(Luận văn thạc sĩ) mạng nơron nhận dạng ổn định động hệ thống điện

TỔNG QUAN

Tổng quan về lĩnh vực nghiên cứu

Sự gia tăng nhanh chóng của phụ tải trong hệ thống điện đã dẫn đến quy mô lớn và cấu trúc phức tạp hơn, tạo ra áp lực vận hành đầy tải và gần với giới hạn ổn định Tương lai sẽ chứng kiến sự gia tăng số lượng phụ tải kết nối, làm tăng thêm thách thức cho hoạt động của hệ thống, do đầu tư vào nguồn phát và hệ thống truyền tải chưa theo kịp nhu cầu Hệ thống điện rất nhạy cảm với các kích động không mong đợi, như cắt điện máy phát hoặc ngắn mạch, gây ra gián đoạn quy trình công nghiệp và tổn thất kinh tế lớn, thậm chí có thể dẫn đến tan rã hệ thống Ổn định hệ thống điện liên quan đến khả năng kiểm soát dao động điện từ và duy trì sự đồng bộ của các máy phát sau những kích động lớn Do đó, cần thiết phải có hệ thống đánh giá nhanh ổn định điện để phân tích và cảnh báo sớm, giúp thực hiện các hành động ngăn chặn kịp thời Các phương pháp như mô phỏng miền thời gian, phương pháp trực tiếp và phương pháp hàm năng lượng thường được sử dụng để đánh giá ổn định của hệ thống sau kích động lớn.

HVTH: Phan Viết Thịnh Trang 2 gian được thực hiện thông qua việc giải các phương trình không gian trạng thái của hệ thống điện và xác định ổn định quá độ Phương pháp miền thời gian mang lại kết quả chính xác cho việc đánh giá ổn định quá độ, nhưng không xác định được biên ổn định và tốn thời gian do phải giải hệ phương trình vi phân phi tuyến sau nhiễu Phương pháp số cũng cung cấp câu trả lời chính xác về ổn định quá độ, nhưng gặp khó khăn trong việc giải phương trình vi phân bậc 2 và tốn nhiều thời gian Hơn nữa, phương pháp này không cung cấp mô hình chi tiết của thành phần hệ thống điện cần thiết cho đánh giá ổn định Phương pháp hàm năng lượng xác định ổn định quá độ mà không cần giải các phương trình không gian trạng thái khác, nhưng yêu cầu nhiều tính toán để xác định chỉ số ổn định quá độ Cuối cùng, phương pháp sử dụng hàm Lyapunov cho biết thời gian cắt ổn định động, nhưng yêu cầu tính toán phức tạp và tốn nhiều thời gian.

Các phương pháp phân tích truyền thống thường tốn nhiều thời gian, dẫn đến chậm trễ trong quyết định Do đó, nhu cầu ứng dụng các phương pháp hiệu quả hơn, có khả năng tính toán nhanh và chính xác, ngày càng trở nên cần thiết.

Phương pháp kỹ thuật nhận dạng mẫu (Pattern Recognition) được áp dụng để đánh giá ổn định động của hệ thống điện thông qua việc học mối quan hệ giữa đầu vào và đầu ra, bỏ qua giải tích Các bộ phân loại thường được huấn luyện offline và kiểm tra online Nhiều tác giả đã đề xuất các giai đoạn phát triển mô hình nhận dạng thông minh nhằm đánh giá ổn định hệ thống điện Một số nghiên cứu đã chọn tín hiệu đầu vào là các biến đặc trưng của chế độ xác lập tiền sự cố để chẩn đoán ổn định quá độ thông qua chỉ số thời gian cắt tới hạn (CCT), là thời gian cắt sự cố dài nhất cho phép để hệ thống duy trì ổn định Tuy nhiên, việc xác định mối liên hệ giữa các biến này và độ ổn định vẫn là một thách thức lớn.

Có hai loại biến đặc trưng: biến đặc trưng trước sự cố và biến đặc trưng sau sự cố Biến đặc trưng trước sự cố thường là yếu tố quan trọng trong việc dự đoán và phân tích tình huống.

HVTH: Phan Viết Thịnh Trang 3 thông số xác lập Đánh giá an ninh hệ thống điện trước sự cố cho phép người vận hành chuẩn bị các biện pháp phòng ngừa nhằm duy trì sự ổn định và tránh nguy cơ mất ổn định, mặc dù điều này có thể dẫn đến chi phí cao do thay đổi trạng thái vận hành Ngược lại, việc đánh giá ổn định động sau sự cố chỉ có thể thực hiện khi có kích động thực sự, và nếu sự ổn định bị mất, cần kích hoạt ngay các biện pháp phục hồi như ngắt máy phát hoặc xa thải phụ tải Mặc dù biện pháp này không tốn kém nếu không có kích động, nhưng có thể gây thiệt hại kinh tế và xã hội lớn nếu phải thực hiện Hơn nữa, việc sử dụng các biến đặc trưng sau sự cố cần thời gian đáp ứng ít nhất 1 giây để chẩn đoán ổn định, có thể là quá lâu để người vận hành thực hiện các hành động khắc phục kịp thời.

Mạng nơron nhân tạo (ANN) áp dụng kỹ thuật nhận dạng mẫu để chọn lọc các đặc trưng quan trọng, giúp cải thiện khả năng phân biệt và tăng cường độ chính xác trong xử lý dữ liệu Các nghiên cứu đã chỉ ra rằng ANN có thể được sử dụng để đánh giá an ninh, như trong nghiên cứu [20] Hơn nữa, MLPNN (Multilayer Perceptron Neural Network) được ứng dụng để ước lượng biên ổn định quá độ của hệ thống điện [27,29] Các mạng nơron khác như CNN (Committee Neural Network) [34] và PNN (Probabilistic Neural Network) [28] cũng đã được sử dụng để đánh giá ổn định quá độ thông qua góc rotor tương đối của máy phát, trong khi KNN (Kohenen Neural Network) [32] và GRNN (Generalized Regression Neural Network) cũng đóng vai trò quan trọng trong các ứng dụng tương tự.

HVTH: Phan Viết Thịnh Trang 4

Mạng nơ-ron hồi quy (Regression Neural Network), MLFNN (Mạng nơ-ron đa lớp) và BPLNN (Mạng nơ-ron học hồi tiếp) được sử dụng để đánh giá ổn định hệ thống điện qua chỉ số CCT (Critical Clearing Time) Đánh giá ổn định quá độ chủ yếu tập trung vào CCT để xác định thời gian tối đa mà hệ thống có thể giữ ổn định sau khi xảy ra sự cố Việc sử dụng ANN để đánh giá CCT dựa trên vị trí sự cố, với quá trình huấn luyện ANN sử dụng các biến đặc trưng như ngõ vào và CCT là ngõ ra mục tiêu Sự cố ba pha cân bằng được tạo ra tại các vị trí khác nhau trong hệ thống, và khi xảy ra sự cố, máy cắt sẽ hoạt động tại thời gian cắt sự cố FCT (Fault Clearing Time) được cài đặt Nếu các góc rotor của máy phát điện ổn định sau khi cắt, FCT nhỏ hơn CCT, hệ thống được coi là ổn định; ngược lại, nếu các góc rotor lệch, FCT lớn hơn CCT, hệ thống không ổn định Do đó, cài đặt FCT là yếu tố quan trọng để xác định ổn định của hệ thống điện; nếu FCT ngắn hơn CCT, hệ thống ổn định, nếu không, hệ thống sẽ không ổn định.

