TỔNG QUAN
Tổng quan về lĩnh vực nghiên cứu
Hệ thống điện đang phát triển mạnh mẽ về quy mô và độ phức tạp, đồng thời phải đối mặt với những khó khăn trong vận hành do sự không tương xứng giữa nhu cầu phụ tải, hệ thống truyền tải và nguồn năng lượng Điều này dẫn đến nguy cơ hoạt động gần biên ổn định, với các sự cố như ngắn mạch đường dây và ngắt máy phát có thể xảy ra, gây mất ổn định cho hệ thống điện Những nhiễu loạn này không chỉ làm gián đoạn cung cấp điện mà còn gây tổn thất cho nền kinh tế và nguy cơ sụp đổ hệ thống điện Do đó, việc phát hiện nhanh và cảnh báo sớm về mất ổn định hệ thống điện là rất cần thiết để đảm bảo quyết định kịp thời và vận hành ổn định Ổn định hệ thống điện liên quan đến khả năng phục hồi trạng thái ban đầu sau các kích động lớn, nhờ vào sự đồng bộ của hệ thống máy phát Để nâng cao an toàn và giảm thiệt hại, cần phát triển một hệ thống đánh giá ổn định nhanh chóng và chính xác dựa trên phân tích ổn định của hệ thống, nhằm thực hiện cảnh báo sớm và đảm bảo vận hành an toàn cho hệ thống điện.
Việc đánh giá ổn định hệ thống điện sau kích động lớn đã được nghiên cứu qua nhiều phương pháp khác nhau Các phương pháp phổ biến bao gồm mô phỏng miền thời gian, ổn định trực tiếp và hàm năng lượng Mô phỏng miền thời gian cung cấp kết quả chính xác bằng cách giải các phương trình không gian trạng thái, tuy nhiên, phương pháp này tốn nhiều thời gian và không kiểm tra được biên ổn định của hệ thống Trong khi đó, phương pháp ổn định trực tiếp cho kết quả chính xác về ổn định quá độ nhưng cũng gặp khó khăn trong tính toán và mất nhiều thời gian giải.
HVTH: Võ Thanh An Trang 2 đã phát triển một phương pháp xác định ổn định quá độ dựa trên hàm năng lượng mà không cần giải các phương trình không gian trạng thái của hệ thống điện Phương pháp này cung cấp thông tin về thời gian cắt ổn định động, mặc dù quy trình thực hiện khá phức tạp và tốn nhiều thời gian.
Các phương pháp phân tích truyền thống thường gây chậm trễ trong việc ra quyết định do tính phức tạp và thời gian giải kéo dài Để đáp ứng yêu cầu khắt khe về thời gian tính toán, nhu cầu nghiên cứu và ứng dụng các phương pháp hiệu quả hơn đã gia tăng Một trong những phương pháp hiệu quả đó là phương pháp nhận dạng mẫu, giúp tính toán nhanh chóng và chính xác.
Phương pháp nhận dạng mẫu (Pattern Recognition) được áp dụng để đánh giá ổn định động hệ thống điện, thay thế cho các phương pháp phân tích truyền thống bằng cách học mối quan hệ giữa đầu vào và đầu ra Các bộ phân loại được huấn luyện offline và kiểm tra online Nhiều nghiên cứu đã đề xuất các giai đoạn phát triển mô hình nhận dạng thông minh nhằm đánh giá ổn định hệ thống điện Một số tác giả lựa chọn tín hiệu đầu vào là các biến đặc trưng trong 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 tối đa cho phép để hệ thống vẫn duy trì ổn định Tuy nhiên, với sự gia tăng kích thước hệ thống điện, số lượng thông số phân loại trở nên lớn, có thể giảm độ tin cậy và yêu cầu một tập huấn luyện lớn, đồng thời việc tìm kiếm mối liên hệ giữa các biến đặc trưng và độ ổn định cũng gặp nhiều thách thức.
Biến đặc trưng trong hệ thống điện được chia thành hai loại: trước sự cố và sau sự cố Biến đặc trưng trước sự cố là các thông số xác lập, cho phép đánh giá an ninh hệ thống trước khi xảy ra sự cố Khi phát hiện trạng thái vận hành không ổn định, các nhà vận hành có thể thực hiện các biện pháp phòng ngừa nhằm chuyển điểm vận hành vào vùng an toàn, từ đó giảm thiểu nguy cơ mất ổn định Mặc dù phương pháp này giúp hệ thống điện hoạt động trong trạng thái an toàn và ngăn chặn sự cố, nhưng nó cũng có thể dẫn đến chi phí cao do việc thay đổi trạng thái vận hành, như trong kế hoạch tái phát.
HVTH: Võ Thanh An Trang 3 điện Sau sự cố, các biến đặc trưng được sử dụng để đánh giá ổn định động, chỉ có thể thực hiện sau khi có kích động thực sự Nếu sự ổn định bị mất trong thời gian ngắn, cần kích hoạt ngay các biện pháp phục hồi như ngắt máy phát hoặc sa thải phụ tải Mặc dù đây là biện pháp đối phó không tốn chi phí nếu không có kích động, nhưng lại gây hao phí kinh tế lớn nếu thực hiện, đặc biệt là việc loại bỏ máy phát điện và bus tải Việc sử dụng các biến đặc trưng sau sự cố yêu cầu một khoảng thời gian đáp ứng nhất định để chẩn đoán sự ổn định, và thời gian tới hạn này có thể quá dài cho các nhà vận hành thực hiện hành động khắc phục kịp thời nhằm ngăn chặn mất ổn định quá độ.
Mạng nơron nhân tạo (ANN) cho thấy tiềm năng lớn trong việc dự đoán nhanh chóng và chính xác ổn định động của hệ thống điện thông qua việc huấn luyện từ một nhóm nhỏ các biến hệ thống Kỹ thuật xử lý dữ liệu, bao gồm việc lựa chọn và trích xuất các biến và mẫu đặc trưng, là yếu tố quan trọng giúp hệ thống nhận diện dữ liệu tốt nhất với khả năng phân biệt cao Các nghiên cứu đã chỉ ra rằng ANN có thể được áp dụng để đánh giá an ninh hệ thống điện, với MLPNN được sử dụng để ước lượng biên ổn định quá độ Ngoài ra, CNN và PNN cũng đã được áp dụng để đánh giá ổn định quá độ thông qua góc rotor tương đối của máy phát Các mạng nơron khác như KNN, GRNN, MLFNN và BPLNN đã được sử dụng để đánh giá ổn định hệ thống điện thông qua chỉ số CCT (Critical Clearing Time).
