[發(fā)明專利]一種水力發(fā)電站入庫徑流預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210539699.3
• 申請日: 2022-05-18
• 公開（公告）號: CN114936523A
• 公開（公告）日: 2022-08-23
• 發(fā)明（設(shè)計）人: 后永勝
• 申請（專利權(quán)）人: 山東浪潮智慧醫(yī)療科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 濟南信達專利事務(wù)所有限公司 37100
• 代理人: 陳婷婷

本發(fā)明公開了一種水力發(fā)電站入庫徑流預(yù)測方法及系統(tǒng)，屬于人工智能及時間序列技術(shù)領(lǐng)域，該方法基于Seq2Seq框架，通過編碼器對輸入序列歷史信息進行編碼，解碼器根據(jù)編碼得到的向量生成預(yù)測入庫徑流序列；并通過注意力機制，生成的每步預(yù)測都可關(guān)注不同權(quán)重的歷史信息，從而避免誤差累積傳播；所述輸入的序列歷史信息包括上游出水量、下游進水量以及上下游降雨信息觀測點的歷史數(shù)據(jù)。本發(fā)明能夠?qū)λΠl(fā)電站入庫徑流進行精準(zhǔn)預(yù)測，從而為制定發(fā)電計劃、進行電網(wǎng)調(diào)控調(diào)度提供決策依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能及時間序列技術(shù)領(lǐng)域，具體地說是一種水力發(fā)電站入庫徑流預(yù)測方法及系統(tǒng)。

背景技術(shù)

水力發(fā)電因其具有清潔、無污染、廉價、可再生等特點，在國家的社會經(jīng)濟發(fā)展中有著極其重要的作用。對入庫徑流變化的精準(zhǔn)預(yù)測往往是制定發(fā)電計劃、進行電網(wǎng)調(diào)控調(diào)度的基礎(chǔ)。由于水電站的入庫徑流受到上下游出入庫徑流及氣象條件等多重因素的影響，當(dāng)前基于隨機過程的單步及多步自回歸預(yù)測模型在預(yù)測精度方面都難以達到預(yù)期目標(biāo)。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)任務(wù)是針對以上不足之處，提供一種水力發(fā)電站入庫徑流預(yù)測方法及系統(tǒng)，能夠?qū)λΠl(fā)電站入庫徑流進行精準(zhǔn)預(yù)測，從而為制定發(fā)電計劃、進行電網(wǎng)調(diào)控調(diào)度提供決策依據(jù)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種水力發(fā)電站入庫徑流預(yù)測方法，該方法基于Seq2Seq框架，通過編碼器對輸入序列歷史信息進行編碼，解碼器根據(jù)編碼得到的向量生成預(yù)測入庫徑流序列；并通過注意力機制，生成的每步預(yù)測都可關(guān)注不同權(quán)重的歷史信息，從而避免誤差累積傳播；

所述輸入的序列歷史信息包括上游出水量、下游進水量以及上下游降雨信息觀測點的歷史數(shù)據(jù)。

本方法將入庫徑流預(yù)測看作是一個監(jiān)督回歸問題，充分利用上下游出入庫徑流序列及氣象條件信息，構(gòu)建了單步及多步預(yù)測模型。

Seq2Seq框架主要作用是將一個序列生成為另一序列(序列轉(zhuǎn)換)。它通過使用遞歸神經(jīng)網(wǎng)絡(luò)(RNN)，通常更經(jīng)常使用LSTM或GRU。后兩者可以通過其內(nèi)在設(shè)置的門結(jié)構(gòu)，有選擇性的記住和遺忘歷史信息，以此來避免梯度消失和梯度爆炸的問題，相比于原始結(jié)構(gòu)的樸素RNN網(wǎng)絡(luò)，它們可以更好的對長序列進行建模。其主要架構(gòu)是一個編碼器和一個解碼器網(wǎng)絡(luò)，編碼器將每個輸入序列轉(zhuǎn)換為包含該序列及其上下文的語義向量，而解碼器則可以使用先前的輸出作為輸入，并結(jié)合上下文的語義向量得到當(dāng)前預(yù)測輸出項。

本方法基于Seq2Seq框架構(gòu)建水力發(fā)電站入庫徑流預(yù)測模型，充分利用上下游出入庫徑流序列及氣象條件信息構(gòu)建特征空間，利用注意力機制避免誤差累積傳播，對水力發(fā)電站入庫徑流進行精準(zhǔn)預(yù)測，從而為制定發(fā)電計劃、進行電網(wǎng)調(diào)控調(diào)度提供決策依據(jù)。

進一步的，該方法的實現(xiàn)包括特征空間構(gòu)建、超參數(shù)調(diào)優(yōu)和建模預(yù)測，

所述特征空間構(gòu)建，在特征空間中加入下游水庫最近N個小時的入庫徑流序列，加入上游水庫N個小時的出庫序列，降雨信息觀測點最近N個小時的降雨量信息序列；

所述超參數(shù)調(diào)優(yōu)，在構(gòu)建特征空間的步驟中引入超參數(shù)，這些超參數(shù)關(guān)系著構(gòu)建的特征空間質(zhì)量，包括貝葉斯相關(guān)理論、隨機梯度搜索進行超參數(shù)調(diào)優(yōu)，做多次對比試驗，確定最優(yōu)的超參數(shù)；

所述建模預(yù)測，Seq2Seq框架加上注意力機制廣泛應(yīng)用于自然語言處理領(lǐng)域，主要解決根據(jù)上下文信息生成序列的問題。這與我們的多時間步入庫徑流預(yù)測目標(biāo)相同，同是生成序列，其中有許多可以借鑒的思想，所以選擇基于Seq2seq模型來進行下游水庫入庫徑流多時間步預(yù)測。

進一步的，加入上游水庫的出庫序列時，設(shè)上游水庫出水到達下游需經(jīng)歷的時間延遲為t，再取出庫序列時取延遲t的一段出庫徑流序列。

優(yōu)選的，在進行特征空間構(gòu)建之前進行數(shù)據(jù)整合與流量序列趨勢分析：