摘要：针对数据驱动的风电机组超短期功率预测中堆积型异常值难以识别、原始数据特征提取不够充分的问题，提出了一种结合数据清洗及并联时空神经网络的预测方法。首先，提出一种组合数据清洗方法对机组功率数据进行清洗；接着，提出一种并联时空神经网络，分别提取目标机组功率及气象数据的时间特征、相似机组功率数据的空间特征进行融合预测。此外，定义了误差区间准确度指标用于反映不同误差区间下预测结果的准确性，避免了传统误差指标掩盖局部预测误差过大的缺陷。算例分析结果表明，所提方法能够有效识别异常数据，提高了风电机组超短期功率的预测精度。

      关键词：风电机组功率；深度学习；数据清洗；特征融合；评价指标

      中图分类号：TM28     文献标识码：A