基于元学习与内容匹配的时空风电功率预测方法

本发明属于风电功率预测技术领域，具体是一种基于元学习和内容匹配的时空风电功率预测方法。首先获取由多个源域任务形成的源域数据集，以及获取目标域任务；然后，构建风电功率预测模型，包括周期性嵌入层、编码器、内容匹配存储网络和预测层；周期性嵌入层用于捕获风电功率数据的周期性信息，编码器分别提取时间特征和空间特征并进行融合，得到时空融合特征；内容匹配存储网络将编码器提取的时空融合特征与记忆力节点特征向量根据相似性进行匹配，得到匹配的节点特征向量；预测层利用匹配的节点特征向量和编码器提取的时空融合特征进行预测，输出风电功率预测结果；最后，利用源域数据集并基于元学习对风电功率预测模型进行训练，将源域训练后的风电功率预测模型迁移到目标域，用于目标域任务的预测。该方法充分考虑风电功率的时空相关性，模型具有良好的泛化能力和预测性能。