一種考慮動庫容影響的水庫超短期水位預測方法、系統及存儲介質技術方案

本發明專利技術提供了一種考慮動庫容影響的水庫超短期水位預測方法、系統及存儲介質，包括以下步驟：步驟1，分析動庫容入庫流量、庫區水面線對壩前水位影響的滯后性，收集相應時間尺度的水庫運行數據，根據設定參數和收集的水庫運行數據構建數據集；步驟2，基于構建的數據集，建立以前期水位、前期庫區水面線特征、預報流量、出力計劃、棄水計劃等變量為輸入的壩前水位深度學習預報模型；步驟3，基于構建的深度學習預報模型，產生不同應用條件下的水位預測結果。本發明專利技術能夠在水庫超短期水位預測計算中考慮動庫容的影響，實現快速、高精度的水庫超短期水位預測，從而為水電站發電計劃制定及水庫安全運行提供更好的支撐。安全運行提供更好的支撐。安全運行提供更好的支撐。

【技術實現步驟摘要】
一種考慮動庫容影響的水庫超短期水位預測方法、系統及存儲介質


[0001]本專利技術屬于水庫調度
，具體涉及一種考慮動庫容影響的水庫超短期水位預測方法、系統及存儲介質。

技術介紹

[0002]在水庫實際運行過程中，考慮水庫來水信息和發電計劃的水庫超短期水位預測對于水電站發電計劃制定、水庫安全運行具有重要意義，基于水位預測結果可在符合調度規程的框架下對水庫出力計劃進行適當的修正，生產滿足調度需求且發電效益最大的出力計劃。
[0003]對于一般水庫而言，常通過基于靜庫容原理的水量平衡法對水庫水位進行預測，在實際應用中可以取得良好的水位預測結果。在該方法中，基于“入庫水量
?
出庫水量＝水庫蓄量變化”的水量平衡關系計算水庫蓄水量的變化，從而推算壩前水位變化，其中入庫水量采用的是靜庫容入庫水量，且計算中只考慮水庫靜庫容的變化，并假定水庫水面為水平面，其漲落為水平漲落。但是，對于河道型水庫而言，水庫動庫容(最遠回水斷面到壩前的總蓄水量)的存在使水庫水位預測面臨著兩方面問題：
[0004](1)河道型水庫的水面具有一定的縱向比降，水庫的實際水面與壩前水位的水平線之間會形成楔形水庫容積，水庫蓄水量變化不僅會反映到壩前水位的變化中，也會影響庫區水面線，且庫區水面線變化的水動力學特征復雜，因此根據水庫蓄水量變化難以直接推算水庫壩前水位變化；
[0005](2)水庫的動庫容入庫水量僅能反映水庫回水斷面處的水量，其需通過庫區水面線變化反映到壩前水位的變化中，因此動庫容入庫水量對于壩前水位的影響具有一定的滯后性。
[0006]總體而言，河道型水庫動庫容的存在使水庫蓄量變化難以準確計算，動庫容入庫水量對水庫壩前水位影響的滯后性也造成了水位預測的困難。

