基于机器学习的中长期大中型水电站发电能力预测

摘要

水电站发电能力预测对优化大小水电站发电效益、高效利用和充分消纳水电能源意义重大，以甘肃省境内的大孤山水电站为研究实例，探索耦合气象和水文信息的水电站发电能力预测方法.构建BP（Back Propagation）神经网络、PSO-BP（结合粒子群算法的神经网络）模型和LSTM（Long Short-Term Memory）预测模型，并设置两组预测方案，方案一以未经筛选的全部预报因子作为输入变量；方案二首先通过分析水电站的发电能力与区域气象数据和水文信息之间的相关关系，选取重要程度显著的预报因子，以此作为输入变量，分别对大孤山水电站的发电能力进行预测，然后以实际水电站发电数据作为基础，对比分析3种预测模型在2组方案下的预测效果，并采用4种预测性能评价指标进行分析，确定最佳方案和预测模型，最后利用资料齐全的临近水电站进行发电能力预测，验证模型数量.研究表明：经过筛选得到的气象数据和水文信息耦合的水电站发电能力预测模型预测结果具有高效性和可靠性，其中：平均绝对误差（MAE）最大仅为0.19、平均绝对百分比误差（MAPE）最大仅为0.044,相关系数R²达到0.995,能够有效预测水电发电能力，研究成果可为大小水电站错峰发电提供技术参考.

关键词

发电能力预测 / 大中型水电站 / 机器学习