物理机制引导的水库调度深度学习模型研究

为了从海量数据提炼人工调度经验来指导日常工作,机器学习等技术正逐渐应用于水库调控实践中。然而,仅依赖机器学习技术形成的水库调度方案,往往无法真实反映水库调度过程,使得调度经验刻画不到位。因此,本研究构建了物理机制引导的水库调度深度学习模型,以损失函数惩罚项的形式考虑水库出库流量的水量平衡约束、单调性约束、边界约束,以数据增强的方式在模型训练集与验证集中纳入稀遇洪水调度过程。研究结果表明,该模型在常规运行条件与稀遇水文条件均能有效模拟水库调度决策,与基准模型相比,该模型的模拟结果更符合水量平衡原理,有效减少负值流量,能准确模拟高值流量。该模型可为水库智慧调度的实现提供技术支撑。