基于ForecastNet的径流模拟及多步预测

径流过程呈现出的强非线性,使得现有水文模型的预测性能受到制约,深度学习等人工智能方法具有较强的非线性拟合能力,一定程度上可以突破现有瓶颈。为有效提取径流序列的非线性时变特征信息,提高径流模拟精度和多步预测性能,以雅砻江上游雅江流域为研究对象,建立了基于具有时变结构的ForecastNet径流预测模型,并与传统水文模型SWAT(Soil and Water Assessnent Teol)和神经网络模型RNN(Recurrent Neural Network)、LSTM(Long Short-Term Memory)及其组合进行对比分析。结果表明,ForcastNet模型在长预见期径流预测中有较强的适用性,能有效提高径流模拟及多步预测精度,为高精度实时径流预测提供了一种技术支撑。

考虑传输线动态增容风险的电力系统日前调度模型

为避免输电网传输通道不合理增容所引起的潮流热越限风险,在电力安全传输的保证下,合理提升新能源电力系统中各类资源的跨时空消纳能力,提出一种考虑传输线动态增容风险的电力系统日前调度模型。首先,建立了具有时变结构的ForecastNet输电线动态热容量极限(dynamic thermal rating,DTR)预测模型,该模型可以动态跟踪环境因素影响程度并修正预测网络权值,提高预测精度;其次,基于DTR日前预测结果确定输电线动态增容裕度,引入增容风险成本及风险偏好系数,构建面向电力市场报价机制的日前调度模型;最后,利用辽宁省实网数据在IEEE-39节点系统上对所提模型进行仿真。仿真结果验证了预测模型的准确性及调度模型的有效性,同时表明该调度模型可以充分利用输电网冗余传输空间,大幅提升可再生能源的消纳水平,保证电力市场环境下日前调度策略的安全性和经济性。