CN112257742B - 一种换流阀入水温度预测修正方法及运维系统 - Google Patents

Abstract

本发明公开了一种换流阀入水温度预测修正方法及运维系统，涉及换流阀监测技术领域，在阀冷系统运行状态相似日选择的基础上，确定入水温度的基准值。基于LSTM建立影响入水温度因素偏差和入水温度偏差百分比的相关关系模型，对入水温度基准值进行修正，得到预测的入水温度。结合阀冷系统运维经验，提出对应的运维预案。

Description

一种换流阀入水温度预测修正方法及运维系统

技术领域

本发明涉及换流阀监测技术领域，具体涉及一种换流阀入水温度预测修正方法及运维系统。

背景技术

阀冷系统是换流站的一个重要组成部分，它将阀体上各元件的功耗发热量排放到阀厅外，保证晶闸管运行结温在正常范围内。现场运维中，通过监测阀冷系统入水温度、出水温度等指标评估阀冷系统运行状态。但仅通过阈值判断异常的手段过于单一。受外界环境影响以及阀冷系统阀冷外冷水系统换热元件老化、机械损伤、管道结垢等问题影响，入水温度短时内可能快速增长，达到告警值。现场运维只能采取往喷淋水池投放冰块等不经济的临时措施，严重时可能导致直流系统限负荷。

发明内容

针对现有技术中的不足，本发明提供一种换流阀入水温度预测修正方法及运维系统，在阀冷系统运行状态相似日选择的基础上，确定入水温度的基准值。基于LSTM建立影响入水温度因素偏差和入水温度偏差百分比的相关关系模型，对入水温度基准值进行修正，得到预测的入水温度。结合阀冷系统运维经验，提出对应的运维预案。

为实现上述目的，本发明的技术方案如下：

一种换流阀入水温度预测修正方法，包括：

步骤1：获取一定时间内换流阀冷却系统的状态量监测值和运行功率，形成数据样本集，并基于所述数据样本集，利用相关系数计算入水温度与其他监测状态量之间的关联关系，选取强相关的因素以及运行机理构建入水温度相关因素的特征矩阵；

步骤2：计算各特征矩阵的距离，根据特征矩阵之间的距离判断不同日期入水温度相关因素之间的相似程度；然后基于相似程度的判断结果，利用相关系数计算特征矩阵的相关关系，根据相关系数大小对相似日进行排序，相关系数最大的选定为唯一相似日，其入水温度值作为基准值T’_{基准值，t}；

步骤3：基于数据样本集构建修正模型的训练数据集，定义第n日t时刻的实际入水温度为T_nt，确定的相似日的入水温度为T’_nt，则入水温度偏差为ΔT_nt＝T_nt-T’_nt；第n日t时刻第i个相关因素的特征矩阵X(i)_nt和相似日相关因素的特征矩阵X(i)’_nt之间的偏差为ΔX_nt＝X(i)_nt-X(i)’_nt；通过LSTM算法对相关因素偏差ΔX_nt和入水温度偏差ΔT_nt进行建模，相关因素偏差ΔX_nt作为模型的输入，入水温度偏差ΔT_nt作为模型的输出，通过训练样本集得到入水温度偏差预测模型；

步骤4：根据预测日前一天的相关因素的特征矩阵X(i)_nt和确定的相似日的相关因素的特征矩阵X(i)’_nt作为入水温度偏差预测模型的输入，获得入水温度偏差预测模型输出的入水温度偏差ΔT_nt；

