Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp

Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp

TỔNG QUAN

Giới thiệu

Năng lượng điện ngày càng trở nên phổ biến và chiếm tỷ trọng lớn trong tổng sản lượng năng lượng toàn cầu Ưu điểm của điện năng bao gồm khả năng chuyển đổi thành các dạng năng lượng khác, tính di động và hiệu suất cao Tuy nhiên, điện năng không thể tích trữ, vì vậy quá trình sản xuất và sử dụng điện phải diễn ra đồng thời qua hệ thống truyền tải Việt Nam, với nhu cầu điện năng ngày càng cao, đặc biệt trong ngành công nghiệp, đã ghi nhận tốc độ tăng trưởng sản lượng điện thương phẩm lên tới 10,84% trong giai đoạn 2011-2015 Năm 2015, tổng sản lượng điện thương phẩm đạt 143,7 tỷ kWh, và trong 10 tháng đầu năm 2016, con số này là 132,6 tỷ kWh, tăng 11,34% so với cùng kỳ năm trước Tuy nhiên, sự gia tăng này đã khiến cho hệ thống truyền tải điện hoạt động gần đến giới hạn, dẫn đến nguy cơ mất điện và nhiễu loạn trong trường hợp xảy ra sự cố nghiêm trọng Để đáp ứng nhu cầu năng lượng cao, hệ thống điện hiện đang hoạt động ở mức tải tối đa, làm giảm khả năng dự trữ và ổn định lợi nhuận.

Các sự cố nghiêm trọng trong hệ thống điện thường liên quan đến việc mất một máy phát điện hoặc sự thay đổi đột ngột về tải Những nhiễu loạn này có thể làm thay đổi cường độ điện, dẫn đến mất ổn định hệ thống Chẳng hạn, khi một phụ tải công nghiệp lớn được kết nối đột ngột, hệ thống điện có thể trở nên không ổn định.

HVTH: HUỲNH VĂN NUÔI 2 Điều này dẫn đến cần thiết để nghiên cứu hệ thống và theo dõi nó để ngăn chặn hệ thống trở nên mất ổn định

Giải pháp sa thải phụ tải là phương pháp hiệu quả để duy trì sự ổn định của hệ thống điện và tái lập giá trị tần số trong các tình huống khẩn cấp Việc sa thải nhanh chóng và hợp lý mức công suất là cần thiết để giảm thiệt hại do mất điện.

Tổng quan các công trình nghiên cứu

Có nhiều phương pháp để sa thải phụ tải và phục hồi hệ thống cung cấp điện đã được nghiên cứu và áp dụng rộng rãi Hầu hết các phương pháp này dựa trên sự suy giảm tần số trong hệ thống Tuy nhiên, việc chỉ xem xét yếu tố tần số trong một số trường hợp có thể dẫn đến hiệu quả kém.

Sa thải tải quá mức không phù hợp với ngành điện, vì nó gây ra mất điện và giảm độ tin cậy cung cấp điện cho khách hàng Những cải tiến trong các phương pháp truyền thống đã dẫn đến sự phát triển của kỹ thuật sa thải phụ tải dựa trên tần số và tốc độ thay đổi của tần số Điều này giúp nâng cao độ chính xác và cải thiện khả năng dự đoán lượng phụ tải cần sa thải.

Để đảm bảo tính chính xác của dữ liệu trong chương trình sa thải tải, cần lựa chọn thiết bị thu thập dữ liệu hệ thống phù hợp Việc sử dụng các bộ phận đo lường pha là cần thiết để thu thập dữ liệu thời gian thực, giúp phản ánh đúng các giá trị thực tế.

1.2.1 Các công trình nghiên cứu trong và ngoài nước

1 Luận văn ThS Nguyễn Trọng Tín: Nghiên cứu sa thải phụ tải nhưng chỉ xét đến các yếu tố điều kiển sơ cấp (điều khiển và phản ứng bộ điều tốc), không có xét đến các yếu tố điều khiển thứ cấp; đề tài thể hiện chiến lược sa thải phụ tải dựa trên df/dt, chưa sử dụng mạng Nơ ron;

2 Luận văn ThS Đỗ Hữu Kiệt: nghiên cứu đề xuất chương trình sa thải phụ tải có xét đến tầm quan trọng và vị trí của phụ tải, chi phí phụ tải, và các điều kiện ràng

HVTH: HUỲNH VĂN NUÔI 3 áp dụng thuật toán phân tích hệ thống phân cấp AHP kết hợp với Fuzzy Logic để xử lý số liệu, mà không sử dụng mạng Nơ ron.

3 Luận văn ThS Mai Ngọc Nhẫn nghiên cứu và đề xuất mô hình: “Nghiên cứu sa thải phụ tải áp dụng mạng nơron và thuật toán AHP” để sa thải phụ tải nhằm đảm bảo duy trì ổn định động hệ thống điện khi xuất hiện sự cố ngắn mạch trên cơ sở phối hợp áp dụng giải thuật công nghệ tri thức: K-means, mạng nơ ron và giải thuật AHP

1 Junjie Tang, Junqi Liu [8] đã đề xuất trong bài báo này một thuật toán sa thải thích ứng tập trung, thích ứng mới, sử dụng cả thông tin điện áp và tần số được cung cấp bởi các bộ đo đồng bộ pha (PMU) Đóng góp chính của phương pháp mới là việc xem xét công suất phản kháng cùng với công suất hoạt động trong chiến lược sa thải tải Do đó, phương pháp này giải quyết các vấn đề ổn định tần số và điện áp kết hợp tốt hơn các phương pháp tiếp cận độc lập

2 Alireza Saffarian và Majid Sanaye-Pasand, [9] đề xuất ba phương pháp sa thải tải hỗn hợp thích nghi được đề xuất để cải thiện hoạt động của chương trình sa thải tải theo tần số thấp để tăng cường sự ổn định của hệ thống điện sau các rối loạn nghiêm trọng Các phương pháp được đề xuất sử dụng tín hiệu điện áp và tần số đo tại chỗ để chống lại các sự kiện đó Trong các thuật toán được đề xuất, tải đổ được bắt đầu từ các vị trí có phân rã điện áp cao hơn trong khoảng thời gian dài hơn Tốc độ, vị trí và lượng tải đổ được thay đổi một cách thích nghi tùy thuộc vào vị trí nhiễu, trạng thái điện áp của hệ thống và tốc độ giảm tần số Hoạt động của quy ước và đề xuất tải phương pháp đổ đã được mô phỏng trong một mạng thực tế lớn

3 A.P Ghaleh, M Sanaye-Pasand, A Saffarian [10], đã đề xuất một phương pháp sa thải tải mới để tăng tính bảo mật của hệ thống điện trong các nhiễu loạn lớn Phương pháp được đề xuất sử dụng tín hiệu điện áp và tần số đo tại chỗ và không cần bất kỳ liên kết truyền thông nào Hiệu quả của sơ đồ truyền thống và phương pháp sa thải được đề xuất sử dụng các tiêu chuẩn cắt khác nhau đã được mô phỏng trong hai hệ thống thử nghiệm: một mạng lớn thực sự và một hệ thống kiểm tra tiêu chuẩn

4 H Bevrani và các cộng sự, 2009 [16], đã nghiên cứu việc sử dụng tốc độ thay đổi tần số df/dt trong các sơ đồ điều khiển khẩn cấp hệ thống điện Bài báo thảo luận vài trò của df/dt trong hiệu quả thiết kế sa thải phụ tải dưới tần số, cũng như phân tích tác động của các nguồn năng lượng tái tạo (gió, mặt trời) lên độ dốc tần số hệ thống Tác giả đã nhấn mạnh việc sử dụng ∆f/∆t là tốt hơn df/dt

Các nghiên cứu về sa thải phụ tải trước đây chưa sử dụng phương pháp sa thải phụ tải dựa trên mạng nơ-ron kép lan truyền ngược-hồi quy kết hợp với khoảng cách điện theo điện áp.

