一种梯级电站中下游电站入库流量的预测方法

    公开(公告)号:CN111435469A

    公开(公告)日:2020-07-21

    申请号:CN201910024935.6

    申请日:2019-01-11

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 一种梯级电站中下游电站入库流量的预测方法,包括:选取与下游电站入库流量有较强相关性的变量数据;对数据进行标准化处理;选择数据子集比例α范围,采用留一交叉验证,分别对不同α值训练局部加权线性回归模型,得到误差序列,并计算均方根误差RMSE;选取使RMSE最小的α值作为最优的子集比例值;将最优的α值运用到局部加权线性回归中,得到训练数据的拟合值序列和预测日的预测值y1;对训练数据的拟合误差建立ARIMA(p,d,q)模型;运用已训练的ARIMA模型进行预测,得到预测值y2;将y1+y2进行反标准化处理即为预测日的下游电站的入库流量估计值。本发明可提高下游电站入库流量的预测精度和日出力计划制作的准确度,减少发电计划修改次数,对保障电站安全稳定运行有一定的积极作用。

    一种基于模型树和集成学习组合算法的河道流量演算方法

    公开(公告)号:CN116150973B

    公开(公告)日:2024-02-13

    申请号:CN202211709558.8

    申请日:2022-12-29

    IPC分类号: G06F30/20 G06F17/10

    摘要: 本发明提供了一种基于模型树和集成学习组合算法的河道流量演算方法,包括步骤:步骤1,获取上游断面的流量、涨退水数据,下游断面的流量数据,时间数据以及与下游断面流量相关的其他数据;步骤2,对历史数据进行时间窗格化处理;步骤3,建立基于模型树和集成学习组合算法的河道流量演算模型,采用网格搜索进行模型的超参数寻优,确定最佳超参数组合;步骤4,根据最佳超参数组合建立基于模型树和集成学习组合算法的河道流量演算模型,对下游断面流量进行预测,并采用近邻样本对预测值进行校正;步骤5,生成模型树的划分规则。本发明可分析不同水源成分不同流量级不同时期条件下上游断面对下游断面的流量传播影响。

    一种梯级电站的上下游水位预测方法

    公开(公告)号:CN108764539A

    公开(公告)日:2018-11-06

    申请号:CN201810464065.X

    申请日:2018-05-15

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/04

    CPC分类号: G06Q10/04 G06N3/049 G06Q50/06

    摘要: 本发明公开了一种梯级电站的上下游水位预测方法,它包括以下步骤:步骤1,选取输入变量与输出变量;步骤2,对数据进行标准化处理,消除量纲的影响;步骤3,确定输入向量维数、LSTM层数、输出向量维数,以及时间步;步骤4,LSTM的前向传播过程和误差反向传播过程;前向传播过程按时间步依次输入LSTM网络,得到相应的输出值;以输出值与真实值的误差平方和为损失函数,进行误差沿时间反向传播来更新参数;步骤5,运用训练好的模型进行多时刻连续预测。将LSTM应用到梯级电站的水位预测中,可以捕捉到上游电站对下游电站的滞后性影响信息,提高预测精度,为科学的调度决策提供更加可靠的理论支撑。

    一种水库入库流量校正模型适配表构建方法

    公开(公告)号:CN116522285A

    公开(公告)日:2023-08-01

    申请号:CN202310353158.6

    申请日:2023-04-04

    摘要: 本发明公开了一种水库入库流量校正模型适配表构建方法,它包括以下步骤:步骤1:基础数据收集;步骤2:基于不同的外界影响因子,划分预报工况,并结合流域实际情况,筛选多种可能适用的误差校正模型;步骤3:基于多工况划分结果,采用多个模型分别对各工况下的入库径流预报误差进行预测,得到不同模型在各工况下的预测效果;步骤4:通过将划分的工况归为不同的类型,进行模型预测效果对比分析,优选确定每个工况下的最适合模型,形成不同工况下的水库入库流量校正模型适配表。本发明方法的构建不受限于具体的流域和对象限制,可以根据实际情形选择不同的工况、不同的模型集合进行适配,适应性强,应用门槛低,可广泛推广应用。

    一种基于模型树和集成学习组合算法的河道流量演算方法

    公开(公告)号:CN116150973A

    公开(公告)日:2023-05-23

    申请号:CN202211709558.8

    申请日:2022-12-29

    IPC分类号: G06F30/20 G06F17/10

    摘要: 本发明提供了一种基于模型树和集成学习组合算法的河道流量演算方法,包括步骤:步骤1,获取上游断面的流量、涨退水数据,下游断面的流量数据,时间数据以及与下游断面流量相关的其他数据;步骤2,对历史数据进行时间窗格化处理;步骤3,建立基于模型树和集成学习组合算法的河道流量演算模型,采用网格搜索进行模型的超参数寻优,确定最佳超参数组合;步骤4,根据最佳超参数组合建立基于模型树和集成学习组合算法的河道流量演算模型,对下游断面流量进行预测,并采用近邻样本对预测值进行校正;步骤5,生成模型树的划分规则。本发明可分析不同水源成分不同流量级不同时期条件下上游断面对下游断面的流量传播影响。

    一种梯级电站中下游电站入库流量的预测方法

    公开(公告)号:CN111435469B

    公开(公告)日:2022-04-19

    申请号:CN201910024935.6

    申请日:2019-01-11

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 一种梯级电站中下游电站入库流量的预测方法,包括:选取与下游电站入库流量有较强相关性的变量数据;对数据进行标准化处理;选择数据子集比例α范围,采用留一交叉验证,分别对不同α值训练局部加权线性回归模型,得到误差序列,并计算均方根误差RMSE;选取使RMSE最小的α值作为最优的子集比例值;将最优的α值运用到局部加权线性回归中,得到训练数据的拟合值序列和预测日的预测值y1;对训练数据的拟合误差建立ARIMA(p,d,q)模型;运用已训练的ARIMA模型进行预测,得到预测值y2;将y1+y2进行反标准化处理即为预测日的下游电站的入库流量估计值。本发明可提高下游电站入库流量的预测精度和日出力计划制作的准确度,减少发电计划修改次数,对保障电站安全稳定运行有一定的积极作用。