Luận án Tiến sĩ Kỹ thuật điện: Nghiên cứu phương pháp xác định vị trí sự cố trên đường dây tải điện dựa trên mạng nơron MLP

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƢƠNG TUẤN ANH

NGHIÊN CỨU PHƢƠNG PHÁP XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƢỜNG DÂY TẢI ĐIỆN DỰA TRÊN MẠNG NƠRON MLP

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN Hà Nội - 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƢƠNG TUẤN ANH

NGHIÊN CỨU PHƢƠNG PHÁP XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƢỜNG DÂY TẢI ĐIỆN DỰA TRÊN MẠNG NƠRON MLP

Chuyên ngành: Kỹ thuật điện Mã số:

62520202

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN

NGƯỜI HƯỚNG DẪN KHOA HỌC 1. PGS. TSKH. Trần Hoài Linh 2. TS. Phạm Hồng Thịnh Hà Nội - 2014

Mở đầu

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dựa trên những hƣớng

dẫn của tập thể hƣớng dẫn khoa học và các tài liệu tham khảo đã trích dẫn. Kết quả nghiên

cứu là trung thực và chƣa công bố trên bất cứ một công trình nào khác.

Nghiên cứu sinh

- i -

TRƢƠNG TUẤN ANH

Mở đầu

LỜI CẢM ƠN

Trong quá trình làm luận án, tôi đã nhận đƣợc nhiều ý kiến đóng góp từ các thầy

giáo, cô giáo, các anh chị và các bạn đồng nghiệp.

Tôi xin bày tỏ lòng biết ơn đến PGS.TSKH Trần Hoài Linh, TS. Phạm Hồng Thịnh

và Hội đồng Khoa học của Bộ môn Hệ thống điện - Viện Điện - Trƣờng Đại học Bách

khoa Hà Nội.

Tôi xin chân thành cảm ơn các thầy giáo, cô giáo ở Bộ môn Hệ thống điện - Viện

Điện - Trƣờng Đại học Bách khoa Hà Nội và các đồng nghiệp ở Trung tâm Thí nghiệm,

Khoa Điện - Trƣờng Đại học Kỹ thuật Công nghiệp Thái Nguyên và gia đình đã có những

ý kiến đóng góp quí báu và tạo các điều kiện thuận lợi cho tôi trong quá trình hoàn thành

luận án.

Tôi xin chân thành cảm ơn Ban Giám hiệu Trƣờng Đại học Kỹ thuật Công nghiệp

Thái Nguyên. Tôi xin chân thành cảm ơn Viện Đào tạo và bồi dƣỡng sau đại học - Trƣờng

Đại học Bách khoa Hà Nội, xin chân thành cảm ơn Ban Giám hiệu Trƣờng Đại học Bách

khoa Hà Nội. Tôi xin chân thành cảm ơn Xƣởng thí nghiệm Công ty Truyền tải điện 1,

Tổng Công ty Truyền tải điện Quốc gia - Tập đoàn ĐLVN... đã tạo nhiều điều kiện tốt nhất

về mọi mặt để tôi hoàn thành luận án này.

Tác giả luận án

- ii -

TRƢƠNG TUẤN ANH

Mở đầu

MỤC LỤC

LỜI CAM ĐOAN ................................................................................................................... i

LỜI CẢM ƠN ........................................................................................................................ ii

MỤC LỤC ............................................................................................................................ iii

DANH MỤC CÁC TỪ VIẾT TẮT ...................................................................................... vi

DANH MỤC CÁC BẢNG BIỂU ........................................................................................ vii

DANH MỤC CÁC HÌNH VẼ ............................................................................................ viii

MỞ ĐẦU ............................................................................................................................... 1

1. Tính cấp thiết của đề tài ................................................................................................. 1

2. Mục đích nghiên cứu ..................................................................................................... 2

3. Đối tƣợng và phạm vi nghiên cứu ................................................................................. 3

4. Ý nghĩa khoa học và thực tiễn của đề tài ....................................................................... 3

5. Những đóng góp của luận án ......................................................................................... 4

6. Bố cục của luận án ......................................................................................................... 5

Chƣơng 1: TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN

ĐƢỜNG DÂY TẢI ĐIỆN ..................................................................................................... 7

1.1. Ý nghĩa của bài toán xác định vị trí sự cố .................................................................. 7

1.2. Một số phƣơng pháp xác định vị trí sự cố .................................................................. 8

1.3. Phƣơng pháp tính toán dựa trên trở kháng ................................................................. 8

1.4. Phƣơng pháp sử dụng sóng lan truyền ..................................................................... 11

1.5. Phƣơng pháp sử dụng mạng nơron nhân tạo ............................................................ 14

Chƣơng 2: CÁC GIẢI PHÁP ĐỀ XUẤT TRONG LUẬN ÁN .......................................... 18

2.1. Sơ đồ khối tổng thể ƣớc lƣợng vị trí sự cố ............................................................... 18

2.2. Mạng nơron MLP và ứng dụng ƣớc lƣợng vị trí sự cố ............................................. 20

2.2.1. Mạng nơron MLP hoạt động độc lập ƣớc lƣợng vị trí sự cố [12,64,69,79,93] . 20

2.2.2. Mạng nơron MLP phối hợp song song với một thuật toán tổng trở (thuật toán

mô phỏng trên máy tính hoặc thuật toán tích hợp trong rơle khoảng cách thực tế) .... 20

2.3. Phần mềm ATP/EMTP và ứng dụng để tạo mẫu số liệu .......................................... 22

2.4. Hợp bộ thí nghiệm CMC-356 thử nghiệm kết quả tác động của rơle khoảng cách

thực tế .............................................................................................................................. 23

2.5. Mạng nơron MLP và ứng dụng để xác định dạng sự cố và ƣớc lƣợng điện trở sự cố

- iii -

......................................................................................................................................... 24

Mở đầu

Chƣơng 3: CÁC CÔNG CỤ TÍNH TOÁN MÔ PHỎNG SỬ DỤNG TRONG LUẬN ÁN

............................................................................................................................................. 25

3.1. Phần mềm mô phỏng ATP/EMTP ............................................................................ 25

3.2. Hợp bộ thí nghiệm thứ cấp 3 pha CMC 356 - OMICRON ...................................... 27

3.3. Wavelet và ứng dụng trong phân tích tín hiệu .......................................................... 30

3.3.1. Phân tích phổ của tín hiệu sử dụng biến đổi Fourrier ........................................ 30

3.3.2. Phân tích phổ bằng wavelet (sóng nhỏ) ............................................................ 33

3.3.3. Thuật toán phân tích tín hiệu bằng wavelet [96] ............................................... 40

3.4. Mạng nơron nhân tạo và ứng dụng xác định vị trí sự cố trên đƣờng dây tải điện .... 42

3.4.1. Mô hình nơron nhân tạo của McCulloch - Pitts [12,69] .................................... 42

3.4.1.1. Cơ sở toán học của mô hình ....................................................................... 42

3.4.1.2. Nơron với hàm truyền đạt tansig ................................................................ 44

3.4.1.3. Các quá trình học và kiểm tra của nơron .................................................... 45

3.4.1.4. Thuật toán học có hƣớng dẫn của nơron .................................................... 47

3.4.2. Cấu trúc mạng MLP [12,69] .............................................................................. 50

3.4.3. Quá trình học của mạng MLP [11,12] ............................................................... 53

3.4.3.1. Một số đặc điểm chung của quá trình học .................................................. 53

3.4.3.2. Thuật toán bƣớc giảm cực đại cho mạng MLP .......................................... 55

3.4.3.3. Thuật toán Levenberg – Marquardt ............................................................ 56

3.4.4. Lựa chọn số nơron lớp ẩn để tránh mạng học quá khớp (overfitting) và mạng

học không đủ (underfitting) [11,12] ............................................................................ 56

Chƣơng 4: CÁC KẾT QUẢ MÔ PHỎNG VÀ TÍNH TOÁN ............................................. 62

4.1. ATP/EMTP mô phỏng ngắn mạch trên đƣờng dây .................................................. 62

4.1.1. Mô hình đƣờng dây mô phỏng trong luận án .................................................... 62

4.1.2. Kịch bản mô phỏng trong ATP/EMTP .............................................................. 63

4.1.3. Một số dạng ngắn mạch đƣợc mô phỏng trong ATP/EMTP ............................. 65

4.1.3.1. Ngắn mạch 1 pha (AG0):............................................................................ 65

4.1.3.2. Ngắn mạch 2 pha (AB0): ............................................................................ 65

4.1.3.3. Ngắn mạch 2 pha chạm đất (ABG): ........................................................... 66

4.1.3.4. Ngắn mạch 3 pha (ABC): ........................................................................... 67

4.2. Kết quả xác định thời điểm xuất hiện sự cố ............................................................. 67

- iv -

4.3. Kết quả ƣớc lƣợng vị trí sự cố, điện trở sự cố và dạng sự cố ................................... 74

Mở đầu

4.3.1. Trích xuất số liệu và các thông tin đặc trƣng .................................................... 74

4.3.2. Đánh giá, lựa chọn các đầu vào cho mạng MLP ............................................... 76

4.3.3. Mạng nơron MLP ƣớc lƣợng vị trí sự cố, dạng sự cố và điện trở sự cố............ 80

4.3.3.1. Mạng nơron MLP ƣớc lƣợng trực tiếp vị trí sự cố ..................................... 80

4.3.3.2. Mạng nơron MLP phối hợp với thuật toán tổng trở để ƣớc lƣợng vị trí sự cố

................................................................................................................................. 83

4.3.3.3. Mạng nơron MLP phối hợp với rơle tổng trở thực tế để ƣớc lƣợng vị trí sự

cố ............................................................................................................................. 88

4.3.3.4. Mạng nơron MLP xác định dạng sự cố và điện trở sự cố .......................... 93

KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN ........................................................................... 97

TÀI LIỆU THAM KHẢO ................................................................................................... 99

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN ............................. 107

PHỤ LỤC .......................................................................................................................... 108

Phụ lục 1. Thông số đƣờng dây 110kV Yên Bái - Khánh Hòa ..................................... 108

Phụ lục 2. Phiếu chỉnh định Rơle và thiết bị tự động đƣờng dây 110kV Yên Bái - Khánh

Hòa ................................................................................................................................ 109

- v -

Phụ lục 3. Thông số cài đặt trong mô hình ATP/EMTP ............................................... 111

Mở đầu

DANH MỤC CÁC TỪ VIẾT TẮT

Từ viết tắt Nghĩa tiếng Việt

Ngắn mạch 1 pha AG0

Ngắn mạch 2 pha AB0

Ngắn mạch 2 pha chạm đất ABG

Ngắn mạch 3 pha ABC

Bộ chuyển đổi tƣơng tự/ số AD

Máy biến điện áp BU

Máy biến dòng điện BI

CMC-356 Hợp bộ thí nghiệm thứ cấp

EVN (Vietnam Electricity) Tập đoàn điện lực Việt Nam

Chƣơng trình nghiên cứu quá độ điện từ ATP/EMTP (Alternative Transients Programme/ Electro- Magnetic Transients Program)

MLP (Multi Layer Perceptron) Mạng nơron MLP

Nghiên cứu sinh NCS

Máy tính cá nhân PC

- vi -

Kỹ thuật số KTS

Mở đầu

DANH MỤC CÁC BẢNG BIỂU

Bảng 1.1. Thiết bị Nippon xác định vị trí sự cố trên đƣờng dây 220 kV Thái Nguyên - Hà

Giang ................................................................................................................................... 13

Bảng 3.1. Khả năng mô phỏng của ATP/EMTP ................................................................. 26

Bảng 3.2. Một số phần tử sử dụng trong luận án ................................................................. 27

Bảng 4.1. Kết quả chạy mô phỏng ứng với tần số khác nhau ............................................. 72

Bảng 4.2. Kết quả thử nghiệm với một số dạng Wavelet khác nhau .................................. 73

Bảng 4.3: Số lƣợng đặc tính tƣơng ứng với các ngƣỡng cắt ............................................... 78

Bảng 4.4: Tổng hợp các kết quả sử dụng rơle khoảng cách thực tế (7SA522) và dùng mạng

nơron MLP để giảm các sai số của rơle khoảng cách thực tế 7SA522 ............................... 91

Bảng 4.5: Tổng hợp các kết quả sử dụng rơle khoảng cách ảo và dùng mạng nơron MLP để

giảm các sai số của rơle khoảng cách ảo ............................................................................. 91

Bảng 4.6: Tổng hợp các kết quả dùng mạng nơron MLP ƣớc lƣợng trực tiếp vị trí sự cố . 92

Bảng 4.7: So sánh các kết quả sử dụng rơle khoảng cách (Rơle ảo và rơle thực tế) dùng

mạng MLP để giảm các sai số về vị trí sự cố ...................................................................... 92

Bảng 4.8: Tổng hợp các kết quả ƣớc lƣợng vị trí sự cố ...................................................... 92

- vii -

Bảng PL1.1. Thông số cột đƣờng dây 110kV Yên Bái - Khánh Hòa ............................... 108

Mở đầu

DANH MỤC CÁC HÌNH VẼ

Hình 1.1: Sơ đồ minh họa sự cố trên đƣờng dây truyền tải sử dụng phƣơng pháp điện

kháng đơn .............................................................................................................................. 9

Hình 1.2: Minh họa phƣơng pháp TAKAGI trên mạch điện một pha hai nguồn ................ 10

Hình 1.3: Sơ đồ minh họa phƣơng pháp sử dụng sóng lan truyền xác định vị trí sự cố ..... 12

Hình 2.1: Sơ đồ khối tổng thể phƣơng pháp phân tích và xử lý tín hiệu đầu đƣờng dây để

xác định vị trí sự cố, điện trở sự cố và dạng sự cố. ............................................................. 19

Hình 2.2: Ý tƣởng mô hình hoạt động độc lập mạng MLP ................................................. 20

Hình 2.3: Ý tƣởng mô hình hoạt động song song rơle với mạng MLP ............................... 21

Hình 2.4: Quá trình tạo mẫu để xác định các thông số của các mô hình ............................. 22

Hình 2.5: Sơ đồ khối ghép nối giữa các thiết bị trong hệ thống thử nghiệm hoạt động của

rơle bằng thiết bị CMC-356 ................................................................................................. 23

Hình 2.6: Ý tƣởng mô hình hoạt động các mạng MLP xác định vị trí sự cố, xác định dạng

sự cố và ƣớc lƣợng điện trở sự cố ....................................................................................... 24

Hình 3.1: Giao diện ATP-Draw ........................................................................................... 26

Hình 3.2: Hợp bộ thí nghiệm thứ cấp 3 pha công suất lớn CMC-356................................. 27

Hình 3.3: Giao diện phần mềm điều khiển Test Universe V2.30 ........................................ 28

Hình 3.4: a) Giao diện sử dụng Transplay; b,c) 6 tín hiệu điện áp và dòng điện cho trƣờng

hợp ví dụ YB_AG0_00_00_010_S100.wav ........................................................................ 29

Hình 3.5: Kết nối máy tính với hợp bộ thí nghiệm CMC-356 và rơle 7SA522 .................. 30

Hình 3.6: Phổ Fourrier biên độ của tín hiệu điều hòa (a) tín hiệu gốc, (b) phổ biên độ ........... 31

Hình 3.7: Phổ Fourier của tín hiệu bất định (a) tín hiệu gốc, (b) phổ biên độ) ................... 32

Hình 3.8: Minh họa hàm có độ rộng hữu hạn ...................................................................... 33

Hình 3.9: Hàm co dãn (trên) và hàm sinh (dƣới) của wavelet Haar .................................... 34

Hình 3.10: Một số wavelet kinh điển .................................................................................. 35

Hình 3.11: Cấu trúc các bƣớc liên tiếp phân tích một tín hiệu ban đầu thành các thành phần

- viii -

chi tiết và xấp xỉ .................................................................................................................. 36

Mở đầu

Hình 3.12: Kết quả phân tích tín hiệu tuần hoàn theo họ wavelet Daubechies bậc 4 (trên

cùng bên trái: tín hiệu gốc, các cửa sổ còn lại: các thành phần tách ra đƣợc) ..................... 36

Hình 3.13: Kết quả phân tích tín hiệu bất định bằng họ wavelet Daubechies 4 (phía trên

bên trái: tín hiệu gốc, các hình còn lại: các thành phần tách ra đƣợc từ tín hiệu ban đầu) .. 37

Hình 3.14: Phân tích phổ của tín hiệu hình sin() không có nhiễu ....................................... 38

Hình 3.15: Phân tích phổ của tín hiệu hình sin có thay đổi 1% về biên độ tại thời điểm t=60

theo 4 bậc wavelet Haar....................................................................................................... 39

Hình 3.16: Phân tích phổ của tín hiệu hình sin có thay đổi 2% về tần số tại thời điểm t=60

............................................................................................................................................. 40

Hình 3.17: Mô hình nơron chi tiết (trái) và biểu diễn đơn giản hóa (phải) ......................... 43

Hình 3.18: Mô hình nơron với phân cực bias là đầu vào x0: chi tiết (trái) và rút gọn (phải)

............................................................................................................................................. 44

Hình 3.19: Hàm truyền đạt tansig với các hệ số dốc a khác nhau ....................................... 45

Hình 3.20: Hệ xây dựng mô hình xấp xỉ một đối tƣợng cho trƣớc (phối hợp sử dụng sai số

đầu ra ) ................................................................................................................ 46

Hình 3.21: Mô hình mạng MLP với 1 lớp ẩn (a) và hai lớp ẩn (b) ..................................... 51

Hình 3.22: Cấu trúc mạng MLP với một lớp vào, một lớp ẩn và một lớp ra ..................... 52

Hình 3.23: Đặc tính miêu tả sự phụ thuộc trung bình của E_học và E_kiểmtra vào độ phức

tạp của mô hình ................................................................................................................... 59

Hình 3.24: Ba vùng với chất lƣợng học và kiểm tra khác nhau .......................................... 60

Hình 3.25: Ví dụ minh họa chất lƣợng tái tạo hàm số dựa trên một số điểm mẫu cho trƣớc

............................................................................................................................................. 61

Hình 4.1: Sơ đồ mô phỏng ngắn mạch đƣờng dây Yên Bái - Khánh Hòa trong ATP/EMTP

............................................................................................................................................. 62

Hình 4.2: Sơ đồ mô phỏng ngắn mạch 1 pha (AG0), Rsc = 0(Ω) ........................................ 65

Hình 4.3: Sơ đồ mô phỏng ngắn mạch 1 pha (AG0), Rsc = 1, 2, 3, 4, 5(Ω) ........................ 65

Hình 4.4: Sơ đồ mô phỏng ngắn mạch 2 pha (AB0), Rsc = 0(Ω) ........................................ 65

Hình 4.5: Sơ đồ mô phỏng ngắn mạch 2 pha (AB0), Rsc = 1, 2, 3, 4, 5(Ω) ........................ 66

Hình 4.6: Sơ đồ mô phỏng ngắn mạch 2 pha chạm đất (ABG), Rsc = 0(Ω) ........................ 66

- ix -

Hình 4.7: Sơ đồ mô phỏng ngắn mạch 2 pha chạm đất (ABG), Rsc = 1, 2, 3, 4, 5(Ω) ........ 66

Mở đầu

Hình 4.8: Sơ đồ mô phỏng ngắn mạch 3 pha (ABC), Rsc = 0(Ω) ........................................ 67

Hình 4.9: Sơ đồ mô phỏng ngắn mạch 3 pha (ABC), Rsc = 1, 2, 3, 4, 5(Ω) ........................ 67

Hình 4.10: Hàm sinh và hàm co dãn Daubechies bậc 3 ...................................................... 68

Hình 4.11: Kết quả phân tích dòng pha A thành 5 thành phần cơ bản đầu tiên theo các

wavelet Daubechies bậc 3.................................................................................................... 68

Hình 4.12: Kết quả phân tích thành phần d1 của 3 dòng pha theo các wavelet Daubechies

bậc 3 ..................................................................................................................................... 69

Hình 4.13: Kết quả phân tích thành phần d1 của 3 điện áp pha theo các wavelet Daubechies

bậc 3 ..................................................................................................................................... 70

Hình 4.14: Kết quả phân tích thành phần d1 của dòng pha A theo các wavelet Daubechies

bậc 3 với các tần số lấy mẫu tín hiệu khác nhau từ 100Hz tới 1MHz ................................. 71

Hình 4.15: Ví dụ về thành phần d1 của một tín hiệu và hình ảnh phóng to thể hiện các chi

tiết trong tín hiệu ................................................................................................................. 72

Hình 4.16: Phân bố các sai số xác định thời điểm xuất hiện sự cố từ thành phần d1 của 6 tín

hiệu đầu đƣờng dây ............................................................................................................. 74

Hình 4.17: Minh họa về việc trích 20 mẫu giá trị tức thời xung quanh thời điểm xuất hiện

sự cố để làm đặc tính tính toán ............................................................................................ 75

Hình 4.18: Ví dụ về phổ Fourier của một tín hiệu và các dải tần số đƣợc sử dụng để tính

toán đặc tính ........................................................................................................................ 76

Hình 4.19: 3 ví dụ về các giá trị của hệ số tƣơng quan: a) Hệ số tƣơng quan dƣơng cao, b)

Hệ số tƣơng quan âm cao, c) Hệ số tƣơng quan thấp. ......................................................... 77

Hình 4.20: Biểu đồ 144 giá trị tức thời các hệ số tƣơng quan giữa các đặc tính với tín hiệu

đầu ra ................................................................................................................................... 78

Hình 4.21: Kết quả tối ƣu hóa giảm sai số hàm mục tiêu trong quá trình học của mạng

nơron đƣợc lựa chọn trong đề tài ......................................................................................... 80

Hình 4.22: Kết quả sử dụng mạng MLP học trực tiếp cho tập hợp 1424 mẫu vị trí sự cố: (a)

- Các giá trị vị trí sự cố gốc (km), (b) - Các giá trị vị trí sự cố ƣớc lƣợng (km), (c) - Sai số

(km) ..................................................................................................................................... 81

Hình 4.23: Kết quả kiểm tra sử dụng mạng MLP ƣớc lƣợng trực tiếp cho 712 mẫu vị trí sự

cố: (a) - Các giá trị vị trí sự cố gốc (km), (b) - Các giá trị vị trí sự cố ƣớc lƣợng (km), (c) -

- x -

Sai số (km) ........................................................................................................................... 82

Mở đầu

Hình 4.24: Các tín hiệu dòng pha trong các mẫu: a) 531 (ngắn mạch 2 pha tại vị trí 80km),

b) 534 (ngắn mạch hai pha tại vị trí 110km), c) 1602 (ngắn mạch hai pha chạm đất tại

110km), d) 2136 (ngắn mạch một pha chạm đất tại 110km) ............................................... 83

Hình 4.25: Kết quả hoạt động của rơle khoảng cách ảo đƣợc sử dụng trong luận án ......... 84

Hình 4.26: Kết quả học chi tiết cho tập hợp 1424 mẫu vị trí sự cố: (a) - Các giá trị vị trí sự

cố gốc (km), (b) - Các giá trị vị trí sự cố ƣớc lƣợng (km), (c) - Sai số (km) ....................... 85

Hình 4.27: Kết quả kiểm tra chi tiết cho tập hợp 712 mẫu vị trí sự cố: (a) - Các giá trị vị trí

sự cố gốc (km), (b) - Các giá trị vị trí sự cố ƣớc lƣợng (km), (c) - Sai số (km) .................. 86

Hình 4.28: Tổng hợp các sai số của rơle ảo (đƣờng liền đậm), lƣợng cộng vào do MLP tạo

ra (đƣờng liền nhạt) và của rơle ảo phối hợp với mạng nơron MLP (đƣờng chấm) cho sự cố

ngắn mạch 1 pha tại vị trí 40km cho các thời điểm xuất hiện sự cố khác nhau (ứng với giá

trị pha khác nhau của dòng iA) ............................................................................................. 87

Hình 4.29: Tổng hợp các sai số của rơle ảo (đƣờng liền đậm), lƣợng cộng vào do MLP tạo

ra (đƣờng liền nhạt) và của rơle ảo phối hợp với mạng MLP (đƣờng chấm) cho sự cố ngắn

mạch 1 pha ở các thời điểm xuất hiện sự cố khác nhau (ứng với giá trị pha khác nhau của

dòng iA) tại vị trí 80km (a) và 110km (b) ............................................................................ 88

Hình 4.30: Các thiết bị thực tế sử dụng trong luận án để kiểm tra kết quả hoạt động thực tế

của rơle: (a) Thiết bị hợp bộ CMC-356 của Omicron, (b) Rơle 7SA522 của Siemens ...... 89

Hình 4.31: 1008 dữ liệu mô phỏng đọc từ phần mềm DIGSI 4.82 ..................................... 90

Hình 4.32: Dữ liệu mô phỏng đọc từ chức năng Trip Log .................................................. 90

Hình 4.33: Kết quả học chi tiết cho tập hợp 1424 mẫu dạng sự cố: (a) - Các giá trị gốc mã

dạng sự cố, (b) - Các giá trị ƣớc lƣợng dạng sự cố, (c) - Sai lệch giữa giá trị gốc và giá trị

ƣớc lƣợng ............................................................................................................................. 93

Hình 4.34: Kết quả kiểm tra chi tiết cho tập hợp 712 mẫu dạng sự cố: (a) - Các giá trị dạng

sự cố gốc, (b) - Các giá trị dạng sự cố ƣớc lƣợng, (c) - Sai số ............................................ 94

Hình 4.35: Kết quả học chi tiết cho tập hợp 1424 mẫu điện trở sự cố: (a) - Các giá trị điện

trở sự cố gốc (Ω), (b) - Các giá trị điện trở sự cố ƣớc lƣợng (Ω), (c) - Sai số (Ω) .............. 95

Hình 4.36: Kết quả kiểm tra chi tiết cho tập hợp 712 mẫu điện trở sự cố: (a) - Các giá trị

điện trở sự cố gốc (Ω), (b) - Các giá trị điện trở sự cố ƣớc lƣợng (Ω), (c) - Sai số (Ω) ...... 96

Hình PL2.1: Phiếu chỉnh định Rơle và thiết bị tự động .................................................... 109

- xi -

Hình PL3.1: Nhập thông số cho nguồn điện trong ATP/EMTP ........................................ 111

Mở đầu

Hình PL3.2: Nhập thông số cho điện cảm nguồn điện trong ATP/EMTP ........................ 112

Hình PL3.3: Thiết lập thiết bị đo dòng và áp 3 pha trong ATP/EMTP ............................. 113

Hình PL3.4: Thiết lập thông số thiết bị chuyển mạch trong ATP/EMTP ......................... 114

Hình PL3.5: Thiết lập thông số cho mô hình đƣờng dây LCC trong ATP/EMTP ............ 115

Hình PL3.6: Thiết lập dữ liệu đƣờng dây LCC trong ATP/EMTP ................................... 115

Hình PL3.7: Thiết lập dữ liệu cho mô hình tải Smax trong ATP/EMTP ........................... 116

Hình PL3.8: Thiết lập dữ liệu cho mô hình tải S50% trong ATP/EMTP ........................... 117

Hình PL3.9: Thiết lập dữ liệu cho mô hình tải S30% trong ATP/EMTP ........................... 117

- xii -

Hình PL3.10: Thiết lập dữ liệu cho mô hình điện trở sự cố trong ATP/EMTP ................ 118

Mở đầu

MỞ ĐẦU

1. Tính cấp thiết của đề tài

Đƣờng dây truyền tải điện là một trong những khâu rất quan trọng trong việc đảm bảo sự liên lạc giữa các nguồn điện và các hộ tiêu thụ điện. Tốc độ phát triển nhanh chóng của hệ thống điện trong vài thập kỷ qua cũng đã dẫn đến một sự tăng nhanh về số lƣợng các đƣờng dây truyền tải ở các cấp điện áp cũng nhƣ tổng chiều dài của toàn hệ thống. Theo thống kê của tập đoàn điện lực Việt Nam (EVN - VietNam Electricity), lƣới điện Việt Nam đã không ngừng mở rộng, vƣơn xa thể hiện quy mô phát triển, sự lớn mạnh của ngành kinh tế mũi nhọn, đảm bảo cung cấp điện ngày càng tin cậy, hiệu quả hơn cho phát triển đất nƣớc. Số liệu thống kê ngày 18/08/2011: Tổng chiều dài đƣờng dây ở các cấp điện áp của EVN tính đến hết năm 2008: 306.000 km. Trong giai đoạn 2006 - 2015, EVN dự kiến phát triển mới: 3.178 km đƣờng dây 500 kV, 9.592 km đƣờng dây 220 kV, 12.659 km đƣờng dây 110kV.

Trong quá trình vận hành, đƣờng dây truyền tải điện có thể gặp những sự cố nhƣ sét đánh, ngắn mạch, đứt dây, chạm đất, sự cố từ các thiết bị, hoạt động sai của thiết bị hay sự cố từ phía ngƣời sử dụng, tình trạng quá tải và sự lão hóa của thiết bị... Khi xảy ra sự cố tại bất kỳ một phần tử nào trên đƣờng dây, bảo vệ rơle sẽ tác động tách phần tử bị sự cố ra khỏi hệ thống điện và loại trừ sự ảnh hƣởng của phần tử sự cố với các phần tử liền kề không bị sự cố. Nhƣ vậy quá trình nhận dạng, phát hiện, cách ly và xác định chính xác vị trí sự cố càng nhanh sẽ càng có lợi, giúp cho việc khôi phục lại chế độ làm việc bình thƣờng của hệ thống điện, giảm thiệt hại về kinh tế và nâng cao đƣợc độ tin cậy cung cấp điện cho các hộ tiêu thụ [1,2,3,4,5,10].

Hiện nay, để xác định vị trí sự cố trên đƣờng dây truyền tải điện thƣờng dùng nguyên lý khoảng cách. Thuật toán cơ bản đƣợc sử dụng trong các bộ định vị sự cố của rơle khoảng cách cho phép xác định khoảng cách từ nơi đặt thiết bị bảo vệ đến vị trí xảy ra sự cố và đƣợc tính toán một cách chính xác nhất có thể. Các rơle khoảng cách sẽ cung cấp thông tin về vùng xảy ra sự cố nhƣng không thể xác định chính xác điểm xảy ra sự cố, sai số về vị trí sự cố thay đổi tùy theo từng trƣờng hợp cụ thể (ví dụ việc xác định vị trí sự cố từ rơle khoảng cách có độ chính xác thống kê khoảng từ 1 đến 5%). Mặt khác, trên thực tế các đƣờng dây truyền tải thƣờng tƣơng đối dài và phân bố trên các địa hình địa lý khác nhau, vì vậy sự cố có thể xảy ra vì bất cứ lý do gì cũng phải mất từ vài phút đến vài giờ để khắc phục sự cố, dẫn đến việc tìm kiếm và xử lý sự cố còn gặp rất nhiều khó khăn.

- 1 -

Bài toán xác định vị trí sự cố trên đƣờng dây truyền tải đã và đang đƣợc quan tâm nghiên cứu một cách rộng rãi. Trong các mô hình thí nghiệm, đƣờng dây truyền tải đƣợc mô hình hóa dƣới dạng đƣờng dây dài với các thông số đặc trƣng cho quá trình truyền sóng. Tuy nhiên hiện nay các kết quả vẫn còn có nhiều hạn chế. Việc phát triển của các thiết bị đo mới cũng nhƣ các thuật toán xử lý tín hiệu mới ứng dụng trí tuệ nhân tạo có khả năng tiếp tục cải thiện đƣợc các kết quả phân tích. Việc xây dựng thành công một giải pháp phân tích và phát hiện vị trí điểm sự cố trên đƣờng dây truyền tải sẽ có ý nghĩa thực tế tốt, nếu đƣa vào vận hành sẽ có khả năng mang lại hiệu quả cao về mặt kinh tế - kỹ thuật, do

Mở đầu

tăng cƣờng đƣợc độ chính xác nhằm hỗ trợ cho quá trình tìm kiếm và khắc phục sự cố đƣợc nhanh hơn, nâng cao hiệu quả trong vận hành và ổn định hệ thống điện.

2. Mục đích nghiên cứu

Mục đích của luận án là nghiên cứu và phát triển một phƣơng pháp mới sử dụng mạng nơron nhân tạo MLP (MultiLayer Perceptron) độc lập hoặc phối hợp với thuật toán tổng trở (tính toán trên máy tính hoặc cài trong các rơle khoảng cách thực tế) để cho phép ƣớc lƣợng vị trí sự cố trên đƣờng dây truyền tải điện đƣợc chính xác hơn. Đồng thời các mạng nơron MLP cũng đƣợc sử dụng để ƣớc lƣợng giá trị của điện trở sự cố và xác định dạng sự cố với độ chính xác cao.

Phƣơng pháp đƣợc đề xuất trong luận án chỉ sử dụng các số liệu đầu vào là các tín hiệu dòng điện và điện áp tức thời đo đƣợc ở đầu đƣờng dây truyền tải có nguồn cung cấp từ một phía và đƣợc thực hiện tuần tự qua ba bƣớc sau: Trƣớc tiên, phƣơng pháp sẽ phân tích trực tuyến các tín hiệu dòng điện và điện áp đo ở đầu đƣờng dây để phát hiện các thời điểm xảy ra những thay đổi đột ngột trong tín hiệu (còn gọi là thời điểm xuất hiện sự cố) do các sự cố trên đƣờng dây sinh ra. Ở bƣớc thứ hai, với thời điểm xuất hiện sự cố đã đƣợc xác định, chƣơng trình tiến hành phân tích trong một cửa sổ nhỏ (40ms trƣớc và 20ms sau thời điểm xuất hiện sự cố tƣơng ứng ba chu kỳ) của các tín hiệu để tính toán các giá trị đặc trƣng (hay còn gọi là các đặc tính) bao gồm các đặc trƣng từ giá trị tức thời và các đặc trƣng từ phổ tần số. Trong bƣớc cuối cùng, bƣớc thứ ba, các giá trị đặc trƣng này đƣợc xử lý tiếp tục bằng một mô hình phi tuyến để đƣa ra đƣợc các ƣớc lƣợng chính xác về vị trí sự cố, điện trở sự cố và dạng sự cố.

