基于预训练模型和低秩自适应的风电功率预测方法

本发明公开了基于预训练模型和低秩自适应的风电功率预测方法，涉及风力发电技术领域，包括：获取风电场历史气象数据和数值，获取天气预报数据，获取风电机的历史运行数据和数值天气预报数据；对获取的数据进行清洗和归一化处理，并将历史气象数据和历史运行数据划分成训练集和测试集，根据风电功率预测需求选择预训练模型，使用训练集对预训练模型进行训练。本发明提出预训练模型与低秩自适应的结合，使得模型能够准确地捕捉到风电功率的变化规律，减少预测误差提高预测精度，通过对模型参数矩阵进行低秩分解，减小模型训练的参数量降低计算复杂度，利于模型的快速训练和实时预测，提高风电场的电力系统的稳定性。