《表2 不同预测步长的月均方根误差》

  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

《基于混合智能模型的分布式风力发电预测方法》

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

对不同预测步长情况，通过基于最小冗余最大相关准则，选取相应的最佳输入变量，并将特征选择后的数据样本用于监督学习模型，训练出的模型具有良好的预测精度。对于不同的预测步长，结合PSO优化的ANFIS模型预测结果的月均方根误差nRMSE如表2所示。为了直观，图3展示了部分时段的预测曲线与实际曲线对比情况。由表2中预测误差结果看出，随着预测步长增加，误差逐步增加，这符合客观事实；同时间接证明了对特定预测步长所选取的输入变量为最优属性信息。表明了所提模型在不同时间尺度上的预测均取得了满意的效果，尤其是第4小时末（#16）的月均方根误差小于15%，预测精度满足工程实际需要。