Trong đánh giá ổn định quá độ, có hai phương pháp chính: đánh giá và chẩn đoán Đánh giá hệ thống điện thường tập trung vào chỉ số CCT, trong khi chẩn đoán lại chú trọng vào quá trình quá độ khi gặp nhiễu để xác định trạng thái ổn định hoặc không ổn định của hệ thống Điều này bao gồm việc sử dụng chỉ số ổn định như CCT và sự khác biệt trong góc rotor giữa máy phát điện và máy phát điện tham khảo.

HVTH: Phan Viết Thịnh đề cập đến ba giai đoạn chính của hệ thống điện là trước sự cố, đang xảy ra sự cố và sau sự cố Trong nghiên cứu nhận dạng, mạng nơ-ron nhân tạo (ANN) được sử dụng để nhận dạng ổn định động của hệ thống điện, với các biến đặc trưng trước sự cố thường được áp dụng trong đánh giá an ninh Đối với các biến đặc trưng sau sự cố, khả năng chẩn đoán ổn định động trở nên khả thi khi sự cố ngẫu nhiên xảy ra Do đó, việc phát triển mô hình nhận dạng có khả năng thực hiện nhận dạng ổn định động với độ chính xác cao và tin cậy là rất cần thiết.

Tính cấp thiết của đề tài

Hệ thống điện phức tạp gây khó khăn cho các phương pháp phân tích truyền thống, dẫn đến việc ra quyết định chậm trễ Tính phi tuyến của hệ thống cũng là một trở ngại trong việc phân tích ổn định động Do đó, cần thiết phải có giải pháp chẩn đoán nhanh chóng và đáng tin cậy.

Mạng nơ-ron nhân tạo (ANN) được khuyến nghị là phương pháp hiệu quả để giải quyết các vấn đề mà phương pháp truyền thống không thể xử lý, đặc biệt là về tốc độ tính toán và hiệu suất Thông qua việc học từ cơ sở dữ liệu và phân tích mối quan hệ phi tuyến giữa các thông số vận hành hệ thống điện, ANN có khả năng đưa ra quyết định nhanh chóng Tuy nhiên, để đạt hiệu quả cao, số biến đầu vào cần phải được giảm thiểu, yêu cầu lựa chọn các biến đặc trưng quan trọng và loại bỏ các biến thừa gây nhiễu Điều này cho thấy sự cần thiết phải phát triển các giải pháp mới trong việc phân loại mẫu và lựa chọn biến đặc trưng, nhằm cải thiện độ chính xác và đáp ứng nhanh chóng yêu cầu nhận dạng và chẩn đoán trạng thái ổn định của hệ thống điện, từ đó sớm cảnh báo nguy cơ mất ổn định và kích hoạt các biện pháp khẩn cấp.

Trong các nghiên cứu về đánh giá và chẩn đoán ổn định hệ thống điện, ứng dụng mạng nơ-ron nhân tạo (ANN) và nhận dạng đã thu hút sự quan tâm lớn từ nhiều tác giả trong những năm gần đây So với các phương pháp đánh giá ổn định khác, ANN nổi bật với tốc độ xử lý nhanh chóng và khả năng học hỏi từ dữ liệu, giúp cải thiện độ chính xác trong việc đánh giá ổn định hệ thống điện.

HVTH, với Phan Viết Thịnh, cung cấp độ đánh giá ổn định trong thời gian thực, yêu cầu dữ liệu tối thiểu và khả năng tổng hợp cùng mở rộng vượt trội Hệ thống ANN mang lại kết quả nhanh chóng và chính xác, giúp thực hiện các hành động cần thiết khi có sự cố bất ngờ xảy ra.

[24] Vì vậy, người nghiên cứu chọn hướng nghiên cứu mô hình nhận dạng dùng ANN chẩn đoán nhanh ổn định động hệ thống điện

Các giai đoạn xây dựng mô hình nhận dạng dùng ANN chẩn đoán nhanh ổn định động hệ thống điện bao gồm các bước như sau:

1 Tạo cơ sở dữ liệu ổn định động, trong đó bao gồm tạo ra một cơ sở dữ liệu đáng tin cậy bao trùm một phạm vi toàn diện của các trạng thái vận hành của cả hai điều kiện ổn định và không ổn định

2 Chuẩn hóa dữ liệu, trong đó kiểm tra xử lý dữ liệu ban đầu, và đưa dữ liệu về dạng chuẩn quy định trước

3 Lựa chọn biến đặc trưng, trong đó lựa chọn thích hợp các biến hệ thống như là ngõ vào và chỉ số ổn định như là ngõ ra của mô hình nhận dạng

4 Trích xuất kiến thức, trong đó nắm bắt mối quan hệ giữa ngõ vào và ngõ ra với các thuật toán học để xây dựng mô hình nhận dạng dùng ANN

5 Xác nhận mô hình, trong đó đánh giá sự thực hiện, độ chính xác, độ tin cậy của mô hình nhận dạng dùng ANN được xây dựng.

Mục tiêu và nhiệm vụ của luận văn

1.3.1 Mục tiêu của luận văn

- Xây dựng mô hình nhận dạng chẩn đoán nhanh ổn định động hệ thống điện với độ chính xác nhận dạng cao

1.3.2 Nhiệm vụ của luận văn

- Nghiên cứu và mô phỏng tạo cơ sở dữ liệu đánh giá ổn định động hệ thống điện sử dụng phần mềm Matlab, PowerWorld

- Nghiên cứu xây dựng mô hình nhận dạng dựa trên cơ sở mạng nơron, lý thuyết nhận dạng, … chẩn đoán nhanh ổn định động hệ thống điện

- Đánh giá hiệu quả của mô hình nhận dạng được xây dựng trên hệ thống điện chuẩn IEEE 10-máy 39-bus

Phạm vi nghiên cứu

- Nghiên cứu lý thuyết ổn định hệ thống điện, lý thuyết nhận dạng, lý thuyết mạng nơron, …

- Nghiên cứu quy trình và xây dựng mô hình nhận dạng dựa trên cơ sở mạng nơron, lý thuyết nhận dạng, …

- Áp dụng đánh giá trên hệ thống điện chuẩn IEEE 10-máy 39-bus.

