一种基于场景实时切换的超短期风电功率预测方法

本发明公开了一种基于场景实时切换的超短期风电功率预测方法，该方法首先对历史风速时间序列提取可表征风速波动程度的多维特征向量；随后采用K‑means聚类算法对上述多维特征向量进行聚类，将风电运行状态划分为多个场景。然后根据各场景的样本熵值区分强波动与弱波动场景，其中强波动场景采用CNN‑BIGRU模型进行预测；弱波动场景采用最小二乘支持向量机(LSSVM)模型。最后，根据实时风速数据，对待预测时刻前一时序片段的波动特征进行识别，计算与场景聚类中心的欧氏距离，判断所属场景并选择相应预测模型，进而动态地生成风电功率预测结果。该方法能够在风速波动频繁且复杂的环境下实现对不同场景的自适应切换，有效提升超短期风电功率预测的准确性与稳定性。