| 引用本文： | 唐文虎, 林泽康, 辛妍丽, 赵伟, 吴亮, 金晶. 基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估[J]. 电力工程技术, 2023, 42(3): 102-111, 148. DOI: 10.12158/j.2096-3203.2023.03.012 |
| 摘 要： | 
为实现柔性直流(voltage sourced converter-high voltage direct current, VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest, RF)和双向长短时记忆(bi-directional long short-term memory, BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。
最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine, SVM)模型和自回归滑动平均模型(auto-regressive and moving average, ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。
|