1.2.2 Điều khiển tần số trong hệ thống điện Việt Nam

Quy định điều khiển tần số trong hệ thống điện Việt Nam như sau [2]:

Hệ thống điện Quốc gia cần duy trì tần số ổn định ở mức 50Hz, với mức chênh lệch cho phép là ± 0,2Hz Trong trường hợp hệ thống chưa ổn định, mức chênh lệch cho phép có thể tăng lên ± 0,5Hz.

Tất cả các tổ máy phát trong hệ thống điện Việt Nam đều được thiết lập với độ dốc điều chỉnh 4%, giúp phân bổ phụ tải theo khả năng phát điện của từng tổ máy Điều chỉnh tần số trong hệ thống điện được chia thành ba cấp độ.

Điều tần cấp I là chức năng của hệ thống tự động điều khiển phát điện (AGC), có nhiệm vụ duy trì tần số ổn định ở mức 50Hz, với biên độ dao động cho phép là ± 0,2 Hz.

Tính cấp thiết của đề tài

Hệ thống điện ngày càng mở rộng và phức tạp, dẫn đến việc phân tích và đánh giá trạng thái hệ thống theo các phương pháp truyền thống trở nên tốn thời gian Điều này gây ra sự chậm trễ trong việc ra quyết định khi xảy ra sự cố.

Một số sự cố trong và ngoài nước:

Trong những năm gần đây, Việt Nam đã trải qua nhiều sự cố mất điện trên diện rộng, với thời gian mất điện kéo dài và gây thiệt hại lớn cho nền kinh tế Một sự cố đáng chú ý xảy ra vào lúc 14 giờ ngày 22 tháng 5 năm 2013 trên đường dây 500kV Di Linh.

Trong quá trình truyền tải công suất cao, Tân Định đã làm mất liên kết hệ thống điện 500kV Bắc - Nam, dẫn đến việc tất cả các tổ máy phát điện trong hệ thống điện miền Nam đều ngừng hoạt động, gây ra tình trạng mất điện toàn bộ tại miền Nam với tổng công suất khoảng 9400 MW Thiệt hại ước tính cho ngành điện lên tới khoảng 14 tỷ đồng, và sự cố này còn ảnh hưởng đến cấp điện cho quốc gia láng giềng Campuchia.

Vào ngày 18 tháng 08 năm 2005, Indonesia đã trải qua sự cố mất điện nghiêm trọng do hư hỏng đường dây truyền tải, dẫn đến việc mất điện trên hai đảo lớn là Java và Bali.

Vào ngày 10 tháng 11 năm 2009, sự cố mất điện nghiêm trọng xảy ra tại thủ đô Jakarta, ảnh hưởng đến khoảng 100 triệu người, dẫn đến việc Tập đoàn Điện lực nhà nước phải đưa ra lời xin lỗi chính thức và cam kết bồi thường cho 293.235 khách hàng bị ảnh hưởng Tương tự, tại Brazil và Paraguay, một sự cố do ngắn mạch trên 3 máy biến áp của đường dây cao áp đã khiến 18 trên 26 bang của Brazil mất điện, buộc Bộ trưởng Năng lượng Brazil phải ra điều trần trước Quốc hội.

Các nhiễu loạn trong hệ thống điện, thường xảy ra do sự cố của máy phát điện hoặc thay đổi đột ngột về tải, có thể làm thay đổi cường độ và gây mất ổn định cho hệ thống Chẳng hạn, khi một phụ tải công nghiệp lớn được kết nối đột ngột, hệ thống có thể gặp phải tình trạng không ổn định Do đó, việc nghiên cứu và theo dõi hệ thống là cần thiết để ngăn chặn tình trạng mất ổn định này.

Điện áp và tần số hệ thống là hai thông số quan trọng cần theo dõi Cả điện áp và tần số tại các thanh góp phải được duy trì trong giới hạn quy định Tần số chủ yếu bị ảnh hưởng bởi công suất tác dụng, trong khi điện áp lại bị tác động chủ yếu bởi công suất phản kháng.

Tần số hệ thống điện bị ảnh hưởng bởi sự chênh lệch giữa công suất phát và nhu cầu phụ tải, thường do nhiễu loạn gây ra Khi xảy ra sự cố mất một máy phát điện, khả năng phát điện giảm trong khi nhu cầu phụ tải có thể không đổi hoặc gia tăng Nếu không có máy phát điện dự phòng đủ công suất, tần số hệ thống sẽ bắt đầu giảm Để khôi phục tần số về mức định mức, cần áp dụng chương trình sa thải tải cho hệ thống.

Nhu cầu công suất phản kháng của phụ tải có ảnh hưởng lớn đến biên độ điện áp tại thanh góp Khi hệ thống điện không đáp ứng đủ công suất phản kháng, điện áp sẽ trở nên mất ổn định Để khắc phục tình trạng này, các bộ tụ bù được kết nối vào lưới nhằm cung cấp công suất phản kháng cần thiết Tuy nhiên, nếu các bộ tụ bù không thể phục hồi điện áp trong giới hạn cho phép, hệ thống sẽ phải thực hiện việc sa thải tải.

Sau sự cố, hệ thống điện cần trở về trạng thái ban đầu mà không gây ra sự sụp đổ, điều này đòi hỏi việc phục hồi phụ tải một cách có hệ thống Trong tình huống sự cố kéo dài, việc sa thải phụ tải tối ưu phải xem xét các yếu tố kinh tế và tầm quan trọng của từng phụ tải để duy trì sự ổn định của hệ thống điện Giải pháp sa thải phụ tải là một phương pháp mạnh mẽ và hiệu quả trong các tình huống khẩn cấp, với yêu cầu sa thải nhanh chóng và hợp lý để phục hồi sự ổn định Tuy nhiên, hệ thống tự động sa thải phụ tải hiện tại chưa đáp ứng kịp thời và hiệu quả Do đó, việc phát triển phương pháp đánh giá nhanh tình huống sự cố và ra quyết định kịp thời là rất cần thiết để duy trì hoạt động bền vững của hệ thống điện, đảm bảo các tiêu chí kinh tế - kỹ thuật Luận văn “Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp” sẽ đáp ứng những yêu cầu này.

Mục tiêu nghiên cứu

✓ Tính toán khoảng cách điện theo điện áp giữa các nút nhằm tìm ra chiến lược ưu tiên sa thải phụ tải;

Xây dựng mạng nơ-ron kép giúp nhận diện sự cố và đưa ra quyết định về sa phụ thải, đồng thời cắt tải một cách hợp lý Phương pháp này không chỉ đảm bảo phục hồi ổn định cho hệ thống điện mà còn rút ngắn thời gian phục hồi tần số so với các phương pháp truyền thống.