Để có thể phát hiện đƣợc thời điểm xuất hiện sự cố, luận án đề xuất sử dụng phép phân tích tín hiệu theo các hàm cơ sở wavelet (sóng nhỏ) do phép phân tích này cho phép phát hiện đƣợc các thay đổi đột ngột trong tín hiệu đang đƣợc lấy mẫu để xem xét. Để xây dựng đƣợc mô hình phi tuyến ƣớc lƣợng vị trí sự cố, điện trở sự cố và dạng sự cố luận án sử dụng mạng nơron MLP do khả năng có thể xấp xỉ hàm phi tuyến bất kỳ với độ chính xác cho trƣớc của mạng này. Đồng thời các thông số của mạng nơron MLP sẽ đƣợc điều chỉnh thích nghi trên cơ sở bộ số liệu mẫu đƣợc tạo ra nhờ vào việc sử dụng phần mềm ATP/EMTP (Alternative Transients Programme/ Electro-Magnetic Transients Program) để mô phỏng quá trình quá độ trên đƣờng dây gây ra bởi một số sự cố ngắn mạch (ngắn mạch 1 pha, 2 pha, 2 pha chạm đất và ngắn mạch 3 pha) khi thay đổi các thông số nhƣ: điện trở sự cố, vị trí sự cố, phụ tải và thời điểm xuất hiện sự cố. Mạng nơron MLP đƣợc đề xuất thử nghiệm theo hai dạng: dạng thứ nhất là hoạt động độc lập, xử lý trực tiếp các đặc tính đầu vào từ 6 tín hiệu dòng – áp ba pha để đƣa ra vị trí sự cố, dạng thứ hai là hoạt động phối hợp với một thuật toán tổng trở, đáp ứng đầu ra của nơron MLP và của thuật toán tổng trở sẽ đƣợc cộng với nhau để đƣa ra kết quả ƣớc lƣợng vị trí sự cố.

- 2 -

Thuật toán tổng trở cũng sẽ đƣợc thử nghiệm ở hai dạng, dạng thứ nhất là thuật toán tính toán trên máy tính, dạng thứ hai là kết quả hoạt động của một rơle khoảng cách thực tế. Đối với thuật toán trên máy tính, trong luận án sử dụng trực tiếp các tín hiệu dòng điện

Mở đầu

và điện áp đầu đƣờng dây đã đƣợc mô phỏng đƣợc từ phần mềm mô phỏng ATP/EMTP để tính toán. Đối với rơle khoảng cách thực tế, trong luận án đề xuất sử dụng rơle khoảng cách 7SA522 là loại đƣợc lắp đặt trên đƣờng dây đã sử dụng trong tính toán minh họa của đề tài. Các tín hiệu tính toán mô phỏng từ ATP/EMTP sẽ đƣợc đƣa vào thiết bị CMC-356 của Omicron để tái tạo lại các tín hiệu dòng điện/ điện áp để tiếp tục đƣa vào rơle thực tế đã lựa chọn nhằm xác định kết quả tác động của rơle.

Các mô hình mạng nơron MLP sẽ đƣợc huấn luyện để xác định đƣợc vị trí sự cố với sai số nhỏ hơn so với những phƣơng pháp trƣớc đây, giúp cho quá trình tìm kiếm và khắc phục sự cố nhanh, nâng cao hiệu quả trong vận hành hệ thống điện và giảm thiệt hại về kinh tế.

3. Đối tƣợng và phạm vi nghiên cứu

Đối tƣợng nghiên cứu: Luận án tập trung nghiên cứu và đƣa ra phƣơng pháp mới xác định vị trí sự cố trên đƣờng dây truyền tải điện. Một số công cụ và phần mềm mô phỏng sử dụng trong luận án:

 Các phần mềm sử dụng trong luận án: ATP/EMTP, Matlab 7.1, DIGSI 4.82, Test

Universe V2.30 - Omicron, EView.

 Các thiết bị sử dụng trong luận án: Rơle khoảng cách 7SA522, hợp bộ thí nghiệm

CMC-356 của Omicron.

Phạm vi nghiên cứu:

 Ứng dụng phần mềm ATP/EMTP mô phỏng một số dạng sự cố ngắn mạch trên

đƣờng dây truyền tải điện để tạo dữ liệu mẫu cho quá trình nghiên cứu.

 Lập trình các thuật toán phân tích và xử lý tín hiệu bằng các công cụ mạnh nhƣ Wavelet, mạng nơron,... để xây dựng mô hình xác định vị trí sự cố, điện trở sự cố và dạng sự cố trên đƣờng dây truyền tải.

 Nghiên cứu về lý thuyết và các mô hình tính toán xử lý tín hiệu ứng dụng mạng nơron nhân tạo trong bài toán xác định vị trí điểm sự cố trên đƣờng dây truyền tải.

 Tìm hiểu và ứng dụng thiết bị mô phỏng CMC-356 của OMICRON để xác định tác động thực tế của rơle khoảng cách nhằm kiểm chứng các thuật toán đã đề xuất.

4. Ý nghĩa khoa học và thực tiễn của đề tài

Ý nghĩa khoa học:

- 3 -

Đề xuất phƣơng pháp mới sử dụng song song một rơle khoảng cách và một mạng nơron MLP để xác định vị trí sự cố trên đƣờng dây truyền tải điện áp dụng mô hình ngƣợc dựa trên các tín hiệu dòng điện và điện áp đo đƣợc ở đầu đƣờng dây với sai số nhỏ hơn so với các phƣơng pháp đang sử dụng hiện nay. Luận án cũng xây dựng đồng thời hai mạng nơron MLP khác để xác định dạng của sự cố và điện trở sự cố.

Mở đầu

Ý nghĩa thực tiễn của đề tài:

Bài toán xác định vị trí sự cố trên đƣờng dây truyền tải điện có ứng dụng thực tế rất rộng rãi. Phƣơng pháp mới của luận án sẽ góp phần bổ sung số lƣợng các giải pháp để tạo điều kiện cho việc lựa chọn ứng dụng thực tế đƣợc dễ dàng hơn. Phƣơng pháp chỉ yêu cầu sử dụng các tín hiệu dòng điện và điện áp đo lƣờng đƣợc ở đầu đƣờng dây truyền tải điện, nên các khâu đo lƣờng và thu thập số liệu cũng khá đơn giản, tính kinh tế cao.

5. Những đóng góp của luận án

Luận án có đóng góp sau:

 Xây dựng đƣợc mô hình sử dụng độc lập một mạng nơron MLP và mô hình sử dụng song song một thuật toán tổng trở (thuật toán tổng trở chạy trên máy tính hoặc thuật toán tổng trở của một rơle khoảng cách thực tế 7SA522) với một mạng nơron MLP để xác định vị trí sự cố trên đƣờng dây truyền tải điện (xét ví dụ tính toán cho đƣờng dây 110kV Yên Bái - Khánh Hòa). Trong đó mạng nơron nhân tạo MLP sử dụng đầu vào là các đặc tính thời gian và đặc tính tần số xác định từ các tín hiệu đo tức thời xung quanh thời điểm xảy ra những thay đổi (xuất hiện sự cố) trong các tín hiệu (thời điểm này đƣợc xác định nhờ sử dụng phép phân tích sóng nhỏ (wavelet)). Luận án cũng xây dựng đồng thời hai mạng nơron MLP khác để xác định dạng sự cố và điện trở sự cố.

 Khảo sát và đề xuất ứng dụng wavelet Daubechies bậc 3 để phân tích thành phần của tín hiệu lấy mẫu với tần số 100kHz để làm cơ sở phát hiện thời điểm xuất

hiện sự cố trên đƣờng dây truyền tải.

 Khảo sát các đặc tính dựa trên hệ số tƣơng quan giữa đầu vào và đầu ra để lựa chọn các đặc tính có hệ số tƣơng quan cao để dùng trong các mô hình. Các kết quả tính toán đã đƣa ra danh sách 84 giá trị đặc trƣng tính toán từ 6 đƣờng tín hiệu u-i để làm cơ sở tính toán các thông số sự cố nhƣ vị trí, dạng và điện trở sự cố.

 Đề xuất ứng dụng hợp bộ mô phỏng CMC-356 của Omicron kết hợp với rơle thực tế (7SA522) để so sánh chất lƣợng tính toán của mô hình về vị trí sự cố với tác động của rơle trên đƣờng dây thực tế. Đồng thời các kết quả hoạt động của rơle khoảng cách thực tế sẽ đƣợc sử dụng để tạo mẫu học một mạng nơron MLP mới để bù sai số cho rơle khoảng cách thực tế.

- 4 -

 Đã mô phỏng và tạo đƣợc bộ mẫu gồm 2136 trƣờng hợp sự cố cho 4 dạng sự cố cơ bản là ngắn mạch 1 pha, hai pha, hai pha chạm đất và ngắn mạch ba pha với các thông số sự cố thay đổi nhƣ: điện trở sự cố (từ 0 đến 5Ω), tải (từ 30% đến 100% định mức), thời điểm xuất hiện sự cố (thay đổi trong toàn bộ một chu kỳ), vị trí sự cố (23 vị trí cách đều 5 km trên đƣờng dây 118,5 km).

Mở đầu

6. Bố cục của luận án

Mở đầu: Trình bày các vấn đề chung của luận án, tóm tắt về nội dung nghiên cứu,

những đóng góp của luận án và bố cục của luận án.

Chƣơng 1. Tổng quan về các phƣơng pháp nghiên cứu xác định vị trí sự cố trên

đƣờng dây tải điện

Trong chƣơng này sẽ trình bày tóm tắt một số phƣơng pháp nghiên cứu tính toán xác định vị trí sự cố trên đƣờng dây truyền tải điện và áp dụng trong điều kiện thực tế hiện nay.

Chƣơng 2. Các giải pháp đề xuất trong luận án

Trên cơ sở phân tích ƣu nhƣợc điểm c ủa các nghiên cứu trƣớc đây, luận án đề xuất

mô hình mới cho bài toán xác định vị trí sự cố trên đƣờng dây truyền tải điện 3 pha.

Chƣơng 3. Các công cụ tính toán mô phỏng sử dụng trong luận án

 Giới thiệu phần mềm mô phỏng ATP/EMTP ứng dụng để mô phỏng các trƣờng hợp ngắn mạch trên đƣờng dây nhƣ: ngắn mạch một pha, 2 pha, 2 pha chạm đất và ngắn mạch 3 pha.

 Giới thiệu hợp bộ thí nghiệm và phần mềm Test Universe điều khiển hợp bộ thí nghiệm CMC-356 của Omicron để kiểm nghiệm kết quả hoạt động của rơle khoảng cách thực tế (7SA522).

 Giới thiệu mô hình mạng nơron MLP và Wavelet áp dụng trong luận án để tính

toán các thông số sự cố.

Chƣơng 4. Các kết quả mô phỏng và tính toán

 Ứng dụng phần mềm mô phỏng ATP/EMTP để mô phỏng đƣờng dây 110 kV Yên Bái - Khánh Hòa với các thay đổi về vị trí sự cố, điện trở sự cố, thời điểm xuất hiện sự cố, công suất của phụ tải và dạng sự cố để tạo ra các bộ số liệu về dòng điện và điện áp ở đầu đƣờng dây với định dạng file là *.MAT.

 Sử dụng phần mềm điều khiển Test Universe mô phỏng lại các bộ số liệu đƣợc tạo ra từ phần mềm mô phỏng ATP/EMTP đƣa vào thiết bị phần cứng Omicron CMC-356 và rơle khoảng cách 7SA522, kết quả thu đƣợc là cơ sở kiểm nghiệm lại kết quả các thuật toán đề xuất trong luận án.

 Sử dụng Wavelet để tính toán thời điểm xảy ra những biến đổi đột ngột trong các tín hiệu dòng điện và điện áp đo lƣờng đƣợc ở đầu đƣờng dây để xác định thời điểm xuất hiện sự cố.

 Sử dụng mạng nơron MLP tính toán ƣớc lƣợng vị trí sự cố, dạng sự cố và điện trở sự cố cho các trƣờng hợp: Mạng nơron MLP hoạt động độc lập; Mạng nơron MLP phối hợp song song với thuật toán tổng trở (thuật toán trên máy tính, thuật toán tích hợp trong rơle khoảng cách thực tế).

- 5 -

Trên cơ sở các kết quả đã tính toán trong mô hình mạng nơron MLP và Wavelet về các thông số sự cố. So sánh với các kết quả giữa các mô hình đề xuất và kết quả đƣợc tạo

Mở đầu

ra từ thiết bị phần cứng Omicron CMC-356 và rơle khoảng cách 7SA522 để kiểm nghiệm lại các thuật toán đã đề xuất.

- 6 -

Tiếp theo là phần kết gồm các kết luận và kiến nghị của luận án với những vấn đề cần nghiên cứu tiếp. Cuối cùng của luận án là các tài liệu tham khảo, các công trình đã công bố liên quan đến luận án và phần phụ lục.

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

Chƣơng 1: TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP

XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƢỜNG DÂY TẢI ĐIỆN

1.1. Ý nghĩa của bài toán xác định vị trí sự cố

Ngày nay, có rất nhiều nhà máy điện mới đƣợc xây dựng cũng nhƣ việc hình thành các đƣờng dây tải điện liên kết giữa các vùng miền trong cả nƣớc và các đƣờng dây xuyên quốc gia nhằm đáp ứng đầy đủ nhu cầu sử dụng điện của các phụ tải đã dẫn đến một sự gia tăng lớn về số lƣợng các đƣờng dây truyền tải cũng nhƣ tổng chiều dài của chúng. Các đƣờng dây truyền tải đƣợc sử dụng để truyền tải điện năng từ các nguồn điện đến các trung tâm phụ tải. Những đƣờng dây này trong quá trình truyền tải điện năng thƣờng gặp các dạng sự cố do những nguyên nhân khác nhau nhƣ: sét đánh, ngắn mạch, thiết bị bị sự cố, sự cố điều khiển, sự cố do con ngƣời, quá tải và lão hóa...

Khi mạng điện càng phức tạp thì những hƣ hỏng xuất hiện sẽ càng nhiều hơn, do đó việc trang bị các loại bảo vệ trên đƣờng dây cũng cần đƣợc tăng cƣờng. Các dạng sự cố này đều phải đƣợc phát hiện, cô lập và sửa chữa trƣớc khi đƣa trở lại làm việc. Việc khôi phục lại trạng thái làm việc bình thƣờng của đƣờng dây bị sự cố chỉ có thể đƣợc tiến hành nhanh nhất nếu biết đƣợc chính xác vị trí sự cố hoặc ƣớc lƣợng đƣợc vị trí sự cố với độ chính xác hợp lý.

Thời gian khắc phục sự cố càng kéo dài càng không có lợi, gây nên mất điện đến các hộ tiêu thụ và có thể dẫn đến thiệt hại đáng kể về kinh tế đặc biệt là đối với các ngành công nghiệp sản xuất, gây mất ổn định trong hệ thống điện... Nhƣ vậy việc nhanh chóng phát hiện, định vị, cô lập và khắc phục những sự cố là rất quan trọng trong việc đảm bảo chế độ làm việc tin cậy của hệ thống điện [1,2,3,4,5,10].

Khi có một sự cố xảy ra trên đƣờng dây truyền tải điện, điện áp tại điểm sự cố đột ngột giảm đến một giá trị thấp, dòng điện tại điểm sự cố đột ngột tăng lên rất lớn. Sự thay đổi đột ngột này tạo ra một xung điện từ tần số cao đƣợc gọi là sóng lan truyền. Những sóng này truyền đi từ vị trí sự cố lan truyền ra cả hai hƣớng với tốc độ cao. Để tìm đƣợc vị trí sự cố, từ các tín hiệu dòng điện và điện áp đo đƣợc ở đầu đƣờng dây đã đƣợc lọc và phân tích bằng cách sử dụng các công cụ xử lý tín hiệu khác nhau. Từ các giá trị đo lƣờng đƣợc có thể xác định tổng trở sự cố, pha xảy ra sự cố, thời gian trễ của tín hiệu sóng đến để xác định vị trí sự cố. Tầm quan trọng của nghiên cứu này phát sinh từ sự cần thiết nhằm giảm thiểu thời gian gián đoạn cung cấp điện và thời gian sửa chữa giúp xác định chính xác hơn vị trí sự cố, khôi phục lại trạng thái làm việc bình thƣờng của đƣờng dây bị sự cố đặc biệt là các đƣờng dây truyền tải điện áp cao ở các khu vực có địa hình khó khăn.

- 7 -

Mặt khác, thời gian phục hồi lại trạng thái làm việc bình thƣờng của các đƣờng dây bị sự cố cũng bao gồm cả thời gian để tìm vị trí sự cố. Điều này có thể đạt đƣợc bằng cách tính toán ƣớc lƣợng chính xác vị trí sự cố giúp cho khâu xử lý sự cố đƣợc tiến hành nhanh nhất có thể.

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

1.2. Một số phƣơng pháp xác định vị trí sự cố

lan

Các phƣơng pháp xác định vị trí sự cố trên đƣờng dây truyền tải điện đã đƣợc quan tâm và nghiên cứu trong nhiều năm do yêu cầu rất cao trong thực tế về việc ƣớc lƣợng chính xác đƣợc vị trí của điểm sự cố. Những phƣơng pháp này có thể đƣợc phân loại theo nhiều nhóm, ví dụ những phƣơng pháp kinh điển nhƣ: phƣơng pháp dựa trên trở kháng truyền sóng [1,2,3,25,30,32,41,61,73,82,91,92], phƣơng pháp dựa vào sự [13,16,17,18,24,53,75],... Ngoài ra còn có các hƣớng nghiên cứu mới nhƣ các phƣơng pháp dựa trên các thuật toán xử lý tín hiệu mới để phân tích các tín hiệu đo lƣờng nhằm đƣa ra đƣợc kết quả ƣớc lƣợng vị trí sự cố với độ chính xác cao hơn các phƣơng pháp kinh điển. Có thể kể tới các phƣơng pháp sử dụng biến đổi sóng con (wavelet) để phát hiện điểm thay đổi đột ngột (điểm bắt đầu xuất hiện một tần số mới) [58,68,75,76,96]; sử dụng phép biến đổi S trong miền tần số [16,17,18,58]; các phƣơng pháp sử dụng thuật toán di truyền để tối ƣu hóa các mô hình nhận dạng phi tuyến [40]; các phƣơng pháp nơron và nơron lô-gíc mờ để xây dựng mô hình nhận dạng phi tuyến [19,20,26,27,33,44,49,53,57,83]; phƣơng pháp tổng hợp kết quả nhiều hệ nhận dạng [12],...

Nhìn chung các phƣơng pháp đều có những khả năng ứng dụng nhất định, tuy nhiên tất cả các phƣơng pháp đều có những tồn tại nhất định, và đây cũng sẽ là khả năng để có thể tìm đƣợc một giải pháp tốt hơn cho bài toán xác định vị trí sự cố trên đƣờng dây truyền tải điện.

1.3. Phƣơng pháp tính toán dựa trên trở kháng

Trong phƣơng pháp dựa trên trở kháng, sự vận hành của rơle khoảng cách phụ thuộc rất nhiều vào điện trở sự cố và không hiệu quả trong trƣờng hợp có điện trở sự cố rất cao [34]. Phƣơng pháp dựa trên trở kháng có thể đƣợc phân thành các phƣơng pháp một đầu và phƣơng pháp hai đầu phụ thuộc vào số lƣợng các thiết bị đầu cuối mà tại đó các dữ liệu điện áp và dòng điện đƣợc thu thập. Tuy nhiên phƣơng pháp tổng trở yêu cầu trở kháng ngắn mạch phải gần bằng 0 để có thể thu đƣợc kết quả ƣớc lƣợng vị trí sự cố đƣợc chính xác. Phƣơng pháp đo tổng trở ở cả hai đầu đƣờng dây [36,38,52,65,73,81,89] có độ chính xác cao hơn vì ít phụ thuộc vào điện trở ngắn mạch hơn. Nhƣng nhìn chung phƣơng pháp tổng trở sẽ không hiệu quả đối với các trƣờng hợp sự cố thoáng qua.

- 8 -

Phƣơng pháp trở kháng đƣợc dùng phổ biến nhất trong các rơle khoảng cách kỹ thuật số đƣợc đặt trong trạm biến áp để bảo vệ cho các đƣờng dây. Ngoài trở kháng, khi xảy ra sự cố rơle còn tính toán và ghi lại các thông số sự cố trong bản ghi của rơle nhƣ: dạng sự cố, vùng sự cố, vị trí sự cố, giá trị tức thời của điện áp và dòng điện xung quanh thời điểm sự cố... Việc xác định vị sự cố bằng rơle khoảng cách trong thực tế còn gặp nhiều sai số do những nguyên nhân khác nhau nhƣ: ảnh hƣởng của điện trở quá độ đến đến sự làm việc của bộ phận khoảng cách, ảnh hƣởng của trạm trung gian, ảnh hƣởng của tổ nối dây máy biến áp, ảnh hƣởng của sai số máy biến dòng điện (BI) và máy biến điện áp (BU), sai số của rơle do thành phần tự do gây ra khi tính toán các giá trị hiệu dụng, độ không lý tƣởng của các bộ lọc số, sai số do các bộ chuyển đổi AD, sai số của các thiết bị đo góc pha, việc

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

tính toán cài đặt và chỉnh định rơle cũng nhƣ do việc đã loại bỏ các thành phần tín hiệu biến thiên nhanh dẫn tới mất đi một phần thông tin trong tín hiệu..., từ đó dẫn đến việc xác định vị trí sự cố của rơle khoảng cách chƣa đƣợc chính xác.

a) Phƣơng pháp điện kháng đơn [77, 92]

Các giá trị điện áp, dòng điện đo lƣờng đƣợc ở đầu đƣờng dây sẽ đƣợc sử dụng để tính và đƣợc biểu diễn theo phƣơng toán trở kháng của đƣờng dây đến vị trí điểm sự cố

trình (1.1). Khi trở kháng của đƣờng dây trên mỗi đơn vị chiều dài đã đƣợc xác định, khoảng cách sự cố có thể đƣợc tính toán theo các phƣơng trình (1.2) và (1.3).

(1.1)

Trong đó:

 UA: Điện áp tại đầu nguồn A.

 ZL: Tổng trở của đƣờng dây.

 IA: Dòng điện chạy ra từ đầu nguồn A.

 : khoảng cách đến vị trí sự cố tính từ đầu nguồn A.

 Uf: Điện áp sự cố.

(1.2)

trong đó: If là dòng điện sự cố và Rf là điện trở sự cố đƣợc minh họa trong hình 1.1.

I A

Z A

Z B

lsuco.Z

(l - lsuco).Z

~ Nguồn A

~ Nguồn B

I f

R f

Đo lƣờng điện áp và dòng điện

Hình 1.1: Sơ đồ minh họa sự cố trên đường dây truyền tải sử dụng phương pháp điện kháng đơn

Từ công thức (1.2) khoảng cách đến vị trí sự cố tính từ đầu nguồn A đƣợc xác định

- 9 -

theo biểu thức (1.3):

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

(1.3)

b) Phƣơng pháp TAKAGI [77, 80,92]

Z A

Z B

lsuco I A . I   A

(l - lsuco).Z

~ Nguồn A

U A

~ Nguồn B

I f

R f

U f

U  A

lsuco.Z Định vị sự cố

Hình 1.2: Minh họa phương pháp TAKAGI trên mạch điện một pha hai nguồn

Phƣơng pháp Takagi cần cả các tín hiệu trƣớc khi xuất hiện sự cố và sau khi xuất hiện sự cố. Phƣơng pháp này cũng nâng cao đƣợc độ chính xác hơn so với phƣơng pháp điện kháng đơn nhƣ giảm bớt ảnh hƣởng của điện trở sự cố và làm giảm ảnh hƣởng của dòng tải. Sơ đồ minh họa nhƣ hình 1.2.

Điện trở sự cố đƣợc tính toán theo biểu thức (1.4):

(1.4)

trong đó:

 UA: Điện áp tại đo lƣờng đầu nguồn A.

 ZL: Tổng trở của đƣờng dây.

 IA: Dòng điện chạy ra từ đầu nguồn A.

 ZC: Tổng trở đặc tính.

 : Hệ số lan truyền.

 I”A: Dòng điện xếp chồng, là sự chênh lệch giữa dòng điện sự cố và dòng điện

trƣớc sự cố.

- 10 -

Khoảng cách đến vị trí sự cố tính từ đầu nguồn A đƣợc xác định theo biểu thức (1.5):

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

(1.5)

trong đó:

(1.6)

c) Phƣơng pháp TAKAGI cải tiến [77,80,92]

Phƣơng pháp Takagi cải tiến này cũng còn đƣợc gọi là phƣơng pháp dòng điện thứ tự không. Phƣơng pháp này không yêu cầu dữ liệu trƣớc sự cố vì nó sử dụng dòng điện thứ tự không thay vì xếp chồng dòng điện của sự cố chạm đất [32]. Vị trí sự cố trong phƣơng pháp này đƣợc tính toán trong phƣơng trình (1.7):

(1.7)

trong đó:

liên hợp phức của ảnh dòng điện thứ tự không.  IR: Dòng điện thứ tự không,

 : Góc dòng điện thứ tự không.

 Z1L: Tổng trở thứ tự thuận của đƣờng dây.

 UA: Điện áp tại đo lƣờng đầu nguồn A.

 IA: Dòng điện chạy ra từ đầu nguồn A.

 : khoảng cách đến vị trí sự cố tính từ đầu nguồn A.

Phƣơng pháp điện kháng đơn có ƣu điểm nổi bật là đơn giản, dễ lắp đặt, không cần phải đồng bộ giữa các thiết bị,... tuy nhiên có nhƣợc điểm là dễ bị ảnh hƣởng lớn bởi các nguồn nhiễu nhƣ sự bất đối xứng của đƣờng dây (ví dụ do không hoán vị dây dẫn), ảnh hƣởng của thành phần thứ tự không hay của hỗ cảm giữa các đƣờng dây,...

Nhƣợc điểm của phƣơng pháp Takagi là ta cần phải biết chính xác đƣợc các thông số của dòng điện pha sự cố ngay trƣớc thời điểm xuất hiện sự cố. Các sai lệch trong các thông số này sẽ tạo thành sai số lớn trong việc ƣớc lƣợng vị trí sự cố. Còn trong phƣơng pháp Takagi cải tiến ta không cần dùng giá trị của dòng điện trƣớc sự cố nhƣng lại phải xác định đƣợc góc pha của dòng điện thứ tự 0. Đây cũng là một nguồn sai số lớn của phƣơng pháp.

1.4. Phƣơng pháp sử dụng sóng lan truyền [77]

- 11 -

Phƣơng pháp truyền sóng dựa trên nguyên tắc thành phần sóng phản xạ khi gặp điểm sự cố (hoặc điểm cuối) của đƣờng dây dài. Thông tin thu thập ở đây có thể là thời điểm

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

sóng phản xạ lần thứ nhất, thời gian sóng chạy tới cuối đƣờng dây... Phƣơng pháp truyền và phản xạ sóng có ƣu điểm sử dụng cho mọi loại cáp và áp dụng tốt cho các hệ thống phân nhánh, không áp dụng đối với sự cố chập chờn.

Ví dụ với đƣờng dây truyền tải một pha (giả thiết không tổn hao với các thành phần tần số cao lan truyền) với chiều dài l, vận tốc sóng lan truyền v, điện dung và điện cảm trên một đơn vị chiều dài C‟ và L‟ và tổng trở sóng ZC. Giả sử việc xuất hiện của một sự cố ở một khoảng cách lsự cố tính tới nguồn A, các giá trị điện áp và dòng điện đƣợc mô tả trong biểu thức (1.8) và (1.9).

Sơ đồ nguyên lý xác định vị trí sự cố trên đƣờng dây đƣợc minh họa trên hình 1.3:

l

lsựcố er

ef

τB

τA

A

B

Điểm sự cố

Hình 1.3: Sơ đồ minh họa phương pháp sử dụng sóng lan truyền xác định vị trí sự cố

(1.8)

(1.9)

Giải ra ta có:

(1.10)

(1.11)

Thời điểm sóng lan truyền tới hai đầu A và B là τA và τB đƣợc xác định bằng cách sử dụng công nghệ GPS (Global Positioning System), vị trí sự cố (lsự cố) đƣợc xác định theo phƣơng trình (1.12):

(1.12)

trong đó:

- 12 -

 ef: Sóng điện áp thuận chạy trên đƣờng dây

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

 er: Sóng điện áp ngƣợc chạy trên đƣờng dây

 τA: thời điểm sóng tới đầu A.

 τB: thời điểm sóng tới đầu B.

 l: chiều dài đoạn đƣờng dây.

 υ: tốc độ truyền sóng, .

Ngoài ra phƣơng pháp lan truyền sóng còn gặp khó khăn trong việc đồng bộ thời gian của các thiết bị trên hệ thống. Một giải pháp thông dụng thƣờng đƣợc sử dụng để đồng bộ tín hiệu là tín hiệu GPS, nhƣng sai số thời gian của phƣơng pháp này ƣớc lƣợng khoảng

tƣơng ứng với sai số về khoảng cách khoảng 150m.

Bảng 1.1. Thiết bị Nippon xác định vị trí sự cố trên đường dây 220 kV Thái Nguyên - Hà Giang

Theo [8] ngành điện một số nƣớc trên thế giới đã ứng dụng công nghệ xác định vị trí sự cố theo phƣơng pháp lan truyền sóng nhƣ: Qualitrol (Hathaway Instruments Division - Anh), Nippon (Nhật Bản), Kinkei (Nhật Bản) và Isa (Italia). Độ chính xác đạt đƣợc tƣơng đối cao, sai số trong phạm vi một vài khoảng vƣợt, tùy thuộc vào thiết bị của từng hãng chế tạo. Nói chung các hãng đều đƣa ra sai số lý thuyết về xác định điểm sự cố không lớn hơn 500 m, nhƣng trên thực tế, độ chính xác còn phụ thuộc rất nhiều vào các điều kiện thực tế khi lắp đặt và vận hành, đặc biệt phụ thuộc nhiều vào độ tin cậy công nghệ của từng hãng. Tại Việt Nam, việc áp dụng công nghệ định vị sự cố theo phƣơng pháp truyền sóng cũng đã đƣợc triển khai đƣa vào thử nghiệm trên một số tuyến đƣờng dây truyền tải điện áp 220kV. Đƣờng dây 200kV Thái Nguyên - Hà Giang với chiều dài 232,2km, sử dụng thiết bị Nippon của Nhật Bản. Sau khi đƣa vào thử nghiệm, một số kết quả đƣợc thống kê trong bảng 1.1:

Sai số Lần Ngày Thời điểm Kết quả Điểm sự cố thực tế Nguyên nhân sự cố (m) (%)

1 7/6/2012 03:21:31 No 50 No 48 Sét đánh 1.384 0,6

2 21/6/2012 13:33:08 No 365 No 363 Sét đánh 996 0,4

3 23/7/2012 14:45:55 No 287 No 282 Sét đánh 2.282 1

Từ bảng 1.1 cho thấy việc xác định vị trí sự cố theo phƣơng pháp truyền sóng cho kết khá chính xác, tuy nhiên kết quả còn phụ thuộc rất nhiều vào công nghệ của từng hãng, điều kiện áp dụng thực tế đối với từng đƣờng dây cụ thể...

- 13 -

Theo bài báo [111] trình bày phƣơng pháp xác định vị trí sự cố trên đƣờng dây có hai nguồn cung cấp dựa trên quá trình truyền sóng trên đƣờng dây sử dụng CWT khi xảy ra sự cố ngắn mạch. Đƣờng dây mô phỏng có cấp điện áp 345kV, chiều dài 321,86km, khảo sát

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

khi sự cố ngắn mạch ba pha tại vị trí 32,186km. Kết quả sau khi áp dụng phƣơng pháp, vị trí sự cố đƣợc xác định 36,997km, sai số là 1,5% (tƣơng ứng 4,812km).

Ngoài ra, cũng trong nhóm các phƣơng pháp sử dụng sóng lan truyền còn có các giải pháp sử dụng không chỉ thời gian sóng lan truyền mà còn cả hình dạng của các sóng phản xạ để xác định vị trí và các thông số khác của sự cố. Đây là các phƣơng pháp TDR (Time- Domain Reflectometer).

Định vị sự cố bằng sóng truyền là một công nghệ tiên tiến, kinh tế, đã đƣợc áp dụng trong ngành điện ở rất nhiều nƣớc trên thế giới. Công nghệ này đã đƣợc ứng dụng cho hệ thống lƣới điện trung áp và đặc biệt sử dụng cho tất cả các ngăn lộ của hệ thống lƣới điện truyền tải. Thiết bị định vị sự cố bằng sóng truyền giúp nhà quản lý nắm đƣợc chính xác và nhanh nhất vị trí điểm sự cố trên các đƣờng dây, qua đó có xử lý nhanh sự cố, giảm chi phí nhân lực tìm kiếm, giảm phƣơng tiện đi lại, nâng cao khả năng xử lý sự cố, rút ngắn thời gian mất điện của hệ thống, tăng khả năng vận hành an toàn, tin cậy cho hệ thống điện trung áp, cao áp và siêu cao áp.

