一种基于风速属性聚类重构的元启发优化双向记忆预测方法

本发明属于风力发电技术领域，具体涉及一种基于风速属性聚类重构的元启发优化双向记忆预测方法，包括以下步骤：1)构建风速属性样本集；2)采用改进k‑mediods聚类重构风速属性样本集合；3)采用元启发优化双向记忆网络预测风速，本申请通过快速相关滤波高效筛选风速高相关气象数据构建风速属性样本结合，增强预测模型输入的属性关联。本申请的有益效果在于改进的k‑medoids聚类采用高斯核距离作为样本间距度量，满足了高维样本空间的非线性特性，有效提高了k‑medoids聚类的边界划分准确性；同时，通过优选聚类初值亦提升了聚类结果的稳定性。元启发双向记忆网络实现了结构参数的自适应寻优，避免了模型训练时依赖于经验值进行调参带来的影响，有效提升了风速预测的精度与泛化性能。