Luận văn Thạc sĩ Kỹ thuật: Nhận dạng ổn định động hệ thống điện bằng mạng nơron

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:97

Thêm vào BST

Báo xấu

25
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội dung nghiên cứu của luận văn là đánh giá ổn định động hệ thống điện; Mạng nơron nhân tạo (ANN); Lựa chọn biến đặc trưng; Ứng dụng mạng nơron nhận dạng ổn định động hệ thống điện IEEE 10 máy 39 bus.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn Thạc sĩ Kỹ thuật: Nhận dạng ổn định động hệ thống điện bằng mạng nơron

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM --------------------------- PHẠM THẾ HOÀNG NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN BẰNG MẠNG NƠRON LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ thuật điện Mã số ngành: 60520202 TP. HỒ CHÍ MINH, tháng 03 năm 2016
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM --------------------------- PHẠM THẾ HOÀNG NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN BẰNG MẠNG NƠRON LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ thuật điện Mã số ngành: 60520202 CÁN BỘ HƯỚNG DẪN KHOA HỌC: PSG.TS QUYỀN HUY ÁNH TP. HỒ CHÍ MINH, tháng 03 năm 2016
CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM Cán bộ hướng dẫn khoa học : PGS.TS. QUYỀN HUY ÁNH Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Công nghệ TP. HCM ngày 12 tháng 3 năm 2016 Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: TT Họ và tên Chức danh Hội đồng 1 TS. Nguyễn Xuân Hoàng Việt Chủ tịch 2 PGS. TS. Phan Thị Thanh Bình Phản biện 1 3 PGS. TS. Võ Ngọc Điều Phản biện 2 4 TS. Võ Viết Cường Ủy viên 5 TS. Huỳnh Quang Minh Ủy viên, Thư ký Xác nhận của Chủ tịch Hội đồng đánh giá Luận sau khi Luận văn đã được sửa chữa (nếu có). Chủ tịch Hội đồng đánh giá LV TS. Nguyễn Xuân Hoàng Việt
TRƯỜNG ĐH CÔNG NGHỆ TP. HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG QLKH – ĐTSĐH Độc lập – Tự do – Hạnh phúc TP. HCM, ngày..… tháng….. năm 2016. NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: PHẠM THẾ HOÀNG Giới tính : Nam Ngày, tháng, năm sinh: 10/09/1983 Nơi sinh : Đồng Nai Chuyên ngành: Kỹ thuật điện MSHV : 1441830008 I- Tên đề tài: NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN BẰNG MẠNG NƠRON. II- Nhiệm vụ và nội dung: Chương 1: Mở Đầu. Chương 2: Đánh giá ổn định động hệ thống điện. Chương 3: Mạng nơron nhân tạo (ANN). Chương 4: Lựa chọn biến đặc trưng. Chương 5: Ứng dụng mạng nơron nhận dạng ổn định động hệ thống điện IEEE 10 máy 39 bus . Chương 6: Kết luận và hướng nghiên cứu phát triển. III- Ngày giao nhiệm vụ : 20/08/2015 IV- Ngày hoàn thành nhiệm vụ : 02/01/2016 V- Cán bộ hướng dẫn : PGS.TS QUYỀN HUY ÁNH CÁN BỘ HƯỚNG DẪN KHOA QUẢN LÝ CHUYÊN NGÀNH PGS.TS QUYỀN HUY ÁNH
i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện Luận văn này đã được cảm ơn và các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc. Học viên thực hiện luận văn (ký và ghi rõ họ tên) PHẠM THẾ HOÀNG
ii LỜI CẢM ƠN Xin cảm ở Trường Đại học Kỹ thuật Công nghệ thành phố Hồ Chí Minh, PGS.TS Quyền Huy Ánh, người đã mất nhiều thời gian và công sức hướng dẫn tôi hoàn thành luận văn này Cảm ơn cơ quan, bạn bè đồng nghiệp, những người bạn thân, và trên tất cả, tôi muốn gửi lời cảm ơn đến tất cả các thành viên trong gia đình của tôi, cảm ơn cha, mẹ, vợ tôi, đã cùng chia sẽ, giúp đỡ, động viên và tạo mọi điều kiện thuận lợi để tôi hoàn thành nhiệm vụ học tập và nghiên cứu. Cảm ơn quý thầy, cô đã truyền đạt cho tôi nhiều kinh nghiệm và kiến thức quý báu trong quá trình học tập. Cảm ơn PGS.TS Quyền Huy Ánh đã hướng dẫn và hỗ trợ tôi hoàn thành luận văn. Học viên thực hiện luận văn (ký và ghi rõ họ tên) PHẠM THẾ HOÀNG
