基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
选取水牛家、自一里、木座三个具有上下游关系的水电站进行数据分析,通过收集变量的时间序列并对发电站间的相关性进行分析,采用持续模型、LSTM、ELM三种预测模型分别对水流量和发电量进行预测,结果显示深度学习预测模型准确性较高,且对后续的水电站调度运行有一定指导作用。
推荐文章
基于RBF神经网络的日发电量预测
RBF
神经网络
发电量
基于ARMA模型的水电站概率性发电量预测
年发电量
ARMA模型
时间序列
水电站
满发流量对梯级水电站发电量的影响
满发流量
梯级水电站
发电量
模型
仿真
塔式光热电站发电量估算
塔式光热电站
发电量
经济性评估
直接辐射
光电转换效率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的水电站水流量和发电量预测技术
来源期刊 电力设备管理 学科 工学
关键词 水电站 数据挖掘 深度学习 水流量预测 电量预测
年,卷(期) 2020,(4) 所属期刊栏目
研究方向 页码范围 151-153
页数 3页 分类号 TV7
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
水电站
数据挖掘
深度学习
水流量预测
电量预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力设备管理
月刊
2096-2711
10-1454/TM
16开
北京市西城区广安门内大街6号A-1-11
2016
chi
出版文献量(篇)
2356
总下载数(次)
16
总被引数(次)
369
论文1v1指导