Luận án Tiến sĩ Kỹ thuật: Nghiên cứu giải thuật điều khiển STATCOM trong việc cải thiện chất lượng điện áp

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÀNH PHỐ HỒ CHÍ MINH

NGUYỄN HỮU VINH

NGHIÊN CỨU GIẢI THUẬT ĐIỀU KHIỂN STATCOM TRONG VIỆC CẢI THIỆN CHẤT LƯỢNG ĐIỆN ÁP LUẬN ÁN TIẾN SĨ KỸ THUẬT

TP HỒ CHÍ MINH NĂM 2020

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÀNH PHỐ HỒ CHÍ MINH

NGUYỄN HỮU VINH

NGHIÊN CỨU GIẢI THUẬT ĐIỀU KHIỂN STATCOM TRONG VIỆC CẢI THIỆN CHẤT LƯỢNG ĐIỆN ÁP

Chuyên ngành: Kỹ Thuật Điện

Mã số chuyên ngành: 62520202

Phản biện 1: PGS. TS. Ngô Văn Dưỡng

Phản biện 2: PGS. TS. Võ Ngọc Điều

Phản biện 3: PGS. TS. Trường Đình Nhơn

NGƯỜI HƯỚNG DẪN KHOA HỌC

1. GS.TS. Lê Kim Hùng

2. PGS.TS. Nguyễn Hùng

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

Luận án Tiến sĩ đã được bảo vệ tại Trường Đại học Công nghệ TP. HCM

ngày 06 tháng 11 năm 2020

Thành phần Hội đồng đánh giá Luận án gồm:

TT Họ và tên

1 GS. TSKH. Nguyễn Xuân Quỳnh PGS. TS. Ngô Văn Dưỡng 2 PGS. TS. Võ Ngọc Điều 3 4 PGS. TS. Trương Đình Nhơn 5 GS. TS. Phạm Thị Ngọc Yến 6 7 PGS. TS. Huỳnh Châu Duy PGS. TS. Nguyễn Thanh Phương Chức danh Hội đồng Chủ tịch Phản biện 1 Phản biện 2 Phản biện 3 Ủy viên Ủy viên Ủy viên, Thư ký

Xác nhận của Nghiên cứu sinh, tập thể cán bộ hướng dẫn, Khoa/Viện quản lý chuyên

ngành và Viện Đào tạo Sau đại hộc sau khi Luận án đã được sửa chữa.

Cán bộ hướng dẫn 1 GS. TS. Lê Kim Hùng Cán bộ hướng dẫn 2 PGS. TS. Nguyễn Hùng Nghiên cứu sinh Nguyễn Hữu Vinh

KHOA QUẢN LÝ CHUYÊN NGÀNH PGS. TS. Nguyễn Thanh Phương VIỆN ĐÀO TẠO SAU ĐẠI HỌC PGS. TS. Huỳnh Châu Duy

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

1. GS. TS Lê Kim Hùng -------------------------------------

Cán bộ hướng dẫn khoa học : 2. PGS.TS Nguyễn Hùng -----------------------------------

Luận án Tiến sĩ đã được bảo vệ tại Trường Đại học Công nghệ TP. HCM

ngày 06 tháng 11 năm 2020

Thành phần Hội đồng đánh giá Luận án gồm:

TT Họ và tên

Xác nhận của Chủ tịch Hội đồng đánh giá Luận án sau khi Luận án đã được báo cáo

Chủ tịch Hội đồng đánh giá Luận án

và sửa chữa. GS. TSKH. Nguyễn Xuân Quỳnh

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nêu

trong luận án 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 án này đã được

cảm ơn và các thông tin trích dẫn trong luận án đã được chỉ rõ nguồn gốc.

Nghiên cứu sinh thực hiện

Nguyễn Hữu Vinh

TÓM TẮT LUẬN ÁN

Hệ thống điện ngày nay đã phải đối mặt với các vấn đề về chất lượng và độ tin cậy cung

cấp điện. Những khó khăn quan trọng nhất là lượng điện năng tiêu thụ tăng lên một cách

đáng kể, sự phát triển nhanh chóng các nguồn năng lượng tái tạo và phân tán và sự gia

tăng các phụ tải phi tuyến. Những điều này và nhiều hiện tượng khác, là nguyên nhân

của thông số điện áp cung cấp không đạt yêu cầu, chẳng hạn như: dao động điện áp;

nhấp nháy điện áp; mất cân bằng điện áp; lồi và lõm điện áp; gián đoạn cung cấp điện.

Xu hướng sử dụng ngày càng nhiều thiết bị phụ tải phi tuyến trong công nghiệp và dân

dụng như bộ chuyển đổi điện tử công suất dùng trong truyền động điện, máy hàn hồ

quang, lò luyện kim hồ quang, mất cân bằng điện áp, nhấp nháy điện áp, lồi và lõm điện

áp. Những hiện tượng này có tác động tiêu cực nghiêm trọng đến các đơn vị phát điện,

truyền tải và phân phối điện và phụ tải được kết nối. Gần đây, chất lượng điện đã được

các đơn vị quản lý vận hành chú ý nhiều hơn. Ngày nay các vai trò đang thay đổi - đó là

khách hàng sử dụng điện, người đòi hỏi nguồn cung cấp công suất cao và tin cậy từ các

đơn vị cung cấp điện (ở đây là các Công ty Điện lực). Vấn đề đặc biệt nghiêm trọng đối

với các khách hàng chiến lược, khách hàng quan trọng như các tổ chức tài chính, bệnh

viện và căn cứ quân sự, cũng như khách hàng công nghiệp, nơi sự mà việc suy giảm các

thông số điện áp cung cấp có thể gây gián đoạn cho quá trình sản xuất.

Việc phát triển kỹ thuật thyristor công suất lớn đã mở ra những khả năng mới, một trong

số đó là việc ra đời và ứng dụng các thiết bị FACTS như STATCOM, SVC, hoặc DVR.

Ứng dụng của thiết bị FACTS có thể được dùng trong 3 trạng thái của hệ thống, bao

gồm: trạng thái xác lập (thông thường), trạng thái quá độ (thông thường) và trạng thái

xác lập sau quá độ. Nhằm mục đích ổn định điện áp dùng STATCOM, các nghiên cứu

trước đây đã sử dụng các kỹ thuật và phương pháp sau: phương pháp điều khiển vị trí

cực; điều khiển PI/PID/PD; điều khiển cân bằng kết nối DC. Các cấu trúc điều khiển

thông thường có thể được chia thành ba nhóm: i) Điều khiển dòng điện cục bộ: chế độ

điều khiển áp dụng để bù các thành phần dòng tải không mong muốn. Điều khiển được

áp dụng trong STATCOM để bù cho công suất phản kháng hoặc trong bộ lọc công suất

tác dụng để bù cho tải phi tuyến hoặc tải không cân bằng; ii) Điều khiển điện áp cục bộ:

được sử dụng chủ yếu trong STATCOM để điều chỉnh điện áp. Thông thường, nó ghép

tầng các bộ điều khiển điện áp và điều khiển dòng điện. Một vòng điện áp ngoài đặt

tham chiếu với công suất phản kháng cho bộ điều khiển dòng điện; iii)Tham chiếu bên

ngoài: được sử dụng chủ yếu trong các hệ thống lớn với một bộ điều khiển trung tâm.

Chế độ điều khiển phù hợp với lưới điện truyền tải hơn là lưới phân phối. Điều khiển từ

xa phát công suất phản kháng trong các trang trại gió hiện đại là bắt buộc.

Trong số các bộ điều khiển STATCOM được trình bày, chủ yếu là sử dụng các khối

điều khiển PID. Bộ điều khiển PID được sử dụng rộng rãi trong công nghiệp nhờ tính

đơn giản và tính bền vững của nó. Tuy nhiên, nó rất phù hợp với hệ tuyến tính, đối với

các hệ phi tuyến cao như trong hệ thống điện, bộ điều khiển PID chỉ có thể hoạt động

tốt trong phạm vi nhất định. Để đạt được kết quả tối ưu toàn cục, nó cần thiết phải hiệu

chỉnh lại bộ điều khiển PID khi chế độ vận hành thay đổi, và ứng dụng các kỹ thuật khác

nhau từ lý thuyết điều khiển phi tuyến. Đối với logic mờ, trí tuệ nhân tạo phát triển mạnh

mẽ tạo cơ sở xây dựng các hệ chuyên gia, những hệ có khả năng cung cấp kinh nghiệm

điều khiển hệ thống. Việc kết hợp cả hai phương pháp để tạo nên một công cụ xử lý

mạnh. Với các nhận định này, luận án nghiên cứu hệ nơ ron mờ thích nghi (ANFIS) để

cải tiến bộ điều khiển STATCOM.

Trong luận án này, tác giả đã tập trung vào việc nghiên cứu bộ điều khiển STATCOM,

sử dụng hệ mờ thích nghi (ANFIS) kết hợp với thuật toán tối ưu bầy đàn (PSO-Particle

Swarm Optimization), hoặc kết hợp với giải thuật di truyền (GA-Generic Algorithm) để

cải tiến bộ điều khiển. Trong quá trình nghiên cứu, đề tài cũng đã áp dụng các bộ điều

khiển kết hợp như: ANFIS-PSO, ANFIS-GA, và ANFIS-Online để so sánh các kết quả

đạt được trước khi đưa ra kết luận đối với bộ điều khiển nào đạt hiệu quả tốt nhất. Hơn

nữa, một phương pháp lọc dữ liệu mới dựa trên cơ sở lý thuyết thống kê được phát triển

trước khi áp dụng vào các giải thuật huấn luyện cho bộ điều khiển thiết bị STATCOM

cũng đã được đề cập trong luận án. Các kết quả nghiên cứu trên hệ một máy phát nối

với nút vô cùng lớn, lưới điện mẫu IEEE_9 nút và hệ thống lưới điện thông số thực tế

tại Khu Công nghệ cao Tp Hồ Chí Minh cũng được trình bày để làm rõ các kết quả

nghiên cứu. Các kết quả cũng cho thấy hiệu quả của bộ ANFIS-Online và đặc biệt là dữ

liệu dùng để huấn luyện được đánh giá độ tin cậy trước khi huấn luyện nên đảm bảo độ

chính xác cao.

iii

ABSTRACT

The power system has been struggling with power quality and reliability problems for

decades. Nowadays, the most important difficulties are the meaningly growing amount

of consumed power, the rapid development of renewable and distributed energy sources,

and increasing the share of non-linear loads. These, and many other phenomena, cause

deterioration of supply voltage parameters, such as voltage fluctuations/flicker; voltage

unbalance; higher harmonic content; voltage dips and swells; interruptions in the power

supply. These phenomena have a serious negative impact on the units generating,

transmitting and distributing electricity, and on connected loads. Recently, the power

quality has been mostly noticed by utilities. Nowadays roles are changing – it is the

consumer, who requires a reliable and high-quality power supply from the utilities. The

problem is particularly serious for strategic customers such as financial institutions,

hospitals, and military facilities, as well as industrial customers, where deterioration of

supply voltage parameters can cause disruption to the fabrication process.

The development of high power semiconductor devices allows controlling power flow

in the network. Flexible AC Transmission Systems (FACTS) like series and shunt

compensators can be installed to control power flow in the power grid. STATCOM is

the original shunt connected controller and falls amongst the FACTS Controllers. In

order to stabilize the voltage using STATCOM, techniques, and methods were used in

previous studies as follows: pole placement controller technique; PI/PID/PD controller

technique; DC-link balancing controller technique. Basically, conventional control

structures can be divided into three groups: i) Local current control– the control mode

applicable to compensate for unwanted load current components. The control applied in

the STATCOM to compensate for the reactive power or in the active power filter to

compensate for load nonlinearity or unbalance; ii) local voltage control– used mainly in

the STATCOM for voltage regulation. Conventionally, it consists of cascade voltage

and current controllers. An outer voltage loop sets a reactive current reference for the

current controller; iii) External reference – used mostly in widespread systems with one

central controller. The control mode is rather suitable for transmission than the

distribution network. Remotely controlled reactive power generation is mandatory in a

modern wind farm.

Among the STATCOM controllers presented, the PID controllers are mostly used. The

PID controllers can be described by robust performances across a wide range of

operating conditions and their functional simplicity. However, the high nonlinear of the

power system means that a PID controller cannot perform well at all operating range, it

can be a robust performance at a particular operating range. For meeting the good global

results, it is necessary to re-tune the PID controller when the operating range is changed,

and different techniques from nonlinear control theory are required. The neuro-adaptive

learning techniques supply a procedure for the fuzzy modeling procedure to acquire

information about a data set. The ANFIS control algorithm is very attention due to its

robustness for nonlinear systems. Under the conditions of uncertainly, a method to

identify the model parameters of parallel manipulators is to use the ANFIS control

algorithm. In the author’s opinion, the adaptive fuzzy neuron system (ANFIS) is a good

way of improving the STATCOM controller.

In this thesis, the author has focused on the study of the STATCOM controller, using

the adaptive fuzzy system in combination with a particle swarm optimization algorithm,

or in combination with a generic algorithm to improve the controllers. The thesis also

applied the combination controllers such as ANFIS-PSO, ANFIS-GA, and ANFIS-

Online to compare the results before making conclusions which is the best. In addition,

a new method of filtering data based on statistical theory is developed before applying

to train algorithms for STATCOM controllers that were also mentioned in the thesis. To

achieve nonlinear optimal control at abnormal operating conditions of the one machine

– infinite bus, IEEE 9 bus power systems and real network at Ho Chi Minh city, the

controller is trained offline by PSO, GA and is trained online, and Simulation results are

provided that explains the performance of the ANFIS-PSO, ANFIS-GA, ANFIS-Online

controller. The results also show that the effectiveness of the ANFIS-Online and

especially the training data is assessed before the training should be guaranteed to be

highly accurate.

LỜI CÁM ƠN

Trước tiên tôi muốn được bày tỏ lòng kính trọng, biết ơn tới GS. TS. Lê Kim Hùng và

PGS. TS. Nguyễn Hùng là những người trực tiếp hướng dẫn, tận tình chỉ bảo, động

viên tôi trong suốt quá trình nghiên cứu.

Xin cảm ơn Quí thầy cô giáo trong và ngoài Trường Đại học Công nghệ TpHCM đã

giảng dạy, hướng dẫn và truyền đạt và chia sẻ những kiến thức, kinh nghiệm quý báu

cho tôi trong thời gian qua. Cảm ơn Viện đào tạo Đào tạo sau đại học và Viện Kỹ thuật

HUTECH - Trường Đại học Công nghệ TpHCM đã hỗ trợ, hướng dẫn và tạo điều kiện

thuận lợi, giúp đỡ để tác giả hoàn thành luận án.

Xin chân thành cảm ơn Ban lãnh đạo Tổng Công ty Điện lực thành phố Hồ Chí Minh,

các đồng nghiệp đã tạo điều kiện giúp đỡ cho tôi trong quá trình công tác, học tập.

Đặc biệt, cảm ơn vợ yêu, các con và gia đình đã tạo mọi điều kiện và luôn động viên tôi

yên tâm học tập, nghiên cứu và công tác.

Cuối cùng, xin được ghi nhớ tất cả tình cảm và sự giúp đỡ của các nghiên cứu sinh, học

viên cao học, những người luôn hỗ trợ, giúp đỡ tôi hoàn thành luận án này.

Nghiên cứu sinh

Nguyễn Hữu Vinh

MỤC LỤC

DANH MỤC CÁC HÌNH VẼ ......................................................................... xi

DANH MỤC CÁC BẢNG BIỂU ................................................................... xv

DANH MỤC CÁC TỪ VIẾT TẮT .............................................................. xvii

DANH MỤC CÁC KÝ HIỆU ....................................................................... xix

Chương 1 GIỚI THIỆU ................................................................................... 1

1.1 Giới thiệu ....................................................................................................... 1

1.2 Mục tiêu của đề tài.......................................................................................... 5

1.3 Nhiệm vụ và giới hạn của đề tài ...................................................................... 6

1.4 Phương pháp nghiên cứu ................................................................................ 6

1.5 Đóng góp của đề tài ........................................................................................ 7

1.6 Giá trị thực tiễn của đề tài ............................................................................... 7

1.7 Bố cục luận án ................................................................................................ 8

Chương 2 TỔNG QUAN VỀ STATCOM ..................................................... 10

2.1 Giới thiệu ..................................................................................................... 10

2.2 Tổng quan các nghiên cứu về STATCOM .................................................... 10

2.2.1 Các phương pháp ổn định hệ thống điện sử dụng STATCOM ................ 10

2.2.2 Các giải thuật điều khiển điện áp sử dụng STATCOM ........................... 12

2.3 Mô hình STATCOM..................................................................................... 14

2.3.1 Cấu trúc cơ bản của STATCOM ............................................................ 14

2.3.2 Nguyên lý hoạt động của STATCOM .................................................... 15

2.3.3 Bộ chuyển đổi nguồn điện áp (VSC) ...................................................... 17

2.3.4 Nguyên tắc hoạt động của VSC .............................................................. 18

2.3.5 Bộ điều khiển của STATCOM ............................................................... 20

2.3.6 Mô hình toán của STATCOM ................................................................ 21

2.4 Lý thuyết điều khiển để ổn định điện áp dùng STATCOM ........................... 27

2.4.1 Lý thuyết mờ .......................................................................................... 27

vii

2.4.2 Hệ điều khiển mờ lai (Fuzzy-PID) áp dụng trong STATCOM ................ 36

2.4.3 Hệ Nơ-ron mờ thích nghi (ANFIS)......................................................... 38

2.4.4 Thuật toán tối ưu bầy đàn (PSO) ............................................................ 41

2.4.5 Thuật toán di truyền (GA) ...................................................................... 42

2.5 Tổng kết chương ........................................................................................... 43

Chương 3 CÁC GIẢI THUẬT ĐIỀU KHIỂN STATCOM ĐƯỢC ĐỀ XUẤT

ĐỂ CẢI THIỆN CHẤT LƯỢNG ĐIỆN ÁP ................................................. 45

3.1 Sơ đồ hệ thống điều khiển STATCOM được đề xuất .................................... 45

3.2 Giải thuật điều khiển STATCOM sử dụng các thuật toán huấn luyện ANFIS kết

hợp với PSO và GA ............................................................................................... 46

3.2.1 Thuật toán tối ưu bầy đàn PSO kết hợp ANFIS ...................................... 48

3.2.2 Thuật toán di truyền GA kết hợp với ANFIS .......................................... 52

3.2.3 Thuật toán huấn luyện ANFIS-Online .................................................... 56

3.3 Giải thuật điều khiển STATCOM sử dụng thuật toán ANFIS-Online kết hợp

với bộ ANI và bộ dự báo công suất ........................................................................ 59

3.3.1 Độ ổn định dữ liệu ................................................................................. 59

3.3.2 Phân tích thành phần chính (PCA) ......................................................... 59

3.3.3 Bộ lọc dữ liệu ngõ vào ........................................................................... 61

3.3.4 Cấu trúc bộ ANI ..................................................................................... 64

3.3.5 Thuật toán ANFIS-online kết hợp với ANI và bộ lọc dữ liệu đầu vào .... 65

3.4 Tổng kết chương ........................................................................................... 67

Chương 4 ÁP DỤNG HỆ NƠ-RON MỜ THÍCH NGHI VÀO CÁC BỘ ĐIỀU

KHIỂN CỦA STATCOM ĐỂ CẢI THIỆN ĐIỆN ÁP ................................. 69

4.1 Các kết quả nghiên cứu với hệ thống A......................................................... 70

4.1.1 Cấu trúc hệ thống A ............................................................................... 70

4.1.2 Kết quả mô phỏng hệ thống A ................................................................ 71

4.1.3 Đánh giá kết quả nghiên cứu bộ điều khiển STATCOM trên hệ OMIB .. 86

4.2 Các kết quả nghiên cứu với hệ thống B ......................................................... 88

viii

4.2.1 Cấu trúc của hệ thống B ......................................................................... 88

4.2.2 Kết quả mô phỏng hệ thống B ................................................................ 89

4.2.3 Đánh giá các kết quả nghiên cứu của bộ điều khiển STATCOM trên lưới

mẫu IEEE_9 nút ................................................................................................. 99

4.3 Tổng kết chương ......................................................................................... 101

Chương 5 KẾT QUẢ MÔ PHỎNG CỦA CÁC BỘ ĐIỀU KHIỂN

STATCOM ĐỂ CẢI THIỆN ĐIỆN ÁP TRÊN LƯỚI ĐIỆN THỰC TẾ . 103

5.1 Đặc tính điện áp tại trạm Intel tương ứng với các kịch bản sự cố ................ 106

5.2 Kết quả mô phỏng của các bộ điều khiển STATCOM khi sự cố trên đường dây

Thủ Đức – Thủ Đức Bắc – Intel ........................................................................... 107

5.2.1 Kết quả so sánh trong trường hợp có hoặc không có bộ STATCOM .... 107

5.2.2 Kết quả mô phỏng với bộ điều khiển Fuzzy và PID .............................. 108

5.2.3 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng ANFIS ..... 109

5.2.4 Kết quả mô phỏng với bộ điều khiển STATCOM dùng phương pháp kết

hợp ANFIS- PSO và ANFIS- GA..................................................................... 111

5.2.5 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng phương pháp

ANFIS-Online.................................................................................................. 113

5.2.6 Đánh giá các kết quả mô phỏng đạt được ............................................. 115

5.3 Kết quả mô phỏng của các bộ điều khiển STATCOM khi sự cố trên đường dây

Cát Lái – Công nghệ cao ...................................................................................... 115

5.3.1 Kết quả so sánh trong trường hợp có hoặc không có bộ STATCOM .... 116

5.3.2 Kết quả mô phỏng với bộ điều khiển Fuzzy ......................................... 117

5.3.3 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng ANFIS ..... 119

5.3.4 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng phương pháp

ANFIS- PSO và ANFIS- GA ........................................................................... 122

5.3.5 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng phương pháp

ANFIS-Online.................................................................................................. 124

5.3.6 Đánh giá các kết quả mô phỏng đạt được ............................................. 127

5.4 Tổng kết chương ......................................................................................... 127

Chương 6 KẾT LUẬN ................................................................................. 129

6.1 Các kết quả đạt được của luận án ................................................................ 129

6.2 Hướng phát triển của luận án ...................................................................... 131

DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ ............................................. 133

TÀI LIỆU THAM KHẢO ............................................................................ 135

PHỤ LỤC

.............................................................................................. 143

DANH MỤC CÁC HÌNH VẼ

Hình 2.1 Cấu trúc cơ bản của STATCOM .................................................................. 15

Hình 2.2 Nguyên lý hoạt động cơ bản STATCOM ...................................................... 15

Hình 2.3 Nguyên lý bù của bộ bù STATCOM ............................................................. 16

Hình 2.4 Trạng thái hấp thụ và phát công suất phản kháng của STATCOM .............. 17

Hình 2.5 Cấu trúc liên kết của một VSC ba pha hai cấp sử dụng IGBT ...................... 18

Hình 2.6 Hoạt động của VSC: (a) VSC kết nối với một hệ thống thanh cái; ............... 19

Hình 2.7 Hệ thống điều khiển của STATCOM ............................................................ 20

Hình 2.8 Mô hình đơn giản của thiết bị STATCOM ................................................... 22

Hình 2.9 Mô hình động học đơn giản của STATCOM dựa vào nguồn điện áp được điều

khiển .......................................................................................................................... 22

Hình 2.10 Mô hình động học nâng cao của STATCOM.............................................. 24

Hình 2.11 Mô hình động nâng cao của STATCOM với điện áp DC thay đổi .............. 25

Hình 2.12 Sơ đồ đơn tuyến STATCOM nối lưới ......................................................... 26

Hình 2.13 Sơ đồ khối điều khiển STATCOM .............................................................. 26

Hình 2.14 Đường cong qua các phần tử của tập hợp ................................................. 28

Hình 2.15 Độ cao tập mờ A, B ................................................................................... 28

Hình 2.16 Tập mờ B được đưa về dạng chính tắc....................................................... 29

Hình 2.17 Miền làm việc của tập mờ .......................................................................... 29

Hình 2.18 Biến NHIỆT ĐỘ gồm các tập mờ LẠNH, MÁT, ẤM, NÓNG...................... 29

Hình 2.19 Dạng tuyến tính ......................................................................................... 30

Hình 2.20 Đường cong dạng S ................................................................................... 30

Hình 2.21 Đường cong hình chuông .......................................................................... 30

Hình 2.22 Dạng hình thang ........................................................................................ 31

Hình 2.23 Dạng hình tam giác ................................................................................... 31

Hình 2.24 Các khối chức năng của hệ điều khiển mờ ................................................. 32

Hình 2.25 Các bộ điều khiển mờ ................................................................................ 33

Hình 2.26 Cấu trúc tổng quát một hệ mờ ................................................................... 33

Hình 2.27 Sơ đồ hệ mờ lai F-PID .............................................................................. 35

Hình 2.28 Vùng tác động của các bộ điều khiển......................................................... 35

Hình 2.29 Cấu trúc bộ điều khiển tự điều chỉnh các thông số Fuzzy-PID ................... 36

Hình 2.30 Các hàm liên thuộc ngõ vào ...................................................................... 37

Hình 2.31 Sơ đồ khối bộ điều khiển Fuzzy – PID ....................................................... 38

Hình 2.32 Cấu trúc bộ điều khiển ANFIS ................................................................... 39

Hình 3.1 Hệ thống điều khiển của STATCOM được đề xuất để cải thiện chất lượng điện

áp .............................................................................................................................. 46

Hình 3.2 Các bước thực hiện thuật toán PSO ............................................................ 49

Hình 3.3 Sơ đồ khối mô phỏng bộ điều khiển dùng ANFIS-PSO ................................. 51

Hình 3.4 Các bước thực hiện thuật toán GA ............................................................... 53

Hình 3.5 Sơ đồ khối mô phỏng bộ điều khiển dùng ANFIS-GA................................... 56

Hình 3.6 Bộ điều khiển ANFIS-Online ....................................................................... 57

Hình 3.7 Sơ đồ Bộ điều khiển ANFIS-Online đề xuất ................................................. 58

Hình 3.8 Giải thuật đề xuất để lọc dữ liệu dựa trên phương pháp phân tích thống kê 63

Hình 3.9 Cấu trúc mạng nơ-ron ................................................................................. 64

Hình 3.10 Bộ điều khiển ANFIS-Online sử dụng bộ lọc dữ liệu ngõ vào .................... 66

Hình 3.11 Sơ đồ khối mô phỏng bộ điều khiển dùng ANFIS-Online ........................... 67

Hình 4.1 Cấu trúc của hệ thống OMIB được nghiên cứu ........................................... 71

Hình 4.2 Sơ đồ đơn tuyến của máy phát điện gió DFIG ............................................. 71

Hình 4.3 Điện áp quá độ tại điểm đấu nối chung PCC và công suất của máy phát đồng

bộ (SG) khi có ngắn mạch 3 pha ................................................................................ 73

Hình 4.4 Công suất tác dụng (PWF) và công suất phản kháng (QWF) của máy phát điện

gió (DFIG) khi có sự cố ngắn mạch 3 pha ................................................................. 74

Hình 4.5 Công suất (PSG và QSG) của máy phát đồng bộ (SG) khi có ngắn mạch 3 pha

trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS ................................. 75

Hình 4.6 Điện áp quá độ (VPCC) tại điểm đấu nối chung PCC khi có ngắn mạch 3 pha

trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS ................................. 76

Hình 4.7 Công suất tác dụng (PWF) và công suất phản kháng (QWF) khi có ngắn mạch 3

pha trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS .......................... 77

Hình 4.8 So sánh kết quả huấn luyện ANFIS dùng PSO và GA đối với bộ dữ liệu từ hệ

dùng PID ................................................................................................................... 79

Hình 4.9 Điện áp quá độ (VPCC) tại điểm đấu nối chung PCC khi có ngắn mạch 3 pha

trong trường hợp sử dụng PID, Fuzzy, ANFIS, ANFIS-GA, và ANFIS-PSO ............... 80

Hình 4.10 Công suất (PSG và QSG) của máy phát đồng bộ khi có ngắn mạch 3 pha trong

trường hợp sử dụng điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, và ANFIS-PSO ....... 81

xii

Hình 4.11 Công suất tác dụng (PWF) và công suất phản kháng (QWF) khi có ngắn mạch

3 pha khi sử dụng các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, và ANFIS-PSO82

Hình 4.12 Điện áp quá độ (VPCC) tại điểm đấu nối chung PCC khi có ngắn mạch 3 pha

trong trường hợp sử dụng ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-Online ........... 83

Hình 4.13 Công suất (PSG và QSG) của máy phát đồng bộ khi có ngắn mạch 3 pha trong

trường hợp sử dụng các bộ điều khiển ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-

Online ........................................................................................................................ 85

Hình 4.14 Công suất tác dụng (PWF) và công suất phản kháng (QWF) khi có ngắn mạch

3 pha đối với các bộ điều khiển ANFIS, ANFIS-GA, ANFIS-PSO, và ANFIS-Online . 86

Hình 4.15 Cấu trúc của hệ thống nghiên cứu 9 nút .................................................... 88

Hình 4.16 Đặc tính động học của các công suất tác dụng tại các máy phát SG1 và SG2

trên lưới điện mẫu IEEE_9 nút được khảo sát ............................................................ 90

Hình 4.17 Đặc tính động học của điện áp tại các máy phát SG1, SG2, SG3 và tại điểm

chung PCC trên lưới khảo sát sử dụng các bộ điều khiển PID, Fuzzy, và ANFIS ....... 93

Hình 4.18 So sánh kết quả huấn luyện ANFIS dùng PSO và GA ................................ 94

Hình 4.19 Đặc tính động học của các điện áp tại các máy phát SG1, SG2, SG3 và tại

điểm chung PCC trên lưới khảo sát, sử dụng các bộ điều khiển PID và ANFIS ......... 96

Hình 4.20 So sánh các kết quả ổn định điện áp tại nút PCC khi sử dụng bộ huấn luyện

ANFIS cho thiết bị STATCOM ................................................................................... 97

Hình 5.1 Sơ đồ lưới điện khu vực cung cấp điện cho khu công nghệ cao Tp. HCM .. 104

Hình 5.2 Sơ đồ mô phỏng lưới điện khu công nghệ cao Tp. HCM ............................ 104

Hình 5.3 Đặc tính điện áp tại trạm Intel khi sự cố ngắn mạch ba pha xảy ra trên đường

dây 110kV Thủ Đức – Thủ Đức Bắc – Intel .............................................................. 106

Hình 5.4 Đặc tính điện áp tại trạm Intel khi sự cố ngắn mạch ba pha xảy ra trên đường

dây 110kV Cát Lái – Công nghệ cao ........................................................................ 106

Hình 5.5 Kết quả khảo sát điện áp tại trạm Intel trong trường hợp có và không có sử

dụng thiết bị STATCOM........................................................................................... 107

Hình 5.6 Kết quả điện áp tại trạm Intel trong trường hợp sử dụng bộ điều khiển Fuzzy

và bộ điều khiển PID ............................................................................................... 108

Hình 5.7 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ

điều khiển ANFIS, PID và Fuzzy .............................................................................. 110

Hình 5.8 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ

điều khiển ANFIS, ANFIS-PSO và ANFIS-GA ......................................................... 112

xiii

Hình 5.9 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ

điều khiển ANFIS và ANFIS-Online ......................................................................... 114

Hình 5.10 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ

điều khiển PID, Fuzzy, ANFIS và ANFIS-Online ..................................................... 114

Hình 5.11 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, Công Nghệ Cao

trong trường hợp có và không có sử dụng thiết bị STATCOM .................................. 117

Hình 5.12 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, Công Nghệ Cao

trong trường hợp sử dụng bộ điều khiển Fuzzy ........................................................ 118

Hình 5.13 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, Công Nghệ Cao

trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS ............................... 121

Hình 5.14 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, và Công nghệ cao

trong trường hợp sử dụng bộ điều khiển PID, ANFIS, ANFIS-PSO và ANFIS-GA ... 124

Hình 5.15 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, và Công nghệ cao

trong trường hợp sử dụng bộ điều khiển PID, ANFIS, ANFIS-PSO, ANFIS-GA và

ANFIS-Online .......................................................................................................... 126

xiv

DANH MỤC CÁC BẢNG BIỂU

Bảng 2.1 Các luật điều khiển của hệ mờ (FL) ............................................................ 37

Bảng 4.1 Các kịch bản mô phỏng ............................................................................... 69

Bảng 4.2 Bảng so sánh các đặc tính động học của các đại lượng điện áp và công suất

liên quan đến các bộ điều khiển khác nhau của STATCOM trong hệ thống OMIB .... 74

Bảng 4.3 Bảng so sánh các đặc tính động học của các đại lượng điện áp và công suất

liên quan đến các bộ điều khiển khác nhau như PID truyền thống, Fuzzy, và ANFIS . 76

Bảng 4.4 Đặc tính của mô hình huấn luyện ANFIS .................................................... 79

Bảng 4.5 Thông số cài đặt cho thuật toán bầy đàn (PSO) ........................................... 79

Bảng 4.6 Thông số cài đặt cho thuật toán di truyền (GA) ........................................... 79

Bảng 4.7 Bảng so sánh các bộ điều khiển ANFIS-PSO, ANFIS-GA, PID, Fuzzy, và

ANFIS dành cho thiết bị STATCOM trên lưới OMIB ............................................... 80

Bảng 4.8 Bảng so sánh các bộ điều khiển ANFIS-PSO, ANFIS-GA, ANFIS và ANFIS-

Online dành cho thiết bị STATCOM trên lưới OMIB ................................................ 84

Bảng 4.9 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-PSO, ANFIS-

GA, và ANFIS-Online dành cho thiết bị STATCOM trên lưới OMIB ....................... 87

Bảng 4.10 Bảng so sánh các bộ điều khiển PID, Fuzzy, và ANFIS dành cho thiết bị

STATCOM trên lưới điện 9 nút được khảo sát ........................................................... 91

Bảng 4.11 Bảng so sánh các bộ điều khiển PID, ANFIS, ANFIS-GA và ANFIS-PSO

dành cho thiết bị STATCOM trên lưới điện 9 nút được khảo sát ................................ 95

Bảng 4.12 Bảng so sánh các bộ điều khiển PID, ANFIS, ANFIS-GA, ANFIS-PSO và

ANFIS-Online dành cho thiết bị STATCOM trên lưới điện 9 nút được khảo sát ........ 98

Bảng 4.13 So sánh thời gian, biên độ và độ chênh lệch điện áp các đáp ứng điện áp 100

Bảng 5.1 Các kịch bản mô phỏng hoạt động của các bộ điều khiển STATCOM được kết

nối với lưới điện thực tế ........................................................................................... 105

Bảng 5.2 Bảng so sánh các bộ điều khiển PID và Fuzzy dành cho thiết bị STATCOM

trên lưới điện Khu Công nghệ cao được khảo sát ..................................................... 109

Bảng 5.3 Bảng so sánh các bộ điều khiển PID, Fuzzy và ANFIS dành cho thiết bị

STATCOM trên lưới điện Khu Công nghệ cao được khảo sát .................................. 109

Bảng 5.4 Bảng so sánh các bộ điều khiển Fuzzy, ANFIS, ANFIS-GA và ANFIS-PSO

dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao được khảo sát ....... 111

Bảng 5.5 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, ANFIS-PSO

và ANFIS-Online dành cho thiết bị STATCOM trên lưới Khu Công nghệ cao ........ 113

Bảng 5.6 Bảng so sánh các bộ điều khiển PID và Fuzzy dành cho thiết bị STATCOM

trên lưới điện Khu Công nghệ cao được khảo sát ..................................................... 119

Bảng 5.7 Bảng so sánh các bộ điều khiển PID, Fuzzy và ANFIS dành cho thiết bị

STATCOM trên lưới điện Khu Công nghệ cao được khảo sát .................................. 121

Bảng 5.8 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, ANFIS-PSO

dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao ............................. 122

Bảng 5.9 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, ANFIS-PSO

và ANFIS-Online dành cho thiết bị STATCOM trên lưới điện Intel thực tế ............. 126

xvi

DANH MỤC CÁC TỪ VIẾT TẮT

AC Alternating current Dòng điện xoay chiều

ANFIS Hệ nơ ron mờ thích nghi

Adaptive Neuro-Fuzzy Inference System

ANFIS-GA - Hệ ANFIS dùng tối ưu di truyền

ANFIS-Online - Hệ ANFIS trực tuyến

ANFIS-PSO - Hệ anfis dùng tối ưu bầy đàn

ANI Artifitial Neural Indentifier Bộ nhận dạng nơ ron nhân tạo

ANN Artifitial Neural network Mạng nơ ron nhân tạo

APF Active Power Filter Bộ lọc công suất tác dụng

CSC Current source converter Bộ biến đổi dòng điện

DC Direct current Dòng một chiều

DFIG Doubly fed induction generator Máy phát điện cảm ứng nguồn

kép

FACTS Hệ thống truyền tải ac linh hoạt

Flexible AC Transmission Systems

FLC Fuzzy Logic Controller Bộ điều khiển logic mờ

Mờ FUZZY -

Fuzzy – PID Hệ kết hợp PID - mờ

Fuzzy - Proportional intergral derivative

Generic Algothrim Thuật toán di truyền GA

Gate Turn-Off Thyristor GTO

Thyristor điều khiển bằng xung kích cổng

Honey Bee Mating Optimization Tối ưu ong mật HBMO

High Voltage DC Hệ thống truyền tải DC cao áp HVDC

IGBT

Insulated Gate Bipolar Transistor Transistor có cực điều khiển cách ly

Linear matrix inequalities Bất đẳng thức ma trận tuyến tính LMI

Mean absolute percentage error MAPE

Phần trăm sai số tuyệt đối trung bình

Membership Function Hàm liên thuộc MF

Multi-input multi-output Nhiều ngõ vào - nhiều ngõ ra MIMO

Multi-input single-ouput Nhiều ngõ vào - một ngõ ra MISO

xvii

On Load Tap Changer Bộ đổi nấc dưới tải OLTC

One Machine Infinite Bus OMIB

Hệ một máy phát kết nối với lưới điện

Optimal Pole Shifting Dịch cực tối ưu OPS

ORPD

Optimal Reactive Power Dispatch Điều phối tối ưu công suất phản kháng

PCA Principal Components Analysis Phân tích thành phần chính

Point of Common Coupling Điểm đấu nối chung PCC

Probability Density Function Hàm mật độ xác suất PDF

Phase Locked Loop Vòng khóa pha PLL

Proportional–Integral Khâu tích phân tỉ lệ PI

Proportional–Integral–Derivative Khâu vi tích phân tỉ lệ PID

Power Spectral Density Mật độ phổ năng lượng PSD

Particle Swarm Optimal Tối ưu bầy đàn PSO

Pulse Width Module Điều chế độ rộng xung PWM

Root mean square error Sai số trung bình bình phương RMSE

Single-input single-ouput Một ngõ vào - một ngõ ra SISO

STATCOM Static Synchronous Compensator Bộ bù tĩnh đồng bộ

Static Var Compensator Bộ bù tĩnh công suất phản kháng SVC

Total Harmonics Distortion Tổng độ méo dạng sóng hài THD

Voltage Source Converter Bộ biến đổi nguồn áp VSC

Wind farm Trang trại gió WF

Wind Power System Hệ thống điện gió WPS

xviii

DANH MỤC CÁC KÝ HIỆU

Ký hiệu Đơn vị

, the d-, q-axis internal transient stator voltage pu

the field voltage pu

, the d-, q-axis synchronous reactance pu

, the d-, q-axis transient reactance pu

mechanical torque input pu

inertia constant pu

damping factor Pu

, the q-, d-axis open-circuit time constant of the machine s

, the d-, q-axis transient inductance pu

, d-, q-axis stator current pu

rad/s angular velocity of rotor

Rad rotor angle

voltage regulator output pu

output of power system stabilizer pu

terminal voltage magnitude pu

voltage regulator reference pu

phase angle of the common AC-bus voltage pu

DC voltage of the DC capacitor Cm Vdcsta pu

dq-axis voltages at the output terminals of the Statcom vdsta, vqsta pu

the modulation index kmsta pu

phase angle of the Statcom pu

Rm equivalent resistance considering the equivalent electrical pu

losses of the Statcom

iqsta, idsta pu q- and d-axis currents flowing into the terminals of the

Statcom

xix

Chương 1

GIỚI THIỆU

1.1 Giới thiệu

Hệ thống điện ngày nay đã phải đối mặt với các vấn đề về chất lượng và độ tin cậy cung

cấp điện. Những khó khăn quan trọng nhất là lượng điện năng tiêu thụ tăng lên một cách

đáng kể, sự phát triển nhanh chóng các nguồn năng lượng tái tạo và phân tán [1] và sự

gia tăng các phụ tải phi tuyến [2]. Những điều này và nhiều hiện tượng khác, là nguyên

nhân của thông số điện áp cung cấp không đạt yêu cầu, chẳng hạn như: dao động điện

áp; nhấp nháy điện áp; mất cân bằng điện áp; lồi và lõm điện áp; gián đoạn cung cấp

điện.

Xu hướng sử dụng ngày càng nhiều thiết bị phụ tải phi tuyến trong công nghiệp và dân

dụng như bộ chuyển đổi điện tử công suất dùng trong truyền động điện, máy hàn hồ

quang, lò luyện kim hồ quang, mất cân bằng điện áp, nhấp nháy điện áp, lồi và lõm điện

áp. Những hiện tượng này có tác động tiêu cực nghiêm trọng đến các đơn vị phát điện,

truyền tải và phân phối điện và phụ tải được kết nối. Giải pháp chung cho những vấn đề

này là tăng độ cứng, năng lực của hệ thống điện bằng cách xây dựng các nhà máy điện

mới và xây dựng các đường dây truyền tải và phân phối mới [3]. Trong hầu hết các

trường hợp, cấu trúc kết nối hình tia thường dùng để kết nối liên vùng. Những giải pháp

này rất tốn kém và chỉ giải quyết được một phần vấn đề. Chúng làm tăng độ tin cậy cung

cấp điện cho khách hàng; tuy nhiên, họ không xem xét các vấn đề về chất lượng điện

năng đang trở thành vấn đề nghiêm trọng đối với các đơn vị quản lý vận hành và khách

hàng sử dụng điện. Gần đây, chất lượng điện đã được các đơn vị quản lý vận hành chú

ý nhiều hơn. Các phụ tải công nghiệp nặng với đồ thị dòng công suất phi tuyến gây ra

chất lượng điện áp nguồn cung cấp xấu và tăng tổn thất trong lưới điện. Việc bù những

hiện tượng này được thực hiện bởi các nguồn công suất phản kháng thụ động và các bộ

lọc sóng hài. Những giải pháp này được thực hiện bởi các khóa đóng cắt cơ khí nên khả

năng điều khiển chất lượng điện áp kém ở trạng thái quá độ.

Ngày nay vai trò đang thay đổi - đó là khách hàng sử dụng điện, người đòi hỏi nguồn

cung cấp công suất cao và tin cậy từ các đơn vị cung cấp điện (ở đây là các Công ty

Điện lực). Vấn đề đặc biệt nghiêm trọng đối với các khách hàng chiến lược, khách hàng

quan trọng như các tổ chức tài chính, bệnh viện và căn cứ quân sự, cũng như khách hàng 1

công nghiệp, nơi sự mà việc suy giảm các thông số điện áp cung cấp có thể gây gián

đoạn cho quá trình sản xuất, làm việc. Trong các trường hợp cực đoan, vấn đề chất lượng

điện gây hư hỏng hoặc ngắt kết nối thiết bị, thường dẫn đến tổn thất tài chính lớn. Do

vậy, chất lượng điện hiện đang trở thành một vấn đề phổ biến đối với đơn vị cung cấp

điện và khách hàng. Duy trì chất lượng cao và độ tin cậy của nguồn cung cấp là một

trong những nhiệm vụ chính cho một mạng lưới trong tương lai. Giải pháp cho các vấn

đề được đề cập ở trên là chuyển đổi hệ thống điện thành hệ thống điện thông minh với

các hệ thống truyền thông tiên tiến và điện tử công suất [4-5].

Việc phát triển kỹ thuật thyristor công suất lớn đã mở ra những khả năng mới, một trong

số đó là việc ra đời và ứng dụng các thiết bị FACTS (Flexible AC Transmission

Systems) như STATCOM (Static Synchronous Compensator), SVC (Static Var

Compensator), hoặc TCSC (Thyristor-Controlled Series Capacitor). Ứng dụng của thiết

bị FACTS có thể được dùng trong 3 trạng thái của hệ thống, bao gồm: trạng thái xác lập

(thông thường), trạng thái quá độ (thông thường) và trạng thái xác lập sau quá độ. Các

thiết bị FACTS có thể điều chỉnh công suất tác dụng và công suất phản kháng, điều

chỉnh điện áp, và giảm dao động công suất.

