《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于神经网络和改进相似日的光伏电站功率预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。