TỔNG QUAN
Giới thiệu
Năng lượng điện là nguồn năng lượng phổ biến và ngày càng tăng trưởng mạnh mẽ trên toàn cầu, chiếm tỷ trọng lớn so với các nguồn năng lượng khác Điện năng có nhiều ưu điểm như dễ dàng chuyển đổi thành các dạng năng lượng khác, khả năng di chuyển xa và hiệu suất cao Tuy nhiên, điện năng không thể được tích trữ, do đó sản xuất và tiêu thụ điện phải diễn ra đồng thời qua hệ thống truyền tải điện Việt Nam, với nhu cầu năng lượng cao trong quá trình phát triển, đặc biệt là trong ngành công nghiệp, đã ghi nhận tổng sản lượng điện thương phẩm tăng 10,84% từ 2011-2015 Năm 2015, tổng sản lượng đạt 143,7 tỷ kWh, và 10 tháng đầu năm 2016 đạt 132,6 tỷ kWh, tăng 11,34% so với cùng kỳ năm trước Tốc độ tăng trưởng nhu cầu năng lượng cao khiến sản xuất điện phải gia tăng, nhưng điều này cũng đặt ra áp lực lên hệ thống truyền tải, làm cho nó gần đến giới hạn vận hành, dễ dẫn đến tình trạng nhiễu loạn và mất điện Hiện tại, hệ thống điện hoạt động ở giới hạn tải tối đa, làm giảm khả năng dự trữ và tăng nguy cơ xảy ra mất điện trong trường hợp có sự cố nghiêm trọng.
Các sự cố nghiêm trọng trong hệ thống điện thường xảy ra khi mất một máy phát điện hoặc khi có sự thay đổi đột ngột về tải Những nhiễu loạn này có thể làm thay đổi cường độ điện và gây ra mất ổn định cho toàn bộ hệ thống Chẳng hạn, khi một phụ tải công nghiệp lớn được kết nối đột ngột, hệ thống điện có thể rơi vào trạng thái mất 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 một phương pháp hiệu quả để duy trì sự ổn định của hệ thống điện và kiểm soát tần số trong các tình huống khẩn cấp Việc sa thải nhanh chóng và hợp lý mức công suất là cần thiết để giảm thiểu 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, được nghiên cứu và áp dụng rộng rãi cả trong và ngoài nước Hầu hết các phương pháp này dựa vào 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 trong ngành điện, vì nó gây mất điện và giảm độ tin cậy cung cấp điện cho khách hàng Các cải tiến trong phương pháp truyền thống đã phát triển kỹ thuật sa thải phụ tải dựa trên tần số và tốc độ thay đổi của tần số, giúp nâng cao độ chính xác và cải thiện khả năng dự đoán lượng phụ tải cần sa thải.
Để đảm bảo độ 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 cho phép 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 và Fuzzy Logic để xử lý dữ liệu, mà chưa 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 chưa sử dụng phương pháp 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]:
Tần số của hệ thống điện Quốc gia cần được duy trì ổn định ở mức 50Hz, với mức chênh lệch cho phép là ± 0,2Hz Trong trường hợp hệ thống điện chưa ổn định, mức chênh lệch cho phép có thể lên đến ± 0,5Hz.
Tất cả các tổ máy phát điện trong hệ thống điện Việt Nam được thiết lập với độ dốc điều chỉnh là 4%, giúp phân bổ phụ tải cho các tổ máy theo khả năng phát điện của từng tổ Điều chỉnh tần số trong hệ thống điện được chia thành ba cấp, đảm bảo hiệu quả hoạt động và ổn định của toàn bộ hệ thống.
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 bằng các phương pháp truyền thống trở nên tốn thời gian Điều này gây ra sự chậm trễ trong quá trình 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 nghiêm trọng, với thời gian mất điện kéo dài và ảnh hưởng lớn đến nền kinh tế Một ví dụ điển hình là sự cố 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 kết nối hệ thống điện 500kV Bắc - Nam, gây ra sự cố nhảy tất cả các tổ máy phát điện tại miền Nam Hệ thống điện miền Nam đã bị mất điện hoàn toàn với tổng công suất khoảng 9400 MW, ước tính thiệt hại cho ngành điện khoảng 14 tỷ đồng Sự cố này còn ảnh hưởng đến việc cấp điện cho quốc gia láng giềng Campuchia.
Vào ngày 18 tháng 08 năm 2005, Indonesia đã trải qua một 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, một sự cố mất điện lớn đã xảy ra tại 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, một sự cố khác tại Brazil và Paraguay cũng đã khiến 18/26 bang của Brazil mất điện do ngắn mạch trên ba máy biến áp của đường dây cao áp, buộc Bộ trưởng Năng lượng Brazil phải ra điều trần trước Quốc hội.
Các nhiễu loạn trong hệ thống điện, thường do sự cố của máy phát điện hoặc thay đổi tải đột ngột, có thể gây ra mất ổn định hệ thống Khi một phụ tải công nghiệp lớn được kết nối bất ngờ, hệ thống có thể trở nên 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.
Hai thông số quan trọng cần theo dõi trong hệ thống điện là điện áp và tần số Cả hai thông số này phải được duy trì trong giới hạn quy định tại tất cả các thanh góp Tần số chủ yếu bị ảnh hưởng bởi công suất tác dụng, trong khi điện áp chủ yếu bị ảnh hưởng 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, điều này thường xảy ra do nhiễu loạn Khi một máy phát điện gặp sự cố và khả năng phát điện giảm, trong khi nhu cầu phụ tải không đổi hoặc gia tăng, tần số hệ thống sẽ bắt đầu giảm Nếu không có máy phát điện dự phòng cung cấp đủ công suất, cần áp dụng chương trình sa thải tải để phục hồi tần số về mức định mức.
Nhu cầu công suất phản kháng của phụ tải có ảnh hưởng trực tiếp đến biên độ điện áp tại thanh góp Khi hệ thống điện không đáp ứng đủ nhu cầu này, điện áp sẽ trở nên không ổn định Để khắc phục tình trạng này, các bộ tụ bù được sử dụng để cung cấp công suất phản kháng cho phụ tải Tuy nhiên, nếu các bộ tụ bù không thể khôi phục điện áp về mức cho phép, hệ thống buộc phải sa thải tải để đảm bảo an toàn.
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 trường hợp sự cố kéo dài, việc sa thải phụ tải phải xem xét các chỉ tiêu kinh tế và tầm quan trọng của phụ tải để duy trì ổn định cho hệ thống Giải pháp sa thải phụ tải là một phương pháp hiệu quả trong tình huống khẩn cấp nhằm đảm bảo sự ổn định của hệ thống điện Việc sa thải nhanh chóng và hợp lý là cần thiết để phục hồi ổn định hệ thống, nhưng hệ thống tự động hiện tại chưa đáp ứng kịp thời Do đó, việc phát triển phương pháp đánh giá nhanh tình huống sự cố và đưa ra quyết định kịp thời là rất quan trọng trong giai đoạn đầu của quá trình điều khiển hệ thống điện Luận văn “Nghiên cứu sa thải phụ tải hệ thống điện dựa trên khoảng cách điện theo điện áp” sẽ đáp ứng các yêu cầu này, góp phần đảm bảo hoạt động bền vững của hệ thống điện.
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 tối ưu hóa khối lượng cắt tải Phương pháp này dẫn đến việc phục hồi ổn định hệ thống điện nhanh hơn so với các phương pháp truyền thống, với thời gian phục hồi tần số được rút ngắn đáng kể.
Mô hình sa thải phụ tải được đề xuất đã được thử nghiệm trên hệ thống điện IEEE 39 nút để đánh giá hiệu quả trong các tình huống mất máy phát Phương pháp mô phỏng sử dụng phần mềm PowerWorld đã cho thấy khả năng xử lý sự cố một cách hiệu quả, giúp cải thiện độ tin cậy và ổn định của hệ thống điện Kết quả từ nghiên cứu này cung cấp những thông tin quý giá cho việc quản lý và vận hành hệ thống điện trong các tình huống khẩn cấp.
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 và phân phối điện năng, giúp nâng cao hiệu quả hoạt động của 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 đề xuất một công cụ sa thải phụ tải dựa trên 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, vượt trội hơn 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, điều này cho thấy α ij lớn, tức là khoảng cách giữa hai nút càng gần Ngược lại, khi α ij lớn, độ suy giảm điện áp tại nút i sẽ tăng lên khi có nhiễu loạn xảy ra tại nút j.
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 sẽ tăng cao, dẫn đến sự suy giảm điện áp tại những nút này cũng gia tăng, gây ra tình trạng 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 phương pháp hiện đại cho phép thực hiện các bài toán tối ưu, phân loại, so sánh và tự tổ chức một cách hiệu quả hơn so với các phương pháp truyền thống, giúp tối ưu hóa và điều khiển đối tượng một cách chính xác hơn.
✓ Có một số lượng lớn mối liên kết của các phần tử biến đổi có liên kết song song;
Có khả năng tương tự như bộ não con người, hệ thống này có thể tự học hỏi và điều chỉnh để thích ứng với những thay đổi bất ngờ từ đối tượng điều khiển, đồng thời tổng hợp thông tin từ quá trình luyện tập với các tập dữ liệu mẫu.
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
Năm 1943, mô hình mạng MP được giới thiệu, trong đó phần tử xử lý thứ j thực hiện việc tính tổng trọng lượng của các đầu vào Đầu ra yj của phần tử này có thể là 1 (bắn) hoặc 0 (không bắn), tùy thuộc vào việc tổng trọng lượng đầu vào có vượt quá ngưỡng (threshold) j hay không.
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 biểu thị cường độ của kết nối giữa nơ-ron nguồn thứ i và nơ-ron đích thứ j trong mạng nơ-ron Trọng lượng dương cho thấy sự kích thích của đường dẫn synapse, trong khi trọng lượng âm phản ánh sự ức chế Kết quả net được xác định bởi công thức f(net) = {10 (2.5)}, với net ≥ 0 cho kết quả kích thích và net < 0 cho kết quả 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 liên kết với nhau, 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 gồm các phần tử xử lý nằm trên cùng một 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 phần tử thứ j được mô tả chi tiết trong Hình 2.5.
Hình 2.5 Cấu trúc mạng truyền thẳng một lớp
+ Mạng truyền thẳng nhiều lớp ( Multi layer feedforward network):
Các nơ-ron ngõ vào nhận tín hiệu từ đầu vào, với mỗi nơ-ron chỉ có một tín hiệu vào Nơ-ron lớp ẩn kết nối với tất cả nơ-ron lớp vào và lớp ra, trong khi nơ-ron lớp ra nhận đầu vào từ tất cả nơ-ron lớp ẩn, tạo thành đầu ra của mạng Mạng nơ-ron có thể bao gồm nhiều lớp ẩn, và các nơ-ron trong mỗi lớp chỉ liên hệ với nơ-ron ở lớp kế tiếp Tất cả các mối liên kết được thiết lập từ trái sang phải, tạo thành 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
Mạng nơron hoạt động dựa trên nguyên lý cơ bản là cần dữ liệu huấn luyện để tự hoàn thiện Dữ liệu này phải bao gồm cấu trúc ngõ vào và ngõ ra Khi mạng 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 ngõ ra hoặc dự đoán kết quả tương ứng.
Trong mô hình GRNN, giá trị đầu ra được ước lượng thông qua trọng số trung bình của các đầu ra từ tập dữ liệu huấn luyện Trọng số được xác định dựa trên khoảng cách Euclide giữa dữ liệu huấn luyện và dữ liệu kiểm tra; khi khoảng cách lớn, trọng số sẽ giảm và ngược lại, khi khoảng cách nhỏ, trọng số sẽ tăng, ảnh hưởng đến độ chính xác của 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 chính: 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 phần tử số và mẫu số, phục vụ cho lớp đầu ra tiếp theo.
- 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 lý thuyết phản ánh trọng số của ngõ vào Giá trị của di 2 thể hiện số lượng mẫu huấn luyện có khả năng ảnh hưởng đến kết quả của mẫu huấn luyện cụ thể.
Giá trị của biến di 2 có ảnh hưởng lớn đến ngõ ra; nếu giá trị này nhỏ, nó sẽ đóng góp nhiều cho ngõ ra, trong khi giá trị lớn lại chỉ đóng góp 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 của 2 d i e đạt 1, điều này có nghĩa là dữ liệu kiểm tra tương đồng với mẫu huấn luyện, và đầu ra của dữ liệu kiểm tra sẽ giống với đầu ra của dữ liệu huấn luyện Ở đây, 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
Trong nghiên cứu của HUỲNH VĂN NUÔI 23, toàn bộ mẫu huấn luyện được chia thành hai phần: tập huấn luyện và mẫu kiểm tra Phương pháp GRNN được áp dụng cho dữ liệu kiểm tra dựa trên dữ liệu huấn luyện để tính toán MSE cho các điểm khác nhau 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 từ 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 cho phép, chương trình sa thải sẽ được kích hoạt, với mạng nơ-ron kép nhận diện máy phát bị sự cố và thứ tự sa thải Thời gian tối ưu cho việc sa thải được tính toán là 300ms, bao gồm các bước đo lường, truyền dữ liệu, xử lý và tác động trip máy cắt.
✓ Vị trí sa thải phụ tải
Khoảng cách điện giữa các nút được sử dụng để xác định vị trí sa thải ưu tiên Vị trí sa thải sẽ dựa vào khoảng cách từ nút sự cố máy phát đến các nút tải khác, với nguyên tắc là khoảng cách càng nhỏ, những nút gần máy phát 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 quá trình sa thải tải cho từng máy phát theo nhiều mức tải khác nhau, với tổng cộng 51 mức tải từ 70% đến 120% Quá trình sa thải tải sẽ tiếp tục cho đến khi các giá trị góc rotor, tần số và điện áp các bus đạt trong khoảng cho phép Từ đó, có thể xác định lượng sa thải phụ tải cần thiết cho mỗi trường hợp sự cố máy phát.
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 tính phức tạp của hệ thống điện, các phương pháp nhận dạng sự cố truyền thống thường mất nhiều thời gian, dẫn đến việc ra quyết định bị chậm trễ Do đó, việc áp dụng Mạng nơ-ron nhân tạo (ANN) trở thành giải pháp hiệu quả để cải thiện tốc độ tính toán và nâng cao hiệu suất trong việc xử lý sự cố.
Để huấn luyện ANN hiệu quả, cần sử dụng tập dữ liệu bao gồm nhiều tình huống sự cố khác nhau Các thông số dữ liệu quan trọng bao gồm độ thay đổi công suất phát, công suất tải, sụt áp tại các bus, công suất phân bố trên đường dây, và tần số tại các bus Quá trình mô phỏng cần xem xét nhiều mức tải khác nhau nhằm bao quát các chế độ vận hành Trước khi tiến hành mô phỏng sự cố và phân tích dữ liệu cho mỗi mức tải, cần kích hoạt các hệ thống liên quan.
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 điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát, đồng thời thực hiện phân bố công suất tối ưu.
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 để xây dựng cơ sở dữ liệu là một công việc khó khăn và tốn nhiều công sức Quy trình mô phỏng lấy mẫu được thực hiện với sự hỗ trợ của phần mềm PowerWorld, được chia thành 5 giai đoạn, như được trình bày 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 lập, tập dữ liệu sẽ được đưa vào hai nơ-ron học song song, từ đó 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 vùng đông bắc Hoa Kỳ và Canada, bao gồm 39 bus với 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) và 9 bus còn lại được gọi là bus phát (Bus PV) Các bus còn lại, 29 bus, được phân loại là bus tải (Bus PQ) Tất cả thông số trong hệ thống này được biểu diễn bằng 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 được thiết kế theo loại GENPWTwoAxis, kết hợp với hệ thống điều khiển kích từ IEEET1 và hệ thống điều khiển tần số TGVO1.
