《表4 不同模型的预测结果》

  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

《考虑相似时段聚类的风电功率短期预测算法》

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

%

Elman神经网络模型的输入直接影响着功率预测效果，为了分析不同模型的预测性能，本文模型输入只包含功率向量的算法称为Elman-P，只包含气象因素的算法称为Elman-W，同时包含功率向量和气象因素的算法称之为Elman-PW。独立地应用3种预测算法，对2016年10月至12月期间进行功率预测，预测误差如表4所示。从平均误差来看，Elman-PW算法明显优于其他两种算法，体现了多元数据对预测准确性的贡献。但同时也会发现，最坏误差中Elman-P要好于另两种算法，通过查看数据得知Elman-W算法和Elman-PW算法的最坏误差均出现在同一时间段，而且该段时间内的气象数据有明显的异常。这也是本文算法存在的问题，后续研究重点关注如何降低异常数据对预测精度的影响。