張浪文　鄒培炯

摘要：直流輸電電流轉(zhuǎn)換過程中產(chǎn)生大量的熱量，閥冷系統(tǒng)的作用是對(duì)熱量進(jìn)行及時(shí)消散，以保證系統(tǒng)穩(wěn)定運(yùn)行，是直流輸電工程的核心設(shè)備。膨脹罐是保證閥冷系統(tǒng)壓力穩(wěn)定的關(guān)鍵，提前預(yù)測膨脹罐排氣、補(bǔ)氣閥狀態(tài)能提高系統(tǒng)運(yùn)行效率。膨脹罐液位是反映其狀態(tài)的重要指標(biāo)，該文建立基于隨機(jī)森林算法的閥冷系統(tǒng)膨脹罐液位預(yù)測方法。首先，采集閥冷系統(tǒng)重要參數(shù)數(shù)據(jù)，包括電極功率、環(huán)境溫度、內(nèi)冷進(jìn)（出）閥溫度等，分析關(guān)聯(lián)數(shù)據(jù)對(duì)膨脹罐液位的影響關(guān)系;其次，開發(fā)隨機(jī)森林回歸算法，利用訓(xùn)練集數(shù)據(jù)對(duì)膨脹罐的液位進(jìn)行預(yù)測建模，得到預(yù)測模型;最后，利用測試集數(shù)據(jù)對(duì)所建立的預(yù)測模型進(jìn)行綜合仿真，結(jié)果表明模型預(yù)測數(shù)據(jù)能夠很好地與實(shí)測數(shù)據(jù)擬合，說明該文膨脹罐液位預(yù)測模型的有效性。

關(guān)鍵詞：閥冷系統(tǒng)膨脹罐隨機(jī)森林液位預(yù)測模型

中圖分類號(hào)：TM721.1文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2022）03（b）-0000-00

Liquid Level Prediction Model of Expansion Tank in Valve Cooling System Based on Stochastic Forest Algorithm

ZHANG Langwen? ZOU Peijiong

（Yueyang Goaland Energy Conservation Equipment Manufacturing Co.， Ltd.， Yueyang， HunanProvince， 414000 China）

Abstract： A large amount of heat is generated in the process of DC transmission current conversion. The function of valve cooling system is to dissipate the heat in time to ensure the stable operation of the system. It is the core equipment of DC transmission project.Valve cooling system is the core equipment of DC transmission project. The function is to effectively dissipate the heat in the process of current conversion. Expansion tank is the key to ensure the pressure stability of valve cooling system. Predicting the exhaust and air makeup valve status of expansion tank in advance can improve the operation efficiency of the system. The liquid level of expansion tank is an important index to reflect its state. The liquid level prediction method of expansion tank in valve cooling system based on random forest algorithm is established in this paper. Firstly， important parameter data of valve cooling system is collected， including electrode power， ambient temperature internal cooling inlet （outlet） valve temperature. The influence relationship of the correlation data on the liquid level of the expansion tank is analyzed; Then， a random forest regression algorithm is proposed. A training dataset is used to predict and model the liquid level of the expansion tank. To this end， we get the prediction model; Finally， a test dataset is used to comprehensively simulate the established prediction model. The results show that the model prediction data can fit the measured data well， which shows the effectiveness of the liquid level prediction model of expansion tank in this paper.

Key Words： Valve cooling system; Expansion tank; Random forest; Liquid level; Prediction model

高壓晶閘管換流閥是大型高壓直流輸電系統(tǒng)的關(guān)鍵設(shè)備之一，晶閘管工作過程中會(huì)產(chǎn)生大量熱量，導(dǎo)致閥體過熱，損壞輸電的核心器件。因此，亟需對(duì)器件進(jìn)行散熱，水冷是目前主要采取的降溫方式。水冷系統(tǒng)是換流閥的必要輔助設(shè)備，其作用主要是保證換流閥在安全的溫度下運(yùn)行[1]。水冷系統(tǒng)穩(wěn)定運(yùn)行的核心是氮?dú)夥€(wěn)壓系統(tǒng)，由氮?dú)馄?、氮?dú)夤苈?、膨脹罐等組成。

