一种基于误差动态校正的短期风电集群功率预测方法

本发明提供了一种基于误差动态校正的短期风电集群功率预测方法，涉及风力发电预测与控制技术领域。该方法包括：计算风电场间的收敛距离，采用聚类算法动态划分风电集群为若干子集群；利用自学习图结构的图动态注意网络(GDAN)对子集群内风电场进行功率预测；在低功率大波动时段，引入误差动态校正系数并进行多尺度分解，利用GDAN预测的校正系数分量的叠加结果修正初步功率预测结果；合并各子集群预测结果，输出风电集群整体功率预测值。本发明通过动态聚类、图结构自学习及多特征分解校正策略，显著提升了预测精度，尤其在极端工况下的鲁棒性和灵活性，适用于山地、平原及大规模风电集群等多种场景的5分钟级超短期预测需求。