一种基于数据增强的风功率预测方法与系统

本发明公开了一种基于数据增强的风功率预测方法与系统，所述方法包括：在风电场内布置多测点多变量传感器，采集风电场内的数据；对采集到的数据进行归一化处理，使用Adaptive LASSO进行特征选择，获得风电场预测数据集；构建时空增强生成对抗网络SPATE‑GAN模型，生成增强数据集；构建时空预测模型KAN‑BiTCN，输出风电场的风功率预测数据，采用动态反向学习和Fuch混沌映射改进阿尔法进化算法AE，优化模型超参数；通过RBF神经网络对预测结果进行误差校正，输出风电场风功率预测数据；本发明能够全面、准确地选择重要特征，高效优化模型参数，从而确保风电场风功率预测的准确性，实现电力系统的稳定运行和发电计划的合理安排。