Phương pháp nghiên cứu

- Tham khảo tài liệu, các bài báo, các sách về chẩn đoán ổn định hệ thống điện trong nước và nước ngoài

- Nghiên cứu mô hình nhận dạng dựa trên cơ sở mạng nơron, lý thuyết nhận dạng, …

- Nghiên cứu sử dụng và lập trình bằng phần mềm Matlab; mô phỏng bằng phần mềm Matlab, PowerWorld

- Sử dụng phương pháp mô hình hóa mô phỏng để kiểm tra và đánh giá kết quả nghiên cứu

- Phân tích và tổng hợp.

Ý nghĩa khoa học và giá trị thực tiễn của luận văn

Luận văn áp dụng ba phương pháp lựa chọn biến đặc trưng và hai mạng nơron để xây dựng mô hình ANN nhận dạng ổn định động hệ thống điện Việc này giúp loại bỏ các biến thừa và gây nhiễu, từ đó giảm số lượng cảm biến đo lường, tiết kiệm thời gian tính toán và nâng cao độ chính xác trong quá trình thu thập số liệu.

Mô hình nhận dạng được phát triển nhằm hỗ trợ các điều độ viên trong việc ra quyết định trong các tình huống khẩn cấp, giúp nhanh chóng đưa hệ thống điện trở về trạng thái ổn định.

ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN

Ổn định hệ thống điện

Hệ thống điện là một tập hợp các phần tử phát, dẫn và phân phối, có mối quan hệ tương tác lẫn nhau Trong quá trình vận hành, hệ thống thường gặp phải các sự cố bất thường như cắt điện máy phát, cắt điện đường dây, gia tăng tải đột ngột, và ngắn mạch ba pha, cùng với nhiều loại nhiễu khác có thể ảnh hưởng đến sự ổn định của hệ thống Ổn định hệ thống điện là khả năng quay trở lại trạng thái vận hành bình thường sau khi chịu tác động của nhiễu, điều này là cần thiết để hệ thống tồn tại và hoạt động hiệu quả Để duy trì chế độ xác lập, cần có sự cân bằng công suất và độ lệch nhỏ của các thông số dưới tác động của các kích động ngẫu nhiên Hơn nữa, ổn định hệ thống điện còn liên quan đến khả năng của các máy điện đồng bộ chuyển từ điểm vận hành này sang điểm khác mà không mất tính đồng bộ, cho thấy rằng điều kiện tồn tại chế độ xác lập phụ thuộc vào sự cân bằng công suất Tuy nhiên, trạng thái cân bằng chỉ là điều kiện cần, thực tế luôn có các kích động ngẫu nhiên làm lệch giá trị các thông số, do đó hệ thống cần duy trì độ lệch nhỏ để đảm bảo sự ổn định Khả năng này phụ thuộc vào độ dự trữ ổn định của hệ thống.

HVTH: Phan Viết Thịnh Trang 9 thống, được xem như là một tính chất riêng của hệ thống, tính ổn định tĩnh (Static Stability) [2]

Trong hệ thống điện, ngoài những kích động nhỏ và ngẫu nhiên, còn tồn tại những kích động lớn đột ngột gây mất cân bằng công suất và ảnh hưởng đến tính ổn định của hệ thống Những sự cố này bao gồm các hiện tượng như ngắn mạch, sét đánh làm cắt đứt đường dây, và thao tác ngắt máy biến áp đang cung cấp tải Sự biến thiên đột ngột của dòng công suất trong lưới dẫn đến sự thay đổi mạnh mẽ, thậm chí giảm sút, ở công suất của các máy phát điện.

Khi xảy ra sự cố ngắn mạch 3 pha, trạng thái cân bằng mômen quay trong máy phát bị phá vỡ, dẫn đến gia tốc và thay đổi mạnh góc lệch rotor Quá trình quá độ có thể ổn định hoặc không, tùy thuộc vào mức độ kích động, và được gọi là ổn định động hay ổn định quá độ Đánh giá ổn định hệ thống điện là yếu tố then chốt để đảm bảo vận hành ổn định, được phân thành ba loại: ổn định tĩnh, ổn định quá độ và ổn định động Ổn định tĩnh là khả năng phục hồi chế độ ban đầu sau các kích động nhỏ, trong khi ổn định quá độ liên quan đến phản ứng của hệ thống trước các kích động mạnh trong thời gian ngắn Ổn định động xử lý các hoạt động dài hạn từ vài giây đến vài phút, từ lúc hệ thống tạm thời ổn định đến khi đạt được trạng thái ổn định hoàn toàn.

Đánh giá ổn định động của hệ thống điện là nhiệm vụ quan trọng trong thiết kế và vận hành hệ thống điện Việc đảm bảo ổn định động giúp nâng cao hiệu suất và độ tin cậy của hệ thống.

HVTH: Phan Viết Thịnh Trang 10 đề cập đến khả năng phục hồi của hệ thống điện sau những kích động lớn, được phân loại thành ổn định góc rotor, ổn định tần số và ổn định điện áp Ổn định góc rotor liên quan đến khả năng duy trì đồng bộ và cân bằng mômen của máy phát điện đồng bộ, trong khi ổn định tần số đảm bảo tần số nằm trong giới hạn định mức, chia thành ngắn hạn và dài hạn Ổn định điện áp là khả năng duy trì mức điện áp chấp nhận tại các nút sau nhiễu, cũng được phân loại theo kích động lớn và dao động nhỏ, với các vấn đề ngắn hạn và dài hạn Ổn định góc rotor còn đề cập đến khả năng các máy phát điện đồng bộ liên kết với nhau để duy trì tính đồng bộ sau kích động lớn.

Nhiễu lớn Nhiễu nhỏ Ổn định tín hiệu nhỏ Ổn định quá độ

Ngắn hạn Dài hạn Ngắn hạn Dài hạn

Đánh giá ổn định động trong hệ thống điện là quá trình xác định khả năng chịu đựng các kích động ngẫu nhiên mà không làm mất ổn định Đây được xem như là đánh giá ổn định quá độ và có vai trò quan trọng trong việc đảm bảo vận hành an toàn và đáng tin cậy cho hệ thống điện.

Trong luận văn, việc đánh giá ổn định động của hệ thống điện được thực hiện dựa trên góc rotor, hay còn gọi là góc công suất Nghiên cứu này tập trung vào việc phân tích thuộc tính động của hệ thống điện trong quá trình hoạt động.

