基于多维特征提取的可解释深度学习风电功率预测方法及系统

本发明属于风电功率预测技术领域，公开了一种基于多维特征提取的可解释深度学习风电功率预测方法及系统，本发明非线性特征提取及滞后特征创建：目前特征选择的方法大多是基于Pearson相关系数、Spearman相关系数等线性函数来反映环境变量对风力发电功率的影响，而实际上，风电输出功率与众多变量之间存在显著的非线性特征。本发明采用最大互信息系数(MIC)方法进行非线性特征提取，能够更准确地反映环境变量对风力发电功率的非线性影响。在特征选择的基础上，对关键特征进行滞后性处理，创建新的滞后特征(Lag Features)。做法是将时间序列中的过去值作为当前时刻的特征。这种方法可以帮助捕捉时间序列数据中的时间依赖性。