Trong nghiên cứu nhận dạng, mạng nơ-ron nhân tạo (ANN) được sử dụng để nhận dạng ổn định động của hệ thống điện Việc nhận dạng này dựa trên bộ dữ liệu ổn định động trước khi xảy ra sự cố, thường áp dụng trong đánh giá an ninh Ngoài ra, dữ liệu sau sự cố cũng có thể được sử dụng để phân tích ổn định động.
HVTH: Võ Thanh An Trang 4 đề xuất phát triển mô hình nhận dạng để xử lý sự cố ngẫu nhiên trong hệ thống điện Việc ứng dụng kỹ thuật xử lý dữ liệu là cần thiết nhằm đảm bảo khả năng nhận dạng ổn định, đạt độ chính xác cao và nâng cao độ tin cậy cho hệ thống.
Đối với hệ thống điện nhiều máy, kích thước bộ dữ liệu ổn định động rất lớn, gây tốn chi phí huấn luyện cho các hệ thống thông minh Do đó, cần trích xuất một tập dữ liệu gọn gàng nhưng vẫn đại diện cho hệ thống để đảm bảo huấn luyện chính xác Kỹ thuật xử lý dữ liệu bao gồm lựa chọn biến đặc trưng để loại bỏ các biến không cần thiết và phân cụm dữ liệu nhằm nhóm các mẫu tương tự, giúp giảm số lượng mẫu đầu vào.
Tính cấp thiết của đề tài
Các phương pháp phân tích hệ thống điện truyền thống thường tốn nhiều thời gian, dẫn đến chậm trễ trong quyết định Hơn nữa, tính phi tuyến của hệ thống điện cũng gây khó khăn trong việc chẩn đoán nhanh chóng độ ổn định động của nó.
ANN được khuyến nghị như một phương pháp thay thế hiệu quả để giải quyết các vấn đề mà các phương pháp truyền thống không thể xử lý, đặc biệt về tốc độ tính toán và hiệu suất Qua quá trình học từ cơ sở dữ liệu và phân tích mối quan hệ phi tuyến giữa các thông số vận hành hệ thống điện và tình trạng ổn định, ANN cho phép tính toán và ra quyết định nhanh chóng, đây là đặc điểm nổi bật của công nghệ này.
Kích thước lớn của bộ dữ liệu ổn định động gây tốn chi phí huấn luyện cho mạng nơ-ron nhân tạo (ANN) Để ANN hoạt động nhanh và hiệu quả, cần trích xuất một tập dữ liệu gọn nhưng vẫn đại diện cho hệ thống, giúp huấn luyện nhanh và chính xác ổn định động của hệ thống điện Tuy nhiên, các công trình đã công bố hiện tại vẫn còn hạn chế, do đó cần phát triển kỹ thuật xử lý dữ liệu mới hiệu quả, nhằm đáp ứng yêu cầu nhận dạng và chẩn đoán nhanh ổn định hệ thống điện.
HVTH: Võ Thanh An Trang 5 báo trường hợp mất ổn định, giúp hệ thống điều khiển kích hoạt khẩn cấp đưa hệ thống điện về trạng thái ổn định
Kết hợp với các kỹ thuật xử lý dữ liệu, ANN nổi bật với tốc độ đánh giá ổn định thời gian thực, yêu cầu dữ liệu ít hơn, khả năng khái quát hóa mạnh mẽ và khả năng mở rộng Do đó, phương pháp ANN đã thu hút sự quan tâm nghiên cứu và ứng dụng của nhiều nhà khoa học trong những năm gần đây ANN cùng với các kỹ thuật xử lý dữ liệu cung cấp kết quả nhanh và chính xác, giúp thực hiện các hành động cần thiết khi xảy ra sự cố ngẫu nhiên Đề tài này tập trung vào nghiên cứu mô hình nhận dạng sử dụng ANN để chẩn đoán nhanh ổn định động hệ thống điện, với các giai đoạn xây dựng mô hình được thực hiện theo các bước cụ thể.
1 Xây dựng cơ sở dữ liệu ổn định động, trong đó bộ cơ sở dữ liệu đáng tin cậy bao trùm một phạm vi toàn diện của các trạng thái vận hành của hệ thống điện
2 Chuẩn hóa dữ liệu, trong đó kiểm tra xử lý và đưa dữ liệu ban đầu về dạng chuẩn quy định trước
3 Xử lý dữ liệu, trong đó bao gồm phân cụm dữ liệu và lựa chọn biến đặc trưng, nhằm trích xuất tập dữ liệu đủ gọn nhưng vẫn mang tính đại diện cho hệ thống điện
4 Huấn luyện mạng, 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 Đánh giá 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
HVTH: Võ Thanh An Trang 6
1.3.2 Nhiệm vụ của luận văn
Nghiên cứu và phát triển mô hình nhận dạng ổn định động cho hệ thống điện sử dụng mạng nơron với độ chính xác nhận dạng vượt quá 95% Mô hình này hứa hẹn mang lại hiệu quả cao trong việc cải thiện độ tin cậy và hiệu suất của hệ thống điện.
- Tạo cơ sở dữ liệu đánh giá ổn định động hệ thống điện với sự hỗ trợ của PowerWorld
- Xây dựng các chương trình chọn mẫu và thông số đặc trưng trong môi trường Matlab
- Đánh giá hiệu quả nhận dạng của mô hình mạng nơron đề xuất được xây dựng trên hệ thống điện IEEE 10-máy 39-bus.
Phạm vi nghiên cứu
- Nghiên cứu lý thuyết ổn định hệ thống điện, lý thuyết mạng nơron, …
This study focuses on data processing techniques, specifically reducing variables using algorithms such as Fisher, Divergence, and Relief, while also implementing sample reduction through K-means and Fuzzy C-means algorithms.
- Nghiên cứu quy trình xây dựng mô hình nhận dạng ổn định động hệ thống điện dựa trên cơ sở mạng nơron
- Đánh giá hiệu quả mạng nơron đề xuất trên hệ thống điện chuẩn IEEE 10- máy 39-bus.
Phương pháp nghiên cứu
- Phương pháp tham khảo tài liệu liên quan đến luận văn
- Phương pháp mô hình hóa mô phỏng
- Phương pháp phân tích và tổng hợp.
Ý nghĩa khoa học và giá trị thực tiễn của luận văn
Kết quả nghiên cứu này có thể trở thành tài liệu tham khảo quý giá cho học viên cao học ngành kỹ thuật điện, đặc biệt trong việc nghiên cứu bài toán nhận dạng ổn định động của hệ thống điện.