1.5. Phƣơng pháp sử dụng mạng nơron nhân tạo

Các mạng nơron trong thời gian gần đây đã đƣợc đƣa vào sử dụng cho việc định vị sự cố [33] và có ý nghĩa quan trọng từ khi Sobajic và Pao sử dụng các mạng nơron để dự báo thời gian hoàn tất thao tác của rơle [66]. Mạng nơron bắt đầu đƣợc sử dụng rộng rãi nói chung từ cuối những năm tám mƣơi và trong suốt thời gian những năm chín mƣơi của thế kỷ XX. Có rất nhiều những mô hình và thuật toán mạng nơron đã đƣợc đề xuất và ứng dụng, nhƣng phổ biến nhất là các mạng truyền thẳng nhiều lớp với các khối xử lý trung tâm là khối nơron perceptron, mà đại diện điển hình là mạng MLP (Multi Layer Perceptron). Luận án này lựa chọn sử dụng mạng MLP do đây là cấu trúc mạng kinh điển, có rất nhiều các tài liệu và công trình đã sử dụng mạng này nên thuận tiện cho NCS tham khảo. Bên cạnh đó, khi so sánh với các mạng nơron kinh điển khác nhƣ mạng RBF [27], mạng SOM thì mạng MLP có những ƣu điểm nhƣ sau: mạng RBF chỉ có 1 lớp ẩn là phi tuyến, lớp đầu ra là tuyến tính nên khả năng xấp xỉ các hàm phi tuyến của RBF kém hơn (với cùng một bậc phi tuyến thì mạng RBF cần phải sử dụng nhiều nơron ẩn hơn), mạng SOM là mạng học theo nguyên tắc tự tổ chức, không sử dụng các giá trị đầu ra đích nên chỉ phù hợp với các bài toán tìm các nhóm số liệu đầu vào tƣơng đồng nhau chứ không tạo thành ánh xạ vào-ra phi tuyến. Kulicke và Dalstein [26] đã sử dụng các mạng nơron để phát hiện các sự cố trên đƣờng dây truyền tải và cũng có thể phân biệt giữa các sự cố phóng hồ quang và không phóng hồ quang. Một kỹ thuật mới để phát hiện vị trí của sự cố tốc độ cao bằng cách sử dụng các mạng nơron đã đƣợc đề xuất bởi Kezunovic, Sobajic và Rikalo [53]. Mạng nơron dựa vào kỹ thuật định vị sự cố cho đƣờng dây 1 nguồn đƣợc nghiên cứu bởi Chen và Maun [95] trong khi Song [96] sử dụng các mạng nơron cho xác định vị trí sự cố trên một chuỗi các đƣờng dây cần đƣợc bù...

- 14 -

Các công trình khác có liên quan trong lĩnh vực xác định vị trí sự cố bằng cách sử dụng các mạng nơron nhân tạo có thể đƣợc tìm thấy trong các tài liệu tham khảo

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

[19,27,49,58,102,103,104,105,106,107,108,109]. Một số công trình ứng dụng mạng nơron để xác định vị trí sự cố đƣợc liệt kê nhƣ sau:

Bài báo [102] khảo sát sự ảnh hƣởng của tần số lấy mẫu đến ƣớc lƣợng vị trí sự cố khi sử dụng các thuật toán dựa vào mạng nơron nhân tạo. Các mẫu đầu vào mạng nơron đƣợc tạo ra từ phần mềm ATP cho đƣờng dây ba pha điện áp 230kV, chiều dài 188km khi thay đổi dạng sự cố (ngắn mạch một pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 3 pha), điện trở sự cố, góc tới sự cố ứng với các tần số lẫy mẫu khác nhau (1200 Hz, 2400 Hz và 15360 Hz). Sai số lớn nhất của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá là dƣới 6,02% (tƣơng ứng với 11,32km).

Bài báo [103] giới thiệu về một giải pháp ứng dụng mạng nơron ƣớc lƣợng vị trí sự cố khi ngắn mạch một pha dựa trên các giá trị đo lƣờng dòng điện và điện áp tại cả hai đầu đƣờng dây. Sử dụng phần mềm EMTP-RV mô phỏng đƣờng dây mạch đơn, điện áp 110kV, chiều dài 60km khi thay đổi các thông số nhƣ: vị trí sự cố 0km, 10km, 20km, 30km, 40km, 50km, 60km; điện trở sự cố: 0Ω, 10Ω, 25Ω và 50Ω. Sai số lớn nhất của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá là dƣới 6% (tƣơng ứng với 3.6km).

Bài báo [104] giới thiệu phƣơng pháp sử dụng mạng nơron ƣớc lƣợng vị trí sự cố trên đƣờng dây truyền tải có hai nguồn cung cấp, điện áp 230kV, chiều dài 100km. Các mẫu đầu vào mạng nơron đƣợc tạo ra từ phần mềm PSCAD/EMTDC khi thay đổi các thông số nhƣ: 21 vị trí sự cố (vị trí sự cố cách đều 5km cho toàn bộ chiều dài đƣờng dây); 17 trƣờng hợp điện trở sự cố từ 0Ω, 5Ω, 10Ω... đến 80Ω; mô phỏng cho 4 dạng sự cố ngắn mạch (ngắn mạch một pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 3 pha). Sai số lớn nhất của phƣơng pháp khi ƣớc lƣợng vị trí sự cố: ngắn mạch một pha 0,3324% (0,33km); ngắn mạch hai pha 0,1403% (0,14km); ngắn mạch hai pha chạm đất 0,3408% (0,34km) và ngắn mạch 3 pha 0,4926% (0,493km).

Bài báo [105] giới thiệu phƣơng pháp sử dụng sóng cao tần ƣớc lƣợng vị trí sự cố trên đƣờng dây truyền tải dựa vào mạng nơron nhân tạo và thuật toán di truyền chỉ dùng các tín hiệu dòng điện. Các mẫu đầu vào mạng nơron đƣợc tạo ra từ phần mềm ATP- EMTP và đƣợc mô phỏng với tần số lẫy mẫu 100kHz, điện áp 400kV, chiều dài 128km. Sai số của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá nhỏ hơn 2% (tƣơng ứng với 2,56km).

- 15 -

Bài báo [106] giới thiệu về một giải pháp ứng dụng mạng nơron ƣớc lƣợng vị trí sự cố dựa trên các giá trị đo lƣờng dòng điện và điện áp tại một đầu đƣờng dây. Mô hình đƣờng dây trong bài báo là hai đƣờng dây mạch kép, 2 nguồn cung cấp, điện áp 220kV, chiều dài 100km. Sử dụng phần mềm Matlab 7.01 mô phỏng đƣờng dây theo thông số phân bố với giả thiết sự cố ngắn mạch hai pha trên từng tuyến đƣờng dây: 6 trƣờng hợp sự cố ngắn mạch 2 pha; 10 trƣờng hợp thay đổi về vị trí sự cố; 2 trƣờng hợp thay đổi về góc lỗi bắt đầu ở 00 và 900. Tổng số mẫu đƣợc sử dụng cho việc ƣớc lƣợng vị trí sự cố là 1200 mẫu. Sai số của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá là dƣới 1,35% (tƣơng ứng với 1,35km).

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

Bài báo [107] ứng dụng mạng nơron ƣớc lƣợng vị trí sự cố dựa trên các giá trị đo lƣờng dòng điện và điện áp tại đầu đƣờng dây khi xảy ra ngắn mạch (ngắn mạch một pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 3 pha). Các mẫu đầu vào mạng nơron đƣợc tạo ra từ phần mềm EMTP cho đƣờng dây ba pha có hai nguồn cung cấp, điện áp 400kV, chiều dài 150km và đƣợc mô phỏng với tần số lẫy mẫu 4kHz. Sai số của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá là dƣới 1% (tƣơng ứng với 1,5km).

Bài báo [108] giới thiệu về một giải pháp ứng dụng mạng nơron ƣớc lƣợng vị trí sự cố dựa trên các giá trị đo lƣờng dòng điện tại một đầu đƣờng dây. Các mẫu đầu vào mạng nơron đƣợc tạo ra từ phần mềm ATP cho đƣờng dây ba pha có hai nguồn cung cấp, điện áp 132kV, chiều dài 100km khi thay đổi dạng sự cố (ngắn mạch một pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 3 pha), vị trí sự cố cách đều 5km, điện trở sự cố 2Ω, góc tới sự cố ở 00 và 900. Sai số của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá là dƣới 1% (tƣơng ứng với 1km).

Bài báo [109] giới thiệu phƣơng pháp sử dụng mạng nơron ƣớc lƣợng vị trí sự cố trên đƣờng dây truyền tải có hai nguồn cung cấp, điện áp 500kV, chiều dài 300km. Các mẫu đầu vào mạng nơron đƣợc tạo ra từ phần mềm EMTP khi thay đổi các thông số nhƣ: vị trí sự cố (quá trình học bƣớc sự cố là 5km, quá trình kiểm tra là 2,5km cho toàn bộ chiều dài đƣờng dây); điện trở sự cố từ 0Ω đến 300Ω; , góc tới sự cố từ 00 đến 900; mô phỏng cho 4 dạng sự cố ngắn mạch (ngắn mạch một pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 3 pha). Sai số lớn nhất của phƣơng pháp khi ƣớc lƣợng vị trí sự cố đƣợc đánh giá nhỏ hơn 0,23% (tƣơng ứng với 0,7km).

Ngoài một số phƣơng pháp đã liệt kê ở trên khi ứng dụng mạng nơron để ƣớc lƣợng vị trí sự cố, còn có nhiều công trình ứng dụng các phƣơng pháp khác nhau để ƣớc lƣợng vị trí sự cố trên đƣờng dây tải điện. Nhiều phƣơng pháp sử dụng các tín hiệu dòng điện và điện áp tại máy biến áp hoặc đầu đƣờng dây trong quá trình phân tích. Với những phƣơng pháp đã nêu trên thƣờng phải sử dụng các hệ thống đo có các máy biến dòng, biến áp khá phức tạp. Vì vậy còn có thể gặp một hƣớng nghiên cứu nữa là sử dụng các cảm biến đo cƣờng độ từ trƣờng (ví dụ nhƣ cảm biến Hall) do dòng điện đầu đƣờng dây sinh ra. Trong trƣờng hợp có thể đo kiểm tra thƣờng xuyên thì có thể sử dụng các phƣơng pháp so sánh pha của dòng điện trƣớc với pha của dòng điện sau sự cố [30] nhƣng chỉ cho trƣờng hợp ngắn mạch 1 pha. Một số công trình khác xác định vị trí sự cố:

Trong [68], các tác giả áp dụng biến đổi wavelet khác nhau nhƣ Coiflet và Mexican Hat để phân tích dòng điện ba pha của một hệ thống điện để phát hiện pha có sự cố. Hệ thống điện đƣợc mô phỏng bằng mô hình PI trong MATLAB/ Simulink cho đƣờng dây đơn 500kV dài 200 km, sai số của vị trí sự cố dao động trong khoảng từ đến 13% chiều dài đƣờng dây.

- 16 -

Bài báo [63] giới thiệu về một giải pháp ƣớc lƣợng vị trí sự cố dựa trên các giá trị đo trở kháng trên đƣờng dây. Mô hình đƣờng dây trong bài báo sử dụng điện áp 400kV, chiều dài 300km, có lắp đặt các thiết bị bù dọc. Tín hiệu thu thập là dòng điện hai phía và điện áp của một phía nguồn. Dựa trên trở kháng đầu vào đƣờng dây, phƣơng pháp có sai số trung

Chương 1: Tổng quan về các phương pháp xác định vị trí sự cố trên đường dây tải điện

bình 0,21% chiều dài đƣờng dây (tƣơng ứng với 630m) và sai số cực đại 0,35% (ứng với 1,05km).

Bài báo [71] sử dụng các tín hiệu dòng điện và điện áp ở cả hai đầu đƣờng dây (cần đƣợc đồng bộ về thời gian) để tính toán trở kháng vào của hai đầu đƣờng dây, từ đó xác định vị trí sự cố và điện trở sự cố. Mô hình đƣờng dây đƣợc thử nghiệm là đƣờng dây 400kV, chiều dài 300km, có lắp đặt các thiết bị bù dọc. Sai số của phƣơng pháp đƣợc đánh giá là dƣới 0,5% (tƣơng ứng với 1,5km).

Các tác giả của [47] cũng đã sử dụng phần mềm EMTP để mô phỏng đƣờng dây 34kV bằng mô hình thông số rải. Các tín hiệu đƣợc lấy mẫu với tần số 1920Hz và các tín hiệu đo đƣợc lọc bởi bộ lọc thông thấp 360Hz. Sai số tƣơng đối của vị trí sự cố trong bài báo này đạt dƣới 1%.

Công trình [78] sử dụng các tín hiệu dòng điện và điện áp đã đƣợc đồng bộ về thời gian, giá trị các thành phần thứ tự thuận của các tín hiệu và tổng trở thứ tự thuận để làm cơ sở ƣớc lƣợng vị trí sự cố. Mô hình đƣờng dây đƣợc mô phỏng trong EMTP có điện áp 500kV và chiều dài 300km. Độ chính xác của phƣơng pháp dao động trong khoảng từ 0,08% đến 0,54% chiều dài đƣờng dây (tƣơng ứng với sai số từ 240m tới 1,62km).

- 17 -

Tóm tắt lại, nhìn chung các giải pháp đã đƣợc nghiên cứu và phát triển khác biệt nhau khá lớn về ý tƣởng, thuật toán, mô hình của đối tƣợng cũng nhƣ về độ chính xác và khả năng áp dụng của các kết quả. Trong đó phải kể tới tính tổng quát của các giải pháp khá thấp, có nghĩa là một giải pháp thƣờng đƣợc giới hạn trong một nhóm đối tƣợng hẹp (ví dụ các giới hạn về cấp điện áp sử dụng, về độ phức tạp của mạng điện, về các đối tƣợng nguồn/tải trong hệ thống, về tính tuyến tính/phi tuyến/bão hòa của các phần tử,...) cho nên rất khó áp dụng đƣợc giải pháp của hệ thống này sang hệ thống khác, hoặc thậm chí trong cùng một hệ thống nhƣng với các phần tử tải khác nhau,... Trong luận án này sẽ tập trung nghiên cứu và phát triển một mô hình mới nhằm ƣớc lƣợng chính xác hơn về vị trí sự cố, điện trở sự cố và dạng sự cố trên đƣờng dây tải điện dựa trên các số liệu dòng điện và điện áp đo tức thời ở một đầu đƣờng dây. Mô hình này có các thông số đƣợc điều chỉnh thích nghi dựa trên các bộ số liệu mẫu mô phỏng từ hệ thống truyền tải nên khi có một hệ thống truyền tải mới, mô hình có thể đƣợc điều chỉnh lại để tiếp tục có đƣợc độ chính xác cao. Các chi tiết về mô hình sẽ đƣợc trình bày ở chƣơng 2 và chƣơng 3.

Chương 2: Các giải pháp đề xuất trong luận án

Chƣơng 2: CÁC GIẢI PHÁP ĐỀ XUẤT TRONG LUẬN ÁN

Trong chƣơng này sẽ trình bày các phƣơng pháp đƣợc đề xuất trong luận án nhằm xác định chính xác hơn về vị trí sự cố trên đƣờng dây truyền tải điện cũng nhƣ các công cụ hỗ trợ cho quá trình tính toán, mô phỏng. Các định hƣớng chính đƣợc thực hiện trong luận án:

- Mạng MLP hoạt động độc lập đƣa ra kết quả xác định về vị trí sự cố.

- Mạng MLP phối hợp với thuật toán tổng trở (thuật toán tổng trở tính toán trên máy

tính và thuật toán tổng trở đƣợc tích hợp trong rơle khoảng cách thực tế).

2.1. Sơ đồ khối tổng thể ƣớc lƣợng vị trí sự cố

Nhƣ đã trình bày trong chƣơng 1, nhìn chung các giải pháp đã đƣợc các tác giả khác nghiên cứu và phát triển khác biệt nhau khá lớn về ý tƣởng, thuật toán, mô hình của đối tƣợng cũng nhƣ về độ chính xác và khả năng áp dụng của các kết quả. Vì vậy rất khó áp dụng đƣợc giải pháp của hệ thống này sang hệ thống khác, hoặc thậm chí trong cùng một hệ thống nhƣng với các phần tử tải khác nhau,...

Do đó một trong những ý tƣởng phổ biến hiện nay là xây dựng các giải pháp "mềm dẻo" có khả năng tự học [20, 21, 69]. Có nghĩa là cần xây dựng một hệ thống thu thập, phân tích và xử lý tín hiệu có cấu trúc khá cố định nhƣng có các tham số có thể điều chỉnh đƣợc để có thể thích nghi với các tín hiệu đầu vào mới. Khi đó nếu có một đối tƣợng mới hoặc một bài toán mới, có thể tiến hành thu thập các mẫu tín hiệu mới để đƣa vào cho hệ thống điều chỉnh lại các tham số để có thể hoạt động tốt hơn với các mẫu tín hiệu mới này. Quá trình điều chỉnh thích nghi hệ thống theo các mẫu số liệu mới đƣợc gọi là quá trình học của hệ thống. Trƣờng hợp các mẫu học bao gồm cả cặp tín hiệu đầu vào và các đáp ứng đích mong muốn đƣợc gọi là quá trình học có hướng dẫn [70, 79].

- 18 -

Trong luận án này sẽ tập trung nghiên cứu và phát triển một mô hình mới nhằm ƣớc lƣợng chính xác hơn về vị trí sự cố, điện trở sự cố và dạng sự cố trên đƣờng dây tải điện dựa trên các số liệu dòng điện và điện áp đo tức thời chỉ ở một đầu đƣờng dây. Việc lắp đặt thiết bị đo ở cả hai đầu đƣờng dây hoặc lắp đặt các thiết bị đo tại nhiều điểm trên đƣờng dây truyền tải có độ chính xác cao hơn so với việc lắp đặt thiết bị đo ở một đầu đƣờng dây nhƣng sẽ tốn kém hơn đồng thời đòi hỏi phải đồng bộ đƣợc về thời gian của các thiết bị (nếu đồng bộ không đạt yêu cầu thì sai số vị trí lại lớn). Nhƣ đã nêu trong mục 1.3, các thuật toán tổng trở để ƣớc lƣợng vị trí sự cố có khá nhiều nguồn sai số. Do trong luận án sử dụng các tín hiệu dòng – áp mô phỏng từ ATP/EMTP nên đối với các trƣờng hợp tính toán tổng trở bằng các chƣơng trình trên máy tính thì các sai số đo lƣờng, sai số do chuyển đổi AD,… sẽ không đáng kể. Tuy nhiên vẫn còn những nguồn sai số lớn nhƣ ảnh hƣởng của thành phần một chiều trong quá trình quá độ tới việc tính toán các giá trị hiệu dụng của dòng và áp, sai số do việc tính toán giá trị hiệu dụng của thành phần cơ bản trong tín hiệu quá độ. Đã có rất nhiều nghiên cứu nhằm cải tiến sai số định vị sự cố của rơle khoảng cách, bằng cách cải thiện khâu lọc thành phần DC, ví dụ nhƣ trong [17, 45, 55, 87]. Đồng thời

Chương 2: Các giải pháp đề xuất trong luận án

mô hình đƣờng dây đƣợc lựa chọn là mô hình không hoán vị trong khi giải thuật của rơle khoảng cách truyền thống đƣợc xây dựng dựa trên giả thiết hệ thống điện là 3 pha đối xứng hoàn hảo, vì vậy khi áp dụng phƣơng pháp tính với mô hình đƣờng dây không có hoán vị sẽ gặp phải sai số nhất định. Trƣờng hợp khi luận án sử dụng rơle thực tế để thử nghiệm với các tín hiệu dòng – áp đầu vào đã tính từ ATP/EMTP thì sẽ có thêm các sai số từ các bộ chuyển đổi DA (bộ tạo các tín hiệu dòng – áp thực từ các tín hiệu mô phỏng), sai số làm tròn khi tính toán (do cấu hình hạn chế của bộ vi xử lý trung tâm của rơle so với vi xử lý trung tâm của các máy tính cá nhân). Lựa chọn của luận án sẽ sử dụng các phƣơng pháp tính toán và xử lý tín hiệu hiện đại nhƣ mạng nơron nhân tạo để khắc phục đƣợc phần nào các sai số trên để có đƣợc độ chính xác tƣơng đƣơng hoặc cao hơn.

Hình 2.1: Sơ đồ khối tổng thể phương pháp phân tích và xử lý tín hiệu đầu đường dây để xác định vị trí sự cố, điện trở sự cố và dạng sự cố.

Phƣơng pháp đƣợc đề xuất trong luận án đƣợc thực hiện tuần tự qua ba bƣớc nhƣ sau. Trƣớc tiên, sẽ phân tích trực tuyến các tín hiệu dòng điện và điện áp (đo ở đầu đƣờng dây) để phát hiện các thời điểm xảy ra những thay đổi đột ngột trong tín hiệu (còn gọi là thời điểm xuất hiện sự cố) do các sự cố trên đƣờng dây sinh ra. Ở bƣớc thứ hai, với thời điểm xuất hiện sự cố đã đƣợc xác định, chƣơng trình tiến hành phân tích trong một cửa sổ nhỏ (dự kiến 40ms trƣớc và 20ms sau thời điểm xuất hiện sự cố) của các tín hiệu để tính toán các giá trị đặc trƣng (hay còn gọi là các đặc tính) bao gồm các đặc trƣng từ giá trị tức thời và các đặc trƣng từ phổ tần số. Trong bƣớc cuối cùng, bƣớc thứ ba, các giá trị đặc trƣng này đƣợc xử lý tiếp tục bằng một mô hình phi tuyến để đƣa ra đƣợc các ƣớc lƣợng chính xác hơn về vị trí sự cố, điện trở sự cố và dạng sự cố. Sơ đồ khối của ý tƣởng này đƣợc trình bày trên hình 2.1:

- 19 -

Cụ thể, để có thể phát hiện đƣợc thời điểm xuất hiện sự cố, luận án đề xuất sử dụng phép phân tích tín hiệu theo các hàm cơ sở wavelet (sóng nhỏ) do phép phân tích này cho phép phát hiện đƣợc các thay đổi đột ngột trong tín hiệu đang đƣợc lấy mẫu để xem xét.

Chương 2: Các giải pháp đề xuất trong luận án

2.2. Mạng nơron MLP và ứng dụng ƣớc lƣợng vị trí sự cố

Để xây dựng đƣợc mô hình phi tuyến ƣớc lƣợng vị trí sự cố trên đƣờng dây truyền tải

điện trong luận án đề xuất thử nghiệm hai ý tƣởng:

- Sử dụng độc lập một mạng nơron MLP để trực tiếp ƣớc lƣợng vị trí sự cố.

- Sử dụng một mạng nơron MLP phối hợp song song với một thuật toán tổng trở để

ƣớc lƣợng vị trí sự cố.

2.2.1. Mạng nơron MLP hoạt động độc lập ƣớc lƣợng vị trí sự cố [12,64,69,79,93]

Từ các số liệu dòng điện và điện áp đo lƣờng ở đầu đƣờng dây sẽ đƣợc phân tích và

Hình 2.2: Ý tưởng mô hình hoạt động độc lập mạng MLP

xử lý trƣớc khi đƣa vào mạng MLP để ƣớc lƣợng trực tiếp vị trí sự cố nhƣ hình 2.2.

Giải pháp đề xuất này có ƣu điểm là đơn giản, chỉ cần sử dụng một mạng MLP để học trực tiếp. Tuy nhiên, nhƣ các kết quả tính toán mô phỏng ở chƣơng 4, do số lƣợng mẫu hữu hạn và quá trình tối ƣu hóa các thông số của mạng MLP khó đạt đƣợc cực trị toàn cục trong toàn miền xác định nên mạng MLP vẫn có sai số khi hoạt động. Do nhiệm vụ của quá trình học là ƣớc lƣợng trực tiếp vị trí sự cố (có dải giá trị biến thiên trong khoảng

) nên khi thử nghiệm với các trƣờng hợp mới (chƣa xuất hiện trong quá

trình học), mạng MLP có thể gây sai số lớn trong một số trƣờng hợp (sai số trung bình nhỏ, nhƣng sai số cực đại vẫn lớn). Đối với một vài trƣờng hợp thử nghiệm trong luận án, mạng MLP có thể có sai số cực đại hơn 20km (tƣơng ứng 16,87%). Để khắc phục nhƣợc điểm này, trong luận án đề xuất sử dụng mô hình thứ hai phối hợp giữa mạng nơron MLP và các thuật toán tổng trở.

2.2.2. Mạng nơron MLP phối hợp song song với một thuật toán tổng trở (thuật toán mô phỏng trên máy tính, thuật toán tích hợp trong rơle khoảng cách thực tế)

- 20 -

Thuật toán ƣớc lƣợng vị trí sự cố mô phỏng trên máy tính (PC) đƣợc sử dụng trong luận án là các công thức tính toán của rơle khoảng cách trình bày trong [97]. Mô hình đƣợc đề xuất này của luận án là một giải pháp mới, chƣa thấy đƣợc đề xuất trong các công trình nghiên cứu khác về xác định vị trí sự cố trên đƣờng dây truyền tải. Ý tƣởng của mô hình đƣợc trình bày trên hình 2.3.

Chương 2: Các giải pháp đề xuất trong luận án

Hình 2.3: Ý tưởng mô hình hoạt động song song rơle với mạng MLP

Ý tƣởng chung của hệ phối hợp song song nhiều giải pháp là khi sử dụng phối hợp nhiều phƣơng pháp, có thể tạo ra một giải pháp mới có độ chính xác, độ tin cậy cao hơn (trên các bộ số liệu mẫu đã có) so với khi chỉ sử dụng từng phƣơng pháp đơn lẻ ban đầu [98, 99, 100, 101,110]. Khi đó có thể kết luận rằng hệ thống đã phát huy đƣợc ƣu điểm của các giải pháp đơn lẻ và hạn chế đƣợc các nhƣợc điểm của chúng để cải thiện đƣợc chất lƣợng hoạt động. Một ví dụ thực tế của các mô hình dạng này có thể nhắc tới nhƣ việc sử dụng đồng thời nhiều giải pháp rơle bảo vệ cho một đối tƣợng để nâng cao độ tin cậy, hoặc trong một lĩnh vực khác nhƣ việc trên các thiết bị bay ngƣời ta đều sử dụng song song nhiều giải pháp đo độ cao (nhƣ dùng GPS, dùng khí áp kế, dùng sóng radio điều khiển từ sân bay,…) cũng để nâng cao độ chính xác và độ tin cậy của kết quả cuối cùng. Việc phối hợp song song các giải pháp cũng đƣợc Per Printz Madsen đề xuất khi phối hợp giữa mạng nơron MLP với mô hình tuyến tính và phi tuyến tính của các hệ thống động [110]. Kết quả đƣợc kiểm tra trên dữ liệu mô phỏng cho thấy mạng nơron MLP phối hợp với mô hình tuyến tính cho kết quả tốt hơn so với một mạng MLP thuần túy và một mạch tuyến tính thuần túy. Trƣờng hợp dữ liệu có nhiễu “dữ liệu thực tế” thì mô hình tuyến tính với hiệu chỉnh sai số phi tuyến tính có kết quả tốt hơn so với mô hình nêu trên. Tuy nhiên nếu phối hợp không tốt thì giải pháp tổng hợp sẽ có chất lƣợng kém đi. Vì vậy các mô hình phối hợp cần phải đƣợc thử nghiệm, đánh giá chất lƣợng ví dụ nhƣ dựa trên sai số của mô hình.

Mục đích chính của việc sử dụng song song thêm mạng MLP là do các rơle khoảng cách hiện nay vẫn còn gây sai số khi hoạt động nhƣ đã trình bày trong 1.3 và ở đầu mục 2.1. Để giảm các sai số này, nhiệm vụ của mạng MLP là tạo ra lƣợng "bù" sao cho khi cộng đáp ứng của mạng MLP vào kết quả của rơle khoảng cách, ta có đƣợc vị trí chính xác hơn so với trƣớc khi bù nhƣ đƣợc thể hiện trong công thức sau:

- 21 -

Vị trí sự cố cần ƣớc lƣợng trực tiếp (theo nhƣ mô hình đề xuất 2.2.1) hay lƣợng cần bù (theo nhƣ mô hình đề xuất 2.2.2) sẽ là một hàm phi tuyến tính do với các đầu vào là tín hiệu u-i cố định cho trƣớc thì có thể biết đƣợc vị trí sự cố chính xác đã sinh ra các tín hiệu u-i đó, đồng thời đầu ra của thuật toán tổng trở cũng là cố định (trong các mẫu này không có các nguồn nhiễu, nguồn sai số ngẫu nhiên nhƣ trên lƣới truyền tải thực tế). Khi đó khả năng "bù" của mạng MLP xuất phát từ việc mạng này có thể xấp xỉ hàm phi tuyến bất kỳ với độ chính xác cho trƣớc [56] thông qua quá trình học (và kiểm tra) trên một bộ số liệu mẫu đủ lớn của hàm phi tuyến cần xấp xỉ.

Chương 2: Các giải pháp đề xuất trong luận án

Mạng nơron MLP đƣợc xây dựng dựa trên cơ chế "học" (learning process), trong đó các thông số của mạng đƣợc điều chỉnh trên cơ sở một bộ số liệu mẫu cho trƣớc ở dạng các cặp mẫu (đầu vào, đầu ra). Mạng nơron MLP sẽ tái tạo lại ánh xạ (phi tuyến) giữa tín hiệu đầu vào và đầu ra này để xác định các thông số của sự cố. Trong luận án sẽ ứng dụng phần mềm ATP/EMTP để mô phỏng các dạng sự cố ngắn mạch trên đƣờng dây để tạo các mẫu đầu vào cho mạng nơron MLP.

2.3. Phần mềm ATP/EMTP và ứng dụng để tạo mẫu số liệu

Để có đƣợc các số liệu phục vụ cho việc xây dựng mô hình, luận án sử dụng phần mềm ATP/EMTP [15,31,39] để mô phỏng các trƣờng hợp sự cố từ đó có đƣợc các tín hiệu dòng và áp ở đầu đƣờng dây trong quá trình quá độ do sự cố gây ra. Do việc thu thập đƣợc các tín hiệu thực tế là khó khăn, đặc biệt là các tín hiệu trong các trạng thái sự cố (do các sự cố trong thực tế xảy ra tại các thời điểm khó xác định trƣớc, đồng thời các thông số sự cố nhƣ vị trí, điện trở sự cố và thời điểm xảy ra thay đổi trong tín hiệu cũng khó xác định, mặt khác để phục vụ các nhiệm vụ thống kê thì các ghi chép sự cố cũng không đƣợc hoàn chỉnh, nhiều trƣờng hợp sự cố chỉ có các bản ghi của rơle nhƣng không có các thông tin về vị trí thực tế xảy ra sự cố, cũng nhƣ các điện trở sự cố,...) vì vậy trong luận án này đã chọn giải pháp tạo ra các tín hiệu dòng/áp từ phần mềm mô phỏng ATP/EMTP.

Dạng sự cố

6 tín hiệu (u, i)

Vị trí sự cố

Điện trở sự cố

Bộ mẫu N trường hợp

Để tạo đƣợc bộ số liệu mẫu phần mềm ATP/EMTP sẽ mô phỏng các quá trình quá độ trên đƣờng dây gây ra bởi một số dạng sự cố ngắn mạch chọn trƣớc với các thông số sự cố khác nhau (ví dụ nhƣ thay đổi về vị trí sự cố trên đƣờng dây, điện trở sự cố, thời điểm khi xảy ra sự cố cũng nhƣ với phụ tải khác nhau). Ứng với một bộ các thông số đầu vào (gồm dạng sự cố, vị trí sự cố, điện trở sự cố, thời điểm sự cố và phụ tải) phần mềm ATP/EMTP sẽ tính toán và cho 6 tín hiệu dòng điện và điện áp ở đầu đƣờng dây. Các tín hiệu u-i này cùng với các tham số đã sử dụng để tạo ra các tín hiệu đó sẽ đƣợc lƣu lại trong cơ sở dữ liệu phục vụ cho quá trình tạo mẫu và tính toán tiếp theo. Ý tƣởng cho quá trình xây dựng mô hình này đƣợc trình bày trên hình 2.4.

Mô hình trong ATP/EMTP

Thời điểm sự cố

Phụ tải

Hình 2.4: Quá trình tạo mẫu để xác định các thông số của các mô hình

Một mẫu "học" cho mạng MLP sẽ bao gồm:

- 22 -

- Đầu vào: các giá trị đặc trƣng tính toán từ 6 tín hiệu u-i thu đƣợc từ đầu đƣờng dây (không sử dụng trực tiếp các giá trị tức thời đo đƣợc nhằm giảm kích thƣớc thông tin cần xử lý ở các khâu tiếp sau).