步骤5：根据下式对预测日的入水温度进行预测：

T_{预测日，t}＝ΔT_t+T’_{基准值，t}

式中，T_{预测日，t}为预测日的入水温度预测值，ΔT_nt为步骤4获得入水温度偏差，T’_{基准值，t}为步骤2获得的入水温度基准值；

步骤6：将预测日的入水温度预测值T_{预测日，t}与设立的多个阈值进行比较，建立量化的阀冷系统处理决策预案，并提供相应的运维策略。

如上所述的换流阀入水温度预测修正方法，进一步地，所述监测关键状态量包括入水温度、出阀温度、冷却水电导率、冷却水流量、高位水箱液位、喷淋池液位、阀厅温度、环境温度、进阀压力、风机投运功率、功率，基于距离相关系数计算得到与入水温度强相关的因素有出阀温度、冷却水电导率、高位水箱液位、阀厅温度、环境温度、进阀压力、风机投运功率、功率，但出阀温度是入水温度变化的直接结果值，不作为影响入水温度变化因素。为有效反映因素对入水温度带来的影响，对特征量进一步处理，选取相关因素包括日类型、日平均电导率、高位水箱日平均液位、阀厅日平均温度、日平均环境温度和进阀平均压力、日风机投运平均功率、日平均直流运行功率、日最大运行功率、日最小运行功率，构成特征向量X(t)＝[x₁(t),x₂(t),x₃(t),x₄(t),x₅(t),x₆(t),x₇(t),x₈(t),x₉(t),x₁₀(t)]，其中x₁(t)表示t日日类型与预测日类型的相似度，x₂(t),x₃(t),x₄(t),x₅(t),x₆(t),x₇(t),x₈(t),x₉(t),x₁₀(t)分别表示t日日平均电导率、高位水箱日平均液位、阀厅日平均温度和平均湿度、日平均环境温度和进阀平均压力、日风机投运平均功率、日平均直流运行功率、日最大运行功率、日最小运行功率。

所述特征距离采用灰色关联系数法实现，t日运行监测数据构成的特征矩阵可表示为X＝[X₁,X₂,...,X_t]，定义预测日特征向量为X＝[x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉,x₁₀]，对特征数据进行归一化处理，利用灰色关联系数法，预测日和历史日特征向量分量间的关联系数为

x’(k)表示第k个特征向量归一化后的值，为介于0-1的分辨系数。

灰色关联度R_i计算公式为：

采用距离相关系数计算历史日特征向量X(t)与预测日特征向量X之间的相关度，

式中，dcor为相关系数，dCov表示距离协方差，dVar表示协方差。

如上所述的换流阀入水温度预测修正方法，进一步地，所述日类型包括不同年份的同一天、工作日和周末三种类型，其中，相似日和预测日为不同年份的同一天时，相似日和预测日的相似度为1；相似日和预测日同为工作日或同为周末但不属于不同年份的同一天时，相似度为r₁；相似日和预测日不同属于任何一种类型，则为r₂，且r₂＜r₁。

如上所述的换流阀入水温度预测修正方法，进一步地，所述多个阈值至少包括数值上逐渐升高的阈值δ₁、阈值δ₂、阈值δ₃，具体地，

若入水温度大于阈值δ₁，

检查喷淋泵是否运行正常，若单台故障且正常切换，则记录缺陷并跟踪运行情况；两台均故障试分合空开恢复单台运行；两台均故障，无法恢复单台运行，将冷却塔风扇切至工频运行加大冷却效果；

检查冷却塔风扇是否运行正常，若某一冷却塔风扇停运时，可试分合故障风扇电源空开或重启变频器，恢复风扇正常运行；若该冷却塔风扇无法恢复正常运行，温度仍有上升趋势，则立即将运行的风扇切至工频运行；

检查外冷水位是否运行正常，立即手动开启外冷水池补水阀门，必要时使用消防水或生活水池水源补水；

检查外冷水池水温是否运行正常，若水温偏高，增大泄流阀流出水量，利用移动抽水泵将外冷水池中高温水抽取，作为短期措施可利用消防水从冷却塔上方浇淋循环水管；

检查阀厅空调是否运行正常，若双套空调均故障，则立即联系检修处理，恢复空调运行；若空调正常运行，当阀厅温度超过40℃，则采取调节阀门或切换空调系统的方式降低阀厅温度；

若入水温度大于阈值δ₂，则联系冰场进行加冰；

若入水温度大于阈值δ₃，立即向总调降双极功率降至设定数值，若入水温度不再上升，则继续跟踪并采取降温措施，若入水温度仍有上升趋势，则继续向调度申请降功率。

一种换流阀入水温度预测运维系统，其包括：

采集单元，其用于获取一定时间内换流阀冷却系统的状态量监测值和运行功率，形成数据样本集，并利用所述数据样本集构建入水温度相关因素的特征矩阵；

第一处理单元，其用于计算各特征矩阵的距离，根据特征矩阵之间的距离判断不同日期入水温度相关因素之间的相似程度；然后基于相似程度的判断结果，利用相关系数计算特征矩阵的相关关系，根据相关系数大小对相似日进行排序，相关系数最大的选定为唯一相似日，其入水温度值作为基准值T’_{基准值，t}；

