一种小水电厂发电流量数据的预测方法及系统技术方案

本发明专利技术公开了一种小水电厂发电流量数据的预测方法及系统，涉及小水电厂发电流量数据预测技术领域，该方法包括：分别提取无资料小水电厂所在流域的流域信息和特征信息；对流域信息、特征信息以及所述无资料小水电厂的发电流量数据进行相关性分析，得到第一参数信息；根据第一参数信息确定无资料小水电厂的相似小水电厂；根据流域信息建立无资料小水电厂的水文模型；采用水文模型对无资料小水电厂的历史发电流量数据进行模拟和率定，得到修正后的无资料小水电厂的历史发电流量数据；然后，对无资料小水电厂的发电流量数据进行预测，得到无资料小水电厂的预测发电流量数据。通过本发明专利技术能够提高水能利用率，提高小水电的安全水平以及经济效益。以及经济效益。以及经济效益。

A forecasting method and system for generating flow data of small hydropower plants

【技术实现步骤摘要】
一种小水电厂发电流量数据的预测方法及系统


[0001]本专利技术涉及小水电厂发电流量数据预测
，特别是涉及一种小水电厂发电流量数据的预测方法及系统。

技术介绍

[0002]小水电是公认的可再生能源，占我国可开发水能资源总量的五分之一。小水电主要分布在远离大电网的山区，既是农村资源的重要组成部分也是大电网的有利补充，其自身的发电能力和减排贡献不容忽视。绿色小水电资源的开发能更好更快地实现“双碳”目标。
[0003]小水电厂发电流量数据预测是小水电水库运行调度、防汛抗旱以及水资源综合开发利用的前提。近几年来由于全球温室效应和人为破坏环境等原因，极端天气频繁发生，暴雨频率和程度增加，小水电水库来水历时短、暴涨暴落的情况更加严重，充满了不确定性。而小水电大多处于无资料(数据缺失或者没有数据)地区，发电流量数据预测工作难以开展，预测精度达不到要求，这不仅会为优化调度工作的带来困难导致巨大的经济损失，同时还会造成水库安全威胁和影响电网安全稳定运行。
[0004]目前在小水电厂发电流量数据预测领域，提出了一些有一定成效的方法，如根据水文相似性对流域资料进行移植；考虑同流域大水电数据来预测小水电水库的径流；在有资料地区建立流域水文模型，寻找相似流域反演模型参数进行预测等，但这些方法都无法很好解决在小水电厂无资料的情况下进行准确发电流量数据预测的问题。因此，如何开展快速、准确的无资料小水电厂发电流量数据预测是一个亟需解决的问题。