技術實現思路

[0007]針對現有技術存在的缺陷，本專利技術提供了一種考慮動庫容影響的水庫超短期水位預測方法，此方法能夠在水庫超短期水位預測計算中考慮動庫容的影響，實現快速、高精度的水庫超短期水位預測，從而為水電站發電計劃制定及水庫安全運行提供更好的支撐。
[0008]為了實現上述的技術特征，本專利技術的目的是這樣實現的：一種考慮動庫容影響的水庫超短期水位預測方法，包括以下步驟：
[0009]步驟S1：數據分析及處理：
[0010]收集相應時間尺度的水庫運行數據，根據設定參數和收集的水庫運行數據構建數據集(X1，X2，Y)，其中：X1包含前期水位特征和庫區水面線水位特征，X2包含未來出庫流量信息和考慮影響滯后性的入庫流量信息，Y為輸出信息；
[0011]步驟S2：建立預報模型：
[0012]基于步驟S1構建的數據集(X1，X2，Y)，建立反映輸出Y和輸入X＝(X1，X2)之間關系的預報模型；
[0013]步驟S3：產生水位預測結果：
[0014]基于步驟S2建立的預報模型，產生水位預測結果。
[0015]所述步驟S1具體包括：
[0016]步驟S101：根據實際業務需求設定時間步長step、預見期flt；
[0017]步驟S102：確定庫區水面線水位對壩前水位影響的最大滯后期lags和入庫流量對壩前水位影響的滯后時間QLags；
[0018]步驟S103：根據設定的時間步長step收集相應時間尺度的水庫運行數據；
[0019]所述水庫運行數據包括電站出力數據N、庫區水面線水位數據WL、壩前水位數據WLUp、下游水位數據WLDown、動庫容入庫流量數據Q以及棄水流量數據QOut，并截取同時段的數據，截取后數據長度記為num0；
[0020]步驟S104：根據設定參數和收集數據構建數據集，數據集中包含num＝num0?
lags
?
flt+1個樣本數據，其中每一個樣本點數據的構建方式如下：在某一時間點t，樣本數據的輸出為：
[0021]Y
t ＝ [WLUp
t+1
； WLUp
t+2
；
?……
； WLUp
t+flt
]??????????????????
(1)
[0022]Y
t
為flt
×
1的向量，其包含未來flt個時間步長內的待預測壩前水位值，樣本數據的輸入為X
t
，包括預測時間點t前期的水位特征數據以及未來的出力、棄水流量、考慮滯后性的動庫容入庫流量數據，分別記為X
t1
和X
t2
，其中：
[0023]X
t1
＝[[WL,WLUp,WLDown]t
?
lags+1
；[WL,WLUp,WLDown]t
?
lags+2
；
……
；[WL,WLUp,WLDown]t
](2)
[0024][0025]X
t1
為lags
×
m的矩陣，其中m為庫區水面線水位數據、壩前水位數據、下游水位數據的變量總個數，反映前期的水位情況以及庫區水面線特征；
[0026]X
t2
＝[[N
t+1
,Q
t+1
?
QLags
,QOut
t+1
]；[N
t+2
,Q
t+2
?
QLags
,QOut
t+2
]；
……
；[N
t+flt
,Q
t+flt
?
QLags
,QOut
t+flt
]](3)
[0027][0028]X
t2
為flt
×
3的矩陣，反映未來的出力和流量情況，將所有樣本結合起來構成的數據集包含輸出Y和輸入X＝(X1，X2)，即數據集(X1，X2，Y)，其中Y為num
×
flt
×
1的矩陣，X1為num
×
lags
×
m的矩陣，X2為num
×
flt
×
3的矩陣。
[0029]所述步驟S2具體包括：
[0030]步驟S201：數據預處理：
[0031]采用歸一化或者標準化方法將構建的數據集(X1，X2，Y)處理為標準數據集(SX1，SX2，SY)；
[0032]步驟S202：數據劃分：
[0033]將標準數據集按照一定的比例隨機劃分為訓練集(TrainSX1，TrainSX2，TrainSY)和驗證集(TestSX1，TestSX2，TestSY)；
[0034]步驟S203：模型結構及參數設計：
[0035]根據所構建的數據集的特征，利用深度學習中的長短期記憶層、卷積層、全連接層設計能夠提取其中庫區水面線水位數據、流量數據、出力數據變化特征的模型結構，設定模型的優本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種考慮動庫容影響的水庫超短期水位預測方法，其特征在于，包括以下步驟：步驟S1：數據分析及處理：收集相應時間尺度的水庫運行數據，根據設定參數和收集的水庫運行數據構建數據集（X1，X2，Y），其中：X1包含前期水位特征和庫區水面線水位特征，X2包含未來出庫流量信息和考慮影響滯后性的入庫流量信息，Y為輸出信息；步驟S2：建立預報模型：基于步驟S1構建的數據集（X1，X2，Y），建立反映輸出Y和輸入X=（X1，X2）之間關系的預報模型；步驟S3：產生水位預測結果：基于步驟S2建立的預報模型，產生水位預測結果。2.根據權利要求1所述一種考慮動庫容影響的水庫超短期水位預測方法，其特征在于，所述步驟S1具體包括：步驟S101：根據實際業務需求設定時間步長step、預見期flt；步驟S102：確定庫區水面線水位對壩前水位影響的最大滯后期lags和入庫流量對壩前水位影響的滯后時間QLags；步驟S103：根據設定的時間步長step收集相應時間尺度的水庫運行數據；所述水庫運行數據包括電站出力數據N、庫區水面線水位數據WL、壩前水位數據WLUp、下游水位數據WLDown、動庫容入庫流量數據Q以及棄水流量數據QOut，并截取同時段的數據，截取后數據長度記為num0；步驟S104：根據設定參數和收集數據構建數據集，數據集中包含num=num0?
lags
?
flt+1個樣本數據，其中每一個樣本點數據的構建方式如下：在某一時間點t，樣本數據的輸出為：Y
t
=[WLUp
t+1
;WLUp
t+2
;
……
;WLUp
t+flt
]（1）Y
t
為flt
×
1的向量，其包含未來flt個時間步長內的待預測壩前水位值，樣本數據的輸入為X
t
，包括預測時間點t前期的水位特征數據以及未來的出力、棄水流量、考慮滯后性的動庫容入庫流量數據，分別記為X
t1
和X
t2
，其中：X
t1
=[[WL,WLUp,WLDown]
t
?
lags+1
;[WL,WLUp,WLDown]
t
?
lags+2
;
……
;[WL,WLUp,WLDown]
t
]（2）X
t1
為lags
×
m的矩陣，其中m為庫區水面線水位數據、壩前水位數據、下游水位數據的變量總個數，反映前期的水位情況以及庫區水面線特征；X
t2
=[[N
t+1
,Q
t+1
?
QLags
,QOut
t+1
];[N
t+2
,Q
t+2
?
QLags
,QOut
t+2
];
……
;[N
t+flt
,Q
t+flt
?...

【專利技術屬性】
技術研發人員：徐楊，劉亞新，湯正陽，曹輝，楊旭，張玉柱，
申請(專利權)人：中國長江電力股份有限公司，
類型：發明
國別省市：