来源：期刊VIP网 时间：
作者：彭旺;姚华明;蒋志强;曹辉;
单位：华中科技大学土木与水利工程学院;中国长江电力股份有限公司;
摘要：水电站的尾水水位是计算机组出力的重要参数，当存在下游水库顶托影响时，电站尾水的设计曲线与实际观测值往往存在较大误差，增加了机组出力—流量的计算误差。为此，根据最新历史观测数据，分析了BHT水电站尾水水位与其出库流量及下游水库XLD顶托水位的关系，建立了基于多情景划分的贝叶斯优化-长短期记忆网络(BO-LSTM)预测模型，并分析了调峰和泄洪工况下模型的应用效果。结果表明，XLD水位高于585 m后对BHT电站的尾水水位有显著的顶托影响。相比于水位—流量曲线和非线性曲线拟合方法，基于多情景划分的BO-LSTM模型在精度上有显著提升，平均绝对误差(M_(MAE))降低了68.1%。BO-LSTM模型在多种工况下均能更准确地捕捉水位的起伏变化过程。研究结果对水电站精细化调度具有重要意义。
关键词：水位—流量关系;;顶托影响;;长短期记忆神经网络;;预测
基金资助：国家自然科学基金项目(52479017,52179016);; 中国长江电力股份有限公司资助(Z242302051)