Mô hình nhận dạng ANN được phát triển nhằm hỗ trợ các điều độ viên trong việc ra quyết định hiệu quả trong các tình huống khẩn cấp, giúp nhanh chóng đưa hệ thống điện trở lại trạng thái ổn định.
HVTH: Võ Thanh An Trang 7
ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN
Ổn định hệ thống điện
Hệ thống điện là tập hợp các phần tử phát, dẫn, phân phối có mối quan hệ tương tác lẫn nhau rất phức tạp
Hệ thống điện có tính chất phi tuyến và động, thường xuyên chịu ảnh hưởng từ các nhiễu loạn Các nhiễu loạn này được chia thành hai loại chính: nhiễu loạn ngẫu nhiên và nhiễu loạn do phụ tải Nhiễu loạn ngẫu nhiên bao gồm các sự cố như sét, ngắn mạch, hư hỏng cách điện, và rơ le hoạt động không chính xác, thường được gọi là nhiễu loạn lớn hoặc sự kiện Trong khi đó, nhiễu loạn do phụ tải phát sinh từ những biến động ngẫu nhiên trong nhu cầu sử dụng điện.
Trong quá trình vận hành, hệ thống điện thường xuyên phải đối mặt với các nhiễu loạn, có thể gây tổn hại đến tính ổn định của nó Nếu không đảm bảo được sự ổn định khi có tác động từ những nhiễu này, hệ thống có thể dẫn đến sụp đổ Ổn định hệ thống điện được định nghĩa là khả năng phục hồi về trạng thái hoạt động bình thường sau khi chịu tác động nhiễu Đây là điều kiện thiết yếu cho sự tồn tại và vận hành của hệ thống Trong chế độ xác lập, để duy trì hoạt động, cần có sự cân bằng công suất và giữ độ lệch nhỏ của các thông số dưới tác động của những kích động ngẫu nhiên hoặc thao tác đóng cắt, yêu cầu hệ thống phải chuyển từ chế độ xác lập này sang chế độ xác lập mới.
Phân loại ổn định hệ thống điện
Việc phân loại ổn định hệ thống điện đòi hỏi xem xét nhiều yếu tố như độ lớn của nhiễu loạn, mô hình hóa chính xác và phân tích nhiễu loạn đặc trưng, thời gian nhiễu loạn tồn tại, cùng các thông số hệ thống có ảnh hưởng lớn nhất Hệ thống điện được phân loại thành ba loại ổn định chính: ổn định góc quay rotor, ổn định điện áp và ổn định tĩnh.
HVTH: Võ Thanh An Trang 8
2.2.1 Ổn định góc quay rotor Đây là ổn định nhiễu loạn lớn và liên quan đến khả năng liên kết giữa các máy điện đồng bộ nhằm duy trì sự ổn định sau khi xảy ra nhiễu loạn Chúng có thể được chia thành 2 loại:
- Ổn định tín hiệu nhỏ hoặc nhiễu loạn nhỏ
- Ổn định góc quay rotor nhiễu loạn lớn
Ổn định tín hiệu nhỏ xem xét các nhiễu nhỏ và có thể tuyến tính hóa các phương trình hệ thống Ổn định góc quay rotor nhỏ, thường được gọi là ổn định động ngắn, phụ thuộc vào nhiều yếu tố biến đổi như công suất máy phát, mức tải và điện áp hệ thống, khiến việc dự đoán trở nên khó khăn Ngược lại, ổn định góc quay rotor lớn, hay ổn định quá độ, xảy ra khi hệ thống điện đối mặt với nhiễu loạn lớn, như sự cố hệ thống Sự biến thiên đột ngột của dòng công suất trong lưới dẫn đến thay đổi công suất của máy phát, làm mất cân bằng mômen quay và gây ra sai lệch lớn ở góc quay rotor Ổn định góc rotor đề cập đến khả năng của các máy phát điện đồng bộ duy trì tính đồng bộ sau khi chịu kích động lớn.
Quá trình quá độ có thể ổn định hoặc không ổn định tùy thuộc vào mức độ của các kích động Tính ổn định của hệ thống trong trường hợp này được gọi là ổn định động (Dynamic Stability) hay ổn định quá độ (Transient Stability).
Quan điểm cổ điển cho rằng sự mất ổn định xảy ra trong vòng quay đầu tiên do moment hãm không đủ, như thể hiện ở đường cong a của Hình 2.1 Tuy nhiên, trong các hệ thống lớn, ổn định quá độ có thể không xảy ra ngay trong vòng quay đầu tiên và có thể là kết quả của việc xếp chồng nhiều chế độ dao động Điều này dẫn đến sự sai lệch lớn hơn của góc quay rotor trong các vòng quay tiếp theo, như thể hiện ở đường cong b của Hình 2.1 Đường cong c của Hình 2.1 minh họa sự ổn định quá độ khi hãm các vòng quay góc rotor.
HVTH: Võ Thanh An Trang 9
Hình 2.1 minh họa sự ổn định của góc quay rotor trong các chế độ quá độ khác nhau của hệ thống điện Đường cong a thể hiện sự mất ổn định trong vòng quay đầu tiên, trong khi đường cong b cho thấy mất ổn định do góc quay rotor lớn hơn sau một số vòng quay Đường cong c đại diện cho sự ổn định quá độ của góc quay rotor.
2.2.2 Ổn định điện áp Ổn định điện áp có thể được chia thành hai loại như sau [56]:
Mất ổn định nhiễu loạn lớn trong hệ thống điện cần được kiểm soát chặt chẽ, đặc biệt khi xảy ra các sự cố như ngắn mạch hoặc ngắt máy phát Sự mất ổn định góc quay rotor có thể gây ra tình trạng mất ổn định điện áp Khi hệ thống mất dần tính đồng bộ, ví dụ như khi góc rotor lệch vượt quá 180°, sẽ dẫn đến hiện tượng sụt áp trên lưới điện.
Mất ổn định nhiễu loạn nhỏ xảy ra khi khả năng kiểm soát điện áp của hệ thống bị ảnh hưởng bởi các nhiễu loạn nhỏ, chẳng hạn như thay đổi phụ tải Sự thay đổi dòng công suất trên đường dây dẫn đến chênh lệch điện áp (ΔV) ở cuối đường dây, gây ra những vấn đề trong việc duy trì ổn định điện áp.