Chương 2: Các giải pháp đề xuất trong luận án

- Đầu ra: Trong trƣờng hợp mạng MLP trực tiếp ƣớc lƣợng vị trí sự cố thì đầu ra đích ) đã chọn khi mô phỏng. Trong trƣờng cần đạt chính là vị trí chính xác của sự cố (

hợp sử dụng song song mạng MLP với một thuật toán tổng trở thì trƣớc tiên các tín hiệu u- i của ba pha đƣợc đƣa vào tính toán với thuật toán này (trƣờng hợp mô phỏng trên PC) hoặc đƣợc đƣa vào rơle thực tế để lấy về các kết quả tác động. Từ tính toán vị trí của rơle sẽ là giá trị đích này có thể suy ra lƣợng cần bù là . Nhƣ vậy

cần đạt đƣợc của mạng MLP. Khi mạng MLP có đáp ứng

thì các thông số của mạng sẽ đƣợc điều chỉnh thích nghi bằng các thuật toán học (ví dụ nhƣ thuật toán Levenberg - Marquadrt [44]) để làm giảm sai lệch này xuống dƣới mức sai số cho phép.

2.4. Hợp bộ thí nghiệm CMC-356 thử nghiệm kết quả tác động của rơle khoảng cách thực tế

Hình 2.5: Sơ đồ khối ghép nối giữa các thiết bị trong hệ thống thử nghiệm hoạt động của rơle bằng thiết bị CMC-356

- 23 -

Song song với việc sử dụng các tín hiệu này để xây dựng các mô hình và thuật toán nhận dạng, để tạo điều kiện cho việc kiểm chứng các mô hình đƣợc tốt hơn, trong luận án đề xuất kiểm chứng các kết quả tính toán từ luận án với các kết quả hoạt động của rơle thực tế với cùng các tín hiệu đầu vào. Ý tƣởng tạo ra tín hiệu kiểm chứng đƣợc thể hiện trên hình 2.5. Theo đó, từ một mô hình đƣờng dây ban đầu, sẽ lựa chọn 5 thông số: vị trí sự cố, điện trở sự cố, thời điểm xảy ra chuyển mạch trong hệ thống, dạng sự cố và phần trăm phụ tải. Với các thông số này, sử dụng phần mềm ATP/EMTP để tiến hành mô phỏng đƣờng dây ở chế độ sự cố với các thông số sự cố đƣợc ngƣời sử dụng lựa chọn ban đầu. Với mỗi bộ thông số, phần mềm ATP/EMTP sẽ thực hiện tính toán mô phỏng để tạo ra đƣợc 6 tín hiệu dòng điện và điện áp (pha) ở đầu đƣờng dây. Để có thể đƣa đƣợc các tín hiệu này vào rơle thực tế nhằm xác định tác động của rơle cần có một thiết bị có khả năng tạo ra các tín hiệu dòng/áp đúng theo các tín hiệu cho theo hàm thời gian (đã đƣợc rời rạc hóa) cho trƣớc. Thiết bị hợp bộ CMC-356 của Omicron là một thiết bị có chức năng nhƣ vậy. Luận án sẽ sử dụng thiết bị này để tái tạo lại các tín hiệu dòng/áp đã đƣợc ATP/EMTP mô phỏng ra để đƣa vào các rơle thực tế ghép nối phía sau của CMC-356. Các bản ghi tác động của rơle sẽ đƣợc chuyển lên máy tính lƣu trữ và tính toán xử lý trên PC.

Chương 2: Các giải pháp đề xuất trong luận án

2.5. Mạng nơron MLP và ứng dụng để xác định dạng sự cố và ƣớc lƣợng điện trở sự cố

Hình 2.6: Ý tưởng mô hình hoạt động các mạng MLP xác định vị trí sự cố, xác định dạng sự cố và ước lượng điện trở sự cố

Với cùng các đặc tính đầu vào mạng nơron MLP nhƣ trƣờng hợp tính toán ƣớc lƣợng vị trí sự cố. Trong luận án đề xuất sử dụng đồng thời song song hai mạng nơron MLP để xác định hai thông số còn lại của sự cố là dạng sự cố và điện trở sự cố. Ý tƣởng của mô hình đƣợc mô tả nhƣ trên hình 2.6.

- 24 -

Trong các phần tiếp theo của luận án, NCS sẽ lần lƣợt trình bày về các công cụ và mô hình đã đề xuất ở trên nhƣ: giới thiệu tóm tắt về phần mềm mô phỏng ATP/EMTP, hợp bộ thí nghiệm CMC-356 của Omicron, tóm tắt về các mô hình tính toán chính của luận án là phƣơng pháp phân tích tín hiệu theo các sóng nhỏ wavelet và ứng dụng mạng nơron MLP trong xây dựng mô hình ƣớc lƣợng phi tuyến để xác định các thông số sự cố.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Chƣơng 3: CÁC CÔNG CỤ TÍNH TOÁN MÔ PHỎNG

SỬ DỤNG TRONG LUẬN ÁN

Trong chƣơng này sẽ giới thiệu về các công cụ mô phỏng và tính toán chính đƣợc sử dụng trong luận án. Để phục vụ cho mô phỏng và tạo các mẫu tín hiệu, trong luận án sử dụng phần mềm mô phỏng ATP/EMTP, thiết bị thí nghiệm CMC-356 của Omicron. Tiếp theo là hai công cụ xử lý tín hiệu chính đƣợc sử dụng trong luận án là phép biến đổi và phân tích tín hiệu sử dụng Wavelet (sóng nhỏ) và mạng nơron nhân tạo MLP. Hai công cụ này đƣợc sử dụng trong hai nhiệm vụ chính trong giải pháp chung của luận án là:

 Phát hiện thời điểm xuất hiện sự cố đƣợc thể hiện trong tín hiệu dòng điện và điện áp đo ở đầu đƣờng dây. Nhiệm vụ này sẽ sử dụng phép biến đổi và phân tích tín hiệu sử dụng wavelet.

 Phân tích các thông số đặc trƣng về biên độ tín hiệu và phổ tần số bằng mạng

nơron nhân tạo để ƣớc lƣợng vị trí sự cố, tổng trở sự cố và dạng của sự cố.

Nhƣ đã trình bày ở phần trên, luận án sử dụng phép phân tích tín hiệu theo các hàm cơ sở wavelet (sóng nhỏ) để phát hiện đƣợc thời điểm xuất hiện sự cố do phép phân tích này cho phép phát hiện đƣợc các thay đổi đột ngột trong tín hiệu đầu vào. Còn để tạo đƣợc mô hình phi tuyến cho ƣớc lƣợng vị trí sự cố, điện trở sự cố và dạng sự cố luận án sẽ sử dụng mạng nơron MLP do khả năng có thể xấp xỉ hàm phi tuyến bất kỳ với độ chính xác cho trƣớc của mạng này. Các thông số của mạng MLP sẽ đƣợc điều chỉnh thích nghi trên cơ sở bộ số liệu mẫu đƣợc tạo ra nhờ vào việc sử dụng phần mềm ATP/EMTP để mô phỏng quá trình quá độ trên đƣờng dây gây ra bởi một số sự cố ngắn mạch đƣợc lựa chọn và các đặc tính đƣợc tính từ cửa sổ tín hiệu xung quanh thời điểm xuất hiện sự cố.

3.1. Phần mềm mô phỏng ATP/EMTP

Chƣơng trình EMTP (Electro-Magnetic Transients Program) [15,31,39] là chƣơng trình nghiên cứu quá độ điện từ, đã đƣợc công nhận là một trong những công cụ phổ biến để mô phỏng các hiện tƣợng về điện - cơ cũng nhƣ các hiện tƣợng về điện từ trong hệ thống điện, do đó EMTP đang đƣợc sử dụng rộng rãi trên toàn thế giới trong các lĩnh vực tính toán thiết kế cũng nhƣ vận hành cho các loại thiết bị khác nhau trong hệ thống điện. EMTP là một trong những công cụ phân tích hệ thống rất linh hoạt và hiệu quả. Trong nhiều trƣờng hợp nó có khả năng thay thế mô hình vật lý với những thiết bị rất đắt tiền.

Với sự tài trợ của Công ty điện lực Mỹ BPA (Bonneville Power Adminitration) chƣơng trình EMTP đã đƣợc phát triển và ứng dụng rộng rãi từ đầu những năm 1970. EMTP đƣợc chính thức thƣơng mại hoá từ năm 1984. Tại châu Âu, câu lạc bộ EMTP đã ra đời và đóng trụ sở tại Bỉ.

- 25 -

Vào năm 1986, tiến sỹ Scott Meyer đã tích cực chủ trƣơng phát triển một phiên bản độc lập của EMTP gọi là ATP (Alternative Transients Programme). ATP/EMTP là phần mềm mã nguồn mở (open source) và đƣợc cung cấp hoàn toàn miễn phí.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Chƣơng trình ATP/EMTP nghiên cứu sự biến thiên của các thông số trong hệ thống điện theo thời gian, đặc biệt là trong các quá trình quá độ điện từ của hệ thống điện. Dựa trên quy tắc tích phân hình thang, các phƣơng trình vi phân của hệ thống đƣợc giải trong một khoảng thời gian. Điều kiện ban đầu có thể xác định tự động bằng cách giải bài toán ở chế độ xác lập hoặc đƣợc đƣa vào bởi ngƣời sử dụng đối với các phần tử đơn giản.

ATP/EMTP có nhiều mô hình mô phỏng bao gồm máy điện quay, máy biến áp, chống sét van, đƣờng dây và cáp truyền tải. Chƣơng trình này có khả năng kết nối với chƣơng trình phân tích quá độ của hệ thống điều khiển - Transients Analysis of Control Systems (TACS) và ngôn ngữ mô phỏng MODELS cho phép mô phỏng hệ thống điều khiển của các phần tử. ATP/EMTP cho phép mô phỏng các chế độ vận hành và chế độ sự cố đối xứng và không đối xứng nhƣ ngắn mạch, phóng điện sét và các loại thao tác đóng cắt gây nên quá điện áp nội bộ.

Bảng 3.1. Khả năng mô phỏng của ATP/EMTP

Trong thƣ viện của ATP/EMTP bao gồm nhiều thành phần, có thể kể tới các phần tử sau đây (danh sách đầy đủ hơn đƣợc giới thiệu trong [15,31,39]): Mô hình đƣờng dây với thông số tập trung và thông số phân bố dải; mô hình máy biến áp, máy phát điện; mô hình các phần tử điện trở, điện cảm, điện dung; mô hình các phần tử đo lƣờng dòng điện, điện áp; mô hình các thiết bị đóng cắt... Chƣơng trình ATP/EMTP cho phép mô phỏng các hệ thống điện lớn, phức tạp với quy mô kích thƣớc cực đại nhƣ bảng sau (đối với phiên bản hiện tại version 3.5):

Số lƣợng nút Số lƣợng nhánh Số lƣợng mạch ngắt Số lƣợng nguồn Số lƣợng phần tử phi tuyến Số lƣợng máy điện 3 pha 6000 10000 1200 900 2250 90

Hình 3.1: Giao diện ATP-Draw

- 26 -

Giao diện để xây dựng các mô hình mô phỏng đƣợc giới thiệu trên hình 3.1.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Bảng 3.2. Một số phần tử sử dụng trong luận án

Một số phần tử của ATP/EMTP đƣợc sử dụng trong luận án đƣợc tóm tắt trong bảng 3.2.

- Probe Volt: Phần tử đo điện áp nút

- Probe Current: Phần tử đo dòng điện

- Splitter (3 phase): Phần tử tách pha

- Resistor: Điện trở thuần R ().

- RLC 3-ph: 3 pha R, L, C mắc nối tiếp có giá trị độc lập trong các pha.

- RL Coupled 51+ 3 phase: Mô hình đƣờng dây cặp RL 3 pha, không đối xứng. Nút 3 pha.

- LCC + 3 phase: Phần tử LCC 3 pha

- Switch time controlled: Công tắc 1 pha điều khiển theo thời gian

- AC 3-ph. type 14: Nguồn AC dòng hoặc áp, nút 3 pha.

- BCTRAN: máy biến áp tự ngẫu ba pha

3.2. Hợp bộ thí nghiệm thứ cấp 3 pha CMC 356 - OMICRON

Để kiểm chứng giữa các mô hình và kết quả tính toán về vị trí sự cố nhƣ đã trình bày ở mục 2.2. Trong luận án đề xuất sử dụng hợp bộ thí nghiệm CMC-356 của Omicron và rơle khoảng cách 7SA522 để có đƣợc kết quả hoạt động của rơle thực tế về vị trí sự cố.

Hình 3.2: Hợp bộ thí nghiệm thứ cấp 3 pha công suất lớn CMC-356

CMC-356 là thiết bị vạn năng sử dụng để kiểm tra tất cả các loại rơle bảo vệ. Thiết bị gồm có 6 nguồn dòng điện với phạm vi hoạt động lớn (loại 3 pha lên đến 64A/ 860VA cho mỗi kênh), có khả năng thử nghiệm với khả năng chịu tải lớn nhƣ các rơle điện cơ với yêu cầu công suất lớn.

Các tính năng chính:

 Thí nghiệm từ các loại rơle kỹ thuật số (KTS) công suất nhỏ đến rơle điện từ, điện

tử có công suất lớn.

- 27 -

 Thí nghiệm các thiết bị thông minh theo tiêu chuẩn IEC 61850.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

 Thí nghiệm End to End với GPS và IRIG-B.

 Thí nghiệm bảo vệ thanh cái (đến 22 cổng phát dòng).

 Mô phỏng hệ thống điện: Mô phỏng sự cố, dao động lƣới, bão hòa của biến dòng

điện, cuộn Rogowski, phát lại bản ghi sự cố (COMTRADE, PL4 (EMTP)…

 10 kênh đo có thể ghi sự cố, đo lƣờng U, I, P, Q, cosφ…, phân tích sóng hài.

 6 cổng phát dòng cấp chính xác < 0.05% giá trị đọc + 0.02% toàn thang; 6 x 32 A

(430 VA), 3 x 64 A (860 VA), 1 x 128 A (1000 VA).

 4 cỏng phát áp cấp chính xác < 0.03% giá trị đọc + 0.01% toàn thang; 4 x 300 V

(100 VA), 1 x 600 V (275 VA).

Hình 3.3: Giao diện phần mềm điều khiển Test Universe V2.30

Để điều khiển hợp bộ thí nghiệm CMC-356, đi kèm theo hợp bộ thí nghiệm là phần mềm Test Universe V2.30 với nhiều chức năng. Giao diện phần mềm Test Universe V2.30 điều khiển CMC-356 đƣợc thể hiện trên hình 3.3. Có thể nhận thấy sự phong phú của các chức năng của hợp bộ thí nghiệm này. Tuy nhiên trong luận án này chỉ sử dụng chức năng Transplay của phần mềm điều khiển Test Universe V2.30 để tạo ra đƣợc các tín hiệu dòng/áp tái tạo lại các tín hiệu đã cho trƣớc để đƣa vào các rơle ghép nối phía sau của hợp bộ CMC-356.

Sau khi lựa chọn chức năng Transplay và Add to list... các File dữ liệu sự cố mẫu ta

có giao diện nhƣ trên hình 3.4.

- 28 -

Transplay là chƣơng trình chạy độc lập trong Omicron Test Universe. Từ giao diện này có thể nhập các file có chứa các tín hiệu dòng/áp (đã đƣợc rời rạc hóa với tần số lấy mẫu không quá 100kHz) để thiết bị CMC-356 có thể tạo lại đƣợc các tín hiệu này ở đầu ra của thiết bị.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Đặc điểm của Transplay: Chạy lặp lại nhiều tệp tin, hỗ trợ định dạng tệp tin tạm thời dạng Wav 16 bit và comtrade, hiện thị dữ liệu tệp tin tạm thời tại thời điểm tín hiệu đƣợc hiển thị, xác định trạng thái của nút khi bắt đầu lặp, xác định tỷ lệ lấy mẫu lặp trong dải tần số từ 1 đến 100 kHz, xác định tỷ lệ biến đổi và chia độ biên độ, ghi nhớ các tín hiệu ra, đảo ngƣợc từng kênh.

a)

b)

Hình 3.4: a) Giao diện sử dụng Transplay; b,c) 6 tín hiệu điện áp và dòng điện cho trường hợp ví dụ YB_AG0_00_00_010_S100.wav

- 29 -

c)

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Nhƣ trên hình 3.4 ta có thể thấy các thông tin đã đƣợc phần mềm Transplay tải vào bộ nhớ về tệp YB_AG0_00_00_010_S100 chứa 6 đƣờng tín hiệu (ứng với 6 tín hiệu dòng/áp do ATP/EMTP tạo ra cho trƣờng hợp sự cố tƣơng ứng), có thời gian tín hiệu là 0,2s, tần số lấy mẫu là 10kHz (dẫn tới số mẫu trong tệp cho 1 tín hiệu là 2001).

Hình 3.5: Kết nối máy tính với hợp bộ thí nghiệm CMC-356 và rơle 7SA522

Với chức năng Transplay của hợp bộ CMC-356, có thể có đƣợc các đáp ứng thực tế của rơle với các tín hiệu dòng/áp ban đầu. Song song với việc đƣa các tín hiệu dòng áp này xuống hợp bộ để kiểm tra tác động của rơle, cũng đƣa các tín hiệu dòng áp này vào các công cụ chính (của luận án) để tính toán và xử lý nhằm đƣa ra đƣợc các giá trị về vị trí điểm sự cố, điện trở sự cố và dạng sự cố. Các cơ sở lý thuyết của hai công cụ này sẽ đƣợc trình bày ở phần tiếp theo của luận án. Trên hình 3.5 là hình ảnh kết nối giữa hợp bộ thí nghiệm CMC-356 với rơle khoảng cách 7SA522 và máy tính điều khiển.

3.3. Wavelet và ứng dụng trong phân tích tín hiệu

Wavelet là sự phát triển tiếp sau công cụ phân tích phổ Fourrier của tín hiệu. Nếu một tần số xuất hiện trong khai triển Fourrier thì có nghĩa là tần số đó tồn tại trong toàn bộ miền thời gian, nên khai triển Fourier phù hợp hơn với các tín hiệu có các thành phần tuần hoàn, đối với các tín hiệu có chứa các thành phần không tuần hoàn thì khai triển Fourier không hoàn toàn phù hợp. Các hàm cơ sở wavelet sử dụng trong khai triển tín hiệu khác cơ bản với khai triển Fourier ở một đặc trƣng là các hàm này đều có giá trị biến thiên trong một đoạn giới hạn, bên ngoài đoạn này giá trị hàm cơ sở coi nhƣ bằng không. Vì vậy khai triển wavelet phù hợp hơn với các tín hiệu có các thành phần xuất hiện đột ngột hoặc không lặp lại. Trƣớc tiên luận án sẽ giới thiệu phép biến đổi Fourrier trong phân tích phổ của tín hiệu.

3.3.1. Phân tích phổ của tín hiệu sử dụng biến đổi Fourrier

Giả thiết có một tín hiệu là hàm thời gian một chiều . Trong thuật toán

- 30 -

phân tích phổ Fourier của tín hiệu, một tín hiệu đƣợc phân tích theo các hàm cơ sở sin() và cos() theo quan hệ:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.1)

Mỗi thành phần tần số trong tín hiệu sẽ đƣợc thể hiện bằng một điểm trên đƣờng đặc tính tần số (biên độ). Giá trị phổ biên độ Fourier của một tín hiệu càng lớn chứng tỏ thành phần tần số ứng với tần số đó càng lớn. Phép biến đổi Fourier đã đƣợc ứng dụng rất rộng rãi trong nhiều bài toán kỹ thuật nói chung và trong bài toán nhận dạng sự cố trên đƣờng dây truyền tải nói riêng [16,17].

Một trong những nhƣợc điểm chính của phân tích phổ Fourier đó là các hàm cơ sở sin() và cos() đều là các hàm tuần hoàn, có giá trị hàm số không hội tụ về 0 tại hai phía, hay còn đƣợc gọi là các hàm có miền tích cực không bị giới hạn. Chính vì lý do đó, khi có một thành phần tần số xuất hiện trong phổ biên độ thì thành phần tần số đó tồn tại trong toàn bộ cửa sổ tín hiệu đang xét. Hay nói cách khác, khi một thành phần tần số chỉ xuất hiện trong một khoảng hữu hạn của tín hiệu đang xét thì cũng có thành phần đó xuất hiện trong phổ tín hiệu nhƣng không có đƣợc thông tin về thời gian xuất hiện của thành phần đó.

Để minh họa cho vấn đề này, xét một số ví dụ sau. Trƣớc tiên xét một tín hiệu với một số thành phần tần số khác nhau theo công thức (3.2): thành phần 2Hz với biên độ 2, 10Hz với biên độ 0,5 và 20Hz với biên độ là 1. Biểu diễn hàm theo thời gian đƣợc mô tả trên hình 3.6a. Phổ biên độ của tín hiệu (tính trên tín hiệu đƣợc rời rạc hóa với tần số lấy mẫu là 200Hz trong cửa sổ thời gian [0,1]) đƣợc thể hiện trên hình 3.6b.

(3.2)

(a)

Hình 3.6: Phổ Fourrier biên độ của tín hiệu điều hòa (a) tín hiệu gốc, (b) phổ biên độ

- 31 -

(b)

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Có thể nhận thấy việc phân tích phổ Fourier đã cho phép phát hiện ra đƣợc đầy đủ cả 3 thành phần tần số trộn bên trong tín hiệu, với tỷ lệ của biên độ cũng khá chính xác là 2:0,5:1.

Xét trƣờng hợp tiếp theo với tín hiệu bất định, trong đó các thành phần tần số cùng với biên độ tƣơng tự nhƣng khoảng thời gian xuất hiện của các tần số là khác nhau. Lấy ví dụ tín hiệu với mô tả theo hàm số nhƣ sau:

(3.3)

Dạng sóng của tín hiệu đƣợc biểu diễn trên hình 3.7a và phổ biên độ của tín hiệu

đƣợc thể hiện trên hình 3.7b.

(a)

Hình 3.7: Phổ Fourier của tín hiệu bất định (a) tín hiệu gốc, (b) phổ biên độ)

(b)

- 32 -

Có thể thấy đƣợc khá rõ ràng rằng chất lƣợng của phổ giảm đáng kể, các tần số không đƣợc phát hiện rõ ràng nhƣ trƣớc và các biên độ cũng không còn giữ đƣợc tỷ lệ chính xác nhƣ ban đầu. Nhƣợc điểm này của phƣơng pháp phân tích phổ có thể đƣợc phần nào khắc phục bằng cách chia nhỏ tín hiệu thành nhiều cửa sổ ngắn liên tiếp và so sánh các phổ của các cửa sổ liên tiếp nhau nhằm phát hiện thời điểm bắt đầu xuất hiện của một tần số đƣợc quan tâm nào đó. Phƣơng pháp này đƣợc gọi là phƣơng pháp STFT (Short-Time Fourier Transform). Nhƣng cũng có thể thấy rằng việc chia nhỏ và thực hiện phép phân

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

tích cho nhiều cửa sổ liên tiếp sẽ phức tạp và khối lƣợng cần tính toán sẽ cao, đồng thời các cửa sổ ngắn sẽ khiến cho phổ bị méo [58,96,97] dẫn tới chất lƣợng chung của phép phân tích bị ảnh hƣởng.

3.3.2. Phân tích phổ bằng wavelet (sóng nhỏ)

Khác với phƣơng pháp phân tích phổ Fourrier, phƣơng pháp phân tích tín hiệu theo các hàm wavelet sử dụng các hàm cơ sở có độ rộng hữu hạn. Đối với hàm 1 chiều, độ rộng của tín hiệu là kích thƣớc của miền xác định trong đó giá trị của hàm số vƣợt quá một giá trị ngƣỡng cho trƣớc nào đó.

Với định nghĩa này dễ dàng chứng mình rằng các hàm sin() và cos() có độ rộng vô

hạn. Tuy nhiên ví dụ nhƣ trên hình 3.8 hàm Gauss dạng chuông có độ rộng

Hình 3.8: Minh họa hàm có độ rộng hữu hạn

hữu hạn. Ví dụ nhƣ với hàm chuông có độ rộng bằng:

Một họ wavelet đƣợc định nghĩa từ một hàm cơ sở [58,68,75,76,96,97], đƣợc gọi là

hàm co dãn (hay còn gọi là hàm tỷ lệ - Scaling Function) với các tính chất sau:

 : là hàm trực giao.

 có thể đƣợc định nghĩa theo kiểu đệ quy “dilated” phụ thuộc :



Khi đó các hệ số sẽ tạo thành một bộ lọc số thông thấp (hay còn gọi là bộ lọc

- 33 -

thông thấp trong quá trình phân tích LD - Low pass filter for Decomposition) tƣơng ứng với họ wavelet của hàm Scaling ban đầu. Từ các hệ số này, có thể định nghĩa đƣợc hàm Sóng Mẹ (Mother wavelet) hay còn gọi là hàm Sinh của họ wavelet đang xét:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.4)

trong đó các hệ số sẽ tƣơng ứng với một bộ lọc thông cao (hay còn gọi là

Hình 3.9: Hàm co dãn (trên) và hàm sinh (dưới) của wavelet Haar

bộ lọc thông cao trong quá trình phân tích HD - High pass filter for Decomposition).

Lấy ví dụ một trong những wavelet cơ bản và đơn giản nhất là wavelet Haar (cũng đồng thời là wavelet bậc 1 trong họ các wavelet Daubechies). Wavelet Haar có hàm scaling cho theo định nghĩa:

(3.5)

Khi đó có thể dễ dàng chứng minh đƣợc rằng:

(3.6)

Từ đó biểu diễn lại hàm Scaling:

(3.7)

- 34 -

Suy ra hàm sinh của wavelet Haar:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.8)

Hai hàm trên đƣợc mô tả trên hình 3.9. Một số các họ wavelet khác đƣợc biểu diễn

Hình 3.10: Một số wavelet kinh điển

hàm sinh trên hình 3.10.

Khi sử dụng một họ wavelet, một tín hiệu hàm thời gian có thể đƣợc phân tích theo

cấu trúc nhƣ trên hình 3.11 nhƣ sau:

(3.9)

với a đƣợc gọi là thành phần "xấp xỉ" (approximation) chứa các thành phần biến thiên chậm trong f(x) và d đƣợc gọi là thành phần "chi tiết" (detail) chứa các thành phần biến thiên nhanh. Tiếp tục quá trình phân tích tƣơng tự cho thành phần a để có đƣợc kết quả phân tích phổ wavelet đa tầng:

- 35 -

(3.10)

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Hình 3.11: Cấu trúc các bước liên tiếp phân tích một tín hiệu ban đầu thành các thành phần chi tiết và xấp xỉ

(s)

(s)

(s)

(s)

(s)

(s)

Hình 3.12: Kết quả phân tích tín hiệu tuần hoàn theo họ wavelet Daubechies bậc 4 (trên cùng bên trái: tín hiệu gốc, các cửa sổ còn lại: các thành phần tách ra được)

Để lấy ví dụ về quá trình phân tích này, sẽ ứng dụng họ wavelet Daubechies bậc 4 để phân tích tín hiệu tuần hoàn cho theo công thức (3.2). Kết quả đƣợc thể hiện trên hình 3.12.

- 36 -

Từ các kết quả phân tích có thể nhận thấy thành phần tần số nhanh nhất đƣợc chứa . Do đó thành , các thành phần biến thiên chậm nhất đƣợc chứa trong và trong

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

phần đƣợc chứa trong thành phần chứa trong và

thành phần chứa trong . Một phần đáng kể của thành phần 40Hz cũng

đƣợc chứa trong do các thành phần và không phải là sin() hoàn hảo nhƣ trong

tín hiệu gốc. Cũng có thể nhận thấy thành phần rất nhỏ (coi nhƣ bằng 0 so với các

thành phần khác) chứng tỏ rằng tín hiệu ban đầu không có chứa các hài bậc cao.

Khi phân tích tín hiệu bất định cho theo công thức (3.3), sẽ thu đƣợc kết quả nhƣ trên hình 3.13. Có thể nhận thấy rằng ba thành phần cơ bản đã đƣợc xác định rất chính xác.

Thành phần nằm trong thành phần nằm trong

và thành phần nằm trong cả và Đồng thời các thời điểm thay đổi

của tín hiệu cũng đƣợc thể hiện rất rõ ràng bằng các thay đổi trong biên độ tín hiệu của

và Có thể thấy đối với tín hiệu bất định thì khả năng phát hiện các thành phần tần

(s)

(s)

(s)

(s)

(s)

(s)

Hình 3.13: Kết quả phân tích tín hiệu bất định bằng họ wavelet Daubechies 4 (phía trên bên trái: tín hiệu gốc, các hình còn lại: các thành phần tách ra được từ tín hiệu ban đầu)

- 37 -

số và đặc biệt là khả năng phát hiện các thời điểm xảy ra thay đổi đột ngột trong tín hiệu của wavelet là vƣợt trội hơn so với công cụ phân tích phổ Fourier.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Sau đây là một ví dụ tiếp theo về khả năng phát hiện các thay đổi trong tín hiệu bằng việc sử dụng wavelet. Trên hình 3.14 là một tín hiệu hình sin() đƣợc lấy mẫu với chu kỳ

trong thời gian 3s (tƣơng ứng với 150 mẫu).

với

(s)

(s)

(s)

(s)

(s)

(s)

Hình 3.14: Phân tích phổ của tín hiệu hình sin() không có nhiễu

Tín hiệu này đƣợc phân tích theo wavelet Haar thành 4 bậc.

Sau đó gây nhiễu cho tín hiệu bằng cách tăng biên độ của tín hiệu lên 1% tại thời

điểm t=1,2s (tƣơng ứng với mẫu thứ 60).

Có thể thấy rằng việc thay đổi biên độ 1% này gần nhƣ không thể quan sát đƣợc trên đƣờng biến thiên theo thời gian của tín hiệu nhƣ trên hình 3.15. Tuy nhiên, khi phân tích tín hiệu theo họ wavelet đơn giản nhất là wavelet Haar, có thể nhận thấy có sự khác biệt - là thành phần chứa các hài cao nhất của tín hiệu ban thể hiện rất rõ trong thành phần

- 38 -

đầu nhƣ trên hình 3.15 tại thời điểm 1,2s (tƣơng ứng với mẫu thứ 60 của cửa sổ tín hiệu).

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(s)

(s)

(s)

(s)

(s)

(s)

Hình 3.15: Phân tích phổ của tín hiệu hình sin có thay đổi 1% về biên độ tại thời điểm t=60 theo 4 bậc wavelet Haar

Các kết quả hoàn toàn tƣơng tự có thể đƣợc thu nhận cho trƣờng hợp có thay đổi đột

ngột về tần số.

Trên hình 3.16 là các kết quả phân tích cho tín hiệu sin() ban đầu nhƣng tại thời điểm

t=1,2s tăng tần số của tín hiệu lên 2%:

Một lần nữa có thể quan sát đƣợc sự khác biệt rất rõ ràng về biên độ của tín hiệu khi so sánh với các kết quả trên hình 3.14 cũng tại thời điểm 1,2s (tại trong thành phần

- 39 -

thời điểm thứ 60 của cửa sổ tín hiệu).

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(s)

(s)

(s)

(s)

(s)

(s)

Hình 3.16: Phân tích phổ của tín hiệu hình sin có thay đổi 2% về tần số tại thời điểm t=60

3.3.3. Thuật toán phân tích tín hiệu bằng wavelet [96]

Với mỗi họ wavelet ban đầu có véc-tơ độ dài N tƣơng ứng với hàm scaling đƣợc cho

trƣớc . Các hệ số của bộ lọc thông thấp của quá trình phân tích (véc-tơ

LD) và của quá trình tổng hợp (véc-tơ LR - Low pass filter for Reconstruction) đƣợc xác định bởi:

(3.11)

Các hệ số của bộ lọc thông cao của quá trình phân tích (véc-tơ HD) và của quá trình

tổng hợp (véc-tơ HR - High pass filter for Reconstruction) đƣợc xác định bởi:

(3.12)

Bƣớc phân tích đầu tiên của tín hiệu sử dụng hai bộ lọc [LD] và [HD] có đƣợc hai ) và thành phần chi thành phần là thành phần xấp xỉ a (đƣợc đặc trƣng bởi các hệ số

- 40 -

tiết d (đƣợc đặc trƣng bởi các hệ số ) tính theo các công thức:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.13)

là toán tử giảm tần số lấy mẫu của tín hiệu đi 2 lần, có

với – toán tử nhân chập, thể đơn giản định nghĩa theo:

Từ các hệ số và sẽ xác định đƣợc các thành phần và theo các công

thức sau:

(3.14)

là toán tử tăng tần số lấy mẫu của tín hiệu lên 2 lần, có

với – toán tử nhân chập, thể đơn giản định nghĩa theo:

và các bộ lọc và là các bộ lọc tƣơng ứng cho quá trình tổng hợp cũng đã

đƣợc xác định trong các công thức (3.11) và (3.12).

Quá trình trên có thể đƣợc lặp lại với thành phần để có đƣợc kết quả phân tích

tầng thứ 2 của tín hiệu (nhƣ đƣợc thể hiện trên hình 3.11).

Ví dụ tính toán minh họa cho wavelet Haar:

Hàm scaling:

Bộ lọc phân tích và tổng hợp thông thấp:

- 41 -

Bộ lọc phân tích và tổng hợp thông cao:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Lấy ví dụ một véc-tơ đầu vào

Khi đó có các hệ số của thành phần bằng:

Từ đó thành phần sẽ bằng:

Tƣơng tự, các hệ số của thành phần bằng:

Với ví dụ tính toán trên đây, có thể thấy biến đổi wavelet có thể đƣợc thực hiện thuận tiện và nhanh chóng, với khối lƣợng tính toán nhỏ hơn nhiều so với biến đổi phổ FFT. Phần tiếp theo sẽ trình bày về một công cụ khác đƣợc sử dụng trong luận án, đó là mô hình mạng nơron MLP và ứng dụng trong xây dựng các ánh xạ phi tuyến trên cơ sở một bộ mẫu số liệu cho trƣớc.

