基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估
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。
标题：
基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估
Prediction of valve inlet water temperature and cooling evaluation of VSC-HVDC convertvalve cooling system based on random forest and bi-directional long short-term memory
作者：
唐文虎，林泽康，辛妍丽，赵伟，吴亮，金晶
TANG Wenhu, LIN Zekang, XIN Yanli, ZHAO Wei, WU Liang, JIN Jing
关键词：
柔直阀冷系统;机器学习;随机森林(RF)算法;双向长短时记忆(BiLSTM)网络;入阀水温预测;冷却能力评估
voltage sourced converter-high voltage direct current (VSC-HVDC) convert valve cooling system;machine learning;random forest (RF) algorithm;bi-directional long and short-term memory (BiLSTM) network;valve water inlet temperature prediction;cooling capacity assessment
