一种基于深度学习的水电站入库流量预测方法

本发明是一种基于深度学习的水电站入库流量预测方法，属于计算机技术领域。具体是涉及到在工业生产中，如何做到精确的预测水电站入库流量，使电力管理部门能够更好的调控发电机组运行功率，实现节能环保的发展目标。先对水电站近几年流量数据按照周期T进行连续采样，采样的数据包括历史入库流量数据、环境数据、降雨预报数据以及遥测站降雨观测数据，数据均为时序数据，再搭建一个LSTM网络对其进行时间序列建模，LSTM网络具有优秀的时间序列预测能力，同时利用CNN对输入的数据进行特征提取，使其能够更好的捕捉到数据中的高维特征，对其进行训练及优化后得到一个能够精准预测水电站入库流量的模型。本发明能够显著提高水电站入库流量预测能力，从而提高能源利用率和环境保护水平。