3.4. Mạng nơron nhân tạo và ứng dụng xác định vị trí sự cố trên đƣờng dây tải điện

3.4.1. Mô hình nơron nhân tạo của McCulloch - Pitts [12,69]

3.4.1.1. Cơ sở toán học của mô hình

Một trong những nghiên cứu đầu tiên đƣa ra đƣợc mô hình toán học cho nơron là của McCulloch và Pitts vào năm 1943. Theo đó ta có thể mô tả các nơron thần kinh của con ngƣời có cấu trúc đặc trƣng chung nhƣ sau:

 Có nhiều tín hiệu đầu vào.

- 42 -

 Mức độ phụ thuộc vào các tín hiệu đầu vào khác nhau.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

 Khi tổng các kích thích đầu vào vƣợt quá một ngƣỡng, nơron sẽ tạo ra một xung

tín hiệu đầu ra.

Từ đó có mô hình của nơron bao gồm 3 thành phần cơ bản:

 Hệ thống các ghép nối thần kinh (synapses, connection links): đƣợc đặc trƣng bởi hệ số khuếch đại tín hiệu của mỗi ghép nối. Cụ thể khi có một tín hiệu xi đƣợc đƣa vào đầu ghép nối thứ j đến nơron thứ k thì khi đi qua ghép nối, tại đầu vào của nơron ta sẽ có tín hiệu .

 Bộ cộng: dùng để cộng tổng các tín hiệu đầu vào đã đƣợc khuếch đại bởi các trọng

số ghép nối. Bộ cộng này còn đƣợc gọi là bộ tổng hợp tuyến tính.

 Hàm kích hoạt (activation function): là hàm thể hiện biến đổi tuyến tính giữa các kích thích đầu vào của một nơron và tín hiệu đầu ra tƣơng ứng. Thực tế hàm kích hoạt này thƣờng hoạt động theo ngƣỡng: khi tổng các kích thích đầu vào vƣợt quá một ngƣỡng nhất định thì nơron sẽ tạo thành một xung điện áp tại đầu ra. Ngƣỡng kích hoạt này đƣợc thể hiện với giá trị phân cực (bias). Bên cạnh đó, hàm kích hoạt của nơron còn thực hiện nhiệm vụ hạn chế mức tín hiệu trong mạng (limiting function) khi có trƣờng hợp tín hiệu đầu vào nào đó vƣợt lớn quá.

Mô hình nơron đƣợc thể hiện trên hình 3.17a (dạng chi tiết) và 3.17b (dạng rút gọn),

trong đó hàm kích hoạt đƣợc sử dụng là hàm ngƣỡng với giá trị ngƣỡng là .

Hình 3.17: Mô hình nơron chi tiết (trái) và biểu diễn đơn giản hóa (phải)

a) b)

Theo hình trên, có tín hiệu đầu ra của nơron đƣợc xác định theo tuần tự:

Tổng đáp ứng đầu vào:

(3.15)

- 43 -

Đáp ứng đầu ra:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.16)

với hàm truyền đạt là hàm bƣớc nhảy Heaviside (hàm bƣớc nhảy đơn vị).

Bên cạnh đó, còn có cách thứ hai để thể hiện công thức trên của một nơron trong đƣợc thể hiện bằng hệ số khuếch đại cho một đầu vào cố . Mô hình của nơron với cách mô tả này đƣợc đó giá trị ngƣỡng phân cực định “1” với hệ số khuếch đại là

thể hiện trên hình 3.18, theo đó đầu ra của nơron đƣợc tính theo công thức hàm bƣớc nhảy đơn vị:

(3.17)

Hình 3.18: Mô hình nơron với phân cực bias là đầu vào x0: chi tiết (trái) và rút gọn (phải)

với , trong đó

3.4.1.2. Nơron với hàm truyền đạt tansig

Nhƣ đã nhắc tới ở các phần trên, hàm truyền đạt ngƣỡng khá giống với mô tả của hàm truyền đạt của nơron sinh học. Tuy nhiên việc sử dụng hàm truyền đạt này có nhƣợc điểm lớn đó là đạo hàm của hàm ngƣỡng là hàm xung Dirac và hàm không liên tục, cụ thể:

(3.18)

- 44 -

Và khi đó việc sử dụng các thuật toán tối ƣu hóa với hàm ngƣỡng sẽ khó khăn hơn nhiều do trong đa số những thuật toán này sử dụng tới đạo hàm của các hàm truyền đạt. Trong luận án này, sẽ sử dụng hai dạng hàm truyền đạt kinh điển khác đó là hàm tansig và hàm tuyến tính (pureline)

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Hàm truyền đạt tansig của các nơron đƣợc định nghĩa bởi [69]:

Hình 3.19: Hàm truyền đạt tansig với các hệ số dốc a khác nhau

(3.19)

Còn hàm tuyến tính có dạng:

(3.20)

3.4.1.3. Các quá trình học và kiểm tra của nơron

Với cấu trúc và nguyên tắc hoạt động nhƣ đã trình bày ở trên, có thể thấy rằng nơron thực chất là một khối tính toán có hàm truyền đạt phi tuyến. Điều khiến cho nơron trở nên khác biệt so với các mô hình phi tuyến khác của toán học là đi kèm với nơron đƣợc trang bị các thuật toán học và quá trình đánh giá chất lƣợng của nơron thông qua việc kiểm tra trên các mẫu số liệu mới. Có thể nói mỗi mô hình thông minh nói chung và mô hình nơron nói riêng đều có hai quá trình đặc trƣng là quá trình học (learning process) và quá trình kiểm tra (testing process). Sau đây sẽ tìm hiểu về hai quá trình này đối với mô hình nơron của McCulloch - Pitts.

- 45 -

Đặc trƣng quan trọng nhất của mạng nơron là khả năng mạng học từ môi trƣờng xung quanh nhằm mục đích giảm sai số và nâng cao chất lƣợng hoạt động của mạng. Quá trình học của nơron thƣờng là một quá trình lặp trong đó các trọng số ghép nối cũng nhƣ giá trị ngƣỡng phân cực của nơron đƣợc điều chỉnh thích nghi. Sau mỗi một lần lặp nơron học đƣợc nhiều hơn từ môi trƣờng.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Định nghĩa trên của quá trình học bao gồm ba bƣớc:

 Nơron đƣợc kích thích bởi môi trƣờng bên ngoài.

 Nơron điều chỉnh các thông số của mình khi bị kích thích.

 Đáp ứng đầu ra của mạng nơron sau khi điều chỉnh cũng sẽ thay đổi so với trƣớc

khi điều chỉnh.

Quá trình học sẽ đƣợc thực hiện theo những quy trình chặt chẽ còn đƣợc gọi là các thuật toán học. Với mỗi mạng nơron ta có rất nhiều các thuật toán học khác nhau đã đƣợc nghiên cứu và đề xuất.

Các kiến thức đƣợc xây dựng dƣới dạng các cặp mẫu vào – ra (input-output

samples), trong đó x – véc-tơ đầu vào mẫu còn d – đầu ra mẫu tƣơng ứng (còn gọi là đáp

ứng với đầu vào x). Với tập số liệu học gồm p mẫu với , véc-tơ đầu

vào , giá trị đích (destination) cần đạt cần xác định nơron có N đầu vào

và 1 đầu ra với hàm truyền đạt f() sao cho:

(3.22)

hay có thể sử dụng hàm mục tiêu là tổng các bình phƣơng sai số:

Hình 3.20: Hệ xây dựng mô hình xấp xỉ một đối tượng cho trước (phối hợp sử dụng sai số đầu ra

)

(3.23)

Trên hình 3.20 là sơ đồ khối chức năng mô tả quá trình học này. “Hƣớng dẫn” đƣợc hiểu là tập hợp các kiến thức đƣợc trích ra từ môi trƣờng. Khi cho nơron học theo một mẫu, đầu tiên cho x vào đầu vào của nơron, nơron sẽ tổ chức tính toán với đầu vào mới và đƣa ra đáp ứng y. Đáp ứng y thƣờng sẽ sai lệch so với giá trị đích cần đạt là d, khi đó tín sẽ đƣợc sử dụng để điều chỉnh các thông số của hệ thống học nhằm hiệu sai số

- 46 -

mục đích giảm giá trị e về nhỏ nhất có thể. Khi sai số thì nơron sẽ dừng quá trình

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

học và các tham số của nơron đƣợc giữ nguyên. Trong trƣờng hợp có mẫu, các trọng

số cần đƣợc điều chỉnh để giảm đồng thời đƣợc tất cả các sai số (với

). Khi đó trong nhiều trƣờng hợp không đạt đƣợc kết quả .

Do mô hình nơron thƣờng là mô hình có hàm truyền phi tuyến nên thực chất đây là bài toán tối ƣu hóa phi tuyến hay còn gọi là bài toán tìm cực trị của hàm phi tuyến đa biến trong không gian đa chiều. Các bài toán này khó có lời giải trực tiếp để đƣa ra nghiệm toàn cục mà các thuật toán thƣờng là thuật toán lặp để tìm nghiệm cận tối ƣu. Khi quá trình lặp đƣợc kết thúc, mô hình học đã thu nhận đƣợc các thông tin của tập mẫu, qua đó đã phần nào học đƣợc về vấn đề từ môi trƣờng xung quanh. Nếu chất lƣợng học đã có thể chấp nhận đƣợc, sẽ cố định các giá trị tham số và để mô hình học hoạt động độc lập. Tuy nhiên do tập mẫu thƣờng có kích thƣớc hạn chế, không thể chứa hết tất cả các trƣờng hợp có thể. Vì vậy ngoài việc học xong tập mẫu, còn cần đánh giá khả năng hoạt động của mô hình đối với các trƣờng hợp mẫu khác tập mẫu đã biết.

3.4.1.4. Thuật toán học có hƣớng dẫn của nơron

Có rất nhiều thuật toán học đã đƣợc nghiên cứu và phát triển. Phần này sẽ trình bày về một thuật toán cơ bản nhất là học có hƣớng dẫn (supervised learning, learning with a teacher) trên cơ sở lan truyền ngƣợc sai số (error backpropagation). Thuật toán này đƣợc phát triển dựa trên thuật toán bƣớc giảm cực đại (steppest descent) để xác định giá trị cực tiểu của một hàm số.

a. Thuật toán bƣớc giảm cực đại

Nội dung của thuật toán bƣớc giảm cực đại có thể đƣợc trình bày tóm tắt nhƣ sau: của hàm số đã cho trong trƣờng hợp “Cho một hàm f(x) bất kỳ, tìm điểm cực tiểu

việc giải phƣơng trình không khả thi hoặc quá phức tạp”.

Nhƣ đã biết, đối với những hàm đơn giản, có thể sử dụng phƣơng pháp tìm các điểm , nhƣng trong nhiều trƣờng hợp việc giải cực tiểu bằng cách giải phƣơng trình

phƣơng trình này cũng không dễ dàng, khi đó có thể sử dụng một trong các phƣơng pháp lặp, mà phƣơng pháp bƣớc giảm cực đại là một trong những ví dụ kinh điển. Nội dung

chính của thuật toán nhƣ sau. Xuất phát từ một giá trị khởi đầu . Ta cần tìm điểm

sao cho . Sau đó tìm điểm sao cho . Nếu tiếp

tục quá trình tìm kiếm nhƣ vậy, sẽ thu đƣợc kết quả là một chuỗi mà giá trị hàm số

giảm dần và sẽ đạt tới một trong các cực tiểu của hàm f(x). Khi đó:

(3.24)

- 47 -

Theo thuật toán bƣớc giảm cực đại sẽ có công thức xác định bƣớc tiếp theo là:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.25)

- hệ số bƣớc học. Công thức này là hệ quả của phép khai triển Tay-lor bậc

trong đó: nhất của hàm số f lân cận điểm x(t), theo đó:

(3.26)

Nếu chọn với đủ nhỏ thì:

(3.27)

Từ đó nếu chọn thì giá trị hàm số tại điểm

sẽ giảm (với đủ nhỏ).

b. Sử dụng thuật toán bƣớc giảm cực đại cho một nơron

Trong quá trình học của mạng nơron cần xác định điểm cực tiểu của hàm sai số. Với

mô hình nơron nhƣ trên hình 3.18 và bộ số liệu p mẫu có tín hiệu đầu

ra ứng với mẫu đầu vào là:

(3.28)

Sai số trên bộ số liệu học là:

(3.29)

Cần tìm các trọng số ( ) hay còn gọi là véc-tơ trọng số để

giảm sai số cho theo (3.29). Bắt đầu từ một bộ giá trị ban đầu nào đó

, theo công thức (3.25), các trọng số đƣợc điều chỉnh

- 48 -

thích nghi theo công thức:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.30)

với

Trong đó gradient của sai số theo các trọng số đƣợc xác định theo:

(3.31)

c. Thuật toán Levenberg - Marquadrt

Thuật toán thông dụng thứ hai để điều chỉnh thích nghi các tham số của mạng nơron là thuật toán Levenberg – Marquardt (L-M). Thuật toán này dựa trên khai triển bậc hai của khai triển Taylor. Xét sai số theo công thức (3.23) là hàm phụ thuộc các trọng số ghép nối của nơron, khi đó khai triển hàm E lân cận điểm các giá trị trọng số hiện tại sẽ đƣợc[44]:

(3.32)

với p – khoảng lân cận khai triển, là véc-tơ

gradient của hàm E theo các trọng số ghép nối (đƣợc nhóm lại trong ma trận W), còn H là ma trận vuông đối xứng của các đạo hàm bậc hai (còn gọi là ma trận Hessian) của E theo W với:

- 49 -

(3.33)

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Tại điểm cực tiểu (đang cần tìm) của hàm số sẽ có và xác định

. Giả thiết cần tìm điểm xấp xỉ tiếp dƣơng. Xét bƣớc lặp thứ t giá trị các trọng số là

theo tiến gần điểm cực tiểu của hàm số, khi đó ta có:

(3.34)

hay

(3.35)

Từ đó suy ra công thức xác định phƣơng biến thiên của véc-tơ trọng số về phía cực

tiểu địa phƣơng của hàm sai số là:

(3.36)

Bổ sung thêm hệ số bƣớc  để tránh các trƣờng hợp bƣớc dịch chuyển quá lớn, ta có

công thức lặp theo phƣơng pháp Levenberg – Marquardt nhƣ sau:

(3.37)

3.4.2. Cấu trúc mạng MLP [12,69]

Với các phần tử nơron cơ bản nhƣ mô hình của McCulloch – Pitts, có thể xây dựng mô hình cấu trúc mạng bao gồm nhiều nơron. Trong luận án này sẽ sử dụng một trong những mạng nơron kinh điển nhất, với số lƣợng ứng dụng phổ biến trong các nghiên cứu trong nhiều lĩnh vực. Đó là mạng MLP (MultiLayer Perceptron). Mạng MLP là một mạng truyền thẳng với các khối cơ bản là các nơron McCulloch – Pitts. Ngoài ra mạng MLP còn có thêm một số yêu cầu sau về cấu trúc của mạng:

 Các nơron đƣợc sắp xếp thành các lớp (layer), mạng gồm một lớp gồm các kênh tín hiệu đầu vào (input layer), một lớp gồm các kênh tín hiệu đầu ra (output layer), và có thể gồm một số lớp trung gian gọi chung là các lớp ẩn (hidden layers).

 Không có các ghép nối giữa các nơron trên cùng 1 lớp mà chỉ có các ghép nối giữa các nơron của hai lớp liên tiếp. Các ghép nối đều có chiều hƣớng từ đầu vào đến đầu ra (mạng truyền thẳng).

- 50 -

 Các nơron trên cùng một lớp sẽ có cùng hàm truyền đạt.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Trên hình 3.21 là hai mô hình của mạng MLP: mạng có 1 lớp ẩn (3.21a) và mạng có

hai lớp ẩn (3.21b).

(a)

Hình 3.21: Mô hình mạng MLP với 1 lớp ẩn (a) và hai lớp ẩn (b)

(b)

Về mặt lý thuyết có thể xây dựng mạng MLP với số lƣợng lớp ẩn tùy ý, tuy nhiên các nghiên cứu đã chứng minh đƣợc rằng chỉ cần sử dụng tối đa 2 lớp ẩn là có thể mô hình hóa một hàm phi tuyến với độ chính xác tùy chọn [56]. Vì vậy thực tế thƣờng chỉ gặp các mạng có 0, 1 hoặc 2 lớp ẩn. Trong số đó phần lớn chỉ dùng mạng có một lớp ẩn do mạng không có lớp ẩn thì quá đơn giản, còn mạng có hai lớp ẩn trở lên thì lại quá phức tạp. Vì vậy trong luận án này sẽ sử dụng mạng có một lớp ẩn, các công thức cho mạng với cấu trúc khác có thể dễ dàng phát triển một cách tƣơng tự.

- 51 -

Cấu trúc một mạng MLP với 1 lớp ẩn và các ký hiệu tín hiệu đƣợc thể hiện trên hình 3.22, trong đó mạng có N đầu vào, M nơron trên lớp ẩn và K đầu ra. Nhƣ trên hình 3.22, (với i - chỉ số nếu ký hiệu chung các trọng số ghép nối giữa lớp đầu vào và lớp ẩn là

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

của nơron đích, j - chỉ số của nơron gốc) thì ta có . Tƣơng tự

nếu ký hiệu các trọng số ghép nối giữa lớp ẩn và lớp đầu ra là thì ta có

. Tổng hợp lại có thể coi các giá trị tạo thành

là ma trận các trọng số kết nối giữa lớp đầu vào và lớp ẩn, các giá trị

Hình 3.22: Cấu trúc mạng MLP với một lớp vào, một lớp ẩn và một lớp ra

tạo thành là ma trận các trọng số kết nối giữa lớp ẩn và lớp đầu ra.

Mạng MLP với một lớp ẩn có thể đƣợc đặc trƣng bởi các thông số sau:

 Bộ ba (N, M, K), trong đó N – số đầu vào, M – số nơron thuộc lớp ẩn, K – số

nơron ở lớp đầu ra.

 Các hàm truyền đạt: f1 của lớp ẩn và f2 của lớp đầu ra.

 Ma trận trọng số W kết nối giữa lớp đầu vào và lớp ẩn, ma trận trọng số kết nối V

giữa lớp ẩn và lớp đầu ra.

Khi đó, với véc-tơ đầu vào (đầu vào phân cực cố định

) ta có đầu ra đƣợc xác định tuần tự theo chiều lan truyền thuận (forward

propagation) nhƣ sau:

1. Tính tổng các kích thích đầu vào của nơron ẩn thứ i bằng:

(3.38)

cho .

- 52 -

2. Tính đầu ra của nơron ẩn thứ i:

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.39)

cho (để thuận tiện cho việc biểu diễn các công thức, coi đầu vào phân

cực cho các nơron lớp ra là cố định).

3. Tính tổng các kích thích đầu vào của nơron đầu ra thứ i:

(3.40)

cho

4. Và cuối cùng ta có đầu ra thứ i của mạng sẽ bằng:

(3.41)

cho

Tổng hợp lại ta có hàm truyền đạt của mạng MLP là một hàm phi tuyến cho theo

công thức phụ thuộc sau:

(3.42)

3.4.3. Quá trình học của mạng MLP [11,12]

3.4.3.1. Một số đặc điểm chung của quá trình học

Mạng MLP với cấu trúc nhƣ trên hình 3.22 đƣợc sử dụng rộng rãi trong việc tái tạo các ánh xạ vào-ra đƣợc xác định từ các bộ số liệu mẫu. Đối với mạng MLP, bộ số liệu mẫu là một tập hợp gồm p các cặp mẫu đƣợc cho ở dạng véc-tơ đầu vào – véc-tơ đầu ra tƣơng

ứng với , . Cần xác định một mạng MLP (bao gồm

việc xác định đƣợc các thông số cấu trúc và các trọng số ghép nối tƣơng ứng với cấu trúc đã lựa chọn) sao cho mạng MLP có thể “tái tạo” lại đƣợc ánh xạ từ đầu vào tới đầu ra của vào mạng MLP, thì đáp ứng đầu ra các mẫu số liệu, hay nói cách khác khi cho véc-tơ

- 53 -

của mạng sẽ xấp xỉ giá trị đích đã có (ở phần tiếp theo sẽ xem xét vấn đề tại sao thƣờng chỉ đặt mục tiêu có đƣợc giá trị xấp xỉ thay vì đặt mục tiêu sai số bằng 0):

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(3.43)

hoặc sai số tổng cộng trên các mẫu tiến tới một giá trị cực tiểu nào đó:

(3.44)

với là chuẩn khoảng cách Ơ-clít [42]. Công thức (3.44) là công thức mở rộng của

(3.29). Khi đƣợc cho trƣớc một bộ số liệu mẫu, việc xác định một mạng MLP để tái tạo lại bộ số liệu bao gồm xác định các thông số về cấu trúc (số đầu vào, đầu ra, số lớp ẩn, số nơron trên mỗi lớp ẩn, các hàm truyền đạt) và các thông số về trọng số ghép nối. Ta có thể xác định các thông số này theo các bƣớc sau:

 Số kênh đầu vào N và kênh đầu ra K đƣợc xác định dựa trên bộ số liệu mẫu:

N = kích thƣớc của các véc-tơ , K = kích thƣớc của các véc-tơ .

 Số lớp ẩn: Theo định lý Kolmogorov chỉ cần tối đa là 2 hai lớp ẩn, cụ thể sẽ lựa chọn giữa 3 khả năng là 0, 1 và 2. Mạng không có lớp ẩn nào phù hợp với các bài toán đơn giản, bậc phi tuyến thấp. Trong thực tế đa số các trƣờng hợp sử dụng 1 lớp ẩn. Trƣờng hợp không thể tìm đƣợc các mạng có 1 lớp ẩn để đáp ứng đƣợc yêu cầu của quá trình học thì sẽ sử dụng mạng có 2 lớp ẩn với độ phức tạp lớn và bậc phi tuyến cao hơn.

 Các hàm truyền đạt: Hàm truyền đạt của lớp ra phụ thuộc chủ yếu vào dải tín hiệu của các giá trị đích. Tƣơng tự nhƣ đối với một nơron, nếu đầu ra đƣợc giới hạn trong đoạn [0,1] thì nên dùng hàm logsig, nếu đầu ra giới hạn trong đoạn [-1,1] thì nên dùng hàm tansig, nếu đầu ra có giá trị vƣợt ra ngoài đoạn [-1,1] thì có thể sử dụng hàm tuyến tính. Đối với hàm truyền đạt của lớp vào và các lớp ẩn thì việc lựa chọn hàm tansig là khá phù hợp vì có thể tạo ra các tín hiệu dƣơng và âm trong đoạn [-1,1] tùy thuộc vào yêu cầu của từng bài toán.

 Các thông số có thể tham gia vào quá trình điều chỉnh thích nghi (quá trình học) của mạng MLP đó là các trọng số ghép nối giữa các lớp của mạng MLP. Trong trƣờng hợp mạng chỉ có một lớp ẩn nhƣ trên hình 3.21a ta có hai ma trận trọng số W (giữa lớp vào và lớp ẩn) và V (giữa lớp ẩn và lớp đầu ra). Tƣơng tự nhƣ đối với một nơron, để điều chỉnh thích nghi các trọng số ghép nối có thể sử dụng các thuật toán học đã trình bày, ví dụ nhƣ sử dụng thuật toán bƣớc giảm cực đại.

- 54 -

Các công trình nghiên cứu [12,69] đã chứng minh đƣợc rằng, với một tập số liệu bất kỳ và một mức sai số bất kỳ cho trƣớc có thể xây dựng đƣợc một mạng nơron sao cho có thể đạt đƣợc sai số cho trƣớc này.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Cũng tƣơng tự nhƣ trong trƣờng hợp các nơron đơn lẻ, quá trình điều chỉnh các thông số của mạng để thích nghi với bộ số liệu đƣợc gọi là quá trình học của mạng MLP hay còn đƣợc gọi là quá trình huấn luyện (train) mạng MLP theo một bộ mẫu cho trƣớc.

Trong số các thông số đã nêu ở trên, nếu các thông số cấu trúc (số đầu vào, số đầu ra, số lớp ẩn, các hàm truyền đạt của mỗi lớp ẩn, số nơron trên mỗi lớp ẩn) thƣờng đƣợc chọn bằng thực nghiệm hoặc bằng phƣơng pháp thử với các giá trị rời rạc nhất định thì các thông số trọng số ghép nối giữa các nơron có thể đƣợc điều chỉnh thích nghi bằng các thuật toán tối ƣu hóa (còn gọi là thuật toán “học”). Các thuật toán “học” của mạng nơron có các ý tƣởng cũng hoàn toàn tƣơng tự nhƣ các thuật toán học của nơron, tuy nhiên có mức độ phức tạp của công thức là cao hơn do cấu trúc mạng nơron phức tạp hơn so với từng nơron đơn lẻ.

Tƣơng tự nhƣ đối với nơron đơn lẻ, các thuật toán thông dụng nhất để điều chỉnh thích nghi các trọng số của một mạng nơron là các thuật toán sử dụng gradient nhƣ thuật toán bƣớc giảm cực đại, thuật toán Levenberg – Marquardt,…

3.4.3.2. Thuật toán bƣớc giảm cực đại cho mạng MLP

Khi sử dụng thuật toán bƣớc giảm cực đại, cũng khởi tạo các giá trị trọng số bằng

các giá trị ngẫu nhiên nào đó: Sau đó sẽ xây dựng công thức

lặp để điều chỉnh liên tiếp các giá trị này để hàm sai số tiến tới cực trị. Ta có các công thức thay đổi các trọng số trong hai ma trận W và V để xác định điểm cực trị của hàm mục tiêu E nhƣ sau:

(3.45)

với hàm mục tiêu (3.44) (cần chú ý rằng đối với mạng MLP ta có thể có đầu ra là 1 véc-tơ K thành phần chứ không chỉ giới hạn là 1 giá trị nhƣ đối với nơron đơn lẻ.

Từ các công thức (3.38) đến (3.44) đã nêu trên ta có:

(3.46)

trong đó:

- 55 -

(3.47)

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

nhƣng khi và , trong các trƣờng hợp còn lại. Ta có:

(3.48)

Một cách hoàn toàn tƣơng tự ta có:

(3.49)

Với các công thức gradient này, có thể tiến hành điều chỉnh thích nghi các giá trị của

hai ma trận W và V để tìm cực tiểu của hàm sai số.

3.4.3.3. Thuật toán Levenberg – Marquardt

Cũng có thể xây dựng các công thức cho phƣơng pháp Levenberg – Marquardt cho mạng MLP. Tƣơng tự nhƣ các công thức đã xây dựng cho nơron (từ (3.32) đến (3.37)) có các công thức để điều chỉnh thích nghi các trọng số của mạng MLP theo thuật toán Levenberg – Marquardt.

(3.50)

(3.51)

trong đó:

 các ma trận chứa các trọng số ghép nối và tại bƣớc lặp thứ

(t) trong quá trình điều chỉnh thích nghi.

 và - véc-tơ gradient của hàm sai số theo từng trọng số trong các ma

trận.

 và - ma trận gradient bậc hai của hàm sai số theo từng cặp trọng

số từ các ma trận W và V tƣơng ứng.

3.4.4. Lựa chọn số nơron lớp ẩn để tránh mạng học quá khớp (overfitting) và mạng học không đủ (underfitting) [11,12]

- 56 -

Các công trình nghiên cứu [12,69] đã chứng minh đƣợc rằng, với một tập số liệu bất kỳ và một mức sai số bất kỳ cho trƣớc có thể xây dựng đƣợc một mạng nơron sao cho có thể đạt đƣợc sai số cho trƣớc này. Tuy nhiên trong những trƣờng hợp nhƣ vậy các mạng

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

nơron tìm đƣợc thƣờng có cấu trúc rất đồ sộ và nếu nhƣ đƣa vào mạng một tín hiệu đầu vào mới (chƣa xuất hiện trong tập số liệu học) thì xác suất để có đáp ứng đầu ra tốt của mạng là rất thấp. Những mạng nơron hoạt động tốt trên các mẫu đã đƣợc sử dụng để xây dựng mô hình nhƣng hoạt động không hiệu quả trên các mẫu mới đƣợc gọi là các mạng nơron có khả năng tổng quát hóa kiến thức thấp. Từ đây đặt ra vấn đề là bằng cách nào có thể tìm đƣợc một mạng nơron vừa đáp ứng đƣợc các yêu cầu đã đƣợc biết và đặt ra trƣớc đồng thời có xác suất thành công cao khi xử lý những yêu cầu đầu vào mới.

Có thể kiểm nghiệm việc đạt đƣợc kết quả này bằng cách sử dụng hai tập số liệu thay vì chỉ sử dụng một tập số liệu. Một tập để sử dụng trong quá trình xây dựng mô hình, tập

số liệu này sẽ đƣợc gọi là tập số liệu học (learning data set), ký hiệu là với

. Tập số liệu còn lại sẽ đƣợc sử dụng trong quá trình kiểm tra (testing data

set), ký hiệu là với với q – số lƣợng mẫu kiểm tra. Mạng nơron

sau khi đã đƣợc xây dựng trên tập số liệu học sẽ đƣợc kiểm tra với tập số liệu thứ hai và sẽ có sai số kiểm tra:

(3.52)

Mạng sẽ đƣợc chấp nhận là tốt nếu nhƣ sai số trên tập kiểm tra đủ nhỏ. Một trong những điều kiện quan trọng để đảm bảo tính khách quan là tập số liệu kiểm tra (testing set) liệu học, hay không đƣợc chứa các số liệu đã xuất hiện tập số trong

.

Quá trình xây dựng một mạng nơron cho một bộ số liệu có thể đƣợc tóm tắt theo

những bƣớc nhƣ sau:

 Bƣớc 1: Chia các mẫu số liệu đang có thành hai tập hợp: tập số liệu học và tập số

liệu kiểm tra.

 Bƣớc 2: Sử dụng các thuật toán học để xây dựng mạng tốt cho tập số liệu học.

 Bƣớc 3: Kiểm tra mạng kết quả bƣớc 2 với tập số liệu kiểm tra. Nếu đạt chất

lƣợng thì kết thúc, nếu không thì thực hiện bƣớc 4.

 Bƣớc 4: Nếu có thể xây dựng đƣợc một mạng mới thì quay lại bƣớc 2 để huấn luyện mạng mới với hai tập số liệu nhƣ trƣớc, nếu không thì cần quay lại bƣớc 1 để chia lại hai tập số liệu này.

- 57 -

Để chia mẫu số liệu thành các bộ số liệu học và kiểm tra, có thể dùng một trong những phƣơng pháp thông dụng nhất là phƣơng pháp chia ngẫu nhiên và số lƣợng mẫu trong mỗi tập là xấp xỉ nhau. Tuy nhiên trong nhiều trƣờng hợp việc chia ngẫu nhiên không đƣa ra đƣợc kết quả tốt. Khi đó có thể sử dụng những phƣơng pháp phức tạp hơn nhƣ phƣơng pháp cross-validation [12,69], phƣơng pháp bootstrapping, [12,69],…

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

Trong quá trình lựa chọn cấu trúc “tốt” cho mạng nơron, cần giải quyết hai vấn đề

chính:

1. Khi xây dựng hàm ánh xạ phi tuyến giữa không gian đầu vào và không gian đầu ra, để có thể đạt kết quả tốt thì hàm ánh xạ phải “bao trùm tốt” tất cả các “khu vực” của không gian đầu vào để có thể biết đƣợc cần phải ánh xạ từng “khu vực” nhƣ thế nào. Việc xử lý nhƣ vậy đòi hỏi cấu trúc của mạng cần phải đủ lớn, ít nhất bậc phi tuyến của mạng cũng phải tƣơng đƣơng với bậc phi tuyến của ánh xạ cần tìm. Tuy nhiên đây là những ý tƣởng chỉ có tính chất định hƣớng vì khi đang xác định hàm ánh xạ thì chƣa thể biết rõ độ phức tạp và bậc phi tuyến của ánh xạ này. Nếu nhƣ sử dụng mạng quá đơn giản thì mạng sẽ không có khả năng mô tả đƣợc quan hệ phi tuyến bậc cao hơn, còn nếu nhƣ sử dụng mạng quá phức tạp thì dễ dẫn tới trƣờng hợp học quá khớp và khả năng tổng quát kém.

2. Vấn đề hết sức quan trọng là khả năng tổng quát hóa: mạng nơron sẽ hoạt động nhƣ thế nào khi gặp các trƣờng hợp số liệu mới, chƣa xuất hiện trong quá trình học? Mạng nơron nói riêng và các mô hình phi tuyến nói chung đều phải đối mặt với hai hiện tƣợng: học quá khớp (overfitting) và học quá ít (underfitting). Một mạng quá đơn giản không có khả năng xử lý hết độ phức tạp của số liệu từ đó sẽ dẫn tới trƣờng hợp học quá ít. Một mạng quá phức tạp có thể học rất chính xác các mẫu đã có đến mức không thể giải quyết đƣợc các mẫu mới (hiện tƣợng tƣơng tự nhƣ học tủ, học lệch) sẽ dẫn tới trƣờng hợp học quá khớp. Học quá khớp là hiện tƣợng khá nguy hiểm do có thể dễ dàng dẫn tới những trƣờng hợp đƣa ra đáp ứng khác lệch rất nhiều so với giá trị chính xác. Để có thể tránh đƣợc học quá khớp có thể sử dụng rất nhiều số liệu mẫu. Một số nghiên cứu đã ƣớc lƣợng rằng nếu số mẫu lớn hơn khoảng 30 lần số tham số cần điều chỉnh nếu nhƣ số liệu có chứa nhiễu, nếu số liệu không chứa nhiễu thì cũng cần khoảng 5 lần. Tuy nhiên nếu nhƣ đã có sẵn trƣớc một bộ số liệu mẫu thì không thể giảm số lƣợng tham số cần điều chỉnh đi đƣợc.

