一种基于深度学习的风电场功率预测方法

本发明公开了一种基于深度学习的风电场功率预测方法，涉及风电场功率预测领域。收集离线的由风电场功率时序数据构成的风电场功率数据集并从中划分出训练集；对训练集中的风电场功率时序数据执行一阶差分运算和二阶差分运算，生成表征功率变化率和功率变化加速度的差分特征序列；同时又从训练集中的风电场功率时序数据中提取出特征——小时、天、月、年；再将小时、天、月、年、一阶差分特征序列和二阶差分特征序列整合为特征矩阵；建立LSTM‑Transformer混合深度学习模型；将特征矩阵与原始训练集整合在一起构成新训练集，对LSTM‑Transformer混合深度学习模型进行训练，获得风电场功率预测模型；利用风电场功率预测模型对风电场的功率输出进行实时预测。