一种基于奇异谱分析和深度学习的风电功率预测方法

本发明公开了一种基于奇异谱分析和深度学习的风电功率预测方法，包括以下步骤：获取风电功率、风速和风向历史数据并对风电功率、风速和风向历史数据进行预处理获得风电功率、风速和风向角度时间序列；取风向角度时间序列的正弦值和余弦值；利用奇异谱分析提取风电功率和风速时间序列的趋势成分和振荡成分，对以上两种成分进行重构；将重构序列与风向的正弦和风向的余弦拼接起来，形成m@T×n的张量；动态选择训练样本，建立卷积神经网络‑门控循环单元深度学习预测模型；对生成的张量采用卷积神经网络‑门控循环单元深度学习预测模型进行预测获得预测风电功率时间序列。本发明通过奇异谱分析获得降噪的重构时间序列，进一步提高了预测精度。