Mô hình sa thải phụ tải được đề xuất đã được đánh giá hiệu quả thông qua thử nghiệm trên hệ thống điện IEEE 39 nút, đặc biệt khi xảy ra các sự cố mất máy phát Phương pháp mô phỏng với sự hỗ trợ của phần mềm PowerWorld đã được áp dụng để phân tích và đưa ra kết quả chính xác về khả năng hoạt động của hệ thống trong các tình huống khẩn cấp này.

Phạm vi nghiên cứu

Nghiên cứu này đề xuất một công cụ sa thải phụ tải dựa trên việc áp dụng mạng nơ-ron kép lan truyền ngược-hồi quy kết hợp với khoảng cách điện theo điện áp Công cụ này nhằm tối ưu hóa việc quản lý phụ tải điện, nâng cao hiệu quả sử dụng năng lượng và giảm thiểu rủi ro trong hệ thống điện.

Phương pháp nghiên cứu

✓ Phương pháp tham khảo tài liệu

✓ Phương pháp sa thải phụ tải dựa trên khoảng cách điện theo điện áp

✓ Phương pháp phân tích và tổng hợp

✓ Phương pháp mô hình hóa mô phỏng.

Điểm mới của đề tài

Nghiên cứu này đề xuất một công cụ sa thải phụ tải mới, áp dụng mạng nơ-ron kép lan truyền ngược-hồi quy kết hợp với khoảng cách điện theo điện áp Phương pháp này giúp giảm khối lượng sa thải phụ tải và rút ngắn thời gian phục hồi tần số, mang lại hiệu quả vượt trội so với các phương pháp sa thải phụ tải truyền thống.

Nội dung đề tài

✓ Chương 2 Cơ sở lý thuyết

✓ Chương 3 Phương pháp sa thải phụ tải đề xuất

✓ Chương 4 Thực nghiệm trên sơ đồ điện chuẩn

✓ Chương 5 Kết luận & hướng nghiên cứu phát triển

CƠ SỞ LÝ THUYẾT

Khoảng cách điện theo điện áp

Khoảng cách điện áp giữa hai nút i và j được tính toán theo biểu thức sau:

D(i, j) = D(j, i) = −Log(α ij ∗ 𝛼 𝑗𝑖 ) (2.1) Ở đây: α ij = (𝛿𝑉 𝑖 ⁄𝛿𝑄 𝑗 ) (𝛿𝑉⁄ 𝑗 ⁄𝛿𝑄 𝑗 ); α ij được trích xuất từ ma trận Jacobian J 4  1 α ji = (𝛿𝑉 𝑖 ⁄𝛿𝑄 𝑗 ) (𝛿𝑉⁄ 𝑖 ⁄𝛿𝑄 𝑖 ); α 𝑗𝑖 được trích xuất từ ma trận Jacobian J 4  1

2.1.2 Ý nghĩa Độ suy giảm điện áp tại nút i khi xảy ra nhiễu loạn tại nút j:

∆V i = α ij ∗ ∆V j (2.2) Khoảng cách giữa 2 nút i, j là:

Khoảng cách giữa hai nút i và j được xác định bởi công thức D(i, j) = D(j, i) = −Log(α ij ∗ 𝛼 𝑗𝑖 ) Khi D(i,j) nhỏ, tức là α ij lớn, cho thấy sự gần gũi giữa hai nút Ngược lại, nếu α ij tăng, độ suy giảm điện áp tại nút i do nhiễu loạn tại nút j cũng sẽ tăng theo.

Hình 2.1 Thứ tự sa thải ưu tiên theo khoảng cách điện theo điện áp

Khi xảy ra sự cố mất máy phát, biên độ dao động điện áp tại các nút gần sự cố sẽ tăng cao, dẫn đến sự suy giảm điện áp tại những nút lân cận cũng gia tăng, gây ra hiện tượng sa thải.

HVTH: HUỲNH VĂN NUÔI 17 những nút tải có khoảng cách gần nhất hay sự suy giảm điện áp lớn nhất (bus yếu hơn khi xảy ra sự cố).

Mạng nơ-ron

Mạng nơron nhân tạo (Artificial Neural Network- ANN) là hệ thống:

✓ Được xây dựng dựa trên nguyên tắc cấu tạo của bộ não người;

Các bài toán tối ưu, phân loại, so sánh, tự tổ chức và điều khiển đối tượng có thể được thực hiện hiệu quả hơn khi áp dụng các phương pháp hiện đại so với các phương pháp truyền thống.

✓ Có một số lượng lớn mối liên kết của các phần tử biến đổi có liên kết song song;

Công nghệ AI hiện đại có khả năng tự học hỏi và tự điều chỉnh tương tự như bộ não con người, cho phép nó thích ứng với những thay đổi bất ngờ từ đối tượng điều khiển Thêm vào đó, AI còn có khả năng tổng hợp thông tin từ quá trình luyện tập với các tập mẫu dữ liệu, nâng cao hiệu suất và độ chính xác trong các nhiệm vụ mà nó thực hiện.

Các phần tử biến đổi của mạng nơron nhân tạo được gọi là các nơron nhân tạo hoặc gọi tắt là nơron

2.2.2 Các thành phần chính chính của mạng nơ-ron

1 Mô hình toán của nơ-ron

Mô hình toán của mạng nơ ron được đề xuất bởi Mc Culloch và Pitts vào năm

Mô hình mạng MP, được phát triển vào năm 1943, cho phép phần tử xử lý thứ j tính tổng trọng lượng của các đầu vào Đầu ra yj của phần tử này sẽ là 1 (bắn) nếu tổng trọng lượng đầu vào vượt quá giá trị ngưỡng θj, hoặc 0 (không bắn) nếu không đạt ngưỡng.

Y 𝑗 (t + 1) = f(∑ (𝑊 𝐼 𝑖=1 𝑖𝑗 𝑋 𝑗 (𝑡) − 𝜃 𝑖 )) (2.4) Trong đó, hàm tác động f(net) là hàm bước nhảy (unit step):

Trọng lượng Wij trong mạng nơ-ron biểu diễn cường độ của kết nối giữa nơ-ron nguồn thứ i và nơ-ron đích thứ j Trọng lượng dương cho thấy sự kích thích của đường dẫn synapse (excitatory synapse), trong khi trọng lượng âm chỉ ra sự ức chế Nếu giá trị net lớn hơn hoặc bằng 0, kết nối được xem là kích thích, ngược lại, nếu giá trị net nhỏ hơn 0, kết nối sẽ là ức chế.

HVTH: HUỲNH VĂN NUÔI 18 tương ứng với ngăn cản kích thích synapse (inhibilitory synapse) Nếu wij = 0 thì không có sự kết nối giữa chúng

Hình 2.2 Mô hình các phần tử của mạng nơ-ron

2 Cấu trúc mạng nơ-ron

Các mạng nơ-ron nhân tạo có thể được phân loại dựa trên các tính chất: a Theo số lớp

✓ Mạng một lớp: mạng chỉ gồm một lớp xuất và không có lớp ẩn

Hình 2.3 Cấu trúc mạng nơ-ron một lớp

Mạng nhiều lớp là một cấu trúc mạng bao gồm nhiều nơ-ron được kết nối, được chia thành ba lớp chính: Lớp ngõ vào (Input Layer), Lớp ẩn (Hidden Layer) và Lớp ngõ ra (Output Layer).