2.2.3 Ổn định tĩnh Ổn định tĩnh là khả năng của hệ thống sau những kích động nhỏ (nhiễu nhỏ) phục hồi được chế độ ban đầu [1] Khả năng này phụ thuộc vào độ dự trữ ổn định của hệ thống Đánh giá ổn định tĩnh đề cập đến ổn định trạng thái tĩnh của hệ thống
HVTH: Võ Thanh An Trang 10 đề cập đến việc các đường dây có thể vượt quá tải hoặc vi phạm giới hạn điện áp tại các bus do các kích động trong hệ thống Đặc trưng góc công suất của máy phát có thể được xác định thông qua sơ đồ phasor cơ bản như thể hiện trong Hình 2.2.
Hình 2.2: Sơ đồ phasor đơn giản của một máy phát, bỏ qua trở kháng
Khi bỏ qua tất cả trở kháng và tổn hao, đặc trưng góc công suất có thể được trình bày như sau:
Do đó, máy phát ổn định tĩnh nếu [56]:
Tỉ lệ này gia tăng với mỗi biến đổi nhỏ trong công suất trục ngõ ra, dẫn đến sự thay đổi của góc δ Theo phương trình (2.1), công suất đồng bộ có thể được tính toán như sau:
Khi có bất kỳ nhiễu loạn nào ảnh hưởng đến hoạt động của máy điện đồng bộ, công suất đồng bộ sẽ được điều chỉnh để khắc phục nhiễu loạn và đưa hệ thống về một điểm ổn định mới.
HVTH: Võ Thanh An Trang 11
Đánh giá ổn định động của hệ thống điện là nhiệm vụ quan trọng trong thiết kế và vận hành hệ thống Ổn định động đề cập đến khả năng của hệ thống phục hồi trạng thái ban đầu sau những kích động lớn Mục tiêu của việc đánh giá này là xác định khả năng của hệ thống điện trong việc chịu đựng các kích động ngẫu nhiên mà không mất đi sự ổn định Việc đánh giá ổn định động đóng vai trò then chốt trong việc đảm bảo an toàn và độ 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 Đánh giá này tập trung vào thuộc tính động của hệ thống điện trong quá trình ngắn mạch, thông qua việc quan sát mối quan hệ giữa các góc công suất của các máy phát điện Hệ thống điện được coi là ổn định nếu mọi 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 sự ổn định của hệ thống sau các kích động lớn, nếu ∆δ ij ≤ 180° thì hệ thống ổn định, ngược lại nếu ∆δ ij > 180° thì không ổn định Các phương pháp toán học, đặc biệt là phương pháp tích phân số, có thể xác định sự ổn định và góc công suất lớn nhất qua việc 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, để đáp ứng yêu cầu khắt khe về thời gian tính toán, luận văn đã áp dụng phương pháp nhận dạng sử dụng mạng nơ-ron nhân tạo (ANN) như một giải pháp hiệu quả hơn.
Phương trình dao động của máy phát
Phương trình dao động liên quan đến chuyển động của rotor [56], được viết lại như sau: e m r T T dt
Moment quán tính J (kg.m²) liên quan đến tốc độ góc ωr (rad) của rotor, trong khi Tm là moment cơ và Te là moment điện (N.m) Các đại lượng này có thể chuyển đổi sang hệ đơn vị tương đối thông qua mối quan hệ giữa hằng số quán tính H và moment quán tính J.
Chỉ số dưới u thể hiện các giá trị trong hệ đơn vị tương đối, trong đó H là hằng số quán tính, được định nghĩa theo các đơn vị phổ biến ở Hoa Kỳ.
MW s MVA machine of rating MVA ft lb WR
Biến thiên trong các máy điện không quá lớn, nhưng cần chú ý khi lập phương trình dao động trong giới hạn góc quay rotor ở độ điện δ Việc này nên được so sánh với tốc độ đồng bộ tham chiếu δ0 tại t = 0 Góc δ được xác định từ các sơ đồ phasor của máy điện.
Do đó, phương trình 2.6 được viết như sau: eu mu T dt T d
Thêm thông số khác với phương trình này để tính toán giảm xóc và tỉ lệ tốc độ Khi đó phương trình trở thành:
HVTH: Võ Thanh An Trang 13 ru D eu mu T K dt T d
Phương trình (2.11) được gọi là phương trình dao động Và có thể được biểu diễn dưới hai phương trình vi phân bậc nhất như sau:
Chỉ số dưới u đã được giảm thiểu và phương trình được hiểu là sử dụng đơn vị tương đối
K1 (đơn vị tương đối P/rad) = hệ số đồng bộ
Giới hạn K 1, hay còn gọi là công suất đồng bộ, có vai trò quan trọng trong việc điều chỉnh quán tính của hệ thống, giúp đưa nó về điểm làm việc ổn định Đặc biệt, đối với các sai lệch nhỏ, giới hạn này đóng góp vào việc duy trì sự ổn định của hệ thống.
K1 là độ dốc của đường cong góc công suất quá độ, tại điểm làm việc ổn định riêng biệt, như Hình 2.3:
Trong hình 2.4, máy phát đồng bộ được kết nối với thanh cái vô hạn qua điện kháng Xe, trong đó E′ là điện áp nội sau điện kháng quá độ, Eq là điện áp nội sau điện kháng đồng bộ, V là điện áp của thanh cái vô hạn, Vt là điện áp đầu cực máy phát, và là góc giữa E′ q và V.
Phương trình (2.11) điều chỉnh đáp ứng động, có tần số dao động khoảng: s
HVTH: Võ Thanh An Trang 14
Hình 2.3: Đường cong góc công suất quá độ với độ dốc K1
Hình 2.4: (a) Máy phát kết nối với thanh cái vô hạn thông qua điện kháng ngoại
(b) Sơ đồ phasor của máy phát kết nối với thanh cái vô hạn.
Mô hình đơn giản hóa máy phát và hệ thống tương đương
Mô hình cổ điển của máy phát điện đồng bộ, như được trình bày trong Hình 2.5, là một công cụ hữu ích cho các nghiên cứu về ổn định quá độ Mô hình này giúp phân tích và hiểu rõ hơn về hoạt động của máy phát điện đồng bộ trong các tình huống khác nhau.
HVTH: Võ Thanh An Trang 15 sức điện động không đổi 𝐸 ′ , theo sau trục thẳng của nó là điện kháng quá độ 𝑋 𝑑 ′
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 giúp mô tả chính xác các bộ kích từ, tổn thất và sự bão hòa Tuy nhiên, mô hình đơn giản hóa có thể giảm thiểu độ phức tạp mà vẫn đảm bảo độ chính xác hợp lý trong các tính toán ổn định.
V t a) Sơ đồ mạch b) Sơ đồ pha
Hình 2.5: Mô hình đơn giản hóa máy điện đồng bộ cho nghiên cứu ổn định quá độ
Mỗi máy phát điện trong mô hình 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.
