一种基于深度学习的水电站入库流量预测方法技术

本发明专利技术是一种基于深度学习的水电站入库流量预测方法，属于计算机技术领域。具体是涉及到在工业生产中，如何做到精确的预测水电站入库流量，使电力管理部门能够更好的调控发电机组运行功率，实现节能环保的发展目标。先对水电站近几年流量数据按照周期T进行连续采样，采样的数据包括历史入库流量数据、环境数据、降雨预报数据以及遥测站降雨观测数据，数据均为时序数据，再搭建一个LSTM网络对其进行时间序列建模，LSTM网络具有优秀的时间序列预测能力，同时利用CNN对输入的数据进行特征提取，使其能够更好的捕捉到数据中的高维特征，对其进行训练及优化后得到一个能够精准预测水电站入库流量的模型。本发明专利技术能够显著提高水电站入库流量预测能力，从而提高能源利用率和环境保护水平。

【技术实现步骤摘要】

本专利技术涉及一种基于深度学习的水电站入库流量预测方法，属于计算机。

技术介绍

1、最近几年，我国社会用电量持续增长，加之世界局势迎来百年未有之大变局，国际石油及天然气供需关系持续紧张，国内对环境保护的重视及“碳达峰、碳中和”政策的提出，加之国内新能源行业的蓬勃发展，对电力的需求量与日俱增，其中水力发电因其发电量大，环境污染小等原因正愈发受到重视。

2、然而，水力发电因其受季节和天气影响较大，发电量会发生变化，并不能一直维持在某种水平，因此，对水电站入库流量进行精准预测能够更好的调控发电机组运行功率，同时在发电量不足时及时调整其他发电方式如火力发电进行补充，在满足社会正常用电需求的前提下提高环境保护水平。

3、本专利技术的
技术介绍
如下所示：

4、按照“水量平衡方程式”计算入库流量，即：

5、[(q1+q2)/2-(q1+q2)/2]·dt＝v2-v1

6、q1、q2为时段始末水库来水流量(m3/s)；q1、q2为时段始末总出库流量(m3/s)；dt为时段长(h)；v1为时段初水库库容(万m3)；v本文档来自技高网...

【技术保护点】

1.一种基于深度学习的水电站入库流量预测方法，其特征在于，所述基于深度学习的水电站入库流量预测方法包括：

2.根据权利要求1所述的基于深度学习的水电站入库流量预测方法，其特征在于，所述步骤1包括以下步骤：

3.根据权利要求1所述的基于深度学习的水电站入库流量预测方法，其特征在于，所述步骤2包括以下步骤：

4.根据权利要求1所述的基于深度学习的水电站入库流量预测方法，其特征在于，所述步骤3包括以下步骤：

5.根据权利要求1所述的基于深度学习的水电站入库流量预测方法，其特征在于，所述步骤4包括以下步骤：

【技术特征摘要】

1.一种基于深度学习的水电站入库流量预测方法，其特征在于，所述基于深度学习的水电站入库流量预测方法包括：

2.根据权利要求1所述的基于深度学习的水电站入库流量预测方法，其特征在于，所述步骤1包括以下步骤：

3.根据权利要求1所述的基于深度学习的水电站入...

【专利技术属性】
技术研发人员：杜中奎，孟卿，王敏，李珊珊，
申请(专利权)人：四川华电杂谷脑水电开发有限责任公司，
类型：发明
国别省市：