第二处理单元，其用于基于数据样本集构建修正模型的训练数据集，定义第n日t时刻的实际入水温度为T_nt，确定的相似日的入水温度为T’_nt，则入水温度偏差为ΔT_nt＝T_nt-T’_nt；第n日t时刻第i个相关因素的特征矩阵X(i)_nt和相似日相关因素的特征矩阵X(i)’_nt之间的偏差为ΔX_nt＝X(i)_nt-X(i)’_nt；通过LSTM算法对相关因素偏差ΔX_nt和入水温度偏差ΔT_nt进行建模，相关因素偏差ΔX_nt作为模型的输入，入水温度偏差ΔT_nt作为模型的输出，通过训练样本集得到入水温度偏差预测模型；

第三处理单元，其用于根据预测日前一天的相关因素的特征矩阵X(i)_nt和确定的相似日的相关因素的特征矩阵X(i)’_nt作为入水温度偏差预测模型的输入，获得入水温度偏差预测模型输出的入水温度偏差ΔT_nt；

预测单元，其用于根据下式对预测日的入水温度进行预测：

T_{预测日，t}＝ΔT_t+T’_{基准值，t}

式中，T_{预测日，t}为预测日的入水温度预测值，ΔT_nt为步骤4获得入水温度偏差，T’_基准值，t为步骤2获得的入水温度基准值；以及

预警单元，其用于将预测日的入水温度预测值T_{预测日，t}与设立的多个阈值进行比较，建立量化的阀冷系统处理决策预案，并提供相应的运维策略。

所述相关因素包括日类型、日平均电导率、高位水箱日平均液位、阀厅日平均温度和平均湿度、日平均环境温度和进阀平均压力、日平均直流运行功率、日最大运行功率、日最小运行功率。

如上所述的运维系统，进一步地，所述日类型包括不同年份的同一天、工作日和周末三种类型，其中，相似日和预测日为不同年份的同一天时，相似日和预测日的相似度为1；相似日和预测日同为工作日或同为周末但不属于不同年份的同一天时，相似度为r₁；相似日和预测日不同属于任何一种类型，则为r₂，且r₂＜r₁。

如上所述的运维系统，进一步地，所述多个阈值至少包括数值上逐渐升高的阈值δ₁、阈值δ₂、阈值δ₃，具体地，

若入水温度大于阈值δ₁，

11)检查喷淋泵是否运行正常，若单台故障且正常切换，则记录缺陷并跟踪运行情况；两台均故障试分合空开恢复单台运行；两台均故障，无法恢复单台运行，将冷却塔风扇切至工频运行加大冷却效果；

12)检查冷却塔风扇是否运行正常，若某一冷却塔风扇停运时，可试分合故障风扇电源空开或重启变频器，恢复风扇正常运行；若该冷却塔风扇无法恢复正常运行，温度仍有上升趋势，则立即将运行的风扇切至工频运行；

13)检查外冷水位是否运行正常，立即手动开启外冷水池补水阀门，必要时使用消防水或生活水池水源补水；

14)检查外冷水池水温是否运行正常，若水温偏高，增大泄流阀流出水量，利用移动抽水泵将外冷水池中高温水抽取，作为短期措施可利用消防水从冷却塔上方浇淋循环水管；

15)检查阀厅空调是否运行正常，若双套空调均故障，则立即联系检修处理，恢复空调运行；若空调正常运行，当阀厅温度超过40℃，则采取调节阀门或切换空调系统的方式降低阀厅温度；

若入水温度大于阈值δ₂，则联系冰场进行加冰；

若入水温度大于阈值δ₃，立即向总调降双极功率降至设定数值，若入水温度不再上升，则继续跟踪并采取降温措施，若入水温度仍有上升趋势，则继续向调度申请降功率。

如上所述的运维系统，进一步地，计算各特征矩阵的距离采用灰色关联系数法，所述灰色关联系数法具体为：

t日运行监测数据构成的特征矩阵可表示为X＝[X₁,X₂,...,X_t]，定义预测日特征向量为X＝[x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉,x₁₀]，对特征数据进行归一化处理，利用灰色关联系数法，预测日和历史日特征向量分量间的关联系数为

x’(k)表示第k个特征向量归一化后的值，为介于0-1的分辨系数。

灰色关联度R_i计算公式为：

利用相关系数计算特征矩阵的相关关系具体为：

采用距离相关系数计算历史日特征向量X(t)与预测日特征向量X之间的相关度，

式中，dcor为相关系数，dCov表示距离协方差，dVar表示协方差。

本发明与现有技术相比，其有益效果在于：

1)选取影响入水温度变化直接相关的状态量(运行功率、电导率、高位水箱液位、阀厅温湿度、环境温度、风机投运功率)开展入水温度趋势分析，可避免单一变量入水温度趋势分析的局限性，同时降低多个影响因素下数据维数较高带来的分析难度。