Một trong những yếu tố ảnh hƣởng mạnh nhất tới mức độ phi tuyến của mạng nơron

là số nơron ẩn. Số nơron ẩn tối ƣu phụ thuộc vào rất nhiều yếu tố nhƣ:

 Số đầu vào và đầu ra của mạng nơron.

 Số cặp mẫu trong tập số liệu học.

 Lƣợng nhiễu có trong tín hiệu đầu vào.

 Độ phức tạp của hàm ánh xạ đang cần tìm.

 Cấu trúc của mạng nơron đang xây dựng.

 Dạng của hàm truyền đạt của các nơron trong mạng.

- 58 -

 Thuật toán “học”.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

 Các phƣơng pháp hỗ trợ quá trình học trong việc “làm trơn” hàm ánh xạ.

 ...

Vẫn chƣa có một quy tắc thống nhất trong việc xác định cấu trúc tối ƣu. Cách phổ biến nhất đó là thử nghiệm quá trình học với nhiều mạng khác nhau và thông qua việc khảo sát các sai số thu đƣợc từ đó có thể lựa chọn đƣợc mạng có sai số bé nhất.

Một số nghiên cứu đã đề xuất việc lựa chọn số nơron ẩn nhƣ:

 Số nơron ẩn giới hạn trong khoảng số đầu vào và số đầu ra của mạng (Blum,

1992, p. 60).

 Số nơron ẩn đƣợc ƣớc lƣợng bởi công thức với N – số đầu vào, K –

số đầu ra của mạng nơron. Mạng nơron với một lớp ẩn chỉ cần sử dụng không quá 2N số nơron ẩn, trong đó N – số đầu vào của mạng nơron [12].

 Số nơron lớp ẩn sẽ tƣơng đƣơng với số thành phần chính (PCA) đƣợc sử dụng để

tái tạo lại từ 70 đến 90% mức độ biến thiên của tập số liệu đầu vào [12].

 ...

Những quy tắc trên đây hoàn toàn chỉ mang tính định hƣớng và tham khảo do chúng chƣa xét tới các yếu tố quan trọng khác nhƣ: số cặp mẫu trong tập số liệu học, lƣợng nhiễu có trong tín hiệu đầu vào, độ phức tạp của hàm ánh xạ đang cần tìm,...

Tuy nhiên, với một mạng nơron có dạng hàm truyền đạt đã chọn, có thể sử dụng

E_học

E_kiểmtra

phƣơng pháp trình bày dƣới đây để hỗ trợ ƣớc lƣợng số nơron ẩn trong mạng.

Hình 3.23: Đặc tính miêu tả sự phụ thuộc trung bình của E_học và E_kiểmtra vào độ phức tạp của mô hình

Độ phức tạp của mô hình

- 59 -

Để có thể ƣớc lƣợng số nơron ẩn trong mạng nơron, thƣờng sử dụng các đồ thị mang tính định hƣớng nhƣ trên hình 3.23. Đồ thị này biểu diễn sự phụ thuộc của hai sai số vào số nơron ẩn. Đồ thị có tính chất định hƣớng do đối với mỗi bộ số liệu khác nhau có thể có tốc độ biến thiên, vị trí tƣơng đối giữa hai đƣờng sai số sẽ khác nhau. Tuy nhiên dạng biến thiên của sai số học sẽ có xu hƣớng giảm dần, còn dạng biến thiên của sai số kiểm tra sẽ có

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

E_học

E_kiểmtra

Độ phức tạp của mô hình

Hình 3.24: Ba vùng với chất lượng học và kiểm tra khác nhau

xu hƣớng giảm trƣớc – tăng sau. Đồ thị 3.23 cho thấy trong quá trình tìm kiếm mô hình cho một đối tƣợng, khi tăng số lƣợng nơron ẩn đƣợc sử dụng trong mạng MLP thì sai số trên tập số liệu mẫu học (những mẫu đã biết trƣớc) có thể đƣợc giảm xuống và có thể giảm về tới 0 (nếu các mẫu học không mâu thuẫn). Tuy nhiên khi kiểm tra mô hình với các số liệu mới (chƣa xuất hiện trong quá trình học) thì sai số kiểm tra sẽ giảm trong quá trình đầu nhƣng lại tăng ở quá trình sau. Do đó có thể chia đồ thị thành 3 đoạn nhƣ trên hình 3.24.

1. Đoạn Under Learning: sử dụng mạng quá đơn giản (quá ít nơron) nên không thể tái tạo đƣợc quan hệ phức tạp của đối tƣợng, khi đó cả sai số học và sai số kiểm tra sẽ đều có giá trị lớn.

2. Đoạn Optimal Learning: sử dụng mạng vừa đủ, sai số học và sai số kiểm tra ở

mức trung bình, đặc biệt là sai số kiểm tra sẽ có giá trị tƣơng đối ổn định.

3. Đoạn Over Learning: sử dụng mạng quá phức tạp, sai số học rất nhỏ nhƣng sai số

kiểm tra lại lớn hơn sai số đã đạt đƣợc trong đoạn 2.

Trên hình 3.25 là minh họa của việc sử dụng các mô hình khác nhau để tái tạo lại một hàm phi tuyến cho trƣớc bằng bộ số liệu học thể hiện bằng các điểm „+‟. Bộ số liệu kiểm tra là toàn bộ các điểm còn lại trong toàn miền [-1,1].

Hình 3.25a là kết quả của việc sử dụng mô hình thuộc đoạn 1. Do khả năng tái tạo hàm phi tuyến có hạn nên hàm truyền đạt của mô hình “trơn” hơn nhiều so với các điểm mẫu, do đó các sai số đều lớn.

Đối với hình 3.25b, mô hình có độ phức tạp phù hợp với các điểm số liệu nên hàm

truyền đạt đã đƣợc tái tạo tƣơng đối chính xác, đặc biệt là về dáng điệu của hàm.

- 60 -

Trên hình 3.25c là kết quả của việc sử dụng một mô hình quá phức tạp cho đối tƣợng. Đƣờng đặc tính đi qua các điểm đã cho trƣớc với độ chính xác rất cao, tuy nhiên dáng điệu của hàm truyền hoàn toàn không phản ánh phân bố đặc trƣng của các điểm đầu vào. Khi đó sai số học rất nhỏ, nhƣng sai số kiểm tra lại lớn.

Chương 3: Các công cụ tính toán mô phỏng sử dụng trong luận án

(a) (b)

Hình 3.25: Ví dụ minh họa chất lượng tái tạo hàm số dựa trên một số điểm mẫu cho trước

(c)

- 61 -

Trong luận án, sẽ sử dụng phƣơng pháp thử nghiệm theo sai số để dò tìm cấu trúc tối ƣu của mạng MLP cho các bộ số liệu cho trƣớc. Theo đó, sẽ thử nghiệm dần các mạng MLP từ đơn giản (với 1 nơron ẩn) đến phức tạp (nhiều nơron ẩn trên 1 lớp, trên 2 lớp). Mạng nơron có cấu trúc bé nhất (ít nơron ẩn nhất) trong số các mạng có sai số kiểm tra thấp ở mức chấp nhận đƣợc sẽ đƣợc dùng để thử nghiệm trong luận án.

Chương 4: Các kết quả mô phỏng và tính toán

Chƣơng 4: CÁC KẾT QUẢ MÔ PHỎNG VÀ TÍNH TOÁN

Trong chƣơng này sẽ trình bày về các kết quả tính toán và mô phỏng đƣợc thực hiện

với các công cụ và giải pháp đã đƣợc trình bày ở các phần trƣớc của luận án.

4.1. ATP/EMTP mô phỏng ngắn mạch trên đƣờng dây

4.1.1. Mô hình đƣờng dây mô phỏng trong luận án

Nhƣ đã trình bày ở chƣơng 2 (hình 2.1), trƣớc tiên việc tạo mẫu đƣợc thực hiện nhƣ trình bày trên hình 2.4. Trong luận án đã xây dựng một mô hình trên ATP/EMTP tƣơng ứng với đƣờng dây truyền tải đã đƣợc lựa chọn là đƣờng dây 110kV Yên Bái - Khánh Hòa đƣợc cấp điện từ trạm biến áp 220kV Yên Bái (E12.3), với các thông số của đƣờng dây nhƣ trong Phụ lục 1 và Phụ lục 3.

Hình 4.1: Sơ đồ mô phỏng ngắn mạch đường dây Yên Bái - Khánh Hòa trong ATP/EMTP

Các dạng sự cố ngắn mạch đƣợc mô phỏng trên phần mềm ATP/EMTP nhƣ hình 4.1:

Trong sơ đồ hình 4.1 sử dụng các phần tử (Phụ lục 3):

 Nguồn 3 pha (Sources/ AC-3ph. type 14).

 Máy biến áp tự ngẫu 3 pha: (BCTRAN)

 Tổng trở sóng (RLC-3f)

- 62 -

 Điện cảm của nguồn (Inductor).

Chương 4: Các kết quả mô phỏng và tính toán

 Đƣờng dây LCC: gồm 12 đoạn đƣờng dây trên không (11 đoạn đầu tiên có chiều dài 10km, đoạn cuối cùng có chiều dài 8,5km) mô tả theo mô hình đƣờng dây với thông số PI. Các thông số của đƣờng dây nhập trong mô hình PI sử dụng các dữ liệu thực tế của đƣờng dây 110kV Yên Bái - Khánh Hòa.

 Các thiết bị đo lƣờng 3 pha đo các giá trị dòng điện (Probe Current) và điện áp (Probe Volt) đƣợc đặt ở đầu đƣờng dây và cuối đƣờng dây (trong luận án chỉ khai thác các tín hiệu đo lƣờng về dòng điện và điện áp ở đầu đƣờng dây).

 Thiết bị tách mạch 3 pha (Splitter 3 phase).

 Thiết bị chuyển mạch có điều khiển theo thời gian (Switch time controlled).

 Điện trở sự cố (Resistor).

 Phụ tải gồm điện trở và điện cảm (RLC 3-ph) xét trong các trƣờng hợp tải Smax,

S50% và S30%.

4.1.2. Kịch bản mô phỏng trong ATP/EMTP

Đƣờng dây mô tả trên hình 4.1 sẽ đƣợc mô phỏng khi thay đổi một số thông số đầu

vào nhƣ:

 Vị trí sự cố: N = 23 vị trí (5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75,

80, 85, 90, 95, 100, 105, 110, 115km).

 Điện trở sự cố Rsc: K = 6 giá trị (0, 1, 2, 3, 4, 5 Ω)

 Loại sự cố: P = 4 loại (ngắn mạch 1 pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm

đất và ngắn mạch 3 pha).

 Phụ tải: Q = 3 trƣờng hợp (phụ tải bằng 30%, 50% và 100%)

Tổng số trƣờng hợp mô phỏng ứng với vị trí sự cố, điện trở sự cố, loại sự cố và phụ trƣờng hợp. tải:

Đồng thời để khảo sát ảnh hƣởng của thời điểm sự cố (tính tƣơng đối theo mốc pha

của tín hiệu), xét thêm M = 10 trƣờng hợp pha cho trƣờng hợp ngắn mạch tại điện trở Rsc= 1Ω ở các vị trí (10, 40, 80, 110km) bắt đầu từ thời điểm đóng thiết bị tạo ngắn mạch: thời điểm từ 0,04 tới 0,06 (s) với khoảng cách đều 2ms.

 Vị trí sự cố: N = 4 vị trí (10, 40, 80, 110km).

 Điện trở sự cố Rsc: K = 1 giá trị (1 Ω)

 Loại sự cố: P = 4 loại (Ngắn mạch 1 pha, ngắn mạch 2 pha, ngắn mạch 2 pha

chạm đất và ngắn mạch 3 pha).

 Phụ tải: Q = 3 trƣờng hợp (Phụ tải bằng 30%, 50% và 100%)

- 63 -

 Thời điểm pha : M = 10 (02, 04, 06, 08, 10, 12, 14, 16, 18, 20ms)

Chương 4: Các kết quả mô phỏng và tính toán

Tổng số trƣờng hợp mô phỏng ứng với vị trí sự cố, điện trở sự cố, loại sự cố, phụ tải

và thời điểm pha:

trƣờng hợp.

Tổng hợp ta có: 1656 + 480 = 2136 bộ dữ liệu dòng điện và điện áp đầu đƣờng dây mô phỏng trong ATP/EMTP cho các trƣờng hợp ngắn mạch và đƣợc lƣu dƣới dạng *.MAT. Các file này đƣợc quy ƣớc đặt tên theo mẫu sau: 12_456_89_ab_cde_fghi.MAT

 Vị trí 1,2: tên đƣờng dây, YB = Yên Bái.

 Vị trí 4,5,6: dạng sự cố.

­ AG0: ngắn mạch một pha (pha A với đất).

­ AB0: ngắn mạch hai pha (pha A với pha B).

­ ABG: ngắn mạch hai pha chạm đất (pha A với pha B và với đất).

­ ABC: ngắn mạch ba pha.

 Vị trí 8,9: thời điểm xuất hiện sự cố.

 Vị trí a,b: điện trở sự cố.

 Vị trí c,d,e: vị trí sự cố.

 Vị trí f,g,h,i: phần trăm phụ tải:

­ S030: 30% phụ tải.

­ S050: 50% phụ tải.

­ S100: 100% phụ tải.

Đối với mỗi trƣờng hợp mô phỏng trên ATP/EMTP, 6 kết quả tín hiệu dòng điện và điện áp đầu đƣờng dây đƣợc ghi và lƣu trữ dƣới định dạng *.MAT theo chuẩn của phần mềm Matlab. Các file số liệu này sau đó đƣợc xử lý bằng các chƣơng trình viết trong Matlab để:

 Chuyển đổi thành định dạng *.WAV phù hợp với yêu cầu của phần mềm Test

Universe/TransPlay để ghép nối với thiết bị phần cứng CMC-356.

- 64 -

 Tính toán phân tích và xử lý các tín hiệu theo lƣu đồ nhƣ trên hình 2.1.

Chương 4: Các kết quả mô phỏng và tính toán

4.1.3. Một số dạng ngắn mạch đƣợc mô phỏng trong ATP/EMTP

Hình 4.2: Sơ đồ mô phỏng ngắn mạch 1 pha (AG0), Rsc = 0(Ω)

4.1.3.1. Ngắn mạch 1 pha (AG0): a) Ngắn mạch một pha (AG0) với điện trở sự cố Rsc = 0(Ω):

Hình 4.3: Sơ đồ mô phỏng ngắn mạch 1 pha (AG0), Rsc = 1, 2, 3, 4, 5(Ω)

b) Ngắn mạch một pha (AG0) với điện trở sự cố Rsc = 1, 2, 3, 4, 5(Ω):

Hình 4.4: Sơ đồ mô phỏng ngắn mạch 2 pha (AB0), Rsc = 0(Ω)

- 65 -

4.1.3.2. Ngắn mạch 2 pha (AB0): a) Ngắn mạch hai pha (AB0) với điện trở sự cố Rsc = 0(Ω):

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.5: Sơ đồ mô phỏng ngắn mạch 2 pha (AB0), Rsc = 1, 2, 3, 4, 5(Ω)

b) Ngắn mạch hai pha (AB0) với điện trở sự cố Rsc = 1, 2, 3, 4, 5(Ω):

Hình 4.6: Sơ đồ mô phỏng ngắn mạch 2 pha chạm đất (ABG), Rsc = 0(Ω)

4.1.3.3. Ngắn mạch 2 pha chạm đất (ABG): a) Ngắn mạch hai pha chạm đất (ABG) với điện trở sự cố Rsc = 0(Ω):

Hình 4.7: Sơ đồ mô phỏng ngắn mạch 2 pha chạm đất (ABG), Rsc = 1, 2, 3, 4, 5(Ω)

- 66 -

b) Ngắn mạch hai pha chạm đất (ABG) với điện trở sự cố Rsc = 1, 2, 3, 4, 5(Ω):

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.8: Sơ đồ mô phỏng ngắn mạch 3 pha (ABC), Rsc = 0(Ω)

4.1.3.4. Ngắn mạch 3 pha (ABC): a) Ngắn mạch 3 pha (ABC) với điện trở sự cố Rsc = 0(Ω):

Hình 4.9: Sơ đồ mô phỏng ngắn mạch 3 pha (ABC), Rsc = 1, 2, 3, 4, 5(Ω)

b) Ngắn mạch 3 pha (ABC) với điện trở sự cố Rsc = 1, 2, 3, 4, 5(Ω):

4.2. Kết quả xác định thời điểm xuất hiện sự cố

Nhƣ đã trình bày ở phần trên, để xác định thời điểm xảy ra xuất hiện sự cố trong mạch điện sẽ sử dụng công cụ wavelet. Đã có nhiều sóng wavelet đƣợc các tác giả nghiên cứu và giới thiệu nhƣ trên hình 3.10.

- 67 -

Có thể thấy một số họ wavelet (nhƣ họ Meyer, Biothogonal hay Mexican,...) là hàm đối xứng trục nên phù hợp với các bài toán có tín hiệu đối xứng trục hoặc là các hàm chẵn. Do các tín hiệu dòng - áp trong bài toán quá độ không có dạng đối xứng nên luận án sẽ tập trung khảo sát sử dụng các wavelet bất đối xứng trƣớc. Cụ thể trong luận án sẽ xem xét và so sánh chất lƣợng hoạt động của 4 wavelet kinh điển là họ Daubechies, Symlet, Coiflet và Haar trong nhiệm vụ phát hiện thời điểm xuất hiện sự cố trong hệ thống.

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.10: Hàm sinh và hàm co dãn Daubechies bậc 3

Trƣớc tiên khảo sát với wavelet Daubechies bậc 3 có hàm sinh và hàm co dãn nhƣ

trên hình 4.10 và có véc-tơ của hàm co dãn cho bởi [96]:

Hình 4.11: Kết quả phân tích dòng pha A thành 5 thành phần cơ bản đầu tiên theo các wavelet Daubechies bậc 3

- 68 -

Trên hình 4.11 là kết quả phân tích tín hiệu dòng pha A theo 4 mức cơ bản đầu tiên. Nhƣ đã trình bày ở phần trên, có thể dễ dàng nhận thấy các thời điểm xuất hiện sự cố đƣợc thể hiện trong các thành phần biến thiên nhanh của phép phân tích, cụ thể là các thành phần đầu tiên

Chương 4: Các kết quả mô phỏng và tính toán

Trong luận án sẽ sử dụng thành phần để xác định thời điểm sự cố do:

 chứa các thành phần biến thiên nhanh nhất, do đó bao gồm luôn các thành

phần xuất hiện khi trong tín hiệu xảy ra một biến đổi đột ngột nào đó (ví dụ nhƣ do sự cố trên đƣờng dây).

 Trong quá trình tính toán thì cũng đƣợc xác định trƣớc tiên (trƣớc , cũng nhƣ

) nhƣ theo thuật toán mô tả trên hình 3.11, do đó thời gian cần thiết để

tính toán cũng ngắn hơn và phù hợp hơn với các hệ thống cần xử lý nhanh.

Trên hình 4.12 và hình 4.13 là kết quả thành phần tính toán cho cả 6 tín hiệu đầu

Hình 4.12: Kết quả phân tích thành phần d1 của 3 dòng pha theo các wavelet Daubechies bậc 3

đƣờng dây (ba tín hiệu dòng điện pha và ba tín hiệu điện áp pha). Có thể nhận thấy rằng thuật toán wavelet hoạt động hiệu quả trong việc phát hiện thời điểm xuất hiện sự cố cho cả 6 đƣờng tín hiệu chứ không chỉ riêng cho trƣờng hợp tín hiệu biến thiên mạnh nhất là dòng của pha sự cố trong ngắn mạch 2 pha (trong ví dụ này là dòng pha B và pha C). Ví dụ nhƣ trƣờng hợp có thay đổi nhỏ (tƣơng đối) nhƣ điện áp trên hai pha không có sự cố là pha B và pha C. Nhƣ vậy việc áp dụng wavelet cho 1 trong 6 tín hiệu là đủ để xác định sự cố trên một pha bất kỳ.

- 69 -

Để phân tích một tín hiệu theo hàm wavelet Daubechies bậc 3, từ véc-tơ của hàm sinh nói trên, theo các công thức (3.11) và (3.12) ta có 4 bộ lọc cơ bản trong phép phân tích Daubechies bậc 3 là:

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.13: Kết quả phân tích thành phần d1 của 3 điện áp pha theo các wavelet Daubechies bậc 3

Do chỉ cần thành phần để xác định thời điểm xuất hiện sự cố, nên theo các công

thức (3.13) và (3.14) thì chỉ cần sử dụng hai bộ lọc là bộ lọc HD và bộ lọc HR. Cụ thể từ tín hiệu đầu vào sẽ đƣợc tính theo hai bƣớc: thành phần

1. Tính các hệ số đặc trƣng theo công thức (3.13):

2. Từ các hệ số ta sẽ xác định đƣợc thành phần theo công thức (3.14):

- 70 -

Có thể thấy rằng các phép tính toán này rất đơn giản và phép phân tích tín hiệu theo thành phần wavelet có để đƣợc thực hiện rất nhanh chóng, phù hợp với các bài toán xử lý tín hiệu trực tuyến.

Chương 4: Các kết quả mô phỏng và tính toán

Một thông số nữa cũng ảnh hƣởng tới kết quả xác định thời điểm xuất hiện sự cố đó là tần số lấy mẫu của thiết bị. Nếu tín hiệu đƣợc lấy mẫu với tần số thấp thì thiết bị đo sẽ đơn giản và lƣợng thông tin cần xử lý nhỏ, tuy nhiên rất dễ dẫn tới sai số lớn do thiếu hụt thông tin đầu vào. Ngƣợc lại, nếu tần số lấy mẫu cao thì thiết bị đo phức tạp, đồng thời lƣợng thông tin cần xử lý cũng lớn nên cần các bộ vi xử lý có cấu hình mạnh, thời gian tính toán theo đó cũng tăng lên. Vì vậy cần xác định một tần số lấy mẫu phù hợp để vừa đảm bảo độ chính xác vừa hạn chế yêu cầu về thiết bị và hệ thống đi kèm. Trong luận án sẽ khảo sát độ chính xác của phƣơng pháp ứng dụng wavelet trong phát hiện thời điểm sự cố với tần số lấy mẫu thay đổi từ 100Hz cho tới 1MHz.

Trên hình 4.14 là kết quả phân tích thành phần của tín hiệu dòng pha A (pha có

sự cố) theo các wavelet Daubechies với tần số lấy mẫu của tín hiệu gốc thay đổi từ 1MHz giảm xuống tới 100Hz. Với tần số càng thấp thì độ phân giải của tín hiệu nói chung và của nói riêng càng thấp nên chất lƣợng của việc xác định thời điểm xuất hiện sự thành phần

Hình 4.14: Kết quả phân tích thành phần d1 của dòng pha A theo các wavelet Daubechies bậc 3 với các tần số lấy mẫu tín hiệu khác nhau từ 100Hz tới 1MHz

cố trong tín hiệu sẽ càng thấp. Trong bảng 4.1 là kết quả sai số trung bình của việc xác định thời điểm xuất hiện sự cố dùng ngƣỡng với một số tần số lấy mẫu khác nhau. Từ hình 4.15 và bảng 4.1 sẽ chọn tần số 100kHz là tần số lấy mẫu chính cho các tín hiệu từ mô hình ATP/EMTP.

Kết quả chạy chƣơng trình cho 2136 trƣờng hợp số liệu đã mô phỏng (cho cả 4 dạng

- 71 -

ngắn mạch) + tần số 1MHz, 100kHz, 10kHz và 1kHz:

Chương 4: Các kết quả mô phỏng và tính toán

Bảng 4.1. Kết quả chạy mô phỏng ứng với tần số khác nhau

Đơn vị: ms (mili giây)

Tần số iA iB iC uA uB uC

1,20 14,78 60,71 44,37 72,18 41,08 1kHz

0,53 0,49 0,37 0,75 0,70 0,53 10kHz

0,11 0,11 0,11 0,096 0,097 0,10 100kHz

0,36 1,80 3,28 0,27 0,28 0,59 1MHz

Từ đó các kết quả phân tích nhƣ trên, trong luận án đề xuất sử dụng thuật toán

ngƣỡng nhƣ sau để phát hiện thời điểm xuất hiện sự cố:

 Xét các mẫu trong các cửa số liên tiếp, tính giá trị cực đại của tín hiệu trong cửa sổ trƣớc đó (giả thiết trong cửa sổ liền trƣớc đó không có sự cố)

 Ngƣỡng phát hiện điểm kỳ dị là 5 lần giá trị thresh:

Thời điểm tín hiệu x(t) vƣợt ngƣỡng sẽ đƣợc coi là thời điểm xuất hiện sự

Hình 4.15: Ví dụ về thành phần d1 của một tín hiệu và hình ảnh phóng to thể hiện các chi tiết trong tín hiệu

- 72 -

cố trong hệ thống.

Chương 4: Các kết quả mô phỏng và tính toán

Bảng 4.2. Kết quả thử nghiệm với một số dạng Wavelet khác nhau

Phƣơng pháp sử dụng tần số lấy mẫu 100kHz và ngƣỡng nhƣ trên đƣợc thử nghiệm với một số dạng wavelet khác nhau để lựa chọn wavelet cho độ chính xác cao nhất cho luận án. Lựa chọn 4 họ wavelet kinh điển là Daubechies, Symlet, Coiflet và Haar. Đây đều là các wavelet không đối xứng trục do bản chất tín hiệu trong thời gian sự cố là tín hiệu không đối xứng trục. Các kết quả tính toán đƣợc tổng hợp trong bảng 4.2.

Đơn vị: ms (mili giây)

Dạng wavelet Giá trị Dòng điện và điện áp các pha Coiflet Symlet Haar Daubechies (bậc 3)

max 0,40 0,41 155,9 0,28 i A mean 0,138 0,142 0,661 0,107

max 0,37 0,37 157,9 0,28 i B mean 0,139 0,143 2,371 0,108

max 0,87 0,86 160,0 0,31 i C mean 0,149 0,154 17,15 0,112

max 0,33 0,33 156,0 0,25 u A mean 0,118 0,118 0,597 0,096

max 0,31 0,32 158,0 0,24 u B mean 0,118 0,120 1,382 0,097

max 0,47 0,48 156,0 0,28 u C mean 0,127 0,131 1,812 0,104

Theo bảng 4.2, ta có wavelet họ Daubechies và Coiflet có chất lƣợng tƣơng đƣơng và nhỉnh hơn so với hai họ Wavelet là Symlet và Haar. Từ đó sẽ lựa chọn wavelet họ Daubechies để sử dụng trong luận án.

- 73 -

Khi sử dụng wavelet Daubechies cho toàn bộ 2136 trƣờng hợp đã mô phỏng thu đƣợc kết quả sai số phát hiện thời điểm xuất hiện sự cố cho cả 6 tín hiệu đầu vào (ba tín hiệu dòng, ba tín hiệu áp) nhƣ trên hình 4.16.

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.16: Phân bố các sai số xác định thời điểm xuất hiện sự cố từ thành phần d1 của 6 tín hiệu đầu đường dây

Nhƣ đã tổng kết trong bảng 4.2 có thể nhận thấy kết quả phân tích trên 6 kênh là khá tƣơng đƣơng, dải giá trị sai số nhƣ có thể thấy trên hình 4.16 là từ 0 đến khoảng 200- 300µs. Đây là kết quả rất chính xác theo nhƣ các nhu cầu trong thực tế vận hành hiện nay.

Đồng thời cũng có thể thấy rằng trong thực tế nếu cần phải giảm bớt số lƣợng tính toán thì cũng chỉ cần phân tích 1 đƣờng tín hiệu bất kỳ trong 6 tín hiệu là có thể xác định đƣợc thời điểm xuất hiện sự cố với độ chính xác tƣơng đƣơng nhau.

4.3. Kết quả ƣớc lƣợng vị trí sự cố, điện trở sự cố và dạng sự cố

4.3.1. Trích xuất số liệu và các thông tin đặc trƣng

Sau khi đã xác định đƣợc thời điểm xuất hiện sự cố trong tín hiệu (ký hiệu là thời ), nhiệm vụ tiếp theo cần thực hiện là ƣớc lƣợng tổng trở sự cố và vị trí của sự cố. điểm

- 74 -

Ý tƣởng chủ đạo của đề tài nhƣ đã trình bày ở các phần trên đó là sử dụng các đặc tính thời gian và đặc tính tần số của vùng tín hiệu xung quanh thời điểm xuất hiện sự cố để làm cơ sở tính toán ƣớc lƣợng các thông số của sự cố nhƣ: vị trí sự cố, dạng sự cố và điện trở sự cố.

Chương 4: Các kết quả mô phỏng và tính toán

Với mỗi đƣờng tín hiệu đã có, các thông số thời gian và tần số sau sẽ đƣợc trích chọn

nhƣ sau:

Hình 4.17: Minh họa về việc trích 20 mẫu giá trị tức thời xung quanh thời điểm xuất hiện sự cố để làm đặc tính tính toán

 Các thông số thời gian: 20 giá trị tức thời xung quanh thời điểm xuất hiện sự cố với với khoảng lấy mẫu 1ms

 Các thông số tần số: sẽ sử dụng các thông tin về các thành phần hài trong tín hiệu. Tuy nhiên do phép phân tích phổ FFT đƣợc thực hiện trên tín hiệu số nên có hiện tƣợng chùm phổ, vì vậy thay vì sử dụng 1 giá trị tần số trong luận án sẽ sử dụng các dải tần số. Cụ thể, ta sẽ tính toán nhƣ sau:

­ Tính tổng biên độ phổ rời rạc của tín hiệu trong các dải tần số sau:

;

;

- 75 -

­ Xác định 4 thông số đặc trƣng là

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.18: Ví dụ về phổ Fourier của một tín hiệu và các dải tần số được sử dụng để tính toán đặc tính

Nhƣ vậy đối với mỗi tín hiệu ta có 20 giá trị đặc trƣng (hay còn gọi là đặc tính) từ miền thời gian và 4 đặc trƣng từ miền tần số. Với 6 tín hiệu dòng điện và điện áp có tổng cộng đặc tính.

4.3.2. Đánh giá, lựa chọn các đầu vào cho mạng MLP

Nhƣ đã trình bày ở trên, ứng với mỗi bộ 6 tín hiệu u-i đầu vào, đang sử dụng tổng cộng 144 giá trị đặc trƣng (đặc tính) của tín hiệu. Tuy nhiên cũng cần khảo sát để xác định các đặc tính có mức độ ảnh hƣởng hoặc mức độ tƣơng quan cao đối với tín hiệu đầu ra để giới hạn lại số lƣợng đặc tính cần sử dụng. Khi đó mô hình sẽ đơn giản hơn, việc tối ƣu hóa các sai số cũng sẽ dễ dàng hơn.

Trong luận án, sẽ sử dụng hàm tƣơng quan giữa các tín hiệu để đánh giá và lựa chọn

các tín hiệu đặc trƣng từ tập hợp 144 tín hiệu ban đầu.

Để xét sự tƣơng quan giữa hai đại lƣợng và , khi ta có n cặp mẫu của các đại

, hệ số tƣơng quan giữa hai đại lƣợng đƣợc lƣợng này là

- 76 -

tính theo công thức:

Chương 4: Các kết quả mô phỏng và tính toán

trong đó là các giá trị trung bình từ bộ mẫu của đại lƣợng X

và Y tƣơng ứng.

Hệ số tƣơng quan r(X,Y) có thể nhận các giá trị trong đoạn [-1,1]. Giá trị tuyệt đối của hệ số tƣơng quan càng gần 1 thì hai đại lƣợng X và Y có độ tƣơng quan càng lớn, giá trị tuyệt đối của độ tƣơng quan gần 0 thì hai đại lƣợng càng ít phụ thuộc (có tính độc lập với nhau càng cao). Ví dụ nhƣ trên hình 4.19 ta có 3 trƣờng hợp tƣơng ứng với ba mức độ tƣơng quan khác nhau. Trên các hình, hai đại lƣợng X và Y đƣợc lấy 6 mẫu (ứng với 6 điểm trên mặt phẳng tọa độ). Hình 4.19a thể hiện hai đại lƣợng có độ tƣơng quan tuyến Hình 4.19b tính cao (sai số xấp xỉ bằng đƣờng bình phƣơng cực tiểu nhỏ) với

thể hiện hai đại lƣợng cũng có độ tƣơng quan nhỏ hơn trƣờng hợp 4.19a nhƣng xu thế biến . thiên ngƣợc nhau, khi đó ta có hệ số tƣơng quan âm gần với giá trị -1, cụ thể

còn trƣờng hợp trên hình 4.19c, hai đại lƣợng phân bố độc lập (đƣờng xấp xỉ tuyến tính có sai số lớn) thì hệ số tƣơng quan rất thấp,

(a) (b)

Hình 4.19: 3 ví dụ về các giá trị của hệ số tương quan: a) Hệ số tương quan dương cao, b) Hệ số tương quan âm cao, c) Hệ số tương quan thấp.