Các vấn đề về chất lượng điện áp có thể rất tốn kém đối với một số nhà máy công nghiệp

và quan trọng đối với an ninh của khách hàng chiến lược. Những khách hàng này có thể

yêu cầu năng lượng chất lượng cao, không bị nhiễu. Các giải pháp cho các vấn đề về

chất lượng điện áp sẽ bao gồm lắp đặt các thiết bị bù hoặc nguồn năng lượng dự phòng

ở phía khách hàng. Mặt khác, các công ty điện lực có thể xây dựng các công viên thiết

bị điều chỉnh công suất – nơi dành cho khách hàng sẵn sàng trả tiền cho chất lượng và

độ tin cậy của việc cung cấp điện cao hơn. Các thiết bị này được thiết kế để khách hàng

kết nối với hệ thống điện nhạy cảm với các thay đổi điện áp hiệu dụng (RMS) để đảm

bảo cung cấp điện điện liên tục và chất lượng cao [6]. Sự lựa chọn của các thiết bị phụ

thuộc vào các loại nhiễu được bù. Theo tìm hiểu của tác giả, để bù cho điện áp lõm, lồi

hoặc gián đoạn, các loại thiết bị sau được áp dụng [7-8]:

• Bộ phục hồi điện áp động (DVR),

• Bộ điều chỉnh điện áp tĩnh (SVR),

Để bù cho dao động điện áp, công suất phản kháng, các thiết bị được sử dụng là:

• Bộ bù đồng bộ tĩnh (STATCOM),

• Bộ bù var tĩnh (SVC).

DVR là một thiết bị bù dựa trên bộ chuyển đổi được mắc nối tiếp với lưới điện bằng

máy biến áp nối tiếp [9]. Chức năng chính của DVR là tổng hợp sóng điện áp, bù cho

sự sai biệt giữa điện áp tải danh định và thực tế. Bộ điều khiển của nó cũng có thể có

khả năng bơm cao hơn các vectơ điện áp tần số cơ bản để thực hiện lọc tích cực (giảm

thiểu) sóng hài điện áp [9]. Các chiến lược bù khác nhau là có thể, nhưng trong trường

hợp chung, DVR bị hạn chế để điều khiển dòng công suất hai chiều. Nhu cầu về công

suất hoạt động tỷ lệ thuận với sự thay đổi điện áp, nó cũng phụ thuộc vào hệ số công

suất tải và góc pha trong chiến lược bù nhảy qua điện áp lõm. Nếu chỉ xem xét ứng dụng

cho bù điện áp lõm, DVR có thể được trang bị bộ chỉnh lưu diode để cung cấp năng

lượng trong quá trình sụt áp. Kết quả là, các giá trị cao của dòng điện phi tuyến tính

được rút ra từ mạng, điều này gây bất lợi cho mạng. Nếu xem xét toàn bộ phạm vi bù,

thiết bị phải được kết hợp với bộ lưu trữ năng lượng. Việc kết hợp lưu trữ năng lượng

hai chiều vào DVR giúp loại bỏ những nhược điểm này, tuy nhiên, làm tăng đáng kể chi

phí đầu tư và khai thác.

SVR là bộ điều khiển được cấu thành bởi một máy biến áp nối tiếp cung cấp tải, được

trang bị các công tắc thyristor thay đổi nhanh chóng các nấc trên cuộn dây thứ cấp. Bằng

cách chuyển đổi nấc, điện áp tải được điều khiển trong các bước riêng biệt. Một thiết bị

như vậy có thể được thiết kế để làm tăng điện áp trong quá trình điện áp lõm, cũng như

điện áp trong quá trình điện áp lồi. Loại thiết bị này thường bị giới hạn trong thiết kế để

cung cấp hiệu chỉnh cho điện áp có độ sụt áp tối thiểu không thấp hơn 50% điện áp định

mức.

SVC sử dụng các thành phần thụ động dạng tụ điện và điện kháng được chuyển đổi bằng

công tắc thyristor hai chiều để điều khiển công suất phản kháng. Nó trao đổi một dòng

điện kháng được điều khiển liên tục với hệ thống điện để điều khiển các thông số của

đường dây tại điểm đấu nối chung [10]. Điều khiển công suất phản kháng có thể được

thực hiện trong các bước rời rạc hoặc liên tục. Tùy thuộc vào phạm vi và dấu hiệu của

công suất phản kháng, SVC có thể bao gồm các thành phần thụ động điện dung và cảm

ứng. Hạn chế lớn nhất của các bộ bù dựa trên các phần tử thụ động là mối quan hệ giữa

công suất phản kháng và điện áp. Phạm vi điều khiển điện áp giảm tỷ lệ thuận với giảm

điện áp trong lưới. Do đó, SVC không đủ giải pháp trong trường hợp bù lõm áp [10].

STATCOM được sử dụng như bộ bù ngang ứng động để điều khiển công suất tác dụng

và công suất phản khảng trên hệ thống điện truyền tải và phân phối [11]. STATCOM có

khả năng phát hoặc thu công suất phản kháng để điều khiển các thông số của hệ thống

điện. Khi so sánh với SVC, STATCOM giảm kích thước của các thành phần thụ động

và động lực cao hơn. Một ưu điểm quan trọng khác của STATCOM so với SVC là công

suất được tạo ra không phụ thuộc vào cấp điện áp [12]. STATCOM có thể tạo ra dòng

công suất phản kháng định mức ở cả hai chiều phát và hấp thụ trong một phạm vi điện

áp cần điều chỉnh. Trên cơ sở những lợi thế đó, STATCOM được ưu tiên để điều chỉnh

điện áp và / hoặc bù tải trong lưới điện để nâng cao độ ổn định điện áp [13].

Ở Việt Nam, để đảm bảo chất lượng điện năng khi có đấu nối các phụ tải, đặc biệt là

phụ tải phi tuyến, Bộ Công thương đã ban hành các quy định đấu nối lưới điện vào năm

2010 và hiệu chỉnh vào năm 2015, đặc biệt là quy định về tiêu chuẩn độ méo dạng sóng

hài (THD), chi tiết được nêu trong [14]. Những vấn đề chung của chất lượng điện năng

là dao động điện áp, sóng hài và hệ số công suất [15-18].

Trong những năm qua đã có nhiều công trình nghiên cứu về đánh giá ổn định điện áp hệ

thống điện trong chế độ xác lập [19-22]. Trong [19], các tác giả sử dụng phương pháp

phân tích theo đường cong PV/QV để xác định các nút bị mất ổn định tĩnh hoặc độ dự

trữ ổn định điện áp kém để xem xét cải thiện ổn định áp, chứ chưa đưa ra các biện pháp

giải quyết. Trong [20-22], các tác giả cũng phân tích ổn định hệ thống điện trong chế độ

xác lập bình thường và sự cố bị mất một đường dây hay máy phát cũng bằng phương

pháp phân tích PV/QV từ đó xác định được vị trí và dung lượng thiết bị bù SVC cần

thiết để nâng cao ổn định điện áp cho các nút có nguy cơ mất ổn định tĩnh. Tuy nhiên,

qua các nghiên cứu cho thấy việc áp dụng bộ bù SVC với các giá trị cố định chỉ hiệu

quả cho một vài trạng thái vận hành xác định [22-23]. Mô hình hóa và điều khiển

STATCOM đưa ra trong [24-25] cho thấy hiệu quả trong việc điều khiển biên độ điện

áp trong trạng thái xác lập. Tuy nhiên, kết quả nghiên cứu cho thấy sự hiệu quả trong

trường hợp bù công suất phản kháng nhỏ và chỉ áp dụng thích hợp trong lưới điện hạ

thế.

Gần đây, nhiều công trình nghiên cứu ứng dụng STATCOM trong hệ thống truyền tải

điện cao thế cho thấy sự hiệu quả của nó trong việc cải thiện đáp ứng quá độ và giảm

dao động hệ thống điện [25-28]. Trong [27], các tác giả chứng minh STATCOM hiệu

quả hơn SVC trong việc nâng cao ổn định động, giảm dao động công suất cho hệ thống

điện có nhiều máy phát điện. Trong [28], STATCOM với bộ điều khiển PID được dùng

để giảm dao động công suất và ổn định động máy phát điện khi xảy ra ngắn mạch ba

pha trên hệ thống điện. Trong [29], các tác giả ứng dụng STATCOM trong việc cải thiện

đáp ứng quá độ, nâng cao ổn định áp khi xảy ra ngắn mạch đối xứng cho hệ thống điện

có nguồn điện gió kết lưới. Một quy trình thiết kế cho STATCOM liên tục điều chỉnh

các thông số của bộ điều khiển PI cho bộ điều chỉnh điện áp để nâng chất lượng điện áp

của hệ thống nhiều máy dưới các nhiễu động đã được đề xuất trong [30].

Trong một công trình khác, STATCOM được sử dụng để tăng cường sự ổn định công

suất bằng cách sử dụng bộ điều khiển logic mờ (FLC-Fuzzy Logic Controller) trong hệ

thống điện liên kết hai vùng có bốn máy phát [31]. Mỗi bộ điều khiển có những ưu điểm

và nhược điểm của nó, do đó trong [32-34], tác giả đề xuất kết hợp điều khiển PI và bộ

điều khiển FLC để nâng cao độ ổn định của bộ điều khiển tốc độ động cơ. Trong [35],

các tác giả so sánh khả năng vượt qua sụt áp ngắn hạn của Statcom và SVC khi kết nối

với nguồn phát điện gió.

Như vậy, từ các nội dung trên cho thấy cùng với sự phát triển của kinh tế và khoa học

công nghệ, yêu cầu việc vận hành hệ thống điện phải đáp ứng độ tin cậy, cũng như chất

lượng điện năng cao hơn. Đặc biệt là với sự xuất hiện ngày càng nhiều thành phần của

nguồn năng lượng tái tạo được kết nối vào hệ thống. Sự ra đời của STATCOM đã có

đóng góp vào việc cải thiện chất lượng điện năng trong hệ thống điện và việc nghiên

cứu điều khiển STATCOM để nâng cao hiệu quả vận hành hệ thống điện là rất cần thiết.

1.2 Mục tiêu của đề tài

Mục tiêu của đề tài là nghiên cứu cải thiện chất lượng điện áp trên lưới điện, cải tiến các

giải thuật điều khiển của thiết bị STATCOM sử dụng hệ nơ ron mờ thích nghi nhằm cải

thiện chất lượng và nâng cao ổn định điện áp lưới điện phân phối, và đề xuất áp dụng

các bộ điều khiển cải tiến cho thiết bị STATCOM vào lưới điện thông số thực tế.

1.3 Nhiệm vụ và giới hạn của đề tài

• Nhiệm vụ của đề tài:

- Tìm hiểu về cấu tạo, nguyên lý hoạt động, mô hình toán, và sơ đồ thay thế tương

đương của thiết bị bù STATCOM;

- Tìm hiểu về các bộ điều khiển hiện có cho STATCOM, so sánh và đưa ra các nhận

định về điều khiển STATCOM;

- Nghiên cứu áp dụng hệ nơ-ron mờ thích nghi (ANFIS) vào bộ điều khiển

STATCOM nhằm cải thiện chất lượng điện áp;

- Nghiên cứu, đề xuất áp dụng các kỹ thuật huấn luyện tích hợp khác nhau cho bộ

điều khiển thiết bị STATCOM, như các bộ điều khiển kết hợp: Fuzzy, ANFIS-

PSO, ANFIS-GA, và ANFIS-Online;

• Giới hạn của đề tài:

- Nghiên cứu trên mô hình lưới điện một máy phát nối với nút vô cùng lớn và

IEEE_9 nút;

- Đề xuất áp dụng các bộ điều khiển cho thiết bị STATCOM vào lưới điện thông số

thực tế khu Công nghệ cao Thành phố Hồ Chí Minh và đánh giá hiệu quả.

1.4 Phương pháp nghiên cứu

- Sử dụng phương pháp nghiên cứu, tham khảo tài liệu, các sách, các tạp chí khoa

học, các Hội nghị chuyên ngành, các bài báo nghiên cứu được công bố trước đây

trên các tạp chí điện tử, các hệ thống cơ sở dữ liệu điện tử, thư viện điện tử:

Elsevier, IEEE Xplore, Springer… về STATCOM, logic mờ, mạng nơ-ron nhân

tạo, xác xuất thống kê, ổn định điện áp để phân tích nhằm làm cơ sở cho hướng

nghiên cứu.

- Sử dụng phương pháp mô hình mô phỏng dùng Matlab.

- Sử dụng phương pháp phân tích và tổng hợp kết quả nghiên cứu, mô phỏng và

đánh giá, và đưa ra kết luận.

1.5 Đóng góp của đề tài

- Khảo sát, đánh giá đặc tính động học của điện áp tại các nút của hệ lưới điện một

máy phát nối với nút vô cùng lớn, lưới điện mẫu IEEE_9 nút và lưới điện thông số

thực tế trong trường hợp không có và có thiết bị STATCOM.

- Cải tiến bộ điều khiển cho thiết bị STATCOM dùng Fuzzy, ANFIS-PSO, ANFIS-

GA và ANFIS-Online nhằm cải thiện chất lượng, ổn định điện áp tại vị trí đặt thiết

bị STATCOM.

- Đề xuất phương pháp lọc dữ liệu mới dựa trên cơ sở lý thuyết xác xuất thống kê

để xử lý dữ liệu trước khi cung cấp cho giải thuật huấn luyện cũng như xây dựng

bộ dự báo công suất để điều khiển hiệu quả các thiết bị STATCOM trên lưới;

- Áp dụng các bộ điều khiển được cải tiến vào lưới điện khu Công nghệ cao Thành

phố Hồ Chí Minh, nơi có các phụ tải với độ nhạy cao, góp phần đưa ra các giải

pháp đảm bảo tính ổn định chất lượng điện áp.

1.6 Giá trị thực tiễn của đề tài

- Áp dụng các bộ điều khiển được cải tiến vào lưới điện thực tế khu Công nghệ cao,

nơi có các phụ tải với độ nhạy cao, góp phần đưa ra các giải pháp đảm bảo ổn định

chất lượng điện áp. Kết quả cho thấy việc sử dụng kỹ thuật huấn luyện online sẽ

cho kết quả tốt nhất trong hệ thống được nghiên cứu (Chương 5 và Chương 6).

- Nâng cao độ ổn định định điện áp tại trạm biến áp 110kV Intel của lưới điện thực

tế, nhằm đáp ứng chất lượng điện năng phục vụ sản xuất công nghệ cao bằng những

thiết bị STATCOM được lắp thêm vào lưới điện, cũng như hạn chế đến mức thấp

nhất có thể sự hư hại sản phẩm khi xuất hiện sự dao động điện áp lưới điện.

- Kết quả mô phỏng làm cơ sở nghiên cứu, phân tích và nhằm nhận dạng và phân

loại các tín hiệu quá độ, ứng dụng rộng rãi trong phân tích vận hành tại các vị trí

cấp điện cho các phụ tải quan trọng.

- Ngoài ra, tác giả còn nghiên cứu ứng dụng STATCOM cho lưới điện tiêu biểu.

Đối với việc ứng dụng STATCOM, tác giả có bốn công bố kết quả nghiên cứu tiêu

biểu đối với các trường hợp lưới điện khu công nghiệp Tân Bình (lưới điện 22kV),

lưới điện phân phối 22kV U Minh – Cà Mau, lưới điện phân phối có phụ tải phi

tuyến và lưới điện khu Công nghệ cao. Các kết quả cho thấy STATCOM được 7

dùng để ổn định biên độ điện áp khi phụ tải thay đổi. Các kết quả mô phỏng trong

miền thời gian và miền tần số cho thấy hiệu quả của mô hình đưa ra trong việc ổn

định biên độ điện áp.

1.7 Bố cục luận án

Trong luận án này, những nội dung nghiên cứu ứng dụng STATCOM và các giải thuật

cải tiến bộ điều khiển STATCOM nhằm nâng cao hiệu quả hoạt động, cũng như cải

thiện chất lượng điện áp trong lưới phân phối được trình bày. Nội dung chính của luận

án bao gồm:

Chương 1 - Giới thiệu

Chương này giới nội dung vấn đề nghiên cứu, mục tiêu của đề tài, nhiệm vụ và giới hạn

đề tài, phương pháp nghiên cứu, và những điểm mới của đề tài. Bên cạnh đó, những giá

trị thực tiễn từ kết quả của đề tài nghiên cứu cũng đã được đề cập đến.

Chương 2 – Tổng quan về STATCOM

Trong chương này, tác giả trình bày các nội dung tổng quan về tình hình nghiên cứu liên

quan đến STATCOM, cơ sở lý thuyết về mô hình toán học của thiết bị STATCOM, và

các lý thuyết điều khiển để cải thiện độ ổn định điện áp trên lưới phân phối khi sử dụng

cho STATCOM.

Chương 3 – Các giải thuật điều khiển STATCOM được đề xuất để cải thiện chất lượng

điện áp

Chương này trình bày các giải thuật điều khiển STATCOM để cải thiện chất lượng điện

áp trên lưới điện phân phối. Các thuật toán tối ưu bầy đàn (PSO) và di truyền (GA) được

sử dụng để điều chỉnh các thông số của bộ điều khiển ANFIS. Bên cạnh đó, cấu trúc bộ

dự báo ANI được sử dụng cho kỹ thuật huấn luyện ANFIS-Online nhằm điều chỉnh công

suất tác dụng và phản kháng từ thiết bị STATCOM để ổn định chất lượng điện áp của

hệ thống. Phương pháp lọc dữ liệu dựa trên xác suất thống kê cũng được sử dụng để

đánh giá độ tin cậy của dữ liệu trước khi đưa vào hệ huấn luyện ANFIS - Online.

Chương 4 – Áp dụng hệ nơ-ron mờ thích nghi vào các bộ điều khiển của STATCOM

để cải thiện điện áp

Chương này trình bày kết quả nghiên cứu, so sánh các bộ điều khiển của STATCOM

nhằm nâng cao chất lượng điện áp trên lưới phân phối. Các kết quả được thực hiện với

hệ lưới điện OMIB và hệ lưới điện mẫu IEEE_9 nút. Trong đó, phương pháp lọc dữ liệu

dựa trên xác suất thống kê đã đề cập trong chương 3 cũng được sử dụng để đánh giá độ

tin cậy của dữ liệu trước khi đưa vào hệ huấn luyện ANFIS – Online của các kịch bản

nghiên cứu trong chương này.

Chương 5 – Kết quả mô phỏng của các bộ điều khiển STATCOM để cải thiện điện áp

trên lưới điện thực tế

Chương này trình bày kết quả nghiên cứu, so sánh các bộ điều khiển của STATCOM

được lắp đặt trên lưới điện phấn phối với các thông số lưới điện thực tế tại Khu Công

nghệ Cao Tp Hồ Chí Minh. Trong chương này, các kết quả mô phỏng được so sánh và

cho thấy hiệu quả khác nhau của các bộ điều khiển được sử dụng gồm Fuzzy, ANFIS,

ANFIS-GA, ANFIS-PSO, và ANFIS-Online.

Chương 6 – Kết luận

Chương này tổng hợp các nội dung đã nghiên cứu và trình bày trong luận án, tóm lược

các điểm mới và hạn chế trong quá trình nghiên cứu, cũng như trình bày hướng phát

triển tiếp theo của luận án.

Chương 2

TỔNG QUAN VỀ STATCOM

2.1 Giới thiệu

Trong những năm qua, các thiết bị truyền tải linh hoạt AC (FACTS) đã được nghiên cứu

và lắp đặt trong hệ thống điện để nâng cao khả năng truyền tải, cải thiện ổn định hệ

thống, nâng cao chất lượng và đảm bảo an ninh hệ thống. Vì các thiết bị truyền tải AC

này được thiết kế, chế tạo dựa trên công nghệ điện tử công suất tiên tiến và chúng có

khả năng đáp ứng được sự điều khiển ở tốc độ cao hay nói cách khác là đáp ứng nhanh

với các thay đổi, biến động trong hệ thống điện [36]. Như được đề cập và giới thiệu

trong Chương 1, ứng dụng của thiết bị FACTS có thể được dùng trong 3 trạng thái của

hệ thống, bao gồm: trạng thái xác lập, trạng thái quá độ và trạng thái xác lập sau quá độ.

Các thiết bị FACTS có thể điều chỉnh công suất tác dụng và công suất phản kháng, điều

chỉnh điện áp, và giảm dao động công suất.

Đối với STATCOM, đầu tiên là bù công suất phản kháng. Ngoài ra, với một số mục

đích khác thì STATCOM được lắp đặt để điều chỉnh điện áp nhằm nâng cao khả năng

truyền tải, giảm dao động, cũng như cải thiện quá độ sau sự cố.

Trong chương này, tác giả trình bày tổng quan về thiết bị STATCOM gồm cấu trúc cơ

bản, nguyên lý hoạt động của bộ điều khiển điện tử công suất được sử dụng cho

STATCOM, bộ biến đổi nguồn áp, và các đặc tính điều khiển về mô hình toán học của

thiết bị STATCOM. Đồng thời, trình bày các lý thuyết điều khiển để ổn định điện áp sử

dụng thiết bị STATCOM, cụ thể như lý thuyết mờ, hệ mờ lai (Fuzzy – PID), hệ nơ ron

mờ thích nghi (ANFIS).

2.2 Tổng quan các nghiên cứu về STATCOM

2.2.1 Các phương pháp ổn định hệ thống điện sử dụng STATCOM

Nhằm mục đích ổn định điện áp dùng STATCOM, các nghiên cứu trước đây đã sử dụng

các kỹ thuật và phương pháp sau: phương pháp điều khiển vị trí cực; điều khiển

PI/PID/PD. Trong thiết thiết kế bộ điều khiển đặt cực, hai bộ thông số độ lợi của bộ điều

khiển được thực thi, bộ thông số độ lợi đầu tiên, bằng cách sử dụng các bất đẳng thức

ma trận tuyến tính (LMI) để thiết kế đáp ứng đặc điểm kỹ thuật và bộ thông số độ lợi

thứ hai, bằng cách đặt cực 0 để thiết kế đáp ứng điều khiển điện áp tổng thể [37]. Bộ

thông số độ lợi đầu tiên dùng cho chỉ số điều chế với trạng thái xác lập và bộ số độ lợi

thứ hai dùng cho chỉ số điều chế thích nghi với trạng thái quá độ [38]. Một nghiên cứu

khác kết hợp với điều chỉnh toàn phương tuyến tính (LQR) [39], cũng được được thảo

luận để cải thiện hoạt động của STATCOM.

Trong mỗi nghiên cứu dao động hệ thống điện, hai bộ điều khiển gồm điều chỉnh điện

áp DC và điều chỉnh điện áp AC dùng kỹ thuật dịch cực tối ưu (OPS) được đề xuất trong

[40]. Ngoài ra, cùng một khái niệm nhưng với chỉ số điều chế cố định (MI) và tham

chiếu điện áp DC thay đổi được triển khai cho STATCOM trong [41]. Hệ OMIB và hệ

liên hai vùng 04 máy để điều khiển giảm dao động bởi các ma trận bất đẳng thức phi

tuyến được đề xuất trong [42], với thử nghiệm vận hành dưới chế độ sự cố 3 pha và

nhiễu tín hiệu nhỏ. Tài liệu [43], S. Latha và G.Y. R. Vikhram đã đưa ra phương pháp

tuyến tính hóa chính xác để biến đổi các phương trình phi tuyến với điều khiển tích phân

tỷ lệ, kết quả mô phỏng được lấy từ hoạt động STATCOM trong trường hợp sự cố 3 pha

chạm đất. Bộ điều khiển dựa theo các luật như sử dụng logic mờ, tối ưu thông số PI

dùng PSO được đề nghị trong [44-46] để cải thiện hiệu suất bộ điều khiển.

Một STATCOM tự điều chỉnh với bộ điều khiển PI dựa trên cài đặt và nhận dữ liệu theo

thời gian thực với kỹ thuật đặt cực cho các điều kiện tải khác nhau được thiết kế và mô

phỏng [47-48]. Một chiến lược điều khiển vec tơ dòng trực tiếp cho bất kỳ bộ điều khiển

PI, PID được đề xuất trong [49]. Kết quả mô phỏng được so sánh với các biến đổi điện

áp đầu ra của bộ điều khiển khi nhu cầu công suất phản kháng không vượt quá giới hạn

và khi nhu cầu công suất phản kháng vượt quá chúng.

Trong [50], độ ổn định quá độ được cải thiện bằng phương pháp Euler-Lagrange dựa

trên tính thụ động, trong đó cài đặt các thông số bộ điều khiển PI là Kpd, Kid, Kpq và Kiq.

Một cách tiếp cận khác hỗ trợ kỹ thuật đặt cực không, cộng thêm dòng hồi tiếp, bù sớm

pha và bù thụ động nối tiếp, bù shunt tích cực được chấp nhận để nghiên cứu ổn định

động của hệ thống [51-55].

Trong bài báo [56], các tác giả quan tâm đến việc điều khiển STATCOM trong điều kiện

không cân bằng. Mô phỏng được thực hiện trên hệ thống điện tiêu chuẩn IEEE_9 nút.

Bộ điều khiển PID cũng được sử dụng để điều chỉnh cả dòng điện và điện áp. Các bộ

điều khiển được thực hiện theo hệ tọa độ quay dq có phương cùng với điện áp lưới. Tuy

nhiên, đối với cấu trúc điều khiển này, tác giả chưa đề cập rõ như thế nào để tăng tính

hiệu quả của bộ điều khiển.

Mặt khác, trong bài báo [57], tác giả trình bày một mô hình của hệ thống điện với

STATCOM dựa trên mô hình Phillips-Heffron. Mô hình Phillips-Heffron này ban đầu

được đề xuất cho mô hình máy phát đồng bộ [58]. Đầu tiên, mô hình được trình bày cho

thấy rằng STATCOM và các chế độ vận hành của hệ thống điện là sự phụ thuộc rất cao

cả tuyến tính lẫn phi tuyến. Thứ hai, có thể thấy rằng các tương tác giữa STATCOM và

hệ thống điện phụ thuộc rất nhiều vào điểm vận hành hệ thống và việc mô hình hóa dựa

trên tuyến tính hóa các phương trình về một trạng thái vận hành giả định. Thứ ba, một

so sánh trực tiếp có thể được rút ra giữa điều khiển STATCOM và điều khiển máy phát

đồng bộ. Đây là sự so sánh rất hữu ích khi nghiên cứu thiết kế bộ điều khiển cho

STATCOM [59-61].

Qua trình bày các kết quả nghiên cứu của các tác giả trước đây, có thể thấy rất nhiều tài

liệu chủ yếu là sử dụng bộ điều khiển PI hoặc PID để khiều khiển STATCOM. Để có

được đáp ứng tốt, cũng như đạt được kết quả mong muốn, bộ điều khiển STATCOM

cần có được sự điều với chỉnh thông số phù hợp. Các bộ điều khiển PID được sử dụng

để điều chỉnh, tuy nhiên, chưa có nhiều tài liệu nói về cách tính các giá trị trong bộ điều

chỉnh PI này và thường sử dụng phương pháp thử và sai.

2.2.2 Các giải thuật điều khiển điện áp sử dụng STATCOM

Trong các bài báo trước đây [30-32], các tác giả chỉ ra rằng, không có phương pháp tiêu

chuẩn nào để xác định hiệu quả các thông số của bộ điều khiển dành cho STATCOM.

Mức độ phụ thuộc lẫn nhau giữa các biến trong hệ thống và sự thay đổi hiệu suất tại các

điểm vận hành khác nhau làm cho việc thiết kế bộ điều khiển điện áp STATCOM là gặp

nhiều khó khăn. Điều chỉnh thủ công các bộ điều khiển đối với trường hợp STATCOM

có dung lượng nhỏ đấu nối vào lưới điện là có thể thực hiện được, tuy nhiên nó đòi hỏi

một kỹ năng và kinh nghiệm cao để điều khiển chính xác. Việc điều chỉnh thủ công là

không hiệu quả nếu một số lượng lớn thiết bị STATCOM được lắp đặt trên hệ thống

lưới điện lớn. Mặt khác, các bộ điều khiển tĩnh cho hiệu suất kém hơn đối với các điều

kiện tải khác nhau.

Trong bài báo [26], các tác giả đã nghiên cứu và đề xuất một cấu trúc điều khiển nhằm

giảm độ dao động của hệ thống điện. Bộ điều khiển PID được sử dụng, nhưng việc tính

toán sự hiệu quả của nó đã không được giới thiệu. Một số tác giả đã nghiên cứu và đề

xuất phương pháp điều chỉnh sinh học [25], [34], [62-68], chẳng hạn như bài báo [34],

phương pháp tối ưu hóa đàn ong mật (HBMO) được sử dụng để cải tiến bộ điều khiển

và so sánh kết quả điều chỉnh được với thuật toán di truyền. Kết quả nghiên cứu cho

thấy rằng cả hai phương pháp có thể được sử dụng để cải thiện bộ điều khiển, và cho

thấy HBMO có hiệu suất tốt hơn một chút so với GA. Việc thực hiện giải thuật điều

khiển GA và HBMO đòi hỏi phải đánh giá và so sánh một số lượng lớn bộ điều khiển

có thể có. Bài báo [25] đã sử dụng thuật toán định vị tiếng vang của dơi để điều chỉnh

bộ điều khiển PI cho thiết bị STATCOM. Các tác giả đã xây dựng thành công mô hình

mô phỏng để chứng minh sự hiệu quả đối với bộ điều khiển PI bằng thuật toán định vị

bằng tiếng vang. Tương tự như các giải thuật điều khiển GA và HBMO, phương pháp

định vị bằng tiếng vang yêu cầu tính toán chuyên sâu một khối lượng lớn các bộ điều

khiển.

Các bài báo về điều khiển điện áp hệ thống lưới phân phối cho thấy rằng ngày càng có

nhiều nhu cầu về các phương pháp điều khiển điện áp tiên tiến hơn so với các máy biến

áp ở cấp phân phối. Đặc biệt, các tài liệu [22-23, 31], đã chỉ ra rằng có thể cần phải thiết

kế bộ điều khiển nhanh cho thiết bị STATCOM. Điều khiển công suất phản kháng đã

được chứng minh là một phương tiện điều khiển điện áp nhanh và ổn định trên các hệ

thống phân phối, và STATCOM cung cấp một phương tiện điều khiển công suất phản

kháng linh hoạt và hiệu quả. Hơn nữa, nó rất cần thiết để có một phương pháp điều chỉnh

bộ điều khiển STATCOM nhất quán liên quan đến ổn định điện áp trên lưới điện phân

phối.

Bộ điều khiển PID được sử dụng rộng rãi trong công nghiệp nhờ tính đơn giản và tính

bền vững của nó. Tuy nhiên, quá trình thiết kế và chỉnh định các thông số của bộ điều

khiển PID đòi hỏi nhiều công sức và kinh nghiệm. Bên cạnh đó, đối với các hệ phi tuyến

cao, bộ điều khiển PID chỉ có thể hoạt động tốt trong phạm vi nhất định [19], [25-26],

[68]. Các bộ điều khiển PID có thể được chia làm hai loại. Thứ nhất, các thông số bộ

điều khiển PID cố định toàn bộ quá trình điều khiển, tuy nhiên, rất khó để đạt được yêu

cầu vận hành khi hệ điều khiển là phi tuyến và kết hợp rất nhiều biến. Thứ hai, trong các

bộ PID tự điều chỉnh, các thông số của bộ điều khiển được hiệu chỉnh dựa trên việc ước

lượng các thông số này [60-61], [68]. Để đạt được kết quả tối ưu toàn cục, nó cần thiết

phải hiệu chỉnh lại bộ điều khiển PID khi chế độ vận hành thay đổi, và ứng dụng các kỹ

thuật khác nhau từ lý thuyết điều khiển phi tuyến [69].

Trong quá trình phát triển các giải thuật điều khiển, giải thuật điều khiển mờ, hoặc nơ

ron nhân tạo đã được giới thiệu rộng rãi. Không giống với các bộ điều khiển PID thông

thường, bộ điều khiển mờ là hệ phi tuyến và thích nghi, từ đó cho ra các kết quả tốt dưới

điều kiện ảnh hưởng của việc thay đổi các thông số và nhiễu tải [68]. Ưu điểm của giải

thuật điều khiển logic mờ là sự rõ ràng và linh hoạt trong điều khiển logic dựa vào tập

luật Nếu – Thì, tuy nhiên, việc xác định hình dạng và vị trí của hàm liên thuộc cho mỗi

biến mờ được thực hiện bằng phương pháp “thử và sai” [69]. Trong khi đó, tính toán số

và khả năng nhận thức và thích nghi lại là những điểm mạnh của mạng nơron nhân tạo,

tuy nhiên, không hề dễ dàng cho việc xác định được một cấu trúc tối ưu của mạng nơ

ron nhân tạo. Ngoài ra, mạng nơ ron nhân tạo cũng thực hiện việc tính toán số nhiều hơn

là tính toán logic. Để có thể phát huy những điểm mạnh cũng như hạn chế những yếu

điểm của hai phương pháp trên, thì việc kết hợp cả hai phương pháp để tạo nên một công

cụ xử lý mạnh là một việc làm cần thiết. Một trong những sự kết hợp này là hệ suy luận

nơron mờ thích nghi (Adaptive Neuro-Fuzzy Inference Systems - ANFIS) [69-72]. Mô

hình ANFIS là một mạng nơron thích nghi mà trong đó nó biểu diễn cụ thể một hệ suy

luận mờ.

Từ các nội dung tổng quan và nhận xét ở trên, tác giả đã tập trung vào việc nghiên cứu

bộ điều khiển STATCOM, ba bộ điều khiển sử dụng hệ mờ thích nghi (ANFIS) kết hợp

với thuật toán tối ưu bầy đàn (PSO-Particle Swarm Optimization), kết hợp với giải thuật

di truyền (GA-Generic Algorithm) và thuật toán huấn luyện online (ANFIS-Online) để

cải tiến bộ điều khiển. Trong quá trình nghiên cứu, đề tài cũng đã áp dụng các bộ điều

khiển kết hợp như: Fuzzy, ANFIS, ANFIS-PSO, ANFIS-GA, và ANFIS-Online để so

sánh các kết quả đạt được trước khi đưa ra kết luận đối với bộ điều khiển nào đạt hiệu

quả tốt nhất. Chi tiết sẽ được trình bày trong các chương sau của luận án.

2.3 Mô hình STATCOM

2.3.1 Cấu trúc cơ bản của STATCOM

STATCOM là một thiết bị chuyển đổi nguồn điện áp, nó chuyển đổi nguồn điện áp một

chiều thành điện áp xoay chiều để bù công suất phản kháng cho hệ thống điện (HTĐ).

Cấu trúc cơ bản của STATCOM được thể hiện trong Hình 2.1, bao gồm một bộ biến đổi

nguồn điện áp ba pha (VSC-Voltage Source Converter) được nối về phía thứ cấp của

VDC

VSC

máy biến áp ghép; nguồn điện áp DC (Vdc).

Hình 2.1 Cấu trúc cơ bản của STATCOM

2.3.2 Nguyên lý hoạt động của STATCOM

Việc thay đổi công suất phản kháng được thực hiện bằng bộ biến đổi điện áp (VSC) nối

bên phía thứ cấp của máy biến áp. VSC sử dụng các linh kiện điện tử công suất (GTO,

IGBT) để điều chế điện áp xoay chiều ba pha V2 từ nguồn một chiều. Nguồn một chiều

này được lấy từ tụ điện. Nguyên lý hoạt động của STATCOM được chỉ rõ trong Hình

2.2, thể hiện công suất tác dụng và phản kháng truyền giữa điện áp hệ thống để điều

Hệ thống điện

ISTATCOM(Iq)

Máy biến áp

VSTATCOM(V2)

Nếu V2 = V1, Iq = 0 Nếu V2 < V1, Iq mang tính cảm Nếu V2 > V1, Iq mang tính dung

VDC

Idc

Nguồn DC

khiển là V1 và điện áp được tạo ra bởi VSC là V2,

Hình 2.2 Nguyên lý hoạt động cơ bản STATCOM

STATCOM là một thiết bị bù ngang, nó điều chỉnh điện áp tại vị trí nó lắp đặt đến giá

trị cài đặt (Vref) thông qua việc điều chỉnh biên độ và góc pha của điện áp rơi giữa

STATCOM và HTĐ. Nếu điện áp V2 tạo ra bởi VSC và điện áp hệ thống V1 khác nhau

và không cùng pha (𝛿 = 0) thì không có trao đổi công suất phản kháng và công suất tác

dụng giữa STATCOM và lưới. Hình 2.3 là sơ đồ nguyên lý trao đổi công suất phản

kháng (CSPK) và công suất tác dụng (CSTD) giữa STATCOM và lưới.

Q P

XL I

V2 ~

Hình 2.3 Nguyên lý bù của bộ bù STATCOM

Ta có, CSTD và CSPK trao đổi giữa hai nguồn V1 (lưới) và V2 (bộ bù) được tính như

; (2.1)

Trong đó:

V1 và θ1: Điện áp lưới cần điều chỉnh và góc lệch pha.

V2 và θ2: Điện áp tạo ra bởi VSC và góc lệch pha.

XL: Điện kháng kết nối giữa lưới và bộ bù.

𝛿: Góc lệch pha giữa điện áp lưới và điện áp bộ bù.

Trong chế độ hoạt động ổn định điện áp phát ra bởi STATCOM V2 là cùng pha với V1

(𝛿 = 0), do đó chỉ có công suất phản kháng truyền tải. Bằng cách điều khiển điện áp V2

tạo ra bởi VSC cùng pha với điện áp V1 của hệ thống nhưng có biên độ lớn hơn khiến

dòng phản kháng (Iq) chạy từ STATCOM vào hệ thống, lúc này dòng điện Iq hoạt động

như một điện dung cung cấp công suất phản kháng đến hệ thống, qua đó nâng cao điện

áp hệ thống lên. Ngược lại, nếu điện áp V2 tạo ra bởi VSC có biên độ thấp hơn điện áp

V1 của hệ thống khiến dòng phản kháng (Iq) chạy từ hệ thống vào STATCOM, lúc này

dòng điện Iq hoạt động như một điện cảm tiêu thụ công suất phản kháng từ hệ thống,

qua đó hạn chế quá điện áp trên lưới điện. Nếu điện áp V2 tạo ra bởi VSC và điện áp hệ

thống V1 bằng nhau thì không có trao đổi công suất phản kháng.

(a) Trạng thái hấp thụ công suất phản kháng của bộ bù (b) Trạng thái phát công suất phản kháng của bộ bù

Hình 2.4 Trạng thái hấp thụ và phát công suất phản kháng của STATCOM

Hình 2.4 cho biết trạng thái hấp thụ công suất phản kháng và trạng thái phát công suất

phản kháng của bộ bù. Trong chế độ hoạt động chỉ bù CSPK thì 𝛿 = 0, ta có:

và (2.2)

Từ phương trình (2.2), ta thấy 𝑄 tỉ lệ với hiệu hai điện áp (V1 – V2). Khi thay đổi biên

độ điện áp đầu ra của bộ bù trong khi giữ góc lệch 𝛿 = 0 ta có thể điều khiển dòng CSPK

trao đổi giữa lưới và bộ bù STATCOM.

2.3.3 Bộ chuyển đổi nguồn điện áp (VSC)

Mục đích chính của VSC là để tạo ra một điện áp AC từ điện áp DC, đó được gọi là một

bộ biến đổi DC-AC. Nó có thể tạo ra một điện áp AC cân đối với một biên độ và tần số

mong muốn, có thể được cố định hoặc thay đổi theo ứng dụng. VSC là các khối xây

dựng ứng dụng hiệu quả cho STATCOM và các thiết bị FACTS khác. Mục tiêu chung

của các cấu trúc liên kết là để giảm thiểu tần số hoạt động của các chất bán dẫn bên

trong VSC và để sản xuất một dạng sóng điện áp hình sin chất lượng cao với tối thiểu

hoặc không có yêu cầu về bộ lọc.

VSC được hiển thị trong Hình 2.5 gồm có 6 IGBT, với hai IGBT đặt trên mỗi chân. Hơn

nữa, mỗi IGBT được cung cấp với một diode kết nối đối song để thực hiện các đảo chiều

điện áp có thể do điều kiện mạch điện bên ngoài. Hai tụ điện có kích thước như nhau

được đặt ở phía DC để cung cấp một nguồn công suất phản kháng. Mặc dù không được

hiển thị trong Hình 2.5, các mô-đun điều khiển mạch chuyển đổi là một phần không thể

thiếu của VSC. Nhiệm vụ của nó là để kiểm soát trình tự chuyển đổi của các thiết bị bán 17

dẫn khác nhau trong VSC, nhằm tạo ra một dạng sóng điện áp đầu ra mong muốn, với

khả năng điều khiển công suất cao và tổn thất chuyển đổi nhỏ nhất. Một tụ điện nối phía

DC của VSC hoạt động như một nguồn điện áp DC. Ở trạng thái xác lập, điện áp V2

phải đảo pha trễ hơn điện áp V1 để bù cho máy biến áp và tổn thất VSC và giữ tụ điện

được nạp. Hai công nghệ VSC có thể dùng là:

• VSC dùng nghịch lưu sóng vuông (chuyển đổi tần số cơ bản): Dựa vào thiết bị

GTO và máy biến áp ghép đặc biệt. Máy biến áp ghép đặc biệt dùng để tiệt tiêu

sóng hài có trong dạng sóng vuông được tạo ra bởi các bộ nghịch lưu riêng lẽ.

VSC kiểu này, thành phần điện áp V2 tỉ lệ với điện áp Vdc. Do đó, Vdc phải thay

đổi theo sự điều chỉnh công suất phản kháng.

• VSC dùng nghịch lưu PWM (điều chế độ rộng xung): Dựa vào thiết bị IGBT,

phương pháp này điều khiển cho phép các thiết bị chuyển mạch được đóng và

ngắt với tốc độ cao hơn đáng kể so với tần số cơ bản. VSC kiểu này dùng giá trị

điện áp Vdc cố định. Điện áp V2 được thay đổi bởi sự thay đổi của bộ điều chế độ

Ta+

Tb+

TC+

Da+

Db+

Dc+

𝑉𝐷𝐶 2

Vab

𝑉𝐷𝐶

Vbc

Ta-

Tb-

TC+

Da-

Db-

Dc-

𝑉𝐷𝐶 2

rộng xung PWM.

Hình 2.5 Cấu trúc liên kết của một VSC ba pha hai cấp sử dụng IGBT

2.3.4 Nguyên tắc hoạt động của VSC

Sự tương tác giữa VSC và hệ thống điện có thể được giải thích trong những thuật ngữ

đơn giản, bằng cách xem xét một VSC kết nối với nguồn điện AC thông qua một cuộn

kháng, như được minh họa trong sơ đồ đơn tuyến trong Hình 2.6 (a). Giả thiết là biên

độ và góc pha của sự sụt điện áp, Vx, trên cuộn kháng, Xl, có thể được kiểm soát, xác

định lượng và hướng của dòng chảy công suất tác dụng và phản kháng qua Xl. Điện áp

tại thanh cái cung cấp là dạng sóng hình sin, có giá trị Vs0o, và các thành phần tần số

cơ bản của điện áp AC tạo ra bởi VSC được thực hiện VvRδvR. Giản đồ véc-tơ được

hiển thị lần lượt trong Hình 2.6 (b) và Hình 2.6 (c) bù sớm và bù chậm công suất phản

kháng. Hơn nữa, theo Hình 2.6, lượng công suất tác dụng và phản kháng có thể được

diễn tả như:

(2.3)

Từ phương trình (2.3), các nhận định được đưa ra như bên dưới:

• Điện áp tạo ra bởi VSC, VvR, chậm pha so với nguồn điện áp AC, Vs, bởi một góc

δvR, và dòng điện đầu vào chậm pha so với sụt điện áp trên cuộn kháng Vx một

góc /2,

• Dòng công suất tác dụng giữa nguồn AC và VSC được điều khiển bởi góc pha

δvR. Công suất tác dụng chảy vào VSC từ nguồn AC chậm một góc δvR (δvR > 0)

và chảy ra của VSC từ nguồn AC sớm một góc δvR (δvR < 0).

• Dòng công suất phản kháng được xác định chủ yếu bởi biên độ của điện áp nguồn,

Vs, và điện áp tạo ra bởi VSC, VvR. Đối với VvR > Vs, VSC cung cấp công suất

𝛾

𝑉𝑠00

𝑉𝑠

∆𝑉𝑥

𝛿𝑣𝑅

𝐼𝐶𝛾

(b)

𝐸𝑣𝑅 = 𝑉𝑣𝑅𝛿𝑣𝑅

𝑉𝑣𝑅

∆𝑉𝑥

𝑉𝑠

VDC

𝛾

𝛿𝑣𝑅

∆𝑉𝑥

𝑉𝑣𝑅

(c)

(a)

phản kháng và tiêu thụ công suất phản kháng khi VvR < Vs.

Hình 2.6 Hoạt động của VSC: (a) VSC kết nối với một hệ thống thanh cái;

(b) hoạt động sớm pha và (c) hoạt động chậm pha

Điện áp tụ điện DC là VDC, được điều khiển bằng cách điều chỉnh dòng công suất tác

dụng đi vào VSC. Trong quá trình hoạt động bình thường, một lượng nhỏ công suất tác

dụng phải chảy vào VSC để bù cho các tổn thất điện năng bên trong VSC, và góc δvR

hơi lớn hơn so với 0o (chậm).

