典型文献
沙坪二级水电站短期水位预测与实时调控策略
文献摘要：
针对沙坪二级水电站来水不确定、闸门负荷动作频繁的问题,提出了一种基于神经网络的水电站坝前水位预测新方法,建立了一个基于长短期记忆神经网络(LSTM)的水位预测模型,并应用于沙坪二级水电站的坝前水位预测,与BP神经网络预测结果进行对比分析.结果表明,LSTM预测结果具有更高的精度,平均绝对误差为0.134 7,均方根误差为0.195 0,纳什系数为0.933 7,能很好地预测短期水位;提出了基于负荷调整余量与水位预测模型的水电站实时调控策略,根据预测的水位超上限、水位超下限、水位不超限3种情况进行决策分析,实现了减少沙坪二级电站的闸门动作次数,保障电网的安全稳定运行.
文献关键词：
LSTM神经网络;BP神经网络;短期水位预测;实时调控策略
中图分类号：
作者姓名：
郭爽;龙岩;王孝群;李有明;何滔;汪广明
作者机构：
河北工程大学水利水电学院,河北邯郸056038;河北工程大学河北省智慧水利重点实验室,河北邯郸056038;北京市勘察设计研究院有限公司,北京100038;国能大渡河沙坪发电有限公司,四川乐山614300
文献出处：
引用格式：
[1]郭爽;龙岩;王孝群;李有明;何滔;汪广明-.沙坪二级水电站短期水位预测与实时调控策略)[J].水电能源科学,2022(08):83-87
A类：
实时调控策略
B类：
沙坪二级水电站,短期水位预测,闸门,坝前水位,长短期记忆神经网络,神经网络预测,平均绝对误差,纳什系数,负荷调整,余量,据预测,超上,下限,超限,决策分析,安全稳定运行
AB值：
0.19117
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
