[发明专利]一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法

权利要求书

1.一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法，其特征在于：该方法为：首先，基于数据驱动的LSTM-注意力机制，通过样本数据训练学习，预测径流式小水电的径流量；然后通过径流功率模型计算出小水电的功率输出；其次，利用皮尔逊相关系数法和Spear-man秩相关系数来计算风光水荷两两之间的相关性，再利用模糊层次分析法获得总的风光水荷之间的相关性；

径流式小水电出力预测方法为：通过深度学习框架完成对径流数据的预测，然后通过下式计算出径流式小水电厂的出力：

P_ROR(t)＝h_Hghρq(t) (1)

式中，P_ROR为小水电站发电机输送的功率，单位kW，h_H为发电机的效率，q(t)为流过涡轮机的径流量，单位m³s^-1，g为重力加速度，g＝9.81m³s^-2，ρ为水密度，ρ＝1000kgm^-3，h为落差高度，单位m；q(t)通过基于注意力机制的长短时记忆网络模型获得。

2.根据权利要求1所述的一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法，其特征在于：基于注意力机制的长短时记忆网络模型获得q(t)的方法为：将注意力机制与LSTM网络结合起来构造一个预测基模型，该预测基模型为：两个LSTM层、注意力机制层和全连接层，输入的历史特征数据分别为流域的面积、高程、年平均径流量、年平均降水量、径流系数、S/P比率、临近区域的径流量，面积、高程、年平均径流量和年平均降水量的单位分别为公里²、m、mm和mm，其中，径流量和降水量为年平均值，比值S/P是降雪量/总降水量之间的平均比值，径流系数是年平均径流量与年平均降水量之比。

3.根据权利要求2所述的一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法，其特征在于：两个LSTM层的神经元个数分别为32和64。

4.根据权利要求3所述的一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法，其特征在于：LSTM单元根据t-1时刻记忆单元状态值c_t-1、隐藏层t-1时刻输出值h_t-1和t时刻输入值x_t，计算t时刻隐藏层输出值h_t，根据信号的流向，具体计算方法如下：

f_t＝σ(W_fxx_t+W_fhh_t-1+b_f) (2)

i_t＝σ(W_ixx_t+W_ihh_t-1+b_i) (3)

c_t＝c_t-1⊙f_t+g_t⊙i_t (5)

o_t＝σ(W_oxx_t+W_ohh_t-1+b_o) (6)

式中：W为t时刻权值矩阵，b为偏置量，σ为sigmoid激活函数，为tanh激活函数，“⊙”表示“同或”乘法运算。