科研之友
微信
新浪微博
Facebook
分享链接
摘要
径流式水电站广泛存在于梯级水库中。其来水和水位预报受诸多水力和机组特性控制因素影响，变化趋势具有较强的非线性和随机性，难以用传统水动力模型准确模拟。水位高精度预报问题已成为制约水电站精细化运行的一大障碍。提出了一种基于多层长短记忆神经网络(LSTM)神经网络的水库水位预测新方法，并采用粒子波优化算法(PSO)优化LSTM模型的超采纳数。建立了LSTM水位预测模型，并应用于沙坪水电站水位预测。将其结果与水平衡模型的模拟结果进行了比较。结果表明，该PSO-LSTM神经网络模型具有较高的精度。同时利用数据驱动模型运行，从而避免水电站自身静态曲线对预测结果的影响。该方法具有较大的实用价值。该研究可为实现径流逆调节水电站的水位预报、出力调节、机组调度优化、智能闸门控制等提供重要参考。
