一种基于数据分布拟合的风电场功率预测方法

本发明提供了一种基于数据分布拟合的风电场功率预测方法，在构建加权三重注意力机制的双向GRU神经网络模型时，先通过极大似然估计拟合误差的混合高斯分布，将误差分布参数θ嵌入PINN神经网络模型的误差损失函数，使PINN神经网络模型能同时学习数据规律和误差分布特性，解决传统方法中分布假设与风电场实际数据特性不匹配的问题，提高了风电场功率预测的准确性；然后将三重注意力机制模型的输出层与PINN神经网络的双向GRU层连接，基于三重注意力‑双向GRU动态特征选择，实现对输入的风机特征数据的动态特征增强。利用本发明中构建的加权三重注意力机制的双向GRU神经网络模型预测的风电场功率精度高，并且解决了传统方式在风速突变时模型响应滞后的问题。