《表4 各类簇的预测效果:基于密度峰值聚类及GRNN神经网络的光伏发电功率预测方法》
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
《基于密度峰值聚类及GRNN神经网络的光伏发电功率预测方法》
式中,Pp(i)——系统发电功率预测值;Pm(i)——系统发电功率实际测量值。M取24,为一天的实际预测点个数。预测误差统计指标结果见表4,可看出对于聚类所得的5个类簇分别建立的GRNN神经网络均具有较高的预测精度,不同类簇预测模型间还存在着预测效果上的差异。从各类簇中分别随机取2017年1月6日(类簇1)、2017年1月1日(类簇2)、2017年10月11日(类簇3)、2017年7月25日(类簇4)、2017年12月30日(类簇5)做光伏发电功率预测曲线与实测曲线对比图如图5所示,可看出预测模型对不同类簇均有较高的预测精度。但由于短期发电功率预测的局限性,无法对云层实时运动遮挡阳光导致的发电功率剧烈波动做出响应,如10月11日午时的波动、12月30日13:00的波动,1月1日14:00后天气晴转多云后实际出力的下降等现象,均出现预测偏差。
图表编号 | XD00226519200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.28 |
作者 | 姚宏民、杜欣慧、秦文萍 |
绘制单位 | 太原理工大学电气与动力工程学院、太原理工大学电气与动力工程学院、太原理工大学电气与动力工程学院 |
更多格式 | 高清、无水印(增值服务) |