一种基于LSTM深度学习的水电站机组过流预测方法

本发明公开了一种基于LSTM深度学习的水电站机组过流预测方法，通过构建训练针对时间序列变量回归问题的LSTM深度学习模型，实现利用水库水电站原始观测数据准确预测发电机组总引水流量，包括给定长时间序列某水库水电站出力、水位原始观测数据，给定对应水库水电站长时间序列置信断面实测或模拟流量过程，进行置信断面到水库水电站的平衡分析，构建多特征长时间序列预测单一特征长时间序列的LSTM深度学习网络，确定网络层结构属性与连接方式，进行LSTM深度学习模型训练和模型验证；可为调度运行人员提供实时快速的决策支持，进一步优化水电站机组调度运行，在提高电站水库水量计算精度的同时提高水电站发电效益。