基于LSTM与XGBoost风电场发电功率的预测方法及系统

本发明公开一种基于LSTM与XGBoost风电场发电功率的预测方法及系统，属于新能源电力系统优化技术领域。首先，通过多尺度时间特征提取机制，从小时、日、周维度分别捕捉风速、功率等数据的周期性规律与动态变化趋势，结合主成分分析降低特征冗余；其次，构建LSTM与XGBoost协同优化的混合预测模型，利用LSTM的门控机制提取长期时序依赖特征，并通过XGBoost的梯度提升框架强化非线性关系建模能力；基于风速突变率、功率梯度及电网频率偏差实时检测工况变化，自适应调节模型融合权重，使模型在平稳与突变场景下均保持高精度预测。本发明兼具理论创新性与工程实用性，为高比例新能源接入下的电力系统稳定运行提供了有效技术支撑。