PE (Phần tử xử lý) Wi2

Hình 2.4 Cấu trúc mạng nơ-ron nhiều lớp b Theo cấu trúc:

✓ Mạng truyền thẳng (mạng nuôi tiến): các tín hiệu trong mạng chỉ truyền theo một chiều từ ngõ vào đến ngõ ra

Mạng truyền thẳng một lớp (Single Layer Feed Forward Network) là loại mạng nơron bao gồm các phần tử xử lý cùng mức, trong đó mỗi phần tử thứ j được kết nối với các đầu vào x1, x2,…, xI thông qua các hệ số trọng lượng w11, w21,…, wIj Đầu ra của mỗi phần tử được xác định dựa trên các kết nối này, như mô tả trong Hình 2.5.

Hình 2.5 Cấu trúc mạng truyền thẳng một lớp

+ Mạng truyền thẳng nhiều lớp ( Multi layer feedforward network):

Mạng nơ-ron bao gồm các nơ-ron ngõ vào nhận tín hiệu đầu vào, mỗi nơ-ron chỉ có một tín hiệu Các nơ-ron lớp ẩn kết nối với tất cả nơ-ron ở lớp vào và lớp ra, trong khi nơ-ron ở lớp ra nhận tín hiệu từ tất cả nơ-ron lớp ẩn, tạo thành đầu ra của mạng Mạng nơ-ron có thể có nhiều lớp ẩn, và mỗi nơ-ron chỉ liên hệ với các nơ-ron ở lớp kế tiếp Tất cả các kết nối trong mạng này được xây dựng từ trái sang phải, được gọi là mạng truyền thẳng nhiều lớp (perceptrons).

Hình 2.6 Cấu trúc mạng truyền thẳng nhiều lớp

✓ Mạng hồi quy (mạng nuôi lùi): các tín hiệu hồi tiếp từ ngõ ra trở về ngõ vào

Hình 2.7 Nơ-ron hồi quy

+ Mạng hồi quy một lớp (Single Layer Feedback network):

Hình 2.8 Cấu trúc mạng hồi quy một lớp

+ Mạng hồi quy nhiều lớp (Multi Layer Feedback Network):

Hình 2.9 Cấu trúc mạng hồi quy nhiều lớp 2.2.3 Mạng nơ-ron hồi quy (Generalized Regression Neural Network-GRNN)

Mạng nơ-ron hồi quy tổng quát (Generalized Regression Neural Networks – GRNN) là một biến thể của mạng truyền xuyên tâm (Radial Basis Function Networks –RBFN)

1 Khái niệm về GRNN Đây là một mạng nơ-ron cơ bản, là một công cụ tốt cho phép tính hàm xấp xỉ trong hộp công cụ mô hình hóa Nó dự đoán kết quả đầu ra của một dữ liệu đầu vào nhất định

2 Nguyên lý làm việc của GRNN

Theo nguyên lý cơ bản của mạng nơron, để tự huấn luyện, nó cần dữ liệu huấn luyện có cấu trúc đầu vào và đầu ra Khi mạng nơron được huấn luyện với bộ dữ liệu này và sau đó được cung cấp dữ liệu kiểm tra mới, nó sẽ đưa ra kết quả đầu ra hoặc dự đoán kết quả.

Trong mô hình GRNN, giá trị đầu ra được ước lượng dựa trên trọng số trung bình của các đầu ra từ tập dữ liệu huấn luyện Trọng số này được xác định thông qua khoảng cách Euclid giữa dữ liệu huấn luyện và dữ liệu kiểm tra Cụ thể, nếu khoảng cách lớn, trọng số sẽ giảm xuống, trong khi nếu khoảng cách nhỏ, trọng số sẽ tăng lên, từ đó ảnh hưởng đến mức độ ảnh hưởng của từng đầu ra trong quá trình dự đoán.

3 Cấu trúc mạng nơ-ron GRNN

Hình 2.10 Cấu trúc mạng GRNN [13]

Cấu trúc mạng bao gồm bốn lớp cơ bản : Lớp ngõ vào, Lớp mẫu, Lớp tổng hợp, Lớp ngõ ra

- Lớp ngõ vào: Lớp ngõ vào nạp dữ liệu ngõ vào cho lớp tiếp theo

- Lớp mẫu: Lớp mẫu tính toán khoảng cách Euclide và hàm kích hoạt

Lớp tổng bao gồm hai phần: phần tử số và phần mẫu số Phần tử số chứa kết quả tổng hợp dữ liệu đầu ra từ quá trình huấn luyện và hàm kích hoạt, trong khi mẫu số là tổng của tất cả các hàm kích hoạt Lớp tổng này cung cấp dữ liệu cho cả tử số và mẫu số, phục vụ cho lớp đầu ra kế tiếp.

- Lớp ngõ ra: Lớp ngõ ra chứa một nơ-ron mà tính toán ngõ ra bằng cách chia phần tử số của lớp tổng theo phần mẫu số

GRNN được viết theo phương trình sau:

Trong đó, d i 2  ( x  x i ) ( T x  x i ) Ở đây x là mẫu ngõ vào, xi là mẫu huấn luyện Yi là mẫu ngõ ra, di 2 là khoảng cách Euclidean từ x đến xi

Hàm kích hoạt có thể được hiểu là trọng số của ngõ vào, trong đó giá trị của di 2 thể hiện số lượng mẫu huấn luyện có khả năng ảnh hưởng đến kết quả của một mẫu huấn luyện cụ thể.

Nếu giá trị của di 2 nhỏ, nó sẽ đóng góp nhiều cho đầu ra; ngược lại, nếu giá trị lớn, sự đóng góp cho đầu ra sẽ rất ít.

2 d i e   quyết định rằng trọng số của mẫu huyến luyện sẽ đóng góp bao nhiêu

Nếu di 2 là giá trị nhỏ, biểu thức

2 d i e   sẽ trả về một giá trị tương đối lớn Nếu di 2 là giá trị lớn, biểu thức

2 d i e   sẽ trả về một giá trị tương đối nhỏ Nếu di 2 bằng 0, biểu thức

Khi giá trị 2 d i e   bằng 1, điều này có nghĩa là dữ liệu kiểm tra phù hợp hoàn toàn với mẫu huấn luyện, và kết quả từ dữ liệu kiểm tra sẽ giống hệt như đầu ra của dữ liệu huấn luyện Trong trường hợp này, chỉ có một tham số chưa biết là hằng số lan truyền , có thể được điều chỉnh trong quá trình huấn luyện để đạt được giá trị tối ưu, từ đó giảm thiểu sai số đến mức rất nhỏ.

