《表3 不同算法的各个预测误差》
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
《基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法研究》
由表3可知,与其他算法相比,ANFIS-PSO算法的RMSE和n MAE均较低,这是由于ANFIS-PSO算法能够有效避免传统模型拟合复杂函数的局限性,从而有效提高该模型的预测精度;ARMA算法只能使用历史序列数据进行训练,导致天气信息数据缺失,从而使得该模型的预测误差较高;ANN对于复杂数据的学习能力有限,虽然预测效果比ARMA有所提高,但与本文模型相比仍有差距;持久性方法只使用了上一个时刻的真实值,并没有使用预测模型对其内在因素进行分析,因此预测精度也相对较低。由表3还可看出,利用ANFIS-PSO得到的Skill最大,这也体现出本文算法的优越性。
图表编号 | XD0071082900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.20 |
作者 | 时珉、王强、王铁强、王一峰、尹瑞、何琰、Yordanos Kassa Semero |
绘制单位 | 国网河北省电力有限公司、国网河北省电力有限公司、国网河北省电力有限公司、国网河北省电力有限公司、国网河北省电力有限公司、北京清软创新科技股份有限公司、新能源电力系统国家重点实验室华北电力大学 |
更多格式 | 高清、无水印(增值服务) |