基于气象预报与卷积简化LSTM的风电功率预测方法

本申请提供基于气象预报与卷积简化LSTM的风电功率预测方法，通过分析历史风电功率监测数据序列的离散程度，对历史风电功率监测数据的完整性进行校验，识别可能影响模型准确性的异常数据，并修复异常数据，对所有数据进行归一化；筛选出与风电功率高度相关的气象因素；获取与风电功率高度相关的气象因素的未来预报数据，并将其与历史风电功率监测数据结合，作为预测模型的输入特征；在LSTM的基础上对风电功率监测数据序列的局部时空特征进行提取，引入窥视孔结构与新型门控结构，同时利用LSTM单元捕捉时间序列数据的长期依赖性，得到ConvSLSTM，进行风电功率预测，将预测结果反归一化，并计算评价指标。本方法在实例数据集上的预测精度均优于传统模型，具有较强的应用潜力和理论价值。