Vref

V1dq

2.3.5 Bộ điều khiển của STATCOM

~

+ ~

Đo lường điện áp AC

Hiệu chỉnh điện áp AC

- Vac

Iqref

=t

Đo lường dòng Id, Iq

PLL Vòng khóa pha

Vdc

Hiệu chỉnh điện áp DC

VSC

- ~ +

Đo lường điện áp DC 𝜃

Vdcref

Iqref

V2d

Xung

V2q

Điều chế PWM

Hiệu chỉnh dòng điện

- + ~ + ~ -

V1dq

Hệ thống điều khiển

Hình 2.7 Hệ thống điều khiển của STATCOM

Hình 2.7 cho biết sơ đồ đơn tuyến của STATCOM kết nối với hệ thống điện và sơ đồ

khối hệ thống điều khiển của nó. Hệ thống điều khiển STATCOM cơ bản bao gồm:

• Một vòng khóa pha (PLL) đồng bộ hóa trên các thành phần thứ tự dương của

điện áp ba pha sơ cấp V1, Đầu ra của PLL (góc 𝜃 = 𝜔𝑡) được sử dụng để tính

toán các thành phần dọc trục và ngang trục của điện áp và dòng điện ba pha AC

(được ghi nhãn là Vd, Vq, hoặc Id, Iq trên sơ đồ).

• Các hệ thống đo lường đo các thành phần d và q của điện áp và dòng điện thứ tự

thuận AC được điều khiển cũng như điện áp DC, Vdc.

• Một vòng lặp điều chỉnh bên ngoài bao gồm một bộ điều chỉnh điện áp AC và bộ

điều chỉnh điện áp DC. Các đầu ra của bộ điều chỉnh điện áp AC là dòng điện

quy chiếu Iqref cho điều chỉnh dòng điện (Iq là dòng điện vuông góc với điện áp

mà điều khiển dòng chảy công suất phản kháng). Các đầu ra của bộ điều chỉnh

điện áp DC là dòng điện quy chiếu Idref cho điều chỉnh dòng điện (Id là dòng điện

cùng pha với điện áp mà điều khiển dòng công suất tác dụng).

• Một vòng lặp điều chỉnh dòng điện bên trong bao gồm bộ điều chỉnh dòng điện.

Điều chỉnh dòng điện điều khiển độ lớn và pha của điện áp được tạo ra bởi bộ

chuyển đổi PWM (V2d và V2q) từ những dòng điện quy chiếu Idref và Iqref tạo ra

tương ứng bằng cách điều chỉnh điện áp DC và điều chỉnh điện áp AC (trong chế

độ điều khiển điện áp). Điều chỉnh dòng điện được hỗ trợ bởi một nguồn cấp dữ

liệu về phía trước điều chỉnh loại dự báo điện áp đầu ra V2 (V2d và V2q) từ việc đo

V1 (V1d và V1q) và điện kháng rò rỉ biến áp.

2.3.6 Mô hình toán của STATCOM

Các mô hình của thiết bị STATCOM được sử dụng trong các nghiên cứu phân bố công

suất và ổn định trong hệ thống điện, bao gồm: i) mô hình tĩnh - được sử dụng trong các

nghiên cứu tính toán phân bố công suất; và ii) mô hình động bao gồm mô hình đơn giản

và mô hình nâng cao được dùng trong nghiên cứu ổn định quá độ. Trong mô hình động

nâng cao của STATCOM sử dụng hai phương pháp, gồm sử dụng điện áp tham chiếu

DC cố định và sử dụng điện áp tham chiếu DC biến đổi. Chi tiết các mô hình này được

trình bày như bên dưới.

2.3.6.1 Mô hình tĩnh của STATCOM

Mô hình tĩnh STATCOM có thể được biểu diễn bằng mô hình nguồn dòng. Điều này có

thể được định nghĩa bởi đặc tuyến V-I trong đó giới hạn vùng làm việc. Vùng này được

xác định bởi các giới hạn sau:

Dòng điện dung kháng tối đa; -

Dòng điện cảm tối đa; -

Điện áp tham chiếu tối đa (định mức của bộ nghịch lưu); -

Điện áp vận hành tối thiểu cho bộ nghịch lưu; -

Bên cạnh đó, Hình 2.8 cho biết một mô hình xấp xỉ đơn giản được sử dụng cho

STATCOM. Mô hình này là một nút P-V giả lập với các giá trị Q giới hạn bên cạnh các

tổng trở giả định.

Nút PV Xs VT

~

Hình 2.8 Mô hình đơn giản của thiết bị STATCOM

2.3.6.2 Mô hình động đơn giản của STATCOM

Mô hình động đơn giản hóa của STATCOM được hiển thị trong Hình 2.9. Mô hình động

STATCOM được đơn giản hóa bao gồm: i) một điều chỉnh điện áp (khối K/s); ii) bộ

điều chỉnh độ dốc phần tuyến tính của bộ điều điện áp; iii) một đầu vào cho tín hiệu phụ

để giảm dao động công suất; và iv) các giới hạn điện áp tương ứng với các dòng điện

định mức của STATCOM (điện dung và cảm ứng).

Giới hạn trên = VT + XT ICMAX

Giới hạn dưới = VT - XT ILMAX

VT 𝑉𝑇തതത = 𝑉𝑇𝑒𝑗∅

𝐼ҧ = 𝐼𝑒𝑗(∅−𝜋/2) XT

V I

Droop

Giới hạn trên

- I Vref V - + -

𝐾 𝑠 1 𝑋 - +

Giới hạn dưới

Tín hiệu phụ

Hình 2.9 Mô hình động học đơn giản của STATCOM

dựa vào nguồn điện áp được điều khiển

Trong đó, ICMAX và ILMAX lần lượt là dòng điện dung và dòng điện cảm liên tục tối đa

cho thiết bị STATCOM. Dữ liệu đầu vào của mô hình động học đơn giản gồm có:

- K: Bộ điều khiển tích phân;

- X: Điện kháng rò của máy biến áp ghép của STATCOM;

- ICMAX: định mức dòng dung biến đổi;

- ILMAX: định mức dòng cảm biến đổi;

- Droop: Độ dốc nhỏ của các đặc tính V-I;

Nhìn chung, mô hình động học đơn giản này không sử dụng điện áp tham chiếu DC

hoặc điện áp AC ngay tại đầu ra của các bộ nghịch lưu.

2.3.6.3 Mô hình động nâng cao của STATCOM

Trong mô hình này, phần DC của thiết bị được đưa vào phần chính. Mô hình tạo ra một

điện áp xoay chiều biến đổi với các bộ nghịch lưu. Hai phương pháp trong mô hình được

mô tả bên dưới.

a) Mô hình động nâng cao - điện áp tham chiếu DC không đổi: Với điện áp tham

chiếu DC không đổi, có thể sử dụng các bộ biến đổi với kỹ thuật PWM và các

nguyên tắc điều khiển sau:

- Thay đổi tỷ số điện áp 𝑚 cho phép các bộ biến đổi điều chỉnh biên độ điện áp

xoay chiều và từ đó trao đổi công suất phản kháng với hệ thống.

- Thay đổi độ lệch pha  giữa điện áp lưới và điện áp được tạo bởi bộ chuyển đổi

VSC để có thể trao đổi công suất tác dụng, được sử dụng để điều khiển điện áp

DC ở giá trị tham chiếu. Việc trao đổi công suất tác dụng là nhỏ và không thể

được sử dụng cho mục đích giảm dao động công suất. Năng lượng lưu trữ trong

tụ được chia cho công suất định mức STATCOM trong phạm vi vài mili giây.

Hình 2.10 cho biết mô hình động học nâng cao của STATCOM. Cụ thể, Hình 2.10 (a)

hiển thị các sơ đồ nguyên lý của STATCOM nối với hệ thống điện. Trong đó, tỷ số k là

tỷ số giữa điện áp AC và DC, phụ thuộc vào cấu trúc của bộ nghịch lưu; tỷ số 𝑚 được

xác định bởi PWM; góc dịch pha  được xác định bởi PWM; C là dung lượng của tụ

trên mỗi đơn vị.

𝑉𝑛 𝐼𝑛

(2.4) 𝐶 (p.u.) = C

với Vn và In là điện áp và dòng điện cơ bản.

𝑉𝑇ሬሬሬሬԦ 𝑉𝑇ሬሬሬሬԦ

𝐼𝑎𝑐ሬሬሬሬሬԦ = 𝐼𝑝 + 𝑗𝐼𝑞 Điện kháng X

𝐼𝑎𝑐ሬሬሬሬሬԦ = 𝐼𝑎𝑐ሬሬሬሬሬԦ = 𝐼𝑝 + 𝑗𝐼𝑞 𝑉𝑇ሬሬሬሬԦ − 𝑉ሬԦ 𝑗𝑋 𝑉ሬԦ = 𝑚𝑘𝑉𝐷𝐶(𝑐𝑜𝑠𝜓 + 𝑗𝑠𝑖𝑛𝜓)

𝑚 𝐼𝐷𝐶 = 𝑚𝑘(𝐼𝑝𝑐𝑜𝑠𝜓 + 𝐼𝑞𝑠𝑖𝑛𝜓) 𝜓

𝑉𝐷𝐶 = න 𝐼𝐷𝐶𝑑𝑡 1 𝐶

(a) Sơ đồ nguyên lý của thiết bị STATCOM nối với hệ thống điện

Droop Iq

Giới hạn trên 1

Vref

V - 1 1 + 𝑇𝑐𝑠

÷

𝐾 𝑠

Tín hiệu phụ kVDC Giới hạn dưới 0

(b) Sơ đồ điều khiển điện áp AC của STATCOM

VDC

)

𝐾2(1 +

- 𝜓 VDCref +

𝑇2 𝑠 1 1 + 𝑇𝑐𝑠

Hình 2.10 Mô hình động học nâng cao của STATCOM

Mô hình được mô tả trong Hình 2.10 bao gồm:

- Một bộ điều chỉnh điện áp (ví dụ K1/s);

- Một bộ điều chỉnh độ dốc cho phần tuyến tính của điều chỉnh điện áp;

- Một đầu vào cho tín hiệu phụ để đảm bảo ổn định (ví dụ: tốc độ máy phát).

- Các giới hạn điện áp tương ứng với định mức STATCOM (điện dung và cảm

ứng): Giới hạn trên = VT + XT ICMAX; và Giới hạn dưới = VT - XT ILMAX.

- Ngõ ra của sơ đồ khối Hình 2.10 (b) xác định hệ số biên độ 𝑚 cho việc tạo ra

điện áp xoay chiều;

- Một hàm bậc một cho hằng số thời gian chuyển đổi (Tc);

- Bộ điều chỉnh điện áp DC;

- Ngõ ra của bộ điều chỉnh điện áp DC xác định góc pha  giữa 𝑉ሬԦ của bộ nghịch

lưu và 𝑉ሬԦT của lưới điện.

- Mặc dù mô hình này đặc trưng cho điện áp DC, nó có thể không thích hợp cho

hiện tượng quá độ (ví dụ ngắn mạch bên trong) và các điều kiện không đối xứng.

- Dữ liệu đầu vào của mô hình: K1 - thông số bộ điều khiển tích phân; K2, T2 -

thông số PI và hằng số thời gian; K - bộ điều khiển tích phân K; X – Điện kháng

rò máy biến áp của STATCOM; ICMAX - định mức dòng dung biến đổi; ILMAX -

định mức dòng cảm biến đổi; và droop - độ dốc nhỏ của các đặc tính V-I;

b) Mô hình động nâng cao - điện áp DC biến đổi:

Giới hạn trên

Droop Iq

VT VDC

V - - 𝜓 Vref + - ) 𝐾2(1 +

÷

+ VDCref 𝐾1 𝑠 𝑇2 𝑠 1 1 + 𝑇𝑐𝑠 -

Tín hiệu phụ

Giới hạn dưới

Hình 2.11 Mô hình động nâng cao của STATCOM với điện áp DC thay đổi

Với phương pháp này, hành động duy nhất có thể có trên các bộ chuyển đổi là sự dịch

pha giữa điện áp lưới và điện áp xoay chiều được tạo ra bởi các bộ chuyển đổi. Điều này

cho phép STATCOM trao đổi công suất tác dụng với lưới điện. Độ lớn của điện áp AC

được tạo ra bởi các bộ chuyển đổi tỉ lệ thuận với điện áp DC, do đó công suất tác dụng

được trao đổi miễn là có được công suất phản kháng theo yêu cầu của bộ điều chỉnh

điện áp xoay chiều. Điều này dẫn đến sự thay đổi điện áp DC.

2.3.6.4 Mô hình STATCOM nối lưới

Hình 2.12 cho biết sơ đồ đơn tuyến STATCOM được nối lưới. Với điện áp tạo ra từ

STATCOM theo 2 thành phần trục d và trục q được tính theo công thức sau [25], [28]

[71-73]:

(2.5)

(2.6)

với, 𝑘𝑚𝑠𝑡𝑎 là hệ số điều chế; 𝛼𝑠𝑡𝑎 góc pha trong điều khiển STATOM; pcc là góc pha

tại PCC; Vdcsta là điện áp DC của STATCOM; và Cm là giá trị tụ điện DC của

STATCOM.

Hình 2.12 Sơ đồ đơn tuyến STATCOM nối lưới

(a)

(b)

Hình 2.13 Sơ đồ khối điều khiển STATCOM

Phương trình quan hệ giữa điện áp DC và dòng điện trong STATCOM được tính bằng:

(2.7)

với dòng điện một chiều được tính bằng công thức sau:

(2.8)

với iqsta và idsta là hai thành phần trục q và trục d của dòng điện STATCOM.

Hơn nữa, sơ đồ khối điều khiển STATCOM dùng để điều chỉnh điện áp được trình bày

trên Hình 2.13. Bằng cách thay đổi góc kích sta cho STATCOM để điều khiển điện áp

DC trên tụ điện như Hình 2.13 (a). Trong khi đó, thay đổi hệ số điều chế kmsta để điều

khiển điện áp xoay chiều vsta của STATCOM như Hình 2.13 (b).

2.4 Lý thuyết điều khiển để ổn định điện áp dùng STATCOM

Các hệ thống điều khiển đã đóng một vai trò quan trọng trong cuộc sống và công nghệ

hiện đại. Chúng được tìm thấy trong các ứng dụng khác nhau như trong hệ thống phương

tiện không gian, hệ thống điện, sản xuất, quy trình công nghiệp, hệ thống robot và những

hệ thống khác. Khái niệm cơ bản của một hệ thống điều khiển là duy trì các điều kiện

của một hệ thống ở các giá trị xác định và chống lại các nhiễu ngẫu nhiên gây ra bởi các

tác động bên ngoài. Điều này có thể đạt được thông qua một hệ thống hồi tiếp, trong đó

bộ điều khiển cảm nhận từ hệ thống, so sánh nó với hành vi mong muốn, tính toán các

hành động điều chỉnh và kích hoạt hệ thống để có được đáp ứng mong muốn [74]. Tuy

nhiên, nếu các tham số của hệ thống điều khiển thay đổi trên một phạm vi rộng và có

thể bị nhiễu, hiệu suất của bộ điều khiển thông thường, với các tham số không đổi, không

thể cung cấp kết quả điều khiển hiệu quả và hiệu suất sẽ giảm. Do đó, mong muốn phát

triển bộ điều khiển có khả năng điều chỉnh các tham số của nó phù hợp với môi trường

mà nó hoạt động để đạt được hiệu suất tốt nhất. Trong phần này sẽ giới thiệu các nội

dung tổng quát về các lý thuyết sẽ được áp dụng trong các bộ điều khiển thuộc phạm vi

nghiên cứu của đề tài.

2.4.1 Lý thuyết mờ

2.4.1.1 Định nghĩa

Tập mờ F xác định trên tập kinh điển M là một tập mà mỗi phần tử của nó là một cặp

các giá trị (𝑥, mF(x)) trong đó xM và mF là ánh xạ:

mF: M → [0,1]

Trong đó, tập kinh điển M được gọi là cơ sở của tập mờ F; và ánh xạ mF được gọi là

hàm phụ thuộc của tập mờ F.

2.4.1.2 Ý nghĩa

Tập mờ F là hàm ánh xạ mỗi giá trị 𝑥, nó có thể là phần tử của một tập kinh điển M sang

một số nằm giữa 0 và 1 để chỉ ra mức độ phụ thuộc thật sự của nó vào tập M. Độ phụ

thuộc bằng 0 có nghĩa là 𝑥 không thuộc tập M, độ phụ thuộc bằng 1 có nghĩa là 𝑥 hoàn

toàn là đại diện cho tập hợp M. Khi mF(x) tăng dần thì độ phụ thuộc của 𝑥 tăng dần.

Điều này tạo ra một đường cong qua các phần tử của tập hợp như trên Hình 2.14

Hình 2.14 Đường cong qua các phần tử của tập hợp

Một tập mờ F bao gồm 3 thành phần:

• Miền làm việc [x1, x2] gồm các số thực tăng dần nằm trên trục hoành.

• Đoạn [0,1] trên trục tung thể hiện độ phụ thuộc của tập mờ.

• Đường cong hàm số mF(x) xác định độ phụ thuộc tương ứng của các phần tử của

tập mờ.

2.4.1.3 Các tính chất và đặc điểm cơ bản của tập mờ

a) Độ cao của một tập mờ

Hình 2.15 Độ cao tập mờ A, B

Tập mờ ở dạng chính tắc khi có ít nhất một phần tử có độ phụ thuộc là 1, Trong các mô

hình bộ điều khiển mờ, tất cả các tập mờ cơ sở đều phải ở dạng chính tắc nhằm không

làm suy giảm ngõ ra. Tập mờ được đưa về dạng chính tắc bằng cách điều chỉnh lại tất

cả giá trị độ phụ thuộc một cách tỉ lệ quanh giá trị độ phụ thuộc cực đại, xem Hình 2.15

và Hình 2.16.

Hình 2.16 Tập mờ B được đưa về dạng chính tắc

b) Miền xác định của tập mờ

Trong thực tế, tập các phần tử có độ phụ thuộc lớn hơn 0 của tập mờ thường không trải

dài hết miền làm việc của nó. Như Hình 2.17, miền làm việc của tập mờ là đoạn [x1, x2],

tuy nhiên đường cong thực sự bắt đầu ở x3 và đạt đến độ phụ thuộc toàn phần ở x4, Ta

gọi đoạn [x3, x4] là miền xác định của tập mờ.

Hình 2.17 Miền làm việc của tập mờ

c) Miền giá trị của biến

Một biến mô hình thường được đặc trưng bởi nhiều tập mờ với miền xác định có phần

chồng lên nhau. Miền giá trị của biến là tập hợp tất cả các giá trị có thể có của biến. Ví

dụ, Hình 2.18 cho biết biến NHIỆT ĐỘ ở trên miền giá trị là đoạn [x1, x6].

Hình 2.18 Biến NHIỆT ĐỘ gồm các tập mờ LẠNH, MÁT, ẤM, NÓNG

d) Các dạng hàm phụ thuộc

• Dạng tuyến tính: Đây là dạng tập mờ đơn giản nhất, thường được chọn khi mô tả

các khái niệm chưa biết hay chưa hiểu rõ ràng, xem Hình 2.19.

Hình 2.19 Dạng tuyến tính

• Đường cong dạng S: Một tập mờ dạng đường cong S có 3 thông số là các giá trị

, ,  có độ phụ thuộc tương ứng là 0, 0,5 và 1, xem Hình 2.20.

Hình 2.20 Đường cong dạng S



Độ phụ thuộc tại điểm 𝑥 được tính bởi công thức sau:

(2.9)

• Dạng đường cong hình chuông: Dạng đường cong hình chuông đặc trưng cho

các số mờ (xấp xỉ một giá trị trung tâm), bao gồm 2 đường cong dạng S tăng và



S giảm, xem Hình 2.21.

Hình 2.21 Đường cong hình chuông

Từ 2 tập mờ dạng đường cong S ta suy ra độ phụ thuộc tại điểm x của tập mờ dạng

đường cong hình chuông như sau:

(2.10)

• Dạng hình tam giác, hình thang: Cùng với sự gia tăng của các bộ vi điều khiển 8

bit và 16 bit, dạng tập mờ chuẩn hình chuông được thay bằng các dạng tập mờ

hình tam giác và hình thang do yêu cầu tiết kiệm bộ nhớ vốn hạn chế của các bộ







vi điều khiển, xem Hình 2.22 và Hình 2.23.

Hình 2.22 Dạng hình thang Hình 2.23 Dạng hình tam giác

(2.11)

• Dạng hình vai: Thông thường vùng giữa của biến mô hình được đặc trưng bằng các

tập mờ có dạng hình tam giác vì nó liên quan tới các khái niệm tăng và giảm. Tuy

nhiên ở vùng biên của biến, khái niệm không bị thay đổi.

2.4.1.4 Điều khiển mờ

a) Sơ đồ khối bộ điều khiển mờ

Hoạt động của một bộ điều khiển mờ phụ thuộc vào kinh nghiệm và phương pháp rút ra

kết luận theo tư duy của con người sau đó được cài đặt vào máy tính trên cơ sở logic

mờ. Một bộ điều khiển mờ bao gồm 3 khối cơ bản: Khối mờ hoá, thiết bị hợp thành và

khối giải mờ. Ngoài ra còn có khối giao diện vào và giao diện ra, xem Hình 2.24.

- Khối mờ hoá có chức năng chuyển mỗi giá trị của biến ngôn ngữ đầu vào thành

véctơ µ có số phần tử bằng số tập mờ đầu vào.

- Thiết bị hợp thành: triển khai luật hợp thành R được xây dựng trên luật điều khiển. 31

- Khối giải mờ có nhiệm vụ chuyển tập mờ đầu ra thành giá trị y0 (ứng với mỗi giá

tri rõ x0 đề điều khiển đối tượng).

- Giao diện đầu vào thực hiện việc tổng hợp và chuyển đổi tín hiệu vào từ tương tự

sang số, ngoài ra còn có thể có thêm các khâu phụ trợ để thực hiện bài toán động

như tích phân, vi phân....

- Giao diện đầu ra thực hiện chuyển đổi tín hiệu ra từ số sang tương tự để điều khiển

đối tượng.

Mờ hóa Giao diện vào Thiết bị hợp thành Giải mờ Giao diện ra

Hình 2.24 Các khối chức năng của hệ điều khiển mờ

Nguyên tắc tổng hợp một bộ điều khiển mờ hoàn toàn dựa vào những phương pháp toán

học trên cơ sở định nghĩa các biến ngôn ngữ vào/ra và sự lựa chọn những luật điều khiển.

Do các bộ điều khiển mờ có khả năng xử lý các giá trị vào/ra biểu diễn dưới dạng dấu

phẩy động với độ chính xác cao nên chúng hoàn toàn đáp ứng được các yêu cầu của một

bài toán điều khiển “rõ ràng” và “chính xác”.

b) Phân loại bộ điều khiển mờ

Cũng giống như điều khiển cổ điển, bộ điều khiển mờ được phân loại dựa trên các quan

điểm khác nhau: Theo số lượng đầu vào và đầu ra, ta phân ra bộ điều khiển mờ "Một

vào - một ra" (SISO); "Nhiều vào - một ra" (MISO); "Nhiều vào - nhiều ra" (MIMO),

xem Hình 2.25 a, b, c.

Bộ điều khiển mờ MIMO rất khó cài đặt thiết bị hợp thành. Mặt khác, một bộ điều khiển

mờ có 𝑚 đầu ra dễ dàng cài đặt thành 𝑚 bộ điều khiển mờ chỉ có một đầu ra vì vậy bộ

điều khiển mờ MIMO chỉ có ý nghĩa về lý thuyết, trong thực tế ít dùng. Theo bản chất

của tín hiệu đưa vào bộ điều khiển, ta phân ra bộ điều khiển mờ tĩnh và bộ điều khiển

mờ động. Bộ điều khiển mờ tĩnh chỉ có khả năng xử lý các tín hiệu hiện thời, bộ điều

khiển mờ động có sự tham gia của các giá trị đạo hàm hay tích phân của tín hiệu, chúng

được ứng dụng cho các bài toán điều khiển động. Bộ điều khiển mờ tĩnh chỉ có khả năng

xử lý các giá trị tín hiệu hiện thời. Để mở rộng miền ứng dụng của chúng vào các bài

toán điều khiển động, các khâu động học cần thiết sẽ được nối thêm vào bộ điều khiển

mờ tĩnh nhằm cung cấp cho bộ điều khiển các giá trị đạo hàm hay tích phân của tín hiệu.

Cùng với những khâu động học bổ sung này, bộ điều khiển tĩnh sẽ trở thành bộ điều

khiển mờ động.

න … 𝑑𝑡 න … 𝑑𝑡

SISO MISO MISO

𝑑 𝑑𝑡ൗ 𝑑 𝑑𝑡ൗ

(a) (b) (c)

Hình 2.25 Các bộ điều khiển mờ

c) Các bước tổng hợp bộ điều khiển mờ

Cấu trúc tổng quát của một hệ điều khiển mờ được chỉ ra trên Hình 2.26. Với một miền

kín X⊂ Rn (𝑛 là số đầu vào), các giá trị vật lý của biến ngôn ngữ đầu vào và một đường

phi tuyến g(x) tuỳ ý nhưng liên tục cùng các đạo hàm của nó trên X thì bao giờ cũng tồn

tại một bộ điều khiển mờ cơ bản có quan hệ:

|𝑦(𝑥) − 𝑔(𝑥)| < 𝜀 (2.12) Sup 𝑥∈𝑋

với 𝜀 là một số thực dương bất kỳ cho trước. Điều đó cho thấy kỹ thuật điều khiển mờ

có thể giải quyết được một bài toán tổng hợp điều khiển phi tuyến bất kỳ.

FLC

න … 𝑑𝑡 g(x) y(x)

Đối tượng + - 𝑑 𝑑𝑡ൗ

Đo lường

Hình 2.26 Cấu trúc tổng quát một hệ mờ

Để tổng hợp được các bộ điều khiển mờ và cho nó hoạt động một cách hoàn thiện ta cần

thực hiện qua các bước sau:

i. Khảo sát đối tượng, từ đó định nghĩa tất cả các biến ngôn ngữ vào, ra và miền

xác định của chúng. Trong bước này chúng ta cần chú ý một số đặc điểm cơ bản

của đối tượng điều khiển. Đây là những thông tin rất quan trọng để quyết định

miền xác định của các biến ngôn ngữ đầu vào, nhất là các biến động học (vận

tốc, gia tốc,...).

ii. Mờ hoá các biến ngôn ngữ vào/ra: Trong bước này chúng ta cần xác định số

lượng tập mờ và hình dạng các hàm liên thuộc cho mỗi biến ngôn ngữ. Số lượng

các tập mờ cho mỗi biến ngôn ngữ được chọn tuỳ ý. Tuy nhiên nếu chọn ít quá

thì việc điều chỉnh sẽ không mịn, chọn nhiều quá sẽ khó khan khi cài đặt luật hợp

thành, quá trình tính toán lâu, hệ thống dễ mất ổn định.

iii. Xây dựng các luật điều khiển: Đây là bước quan trọng nhất và khó khăn nhất

trong quá trình thiết kế bộ điều khiển mờ. Việc xây dựng luật điều khiển phụ

thuộc rất nhiều vào tri thức và kinh nghiệm vận hành của các chuyên gia.

iv. Chọn thiết bị hợp thành (MAX-MIN hoặc MAX-PROD hoặc SUMMIN hoặc

SUM-PRROD) và chọn nguyên tắc giải mờ (Trung bình, cận trái, cận phải, điểm

trọng tâm, độ cao).

v. Tối ưu hệ thống: Sau khi thiết kế xong bộ điều khiển mờ, ta cần mô hình hoá và

mô phỏng hệ thống để kiểm tra kết quả, đồng thời chỉnh định lại một số tham số

để có chế độ làm việc tối ưu. Các tham số có thể điều chỉnh trong bước này là.

Thêm, bớt luật điều khiển; Thay đổi trọng số các luật; Thay đổi hình dạng và

miền xác định của các hàm liên thuộc.

2.4.1.5 Hệ điều khiển mờ lai (F-PID)

Hệ mờ lai viết tắt là F-PID là hệ điều khiển trong đó thiết bị điều khiển gồm 2 thành

phần: Thành phần điều khiển kinh điển và thành phần điều khiển mờ. Bộ điều khiển F-

PID có thể thiết lập dựa trên hai tín hiệu là sai lệch e(t) và đạo hàm của nó e’(t). Bộ điều

khiển mờ có đặc tính rất tốt ở vùng sai lệch lớn, ở đó đặc tính phi tuyến của nó có thể

tạo ra phản ứng động rất nhanh. Khi quá trình của hệ tiến gần đến điểm đặt (sai lệch e(t)

và đạo hàm của nó e’(t) xấp xỉ bằng 0), vai trò của bộ điều khiển mờ (FLC) bị hạn chế

nên bộ điều khiển sẽ làm việc như một bộ điều chỉnh PID bình thường. Trên Hình 2.27

thể hiện ý tưởng thiết lập bộ điều khiển mờ lai F-PID và phân vùng tác động của chúng.

Sự chuyển đổi giữa các vùng tác động của FLC và PID có thể thực hiện nhờ khoá mờ

hoặc dùng chính FLC. Nếu sự chuyển đổi dùng FLC thì ngoài nhiệm vụ là bộ điều chỉnh

FLC còn làm nhiệm vụ giám sát hành vi của hệ thống để thực hiện sự chuyển đổi. Việc

chuyển đổi tác động giữa FLC và PID có thể thực hiện nhờ luật đơn giản sau:

Nếu e(t) dương lớn và de/dt dương lớn thì u là FLC

Nếu e(t) dương nhỏ và de/dt dương nhỏ thì u là PID

FLC

y(x) e’(t) g(x)

Đối tượng

e(t) 𝑑 𝑑𝑡ൗ

FLC PID

a) Nguyên lý điều khiển mờ lai; b) Vùng tác động của các bộ điều khiển

Hình 2.27 Sơ đồ hệ mờ lai F-PID

Để thực hiện chuyển đổi mờ giữa các mức FLC và bộ chuyển đổi PID, ta có thể thiết

lập nhiều bộ điều chỉnh PIDi (𝑖 = 1, 2,.. 𝑛) mà mỗi bộ được chọn để tối ưu chất lượng

theo một nghĩa nào đó để tạo ra đặc tính tốt trong một vùng giới hạn của biến vào (xem

Hình 2.28). Các bộ điều chỉnh này có chung thông tin ở đầu vào và sự tác động của

chúng phụ thuộc vào giá trị đầu vào. Trong trường hợp này, luật chuyển đổi có thể viết

theo hệ mờ như sau:

e’(t)

PID2

e(t) PID3

PID1

Hình 2.28 Vùng tác động của các bộ điều khiển

Nếu trạng thái của hệ là Ei thì tín hiệu điều khiển là ui. Trong đó 𝑖 = 1, 2 ... 𝑛; Ei là

biến ngôn ngữ của tín hiệu vào, ui là các hàm với các tham số của tác động điều khiển.

Nếu tại mỗi vùng điều chỉnh, tác động điều khiển là do bộ điều chỉnh PIDi với:

(2.13)

Như vậy, các hệ số của bộ điều chỉnh PIDi mới phụ thuộc các tín hiệu đầu vào tổng quát

hơn là phụ thuộc vào trạng thái của hệ. Nếu coi các hệ số KPi, KDi và KIi chính là kết quả

giải mờ theo phương pháp trung bình trọng tâm từ ba hệ mờ hàm:

- Hệ mờ hàm tính hệ số KP với hệ luật:

Ru(i): if E is Ei and DE is DEi then KP = KPi.

- Hệ mờ hàm tính hệ số KD với hệ luật:

Ru(i): if E is Ei and DE is DEi then KD = KDi.

- Hệ mờ hàm tính hệ số KI với hệ luật:

Ru(i): if E is Ei and DE is DEi then KI = KIi.

2.4.2 Hệ điều khiển mờ lai (Fuzzy-PID) áp dụng trong STATCOM

Bộ điều khiển PID mờ cung cấp giải pháp điều khiển hệ thống với hiệu suất cao về độ

tin cậy và độ chính xác [68]. Cách tiếp cận cơ bản là cố gắng phát hiện các đầu vào khi

bộ điều khiển không được điều chỉnh đúng và sau đó tìm cách điều chỉnh thông số của

bộ điều khiển PID để cải thiện hiệu suất. Cấu trúc sơ đồ của bộ điều khiển Fuzzy - PID

được đề xuất như trong Hình 2.29 [73], bao gồm bốn phần cơ bản: mờ hóa (FZ); thực

hiện các luật hợp thành (RB) hoặc các luật học (theo bộ các luật If-Then); quyết định

(DC); và giải mờ (DF).

e Fuzzy Logic

de/dt

FZ DC DF

(Kp, Ki và Kd)

+ + + Hệ thống Bộ điều khiển PID (KP, KI, KD) -

Đo lường

Hình 2.29 Cấu trúc bộ điều khiển tự điều chỉnh các thông số Fuzzy-PID

Bộ điều khiển Fuzzy - PID mờ dựa trên bộ điều khiển PID đặt ra ban đầu. Trong Hình

2.29, đầu vào là giá trị tham chiếu và đầu ra là giá trị thực tế có được thông qua việc đo

lường. Các tham số Kp, Ki và Kd là các hệ số tỷ lệ, tích phân và vi phân của bộ điều

khiển PID.

Các đầu vào cho khối mờ là sai biệt giữa giá trị đầu ra và giá trị tham chiếu, cụ thể là

sai số giữa e và đạo hàm của nó, de/dt. Các tham số này tạo ra các giá trị điều chỉnh

Kp, Ki và Kd cho các tham số PID. Nguyên tắc cơ bản của việc tự điều chỉnh các

tham số PID như sau:

Bảng 2.1 Các luật điều khiển của hệ mờ (FL)

ωrs NB NM NS ZR PS PM PB

ωrs PB PM PS ZR NS NM NB IB IM IS DS DS DM DB IM IM IS DS DS DM DM IS IS IS DS DS DS DS KV KV KV KV KV KV KV IS IS IS IS DS DS DS IM IM IS IS DS DM DM IB IB IS IS DS DM DB

- Đầu tiên, các biến đầu vào được chuyển thành số lượng mờ theo các hàm liên

thuộc, được hiển thị trong Hình 2.30.

- Sau đó, các biến mờ được làm mới bằng cách sử dụng luật cơ bản. Một luật cơ bản

chứa một lượng logic mờ mô tả ngôn ngữ chuyên gia về việc làm thế nào để đạt

được điều khiển tốt. Trong nghiên cứu này, bảy biến ngôn ngữ cho mỗi biến đầu

vào được sử dụng và ký hiệu là NB (âm lớn), NM (âm trung bình), NS (âm nhỏ),

ZR (không), PS (dương nhỏ), PM (dương trung bình) và PB (dương lớn). Ngoài ra

còn có bảy biến ngôn ngữ cho biến đầu ra, cụ thể là IB, IM, IS, KV, DS, DM và

DB. Luật cơ bản để điều chỉnh hệ thống điều khiển được hiển thị trong Bảng 2.1.

Hình 2.30 Các hàm liên thuộc ngõ vào

- Sau đó, các giá trị được hình thành thông qua quá trình giải mờ bằng cách sử dụng

phương pháp trung bình có trọng số, trong đó  là hệ số trọng số:

(𝑧) = 𝑚𝑖𝑛{(𝑥); (𝑦)} (2.14)

- Cuối cùng, thông qua bộ chuyển đổi thứ hai, thu được tín hiệu điều khiển là đầu

vào của hệ thống, như đề cập trong Hình 2.31. Kết quả điều chỉnh tham số cuối

cùng như sau:

(2.15) (𝑒; e). (𝐾𝑖𝑚𝑎𝑥 − 𝐾𝑖𝑚𝑖𝑛), trong đó i = P, I, D 𝐾𝑖 = 𝐾𝑖𝑚𝑖𝑛 + 𝜇𝐾𝑖

Vcsmax KP 

න 𝑑𝑡 KI   𝑠𝑇𝑊 1 + 𝑠𝑇𝑊

KD 𝑑𝑢/𝑑𝑡  Vcsmin

Fuzzy de/dt

Hình 2.31 Sơ đồ khối bộ điều khiển Fuzzy – PID

Các giá trị ban đầu cho Fuzzy-PID được chọn giống như đối với bộ điều khiển PID đầu

tiên. Ý tưởng để thiết kế bộ điều khiển Fuzzy - PID trong nghiên cứu này là để bù đắp

cho điểm yếu của bộ điều khiển PID trong trường hợp có sự thay đổi lớn so với điểm

đang vận hành. Trong nghiên cứu với hệ thống điện IEEE tiêu chuẩn 09 nút, đầu vào

cho khối mờ là sự sai số giữa tốc độ rôto của SG_1 và SG_2, ω12, và đạo hàm của nó,

ω’12, Các tham số này tạo ra các giá trị điều chỉnh Kp, Ki và Kd cho các tham số

của bộ điều khiển PID.

2.4.3 Hệ Nơ-ron mờ thích nghi (ANFIS)

Từ những năm 2000, lý thuyết tập mờ và mạng noron nhân tạo đã phát triển rất nhanh

và được quan tâm. Đối với logic mờ, trí tuệ nhân tạo phát triển mạnh mẽ tạo cơ sở xây

dựng các hệ chuyên gia, những hệ có khả năng cung cấp kinh nghiệm điều khiển hệ

thống. Trí tuệ nhân tạo được xây dựng dựa trên mạng noron nhân tạo. Sự kết hợp giữa

logic mờ và mạng noron trong thiết kế hệ thống điều khiển tự động là một khuynh hướng

hoàn toàn mới, phương hướng thiết kế hệ điều khiển thông minh, một hệ thống mà bộ

điều khiển có khả năng tư duy như bộ não con người, tức là nó có khả năng tự học, tự

chỉnh định lại cho phù hợp với sự thay đổi không lường được trước của đối tượng.

Như đã trình bày ở trên, ưu điểm của hệ điều khiển logic mờ là sự rõ ràng và linh hoạt

trong điều khiển ngôn ngữ dựa vào tập luật Nếu – Thì, tuy nhiên, việc xác định hình

dạng và vị trí của hàm liên thuộc cho mỗi biến mờ được thực hiện bằng phương pháp

“thử và sai” [20-21], [26,31], [73-75]. Việc tính toán số và khả năng nhận thức và thích

nghi lại là những điểm mạnh của mạng nơron nhân tạo.

Hình 2.32 Cấu trúc bộ điều khiển ANFIS

Việc kết hợp cả hai phương pháp để tạo nên một công cụ xử lý mạnh là một việc làm

cần thiết. Mô hình ANFIS là một mạng nơron thích nghi mà trong đó nó biểu diễn cụ

thể một hệ suy luận mờ [69-72], [75-76]. Tên đầy đủ của bộ điều khiển ANFIS là

Adaptive Neural Fuzzy Inference System, ANFIS có hệ thống suy luận mờ kết hợp với

hệ thống thiết kế sử dụng phương pháp mạng nơron. Điều này có nghĩa rằng nếu đã có

tập mẫu dữ liệu vào/ra dùng thiết kế hệ thống fuzzy mờ, thì các hàm mờ liên thuộc và

các luật ‘if & then’ của bảng luật mờ cơ bản lại có thể được thiết kế thông qua sử dụng

phương pháp huấn luyện mạng nơron.

Hình 2.32 trình bày cấu trúc ANFIS truyền thẳng, có năm lớp và điểm nối hàm của mỗi

lớp được tổng hợp như bên dưới đây:

Lớp 1: Được gọi là lớp đầu vào. Về mặt toán học, chức năng này có thể được biểu diễn

(1))

(1) = 𝜇𝑗(𝐼𝑖𝑗 𝑂𝑖𝑗

bởi phương trình:

(2.16)

(1) là đầu ra lớp 1 của nút tương ứng với ngôn ngữ thứ 𝑗 của đầu vào thứ 𝑖 biến

Ở đây, 𝑂𝑖𝑗 (1). Một hàm Gauss tổng quát các hàm liên thuộc sử dụng cho các biến đầu vào và thể 𝐼𝑖𝑗

hiện trong phương trình (2.17):

𝑏𝑖𝑗

1+|

𝑥𝑖−𝑐𝑖𝑗 𝑎𝑖𝑗

µj(𝑥𝑖) =

−

2 )

1 ( 2

𝑥𝑖−𝑐𝑖𝑗 𝜎𝑖𝑗

(2.17)

hoặc µj(𝑥𝑖) = 𝑒

Trong đó 𝑖 = 1, . . 𝑞 và 𝑗 = 1, . . 𝑦. Số lượng các biến đầu vào 𝑞 và 𝑦 là số lượng các tập

mờ cho mỗi biến đầu vào. Trong khi bộ các thông số { 𝑎𝑖𝑗, 𝑏𝑖𝑗, 𝑐𝑖𝑗} hoặc {𝑐𝑖𝑗, 𝜎𝑖𝑗} được

gọi là các thông số tiền đề hoặc các thông số phi tuyến và nó điều chỉnh hình dạng và vị

trí của các hàm liên thuộc. Những thông số được điều chỉnh theo phương pháp huấn

luyện sai số lan truyền ngược. Những thông số tiền đề hoặc các thông số phi tuyến được

cập nhật tại mỗi lần lặp, nghĩa là sau mỗi cặp đầu vào-đầu ra nhận được trong quá trình

𝟏

đào tạo và để giảm thiểu hàm sai số tức thời như phương trình:

𝟐

E(n) = (𝑈𝑠(𝑛) − 𝑈𝑎(𝑛))2 (2.18)

Ở đây Us (n) là đầu ra mong muốn hoặc đầu ra giám sát và Ua (n) là đầu ra của bộ điều

khiển ANFIS tại mỗi bước thời gian (n). Đối với mỗi đầu vào-đầu ra cặp dữ liệu huấn

luyện, các ANFIS hoạt động trong các đường truyền phía trước để tính toán ngõ ra hiện

tại Ua (n). Sau đó, bắt đầu từ lớp ra, và di chuyển ngược trở lại, sai số lan truyền ngược

𝜕𝐸(𝑛) 𝜕𝑊

được thực hiện để tính toán các đạo hàm cho mỗi nút ở mỗi lớp của mạng. Vào

cuối mỗi lần lặp, các tham số{ 𝑎𝑖𝑗, 𝑏𝑖𝑗, 𝑐𝑖𝑗} hoặc {𝑐𝑖𝑗, 𝜎𝑖𝑗} của đầu vào hàm liên thuộc

(1)(𝑛) + η(−

(1)(n + 1) = α. 𝑎𝑖𝑗

được cập nhật bởi các phương trình:

(1)(𝑛) + η(−

(1)(n + 1) = α. 𝑏𝑖𝑗 𝑏𝑖𝑗

(1)(𝑛) + η(−

𝑎𝑖𝑗

(1)(n + 1) = α. 𝑐𝑖𝑗 𝑐𝑖𝑗

(1)(𝑛) + η(−

(1)(n + 1) = α. 𝑐𝑖𝑗 𝑐𝑖𝑗

(2.19) 𝜕𝐸(𝑛) (1)) 𝜕𝑎𝑖𝑗 𝜕𝐸(𝑛) (1)) 𝜕𝑏𝑖𝑗 𝜕𝐸(𝑛) (1)) 𝜕𝑐𝑖𝑗 {

(1)(𝑛) + η(−

(1)(n + 1) = α. 𝜎𝑖𝑗 𝜎𝑖𝑗

𝜕𝐸(𝑛) (1)) 𝜕𝑐𝑖𝑗 𝜕𝐸(𝑛) (1)) 𝜕𝜎𝑖𝑗

Hoặc {

Ở đây 𝜂 là tốc độ học tập của các thông số mạng và 𝛼 là hằng số động lượng giảm độ

dốc.

Lớp 2: Được biết đến như lớp hoạt động mờ. Bao gồm những nút cố định được ký hiệu

(1)

(2)= ωk = ∏ 𝑜𝑖𝑗 𝑜𝑘

𝑞 𝑖=1

là Π mà đầu ra của nó là tích của tất cả các tín hiệu vào.

(2.20) Trường hợp 𝑘 = 1, . .𝑦2. Đầu ra của mỗi nút trong lớp này đại diện cho giá trị kích hoạt

các quy tắc mờ tương ứng.

(2) 𝑜𝑘

Lớp 3: Bao gồm những nút cố định được ký hiệu là 𝑁 được dùng để chuẩn hóa

(3)= 𝜔𝑘 𝑜𝑘

∑

(2) 𝑜𝑚

𝑦2 𝑚=1

തതതതത= (2.21)

Lớp 4: Được xem như là một lớp tham số thích nghi. Mỗi 𝑘 nút trong lớp này được đi

kèm với một tập hợp các thông số thích nghi 𝑎1k, 𝑎2k… 𝑎𝑦k, 𝑎0 và được biểu diễn bằng

(1)

+a0

)10

(4) 𝑜𝑘

= 𝜔𝑘തതതത𝑓𝑘 = 𝜔𝑘തതതത(a1k𝐼1

+ a2k𝐼2

(1) +…+ ayk𝐼1𝑦

hệ phương trình tuyến tính dưới đây:

(2.22)

Các thông số tuyến tính của bộ điều khiển được cập nhật trong lớp 4 được cho bởi

phương trình dưới đây:

𝜆

𝑃𝑛𝑓𝑓𝑇𝑝𝑛 𝜆+𝑓𝑇𝑃𝑛𝑓 𝑎0𝑛+1=𝑎0𝑛

(𝑃𝑛 − 𝑎𝑖𝑘𝑛+1= 𝑎𝑖𝑘𝑛+( x 𝑓(𝑈 − 𝑓 𝑇𝑎𝑖𝑘𝑛))) (2.23)

(2.24)

𝑇λ𝑓𝑡)−1Và λ là yếu tố quên của bộ điều khiển ANFIS.

