基于RF-SSA特征提取与误差修正的超短期风电功率预测方法

基于RF‑SSA特征提取与误差修正的超短期风电功率预测方法，包括以下步骤：S1：通过归一化处理不同输入气象特征对风电功率的影响；S2：使用随机森林RF进行气象特征提取，根据提取后的气象采用累积贡献率进行气象特征重要性排序。S3：基于步骤2选取部分气象特征与历史风电功率组合成多变量输入，然后对提取的气象特征实现降噪处理；S4：采用构卷积神经网络CNN对降噪处理后的气象数据进行特征提取，采用长短期记忆神经网络LSTM进行超短期风电功率预测；S5：基于步骤4建立的CNN‑LSTM预测模型构建误差补偿模型；S6：将模型预测结果与模型误差补偿值进行相加并反归一化得到最终的预测结果；步骤7：采用均方根误差、平均绝对误差对预测模型结果进行评估指标计算。