iii TÓM TẮT Hệ thống điện đóng vai trò rất quan trọng trong việc phát triển kinh tế của mỗi quốc gia. Để đảm bảo chế độ vận hành bình thường thì hệ thống điện cần đảm bảo các yêu cầu về an ninh, về độ tin cậy cung cấp điện, về chất lượng điện năng và yêu cầu về kinh tế. Tuy nhiên, hệ thống điện ngày nay đang phải đối mặt với sự tăng trưởng quá nhanh của phụ tải dẫn đến qui mô ngày càng trở nên rộng lớn, tăng độ phức tạp trong thiết kế và vận hành, đồng thời luôn phải đối mặt với áp lực vận hành đầy tải, rất gần với giới hạn ổn định. Trong vận hành hệ thống điện luôn phải đối mặt với các kích động bất thường làm cho hệ thống điện có thể mất ổn định dẫn đến tan rã hệ thống. Vì vậy, cần phải đánh giá nhanh trạng thái hệ thống và nhanh chóng ra quyết định. Nhưng các phương pháp phân tích truyền thống tốn nhiều thời gian giải nên trong một số trường hợp tỏ ra không hiệu quả. Vì vậy, phát hiện nhanh và cảnh báo sớm trạng thái mất ổn định hệ thống điện trở thành yếu tố then chốt đảm bảo an ninh hệ thống điện. Mạng nơron nhân tạo kết hợp với kỹ thuật lựa chọn biến đặc trưng được đề xuất để đánh giá nhanh ổn định động hệ thống điện nhằm giải quyết những vấn đề khó khăn mà các phương pháp giải tích truyền thống trước đây còn hạn chế về tốc độ tính toán cũng như về hiệu suất. Bằng quá trình học cơ sở dữ liệu, phân tích mối quan hệ phi tuyến vào ra giữa những thông số vận hành hệ thống điện và tình trạng ổn định-không ổn định, có thể tính toán và ra quyết định nhận dạng trạng thái chế độ hệ thống điện một cách nhanh chóng. Bằng cách sử dụng phần mềm PowerWorld, cơ sở dữ liệu học offline chế độ ổn định và chế độ không ổn định hệ thống điện IEEE 10 máy 39 bus được xây dựng thông qua mô phỏng sự cố ngắn mạch 3 pha cân bằng tại các bus và dọc các đường dây truyền tải ở những vị trí 25%, 50% và 75% đường dây, với các mức tải khác nhau từ 20% đến 120% tải cơ bản. Trong quá trình mô phỏng, thuộc tính chế độ được đánh giá dựa trên quan sát mối quan hệ giữa các góc công suất của các máy phát điện, trong đó, các mẫu dữ liệu đại diện cho trạng thái hoạt động của hệ thống là độ lệch công suất phát, độ lệch công suất tải, độ sụt điện áp tại các bus, độ lệch công suất phân bố trên các đường dây truyền tải.
iv Luận văn sử dụng ba phương pháp lựa chọn biến đặc trưng: Fisher, Divergence và Relief để giảm số biến mô tả trạng thái hệ thống điện. Mạng nơron GRNN (Generalized Regression Neural Network) và MLPNN (Multilayer Perceptron Neural Network) được sử dụng để đánh giá độ chính xác nhận dạng chế độ của hệ thống điện IEEE 10 máy 39 bus. Kết quả cho thấy mạng nơron GRNN với phương pháp chọn biến Relief cho kết quả độ chính xác nhận dạng cao hơn và thời gian huấn luyện nhanh hơn các phương pháp còn lại. Cụ thể như sau:  Độ chính xác nhận dạng kiểm tra của GRNN và MLPNN tại 15 biến với các phương pháp Relief, Divergence và Fisher Mạng Số biến Fisher Divergence Relief Nơron GRNN 15 93.4% 95.1% 95.3% MLPNN 15 91.5 % 92 % 93.1%  Thời gian huấn luyện của GRNN-Relief và MLPNN-Relief tại 189 biến và 15 biến Số biến 189 15 MLPNN-RELIEF 121.8s 6s GRNN-RELIEF 1.5s 0.8 s Như vậy, việc sử dụng mạng nơron kết hợp với kỹ thuật lựa chọn biến đặc trưng phù hợp, cho phép nhận dạng nhanh ổn định động hệ thống điện với độ chính xác cao.
v ABSTRACT Electrical power system is very important role in the economic development of each country. To ensure the normal operation mode, the power system must ensure the requirements of security, of reliability; the power quality and economic requirements. However, electrical systems today are faced with the rapid growth of the load size leads to becoming vast, increased complexity in design and operation, while always facing full load operating pressure, very close to the stability limit. In the operation, the electrical power system is faced with extraordinary agitation that makes electrical power systems can destabilize and the system leads to disintegration. Therefore, the need to rapidly assess the system regimes and to give the quickly decisions. But the traditional analyzed methods request the long solution time, in some cases proved ineffective. Thus, rapid detection and early warning of instability state power system become a key factor to secure the security of the electrical power system. The artificial neural network combined with specific variable selection techniques is proposed to rapidly assess the stable of the electrical power system to solve the problems that the traditional analyzed method of analysis in solution speed as well as the calculation of performance. By learning the database, analyzing nonlinear relation between these operation parameters of the electric power system and stable-unstable regimes, can calculate and quickly give the recognition decision. By using PowerWorld software, offline database off stable and unstable regimes of the power systems IEEE 10 generators 39 bus system was built through simulated incidents balance 3-phase short circuit at bus and along the transmission line in positions 25%, 50% and 75% line, with different load levels from 20% to 120% basis load. During the simulation, the attribute mode is evaluated based on the observed relation between the angle of the power generator, which, in the form of data representing the operating status of the system is the deviation of output power, power deviation load, voltage drop in the bus, power deviation distribution on the transmission line.
vi The thesis uses three methods selected specific variables: Fisher, Divergence and Relief methods to reduce the number of variables describing the state of the electrical power system. GRNN neural network (Generalized Regression Neural Network) and MLPNN (Multilayer Perceptron Neural Network) are used to assess the recognition accuracy of the modes of electrical power system IEEE 10 generators 39 bus system. The results showed that neural network GRNN with variable selection methods result Relief recognition accuracy higher and faster time to train the remaining methods. Specifically:  Correct classification of GRNN and MLPNN at 15 features with methods: Relief, Divergence and Fisher. Number of Network Fisher Divergence Relief features GRNN 15 93.4% 95.1% 95.3% MLPNN 15 91.5 % 92 % 93.1%  Training time of GRNN-Relief and MLPNN-Relief at 189 and 15 features. Number of features 189 15 MLPNN-RELIEF 121.8s 6s GRNN-RELIEF 1.5s 0.8 s So the usage of the neural network combined with feature selection techniques which can to quickly recognize the dynamic stability of power system with high accuracy.
vii MỤC LỤC LỜI CAM ĐOAN ....................................................................................................... i LỜI CẢM ƠN ............................................................................................................ ii TÓM TẮT ................................................................................................................. iii ABSTRACT ................................................................................................................v DANH MỤC VIẾT TẮT ............................................................................................x DANH SÁCH CÁC BẢNG ...................................................................................... xi DANH MỤC CÁC BẢNG BIỂU, ĐỒ THỊ, HÌNH ẢNH ....................................... xii CHƯƠNG MỞ ĐẦU ..................................................................................................1 CHƯƠNG 1 TỔNG QUAN ........................................................................................2 1.1. Tổng quan về lĩnh vực nghiên cứu .......................................................................2 1.2. Nhiệm vụ của luận văn .........................................................................................4 1.3. Phương pháp nghiên cứu......................................................................................4 1.4. Ý nghĩa khoa học và giá trị thực tiễn của luận văn ..............................................5 CHƯƠNG 2 ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN .............................6 2.1. Các chế độ hệ thống điện .....................................................................................6 2.2. Ổn định hệ thống điện ..........................................................................................6 2.3. Phương trình dao động .........................................................................................9 2.4. Đơn giản hóa mô hình máy phát ........................................................................12 2.5. Ổn định hệ nhiều máy ........................................................................................13 2.6. Đánh giá ổn định hệ thống điện theo phương pháp ANN..................................16 2.7. Kết luận chương 2 ..............................................................................................21 CHƯƠNG 3 MẠNG NƠRON NHÂN TẠO (ANN) ................................................23 3.1. Khái niệm cơ bản của các mạng nơron nhân tạo ...............................................23 3.1.1. Giới thiệu: .......................................................................................................23 3.1.2. Thiết kế triết học của một hệ thống nơron nhân tạo .......................................25 3.1.3. Huấn luyện hệ thống nơron (Training system) ...............................................26 3.1.4. Sự tự cải tiến (Self modification) ....................................................................27 3.1.5. Mô hình hóa hệ thống nơron ...........................................................................28
viii 3.1.6. Điện áp dịch (Bias voltages), Axon, Synapse và hệ số trọng lượng (Weighting factor)……………………………………………………………………………... 29 3.1.7. Mô hình toán đơn giản của mạng nơron .........................................................31 3.2. Các mô hình cơ bản và các qui tắc học của mạng nơronnhân tạo .....................32 3.2.1 Các phần tử xử lý (Processing Elements - PEs)...............................................32 3.2.2. Các sự kết nối (Connections) .........................................................................35 3.2.3. Các qui tắc học (Learning rules) .....................................................................37 3.3. Phân loại mạng nơron ........................................................................................41 3.3.1. Phân loại theo cấu trúc ....................................................................................41 3.3.2. Phân loại theo phương pháp học tập ...............................................................42 3.4. Khái quát về lý thuyết của các mạng nơron .......................................................42 3.4.1. Mạng Perceptron nhiều lớp .............................................................................42 3.4.2. Mạng hàm truyền xuyên tâm (RBFN) ............................................................43 3.5. Các giai đoạn trong một mô hình nhận dạng .....................................................44 3.6. Mô hình nhận dạng.............................................................................................45 3.7. Kết luận chương 3 ..............................................................................................46 CHƯƠNG 4 LỰA CHỌN BIẾN ĐẶC TRƯNG ......................................................47 4.1. Tổng quan...........................................................................................................47 4.2. Lựa chọn biến đặc trưng.....................................................................................47 4.2.1. Khái niệm ........................................................................................................47 4.2.2. Các phương pháp lựa chọn biến đặc trưng .....................................................47 4.3. Quy trình lựa chọn biến đặc trưng .....................................................................48 4.3.1. Lựa chọn biến đặc trưng ban đầu ....................................................................49 4.3.2. Tìm kiếm biến đặc trưng ứng viên ..................................................................49 4.3.3. Đánh giá biến đặc trưng ứng viên ...................................................................50 4.3.3.1. Hàm khoảng cách Fisher ..............................................................................50 4.3.3.2. Hàm khoảng cách Divergence .....................................................................50 4.3.3.3. Thuật toán Relief ..........................................................................................50 4.3.4. Tiêu chuẩn dừng ..............................................................................................52 CHƯƠNG 5 ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN IEEE 10 MÁY 39 BUS ...................................................................53
ix 5.1. Mô tả hệ thống điện IEEE 10 máy 39 bus (New England) ................................53 5.2. Trình tự đánh giá ổn định động hệ thống điện sử dụng mạng nơron .................54 5.3. Tạo cơ sở dữ liệu ổn định động ..........................................................................55 5.4. Xây dựng tập mẫu học .......................................................................................56 5.5. Xác định biến đầu vào và biến đầu ra ................................................................56 5.6. Chuẩn hóa dữ liệu ..............................................................................................57 5.7. Chia tập dữ liệu ..................................................................................................57 5.8. Kết quả tính toán xếp hạng biến.........................................................................57 5.9. Kết quả chọn số nơron trong lớp ẩn cho MLPNN và chọn hệ số spread cho GRNN........................................................................................................................59 5.10. Đánh giá độ chính xác nhận dạng ....................................................................62 5.11. Kết luận chương 5 ............................................................................................69 CHƯƠNG 6 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN .................70 6.1. Kết luận ..............................................................................................................70 6.2. Hướng nghiên cứu phát triển..............................................................................70 TÀI LIỆU THAM KHẢO .........................................................................................71
x DANH MỤC VIẾT TẮT ANN (Artificial Neural Network) BPLNN (Backpropagation Learning Neural Network) CCT (Critical Clearing Time) CNN (Committee Neural Network) FCT (Fault Clearing Time) GRNN (Generalized Regression Neural Network) HTĐ (Hệ thống điện) MFĐ (Máy phát điện) IEEE (Institute of Electrical and Electronics Engnineers) MLFNN (Multilayer Feedforward Neural Network) MLPNN (Multilayer Perceptron Neural Network) PNN (Probabilistic Neural Network) RBFN (Radial Basis Function Network) LTM (Long Term Memory) STM (Short Term Memory)
xi DANH SÁCH CÁC BẢNG ảng .1 Độ chính xác nhận dạng theo loại ANN và phương pháp xếp hạng biến ứng với 1 biến ..........................................................................................................63 ảng .2 Độ chính xác nhận dạng theo số biến với mạng GRNN-Relief ................64 ảng . Thời gian huấn luyện ứng với loại mạng nơron và số biến .....................64 ảng .4 Đánh giá độ chính xác nhận dạng theo GRNN-Relief .............................65 Bảng 5.5: Đánh giá độ chính xác nhận dạng theo phương pháp GRNN-Divergence ...................................................................................................................................66 ảng .6 Đánh giá độ chính xác nhận dạng theo phương pháp GRNN-Fisher......66 ảng .7 Đánh giá độ chính xác nhận dạng theo phương pháp MLPNN-Relief ....67 ảng .8 Đánh giá độ chính xác nhận dạng theo phương pháp MLPNN- Divergence ................................................................................................................68 ảng .9 Đánh giá độ chính xác nhận dạng theo phương pháp MLPNN-Fisher ...68
xii DANH MỤC CÁC BẢNG BIỂU, ĐỒ THỊ Hình 2.1 Phân loại ổn định hệ thống điện .................................................................8 Hình 2.2 Mô hình đơn giản hóa máy điện đồng bộ .................................................12 Hình 2. Mô hình MFĐ đồng bộ và HTĐ tương đương ..........................................13 Hình 2.4: Sơ đồ tương đương hệ thống điện N nút ...................................................14 Hình 2. Quy trình cài đặt các thông số chuẩn của hệ thống điện .........................18 Hình 2.6 Quy trình kích hoạt các mô hình trong hệ thống điện ..............................19 Hình 2.7 Quy trình chạy phân bố công suất tối ưu .................................................20 Hình 2.8 Quy trình mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và lấy mẫu ......................................................................................................................21 Hình 3.1: Cấu trúc của nơron sinh học ....................................................................23 Hình .2 Mô hình nơron McCulooch-Pitts ..............................................................24 Hình . Mô tả sự kết nối của các nơron ................................................................25 Hình .4 Mô tả hệ thống nơron con người được kết nối .........................................25 Hình .6 Mô tả sự thiết lập kết nối của mạng nơron con người .............................27 Hình .7 Mô hình của các nơron được nối kết ........................................................28 Hình .8 Mô hình một nơron đơn ............................................................................28 Hình .9 Mô tả nơron xử lý .....................................................................................29 Hình .10 Sự có mặt của nơron ngưỡng (bias) .......................................................30 Hình .11 Mô tả sự kết nối giữa các nơron .............................................................30 Hình .12 Hệ số trọng lượng của các đường dẫn synap .........................................31 Hình .1 Mô hình toán đơn giản của một nơron ...................................................32 Hình .14 Nơron L4 hoạt động như cổng AND .......................................................35 Hình .1 Mô tả các nơron tương ứng với các đường thẳng ..................................35 Hình .16.a Mạng Feedforward 1 lớp .....................................................................36 Hình .16.b Mạng Feedforward đa lớp ...................................................................36 Hình .16.c Nơron có hồi tiếp về chính nó ..............................................................37 Hình .16.d Mạng nơron hồi tiếp một lớp ...............................................................37 Hình .16.e Mạng nơron hồi tiếp đa lớp ................................................................37 Hình .17 Học có gíám sát ......................................................................................39 Hình .18 Học củng cố ............................................................................................40
xiii Hình .19 Học không có giám sát ...........................................................................41 Hình .20 Mạng Perceptron nhiều lớp ....................................................................42 Hình .21 Mạng hàm truyền xuyên tâm...................................................................44 Hình .22 Mô hình nhận dạng .................................................................................45 Hình 4.1 Lưu đồ lựa chọn biến đặc trưng ...............................................................49 Hình 4.2 Mô tả thuật toán Relief .............................................................................51 Hình 5.1: Sơ đồ tương đương hệ thống điện IEEE 10 máy 9bus (New England) ..54 Hình 5.2: Quy trình nhận dạng ổn định động hệ thống điện dùng mạng nơron ......55 Hình 5.3: Quan hệ giữa số thông số và mức phân biệt theo hàm Fisher .................58 Hình 5.4: Quan hệ giữa số thông số và mức phân biệt theo hàm Divergence .........58 Hình 5.5: Quan hệ giữa số thông số và mức phân biệt theo hàm Relief ..................59 Hình 5.6: Quan hệ giữa độ chính xác nhận dạng theo số nơron lớp ẩn MLPNN- Relief..........................................................................................................................59 Hình 5.8: Quan hệ giữa độ chính xác nhận dạng theo số nơron lớp ẩn MLPNN- Fisher ........................................................................................................................60 Hình 5.9: Quan hệ giữa độ chính xác nhận dạng theo hệ số spread GRNN-Relief .61 Hình 5.10: Quan hệ giữa độ chính xác nhận dạng theo hệ số spread GRNN- Divergence ................................................................................................................61 Hình 5.11: Quan hệ giữa độ chính xác nhận dạng theo hệ số spread GRNN-Fisher ...................................................................................................................................62 Hình 5.12: Quan hệ giữa độ chính xác nhận dạng theo số thông số của các phương pháp sử dụng GRNN .................................................................................................63 Hình 5.13: Quan hệ giữa độ chính xác nhận dạng theo số thông số của các phương pháp sử dụng MLPNN ...............................................................................................63
1 CHƯƠNG MỞ ĐẦU  Lý do chọn đề tài Do hệ thống điện ngày càng mở rộng về qui mô và tăng tính phức tạp trong vận hành và điều khiển, điều này dẫn đến những phương pháp phân tích trạng thái hệ thống điện truyền thống tốn nhiều thời gian giải nên gây chậm trễ trong việc ra quyết định. Vì vậy, việc đề xuất phương pháp mới đánh giá nhanh trạng thái ổn định hệ thống điện với độ chính xác chấp nhận được là yêu cầu bức thiết trong giai đoạn đầu tiên của quá trình điều khiển hệ thống điện nhanh đảm bảo hệ thống điện hoạt động bền vững thỏa mãn các chỉ tiêu kinh tế-kỹ thuật.  Mục đích - Nhận dạng ổn định động hệ thống điện bằng mạng nơron.  Đối tượng - Nghiên cứu và xây dựng tập học, tập kiểm tra đánh giá ổn định động hệ thống điện sử dụng phần mềm Matlab, PowerWorld; - Nghiên cứu các phương pháp lựa chọn biến đặc trưng mô tả trạng thái hệ thống điện; - Nghiên cứu, xây dựng mạng nơron đánh giá trạng thái ổn định hệ thống điện; - Đánh giá hiệu quả nhận dạng trạng thái ổn định hệ thống điện chuẩn IEEE 10 máy 39 bus.  Phạm vi nghiên cứu Lựa chọn biến đặc trưng và nhận dạng ổn định động hệ thống điện bằng mạng nơron.
