本申请涉及电网,尤其涉及基于天然来水量预测的水电站库容能力评估方法和系统。
背景技术:
1、水电作为运行灵活、成本低的可再生能源有助于提升电网的新能源消纳与调控能力,对于构建清洁低碳、稳定高效的新型电力系统具有重要意义。相较于风、光资源,水电出力主要受到季节、气候变化的影响,尤其是在汛期,流域潜在的防洪压力导致现有的水电站群汛期调度策略往往过于保守。现有技术对水电站库容弹性空间预估能力不足,水电资源无法得到充分利用,导致电网的调节能力、经济效益仍有提升空间。
技术实现思路
1、针对现有技术的不足,本申请提出了一种基于天然来水量预测的水电站库容能力评估方法和系统,该方法利用气象数据和水文数据等信息构建天然来水量预测模型,能够准确预估天然来水量,进而评估水电站库容弹性上限,解决了现有技术对水电站库容弹性空间预估能力不足,水电资源无法得到充分利用的问题。
2、为了实现上述目的,本申请技术方案如下:
3、一种基于天然来水量预测的水电站库容能力评估方法,包括以下步骤s1-s4:
4、s1、模型训练:利用预选的目标预测因子训练神经网络模型,得到天然来水量预测模型。
5、s2、特征获取:获取水电站的天然来水量特征数据;天然来水量特征数据包含总柱水量、地上露点温度、地上大气温度以及总云量。
6、s3、水量预测:将天然来水量特征数据输入至天然来水量预测模型,输出得到水电站的天然来水量预测结果。
7、s4、库容评估:根据天然来水量预测结果,得到水电站的库容能力评估结果。
8、可选地,步骤s1包括以下步骤s11-s15:
9、s11、获取水量数据训练样本集合;水量数据训练样本集合包含若干水量数据训练样本;每个水量数据训练样本包含若干目标预测因子。
10、s12、对每个水量数据训练样本添加附加因子,得到若干扩展水量数据训练样本;附加因子包括时间信息、位置信息。
11、s13、利用informer模型建立水量数据与天然来水量相映射的待训练天然来水量预测模型。
12、s14、标记每个扩展水量数据训练样本对应的历史天然来水量。
13、s15、分别将每个扩展水量数据训练样本输入至待训练天然来水量预测模型,并以对应的历史天然来水量作为输出参考,对待训练天然来水量预测模型进行训练,得到天然来水量预测模型。
14、可选地,步骤s11包括以下步骤s111-s114:
15、s111、获取第一初始水量数据样本;第一初始水量数据样本为初始水量数据样本集合中的任一初始水量数据样本;初始水量数据样本包含多类初始预测因子。
16、s112、采用最大信息系数法检测第一初始水量数据样本中每个初始预测因子与天然来水量的相关性。
17、s113、筛选第一初始水量数据样本中相关性大于预设阈值的初始预测因子,得到若干目标预测因子;最终,得到每个初始水量数据样本中的目标预测因子;
18、s114、根据目标预测因子,创建水量数据训练样本集合。
19、可选地,最大信息系数法的表达式为:
20、
21、
22、其中,是第一初始水量数据样本的第种初始预测因子时间序列向量;y是第一初始水量数据样本的天然来水量时间序列向量;i为mic系数,反映与y的相关性强弱;为和y的联合分布;为的边缘分布;为y的边缘分布;a、b分别为数据散点图横轴和纵轴方向的网格个数;b为网格最大值。
23、可选地,步骤s15包括以下步骤s151-s154:
24、s151、将扩展水量数据训练样本输入至待训练天然来水量预测模型的编码器。
25、s152、利用编码器的自注意力模块中的查询矩阵、键矩阵和值矩阵分别对扩展水量数据训练样本进行稀疏性自注意力运算,得到初始特征数据。
26、s153、利用编码器的蒸馏模块对初始特征数据进行蒸馏运算,得到候选特征数据。
27、s154、将候选特征数据输入至待训练天然来水量预测模型的解码器;利用解码器对候选特征数据进行基于掩码的稀疏性自注意力运算,得到天然来水量训练预测结果,并对天然来水量训练预测结果与历史天然来水量进行损失计算,直至损失收敛,得到天然来水量预测模型。
28、可选地,查询矩阵的稀疏性评价表达式为:
29、
30、其中,代表查询矩阵中第i行元素的稀疏性得分;为查询矩阵中第i行元素;为键矩阵中第j行元素经过转置后的矩阵。
31、可选地,蒸馏运算的表达式为:
32、=mp(elu(convld([])))
33、
34、其中,为蒸馏模块第j层的输出,为蒸馏模块第j层的输入,mp为最大池化运算;elu为激活函数;convld为一维卷积运算;[]为稀疏性自注意力运算。
35、可选地,步骤s4包括以下步骤s41-s42:
36、s41、通过天然来水量预测结果计算水电站的泄洪能力。
37、s42、根据水电站的泄洪能力,确定水电站的库容弹性上限,得到水电站的库容能力评估结果。
38、可选地,泄洪能力g表达式为:
39、g=[q-+|(a)|)]t+(1+b)v
40、其中,d为天然来水量预报的预测天数;为水电站i第n天的天然来水量预测结果;b为水位基准系数;v为水电站i的保守汛限水位对应库容;a为置信水平;t为水电站调度周期;为概率分布函数;为概率分布函数的反函数;分别为水电站i的泄流量上限。
41、基于相同的技术构思,本申请还提供了一种基于天然来水量预测的水电站库容能力评估系统,包括:
42、模型训练模块,用于利用预选的目标预测因子训练神经网络模型,得到天然来水量预测模型。
43、特征获取模块,用于获取水电站的天然来水量特征数据;天然来水量特征数据包含总柱水量、地上露点温度、地上大气温度以及总云量。
44、水量预测模块,用于将天然来水量特征数据输入至天然来水量预测模型,输出得到水电站的天然来水量预测结果。
45、库容评估模块,用于根据天然来水量预测结果,得到水电站的库容能力评估结果。
46、本申请的有益效果:通过气象数据和水文数据等信息构建天然来水量预测模型,为水电站的来水量预期提供参考,并在保证防洪安全的前提下,提高水电站库容资源的使用效率,从而提升汛期电力系统的运行经济效益。
1.一种基于天然来水量预测的水电站库容能力评估方法,其特征在于,包括以下步骤s1-s4:
2.根据权利要求1所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
3.根据权利要求2所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
4.根据权利要求3所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
5.根据权利要求2所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
6.根据权利要求5所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
7.根据权利要求5所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
8.根据权利要求1所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
9.根据权利要求8所述的基于天然来水量预测的水电站库容能力评估方法,其特征在于,
10.一种基于天然来水量预测的水电站库容能力评估系统,其特征在于,包括: