【技术实现步骤摘要】
一种梯级电站中下游电站入库流量的预测方法
本专利技术一种梯级电站中下游电站入库流量的预测方法，属于流量预测
技术介绍
在梯级电站中，具有紧密水力联系的上下游电站之间出入库流量和水头相互影响，通常作为一个整体进行联合调度。在保证梯级枢纽安全的前提下，如何充分发挥梯级水库的防洪、发电、航运效益，使得梯级枢纽的综合效益最大化，下游电站起着重要的作用。由于下游电站的日发电计划是依据上游电站日计划的出库流量而制定，因此对于距离较近的下游电站，在不考虑区间入流和降雨的情况下，上游电站的出库流量应等于下游电站的入库流量。但实际上，两者流量并不平衡，并且呈现出喇叭状，具体表现为当上游电站出库流量较小时，下游电站入库流量波动范围较小；当上游电站出库流量较大时，下游电站入库流量波动范围较大。下游电站的入库流量误差经常导致日计划出力与实时调度情况出现较大的偏差，致使发电计划频繁修改，不利于电站安全、高效、稳定地运行。因此要解决下游电站出力计划问题，准确的入库流量预测是关键。目前，针对梯级电站出入库不平衡问题，林婵等提出了基于数值...
【技术保护点】
1.一种梯级电站中下游电站入库流量的预测方法，其特征在于包括以下步骤：/n步骤1：选取与下游电站入库流量有较强相关性的变量数据；/n步骤2：对变量数据进行标准化处理；/n步骤3：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；/n步骤4：选取使RMSE最小的α值，作为最优的子集比例值；/n步骤5：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y
【技术特征摘要】
1.一种梯级电站中下游电站入库流量的预测方法，其特征在于包括以下步骤：
步骤1：选取与下游电站入库流量有较强相关性的变量数据；
步骤2：对变量数据进行标准化处理；
步骤3：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；
步骤4：选取使RMSE最小的α值，作为最优的子集比例值；
步骤5：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；
步骤6：对训练数据的拟合误差建立ARIMA(p,d,q)模型；
步骤7：运用已训练的ARIMA模型进行预测，得到预测值y2；
步骤8：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。
2.根据权利要求1所述一种梯级电站中下游电站入库流量的预测方法，其特征在于：步骤1中，与下游电站入库流量具有较强相关性的变量包括上游电站出库流量、上游电站出力、区间入流、区间面雨量或其他变量；对于上下游电站相距较近，区间入流忽略不计的梯级电站，可以只考虑上游电站出库流量和电站总出力。
3.根据权利要求1所述一种梯级电站中下游电站入库流量的预测方法，其特征在于：步骤2中，数据标准化处理为zscore标准化，是将数据转换成符合标准正态分布N(0,1)的数据：
其中：xi为第i个原始样本数据；为标准化后的数据；N为样本数据个数；为原始样本数据的均值；s为原始样本数据的标准差。
4.根据权利要求1所述一种梯级电站中下游电站入库流量的预测方法，其特征在于：步骤3中，留一交叉验证是指：设已知样本数据为N个，每次选择N-1个样本作为训练数据，剩下的1个样本作为预测数据进行预测，进行N次，可得到N个预测误差，计算均方根误差RMSE：
均方根误差RMSE是评价模型的常用指标，反映真实值与预测值的偏离程度。
5.根据权利要求1所述一种梯级电站中下游电站入库流量的预测方法，其特征在于：步骤3中，局部加权线性回归的求解按照公式(1)～(4)进行：
在某一预测点x*处，预测值的求解过程为：
(1)、最小化损失函数：
其中：m是数据子集的样本个数，为N*α四舍五入取整；采用k近邻方法提取与预测点x*相似的m个样本数据作为数据子集；θ是局部加权线性回归的系数；x(i)是数据子集中第i个样本数据的自变量向量；y(i)是数据子集中第i个样本数据的因变量值，即下游...
【专利技术属性】
技术研发人员：刘亚新，徐杨，汤正阳，华小军，杨旭，张玉柱，樊启萌，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。