2)基于相似日的短期入水温度预测方法选取直接相关的关键状态量，能够降低分析和输入数据维度，利用较少的训练数据达到较高的预测精度。

3)基于相似日和预测日入水温度影响因素的特征向量偏差、入水温度偏差建立入水温度修正模型，综合考虑历史工况下阀冷系统的运行状态，提高入水温度预测的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图进行简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明入水温度预测运维方法的方法流程图；

图2为本发明实施例中预案流程；

图3为预测日与相似日入水温度曲线图。

具体实施方式

下面结合附图和具体实施方式对本发明的内容做进一步详细说明。

实施例：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本发明提供一种换流阀入水温度预测修正方法，基于多源因素构建入水温度预测模型，并利用冷却能力量化模型计算冷却裕度，分析极端工况下阀冷系统的冷却能力，根据预测的入水温度提出相应的运维策略，辅助现场运维人员决策。

本实施例采用从西换流站2019年8月至2020年8月的监测数据进行分析，数据间隔为1小时，一天24个监测点。

步骤1：获取换流阀冷却系统的状态量监测值和运行功率，形成数据样本集，并构建入水温度相关因素特征矩阵。相关因素包括日类型、日平均电导率、高位水箱日平均液位、阀厅日平均温度、日平均环境温度和进阀平均压力、日风机投运平均功率、日平均直流运行功率、日最大运行功率、日最小运行功率。因为入水温度受直流功率影响较大，所述日类型包括不同年份的同一天、工作日和周末三种类型，其中，相似日和预测日为不同年份的同一天时，相似日和预测日的相似度为1；相似日和预测日同为工作日或同为周末但不属于不同年份的同一天时，相似度为r₁；相似日和预测日不同属于任何一种类型，则为r₂，且r₂＜r₁。本本实施例中，相似度r₁为0.8；r₂为0.35。即：定义F(d1,d2)，若d1＝d2，则F＝1，若d1≠d2，但同为工作日或周末，则F＝0.8，若d1和d2都不属于上述定义的三种类型，则F＝0.35。

步骤2：计算各特征矩阵的距离，根据特征矩阵之间的距离判断不同日期入水温度相关因素之间的相似程度。同时利用相关系数计算特征矩阵的相关关系，根据相关系数大小对相似日进行排序，相关系数最大的选定为唯一相似日，其入水温度值作为基准值。选取2020年8月11日作为预测日，选取预测日从甲极1前30天、前一年同季节时期(2019年7月11日到2019年8月11日)的监测数据作为样本数据范围，构建特征矩阵并进行相关系数的计算，得到相似日排序结果。按照相关系数大小排序部分结果如表1所示。

表1相似日计算结果排序

步骤3：基于数据样本集构建修正模型的训练数据集，定义第n日t时刻的实际入水温度为T_nt，利用相似日选取方法，选定相似日，相似日入水温度为T’_nt，则入水温度偏差为ΔT_nt＝T_nt-T’_nt。第n日t时刻第i个相关因素X(i)_nt和相似日因素X(i)’_nt之间的偏差可表示为ΔX_nt＝X(i)_nt-X(i)’_nt。通过LSTM算法对相关因素偏差和入水温度偏差进行建模，相关因素偏差作为模型的输入，入水温度偏差作为模型的输出，通过训练样本集得到入水温度偏差预测模型。

步骤4：利用预测日前一天历史数据计算得到日平均电导率、高位水箱日平均液位、阀厅日平均温度、日平均环境温度和进阀平均压力、日风机投运平均功率、，根据直流功率计划数据得到日平均直流运行功率、日最大运行功率、日最小运行功率，从而构成预测日相关因素特征矩阵。根据步骤2确定相似日为2020年8月10日，从而得到相似日的相关因素特征向量X(i)’_nt。

步骤5：根据步骤3计算得到相关因素特征向量偏差ΔX_nt，输入步骤3训练的预测模型得到待预测日的入水温度偏差值。再加上相似日入水温度基准值即可得到修正后的入水温度预测值。具体计算为：