Quy trình huấn luyện là để tìm ra giá trị tối ưu Thực tiễn tốt nhất là tìm vị trí mà MSE (Mean Squared Error) là tối thiểu

Đầu tiên, chúng ta phân chia toàn bộ mẫu huấn luyện thành hai phần: tập huấn luyện và mẫu kiểm tra Sau đó, áp dụng mạng nơ-ron hồi quy tổng quát (GRNN) lên dữ liệu kiểm tra dựa trên dữ liệu huấn luyện để tính toán sai số bình phương trung bình (MSE) cho những điểm khác nhau Cuối cùng, mục tiêu là tìm giá trị MSE tối thiểu và giá trị tương ứng của nó.

6 Ưu điểm của GRNN Ưu điểm chính của GRNN là tăng tốc quá trình huấn luyện giúp mạng được huấn luyện nhanh hơn [14]

PHƯƠNG PHÁP SA THẢI PHỤ TẢI ĐỀ XUẤT

Xây dựng chương trình sa thải

Luận văn tập trung chủ yếu 3 khía cạnh của việc sa thải phụ tải: thời điểm sa thải, vị trí sa thải và lượng sa thải

Dữ liệu hệ thống sẽ được gửi về trung tâm điều khiển để tiến hành đo tần số Nếu tần số nằm trong khoảng cho phép 59,7Hz đến 60,3Hz, sẽ không có tác động sa thải phụ tải Ngược lại, nếu tần số nằm ngoài khoảng này, chương trình sa thải sẽ được kích hoạt, với mạng nơ-ron kép nhận diện máy phát gặp sự cố và thứ tự sa thải Thời gian tối ưu để thực hiện sa thải sau sự cố được tính toán là 300ms, bao gồm các bước đo lường, truyền và xử lý dữ liệu cũng như tác động trip máy cắt.

✓ Vị trí sa thải phụ tải

Sử dụng khoảng cách điện áp giữa các nút để xác định vị trí sa thải ưu tiên Các nút tải sẽ được sa thải theo thứ tự giảm dần từ nút sự cố máy phát, với các nút gần máy phát hơn sẽ bị sa thải trước.

✓ Lượng sa thải phụ tải

Sau khi xác định danh sách thứ tự sa thải cho từng trường hợp máy phát gặp sự cố, phần mềm PowerWorld được sử dụng để mô phỏng offline quá trình sa thải tải cho từng máy phát ở nhiều mức tải khác nhau, từ 70% đến 120% với tổng cộng 51 mức tải Quá trình sa thải sẽ tiếp tục cho đến khi các giá trị như góc rotor, tần số và điện áp các bus nằm trong giới hạn cho phép Từ đó, lượng sa thải phụ tải cần thiết cho mỗi trường hợp sự cố máy phát được xác định rõ ràng.

Quy trình sa thải phụ tải online đề xuất trình bày ở Hình 3.1

Hình 3.1 Quy trình sa thải phụ tải online đề xuất.

Nhận dạng sự cố theo phương pháp ANN

Do sự phức tạp của hệ thống điện, các phương pháp nhận dạng sự cố truyền thống thường tốn nhiều thời gian, dẫn đến chậm trễ trong quyết định Do đó, việc áp dụng mạng nơ-ron nhân tạo (ANN) giúp cải thiện tốc độ tính toán và hiệu suất trong việc xử lý các vấn đề này.

Để huấn luyện mạng nơ-ron nhân tạo (ANN) hiệu quả, cần sử dụng tập dữ liệu bao gồm các tình huống sự cố đa dạng Các thông số quan trọng đại diện cho từng trường hợp sự cố bao gồm độ thay đổi công suất phát, độ thay đổi công suất tải, độ sụt áp tại các bus, độ thay đổi công suất phân bố trên đường dây và độ thay đổi tần số tại các bus Trong quá trình mô phỏng, cần xem xét nhiều mức tải khác nhau để đảm bảo bao quát các chế độ vận hành Trước khi tiến hành mô phỏng sự cố và phân tích dữ liệu cho mỗi mức tải, các hệ thống cần được kích hoạt.

Thu thập dữ liệu từ hệ thống đo lường

Dữ liệu đưa vào mạng nơ-ron ANN-

1 đã được huấn luyện để nhận dạng sự cố và thứ tự sa thải

Máy phát bị sự cố

Mạng nơ-ron ANN-2 xác định Thứ tự tải sa thải và lượng tải cần sa thải Ổn định tần số

HVTH: HUỲNH VĂN NUÔI thực hiện 30 điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát, đồng thời tối ưu hóa phân bố công suất.

Có hai yếu tố cần quan tâm trong quá trình mô phỏng:

✓ Cơ sở dữ liệu phải bao trùm các trạng thái vận hành và phải biểu thị được một cách đầy đủ những kịch bản sự cố khác nhau;

✓ Cơ sở dữ liệu được tạo ra phải đảm bảo tính khách quan đối với các thông số của hệ thống điện kiểm tra

Việc thực hiện mô phỏng offline nhằm tạo cơ sở dữ liệu là một nhiệm vụ khó khăn và tốn nhiều công sức Quy trình mô phỏng lấy mẫu sử dụng phần mềm PowerWorld được đề xuất qua 5 giai đoạn, như thể hiện trong Hình 3.2.

Hình 3.2 Quy trình mô phỏng lấy mẫu ngõ vào, mẫu ngõ ra

Cài đặt thông số mô hình các phần tử của hệ thống điện

Cài đặt thông số mô hình các hệ thống điều chỉnh tự động

Phân bố tối ưu công suất

Mô phỏng sự cố máy phát, lấy mẫu ngõ vào

Mô phỏng sa thải, lấy mẫu ngõ ra Kết thúc

Giai đoạn 1: Cài đặt các thông số mô hình các phần tử của hệ thống điện

Hình 3.3 Giao diện cài đặt các thông số mô hình các phần tử của hệ thống điện thử nghiệm

Hình 3.4 Quy trình cài đặt các thông số mô hình của các phần tử của hệ thống thử nghiệm

Cài đặt thông số mô hình máy phát điện

Cài đặt thông số thiết bị điều khiển kích từ Stability  Exciters

Cài đặt thông số thiết bị điều chỉnh tần số

Cài đặt công suất định mức, công suất Pmax,

Pmin máy phát, điện áp đầu cực máy phát

Cài đặt công suất định mức tải

Cài đặt thông số đầu phân áp máy biến áp

Giai đoạn 2: Kích hoạt các mô hình, các hệ thống điều chỉnh tự động trong hệ thống điện

Hình 3.5 Quy trình kích hoạt các mô hình của hệ thống điện thử nghiệm

Kích hoạt tự động điều chỉnh công suất phát (Available for AGC)

Kích hoạt giới hạn công suất phát (Enforce MW limits)

Kích hoạt điều chỉnh điện áp tự động (Available for AVR)

Kích hoạt vận hành kinh tế ban đầu (If AGCable)

Kích hoạt mô hình máy phát điện (GENPWTwoAxis)

Kích hoạt thiết bị điều khiển kích từ (IEEET1)

Kích hoạt thiết bị điều chỉnh tần số (TGOV1) Giai đoạn 3

Giai đoạn 3: Tính toán phân bố tối ưu công suất (OPF)

