基于门控循环森林的风电功率超短期预测方法

本发明公开了一种基于门控循环森林的风电功率超短期预测方法，克服了长短期记忆网络中计算效率低下和梯度消失的问题，同时结合了随机森林中集成学习的优势，增强了模型的可解释性和泛化性。本发明包含以下步骤：步骤1：风电数据异常值检测与剔除；使用四分位法将风电功率数据集分成四个相等的部分，将边界之外的值视为异常数据并予以剔除；步骤2：数据填充。采用三次样条插值算法，对已剔除的数据进行填充处理；步骤3：通过随机森林算法计算风电特征重要性；通过随机森林算法来评估各个风电特征的重要性，并选择重要性最高的特征以及功率本身作为输入变量；步骤4：通过门控循环单元进行确定性预测。