一种基于Inception-BiLSTM的海上风电功率预测方法

本发明涉及一种海上风电功率预测方法，旨在提升预测的准确性与可靠性。该方法包括以下步骤：(1)数据预处理阶段：利用DBSCAN聚类算法检测数据中的异常值，并采用KNN插值法对其进行重构，同时通过LSTM自动编码器检测时序异常并使用LSTM回归重构，确保时间序列特征的保留。(2)特征工程阶段：通过相关性分析筛选出关键特征，并通过K‑means聚类和风向分类生成标签列，提取风向变化率、时间周期性及风速交互等特征。(3)模型构建阶段：构建了结合多尺度卷积(Inception)、双向长短期记忆神经网络(BiLSTM)和多头自注意力机制的复合模型，通过卷积层提取局部特征，双向LSTM层捕捉时间依赖关系，并利用多头自注意力机制增强关键特征的关注度，最终实现高精度风电功率预测。