为了使得联合循环发电站利润最大化，准确预测其满负载电力输出非常重要。联合循环发电站运行时，前一级产生的废气被用来驱动下一级热机推动发电机，其满负载电力输出受到环境温度、大气压强、相对湿度和废气气压的影响。为此，首先采用核主成分分析（kernel principle component analysis，KPCA）对电站发电相关的特征进行特征组合降维完成特征提取；然后采用极端梯度提升（extreme gradient boosting，XGBoost）算法特征重要性评分并结合序列前向选择法（forward selection，FS）获取最优特征子集；最后构建了KPCA-XGB-FS模型用于联合循环发电站满负载下小时电力输出预测。通过对某联合发电站的真实数据进行实验并与使用相同数据的已有研究方法对比。结果表明所提出方法的能够有效对电力输出进行预测，预测结果优于已有的研究方法。