HVTH: Võ Thanh An Trang 16
Máy phát điện đồng bộ Hệ thống tương đương
Hình 2.6: 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 2.6, với biên độ điện áp V bus và góc pha 0 0 của thanh góp vô hạn giữ nguyên Góc pha 𝛿 của sức điện động máy phát thể hiện góc công suất máy phát so với thanh góp vô hạn Điện kháng tương đương giữa sức điện động máy phát và thanh góp vô hạn được tính bằng công thức 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) * (V bus / X).
Trong các sự nhiễu loạn thoáng qua cả 𝐸 ′ và 𝑉 𝑏𝑢𝑠 được coi không thay đổi
Do đó 𝑃 𝑒 là một hàm sin của góc công suất 𝛿 máy phát [9].
Ổn định hệ nhiều máy
Hệ thống điện N nút với M máy phát điện đồng bộ được mô tả trong Hình 2.4, trong đó mỗi máy phát được thể hiện qua 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 Các đầu cực của M máy phát được kết nối với các nút trong hệ thống được ký hiệu từ G1 đến GM, và tất cả các phụ tải được mô hình hóa như các tổng dẫn không đổi.
HVTH: Võ Thanh An Trang 17
Hệ thống điện N nút kết nối với các đầu cực máy phát G1, G2, … GM.
Các đường dây truyền tải, các máy biến áp, các phụ tải được mô hình hóa bởi những tổng dẫn không đổi
Hình 2.7: Hệ thống điện N nút dùng cho các nghiên cứu ổn định quá độ
Phương trình nút của hệ thống:
1 là N vectơ của các điện áp bus (2.18)
E là M vectơ của các điện áp máy phát (2.19)
1 là M vectơ của các dòng điện máy phát (nguồn dòng) (2.20)
T là một ma trận tổng dẫn (N+M)x(N+M) (2.21)
HVTH: Võ Thanh An Trang 18
Ma trận tổng dẫn trong (2.21) được phân chia theo đúng N nút hệ thống và
M nút sức điện động như sau:
Y11 là ma trận tổng dẫn nút quan trọng trong việc tính toán phân bố công suất, không bao gồm 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 Y11nm Bên cạnh đó, thành phần 1 / jX dn' cũng được thêm vào phần tử đường chéo này.
Y22 là một ma trận đường chéo của các trở kháng máy phát điện nghịch đảo:
Ngoài ra, phần tử thứ km của Y12 là:
khác n m và Gn k jX nêu
Viết (2.17) thành 2 phương trình riêng biệt:
Giả sử E đã được biết, phương trình tuyến tính (2.24) trong V có thể được giải bằng phương pháp lặp hoặc khử Gauss Phương pháp lặp Gauss-Seidel sẽ được áp dụng cho phương trình (2.26) [9(6.4.6)].
1 k = 1, 2, …, N (2.26) Thành phần thứ k của V được tính như sau:
HVTH: Võ Thanh An Trang 19
Sau khi tính được V, các dòng điện máy phát có thể tìm được từ (2.25)
Công suất điện (thực) ngõ ra của máy phát thứ n khi đó là:
Đánh giá ổn định hệ thống điện
Với tính chất phi tuyến và động của hệ thống điện, các phương pháp phân tích truyền thống thường chậm trễ và tốn thời gian trong việc ra quyết định Do đó, phương pháp ANN được áp dụng để giải quyết những vấn đề mà các phương pháp truyền thống không thể xử lý hiệu quả, đặc biệt về tốc độ tính toán Tuy nhiên, ANN cần có số liệu ban đầu, vì vậy đã tiến hành chạy các chế độ trên hệ thống điện để tạo cơ sở dữ liệu đánh giá ổn định động Thông qua mô phỏng offline trên phần mềm PowerWorld với hệ thống IEEE 10-máy 39-bus, các sự cố ngắn mạch 3 pha cân bằng được xem xét tại các bus và dọc các đường dây truyền tải Các bus và đường dây được phân loại vào hai trạng thái ổn định hoặc không ổn định dựa trên mối quan hệ giữa các góc công suất của các máy phát điện, từ đó thu thập mẫu và xây dựng tập học ban đầu.
Ta có, phương trình dao động máy phát rút gọn: e m s
HVTH: Võ Thanh An Trang 20
Góc công suất của máy phát điện được xác định bởi công suất tác dụng Pe và điện áp E1, E2 của máy phát, trong đó điện áp bus đóng vai trò quan trọng.
Để đảm bảo hiệu quả trong việc quản lý các trạng thái vận hành vô tận, cần chọn lựa các trạng thái mẫu đại diện và các biến đặc trưng cho mọi trường hợp có thể xảy ra Điều này giúp tổng quát hóa toàn bộ các trạng thái vận hành của hệ thống.
Luận văn phân tích các mẫu dữ liệu đại diện cho trạng thái hoạt động của hệ thống điện, bao gồm độ thay đổi công suất tác dụng phụ tải, độ sụt điện áp tại các bus và độ thay đổi công suất tác dụng trên các đường dây truyền tải Các mô phỏng ngắn mạch được thực hiện tại các bus, line và máy biến áp, chú trọng đến các vị trí nguy hiểm và các yếu tố ảnh hưởng lớn đến hệ thống điện Tăng tải ở các mức khác nhau nhằm bao quát các chế độ vận hành Trước khi mô phỏng ổn định quá độ để đánh giá thuộc tính động của hệ thống điện, các hệ thống tự động điều chỉnh điện áp, kích từ, tần số và công suất phát được kích hoạt, đồng thời thực hiện phân bố công suất tối ưu.
2.6.1 Quy trình mô phỏng lấy mẫu trong PowerWorld Để xây dựng mô hình nhận dạng dùng ANN, giai đoạn quan trọng nhất ảnh hưởng về kết quả và thời gian là tạo cơ sở dữ liệu ổn định động Cơ sở dữ liệu đáng tin cậy không chỉ xác định độ chính xác đánh giá ổn định động, mà còn có tác động đáng kể đến sự vững mạnh của mô hình Để có được cơ sở dữ liệu đáng tin cậy, hai yếu tố được quan tâm trong quá trình mô phỏng Đầu tiên, cơ sở dữ liệu phải bao trùm một phạm vi toàn diện của các trạng thái vận hành và phải biểu thị được một cách đầy đủ những kịch bản vận hành của hệ thống của cả hai điều kiện ổn định và không ổn định Do đó, luận văn thực hiện mô phỏng offline theo miền thời gian để đánh giá ổn định/không ổn định khi xảy ra sự cố ở tất cả các bus, máy biến áp và ở những vị trí khác nhau trên tất cả các đường dây truyền tải của hệ thống điện
HVTH: Võ Thanh An Trang 21
Cơ sở dữ liệu được tạo ra cần đảm bảo tính khách quan về các thông số của hệ thống điện kiểm tra Việc thực hiện mô phỏng offline để tạo cơ sở dữ liệu là một công việc tốn thời gian, tương tự như các nghiên cứu và bài báo của các tác giả khác Các thông số chuẩn của mô hình hệ thống điện IEEE 10-máy 39-bus được kiểm tra và cài đặt để đảm bảo rằng cơ sở dữ liệu phản ánh chính xác thông tin ổn định động của hệ thống điện.
