随着检测设备的多样化,各领域的相关数据均呈现出多维化、时序化等特点。时间序列数据与其他数据相比具有连续性、随机性以及周期性等特性。时序数据的这些特性表明了在数据预测方面的可实施性以及预测中的困难性。通过对时间序列数据的分析和预测,既可以挖掘出隐藏在数据内部潜在价值,避免产生数据浪费的现象,提高相关工作效率,又能通过预测数据为将来的工作提供指导和依据。为了能够更好的规避风险,降低运维成本,多维时间序列数据预测与分析技术在电力需求预测、股票走势预测、智能医疗诊断分析、语音识别等方面的研究逐渐得到人们的重视。为了解决能源分布不均衡的现状,高压直流输电技术发展迅速,输电过程中对安全性和稳定性的要求也越来越高。换流站的整流和逆变工作是高压直流输电的重要环节,换流站阀冷系统又是保证换流阀稳定运行的关键。目前对于换流站阀冷系统的多维时序数据的研究分析较少,因此,本文以多维时序数据在运维优化方面的应用为目标,以换流站阀冷系统的实际数据为基础,主要完成了以下工作:(1)数据预处理。通过收集整理换流站阀冷系统的历史数据,分析数据特征,实现了对历史数据中异常数据的识别和修正。对于不能修正的数据和原始数据中的空白数据,进行数据填充。在数据填充方面,采用了基于时间序列滑动窗口思想的最近邻填充算法,在数据填充时充分考虑了数据之间的时间特性与空间特性,提高了缺失数据填充的准确性。(2)多维时间序列数据预测。分析时间序列数据的特性,对比分析时序数据预测的几种不同模型算法,利用长短期记忆网络实现了对换流站阀冷系统时间序列数据的预测。(3)阀冷系统冷却能力计算和故障预测。以换流站阀冷系统的实际数据为基础,分析阀冷系统的功能和构造,将阀冷系统的冷却能力区分为外冷水冷却能力和内冷水冷却能力两部分。在预测数据的基础上,实现了外冷水冷却能力的分析判断以及内冷水冷却能力裕量的计算。同时分析了阀冷系统故障预测的相关流程。