技术实现思路

[0005]本专利技术的目的是提供一种小水电厂发电流量数据的预测方法及系统，通过对发电流量数据预测结果的分析实现无资料小水电厂精准、迅速的发电流量数据预测。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种小水电厂发电流量数据的预测方法，该方法包括以下步骤：
[0008]提取无资料小水电厂所在流域的流域信息，所述流域信息包括：土壤植被占比、土地利用占比、坡度和河网；
[0009]提取所述无资料小水电厂的特征信息，所述特征信息包括：小水电厂气象、电数据和水库基本信息；
[0010]对所述流域信息、所述特征信息以及所述无资料小水电厂的发电流量数据进行相关性分析，从所述流域信息和所述特征信息中筛选出与所述无资料小水电厂的发电流量数据相关性大于预设值的参数信息，得到第一参数信息；
[0011]根据所述第一参数信息确定所述无资料小水电厂的相似小水电厂；
[0012]根据所述流域信息建立所述无资料小水电厂的水文模型；
[0013]采用所述水文模型对无资料小水电厂的历史发电流量数据进行模拟和率定，得到
修正后的无资料小水电厂的历史发电流量数据，所述无资料小水电厂的历史发电流量数据为所述相似小水电厂的历史发电流量数据；
[0014]根据所述修正后的无资料流域小水电厂的历史发电流量数据，对所述无资料小水电厂的发电流量数据进行预测，得到所述无资料小水电厂的预测发电流量数据。
[0015]本专利技术还提供了一种小水电厂发电流量数据的预测系统，该系统包括：
[0016]第一提取单元，用于提取无资料小水电厂所在流域的流域信息，所述流域信息包括：土壤植被占比、土地利用占比、坡度和河网；
[0017]第二提取单元，用于提取所述无资料小水电厂的特征信息，所述特征信息包括：小水电厂气象、电数据和水库基本信息；
[0018]相关性分析单元，用于对所述流域信息、所述特征信息以及所述无资料小水电厂的发电流量数据进行相关性分析，从所述流域信息和所述特征信息中筛选出与所述无资料小水电厂的发电流量数据相关性大于预设值的参数信息，得到第一参数信息；
[0019]相似小水电厂确定单元，用于根据所述第一参数信息确定所述无资料小水电厂的相似小水电厂；
[0020]水文模型建立单元，用于根据所述流域信息建立所述无资料小水电厂的水文模型；
[0021]历史发电流量数据修正单元，用于采用所述水文模型对无资料小水电厂的历史发电流量数据进行模拟和率定，得到修正后的无资料小水电厂的历史发电流量数据，所述无资料小水电厂的历史发电流量数据为所述相似小水电厂的历史发电流量数据；
[0022]发电流量数据预测单元，用于根据所述修正后的无资料流域小水电厂的历史发电流量数据，对所述无资料小水电厂的发电流量数据进行预测，得到所述无资料小水电厂的预测发电流量数据。
[0023]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0024]本专利技术提供了一种小水电厂发电流量数据的预测方法及系统，将深度学习算法和水文模型应用于无资料小水电厂发电流量数据预测中，通过对发电流量数据预测结果的分析解决小水电厂没有资料和资料不齐的问题，为科学、合理开展小水电厂防汛工作和制定小水电厂优化调度决策提供依据，从而提高水能利用率，提高小水电厂的安全水平和经济效益。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本专利技术实施例1提供的一种小水电厂发电流量数据的预测方法的流程图；
[0027]图2为SWAT水文模型的原理结构图；
[0028]图3为SWAT水文模型的水文循环示意图；
[0029]图4为Mallat分解算法示意图；
[0030]图5为长短期记忆网络隐藏层结构示意图；
[0031]图6为研究区域位置信息示意图；
[0032]图7为无资料小水电厂径流模拟示意图；
[0033]图8为本专利技术实施例2提供的一种小水电厂发电流量数据的预测系统的结构框图。
[0034]符号说明：
[0035]1、第一提取单元；2、第二提取单元；3、相关性分析单元；4、相似小水电厂确定单元；5、水文模型建立单元；6、历史发电流量数据修正单元；7、发电流量数据预测单元。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]本专利技术的目的是提供一种小水电厂发电流量数据的预测方法及系统，本专利技术将水文模型和深度学习算法应用到无资料小水电厂发电流量预测中，通过对发电流量预测结果的分析实现无资料小水电厂精准、迅速的发电流量预测，为科学、合理制定小水电水库防汛和小水电水库优化调度提供依据，从而提高水能利用率，提高小水电的安全水平以及经济效益。
