【目的】 大型風力発電機の容量増加、機械の前方流入風速場の分布および垂直風切り変化がより複雑になり、ナセル高さの単一点有効風速で入流風況を十分に表現することが難しい問題に対し、大型風力発電機の多地点特徴風速選択および推定方法を提案する。【方法】 まず、機械前方流入風速場のグリッドデータに基づき、ランダムフォレストとBoruta（RF-Boruta）による段階的アルゴリズムを提案し、超大型風車掃過面内の特徴風速格子点の安定的な選択を実現する。次に、混合多変量長短期記憶（x LSTM-Mixer）ニューラルネットワークアルゴリズムを導入し、入力-出力遅れ次数を考慮した組み込み特徴エンジニアリング戦略と組み合わせて、風車の動的特性駆動による多地点特徴風速の超短期多ステップ動的推定モデルを構築する。最後に、SOWFAプラットフォームにて10 MW風力機の大型渦シミュレーションおよびIEC規格下全風速範囲の7種類の風況に対する数値解析と流れ場データ収集を行い、提案手法の検証を実施する。【結果】 結果は、ナセル中心を含む半径50～60 m、120°角度間隔で配置された4つの代表的特徴風速点を選定し、x LSTM-Mixerモデルは多地点風速の現時刻フィルタリングおよび未来80ステップ超先予測の相対誤差がいずれも≤2.8%であり、秒単位の高精度推定を実現し、コルモゴロフ-スミルノフ（KS）統計量≤0.2、構造類似性指数（SSIM）≥0.96を示し、従来のLSTM、Transformerモデルと比較して精度が約10%向上し、分布適合性および構造把握能力に優位性を有する。【結論】 本手法は単一点風速表現の限界を突破し、風力発電出力予測、機械運転制御および発電量評価に信頼性の高い技術的支援を提供する。

風力発電;時空間特徴選択;xLSTM-Mixerニューラルネットワーク;多ステップ時系列動的推定