沙坪二级水电站短期水位预测与实时调控策略

针对沙坪二级水电站来水不确定、闸门负荷动作频繁的问题,提出了一种基于神经网络的水电站坝前水位预测新方法,建立了一个基于长短期记忆神经网络(LSTM)的水位预测模型,并应用于沙坪二级水电站的坝前水位预测,与BP神经网络预测结果进行对比分析。结果表明,LSTM预测结果具有更高的精度,平均绝对误差为0.1347,均方根误差为0.1950,纳什系数为0.9337,能很好地预测短期水位;提出了基于负荷调整余量与水位预测模型的水电站实时调控策略,根据预测的水位超上限、水位超下限、水位不超限3种情况进行决策分析,实现了减少沙坪二级电站的闸门动作次数,保障电网的安全稳定运行。