《表3 扰动后预测误差:基于神经网络和改进相似日的光伏电站功率预测》
考虑到气象要素数据预报存在一定的误差,为了验证本文模型M1的适用性,利用Matlab的rand函数对输入的气象要素数据进行扰动。扰动中,平均相对湿度大于100%时,按100%计算,总云量、低云量小于0时按0计算,大于10成时按10成计算。扰动后的预测误差见表3。由表3可看出,当扰动为10%、30%时,月相对均方根误差分别增大0.51%、1.5%,月平均绝对百分比误差分别增大0.23%、0.83%。当扰动大于30%后,本文模型中预测日的三个相似日的选取改变较大,误差进一步加大。结果表明,本文预测模型抗干扰能力较强,较为稳定。
图表编号 | XD00225013100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 刘军、陈正洪、王必强 |
绘制单位 | 湖北省气象服务中心、湖北省气象能源技术开发中心、湖北省气象服务中心、湖北省气象能源技术开发中心、湖北省气象服务中心、湖北省气象能源技术开发中心 |
更多格式 | 高清、无水印(增值服务) |