Việc vận hành hệ thống điện yêu cầu tối ưu hóa khả năng mang tải và xây dựng các hệ thống điều khiển-bảo vệ để đảm bảo sự ổn định và đáp ứng nhu cầu tăng trưởng phụ tải với chi phí thấp 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, cần cài đặt các thông số chuẩn của hệ thống điện IEEE 10-máy 39-bus, kích hoạt các hệ thống tự động điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát, nhằm thực hiện phân bố công suất tối ưu và đảm bảo ổn định động cho hệ thống điện.
HVTH: Võ Thanh An Trang 22
Quy trình mô phỏng lấy mẫu trong PowerWorld được đề xuất tiến hành qua
Bước 1: Cài đặt các thông số chuẩn và kích hoạt các hệ thống tự điều chỉnh hệ thống điện
Bước 2: Chạy phân bố công suất tối ưu
Bước 3: Mô phỏng ổn định quá độ hệ thống, đánh giá ổn định/ không ổn định và lấy mẫu
Hình 2.8: Quy trình mô phỏng lấy mẫu ổn định hệ thống điện trong phần mềm PowerWorld
Trong đó, quy trình thực hiện của mỗi bước được giới thiệu như sau:
Bước đầu tiên là cài đặt các thông số và mô hình chuẩn, sau đó kích hoạt hệ thống tự điều chỉnh cho các mô hình trong hệ thống điện IEEE 10-máy 39-bus.
HVTH: Võ Thanh An Trang 23
Cài đặt các thông số mô hình máy phát điện (theo bảng 2.1)
Cài đặt thông số thiết bị điều chỉnh tần số (theo bảng 2.3)
Cài đặt thông số thiết bị điều khiển kích từ (theo bảng 2.2)
Cài đặt công suất định mức và công suất giới hạn của máy phát (theo bảng 2.4)
Kích hoạt giới hạn công suất phát (“Enforce MW Limits”), tự động điều chỉnh công suất phát (“Available for AGC”), điều chỉnh điện áp tự động (“Available for AVR”)
Cài đặt công suất định mức của tải
Cài đặt thông số đầu phân áp máy biến áp
Kích hoạt mô hình máy phát điện (“GENPWTwoAxis”), Thiết bị điều khiển kích từ (IEEET1) Thiết bị điều chỉnh tần số (TGOV1)
Kích hoạt vận hành kinh tế ban đầu
“Faults” Kích hoạt trung tính nối đất
Hình 2.9: Quy trình cài đặt các thông số, mô hình chuẩn và kích hoạt hệ thống tự điều chỉnh của hệ thống điện IEEE 39-bus
HVTH: Võ Thanh An Trang 24
Bước 2: Chạy phân bố công suất tối ưu
Cập nhật công suất tải và công suất máy phát (20%-
Chạy phân bố công suất
Chạy phân bố công suất tối ưu
Hình 2.10: Quy trình chạy phân bố công suất tối ưu cho hệ thống điện IEEE-39bus
Bước 3: Mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và lấy mẫu
HVTH: Võ Thanh An Trang 25
Cài đặt thời gian bắt đầu và kết thúc (s) Cài đặt bước thời gian Time Step =0.5s (0.00833s) [9]
Cài đặt tần số ngưỡng
Cài đặt biến hệ thống
Chọn bus/ máy biến áp/ đường dây kiểm tra ổn định
Cài đặt vị trí ngắn mạch (5%,10%,…,95%line)
-> Đánh giá ổn định/ không ổn định theo (2.1) Chạy ổn định quá độ
Hình 2.11: Quy trình mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và sao lưu mẫu cho hệ thống IEEE-39bus
HVTH: Võ Thanh An Trang 26
Bài viết trình bày các bảng thông số của mô hình máy phát điện, bao gồm công suất định mức tải, công suất định mức, công suất giới hạn Pmax, Pmin, thiết bị kích từ, thiết bị điều chỉnh tần số, điện áp đầu cực máy phát và thông số cài đặt đầu phân áp trên các máy biến áp trong hệ thống điện IEEE 10-máy 39-bus Các thông tin này được trình bày lần lượt từ Bảng 2.1 đến Bảng 2.5 và được đính kèm ở cuối luận văn.
2.6.2 Mô tả quá trình lấy mẫu
Hệ thống điện IEEE 10-máy 39-bus bao gồm 39 bus, 12 máy biến áp và 34 đường dây truyền tải Bài viết này mô phỏng sự cố ngắn mạch ba pha nhằm đánh giá độ ổn định của hệ thống tại tất cả các bus và dọc theo các đường dây truyền tải Các vị trí kiểm tra ổn định được thực hiện ở các tỷ lệ 5% đến 95% của đường dây.
Qua mô phỏng offline và kiểm tra ổn định động từng mẫu với phần mềm PowerWorld, chúng tôi thu được một tập dữ liệu gồm 3200 mẫu, trong đó có 2400 mẫu ổn định và 800 mẫu không ổn định Để dễ dàng biểu diễn, tập dữ liệu này được ký hiệu là Data(OD,KOD), với OD là số mẫu ổn định và KOD là số mẫu không ổn định Tập dữ liệu ban đầu được ký hiệu là Data(2400,800) và đã được chuẩn hóa trước khi tiến hành xử lý và huấn luyện.
Kết luận chương 2
Chương 2 đã trình bày tổng quan về quá trình trình mô phỏng để tạo cơ sở dữ liệu ổn định động 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 và đã đề xuất quy trình lấy mẫu ổn định hệ thống điện 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
HVTH: Võ Thanh An Trang 27
LỰA CHỌN BIẾN ĐẶC TRƯNG
Tổng quan
Trong các hệ thống điện lớn, số lượng biến hệ thống ổn định tăng lên theo kích thước của hệ thống, gây 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 biến đầu vào, từ đó giúp hệ thống huấn luyện trở nên nhanh chóng và chính xác hơn.
