基于机器学习的葛洲坝水电站日均出力预测

作者：刘亚新; 徐杨

来源：人民长江, 2022, 53(04): 201-220.

DOI：10.16232/j.cnki.1001-4179.2022.04.032

• 入库流量
• 日均出力
• 机器学习
• 贝叶斯岭回归
• 葛洲坝水电站
• 三峡水库

考虑三峡水库与葛洲坝水电站的紧密水力联系以及三峡水库出库流量与葛洲坝水电站入库流量的不平衡现象，提出了基于极端梯度提升(eXtreme Gradient Boosting, XGBoost)和自回归差分移动平均模型(Autoregressive Integrated Moving Average model, ARIMA)这两种机器学习的葛洲坝水电站入库流量预测模型，以及基于贝叶斯岭回归的葛洲坝水电站日均出力预测模型，并将两种模型相结合进行葛洲坝水电站入库流量与日均出力预测。通过对2019年非弃水期的实验分析，结果表明：葛洲坝水电站入库流量预测模型优于传统的折算系数三日均值法，可降低流量预报误差；葛洲坝水电站日均出力预测模型具备较高的预测精度和较强的稳健性，可为葛洲坝水电站非弃水期日均出力计划编制提供参考。

• 单位
  中国长江电力股份有限公司