水电站非弃水期下游水位变化过程预测方法技术

本发明专利技术提供一种水电站非弃水期下游水位变化过程预测方法，包括以下步骤：一、提取水电站多年逐小时历史运行数据，以水电站非弃水期的前期逐小时电站总出力、分电站出力、上游水位数据序列和部分逐小时电站下游水位数据序列作为输入因子，以剩下逐小时电站下游水位数据序列作为输出因子；二、选用神经网络算法，对输入、输出因子进行训练，构建预测模型；三、将电站非弃水期的前期逐小时电站总出力、分电站出力、上游水位、下游水位历史运行数据以及预见期内未来逐小时电站总出力、分电站出力、上游水位数据序列后输入预测模型，预测出未来下游水位过程数据序列。本发明专利技术实现预测下游水位变化过程，且预见期内无预报误差累计效应。

【技术实现步骤摘要】
水电站非弃水期下游水位变化过程预测方法。
本专利技术涉及水利水电领域的水文预报和发电调度领域，特别是一种水电站非弃水期下游水位变化过程预测方法。
技术介绍
水电站下游水位是水电站运行的重要参数，也是水位计算的重点和难点。水电站处于非弃水期时，当电站出力发生变化，水电站发电流量的变化将导致下游水位波动。然而非弃水期水电站下游水位变化过程受多种因素影响，不仅与所面临小时的电站出力、上游水位等参数有关，而且与该小时以前的工作状态有关，即具有一定的滞后性。传统水电站下游水位预测方法是通过建立日均出库流量和下游水位相关关系来估算下游水位，其精度不高，无法考虑下游水位变化滞后性，也无法有效对下游水位变化过程进行精确预测。鉴于此，有必要找到一种水电站非弃水期下游水位变化过程预测方法。
技术实现思路
本专利技术所要解决的技术问题是提供一种水电站非弃水期下游水位变化过程预测方法，能够能快速、准确的预测出下游水位变化过程。为解决上述技术问题，本专利技术所采用的技术方案是：一种水电站非弃水期下游水位变化过程预测方法，包括以下步骤：一、输入电站运行数据：提取水电站多年逐小时历史运行数据，以水电站非弃水期的前期逐本文档来自技高网...

【技术保护点】
一种水电站非弃水期下游水位变化过程预测方法，其特征是包括以下步骤：一、输入电站运行数据：提取水电站多年逐小时历史运行数据，以水电站非弃水期的前期逐小时电站总出力、分电站出力、上游水位数据序列和部分逐小时电站下游水位数据序列作为输入因子，以剩下逐小时电站下游水位数据序列作为输出因子；二、构建预测模型：选用神经网络算法，设定隐层神经元个数、最大迭代次数和训练精度数值，对输入、输出因子进行训练，构建预测模型；三、预测模型结果输出：将电站非弃水期的前期逐小时电站总出力、分电站出力、上游水位、下游水位历史运行数据以及预见期内未来逐小时电站总出力、分电站出力、上游水位数据序列后输入预测模型，得出输出结果；...

【技术特征摘要】
1.一种水电站非弃水期下游水位变化过程预测方法，其特征是包括以下步骤：一、输入电站运行数据：提取水电站多年逐小时历史运行数据，以水电站非弃水期的前期逐小时电站总出力、分电站出力、上游水位数据序列和部分逐小时电站下游水位数据序列作为输入因子，以剩下逐小时电站下游水位数据序列作为输出因子；二、构建预测模型：选用神经网络算法，设定隐层神经元个数、最大迭代次数和训练精度数值，对输入、输出因子进行训练，构建预测模型；三、预测模型结果输出：将电站非弃水期的前期逐小时电站总出力、分电站出力、上游水位、下游水位历史运行数据以及预见期内未来逐小时电站总出力、分电站出力、上游水位数据序列后输入预测模型，得出输出结果；预测出未来下游水位过程数据序列。2.根据权利要求1所述的水电站非弃水期下游水位变化过程预测方法，其特征是：步骤二中，对输入、输出因子进行归一化处理，选用神经网络算法，对归一化后的输入、输出数据序列进行训练。3.根据权利要求2所述的水电站非弃水期下游水位变化过程预测方法，...

【专利技术属性】
技术研发人员：徐杨，刘志武，汪永怡，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：湖北;42