Ở đây, 𝑃𝑛 = (𝑓𝑡

Lớp 5: Được gọi là lớp ra. Lớp này chỉ có một ngõ ra của mạng như là tổng đại số của

∑

đầu vào của nút. Đây là nút cố định, nó được thể hiện trong phương trình:

𝑦2 𝑘=1

(4) 𝑜 𝑘

∑

𝑦2 𝑘=1 𝑦2 𝑘=1

𝑤𝑘𝑓𝑘 𝑤𝑘 (4)

=∑ Ua=𝑜(5)=∑ 𝑤𝑘തതതത 𝑓𝑘= (2.25)

2.4.4 Thuật toán tối ưu bầy đàn (PSO)

Thuật toán PSO là một thuật toán được lấy cảm hứng từ trí thông minh tập thể và hành

vi của chim và cá. Thuật toán này lần đầu tiên được đề xuất bởi Kennedy và Eberhart

dựa trên các mối quan hệ toán học đơn giản và xem xét mô hình chuyển động của các

loài chim để tối ưu hóa các vấn đề phức tạp [63, 65-66, 77]. Thuật toán này bắt đầu hoạt

động bằng cách tạo ngẫu nhiên một quần thể ban đầu gồm một nhóm các cá thể. Trong

thực tế, mỗi cá thể cho thấy một phản ứng có thể. Mỗi cá thể bắt đầu di chuyển và tìm

kiếm trong không gian vấn đề để tìm điểm thích hợp nhất. Trong mỗi bước, cá thể này

được cố định bởi hàm mục tiêu của nó và được đặt theo hướng thích hợp nhất để xác

định độ chính xác và phản ứng chính xác nhất. Mỗi cá thể tiếp tục chuyển động mỗi lần

sử dụng kinh nghiệm của nó và lân cận nó trong không gian tìm kiếm vấn đề. Các cá thể

khác di chuyển về phía một cá thể có vị trí tốt nhất và điều chỉnh hướng của chúng. Do

đó, sự chuyển động của các cá thể trong không gian tìm kiếm vấn đề phụ thuộc vào ba

i, vị trí tốt nhất mà cá thể đã trải qua (Pbest) và

yếu tố bao gồm vị trí hiện tại của cá thể Xk

vị trí tốt nhất mà tất cả các cá thể có kinh nghiệm (Gbest). Trên thực tế, trong mỗi chu kỳ,

mục đích là xác định một cá thể có vị trí tạm thời tốt nhất trong vấn đề và xâm nhập vào

cộng đồng với một vị trí mới, và các cá thể khác khác di chuyển về phía nó xem xét tính

ưu việt của cá thể thích hợp nhất về mặt vị trí. Chu kỳ này tiếp tục cho đến khi tất cả các

cá thể tập hợp lại với nhau tại điểm tốt nhất [45-47]. Các tính toán này được biểu diễn

(𝑘))

bằng các phương trình (2.26) và (2.27).

(𝑘+1) = 𝑤𝑉𝑖

(𝑘) + 𝑐1𝑟1(𝑝𝑏𝑒𝑠𝑡𝑖 − 𝑋𝑖

(𝑘)) + 𝑐2𝑟2(𝑔𝑏𝑒𝑠𝑡𝑖 − 𝑋𝑖

(𝑘)

(2.26) 𝑉𝑖

(𝑘+1) = 𝑋𝑖 𝑋𝑖

(𝑘) + 𝑉𝑖 Trong phương trình (2.27), 𝑖 = 1, ..., N, với N là kích thước quần thể (các cá thể) và 𝑘 =

(2.27)

(k + 1) là vectơ vận tốc mới cho cá

(1, 2, 3, ...) là số lần lặp trong quá trình thuật toán; Vi

(k) là vectơ vận tốc hiện có cho cá thể thứ 𝑖; pbesti là vị trí tốt nhất mà cá thể

thể thứ i; Vi

thứ 𝑖 đã trải qua; và gbest là vị trí tốt nhất mà tất cả các cá thể đã trải qua. Trong phương

(k) là vị trí hiện tại của cá thể thứ 𝑖 và vị trí mới của cá thể thứ 𝑖; 𝑤 là

trình (2.28), Xi

trọng số quán tính, được sử dụng trong lớp các cá thể để đảm bảo sự hội tụ và được đề

nghị trong khoảng từ 0,4 đến 0,9; r1 và r2 là các số ngẫu nhiên trong khoảng từ 0 đến 1;

c1 và c2 là hai giá trị cố định dương được giới thiệu lần lượt là hệ số học tập cá nhân và

hệ số học toàn cục, và có vai trò quan trọng trong quá trình kiểm soát hội tụ của thuật

toán. Điều đáng nói là điều kiện c1 + c2  4 luôn phải đáp ứng [66].

2.4.5 Thuật toán di truyền (GA)

Thuật toán di truyền là một kỹ thuật tìm kiếm tổng thể để giải các bài toán tối ưu, dựa

trên lý thuyết chọn lọc tự nhiên, quá trình động lực cho sự tiến hóa của sinh vật. Thuật

toán di truyền đã chứng tỏ là một công cụ rất hiệu quả cho các bài toán điều khiển vận

hành hệ thống điện. Khả năng mạnh hơn về tìm kiếm xác suất cũng như khả năng hội tụ

dễ dàng, ứng dùng cho nhiều dạng bài toán tối ưu đã làm cho GA là một lựa chọn tốt để

giải các bài toán tối ưu [39, 62, 67, 71, 78]. Nó đã được tìm thấy là sự lựa chọn đúng để

đạt được giá trị tối ưu toàn cục.

Thuật toán di truyền được mô tả theo các bước như sau:

1. Khởi tạo dân số ban đầu,

2. Tính toán, đánh giá giá trị mục tiêu cho từng nhiễm sắc thể tương ứng

3. Kiểm tra điều kiện dừng, hàm mục tiêu. Nếu đáp ứng hàm mục tiêu thì dừng

4. Lựa chọn nhiễm sắc thể, cá thể tốt

5. Tạo nhiễm sắc thể mới dựa trên toán tử gen di truyền

6. Thực hiện quá trình lai tạo

7. Thực hiện quá trình đột biến gen và quay lại bước 2 để tính toán, đánh giá giá trị

mục tiêu cho từng nhiễm sắc thể tương ứng

2.5 Tổng kết chương

Trong chương này, các nội dung tổng quan về thiết bị STATCOM gồm cấu trúc cơ bản,

nguyên lý hoạt động của bộ điều khiển điện tử công suất được sử dụng cho STATCOM,

bộ biến đổi nguồn áp, và các đặc tính điều khiển cơ bản trong STATCOM đã được trình

bày một cách chi tiết. Nguyên lý làm việc của STATCOM như một máy bù đồng bộ, cụ

thể: trường hợp điện áp V2 của STATCOM và điện áp hệ thống không cùng độ lớn và

không cùng pha thì có trao đổi công suất tác dụng và công suất phản kháng; trường hợp

điện áp STATCOM cùng pha với điện áp hệ thống (𝛿 = 0) thì chỉ có trao đổi công suất

phản kháng và i) nếu V2 > V1 thì STATCOM bơm công suất phản kháng vào hệ thống;

ii) nếu V2 < V1 thì STATCOM hấp thụ công suất phản kháng từ hệ thống; và iii) V2 =

V1 thì không có trao đổi công suất phản kháng.

Đối với hệ thống điều khiển STATCOM, về cơ bản, các cấu trúc điều khiển thông

thường có thể được chia thành ba nhóm:

• Điều khiển dòng điện cục bộ: chế độ điều khiển áp dụng để bù các thành phần

dòng tải không mong muốn. Điều khiển được áp dụng trong STATCOM để bù

cho công suất phản kháng hoặc trong Bộ lọc công suất tác tục (APF) để bù cho

tải phi tuyến hoặc tải không cân bằng;

• Điều khiển điện áp cục bộ: được sử dụng chủ yếu trong STATCOM để điều chỉnh

điện áp. Thông thường, nó ghép tầng các bộ điều khiển điện áp và điều khiển

dòng điện [48]. Một vòng điện áp ngoài đặt tham chiếu với công suất phản kháng

cho bộ điều khiển dòng điện.

• Tham chiếu bên ngoài: được sử dụng chủ yếu trong các hệ thống lớn với một bộ

điều khiển trung tâm. Chế độ điều khiển phù hợp với lưới điện truyền tải hơn là

lưới phân phối. Điều khiển từ xa phát công suất phản kháng trong các trang trại

gió hiện đại là bắt buộc.

Trong số các bộ điều khiển thông thường của STATCOM được trình bày, chủ yếu là sử

dụng các khối điều khiển PID. Như đã đề cập ở Chương 1, bộ điều khiển PID được sử

dụng rộng rãi trong công nghiệp nhờ tính đơn giản và tính bền vững của nó. Tuy nhiên,

nó rất phù hợp với hệ tuyến tính, đối với các hệ phi tuyến cao như trong hệ thống điện,

bộ điều khiển PID chỉ có thể hoạt động tốt trong phạm vi nhất định. Để đạt được kết quả

tối ưu toàn cục, nó cần thiết phải hiệu chỉnh lại bộ điều khiển PID khi chế độ vận hành

thay đổi, và ứng dụng các kỹ thuật khác nhau từ lý thuyết điều khiển phi tuyến. Đối với

logic mờ, trí tuệ nhân tạo phát triển mạnh mẽ tạo cơ sở xây dựng các hệ chuyên gia,

những hệ có khả năng cung cấp kinh nghiệm điều khiển hệ thống. Việc kết hợp cả hai

phương pháp để tạo nên một công cụ xử lý mạnh. Với các nhận định này, luận án nghiên

cứu hệ nơ ron mờ thích nghi (ANFIS) để cải tiến bộ điều khiển STATCOM. Để tối ưu

các thông số của hệ mờ thích nghi (ANFIS), các thuật toán tối ưu như thuật toán tối ưu

bầy đàn PSO, thuật toán di truyền GA đã được đề cập.

Chương 3

CÁC GIẢI THUẬT ĐIỀU KHIỂN STATCOM

ĐƯỢC ĐỀ XUẤT ĐỂ CẢI THIỆN CHẤT LƯỢNG ĐIỆN ÁP

Chương này trình bày các giải thuật điều khiển STATCOM để cải thiện chất lượng điện

áp trên lưới điện. Các thuật toán tối ưu bầy đàn (PSO) và di truyền (GA) được sử dụng

để điều chỉnh các thông số của bộ điều khiển ANFIS. Bên cạnh đó, cấu trúc bộ dự báo

ANI (Artificial Neural Indentifer) được sử dụng cho kỹ thuật huấn luyện ANFIS- Online

(Adaptive Neural Fuzzy Inference System) nhằm điều chỉnh công suất tác dụng và phản

kháng từ thiết bị STATCOM để ổn định chất lượng điện áp của hệ thống. Hơn nữa,

phương pháp lọc dữ liệu dựa trên xác suất thống kê được sử dụng để đánh giá độ tin cậy

của dữ liệu trước khi đưa vào hệ huấn luyện ANFIS-Online.

3.1 Sơ đồ hệ thống điều khiển STATCOM được đề xuất

Trong sơ đồ hệ thống điều khiển STATCOM được trình bày trong các bài báo trước

đây, các tác giả sử dụng bộ điều khiển PID [25, 30, 44, 50, 68]. Khi đó, tín hiệu điện áp

đo lường 𝑉1 được so sánh với điện áp tham chiếu 𝑉𝑟𝑒𝑓, thường là điện áp định mức tại

nút kết nối chung (PCC), để xác định độ lệch điện áp và làm đầu vào bộ điều khiển PID

của khối điều chỉnh điện áp. Ngõ ra của khối điều chỉnh điện áp dùng PID là tín hiệu

𝐼𝑞𝑟𝑒𝑓. Tín hiệu 𝐼𝑞𝑟𝑒𝑓 này là cơ sở để so sánh với dòng điện 𝐼𝑞 đo lường được, sai lệch

giữa các dòng điện so sánh 𝐼𝑞 và 𝐼𝑞𝑟𝑒𝑓 được điều chỉnh bởi khối điều chỉnh dòng điện

và tạo ra các thông số của bộ điều chế độ rộng xung gồm chỉ số điều chế 𝑘𝑚𝑠𝑡𝑎𝑡 và góc

pha 𝛼𝑠𝑡𝑎𝑡.

Như đã trình bày trong Chương 2, trong nghiên cứu của luận án này, tác giả tập trung

vào cải thiện ổn định, biên độ điện áp, do vậy không xem xét đến mức độ ảnh hưởng

của công suất tác dụng lên biên độ điện áp và giả định rằng mức độ thay đổi này là rất

nhỏ và không đáng kể. Cụ thể, Hình 3.1 trình bày sơ đồ hệ thống điều khiển STATCOM

được đề xuất để cải thiện chất lượng điện áp. Việc điều chỉnh điện áp nút kết nối chung

PCC sẽ được thực hiện bởi các bộ điều khiển Fuzzy, ANFIS, ANFIS-PSO, ANFIS-GA

và ANFIS-Online thông qua việc điều khiển để phát hoặc hấp thụ công suất phản kháng.

Vref

V1dq

~

+ ~

ANFIS

Đo lường điện áp AC

- Vac

=t

Đo lường dòng Id, Iq

PLL Vòng khóa pha

Vdc

Hiệu chỉnh điện áp DC

VSC

- ~ +

Đo lường điện áp DC

Vdcref

V2d

Xung

V2q

Điều chế PWM

Hiệu chỉnh dòng điện

- + ~ + ~ -

V1dq

Hệ thống điều khiển

Hình 3.1 Hệ thống điều khiển của STATCOM được đề xuất để cải thiện chất lượng điện áp

Với các sơ đồ bộ điều khiển đề xuất trong luận án này, điện áp đo lường tại nút kết nối

chung V1, được so sánh với điện áp chuẩn 𝑉𝑟𝑒𝑓 để xác định độ lệch điện áp. Độ lệch điện

áp này và vi phân của nó là tìn hiệu đầu vào của các bộ điều khiển được đề xuất gồm:

Fuzzy–PID [73], ANFIS [76], ANFIS-PSO, ANFIS-GA, ANFIS-Online. Các đầu ra của

bộ điều khiển lúc bấy giờ là dòng điện tham chiếu 𝐼𝑞𝑟𝑒𝑓 cho khối điều chỉnh dòng điện,

để từ đó tạo ra các thông số của bộ điều chế độ rộng xung gồm chỉ số điều 𝑘𝑚𝑠𝑡𝑎𝑡 và

góc pha 𝛼𝑠𝑡𝑎𝑡. Chi tiết các sơ đồ mô phỏng bộ điều khiển STATCOM được trình bày

trong các phần sau.

3.2 Giải thuật điều khiển STATCOM sử dụng các thuật toán huấn luyện ANFIS

kết hợp với PSO và GA

Hệ thống suy luận mờ dựa trên mạng thích nghi (ANFIS) dựa trên ý tưởng kết hợp việc

học khả năng của mạng nơ ron nhân tạo và tính ưu việt của logic mờ, như ra quyết định

giống con người và dễ học [70]. ANFIS sử dụng mạng nơ ron nhân tạo tìm cấu trúc bên

trong nó để tạo ra cấu trúc hệ thống và xác định các biến của nó [71]. Do đó, các thuật

toán được sử dụng trong huấn luyện ANFIS rất quan trọng. Có thể phân loại những

nghiên cứu về huấn luyện ANFIS thành ba nhóm: nhóm đầu tiên là phát triển một thuật

toán học tập mới cho ANFIS; thứ hai là thực hiện huấn luyện ANFIS với các thuật toán

tối ưu hóa hiện có; và thứ ba là thực hiện huấn luyện ANFIS bằng cách sử dụng các

thuật toán tối ưu hóa đã biết để giải quyết các vấn đề riêng lẻ, mặc dù nhóm này rất

giống với thứ hai. Tuy nhiên, nhóm thứ hai nhằm phát triển một thuật toán huấn luyện

tổng quát hơn cho ANFIS. Thuật toán học chính của ANFIS là thuật toán học lai, được

tạo ra bằng cách sử dụng phương pháp bình phương tối thiểu và thuật toán học lan truyền

ngược.

Có thể thấy số lượng thuật toán huyấn luyện được sử dụng cho ANFIS đang tăng lên

hàng ngày, cùng với các nghiên cứu được tiến hành gần đây. Chúng ta có thể liệt kê các

thuật toán huyến luyện được sử dụng cho ANFIS dưới dạng đạo hàm của nó và không

đạo hàm. Đã có nhiều công bố cho thấy hiệu quả của hệ nơ ron mờ thích nghi trong các

nghiên cứu ứng dụng của nó [79-81]. Tuy nhiên, tối ưu hóa các tham số mô hình có thể

cải thiện đáng kể chất lượng và độ chính xác của mô hình [82]. Đối với vấn đề đó, rất

nhiều phương pháp tối ưu được nghiên cứu và áp dụng, chẳng hạn như thuật toán tối ưu

bầy đàn và thuật toán di truyền.

Thuật toán di truyền là giải thuật tìm kiếm lời giải tối ưu trên nguyên tắc phỏng theo quá

trình tiến hóa và quy luật di truyền của sinh vật trong tự nhiên, bản chất toán học của

GA là thuật giải tìm kiếm theo xác suất. Thông qua việc lai tạo và đột biến để xác định

được giá trị tối ưu mà không cần phải tính toán toàn bộ các giá trị trong không gian tìm

kiếm.

Thuật toán tối ưu bầy đàn là một kỹ thuật tối ưu ngẫu nhiên trong một không gian tìm

kiếm (dựa trên một quần thể) và sau đó tìm nghiệm tối ưu bằng cách cập nhật các thế

hệ. PSO không có các cơ chế ghép chéo hay đột biến như thuật toán GA mà thiên về sử

dụng sự tương tác giữa các cá thể trong một quần thể để khám phá không gian tìm kiếm.

So sánh với GA, PSO tính toán nhanh hơn và sử dụng ít bộ nhớ máy tính hơn do bởi

trong quá trình tính toán, PSO không lưu trữ đường chuyển động của mỗi cá thể mà chỉ

dựa vào vận tốc của mỗi cá thể.

Trong nghiên cứu này, tác giả sử dụng thuật toán tối ưu bầy đàn PSO và thuyết tiến hóa

GA và huấn luyện trực tuyến để cải tiến bộ điều khiển, kết quả được so sánh với phương

pháp huấn luyện thông thường để huấn luyện ANFIS.

3.2.1 Thuật toán tối ưu bầy đàn PSO kết hợp ANFIS

Người ta biết rằng những cải tiến trong hoạt động của nơ ron - logic mờ có thể thu được

thông qua việc hiệu chỉnh các tham số có thể điều chỉnh khác nhau; ví dụ: các hệ số tỷ

lệ (SF), các hàm liên thuộc (MF) và luật hợp thành. Bằng cách hiệu chỉnh các SF liên

quan đến một biến nhất định, phạm vi làm việc tương ứng sẽ mở rộng hoặc thu hẹp, tạo

ra sự thay đổi độ nhạy của bộ điều khiển cho các biến đầu vào hoặc độ lợi cho biến đầu

ra. Thay đổi này sẽ tự động sửa đổi các hàm liên thuộc (MF) tương ứng và làm cho bộ

điều khiển chọn các quy tắc điều khiển khác nhau theo các ánh xạ được thiết lập bởi các

hệ số tỉ lệ (SF). Để đáp ứng các mục tiêu trên, các tham số của bộ điều khiển nơ ron -

mờ được tối ưu hóa bằng cách sử dụng các cơ chế vận hành của thuật toán tối ưu bầy

đàn.

Trong cách tiếp cận được đề xuất, mỗi cá thể đại diện cho một giải pháp khả thi cho

nhiệm vụ tối ưu hóa trong không gian tìm kiếm. Ban đầu, một tập hợp ngẫu nhiên gồm

Npop cá thể được tạo ra để tối ưu hóa (tức là hệ số tỷ lệ của sơ đồ ANFIS). Mỗi cá thể

tăng tốc theo hướng giải pháp tốt nhất của riêng nó được tìm thấy trong mỗi chu kỳ lặp,

cũng như theo hướng của vị trí toàn cục tốt nhất được phát hiện bởi bất kỳ cá thể nào

trong bầy đàn. Nếu một cá thể phát hiện ra một giải pháp mới hiệu quả hơn, tất cả các

cá thể khác sẽ di chuyển đến gần nó hơn, khám phá khu vực kỹ lưỡng hơn theo quá trình

của thuật toán.

Nhiệm vụ của thuật toán học cho cấu trúc này là điều chỉnh tất cả các tham số có thể sửa

đổi để làm cho đầu ra ANFIS khớp với dữ liệu huấn luyện. Đầu ra tổng thể là sự kết hợp

tuyến tính của các tham số có thể hiệu chỉnh. Thuật toán huấn luyện yêu cầu một tập

huấn luyện được xác định giữa đầu vào và đầu ra. Trong nghiên cứu này, bộ dữ liệu

dùng để huấn luyện trong bộ điều khiển ANFIS-PSO được thu thập từ kết quả mô phỏng

của hệ fuzzy-PID với thời gian lấy mẫu là 0,01 giây. Thuật toán PSO được sử dụng để

tối ưu các cá thể là các tham số hàm liên thuộc của ANFIS có được từ hàm genfis trong

Matlab 2014 để cực tiểu hàm chi phí là RMSE.

Bắt đầu

Đánh giá hiệu quả của từng cá thể, sử dụng vị trí hiện tại của nó

Khởi tạo quần thể

Đúng

Kết thúc So sánh hiệu quả từng cá thể với hiệu quả tốt nhất

Sai

Thay đổi vectơ vận tốc cho mỗi cá thể

Di chuyển từng cá thể đến một vị trí mới

Hình 3.2 Các bước thực hiện thuật toán PSO

Biểu thức hàm mục tiêu khi huấn luyện bộ điều khiển ANFIS-PSO như sau:

(3.1)

Các bước của thuật toán PSO, xem Hình 3.2, gồm:

(1) Khởi tạo quần thể, các cá thể sao cho vị trí của mỗi cá thể là ngẫu nhiên trong

không gian tìm kiếm;

Khi khởi tạo ban đầu, cấu trúc ANFIS được tạo ra từ hàm genfis trong Matlab

2014. Theo đó, trong nghiên cứu này, mỗi cá thể sẽ đại diện cho một giải

pháp gồm các biến trong hàm liên thuộc và thông số hệ quả của hệ ANFIS.

Nó được định hình đầu tiên dưới dạng chuỗi gồm tổng số các biến cần điều

chỉnh thích nghi. Cụ thể, cấu trúc của một cá thể được định nghĩa như sau:

(3.2) 𝑋(1, … 𝑁) = [𝐶1, 𝜎1…, 𝐶𝑗, 𝜎𝑗, 𝐴01, 𝐴12, 𝐴23, … , 𝐴0𝑚, 𝐴1𝑚, 𝐴2𝑚]

Trong đó, j và m là số hàm liên thuộc của các ngõ vào và ngõ ra tương ứng,

N là tổng số biến cần được tối ưu. Như vậy, tổng số các cá thể Npop gọi là

kích thước quần thể trong không gian tìm kiếm.

(2) Đánh giá hiệu quả của từng cá thể, sử dụng vị trí hiện tại của nó. Việc đánh

giá hiệu quả thông qua việc tính toán giá trị hàm mục tiêu theo công thức

(3.1) nêu trên.

(3) So sánh hiệu quả của từng cá thể với hiệu quả tốt nhất của nó và lựa chọn vị

trí tốt nhất 𝑝𝑏𝑒𝑠𝑡𝑖, giải pháp tốt nhất 𝑔𝑏𝑒𝑠𝑡𝑖 trong quần thể.

(4) Thay đổi vectơ vận tốc cho mỗi cá thể:

Trên cơ sở vị trí tốt nhất 𝑝𝑏𝑒𝑠𝑡𝑖, giải pháp tốt nhất 𝑔𝑏𝑒𝑠𝑡𝑖 trong quần thể,

𝑘)

thực hiện cập nhật vận tốc mới cho mỗi cá thể theo công thức sau:

𝑘+1 = 𝑤𝑉𝑖

𝑘 + 𝑐1𝑟1(𝑝𝑏𝑒𝑠𝑡 𝑖 − 𝑋𝑖

𝑘) + 𝑐2𝑟2(𝑔𝑏𝑒𝑠𝑡𝑖 − 𝑋𝑖

𝑉𝑖 (3.3)

Cá thể tốt nhất (𝑔𝑏𝑒𝑠𝑡𝑖)

Vị trí mới của

𝑘)

𝑐2𝑟2(𝑔𝑏𝑒𝑠𝑡𝑖 − 𝑋𝑖

𝑘+1

cá thể thứ i, 𝑋𝑖

𝑘

𝑤𝑉𝑖

𝑘)

𝑤𝑉𝑖

𝑘 + 𝑐1𝑟1(𝑝𝑏𝑒𝑠𝑡 𝑖 − 𝑋𝑖

𝑘) + 𝑐2𝑟2(𝑔𝑏𝑒𝑠𝑡𝑖 − 𝑋𝑖

Cá thể thứ i 𝑘 𝑋𝑖

(𝑘))

𝑐1𝑟1(𝑝𝑏𝑒𝑠𝑡𝑖 − 𝑋𝑖

Vị trí trước tốt nhất (𝑝𝑏𝑒𝑠𝑡𝑖)

(5) Di chuyển từng cá thể đến một vị trí mới:

Hình 3.3 Quá trình di chuyển và cập nhật vị trí mới của cá thể thứ i

Với vận tốc của mỗi cá thể được cập nhật theo biểu thức (3.3) nêu trên, quá

trình di chuyển các cá thể được thực hiện như Hình 3.3 và cập nhật vị tri mới

theo công thức (3.4)

(𝑘)

(𝑘+1) = 𝑋𝑖 𝑋𝑖

(𝑘) + 𝑉𝑖

(3.4)

(6) Quay lại thực hiện tính toán đánh giá hiệu quả từ cá thiể như ở bước 2 và lặp

lại cho đến khi hội tụ/ hoặc đạt số lần lặp tối đa.

Tóm lại, các tham số được khởi tạo ngẫu nhiên trong bước 1, sau đó được cập nhật bằng

thuật toán GA. Trong mỗi lần lặp, các thông số của các hàm liên thuộc {ai}, {bi}, {ci}

hoặc {ci}, {i} và thông số hệ quả {a0i}, {a1i}, {a2i} được cập nhật và quá trình lặp lại

đến khi thỏa điều kiện và chọn phương án tối ưu [83]. Sơ đồ khối mô phỏng bộ điều

khiển ANFIS-GA được trình bày trong Hình 3.4.

Hình 3.4 Sơ đồ khối mô phỏng bộ điều khiển dùng ANFIS-PSO

Nhìn chung, ưu điểm của thuật toán tối ưu hóa bầy đàn (PSO) có thể được tóm tắt như

(1) Các cá thể tự cập nhật với vận tốc nội tại;

(2) Cá thể có bộ nhớ quan trọng đối với thuật toán;

(3) Cá thể 'tốt nhất’ đưa ra thông tin cho người khác;

(4) Nó thường tạo ra các giải pháp chất lượng nhanh hơn phương pháp thay thế;

(5) Thuật toán này mô phỏng hành vi của chim để đạt được một hệ thống tự tiến

hóa; và

(6) Nó tự động tìm kiếm giải pháp tối ưu trong không gian tìm kiếm.

3.2.2 Thuật toán di truyền GA kết hợp với ANFIS

Các thuật toán di truyền rất tốt trong việc chiếm các không gian tìm kiếm lớn, có khả

năng rất lớn và điều hướng chúng tìm kiếm sự kết hợp tối ưu của các sự vật và giải pháp

mà chúng ta không thể tìm thấy. Các thuật toán di truyền rất khác với hầu hết các phương

pháp tối ưu hóa truyền thống. Các thuật toán di truyền cần không gian thiết kế để được

chuyển đổi thành không gian di truyền. Vì thế, thuật toán di truyền làm việc với một mã

hóa các biến. Ưu điểm của việc làm việc với mã hóa không gian biến là mã hóa làm mất

đi không gian tìm kiếm mặc dù chức năng có thể liên tục. Một sự khác biệt nổi bật hơn

giữa các thuật toán di truyền và hầu hết các phương pháp tối ưu hóa truyền thống là GA

sử dụng một quần thể các điểm cùng một lúc trái ngược với cách tiếp cận điểm duy nhất

bằng các phương pháp tối ưu hóa truyền thống. Điều này có nghĩa là GA xử lý một số

thiết kế cùng một lúc. Như chúng ta đã thấy trước đó, để cải thiện hướng tìm kiếm trong

các phương pháp tối ưu hóa truyền thống, các quy tắc chuyển đổi được sử dụng và về

bản chất chúng có tính xác định nhưng GA sử dụng các toán tử ngẫu nhiên. Toán tử

ngẫu nhiên cải thiện không gian tìm kiếm theo cách thích nghi.

Ba khía cạnh quan trọng nhất của việc sử dụng GA là:

1. Định nghĩa của hàm mục tiêu.

2. Định nghĩa và thực hiện biểu hiện di truyền

3. Định nghĩa và thực hiện các toán tử di truyền.

Một khi ba điều này đã được xác định, thuật toán GA sẽ hoạt động tốt và mang lại kết

quả ngoài sự mong đợi.

Trong các nghiên cứu của luận án này, tương tự như việc sử dụng thuật toán PSO, tác

giả cũng khởi tạo cấu trúc ANFIS từ hàm genfis trong Matlab 2014, tiếp theo sử dụng

thuật toán GA để tối ưu các thông số của các hàm liên thuộc và thông số hệ quả của hệ

ANFIS. Về dữ liệu dùng để huấn luyện, tác giả sử dụng dữ liệu được thu thập từ kết quả

mô phỏng của hệ Fuzzy-PID với thời gian lấy mẫu là 0,01 giây. Và hàm mục tiêu cần

tối thiểu là trung bình bình phương sai số khi huấn luyện, được cho biết trong phương

trình (3.6).

Bắt đầu

Khởi tạo dân số

Tính toán giá trị mục tiêu cho từng nhiễm sắc thể tương ứng

Đúng

Kết thúc Kiểm tra điều kiện dừng

Sai

Lựa chọn những cá thể tốt

Lựa chọn nhiễm sắc thể thế hệ cấp cha để lai tạo nhiễn sắc thể mới dựa trên toán tử gen di truyền

Quá trình lai tạo

Quá trình đột biến

Hình 3.5 Các bước thực hiện thuật toán GA

Các bước của thuật toán GA như trên Hình 3.5 gồm:

(1) Khởi tạo các nhiễm sắc thể/ cá thể sao cho vị trí của mỗi nhiễm sắc thể là ngẫu

nhiên trong không gian tìm kiếm.

Như đã trình bày ở trên, cấu trúc ANFIS trong nghiên cứu này được tạo ra ban

đầu từ hàm genfis trong Matlab 2014. Theo đó, trong nghiên cứu này, mỗi gen

đại diện cho một biến trong hàm liên thuộc hoặc thông số hệ quả của hệ ANFIS. 53

Nó được định hình đầu tiên dưới dạng chuỗi, gọi là nhiễm sắc thể. Cụ thể, cấu

trúc của một nhiễm sắc thể được định nghĩa như sau:

(3.5) 𝑋(1, … 𝑁) = [𝐶1, 𝜎1…, 𝐶𝑗, 𝜎𝑗, 𝐴01, 𝐴12, 𝐴23, … , 𝐴0𝑚, 𝐴1𝑚, 𝐴2𝑚]

Trong đó, j và m là số hàm liên thuộc của các ngõ vào và ngõ ra tương ứng. Tổng

số các nhiễm sắc thể Npop gọi là kích thước quần thể trong không gian tìm kiếm

(2) Tính toán giá trị mục tiêu cho từng nhiễm sắc thể tương ứng. Trong nghiên cứu

này, hàm mục tiêu chỉ số RMSE được tính theo công thức sau:

𝑛 ∑(𝑥𝑖 − 𝑦𝑖)2 𝑖=1

(3.6) 𝑅𝑀𝑆𝐸 = √ 1 𝑛

(3) So sánh hiệu quả của từng nhiễm sắc thể với hiệu quả tốt nhất của nó và điều

kiện dừng;

(4) Lựa chọn những cá thể tốt nhất. Trên cơ sở các gen và nhiễm sắc thể tạo ra giải

pháp tốt, đồng nghĩa với hàm mục tiêu là chỉ số RMSE tốt nhất, lựa chọn các

nhiễm sắc thể tốt và loại bỏ các nhiễm sắc thể không tốt. Với nghiên cứu này, tỉ

lệ loại bỏ tương ứng phần trăm lai tạo 𝑝𝑐, (ở đây được chọn là 𝑝𝑐 = 40%).

(5) Lựa chọn nhiễm sắc thể thế hệ cấp cha để lai tạo nhiễn sắc thể mới dựa trên toán

tử gen di truyền.

Trước khi lai tạo, cần lựa chọn nhiễm sắc thể thế hệ cấp cha theo công thức sau:

(3.7) 𝑃𝑎𝑟(𝑋𝑖) = 𝑓(𝑥𝑖) 𝑓(𝑥𝑖) 𝑛 ∑ 𝑗=1

(6) Thực hiện quá trình lai tạo:

Việc lựa chọn nhiễm sắc thể cấp cha không tạo thêm cá thể mới, nhưng nó giúp

tạo nhiều bản sao (nhiều giải pháp mới) phù hợp hơn và việc lai ghép sẽ tạo thêm

cá thể mới và đa dạng hóa các giải pháp trong quần thể. Nhiễm sắc thể sau khi

lai tạo sẽ bao gồm một phần của cá thể cha hoặc mẹ theo toán tử di truyền. Việc

thực hiện lai ghép được thực hiện theo công thức sau:

′ = 𝛼. 𝑋1𝑖 + (1 − 𝛼). 𝑋2𝑖

(3.8) 𝑋𝑖

Trong đó:

+ 𝑋1𝑖, 𝑋2𝑖 là các nhiễm sắc thể thế hệ cấp cha;

+ 𝛼 = 𝑢𝑛𝑖𝑓𝑟𝑛𝑑(−𝛾, 1 + 𝛾, 𝑁); với 𝛾 là tỉ lệ lai tạo và N là số gen trong nhiễm

sắc thể (số biến)

(7) Thực hiện quá trình đột biến và quay lại tính toán kiểm tra mục tiêu của từng

nhiễm sắc thể như ở bước 2 và lặp lại cho đến khi hội tụ.

Trong nghiên cứu này, tỉ lệ đột biến gen 𝜇 được chọn là 15% tổng số gen của

nhiễm sắc thể (một cá thể). Gen được chọn ngẫu nhiên để thực hiện quá trình đột

biến theo công thức:

′[𝑘] = 𝑋𝑖[𝑘] + 𝑟. (𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛). 𝑟𝑎𝑛𝑑()

(3.9) 𝑋𝑖

Ở đây 𝑟 là dãy đột biến gen, giá trị của 𝑟 được chọn là 0,1. Gen mới được đột

biến sẽ thay thế gen hiện hữu theo quá trình đột biến, quá trình này được giới

Xi[1]

Xi[2]

…

Xi[k]

…

Xi[N]

′[𝑘] = 𝑋𝑖[𝑘] + 𝑟. (𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛). 𝑟𝑎𝑛𝑑()

𝑋𝑖

Xi[1]

Xi[2]

…

thiệu trong hình sau:

Xi’[k]

…

Xi[N]

Hình 3.6 Quá trình đột biến gen của nhiễm sắc thể thứ i

Tóm lại, các tham số được khởi tạo ngẫu nhiên trong bước 1, sau đó được cập nhật bằng

thuật toán GA. Trong mỗi lần lặp, các thông số của các hàm liên thuộc {ai}, {bi}, {ci}

hoặc {ci}, {i} và thông số hệ quả {a0i}, {a1i}, {a2i} được cập nhật và quá trình lặp lại 55

đến khi thỏa điều kiện và chọn phương án tối ưu [84]. Sơ đồ khối mô phỏng bộ điều

khiển ANFIS-GA được trình bày trong Hình 3.7.

Hình 3.7 Sơ đồ khối mô phỏng bộ điều khiển dùng ANFIS-GA

3.2.3 Thuật toán huấn luyện ANFIS-Online

ANFIS phân biệt chính nó với các hệ thống logic mờ thông thường bởi các tham số thích

nghi, tức là, cả các tham số tiền đề và hệ quả đều có thể điều chỉnh được. Hiệu suất của

hệ thống AFNIS phụ thuộc vào các tham số bên trong của chúng, bao gồm các hàm liên

thuộc, số lượng hàm liên thuộc, dữ liệu huấn luyện của chúng, số lần huấn luyện và thời

gian huấn luyện.

Việc huấn luyện để đạt các tham số tối ưu của ANFIS có thể thực hiện bằng phương

pháp huấn luyện off-line độc lập, miễn sao đáp ứng yêu cầu một tập huấn luyện được

xác định giữa đầu vào và đầu ra. Nhưng trong phương pháp huấn luyện off-line, bộ dữ

liệu huấn luyện không bao gồm toàn bộ các điều kiện vận hành, nó có thể là các nhiễu

bên ngoài, nhiễu đo lường… Hơn nữa, luật điều khiển là cố định và khó điều chỉnh thích

nghi với hệ thay đổi [85]. Trong hệ phi tuyến cao như hệ thống điện, có nhiều điều kiện

chưa biết có thể xảy ra như: nhiều dạng sự cố, nhiều dạng phụ tải thay đổi, nhiều trạng

thái vận hành của các thiết bị hoặc nhiều phương thức vận hành khác nhau sẽ dẫn đến

thông số của hệ thống điện cũng khác nhau. Để khắc phục vấn đề này, tác giả nghiên

cứu và áp dụng phương pháp huấn luyện on-line để cải thiện bộ điều khiển STATCOM.

xref

u(n)

y(n)

- x(n) + e

ANFIS Plant d/dt de

+ 𝜀(n)

ym(n ) 𝑒𝑐 ANN Identifier

Hình 3.8 Bộ điều khiển ANFIS-Online

Về tổng quát, thuật toán huấn luyện trực tuyến được biểu diễn trong hình Hình 3.8. Năm

hàm liên thuộc của mỗi ngõ vào gồm sai số 𝑒 và tỉ lệ chênh lệch của nó 𝑑𝑒 được áp

dụng. Nhiệm vụ của thuật toán huấn luyện cho cấu trúc này là hiệu chỉnh tất cả các thông

số có thể điều chỉnh như các biến số của hàm liên thuộc Gauss và giá trị của các luật

trong ANFIS [86-88]. Trong nghiên cứu này, bộ thông số tiền đề của hàm gauss là

{𝑐𝑖𝑗, 𝜎𝑖𝑗} sẽ được điều chỉnh theo phương pháp huấn luyện sai số lan truyền ngược.

Những thông số tiền đề hoặc các thông số phi tuyến được cập nhật tại mỗi lần lặp, nghĩa

là sau mỗi cặp đầu vào-đầu ra nhận được trong quá trình huấn luyện và để giảm thiểu

hàm sai số tức thời như phương trình (3.2):

(3.10) 𝐸(𝑛) = (𝑈𝑠(𝑛) − 𝑈𝑎(𝑛))2 1 2

Ở đây 𝑈𝑠(𝑛) là đầu ra mong muốn hoặc đầu ra giám sát và 𝑈𝑎(𝑛) là đầu ra của bộ điều

khiển ANFIS tại mỗi bước thời gian (n). Đối với mỗi đầu vào-đầu ra cặp dữ liệu huấn

luyện, các ANFIS hoạt động trong các đường truyền phía trước để tính toán ngõ ra hiện

được thực hiện để tính toán các đạo hàm cho mỗi nút ở mỗi lớp của mạng. Vào tại 𝑈𝑎(𝑛). Sau đó, bắt đầu từ lớp ra, và di chuyển ngược trở lại, sai số lan truyền ngược 𝜕𝐸(𝑛) 𝜕𝑊

cuối mỗi lần lặp, có 02 lớp thông số được điều chỉnh, cập nhật là các tham số{𝑐𝑖𝑗, 𝜎𝑖𝑗}

tại Lớp 1, của đầu vào hàm liên thuộc được cập nhật bởi các phương trình trong hệ

(1)(𝑛) + η(−

(1)(n + 1) = α. 𝑐𝑖𝑗

phương trình sau:

(1)(𝑛) + η(−

(1)(n + 1) = α. 𝜎𝑖𝑗 𝜎𝑖𝑗

𝑐𝑖𝑗 (3.11)

{ 𝜕𝐸(𝑛) (1)) 𝜕𝑐𝑖𝑗 𝜕𝐸(𝑛) (1)) 𝜕𝜎𝑖𝑗

Ở đây η là tốc độ học tập của các thông số mạng và α là hằng số động lượng giảm độ

dốc.

xref

x(n)

∆𝑃𝑠(𝑘 + 1) u(k) d/dt ANFIS Plant

𝑒𝑖 +

- D D

D ∆𝑃෠𝑠(𝑘 + 1)

ANN Identifier

𝑒𝑐 ∆𝑃𝑑(𝑘 + 1) + -

Hình 3.9 Sơ đồ Bộ điều khiển ANFIS-Online đề xuất

Trong nghiên cứu này, theo sơ đồ bộ điều khiển được trình bày trong hình Hình 3.9, tác

giả áp dụng bộ ANFIS-Online dựa trên bộ nhận dạng nơ ron nhân tạo (ANI), cấu trúc

tổng quan được miêu tả trong Hình 2.32, để xác định sai số khi huấn luyện. Hàm mục

tiêu là cực tiểu tổng bình phương các sai số này. Bộ nhận dạng ANI này sẽ được trình

bày ở Mục 3.3.4. Các thông số của bộ điều khiển ANFIS được điều chỉnh trực tuyến

thông qua hàm mục tiêu sau:

(3.12) 𝐽𝑐(𝑛) = (𝑒𝑐(𝑛 + 1))2 = (𝑈𝑠(𝑛) − 𝑈𝑎(𝑛))2 1 2 1 2

(3.13) 𝐽𝑐(𝑛) = (𝑒𝑐(𝑛 + 1))2 = (∆𝑃෠𝑠(𝑛 + 1) − ∆𝑃𝑑(𝑛 + 1) )2 1 2 1 2

Trong đó, 𝑒𝑐(𝑘 + 1) là sai số giữa độ lệch công suất từ bộ dự báo ANI và độ lệch công suất đo lường tại nút PCC, 𝑃𝑑(𝑘 + 1) là độ lệch công suất tác dụng được đo lường tại

nút PCC ở thời điểm 𝑘+1; 𝑃𝑠 là độ lệch công suất từ bộ điều khiển ANFIS thông thường; và 𝑃෠𝑠(𝑘 + 1) là độ lệch công suất dự báo từ bộ điều khiển ANFIS-Online được áp dụng.

3.3 Giải thuật điều khiển STATCOM sử dụng thuật toán ANFIS-Online kết hợp

với bộ ANI và bộ dự báo công suất

3.3.1 Độ ổn định dữ liệu

Dữ liệu thu thập trong khoảng thời gian dài có thể dẫn đến sự mất ổn định do ảnh hưởng

của những thay đổi và xu hướng phát triển, đặc biệt là khi có các sự cố, các bất thường

hoặc nhiễu trong hệ thống điện. Xu hướng trong chuỗi dài hạn chủ yếu là xu hướng tăng

tuyến tính, có thể dễ dàng được xác định để loại bỏ khỏi các xu hướng bằng các phương

pháp đơn giản, cụ thể là các phương pháp ước lượng trung bình động, hồi quy tuyến tính

và so lệch. Việc loại bỏ xu hướng dữ liệu nhằm mục đích làm cho chuỗi tải ổn định để

đưa vào mô hình dự báo. Ở đây, phương pháp so lệch được sử dụng trong phương trình

(3.6) như sau:

(3.14) 𝑑𝑖𝑓𝑓(𝑘 + 1, ∆𝑃𝑑(𝑘 + 1)) = 𝑇((𝑘 + 1), ∆𝑃𝑑(𝑘 + 1)) − 𝑇((𝑘), ∆𝑃𝑑(𝑘))

Trong đó 𝑑𝑖𝑓𝑓 là dữ liệu so lệch giữa hai điểm dữ liệu công suất liền kề, được tính bằng

hiệu của hai giá trị công suất lân cận thu thập được tại điểm kết nối STATCOM, (n) và

(n-1) là chỉ số thứ tự tại thời điểm lấy mẫu thứ (n) và (n – 1) liền kề trước đó.

