期刊文献+

基于深度学习的水电站水流量和发电量预测技术 被引量:1

Forecasting technology of water flow and power generation of hydropower station based on deep learning
下载PDF
导出
摘要 选取水牛家、自一里、木座三个具有上下游关系的水电站进行数据分析,通过收集变量的时间序列并对发电站间的相关性进行分析,采用持续模型、LSTM、ELM三种预测模型分别对水流量和发电量进行预测,结果显示深度学习预测模型准确性较高,且对后续的水电站调度运行有一定指导作用。
出处 《电力设备管理》 2020年第4期151-153,共3页 Electric Power Equipment Management
基金 2018GZDZX0044(四川省科技计划资助)。
  • 相关文献

参考文献6

二级参考文献19

  • 1黄长征.中小型水电站发电量变化规律[J].水能技术经济,1988,(3).
  • 2George E.P.Box Gwilym M.Jenkins Gregory C.Reinsel著 顾岚 主译.时间序列分析:预测与控制[M].北京:中国统计出版社,1997..
  • 3V N Vapnik.The nature of statistical learning theory[M].New York:Spring-Verlag,1999.
  • 4V N Vapnik.An overview of statistical learning theory[J].IEEE Transaction Neural Networks,1999,10(5):988-999.
  • 5J A K Suykens,J Vandewalle.Sparse least squares support vector machine classifiers[J].European symposium on artificial neu ral networks,2000,(4):37-42.
  • 6J A K Suykens,J Vandewalle.Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9(3):293-300.
  • 7R. Golob,T. ?tokelj,D. Grgi?.Neural-network-based water inflow forecasting[J]. Control Engineering Practice . 1998 (5)
  • 8王瑞骏,李九红.小水电站年发电量的预测模型及风险分析[J].中国农村水利水电,2000(5):41-43. 被引量:5
  • 9余开华.小波神经网络模型在河道流量水位预测中的应用[J].水资源与水工程学报,2013,24(2):204-208. 被引量:13
  • 10张国忠,叶震,胡益民,陈宇峰.基于BP神经网络的湖北省水电发电量预测模型[J].中国农村水利水电,2001(9):52-53. 被引量:2

共引文献51

同被引文献2

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部