HVTH: Phan Viết Thịnh Trang 11 ngắn gọn dựa trên việc quan sát mối quan hệ giữa các góc công suất của các máy phát điện Hệ thống điện sẽ duy trì sự ổn định nếu bất kỳ góc công suất tương đối của máy phát thứ i đều nằm trong giới hạn cho phép.

 i so với máy phát thứ j  j không vượt quá 180 0 Ngược lại, nếu góc công suất tương đối vượt quá 180 0 thì hệ thống mất ổn định

Tiêu chuẩn để đánh giá ổn định là:

Để đánh giá tính ổn định của hệ thống sau khi có kích động lớn, các phương pháp toán học được áp dụng, trong đó có phương pháp tích phân số giúp xác định sự ổn định và góc công suất lớn nhất thông qua giải phương trình dao động phi tuyến cho từng máy trong hệ thống nhiều máy Tuy nhiên, các phương pháp phân tích truyền thống thường tốn nhiều thời gian, gây chậm trễ trong quyết định Do đó, với yêu cầu khắt khe về thời gian tính toán, luận văn đã ứng dụng phương pháp nhận dạng sử dụng ANN như một giải pháp hiệu quả hơn.

Trước khi nghiên cứu phương pháp chẩn đoán ổn định động trong hệ thống điện, cần đề cập đến phương trình cơ bản xác định thuộc tính động rotor Mô hình đơn giản hóa máy phát thường được sử dụng trong các nghiên cứu ổn định quá độ là phương trình chuyển động rotor, hay còn gọi là phương trình dao động.

Phương trình dao động

Tổ máy phát điện bao gồm một máy phát điện đồng bộ 3 pha và động cơ sơ cấp, trong đó chuyển động của rotor được xác định theo định luật hai của Newton.

J = tổng mômen quán tính của khối lượng quay, kgm 2 α = gia tốc góc rotor, rad/s 2

T = mômen cơ được cung cấp bởi động cơ sơ cấp trừ mômen cản do tổn thất cơ, Nm

T = mômen điện đại diện cho tổng công suất điện 3 pha ngõ ra của máy phát, cộng với tổn thất điện, Nm

T = mômen gia tốc cuối cùng, Nm

Ngoài ra, gia tốc góc rotor được cho bởi:

Trong đó: ω = tốc độ góc rotor, rad/s θ = vị trí góc rotor đối với một trục cố định, rad/s

T và T là hai yếu tố quan trọng trong hoạt động của máy phát Khi T = T, mômen gia tốc T = 0, dẫn đến gia tốc rotor α = 0, và tốc độ rotor duy trì ở mức không đổi, được gọi là tốc độ đồng bộ Nếu T > T, thì T > 0 và α > 0, khiến tốc độ rotor tăng Ngược lại, khi T < T, tốc độ rotor sẽ giảm Để dễ dàng đo lường vị trí góc của rotor so với một trục quy chiếu quay đồng bộ, chúng ta định nghĩa một hệ thống tham chiếu phù hợp.

= tốc độ góc đồng bộ của rotor, rad/s δ = vị trí góc rotor đối với một trục quy chiếu quay đồng bộ, rad

Sử dụng (2.3) và (2.5), (2.2) trở thành:

Để thuận tiện trong việc tính toán công suất thay vì mômen quay, cũng như để dễ dàng áp dụng trong hệ đơn vị tương đối, chúng ta có thể nhân (2.6) với một hệ số nhất định và chia cho S Điều này giúp xác định công suất cơ bản ba pha của máy phát.

Công suất cơ của động cơ sơ cấp được tính bằng cách trừ đi tổn thất cơ, trong khi công suất điện ngõ ra của máy phát được xác định bằng cách cộng với tổn thất điện.

Cuối cùng, để tiện tính toán với một hằng số quán tính chuẩn hóa, được gọi là hằng số H, mà được định nghĩa là:

H = động năng tích lũy ở tốc độ đồng bộ công suất cơ bản máy phát

Hằng số H có ưu điểm là nằm trong khoảng 1 đến 10 pu.s, trong khi J có sự biến đổi lớn tùy thuộc vào kích cỡ và loại máy phát Để tính toán J, ta sử dụng công thức (2.8) và thay vào công thức (2.7).

= ( ) − ( ) = ( ) (2.9) Định nghĩa tốc độ góc rotor trong đơn vị tương đối:

= ( ) − ( ) = ( ) (2.11) Đối với một máy phát điện đồng bộ có P cực, gia tốc góc điện , tần số góc điện , và góc công suất là:

2 ( ) (2.14) Tương tự, tần số góc điện đồng bộ là:

2 (2.15) Tần số điện trong đơn vị tương đối là:

Sử dụng (2.14 – 2.16), (2.11) có thể được viết là:

Thông thường, điều khoản (2.17) đã được sửa đổi để bao gồm một hạng mục mô tả mômen hãm xảy ra khi máy phát điện lệch khỏi tốc độ đồng bộ Giá trị của mômen hãm này tỷ lệ thuận với độ lệch tốc độ của máy phát điện.

D có thể là 0 hoặc một số dương nhỏ, thường nằm trong khoảng từ 0 đến 2 Đơn vị của D được tính bằng công suất tương đối chia cho độ lệch tốc độ tương đối.

Phương trình (2.18) được gọi là phương trình dao động trong đơn vị tương đối, đóng vai trò quan trọng trong việc xác định thuộc tính động của rotor trong nghiên cứu ổn định quá độ Phương trình này là phi tuyến do sự hiện diện của hàm phi tuyến trong phương trình công suất máy phát (P mpu = P epu sinδ) Dù có sự phi tuyến, trong thực tế, tốc độ rotor không thay đổi đáng kể so với tốc độ đồng bộ trong quá trình quá độ, do đó ( ) ≈ 1 thường được giả định trong (2.18) cho các tính toán tay.

Phương trình (2.18) là một phương trình vi phân bậc hai mà có thể được viết lại như hai phương trình vi phân bậc một

Lấy vi phân (2.5), và sau đó sử dụng (2.4) và (2.13) – (2.15), chúng ta có được:

Phương trình (2.19) và (2.20) là hai phương trình vi phân bậc một [9].

Mô hình đơn giản hóa máy phát và hệ thống tương đương

Mô hình cổ điển của máy phát điện đồng bộ, như hình 2.2, là một công cụ hữu ích trong nghiên cứu ổn định quá độ Máy phát điện này được đặc trưng bởi một sức điện động không đổi và điện kháng quá độ theo trục thẳng của nó.

Mô hình này được dựa trên các giả định sau đây:

1 Máy phát đang hoạt động dưới các điều kiện ba pha thứ tự thuận cân bằng

2 Kích từ máy phát là không đổi

3 Tổn thất máy phát, sự bão hòa, và cực lồi được bỏ qua

Trong các chương trình tính toán ổn định quá độ, việc sử dụng các mô hình chi tiết hơn để mô tả bộ kích từ, tổn thất và sự bão hòa có thể mang lại lợi ích Tuy nhiên, mô hình đơn giản hóa giúp giảm độ phức tạp trong khi vẫn đảm bảo độ chính xác hợp lý cho các tính toán ổn định.

