[发明专利]一种基于改进LSTM-CNN的风功率短期预测方法

摘要

本发明涉及一种基于改进LSTM‑CNN的风功率短期预测方法，包括获取风电场风功率历史数据和对应时间的数值天气预报数据，并对数据进行预处理和拼接形成多维时序数据集；将数据集按照时间划分为分别代表四个季节的四组样本，利用K‑means算法对每组样本进行聚类，将每组样本划分为若干个聚类类别；选取目标聚类类别的样本划分训练集和测试集，将训练集输入到改进LSTM‑CNN预测模型中进行模型训练；将测试集输入到训练好的预测模型中，得到对应的短期风功率预测数据。通过聚类找到对预测精度影响最大的样本，提高了预测效率，通过改进预测模型提取多尺度特征，弥补传统预测算法对复杂天气情况下风功率预测精度不高的缺陷。