一种基于UMAP-ALO-kmeans聚类的短期风电功率预测方法

本发明提供了一种基于UMAP‑ALO‑kmeans聚类的短期风电功率预测方法。通过随机依赖系数分析高维非线性数据的依赖关系，选取气象要素特征。利用UMAP‑ALO‑kmeans的方法对天气数据进行聚类。其中，UMAP降维方法可以更好地保持原高维数据全局和局部特征，清晰地显示出数据中簇的分布。通过ALO优化k‑means聚类中心，使得每类中的数据点与聚类中心更紧密，改善聚类中数据归类分组不准确的问题。采用熵权法结合随机森林模型选取每个聚类中的代表性天气数据样本，优化训练样本质量。采用改进的双向门控循环单元进行短期功率预测，利用残差块改善双向门控循环单元处理长序列时特征信息丢失的问题，以提高预测准确度。