V t a) Sơ đồ mạch b) Sơ đồ pha

Hình 2.2: Mô hình đơn giản hóa máy điện đồng bộ cho nghiên cứu ổn định quá độ

Mỗi máy phát điện trong mô hình được kết nối với hệ thống bao gồm đường dây truyền tải, máy biến áp, phụ tải và các thiết bị khác Hệ thống có thể được mô tả bằng một thanh góp vô hạn, hoạt động như một nguồn điện áp lý tưởng, duy trì độ lớn điện áp, pha và tần số không đổi.

Hình 2.3: Máy phát điện đồng bộ kết nối với một hệ thống tương đương

Máy phát điện đồng bộ kết nối với hệ thống tương đương được mô tả trong Hình 2.3, với biên độ điện áp V và góc pha 0 của thanh góp vô hạn giữ nguyên Góc pha của sức điện động máy phát tương ứng với góc công suất máy phát đối với thanh góp vô hạn Điện kháng tương đương giữa sức điện động máy phát và thanh góp vô hạn được tính bằng X eq = (X d' + X) Công suất thực mà máy phát điện đồng bộ cung cấp cho thanh góp vô hạn được xác định bởi công thức: sin(δ eq bus) e X.

Trong các sự nhiễu loạn thoáng qua cả và được coi không thay đổi

Do đó là một hàm sin của góc công suất máy phát [9].

Ổn định hệ nhiều máy

Hệ thống điện N nút bao gồm M máy phát điện đồng bộ, mỗi máy được mô tả bằng mô hình đơn giản hóa Các sức điện động của các máy phát được ký hiệu lần lượt là E 1, E 2,… E M, và các đầu cực của M máy được kết nối với các nút trong hệ thống.

HVTH: Phan Viết Thịnh Trang 17 hệ thống được ký hiệu G1, G2, … GM Tất cả phụ tải ở đây được mô hình hóa như các tổng dẫn không đổi [9]

Hình 2.4: Hệ thống điện N nút dùng cho các nghiên cứu ổn định quá độ

Phương trình nút của hệ thống:

⎤ là N vectơ của các điện áp bus (2.23)

⎤ là M vectơ của các điện áp máy phát (2.24)

⎤ là M vectơ của các dòng điện máy phát (nguồn dòng) (2.25)

Y Y là một ma trận tổng dẫn (N + M) × (N + M) (2.26)

Ma trận tổng dẫn trong (2.26) được phân chia theo đúng N nút hệ thống và

M nút sức điện động như sau:

Ma trận tổng dẫn nút Y được sử dụng để tính toán phân bố công suất, loại trừ các tổng dẫn phụ tải và trở kháng của máy phát nghịch đảo Khi một phụ tải kết nối đến nút n, tổng dẫn phụ tải sẽ được cộng vào phần tử đường chéo của ma trận Y Đồng thời, thành phần 1/ cũng được cộng vào phần tử đường chéo này.

Y là một ma trận đường chéo của các trở kháng máy phát điện nghịch đảo:

Ngoài ra, phần tử thứ km của là:

Viết (2.22) thành 2 phương trình riêng biệt,

Giả sử E đã được biết, phương trình tuyến tính (2.29) trong V có thể được giải bằng phương pháp lặp hoặc khử Gauss Để thực hiện, chúng ta sử dụng phương pháp lặp Gauss-Seidel theo phương trình (2.31) [9(6.4.6)].

Thành phần thứ k của V được tính như sau:

Sau khi tính được V, các dòng điện máy phát có thể tìm được từ (2.30)

Công suất điện (thực) ngõ ra của máy phát thứ n khi đó là:

Đánh giá ổn định hệ thống điện

Do sự phức tạp của hệ thống điện, các phương pháp phân tích truyền thống thường tốn thời gian và gây chậm trễ trong quyết định Do đó, mạng nơ-ron nhân tạo (ANN) đã được áp dụng để giải quyết các vấn đề mà phương pháp truyền thống không thể xử lý về tốc độ và hiệu suất Tuy nhiên, ANN cần dữ liệu ban đầu, vì vậy đã tiến hành mô phỏng trên hệ thống điện để tạo cơ sở dữ liệu đánh giá ổn định động Qua mô phỏng offline trên phần mềm PowerWorld với hệ thống IEEE 10-máy 39-bus, đã xem xét sự cố ngắn mạch 3 pha và phân loại các bus, đường dây vào trạng thái ổn định hoặc không ổn định dựa trên mối quan hệ giữa các góc công suất Các mẫu dữ liệu đại diện cho trạng thái hoạt động của hệ thống điện bao gồm độ thay đổi công suất phát, công suất tải, điện áp tại các bus và công suất phân bố trên các đường dây Trong quá trình mô phỏng, các vị trí nguy hiểm và các đường dây, bus có ảnh hưởng lớn đến hệ thống điện cũng đã được xem xét, với các mức tải khác nhau để bao quát các chế độ vận hành, trước khi đánh giá thuộc tính động của hệ thống.

HVTH: Phan Viết Thịnh Trang 20 đã tiến hành phân tích dữ liệu về hai trạng thái ổn định và không ổn định Trong quá trình này, các hệ thống tự động điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát đã được kích hoạt Đồng thời, việc phân bố công suất tối ưu cũng đã được thực hiện.

2.5.1 Quy trình mô phỏng lấy mẫu trong PowerWorld

Trong quá trình xây dựng mô hình nhận dạng bằng ANN, việc tạo ra cơ sở dữ liệu ổn định động là giai đoạn quan trọng và tốn nhiều thời gian nhất Cơ sở dữ liệu đáng tin cậy không chỉ quyết định độ chính xác trong đánh giá ổn định động mà còn ảnh hưởng lớn đến độ vững mạnh của mô hình Để đảm bảo tính toàn diện, cơ sở dữ liệu cần bao quát các trạng thái vận hành và phản ánh đầy đủ các kịch bản trong cả điều kiện ổn định và không ổn định Đồng thời, tính khách quan của các thông số trong hệ thống điện cũng phải được đảm bảo Trong luận văn, việc mô phỏng offline được thực hiện để đánh giá sự ổn định ở tất cả các vị trí bus và trên các đường dây truyền tải khác nhau Các thông số chuẩn của mô hình hệ thống điện IEEE 10-máy 39-bus cũng được kiểm tra và cài đặt để đảm bảo cơ sở dữ liệu phản ánh chính xác thông tin ổn định động Việc thực hiện mô phỏng offline để tạo cơ sở dữ liệu là một công việc nặng nhọc và khó khăn, tương tự như các nghiên cứu của các tác giả khác.

Trong vận hành hệ thống điện, cần tối ưu hóa khả năng mang tải của hệ thống và xây dựng các hệ thống điều khiển-bảo vệ để đảm bảo sự ổn định, đáp ứng nhu cầu tăng trưởng phụ tải với chi phí thấp nhất Công suất tác dụng và công suất phản kháng của máy phát cần được điều chỉnh trong giới hạn cho phép để tối ưu hóa chi phí vận hành Để đạt được điều này, việc phân phối công suất trong hệ thống điện quy mô lớn và dự báo nhu cầu tăng trưởng phụ tải là rất quan trọng, cùng với việc nhận dạng ổn định động chính xác trước khi thực hiện các mô phỏng lấy mẫu.

