一种基于深度学习的集电线路极端风速预测方法

本发明公开了一种基于深度学习的集电线路极端风速预测方法，旨在提高风力发电系统对极端风速的预测精度和安全预警能力。该方法首先通过皮尔逊相关性分析筛选与风速高度相关的特征变量，包括集电线路不同高度的风速数据和实际发电功率等，构建多维时间序列输入。随后，采用卷积神经网络(CNN)提取输入数据的空间特征，并通过长短期记忆网络(LSTM)捕捉风速随时间演变的动态特性，从而建立CNN‑LSTM组合模型对极端风速进行预测。实验结果表明，本发明方法能够显著提高预测精度，具有良好的鲁棒性和泛化能力，可有效识别极端风速的变化趋势，为风力发电系统的稳定运行及安全调度提供关键技术支持。本发明适用于风力发电集电线路的优化设计与智能运维，具有广泛的应用前景和重要的工程价值。