Hình 3.6 Tính phân bố tối ưu công suất trong hệ thống điện thử nghiệm

Load công suất tải Load công suất máy phát

AGC = NO AVR = YES Cost = None

Run Mode  Tools  Solves  Single Solution

Run Mode  Tools  Solves  Reset to Flat Start

Tính phân bố công suất

AGC status = OPF Includes Marginal Losses = YES

AGC = YES Cost Model = Cubic

Add Ons  Frimal LP Chạy phân bố công suất tối ưu

Giai đoạn 4: Mô phỏng sự cố, lấy mẫu ngõ vào

Hình 3.7 Giao diện thực hiện chạy mô phỏng sự cố, lấy mẫu ngõ vào

Hình 3.8 Mô phỏng sự cố, quá trình lấy mẫu ngõ vào mạng nơ-ron

Cài đặt bước thời gian Time Step = 0.5 Cycles

Cài đặt tần số Over Speed = 62.40 Hz Under Speed = 57,60 Hz

Cài đặt góc rotor Absolute Angle Deviation = 180 deg

Field Voltage = YES Field Current = YES

Cài đặt biến hệ thống Result Storage  Store to RAM Options

Chọn máy phát bị sự cố

Cài đặt thời gian sự cố xảy ra

Chạy ổn định quá độ Run Transient Stability

Lấy mẫu ( ngõ vào nơ-ron)

∆𝑃 𝑓𝑙𝑜𝑤 sau thời gian sự cố 1 Time step

Giai đoạn 5: Mô phỏng sa thải, lấy mẫu ngõ ra

Hình 3.9 Quy trình mô phỏng sa thải, lấy mẫu ngõ ra

Chọn tải sa thải gần bus sự cố nhất

Cài đặt thời gian sa thải sau sự cố 0.3s

Chạy ổn định quá độ Run Transient Stability

Tính khoảng cách theo điện áp D

Lấy mẫu (ngõ ra nơ-ron) gồm số lượng sa thải và máy phát bị sự cố Đúng

Hình 3.10 Dữ liệu đầu vào của mạng nơ-ron

Sau khi tạo ra tập dữ liệu, nó sẽ được đưa vào hai nơ-ron học song song để huấn luyện thành một mạng nơ-ron kép, nhằm nhận dạng và đề xuất phương pháp xử lý hiệu quả.

Hình 3.11 Sơ đồ khối quá trình huấn luyện và sử dụng mạng nơ-ron kép.

THỰC NGHIỆM TRÊN SƠ ĐỒ ĐIỆN CHUẨN

Mô tả hệ thống điện IEEE 10 máy 39 bus (New England)

Hệ thống điện IEEE 10 máy 39 bus (New England) đại diện cho các hệ thống con của khu vực đông bắc Hoa Kỳ và Canada, bao gồm 39 bus, trong đó có 10 bus máy phát, 12 máy biến áp, 34 đường dây truyền tải và 19 tải Sơ đồ chi tiết của hệ thống này được trình bày trong Hình 4.1.

Hệ thống điện bao gồm 10 máy phát kết nối từ bus 30 đến 39, trong đó bus 31 được xem là bus cân bằng (Bus slack), còn 9 bus còn lại được gọi là bus phát (Bus PV) 29 bus còn lại được phân loại là bus tải (Bus PQ) Tất cả các thông số của hệ thống này được biểu diễn trong hệ đơn vị tương đối với công suất cơ bản Sb0MVA, trong khi công suất của máy phát được tính bằng đơn vị MW.

Mô hình máy phát điện trong hệ thống điện sử dụng loại GENPWTwoAxis, trong khi hệ thống điều khiển kích từ áp dụng loại IEEET1 Đối với hệ thống điều khiển tần số, loại TGVO1 được sử dụng.

Tất cả thông số kỹ thuật của máy phát, thiết bị kích từ, và thiết bị điều chỉnh tần số, bao gồm công suất định mức, công suất tối đa (Pmax), công suất tối thiểu (Pmin), điện áp đầu cực, và công suất tải định mức, được trình bày chi tiết trong các Bảng PL-1 đến PL-4 (Phần phụ lục) của hệ thống điện IEEE 10 máy 39 bus Hệ thống có các đường dây với chiều dài và đặc tính điện khác nhau, bao gồm điện trở, điện kháng và dung dẫn, được cung cấp dưới dạng đơn vị tương đối trên tổng chiều dài của các đường dây truyền tải có điện áp 345kV Tải được mô tả thông qua trở kháng cố định như thể hiện trong Bảng PL-5 và Bảng PL-6.

Máy biến áp bao gồm điện trở RT và điện kháng XT, đại diện cho giá trị tương đương của cuộn dây sơ cấp và thứ cấp Các giá trị này được biểu thị bằng đơn vị tương đối, với điện áp cuộn sơ cấp là 20kV và điện áp cuộn thứ cấp là 345kV.

Hình 4.1 Sơ đồ hệ thống điện IEEE 10 máy 39 bus New England

Tính toán khoảng cách điện theo điện áp

Việc xác định vị trí sa thải phụ tải cần dựa vào khu vực xung quanh các máy phát gặp sự cố Để thực hiện điều này, khái niệm khoảng cách điện theo điện áp được áp dụng.

Các bước tính khoảng cách điện theo điện áp như sau [15]:

✓ Chuyển tất cả các bus máy phát PV thành bus tải PQ

✓ Từ ma trận Jacobian J, tìm được ma trận con J4, trong đó J4=[Q/V]

Hình 4.2 Vị trí ma trận J4 trong ma trận Jacobian J

✓ Nghịch đảo J4, B=[Q/V]  1 J4, từng phần tử của ma trận B được viết như sau: b =( ij  V i /  Q j ) (4.1)

✓ Lấy ma trận suy giảm  ij , giữa nút i và j, như sau:

- Tính khoảng cách điện giữa nút i và j: ij ji log ( 10 ij ji )

Công thức trên cho thấy rằng giá trị   ij ji càng lớn thì khoảng cách giữa các bus càng gần Khi   ij ji đạt giá trị 1, khoảng cách sẽ bằng 0, nghĩa là bus i và bus j thực chất là một Bảng 4.1 trình bày khoảng cách điện theo điện áp giữa các máy phát và các nút tải, trong khi Bảng 4.2 thể hiện thứ tự sa thải phụ tải tương ứng với từng máy phát gặp sự cố.

Bảng 4.1 Khoảng cách điện theo điện áp giữa các máy phát với các nút tải

Bảng 4.1 thể hiện mối quan hệ giữa các bus máy phát và bus tải, cho thấy rằng khoảng cách giữa các bus tải càng gần thì công suất mà bus máy phát truyền đến bus tải càng lớn Điều này có nghĩa là, bus tải có khoảng cách nhỏ sẽ chịu ảnh hưởng lớn hơn khi xảy ra sự cố sa thải của bus máy phát.

Bảng 4.2 Thứ tự sa thải phụ tải ứng với từng máy phát bị sự cố

Bus 30 Bus 32 Bus 33 Bus 34 Bus 35 Bus 36 Bus 37 Bus 38 Bus 39

1 Load 25 Load 4 Load 20 Load 20 Load 23 Load 23 Load 25 Load 29 Load 39

Bảng 4.2 đề xuất chiến lược sa thải dựa trên mối quan hệ giữa bus tải và máy phát, như đã thể hiện trong bảng 4.1 Trong quá trình mô phỏng thực nghiệm, việc sa thải từng tải sẽ được thực hiện theo thứ tự cho đến khi hệ thống đạt trạng thái phục hồi ổn định.

