一种基于深度学习与误差修正的风电功率预测方法及装置

本发明提供了一种基于深度学习与误差修正的风电功率预测方法及装置，涉及电力系统、功率预测技术领域，所述方法融合了深度学习GRU模型与注意力机制建立了EDA‑GRU模型进行功率预测及功率误差预测，利用风电功率的波动性特性分别使用了VMD与SVMD进行模态划分，并采用使用离散小波变换（DWT）捕捉特征信息融入TimeGAN进行数据增强，增强了数据的真实性，扩大了数据的规模，解决了风电功率预测中风电功率的强波动性以及预测精度难以提高的问题，相较于传统模型CNN、GRU、LSTM以及组合模型CNN‑GRU预测准确性得到了较大提升。