HVTH: Phan Viết Thịnh Trang 21 đã thực hiện đánh giá ổn định động của hệ thống điện bằng cách cài đặt theo các thông số chuẩn của hệ thống điện IEEE 10-máy 39-bus Bên cạnh đó, các hệ thống tự động như điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát đã được kích hoạt, đồng thời thực hiện phân bố công suất tối ưu.

Quy trình mô phỏng lấy mẫu trong PowerWorld được đề xuất tiến hành qua

4 giai đoạn, được trình bày như Hình 2.5, 2.6, 2.7 và 2.8 Quy trình thực hiện của mỗi giai đoạn như sau:

Giai đoạn 1: Thực hiện cài đặt các thông số chuẩn của các mô hình trong hệ thống điện IEEE 10-máy 39-bus

Hình 2.5: Quy trình cài đặt các thông số chuẩn của hệ thống điện IEEE 39-bus

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

Kích hoạt tự động điều chỉnh công suất phát (Available for AGC) Giai đoạn 2

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 trung tính nối đất

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

Hình 2.6: Quy trình kích hoạt các mô hình trong hệ thống điện IEEE 39-bus

Giai đoạn 3: Chạy phân bố công suất tối ưu

Load công suất tải Load công suất phát Giai đoạn 3

AGC = NO AVR = YES Cost Model = None AGC Status = off AGC

Run Mode Tools Solve Single Solution–

Run Mode Tools Solve Reset to Flat

AGC Status = OPF Includes Marginal Losses = YES

AGC = YES Cost Model = Cubic

Chạy phân bố công suất

Chạy phân bố công suất tối ưu

Hình 2.7: Quy trình chạy phân bố công suất tối ưu

Giai đoạn 4: Mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và lấy mẫu

Hình 2.8: Quy trình mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và lấy mẫu

Bảng thông số mô hình máy phát, thiết bị kích từ, thiết bị điều chỉnh tần số, công suất định mức, Pmax, Pmin máy phát, điện áp đầu cực máy phát, công suất định mức tải, và thông số cài đặt đầu phân áp trên các máy biến áp của hệ thống điện IEEE 10-máy 39-bus được trình bày chi tiết từ Bảng 2.1 đến Bảng 2.5 và có sẵn ở phần đính kèm cuối luận văn.

2.5.2 Mô tả quá trình lấy mẫu

Hệ thống điện IEEE 10-máy 39-bus bao gồm 39 bus và 46 đường dây truyền tải, trong đó có cả đường dây chứa máy biến áp Khi thực hiện ngắn mạch 3 pha tại tất cả các bus, ta thu được 39 mẫu dữ liệu Mỗi đường dây được kiểm tra ngắn mạch ở 3 vị trí 25%, 50% và 75%, tạo ra 46×38 mẫu Tổng số mẫu cho mỗi mức tải là 39 + 1387 mẫu Mô phỏng được thực hiện ở các mức tải từ 20% đến 120% tải cơ bản (11 mức tải), dẫn đến tổng cộng 177×1147 mẫu thu được.

Sau khi tiến hành kiểm tra từng mẫu thu được từ mô phỏng, những mẫu có giá trị trùng nhau đã được loại bỏ nhằm nâng cao độ chính xác của mô hình nhận dạng sử dụng ANN và giảm thiểu tình huống nhận dạng sai Kết quả, số mẫu giảm còn 1819, trong đó có 1436 mẫu ổn định và 383 mẫu không ổn định Các mẫu này sẽ được sử dụng để huấn luyện và đánh giá mô hình nhận dạng ANN.

Kết luận chương 2

Chương 2 đã trình bày tổng quan và có hệ thống về quá trình trình mô phỏng để tạo cơ sở dữ liệu trên hệ thống điện IEEE 10-máy 39-bus để xây dựng mô hình ANN nhận dạng ổn định động hệ thống điện Trong chương này đã tìm hiểu lý thuyết ổn định hệ thống điện, phân tích các phương pháp đánh giá ổn định và đã đề xuất quy trình lấy mẫu Trong chương 3, sau phần giới thiệu tổng quan về kỹ thuật lựa chọn biến đặc trưng, sẽ trình bày quy trình lựa chọn biến và giới thiệu các phương pháp, thuật toán lựa chọn biến đặc trưng sử dụng cho mô hình ANN nhận dạng ổn định động hệ thống điện

LỰA CHỌN BIẾN ĐẶC TRƯNG

Tổng quan

Trong chương 2, để xây dựng cơ sở dữ liệu đánh giá ổn định động, chúng tôi đã thực hiện mô phỏng ổn định quá độ trên hệ thống điện IEEE 10-máy 39-bus bằng phần mềm PowerWorld Các biến hệ thống đại diện cho trạng thái vận hành của hệ thống điện trong các mẫu dữ liệu Tuy nhiên, với các hệ thống điện lớn, số lượng biến hệ thống gia tăng, dẫn đến khó khăn trong việc lấy mẫu do số lượng mẫu lớn và nhiều biến Vì vậy, cần áp dụng các kỹ thuật lựa chọn biến đặc trưng để giảm số lượng biến đầu vào, giúp hệ thống huấn luyện trở nên nhanh chóng và chính xác hơn.

Trong những năm gần đây, nghiên cứu về kỹ thuật lựa chọn biến đặc trưng đã gia tăng đáng kể, đáp ứng nhu cầu giảm kích thước dữ liệu Lĩnh vực này không ngừng mở rộng cả về chiều rộng và chiều sâu, xuất hiện trong nhiều bài báo, hội thảo và báo cáo Việc áp dụng các kỹ thuật lựa chọn biến đặc trưng đã trở nên phổ biến trong nhiều lĩnh vực với các loại dữ liệu đa dạng Đặc biệt, trong việc xây dựng mô hình nhận dạng sử dụng mạng nơ-ron nhân tạo (ANN) để chẩn đoán nhanh và ổn định động hệ thống điện, việc lựa chọn biến đặc trưng một cách hiệu quả là rất cần thiết và được khuyến nghị áp dụng.

Lựa chọn biến đặc trưng

Lựa chọn biến đặc trưng nhằm loại bỏ các biến không phù hợp và thừa, đồng thời đảm bảo hiệu suất học không bị ảnh hưởng.

Lựa chọn biến đặc trưng có những ý nghĩa rất lớn sau đây:

- Giảm số cảm biến đo lường thu thập số liệu

- Giảm thời gian tính toán

- Nâng cao độ chính xác

Việc lựa chọn biến đặc trưng có thể thực hiện theo hai phương pháp: thứ nhất, xếp hạng các biến theo tiêu chí nhất định và chọn những biến có hạng cao; thứ hai, lựa chọn một tập hợp nhỏ các biến mà không ảnh hưởng đến hiệu suất học Các thuật toán lựa chọn tập con tự động xác định số lượng biến được chọn, trong khi các thuật toán xếp hạng cần dựa vào các ngưỡng cụ thể để thực hiện việc lựa chọn.