膨脹罐的作用是緩沖冷卻水因溫度變化而產(chǎn)生的體積變化，保證管路系統(tǒng)的壓力穩(wěn)定[2]。膨脹罐的工作狀態(tài)對(duì)管路的安全穩(wěn)定運(yùn)行具有重要作用，為對(duì)膨脹罐進(jìn)行有效的控制，需要預(yù)測其排氣、補(bǔ)氣閥的工作狀態(tài)，通過閥門的開關(guān)來實(shí)現(xiàn)管路的壓力調(diào)節(jié)，膨脹罐內(nèi)冷卻水的壓力（液位）決定了閥門的開和關(guān)[3]。因此，對(duì)膨脹罐的液位進(jìn)行建模預(yù)測對(duì)高壓直流輸電系統(tǒng)穩(wěn)定運(yùn)行與否十分關(guān)鍵。

目前，由于膨脹罐系統(tǒng)復(fù)雜，直接對(duì)液位或壓力進(jìn)行建模較為困難，因此通常采用數(shù)據(jù)驅(qū)動(dòng)的建模方式。隨機(jī)森林算法是一種通過輸入輸出數(shù)據(jù)進(jìn)行擬合的機(jī)器學(xué)習(xí)方法，得到了較為廣泛的應(yīng)用。劉琴等人針對(duì)斷路器分合閘線圈的故障電流預(yù)測問題，建立了基于隨機(jī)森林算法模型，對(duì)電流進(jìn)行擬合[4]。方晨研究了一種基于隨機(jī)森林回歸算法的無人機(jī)邊坡破損辨識(shí)方法[5]。王仁明等人則在電能直流擾動(dòng)識(shí)別中應(yīng)用了分段改進(jìn)S變換和隨機(jī)森林算法[6]。而針對(duì)變電站計(jì)量裝置全壽命，寇德謙開發(fā)了隨機(jī)森林算法，進(jìn)行計(jì)量裝置管理和評(píng)估[7]。在體育領(lǐng)域，針對(duì)運(yùn)動(dòng)員損傷可能性監(jiān)測，馬東開發(fā)了基于DWT和隨機(jī)森林算法[8]。

在換流站直流運(yùn)行狀態(tài)下，該文建立基于隨機(jī)森林算法的閥冷系統(tǒng)膨脹罐液位預(yù)測模型，基于實(shí)際數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，對(duì)閥冷系統(tǒng)膨脹罐閥門的未來工作狀態(tài)進(jìn)行預(yù)測。

1問題描述

換流站內(nèi)水冷系統(tǒng)通過冷卻介質(zhì)的循環(huán)帶走熱量，循環(huán)回路主要部件包括主循環(huán)泵、換流閥組、脫氣罐、過濾器等;外水冷系統(tǒng)組成包括軟化單元、反滲透處理單元、平衡水池、噴淋泵、高壓泵、工業(yè)泵、鹽池等。主回路中的一部分水將流過水處理回路，包括原水罐、補(bǔ)水泵、膨脹罐和離子交換器等，為避免系統(tǒng)最高點(diǎn)出現(xiàn)真空，導(dǎo)致系統(tǒng)不能正常循環(huán)，必須保證系統(tǒng)最高點(diǎn)壓力為正，因此裝有膨脹罐，膨脹罐與高壓氮?dú)馄客ㄟ^控制閥相連，在膨脹罐中形成高壓氣墊，確保內(nèi)冷水系統(tǒng)的基準(zhǔn)壓力。

控制系統(tǒng)通過監(jiān)控膨脹罐中的水位變化來判斷內(nèi)冷水系統(tǒng)泄漏的情況，實(shí)際應(yīng)用中，如發(fā)生泄漏才對(duì)系統(tǒng)采取措施往往不能保證事故處理的及時(shí)性，為盡可能減少氮?dú)饫速M(fèi)及防止消缺，需要對(duì)膨脹罐補(bǔ)氣閥、排氣閥的工作狀態(tài)進(jìn)行預(yù)測。

該文研究某換流站閥冷系統(tǒng)膨脹罐水位的隨機(jī)森林預(yù)測，經(jīng)過分析實(shí)測數(shù)據(jù)，將以功率、高端閥廳環(huán)境溫度、高端閥冷內(nèi)冷水進(jìn)閥溫度、高端閥冷內(nèi)冷水出閥溫度為輸入，以高端閥冷膨脹罐的液位為輸出，建立基于隨機(jī)森林算法的液位預(yù)測模型，為現(xiàn)場調(diào)控提供指導(dǎo)。

