基于LSTM的阀冷系统入水温度及冷却裕度预测

廖毅¹,罗炜²,蒋峰伟¹,李亚锦³,于大洋^3*

1.中国南方电网超高压输电公司广州局, 广东 广州 510405;2.中国南方电网公司, 广东 广州510623;3.山东大学电气工程学院, 山东 济南250061

发布日期:2021-08-18

作者简介:廖毅(1987— ),男,湖南长沙人,硕士,主要研究方向为高压直流输电运行与维护. E-mail:liaoyi.hn@foxmail.com. *通信作者简介:于大洋(1979— ),男,山东胶州人,副教授,主要研究方向为电力系统优化技术. E-mail:yudayang@sdu.edu.cn

Prediction of converter valve cooling capacity and water inlet temperature based on LSTM

LIAO Yi¹, LUO Wei², JIANG Fengwei¹, LI Yajin³, YU Dayang^3*

1. Guangzhou Bureau, China Southern Power Grid EHV Power Transmission Co., Ltd., Guangzhou 510405, Guangdong, China;
2. China Southern Power Grid Co., Ltd., Guangzhou 510623, Guangdong, China;
3. School of Electrical Engineering, Shandong University, Jinan 250061, Shandong, China

Published:2021-08-18

摘要/Abstract

摘要： 为解决换流站阀冷系统状态缺乏智能预测手段和极端工况下冷却能力是否充裕难以评估的问题,提出基于长短期记忆网络(long short-term memory, LSTM)的换流阀冷却裕度预测方法。在阀冷系统冷却裕度指标量化评估的基础上,考虑多源影响因素,通过相关性强弱选择特征量并构建数据样本集,利用长短时记忆网络建立预测模型,并基于大量实际样本数据进行训练,对入水温度和冷却裕度发展趋势做出预测、提前预警,同时提供极端工况下冷却裕度的分析模型,为现场处理决策提供依据。通过穗东换流站的实例分析,验证了算法的有效性和可行性。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2063