《表4 不同模型的预测结果》
%
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。
图表编号 | XD00842700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 彭文、谢凤昱、张智源 |
绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |