文献类型：期刊文章

作　　者：骆光磊[1] 周建中[1] 赵云发[2] 覃晖[1] 戴领[1]

LUO Guanglei;ZHOU Jianzhong;ZHAO Yunfa;QIN Hui;DAI Ling(Hubei Key Laboratory of Digital Valley Science and Technology,School of Hydropower and Information Engineering,Huazhong University of Science and Technology,Wuhan 430074;Hubei Key Laboratory of Intelligent Yangtze and Hydroelectric Science,China Yangtze Power Co.,Ltd,Yichang,Hubei 443000)

机构地区：[1]华中科技大学水电与数字化工程学院数字流域科学与技术湖北省重点实验室,武汉430074 [2]中国长江电力股份公司智慧长江与水电科学湖北省重点实验室,湖北宜昌443000

出　　处：《水力发电学报》

基　　金：国家自然科学基金重点支持项目(U1865202);国家重点研发计划课题(2016YFC0402205);中国长江电力股份有限公司科技项目“金沙江下游-三峡梯级电站水资源管理决策支持系统”

年　　份：2020

卷　　号：39

期　　号：9

起止页码：23-32

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：流域大规模水库群的形成导致径流时空分布发生深刻变化,而不同水库群往往分属不同业主调度管理,上游水库群的下泄计划无法实时获取,给下游水库调度计划编制带来困难,并且影响下游水库运行安全。本文提出一种水库群运行自适应矩估计改进深度神经网络模拟方法,通过改善深度神经网络参数训练方式,从水库群历史运行数据中提取调度规则,在此基础上对水库群运行进行模拟,并结合实例研究,将结果与传统神经网络方法进行综合对比。结果表明,本文所提出的方法能够更好地模拟水库群运行,所模拟的观音岩、锦屏一级和二滩水库下泄流量平均相对误差分别为8%、11%和10%,均优于反向传播(BP)神经网络结果,可为探究调度计划未知情况下的水库运行规律提供新途径。

关 键 词：径流变化 自适应矩估计  改进深度神经网络  水库群调度模拟  调度规则

分 类 号：TV697] TP183]