3.2.2 Các phương pháp tiếp cận

Lựa chọn biến đặc trưng bao gồm các phương pháp, chiến lược tìm kiếm và tiêu chuẩn đánh giá chất lượng Phương pháp Wrapper, mặc dù tìm kiếm các khả năng kết hợp của biến để xác định chất lượng, không phù hợp với dữ liệu lớn Ngược lại, phương pháp Filter chọn biến tốt qua các tiêu chuẩn đánh giá, giảm thiểu biến đầu vào và được khuyến nghị cho dữ liệu lớn Các chiến lược tìm kiếm như tối ưu toàn cục, tối ưu cục bộ và dựa trên kinh nghiệm có những ưu nhược điểm riêng Tìm kiếm tối ưu toàn cục có khả năng tìm ra tập con biến tốt nhất nhưng chi phí tính toán cao, trong khi tối ưu cục bộ có chi phí thấp và khả thi hơn Xếp hạng là phương pháp đơn giản trong tìm kiếm tối ưu cục bộ, đánh giá biến dựa trên độ đo đơn biến và sắp xếp theo mức độ quan trọng Hai kỹ thuật xếp hạng đơn biến dựa trên khoảng cách Fisher và Divergence đã được đề xuất áp dụng.

Khi lựa chọn biến đặc trưng, cần xem xét các hệ số như phương pháp đánh giá và chiến lược tìm kiếm Các phương pháp đánh giá thường được phân loại thành Filter và Wrapper, trong đó phương pháp Filter thường nhanh hơn Một trong những phương pháp nổi bật trong nhóm Filter là thuật toán Relief, được biết đến với hiệu quả và tính đơn giản Relief đánh giá trọng số các biến đặc trưng dựa trên sự sai biệt giữa hai điều kiện xác suất của nearest hit và nearest miss Nhờ đó, Relief thường hoạt động tốt hơn so với các phương pháp Filter khác như Fisher và Divergence.

Nghiên cứu về học máy đã dẫn đến việc phát triển nhiều phương pháp lựa chọn biến đặc trưng cho mạng nơ-ron nhân tạo (ANN) nhằm đánh giá ổn định hệ thống điện Lựa chọn biến đặc trưng đã trở thành một trong những phương pháp quan trọng trong đánh giá ổn định hệ thống điện, thu hút sự quan tâm của các nhà nghiên cứu gần đây Nhiều phương pháp đã được đề xuất, như quy trình tổng quát của kỹ thuật lựa chọn biến đặc trưng trong đánh giá an ninh hệ thống điện [13] Các nghiên cứu khác [26][38] đã áp dụng kỹ thuật dựa trên hàm khoảng cách Divergence và Fisher để đánh giá an ninh Bên cạnh đó, tác giả [5] đã sử dụng Fisher và Divergence để lựa chọn biến đặc trưng trong đánh giá ổn định động hệ thống điện Thuật toán Relief cũng được đề xuất [48] và được phân tích trong các tài liệu khác [46,47,49], gần đây được áp dụng [13] để lựa chọn biến đặc trưng trong đánh giá an ninh hệ thống điện.

Lựa chọn biến đặc trưng là quá trình xác định các biến quan trọng trong số các biến ngõ vào, giúp loại bỏ những biến thừa và không cần thiết Việc này không chỉ nâng cao hiệu suất của mô hình mà còn cải thiện độ chính xác trong phân tích dữ liệu.

HVTH: Phan Viết Thịnh Trang 29 cho biết rằng việc loại bỏ nhiễu có thể giúp giảm kích thước cơ sở dữ liệu một cách đáng kể, từ đó tăng tốc độ huấn luyện và nâng cao độ chính xác.

Quy trình lựa chọn biến đặc trưng

Trong quá trình thiết kế mô hình nhận dạng ổn định động hệ thống điện sử dụng ANN, việc lựa chọn biến đặc trưng là yếu tố then chốt, ảnh hưởng trực tiếp đến thời gian huấn luyện và độ chính xác chẩn đoán của mô hình Để nâng cao độ chính xác nhận dạng, cần chọn các biến đặc trưng có khả năng tách biệt cao giữa lớp ổn định và không ổn định.

Quy trình lựa chọn biến đặc trưng được chia thành 4 bước, được trình bày như Hình 3.1

Hình 3.1: Quy trình lựa chọn biến đặc trưng

3.3.1 Lựa chọn biến đặc trưng ban đầu

Bước này xác định một tập biến đặc trưng đại diện cho cơ sở dữ liệu nhằm huấn luyện ANN Những biến đặc trưng này thể hiện các thông số vận hành của hệ thống điện và bao quát các trạng thái hoạt động của nó.

HVTH: Phan Viết Thịnh Trang 30 đề cập đến sự biến động trong hệ thống điện trong chế độ quá độ, bao gồm sự thay đổi công suất máy phát, công suất tải, công suất trên các đường dây truyền tải, và sự sụt giảm điện áp tại các nút trong thời gian xảy ra sự cố.

3.3.2 Tìm kiếm biến đặc trưng ứng viên

Bước này liên quan đến việc tìm kiếm các tập con biến ứng viên cho bộ phân lớp, chi phối thời gian tính toán của toàn bộ quá trình lựa chọn biến Các chiến lược tìm kiếm bao gồm tối ưu toàn cục, tối ưu cục bộ và dựa trên kinh nghiệm Mặc dù tối ưu toàn cục có khả năng tìm ra tập con biến tốt nhất, nhưng chi phí tính toán cao khiến nó không khả thi với tập biến lớn Ngược lại, tối ưu cục bộ có chi phí thấp và khả thi hơn, được nhiều công trình khuyến nghị Xếp hạng là phương pháp đơn giản nhất trong tối ưu cục bộ, thực thi nhanh chóng bằng cách đánh giá độ đo cho từng đơn biến Tất cả các biến đặc trưng ban đầu được xếp hạng theo mức độ quan trọng và chọn ra số biến cần thiết Phương pháp xếp hạng được đề xuất trong đề tài này nhờ vào tính đơn giản trong tính toán, với các kỹ thuật lựa chọn biến được trình bày trong Mục 3.3.3.

3.3.3 Đánh giá biến đặc trưng ứng viên

Bước này nhằm đánh giá thứ tự quan trọng của các biến đặc trưng hoặc tập con của chúng Có hai phương pháp xếp hạng biến đặc trưng, bao gồm phương pháp xếp hạng theo khoảng cách và phương pháp xếp hạng theo trọng số Bài viết sẽ trình bày chi tiết hai phương pháp này, sử dụng các hàm khoảng cách Fisher và Divergence để thực hiện việc xếp hạng.

