一种基于异常数据检测和霜冰优化的功率预测方法

本发明涉及功率预测技术领域，具体涉及一种基于异常数据检测和霜冰优化的功率预测方法，包括：遍历所有的KD树节点，得到最终聚类结果；选择出得分最高的内聚结果对应的最佳MinPts和Eps参数组合，完成KD‑DBSCAN模型的训练；通过训练好的KD‑DBSCAN模型检测实时数据中的异常数据并删除，并得到聚类数据，然后利用线性插值法填充数据，得到处理后的风电数据；将处理后的风电数据输入霜冰优化算法优化BiLSTM的组合模型，得到预测的风电功率结果，并进行误差计算。本发明技术方案通过以KD树的节点为核心点聚类，可以避免对每个数据点进行大量的距离计算和领域搜索操作，有效降低聚类时间。