一种基于数据筛选与集成学习的海上能源岛功率韧性增强方法

本发明提出一种基于数据筛选与集成学习的海上能源岛功率韧性增强方法，聚焦于极端条件下海上能源岛功率支撑能力问题。首先，构建冗余抑制特征筛选模块，基于条件互信息与局部动态相关性联合准则，筛选出与风光功率高度相关且低冗余的特征组合；其次，构建时序对抗增强模块，通过改进型时间序列生成对抗网络，实现极端情况下功率数据的小样本增强；最后，构建以卷积神经网络、双向长短期记忆网络与梯度提升决策树为基学习器，轻量梯度提升机为元学习器的集成学习架构，结合功率缺口驱动的多源联合补偿机制，增强系统在极端条件下的动态响应与风险抵御能力。该方法实现了海上能源岛功率在极端环境下的精准预测、快速补偿与韧性优化调度，显著提升了系统的供电稳定性与经济性。