3.3.2 Phân tích thành phần chính (PCA)

Các bộ dữ liệu lớn ngày càng phổ biến và thường khó diễn giải và ngày càng xuất hiện

trong nhiều lĩnh vực. Để diễn giải các bộ dữ liệu đó, các phương pháp được yêu cầu phải

giảm đáng kể số chiều của chúng theo cách có thể hiểu được, sao cho thông tin trong dữ

liệu vẫn được bảo tồn nhiều nhất có thể. Phân tích thành phần chính (PCA) là một kỹ

thuật để giảm kích thước của các bộ dữ liệu đó, tăng tính dễ hiểu nhưng đồng thời giảm

thiểu mất thông tin. Nó làm như vậy bằng cách tạo ra các biến không tương quan mới

liên tiếp tối đa hóa phương sai. Các nghiên cứu đầu tiên nói về PCA có từ Pearson [89]

và Hotelling [90] vào những thập niên 1900-1930, nhưng mãi đến khi máy tính được

phát triển mạnh mẽ thì các ứng dụng của nó mới trở nên phổ biến rộng rãi và việc sử

dụng nó trên các bộ dữ liệu không phải là nhỏ.

Ở đây, tác giả không trình bày lại các lý thuyết toán học của phương pháp PCA mà chỉ

nêu các bước thực hiện phân tích thành phần chính được tóm tắt như sau:

1. Xác định véc-tơ kỳ vọng của bộ dữ liệu được thu thập hay còn gọi là véc-tơ trung

𝑁

bình dữ liệu:

𝑝 =

𝑁

𝑖=1

Ở đây 𝑝𝑖 là dữ liệu công suất thu thập được

(3.15) ∑ 𝑝 𝑖

2. Tính hiệu số giữa mỗi điểm dữ liệu và véc-tơ trung bình, thực hiện trên toàn bộ

dữ liệu theo công thức sau:

𝑝̂𝑖 = 𝑝

𝑖 − 𝑝

(3.16)

𝑁

3. Xác định ma trận hiệp phương sai:

𝑇 ∑ 𝑝̂𝑖𝑝̂𝑖

𝑁 − 1

𝑖=1

(3.17) 𝑆 =

4. Xác định các cặp trị riêng và vec tơ riêng (𝜆, 𝑒) của ma trận S với 𝑒 được chuẩn

hóa và sắp xếp theo thứ tự giảm dần của trị riêng.

5. Chọn K véc-tơ riêng ứng với K trị riêng lớn nhất để xây dựng ma trận UK có các

cột tạo thành một hệ trực giao. K véc-tơ này, còn được gọi là các thành phần

chính, tạo thành một không gian con gần với phân bố của dữ liệu ban đầu đã

chuẩn hoá. thước đo tiêu chuẩn về chất lượng của một thành phần chính nhất định

là tỷ lệ tỉ lệ đóng góp vào diễn giải tổng phương sai của các biến ngẫu nhiên ban

đầu:

𝑚 𝑗=1

(3.18) = 𝜋𝑗 = 𝜆𝑗 𝑡𝑟𝑎𝑐𝑒(𝑆)′ 𝜆𝑗 ∑ 𝜆𝑗

ở đây, m là số thành phần chính; trace(S) là hàm tổng tất cả các phần tử trên

đường chéo chính của ma trận S.

6. Thực hiện chiếu các điểm dữ liệu đã được chuẩn hóa xuống không gian mới.

7. Bộ dữ liệu mới chính là toạ độ của các điểm dữ liệu trên không gian mới, được

xác định theo công thức:

𝑇𝑃෠

(3.19) 𝑌 = 𝑈𝐾

Dữ liệu ban đầu có thể tính được xấp xỉ theo dữ liệu mới như sau:

(3.20) 𝑃 = 𝑈𝐾𝑌 + 𝑋ത

3.3.3 Bộ lọc dữ liệu ngõ vào

Khi dự báo, hầu hết các tác giả đều giả thiết rằng các dữ liệu thu thập được để phục vụ

dự báo đều có độ tin cậy cao (với 100% độ tin cậy) [91-93]. Tuy nhiên, bên cạnh các

phương pháp dự báo hiệu quả thì độ tin cậy của dữ liệu phục vụ dự báo đều có ảnh

hưởng đến kết quả [91-96]. Điều này, hầu như ai cũng biết, nhưng chưa có nhiều kết

quả công bố cho thấy cải thiện kết quả dự báo từ việc cải thiện dữ liệu.

Trong phần này trình bày kỹ thuật cải thiện chất lượng dữ liệu phục vụ việc dự báo công

suất tại nút có kết nối với STATCOM.Việc đánh giá độ tin cậy của bộ dữ liệu này sẽ rất

cần thiết trong giai đoạn xử lý (lọc dữ liệu) trước khi đưa vào các mô hình dự báo công

suất thay đổi [97-99] tại nút có kết nối STATCOM. Nghiên cứu này trình bày một

phương pháp lọc dữ liệu có xem xét đến độ tin cậy của nguồn dữ liệu bằng cách phân

tích trên nhiều mức độ tin cậy khác nhau và có thực hiện đối chiếu, so sánh kết quả với

các phương pháp lọc dữ liệu trước đây như phương pháp lọc Kalman [100], Wavelet

Transform [101]. Giải thuật chi tiết về phương pháp lọc đề xuất được thể hiện trong

Hình 3.10. Cụ thể, dữ liệu đầu vào sẽ được phân nhóm dựa trên mật độ phổ năng lượng.

Như đã đề cập ở trên, dữ liệu thu thập trong khoảng thời gian lấy mẫu có thể đánh giá

sự mất ổn định do ảnh hưởng của những thay đổi và xu hướng phát triển. Xu hướng dữ

liệu công suất thu thập được chủ yếu là xu hướng tăng tuyến tính, có thể dễ dàng xác

định bằng các phương pháp đơn giản, cụ thể là các phương pháp ước lượng trung bình

động, hồi quy tuyến tính và so lệch. Việc này nhằm mục đích làm cho dữ liệu ổn định

trước khi đưa vào mô hình dự báo.

Nếu dữ liệu sau khi phân nhóm là ngẫu nhiên, sẽ tính mật độ xác suất ngay sau đó. Nếu

mật độ xác suất có dạng chuẩn, sẽ chọn mức độ tin cậy tốt nhất của dữ liệu đầu vào bằng

phương pháp ANN [102] với chỉ số MAPE tốt nhất. Mức độ tin cậy này sẽ loại bỏ các

điểm outliers của bộ dữ liệu đầu vào, kết thúc quá trình lọc dữ liệu.

Tuy nhiên, nếu mật độ xác suất của dữ liệu đã phân nhóm không có dạng chuẩn, bộ lọc

dữ liệu sẽ áp dụng phương pháp PCA để tách dữ liệu sau khi phân nhóm thành các nhóm

dữ liệu có kích thướt quần thể nhỏ hơn. Sau đó, bộ lọc dữ liệu sẽ kiểm tra lại mật độ xác

suất của các nhóm dữ liệu này có hình thành dạng chuẩn hay không; nếu là dạng chuẩn,

xác định mức độ tin cậy tốt nhất của dữ liệu đầu vào bằng phương pháp ANN với chỉ số

MAPE; nếu không là dạng chuẩn, sử dụng phương pháp ‘dendrogram’ trước khi xác

định mức độ tin cậy của dữ liệu được phân nhóm.

Tóm lại, các bước thực hiện lọc dữ liệu trong lưu đồ Hình 3.10 được diễn tả đầy đủ qua

7 bước như sau:

1. Bước 1: Thu thập và sắp xếp dữ liệu thu thập, biến đổi dữ liệu thành các nhóm

dữ liệu dựa trên mật độ phổ năng lượng.

2. Bước 2: Kiểm tra tính ổn định của dữ liệu thông qua việc loại bỏ xu hướng dữ

liệu bằng cách xác định sai lệch công suất giữa hai lần lấy mẫu liền kề, áp dụng

theo công thức (3.14).

3. Bước 3: Tính toán mật độ xác suất và kiểm tra dữ liệu có dạng phân bố chuẩn

hay không.

4. Bước 4: Nếu dữ liệu được kiểm tra thuộc dạng phân bố chuẩn thì tiến hành đánh

giá độ tin cậy theo mô hình mạng nơ rong với chỉ số phần trăm sai số tuyệt đối

trung bình (MAPE) là thất nhất.

5. Bước 5: Nếu dữ liệu được kiểm tra không thuộc dạng phân bố chuẩn thì thực hiện

tách, phân nhóm lại dữ liệu theo thành phần chính bằng phương pháp PCA, đồng

thời tính toán lại mật độ xác suất cho bộ dữ liệu mới sau khi phân tích thành phần

chính. Tiếp tục kiểm tra bộ dữ liệu mới này, nếu là phân bố chuẩn thì thực hiện

đánh giá độ tin cậy dữ liệu như bước 4.

6. Bước 6: Nếu bộ dữ liệu mới vẫn không thuộc phân bố chuẩn thì áp dụng phương

pháp dendrogram trên toàn bộ chuỗi dữ liệu khác biệt để xác định mối tương

quan giữa các điểm công suất này, phân cụm thành nhiều bộ dữ liệu nhỏ có sự

tương quan cao. Cuối cùng, các bộ dữ liệu phụ nhỏ này được đưa vào mô hình

ANN để chọn độ tin cậy tốt nhất như được đề cập trong Bước 4;

Bắt đầu

Dữ liệu đầu vào

Biến đổi dữ liệu thành các nhóm dữ liệu dựa trên mật độ phổ năng lượng

Sai

Bộ dữ liệu sau khi phân nhóm là dữ liệu ngẫu nhiên?

Tính PDF (Mật độ xác xuất)

Ổn định dữ liệu Đúng

Sai

Dữ liệu có dạng phân phối chuẩn?

Tính PCA và PDF Đúng

Đúng

Dữ liệu có dạng phân phối chuẩn?

Sai

Áp dụng phương pháp dendrogram

Kết thúc

Chọn mức độ tin cậy tốt nhất sử dụng ANN với chỉ số MAPE

Áp dụng mức tin cậy được tính toán để loại bỏ các điểm outliers của dữ liệu

Hình 3.10 Giải thuật đề xuất để lọc dữ liệu dựa trên phương pháp phân tích thống kê

7. Bước 7: Áp dụng khoảng tin cậy đã chọn như các điểm giới hạn để loại bỏ các

ngoại lệ / nhiễu của tập dữ liệu gốc.

3.3.4 Cấu trúc bộ ANI

Một mạng perceptron được sử dụng để đại diện bộ nhận dạng ANI, cấu trúc gồm 6 ngõ

vào là công suất của STATCOM, tín hiệu điều khiển và các thành phần trễ của nó được

cho biết trong các phương trình (3.18 , 3.19, 3.20 và 3.21). Ngõ ra của bộ ANI được tính

bởi phương trình (3.18) tại thời điểm lấy mẫu thứ (𝑘 + 1):

(3.21) ∆𝑃෠𝑠(𝑛 + 1) = 𝑓(∆𝑃𝑠(𝑛), ∆𝑃𝑠(𝑛 − 1), ∆𝑃𝑠(𝑛 − 2), 𝑢(𝑛), 𝑢(𝑘 − 1), 𝑢(𝑘 − 1)

Các tín hiệu đầu vào của bộ ANI được chuẩn hóa trong khoảng [-1, 1]. Bộ ANI được

huấn luyện và cập nhật các thông số để đảm bảo cực tiểu hàm chi phí:

(3.22) 𝐹(𝑛) = (𝑒𝑖(𝑛))2 = (∆𝑃𝑠(𝑛) − ∆𝑃෠𝑠(𝑛))2 1 2 1 2

∆𝑃𝑠(𝑛)

∆𝑃𝑠(𝑛 − 1)

∆𝑃𝑠(𝑛 − 2) ∆𝑃෠𝑠(𝑛 + 1)

𝑢(𝑛)

𝑢(𝑛 − 1)

𝑢(𝑛 − 2)

Hình 3.11 Cấu trúc mạng nơ-ron

Và các trọng số của bộ ANI được cập nhật theo biểu thức:

(3.23) W(n) = W(𝑛 − 1) − η∇𝑊𝐽𝑖(n)

Trong đó, 𝑊(𝑛) là ma trận trọng số ở lần lặp n, 𝜂 là tốc độ học tập của mạng, η∇𝑊𝐽𝑖(n) là gradient của 𝐽𝑖(n) liên quan đến ma trận trọng số 𝑊(𝑛). Giá trị gradient được tính

theo công thức sau:

∆𝑃෠𝑠(𝑛) 𝜕𝑊(𝑛)

(3.24) ∇𝑊𝐽𝑖(n) = −[∆𝑃𝑠(𝑛) − ∆𝑃෠𝑠(𝑛)]

3.3.5 Thuật toán ANFIS-online kết hợp với ANI và bộ lọc dữ liệu đầu vào

Trong Hình 3.12 cho biết bộ điều khiển ANFIS-Online sử dụng bộ lọc dữ liệu ngõ vào

được trình bày trong Mục 3.2.1. Bộ lọc dữ liệu sẽ loại bỏ các thành phần outliers của độ

chênh lệch công suất tác dụng được đo lường thực tế, 𝑃𝑑(𝑘 + 1). Độ chênh lệch công

suất thực tế này được so sánh với giá trị chênh lệch công suất được dự đoán từ bộ ANI, 𝑃෠𝑠(𝑘 + 1); kết quả, sai số 𝑒𝐶 được sử dụng để làm giá trị tham chiếu cho bộ huấn luyện ANFIS. Hơn nữa, 𝑃෠𝑠(𝑘 + 1) còn được so sánh với độ chênh lệch công suất từ ngõ ra của hệ thống ANFIS, 𝑃𝑠; kết quả, sai số 𝑒𝑖 được sử dụng để làm giá trị tham chiếu khi

huấn luyện bộ dự báo ANI.

Như là hệ quả, bộ huấn luyện ANFIS-Online có thể cập nhật liên tục các giá trị thay đổi

ngẫu nhiên của 𝑒𝑖 và 𝑒𝐶 để có thể điều chỉnh thích nghi, nhanh và hiệu quả dòng công

suất được cung cấp từ thiết bị STATCOM tại nơi mà nó được kết nối đến lưới điện. Bộ

ANFIS sẽ cập nhật cơ sở dữ liệu online, và giá trị ngõ ra của nó sẽ là tham chiếu để điều

chỉnh bộ dự báo ANI trong hệ thống huấn luyện online.

Bộ ANI sử dụng thông số ngõ ra từ ANFIS như là các tín hiệu vào của nó cùng với sai số 𝑒𝑖 để dự báo sự chênh lệch công suất 𝑃෠𝑠(𝑘 + 1). Các thông số của bộ ANFIS được điều chỉnh online thông qua hàm mục tiêu sau:

(3.25) 𝐽𝑐(𝑛) = (𝑒𝑐(𝑛 + 1))2 = (∆𝑃෠𝑠(𝑛 + 1) − ∆𝑃𝑑(𝑛 + 1) )2 1 2 1 2

Theo cấu trúc hệ mờ thích nghi được trình bày trong Hình 2.32 của Chương 2, tác giả

sử dụng hàm gauss, với 5 hàm liên thuộc (membership functions) có số lượng các nơron

là 5, 10, 20, 20 và 5 tương ứng với các lớp 1, 2, 3, 4 và 5 trong các bộ điều khiển áp

dụng trong các nghiên cứu của Chương 4 và Chương 5. Như vậy, tổng số tham số cần

cập nhật là 35 thông số tương ứng với 20 tham số thuộc lớp 1 (tương ứng với 2 ngõ vào

là sai số 𝑒 và vi phân của sai số, ∆𝑒 ) và 15 thông số ở lớp ngõ ra (01 ngõ ra với 5 hàm

liên thuộc và 3 biến ở mỗi hàm liên thuộc là a0, a1, và a2 được đề cập trong phương trình

xref

(2.23)).

+ - x(n) e ∆𝑃𝑠(𝑘 + 1) u(k) d/dt ANFIS Plant de

𝑒𝑖 +

- D D

D ∆𝑃෠𝑠(𝑘 + 1)

ANN Identifier

D ∆𝑃𝑑(𝑘 + 1)

𝑒𝑐 + - Bộ lọc dữ liệu

Hình 3.12 Bộ điều khiển ANFIS-Online sử dụng bộ lọc dữ liệu ngõ vào

Từ sơ đồ cấu trúc bộ điều khiển ANFIS-Online được nêu trong Hình 3.12 cho thấy, hai

bước thực hiện trong cấu trúc này như sau:

i. Bước 1: Đánh giá trực tuyến các thông số hệ thống thông qua bộ dự báo ANI

và tính toán cập nhật các thông số bộ điều khiển; và

ii. Bước 2: Nếu trong hệ thống có thay đổi, bộ dự báo ANI sẽ cung cấp một kết

quả sai số nhất định và cung cấp việc tính toán cập nhật, điều chỉnh lại các

thông số bộ ANFIS. Đầu vào của bộ điều khiển ANFIS là sai số 𝑒 và vi phân

của sai số, ∆𝑒.

Thông tin điện áp tại nút đấu nối chung PCC là hoàn toàn có thể đo lường được để cung

cấp tín hiệu cho bộ điều khiển thiết bị STATCOM, tuy nhiên việc dự báo công suất và

so sánh với công suất đo thực tế sẽ giúp cải thiện độ chính xác dữ liệu huấn luyện off –

line và giá trị điện áp được đo lường liên tục. Việc này giúp cho các thông số của bộ

điều khiển ANFIS được cập nhật ngay các tình huống, kịch bản vận hành ngẫu nhiên có

thể xảy ra trên hệ thống điện mà quá trình thu thập dữ liệu để huấn luyện offline không

được thực hiện hoặc thu thập đầy đủ. Hình 3.13 trình bày sơ đồ khối mô phỏng bộ điều

khiển ANFIS-online.

Hình 3.13 Sơ đồ khối mô phỏng bộ điều khiển dùng ANFIS-Online

3.4 Tổng kết chương

Ở đầu Chương 3 này, tác giả đã trình bày các phương pháp tối ưu các tham số bộ điều

khiển ANFIS áp dụng các thuật toán tối ưu bầy đàn, thuật toán di truyền và kỹ thuật

huấn luyện trực tuyến dựa trên bộ nhận dạng dự báo công suất ANI nhằm điều chỉnh

công suất tác dụng và phản kháng từ thiết bị STATCOM để ổn định chất lượng điện áp

của hệ thống. Các bộ điều khiển được đề xuất trong chương này là cơ sở để xây dựng

các mô hình và mô phỏng với các kịch bản khác nhau được trình bày trong chương 4,

chương 5 nhằm cải thiện độ ổn định và chất lượng điện áp.

Về sơ đồ bộ điều khiển đề xuất trong chương này, điện áp đo lường tại nút kết nối chung

Vpcc, được so sánh với điện áp chuẩn 𝑉𝑟𝑒𝑓 để xác định độ lệch điện áp. Độ lệch điện áp

này và vi phân của nó là tìn hiệu đầu vào của các bộ điều khiển được đề xuất gồm:

Fuzzy, ANFIS, ANFIS-PSO, ANFIS-GA, ANFIS-Online. Các đầu ra của bộ điều khiển

lúc bấy giờ là dòng điện tham chiếu 𝐼𝑞𝑟𝑒𝑓 cho khối điều chỉnh dòng điện, để từ đó tạo ra

các thông số của bộ điều chế độ rộng xung gồm chỉ số điều 𝑘𝑚𝑠𝑡𝑎𝑡 và góc pha 𝛼𝑠𝑡𝑎𝑡.

Các thông số điều chế này kích các khóa điều khiển để tạo ra điện áp STATCOM so với

điện áp PCC, việc giữ ổn định điện áp thực hiện theo nguyên lý so sánh điện áp đã được

nêu tại Mục 2.1.2

Chi tiết các giải thuật điều khiển STATCOM để cải thiện chất lượng điện áp trên lưới

điện đã được trình bày trong chương này. Giải thuật điều khiển STATCOM sử dụng các

thuật toán tối ưu như thuật toán tối ưu bầy đàn (PSO) và thuật toán di truyền (GA) đã

được nêu chi tiết tại Mục 3.1. Nhiệm vụ của thuật toán tối ưu PSO hay GA là điều chỉnh

tất cả các tham số có thể sửa đổi để làm cho đầu ra ANFIS khớp với dữ liệu huấn luyện.

Đầu ra tổng thể trong trường hợp này là sự kết hợp tuyến tính của các tham số có thể

hiệu chỉnh. Trong nghiên cứu này, để đạt được các tham số hàm liên thuộc của ANFIS

có được từ hàm genfis trong Matlab 2014, hàm mục tiêu là tối thiểu RMSE được sử

dụng và giá trị tham số tối ưu sẽ đạt được khi cực tiểu hàm mục tiêu này.

Đối với cấu trúc bộ điều khiển ANFIS-Online, phương pháp lọc dữ liệu dựa trên xác

suất thống kê được giới thiệu và sử dụng để đánh giá độ tin cậy của dữ liệu trước khi

đưa vào hệ huấn luyện ANFIS-Online. Bộ lọc dữ liệu sẽ loại bỏ các thành phần outliers

của độ chênh lệch công suất tác dụng được đo lường thực tế. Bộ huấn luyện ANFIS-

Online có thể cập nhật liên tục các giá trị thay đổi ngẫu nhiên của 𝑒𝑖 và 𝑒𝐶 để có thể điều

chỉnh thích nghi, nhanh và hiệu quả dòng công suất được cung cấp từ thiết bị STATCOM

tại nơi mà nó được kết nối đến lưới điện. Bộ ANFIS sẽ cập nhật cơ sở dữ liệu online, và

giá trị ngõ ra của nó sẽ là tham chiếu để điều chỉnh bộ dự báo ANI trong hệ thống huấn

luyện online. Với sự kết hợp này, các thông số của hệ mờ thích nghi được cập nhật tức

thời và tin cậy nhờ dữ liệu trước khi đưa vào huấn luyện đã được đánh giá độ tin cậy.

Chương 4

ÁP DỤNG HỆ NƠ-RON MỜ THÍCH NGHI

VÀO CÁC BỘ ĐIỀU KHIỂN CỦA STATCOM ĐỂ CẢI THIỆN ĐIỆN ÁP

Hệ thống điện là hệ thống phi tuyến và hoạt động trên phạm vi rộng, các chế độ vận

hành của hệ thống điện thay đổi rất phức tạp từ việc thay đổi phụ tải đến các trường hợp

sự cố trên hệ thống, dẫn đến các dao động trong hệ thống điện. Những dao động nhỏ đòi

hỏi phải có giải pháp giảm thiểu dao động, mặt khác, việc duy trì sự ổn định động trong

vận hành hệ thống điện sẽ rất quan trọng và khó đạt được. Đề tài này nghiên cứu và đề

xuất bộ điều khiển có khả năng tự cập nhật trực tuyến các thông số của nó, theo điều

kiện mà nó hoạt động để đạt trạng thái vận hành với hiệu suất điều khiển tốt nhất. Để

sử dụng thành công bộ điều khiển trong hệ thống điện, tính linh hoạt của bộ điều khiển

thích nghi là ưu điểm chính, vì nó quyết định khả năng ứng dụng vào các điều kiện khác

nhau.

Bảng 4.1 Các kịch bản mô phỏng

Các kịch bản Bộ điều khiển Mô tả

AA PID

AB FUZZY

AC ANFIS-PSO

AD ANFIS-GA Mô phỏng với hệ một máy phát nối với nút vô cùng lớn, có sự cố ngắn mạch 03 pha xảy ra trong hệ thống (nút vô cùng lớn). Sự cố này xuất hiện tại thời điểm 𝑡 = 1𝑠 và được cô lập sau khoảng thời gian là 05 chu kỳ (100𝑚𝑠).

AE ANFIS-Online

BA PID

BB FUZZY

BC ANFIS-PSO

BD ANFIS-GA Mô phỏng với hệ lưới điện mẫu IEEE_9 nút, thiết bị STATCOM được kết nối với hệ thống tại nút 9, có sự cố ngắn mạch 3 pha xảy ra tại nút 8. Sự cố này xuất hiện tại thời điểm 𝑡 = 1𝑠 và được cô lập sau khoảng thời gian là 05 chu kỳ (100𝑚𝑠).

BE ANFIS-Online

Cũng mong muốn rằng, sự phụ thuộc/sự can thiệp từ bên ngoài vào việc thực hiện của

bộ điều khiển được giữ ở mức tối thiểu. Số lượng hệ số điều chỉnh cần điều chỉnh thủ

công càng lớn thì càng khó áp dụng vào các tình huống thực tế. Cụ thể, chương này trình

bày các kết quả nghiên cứu, so sánh các bộ điều khiển của STATCOM và xác định bộ

điều khiển có kết quả cải thiện chất lượng điện áp tốt nhất. Các kết quả được thực hiện

với hệ lưới điện mẫu IEEE_9 nút và áp dụng với thông số lưới điện thực tế tại Khu công

nghệ cao Tp. HCM. Các hệ thống nghiên cứu trong trường hợp này gồm: i) hệ thống

OMIB-hệ thống A (One Machine Infinite Bus) và ii) hệ thống điện IEEE 9bus – hệ thống

B. Các kịch bản nghiên cứu giải thuật điều khiển STATCOM cho lưới điện mẫu được

trình bày trong Bảng 4.1. Tương ứng với mỗi kịch bản, tác giả áp dụng các bộ điều khiển

khác nhau để so sánh mức độ đáp ứng và khả năng cải thiện chất lượng điện áp của lưới

từ thiết bị STATCOM. Bộ nhận dạng ANI kết hợp với bộ lọc dữ liệu được sử dụng để

dự báo công suất cần thiết được lấy từ STATCOM, nhờ vào việc hiệu chỉnh và cập nhật

các tham số của nó.

4.1 Các kết quả nghiên cứu với hệ thống A

4.1.1 Cấu trúc hệ thống A

Nguồn phát điện gió là một trong những nguồn có dao động công suất đáng kể khi vận

hành do sự thay đổi liên tục về ngẫu nhiên tốc độ gió, cũng như trong trường hợp có sự

cố trên hệ thống điện. Nói cách khác, công suất điện từ nguồn năng lượng gió là biến

thiên ngẫu nhiên nên dẫn đến khó khăn trong việc điều chỉnh cân bằng công suất tác

dụng và công suất phản kháng trong hệ thống điện. STATCOM là thiết bị có khả năng

đóng vai trò như bộ điều phối công suất trong một giới hạn nhất định để góp phần cân

bằng công suất, đồng nghĩa với việc ổn định điện áp trên lưới thông qua điều khiển dòng

công suất phản kháng.

Trong nghiên cứu ổn định hệ thống điện, để đơn giản hóa và kiểm soát được phạm vi

điều khiển, đánh giá mức độ ảnh hưởng, khảo sát các giới hạn ổn định, mô hình hệ thống

điện đơn giản gồm một máy phát kết nối với nút vô cùng lớn thường (OMIB) được sử

dụng. Mô hình OMIB cũng được dùng để kiểm chứng hiệu quả vận hành của các mô

hình điều khiển, thiết bị điều khiển điện áp khác nhau trong việc giảm dao động hệ thống

điện và cải tiến ổn định thoáng qua trong các điều kiện vận hành khác nhau.

Do đó, tác giả lựa chọn và thực hiện một kịch bản mô phỏng với nguồn điện này để

nghiên cứu khả năng đáp ứng của bộ điều khiển STATCOM được áp dụng. Hình 4.1

trình bày cấu trúc của hệ thống nghiên cứu, gồm máy phát đồng bộ - nút vô cùng lớn

(OMIB) thông qua đường dây truyền tải dài 200km. Trang trại gió (Wind Farm) có công

suất 20MVA và bộ STATCOM có công suất 5MVAr được nối với hệ thống OMIB tại

điểm kết nối chung (PCC).

Trong hệ nghiên cứu như Hình 4.2, mô hình của máy phát điện gió sử dụng mô hình

máy phát không đồng bộ nguồn kép (DFIG) được điều khiển bởi tua bin gió. Sơ đồ đơn

tuyến của máy phát điện gió DFIG được điều khiển bởi tuabin gió. Cuộn dây stator của

DFIG được kết nối trực tiếp vào phía điện áp thứ cấp của máy biến áp tăng áp 15/110kV,

trong khi cuộn dây rotor của DFIG được kết nối cùng với phía 15kV thông qua bộ

chuyển đổi back – to – back, từ đó nối với máy biến áp tăng áp 15/110kV và đường dây

đấu nối đến điểm chung PCC của hệ thống [28][103].

Hình 4.1 Cấu trúc của hệ thống OMIB được nghiên cứu

Hình 4.2 Sơ đồ đơn tuyến của máy phát điện gió DFIG

4.1.2 Kết quả mô phỏng hệ thống A

Trong hệ thống điện, các sự cố xảy ra chủ yếu là sự cố ngắn mạch một pha. Nếu các sự

cố này không được phát hiện, định vị và cách ly kịp thời, nó sẽ dẫn đến sự cố ngắn mạch

ba pha, đây là sự cố nghiêm trọng nhất đối với lưới điện. Vì vậy, đề tài luận án tập trung

mô phỏng và phân tích sự cố ngắn mạch 3 pha, nơi mà độ dao động điện áp khi có ngắn

mạch là rất cao và đặc tính động học của điện áp sau khi ngắn mạch được cô lập là lớn

nhất, cũng như rủi ro không đạt tiêu chuẩn vận hành cũng rất cao.

Đối với hệ OMIB, sẽ mô phỏng trường hợp khi có ngắn mạch ba pha xảy ra trong hệ

thống, sự cố này xuất hiện tại thời điểm 𝑡 = 1𝑠 và được cô lập sau khoảng thời gian là

05 chu kỳ (100ms). Thời gian cô lập sự cố này được chọn mô phỏng tương ứng với thực

tế vận hành trong hệ thống điện, với thời gian tác động của hệ thống relay bảo vệ, và

với thời gian đóng/mở tiếp điểm của các máy cắt.

Đối với hệ OMIB này, mô hình mô phỏng của các bộ điều khiển Fuzzy, ANFIS–PSO,

ANFIS-GA và ANFIS-Online được trình bày trong các Hình 3.4, Hình 3.7, và Hình

3.13.

4.1.2.1 Khảo sát với bộ điều khiển Fuzzy

Hình 4.3a và Hình 4.3b, và Hình 4.4 lần lượt cho biết các đáp ứng quá độ của điện áp

tại điểm đấu nối chung PCC, công suất của máy phát đồng bộ (SG), và công suất của

máy phát điện gió (DFIG) khi có sự cố ngắn mạch 3 pha trong hệ thống điện.

Trong các hình này, đường đặc tuyến màu đen là kết quả mô phỏng khi không có

STATCOM (noSTAT) hoặc trường hợp có STATCOM nhưng chưa có bộ điều khiển

(STAT), các đường đặc tuyến màu xanh là kết quả mô phỏng trong trường hợp sử dụng

bộ điều khiển PID, và các đường đặc tuyến màu đỏ là trường hợp sử dụng bộ điều khiển

Fuzzy.

Với kết quả mô phỏng trong trường hợp này, khi xảy ra ngắn mạch ba pha, điện áp tại

PCC giảm đến 0,47pu, sau khi cô lập điểm sự cố, điện áp này phục hồi lại giá trị định

mức. Trong trường hợp không có bộ điều khiển, thời gian phục hồi điện áp khoảng 4

giây và có dao động xung quanh giá trị định mức, và trong trường hợp có bộ điều khiển

Fuzzy hoặc PID thì điện áp tại điểm PCC phục hồi tốt hơn, trong thời gian khoảng 2

giây. Nhìn chung, việc phục hồi nhanh biên độ điện áp giúp cho các phần tử trong hệ

thống sớm quay về trạng thái ổn định, và đảm bảo chất lượng điện áp. Với kết quả trong

Hình 4.3 và Hình 4.4 đối với hệ thống OMIB, nó cho thấy sự hiệu quả của bộ điều khiển

Fuzzy góp phần tích cực vào việc cải thiện chất lượng điện áp trong hệ thống khi có

ngắn mạch ba pha.

a) Đáp ứng điện áp quá độ (VPCC) tại điểm chung khi có ngắn mạch 3 pha

b) Công suất tác dụng (PSG) và công suất phản kháng (QSG) của SG

Hình 4.3 Điện áp quá độ tại điểm đấu nối chung PCC và công suất của máy phát đồng bộ (SG) khi có ngắn mạch 3 pha

Hình 4.4 Công suất tác dụng (PWF) và công suất phản kháng (QWF) của máy phát điện gió (DFIG) khi có sự cố ngắn mạch 3 pha

Bảng 4.2 Bảng so sánh các đặc tính động học của các đại lượng điện áp và công suất liên quan đến các bộ điều khiển khác nhau của STATCOM trong hệ thống OMIB

Đại lượng

Đặc tính động học

PID

Fuzzy

Điện áp Vpcc (p.u)

Công suất tác dụng máy phát đồng bộ (PSG) Công suất phản kháng máy phát đồng bộ (QWF) Công suất tác dụng phát điện gió (PWF) Công suất phản kháng phát điện gió (QWF)

No STAT 3,508 Thời gian ổn định (s) Giá trị đỉnh 1,072 Độ chênh lệch điện áp 9,53% 4,511 Thời gian ổn định (s) 1,191 Giá trị đỉnh - Độ chênh lệch điện áp 6,653 Thời gian ổn định (s) 0,356 Giá trị đỉnh - Độ chênh lệch điện áp 6,603 Thời gian ổn định (s) 0,836 Giá trị đỉnh - Độ chênh lệch điện áp 6,653 Thời gian ổn định (s) 0,356 Giá trị đỉnh - Độ chênh lệch điện áp

With STAT 2,576 3,253 1,064 1,033 8,72% 5,55% 6,101 4,383 1,241 1,203 - - 4,691 5,583 0,306 0,348 - - 5,321 6,853 0,832 0,862 - - 4,691 5,583 0,306 0,348 - -

1,844 1,003 2,48% 3,154 1,137 - 4,274 0,261 - 4,585 0,817 - 4,274 0,261 -

Trong Bảng 4.2, kết quả mô phỏng cho thấy công suất tại máy phát SG và DFIG đều có

dao động trong suốt thời điểm ngắn mạch và sau khi ngắn mạch được loại bỏ. Xem xét

thời gian dao động công suất, nó được nhận thấy: i) khi chưa có bộ điều khiển thích hợp

thì thời gian dao động công suất lên đến 5 giây, ii) trong khi có bộ điều khiển Fuzzy

hoặc PID thì thời gian này được cải thiện tốt hơn rất nhiều, cụ thể chỉ khoảng 2,5 giây.

Hơn nữa, biên độ dao động công suất trong trường hợp có bộ điều khiển cũng thấp hơn

trong trường hợp không có bộ điều khiển.

4.1.2.2 Khảo sát với bộ điều khiển ANFIS

Hình 4.5 Công suất (PSG và QSG) của máy phát đồng bộ (SG) khi có ngắn mạch 3 pha trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS

Hình 4.6 Điện áp quá độ (VPCC) tại điểm đấu nối chung PCC khi có ngắn mạch 3 pha trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS

Bảng 4.3 Bảng so sánh các đặc tính động học của các đại lượng điện áp và công suất liên quan đến các bộ điều khiển khác nhau như PID truyền thống, Fuzzy, và ANFIS

Đại lượng

Hạng mục

PID

Fuzzy ANFIS

Điện áp Vpcc (pu)

Công suất tác dụng máy phát đồng bộ (PSG)

Công suất phản kháng máy phát đồng bộ (QWF)

Công suất tác dụng phát điện gió (PWF)

Công suất phản kháng phát điện gió (QWF)

2,576 Thời gian ổn định (s) Giá trị đỉnh 1,033 Độ chênh lệch điện áp 5,55% 6,101 Thời gian ổn định (s) 1,241 Giá trị đỉnh - Độ chênh lệch điện áp 4,69 Thời gian ổn định (s) 0,306 Giá trị đỉnh - Độ chênh lệch điện áp 5,321 Thời gian ổn định (s) 0,832 Giá trị đỉnh - Độ chênh lệch điện áp 4,691 Thời gian ổn định (s) 0,306 Giá trị đỉnh - Độ chênh lệch điện áp

1,844 1,632 1,003 0,991 2,48% 1,26% 3,154 2,641 1,137 1,114 - 4,274 3,681 0,261 0,245 - 4,585 3,718 0,817 0,799 - 4,274 3,681 0,261 0,245 -

Hình 4.7 Công suất tác dụng (PWF) và công suất phản kháng (QWF) khi có ngắn mạch 3 pha trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS

Hình 4.6 Hình 4.5 và Hình 4.7 lần lượt trình bày các đáp ứng quá độ của điện áp tại

điểm đấu nối chung PCC, công suất của máy phát đồng bộ (SG), và công suất của máy

phát điện gió (DFIG) khi có sự cố ngắn mạch 3 pha trong hệ thống điện, trong trường

hợp mà sử dụng bộ điều khiển ANFIS cho thiết bị STATCOM để cải thiện điện áp trong

hệ thống OMIB. Kết quả mô phỏng cho biết bộ điều khiển ANFIS có khả năng ổn định

động học tốt hơn so với các bộ điều khiển PID và Fuzzy. Bảng 4.3 cho biết sự so sánh

các đặc tính động học của các đại lượng điện áp và công suất liên quan đến các bộ điều

khiển khác nhau như PID truyền thống, Fuzzy, và ANFIS của thiết bị STATCOM trong

hệ thống OMIB. Đối với bộ điều khiển ANFIS, thời gian ổn định điện áp là ở khoảng

1,6s, thời gian ổn định công suất máy phát đồng bộ trung bình là 3s, và thời gian ổn định

công suất máy phát điện gió là ở 3,6s.

4.1.2.3 Khảo sát với bộ điều khiển kết hợp ANFIS-PSO và ANFIS-GA

Trong phần này, tác giả trình bày kết quả nghiên cứu sử dụng bộ điều khiển kết hợp

ANFIS-PSO và ANFIS-GA cho thiết bị STATCOM để ổn định điện áp trên lưới điện

OMIB. Hơn nữa, kết quả từ các bộ điều khiển kết hợp được so sánh với kết quả từ các

bộ điều khiển trước đó, như đã đề cập trong Mục 4.1.2.1 và Mục 4.1.2.2.

Bộ dữ liệu để huấn luyện ANFIS – PSO được thu thập từ hệ dùng bộ điều khiển PID

với thời gian lấy mẫu là 1kHz. Kết quả huấn luyện cho thấy đáp ứng của ngõ ra huấn

luyện với mục tiêu là xấp xỉ và có độ chính xác được đánh giá bằng chỉ số RMSE đạt

0,037742, được cho biết trong Hình 4.8. Tương tự, bộ dữ liệu để huấn luyện ANFIS –

GA cũng được dùng chung với bộ dữ liệu với hệ ANFIS – PSO, kết quả huấn luyện cho

thấy đáp ứng rất tốt và chỉ số đánh giá RMSE đạt 0,036427.

Hình 4.9, Hình 4.10 và Hình 4.11 lần lượt cho biết kết quả khảo sát đặc tính động học

của điện áp nút tại điểm PCC, công suất máy phát đồng bộ, và công suất máy điện gió

trong trường hợp sử dụng bộ điều khiển ANFIS-PSO và ANFIS-GA. Kết quả mô phỏng

từ các bộ điều khiển ANFIS-PSO và ANFIS-GA được so sánh với các bộ điều khiển

PID, Fuzzy, và ANFIS.

Bảng 4.7 cho biết sự so sánh các đặc tính động học của các đại lượng điện áp và công

suất liên quan đến các bộ điều khiển khác nhau dành cho thiết bị STATCOM trên lưới

điện OMIB. Như kết luận, các bộ điều khiển ANFIS-GA và ANFIS-PSO cho

STATCOM có thể làm giảm đáng kể các đặc tính dao động động học của điện áp tại

PCC (đạt trạng thái xác lập khoảng 1,5s và độ chệnh lệch điện áp khoảng 1,5%), công

suất của máy phát đồng bộ PCC (đạt trạng thái xác lập khoảng 1,6 ~ 2,5s), và công suất

của máy phát điện gió (đạt trạng thái xác lập khoảng 2,3 ~ 2,5s) tại thời điểm phục hồi

sự cố ba pha xảy ra trên lưới điện OMIB.

Bảng 4.4 Đặc tính của mô hình huấn luyện ANFIS

Thông số ANFIS

Giá trị Sugeno 5 [2 1]

[5 5] Loại (type) Số lượng nhóm (number of clusters) Ngõ vào/ngõ ra (inputs/outputs) Số lượng các hàm liên thuộc ngõ vào (number of input MFs-Membership Functions)

Bảng 4.5 Thông số cài đặt cho thuật toán bầy đàn (PSO)

Thông số cài đặt

Giá trị 25 500 1 1 2

0,99 Kích thước quần thể (Population Size, Npop) Số lần lặp tối đa (Maximum Number of Iterations) Trọng số quán tính (Inertia Weight (w)) Hệ số học mỗi cá thể (Personal Learning Coefficient (c1)) Hệ số học toàn cục (Global Learning Coefficient (c2)) Hệ số tắt dần trọng số quán tính (Inertia Weight Damping Ratio (wdamp))

Bảng 4.6 Thông số cài đặt cho thuật toán di truyền (GA)

Thông số cài đặt

Giá trị 25 500 0,4 0,7 0,15 Kích thước quần thể (Population Size, Npop) Số lần lặp tối đa (Maximum Number of Iterations) Crossover Percentage (pc) Mutation Percentage () Mutation Rate ()

Hình 4.8 So sánh kết quả huấn luyện ANFIS dùng PSO và GA đối với bộ dữ liệu từ hệ dùng PID

Bảng 4.7 Bảng so sánh các bộ điều khiển ANFIS-PSO, ANFIS-GA, PID, Fuzzy, và ANFIS dành cho thiết bị STATCOM trên lưới OMIB

Đại lượng

Hạng mục

PID

Fuzzy ANFIS

ANFIS- GA

ANFIS- PSO

2,576

1,844

1,632

1,497

1,444

Điện áp Vpcc (pu)

1,033

1,003

0,991

0,995

0,993

5,55%

2,48% 1,26%

1,62%

1,43%

6,101

3,154

2,641

1,688

1,634

1,241

1,137

1,114

1,109

1,108

Công suất tác dụng máy phát đồng bộ (PSG)

4,691

4,274

3,681

2,533

2,351

0,306

0,26

0,245

Công suất phản kháng máy phát đồng bộ (QWF)

5,321

4,585

3,718

2,507

2,361

0,832

0,817

0,799

0,806

0,805

Công suất tác dụng phát điện gió (PWF)

4,691

4,274

3,681

2,533

2,351

0,306

0,261

0,245

Công suất phản kháng phát điện gió (QWF)

Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp

Hình 4.9 Điện áp quá độ (VPCC) tại điểm đấu nối chung PCC khi có ngắn mạch 3 pha trong trường hợp sử dụng PID, Fuzzy, ANFIS, ANFIS-GA, và ANFIS-PSO

(a) Công suất PSG của máy phát đồng bộ khi có ngắn mạch 3 pha

(b) Công suất QSG của máy phát đồng bộ khi có ngắn mạch 3 pha

Hình 4.10 Công suất (PSG và QSG) của máy phát đồng bộ khi có ngắn mạch 3 pha trong trường hợp sử dụng điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, và ANFIS-PSO

Hình 4.11 Công suất tác dụng (PWF) và công suất phản kháng (QWF) khi có ngắn mạch 3 pha khi sử dụng các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, và ANFIS-PSO

4.1.2.4 Khảo sát với bộ điều khiển ANFIS-Online

Dựa trên cơ sở lý thuyết được trình bày trong Chương 2 và Chương 3, phần này trình

bày kết quả mô phỏng khi áp dụng bộ điều khiển ANFIS-Online cho thiết bị STATCOM

để cải thiện điện áp trên lưới điện OMIB. Theo đó, các thông số bộ điều khiển ANFIS-

Online được cập nhật trực tuyến trong suốt quá trình huấn luyện. Cụ thể, theo cấu trúc

hệ mờ thích nghi được trình bày trong Hình 3.12 của Chương 3, tác giả sử dụng hàm

gauss, 5 hàm liên thuộc (membership functions) có số lượng các nơron là 5, 10, 20, 20

và 5 tương ứng với các lớp 1, 2, 3, 4 và 5, Tổng số tham số cần cập nhật là 35 thông số

tương ứng với 20 tham số thuộc lớp 1 (tương ứng với 2 ngõ vào là sai số 𝑒 và vi phân

của sai số, ∆𝑒 ) và 15 thông số ở lớp ngõ ra (01 ngõ ra với 5 hàm liên thuộc và 3 biến ở

mỗi hàm liên thuộc là a0, a1, và a2 được đề cập trong phương trình (2.23)).

Sơ đồ cấu trúc bộ điều khiển ANFIS-Online được nêu trong Hình 3.12 của Chương 3,

Trong trường hợp áp dụng bộ ANFIS-Online để ổn định điện áp lưới, hai bước thực hiện

trong cấu trúc này như sau: i) đánh giá trực tuyến các thông số hệ thống thông qua bộ

dự báo ANI và tính toán cập nhật các thông số bộ điều khiển; và ii) nếu trong hệ thống

có thay đổi, bộ dự báo ANI sẽ cung cấp một kết quả sai số nhất định và cung cấp việc

tính toán cập nhật, điều chỉnh lại các thông số bộ ANFIS. Đầu vào của bộ điều khiển

ANFIS là độ lệch điện áp tại điểm kết nối chung (PCC) và vi phân của nó. Đối với kết

quả mô phỏng, tác giả chọn thời gian lấy mẫu là 1kHz và hệ số học là 0,01. Các kết quả

mô phỏng được trình bày trong Hình 4.12, Hình 4.13 và Hình 4.14. Hình 4.12 trình bày

đặc tuyến điện áp tại nút PCC khi có ngắn mạch 3 pha tại lưới OMIB. Hình 4.13 trình

bày đặc tuyến công suất tác dụng và công suất phản kháng của máy phát đồng bộ khi có

ngắn mạch 3 pha tại lưới OMIB. Hình 4.14 hiển thị đặc tuyến công suất tác dụng và

công suất phản kháng của cụm phát điện gió trên lưới OMIB.

Hình 4.12 Điện áp quá độ (VPCC) tại điểm đấu nối chung PCC khi có ngắn mạch 3 pha trong trường hợp sử dụng ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-Online

Hình 4.12 cho thấy tại thời điểm xuất hiện sự cố ngắn mạch ba pha trên lưới OMIB,

điện áp tại nút PCC giảm về dưới 0,5pu; sau khi cách ly sự cố, điện áp được phục hồi

lại và có xu hướng vọt quá giá trị xác lập, và dao động trong một khoảng thời gian xác

định trước khi đạt trạng thái xác lập/ổn định. So sánh các đáp ứng điện áp khi dùng các

bộ điều khiển ANFIS thông thường, ANFIS-PSO, ANFIS-GA và ANFIS-Online, nó

cho thấy bộ điều khiển ANFIS đạt giá trị xác lập ở thời điểm 1,5 giây, trong khi đó các

bộ điều khiển ANFIS-PSO và ANFIS-GA đạt giá trị xác lập ở thời điểm 1,3 giây, còn

bộ điều khiển ANFIS-Online đạt giá trị xác lập nhanh nhất ở thời điểm 1,17 giây.

Bảng 4.8 Bảng so sánh các bộ điều khiển ANFIS-PSO, ANFIS-GA, ANFIS và ANFIS-Online dành cho thiết bị STATCOM trên lưới OMIB

Đại lượng

Hạng mục

ANFIS

ANFIS GA

ANFIS PSO

ANFIS Online

Thời gian ổn định (s)

1,632

1,497

1,444

1,346

Điện áp Vpcc (pu)

Giá trị đỉnh

0,991

0,995

0,993

0,987

Độ chênh lệch điện áp

1,26%

1,62%

1,43%

0,85%

Thời gian ổn định (s)

2,641

1,688

1,634

1,157

Giá trị đỉnh

1,114

1,109

1,108

0,977

Công suất tác dụng máy phát đồng bộ (PSG)

Độ chênh lệch điện áp

Thời gian ổn định (s)

3,681

2,533

2,351

2,111

Giá trị đỉnh

0,245

0,233

Công suất phản kháng máy phát đồng bộ (QWF)

Độ chênh lệch điện áp

Thời gian ổn định (s)

3,718

2,507

2,361

2,095

Giá trị đỉnh

0,799

0,806

0,805

0,798

Công suất tác dụng phát điện gió (PWF)

Độ chênh lệch điện áp

Thời gian ổn định (s)

3,681

2,533

2,351

2,111

Giá trị đỉnh

0,245

0,233

Công suất phản kháng phát điện gió (QWF)

Độ chênh lệch điện áp

Bảng 4.8 cho biết sự so sánh các đặc tính động học của các đại lượng điện áp và công

suất liên quan đến các bộ điều khiển khác nhau dành cho thiết bị STATCOM trên lưới

điện OMIB. Như kết luận, bộ điều khiển ANFIS-Online có thể làm giảm đáng kể các

đặc tính dao động động học của điện áp tại PCC (đạt trạng thái xác lập khoảng 1,346s

và độ chênh lệch điện áp khoảng 0,85%), công suất của máy phát đồng bộ PCC (đạt

trạng thái xác lập khoảng 1,1 ~ 2,1s), và công suất của máy phát điện gió (đạt trạng thái

xác lập khoảng 2,09 ~ 2,36s) tại thời điểm phục hồi sự cố ba pha xảy ra trên lưới điện

OMIB.

Hình 4.13 Công suất (PSG và QSG) của máy phát đồng bộ khi có ngắn mạch 3 pha trong trường hợp sử dụng các bộ điều khiển ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-Online

Hình 4.14 Công suất tác dụng (PWF) và công suất phản kháng (QWF) khi có ngắn mạch 3 pha đối với các bộ điều khiển ANFIS, ANFIS-GA, ANFIS-PSO, và ANFIS-Online

4.1.3 Đánh giá kết quả nghiên cứu bộ điều khiển STATCOM trên hệ OMIB

Bảng 4.9 cho biết sự so sánh các đặc tính động học của các đại lượng điện áp và công

suất liên quan đến các bộ điều khiển khác nhau (PID, Fuzzy, ANFIS, ANFIS-GA,

ANFIS-PSO, và ANFIS-Online) dành cho thiết bị STATCOM trên lưới điện OMIB.

Như kết luận, bộ điều khiển ANFIS-Online có thể làm giảm đáng kể tốt nhất các đặc

tính dao động động học của điện áp tại PCC (đạt trạng thái xác lập khoảng 1,346s và độ

chênh lệch điện áp khoảng 0,85%), công suất của máy phát đồng bộ PCC (đạt trạng thái

xác lập khoảng 1,1 ~ 2,1s), và công suất của máy phát điện gió (đạt trạng thái xác lập

khoảng 2,09 ~ 2,36s) tại thời điểm phục hồi sự cố ba pha xảy ra trên lưới điện OMIB.

Bảng 4.9 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-PSO, ANFIS- GA, và ANFIS-Online dành cho thiết bị STATCOM trên lưới OMIB

PID

Fuzzy ANFIS

Đại lượng

No STAT

With STAT

ANFIS GA

ANFIS PSO

ANFIS Online

3,508

3,253

2,576

1,844 1,632

1,497

1,444

1,346

1,072

1,064

1,033

1,003 0,991

0,995

0,993

0,987

Điện áp Vpcc (pu)

9,53%

8,72% 5,55% 2,48% 1,26%

1,62%

1,43%

0,85%

4,511

4,383

6,101

3,154 2,641

1,688

1,634

1,157

1,191

1,203

1,241

1,137 1,114

1,109

1,108

0,977

Công suất tác dụng máy phát đồng bộ (PSG)

6,653

5,583

4,691

4,274 3,681

2,533

2,351

2,111

0,356

0,348

0,306

0,261 0,245

0,245

0,233

Công suất phản kháng máy phát đồng bộ (QWF)

6,603

6,853

5,321

4,585 3,718

2,507

2,361

2,095

0,836

0,862

0,832

0,817 0,799

0,806

0,805

0,798

Công suất tác dụng phát điện gió (PWF)

6,653

5,583

4,691

4,274 3,681

2,533

2,351

2,111

0,356

0,348

0,306

0,26

0,245

0,233

Công suất phản kháng phát điện gió (QWF)

Hạng mục Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp

4.2 Các kết quả nghiên cứu với hệ thống B

4.2.1 Cấu trúc của hệ thống B

Mô hình hệ thống điện nhiều nút, nhiều máy phát, ví dụ như IEEE_9 nút được dùng

trong các nghiên cứu ổn định hệ thống điện, sử dụng trong các bài phân bố công suất

(đơn giản) nhờ vào tính đầy đủ của các đặc điểm về cấu trúc kết nối mạch vòng, các

dạng nguồn phát được thay thế. Các dao động đa phương thức có thể được được nghiên

trong một hệ thống nhiều máy trong đó các máy phát tạo liên kết với nhau có hằng số

quán tính khác nhau. Những dao động này thường được phân tích trong hai chế độ dao

động chính, được gọi là chế độ cục bộ và liên khu vực. Tùy thuộc vào vị trí của chúng

trong hệ thống, một số máy phát điện chỉ tham gia vào một chế độ dao động, trong khi

một số khác tham gia vào nhiều chế độ [107]. Bên cạnh đó, mô hình nhiều nút cũng giúp

khảo sát đầy đủ các đại lượng điện áp, công suất khác nhau, có thể khảo sát đồng thời

mức độ ảnh hưởng của mô hình điều khiển, thiết bị điều khiển điện áp khác nhau trong

việc giảm dao động hệ thống điện và cải tiến ổn định thoáng qua trong các điều kiện vận

hành khác nhau.

Hình 4.15 Cấu trúc của hệ thống nghiên cứu 9 nút

Trong luận án này, nhằm mục đích khảo sát các đáp ứng động của các máy phát khác,

cũng như ảnh hưởng điện áp tại nút kết nối chung với STATCOM, tác giả thực hiện các

kịch bản mô phỏng trên hệ IEEE_9 nút. Hình 4.15 thể hiện cấu trúc của hệ thống nghiên

cứu với 03 máy phát đồng bộ (SG) cấp nguồn cho 03 phụ tải tại các nút 8, 9 và 10, Các

thông số của các phần tử trong hệ thống điện mẫu này được tham khảo từ [20]. Tại nút

9 được lắp đặt bộ STATCOM công suất 50MVAR (việc xác định vị trí và dung lượng

của STATCOM được khảo sát và trình bày trong mục 3 phụ lục). Kịch bản nghiên cứu

là trường hợp khi có ngắn mạch 03 pha xảy ra tại phụ tải C nối với Bus 8 và sự cố này

xuất hiện tại thời điểm 𝑡 = 1𝑠 và điểm sự cố được cô lập sau khoảng thời gian là 05 chu

kỳ (100𝑚𝑠). Thời gian cô lập sự cố này được chọn mô phỏng tương ứng với thực tế vận

hành trong hệ thống điện và thời gian tác động của hệ thống relay bảo vệ và thời gian

mở tiếp điểm của các máy cắt. Tác giả đề xuất các giải thuật cải tiến bộ điều khiển

STATCOM gồm Fuzzy, ANFIS, ANFIS-PSO, ANFIS – GA và ANFIS-Online để so

sánh các kết quả mô phỏng đạt được, đánh giá và có kết luận về tính hiệu quả của các

giải thuật được nghiên cứu trong đề tài.

Trong hệ lưới điện mẫu IEEE_9 nút, mô hình mô phỏng của các bộ điều khiển Fuzzy,

ANFIS–PSO, ANFIS-GA và ANFIS-Online được sử dụng tương tự mô hình trình bày

trong các Hình 3.4, Hình 3.7, và Hình 3.13.

4.2.2 Kết quả mô phỏng hệ thống B

4.2.2.1 Khảo sát với bộ điều khiển Fuzzy và ANFIS

Với các bộ điều khiển STATCOM riêng lẻ, tác giả đã có ba công bố sử dụng các bộ điều

khiển Fuzzy [72] và ANFIS [73] để điều chỉnh các thông số bộ điều khiển PID. Các kết

quả mô phỏng cho biết các đáp ứng của công suất tác dụng, công suất phản kháng của

các máy phát điện SG cũng như điện áp tại nút kết nối chung, đã được cải thiện tốt hơn

trong trường hợp so sánh với bộ điều khiển PID thông thường. Ở đây, tác giả chỉ trình

bày kết quả tổng hợp của các bộ điều khiển để có cái nhìn tổng quan và dễ đánh giá mức

độ hiệu quả của các bộ điều khiển khác nhau dành cho STATCOM.

Hình 4.16 và Hình 4.17 cho biết đặc tính động học của các công suất tác dụng tại các

máy phát SG1 và SG2 trên lưới khảo sát. Trong Bảng 4.10, công suất của các máy phát

SG1, SG2 và SG3 có dao động khi xảy ra ngắn mạch với thời gian dao động khoảng 5

giây.

Trường hợp có bổ sung bộ điều khiển Fuzzy hay ANFIS thì dao động này giảm rõ rệt;

cụ thể, công suất của các máy phát SG1, SG2 và SG3 dao động trong khoảng 2,5 - 3

giây; so với trường hợp không có bộ điều khiển thì dao động này kéo dài đến 5 – 6 giây.

Biên độ dao động công suất trong trường hợp có bộ điều khiển cũng thấp hơn đối với

trường hợp không có bộ điều khiển, điển hình là công suất của SG1, xem Hình 4.16a.

a) Công suất tác dụng tại máy phát SG1 (PSG1)

b) Công suất tác dụng tại máy phát SG2 (PSG2)

Hình 4.16 Đặc tính động học của các công suất tác dụng tại các máy phát SG1 và SG2 trên lưới điện mẫu IEEE_9 nút được khảo sát

Bảng 4.10 Bảng so sánh các bộ điều khiển PID, Fuzzy, và ANFIS dành cho thiết bị STATCOM trên lưới điện 9 nút được khảo sát

Đặc tính động học

No Contr. PID

Fuzzy ANFIS

Thành phần điện

6,101 1,678 104%

4,301 1,686 105%

4,301 1,784 117%

Công suất tác dụng (PSG1)

-2,082

0,358

0,426

0,358

56% 5,201 2,974 98%

48% 5,201 2,994 100%

56% 5,201 2,974 98%

Công suất tác dụng (PSG2)

-1,378

-0,764

-0,790

-0,692

151% 4,701 1,868 183%

153% 4,701 1,95 196%

146% 4,701 1,897 188%

Công suất tác dụng (PSG3)

-0,578

0,055

0,071

188% 4,651 1,051 1%

92% 4,651 1,051 1%

89% 4,651 1,044 1%

Điện áp tại máy phát 1 (VSG1)

0,484

0,956

0,962

8% 3,801 1,039 1%

7% 3,801 1,039 1%

Điện áp tại máy phát 2 (VSG2)

0,6061

0,8227

0,8553 0,8614

20% 3,601 1,019 0%

17% 3,601 1,019 0%

16% 3,601 1,019 0%

Điện áp tại máy phát 3 (VSG3)

0,712

0,872

0,874

0,879

14% 4,801 1,117 6%

14% 3,801 1,11 6%

14% 3,501 1,104 5%

Điện áp tại nút PCC (VPCC)

0,964

0,943

0,957

0,951

Thời gian ổn định (s) Giá trị đỉnh Độ chênh lệch điện áp trên Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 353% 6,101 Thời gian ổn định (s) 3,291 Giá trị đỉnh Độ chênh lệch điện áp trên 119% Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 192% 6,101 Thời gian ổn định (s) 2,252 Giá trị đỉnh 241% Độ chênh lệch điện áp trên Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 188% 6,101 Thời gian ổn định (s) 1,051 Giá trị đỉnh Độ chênh lệch điện áp trên 1% Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 53% 5,751 Thời gian ổn định (s) 1,026 Giá trị đỉnh Độ chênh lệch điện áp trên 0% Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 41% 5,751 Thời gian ổn định (s) 1,019 Giá trị đỉnh Độ chênh lệch điện áp trên 0% Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 30% 5,101 Thời gian ổn định (s) 1,117 Giá trị đỉnh Độ chênh lệch điện áp trên 6% Giá trị đỉnh dưới (nửa chu kỳ dao động sau) Độ chênh lệch điện áp dưới 8%

10%

Các Hình 4.17a, Hình 4.17b, Hình 4.17c và Hình 4.17d lần lượt cho biết đặc tính động

học của các điện áp tại các máy phát SG1, SG2, SG3 và tại điểm chung PCC trên lưới

khảo sát. Như kết quả, bộ điều khiển ANFIS có thể giảm độ dao động động học của điện

áp tốt hơn các bộ điều khiển PID và Fuzzy. Hơn nữa, Bảng 4.10 cho biết sự so sánh các

đặc tính động học của các đại lượng điện áp và công suất liên quan đến các bộ điều

khiển khác nhau dành cho thiết bị STATCOM trên lưới điện IEEE_9 nút. Như kết luận,

bộ điều khiển ANFIS có thể làm giảm đáng kể tốt nhất các đặc tính dao động động học

của các thông số điện áp (đạt trạng thái xác lập khoảng 0,8~1,1s và độ chênh lệch điện

áp dưới 1%) và các thông số công suất của máy phát điện (đạt trạng thái xác lập khoảng

4,3 ~ 5,2s) tại thời điểm sự cố ba pha được phục hồi trên lưới điện khảo sát.

a) Đặc tính động học của điện áp tại máy phát SG1 (VSG1)

b) Đặc tính động học của điện áp tại máy phát SG2 (VSG2)

c) Đặc tính động học của điện áp tại máy phát SG3 (VSG3)

d) Đặc tính động học của điện áp tại điểm PCC (VPCC)

Hình 4.17 Đặc tính động học của điện áp tại các máy phát SG1, SG2, SG3 và tại điểm chung PCC trên lưới khảo sát sử dụng các bộ điều khiển PID, Fuzzy, và ANFIS

Trong các Hình 4.17a, Hình 4.17b, Hình 4.17c và Hình 4.17d, các đường đặc tuyến màu

đen nét đứt là kết quả mô phỏng động học của điện áp khi chưa có bất kỳ bộ điều khiển

nào, các đường đặc tuyến màu cyan nét đứt là kết quả mô phỏng động học của điện áp

khi có bộ điều khiển PID, các đường đặc tuyến màu xanh dương là kết quả mô phỏng

khi sử dụng bộ điều khiển Fuzzy, và các đường đặc tuyến màu đỏ tương ứng với kết quả

mô phỏng khi sử dụng bộ điều khiển ANFIS.

Khi xảy ra ngắn mạch ba pha, điện áp các máy phát SG1, SG2 và SG3 giảm đến 0,2pu.

Sau khi cô lập điểm sự cố, điện áp này phục hồi lại giá trị định mức. Trong trường hợp

không có bộ điều khiển, thời gian phục hồi điện áp khoảng 2 – 3 giây, và trong trường

hợp có bộ điều khiển Fuzzy hoặc ANFIS thì việc phục hồi điện áp của các máy phát

SG1, SG2, và SG3 là tốt hơn rất nhiều và thời gian phục hồi khoảng 1 – 1,5 giây. Việc

phục hồi nhanh biên độ điện áp các máy phát nhằm giúp duy trì ổn định điện áp tại các

nút còn lại trong hệ thống. Việc này rất quan trọng đối với các phụ tải có độ nhạy cao

như phụ tải trong các khu công nghiệp, các dây chuyền sản xuất các linh kiện bán dẫn…

Thời gian sụt áp kéo dài sẽ ảnh hưởng đến việc quyết định tiếp tục duy trì hay ngừng

dây chuyền sản xuất do ảnh hưởng đến chất lượng sản phẩm. Như kết luận, kết quả mô

phỏng trong phần này cho thấy sự hiệu quả của bộ điều khiển Fuzzy và ANFIS, nó đã

góp phần tích cực vào việc cải thiện chất lượng điện áp trong hệ thống điện đối với các

trường hợp có ngắn mạch, cụ thể ở đây là ngắn mạch 3 pha.

4.2.2.2 Khảo sát với bộ điều khiển ANFIS-PSO và ANFIS-GA

Trong phần này, tác giả trình bày kết quả khảo sát đặc tính động học điện áp và đáp ứng

của nó trong trường hợp STATCOM sử dụng các bộ điều khiển ANFIS-PSO, ANFIS-

GA và ANFIS – GA. Kết quả mô phỏng từ các bộ điều khiển trên được so sánh với các

bộ điều khiển được đề cập trước đó. Các thông số của việc huấn luyện các hệ ANFIS,

PSO và GA lần lượt được nêu trong các Bảng 4.4, Bảng 4.5, và Bảng 4.6.

Hình 4.18 So sánh kết quả huấn luyện ANFIS dùng PSO và GA

Bảng 4.11 Bảng so sánh các bộ điều khiển PID, ANFIS, ANFIS-GA và ANFIS-PSO dành cho thiết bị STATCOM trên lưới điện 9 nút được khảo sát

Đặc tính động học

ANFIS

PID

Thành phần điện

ANFIS GA

ANFIS PSO

4,651

Thời gian ổn định (s)

4,651

1,051

Giá trị đỉnh

1,044

Độ chênh lệch điện áp trên

0,956

0,962

Điện áp tại máy phát 1 (VSG1)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

Độ chênh lệch điện áp dưới

Thời gian ổn định (s)

3,801

Giá trị đỉnh

1,039

Độ chênh lệch điện áp trên

0,822

0,861

Điện áp tại máy phát 2 (VSG2)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

Độ chênh lệch điện áp dưới

20%

16%

Thời gian ổn định (s)

3,601

Giá trị đỉnh

1,019

Độ chênh lệch điện áp trên

0,872

0,879

Điện áp tại máy phát 3 (VSG3)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

Độ chênh lệch điện áp dưới

14%

Thời gian ổn định (s)

4,801

3,501

Giá trị đỉnh

1,117

1,104

1,101

Độ chênh lệch điện áp trên

0,943

0,951

0,949

0,958

Điện áp tại nút PCC (VPCC)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

Độ chênh lệch điện áp dưới

10%

Trong nghiên cứu này, bộ dữ liệu để huấn luyện ANFIS – PSO được thu thập từ hệ dùng

của bộ điều khiển PID với thời gian lấy mẫu là 0,01s. Kết quả huấn luyện cho thấy đáp

ứng của ngõ ra có độ chính xác cao khi được đánh giá bằng chỉ số RMSE, đạt 0,037742.

Tương tự, bộ dữ liệu để huấn luyện ANFIS – GA cũng được dùng chung bộ dữ liệu với

hệ ANFIS – PSO, kết quả huấn luyện cho thấy đáp ứng rất tốt và chỉ số đánh giá RMSE

đạt 0,036427.

a) Đặc tính động học của điện áp tại nút PCC sử dụng các bộ điều khiển PID,

ANFIS-PSO, và ANFIS-GA

b) Đặc tính động học của điện áp tại nút PCC sử dụng các bộ điều khiển PID,

ANFIS, ANFIS-PSO, và ANFIS-GA

Hình 4.19 Đặc tính động học của các điện áp tại các máy phát SG1, SG2, SG3 và tại điểm chung PCC trên lưới khảo sát, sử dụng các bộ điều khiển PID và ANFIS

Hình 4.18 cho biết kết quả huấn luyện ANFIS dùng PSO và GA khi được so sánh với

bộ dữ liệu PID dùng để huấn luyện. Kết quả khảo sát sự dao động điện áp tại nút PCC

của lưới 9 nút trong các trường hợp sử dụng bộ điều khiển ANFIS, ANFIS-PSO và

ANFIS-GA được biểu diễn trên Hình 4.19a và Hình 4.19b. Hơn nữa, Bảng 4.11 cho biết

sự so sánh các đặc tính động học của các đại lượng điện áp liên quan đến các bộ điều

khiển khác nhau dành cho thiết bị STATCOM trên lưới điện IEEE_9 nút.

Như kết luận, các bộ điều khiển có sử dụng ANFIS có thể làm giảm đáng kể các đặc

tính dao động động học của thông số điện áp tại điểm PCC khi sự cố ba pha được phục

hồi trên lưới điện khảo sát.

4.2.2.3 Khảo sát với bộ điều khiển ANFIS-Online

Các kết quả mô phỏng được khảo sát cho thấy các bộ điều khiển như ANFIS, ANFIS-

PSO, ANFIS-GA, và ANFIS-Online đều cho đáp ứng tốt hơn bộ điều khiển PID truyền

thống. Cụ thể, đáp ứng dao động điện áp với bộ điều khiển ANFIS-GA có độ chênh lệch

điện áp cũng như độ dao động động học ít hơn các trường hợp khác.

Hình 4.20 So sánh các kết quả ổn định điện áp tại nút PCC khi sử dụng bộ huấn luyện ANFIS cho thiết bị STATCOM

Bảng 4.12 Bảng so sánh các bộ điều khiển PID, ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-Online dành cho thiết bị STATCOM trên lưới điện 9 nút được khảo sát

Đặc tính động học

PID

ANFIS

Thành phần điện

ANFIS GA

ANFIS PSO

ANFIS Online

Thời gian ổn định (s) 4,651

4,651

4,631

Giá trị đỉnh

1,051

1,044

1,041

0,5%

Độ chênh lệch điện áp trên

Điện áp tại máy phát 1 (VSG1)

0,956

0,962

0,961

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

Độ chênh lệch điện áp dưới

Thời gian ổn định (s) 3,801

3,801

3,601

Giá trị đỉnh

1,039

1,036

Độ chênh lệch điện áp trên

Điện áp tại máy phát 2 (VSG2)

0,822

0,861

0,864

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

20%

16%

Độ chênh lệch điện áp dưới

Thời gian ổn định (s) 3,601

3,601

3,501

Giá trị đỉnh

1,019

1,018

Độ chênh lệch điện áp trên

Điện áp tại máy phát 3 (VSG3)

0,872

0,879

0,886

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

14%

13%

Độ chênh lệch điện áp dưới

Thời gian ổn định (s) 4,801

3,501

Giá trị đỉnh

1,117

1,104

1,101

1,089

Độ chênh lệch điện áp trên

Điện áp tại nút PCC (VPCC)

0,943

0,951

0,949

0,958

0,953

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

10%

Độ chênh lệch điện áp dưới

Ngoài ra, kết quả mô phỏng trong Hình 4.20 còn cho thấy việc ứng dụng bộ điều khiển

ANFIS-Online có thể cải thiện tính ổn định điện áp trên lưới điện tương tự các thuật

toán khác (như PID, ANFIS-PSO, ANFIS-GA…). Phương pháp ANFIS-Online này sử

dụng các giá trị đo lường tức thời để so sánh, điều chỉnh, và cập nhật ngay các thông số

bộ điều khiển của STATCOM, và giúp cho bộ điều khiển đưa ra quyết định phù hợp

hơn và đạt chế độ vận hành hiệu quả hơn.

Bảng 4.12 so sánh các đặc tính động học của các đại lượng điện áp liên quan đến các bộ

điều khiển khác nhau dành cho thiết bị STATCOM trên lưới điện IEEE_9 nút. Như kết

luận, bộ điều khiển ANFIS-Online có thể làm giảm đáng kể các đặc tính dao động động

học của các thông số điện áp của lưới; chi tiết, tại máy phát SG1, điện áp đạt trạng thái

xác lập khoảng 4,63s, độ chênh lệch điện áp trên 0,5% và độ chênh lệch điện áp dưới

7%; tại máy phát SG2, điện áp đạt trạng thái xác lập khoảng 3,6s, độ chênh lệch điện áp

trên 1% và độ chênh lệch điện áp dưới 16%; tại máy phát SG3, điện áp đạt trạng thái

xác lập khoảng 3,5s, độ chênh lệch điện áp trên 0% và độ chênh lệch điện áp dưới 13%;

và tại điểm PCC của lưới, điện áp đạt trạng thái xác lập khoảng 3,5s, độ chênh lệch điện

áp trên 4% và độ chênh lệch điện áp dưới 9% khi sự cố ba pha được phục hồi trên lưới

điện khảo sát.

4.2.3 Đánh giá các kết quả nghiên cứu của bộ điều khiển STATCOM trên lưới

mẫu IEEE_9 nút

Bảng 4.13 so sánh các đặc tính động học của các đại lượng điện áp liên quan đến tất cả

các bộ điều khiển khác nhau dành cho thiết bị STATCOM trên lưới điện IEEE_9 nút.

Từ kết quả mô phỏng đạt được, các bộ điều khiển ANFIS-PSO, ANFIS- GA và ANFIS-

Online có thể cải thiện độ ổn định điện áp tốt hơn bộ điều khiển PID truyền thống. Trong

đó, ANFIS-Online cho kết quả tốt nhất khi so sánh với các bộ điều khiển khác. Các chỉ

số về độ chênh lệch điện áp và thời gian xác lập được sử dụng để so sánh định lượng

giữa các kết quả.

Nhìn chung, bảng so sánh này cho thấy về định lượng, trong trường hợp sử dụng các bộ

điều khiển ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-Online, thì độ chênh lệch điện

áp điện áp tại nút PCC là trong khoảng 9~10%. Điện áp đạt trạng thái xác lập đối với

các bộ điều khiển sử dụng ANFIS là khoảng 1,101s.

Bảng 4.13 So sánh thời gian, biên độ và độ chênh lệch điện áp các đáp ứng điện áp

Đặc tính động học

PID Fuzzy ANFIS

STAT COM

ANFIS GA

ANFIS PSO

ANFIS Online

Thành phần điện

Thời gian ổn định (s) 6,101

4,651 4,651

4,651

4,631

Giá trị đỉnh

1,051

1,051 1,051

1,044

1,041

0,5%

Độ chênh lệch điện áp trên

0,484

0,956 0,962

0,962

0,961

Điện áp tại máy phát 1 (VSG1)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

53%

Độ chênh lệch điện áp dưới

Thời gian ổn định (s) 5,751

3,801 3,801

3,801

3,601

Giá trị đỉnh

1,026

1,039 1,039

1,039

1,036

Độ chênh lệch điện áp trên

0,606

0,822 0,855

0,861

0,864

Điện áp tại máy phát 2 (VSG2)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

41%

20%

17%

16%

Độ chênh lệch điện áp dưới

Thời gian ổn định (s) 5,751

3,601 3,601

3,601

3,501

Giá trị đỉnh

1,019

1,019 1,019

1,019

1,018

Độ chênh lệch điện áp trên

0,712

0,872 0,874

0,879

0,886

Điện áp tại máy phát 3 (VSG3)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

30%

14%

13%

Độ chênh lệch điện áp dưới

Thời gian ổn định (s) 5,101

4,801 3,801

3,501

Giá trị đỉnh

1,117

1,117 1,11

1,104

1,101

1,089

Độ chênh lệch điện áp trên

0,963

0,943 0,957

0,951

0,949

0,958

0,953

Điện áp tại nút PCC (VPCC)

Giá trị đỉnh dưới (nửa chu kỳ dao động sau)

10%

Độ chênh lệch điện áp dưới

100

4.3 Tổng kết chương

Trong chương này, luận án đã tính toán, phân tích và đề xuất sử dụng các bộ điều khiển

khác nhau cho thiết bị STATCOM gồm: ANFIS, ANFIS-GA, ANFIS-PSO, và ANFIS-

Online. Hai hệ thống gồm: i) Hệ thống OMIB-hệ thống A (One Machine Infinite Bus)

và ii) hệ thống điện IEEE 9bus – hệ thống B được sử dụng để khảo sát các đặc tính ổn

định động học của các thông số điện áp và thông số công suất.

Đối với lưới OMIB, bộ điều khiển ANFIS-Online có thể làm giảm đáng kể tốt nhất các

đặc tính dao động động học của điện áp tại PCC (đạt trạng thái xác lập khoảng 1,346s

và độ chênh lệch điện áp khoảng 0,85%), công suất của máy phát đồng bộ PCC (đạt

trạng thái xác lập khoảng 1,1 ~ 2,1s), và công suất của máy phát điện gió (đạt trạng thái

xác lập khoảng 2,09 ~ 2,36s) tại thời điểm phục hồi sự cố ba pha xảy ra trên lưới điện

OMIB.

Đối với lưới IEEE_9 nút, các bộ điều khiển ANFIS, ANFIS-PSO, ANFIS- GA và

ANFIS-Online có thể cải thiện độ ổn định điện áp tốt hơn bộ điều khiển PID truyền

thống. Trong đó, ANFIS-PSO cho kết quả tốt nhất khi so sánh với các bộ điều khiển

khác. Nhìn chung, trong trường hợp sử dụng các bộ điều khiển ANFIS, ANFIS-GA,

ANFIS-PSO và ANFIS-Online, thì độ chênh lệch điện áp tại nút PCC của lưới 9 nút là

trong khoảng 9~10%. Điện áp đạt trạng thái xác lập đối với các bộ điều khiển sử dụng

ANFIS là khoảng 1,101s.

Sau khi phân tích và đánh giá các kết quả mô phỏng đạt được, các đóng góp chính của

luận án trong Chương này được cho biết như sau:

- Khảo sát, so sánh các giá đặc tính động học của điện áp tại các nút của hệ lưới điện

OMIB, IEEE_9 nút trong trường hợp không có và có STATCOM;

- Độ chênh lệch điện áp của bộ điều khiển ANFIS, ANFIS-PSO và ANFIS-GA là

tương đương nhau, độ chênh lệch điện áp của các bộ Fuzzy là thấp nhất trong khi

độ chênh lệch điện áp của bộ điều khiển ANFIS – Online là tốt nhất;

- Kết quả mô phỏng cho thấy các bộ điều khiển ANFIS-Online, ANFIS, ANFIS-

PSO, và ANFIS- GA đều cải thiện đặc tính động học của điện áp tốt hơn bộ điều

khiển PID thông thường. Trong đó, bộ điều khiển ANFIS-Online cho kết quả tốt

101

nhất khi so sánh về chỉ số độ chênh lệch điện áp và thời gian điện áp đạt trạng thái

xác lập sau khi tách lập sự cố.

102

Chương 5

KẾT QUẢ MÔ PHỎNG CỦA CÁC BỘ ĐIỀU KHIỂN STATCOM

ĐỂ CẢI THIỆN ĐIỆN ÁP TRÊN LƯỚI ĐIỆN THỰC TẾ

Việt Nam đã và đang đầu tư nhiều vào việc phát triển nguồn điện và lưới điện để đáp

ứng đủ nhu cầu năng lượng của đất nước. Tuy nhiên, vấn đề về chất lượng điện năng

chưa được quan tâm đúng mức, cụ thể, sự cố vẫn xảy ra trên lưới điện còn nhiều, điều

này ảnh hưởng đến thời gian mất điện của khách hàng, cũng như chất lượng điện áp

chưa ổn định để phục vụ cho sản xuất công nghệ cao. Hiện nay, chúng ta đã thực hiện

phát điện cạnh tranh trong vận hành hệ thống điện và tiến tới là phân phối điện cạnh

tranh, do đó chất lượng điện năng là một tiêu chí quan trọng để khách hàng sử dụng điện

có thể lựa chọn đúng đắn nhà cung cấp điện.

Để đảm bảo chất lượng điện năng trên lưới điện thì việc đầu tiên là phải xác định được

nguyên nhân và phân loại được các tín hiệu quá độ xuất hiện trên lưới điện. Từ đó sẽ

nghiên cứu và đưa ra giải pháp tối ưu cho từng trường hợp cụ thể phù hợp với từng loại

phụ tải để nhằm đáp ứng chất lượng điện năng. Việc ứng dụng các phần mềm để mô

phỏng, song song với tính toán kỹ thuật mới, được phân tích, xử lý và phân loại, và nhận

dạng các tín hiệu. Trong phạm vi cung cấp điện của Thành phố Hồ Chí Minh, Khu Công

nghệ cao là nơi tập trung nhiều phụ tải có yêu cầu chất lượng điện cao, các sự cố ngắn

mạch trên lưới điện đều gây ảnh hưởng đến các phụ tải khu vực này. Do đó, tác giả lựa

chọn lưới điện khu vực này để ứng dụng STATCOM và nghiên cứu các bộ điều khiển

được đề xuất cho nó.

Lưới điện Khu Công nghệ cao Tp. HCM được hiển thị trên sơ đồ đơn tuyến trong Hình

5.1. Sơ đồ lưới điện khu vực trạm 110kV Intel được cung cấp điện từ ba tuyến dây khác

nhau, cụ thể, đường dây 1 là từ 110kV Cát Lái (171)- Thủ Đức Đông- Intel (171 và 177),

đường dây 2 là từ trạm Cát Lái (172)- Thủ Đức Đông- Tăng Nhơn Phú- Intel (172 và

174), và đường dây 3 là từ trạm Thủ Đức 220kV (178) – Thủ Đức Bắc – Intel (176 và

177). Lưới điện khu vực cung cấp cho trạm Intel có nhiều nhánh rẽ T rất phức tạp, nguy

cơ xảy ra sự cố là khá cao. Lưới điện khu vực này được cấp điện chủ yếu từ hai trạm

biến áp 220kV Thủ Đức và Cát Lái. Trong sơ đồ cấp điện này, các máy cắt tại các trạm

110kV Thủ Đức, Intel, Thủ Đức Bắc, Tăng Nhơn Phú, Thủ Đức Đông là luôn đóng để

103

tạo mạch vòng cấp điện liên tục cho các trạm trong khu vực, cũng như tăng độ tin cậy

cấp điện khi có gián đoạn một phần tử đường dây bất kỳ.

Hình 5.1 Sơ đồ lưới điện khu vực cung cấp điện cho khu công nghệ cao Tp. HCM

STATCOM

Hình 5.2 Sơ đồ mô phỏng lưới điện khu công nghệ cao Tp. HCM

104

Về mặt lý thuyết, các thiết bị bù điện áp thường được xem xét lắp đặt tại vị trí mang lại

hiệu quả nhiều nhất trong hệ thống. Điều này đồng nghĩa với việc lựa chọn vị trí đặt tại

nút có nhiều kết nối với các phụ tải và gần tâm phụ tải nhất. Đối với lưới điện Khu

15MVAR, do tại đây có nhiều đường dây kết nối đến các phụ tải khác là Thủ Đức Bắc,

Công nghệ cao Tp. HCM, tại nút 7 trạm Intel sẽ được lắp đặt bộ STATCOM công suất

Tăng Nhơn Phú, Thủ Đức Đông (việc xác định vị trí và dung lượng của STATCOM

được khảo sát và trình bày trong mục 3 phụ lục luận án).

Theo số liệu báo cáo quản lý kỹ thuật của Công ty Lưới điện cao thế Thành phố Hồ Chí

Minh trong giai đoạn từ năm 2013 – 2017 [106], trên lưới điện Thành phố Hồ Chí Minh

có tổng cộng 178 trường hợp sự cố, dao động lưới điện ảnh hưởng đến các phụ tải, trong

đó có 12% là trường hợp sự cố dẫn đến ngắn mạch 3 pha. Do vậy, tác giả tập trung mô

phỏng và phân tích sự cố ngắn mạch 3 pha đối với lưới điện khu Công nghệ cao để đánh

giá mức độ ảnh hưởng điện áp tại trạm 110kV khu vực này. Sơ đồ lưới điện mô phỏng

cung cấp điện cho khu công nghệ cao Tp. HCM được trình bày tại hình Hình 5.2. Các

sự cố được nghiên cứu cụ thể như sau: i) sự cố ngắn mạch trên đường dây 110kV Thủ

Đức – Thủ Đức Bắc – Intel; và ii) sự cố ngắn mạch trên đường dây 110kV Cát Lái –

Công nghệ cao. Luận án đã khảo sát mức độ sụt áp trong các kịch bản sự cố, với thời

gian sự cố xuất hiện tại thời điểm 0,3 s và thời gian duy trì sự cố là 100ms.

Bảng 5.1 Các kịch bản mô phỏng hoạt động của các bộ điều khiển STATCOM được kết nối với lưới điện thực tế

Kịch bản mô phỏng Mô tả sự cố xảy ra trên lưới điện thực tế được khảo sát Bộ điều khiển được sử dụng cho STATCOM

FUZZY CA

ANFIS-PSO CB

ANFIS-GA CC

Mô phỏng trường hợp sự cố ngắn mạch ba pha trên đường dây 110kV Thủ Đức – Thủ Đức Bắc – Intel, khảo sát mức độ sụt áp trong kịch bản này với thời gian sự cố xuất hiện tại thời điểm 0,3 s và thời gian duy trì sự cố là 100ms. ANFIS-Online CD

FUZZY DA

ANFIS-PSO DB

ANFIS-GA DC

Mô phỏng trường hợp sự cố ngắn mạch bap ha trên đường dây 110kV Cát Lái – Công nghệ cao, khảo sát mức độ sụt áp trong kịch bản này với thời gian sự cố xuất hiện tại thời điểm 0,3 s và thời gian duy trì sự cố là 100ms. ANFIS-Online DD

Ngoài ra, trong Bảng 5.1 của chương này, tác giả đã trình bày các kịch bản mô phỏng

khác nhau khi áp dụng các thuật toán điều khiển đã đề xuất trong Chương 3 như Fuzzy,

105

ANFIS-GA, ANFIS-PSO, ANFIS-Online cho thiết bị STATCOM được kết nối đến lưới

điện Công Nghệ Cao được khảo sát.

5.1 Đặc tính điện áp tại trạm Intel tương ứng với các kịch bản sự cố

Hình 5.3 và Hình 5.4 lần lượt cho biết đặc tính điện áp khi có sự cố ngắn mạch ba pha

xảy ra trên đường dây 110kV Thủ Đức – Thủ Đức Bắc – Intel và trên đường dây 110kV

Cát Lái – Công nghệ cao.

Hình 5.3 Đặc tính điện áp tại trạm Intel khi sự cố ngắn mạch ba pha xảy ra trên đường dây 110kV Thủ Đức – Thủ Đức Bắc – Intel

Hình 5.4 Đặc tính điện áp tại trạm Intel khi sự cố ngắn mạch ba pha xảy ra trên đường dây 110kV Cát Lái – Công nghệ cao

Nó nhận thấy rằng, điện áp tại trạm Intel chịu sự ảnh hưởng lớn nhất khi có các sự cố

ngắn mạch xảy ra. Với kết quả này, tác giả tập trung vào việc cải thiện điện áp trong

106

trường hợp sự cố gần phụ tải, cụ thể phụ tải tại trạm Intel. Sự cố trên đường dây Thủ

Đức – Thủ Đức Bắc – Intel cũng như trên đường dây Cát Lái – Công nghệ cao được

khảo sát chi tiết để đánh giá sự hiệu quả của các bộ điều khiển khác nhau sử dụng cho

thiết bị STATCOM. Đồng thời, STATCOM được đề xuất lắp đặt tại trạm Intel và khảo

sát các chất lượng điện áp tại nút này. Các kết quả nghiên cứu được trình bày chi tiết

trong phần sau.

5.2 Kết quả mô phỏng của các bộ điều khiển STATCOM khi sự cố trên đường

dây Thủ Đức – Thủ Đức Bắc – Intel

Như mô tả ở trên, phương thức vận hành cung cấp điện cho trạm 110kV Intel là từ mạch

vòng 110kV đi từ thanh cái 110kV trạm Thủ Đức qua các trạm 110kV Thủ Đức Bắc,

InTen, Tăng Nhơn Phú, Thủ Đức Đông, Cát Lái 110kV và kết vòng với đường dây

220kV Cát Lái – 220kV Thủ Đức. Trường hợp sự cố trên đường dây Thủ Đức – Thủ

Đức Bắc – Intel (đoạn Thủ Đức Bắt - Intel), các máy cắt tại trạm Intel và Thủ Đức Bắc

sẽ tác động và cô lập đoạn đường dây này để cách ly sự cố, tuy nhiên việc cấp điện cho

trạm Intel vẫn được cung cấp qua các đường dây Thủ Đức – Cát Lái – Thủ Đức Đông –

Intel và đường dây Thủ Đức – Cát Lái – Thủ Đức Đông – Tăng Nhơn Phú – Intel. Do

vậy, khi khảo sát điện áp tại Intel cho thấy điện áp giảm về 0pu trong khoảng thời gian

duy trì ngắn mạch sự cố, sau khi điểm ngắn mạch được cô lập thì điện áp phục hồi và

sinh ra dao động mà phụ tải tại trạm Intel không bị cô lập (không mất điện). Các kết quả

mô phỏng trường hợp này được khảo sát chi tiết như sau:

5.2.1 Kết quả so sánh trong trường hợp có hoặc không có bộ STATCOM

Hình 5.5 Kết quả khảo sát điện áp tại trạm Intel trong trường hợp có và không có sử dụng thiết bị STATCOM

107

Như đã nêu ở trên, để cải thiện dao động điện áp tại nút phụ tải Intel, tác giả đã đề xuất

lắp đặt bộ STATCOM 15MVAr tại trạm Intel. Đáp ứng động học của điện áp tại nút tải

Intel, đối với kịch bản sự cố ngắn mạch ba pha trên đường dây Thủ Đức – Thủ Đức Bắc

– Intel, được trình bày trong Hình 5.5. Xem Hình 5.5 cho thấy, điện áp tại trạm Intel có

độ chênh lệch điện áp được cải thiện đáng kể khi có lắp đặt thiết bị STATCOM. Một

lần nữa, kết quả này cho thấy hiệu quả của việc sử dụng STATCOM trong việc cải thiện

chất lượng điện áp như đã đề cập trong Chương 2 và Chương 3.

5.2.2 Kết quả mô phỏng với bộ điều khiển Fuzzy và PID

Tác giả sử dụng bộ điều khiển Fuzzy và PID, có cấu trúc đã được đề cập ở Chương 3,

với tín hiệu đầu vào là điện áp Vpcc và vi phân của nó (dVpcc/dt). Kết quả mô phỏng

được trình bày trong Hình 5.6 và Bảng 5.2. Nhìn chung, bộ điều khiển Fuzzy có đáp

ứng ổn định điện áp tốt hơn so với việc sử dụng bộ điều khiển PID truyền thống. Cụ thể,

tại nút Intel, thời gian biên độ điện áp đạt ngưỡng cho phép (± 5%) đối với PID là 0,537s

và đối với Fuzzy là 0,531s; giá trị điện áp quá độ lớn nhất của PID là 2,527pu và của

Fuzzy là 1,725pu; và độ chênh lệch điện áp của PID là 158% và của Fuzzy là 76%. So

sánh giá trị điện áp lớn nhất với qui định TT39 thì các giá trị này đạt tiêu chuẩn là 1,1pu.

