科研之友
微信
新浪微博
Facebook
分享链接
摘要
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0.134 7,均方根误差为0.195 0,纳什系数为0.933 7,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。
- 单位
