小样本条件下的风电功率预测方法

本发明提出了一种小样本条件下的风电功率预测方法，用以解决复杂模型难以适应小样本条件的问题。其步骤为：首先，利用MCMC对风电厂小样本数据集进行数据扩充，采用统计、插值、拟合和自适应识别四种方法对风电功率样本集进行数据清洗；其次，搭建基于集成混合天鹰优化与增强型非洲秃鹫优化算法的BP(IHAO‑IAVOA‑BP)神经网络模型，并利用数据清洗过的风电功率样本集进行训练；最后，采用BP神经网络、非洲秃鹫优化算法改进的BP神经网络、天鹰优化器改进的BP神经网络和IHAO‑IAVOA‑BP神经网络风电功率预测模型四种模型对待测样本集进行预测，预测结果表明本发明方法在小样本场景下具有良好的预测性能。