[0038]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小水电厂发电流量数据的预测方法，其特征在于，包括以下步骤：提取无资料小水电厂所在流域的流域信息，所述流域信息包括：土壤植被占比、土地利用占比、坡度和河网；提取所述无资料小水电厂的特征信息，所述特征信息包括：小水电厂气象、电数据和水库基本信息；对所述流域信息、所述特征信息以及所述无资料小水电厂的发电流量数据进行相关性分析，从所述流域信息和所述特征信息中筛选出与所述无资料小水电厂的发电流量数据相关性大于预设值的参数信息，得到第一参数信息；根据所述第一参数信息确定所述无资料小水电厂的相似小水电厂；根据所述流域信息建立所述无资料小水电厂的水文模型；采用所述水文模型对无资料小水电厂的历史发电流量数据进行模拟和率定，得到修正后的无资料小水电厂的历史发电流量数据，所述无资料小水电厂的历史发电流量数据为所述相似小水电厂的历史发电流量数据；根据所述修正后的无资料流域小水电厂的历史发电流量数据，对所述无资料小水电厂的发电流量数据进行预测，得到所述无资料小水电厂的预测发电流量数据。2.根据权利要求1所述的一种小水电厂发电流量数据的预测方法，其特征在于，根据所述修正后的无资料流域小水电厂的历史发电流量数据，对所述无资料小水电厂的发电流量数据进行预测，得到所述无资料小水电厂的预测发电流量数据，具体包括：根据所述修正后的无资料流域小水电厂的历史发电流量数据，建立小波长短期记忆网络发电流量数据预测模型；采用所述小波长短期记忆网络发电流量数据预测模型对所述无资料小水电厂的发电流量数据进行预测，得到所述无资料小水电厂的预测发电流量数据。3.根据权利要求1所述的一种小水电厂发电流量数据的预测方法，其特征在于，根据所述第一参数信息确定所述无资料小水电厂的相似小水电厂，具体包括：根据所述第一参数信息，采用kmeans聚类方法确定与所述无资料小水电厂属于同一聚类的若干候选小水电厂；分别计算各候选小水电厂到所述无资料小水电厂的欧氏距离；根据所述欧氏距离，从所述候选小水电厂中确定所述无资料小水电厂的相似小水电厂。4.根据权利要求1所述的一种小水电厂发电流量数据的预测方法，其特征在于，根据所述流域信息建立所述无资料小水电厂的水文模型，具体包括：将土壤数据和土地利用数据导入ArcGIS，所述土壤数据为世界和谐土壤数据库经过剪裁投影得到的，所述土地利用数据为用中科院1km土地利用数据经过剪裁投影得到的；对导入土壤数据和土地利用数据后的ArcGIS进行重分类，得到重分类后的ArcGIS；根据所述流域信息在所述重分类后的ArcGIS上搭建SWAT水文模型。5.根据权利要求2所述的一种小水电厂发电流量数据的预测方法，其特征在于，根据所述修正后的无资料流域小水电厂的历史发电流量数据，建立小波长短期记忆网络发电流量数据预测模型，具体包括：将所述修正后的无资料流域小水电厂的历史发电流量数据进行数据归一化，得到归一
化后的数据；对所述归一化后的数据进行分解，得到任一历史发电流量数据对应的高频成分和低频成分；以任一时刻的历史发电流量数据对应的高频成分为输入，以所述任一时刻后一时刻的历史发电流量数据对应的高频成分为标签对所述小波长短期记忆网络发电流量数据预测模型进行训练，得到训练好的高频成分小波长短期记忆网络发电流量数据预测模型；以任一时刻的历史发电流量数据对应的低频成分为输入，以所述任一时刻后一时刻的历史发电流量数据对应的低频成分为标签对所述小波长短期记忆网络发电流量数据预测模型进行训练，得到训练好的低频成分小波长短期记忆网络发电流量数据预测模型。6.根据权利要求2所述的一种小水电厂发电流量数据的预测方法，其特征在于，采用所述小波长短期记忆网络发电流量数据预测模型对所述无资料小水电厂的发电流量数据进行预测，得到所述无资料小水电厂的预测发电流量数据，具体包括：获取当前的无资料小水电厂的发电流量数据；对所述当前的无资料小水电厂的发电流量数据进行分解，得到若干时刻的高频成分的发电流量数据和若干时刻的低频成分的发电流量数据；将所述若干时刻的高频成分的发...

【专利技术属性】
技术研发人员：祝云，谢升活，廖添胜，李仕日，粟明杰，韦化，陈碧云，张弛，施明，邹慧宇，黄安华，潘柯良，冯帅，封之聪，罗健，苏悦，
申请(专利权)人：广西农村投资集团发电有限公司广西壮族自治区水电管理中心，
类型：发明
国别省市：