要工作之一，也是电力调度部门实现现代化管理必经的过程；新能源发电功率预测对我国电力需求侧管理具有重要意义；新能源发电功率预测减少了产生和消耗的差值，对保证电力系统运行的经济性具有重要意义；此外新能源发电功率预测为保证电力系统运行的可靠性，为电力生产、营销等部门制定合理的计划有重要意义。文中在充分阅读国内外相关文献的基础上，重点对输入变量和模型本身两个方向进行研究，比如第三章对经典的机器学习方法在新能源发电功率预测上是否具有可行性进行验证和通过采用级联结构有效提高网络预测新能源发电功率的精度。同时，文中采用的预处理技术提高数据存储质量为数字化和智能化提供坚实基础，实验仿真对比多种机器学习算法并进行精确分析。最后提出了一种使用改进的Informer模型来预测新能源发电功率长时间序列。该方法可以很好地提取长时间序列数据的底层特征，并结合梯度集中技术，在长时间序列预测中具有较高的预测精度。
本文主要研究成果总结如下：
（1）为实现提高新能源发电功率预测结果的准确性、缩短计算时间。本文依据实际电站数据对数据进行预处理提高数据的质量，同时对数据进行归一化处理等过程。
（2）基于宽度学习系统模型和模糊宽度学习提出一种新能源发电功率预测方法，采用网格寻优方法对模型的超参数进行寻优。本文通过实验证明寻优参数取得了较好的实验结果，适合于新能源发电功率的预测的电力系统数据当中证明其预测的可行性。同时构建级联宽度学习网络模型来改进宽度学习模型，通过级联结构对宽度学习网络进行重构在继承宽度学习的快速学习的基础上达到更好的预测精度和性能。
参考文献（略）