- 77 -

(c)

Chương 4: Các kết quả mô phỏng và tính toán

Đối với các mẫu tín hiệu trong luận án, ta có 144 đặc tính (tạm ký hiệu là ,

, tín hiệu đầu ra đƣợc quan tâm chính là vị trí sự cố trên đƣờng dây truyền

tải (tạm ký hiệu là Y). Khi tính hệ số tƣơng quan giữa từng đặc tính với tín hiệu đầu ra, ta Biểu đồ giá trị tuyệt đối có 144 giá trị hệ số tƣơng quan với

Hình 4.20: Biểu đồ 144 giá trị tức thời các hệ số tương quan giữa các đặc tính với tín hiệu đầu ra

của 144 giá trị này đƣợc thể hiện trên hình 4.20.

Từ biểu đồ này, nhận thấy hệ số tƣơng quan biến thiên khá rộng, từ 0,007 đến 0,55, trong đó hệ số tƣơng quan lớn nhất 0,55 ứng với đặc tính số 92 và hệ số tƣơng quan thấp nhất ứng với đặc tính số 88.

Bảng 4.3: Số lượng đặc tính tương ứng với các ngưỡng cắt

Để lựa chọn các đặc tính có độ tƣơng quan cao, chọn một ngƣỡng giá trị nào đó và loại bỏ các đặc tính có độ tƣơng quan thấp hơn ngƣỡng đó. Trong bảng 4.3 là số lƣợng đặc tính bị loại bỏ và số lƣợng đặc tính còn lại tƣơng ứng với các ngƣỡng khác nhau.

Ngưỡng cắt Số đặc tính bị loại Số đặc tính còn lại

0,1 102 42

0,2 50 94

0,25 42 102

- 78 -

0,3 33 111

Chương 4: Các kết quả mô phỏng và tính toán

Chọn ngƣỡng để loại bỏ các tín hiệu có độ tƣơng quan quá thấp. Khi đó

số lƣợng đặc tính có độ tƣơng quan lớn hơn 0,25 là 42, gồm các đặc tính có thứ tự:

Theo quy tắc sắp xếp 144 đặc lƣợt 24 đặc tính gồm lần

tính của . Trong 24 đặc tính thì 4 đặc tính đầu tiên là đặc tính tần số, sau đó là

10 giá trị tức thời trƣớc và 10 giá trị tức thời từ thời điểm xuất hiện sự cố. Với cách sắp xếp và đánh số các đặc tính nhƣ vậy, khảo sát từ tập các đặc tính có hệ số tƣơng quan lớn hơn 0,25 ta nhận thấy:

 Chỉ duy nhất đặc tính thứ 109 (với ) là thuộc nhóm các giá trị tức thời

trƣớc thời điểm sự cố (tín hiệu thứ 109 là tính từ tín hiệu ), vì vậy luận án đề

xuất trong phần tiếp theo sẽ bỏ hoàn toàn, không sử dụng các giá trị tức thời trƣớc thời điểm xuất hiện sự cố.

 Có tới 3 tín hiệu (là ) có cả 4 thành phần đặc tính tần số có độ tƣơng

quan cao (là các có thứ tự ). Do đó việc sử

dụng cả 4 thành phần đặc tính này là cần thiết và luận án đề xuất sử dụng toàn bộ 4 thành phần đặc tính tần số trong các phần xử lý tiếp theo.

 Cả 10 giá trị tức thời từ thời điểm xuất hiện sự cố trở đi đều đƣợc sử dụng, mặc dù đối với từng tín hiệu thì thứ tự sử dụng có khác nhau. Ví dụ nhƣ 3 tín hiệu cuối (thứ tự 111, 112, cùng của (thứ tự 22, 23 và 24), 4 tín hiệu đầu tiên của

113 và 114), 4 tín hiệu ở giữa khoảng của (thứ tự 91, 92, 93 và 94) có độ

tƣơng quan cao với vị trí sự cố. Đồng thời cần chú ý rằng trong bộ số liệu mẫu mới chỉ có các trƣờng hợp ngắn mạch 2 pha A-B, vì vậy để đảm bảo tính đối xứng, luận án đề xuất sử dụng toàn bộ 10 giá trị đặc tính tức thời tính từ thời điểm xuất hiện sự cố để sử dụng trong các khối tiếp theo.

- 79 -

Tóm lại, đối với mỗi tín hiệu u-i của các pha, luận án sẽ sử dụng 14 giá trị đặc trƣng là: 4 giá trị tính từ phổ FFT, 10 giá trị tức thời từ thời điểm xuất hiện sự cố (đƣợc xác định bởi thuật toán wavelet, chu kỳ lấy mẫu 1ms). Tổng cộng sẽ có đặc tính đƣợc sử dụng để đƣa vào khối tính toán tiếp theo là mạng MLP.

Chương 4: Các kết quả mô phỏng và tính toán

4.3.3. Mạng nơron MLP ƣớc lƣợng vị trí sự cố, dạng sự cố và điện trở sự cố.

Với bộ số liệu 2136 mẫu sẽ chia làm hai bộ số liệu con: một phần của bộ số liệu gồm 1424 mẫu (2/3 tổng số mẫu có đƣợc) để xây dựng mô hình (điều chỉnh thích nghi các tham số của mạng nơron để tối ƣu hóa sai số đầu ra), phần còn lại (712 mẫu) đƣợc dùng để kiểm tra chất lƣợng của quá trình học.

Trong các phần tiếp theo của mục này, các kết quả sử dụng mạng MLP để ƣớc lƣợng vị trí sự cố, dạng sự cố và điện trở sự cố sẽ đƣợc tuần tự trình bày. Đối với nhiệm vụ ƣớc lƣợng vị trí sự cố, ta có 3 trƣờng hợp: 1. Sử dụng mạng MLP để ƣớc lƣợng trực tiếp vị trí sự cố, 2. Sử dụng mạng MLP song song với thuật toán tổng trở để ƣớc lƣợng vị trí sự cố, 3. Sử dụng mạng MLP song song với một rơle khoảng cách thực tế để ƣớc lƣợng vị trí sự cố.

4.3.3.1. Mạng nơron MLP ƣớc lƣợng trực tiếp vị trí sự cố

Với bộ số liệu đã cho, mạng MLP cần xây dựng sẽ có 84 đầu vào (ứng với 84 đặc tính nhƣ đã trình bày ở trên) và 1 đầu ra tƣơng ứng với vị trí sự cố đƣợc ƣớc lƣợng. Hàm truyền đạt của lớp ẩn đƣợc lựa chọn là hàm tansig, hàm truyền đạt của lớp đầu ra đƣợc lựa chọn là hàm tuyến tính do giá trị của vị trí sự cố tính theo km có thể vƣợt quá giải giá trị (-1, 1) của các nơron tansig hay (0,1) của các nơron logsig. Thông số cần phải xác định chính còn lại là số lớp ẩn và số nơron trong mỗi lớp ẩn. Trong luận án đã tiến hành thử nghiệm nhiều cấu trúc khác nhau cho các mạng một lớp ẩn, đồng thời số nơron ẩn tăng dần từ 1, 2,... cho tới khi thu đƣợc mạng có các sai số đủ nhỏ nhƣ sẽ đƣợc trình bày ở phần tiếp theo.

Hình 4.21: Kết quả tối ưu hóa giảm sai số hàm mục tiêu trong quá trình học của mạng nơron được lựa chọn trong đề tài

- 80 -

Với giá trị trọng số W và V ngẫu nhiên, sử dụng thuật toán học Levenberg - Marquadrt [42] nhƣ đã trình bày trong chƣơng 3 để tối ƣu hóa sai số của hàm mục tiêu, ta có đƣợc một ví dụ kết quả của quá trình tối ƣu hóa nhƣ trên hình 4.21. Chỉ sau 20 bƣớc học ta có thể quan sát thấy trên biểu đồ là quá trình học đã hội tụ.

Chương 4: Các kết quả mô phỏng và tính toán

Với 1424 mẫu học, sử dụng mạng nơron MLP với 12 nơron ẩn, ta có đƣợc kết quả

Hình 4.22: Kết quả sử dụng mạng MLP học trực tiếp cho tập hợp 1424 mẫu vị trí sự cố: (a) - Các giá trị vị trí sự cố gốc (km), (b) - Các giá trị vị trí sự cố ước lượng (km), (c) - Sai số (km)

học nhƣ trên hình 4.22.

Trung bình của sai số học tuyệt đối của mạng MLP:

ứng với sai số trung bình:

Sai số học cực đại:

Thử nghiệm lại với 712 mẫu kiểm tra (chƣa sử dụng trong quá trình học) ta có đƣợc

- 81 -

kết quả nhƣ trên hình 4.23.

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.23: Kết quả kiểm tra sử dụng mạng MLP ước lượng trực tiếp cho 712 mẫu vị trí sự cố: (a) - Các giá trị vị trí sự cố gốc (km), (b) - Các giá trị vị trí sự cố ước lượng (km), (c) - Sai số (km)

Trung bình của sai số kiểm tra tuyệt đối của mạng MLP:

ứng với sai số trung bình:

Sai số kiểm tra cực đại:

Quan sát trên hình 4.23, đa số các trƣờng hợp có sai số nhỏ nên sai số trung bình chỉ có 393m. Tuy nhiên có 9 trƣờng hợp sai số vị trí sự cố lớn đột biến (hơn 10km) là các mẫu số 531, 534, 1065, 1068, 1599, 1602, 2130, 2133, 2136 (trên tổng số 2136 mẫu). Đây toàn bộ là các mẫu có cùng các vị trí khảo sát tại 80km và 110km (trừ mẫu số 2130) với cùng

thời điểm xuất hiện sự cố xảy ra khi dòng pha A đạt cực đại (khác nhau về dạng sự

- 82 -

cố và điện trở sự cố) và tải 100%. Nhƣ vậy trong các mẫu học chỉ chứa các trƣờng hợp thay đổi pha tại vị trí 10km, 40km (nhƣ đã liệt kê tại mục 4.1.2). Điều này dẫn tới việc

Chương 4: Các kết quả mô phỏng và tính toán

(a)

(b)

(c)

(d)

Hình 4.24: Các tín hiệu dòng pha trong các mẫu: a) 531 (ngắn mạch 2 pha tại vị trí 80km), b) 534 (ngắn mạch hai pha tại vị trí 110km), c) 1602 (ngắn mạch hai pha chạm đất tại 110km), d) 2136 (ngắn mạch một pha chạm đất tại 110km)

mạng nơron MLP trong quá trình học chƣa đƣợc huấn luyện với các vị trí khoảng cách 80km và 110km. Các giá trị dòng ba pha cho một số mẫu tín hiệu cho các trƣờng hợp này đƣợc thể hiện trên hình 4.24a, 4.24b, 4.24c và 4.24d.

4.3.3.2. Mạng nơron MLP phối hợp với thuật toán tổng trở để ƣớc lƣợng vị trí

sự cố

- 83 -

Nhƣ đã trình bày ở phần 2.2.2, trong luận án đề xuất dùng thêm mô hình phối hợp mạng nơron MLP với thuật toán tổng trở xuất phát từ quan sát các kết quả khi dùng mạng nơron MLP trực tiếp (mục 4.3.3.1 ở trên) thì có các trƣờng hợp kiểm tra mà mạng nơron MLP tạo sai số lớn đột biến (do mẫu kiểm tra khác biệt hoàn toàn so với các mẫu mà mạng đã học nên mạng không thể xử lý tốt đƣợc). Đối với đƣờng dây dài 118,5km, về mặt xác suất thì mạng nơron MLP học trực tiếp có thể gây sai số bằng 100% chiều dài đƣờng dây, thực tế thì mạng nơron MLP học trực tiếp có sai số cực đại là ~25km (nhƣng số trƣờng hợp

Chương 4: Các kết quả mô phỏng và tính toán

này ít nên sai số trung bình vẫn đƣợc đảm bảo là nhỏ). Mong muốn của việc phối hợp song song nhiều giải pháp là có thể tạo ra một giải pháp mới có độ chính xác, độ tin cậy cao hơn (trên các bộ số liệu mẫu đã có) so với khi chỉ sử dụng từng phƣơng pháp đơn lẻ ban đầu. Trƣớc tiên, sẽ khảo sát kết quả hoạt động của thuật toán tổng trở đƣợc lập trình trên máy tính (gọi là rơle khoảng cách ảo). Với toàn bộ 2136 mẫu (cả tập số liệu học và tập số liệu kiểm tra), đƣa vào thuật toán tổng trở để tính toán và ƣớc lƣợng vị trí sự cố (theo [97], các thông số tổng trở thứ tự thuận và thứ tự không của đƣờng dây đƣợc tính toán từ phần mềm ATP/EMTP).

Hình 4.25: Kết quả hoạt động của rơle khoảng cách ảo được sử dụng trong luận án

Kết quả hoạt động của rơle khoảng cách ảo cho các mẫu đƣợc thể hiện trên hình 4.25.

Sai số trung bình của rơle khoảng cách ảo đối với các mẫu đã có đạt:

Sai số cực đại:

Các giá trị sai số sẽ đƣợc sử dụng trong quá trình huấn luyện

- 84 -

mạng nơron MLP để bù sai số cho rơle khoảng cách ảo. So sánh với trƣờng hợp 4.3.3.1, thấy rằng mạng nơron MLP chỉ cần học để tạo ra các lƣợng bù không vƣợt quá 3,22km,

Chương 4: Các kết quả mô phỏng và tính toán

khác với trƣờng hợp khi hoạt động trực tiếp mạng nơron MLP cần học để tạo ra các giá trị . Việc này sẽ khiến cho xác suất để mạng nơron MLP nằm trong toàn khoảng

tạo ra các sai số lớn đột biến giảm xuống [69, 70, 79]. Trong luận án, các kết quả kiểm nghiệm trên các bộ số liệu mẫu sẽ đƣợc dùng để kiểm chứng lại các nhận định này.

Kết quả học chi tiết cho mạng nơron MLP với 5 nơ-ron ẩn về giá trị cần bù cho vị trí sự cố đã đƣợc ƣớc lƣợng theo các công thức của rơle khoảng cách ảo đƣợc thể hiện trên , trên hình 4.26, trong đó ở phần (a) là 1424 giá trị gốc vị trí sự cố với

phần (b) là 1424 giá trị ƣớc lƣợng vị trí bằng mạng nơron MLP với

và trên phần (c) là sai số giữa giá trị đích và giá trị ƣớc lƣợng

Hình 4.26: Kết quả học chi tiết cho tập hợp 1424 mẫu vị trí sự cố: (a) - Các giá trị vị trí sự cố gốc (km), (b) - Các giá trị vị trí sự cố ước lượng (km), (c) - Sai số (km)

.

Sai số học trung bình của ƣớc lƣợng vị trí sự cố là:

- 85 -

tƣơng ứng với sai số tƣơng đối:

Chương 4: Các kết quả mô phỏng và tính toán

Sai số kiểm tra trung bình của ƣớc lƣợng vị trí sự cố là:

Hình 4.27: Kết quả kiểm tra chi tiết cho tập hợp 712 mẫu vị trí sự cố: (a) - Các giá trị vị trí sự cố gốc (km), (b) - Các giá trị vị trí sự cố ước lượng (km), (c) - Sai số (km)

tƣơng ứng với sai số tƣơng đối:

- 86 -

Có thể nhận thấy sai số kiểm tra trung bình trong trƣờng hợp sử dụng mạng nơron MLP phối hợp với thuật toán tổng trở đã đƣợc cải thiện hơn so với thuật toán tổng trở hoạt động riêng lẻ (0,77% so với 1,52%). Điều này có thể đạt đƣợc nhờ vào việc mạng nơron MLP đã “học” đƣợc từ các mẫu số liệu các sai số của thuật toán tổng trở. Ví dụ nhƣ các rơle tổng trở truyền thống có thể mắc phải sai số hệ thống nhƣ không loại đƣợc triệt để thành phần DC trong tín hiệu đo, vì vậy thành phần DC càng nhiều thì càng dễ gây sai số lớn cho thuật toán tổng trở (có nghĩa là càng cần hiệu chỉnh nhiều). Thông thƣờng dòng DC có thể gây ra hiện tƣợng tác động quá tầm (transient over-reach) của rơle quá dòng và rơle khoảng cách. Để kiểm chứng lại các giả thiết này, khảo sát các trƣờng hợp sự cố tại cùng một vị trí, cùng một dạng nhƣng với các thời điểm sự cố khác nhau. Với các trƣờng hợp thay đổi thời điểm xuất hiện sự cố nhƣ đã trình bày trong mục 4.1.2, chọn vị trí sự cố tại điểm 40km, dạng sự cố là ngắn mạch 1 pha chạm đất, ta có 10 mẫu số liệu (là các trƣờng hợp số 2022, 2034,

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.28: Tổng hợp các sai số của rơle ảo (đường liền đậm), lượng cộng vào do MLP tạo ra (đường liền nhạt) và của rơle ảo phối hợp với mạng nơron MLP (đường chấm) cho sự cố ngắn mạch 1 pha tại vị trí 40km cho các thời điểm xuất hiện sự cố khác nhau (ứng với giá trị pha khác nhau của dòng iA)

2046, 2058, 2070, 2082, 2094, 2106, 2118, 2130 trong số 2136 mẫu số liệu đã chọn). Các sai số hoạt động của thuật toán tổng trở và của thuật toán tổng trở phối hợp mạng nơron MLP đƣợc thể hiện trên hình 4.28. Có thể nhận thấy khi pha của iA bằng 180o thì thuật toán tổng trở hoạt động rất chính xác, sai số rất thấp, tuy nhiên, khi pha của iA gần bằng 270o thì sai số của thuật toán tổng trở (đƣờng liền nét) lại khá lớn (0,25km cho vị trí sự cố tại 40km). Với các trƣờng hợp này, mạng nơron MLP đã học để tạo ra lƣợng bù ngƣợc lại (đƣờng chấm). Khi đó tổng cộng hai đáp ứng của thuật toán tổng trở và của mạng nơron MLP ta đƣợc sai số nhỏ hơn (đƣờng gạch) so với thuật toán tổng trở khi hoạt động riêng biệt.

Với các trƣờng hợp trên hình 4.28, sai số trung bình của thuật toán tổng trở là

0,13km, còn sai số trung bình của rơle ảo phối hợp với nơron MLP là 0,072km.

Tƣơng tự, khi khảo sát cho các sai số ở vị trí sự cố 80km và 110km, ta có các kết quả

- 87 -

tổng hợp nhƣ trên hình 4.29a (cho 80km) và 4.29b (cho 110km).

Chương 4: Các kết quả mô phỏng và tính toán

(a)

Hình 4.29: Tổng hợp các sai số của rơle ảo (đường liền đậm), lượng cộng vào do MLP tạo ra (đường liền nhạt) và của rơle ảo phối hợp với mạng MLP (đường chấm) cho sự cố ngắn mạch 1 pha ở các thời điểm xuất hiện sự cố khác nhau (ứng với giá trị pha khác nhau của dòng iA) tại vị trí 80km (a) và 110km (b)

(b)

4.3.3.3. Mạng nơron MLP phối hợp với rơle tổng trở thực tế để ƣớc lƣợng vị trí

sự cố

- 88 -

Để phối hợp đƣợc mạng nơron MLP với hoạt động của rơle thực tế, từ 1008 bộ số liệu trên tổng số 2136 bộ số liệu đã đƣợc chuyển đổi sang chuẩn WAV (Windows Wave File) và sử dụng hợp bộ thí nghiệm CMC-356 để tái tạo lại các tín hiệu dòng/áp và truyền vào rơle (chỉ có một phần các bộ số liệu đƣợc thử nghiệm do thời gian đƣợc tiếp cận thiết bị phần cứng bị hạn chế). Trên đƣờng dây Yên Bái - Khánh Hòa hiện đang sử dụng rơle khoảng cách 7SA522- V4.7 để bảo vệ cho đƣờng dây. Các thông số của rơle 7SA522 đƣợc

Chương 4: Các kết quả mô phỏng và tính toán

cài đặt theo đúng phiếu chỉnh định rơle và thiết bị tự động do Trung tâm Điều độ HTĐ miền Bắc tính toán và cài đặt (tham khảo Phụ lục 2). Trên hình 4.30 là hình ảnh thực tế của thiết bị CMC-356 và của rơle khoảng cách 7SA522 sử dụng trong luận án.

(a)

Hình 4.30: Các thiết bị thực tế sử dụng trong luận án để kiểm tra kết quả hoạt động thực tế của rơle: (a) Thiết bị hợp bộ CMC-356 của Omicron, (b) Rơle 7SA522 của Siemens

(b)

Từ 1008 bộ số liệu (theo định dạng WAV) đã đƣợc tạo ra, sử dụng phần mềm Test Universe V2.30 (phần mềm đi theo hợp bộ CMC-356 của Omicron) và kích hoạt chức năng TransPlay. Giao diện phần mềm tƣơng tác giữa TransPlay và ngƣời sử dụng đƣợc thể hiện trên hình 3.4.

Sau đó chọn các dữ liệu cần mô phỏng (*.WAV) (nút "Add to list") và bắt đầu tạo các tín hiệu ở đầu ra của CMC-356 cho rơle khoảng cách bằng cách chọn nút "Play file(s)".

- 89 -

Thiết bị Omicron CMC-356 sẽ tạo đúng các tín hiệu dòng điện và điện áp sự cố thông qua chức năng TransPlay và đƣợc kết nối với rơle khoảng cách 7SA522. Các tác động của rơle khoảng cách sẽ đƣợc lƣu lại trong các bản ghi của rơle (đối với loại 7SA522 ta có thể ghi nhớ tối đa 8 sự kiện cuối cùng). Các bản ghi đƣợc tải lên máy tính bằng cách sử dụng phần mềm DIGSI 4.82 với giao diện chính đƣợc thể hiện trên hình 4.31.

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.31: 1008 dữ liệu mô phỏng đọc từ phần mềm DIGSI 4.82

Hình 4.32: Dữ liệu mô phỏng đọc từ chức năng Trip Log

DIGSI cho phép chọn từng bản ghi và liệt kê các trƣờng thông tin chi tiết bên trong bản ghi đó để phục vụ cho việc so sánh và tính toán tiếp theo. Trong luận án sẽ quan tâm tới thông tin về vị trí sự cố trong mỗi bản ghi do rơle khoảng cách 7SA522 ƣớc lƣợng từ các tín hiệu đo lƣờng. Trên hình 4.32 thể hiện các lựa chọn thông tin "Trip Log" trong bản ghi của rơle.

Tổng hợp kết quả từ 1008 trƣờng hợp số liệu thử nghiệm thì có 970 trƣờng hợp rơle trả về kết quả vị trí sự cố, 38 trƣờng hợp rơle tác động nhƣng không trả về giá trị vị trí sự cố. Các kết quả đƣợc thống kê từ phần mềm DIGSI (trong chức năng TripLog).

Từ các kết quả thống kê ta có: Sai số trung bình về vị trí của 4 dạng sự cố (AB0,

- 90 -

ABC, ABG, AG0) của rơle khoảng cách 7SA522: tƣơng ứng 2,07% .

Chương 4: Các kết quả mô phỏng và tính toán

Với bộ số liệu 970 mẫu sẽ chia làm hai bộ số liệu con: một phần của bộ số liệu gồm 647 mẫu (2/3 tổng số mẫu có đƣợc) để xây dựng mô hình (điều chỉnh thích nghi các tham số của mạng nơron để tối ƣu hóa sai số đầu ra), phần còn lại (323 mẫu) đƣợc dùng để kiểm tra chất lƣợng của quá trình học. Sau khi sử dụng mạng nơron MLP với 12 nơron ẩn để bù sai số của rơle khoảng cách 7SA522, kết quả nhƣ sau:

- Sai số trung bình khi học về vị trí sự cố: tƣơng ứng: 1,27%.

- Sai số trung bình khi kiểm tra về vị trí sự cố: tƣơng ứng: 1,49%.

Tổng hợp lại cả ba trƣờng hợp sử dụng mạng nơron MLP để ƣớc lƣợng vị trí sự cố ta

Bảng 4.4: Tổng hợp các kết quả sử dụng rơle khoảng cách thực tế (7SA522) và dùng mạng nơron MLP để giảm các sai số của rơle khoảng cách thực tế 7SA522

có các kết quả thống kê trong bảng sau:

Sai số trung bình của Rơle thực tế Sai số học trung bình của MLP + Rơle thực tế Sai số kiểm tra trung bình của MLP + Rơle thực tế Loại sự cố

Bảng 4.5: Tổng hợp các kết quả sử dụng rơle khoảng cách ảo và dùng mạng nơron MLP để giảm các sai số của rơle khoảng cách ảo

AG0 AB0 ABG ABC Tổng (km) 0.18 1.57 1.94 0.56 1.09 (%) 1.06 2.79 3.64 0.65 2.07 (km) 0.27 0.21 1.01 0.47 0.49 (%) 1.05 0.76 2.11 1.12 1.27 (km) 0.55 0.49 0.31 0.65 0.50 (%) 2.26 1.09 1.14 1.61 1.49

Sai số trung bình của Rơle ảo Sai số học trung bình của MLP + Rơle ảo Sai số kiểm tra trung bình của MLP + Rơle ảo Loại sự cố

- 91 -

AG0 AB0 ABG ABC Tổng (km) 0.43 1.25 1.23 0.18 0.77 (%) 1.48 2.16 2.17 0.29 1.52 (km) 0.083 0.059 0.048 0.032 0.055 (%) 0.19 0.12 0.12 0.11 0.14 (km) 0.78 0.23 0.26 0.14 0.35 (%) 1.52 0.51 0.59 0.47 0.77

Chương 4: Các kết quả mô phỏng và tính toán

Bảng 4.6: Tổng hợp các kết quả dùng mạng nơron MLP ước lượng trực tiếp vị trí sự cố

Sai số học trung bình của MLP Sai số kiểm tra trung bình của MLP Loại sự cố

Bảng 4.7: So sánh các kết quả sử dụng rơle khoảng cách (Rơle ảo và rơle thực tế) dùng mạng MLP để giảm các sai số về vị trí sự cố

AG0 AB0 ABG ABC Tổng (km) 0.40 0.27 0.26 0.28 0.30 (%) 0.98 0.72 0.68 0.81 0.80 (km) 0.55 0.29 0.33 0.41 0,39 (%) 1.29 0.71 0.93 1.04 0,99

Sai số trung bình Sai số học trung bình + MLP Sai số kiểm tra trung bình + MLP Trƣờng hợp

Bảng 4.8: Tổng hợp các kết quả ước lượng vị trí sự cố

Rơle ảo 7 SA522 (km) 0.77 1.09 (%) 1.52 2.07 (km) 0.06 0.49 (%) 0.14 1.27 (km) 0.35 0.50 (%) 0.77 1.49

Phƣơng pháp

Max sai số tuyệt đối (km) Trung bình của sai số tƣơng đối (%) Trung bình của sai số tuyệt đối (km)

MLP trực tiếp 0,99 0,39 24,86

Rơle thực tế 7SA522 (970 mẫu) 2,07 1,09 9,2

1,49 0,50 2,79 MLP phối hợp với Rơle thực tế 7SA522 (970 mẫu)

Thuật toán tổng trở (Rơle ảo - chạy trên PC) 1,52 0,77 3,22

MLP phối hợp thuật toán tổng trở 0,77 0,35 2,33

- 92 -

Từ bảng tổng hợp kết quả trên có thể thấy khi phối hợp mạng nơron MLP với các phƣơng pháp khác đều cải thiện đƣợc sai số so với việc sử dụng riêng các phƣơng pháp đó. Khi sử dụng các thuật toán và phần mềm mô phỏng, thì việc sử dụng phối hợp mạng nơron MLP với thuật toán tổng trở đƣa ra đƣợc kết quả tốt hơn so với việc sử dụng độc lập mạng nơron MLP.

Chương 4: Các kết quả mô phỏng và tính toán

4.3.3.4. Mạng nơron MLP xác định dạng sự cố và điện trở sự cố

Bên cạnh nhiệm vụ chính là xác định vị trí sự cố, luận án còn đề xuất sử dụng mạng nơron MLP để xây dựng mô hình xác định dạng sự cố (mạng MLP2) và điện trở sự cố (mạng MLP3). Để thuận tiện cho việc sử dụng, hai mạng nơron MLP cho hai nhiệm vụ này sẽ sử dụng chung các số liệu đầu vào nhƣ mạng nơron MLP dùng trong ƣớc lƣợng vị trí sự cố. Cụ thể các mạng này sẽ có 84 đầu vào và 1 đầu ra, số nơron trong lớp ẩn cũng sẽ đƣợc lựa chọn bằng cách thử nghiệm với các số lƣợng khác nhau.

Kết quả học chi tiết mạng nơron MLP2 với 6 nơron ẩn cho phát hiện dạng sự cố với đƣợc thể hiện trên hình 4.33, trong đó ở phần (a) là 1424 giá trị gốc dạng sự cố

, trên phần (b) là 1424 giá trị ƣớc lƣợng dạng sự cố bằng mạng

với và trên phần (c) là sai số giữa giá trị đích và giá trị ƣớc lƣợng

Hình 4.33: Kết quả học chi tiết cho tập hợp 1424 mẫu dạng sự cố: (a) - Các giá trị gốc mã dạng sự cố, (b) - Các giá trị ước lượng dạng sự cố, (c) - Sai lệch giữa giá trị gốc và giá trị ước lượng

.

- 93 -

Do mã các trƣờng hợp sự cố đƣợc sử dụng là các giá trị nguyên 1, 2, 3, 4 nên các giá trị đầu ra của mạng nơron MLP2 sẽ đƣợc làm tròn về số nguyên gần nhất. Khi đó sai số nhận dạng đƣợc xác định là các trƣờng hợp giá trị đầu ra của mạng nơron MLP2 sai lệch so với giá trị đích lớn hơn 0,5. Đối với 1424 trƣờng hợp của bộ số liệu học ta có tổng cộng 24 trƣờng hợp nhận dạng nhầm dạng sự cố, tƣơng ứng 1,69%.

Chương 4: Các kết quả mô phỏng và tính toán

Kiểm tra chất lƣợng mạng nơron MLP2 sau khi học đƣợc thử nghiệm với 712 mẫu chƣa xuất hiện trong quá trình học. Giá trị kiểm tra trên tập mẫu này đƣợc thể hiện trên hình 4.34. Số trƣờng hợp xác định nhầm dạng sự cố là:

Hình 4.34: Kết quả kiểm tra chi tiết cho tập hợp 712 mẫu dạng sự cố: (a) - Các giá trị dạng sự cố gốc, (b) - Các giá trị dạng sự cố ước lượng, (c) - Sai số

tƣơng ứng với sai số:

Tƣơng tự ta có các kết quả học mạng nơron MLP3 với 5 nơron ẩn cho điện trở sự cố với đƣợc trình bày trên hình 4.35. Trong đó ở phần (a) là 1424 giá trị điện trở sự cố

, trên phần (b) là 1424 giá trị ƣớc lƣợng điện trở bằng mạng với

và trên phần (c) là sai số giữa giá trị đích và giá trị ƣớc lƣợng

- 94 -

.

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.35: Kết quả học chi tiết cho tập hợp 1424 mẫu điện trở sự cố: (a) - Các giá trị điện trở sự cố gốc (Ω), (b) - Các giá trị điện trở sự cố ước lượng (Ω), (c) - Sai số (Ω)

Sai số học trung bình của ƣớc lƣợng điện trở sự cố là:

- 95 -

Sai số học cực đại của ƣớc lƣợng điện trở sự cố là:

Chương 4: Các kết quả mô phỏng và tính toán

Hình 4.36: Kết quả kiểm tra chi tiết cho tập hợp 712 mẫu điện trở sự cố: (a) - Các giá trị điện trở sự cố gốc (Ω), (b) - Các giá trị điện trở sự cố ước lượng (Ω), (c) - Sai số (Ω)

Sai số kiểm tra trung bình của ƣớc lƣợng điện trở sự cố là:

Sai số kiểm tra cực đại của ƣớc lƣợng điện trở sự cố là:

- 96 -

Nhận thấy các kết quả kiểm tra cũng khá chính xác, tƣơng đƣơng với dải sai số của quá trình học. Điều này chứng tỏ mạng nơron MLP đã học thành công các số liệu đã đƣợc xây dựng cho các trƣờng hợp sự cố ngắn mạch một pha, ngắn mạch hai pha, ngắn mạch hai pha chạm đất và ngắn mạch ba pha trên đƣờng dây 110kV Yên Bái - Khánh Hòa.

Kết luận và hướng phát triển

KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN

Luận án đã nghiên cứu và xây dựng đƣợc một mô hình xác định vị trí sự cố, dạng sự cố và điện trở sự cố trên đƣờng dây truyền tải ba pha với nguồn cung cấp từ một phía, không rẽ nhánh sử dụng mạng nơron MLP để xử lý các thông tin đặc trƣng tính từ đặc tính thời gian và tần số của các tín hiệu xung quanh thời điểm xuất hiện sự cố. Các đóng góp chính của luận án có thể kể tới:

 Xây dựng đƣợc mô hình sử dụng độc lập một mạng nơron MLP và mô hình sử dụng song song một thuật toán tổng trở (thuật toán tổng trở chạy trên máy tính hoặc thuật toán tổng trở của một rơle khoảng cách thực tế 7SA522) với một mạng nơron MLP để xác định vị trí sự cố trên đƣờng dây truyền tải điện (xét ví dụ tính toán cho đƣờng dây 110kV Yên Bái - Khánh Hòa). Trong đó mạng nơron nhân tạo MLP sử dụng đầu vào là các đặc tính thời gian và đặc tính tần số xác định từ các tín hiệu đo tức thời xung quanh thời điểm xảy ra những thay đổi (xuất hiện sự cố) trong các tín hiệu (thời điểm này đƣợc xác định nhờ sử dụng phép phân tích sóng nhỏ (wavelet)). Luận án cũng xây dựng đồng thời hai mạng nơron MLP khác để xác định dạng sự cố và điện trở sự cố.

