《表6 3种模型多步预测误差》
由表5可知:DNN对分量IMF1~4预测效果更好,Bi LSTM对分量IMF5~15预测效果更好.因此,为了更好地实现风电功率预测,采用将DNN和Bi LSTM相结合的方式进行预测,对分量IMF1~4建立DNN滚动多步预测模型,对分量IMF5~15建立Bi LSTM滚动多步预测模型.对于不同超参数,神经网络表现出的拟合能力与准确率都不尽相同,因此,要选择更优的超参数,如学习率选择10-3的准确率要优于10-2;第1层网络的神经元选择64个节点可以在充分提取特征的同时不影响训练速度,而选择128个节点会造成网络过拟合.为了评估VMD-DNN-Bi LSTM预测模型的预测性能,将其与VMD-DNN及VMD-Bi LSTM模型进行对比,3种模型单步预测结果见图4,多步预测误差结果见表6.
图表编号 | XD00217002600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 任文凤、冯志亮、杜艳丽、段昱臻 |
绘制单位 | 北华大学电气与信息工程学院、北华大学电气与信息工程学院、北华大学电气与信息工程学院、北华大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |