一种基于自适应多源特征选择的风电功率预测方法

本发明公开了一种基于自适应多源特征选择的风电功率预测方法，属于风电功率预测技术领域。针对现有方法存在的不足，通过采集多源异构数据并构建原始特征集；然后按季节或风电场地理位置将预测任务分解为多个相关但分布不同的子任务；在每个子任务内部，采用基于种群信息熵的自适应特征筛选策略，实时自适应调整二值化阈值和翻转概率，并根据特征重要性引导翻转方向；在子任务之间，采用跨任务价值评估与知识迁移策略，评估知识源价值，选择最优知识源进行加权聚合，并自适应调整学习率；迭代优化后输出各子任务的最优特征子集，分别训练LSTM预测模型。本发明能够有效降低特征维度，显著提升预测精度，并自适应不同季节和风电场特性。