一种风电机组入流及尾流风场的学习预测方法及装置

本公开提供了一种风电机组入流及尾流风场的学习预测方法及装置，包括：构建含风机运行参数与流场快照的全工况仿真数据集，建立融合Conditional U‑Net、Transformer与渐进式GAN的预测模型；将归一化后的多模态数据编码为张量输入模型，提取多尺度空间特征并建模时空依赖关系，生成高分辨率预测图像；通过分阶段训练与基于实测数据的增量更新和迁移学习实现模型自适应优化，并部署于边缘设备实现实时预测。该方法兼顾预测精度、实时性与物理一致性，适用于复杂风况下的风电场优化控制。