Tất cả thông số kỹ thuật của mô hình máy phát, thiết bị kích từ, thiết bị điều chỉnh tần số, công suất định mức, công suất tối đa (Pmax), công suất tối thiểu (Pmin), điện áp đầu cực, 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 trong các Bảng PL-1 đến PL-4 (Phần phụ lục) Hệ thống bao gồm các đường dây có chiều dài và các thông số điện trở, điện kháng, dung dẫn khác nhau Các thông số này được cung cấp dưới dạng tương đối trên tổng chiều dài của các đường dây truyền tải với điện áp 345kV, trong đó tải được mô tả bởi trở kháng cố định (Bảng PL-5, 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 của cuộn sơ cấp là 20kV và 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 chủ yếu 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 xác định rằng giá trị ij ji càng cao thì khoảng cách giữa các bus càng gần, với trường hợp ij ji bằng 1 cho thấy khoảng cách bằng 0, nghĩa là bus i và bus j 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 khi các bus tải gần nhau, công suất mà bus máy phát truyền đến các bus tải này sẽ lớn hơn Điều này có nghĩa là các bus tải có khoảng cách gần sẽ chịu ảnh hưởng lớn hơn khi xảy ra sự cố sa thải 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
2 Load 3 Load 7 Load 16 Load 16 Load 21 Load 21 Load 3 Load 28 Load 8
3 Load 18 Load 8 Load 24 Load 24 Load 16 Load 24 Load 26 Load 26 Load 7
4 Load 4 Load 3 Load 15 Load 15 Load 24 Load 16 Load 18 Load 27 Load 3
5 Load 16 Load 12 Load 21 Load 21 Load 15 Load 15 Load 27 Load 25 Load 4
6 Load 26 Load 15 Load 18 Load 18 Load 18 Load 18 Load 4 Load 18 Load 18
7 Load 27 Load 16 Load 3 Load 3 Load 3 Load 3 Load 16 Load 3 Load 25
8 Load 15 Load 18 Load 23 Load 23 Load 4 Load 4 Load 15 Load 16 Load 16
9 Load 24 Load 24 Load 4 Load 4 Load 27 Load 27 Load 24 Load 15 Load 15
10 Load 8 Load 25 Load 27 Load 27 Load 26 Load 26 Load 8 Load 24 Load 27
11 Load 7 Load 27 Load 26 Load 26 Load 25 Load 25 Load 7 Load 4 Load 24
12 Load 21 Load 21 Load 25 Load 25 Load 8 Load 8 Load 21 Load 21 Load 26
13 Load 39 Load 26 Load 8 Load 8 Load 7 Load 7 Load 39 Load 8 Load 21
14 Load 23 Load 23 Load 7 Load 7 Load 20 Load 20 Load 23 Load 7 Load 12
15 Load 12 Load 39 Load 12 Load 12 Load 12 Load 12 Load 28 Load 23 Load 23
16 Load 28 Load 20 Load 39 Load 39 Load 39 Load 39 Load 29 Load 39 Load 20
17 Load 29 Load 28 Load 28 Load 28 Load 28 Load 28 Load 12 Load 12 Load 28
18 Load 20 Load 29 Load 29 Load 29 Load 29 Load 29 Load 20 Load 20 Load 29
Bảng 4.2 đề xuất chiến lược sa thải dựa trên mối quan hệ giữa bus tải và máy phát, như đã trình bày 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 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 này, việc sử dụng hai loại mạng nơ-ron dẫn đến việc xây dựng mạng nơ-ron kép được chia thành hai giai đoạn riêng biệt Mỗi giai đoạn sẽ có quy trình thực hiện khác nhau tùy thuộc vào 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 tương ứng với từng mức tải Sau đó, tổng hợp dữ liệu thành một tập hợp và phân chia 85% cho mẫu huấn luyện và 15% cho mẫu kiểm tra.
Bước 2: Tiền xử lí dữ liệu
Bước 3: Tạo mạng và thực hiện huấn luyện bằng thuật toán lan truyền ngược, đồng thời thiết lập 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
Trong bước 2, dữ liệu đầu vào được tiền xử lý để đưa về dạng Max-Min, cụ thể là trong khoảng [0.05, 0.95] Điều này là cần thiết do hàm kích hoạt sigmoid được sử dụng trong lớp ẩn của mạng nơ-ron lan truyền ngược, với giá trị đầu ra thường nằm trong khoảng (0, 1) Việc chuẩn hóa này giúp cải thiện hiệu suất của mô hình.
Bước 3: Tìm kiếm 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 Quyết định này thường dựa vào kinh nghiệm và thử nghiệm với nhiều giá trị khác nhau để xác định thông số tối ưu 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 đánh giá là hiệu quả nhất Theo lý thuyết, mạng có hai lớp ẩn đủ khả năng biểu diễn các hàm phức tạp, vì vậy không cần thiết phải sử dụng nhiều hơn hai lớp ẩn.
HVTH: HUỲNH VĂN NUÔI 46 cho thấy rằng chỉ cần một lớp ẩn trong mạng là đủ để giải quyết các bài toán cụ thể Việc tăng số lượng lớp ẩn sẽ làm chậm quá trình huấn luyện.
