基于深度学习的水库最优调度决策模型生成方法技术

本发明专利技术公开的基于深度学习的水库最优调度决策模型生成方法，涉及水库调度技术领域，基于深度学习算法，从水库历史调度数据中提取水库的历史调度规则，对水库调度模型的计算精度进行优化的同时，还对水库调度模型的计算耗时进行了优化，可快速从海量历史调度数据中提取水库调度规则，适用于水库实时调度以及水库短期、中长期等时段调度，提高了水库调度模型的计算精度、计算效率及实用性，解决了现有技术存在的计算精度低、计算效率低及实用性不强的缺陷。

【技术实现步骤摘要】
基于深度学习的水库最优调度决策模型生成方法
本专利技术涉及水库调度
，具体涉及一种基于深度学习的水库最优调度决策模型生成方法。
技术介绍
水库作为人类利用和管理水资源的重要水利工程措施，有效解决了水资源配置与人类经济社会发展需求间的矛盾。水库调度方案作为指导水库调度运行的有力工具，是实现水库综合效益发挥的关键技术之一。因此，制定科学的水库调度方案，对于充分发挥水库的综合效益至关重要。当前，水库调度工作主要以调度图或调度模型(如线性函数、机器学习算法)为指导依据，二者均通过历史的长系列资料模拟制定。传统的水库调度图以其直观、实用的优点在实际调度中应用广泛，但因无法考虑水雨情信息而缺乏灵活性，一定程度上限制了水库的优化决策。相比之下，调度模型根据水库的历史调度数据提取水库调度规则，尤其是基于机器学习算法的水库调度模型，能够根据水库的运行状况，结合入流信息和气象信息等制定出相对灵活的调度方案，从而更显著的提高水库效益。但是，目前现有的水库调度模型在实际应用中尚存在多种缺陷：(1)对水库历史调度管理经验的学习能力有限，给出的决策结果与实际调度操作偏差较大；(2)水库需应对的实际调度场景本文档来自技高网...

【技术保护点】
1.一种基于深度学习的水库最优调度决策模型生成方法，其特征在于，包括：S1、采集水库历史调度数据和库区站点气象数据并利用深度学习算法，获取水库的历史调度规则；S2、根据所述水库历史调度数据及所述库区站点气象数据，构建包括决策变量Y和影响因子X的数据集，其中，所述决策变量包括水库各个时段的出流量QOT，所述影响因子包括：月份M、时刻T、水库当前时段入流量QiT、水库上一时段出流量QOT‑1、水库上一时段水坝上水位ZuT‑1、水库上一时段水坝上水位ZdT‑1、水库当前保证出力NT、水库当前时段降水量PT及水库当前时段蒸发量ET，则所述数据集S＝{X，Y}＝{M，T，QiT，QOT‑1，ZuT‑1，...

【技术特征摘要】
1.一种基于深度学习的水库最优调度决策模型生成方法，其特征在于，包括：S1、采集水库历史调度数据和库区站点气象数据并利用深度学习算法，获取水库的历史调度规则；S2、根据所述水库历史调度数据及所述库区站点气象数据，构建包括决策变量Y和影响因子X的数据集，其中，所述决策变量包括水库各个时段的出流量QOT，所述影响因子包括：月份M、时刻T、水库当前时段入流量QiT、水库上一时段出流量QOT-1、水库上一时段水坝上水位ZuT-1、水库上一时段水坝上水位ZdT-1、水库当前保证出力NT、水库当前时段降水量PT及水库当前时段蒸发量ET，则所述数据集S＝{X，Y}＝{M，T，QiT，QOT-1，ZuT-1，ZdT-1，PT，ET，QOT}，其中T为自然数，T∈[0，24]；S3、以影响因子为模型输入向量，以决策变量为模型输出向量，构建基于长短期记忆网络深度学习算法的水库调度模型，并根据所述数据集确定训练样本和测试样本，其中，所述水库调度模型的模型表达式为f表示水库的历史调度规则函数；S4、设定所述水库调度模型的最大迭代次数及最大隐层节点数，根据所述最大迭代次数、所述最大隐层节点数及所述训练样本，采用基于误差反向传播算法和Holdout验证方法对所述...

【专利技术属性】
技术研发人员：彭期冬，刘毅，林俊强，张迪，樊启祥，尚毅梓，向欣，靳甜甜，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京,11