基于特征提取和深度学习的风电爬坡事件预测方法、系统、介质及设备

本发明涉及数字电网与人工智能领域，公开了一种基于特征提取和深度学习的风电爬坡事件预测方法、系统、介质及设备，其包括：选择与风功率预测相关的历史气象数据，以及对应的历史风功率数据，将历史气象数据作为风功率预测特征，并与历史风功率数据构成风功率预测特征集；采用参数自适应旋转门算法，从特征集中提取风电爬坡事件，将历史数据处理为多种爬坡特征；将气象数据、历史风功率数据和所得的爬坡特征将作为预测模型的输入，通过卷积神经网络二次提取特征，得到特征图；将特征图输入至长短期记忆神经网络，获得预报的风电功率；将风电功率的预报结果，通过参数自适应旋转门算法提取出爬坡事件，获得风电爬坡事件的预测结果。