T_{预测日，t}＝ΔT_t+T’_{基准值，t}

步骤6：将入水温度预测值与设立的多个阈值进行比较，建立量化的阀冷系统处理决策预案，提供相应的运维策略。

进一步地，所述多个阈值至少包括数值上逐渐升高的阈值δ₁＝40℃、阈值δ₂＝41℃、阈值δ₃＝43℃，具体地，

若入水温度大于40℃，

1)检查喷淋泵是否运行正常，若单台故障且正常切换，则记录缺陷并跟踪运行情况。两台均故障试分合空开恢复单台运行。两台均故障，无法恢复单台运行，将冷却塔风扇切至工频运行加大冷却效果。

2)检查冷却塔风扇是否运行正常，若某一冷却塔风扇停运时，可试分合故障风扇电源空开或重启变频器，恢复风扇正常运行。若该冷却塔风扇无法恢复正常运行，温度仍有上升趋势，则立即将运行的风扇切至工频运行。

3)检查外冷水位是否运行正常，立即手动开启外冷水池补水阀门，必要时使用消防水或生活水池水源补水。

4)检查外冷水池水温是否运行正常，若水温偏高，增大泄流阀流出水量，利用移动抽水泵将外冷水池中高温水抽取，作为短期措施可利用消防水从冷却塔上方浇淋循环水管。

5)检查阀厅空调是否运行正常，若双套空调均故障，则立即联系检修处理，恢复空调运行。若空调正常运行，当阀厅温度超过40℃，则采取调节阀门或切换空调系统的方式降低阀厅温度。

若入水温度大于阈值41℃，则联系冰场进行加冰。

若入水温度大于阈值43℃，立即向总调降双极功率降至设定数值，若入水温度不再上升，则继续跟踪并采取降温措施，若入水温度仍有上升趋势，则继续向调度申请降功率。

同时，本发明提供一种换流阀入水温度预测运维系统，基于多源因素构建入水温度预测模型，并利用冷却能力量化模型计算冷却裕度，分析极端工况下阀冷系统的冷却能力，根据预测的入水温度提出相应的运维策略，辅助现场运维人员决策。其包括：

采集单元，其用于获取一定时间内换流阀冷却系统的状态量监测值和运行功率，形成数据样本集，并利用所述数据样本集构建入水温度相关因素的特征矩阵；

第一处理单元，其用于计算各特征矩阵的距离，根据特征矩阵之间的距离判断不同日期入水温度相关因素之间的相似程度；然后基于相似程度的判断结果，利用相关系数计算特征矩阵的相关关系，根据相关系数大小对相似日进行排序，相关系数最大的选定为唯一相似日，其入水温度值作为基准值T’_{基准值，t}；

第二处理单元，其用于基于数据样本集构建修正模型的训练数据集，定义第n日t时刻的实际入水温度为T_nt，确定的相似日的入水温度为T’_nt，则入水温度偏差为ΔT_nt＝T_nt-T’_nt；第n日t时刻第i个相关因素的特征矩阵X(i)_nt和相似日相关因素的特征矩阵X(i)’_nt之间的偏差为ΔX_nt＝X(i)_nt-X(i)’_nt；通过LSTM算法对相关因素偏差ΔX_nt和入水温度偏差ΔT_nt进行建模，相关因素偏差ΔX_nt作为模型的输入，入水温度偏差ΔT_nt作为模型的输出，通过训练样本集得到入水温度偏差预测模型；

第三处理单元，其用于根据预测日前一天的相关因素的特征矩阵X(i)_nt和确定的相似日的相关因素的特征矩阵X(i)’_nt作为入水温度偏差预测模型的输入，获得入水温度偏差预测模型输出的入水温度偏差ΔT_nt；

预测单元，其用于根据下式对预测日的入水温度进行预测：

T_{预测日，t}＝ΔT_t+T’_{基准值，t}

式中，T_{预测日，t}为预测日的入水温度预测值，ΔT_nt为步骤4获得入水温度偏差，T’_{基准值，t}为步骤2获得的入水温度基准值；以及

预警单元，其用于将预测日的入水温度预测值T_{预测日，t}与设立的多个阈值进行比较，建立量化的阀冷系统处理决策预案，并提供相应的运维策略。

所述相关因素包括日类型、日平均电导率、高位水箱日平均液位、阀厅日平均温度和平均湿度、日平均环境温度和进阀平均压力、日平均直流运行功率、日最大运行功率、日最小运行功率。

