一种基于TCN-LSTM-AM的水电出力预测方法

本发明提供一种基于TCN‑LSTM‑AM的水电出力预测方法，构建TCN‑LSTM‑AM网络，其中：TCN采用因果卷积和空洞卷积结构，提取时间序列中气象‑水位‑出力数据的局部精细特征与长距离依赖关系，输出多尺度特征序列；LSTM通过遗忘门、输入门和输出门的门控机制，处理TCN输出的特征序列，自适应保留历史关键信息，输出包含时序动态的隐藏状态序列；AM对LSTM输出的隐藏状态序列动态分配注意力权重，聚焦对预测关键的时间步特征，生成最终预测值；采用凝聚式分层聚类算法，基于欧氏距离对气象数据分类，划分出不同气候条件下的相似水电出力模式簇，并针对每个簇分别训练TCN‑LSTM‑AM网络，使模型适配不同气候条件下的出力规律；利用训练完成的TCN‑LSTM‑AM网络，生成次日水电出力预测值。