Xây dựng mạng nơ-ron nhân tạo

Hình 4.3 Xây dựng mạng nơ-ron

Trong phần mềm Matlab, quá trình tạo mạng nơ-ron được thực hiện theo 6 bước trình bày ở Hình 4.3

Trong luận văn, việc sử dụng hai loại mạng nơ-ron dẫn đến việc xây dựng mạng nơ-ron kép được chia thành hai giai đoạn khác nhau Mỗi giai đoạn sẽ có quy trình thực hiện riêng biệt, tương ứng với từng loại mạng nơ-ron.

4.3.1 Xây dựng mạng nơ-ron lan truyền ngược

Tiến hành xây dựng mạng nơ-ron lan truyền ngược (mạng BP) theo các bước sau:

Bước đầu tiên là thu thập dữ liệu bằng cách mô phỏng trên phần mềm Powerworld để lấy số liệu cho từng mức tải Sau đó, tổng hợp dữ liệu thành một tập hợp và chia thành 85% cho mẫu huấn luyện và 15% cho mẫu kiểm tra.

Bước 2: Tiền xử lí dữ liệu

Bước 3: Thiết lập mạng và tiến hành huấn luyện bằng thuật toán lan truyền ngược, đồng thời điều chỉnh các thông số chính của mạng Trong giai đoạn này, việc tìm kiếm các thông số cài đặt phù hợp cần được thực hiện thông qua các phép thử.

Bước 4: Tạo mạng nơ-ron lan truyền ngược

Bước 5: Đánh giá độ chính xác sau huấn luyện

Quá trình huấn luyện cụ thể như sau:

Bước 1: Cũng giống như nơ-ron hồi quy bước này thu thập dữ liệu và tạo bảng dữ liệu

Bước 2: Tiền xử lý dữ liệu là quá trình đưa giá trị input về dạng Max-Min, điều này giúp các giá trị dữ liệu nằm trong khoảng [0.05, 0.95] Việc này là cần thiết vì trong mạng nơ-ron lan truyền ngược, hàm kích hoạt ở lớp ẩn sử dụng dạng sigmoid, với giá trị đầu ra thường nằm trong khoảng (0, 1) do tính chất tiệm cận của hàm này.

Bước 3: Tìm kiếm các thông số cài đặt là rất quan trọng, bao gồm việc lựa chọn thuật toán huấn luyện, số lớp ẩn và số nơ-ron trong lớp ẩn Việc chọn lựa này thường cần sự can thiệp của các chuyên gia hoặc dựa vào kinh nghiệm từ việc thử nghiệm với nhiều giá trị khác nhau Đối với các bài toán nhận dạng và phân loại, các thuật toán phổ biến bao gồm Lenvenberg-Marquardt, Bayesian, Scaled Conjugate Gradient và Resillient Backpropagation, trong đó Scaled Conjugate Gradient được chứng minh là hiệu quả nhất Lý thuyết cho thấy mạng có hai lớp ẩn có khả năng biểu diễn các hàm với hình dạng bất kỳ, do đó không cần thiết phải sử dụng nhiều hơn hai lớp ẩn.

HVTH: HUỲNH VĂN NUÔI 46 cho thấy rằng chỉ cần một lớp ẩn là đủ để giải quyết các bài toán cụ thể Việc sử dụng nhiều lớp ẩn không chỉ làm tăng độ phức tạp mà còn khiến quá trình huấn luyện trở nên chậm chạp hơn.

Việc xác định số lượng nơ-ron tối ưu cho một lớp ẩn trong các bài toán không có phương pháp đơn giản, thường cần phải thử nghiệm với nhiều cấu hình khác nhau và đánh giá lỗi tổng quát hóa Qua các thử nghiệm với các số nơ-ron khác nhau trong lớp ẩn trên Matlab, mối quan hệ giữa số nơ-ron và độ chính xác nhận dạng được thể hiện trong Hình 4.5 Kết quả cho thấy số nơ-ron lớp ẩn phù hợp là 6.

Hình 4.5 Đồ thị quan hệ giữa số nơ-ron lớp ẩn và phần trăm độ chính xác nhận dạng

Bước 4: Tạo mạng nơ-ron

Sau khi chọn các thông số cài đặt phù hợp tiến hành huấn luyện mạng (Hình4.6)

Hình 4.6 Huấn luyện mạng neural lan truyền ngược ANN-1

Bước 5: Đánh giá độ chính xác sau khi huấn luyện

Kiểm tra lại độ chính xác với dữ liệu huấn luyện và kiểm tra, kết quả cho thấy

Bảng 4.3 Kết quả nhận dạng của mạng nơ-ron ANN-1 Độ chính xác (%)

4.3.2 Xây dựng mạng nơ-ron hồi quy

Việc xây dựng mạng nơ-ron hồi quy ANN-2 gồm 4 bước:

Bước đầu tiên là thu thập dữ liệu bằng cách mô phỏng trên phần mềm Powerworld để lấy số liệu cho từng mức tải Sau đó, tổng hợp dữ liệu thành một tập hợp và chia thành 85% để huấn luyện và 15% để kiểm tra.

Bước 2: Tiền xử lí dữ liệu

Trong bước 3, cần tạo mạng nơ-ron hồi quy bằng cách cung cấp thông tin về vec-tơ đầu vào và vec-tơ đầu ra, cùng với hằng số lan truyền Bước này yêu cầu tìm hằng số huấn luyện phù hợp thông qua các phép thử Tiếp theo, bước 4 là tạo mạng nơ-ron.

Bước 5: Đánh giá độ chính xác nhận dạng sau huấn luyện

Tập dữ liệu huấn luyện mạng nơ-ron bao gồm 408 mẫu đầu vào với 153 biến, mục tiêu là xác định số cụm tải cần cắt Dữ liệu được thu thập từ mô phỏng thực nghiệm trên sơ đồ 39-Bus IEEE, với các mức tải dao động từ 70% đến 120%.

Hình 4.7 Sơ đồ khối qui trình sa thải phụ tải của ANN-2

Quá trình huấn luyện tiến hành như sau:

Bước 1: Thu thập dữ liệu

Sau khi tiến hành mô phỏng để thu thập các tín hiệu cần thiết cho việc nhận dạng và ghi nhận các mục tiêu, dữ liệu thu được đã được đưa vào một tập dữ liệu, tạo thành bảng dữ liệu như trình bày trong Hình 4.8.

Hình 4.8 Bảng dữ liệu mẫu đầu vào của ANN-2 sau khi mô phỏng

Bước 2: Tiền xử lý dữ liệu

Sau khi hoàn thành việc tạo bảng dữ liệu, bước tiếp theo là chia tách dữ liệu đầu vào và mục tiêu, đồng thời tiến hành xử lý dữ liệu đầu vào Quá trình xử lý này sẽ giúp tăng tốc độ huấn luyện và nâng cao độ chính xác của kết quả học được.

Một trong những phương pháp phổ biến để xử lý dữ liệu là sử dụng z-score, được nhiều nghiên cứu áp dụng Phương pháp này chuẩn hóa các giá trị trong dữ liệu dựa trên độ lệch chuẩn và trung bình của chúng.

