排灌机械工程学报

作者：蒋树, 钱晶, 李佳, 曾云, 鲍友洪

单位：1. 昆明理工大学冶金与能源工程学院, 云南 昆明 650032; 2. 白鹤滩水力发电厂, 四川 凉山 615499; 3. 西安许继电力电子技术有限公司, 陕西 西安 710000

关键词：大型水电机组,抬机,LSTM-SVM,预测,现场数据,人工智能

基金：国家自然科学基金资助项目(52269020,52079059)

对于大型成熟水力发电厂,依托机组过渡过程中抬机运行的历史数据开展抬机量预测,能够有效规避数学建模难题,为抬机量预测提供可行思路.文中选取金沙江流域某大型水力发电厂机组过渡过程的大量现场实测数据,构建LSTM-SVM混合算法模型(长短时记忆网络与支持向量机相结合),通过对数据进行分类、训练、验证与测试,得到优化后的抬机量预测模型,并设计针对性的模型评价指标.将模型预测结果与现场实测数据对比,同时选取BiLSTM算法、单一LSTM算法开展对比试验,分析所提算法的预测优势.结果表明:LSTM-SVM混合算法预测精度可达98%以上,具备优异的抬机量预测性能.

来源：2026年第5期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2026年第5期