Trong những năm gần đây, nhiều nghiên cứu đã phát triển kỹ thuật lựa chọn biến đặc trưng, được ứng dụng rộng rãi trong nhiều lĩnh vực và loại dữ liệu khác nhau Đặc biệt, trong việc xây dựng mô hình nhận dạng sử dụng ANN để chẩn đoán nhanh và ổn định động hệ thống điện, việc áp dụng kỹ thuật lựa chọn biến đặc trưng là cần thiết để đạt hiệu quả cao.
Lựa chọn biến đặc trưng
Lựa chọn biến đặc trưng nhằm loại bỏ các biến không phù hợp và những biến thừa, đồng thời vẫn 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
Lựa chọn biến đặc trưng có thể thực hiện theo hai phương pháp: đầu tiên là xếp hạng các biến theo tiêu chí nhất định và chọn những biến có thứ hạng cao; thứ hai là lựa chọn một tập hợp nhỏ các biến mà vẫn giữ được hiệu suất học Điều này cho thấy các thuật toán lựa chọn tập con có khả năng tự động xác định số lượng biến cần thiết.
HVTH: Võ Thanh An Trang đã chọn 28 biến đặc trưng, trong khi các thuật toán xếp hạng biến đặc trưng cần dựa trên một số ngưỡng nhất định để thực hiện việc lựa chọn này.
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 hiệu quả trong việc tìm kiếm các kết hợp biến có độ tách biệt cao, không phù hợp với dữ liệu lớn do chi phí tính toán cao Ngược lại, phương pháp Filter giúp giảm đáng kể biến đầu vào và được khuyến nghị cho dữ liệu lớn Các chiến lược tìm kiếm bao gồm tìm kiếm tối ưu toàn cục, tối ưu cục bộ và dựa trên kinh nghiệm Tìm kiếm tối ưu toàn cục có khả năng tìm ra tập con biến tốt nhất nhưng chi phí tính toán lớn, trong khi tối ưu cục bộ có chi phí thấp và khả thi hơn Xếp hạng là phương pháp đơn giản trong tối ưu cục bộ, cho phép đánh giá và sắp xếp các biến dựa trên tiêu chuẩn đơn biến Hai kỹ thuật lựa chọn biến đặc trưng dựa trên hàm khoảng cách Fisher và Divergence đã được đề xuất áp dụng để nâng cao hiệu quả trong việc đánh giá biến.
Khi lựa chọn biến đặc trưng, cần xem xét các hệ số khác nhau, đặc biệt là phương pháp đánh giá và chiến lược tìm kiếm Các phương pháp đánh giá thường được phân loại thành hai nhóm chính: Filter và Wrapper Trong đó, các phương pháp lựa chọn biến đặc trưng dựa trên Filter thường được áp dụng rộng rãi.
Thuật toán Relief là một phương pháp lựa chọn biến đặc trưng hiệu quả và đơn giản, nổi bật hơn các phương pháp dựa trên Filter khác như Fisher và Divergence Relief đánh giá trọng số các biến đặc trưng bằng cách xác định trọng số của một biến trong giới hạn của các biến liên quan, cập nhật trọng số dựa trên sự sai biệt giữa hai điều kiện xác suất của giá trị biến, cụ thể là nearest hit và nearest miss Nhờ vào cách tiếp cận này, Relief thường đạt hiệu suất cao hơn so với các phương pháp lựa chọn biến đặc trưng khác.
Nghiên cứu về học máy đã dẫn đến sự 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 Trong bối cảnh này, lựa chọn biến đặc trưng đã trở thành một phương pháp quan trọng trong việc đánh giá ổn định hệ thống điện, thu hút sự quan tâm của nhiều nhà nghiên cứu trong những năm gần đây Nhiều phương pháp đánh giá biến đặc trưng đã được trình bày, như quy trình tổng quát của kỹ thuật lựa chọn biến trong đánh giá an ninh hệ thống điện được đề xuất trong tài liệu [13] Các nghiên cứu khác, như [26] và [38], đã áp dụng kỹ thuật lựa chọn dựa trên hàm khoảng cách Divergence và Fisher để đánh giá an ninh Ngoài ra, trong nghiên cứu [5], tác giả sử dụng Fisher và Divergence để lựa chọn biến trong đánh giá ổn định động hệ thống điện Thuật toán Relief cũng được đề xuất trong [48] và đã được phân tích thêm trong các tài liệu [46,47,49], gần đây được áp dụng trong [13] để lựa chọn biến trong đánh giá an ninh hệ thống điện.
Lựa chọn biến đặc trưng là quá trình xác định các biến quan trọng từ tập hợp biến ngõ vào, giúp loại bỏ các biến thừa và gây nhiễu Việc này không chỉ giảm kích thước cơ sở dữ liệu mà còn tăng tốc độ huấn luyện và cải thiện độ chính xác của mô hình.
HVTH: Võ Thanh An Trang 30
Quy trình lựa chọn biến đặc trưng
Trong quá trình thiết kế mô hình nhận dạng ổn định động cho hệ thống điện bằng mạng nơ-ron nhân tạo (ANN), việc lựa chọn biến đặc trưng là yếu tố quan trọng, ảnh hưởng trực tiếp đến thời gian huấn luyện và độ chính xác chẩn đoán của mô hình Các biến đặc trưng cần được chọn lựa sao cho có độ tách biệt cao giữa lớp ổn định và không ổn định, nhằm nâng cao độ chính xác trong việc nhận dạng.
Quy trình lựa chọn biến đặc trưng được chia thành 4 bước, được trình bày như Hình 3.1
Lựa chọn biến đặc trưng ban đầu
Tìm kiếm biến đặc trưng ứng viên Đánh giá biến đặc trưng ứng viên
Hình 3.1: Quy trình lựa chọn biến đặc trưng 3.3.1 Lựa chọn biến đặc trƣng ban đầu
Bước này xác định tập biến đặc trưng đại diện cho cơ sở dữ liệu nhằm huấn luyện ANN Những biến đặc trưng ban đầu này phản ánh các thông số vận hành của hệ thống điện và bao quát các trạng thái hoạt động của nó.
HVTH: Võ Thanh An Trang 31 đề cập đến hệ thống điện trong chế độ quá độ, nơi xảy ra sự thay đổi công suất tải, sụt điện áp tại các nút và biến động công suất trên các đường dây truyền tải Những hiện tượng này thường xảy ra trong thời điểm xảy ra sự cố, ảnh hưởng đến hiệu suất và độ ổn định của hệ thống điện.
