在区域风电短期功率组合预测领域,常用深度学习预测模型虽然能够充分学习各单一模型的预测特征,但样本数据规模较小时,深度学习模型容易对训练数据分布产生依赖,从而产生过拟合现象;此外,虽然聚类方法被用来提升区域级预测的精度,但现有方法的聚类目标通常为不同类中风电场的差异最小化,而未考虑与预测目标的一致性.为解决以上问题,提出一种基于闭环聚类和多目标优化的风电短期功率预测方法.首先,通过闭环聚类算法将风电场分为多类;对于每类中的风电场数据,运用Bootstrap方法从原始数据集中随机有放回地抽取 组训练子集;然后,利用 组子集数据分别训练卷积神经网络模型;最后,采用多目标优化算法对 个卷积神经网络的预测结果进行集成.基于中国内蒙古地区的实际风电场数据开展算例验证,所提方法在均方根误差方面相比长短期记忆网络模型降低33.81%,相比基于卷积神经网络的组合预测模型降低24.08%,相比基于K-means聚类方法的预测降低14.05%.