简介： 本发明公开一种基于迁移学习的风电功率概率预测方法，包括如下步骤：S1、通过迁移算法对历史时段和未来时段的风电数据进行划分构建多层极限学习神经机；S2、通过粒子群算法对多层极限学习神经机的输出层的映射参数进行优化；S3、通过权重优化方法对历史时段的多层极限学习神经机的训集生成权重数据集；S4、通过权重数据集采用特征迁移算法对未来时段的多层极限学习神经机的权重更新；该方法对于提高风电出力预测的准确可靠性，促进新能源电力系统安全、经济、高效运行具有重要意义。