进一步地，所述日类型包括不同年份的同一天、工作日和周末三种类型，其中，相似日和预测日为不同年份的同一天时，相似日和预测日的相似度为1；相似日和预测日同为工作日或同为周末但不属于不同年份的同一天时，相似度为r₁；相似日和预测日不同属于任何一种类型，则为r₂，且r₂＜r₁。

进一步地，所述多个阈值至少包括数值上逐渐升高的阈值δ₁、阈值δ₂、阈值δ₃，具体地，

若入水温度大于阈值δ₁，

16)检查喷淋泵是否运行正常，若单台故障且正常切换，则记录缺陷并跟踪运行情况；两台均故障试分合空开恢复单台运行；两台均故障，无法恢复单台运行，将冷却塔风扇切至工频运行加大冷却效果；

17)检查冷却塔风扇是否运行正常，若某一冷却塔风扇停运时，可试分合故障风扇电源空开或重启变频器，恢复风扇正常运行；若该冷却塔风扇无法恢复正常运行，温度仍有上升趋势，则立即将运行的风扇切至工频运行；

18)检查外冷水位是否运行正常，立即手动开启外冷水池补水阀门，必要时使用消防水或生活水池水源补水；

19)检查外冷水池水温是否运行正常，若水温偏高，增大泄流阀流出水量，利用移动抽水泵将外冷水池中高温水抽取，作为短期措施可利用消防水从冷却塔上方浇淋循环水管；

20)检查阀厅空调是否运行正常，若双套空调均故障，则立即联系检修处理，恢复空调运行；若空调正常运行，当阀厅温度超过40℃，则采取调节阀门或切换空调系统的方式降低阀厅温度；

若入水温度大于阈值δ₂，则联系冰场进行加冰；

若入水温度大于阈值δ₃，立即向总调降双极功率降至设定数值，若入水温度不再上升，则继续跟踪并采取降温措施，若入水温度仍有上升趋势，则继续向调度申请降功率。

进一步地，计算各特征矩阵的距离采用灰色关联系数法，所述灰色关联系数法具体为：

t日运行监测数据构成的特征矩阵可表示为X＝[X₁,X₂,...,X_t]，定义预测日特征向量为X＝[x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉,x₁₀]，对特征数据进行归一化处理，利用灰色关联系数法，预测日和历史日特征向量分量间的关联系数为

x’(k)表示第k个特征向量归一化后的值，为介于0-1的分辨系数。

灰色关联度R_i计算公式为：

利用相关系数计算特征矩阵的相关关系具体为：

采用距离相关系数计算历史日特征向量X(t)与预测日特征向量X之间的相关度，

式中，dcor为相关系数，dCov表示距离协方差，dVar表示协方差。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (7)

1.一种换流阀入水温度预测修正方法，其特征在于，包括：

步骤1：获取一定时间内换流阀冷却系统的状态量监测值和运行功率，形成数据样本集，并利用所述数据样本集构建入水温度相关因素的特征矩阵；

步骤2：计算各特征矩阵的距离，根据特征矩阵之间的距离判断不同日期入水温度相关因素之间的相似程度；然后基于相似程度的判断结果，利用相关系数计算特征矩阵的相关关系，根据相关系数大小对相似日进行排序，相关系数最大的选定为唯一相似日，其入水温度值作为基准值T′_{基准值，t}；

步骤3：基于数据样本集构建修正模型的训练数据集，定义第n日t时刻的实际入水温度为T_nt，确定的相似日的入水温度为T′_nt，则入水温度偏差为ΔT_nt＝T_nt-T′_nt；第n日t时刻第i个相关因素的特征矩阵X(i)_nt和相似日相关因素的特征矩阵X(i)′_nt之间的偏差为ΔX_nt＝X(i)_nt-X(i)′_nt；通过LSTM算法对相关因素偏差ΔX_nt和入水温度偏差ΔT_nt进行建模，相关因素偏差ΔX_nt作为模型的输入，入水温度偏差ΔT_nt作为模型的输出，通过训练样本集得到入水温度偏差预测模型；

步骤4：根据预测日前一天的相关因素的特征矩阵X(i)_nt和确定的相似日的相关因素的特征矩阵X(i)′_nt作为入水温度偏差预测模型的输入，获得入水温度偏差预测模型输出的入水温度偏差ΔT_nt；