Bước 3: Tìm hằng số lan truyền (spread constant)

Bước này dùng phép thử thực hiện nhiều lần để tìm được hằng số huấn luyện phù hợp, dùng dữ liệu đã được chuẩn hoá

Sau 5 lần chạy với xáo trộn mẫu ngẫu nhiên các kết quả đều cho thấy tập mẫu đạt độ chính xác cao với giá trị spread trong khoảng từ 0,001 đến 0,2 chọn giá trị spread trong mạng là 0,1

Hình 4.9 Kết quả phép thử hệ số Spread trong huấn luyện tập dữ liệu

Bước 4: Tạo mạng nơ-ron trên matlab

Bước 5: Đánh giá độ chính xác của mô hình được thực hiện thông qua sai số toàn phương trung bình (MSE) từ các lần chạy tìm Spread Hệ số 0.01 được xác định là phù hợp cho quá trình huấn luyện.

Bảng 4.4 Kết quả sai số toàn phương trung bình (MSE)

Hệ số Spread 0.001 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 MSE huấn luyện 0 0 0 0.0048 0.0169 0.0193 0.0217 0.0265 0.0313 0.0313

So sánh độ chính xác nhận dạng với các phương pháp sa thải khác nhau

Xét sự cố mất máy phát 36 ở mức tải 100%

Hình 4.10 Quan hệ tần số f theo t khi mất máy phát 36

4.4.1 Phương pháp sa thải phụ tải dùng relay sa thải tần số thấp

Sa thải phụ tải dựa trên relay sa thải dưới tần số là quá trình sử dụng các relay để cắt giảm tải khi tần số giảm xuống dưới 59,7Hz Các bước thực hiện sa thải này được trình bày chi tiết trong Bảng 4.5.

Bảng 4.5: Các bước sa thải tải dựa trên relay sa thải dưới tần số của FRCC

Tần số sa thải tải (Hz)

Lượng tải sa thải (phần trăm tổng tải) (%)

Tổng số lượng tải sa thải (%)

Trong trường hợp sự cố tại máy phát 36 với mức tải 100%, khi tần số hệ thống giảm xuống 59,7Hz, 9% tổng dung lượng tải bị sa thải Khi tần số tiếp tục giảm đến 59,4Hz, thêm 7% tổng dung lượng tải cũng bị sa thải Cuối cùng, tần số hệ thống ổn định lại với tổng suất sa thải phụ tải đạt 16% (9% + 7%).

Hình 4.11 Quan hệ tần số f theo t khi sa thải bằng relay sa thải tần số thấp 4.4.2 Phương pháp sa thải dựa trên thuật toán AHP

AHP (Analytic Hierarchy Process) là một phương pháp hữu hiệu trong việc đưa ra quyết định, cho phép trình bày các phương án và tiêu chí đánh giá một cách cân bằng Phương pháp này giúp tổng hợp thông tin để đạt được quyết định cuối cùng, đặc biệt phù hợp cho các tình huống yêu cầu phân tích và định lượng AHP rất hữu ích khi có nhiều phương án phụ thuộc vào các tiêu chuẩn khác nhau và có sự tương tác phức tạp giữa chúng.

Bảng 4.6 Thứ tự sa thải dựa vào thuật toán AHP

Ứng dụng công nghệ tính toán thông minh giúp tối ưu hóa quá trình sa thải phụ tải hiệu quả trong khoảng thời gian 300ms Thời gian này bao gồm các bước: đo lường và thu thập dữ liệu, truyền tải dữ liệu về, xử lý dữ liệu và thực hiện tác động trip máy cắt.

Khi xem xét sự cố mất máy phát 36 ở mức tải 100%, thuật toán AHP cho phép xác định vị trí và thứ tự sa thải tải là 31-12-18-26-23-25-21, đảm bảo hệ thống ổn định Hình 4.12 minh họa đồ thị tần số sau khi thực hiện sa thải.

Hình 4.12 Quan hệ tần số f theo t khi sa thải dựa trên thuật toán AHP

4.4.3 Phương pháp sa thải phụ tải đề xuất

Khi xảy ra sự cố máy phát 36 ở mức tải 100%, việc sa thải phụ tải được thực hiện dựa trên khoảng cách điện theo điện áp, cắt tải L23, 21, 24 Thời gian cắt tải sau sự cố là 300ms, bao gồm các bước đo lường, truyền dữ liệu, xử lý và tác động trip máy cắt Đồ thị tần số hệ thống sau khi sa thải phụ tải được trình bày trong Hình 4.13.

Hình 4.13 minh họa mối quan hệ giữa tần số f và thời gian t khi áp dụng phương pháp đề xuất để sa thải Bảng 4.7 trình bày sự so sánh hiệu quả của các phương pháp STPT khác nhau trong trường hợp sự cố MF36.

Phương pháp Công suất sa thải (MW)

Giá trị tần số phục hồi (Hz)

Phương pháp sa thải truyền thống dựa trên relay sa thải dưới tần 975,54 60 60

Phương pháp sa thải phụ tải dựa trên thuật toán AHP

Phương pháp sa thải đề xuất 830,1 35 59,9

Phương pháp sa thải phụ tải mới được đề xuất cho thấy thời gian phục hồi tần số nhanh hơn so với phương pháp sa thải truyền thống dưới tần số và phương pháp sa thải dựa trên thuật toán AHP.

4.4.4 Thời gian điện áp phục hồi theo các phương pháp sa thải phụ tải khác nhau

Trong nghiên cứu về sự cố mất máy phát 32 ở mức tải 100%, chúng tôi đã phân tích điện áp tại bus 39 thông qua các phương pháp sa thải phụ tải khác nhau Đặc biệt, điện áp tại bus 39 được đánh giá theo phương pháp sa thải dựa trên AHP, cho thấy hiệu quả của phương pháp này trong việc duy trì ổn định điện áp trong hệ thống.

Hình 4.14 Quan hệ điện áp U theo t tại bus 39 STPT theo thuật toán AHP b Điện áp bus 39 theo phương pháp sa thải bằng relay tần số thấp:

Hình 4.15 Quan hệ điện áp U theo t bus 39 STPT bằng relay tần số thấp

HVTH: HUỲNH VĂN NUÔI 57 c Điện áp tại bus 39 theo phương pháp sa thải dựa trên khoảng cách điện

Hình 4.16 Quan hệ điện áp U theo t tại bus 39 STPT theo phương pháp sa thải dựa trên khoảng cách điện

Bảng 4.8: So sánh hiệu quả của các phương pháp STPT khác nhau khi sự cố MF32

Phương pháp sa thải Thời gian phục hồi điện áp (s)

Phương pháp sa thải dựa trên thuật toán AHP 30

Phương pháp sa thải truyền thống bằng relay dưới tần số thấp 110

Phương pháp sa thải đề xuất 25

Phương pháp sa thải mới được đề xuất cho thấy thời gian phục hồi điện áp nhanh hơn và biên độ dao động điện áp nhỏ hơn so với các phương pháp sa thải truyền thống cũng như phương pháp sa thải dựa trên thuật toán AHP.

Định dạng
Số trang	74
Dung lượng	3,49 MB