2基于隨機(jī)森林算法液位預(yù)測建模

隨機(jī)森林是一種集成的學(xué)習(xí)算法，有多顆決策樹組成而成的一個(gè)樹形分類器。通常隨機(jī)森林的構(gòu)建過程有：（1）數(shù)據(jù)集抽取。即抽取每棵樹的測試集，從實(shí)際數(shù)據(jù)集中抽取測試子集，包括放回抽樣和不放回抽樣兩種，該文采用有放回Bootstrap重抽樣法;（2）根據(jù)子測試集構(gòu)建每棵決策樹。決策樹的構(gòu)建主要包括選擇特征變量和結(jié)點(diǎn)分裂兩個(gè)步驟;（3）組合所有決策樹，構(gòu)建隨機(jī)森林模型。

給定輸入變量X與獨(dú)立同分布隨機(jī)變量 ，隨機(jī)森林預(yù)測器可表示為h（X，θ），根據(jù)不同的隨機(jī)變量 確定多顆決策樹，通過加權(quán)平均輸出結(jié)果得到預(yù)測結(jié)果。假設(shè)待測試的輸入（ ）輸出變量（ ）是獨(dú)立分布的，每個(gè)預(yù)測器的平均泛化誤差定義為EX，Y[Y-h（X）]2。

隨機(jī)森林是通過關(guān)于樹個(gè)數(shù) 的預(yù)測器[h（Xk，θ）]取平均值得到，當(dāng)樹的個(gè)數(shù) 趨向無窮時(shí)，得到EX，Y[Y-ak（Xk，θ）]2→EX，Y[Y-Eθ（Xk，θ）]2，其中ak（Xk，θ）為預(yù)測器[h（Xk，θ）]的平均值，每一顆決策樹的平均泛化誤差值為：

隨機(jī)森林的泛化誤差表示為：

公式（2）的右邊部分是收斂的，可以表示為 ，其中 ， 相互獨(dú)立 和 的相關(guān)系數(shù)，定義殘差 和 之間的加權(quán)相關(guān)系數(shù)為：

那么得到 ，如果對(duì)于所有 ，有 ，進(jìn)而得到：

由（4）可以看出隨機(jī)森林的回歸預(yù)測精度得到提高，通過引入隨機(jī)變量 和 ，與樹的泛化誤差相比，隨機(jī)森林的泛化誤差下降了 倍。該文使用袋外數(shù)據(jù)估計(jì)模型的性能。

隨機(jī)森林回歸算法的步驟具體如下。

第一，從數(shù)據(jù)集中抽取 組訓(xùn)練樣本數(shù)據(jù)，未被抽取到的 組數(shù)據(jù)作為 個(gè)袋外數(shù)據(jù)集。

第二，對(duì)抽取到的樣本集生成回歸樹，從 個(gè)特征集中隨機(jī)抽樣 個(gè)特征，從中選擇最優(yōu)分支進(jìn)行生長，訓(xùn)練得到回歸決策樹的個(gè)數(shù) 和隨機(jī)選擇特征變量的數(shù)目 ，通常有： ;

第三，將 棵決策樹的預(yù)測結(jié)果取平均，即為最終預(yù)測值。

上述完成了隨機(jī)森林算法模型的構(gòu)建，下一步將此模型應(yīng)用到閥冷系統(tǒng)膨脹罐液位預(yù)測模型測試。

3閥冷系統(tǒng)膨脹罐液位預(yù)測模型測試

根據(jù)閥冷系統(tǒng)膨脹罐實(shí)測數(shù)據(jù)，將以功率、高端閥廳環(huán)境溫度、高端閥冷內(nèi)冷水進(jìn)閥溫度、高端閥冷內(nèi)冷水出閥溫度為輸入，以高端閥冷膨脹罐的液位為輸出，構(gòu)建關(guān)于膨脹罐液位隨機(jī)森林算法模型。本文使用均方誤差（Mean Squared Error， MSE）來定量的分析比較本文所建立的隨機(jī)森林閥冷系統(tǒng)膨脹罐液位的預(yù)測精度，來評(píng)價(jià)預(yù)測結(jié)果， 的定義如下：

式（7）中， 代表選取的樣本總數(shù)， 為的預(yù)測模型的輸出值（即預(yù)測值），? 為閥冷系統(tǒng)膨脹罐的液位的測量值。如果建立的模型越準(zhǔn)確，MSE的數(shù)值將越小。