步骤5：根据下式对预测日的入水温度进行预测：

T_{预测日，t}＝ΔT_t+T′_{基准值，t}

式中，T_{预测日，t}为预测日的入水温度预测值，ΔT_nt为步骤4获得入水温度偏差，T′_{基准值，t}为步骤2获得的入水温度基准值；

步骤6：将预测日的入水温度预测值T_{预测日，t}与设立的多个阈值进行比较，建立量化的阀冷系统处理决策预案，并提供相应的运维策略；

计算各特征矩阵的距离采用灰色关联系数法，所述灰色关联系数法具体为：

t日运行监测数据构成的特征矩阵可表示为X＝[X₁,X₂,...,X_t]，定义预测日特征向量为X＝[x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉,x₁₀]，对特征数据进行归一化处理，利用灰色关联系数法，预测日和历史日特征向量分量间的关联系数为

x'(k)表示第k个特征向量归一化后的值，为介于0-1的分辨系数；

灰色关联度R_i计算公式为：

利用相关系数计算特征矩阵的相关关系具体为：

采用距离相关系数计算历史日特征向量X(t)与预测日特征向量X之间的相关度，

式中，dcor为相关系数，dCov表示距离协方差，dVar表示协方差。

2.根据权利要求1所述的换流阀入水温度预测修正方法，其特征在于，所述相关因素包括日类型、日平均电导率、高位水箱日平均液位、阀厅日平均温度和平均湿度、日平均环境温度和进阀平均压力、日平均直流运行功率、日最大运行功率、日最小运行功率。

3.根据权利要求2所述的换流阀入水温度预测修正方法，其特征在于，所述日类型包括不同年份的同一天、工作日和周末三种类型，其中，相似日和预测日为不同年份的同一天时，相似日和预测日的相似度为1；相似日和预测日同为工作日或同为周末但不属于不同年份的同一天时，相似度为r₁；相似日和预测日不同属于任何一种类型，则为r₂，且r₂＜r₁。

4.根据权利要求1所述的换流阀入水温度预测修正方法，其特征在于，所述多个阈值至少包括数值上逐渐升高的阈值δ₁、阈值δ₂、阈值δ₃，具体地，

若入水温度大于阈值δ₁，

1)检查喷淋泵是否运行正常，若单台故障且正常切换，则记录缺陷并跟踪运行情况；两台均故障试分合空开恢复单台运行；两台均故障，无法恢复单台运行，将冷却塔风扇切至工频运行加大冷却效果；

2)检查冷却塔风扇是否运行正常，若某一冷却塔风扇停运时，可试分合故障风扇电源空开或重启变频器，恢复风扇正常运行；若该冷却塔风扇无法恢复正常运行，温度仍有上升趋势，则立即将运行的风扇切至工频运行；

3)检查外冷水位是否运行正常，立即手动开启外冷水池补水阀门，必要时使用消防水或生活水池水源补水；

4)检查外冷水池水温是否运行正常，若水温偏高，增大泄流阀流出水量，利用移动抽水泵将外冷水池中高温水抽取，作为短期措施可利用消防水从冷却塔上方浇淋循环水管；

5)检查阀厅空调是否运行正常，若双套空调均故障，则立即联系检修处理，恢复空调运行；若空调正常运行，当阀厅温度超过40℃，则采取调节阀门或切换空调系统的方式降低阀厅温度；

若入水温度大于阈值δ₂，则联系冰场进行加冰；

若入水温度大于阈值δ₃，立即向总调降双极功率降至设定数值，若入水温度不再上升，则继续跟踪并采取降温措施，若入水温度仍有上升趋势，则继续向调度申请降功率。

5.一种换流阀入水温度预测运维系统，其特征在于，包括：

采集单元，其用于获取一定时间内换流阀冷却系统的状态量监测值和运行功率，形成数据样本集，并利用所述数据样本集构建入水温度相关因素的特征矩阵；

第一处理单元，其用于计算各特征矩阵的距离，根据特征矩阵之间的距离判断不同日期入水温度相关因素之间的相似程度；然后基于相似程度的判断结果，利用相关系数计算特征矩阵的相关关系，根据相关系数大小对相似日进行排序，相关系数最大的选定为唯一相似日，其入水温度值作为基准值T′_{基准值，t}；

