-
题名沙坪二级水电站短期水位预测与实时调控策略
被引量：4
- 1
-
-
作者
郭爽
龙岩
王孝群
李有明
何滔
汪广明
-
机构
河北工程大学水利水电学院
河北工程大学河北省智慧水利重点实验室
北京市勘察设计研究院有限公司
国能大渡河沙坪发电有限公司
-
出处
《水电能源科学》
北大核心
2022年第8期83-87,共5页
-
基金
河北省高等学校科学技术研究项目(BJK2022038)
邯郸市科学技术研究与发展计划项目(21422012319)。
-
文摘
针对沙坪二级水电站来水不确定、闸门负荷动作频繁的问题,提出了一种基于神经网络的水电站坝前水位预测新方法,建立了一个基于长短期记忆神经网络(LSTM)的水位预测模型,并应用于沙坪二级水电站的坝前水位预测,与BP神经网络预测结果进行对比分析。结果表明,LSTM预测结果具有更高的精度,平均绝对误差为0.1347,均方根误差为0.1950,纳什系数为0.9337,能很好地预测短期水位;提出了基于负荷调整余量与水位预测模型的水电站实时调控策略,根据预测的水位超上限、水位超下限、水位不超限3种情况进行决策分析,实现了减少沙坪二级电站的闸门动作次数,保障电网的安全稳定运行。
-
关键词
LSTM神经网络
BP神经网络
短期水位预测
实时调控策略
-
Keywords
LSTM neural network
BP neural network
short-term water level prediction
real-time control strategy
-
分类号
TV742
[水利工程—水利水电工程]
-
-
题名基于LSTM神经网络的水电站短期水位预测方法
被引量：35
- 2
-
-
作者
刘亚新
樊启祥
尚毅梓
樊启萌
刘志武
-
机构
中国长江三峡集团有限公司
-
出处
《水利水电科技进展》
CSCD
北大核心
2019年第2期56-60,78,共6页
-
文摘
针对常规水位预测方法信息挖掘能力不足和启发式算法机理不明确等缺点,提出了一种基于长短时记忆(long short-term memory, LSTM)网络的水位预测方法。该方法采用水位和出力等直接监测数据,避免了出入库流量等间接计算值带来的二次误差,进而提升水位预测的准确率;采用梯度下降法与Broyden-Fletcher-Goldfarb-Shanno (BFGS)算法相结合训练模型,Wolfe-Powell线搜索方法选取步长,提高模型收敛速率。将该方法用于葛洲坝水电站的上下游水位预测,结果表明,该方法能够实现下游水位连续6 h和上游水位连续3 h的准确预测,具有较高的预测精度和实用性,为葛洲坝水库的实时调度提供了技术支撑。
-
关键词
长短时记忆网络
短期水位预测
梯度下降法
BFGS算法
Wolfe-Powell线搜索方法
-
Keywords
LSTM
short-term water level prediction
gradient descent algorithm
BFGS algorithm
Wolfe-Powellline search method
-
分类号
TV131
[水利工程—水力学及河流动力学]
-
