本發(fā)明公開了提出了基于VMD和CNN?LSTM的風(fēng)功率概率預(yù)測模型，屬于新能源發(fā)電和智能電網(wǎng)的技術(shù)領(lǐng)域，包含以下內(nèi)容，首先使用VMD技術(shù)將原始風(fēng)功率數(shù)據(jù)序列分解為一系列特征互異的模態(tài)分量，再通過卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)提取反映各模態(tài)分量動態(tài)變化的高階特征。長短期記憶(long short?term memory，LSTM)循環(huán)神經(jīng)網(wǎng)絡(luò)基于提取的高階特征進行分位數(shù)回歸建模，預(yù)測未來任意時刻不同分位數(shù)條件下的風(fēng)功率值。最后利用核密度估計(kernel density estimation,KDE)得到風(fēng)功率概率密度曲線。采用本發(fā)明方法，該模型能夠在保證了對風(fēng)功率點預(yù)測準(zhǔn)確性的同時，實現(xiàn)高可靠性和敏銳度的風(fēng)功率區(qū)間預(yù)測以及可靠有效的風(fēng)功率概率預(yù)測。