基于贝叶斯优化XGboost-LSTM的超短期风电功率预测方法

本发明属于风电功率预测技术领域，且公开了基于贝叶斯优化XGboost‑LSTM的超短期风电功率预测方法，具体步骤如下：步骤一：输入风电场采集所得风电功率数据和相应时间序列的数值天气预报数据；步骤二：数据预处理，对输入数据进行缺失值插补及数据去重。本发明使用XGBoost特征优选方法选取影响风电功率的关键特征，排除无关特征噪声对模型预测精度及准确性的影响，然后使用贝叶斯优化算法对LSTM模型进行超参数调优，最后构建XGboost‑LSTM‑BO模型，XGboost特征优选和贝叶斯超参数优化可以明显提升LSTM对未来数据的预测效果，提高模型预测精度，相比较于传统的预测模型，在保持较高预测精度的同时，能够提高模型风电功率数据泛化能力，具有更高的预测性能。