来源：天韧科技

　　我们的客户是南方一家中等规模的水电站，其发电量主要取决于当地某一个流域的来水量，经分析，该水电站的月降雨量与入库水量波动基本一致，显示出很高的相关性，因此我们决定以降雨量出发，预测来水量，并相应做出蓄水、放水优化分析。

　　预期降水量与预期入库水量

　　我们发现，客户所在流域的累积降水量有减少趋势，可能对完成年度发电计划构成挑战，因此我们建议客户在编制将来发电计划时考虑这个因素。同时我们发现，该流域暴雨发生的频率和强度都呈上升趋势，洪水管理难度增加，改善洪水管理十分必要。

　　气候数据显示降水量呈下降趋势

　　客户的历史数据显示，一些年度的弃水量超过1亿立方米，按当地电价计算，发电收入损失近400万元，鉴于水电边际成本几乎为零的特点，这部分损失本可以是电站的利润！客户反映，弃水损失主要缘于暴雨过程及洪峰的时间、大小的预测。因此，我们进一步以机器学习的方式，对该流域的降雨过程及洪峰形成特点进行了分析和模拟，改善客户的洪峰预测、并相应调整蓄水、放水计划。一些项目经过优化之后，水电站利润可提高10%。