Hình 5.6 Kết quả điện áp tại trạm Intel trong trường hợp sử dụng bộ điều khiển Fuzzy và bộ điều khiển PID

108

Bảng 5.2 Bảng so sánh các bộ điều khiển PID và Fuzzy dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao được khảo sát

Thông số động học

Bus (Nút)

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

Tiêu chuẩn (TT39) - - - - - -

Giá trị điện áp quá độ lớn nhất (pu)

Độ chênh lệch điện áp (%)

5% 5% 5% 5% 5% 5%

Intel Thủ Đức Đông Công Nghệ Cao Tăng Nhơn Phú Thủ Đức Bắc Cát Lái Intel Thủ Đức Đông Công Nghệ Cao Tăng Nhơn Phú Thủ Đức Bắc Cát Lái Intel Thủ Đức Đông Công Nghệ Cao Tăng Nhơn Phú Thủ Đức Bắc Cát Lái

PID 0,537 0,537 0,498 0,537 0,498 0,498 1,1 (<110%) 2,527 1,1 (<110%) 2,181 1,1 (<110%) 1,357 1,1 (<110%) 2,340 1,1 (<110%) 1,464 1,1 (<110%) 1,357 158% 123% 38% 139% 49% 38%

Bộ điều khiển Fuzzy 0,531 0,498 0,487 0,507 0,487 0,487 1,725 1,372 1,129 1,540 1,120 1,129 76% 40% 15% 57% 14% 15%

5.2.3 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng ANFIS

Bảng 5.3 Bảng so sánh các bộ điều khiển PID, Fuzzy và ANFIS dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ Tp.HCM cao được khảo sát

Bộ điều khiển

Tiêu chuẩn (TT39)

Nút

Thông số động học

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

- - - - - -

Giá trị điện áp quá độ lớn nhất (pu)

Độ chênh lệch điện áp (%)

Intel Thủ Đức Đông Công Nghệ Cao Tăng Nhơn Phú Thủ Đức Bắc Cát Lái Intel Thủ Đức Đông Công Nghệ Cao Tăng Nhơn Phú Thủ Đức Bắc Cát Lái Intel Thủ Đức Đông Công Nghệ Cao Tăng Nhơn Phú Thủ Đức Bắc Cát Lái

PID 0,537 0,537 0,498 0,537 0,498 0,498 1,1 (<110%) 2,527 1,1 (<110%) 2,181 1,1 (<110%) 1,357 1,1 (<110%) 2,340 1,1 (<110%) 1,464 1,1 (<110%) 1,357 158% 123% 38% 139% 49% 38%

5% 5% 5% 5% 5% 5%

Fuzzy 0,531 0,498 0,487 0,507 0,487 0,487 1,725 1,372 1,129 1,540 1,120 1,129 76% 40% 15% 57% 14% 15%

ANFIS 0,486 0,476 0,428 0,486 0,437 0,428 1,074 1,058 1,030 1,064 1,029 1,030 10% 8% 5% 9% 5% 5%

109

Hình 5.7 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ điều khiển ANFIS, PID và Fuzzy

Trong trường hợp này, tác giả xây dựng tập dữ liệu huấn luyện được thu thập từ kết quả

mô phỏng Fuzzy với thời gian lấy mẫu dữ liệu huấn luyện là 0,01s và kiểm tra dữ liệu

là 0,03s.

Bộ điều khiển STATCOM dùng ANFIS sử dụng công cụ huấn luyện trong Matlab 2014

với thuật toán huấn luyện lan truyền tới và lan truyền ngược. Như kết quả, trong các

trường hợp sử dụng bộ điều khiển khác nhau, bộ điều khiển dùng ANFIS cho kết quả

giảm dao động điện áp tốt nhất ngoại trừ độ chênh lệch điện áp, như được trình bày

trong Hình 5.7 và Bảng 5.3. Cụ thể, tại nút tải Intel, thời gian biên độ điện áp đạt ngưỡng 110

cho phép ( 5%) đối với PID là 0,5373s, đối với Fuzzy là 0,5309s, đối với ANFIS là

0,4862s; giá trị điện áp quá độ lớn nhất của PID là 2,527pu, Fuzzy là 1,725pu, và ANFIS

là 1,074pu; và độ chênh lệch điện áp của PID là 158%, Fuzzy là 76%, và ANFIS là 10%.

5.2.4 Kết quả mô phỏng với bộ điều khiển STATCOM dùng phương pháp kết hợp

ANFIS- PSO và ANFIS- GA

Để so sánh các kết quả huấn luyện ANFIS dùng thuật toán PSO hoặc GA với thuật toán

huấn luyện lan truyền tới và lan truyền ngược, tác giả sử dụng các bộ thông số huấn

luyện như được trình bày trong các Bảng 4.4, Bảng 4.5 và Bảng 4.6 của Chương 4, Sau

khi sử dụng các thuật toán tối ưu PSO và GA để tìm kiếm và hiệu chỉnh các thông số

của bộ ANFIS, kết quả là chỉ số RMSE (hàm mục tiêu) sau khi huấn luyện hai thuật

toán trương ứng là RMSEPSO đạt 0,20036 và RMSEGA đạt 0,20037.

Bảng 5.4 Bảng so sánh các bộ điều khiển Fuzzy, ANFIS, ANFIS-GA và ANFIS-PSO dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao Tp.HCM

Bộ điều khiển

Nút

Thông số động học

Tiêu chuẩn (TT39)

Fuzzy ANFIS

ANFIS- GA

ANFIS- PSO

Intel

0,531

0,486

0,490

0,487

Thủ Đức Đông

-

0,498

0,476

0,488

Công Nghệ Cao

-

0,487

0,428

0,457

0,447

Tăng Nhơn Phú

-

0,507

0,486

0,507

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

Thủ Đức Bắc

-

0,487

0,437

0,447

0,446

-

Cát Lái

0,487

0,428

0,457

0,428

Intel

1,1 (<110%) 1,725

1,074

1,146

1,106

Thủ Đức Đông

1,1 (<110%) 1,372

1,058

1,120

1,086

Công Nghệ Cao

1,1 (<110%) 1,129

1,030

1,061

1,042

Tăng Nhơn Phú

1,1 (<110%) 1,540

1,064

1,131

1,094

Giá trị điện áp quá độ lớn nhất (pu)

Thủ Đức Bắc

1,1 (<110%) 1,120

1,029

1,056

1,039

1,1 (<110%) 1,129

1,030

1,061

Cát Lái

1,042

Intel

76%

10%

17%

13%

Thủ Đức Đông

40%

14%

11%

Công Nghệ Cao

15%

Độ chênh lệch điện áp (%)

Tăng Nhơn Phú

57%

15%

12%

Thủ Đức Bắc

14%

Cát Lái

15%

111

Hình 5.8 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ điều khiển ANFIS, ANFIS-PSO và ANFIS-GA

Kết quả khảo sát đáp ứng động học của điện áp tương ứng với các bộ ANFIS đề xuất

được biểu diễn trên Hình 5.8 và Bảng 5.4. Với kết quả mô phỏng đạt được, các dạng

sóng điện áp đối với bộ điều khiển ANFIS được huấn luyện bằng thuật toán lan truyền

tới kết hợp lan truyền ngược có đáp ứng tốt nhất ngoại trừ độ chênh lệch điện áp.

Cụ thể, tại nút tải Intel, thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) đối với

ANFIS là 0,4862s, đối với ANFIS-GA là 0,491s, đối với ANFIS-PSO là 0,487s; và giá

trị điện áp quá độ lớn nhất đối với ANFIS là 1,074pu, đối với ANFIS-GA là 1,146pu,

và đối với ANFIS-PSO là 1,106pu.

Mặt khác, độ chênh lệch điện áp của ANFIS-PSO và ANFIS-GA lần lượt là 17% và

13%, thấp hơn khi được so sánh với 10% của ANFIS thông thường. Thật vậy, do bộ dữ

liệu dùng để huấn luyện ANFIS thông thường có sử dụng bộ dữ liệu kiểm tra (thu thập

được với thời gian lấy mẫu là 0,03s) và tiếp tục điều chỉnh các thông số của bộ ANFIS.

Trong khi đó, đối với trường hợp huấn luyện dùng thuật toán ANFIS-PSO và ANFIS-

GA, tác giả chỉ sử dụng một bộ dữ liệu huấn luyện không có bộ dữ liệu kiểm tra.

112

5.2.5 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng phương pháp

ANFIS-Online

Như được trình bày ở phần cơ sở lý thuyết trong Chương 3, tác giả huấn luyện bộ

ANFIS-Online để điều khiển thiết bị STATCOM để cải thiện chất lượng điện áp. Kết

quả của bộ huấn luyện ANFIS-Online này được so sánh với các bộ điều khiển khác.

Trong trường hợp này, tác giả xây dựng tập dữ liệu huấn luyện được thu thập từ kết quả

mô phỏng Fuzzy với thời gian lấy mẫu dữ liệu huấn luyện là 0,01s để huấn luyện cho

bộ ANI. Đối với dữ liệu huấn luyện dùng cho bộ điều khiển ANFIS-Online được thu

thập trực tiếp trong quá trình mô phỏng và thời gian lấy mẫu là 0,01s.

Bảng 5.5 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, ANFIS- PSO và ANFIS-Online dành cho STATCOM trên lưới Khu Công nghệ cao Tp.HCM

Bộ điều khiển

Nút

Thông số động học

PID

Fuzzy ANFIS

ANFIS GA

ANFIS PSO

ANFIS Online

Intel

0,5373 0,5309

0,4862

0,4904 0,487

0,4331

Thủ Đức Đông

0,5374 0,4975

0,4764

0,4876 0,4876 0,4321

Công Nghệ Cao 0,4979 0,487

0,428

0,4571 0,4465 0,4331

Tăng Nhơn Phú 0,5374 0,5073

0,4864

0,5071 0,5067 0,4323

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

Thủ Đức Bắc

0,4976 0,487

0,4368

0,4468 0,4462 0,4331

Cát Lái

0,4977 0,487

0,428

0,4569 0,428

0,4326

Intel

2,527

1,725

1,074

1,146

1,106

1,027

Thủ Đức Đông

2,181

1,372

1,058

1,120

1,086

1,018

Công Nghệ Cao 1,357

1,129

1,03

1,061

1,042

1,004

Tăng Nhơn Phú 2,34

1,54

1,064

1,131

1,094

1,021

Giá trị điện áp quá độ lớn nhất (pu)

Thủ Đức Bắc

1,464

1,12

1,029

1,056

1,039

1,006

Cát Lái

1,357

1,129

1,03

1,061

1,042

1,004

Intel

158% 76%

10%

17%

13%

5%

Thủ Đức Đông

123%

40%

14%

11%

Công Nghệ Cao 38%

15%

Độ chênh lệch điện áp (%)

Tăng Nhơn Phú 139%

57%

15%

12%

Thủ Đức Bắc

49%

14%

Cát Lái

38%

15%

Kết quả mô phỏng cho biết trong Hình 5.9, Hình 5.10 và Bảng 5.5 cho thấy bộ huấn

luyện ANFIS-Online có đáp ứng tốt nhất. Cụ thể, tại nút tải Intel, thời gian biên độ điện

áp đạt ngưỡng cho phép (≤ 5%) đối với ANFIS-Online là 0,433s; và giá trị điện áp quá

113

độ lớn nhất đối với ANFIS-Online là 1,027pu; và độ chênh lệch điện áp đối với ANFIS-

Online là chỉ 5%.

Hình 5.9 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ điều khiển ANFIS và ANFIS-Online

Hình 5.10 Kết quả khảo sát độ ổn định điện áp tại trạm Intel trong trường hợp dùng bộ điều khiển PID, Fuzzy, ANFIS và ANFIS-Online

114

Nhận thấy rằng, độ chênh lệch điện áp của bộ điều khiển Fuzzy và bộ ANFIS-online là

tương đương nhau ở 5%, trong khi độ chênh lệch điện áp của các bộ điều khiển ANFIS,

ANFIS-PSO và ANFIS-GA là rất cao, lần lượt ở 158%, 13% và 17%. Đặc tính động

học của điện áp đối với bộ điều khiển PID cho kết quả mô phỏng không tốt như các bộ

điều khiển khác.

5.2.6 Đánh giá các kết quả mô phỏng đạt được

Từ kết quả mô phỏng các trường hợp sự cố được trình bày trong Mục 5.2, có thể nhận

thấy rằng, các bộ điều khiển ANFIS-Online, ANFIS, ANFIS-PSO, và ANFIS- GA đều

tốt hơn bộ điều khiển PID thông thường. Trong đó, ANFIS-Online cho kết quả tốt nhất

khi so sánh về chỉ số độ chênh lệch điện áp và thời gian điện áp đạt trạng thái xác lập,

xem Bảng 5.5. Từ bảng so sánh này, trong trường hợp sử dụng bộ điều khiển ANFIS-

Online thì độ chênh lệch điện áp tại các nút Intel, Thủ Đức Đông, Công Nghệ Cao tương

ứng lần lượt là 5%, 4% và 2%. Trong trường hợp sử dụng bộ điều khiển ANFIS-GA thì

độ chênh lệch điện áp song điện áp tại các nút Intel, Thủ Đức Đông, Công Nghệ Cao

tương ứng lần lượt là 17%, 14% và 8%; với bộ điều khiển ANFIS-PSO lần lượt là 13%,

11% và 6%. Trong khi đó, độ chênh lệch điện áp trong trường hợp sử dụng bộ điều khiển

PID lần lượt là 158%, 123% và 38%.

Trong trường hợp so sánh về thời gian điện áp ổn định sau khi tách sự cố, thời gian điện

áp nằm trong phạm vi cho phép là 5%, trường hợp sử dụng bộ ANFIS-Online có thời

gian ổn định thấp nhất so với các trường hợp còn lại. Cụ thể, trong trường hợp sử dụng

bộ điều khiển ANFIS-Online thì điện áp các nút Intel, Thủ Đức Đông, Công Nghệ Cao

đạt giá trị xác lập lần lượt sau 0,433s, 0,432s, và 0,433s. Hơn nữa, Bảng 5.5 còn cho biết

phần trăm cải thiện biên độ (giá trị đỉnh) điện áp đối với các bộ điều khiển STATCOM

khác nhau. So sánh các mức độ cải thiện độ chênh lệch điện áp, bộ điều khiển ANFIS-

Online hầu như cho kết quả đáp ứng điện áp tốt nhất trên lưới điện thực tế khảo sát.

5.3 Kết quả mô phỏng của các bộ điều khiển STATCOM khi sự cố trên đường

dây Cát Lái – Công nghệ cao

Đối với trường hợp mô phỏng sự cố trên đường dây 110kV Cát Lái – Công nghệ cao,

tác giả mô phỏng đây là trường hợp sự cố thoáng qua và được giả định là sự cố tự giải

trừ để có thể khảo sát được dao động điện áp tại trạm Công nghệ cao sau sự cố. Các đáp

ứng điện áp từ kết quả mô phỏng như sau:

115

5.3.1 Kết quả so sánh trong trường hợp có hoặc không có bộ STATCOM

Đáp ứng động học của điện áp tại nút tải Intel, Thủ Đức Đông, và Công Nghệ Cao đối

với kịch bản sự cố ngắn mạch ba pha trên đường dây Cát Lái – Công Nghệ Cao, được

trình bày trong Hình 5.11. Xem Hình 5.11 cho thấy, điện áp tại trạm Intel, Thủ Đức

Đông và Công Nghệ Cao có độ chênh lệch điện áp được cải thiện đáng kể khi có lắp

đặt thiết bị STATCOM. Một lần nữa, kết quả này cho thấy hiệu quả của việc sử dụng

STATCOM trong việc cải thiện chất lượng điện áp như đã đề cập trong đề tài.

a) Đặc điểm động học của điện áp tại nút Intel (VIntel) khi sự cố xảy ra

b) Đặc điểm động học của điện áp tại nút Thủ Đức Đông (VThuDucDong)

116

c) Đặc điểm động học của điện áp tại nút Công Nghệ Cao (VCongnghecao)

Hình 5.11 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, Công Nghệ Cao trong trường hợp có và không có sử dụng thiết bị STATCOM

5.3.2 Kết quả mô phỏng với bộ điều khiển Fuzzy

a) Đặc điểm động học của điện áp tại nút Intel (VIntel) khi sự cố xảy ra

117

b) Đặc điểm động học của điện áp tại nút Thủ Đức Đông (VThuDucDong)

c) Đặc điểm động học của điện áp tại nút Công Nghệ Cao (VCongnghecao)

Hình 5.12 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, Công Nghệ Cao trong trường hợp sử dụng bộ điều khiển Fuzzy

Tác giả sử dụng bộ điều khiển Fuzzy và PID, có cấu trúc đã được đề cập ở Chương 3,

với tín hiệu đầu vào là điện áp Vpcc và vi phân của nó (dVpcc/dt). Kết quả mô phỏng được

trình bày trong Hình 5.12 và Bảng 5.6. Nhìn chung, bộ điều khiển Fuzzy có đáp ứng ổn

định điện áp tốt hơn so với việc sử dụng bộ điều khiển PID truyền thống. Cụ thể, tại nút

Intel, thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) đối với PID là 0,487s và 118

đối với Fuzzy là 0,486s; giá trị điện áp quá độ lớn nhất của PID là 1,169pu và của Fuzzy

là 1,149pu; và độ chênh lệch điện áp của PID là 19% và của Fuzzy là 17%.

Bảng 5.6 Bảng so sánh các bộ điều khiển PID và Fuzzy dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao Tp.HCM được khảo sát

Bộ điều khiển Nút Tiêu chuẩn (TT39) Thông số động học PID Fuzzy

- Intel 0,487 0,486

Thủ Đức Đông - 0,507 0,489

Công Nghệ Cao - 0,537 0,527

Tăng Nhơn Phú - 0,507 0,486 Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây) Thủ Đức Bắc - 0,447 0,447

Cát Lái - 0,527 0,527

Intel 1,1 (<110%) 1,169 1,149

Thủ Đức Đông 1,1 (<110%) 1,201 1,176

Công Nghệ Cao 1,1 (<110%) 1,801 1,536

Giá trị điện áp quá độ lớn nhất (pu) Tăng Nhơn Phú 1,1 (<110%) 1,182 1,161

Thủ Đức Bắc 1,1 (<110%) 1,065 1,059

Cát Lái 1,1 (<110%) 1,662 1,401

Intel 5% 19% 17%

Thủ Đức Đông 5% 22% 19%

Công Nghệ Cao 5% 83% 56%

Độ chênh lệch điện áp (%) Tăng Nhơn Phú 5% 20% 18%

Thủ Đức Bắc 5% 8% 8%

Cát Lái 5% 69% 42%

5.3.3 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng ANFIS

Trong trường hợp này, tác giả xây dựng tập dữ liệu huấn luyện được thu thập từ kết quả

mô phỏng Fuzzy với thời gian lấy mẫu dữ liệu huấn luyện là 0,01s và dữ liệu kiểm tra

là 0,03s. Bộ điều khiển STATCOM dùng ANFIS sử dụng công cụ huấn luyện trong

Matlab 2014 với thuật toán huấn luyện lan truyền tới và lan truyền ngược khi huấn luyện.

Như kết quả, trong các trường hợp sử dụng bộ điều khiển khác nhau, bộ điều khiển dùng

ANFIS cho kết quả giảm dao động điện áp tốt nhất ngoại trừ độ chênh lệch điện áp, như

được trình bày trong Hình 5.13 và Bảng 5.7. Cụ thể, tại nút tải Intel, thời gian biên độ

119

điện áp đạt ngưỡng cho phép ( 5%) đối với PID là 0,487s, đối với Fuzzy là 0,486s, và

đối với ANFIS là 0,487s; giá trị điện áp quá độ lớn nhất của PID là 1,169pu, Fuzzy là

1,149pu, và ANFIS là 1,123pu; và độ chênh lệch điện áp của PID là 19%, Fuzzy là

17%, và ANFIS là 14%.

a) Đặc điểm động học của điện áp tại nút Intel (VIntel) khi sự cố xảy ra

b) Đặc điểm động học của điện áp tại nút Công Nghệ Cao (VCongnghecao)

120

c) Đặc điểm động học của điện áp tại nút Thủ Đức Đông (VThuDucDong)

Hình 5.13 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, Công Nghệ Cao trong trường hợp sử dụng bộ điều khiển PID, Fuzzy, và ANFIS

Bảng 5.7 Bảng so sánh các bộ điều khiển PID, Fuzzy và ANFIS dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao Tp.HCM được khảo sát

Bộ điều khiển Nút Thông số động học Tiêu chuẩn (TT39) Fuzzy ANFIS

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

Giá trị điện áp quá độ lớn nhất (pu)

Độ chênh lệch điện áp (%)

PID 0,487 0,486 - Intel 0,507 0,489 - Thủ Đức Đông 0,537 0,527 - Công Nghệ Cao 0,507 0,486 - Tăng Nhơn Phú 0,447 0,447 - Thủ Đức Bắc - 0,527 0,527 Cát Lái 1,1 (<110%) 1,169 1,149 Intel Thủ Đức Đông 1,1 (<110%) 1,201 1,176 Công Nghệ Cao 1,1 (<110%) 1,801 1,536 Tăng Nhơn Phú 1,1 (<110%) 1,182 1,161 1,1 (<110%) 1,065 1,059 Thủ Đức Bắc 1,1 (<110%) 1,662 1,401 Cát Lái 17% 5% Intel 19% Thủ Đức Đông 5% 56% Công Nghệ Cao 5% 18% Tăng Nhơn Phú 5% 8% 5% Thủ Đức Bắc 42% 5% Cát Lái 19% 22% 83% 20% 8% 69% 0,487 0,489 0,527 0,487 0,447 0,527 1,123 1,154 1,417 1,141 1,050 1,293 14% 17% 44% 16% 7% 31%

121

5.3.4 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng phương pháp

ANFIS- PSO và ANFIS- GA

Để so sánh các kết quả huấn luyện ANFIS dùng thuật toán PSO hoặc GA với thuật toán

huấn luyện lan truyền tới và lan truyền ngược, tác giả sử dụng các bộ thông số huấn

luyện như được trình bày trong các Bảng 4.4, Bảng 4.5 và Bảng 4.6 của Chương 4, Sau

khi sử dụng các thuật toán tối ưu PSO và GA để tìm kiếm và hiệu chỉnh các thông số

của bộ ANFIS, kết quả là chỉ số RMSE (hàm mục tiêu) sau khi huấn luyện hai thuật

toán trương ứng là RMSEPSO đạt 0,20306 và RMSEGA đạt 0,20297. Kết quả khảo sát

đáp ứng động học của điện áp tương ứng với các bộ ANFIS đề xuất được biểu diễn trên

Hình 5.14 và Bảng 5.8. Với kết quả mô phỏng đạt được, các dạng sóng điện áp đối với

bộ điều khiển ANFIS được huấn luyện bằng thuật toán lan truyền tới kết hợp lan truyền

ngược (huấn luyện bằng công cụ trên Matlab) có đáp ứng tốt nhất ngoại trừ độ chênh

lệch điện áp.

Bảng 5.8 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, ANFIS- PSO dành cho thiết bị STATCOM trên lưới điện Khu Công nghệ cao Tp.HCM

Bộ điều khiển

Nút

Thông số động học

Tiêu chuẩn (TT39)

PID

Fuzzy ANFIS

ANFIS GA

ANFIS PSO

Intel

-

0,487

0,486

0,487

0,477

0,487

Thủ Đức Đông

-

0,507

0,489

0,487

Công Nghệ Cao

-

0,537

0,527

0,517

Tăng Nhơn Phú

-

0,507

0,486

0,487

Thủ Đức Bắc

-

0,447

-

0,527

Cát Lái

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

Intel

1,1 (<110%)

1,169

1,149

1,123

1,106

1,122

Thủ Đức Đông

1,1 (<110%)

1,201

1,176

1,154

1,126

1,145

Công Nghệ Cao

1,1 (<110%)

1,801

1,536

1,417

1,200

1,322

Tăng Nhơn Phú

1,1 (<110%)

1,182

1,161

1,141

1,114

1,132

Thủ Đức Bắc

1,1 (<110%)

1,065

1,059

1,050

1,040

1,046

Giá trị điện áp quá độ lớn nhất (pu)

1,1 (<110%)

1,662

1,401

Cát Lái

1,293

1,190

1,217

Intel

19%

17%

14%

12%

14%

Thủ Đức Đông

22%

19%

17%

14%

16%

Công Nghệ Cao

83%

56%

44%

22%

34%

Tăng Nhơn Phú

20%

18%

16%

13%

15%

Độ chênh lệch điện áp (%)

Thủ Đức Bắc

Cát Lái

69%

42%

31%

21%

24%

122

Cụ thể, tại nút tải Intel, thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) đối với

ANFIS là 0,487s, đối với ANFIS-GA là 0,477s, và đối với ANFIS-PSO là 0,487s; và

giá trị điện áp quá độ lớn nhất đối với ANFIS là 1,123pu, đối với ANFIS-GA là 1,106pu,

và đối với ANFIS-PSO là 1,122pu. Mặt khác, độ chênh lệch điện áp của bộ ANFIS-PSO

và ANFIS-GA lần lượt là 14% và 12%, thấp hơn khi được so sánh với 14% của ANFIS

thông thường.

a) Đặc điểm động học của điện áp tại nút Intel (VIntel) khi sự cố xảy ra

b) Đặc điểm động học của điện áp tại nút Thủ Đức Đông (VThuDucDong)

123

c) Đặc điểm động học của điện áp tại nút Công Nghệ Cao (VCongnghecao)

Hình 5.14 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, và Công nghệ cao trong trường hợp sử dụng bộ điều khiển PID, ANFIS, ANFIS-PSO và ANFIS-GA

5.3.5 Kết quả mô phỏng cải tiến bộ điều khiển STATCOM dùng phương pháp

ANFIS-Online

Như được trình bày ở phần cơ sở lý thuyết trong Chương 3, tác giả huấn luyện bộ

ANFIS-Online để điều khiển thiết bị STATCOM để cải thiện chất lượng điện áp trên

lưới điện. Kết quả của bộ huấn luyện ANFIS-Online này được so sánh với các bộ điều

khiển khác. Kết quả mô phỏng cho biết trong Hình 5.15 và Bảng 5.9 cho thấy bộ huấn

luyện ANFIS-Online có đáp ứng tốt nhất. Cụ thể, tại nút tải Intel, thời gian biên độ điện

áp đạt ngưỡng cho phép ( 5%) đối với ANFIS-Online là 0,457s; và giá trị điện áp quá

độ lớn nhất đối với ANFIS-Online là 1,025pu; và độ chênh lệch điện áp đối với ANFIS-

Online là chỉ 4%. Nhận thấy rằng, độ chênh lệch điện áp của bộ điều khiển ANFIS-

Online là 4%, tốt hơn bộ điều khiển Fuzzy với 17%, các độ chênh lệch điện áp của các

bộ điều khiển ANFIS, ANFIS-PSO và ANFIS-GA là cũng rất cao, lần lượt ở 14%, 14%

và 12%. Đặc tính động học của điện áp đối với bộ điều khiển PID cho kết quả mô phỏng

không tốt như các bộ điều khiển khác.

124

a) Đặc điểm động học của điện áp tại nút Công Nghệ Cao (VCongnghecao)

b) Đặc điểm động học của điện áp tại nút Intel (VIntel) khi sự cố xảy ra

125

c) Đặc điểm động học của điện áp tại nút Thủ Đức Đông (VThuDucDong)

Hình 5.15 Kết quả khảo sát điện áp tại nút tải Intel, Thủ Đức Đông, và Công nghệ cao trong trường hợp sử dụng bộ điều khiển PID, ANFIS, ANFIS-PSO, ANFIS-GA và ANFIS-Online

Bảng 5.9 Bảng so sánh các bộ điều khiển PID, Fuzzy, ANFIS, ANFIS-GA, ANFIS- PSO và ANFIS-Online dành cho thiết bị STATCOM trên lưới điện Intel thực tế

Bộ điều khiển

Nút

Thông số động học

PID

Fuzzy ANFIS

Thời gian biên độ điện áp đạt ngưỡng cho phép ( 5%) (giây)

Giá trị điện áp quá độ lớn nhất (pu)

Độ chênh lệch điện áp (%)

0,487 Intel 0,507 Thủ Đức Đông Công Nghệ Cao 0,537 Tăng Nhơn Phú 0,507 0,447 Thủ Đức Bắc 0,527 Cát Lái 1,169 Intel 1,201 Thủ Đức Đông Công Nghệ Cao 1,801 Tăng Nhơn Phú 1,182 1,065 Thủ Đức Bắc 1,662 Cát Lái 19% Intel 22% Thủ Đức Đông Công Nghệ Cao 83% Tăng Nhơn Phú 20% 8% Thủ Đức Bắc 69% Cát Lái

0,486 0,489 0,527 0,486 0,447 0,527 1,149 1,176 1,536 1,161 1,059 1,401 17% 19% 56% 18% 8% 42%

0,487 0,489 0,527 0,487 0,447 0,527 1,123 1,154 1,417 1,141 1,050 1,293 14% 17% 44% 16% 7% 31%

ANFIS GA 0,477 0,489 0,517 0,487 0,447 0,527 1,106 1,126 1,200 1,114 1,040 1,190 12% 14% 22% 13% 6% 21%

ANFIS PSO 0,487 0,487 0,517 0,487 0,447 0,527 1,122 1,145 1,322 1,132 1,046 1,217 14% 16% 34% 15% 6% 24%

ANFIS Online 0,457 0,457 0,488 0,457 0,437 0,477 1,025 1,031 1,059 1,026 1,007 1,056 4% 5% 8% 4% 2% 7%

126

5.3.6 Đánh giá các kết quả mô phỏng đạt được

Từ kết quả mô phỏng các trường hợp sự cố được trình bày trong Mục 5.3, có thể nhận

thấy rằng, các bộ điều khiển ANFIS-Online, ANFIS, ANFIS-PSO, và ANFIS- GA đều

tốt hơn bộ điều khiển PID thông thường. Trong đó, ANFIS-Online cho kết quả tốt nhất

khi so sánh về chỉ số độ chênh lệch điện áp và thời gian điện áp đạt trạng thái xác lập,

xem Bảng 5.9. Từ bảng so sánh này, trong trường hợp sử dụng bộ điều khiển ANFIS-

Online thì độ chênh lệch điện áp tại các nút Intel, Thủ Đức Đông, Công Nghệ Cao tương

ứng lần lượt là 4%, 5% và 8%. Trong trường hợp sử dụng bộ điều khiển ANFIS-PSO

thì độ chênh lệch điện áp song điện áp tại các nút Intel, Thủ Đức Đông, Công Nghệ Cao

tương ứng lần lượt là 14%, 16% và 34%; với bộ điều khiển ANFIS-GA lần lượt là 12%,

14% và 22%. Trong khi đó, độ chênh lệch điện áp trong trường hợp sử dụng bộ điều

khiển PID lần lượt là 19%, 22% và 83%.

Trong trường hợp so sánh về thời gian điện áp đạt trạng thái xác lập mới sau khi tách sự

cố, thời gian điện áp nằm trong phạm vi cho phép là 5%, trường hợp sử dụng bộ ANFIS-

Online có thời gian ổn định thấp nhất so với các trường hợp còn lại. Cụ thể, trong trường

hợp sử dụng bộ điều khiển ANFIS-Online thì điện áp các nút Intel, Thủ Đức Đông, Công

Nghệ Cao đạt giá trị xác lập lần lượt sau 0,457s, 0,457s, và 0,488s. Hơn nữa, Bảng 5.9

còn cho biết phần trăm cải thiện biên độ điện áp đối với các bộ điều khiển STATCOM

khác nhau. So sánh các mức độ cải thiện độ chênh lệch điện áp, bộ điều khiển ANFIS-

Online hầu như cho kết quả đáp ứng điện áp tốt nhất trên lưới điện thực tế.

5.4 Tổng kết chương

Chương này đã trình bày chi tiết các kết quả mô phỏng tương ứng với các kịch bản sự

cố khác nhau xảy ra trên lưới điện Khu Công Nghệ Cao Tp.HCM được khảo sát lần lượt

sự cố ngắn mạch ba pha trên tuyến dây Thủ Đức – Thủ Đức Bắc – Intel và tuyến dây

Cát Lái – Công Nghệ Cao, khi mà sử dụng các thuật toán điều khiển STATCOM khác

nhau như Fuzzy, ANFIS-GA, ANFIS-PSO, và ANFIS-Online để cải thiện chất lượng

điện áp. Sau khi phân tích và đánh giá các kết quả mô phỏng đạt được, các đóng góp

chính của đề tài trong Chương này được cho biết như bên dưới:

- Lưới điện thực tế Khu Công nghệ cao Thành phố Hồ Chí Minh được sử dụng để

mô phỏng lắp đặt các bộ điều khiển STATCOM để cải thiện ổn định điện áp.

127

- Độ chênh lệch điện áp của bộ điều khiển Fuzzy và bộ điều khiển ANFIS-Online là

tương đương nhau, trong khi độ chênh lệch điện áp của các bộ điều khiển ANFIS,

ANFIS-PSO và ANFIS-GA là cao hơn.

- Kết quả mô phỏng cho thấy các bộ điều khiển ANFIS-Online, ANFIS, ANFIS-

PSO, và ANFIS- GA đều cải thiện đặc tính động học của điện áp tốt hơn bộ điều

khiển PID thông thường. Trong đó, bộ điều khiển ANFIS-Online cho kết quả tốt

nhất khi so sánh về chỉ số độ chênh lệch điện áp và thời gian điện áp đạt trạng thái

xác lập sau khi tách lập sự cố;

Từ kết quả thực hiện trong chương 3 và phân tích đánh giá kết quả mô phỏng trong

chương này, đối với lưới điện Khu Công nghệ cao Thành phố Hồ Chí Minh, luận án đề

xuất sử dụng bộ điều khiển ANFIS-Online cho STATCOM.

128

Chương 6 KẾT LUẬN

6.1 Các kết quả đạt được của luận án

Luận án đã xác định hướng và mục tiêu nghiên cứu rõ ràng, cụ thể các mục tiêu nghiên

cứu, nội dung nghiên cứu có tính mới và phương pháp nghiên cứu phù hợp. Trên cơ sở

các nội dung đã xác định, luận án đã tìm hiểu các cơ sở lý thuyết liên quan đến bộ điều

khiển STATCOM để cải thiện chất lượng điện áp trên lưới điện. Dựa trên cơ sở lý thuyết

về STATCOM, luận án tập trung phân tích các giải thuật điều khiển mới được áp dụng

cho STATCOM khi nó được kết nối đến lưới điện để nhằm ổn định điện áp của lưới

này. Việc nghiên cứu cải tiến bộ điều khiển dành cho STATCOM nhằm mục đích nâng

cao chất lượng điện áp trong hệ thống điện. Cụ thể, đề tài đã đề xuất áp dụng các bộ điều

khiển kết mới như: ANFIS-PSO, ANFIS-GA, và ANFIS-Online để cải thiện ổn định

điện áp, nơi mà bao gồm nhiều phụ tải có độ nhạy cao cần hoạt động với độ ổn định chất

lượng điện áp tốt nhất. Chi tiết các kết quả nghiên cứu đã được trình bày cụ thể trong

Chương 4 và Chương 5 của luận án.

So sánh các kết quả mô phỏng đạt được giữa các bộ điều khiển được đề xuất như Fuzzy,

ANFIS-PSO, ANFIS-GA, và ANFIS-Online trong Chương 4 và Chương 5 của luận án,

nó được kết luận rằng bộ điều khiển ANFIS-Online có thể cải thiện chất lượng điện áp

tốt nhất trên lưới điện sau khi các sự cố ngắn mạch xảy ra trên lưới này được tách ly.

Kết quả cho thấy, với cấu trúc bộ điều khiển ANFIS – Online, phương pháp lọc dữ liệu

mới dựa trên xác suất thống kê được giới thiệu và sử dụng để đánh giá độ tin cậy của dữ

liệu trước khi đưa vào hệ huấn luyện ANFIS - Online. Bộ lọc dữ liệu sẽ loại bỏ các thành

phần outliers của độ chênh lệch công suất tác dụng được đo lường thực tế. Bộ huấn

luyện ANFIS-Online có thể cập nhật liên tục các giá trị thay đổi ngẫu nhiên của 𝑒𝑖 và

𝑒𝐶 để có thể điều chỉnh thích nghi, nhanh và hiệu quả dòng công suất được cung cấp từ

thiết bị STATCOM tại nơi mà nó được kết nối đến lưới điện. Bộ ANFIS sẽ cập nhật cơ

sở dữ liệu trực tuyến, và giá trị ngõ ra của nó sẽ là tham chiếu để điều chỉnh bộ dự báo

ANI trong hệ thống huấn luyện online. Với sự kết hợp này, các thông số của hệ mờ thích

nghi được cập nhật tức thời và tin cậy nhờ dữ liệu trước khi đưa vào huấn luyện đã được

đánh giá độ tin cậy.

129

Các mô hình lưới điện khác nhau được sử dụng để đánh giá tính hiệu quả của các bộ

điều khiển STATCOM được để xuất. Cụ thể, mô hình lưới điện mẫu OMIB và IEEE_9

nút cũng như hệ thống điện thực tế tại Khu Công nghệ cao Tp. HCM-Việt nam được sử

dụng trong các quá trình mô phỏng tính toán và phân tích. Kết quả nghiên cứu cũng như

các đóng góp chính của luận án này được tóm tắt như sau:

- Khảo sát, đánh giá đặc tính động học của điện áp tại các nút của hệ lưới điện OMIB,

IEEE_9 nút và lưới điện thông số thực tế trong trường hợp không có và có

STATCOM.

- Cải tiến và tối ưu các thông số bộ điều khiển STATCOM dùng ANFIS-PSO,

ANFIS-GA và ANFIS-Online để cải thiện chất lượng điện áp tại vị trí đặt

STATCOM.

- Đề xuất phương pháp lọc dữ liệu mới dựa trên cơ sở lý thuyết xác xuất thống kê

để xử lý dữ liệu trước khi cung cấp cho các giải thuật huấn luyện cũng như xây

dựng bộ dự báo công suất để điều khiển hiệu quả các thiết bị STATCOM trên lưới;

- Áp dụng các bộ điều khiển được cải tiến vào lưới điện Khu Công nghệ cao

Tp.HCM, nơi có các phụ tải với độ nhạy cao, góp phần đưa ra các giải pháp đảm

bảo tính ổn định chất lượng điện áp. Kết quả mô phỏng trên lưới điện thực tế cho

thấy việc sử dụng kỹ thuật huấn luyện online cho ANFIS sẽ cho kết quả tốt nhất

đối với hệ thống điện được nghiên cứu.

Chi tiết hơn, đối với kết quả nghiên cứu trên lưới OMIB, bộ điều khiển ANFIS-Online

có thể làm giảm đáng kể nhất các đặc tính dao động động học của điện áp tại PCC (đạt

trạng thái xác lập khoảng 1,346s và độ chênh lệch điện áp khoảng 0,85%), công suất

của máy phát đồng bộ PCC (đạt trạng thái xác lập khoảng 1,1 ~ 2,1s), và công suất của

máy phát điện gió (đạt trạng thái xác lập khoảng 2,09 ~ 2,36s) tại thời điểm phục hồi sự

cố ba pha xảy ra trên lưới điện OMIB. Đối với lưới IEEE_9 nút, các bộ điều khiển

ANFIS, ANFIS-PSO, ANFIS- GA và ANFIS-Online có thể cải thiện độ ổn định điện áp

tốt hơn bộ điều khiển PID truyền thống. Trong đó, ANFIS-PSO cho kết quả tốt nhất khi

so sánh với các bộ điều khiển khác. Nhìn chung, trong trường hợp sử dụng các bộ điều

khiển ANFIS, ANFIS-GA, ANFIS-PSO và ANFIS-Online, thì độ chênh lệch điện áp

tại nút PCC của lưới IEEE_9 nút là trong khoảng 9~10%. Điện áp đạt trạng thái xác lập

đối với các bộ điều khiển sử dụng ANFIS là khoảng 1,101s. Đối với lưới điện khu Công

130

nghệ cao, điện áp VPCC trạm 110kV Intel cho thấy các bộ điều khiển STATCOM được

đề nghị có thể đẩy nhanh việc phục hồi điện áp sau khi cô lập điểm ngắn mạch. Việc

này rất quan trọng đối với các trường hợp tại nút Intel có kết nối với phụ tải độ nhạy cao

(như phụ tải trong các khu vông nghiệp, các dây chuyền sản xuất các linh kiện bán

dẫn…), thời gian sụt áp kéo dài sẽ ảnh hưởng đến việc quyết định tiếp tục duy trì hay

ngừng dây chuyền sản xuất do ảnh hưởng đến chất lượng sản phẩm. Các đáp ứng thu

được cho thấy giữa các bộ điều khiển được áp dụng là Fuzzy, ANFIS (offline), ANFIS-

PSO, ANFIS-GA và ANFIS-Online thì kết quả của bộ điều khiển ANFIS-Online là tốt

nhất. Điều này khẳng định hiệu quả của việc cập nhật online các thông số của bộ ANFIS.

Nhìn chung, các kết quả nghiên cứu với lưới điện thực tế cho kết luận hoàn toàn phù

hợp với các kết quả nghiên cứu cho hệ OMIB và IEEE_9 nút. Các kết luận này cũng

cho thấy hiệu quả của bộ ANFIS-Online và đặc biệt là dữ liệu dùng để huấn luyện được

đánh giá độ tin cậy trước khi huấn luyện để nhằm đảm bảo độ chính xác cao. Các kết

quả nghiên cứu này đã được công bố trên các tạp chí, hội nghị quốc tế như đã đề cập.

Từ giải thuật điều khiển STATCOM được đề trong Chương 3, thực hiện trong và phân

tích đánh giá kết quả mô phỏng trong Chương 4 và Chương 5, đối với lưới điện Khu

Công Nghệ Cao Tp. HCM, luận án đề xuất sử dụng bộ điều khiển ANFIS-Online cho

thiết bị STATCOM .

6.2 Hướng phát triển của luận án

Mặc dù những nội dung nghiên cứu trong luận án đã được công nhận thông qua các bài

báo khoa học; kết quả chỉ ra có tính mới; và kết quả mô phỏng cho thấy hiệu quả của

các bộ điều khiển được đề nghị, tuy nhiên, luận án vẫn còn một số tồn tại, hạn chế cần

tiếp tục nghiên cứu phát triển tiếp theo nhằm nâng cao hiệu quả các bộ điều khiển, cũng

như thêm các giải pháp cải thiện chất lượng điện áp. Cụ thể, các hướng nghiên cứu tiếp

theo là:

- Trong việc tối ưu các bộ tham số của hệ ANFIS, có thể áp dụng các thuật toán tối

ưu khác như ABC (tối ưu đàn kiến), BA (tối ưu đàn ong), FA (tối ưu con đom

đóm), và CS (giải thuật tìm kiếm cooku) để xác đính các tham số của bộ ANFIS.

- Bộ dự báo ANI hiện được xây dựng và huấn luyện với phương pháp huấn luyện

nơ-ron nhân tạo thông thường. Vì vậy, trong tương lai, tác giả có thể nghiên cứu

131

áp dụng các phương pháp huấn luyện khác như SVM hoặc ARIMA để cải thiện

tính hiệu quả khả năng dự báo.

132

DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ

[1] Huu Vinh, Nguyen; Minh Tien, Cao; Hung, Nguyen; Kim Hung, Le, “Performance Comparison between PSO and GA in Improving Dynamic Voltage Stability in ANFIS Controllers for STATCOM”, Engineering, Technology & Applied Science Research, Vol. 9, No. 6, 2019, pp. 4863-4869 (Journal, ESCI, online)

[2] Huu Vinh, Nguyen; Minh Tien, Cao; Hung, Nguyen; Kim Hung, Le, “Using an Intelligent ANFIS Controller for STATCOM In Improving Dynamic Voltage Stability”, FACTA UNIVERSITATIS Series: Electronics and Energeticsod, Vol. 33, No. 3, 2020, pp. 395-412 (Journal, ESCI, accepted, online)

[3] Huu Vinh, Nguyen; Minh Tien, Cao; Hung, Nguyen; Kim Hung, Le, “Application of Anfis-Pid Controller for Statcom to Enhance Power Quality in Power System Connected Wind Energy System”, International Journal of Engineering & Technology, 7 (4.4) (2018), pp. 35-37, (Journal, Scopus Index, online)

[4] H. V. Nguyen; H. Nguyen; K. H. Le, “ANFIS and Fuzzy Tuning of PID Controller for STATCOM to Enhance Power Quality in Multi-machine System Under Large Disturbance”, Recent Advances in Electrical Engineering and Related Sciences: Theory and Application, LNEE (ATEA 2018), LNEE, Vol 554, pp. 34-44. (Lecture Note, Scopus Index).