隨機(jī)森林算法需要調(diào)整的參數(shù)少，通過數(shù)據(jù)訓(xùn)練得到預(yù)測模型后，可獲得特征的重要性程度。隨機(jī)森林模型需要給定決策樹數(shù)量和每棵樹的特征量，圖1為誤差比率和決策樹數(shù)量的關(guān)系，可知模型誤差比率隨著決策樹數(shù)量的增加而變小，從中可以選擇合適的決策樹數(shù)量。

圖2給出了訓(xùn)練集對(duì)比圖，圖3展示了測試集對(duì)比圖，結(jié)果顯示，無論是訓(xùn)練集和是測試集，該文建立的隨機(jī)森林算法模型輸出均能夠很好地?cái)M合實(shí)際液位測量;訓(xùn)練集得到的均方誤差MSE=0.003184，測試集的均方誤差MSE=0.003283，驗(yàn)證說明了隨機(jī)森林模型預(yù)測結(jié)果的準(zhǔn)確性。圖4是以實(shí)測數(shù)據(jù)為橫坐標(biāo)，預(yù)測數(shù)據(jù)為縱坐標(biāo)，建立的y=x擬合圖，可以看出，訓(xùn)練集和測試集的數(shù)據(jù)都在斜率為1的直線左右分布，說明模型能夠較好地?cái)M合實(shí)測輸出。

4結(jié)語

該文研究基于隨機(jī)森林算法的閥冷系統(tǒng)膨脹罐液位預(yù)測方法，采集閥冷系統(tǒng)重要參數(shù)數(shù)據(jù)，開發(fā)隨機(jī)森林回歸算法，利用訓(xùn)練集數(shù)據(jù)對(duì)膨脹罐的液位進(jìn)行預(yù)測建模，得到預(yù)測模型，結(jié)果表明模型預(yù)測數(shù)據(jù)能夠較好地?cái)M合實(shí)測數(shù)據(jù)，說明該文膨脹罐液位預(yù)測模型的有效性，對(duì)閥冷系統(tǒng)安全穩(wěn)定運(yùn)行具有一定的參考意義。

參考文獻(xiàn)

[1]賴桂森，雷慶山，梁家豪，等.換流站閥冷系統(tǒng)壓力的滑動(dòng)窗口LS-SVM預(yù)測模型[J].電子技術(shù)與軟件工程，2020（19）：147-149.

[2]賴皓，雷慶山，尹海濤.換流站閥冷系統(tǒng)冷卻水進(jìn)閥溫度預(yù)測方法研究[J].電工技術(shù)，2021（12 ）：21-22，179.

[3]賴桂森，吳安兵，李劍芳，等.基于電去離子技術(shù)在換流站冷卻系統(tǒng)中的應(yīng)用[J].廣東化工，2020，47（22）：62-63.

[4]劉芹，彭在興，王頌，等.基于隨機(jī)森林算法的斷路器分合閘線圈故障電流曲線識(shí)別[J].高壓電器，2019，55（7）：93-100.

[5]方晨曦.基于隨機(jī)森林算法與無人機(jī)在邊坡破損辨識(shí)中的應(yīng)用[J].福建交通科技，2020（1 ）：30-34.

[6]王仁明，汪宏陽，張赟寧，等.基于分段改進(jìn)S變換和隨機(jī)森林的復(fù)合電能質(zhì)量擾動(dòng)識(shí)別方法[J].電力系統(tǒng)保護(hù)與控制，2020，48（7）：19-28.

[7]寇德謙.基于隨機(jī)森林算法管理和評(píng)估變電站計(jì)量裝置全壽命[J].計(jì)算技術(shù)與自動(dòng)化，2020，39（4）：106-111.

[8]馬東.基于DWT和隨機(jī)森林算法的運(yùn)動(dòng)員損傷可能性監(jiān)測系統(tǒng)研究[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào)，2020，36（4）：33-38.

作者簡介：張浪文（1986—），男，博士，助理研究員，研究方向?yàn)榇髷?shù)據(jù)建模與分析。

通信作者：鄒培炯（1983—），男，碩士，高級(jí)工程師，研究方向?yàn)闄C(jī)械制造工藝與設(shè)備，E-mail：zoupj@goaland.com.cn