基于气象特征和深度学习模型的风电功率预测方法及系统

本申请涉及一种基于气象特征和深度学习模型的风电功率预测方法及系统，属于电力系统技术领域，解决现有模型结构和参数选择的复杂性导致计算成本高等问题。方法包括：通过多源数据融合技术和实时数据采集技术获取气象数据；对气象数据进行预处理；构建时间特征、原始特征、时间窗下的统计特征和组合特征以生成训练集和测试集；构建XGBoost模型和LSTM神经网络模型并利用训练集和测试集进行训练以生成第一和第二风电功率预测模型，利用贝叶斯优化模型优化模型参数；将实时特征数据集输入第一和第二风电功率预测模型以分别生成第一和第二预测值，利用误差倒数法获取组合风电功率预测值。通过自动特征选择和参数调整，降低计算成本和对专业知识的依赖。