第二处理单元，其用于基于数据样本集构建修正模型的训练数据集，定义第n日t时刻的实际入水温度为T_nt，确定的相似日的入水温度为T′_nt，则入水温度偏差为ΔT_nt＝T_nt-T′_nt；第n日t时刻第i个相关因素的特征矩阵X(i)_nt和相似日相关因素的特征矩阵X(i)′_nt之间的偏差为ΔX_nt＝X(i)_nt-X(i)′_nt；通过LSTM算法对相关因素偏差ΔX_nt和入水温度偏差ΔT_nt进行建模，相关因素偏差ΔX_nt作为模型的输入，入水温度偏差ΔT_nt作为模型的输出，通过训练样本集得到入水温度偏差预测模型；

第三处理单元，其用于根据预测日前一天的相关因素的特征矩阵X(i)_nt和确定的相似日的相关因素的特征矩阵X(i)′_nt作为入水温度偏差预测模型的输入，获得入水温度偏差预测模型输出的入水温度偏差ΔT_nt；

预测单元，其用于根据下式对预测日的入水温度进行预测：

T_{预测日，t}＝ΔT_t+T′_{基准值，t}

式中，T_{预测日，t}为预测日的入水温度预测值，ΔT_nt为步骤4获得入水温度偏差，T′_{基准值，t}为步骤2获得的入水温度基准值；以及

预警单元，其用于将预测日的入水温度预测值T_{预测日，t}与设立的多个阈值进行比较，建立量化的阀冷系统处理决策预案，并提供相应的运维策略；

所述相关因素包括日类型、日平均电导率、高位水箱日平均液位、阀厅日平均温度和平均湿度、日平均环境温度和进阀平均压力、日平均直流运行功率、日最大运行功率、日最小运行功率；

计算各特征矩阵的距离采用灰色关联系数法，所述灰色关联系数法具体为：

t日运行监测数据构成的特征矩阵可表示为X＝[X₁,X₂,...,X_t]，定义预测日特征向量为X＝[x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉,x₁₀]，对特征数据进行归一化处理，利用灰色关联系数法，预测日和历史日特征向量分量间的关联系数为

x'(k)表示第k个特征向量归一化后的值，为介于0-1的分辨系数；

灰色关联度R_i计算公式为：

利用相关系数计算特征矩阵的相关关系具体为：

采用距离相关系数计算历史日特征向量X(t)与预测日特征向量X之间的相关度，

式中，dcor为相关系数，dCov表示距离协方差，dVar表示协方差。

6.根据权利要求5所述的运维系统，其特征在于，所述日类型包括不同年份的同一天、工作日和周末三种类型，其中，相似日和预测日为不同年份的同一天时，相似日和预测日的相似度为1；相似日和预测日同为工作日或同为周末但不属于不同年份的同一天时，相似度为r₁；相似日和预测日不同属于任何一种类型，则为r₂，且r₂＜r₁。

7.根据权利要求5所述的运维系统，其特征在于，所述多个阈值至少包括数值上逐渐升高的阈值δ₁、阈值δ₂、阈值δ₃，具体地，

若入水温度大于阈值δ₁，

6)检查喷淋泵是否运行正常，若单台故障且正常切换，则记录缺陷并跟踪运行情况；两台均故障试分合空开恢复单台运行；两台均故障，无法恢复单台运行，将冷却塔风扇切至工频运行加大冷却效果；

7)检查冷却塔风扇是否运行正常，若某一冷却塔风扇停运时，可试分合故障风扇电源空开或重启变频器，恢复风扇正常运行；若该冷却塔风扇无法恢复正常运行，温度仍有上升趋势，则立即将运行的风扇切至工频运行；

8)检查外冷水位是否运行正常，立即手动开启外冷水池补水阀门，必要时使用消防水或生活水池水源补水；

9)检查外冷水池水温是否运行正常，若水温偏高，增大泄流阀流出水量，利用移动抽水泵将外冷水池中高温水抽取，作为短期措施可利用消防水从冷却塔上方浇淋循环水管；

10)检查阀厅空调是否运行正常，若双套空调均故障，则立即联系检修处理，恢复空调运行；若空调正常运行，当阀厅温度超过40℃，则采取调节阀门或切换空调系统的方式降低阀厅温度；

若入水温度大于阈值δ₂，则联系冰场进行加冰；

若入水温度大于阈值δ₃，立即向总调降双极功率降至设定数值，若入水温度不再上升，则继续跟踪并采取降温措施，若入水温度仍有上升趋势，则继续向调度申请降功率。

Images