Hàm khoảng cách tuyến tính Fisher, được giới thiệu vào năm 1936, nhằm mục đích tìm kiếm độ tách biệt tối ưu giữa hai lớp dữ liệu Trong một tập dữ liệu D với n mẫu huấn luyện x1, x2,…, xn, trong đó có n1 mẫu thuộc lớp C1 và n2 mẫu thuộc lớp C2, nhiệm vụ chính là xác định sự phân tách hiệu quả giữa các lớp này.

HVTH: Phan Viết Thịnh Trang 31 đang tìm kiếm ánh xạ tuyến tính cực đại y = w^T x, tương ứng với việc xác định đường thẳng tối ưu để chiếu dữ liệu, nhằm tối đa hóa độ tách biệt giữa hai lớp Các biến có giá trị F(w) lớn hơn cho thấy khả năng phân tách dữ liệu giữa hai lớp cao hơn.

Trong đó: m 1 là giá trị trung bình của lớp C 1 và  1 2 là phương sai của C 1

Divergence là tiêu chuẩn để đo lường mức độ phân tán giữa hai lớp dữ liệu Khoảng cách D giữa hai lớp được thể hiện qua biểu thức (3.2) Nếu biến có khoảng cách D lớn hơn, điều này cho thấy dữ liệu giữa hai lớp phân tán hơn và có ý nghĩa quan trọng hơn.

Trong đó:  1 2  2 2 là phương sai của lớp 1 và lớp 2 của biến; m1 m2 là trung bình của lớp 1 và lớp 2 của biến

Trong phương pháp xếp hạng theo trọng số, giải thuật Relief được đề xuất để so sánh với các phương pháp chọn biến khác sử dụng hàm khoảng cách Fisher và Divergence Relief có ưu điểm nổi bật là tính toán trọng số của biến dựa trên mẫu, sau đó cập nhật và xếp hạng các biến theo mức độ quan trọng từ cao đến thấp Điều này giúp lựa chọn các biến đặc trưng có khả năng tách biệt dữ liệu giữa lớp ổn định và không ổn định, từ đó nâng cao độ chính xác trong nhận dạng.

Giải thuật Relief đánh giá giá trị trọng số của biến dựa trên mẫu, với mục tiêu xác định các biến tốt, tức là những biến có các mẫu cùng lớp gần nhau và các mẫu không cùng lớp tách biệt hơn Ý tưởng của giải thuật này được minh họa trong Hình 3.2 Trong quá trình học, Relief chọn ngẫu nhiên một mẫu từ tập học M, bao gồm các mẫu ổn định S và không ổn định U Giải thuật tính toán khoảng cách nearest hit xH giữa mẫu gần nhất trong xk đến mẫu của lớp ổn định S, cũng như khoảng cách nearest miss để đánh giá sự phân tách giữa các lớp.

HVTH: Phan Viết Thịnh Trang 32 xM được so sánh với mẫu gần nhất trong xk đến mẫu của lớp không ổn định U Giải thuật cập nhật trọng số cho tất cả các biến F i (i = 1, 2, …, N) dựa trên giá trị x k, x H và x M Nếu x k và x H của biến F i có sai lệch, hai mẫu cùng lớp sẽ tách biệt, dẫn đến việc giảm trọng số Ngược lại, nếu x k và x M có sai lệch, hai mẫu khác lớp sẽ tách biệt, khiến trọng số tăng Quy trình này được lặp lại m lần.

Mẫu chọn ngẫu nhiên nearest hit

Lớp không ổn định Lớp ổn định

Hình 3.2: Mô tả giải thuật Relief

Trọng số cũng có thể là số âm, tuy nhiên nếu Wi ≤ 0 có nghĩa là biến đặc trưng F i là không liên quan

Giải thuật Relief cơ bản như sau:

Input: Tập biến F[M,N] có M mẫu N biến

Thiết lập số mẫu ngẫu nhiên x k , k=[1,m], m ≤ M

Output: Vectơ trọng số W[i] của biến Fi : −1 ≤ W[i] ≤ 1

Hàm diff(i,x j ,x k ) tính toán khoảng cách giữa mẫu x k và x j của biến F i , được tính theo công thức (3.3)

Khoảng cách gần nhất giữa mẫu thứ j trong số mẫu x k đến mẫu ổn định S được ký hiệu là x j Giá trị lớn nhất và nhỏ nhất của biến i lần lượt được biểu thị bởi max(F i ) và min(F i ).

Nhược điểm của giải thuật Relief cơ bản là chỉ xử lý được các bài toán phân loại với hai lớp Để khắc phục các vấn đề như nhiễu, dữ liệu không đầy đủ và phân loại nhiều lớp, giải thuật Relief đã được mở rộng thông qua phương trình cập nhật trọng số.

Khoảng cách gần nhất giữa mẫu thứ j trong lớp x k đến mẫu ổn định S được ký hiệu là x j, trong khi x j (C) đại diện cho khoảng cách gần nhất giữa mẫu thứ j trong x k đến lớp C Số lượng mẫu trong lớp C được ký hiệu là n.

Thông qua việc thực hiện nhiều lần huấn luyện, chúng tôi tìm kiếm tập con biến với độ chính xác nhận dạng mong muốn Quá trình tìm kiếm và đánh giá các biến sẽ kết thúc khi số lượng biến đạt yêu cầu và độ chính xác nhận dạng cao nhất được hoàn thành, đáp ứng giá trị kỳ vọng.

Kết luận chương 3

Chương 3 đã trình bày tổng quan về kỹ thuật lựa chọn biến đặc trưng trong đánh giá ổn định hệ thống điện Trong chương này cũng đã trình bày chi tiết các bước lựa chọn biến đặc trưng và phương pháp được sử dụng trong mỗi bước Cụ thể, lựa chọn biến đặc trưng áp dụng phương pháp Filter, trong đó, biến đặc trưng ban đầu được sử dụng là độ thay đổi công suất máy phát, độ thay đổi công suất tải, độ thay đổi công suất trên các đường dây truyền tải, độ sụt điện áp tại các nút ngay trong thời điểm xảy ra sự cố; quá trình tìm kiếm và lựa chọn biến đặc trưng dựa trên phương pháp xếp hạng, áp dụng tiêu chuẩn đánh giá đơn biến dùng hai hàm khoảng cách Fisher và Divergence và giải thuật Relief để đánh giá xếp hạng biến đặc trưng Trong chương 4, sau phần giới thiệu tổng quan về ANN, sẽ trình bày chi tiết mô hình MLPNN và RBFN cũng như các biến thể của nó, để xây dựng mô hình ANN nhận dạng ổn định động hệ thống điện

MẠNG NƠRON VÀ MÔ HÌNH NHẬN DẠNG

Định dạng
Số trang	105
Dung lượng	3,66 MB