[发明专利]梯级水电站群水位预测方法、装置及计算机可读存储介质

说明书

本发明公开了一种梯级水电站群水位预测方法、装置及计算机可读存储介质，本发明的技术要点是使用K‑means++聚类算法识别梯级水电站群当前的水文状态，以精确地划分水文时期；在此基础上，利用基于LSTM网络的序列预测方法，同时结合采集的水文信息和气象信息对梯级水电站群的水位作出预测。本发明可较为准确地根据梯级水电站的运行情况和周边的水文和气象条件变化准确预测后续时段的水位变化情况，从而为水电站调度运行提供依据，提升梯级水电站群的整体经济效益和风险预防能力。

技术领域

本发明涉及梯级水电站群水位预测技术领域，尤其涉及一种基于LSTM网络的梯级水电站群水位预测方法。

背景技术

随着经济社会的高速发展，各类生产生活需求的电力也在不断增长。由于水电相比其他各类能源中有着环境污染小、经济效益高、便于调峰等优点，在我国的能源结构中占有举足轻重的地位。此外，水电站在作物灌溉、防洪防涝等工作中也发挥了重要作用。梯级水电站群作为大型水利水电工程设施，在如今传统行业数字化、信息化、智慧化转型的关键时期，急需引入各类信息技术手段提高整体的经济效益和风险防范能力。梯级水电站群的水位预测是其调度运行的决策依据，提高水位预测的准确性和实时性有利于细粒度地控制水电站群的运行，提高调度运行决策的速度和质量。

传统的基于物理模型的梯级水电站群水位预测方法，利用形式化的物理定律构建多层级的水文模型，对水位的变动过程进行数值模拟和预测等。但是，在实际的生产过程中，传统方法存在计算开销大、实时性较差、准确性不高、难以应对突发气象状况等缺陷，并且需要丰富的专家经验来调试水位预测系统，鲁棒性较差。

针对传统方法存在的缺陷和水电站实际运行中的需求，本发明提出了一种基于LSTM网络的梯级水电站群水位预测方法。

发明内容

本发明提供一种提高梯级水电站群中水位预测准确性的梯级水电站群水位预测方法、装置及存储介质。

为解决上述技术问题，本发明采用的技术方案是：

一种梯级水电站群水位预测方法，包括：

S1.采集梯级水电站群的水文信息及其运行信息；

S2.利用K-means++算法将采集到的数据划分成k个水文时期，按待预测时间点的数据所属的类别整理得到水位预测数据集D＝{x¹,x²,…,x^m}，并得到k个时期类别的聚类中心c₁,c₂,…,c_k；

S3.将每个类别的数据输入至数个LSTM网络中分别进行训练，训练完成后得到每个水文时期对应的网络模型参数，根据得到的聚类中心和网络模型参数得到水位预测模型；

S4.根据所述数据集中的验证数据对水位预测模型的效果进行验证，根据实际的预测准确性决定是否要提前中止LSTM网络训练，重复步骤S3，得到最终的水位预测模型；

S5.将梯级水电站群前一段时间内的水文信息和其运行信息输入步骤S4得到的最终水位预测模型中，预测水电站下一个时间段内的坝前水位信息。

一种梯级水电站群水位预测装置，其特征在于，包括处理器和存储器；所述存储器中存储有程序或指令，所述程序或指令由所述处理器加载并执行以实现所述的梯级水电站群水位预测方法。

一种计算机可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现所述梯级水电站群水位预测方法的步骤。