Việc xác định số lượng nơ-ron tối ưu cho một lớp trong mạng nơ-ron thường không dễ dàng, vì cần phải thử nghiệm với nhiều cấu hình khác nhau và đánh giá lỗi tổng quát hóa Thông qua các thử nghiệm với các số nơ-ron khác nhau trong lớp ẩn trên mô phỏng Matlab, mối quan hệ giữa số nơ-ron và độ chính xác nhận dạng đã được thể hiện 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 sử dụng phần mềm Powerworld để mô phỏng và lấy số liệu cho từng mức tải Sau đó, tổng hợp dữ liệu thành một tập hợp và phân chia thành 85% cho huấn luyện và 15% cho kiểm tra.
Bước 2: Tiền xử lí dữ liệu
Bước 3: Tạo mạng nơ-ron hồi quy bằng cách cung cấp thông tin vec-tơ đầu vào và vec-tơ đầu ra cùng với hằng số lan truyền (spread constant) Trong bước này, cần xác định hằng số huấn luyện phù hợp thông qua phương pháp thử nghiệm Bước 4: Tiến hành tạo mạng nơ-ron.
Bước 5: Đánh giá độ chính xác nhận dạng sau huấn luyện
Tập dữ liệu huấn luyện mạng nơ-ron gồm 408 mẫu input với 153 biến, nhằm mục tiêu 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 mục tiêu, các dữ liệu này đã được đưa vào một tập dữ liệu, tạo thành một bảng dữ liệu như được 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 input và mục tiêu, đồng thời tiến hành xử lý dữ liệu input Quá trình xử lý này không chỉ giúp rút ngắn thời gian huấn luyện mà còn nâng cao độ chính xác của kết quả học được.
Có nhiều phương pháp xử lý dữ liệu, trong đó z-score là một kỹ thuật phổ biến được nhiều nghiên cứu áp dụng Phương pháp này chuẩn hóa các giá trị trong dữ liệu dựa trên độ lệch chuẩn và giá trị trung bình, giúp cải thiện tính chính xác và khả năng phân tích của dữ liệu.
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, cho thấy hệ số 0.01 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 phụ tải dưới tần số được thực hiện khi tần số giảm xuống dưới 59,7Hz Quy trình sa thải này được hướng dẫn 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 bị sa thải Cuối cùng, tần số hệ thống ổn định 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 hiệu quả trong việc ra quyết định, giúp trình bày các phương án và tiêu chí đánh giá một cách cân bằng Phương pháp này cho phép thực hiện phân tích và định lượng, đặc biệt hữu ích trong các tình huống có nhiều lựa chọn phụ thuộc vào các tiêu chuẩn khác nhau và có sự tương tác phức tạp AHP hỗ trợ người dùng đưa ra quyết định cuối cùng một cách tổng hợp và chính xác.
Bảng 4.6 Thứ tự sa thải dựa vào thuật toán AHP
Ứng dụng công nghệ tính toán thông minh cho phép đề xuất sa thải phụ tải hiệu quả trong khoảng thời gian 300ms Khoảng thời gian này bao gồm các bước: đo lường và thu thập dữ liệu, truyền dữ liệu về, xử lý dữ liệu và tác động đến việc trip máy cắt.
Khi xảy ra sự cố mất máy phát 36 ở mức tải 100%, việc áp dụng thuật toán AHP giúp xác định vị trí và thứ tự sa thải tải là 31-12-18-26-23-25-21, đảm bảo hệ thống vẫn 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
Trong trường hợp sự cố máy phát 36 ở mức tải 100%, khi xảy ra sự cố, cần thực hiện sa thải phụ tải theo khoảng cách điện dựa trên điện áp, cắt tải L23, 21, 24 Thời gian cắt tải sau sự cố là 300ms, bao gồm các bước đo lường, thu thập dữ liệu, truyền dữ liệu về, xử lý dữ liệu và thực hiện trip máy cắt Đồ thị tần số hệ thống sau khi sa thải phụ tải được thể hiện 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 bài viết này, chúng tôi phân tích sự cố mất máy phát 32 khi tải đạt 100%, đồng thời quan sát điện áp tại bus 39 thông qua các phương pháp sa thải phụ tải khác nhau Cụ thể, điện áp tại bus 39 được xem xét theo phương pháp sa thải dựa trên AHP, nhằm đánh giá hiệu quả của các phương án sa thải trong tình huống khẩn cấp này.
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 và phương pháp sa thải dựa trên thuật toán AHP.