3.3.2 Tìm kiếm biến đặc trƣng ứng viên
Quá trình tìm kiếm các tập con biến ứng viên cho đầu vào bộ phân lớp là bước quan trọng, ảnh hưởng đến thời gian tính toán trong toàn bộ quá trình lựa chọn biến Các chiến lược tìm kiếm bao gồm tìm kiếm tối ưu toàn cục, tìm kiếm tối ưu cục bộ và tìm kiếm dựa trên kinh nghiệm.
Tìm kiếm tối ưu toàn cục có khả năng xác định các tập con biến tốt nhất, nhưng chi phí tính toán cao khiến nó không khả thi với tập biến lớn Ngược lại, tìm kiếm tối ưu cục bộ có chi phí tính toán thấp và dễ thực hiện, nên được nhiều nghiên cứu áp dụng Phương pháp xếp hạng là một trong những phương pháp đơn giản nhất trong tìm kiếm tối ưu cục bộ, thực thi nhanh chóng nhờ vào việc tính toán dựa trên độ đo hoặc tiêu chuẩn cho từng biến đơn lẻ Trong phương pháp này, tất cả các biến đặc trưng ban đầu được đánh giá và xếp hạng theo mức độ quan trọng từ cao đến thấp, từ đó chọn ra số biến đặc trưng cần thiết Lựa chọn biến đặc trưng bằng phương pháp xếp hạng được khuyến nghị trong nghiên cứu này do tính đơn giản trong tính toán của nó Các kỹ thuật lựa chọn biến đặc trưng bằng phương pháp xếp hạng sẽ được trình bày chi tiết trong Mục 3.3.3.
3.3.3 Đánh giá biến đặc trƣng ứng viên
Bước này nhằm đánh giá thứ tự quan trọng của các biến đặc trưng hoặc tập con biến đặc trưng Có hai phương pháp xếp hạng biến đặc trưng: 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 xếp hạng biến, sử dụng các hàm khoảng cách Fisher và Divergence.
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 Tập dữ liệu D bao gồm n mẫu.
HVTH: Võ Thanh An Trang 32 huấn luyện x1, x2,…, xn với n1 mẫu trong lớp C1 và n2 mẫu trong lớp C2 nhằm tìm kiếm ánh xạ tuyến tính cực đại y=w T x Mục tiêu là xác định đường thẳng tối ưu để chiếu dữ liệu, từ đó đạt được độ tách biệt tối đa giữa hai lớp Các biến có giá trị F(w) lớn hơn cho thấy khả năng tách biệt dữ liệu giữa hai lớp cao hơn [13,38].
(3.1) Trong đó: m1 là giá trị trung bình của lớp C1 và 1 2 là phương sai của C1
Divergence là tiêu chuẩn đo lường mức độ phân tán giữa hai lớp dữ liệu Khoảng cách D giữa hai lớp được xác định 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 áp dụng để so sánh với phương pháp chọn biến sử dụng hai hàm khoảng cách Fisher và Divergence Giải thuật Relief có ưu điểm là tính toán trọng số của biến dựa trên mẫu, sau đó cập nhật trọng số và xếp hạng các biến theo thứ tự quan trọng từ cao đến thấp Điều này giúp lựa chọn các biến đặc trưng có độ tách biệt dữ liệu giữa lớp ổn định và không ổn định cao, từ đó nâng cao độ chính xác trong nhận dạng.
Giải thuật Relief đánh giá trọng số của các biến dựa trên mẫu, với mục tiêu là các biến tốt sẽ có các mẫu cùng lớp gần nhau hơn, trong khi các mẫu không cùng lớp sẽ được tách biệt rõ ràng Ý tưởng chính của giải thuật Relief được minh họa trong Hình 3.2 Trong quá trình học, tập mẫu M bao gồm S mẫu ổn định và U mẫu không ổn định, từ đó chọn ngẫu nhiên m mẫu học từ M (với m ≤ M) Relief sẽ tính toán khoảng cách nearest hit xH để đánh giá chất lượng của các biến.
HVTH: Võ Thanh An Trang 33 xác định khoảng cách giữa mẫu gần nhất trong lớp ổn định S và khoảng cách nearest miss xM giữa mẫu gần nhất trong lớp không ổn định U Sau đó, thuật toán cập nhật trọng số cho tất cả các biến Fi (i = 1, 2, …, N) Trọng số của các biến phụ thuộc vào giá trị xk, xH và xM Nếu xk và xH của biến Fi có sai lệch, hai mẫu cùng lớp sẽ tách biệt, dẫn đến trọng số giảm Ngược lại, nếu xk và xM của biến Fi có sai lệch, hai mẫu khác lớp sẽ tách biệt, dẫn đến trọng số tăng Toàn bộ 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 Wi ≤ 0 có nghĩa là biến đặc trưng Fi là không liên quan
Giải thuật Relief cơ bản nhƣ sau:
Input: Tâ ̣p biến F[M,N] có M mẫu N biến
Thiết lâ ̣p số mẫu ngẫu nhiên xk, k=[1,m], m ≤ M
Output: Vectơ trọng số W[i] của biến Fi : −1 ≤ W[i] ≤ 1
W[i]=W[i]–diff(i,xk,xH)/m+diff(i,xk,xM)/m end end
HVTH: Võ Thanh An Trang 34
Hàm diff(i,xj,xk) tính toán khoảng cách giữa mẫu x k và xj của biến Fi, được tính theo công thức (3.3)
Khoảng cách gần nhất giữa mẫu thứ j trong số mẫu xk đến mẫu ổn định S được ký hiệu là xj Giá trị lớn nhất và nhỏ nhất của biến i lần lượt được biểu thị bằng max(Fi) và min(Fi).
Giải thuật Relief cơ bản có nhược điểm là chỉ áp dụng cho vấn đề phân loại với hai lớp, dẫn đến khó khăn trong việc xử lý dữ liệu nhiễu và không đầy đủ Để khắc phục những hạn chế này và mở rộng khả năng phân loại nhiều lớp, giải thuật Relief đã được cải tiến với phương trình cập nhật trọng số mới.
Khoảng cách gần nhất giữa mẫu thứ j trong lớp xk đến mẫu ổn định S được ký hiệu là xj, trong khi xj(C) đại diện cho khoảng cách gần nhất giữa mẫu thứ j trong lớp xk đến lớp C Số mẫu trong lớp C được ký hiệu là n.
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, 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
Sau phần giới thiệu tổng quan về phân cụm dữ liệu, bài viết sẽ đi sâu vào hai phương pháp phân cụm phổ biến là Kmeans và Fuzzy Cmeans, nhằm áp dụng cho mô hình nhận dạng ổn định động trong hệ thống điện.
HVTH: Võ Thanh An Trang 35
