基于深度学习的径流分解用于水电厂短期运行
信号处理
2023-09-25 v2 机器学习
应用统计
摘要
高时间分辨率数据在有效的水电厂短期运行中起着至关重要的作用。在挪威大多数水电系统中，入流数据主要通过测量装置以日分辨率采集。然而，为了提升水电厂管理决策的精度，具有日内分辨率的水文数据(如小时级数据)往往是不可或缺的。为弥补这一缺口，利用深度学习的时序分解成为一种有前景的工具。在本研究中，我们提出一种基于深度学习的时序分解模型，从日入流数据推导小时级入流数据，用于水电厂短期运行。我们的初步结果证明了该方法的适用性，且仍有进一步改进的空间。
引用
@article{arxiv.2308.11631,
title = {Deep learning-based flow disaggregation for short-term hydropower plant operations},
author = {Duo Zhang},
journal= {arXiv preprint arXiv:2308.11631},
year = {2023}
}