2 CHƯƠNG 1 TỔNG QUAN 1.1. Tổng quan về lĩnh vực nghiên cứu Trong quá trình công nghiệp hóa, hiện đại hóa đất nước, các khu công nghiệp, nhà máy, xí nghiệp, khu dân cư, đô thị được xây dựng ngày càng nhiều, việc tăng nhanh phụ tải làm cho hệ thống điện có các đặc điểm như: quy mô ngày càng lớn với kết cấu phức tạp hơn, vận hành rất gần với biêngiới ổn định. Đặc biệt, hệ thống điện ngày nay rất nhạy cảm với các tác động không mong đợi có thể xảy ra như: cắt máy phát, đóng cắt tải, ngắn mạch trên đường dây truyền tải hay trên những thanh cái,... Các tác động này có thể gây nguy hiểm cho hệ thống điện và có thể dẫn đến tan rã hệ thống. Ổn định hệ thống điện đề cập đến quá trình dao động điện từ do những tác động gây nên. Ổn định động hệ thống điện đề cập đến khả năng của hệ thống máy phát kiểm soát hoạt động của tuabin-thiết bị điều tốc, hệ thống kích từ sau những tác động lớn để vẫn duy trì được sự đồng bộ [9]. Ổn định góc rotor đề cập đến khả năng của các máy phát điện đồng bộ có mối liên kết với nhau vẫn duy trì tính đồng bộ sau khi xuất hiện tác động lớn [10,21,32]. Vì vậy, việc đánh giá nhanh trạng thái ổn định hệ thống điện và ra quyết định điều khiển thích hợp đã trở thành yếu tố then chốt trong vận hành hệ thống điện ngày nay. Có nhiều phương pháp được áp dụng để đánh giá hệ thống ổn định hay không ổn định sau tác động lớn. Phương pháp thường được sử dụng để đánh giá ổn định quá độ là mô phỏng miền thời gian (Time Domain Simulation), phương pháp trực tiếp và phương pháp hàm năng lượng [21,22,23]. Phương pháp mô phỏng miền thời gian được thực hiện qua việc giải các phương trình không gian trạng thái của các hệ thống điện và sau đó xác định ổn định quá độ [21]. Phương pháp miền thời gian cho kết quả chính xác để đánh giá ổn định quá độ hệ thống điện nhưng không cho biết biên ổn định của hệ thống, tốn nhiều thời gian do phải giải hệ phương trình vi phân phi tuyến sau tác động [10,13]. Phương pháp số cho câu trả lời chính xác về ổn định quá độ hệ thống điện, nhưng gặp khó khăn trong giải phương trình vi phân bậc 2, và mất nhiều thời gian giải [18,20,27]. Phương pháp này cũng không cung cấp mô hình chi tiết của thành phần hệ thống điện cần thiết cho đánh giá ổn định [18]. Phương pháp hàm năng lượng xác định ổn định quá độ mà không cần giải các
3 phương trình không gian trạng thái khác của hệ thống điện [21], tuy nhiên phương pháp cần nhiều tính toán để xác định chỉ số ổn định quá độ. Phương pháp sử dụng hàm Lyapunov cho biết thời gian cắt ổn định động nhưng đòi hỏi sự tính toán phức tạp và tốn nhiều thời gian [20,21]. Tóm lại, các phương pháp phân tích truyền thống nêu trên đòi hỏi thời gian tính toán lâu dẫn đến chậm trễ trong việc ra quyết định. Vì vậy, yêu cầu đánh giá nhanh trạng thái hệ thống điện với độ chính xác chấp nhận được là yêu cầu bức thiết. Phương pháp kỹ thuật nhận dạng mẫu (Pattern Recognition) đánh giá ổn định động hệ thống điện bỏ qua việc giải các hệ phương trình vi phân mô tả trạng thái hệ thống và thay thế bằng cách học quan hệ mẫu đầu vào và đầu ra [18], các tiếp cận theo hướng này thì bộ phân loại được huấn luyện offline và kiểm tra online. Trong [12,13,15,19] các tác giả đã đề xuất việc triển khai các mô hình nhận dạng thông minh đánh giá ổn định hệ thống điện. Trong [29,33], các tác giả chọn tín hiệu đầu vào là các biến đặc trưng chế độ xác lập tiền sự cố để chẩn đoán ổn định quá độ qua chỉ số thời gian cắt tới hạn CCT (Critical Clearing Time), là thời gian cắt sự cố dài nhất cho phép để hệ thống vẫn giữ ổn định ứng với góc công suất cắt chuẩn. Tuy nhiên, việc tìm mối liên hệ giữa các biến đặc trưng chế độ xác lập tiền sự cố và độ ổn định cũng là một thách thức. Có hai loại biến đặc trưng: biến đặc trưng trước sự cố, thường là thông số xác lập [12,13,14]; và biến đặc trưng sau sự cố, thường là ngõ vào, đánh giá ổn định động chỉ có thể được thực hiện sau khi một kích động thực sự xảy ra, và nếu sự ổn định được phát hiện bị mất trong thời gian ngắn, những điều khiển phục hồi nên được kích hoạt ngay lập tức, thường được biết đến như là ngắt máy phát và/hoặc xa thải phụ tải. Trước những sự kiện ngẫu nhiên đã biết trước, nhưng nó sẽ phải chịu chi phí tốn kém (do sự thay đổi trạng thái vận hành hệ thống, chẳng hạn tái kế hoạch phát điện). Việc xác định các biến đặc trưng giúp giảm kích thước véc tơ mô tả trạng thái hệ thống điện. Điều này, giúp giảm thời gian học và đánh giá trạng thái hệ thống điện. Mạng nơron nhân tạo (Artificial Neural Network – ANN) sử dụng kỹ thuật nhận dạng mẫu lựa chọn những mẫu đặc trưng quan trọng làm mẫu đầu vào, việc