基于机器学习的水电站水库水位预测应用
水电是清洁能源,日益受到重视.水电水情主要受到天气影响,水库水位短期预测可以借助天气预报预测,但中长期预测仍然是个问题,预测准确度无法达到预期.一种常用的水库水位预测方法是根据水库水位监测的历史数据做统计分析,虽然水库水位本身已经隐含了天气等因素,但仅依据水位自身数据预测还是无法满足预测准确度的需要,从目前已有的预测效果来看,最上游水库水位预测相对稳定,但对下游水库来说,由于水库水流之间相互影响,水库水位预测比较复杂,预测稳定度不好.提出一种对水库水位预测的方法,该方法的特点是能够客观考虑各水库的上下游关联及影响,并利用大数据、机器学习技术,包括关联分析及基于神经网络的多特征及记忆能力预测分析技术,更加准确地预测水库水位,为中长期发电计划提供有效辅助.
水库观测 水位预测 机器学习 大数据
林文孝 郑贵德
中国电机工程学会,北京100761
国内会议
江苏无锡
中文
156-162
2019-09-07（万方平台首次上网日期，不代表论文的发表时间）