基于机器学习的葛洲坝水电站日均出力预测
来源:用户上传
作者:刘亚新 徐杨
摘要：考虑三峡水库与葛洲坝水电站的紧密水力联系以及三峡水库出库流量与葛洲坝水电站入库流量的不平衡现象，提出了基于极端梯度提升（eXtreme Gradient Boosting，XGBoost）和自回归差分移动平均模型（Autoregressive Integrated Moving Average model，ARIMA）这两种机器学习的葛洲坝水电站入库流量预测模型，以及基于贝叶斯岭回归的葛洲坝水电站日均出力预测模型，并将两种模型相结合进行葛洲坝水电站入库流量与日均出力预测。通过对2019年非弃水期的实验分析，结果表明：葛洲坝水电站入库流量预测模型优于传统的折算系数三日均值法，可降低流量预报误差;葛洲坝水电站日均出力预测模型具备较高的预测精度和较强的稳健性，可为葛洲坝水电站非弃水期日均出力计划编制提供参考。
关 键 词：入库流量; 日均出力; 机器学习; 贝叶斯岭回归; 葛洲坝水电站; 三峡水库
中图法分类号： TV737
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2022.04.032
0 引 言
葛洲坝水利枢纽位于三峡水利枢纽下游约38 km处，是三峡水利枢纽的航运反调节枢纽，其主要任务是对三峡水利枢纽日调节下泄的非恒定流[1]过程进行反调节，在保证航运安全和通畅的条件下充分发挥发电效益[2-3]。葛洲坝水电站属于径流式无调节能力电站，调节库容小，调度精度要求高，影响电站运行的因素众多且复杂，一直是梯级枢纽运行调度的难点。
在实际调度中，葛洲坝水电站非弃水期占全年运行期的70%以上，且上游水位控制出现偏差时，弃水期可通过开启泄洪闸弃水来调整水位，非弃水期仅可通过向电网申请修改发电计划来控制水位。因此，非弃水期葛洲坝水电站的精准控制，对保障电站安全稳定运行、提升电站效益具有十分重要的意义。
葛洲坝水电站日发电计划是依照三峡水电站制作的日计划运行后的出库流量过程而制作的。葛洲坝水电站日入库流量预测是出力预测的基础，在不考虑区间入流和降雨的情况下，葛洲坝水电站的入库流量应等于三峡水库的出库流量，但实际上，两者流量并不平衡。葛洲坝水电站入库流量误差经常导致日出力计划与实际调度情况出现较大的偏差，致使发电计划频繁修改，不利于电站安全、高效、稳定地运行。葛洲坝水电站日入库流量通常采用折算系数法计算，折算系数为葛洲坝水电站入库流量与三峡水库出库流量的比值。一般将前3 d折算系数的均值作为当日折算系数的估计值，也有学者采用多元门限回归模型探究此类问题[4]，但是需要将三峡水电站左岸发电流量、右岸发电流量、深孔泄流量、排漂孔泄流量等信息作为模型输入。三峡水库出库流量乘以折算系数求得葛洲坝水电站入库流量，再根据葛洲坝水电站库水位设定情况计算出库流量、尾水位、水头损失、净水头，由机组预想出力线、开机情况、机组过流曲线等求得电站出力。这其中运用到多种静态曲线，经过电站的多年运行，有些曲线与真实数据关系之间存在一定偏差，再加上调峰引起的两坝间及葛洲坝水电站下游水位变化更加复杂[5]，因此在实际计算出力时，通常由人工进行校正。
随着机器学习技术在各行业的推广应用，基于数据驱动的模型由于具有较高的精度以及不受复杂机理认知的影响而在电力行业得到了广泛关注。Shang等[6]首次采用BP神经网络建立葛洲坝水电站下游水位变化过程预测模型，结果较现有计算方法精度有显著提升。Zhang等[7]对比了基于人工神经网络、支持向量机和LSTM的3种水库调度模拟模型，分析表明LSTM模型模拟效果较优。何自立等[8]采用相空间重构小波神经网络预测径流式水电站发电量，为电量预测提供了新思路。李霄等[9]将最小二乘支持向量机用于短期风电负荷预测中，并提出改进最小二乘支持向量机和预测误差校正相结合的方法。雷昌宁[10]提出基于SARIMA和SVR混合模型的径流量预测模型，并应用于黑河的径流量预测中，达到了良好的预测效果。刘亚新等[11]提出基于LSTM的水电站短期水位预测方法，并用于葛洲坝水电站的下游水位预测。良好的数据驱动模型往往建立在对数据进行充分分析与探索的基础上，三峡与葛洲坝水电站经过多年的运行积累了大量的数据，这些数据蕴含着巨大的价值，利用好调度数据，挖掘出反映水库运行的隐含规律，可为葛洲坝水电站精益化运行提供技术支持。
本文采用机器学习方法对非弃水期葛洲坝水电站日均出力预测问题进行研究，从三峡水电站的\行数据出发，考虑三峡水库与葛洲坝水电站的紧密水力联系以及三峡水库-葛洲坝水电站的出入库不平衡影响，建立葛洲坝水电站入库流量预测模型;在此基础上，分析葛洲坝水电站日均出力的相关影响因素，建立葛洲坝水电站日均出力预测模型，从而实现从三峡水电站运行数据到葛洲坝水电站日均出力的全过程预测。
1 葛洲坝水电站日入库流量预测
1.1 影响因素分析
在三峡水电站和葛洲坝水电站的多年运行中，受新机组投产、机组增容改造[12]以及河道下切等多因素的影响，葛洲坝水电站入库流量计算也发生着变化[13]。对2003～2019年的三峡水库日出库流量、葛洲坝水电站日入库流量、三峡水库弃水数据、葛洲坝水电站弃水数据进行分析[14]，图1和图2分别为非弃水及弃水情况下2003～2006，2007～2011，2012～2014，2015～2019年葛洲坝水电站入库流量与三峡水库出库流量的差值和三峡水库出库流量的关系图。
从图1可以看出：非弃水情况下，不同时间阶段葛洲坝水电站入库流量与三峡水库出库流量的差值和三峡水库出库流量存在不同的相关关系。① 2003～2006年，葛洲坝水电站入库流量比三峡水库出库流量小200 m3/s以上，并且差值随着三峡水库出库流量的增加呈现出单调递减的趋势。② 2007～2011年，增容改造陆续进行[15]，葛洲坝水电站发电能力增加，在三峡水库出库流量小于12 000 m3/s时，差值在-200 m3/s左右波动，递减趋势减弱;在三峡水库出库流量大于12 000 m3/s时，差值随三峡水库出库流量呈现出递增的趋势。③ 2012～2014年，地电投产后，三峡水库发电能力增加，相同的三峡水库出库流量下，差值整体有所上升。④ 2015～2019年，差值进一步上升，并且在三峡水库出库流量小于12 000 m3/s时，差值与三峡水库出库流量的关系由之前的递减关系变为递增关系。在预测时，考虑葛洲坝水电站入库流量与三峡水库出库流量的差值和三峡水库出库流量的关系随时间的趋势变化，2015年之前与之后的数据关系表明电站处于不同的运行状态，因此2015年之前的数据对当前葛洲坝水电站入库流量预测将不会产生积极作用，故在建模时只对2015～2019年的数据进行研究。
nlc202205241804
转载注明来源:https://www.xzbu.com/1/view-15432075.htm
