《短期风电功率预测仿真与结果评估分析案例》2600字.docxVIP

短期风电功率预测仿真与结果评估分析案例

1.1风电功率预测结果评估指标

本文通过采用多个指标来对模型预测结果进行多方面的评估分析[51-63]。通过用来反映了预测的风电功率值和实际的风电功率值之间的差值，同样的也可以反映了样本之间的离散分布程度。和反映了模型的风电功率预测结果与实际的风电功率的真实值之间的误差。和ME值越小无限趋于0时，就代表改进极限学习机模型预测的结果就更加的贴近实际值；同理，和值越大，就代表模型的预测精度越低。反映了模型的预测风电功率结果曲线与真实风电功率曲线的拟合程度。如果越接近于1，就代表所采用的模型的预测风电功率的效果越好；越接近于0，就代表所采取的模型的风电功率预测效果越差。

(4-1)

(4-2)

(4-3)

式中表示预测值的平均值；表示预测值；表示实际值。

1.2改进极限学习机模型的预测仿真

本节采用多种预测模型对风电功率进行预测，其中包括：支持向量机模型、BP神经网络模型、高斯过程回归模型[41-46]。为了验证本文提出的改进极限学习机模型的预测效果。本文将常见的三种预测模型(支持向量机模型、BP神经网络模型、高斯过程回归模型)作为对比模型对风电功率进行预测。

首先采用支持向量机模型、BP神经网络模型、高斯过程回归模型和改进极限学习机模型分别对春季风电功率进行预测。将2017年4月15日至2017年4月19日统计的720组风电功率数据作为