基于集群划分与注意力机制的年尺度风电功率预测方法

本发明公开一种基于集群划分与注意力机制的年尺度风电功率预测方法，对预处理好的各风电场数据构建出空间图和特征图输入DGCN，交替卷积提取时空特征向量；时空特征向量采用跨模态互蒸馏的教师‑学生网络进行集群划分；根据集群划分结果和DGCN提取特征向量进行集群间和集群内对比学习，引入增强注意力机制，针对每个集群构建正负样本，更新权重，并且增强年尺度下时间序列关系；将处理完的特征和功率数据输入到LSTM中，进行正向和反向训练，得到最终的年尺度风电功率预测模型，将气象数据输入最终的年尺度风电功率预测模型预测，得到最终的年尺度风电功率。本发明实现对时空信息的深度利用和优化风电功率预测效果，提升年尺度下预测的准确性和可靠性。