摘要
基于多视图融合和宽度学习的超短期风电功率预测方法，涉及风电功率预测领域。本发明是为了解决现有基于深度神经网络的风电功率预测方法还存在模型训练时间长、消耗计算资源多以及预测精度低的问题。本发明包括：利用t时刻前k个小时的平均风电功率序列及t时刻前k个小时的指标数据序列组成样本集；对样本集归一化，并利用归一化后的样本集获得训练集，利用训练集训练MCCA‑BL预测模型，获得训练好的MCCA‑BL预测模型；将预测风电功率相关数据集输入到训练好的MCCA_BL预测模型中，获得待预测时刻风电功率；指标数据包括：平均温度、最高温度、最低温度、气压、湿度、风速、风向、降雨量和云量。本发明用于预测风电功率。
