基于PSO-水量平衡-BP耦合模型的短期水位预测

打开文本图片集

摘要：

为降低水电站长期运行过程中频繁的无规律动作对于水头高、库容小、调节性能差的水电站造成的损害，最大限度利用水头优势增发电量，提高水电站运行的效益性和安全性，提出了一种机理与数据混合驱动的水位预测方法。该方法通过PSO（Particle Swarm Optimization）算法优化耦合BP（Back Propagation）神经网络和水量平衡模型，其中，数据驱动模型提供基准值，水量平衡机理模型修正水位趋势的合理性；将该方法应用于沙坪二级水电站的水位预测，对比分析水量平衡模型、BP神经网络模型和耦合模型预测结果。（剩余9897字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。