《表1 各模型评价指标结果》

  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SOA-WNN的光伏短期输出功率预测》

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

从图3～图5和表1中可以看出，3种模型对于不同天气类型都可以追随输出功率的变化趋势，但是对于精确度来说，晴天情况预测较准确，而阴天和雪天误差需要进一步提高。晴天时，光照强度稳定，数据相对变化平稳，因此预测精度较高，而阴天和雨雪天时，不确定性加强，数据变化规律难以捕捉，因此预测精度较晴天时有所降低。对于传统的WNN预测模型对晴天时预测误差不大，平均百分比误差为8.205%，但是对于阴天和雨雪天气，其误差上升为25.419%和24.206%，其泛化能力一般，虽然能追随变化趋势，但准确度需进行改善。经过改进后的WNN，不管是GA-WNN还是SOA-WNN，其泛化能力大大提高，如雨雪天时，平均百分比误差分别由24.206%提升至15.222%和11.702%，均方根误差也由5.059 m提升至2.511 m和1.791 m，由此可说明，将小波因子和WNN结构权值进行全局优化可以有效地提高模型的预测精度。将两种改进后的WNN进行对比，两者都可以有效地改善预测误差，但SOA-WNN的结果优于GA-WNN。