基于SA-LSTM的水电站站间流量动态滞时关系

在梯级水电站短期优化调度的水力联系描述中,目前实际应用的固定滞时方法未考虑水流滞时与上游电站出库流量大小和河道状态等因素的动态关系,且有关动态滞时方法的研究亦常忽略各种输入因子的时间因次。因此,引入长短期记忆网络(LSTM)作为描述站间动态滞时关系的工具,同时针对数据挖掘模型参数难以确定的问题选取模拟退火算法(SA)作为网络超参数的选取方法,建立了一种模拟退火-长短期记忆网络(SA-LSTM)模型。以梯级水电站实际运行数据进行测试,同时与BP神经网络模型及固定滞时模型进行对比分析。结果表明,与固定滞时和BP神经网络模型相比,SA-LSTM模型能更准确地描述水电站站间的动态滞时关系,是分析计算梯级水电站站间水力联系的一种新的简明实用的方法。