一种考虑扩散式数据增强的风电功率可信预测方法

本发明涉及风电功率预测技术领域，解决了风电功率预测中数据不足、分布不均以及预测结果可信度评估的技术问题，尤其涉及一种考虑扩散式数据增强的风电功率可信预测方法，包括获取历史气象数据并进行预处理；构建条件去噪扩散隐式数据生成的隐式概率模型，并利用最小化损失函数与气象条件注入实现基于条件信息的自监督训练；对训练完成的隐式概率模型进行多维度评估。本发明针对风电功率预测中的数据不足和分布不均问题，通过引入条件去噪机制和物理约束，不仅能够生成高质量的风电功率数据，还能够确保生成数据的物理合理性，从而为风电功率预测模型的训练提供更准确、更可靠的数据支撑。