[5] Nguyen Huu Vinh; Nguyen Hung; Le Kim Hung, “Sử dụng STATCOM để nâng cao ổn định trong hệ thống điện gió kết hợp với lưới điện”, Tạp chí Khoa học và công nghệ Đại học Đà Nẵng, ISSN: 1859 – 1531, số 11(96).2015, Quyển 2, pp. 219 – 221 (Journal)

[6] Nguyen Huu Vinh; Nguyen Hung; Le Kim Hung, “Application Of Adaptive Neuro-Fuzzy Inference System For Enhancing Controllability Of A Statcom In Power Systems”, International Journal Of Engineering Science & Innovative Technology (IJESIT), ISSN: 2319-5967, Volume 6, Issue 5, September 2017, pp. 21-29 (Journal, Online)

[7] Nguyen Huu Vinh; Nguyen Hung; Le Kim Hung, “Designing PID Controller for STATCOM and SVC in Multi-machine System Using Modal Theory Method”, International Journal of Engineering and Technical Research (IJETR), ISSN: 2321-0869 (O), Volume-7, Issue-10, October 2017, pp. 14-18 (Journal, Online)

[8] Nguyễn Hữu Vinh; Hồ Thanh Tuấn; Nguyễn Hùng; Lê Kim Hùng, “Ứng dụng STATCOM để cải thiện chất lượng điện áp trên hệ thống điện phân phối 22kV: khu công nghiệp Tân Bình, TpHCM”, Tạp chí Khoa học và công nghệ Đại học Đà Nẵng, ISSN: 1859 – 1531, số 7(116).2017, pp 102 - 106 (Journal)

[9] Nguyễn Hữu Vinh; Hoàng Văn Khải; Nguyễn Hùng; Lê Kim Hùng, “Cải thiện chất lượng điện áp trong lưới điện phân phối 22Kv có phụ tải phi tuyến dùng Statcom và bộ lọc sóng hài”, Tạp chí Khoa học và công nghệ Đại học Đà Nẵng, ISSN: 1859 – 1531, số 01 (122)/2018, pp 120 - 124 (Journal).

133

[10] Nguyen Huu Vinh; Le Kim Hung; Nguyen Hung, “Application study of a Statcom to enhance the stability of a grid connected Wind energy system”, 2015 IEEE International Future Energ Electronics Conference (IEEE IFEEC 2015), (IEEE Conference)

[11] Nguyen Huu Vinh; Le Kim Hung; Nguyen Hung, “Hybrid damping controller for STATCOM to enhance power quality in multi-machine system”, 2017 International Conference on System Science and Engineering (ICSSE 2017), IEEE Conference, pages: 154-157 (IEEE Conference)

[12] Nguyen Huu Vinh; Cao Minh Tien; Nguyen Hung; Le Kim Hung, “Transient Stability Improvement of Doubly Fed Induction Generator for Wind Turbine in Power System”, 21st International Conference on Mechatronics Technology (ICMT 2017), ISBN: 978-604-63-2635-9, pp. 443-447 (Conference).

[13] Nguyễn Hữu Vinh; Cao Minh Tiến; Nguyễn Hùng; Lê Kim Hùng, “Ứng dụng ANFIS để điều khiển STATCOM nhằm cải thiện sụt áp ngắn hạn trong hệ thống điện”, Hội nghị Khoa học công nghệ HUTECH 2018 (HUTECH Conference 2018), 2018, ISBN: 978-604-67-1082-0, pp. 753-759 (Conference).

[14] Nguyễn Hữu Vinh; Phạm Thanh Hưng; Nguyễn Hùng; Lê Kim Hùng, “Giải pháp cải thiện ổn định điện áp dùng thiết bị bù ngang cho lưới phân phối 22kV Huyện U Minh – Cà Mau”, Hội nghị Khoa học công nghệ HUTECH 2019 (HUTECH Conference 2019), 2019, ISBN: 978-604-67-1299-2, pp. 1452 - 1457 (Conference)

[15] Huu Vinh, Nguyen; Minh Tien, Cao; Hung, Nguyen; Kim Hung, Le; Tan Hung, Nguyen; Minh Vuong, Le; Tien Hoang, Nguyen: “Determining Optimal Location and Sizing of STATCOM Based on PSO Algorithm and Designing Its Online ANFIS Controller for Power System Voltage Stability Enhancement”, 2020 5th International Conference on Green Technology and Sustainable Development (GTSD 2020), 2020, ISBN: 978-1-7281-9982-5 (IEEE Conference).

134

TÀI LIỆU THAM KHẢO

[1]

I. Wasiak and Z. Hanzelka, "Integration of distributed energy sources with electrical power grid," Bulletin of Polish Academy of Sciences: Technical Sciences, vol. 54, no. 7, pp. 297-309, 2009.

[2] A. Moreno-Muñoz (Ed.), "Power Quality. Mitigation Technologies in a Distributed Environment," in Springer-Verlag, London, 2007.

[3] S.L. Chen et al., "Mitigation of voltage sags by network reconfiguration of a utility power system," in Transmission and Distribution Conference and Exhibition 2002: Asia Pacific. IEEE/PES, Asia Pacific, 2002.

[4] G. Benysek, M.P. Kazmierkowski, J. Popczyk, and R. Strzelecki, "Power electronic systems as a crucial part of Smart Grid infrastructure – a survey," Bulletin Of The Polish Academy Of Sciences: Technical Sciences, vol. 59, no. 4, 2011.

[5] R. Strzelecki and G. Benysek, "Power Eectronics in Smart Electrical," in Springer-Verlag, London, 2007.

[6] C. Perry and D. Dorr, "Custom Power Choices Abound," in Transmission and Distribution World, 2003.

[7] N.H. Woodley, L. Morgan, and A. Sundaram, "Experience With An Inverter- Based Dynamic Voltage Restorer," Power Delivery, IEEE Transactions on, vol. 14, no. 3, pp. 1181-1186, 1999.

[8] S.W. Middlekauff and E.R. Collins, "System and Customer Impact: Considerations for Series Custom Power Devices," Power Delivery, IEEE Transactions on, vol. 13, no. 1, pp. 278-282, 1998.

[9] C Benachaiba and B. Ferdi, "Voltage Quality Improvement Using DVR," Electrical Power Quality and Utilisation, Journal, vol. XIV, no. 1, pp. 39-46, 2008.

[10] S.B. Rewatkar and S.G. Kewte, "Role of Power Electronics based FACTS Controller SVC for mitigation of Power Quality Problems," Emerging Trends in Engineering and Technology (ICETET), 2009 2nd International Conference on, pp. 731-735, 2009.

[11] Singh, B. ; Saha, R. ; Chandra, A. ; Al-Haddad, K.,, "Static synchronous compensators (STATCOM): a review," Power Electronics, IET, vol. 2, no. 4, pp. 297-324, 2009.

[12] J. . Milanović and an Zhang, "Modeling of C S Devices for oltage Sag Mitigation Studies in Large Power Systems," Power Delivery, IEEE Transactions on, vol. 25, no. 4, pp. 3044-3052, 2010.

[13] Nguyen Huu Vinh; Nguyen Hung; Le Kim Hung, "Designing PID Controller for STATCOM and SVC in Multi-machine System Using Modal Theory Method," International Journal of Engineering and Technical Research (IJETR), vol. 7, no. 10, pp. 14-18, 2017.

[14] B. C. thương, Quy định hệ thống điện phân phối, Hà Nội, 2015. [15] T. Đ. Long, Tra cứu về chất lượng điện năng, Nhà xuất bản Bách khoa Hà Nội, 2013.

[16] N. R. W. J. Arrillaga, Power System Harmonics, Wiley, 2004.

135

[17] I.-S. S. Board, "IEEE Standard 519-2014 Recommend Practice and," IEEE Power and Energy Society, pp. 1-17, 2014.

[18] Barry W. Kennedy, Power Quality Primer, McGraw Hill, 2005. [19] Sheng Wang ; Lixue Li ; Xin Wang ; Yihui Zheng ; Gang Yao, "Direct output voltage control of a STATCOM using PI controller based on multiple models," in Industrial Electronics and Applications (ICIEA), 2011 6th IEEE Conference on, 2011.

[20] Datta, S. ; Roy, A.K., "Fuzzy logic based STATCOM Controller for enhancement of power system dynamic stability," in Electrical and Computer Engineering (ICECE), 2010 International Conference on, 2010.

[21] Shahgholian, G. ; Mahdavian, Mehdi ; Emami, A. ; Ahmadzade, B., "Improve power quality using static synchronous compensator with fuzzy logic controller," in Electrical Machines and Systems (ICEMS), 2011 International Conference on, 2011.

[22] Nguyễn Hồng Anh, Lê Cao Quyền, "Lựa chọn thiết bị bù công suất phản kháng tối ưu cho lưới điện 500kV Việt Nam," Tạp chí khoa học công nghệ đại học Đà Nẵng, vol. 3 (26), 2008.

[23] Đinh Thành Việt, Lê Đức Hiền, Trần Phương Châu, Trần Văn Dũng, Hà Đình Nguyên, "Ứng dụng STATCOM để nâng cao độ ổn định điện áp hệ thống điện Việt Nam. Tuyển tập Báo cáo," in Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ 7 Đại học Đà Nẵng, Đà Nẵng, 2010.

[24] N. G. Hingorani and L. Gyupyi., "Understanding FACTS: Concepts and Technology of Flexible AC Transmision System," in IEEE Press, New York, 2000.

[25] Kumaravel, G. ; Kumar, C., "Design of self tuning PI controller for STATCOM using Bats Echolocation Algorithm based Neural controller," in Advances in Engineering, Science and Management (ICAESM), 2012 International Conference on, 2012.

[26] Chauhan, S. ; Chopra, V. ; Singh, S., "Power system transient stability improvement using Fuzzy-PI based STATCOM controller," in Power, Control and Embedded Systems (ICPCES), 2012 2nd International Conference on,, 2012. [27] H. V. Nguyen; H. Nguyen; K. H. Le,, "Application Study of a STATCOM to Enhance The Stability of a Grid Connected Wind Energy System," in 2015 IEEE International Future Energ Electronics Conference (IEEE IFEEC 2015),, 2015. [28] J. Chhor, P. Tourou and C. Sourkounis, "Evaluation of state-based controlled STATCOM for DFIG-based WECS during voltage sags," in 2016 IEEE International Conference on Renewable Energy Research and Applications (ICRERA), Birmingham, 2016.

[29] A. Jain, K. Joshi, A. Behal, and N. Mohan,, "Voltage regulation with STATCOMs: Modeling, control and results," IEEE Trans. Power Delivery, vol. 21, no. 2, pp. 726-735, 2006.

[30] M. N. Uddin and R. S. Rebeiro, "Improved dynamic and steady state performance of a hybrid speed controller based IPMSM drive," in IEEE Industry Applications Society Annual Meeting (IAS), 2011.

[31] L. O. Mak, Y. X. Ni, and C. M. Shen, "STATCOM with fuzzy controllers for interconnected power systems," Electric Power Systems Research, vol. 55, no. 2, pp. 87-95, 2000.

136

[32] K. V. Patil, J. Senthil, J. Jiang, and R. M. Mathur, "Application of STATCOM for damping torsinal oscillations in series compensated AC system," IEEE Trans. Energy Conversion, vol. 13, no. 3, pp. 237-243, 1998.

[33] H. F. Wang, "Application of damping torque analysis to statcom control," Electrical power and energy systems, International journal of, vol. 22, pp. 197- 204, 2000.

[34] A. Safari, A. Ahmadian, and M. A. A. Golkar, "Controller design of statcom for power system stability improvement using honey bee mating optimization," Journal of Applied Research and Technology, vol. 11, pp. 144-155, 2013. [35] M. Molinas, J.A. Suul, and T. Undeland, "Low voltage ride through of wind farms with cage generators: STATCOM versus SVC," IEEE Trans. Power Electronics, 2008, vol. 23, no. 3, pp. 1104-1117, 2008.

[36] J. Arillaga and N. R. Watson, Computer Modelling of Electrical Power Systems, John Wiley & Sons Ltd, second edition, 2001.

[37] V. Spitsa, A. Alexandrovitz, E. Zeheb,, "Robust Pole Placement Technique for STATCOM Controller Design," in IEEE 25th Convention of Electrical and Electronics Engineers, Israel, 2008.

[38] N. M. Ali, V. Amin, "An LQR/Pole Placement Controller Design for

STATCOM," in IEEE Control Conference, Hunan, China, 2007.

[39] A. F. Bati, "Damping Of Power Systems Oscillations by Using STATCOM GA- Based Optimal Controllers," in IEEE/PES Conference on Innovative Smart Grid Technologies, Middle East, Jeddah, Saudi Arabia, 2011.

[40] B. S. Chen, Y. Y. Hsu, "A Minimal Harmonic Controller for a STATCOM," IEEE Transactions on Industrial Electronics, vol. 55, no. 2, pp. 655-664, 2008. [41] C. F. Xue, X. P. Zhang, K. R. Godfrey, "Design of STATCOM Damping Control with Multiple Operating Points: A Multimodal LMI Approach," IEEE Proceedings Generation, Transmission and Distribution, vol. 153, no. 4, pp. 375- 382, 2006.

[42] W. Chao, Z. Yao, "Approach on Nonlinear Control Theory for Designing STATCOM Controller," in IEEE International Conference on Grey Systems and Intelligent Services, Nanjing, China, 2007.

[43] S. Latha, G.Y. R. Vikhram, "Power System Damping Improvement by Robust STATCOM Voltage Controller Design Using Loop-Shaping Technique," in IEEE International Conference on Process Automation, Coimbatore, India, 2011.

[44] C. Pang, M. Kezunovic,, "A New Approach to PID Controller Design of STATCOM," in IEEE 40th Power Symposium, Calgary, Canada, 2008.

[45] C. H. Liu, Y. Y. Hsu, "Design of a Self-Tuning PI Controller for a STATCOM Using Particle Swarm Optimization," IEEE Transactions on Industrial Electronics, vol. 57, no. 2, pp. 702-715, 2010.

[46] M. R. Banaei, "Enhancement of Power System Stability By Means Of SSSC and STATCOM: A Comparative Study," in IEEE 7th International Conference on Electrical and Electronics Engineering, Bursa, Turkey,, 2011.

[47] B. Singh, R. Saha, "A New 24-Pulse STATCOM for Voltage Regulation," in IEEE International Conference on Power Electronics, Drives and Energy Systems, Delhi, India, 2006.

137

[48] P. Rao, M. L. Crow, Z. Yang, "STATCOM Control For Power System Voltage Control Applications," IEEE Transactions on Power Delivery, vol. 15, no. 4, pp. 1311-1317, 2000.

[49] S. Li, L. Xu, T. A. Haskew, "Control of VSC-Based STATCOM Using Conventional and Direct-Current Vector Control Strategies," International Journal of Electrical Power & Energy Systems, vol. 45, no. 1, pp. 175-186, 2012. [50] H. C. Tsai, C. C. Chu, S. H. Lee, "Passivity-based Nonlinear STATCOM Controller Design for Improving Transient Stability of Power Systems," in IEEE Transmission and Distribution Conference & Exhibition: Asia and Pacific, Dalian, China, 2005.

[51] K. R. Padiyar, N. Prabhu, "Design and Performance Evaluation of Sub synchronous Damping Controller with STATCOM," IEEE Transactions on Power Delivery, vol. 21, no. 3, pp. 1398-1405, 2006.

[52] N. Voraphonpiput, S. Chatratana, "STATCOM Analysis and Controller Design for Power System Voltage Regulation," in IEEE Transmission and Distribution Conference and Exhibition, Dalian, China, 2005.

[53] Y. Xingwu, J. Jianguo, L. Shichao, "A Novel Design Approach of DC Voltage Balancing Controller for Cascaded H-Bridge Converter-Based STATCOM," in IEEE 6th International Power Electronics and Motion Control Conference, Wuhan, China, 2009.

[54] V. Spitsa, A. Alexandrovitz, E. Zeheb, "Design of a Robust State Feedback Controller for a STATCOM Using a Zero Set Concept," IEEE Transactions on Power Delivery, vol. 25, no. 1, pp. 456-467, 2001.

[55] D. Jovcic, R. Sternberger, "Robust Controller Design for a Multilevel Cascaded STATCOM," in IEEE Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century, Pittsburgh, Pennsylvania, 2008.

[56] C. Hochgraf and R. Lasseter, "Statcom controls for operation with unbalanced

voltages," Power Delivery, IEEE Transactions on, vol. 13, pp. 538-544, 1998.

[57] H. Wang, "Phillips-heffron model of power systems installed with statcom and applications," Generation, Transmission and Distribution, IEE Proceedings, vol. 146, pp. 521-527, 1999.

[58] W. Heffron and R. Phillips, "Effect of a modern amplidyne voltage regulator on underexcited operation of large turbine generators [includes discussion]," Power Apparatus and Systems, Part III. Transactions of the American Institute of Electrical Engineers, vol. 71, pp. 692-697, 1952.

[59] K. Bollinger and R. Lalonde, "Tuning synchronous generator voltage regulators using on-line generator models," Power Apparatus and Systems, IEEE Transactions on, vol. 96, pp. 32-37, 1977.

[60] A. Ibrahim, B. Hogg, and M. Sharaf, "Self-tuning automatic voltage regulators for a synchronous generator," Control Theory and Applications, IEE Proceedings D, vol. 136, pp. 252-260, 1989.

[61] J. Finch, K. Zachariah, and M. Farsi, "Turbogenerator self-tuning automatic voltage regulator," Energy Conversion, IEEE Transactions on,, vol. 14, pp. 843- 848, 1999.

138

[62] Ho WH, Chen JX, Lee I, Su HC, "An ANFIS-based model for predicting adequacy of vancomycin regimen using improved genetic algorithm," Expert Syst Appl, vol. 38, pp. 13050-13056, 2011.

[63] Chen MY, "A hybrid ANFIS model for business failure prediction utilizing particle swarm optimization and subtractive clustering," Inform Sci, vol. 220, pp. 180-195, 2013.

[64] Jalali-Heravi M, Asadollahi-Baboli M, "Quantitative

structure-activity relationship study of serotonin (5-HT7) receptor inhibitors using modified ant colony algorithm and adaptive neuro-fuzzy interference system (ANFIS)," Eur J Med Chem, vol. 44, pp. 1463-1470, 2009.

[65] Kennedy, J. and Eberhart, R.C, "Particle swarm optimization, In Proceedings of IEEE international conference on neural networks," in IEEE Press, New Jersey, 1995.

[66] Momeni, E., Armaghani, D.J., Hajihassani, M. and Amin, M.F.M, "Prediction of uniaxial compressive strength of rock samples using hybrid particle swarm optimization-based artificial neural networks," Measurement, vol. 60, pp. 50-63, 2015.

[67] F. Solomonese, C. Barbulescu, S. Kilyeni, M. Litcanu, "Genetic algorithms. Power systems applications," in 2013 6th International Conference on Human System Interactions (HSI), Sopot, Poland, 2013.

[68] L. Tian, "Intelligent self-tuning of PID Control for the Robotic Testing System for Human Musculoskeletal joints test," Annals of Biomedical Engineering, vol. 32, no. 6, 2004.

[69] O. Bachir and A. F. Zoubir, "Adaptive Neuro-fuzzy Inference System Based Control of Puma 600 Robot Manipulator," International Journal of Electrical and Computer Engineering, vol. 2, no. 1, pp. 90-97, 2012.

[70] J. JSR, "ANFIS: Adaptive-network-based fuzzy inference system.," IEEE T Syst Man Cyb, vol. 23, pp. 665-685, 1993.

[71] Shahgholian, G. ; Faiz, J. ; Fani, B. ; Yousefi, M.R., "Operation, modeling, control and applications of static synchronous compensator: A review," in IPEC 2010, 2010.

[72] H. V. Nguyen, H. Nguyen, K. H. Le, "Hybrid damping controller for STATCOM to enhance power quality in multi-machine system," 2017 International Conference on System Science and Engineering (ICSSE), pp. 154-157, 2017.

[73] H. V. Nguyen, H. Nguyen, K. H. Le, "ANFIS and Fuzzy Tuning of PID Controller for STATCOM to Enhance Power Quality in Multi-machine System Under Large Disturbance," AETA 2018 - Recent Advances in Electrical Engineering and Related Sciences: Theory and Application, LNEE, Vol 554, pp. 34-44, 2018.

[74] A. Awasthi, S. K. Gupta, M. K. Panda, "Design of a Fuzzy Logic Controller Based STATCOM for IEEE9 Bus System," European Journal of Advances in Engineering and Technology, vol. 2, no. 4, pp. 62-67, 2015.

[75] A. Albakkar, O.P. Malik, "Adaptive Neuro-Fuzzy FACTS Controller for Transient Stability Enhancement," in 16th National Power System Conference, Osmania University, India, 2010.

139

[76] Nguyễn Hữu Vinh; Cao Minh Tiến; Nguyễn Hùng; Lê Kim Hùng,, "Ứng dụng ANFIS để điều khiển STATCOM nhằm cải thiện sụt áp ngắn hạn trong hệ thống điện," Hội nghị Khoa học công nghệ HUTECH 2018, pp. 753-759, 2018. [77] Shoorehdeli MA, Teshnehlab M, Sedigh AK, "Training ANFIS as an identifier with intelligent hybrid stable learning algorithm based on particle swarm optimization and extended Kalman filter," Fuzzy Set Syst, vol. 160, pp. 922-948, 2009.

[78] Durairaj S., Kannan P.S., Devaraj D., "Application of Genetic Algorithm to Optimal Reactive Power Dispatch including Voltage Stability Constraint," Journal of Energy & Environment, vol. 4, pp. 63-73, 2005.

[79] Dehghani, M.; Riahi-Madvar, H.; Hooshyaripor, F.; Mosavi, A.; Shamshirband, S.; Zavadskas, E.K.; Chau, K.W., "Prediction of hydropower generation using Grey wolf optimization adaptive neuro-fuzzy inference system," Energies, 2019. [80] Choubin, B.; Moradi, E.; Golshan, M.; Adamowski, J.; Sajedi-Hosseini, F.; Mosavi, A., "An ensemble prediction of flood susceptibility using multivariate discriminant analysis, classification and regression trees, and support vector machines," Sci. Total Environ. 2019, vol. 651, p. 2087–2096, 2019.

[81] Rezakazemi, M.; Mosavi, A.; Shirazian, S. , "ANFIS pattern for molecular membranes separation optimization," J. Mol. Liq. , vol. 274, pp. 470-476, 2019. [82] Basser, H.; Karami, H.; Shamshirband, S.; Akib, S.; Amirmojahedi, M.; Ahmad, R.; Jahangirzadeh, A.; Javidnia, H., "Hybrid ANFIS-PSO approach for predicting optimum parameters of a protective spur dike," Appl. Soft Comput. J., vol. 30, pp. 642-649, 2015.

[83] Huu Vinh, Nguyen; Minh Tien, Cao; Hung, Nguyen; Kim Hung, Le,, "Performance Comparison between PSO and GA in Improving Dynamic Voltage Stability in ANFIS Controllers for STATCOM," Engineering, Technology & Applied Science Research, vol. 9, no. 6, pp. 4863-4869, 2019.

[84] S.Sivagowry 1, M. Durairaj, "A Study on the accessible techniques to classify and predict the risk of Cardio Vascular Disease," International Journal of Computer Trends and Technology (IJCTT), vol. 32, no. 1, 2016.

[85] M. Omar, M. A. Zaidan, and M. O. Tokhi, "Dynamic modelling and control of a twin-rotor system using adaptive neuro-fuzzy inference system techniques," Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, vol. 226, no. 7, pp. 787-803, 2012.

[86] Rahib Hidayat Abiyev, and Okyay Kaynak, Fellow,, "Type 2 Fuzzy Neural Structure for Identiﬁcationand Control of Time-Varying Plants," IEEE TRANSACTI ONS ON INDUSTRIAL ELECTRONICS, vol. 57, no. 12, 2010.

[87] Erkan Kayacan, Erdal Kayacan, and Mojtaba Ahmadieh, "Identification of Nonlinear Dynamic Systems Using Type-2 Fuzzy Neural Networks - A Novel Learning Algorithm and a Comparative Study," IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, 2014.

[88] Rabiah Badar ; Saad Dilshad, "Type-II neuro fuzzy wavelet control for power system stability enhancement using STATCOM," in 2016 19th International Multi-Topic Conference (INMIC), 2016.

[89] Pearson, K., "On Lines and Planes of Closest Fit to Systems of Points in Space," Philosophical Magazine, vol. 2, no. 11, pp. 559-572, 1901.

140

[90] Hotelling, H., "Analysis of a complex of statistical variables into principal components," Journal of Educational Psychology, vol. 24, pp. 417–441, and 498–520, 1933.

[91] Kong W, Dong ZY, Jia Y, Hill DJ, Xu Y, Zhang Y., "Short-term residential load forecasting based on LSTM recurrent neural network," IEEE Transactions on Smart Grid, 2017.

[92] H.S. Hippert, C E Pedreira and R C Souza, "Neural networks for short-term load forecasting: a review and evaluation," IEEE Transactions on Power Systems, vol. 16, no. 1, pp. 44-55, 2001.

[93] A. S. Pandey, D. Singh and S. K. Sinha, "Intelligent Hybrid Wavelet Models for Short-Term Load Forecasting," IEEE Transactions on Power Systems, vol. 25, no. 3, pp. 1266-1273, 2010.

[94] Qiang, S. and Pu, Y, "Short-term power load forecasting based on support vector machine and particle swarm optimization," Journal of Algorithms &t Computational Technology, 2019.

[95] Wang, Jujie Wang, Jianzhou Li, Yaning Zhu, Suling Zhao, Jing, "Techniques of applying wavelet de-noising into a combined model for short-term load forecasting," International Jourmal of Electrical Power Energy Systems, vol. 62, pp. 816-824, 2014.

[96] M. Lopez Garcia, S. Valero, C. Senabre and A Gabaldon Marin, "Short-Term Predictability of Load Series Characterization of Load Data Bases," IEEE Transactions on Power Systems, vol. 28, no. 3, pp. 2466-2474, Aug.2013. [97] J J Melero, J.J. Guerrero, J Beltran and C Pueyo, "Efficient data filtering for wind energy assessment," IET Renewable Power Generation, vol. 6, no. 6, pp. 446- 454, 2012.

[98] X. Cao, S. Dong, Z. Wu, and Y. Jing, "A Data-Driven Hybrid Optimization Model for Short-Term Residential Load Forecasting," in Computer and Information Technology: Ubiquitous Computing and Communications; Dependable, Autonomic and Secure Computing: Pervasive Intelligence and Computing (CIT/IUCC/DASC/PICOM), 2015 IEEE International Conference on, 2015.

[99] Z. Yun, Z Quan, S Caixin, L Shaolan, L. Yuming, and S. Yang, "RBF Neural Network and ANFIS-Based Short-Term Load Forecasting Approach in Real- Time Price Environment," IEEE Transactions on Power Systems, vol. 23, pp. 853-858, 2008.

[100] H M. Al-Hamadi and S. A Soliman, "Fuzzy short-term electric load forecasting IEE Proceedings-Generation, Transmission and filter," using Kalman Distribution, vol. 153, no. 2, pp. 217-227, 2006.

[101] Tai Nengling, Jurgen Stenzel, Wu Hongxiao, "Techniques of applying wavelet transform into combine model for short-term load forecasting," Electric Power Systems Research, vol. 76, no. 6-7, pp. 525-533, 2006.

[102] Park, D. C, El-Sharkawi, M. A, Marks, R J, Atlas, L E, Damborg, M. J, "Electric load forecasting using an artificial neural network," IEEE Transactions on Power Systems, vol. 6, no. 2, pp. 442-449, 1991.

[103] Nguyen Huu Vinh; Nguyen Hung; Le Kim Hung, "Sử dụng STATCOM để nâng cao ổn định trong hệ thống điện gió kết hợp với lưới điện," Tạp chí Khoa học và công nghệ Đại học Đà Nẵng, vol. 11, no. 96, pp. 219-221, 2015.

141

[104] Nguyen Huu Vinh; Cao Minh Tien; Nguyen Hung; Le Kim Hung, "Transient Stability Improvement of Doubly Fed Induction Generator for Wind Turbine in Power System," 21st International Conference on Mechatronics Technology (ICMT 2017), pp. 443-447, 2017.

[105] Huu Vinh, Nguyen; Minh Tien, Cao; Hung, Nguyen; Kim Hung, Le,, "Application of Anfis-Pid Controller for Statcom to Enhance Power Quality in Power System Connected Wind Energy System," International Journal of Engineering & Technology, vol. 7, no. 4.4, pp. 35-37, 2018.

[106] EVNHCMC HVGC, "Chương trình nâng cao độ tin cậy," 2018. [107] E.V. Larsen and D.A Swann,, "Applying Power System Stabilizers," IEEE Trans. on Power Apparatus and Systems, Vols. PAS-100, pp. 3017-3046, 1981.

142

PHỤ LỤC

1. Các thông số hệ IEEE_9 nút

a. Dữ liệu nút

Bảng PL1.1 – Thông số nút của hệ IEEE_9 nút

Angle Pg

Bus No V 1 2 3 4 5 6 7 8 9 1,040 0 1,026 0 1,025 0 1,000 0 1,000 0 1,000 0 1,000 0 1,000 0 1,000 0 0 163 85 0 0 0 0 0 0 Qg 0 0 0 0 0 0 0 0 0 Pl 0 0 0 0 125 90 0 100 0 Ql 0 0 0 0 50 30 0 35 0 Qmin Qmax 0 -100 -70 0 0 0 0 0 0 0 130 50 0 0 0 0 0 0

b. Dữ liệu đường dây

Bảng PL1.1 – Thông số nhánh của hệ IEEE_9 nút

Từ nút 1 2 3 4 4 5 6 7 8 Đến nút 4 7 9 5 6 7 9 8 9 R (pu) 0,0000 0,0000 0,0000 0,0100 0,0170 0,0320 0,0390 0,0085 0,0119 X (pu) 0,0576 0,0625 0,0586 0,0850 0,0920 0,1610 0,1700 0,0720 0,1008 B (pu) 0 0 0 0,1760 0,1580 0,3060 0,3580 0,1490 0,2090

2. Các thông số lưới điện Khu Công nghệ cao TpHCM

a. Dữ liệu nút

Bảng PL2.1 – Thông số nút lưới điện Khu Công nghệ cao

Pl (MW) Ql (MVAr)

Vi 1,00 1,00 1,00 1,00 Tên trạm 220kV Thủ Đức 220kV Cát Lái 110kV Thủ Đức 110kV Cát Lái 110 120 110 124 36 15 16 26

143

Pl (MW) Ql (MVAr)

Tên trạm Thủ Đức Bắc Intel Tăng Nhơn Phú Thủ Đức Đông Sao Mai Công nghệ cao Vi 1,00 1,00 1,00 1,00 1,00 1,00 80 60 20 40 45 40 20 15 15 25 20 15

b. Dữ liệu đường dây

Bảng PL2.2 – Dữ liệu nhánh lưới điện Khu Công nghệ cao

Từ nút 1 1 2 3 4 4 4 5 6 6 7 1 Đến nút 2 3 4 5 8 9 10 6 7 8 8 2 R (p.u) 0,0010 0,0007 0,0010 0,0003 0,0058 0,0053 0,0064 0,0038 0,0032 0,0032 0,0032 0,0010 X (p.u) 0,0168 0,0267 0,0400 0,0018 0,0184 0,0176 0,0009 0,0163 0,0103 0,0103 0,0103 0,0168 B (p.u) 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

3. Xác định vị trí đặt STATCOM dùng thuật toán PSO

Việc xác định vị trí và dung lượng STATCOM được thực hiện thông qua giải thuật tìm

kiếm tối ưu PSO với hàm đánh giá được xác định như sau:

3.1 Hàm đánh giá trong quá trình xác định vị trí và dung lượng STATCOM:

Hàm đánh giá chung trong các trường hợp xác định vị trí tối ưu thiết bị bù được xây

𝑁𝑔

𝑁𝑑

2 𝑙𝑖𝑚)

dựng như sau:

𝑗=1

𝐹𝑖𝑡 = ∑ ∆𝑃𝑛ℎá𝑛ℎ + 𝛼𝑣 ∑(𝑉𝑙𝑗 − 𝑉𝑙𝑗 + 𝛼𝑄 ∑(𝑄𝑔𝑗 − 𝑄𝑔𝑗

𝑁𝑏𝑟

2 𝑙𝑖𝑚)

(PL3.1)

𝑗=1

+ 𝛼𝑆 ∑(𝑆𝑙𝑗 − 𝑆𝑙𝑗

144

trong đó 𝛼𝑔, 𝛼𝑣, 𝛼𝑆 lần lượt là hệ số phạt của công suất phản kháng máy phát, điện áp

tải và công suất đường dây.

Giới hạn của các biến phụ thuộc trong phương trình xác định hàm mục tiêu Fit này được

xác định như sau:

𝑥𝑙𝑖𝑚 = {

𝑥𝑚𝑎𝑥, 𝑥𝑚𝑖𝑛, 𝑥 , 𝑥 > 𝑥𝑚𝑎𝑥 𝑥 < 𝑥𝑚𝑖𝑛 𝑘ℎá𝑐

với 𝑥 và 𝑥𝑙𝑖𝑚 là các giá trị tính toán và giới hạn của 𝑄𝑔𝑗, 𝑉𝑙𝑗, 𝑆𝑙𝑗.

3.2 Các điều kiện ràng buộc:

a) Điều kiện ràng buộc công suất các nút được xác định theo phương trình công suất

𝑁𝑏𝑢𝑠

𝑘=1

𝑁𝑏𝑢𝑠

(PL3.2) 𝑃𝑔𝑗 − 𝑃𝑑𝑗 − ∑ |𝑉𝑗||𝑉𝑘||𝑌𝑗,𝑘|𝑐𝑜𝑠(𝜃𝑗,𝑘 − 𝛿𝑗 + 𝛿𝑘) = 0 ; 𝑗 = 1 … 𝑁𝑏𝑢𝑠

𝑘=1

𝑄𝑔𝑗 − 𝑄𝑑𝑗 − 𝑄𝑠𝑡𝑎𝑡𝑗 − ∑ |𝑉𝑗||𝑉𝑘||𝑌𝑗,𝑘|𝑠𝑖𝑛(𝜃𝑗,𝑘 − 𝛿𝑗 + 𝛿𝑘) = 0 ; 𝑗 = 1 … 𝑁𝑏𝑢𝑠 (PL3.3)

b) Điều kiện ràng buộc bất đẳng thức

Giới hạn công suất của máy phát: Công suất phản kháng và điện áp của máy phát phải

nằm trong giới hạn dưới và giới hạn trên của máy phát như sau:

(PL3.4) 𝑄𝑔𝑗,𝑚𝑖𝑛 < 𝑄𝑔𝑗 < 𝑄𝑔𝑗,𝑚𝑎𝑥; 𝑗 = 1 … 𝑁𝑔𝑒𝑛

(PL3.5) 𝑉𝑔𝑗,𝑚𝑖𝑛 < 𝑉𝑔𝑗 < 𝑉𝑔𝑗,𝑚𝑎𝑥; 𝑗 = 1 … 𝑁𝑔𝑒𝑛

Ràng buộc về ổn định: Điện áp tại mỗi nút tải và dòng công suất trên đường dây không

được vượt quá giới hạn dưới và giới hạn trên.

(PL3.6) 𝑉𝑙𝑗,𝑚𝑖𝑛 < 𝑉𝑙𝑗 < 𝑉𝑙𝑗,𝑚𝑎𝑥; 𝑗 = 1 … 𝑁𝑑

(PL3.7) 𝑆𝑙 ≤ 𝑆𝑙𝑚𝑎𝑥; 𝑙 = 1 … 𝑁𝑙

145

(PL3.8) 𝑆𝑙 = 𝑚𝑎𝑥{𝑆𝑗,𝑘, 𝑆𝑘,𝑗}

Giới hạn statcom: Công suất STATCOM được giới hạn với khả năng phát hoặc hấp thụ

công suất của nó, cụ thể là không được vượt quá giới hạn trên và giới hạn dưới như sau:

(PL3.9) 𝑆𝑠𝑡𝑎𝑡𝑗,𝑚𝑖𝑛 < 𝑆𝑠𝑡𝑎𝑡𝑗 < 𝑆𝑠𝑡𝑎𝑡𝑗,𝑚𝑎𝑥; 𝑗 = 1 … 𝑁𝑠𝑡𝑎𝑡

3.3 Các bước thực hiện thuật toán xác định vị trí và dung lượng STATCOM:

Bắt đầu

Khởi tạo quẩn thể, chọn các thông số N, bird_step, c1, c2, R, 𝛼𝑔, 𝛼𝑣, 𝛼𝑆

(0) (0), 𝑣𝑖𝑑

Khởi động các biến điều khiển: 𝑥𝑖𝑑

Đối với mỗi cá thể (dung lượng, vị trí): tính toán phân bố công suất, ước lượng hàm mục tiêu

Đúng

Kết thúc So sánh hiệu quả từng cá thể với hiệu quả tốt nhất

Sai

(𝑘) (𝑘) và cập nhật vị trí 𝑥𝑖𝑑

Tính vận tốc mới 𝑣𝑖𝑑

Di chuyển từng cá thể đến một vị trí mới

Hình PL.1 Các bước xác định vị trí đặt STATCOM dùng thuật toán PSO

146

Như trong hình Hình PL.1, các bước áp dụng thuật toán PSO giải bài toán xác định vị

trí tối ưu STATCOM như sau:

i. Chọn các thông số điều khiển cho PSO bao gồm số cá thể N, số vòng lặp lớn

nhất (bird_step), các hệ số thành phần nhận thức và thành phần xã hội c1, c2;

hệ số giới hạn vận tốc lớn nhất R, các hệ số phạt 𝛼𝑔, 𝛼𝑣, 𝛼𝑆 cho các ràng buộc.

Ở đây, số cá thể được chọn là số nút trong hệ thống

(0).

ii. Khởi động các biến điều khiển trong giới hạn xác định bao gồm vị trí, vận tốc

(0), 𝑣𝑖𝑑

ban đầu của các cá thể 𝑥𝑖𝑑

iii. Đối với mỗi cá thể, tính toán giá trị của các biến phụ thuộc dựa trên phân bố

công suất và ước lượng hàm mục tiêu Fpbestd theo công thức (PL3.1). Xác

(0) cho mỗi cá thể và gbest cho vị trí

định giá trị tốt nhất toàn cục của hàm đánh giá Fgbest = min(Fpbestd).

(𝑘) cho mỗi phần cá thể theo

iv. Đặt pbestd cho vị trí khởi tạo ban đầu 𝑥𝑖𝑑 mỗi cá thể tương ứng với hàm Fpbestd.

(𝑘) và cập nhật vị trí 𝑥𝑖𝑑

v. Tính toán vận tốc mới 𝑣𝑖𝑑

(2.27) và (2.28), di chuyển đến vị trí mới.

Nếu k < bird_step, tăng số vòng lặp k = k + 1 và trở lại Bước 3 lặp đến khi kết thúc các bước lặp.

3.4 Kết quả áp dụng với lưới điện mẫu IEEE 9 bus và lưới điện thông số thực

tế

Trong nghiên cứu của luận án này, vị trí STATCOM dùng thuật toán PSO này được tác

giả áp dụng vào lưới điện mẫu IEEE 9 nút và lưới điện thông số thực tế tại Khu Công

nghệ cao TpHCM.

a) Kết quả áp dụng với lưới điện mẫu IEEE 9 bus

Như đã trình bày ở đầu Chương này, do không phải tập trung vào nghiên cứu tối ưu,

luận án chỉ mong muốn trình bày một kết quả xác định vị trí đặt STATCOM là phù hợp

nhất dựa theo cơ sở lý thuyết là thuật toán PSO. Theo đó, với hệ lưới điện mẫu IEEE 9

bust này, hàm mục tiêu được xây dựng liên quan đến tổn thất công suất tác dụng trên

147

lưới điện và điện áp tại các nút, tức là các hệ số phạt liên quan đến định mức truyền tải

𝑁𝑔

𝑁𝑑

của đường dây là 𝛼𝑆 bằng 0. Như vậy, hàm mục tiêu trong biểu thức (PL3.1) trở thành:

2 𝑙𝑖𝑚)

𝑗=1

(PL3.10) 𝐹𝑖𝑡 = ∑ ∆𝑃𝑛ℎá𝑛ℎ + 𝛼𝑣 ∑(𝑉𝑙𝑗 − 𝑉𝑙𝑗 + 𝛼𝑄 ∑(𝑄𝑔𝑗 − 𝑄𝑔𝑗

Kết quả so sánh các điện áp sau khi tính toán phân bố công suất tại các nút trong trường

hợp chưa có STATCOM và có STATCOM được trình bày trong Bảng PL3.1 và vị trí

đặt STATCOM được nêu trong Bảng PL3.2

Bảng PL3.1 Điện áp tại các nút

Vi (pu)

Bus

Chưa có STATCOM

Có STATCOM

1,0400

1,0260

1,0250

0,9669

0,9932

0,9137

0,9681

0,9310

0,9819

0,9543

0,9893

0,9228

0,9600

9 0,9209

1,0000

Bảng PL3.2 Các thông số khi có lắp đặt Statcom

Vị trí đặt tối ưu

Nút 9

Tổng tổn hao trên lưới (pu)

0,370

0,3704

Giá trị hàm Fitmin (pu)

Công suất (pu)

0,5

100MVA

Scb STATCOM

148

Qua kết quả tính toán, điện áp tại các nút 5, 6, 8, 9 khi chưa có STATCOM tương ứng

là 𝑉𝑖=5,6,8,9 = [0,9137; 0,9310; 0,9228; 0,9209]pu, và chưa đạt yêu cầu vận hành trong

chế độ xác lập, 𝑉𝑖 ≥ 0,95pu. Trong trường hợp có STATCOM, các giá trị điện áp tại các

nút này được cải thiện rất tốt, cụ thể: 𝑉𝑖=5,6,8,9 = [0,9681; 0,9819; 0,9600; 1], và không

có vị trí nào vi phạm tiêu chuẩn điện áp 𝑉𝑖 ≥ 0,95pu.

Kết quả tính toán cũng xác định được vị trí đặt STATCOM là nút 9 với dung lượng là

0,5pu. Tổng tổn thất công suất tác dụng trên lưới trước và sau khi có STATCOM tương

ứng là ∑ ∆𝑃𝑛ℎá𝑛ℎ(𝑛𝑜𝑆𝑇𝐴𝑇) = 0,395pu và ∑ ∆𝑃𝑛ℎá𝑛ℎ(𝑆𝑇𝐴𝑇) =0,370pu, giảm được tổn thất

công suất là 0,025pu.

b) Kết quả áp dụng với lưới điện thông số thực tế

Bảng PL3.3 Điện áp tại các nút

Vi (pu)

Bus

Tên trạm

Chưa có STATCOM

Có STATCOM

220kV Thủ Đức

1,0000

220kV Cát Lái

0,9941

0,9982

110kV Thủ Đức

0,9885

1,0002

110kV Cát Lái

0,9838

0,9974

Thủ Đức Bắc

0,9873

0,9998

6 Intel

0,9804

1,0000

Tăng Nhơn Phú

0,9792

0,9981

Thủ Đức Đông

0,9799

0,9980

Sao Mai

0,9802

0,9939

Công nghệ cao

0,9948

0,9939

Kết quả so sánh các điện áp sau khi tính toán phân bố công suất tại các nút trong trường

hợp chưa có STATCOM và có STATCOM được trình bày trong Bảng PL3.3 và vị trí

đặt STATCOM được nêu trong Bảng PL3.4

Qua kết quả tính toán, điện áp thấp nhất khi chưa có STATCOM là nút số 7, trạm Tăng

Nhơn Phú, 𝑉7 = 0,9792 pu, không có vị trí nào vi phạm tiêu chuẩn điện áp. Trong trường 149

hợp có STATCOM, điện áp tại trạm Tăng Nhơn Phú được cải thiện hơn và đạt giá trị,

𝑉7(𝑠𝑡𝑎𝑡) = 0,9981 pu và không có vị trí nào vi phạm tiêu chuẩn điện áp 𝑉𝑖 ≥ 0,95pu.

Vị trí đặt tối ưu

Nút 6

Tổng tổn hao trên lưới (pu)

0,149

0,1491

Giá trị hàm Fitmin (pu)

Công suất (pu)

0,15

100MVA

Scb STATCOM

Bảng PL3.4 Các thông số khi có lắp đặt Statcom

Kết quả tính toán cũng xác định được vị trí đặt STATCOM trong hệ lưới điện này là nút

6, tại trạm Intel với dung lượng là 0,15pu. Tổng tổn thất công suất tác dụng trên lưới

trước và sau khi có STATCOM tương ứng là ∑ ∆𝑃𝑛ℎá𝑛ℎ(𝑛𝑜𝑆𝑇𝐴𝑇) = 0,266pu và

∑ ∆𝑃𝑛ℎá𝑛ℎ(𝑆𝑇𝐴𝑇) =0,149pu, giảm được tổn thất công suất là 0,117pu.

150