基于多源数据集的集成式风电功率预测方法及系统

本发明公开了基于多源数据集的集成式风电功率预测方法及系统，方法包括：获取历史气象因素和风机运行数据；对历史气象因素和风机运行数据进行预处理，获取数据集；基于数据集，采用Boruta算法获取关键特征，通过滑动窗口机制和VMD算法处理关键特征，获取增强特征矩阵；将增强特征矩阵输入至深度学习模型中进行预测，获取初步预测值；对初步预测值进行残差修正和融合，获取最终风电功率预测结果。本发明有效提升了对风能间歇性、波动性和随机性的处理能力，避免了物理模型计算复杂、统计模型难以处理非线性非平稳特征的缺陷，降低了单一深度学习模型的过拟合风险，能够提高预测的准确性和稳定性，在实际应用中具有更好的泛化能力。