 Khảo sát và đề xuất ứng dụng wavelet Daubechies bậc 3 để phân tích thành phần của tín hiệu lấy mẫu với tần số 100kHz để làm cơ sở phát hiện thời điểm xuất

hiện sự cố trên đƣờng dây truyền tải.

 Khảo sát các đặc tính dựa trên hệ số tƣơng quan giữa đầu vào và đầu ra để lựa chọn các đặc tính có hệ số tƣơng quan cao để dùng trong các mô hình. Các kết quả tính toán đã đƣa ra danh sách 84 giá trị đặc trƣng tính toán từ 6 đƣờng tín hiệu u-i để làm cơ sở tính toán các thông số sự cố nhƣ vị trí, dạng và điện trở sự cố.

 Đề xuất ứng dụng hợp bộ mô phỏng CMC-356 của Omicron kết hợp với rơle thực tế (7SA522) để so sánh chất lƣợng tính toán của mô hình về vị trí sự cố với tác động của rơle trên đƣờng dây thực tế. Đồng thời các kết quả hoạt động của rơle khoảng cách thực tế sẽ đƣợc sử dụng để tạo mẫu học một mạng nơron MLP mới để bù sai số cho rơle thực tế.

Ngoài ra luận án cũng đã tạo ra bộ mẫu gồm 2136 trƣờng hợp sự cố với 4 dạng sự cố cơ bản là ngắn mạch một pha, ngắn mạch hai pha, ngắn mạch hai pha chạm đất và ngắn mạch ba pha với các thông số sự cố thay đổi nhƣ: điện trở sự cố (từ 0 đến 5Ω), tải (từ 30% đến 100% định mức), thời điểm xuất hiện sự cố (thay đổi trong toàn bộ một chu kỳ), vị trí sự cố (23 vị trí cách đều 5km trên đƣờng dây 118,5km).

- 97 -

Ý tƣởng chính của giải pháp là một hệ thống mở với các tham số đƣợc điều chỉnh theo một bộ số liệu mẫu của đối tƣợng đang nghiên cứu, các giải pháp trong luận án này có thể đƣợc mở rộng áp dụng cho các hệ thống khác nhƣ: hệ thống tải điện ba pha có nhiều nguồn, rẽ nhánh, có các tải phi tuyến,... hoặc các hệ thống truyền tải ở các cấp điện áp khác.

Kết luận và hướng phát triển

Các tín hiệu dùng để xây dựng mô hình sẽ có đƣợc từ phần mềm mô phỏng ATP/EMTP, vì vậy độ chính xác của kết quả mô phỏng sẽ ảnh hƣởng tới kết quả cuối cùng của mô hình (vấn đề về độ chính xác của ATP/EMTP trong mô phỏng đƣờng dây truyền tải có thể đƣợc tiếp tục nghiên cứu tiếp trong các định hƣớng phát triển của luận án). Vì vậy để có thể kiểm chứng tốt hơn chất lƣợng của các mô hình lý thuyết, luận án đã sử dụng các thông số của đƣờng dây thực tế và rơle thực tế (sử dụng trên đƣờng dây đã chọn) để ghép nối với một hợp bộ thí nghiệm (CMC-356 của Omicron) để đƣa các tín hiệu đúng nhƣ từ mô hình mô phỏng vào rơle khoảng cách để có đƣợc kết quả hoạt động thực tế của rơle khoảng cách. Mô hình lý thuyết đã đƣợc xây dựng cho các trƣờng hợp:

- Mạng nơron MLP độc lập: khảo sát trên bộ mẫu 1424 trƣờng hợp sự cố (với các vị trí khác nhau, các điện trở sự cố khác nhau) và thử nghiệm lại trên bộ mẫu 712 sự cố khác. Sai số về vị trí trung bình 390m (tƣơng ứng 0,99%).

- Mạng nơron MLP kết hợp với rơle khoảng cách ảo (thuật toán tổng trở trên PC):

sai số về vị trí trung bình 350m (tƣơng ứng 0,77%).

- Mạng nơron MLP kết hợp với rơle khoảng cách thực tế 7SA522: khảo sát trên bộ mẫu 647 trƣờng hợp sự cố và thử nghiệm lại trên bộ mẫu 323 sự cố khác. Sai số về vị trí trung bình 500m (tƣơng ứng 1,49%).

Tuy đã đạt đƣợc một số kết quả nhƣ đã nêu trên, nhƣng các ý tƣởng và giải pháp đã đề xuất trong luận án có thể đƣợc tiếp tục bổ sung và phát triển theo một số định hƣớng nhƣ sau:

 Khảo sát với mô hình đƣờng dây truyền tải nhiều nguồn, rẽ nhánh.

 Khảo sát với mô hình đƣờng dây có các thiết bị phi tuyến hoặc các máy biến áp với thông số bão hòa hoặc cấu hình ghép nối khác nhau, tải thay đổi (ngẫu nhiên).

 Triển khai các thiết bị đo lƣờng và xử lý tín hiệu thực tế để kiểm tra khả năng

hoạt động tại hiện trƣờng của các giải pháp.

- 98 -

 ...

Tài liệu tham khảo

TÀI LIỆU THAM KHẢO

TIẾNG VIỆT

[1] Trần Đình Long, Trần Đình Chân, Nguyễn Hồng Thái (1993) Bảo vệ rơle trong hệ

thống điện, Đại học Bách Khoa Hà Nội.

[2] Trần Đình Long (2000) Bảo vệ các hệ thống điện, Nhà xuất bản Khoa học và Kỹ

thuật, Hà Nội.

[3] Nguyễn Hồng Thái, Vũ Văn Tẩm (2001) Rơle số lý thuyết và ứng dụng, Nhà xuất

bản Giáo dục.

[4] Trần Bách (2000) Lưới điện và hệ thống điện, Tập 1, Tập 2, Tập 3, Nhà xuất bản

Khoa học và Kỹ thuật, Hà Nội.

[5] Lã Văn Út (1999) Phân tích và điều khiển ổn định hệ thống điện, Nhà xuất bản

Khoa học và Kỹ thuật, Hà Nội.

[6] Nguyễn Văn Đạm (2004) Thiết kế các mạng và hệ thống điện, Nhà xuất bản Khoa

học và Kỹ thuật, Hà Nội.

[7] Nguyễn Văn Đạm (2002) Mạng lưới điện, Nhà xuất bản Khoa học và Kỹ thuật, Hà

Nội.

[8] Thành Lƣơng (2013). Công nghệ định vị sự cố, KHCNĐ, số 4/2013, trang 4-8.

[9] Nguyễn Văn Cao (1999) Lý thuyết xác suất và thống kê toán, Nhà xuất bản Khoa

học và Kỹ thuật, Hà Nội.

[10] Đỗ Xuân Khôi (1998) Tính toán phân tích hệ thống điện, Nhà xuất bản Khoa học

và Kỹ thuật, Hà Nội.

[11] Nguyễn Quân Nhu (2010) Luận án TS Nghiên cứu và ứng dụng mạng nơron và

lô-gic mờ cho bài toán dự báo phụ tải điện ngắn hạn, ĐHBK Hà Nội.

[12] Trần Hoài Linh (2011) Bài giảng môn "Mạng nơron và ứng dụng trong xử lý tín

hiệu".

TIẾNG ANH

[13] R. K. Aggarwal, D. V. Coury, A. T. Johns, A. Kalam (1993) A practical approach to accurate fault location on extra high voltage teed feeders, IEEE – Trans. Power Delivery, vol.8, pp.874-883, Jul. 1993.

[14] Aspray W., Burks A.(1986) Papers on John von Neumann on Computing and Computer Theory, Charles Babbage Institute Reprint Series for the History of Computing, vol. 12, Cambridge, MA: MIT Press, 1986.

[15] ATPDRAW User Manual, version 3.5 for Windows 9x/NT/2000/XP, 2002.

- 99 -

[16] Aurangzeb M, Crossley PA, Gale P (2001) Fault location using high frequency travelling waves measured at a single location on transmission line, Proceedings of 7th International conference on Developments in Power System Protection – DPSP, IEE CP479, 2001, pp. 403-406.

Tài liệu tham khảo

[17] Z. Q. Bo, A. T. Johns, R. K. Aggarwal (1997) A novel fault locator based on the detection of fault generated high frequency transients, Sixth International Conference on Developments in Power System Protection, Nottingham, England, March 1997.

[18] Z.Q. Bo, G.Weller, M.A. Redfern (1999) Accurate fault location technique for distribution system using fault-generated high-frequency transient voltages signals, IEE Proc. Gener. Transm. Distrib. Vol. 146, No. 1, January 1999.

[19] Boger, Z., Guterman, H. (1997) Knowledge extraction from artificial neural

network models, IEEE Systems, Man, and Cybernetics Conference, 1997.

[20] Breiman L. (1996) Bagging predictors, Machine Learning, vol. 24, p. 123–140,

1996.

[21] Broomhead D.S., Lowe D. (1998) Multivariable functional interpolation and

adaptive network, Complex Systems, vol. 2, p. 321 – 355, 1988.

[22] Brown T.H., Kairiss E. W., Keenan C. L.(1990) Hebbian synapses: biophysical mechanisms and algorithms, Annual Rev. Neurosci. 1990, Vol. 13, p.475 – 511.

[23] Bunyagul T., Crossley P.A. (2001) Design and evaluation of an overcurrent relay suitable for operation with measurement current transformers, IEE Conference Publication No. 479, pp. 201–204, 2001.

[24] Bouthiba T. (2004) Fault location in EHV transmission lines using artificial neural networks, Int. J. Appl. Math. Comput. Sci., 2004, Vol. 14, No. 1, pp. 69-78.

[25] Cook V. (1986) Fundamental aspects of fault location algorithms used in distance

protection, Proceedings of IEE Conference 133(6), 1986, pp. 359-368.

[26] Dalstein T., Kulicke B. (1995) Neural network approach to fault classification for highspeed protective relaying, IEEE Transactions on Power Delivery, vol. 4, 1995, pp. 1002 – 1009.

[27] Dash P. K., Pradhan A. K., Panda G. (2001) Application of Minimal radial basis function neural network to distance protection, IEEE Trans. Power Deliv., vol.16, No.1, Jan. 2001, pp.68-74.

[28] Deza E., Deza M. M. (2009) Encyclopedia of Distances, Springer, 2009.

[29] “DFR assistant- software for automated analysis and archival of DFR records with integrated fault location calculation, Test Laboratories International, Inc. [Online] http://www.tli-inc.com.

[30] Djuric M.B., Radojevic Z.M., Terzija V.V. (1998) Distance Protection and fault location utilizing only phase current phasors, IEEE Transactions on Power Delivery 13(4), 1998, pp. 1020-1026.

[31] Dommel H. (1986) Electro-Magnetic Transients Program, BPA, Portland,

- 100 -

Orxegon, 1986.

Tài liệu tham khảo

[32] Edmund O., Schweitzer, III (1988) A Review of Impedance-Based Fault Locating experience, Proceedings of the 15th Annual Western Protective Relay Conference, Spokane, WA, October 24-27, 1988.

[33] El-Sharkawi M., Niebur D. (1996) A tutorial course on artificial neural networks

with applications to Power systems, IEEE Publ. No. 96TP 112-0, 1996.

[34] Eriksson L., Saha M.M., Rockefeller G.D. (1985) An accurate fault locator with compensation for apparent reactance in the fault resistance resulting from remote- end feed, IEEE Trans on PAS 104(2), 1985, pp. 424-436.

[35] Fischler M.A., Firschein O.(1987) Intelligence: The Eye, the Brain, and the

Computer, Reading, MA: Addison – Wesley, 1987.

[36] Girgis A.A., Hart D. G., Peterson W.L. (1992) A new fault location technique for two-and three-terminal lines, IEEE Transactions on Power Delivery, vol. 7, no. 1, January 1992.

[37] Girgis A.A., Johns M.B. (1989) A hybrid expert system for fault section identification, fault type classification and selection of fault location algorithms, IEEE Transactions on Power Apparatus and Systems, vol.4 , no.2, April 1989.

[38] Girgis A., Hart D., Peterson W. (1992) A new fault location technique for two-

and three-terminal lines, IEEE Trans. Power Delivery, 7(1), 1992, 98-107.

[39] Glencoe Science: Electricity and Magnetism, McGraw-Hill, 2001.

[40] David E. Goldberg (1989) Genetic algorithms in search, optimization and

machine learning, Addison-Wesley Publishing Company, INC, 1989.

[41] Djuric M., Radojevic Z., Terzija V. (1998) Distance protection and fault location utilizing only phase current phasors, IEEE Trans. Power Delivery, 13(4), 1998, 1020-1026.

[42] Golub G.H., Van Loan C.F (1996) Matrix computations, 3ed., The Johns Hopkins

University Press, 1996.

[43] Gopalakrishnan A., Hamai D., Kezunovic M., McKenna S. (2000) Fault location using the distributed parameter transmission line model, IEEE Trans. Power Delivery, 15(4), 2000, 1169-1174.

[44] Hagan M., Mohammed B. M. (1994) Training Feedforward Networks with the Marquardt Algorithm, IEEE Trans. on Neural Networks 5(6), p. 989 – 993, 1994.

[45] Jhy-Cherng Gu, Sun-Li (2000) Removal of DC Offset in Current and Voltage Signals Using a Novel Fourier Filter Algorithm, IEEE Trans. on Power Delivery, Vol.1, No.1, January 2000.

[46] IPLAN program manual, Power technologies, Inc., December, 2000.

- 101 -

[47] Joe-Air Jiang, Ching-Shan Chen, Chih-Wen Liu (2003) A New Protection Scheme for Fault Detection, Direction Discrimination, Classification, and Location in Transmission Lines, IEEE transactions on power delivery, Vol.18, No. 1, January 2003.

Tài liệu tham khảo

[48] Jiang Joe-Air, Yang Jun-Zhe, Lin Ying-Hong, Liu Chih-Wen, Ma Jih-Chen (2000) An adaptive PMU based fault detection/location technique for transmission lines Part I: Theory and algorithms, IEEE Trans. Power Delivery, 15(2), 2000, 486-493.

[49] Joorabian M., Taleghani Asl S. M. A., Aggarwal R. K. (2004) Accurate fault locator for EHV transmission lines based on radial basis function neural networks, Elsevier, Electric Power Systems Research 71 (2004), pp.195-2002.

[50] Kang Y.C., Kang S.H., J.K. Park, Jones A.T., Aggarwal R.K. (1996) Development and hardware implementation of a compensating algorithm for the secondary current of current transformers, IEE Proc. – Electric Power Applications, Vol. 143, No.1, pp. 41–49, 1996.

[51] Kasztenny B., Rosolowski E., Lukowicz M., Izykowski J. (1997) Current related relaying algorithms immune to saturation of current transformers, IEE Conference Publication No. 434, pp. 365–369, 1997.

[52] M. Kezunovic and B. Perunicic (1996) Automated transmission line fault analysis using synchronized sampling at two ends, IEEE Trans. on Power Systems, pp. 441– 447, PS–11, 1996.

[53] Kezunovic M, Rikalo I, Sobajic DJ (1996) Real-time and Off-line Transmission Line Faulyt Classification Using Neural Networks, Engineering Intelligent Systems, vol. 10, 1996, pp. 57-63.

[54] M.Kezunovic, I.Rikalo, C.W.Fromen, D.R.Sevick, S.M.McKenna

(1998) Automatic fault analysis using intelligent techniques and synchronized sampling, in Proceeding of the CIGRE General Session, Paris, France, September 1998.

[55] M. Kezunovic, Yong Guo Simplified Algorithms for Removal of the Effected of in IEEE the Fourier Algorithm,”

Exponentially Decaying DC-offset on Transactions on Power Delivery.

[56] Kolmogorov A. N., On the representation of continuous functions of several variables by superposition of continuous functions of one variable and addition, Dokl. Akad. Nauk SSSR, vol. 114, p. 953 – 956.

[57] Lahiri U, Pradhan A.K, Mukhopadhyaya S (2005) Modular neural-network based directional relay for transmission line protection, IEEE Trans. on Power Delivery, vol. 20, no. 4, 2005, pp. 2154-2155.

[58] L. L. Lai, E. Vaseekar, H. Subasinghe, N. Rajkumar, A. Carter, and B. J. Gwyn (2000) Application of wavelet transform and neural networks to fault location of a teed-circuit, IEE Colloquium on Time-scale and Time-Frequency Analysis and Applications, London, Feb. 2000.

[59] Larson S (1931) The shrinkage of the coefficient of multiple correlation, Journal

- 102 -

of Educational Psychol., vol.22, p. 45–55,1931.

Tài liệu tham khảo

[60] Li J., Michel A. N., Porod W (1989) Analysis and synthesis of a class of neural networks: linear systems operating on a closed hypercube, IEEE Transactions on Circuits and Systems, vol. 36, no. 11, pp. 1405-1422, November 1989.

[61] Y. Liao and S. Elangovan (1998) Digital distance relaying algorithm for first- lines, IEE Proceedings-Part C: transmission for parallel

zone protection Generation, Transmission and Distribution, vol. 145, no. 5, Sept 1998.

[62] J. R. Marti (1982) Accurate modeling of frequency-dependent transmission lines in electromagnetic transients simulations, IEEE Trans. Power Applicat. Syst., vol. PAS-101, pp. 147 - 157, Jan. 1982.

[63] Murari Saha, Eugeniusz Rosolowski, Jan Izykowski (2011) ATP-EMTP investigation of fault location algorithm applying signals of current differential relays of double-circuit series-compensated transmission line, 17th Power Systems Computation Conference, Stockholm Sweden - August 22-26, 2011.

[64] D Nigrin A (1993) Neural Networks For Pattern Recognition, Cambridge MA:

The MIT Press, 1993.

[65] Novosel, D.G. Hart, E. Udren and J. Garitty J (1996) Unsynchronized two- terminal fault location estimation, IEEE Trans. on Power Delivery, vol. 11, pp. 130–138, No. 1, 1996.

[66] Pao YH, Sobajic DJ (1988) Autonomous Feature Discovery of Clearing time assessment, Symposium of Expert System Applications to Power Systems, Stockholm – Helsinki, Aug 1988, pp. 5.22-5.27.

[67] PSS/E-27 program operation manual(2000), Power technologies, Inc., December,

2000.

[68] B. Ravindhranath Reddy, Dr. M. Vijay Kumar, Dr. M.Surya Kalavathi, Y. Venkata Raju (2005-2009) Detection & localization of faults in transmission lines using Wavelet transforms (Coif Let & Mexican Hat), Journal of Theoretical and Applied Information Technology © 2005 - 2009 JATIT.

[69] Rojas R (1996) Neural Networks, Springer – Verlag, 1996.

[70] Rumelhart D.E., Hinton G.E., Williams R.J (1986) Learning representations of

back-propagation errors, Nature, vol. 323, p. 533 – 536, 1986.

[71] Javad Sadeh, Aniseh Adinehzadeh, “A New Fault Location Algorithm for

Compensated Transmission Line Using Distributed Time Domain Model”.

[72] Saha MM, Izykowski J, Rosolowski E (2010) Fault Location on Power Networks,

Springer publications, 2010.

[73] M.M. Saha, J. Izykowski and E. Rosolowski (2004) A two-end method of fault location immune to saturation of current transformers, Developments in Power System Protection Proceedings, Amsterdam, pp. 172– 175, 2004.

[74] J. M. Samper, J. M. Lagunilla, R. B. Perez, GPS and GalileoL Dual RF Front-

- 103 -

End Receiver Design.

Tài liệu tham khảo

[75] Silva M, Oleskovicz M, Coury DV (2004) A fault locator for transmission lines using travelling waves and wavelet transform theory, Proceedings of 8th International conference on Developments in Power System Protection – DPSP, IEE CP500, 2004, pp. 212-215.

[76] M. da Silva, M. Oleskovicz, and D. V. Coury (2006) A Fault Locator for Three-Terminal Lines Based on Wavelet Transform Applied to Synchronized Current and Voltages Signals, IEEE PES Trans. And Distr. Conf. and Exposition Latin America, Venezuela, 2006.

[77] Suhaas Bhargava Ayyagari (2011) Artificial neural network based fault location

for transmission line, University of Kentucky, 2011.

[78] Sukumar M. Brahma (2007) Iterative Fault Location Scheme for a Transmission Line Using Synchronized Phasor Measurements, International Journal of Emerging Electric Power Systems, 2007.

[79] Swingler K (1996) Applying Neural Networks: A Practical Guide, Morgan

Kaufmann, 1996.

[80] Takagi K, Yamakoshi Y, Yamaura M, Kondow R, T. Matsushima (1982) Development of a new type fault locator using the one terminal voltage and current data, IEEE Trans. Power Apparatus and Systems, PAS-101(8), 1982, 2892-2898.

[81] D. A. Tziouvaras, J. B. Robrts, and G. Benmouyal (2002) New Multi-ended Fault Location Design for two- or three- terminal lines, In Proc. 2002 IEE Development in Power System Protection Conference, pp.395-398.

[82] D. L. Waikar, S. Elangovan, and A.C. Liew (1994) Fault impedance estimation algorithm for digital distance relaying, IEEE Transactions on Power Delivery, vol. 9, no.3, July 1994.

[83] Wang A., Ramsay B (1998) A neural network based estimator for electricity spot- pricing with particular reference to weekend and public holiday, Neurocomputing, vol. 23, p. 47 - 57, 1998.

[84] Werbos P.J (1974) Beyond regression: New tools for prediction and analysis in the behavioral sciences, PhD Thesis, Harvard University, Cambridge, MA, 1974.

[85] A. Wiszniewski (1985) Fault location correction of errors due to current transformers, Developments in Power System Protection Proceedings, Conference Publ. No. 249, pp. 185–187, 1985.

[86] Wright A, Christopoulos C (1993) Electrical Power System Protection, Chapman

& Hall publications, London, 1993.

[87] Jun-Zhe Yang, Chiu-Wen Liu (1938) Complete Elimination of DC Offset in Current Signals for Relaying Applications, Power Engineering Society Winter Meeting, 2000 IEEE, Volume 3, PP1933-PP1938.

- 104 -

[88] Yuan Liao, Ning Kang (2009) Fault Location algorithms without utilizing line parameters based on distributed parameter line model, IEEE Transactions on Power Delivery, vol. 24, no. 2, pp. 579-584, Apr 2009.

Tài liệu tham khảo

[89] I. Zamora, J.F. Minambres, A.J. Mazon, R. Alvarez-Isasi and J. Lazaro (1996) Fault location on two-terminal transmission lines based on voltages, IEE Proc. Gener. Transm. Distrib., vol. 143, pp. 1–6, No. 1, 1996.

[90] Q. Zhang, Y. Zhang, W. Song, and D. Fang (1998) Transmission line fault location for single-phase-to-earth fault on non-direct-ground neutral system, IEEE Transactions on Power Delivery, Vol. 13, no.4, Oct. 1998.

[91] Ziegler G (2006) Numerical Distance Protection, Principles and Applications,

Siemens AG, Publicis MCD Verlag, Erlangen, 2006.

[92] Karl Zimmerman, David Costello, “Impedance-based fault location experience”,

Schweitzer Engineering Laboratories, Inc. Pullman, WA USA.

[93] Zurada J. M (1992) Introduction to Artificial Neural Systems, PWS Publishing

Company, 1992.

[94] Fabrication and Testing, Communication Engineering, McGraw-Hill

Professional, 2008.

[95] Zhihong Chen and Jean-Claud Maun (2000) Artificial neural network approach to IEEE lines, Power Systems, fault for

single-ended transmission locator Transactions on , vol.15, no.1, pp. 370-375, 2000.

[96] W. Zhao, Y. H. Song, W. R. Chen (2001) Improved GPS travelling wave fault locator for power cables by using wavelet analysis, International Journal of Electrical Power & Energy Systems, Vol. 23, 5, June 2001, pp. 403 - 411.

[97] S.H., Horowitz, A.G. Phadke (2008) Power System Relaying, 3rd edition, Wiley.

[98] Kuncheva, L.I. (2004). Combining Pattern Classifiers: Methods and Algorithms,

Wiley-Interscience, Hoboken, NJ.

[99] Chow, C.K. (1965) Statistical independence and threshold functions, IEEE

Transactions on Electronic Computers, 14(1), pp. 66–68.

[100] Siwek K.; Osowski S. (2007) "Short Term Load Forecasting Model in the Power System Using Ensemble of Predictors," Instrumentation and Measurement Technology Conference Proceedings (IEEE-IMTC 2007), pp. 1 – 6.

[101] Giacinto, G., Roli, F. and Fumera, G. (2000) Design of effective multiple classifier systems by clustering of classifiers, 15th International Conference on Pattern Recognition, Barcelona, Spain, Vol. 2, pp. 160–163.

[102]

J. A. C. B. Silva, K. M. Silva,W.L.A.Neves, B. A. Souza, F. B. Costa (2012) Sampling frequency influence at fault locations using algorithms based on artificial neural networks, 2012 Fourth World Congress on Nature and Biologically Inspired Computing (NaBIC). pp 15-19.

- 105 -

[103] Ljupko Teklié, Božidar Filipovié-Greié (2013) Artificial neural network approach for locating faults in power transmission system, EuroCon 2013, 1-4 July 2013, Zagreg, Croatia, pp 1425-1430.

Tài liệu tham khảo

[104] Hagh, M.T; Razi, K; Taghizadeh, H (2007) Fault classification and location of power transmission lines using artificial neural network, Power Engineering Conference, 2007. IPEC 2007. International. 3-6 Dec. 2007. pp 1109-1114.

[105] R.K. Aggarwal, S.L. Blond, P. Beaumont, G. Baber, F. Kawano, S. Miura (20120 High frequency fault location method for transmission lines based on artificial neural network and genetic algorithm using current signals only, Developments in Power Systems Protection, 2012. DPSP 2012. 11th International Conference on.

[106] Anamika Jain, A.S.Thoke MIEEE, Ebha Koley and R. N. Patel MIEEE (2009) Fault classification and fault distance location of double circuit transmission lines for phase to phase faults using only one terminal data, Power Systems, 2009. ICPS '09. International Conference on, 27-29 Dec. 2009.

[107]

Joorabian, M (2000) Artificial neural network based fault locator for EHV transmission system, Electrotechnical Conference, 2000. MELECON 2000. 10th Mediterranean (Volume:3). 29-31 May 2000. pp 1003-1006.

[108] Kapildev Lout, Raj K. Aggarwal (2012) A feedforward Artificial Neural Network approach to fault classification and location on a 132kV transmission line using current signals only, Universities Power Engineering Conference (UPEC), 2012 4-7th International.

[109] Xiangning Lin, Peng Mao , Hanli Weng, Bin Wang, Z Q Bo and A Klimek (2007) Study on Fault Location for High Voltage Overhead Transmission Lines Based on Neural Network System, Intelligent Systems Applications to Power Systems, 2007. ISAP 2007. International Conference on, 5-8 Nov. 2007.

[110] Per Printz Madsen (1994) Neural Network for combining Linear and Non- Linear modelling of Dynamic Systems, Neural Networks, 1994. IEEE World Congress on Computational Intelligence, 1994 IEEE International Conference on (Volume:7 ), pp 4541-4546.

- 106 -

[111] S. Sajedi, F. Khalifeh, Z. Khalifeh, T. Karimi (2011) Application Of Wavelet Transform For Identification Of Fault Location On Transmission Lines, Australian Journal of Basic and Applied Sciences, 5(12): 1428-1432, 2011.

Danh mục các công trình đã công bố của luận án

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ

CỦA LUẬN ÁN

1. Trƣơng Tuấn Anh, Trần Hoài Linh (2011) Ứng dụng mạng nơron trong nhận dạng sự cố trên đường dây dài truyền tải. Tạp chí Khoa học & Công nghệ các trƣờng Đại học Kỹ thuật, số 81, trang 42-46, Hà Nội.

2. Trần Hoài Linh, Trƣơng Tuấn Anh (2011) Ứng dụng wavelet daubechies trong phát hiện thời điểm sự cố ngắn mạch trên đường dây dài. Hội nghị toàn quốc về Điều khiển và Tự động hoá VCCA-2011, Trang 393-398, Hà Nội.

3. Tran Hoai Linh, Truong Tuan Anh, David Cartes (2012) Detection of Two-Phase Shortage Fault Event on Transmission Line by Using Daubechies wavelets. International Symposium on Technology for Sustainability, November 21–24, 2012, Swissôtel Le Concorde, Bangkok, Thailand, pp 164-167.

4. Truong Tuan Anh, Tran Hoai Linh, Pham Hong Thinh (2013) Two-Phase short - circuit fault detections for transmission line by using artificial Neural Networks. Tạp chí Khoa học & Công nghệ các trƣờng Đại học Kỹ thuật, (đã nhận đăng), Hà Nội.

- 107 -

5. Trƣơng Tuấn Anh, Trần Hoài Linh, Đinh Văn Nhƣợng (2013) Phối hợp mạng nơron và phương pháp tổng trở để xác định vị trí sự cố ngắn mạch trên đường dây tải điện. Hội nghị toàn quốc về Điều khiển và Tự động hoá VCCA-2013, Trang 663-669, Đà Nẵng.

Phụ lục

PHỤ LỤC

Phụ lục 1. Thông số đƣờng dây 110kV Yên Bái - Khánh Hòa

 Điện áp đầu nguồn: Uđm = 225kV

 Thông số máy biến áp tự ngẫu:

- Công suất định mức Sđm = 125/125/25 MVA.

- Điện áp định mức Uđm = 225/115/23 kV.

- Sơ đồ đấu dây: Y0 TN/Δ-11

- Điện áp ngắn mạch: UNC-T = 10,7%; UNC-H = 33,8%; UNT-H = 19,9%.

- Tổn thất công suất không tải ở Uđm: ΔP0 = 38kW.

- Dòng điện không tải ở Uđm: I0 = 0,03%.Iđm

- Tổn thất khi đầy tải ΔPNC-H = 297kW.

 Chiều dài đƣờng dây: l = 118,5km

 Tiết diện dây dẫn: AC - 185/29

- Điện trở đơn vị: r0 = 0,162 (/km)

- Bán kính phần lõi thép: 0,345 (cm)

- Bán kính phần nhôm: 0,94 (cm)

 Thông số tải 3 pha: U = 110kV, Stải = 99,1 (MVA); cos = 0,85

 Dây chống sét C50:

- Điện trở đơn vị: r0 = 0,225 (/km).

- Bán kính phần lõi Thép: 0,115 (cm).

- Bán kính dây dẫn: 0,46 (cm).

Bảng PL1.1. Thông số cột đường dây 110kV Yên Bái - Khánh Hòa

 Thông số cột:

STT Pha Pha - Đất (m) Độ võng Pha - Đất (m) Pha - Cột (m)

A 1 2,5 23 22

B 2 2,5 18,5 17,5

C 3 2,5 14 13

- 108 -

Chống sét 0 0 26 25

Phụ lục

Phụ lục 2. Phiếu chỉnh định Rơle và thiết bị tự động đƣờng dây 110kV Yên Bái - Khánh Hòa

Hình PL2.1: Phiếu chỉnh định Rơle và thiết bị tự động

Hình bìa của phiếu chỉnh định Rơle và thiết bị tự động, hình PL2.1):

Một số thông số cài đặt cho rơle 7SA522 cho đƣờng dây 110kV Yên Bái - Khánh

Hòa đƣợc thiết lập nhƣ sau:

- 0201 CT Starpoint

towards Line

- 0203 Rated Primary Voltage

115.0 kV

- 0204 Rated Secondary Voltage (L-L)

110V

- 0205 CT Rated Primary Current

800 A

- 0206 CT Rated Secondary Current

1 A

- 1110 Line Reactance per length unit

0.3160 (/km)

- 1111 Line length

118.5 km

- 1201 21 Distance protection is:

on

- 1301 Operating mode Z1

Forward

- 109 -

Phụ lục

- 1302 R(Z1), Resistance for ph-ph-faults

10.0 

- 1303 X(Z1), Reactance

13.3 

- 1304 RG(Z1), Resistance for ph-gnd-faults

19.0 

- 1305 T1-1phase, delay for single phase faults

0.00 sec

- 1306 T1multi-ph, delay for multi phase faults

0.00 sec

- 1311 Operating mode Z2

Forward

- 1312 R(Z2), Resistance for ph-ph-faults

48.0 

- 1313 X(Z2), Reactance

45.0 

- 1314 RG(Z2), Resistance for ph-gnd-faults

80.0 

- 1315 T2-1phase, delay for single phase faults

1.00 sec

- 1316 T2multi-ph, delay for multi phase faults

1.00 sec

- 1321 Operating mode Z3

Forward

- 1322 R(Z3), Resistance for ph-ph-faults

60.0 

- 1323 X(Z3), Reactance

60.0 

- 1324 RG(Z3), Resistance for ph-gnd-faults

100.0 

- 1325 T3, delay

3.00 sec

- 1331 Operating mode Z4

Inactive

- 1341 Operating mode Z5

Inactive

- 1351 Operating mode Z1B (overrreach zone)

Forward

- 1352 R(Z1B), Resistance for ph-ph-faults

48.0 

- 1353 X(Z1B), Reactance

45.0 

- 1354 RG(Z1B), Resistance for ph-gnd-faults

80.0 

- 1355 T1B-1phase, delay for single phase faults

0.00 sec

- 1356 T1Bmulti-ph, delay for multi phase faults

0.00 sec

- 110 -

Phụ lục

Phụ lục 3. Thông số cài đặt trong mô hình ATP/EMTP

 Nguồn điện 3 pha: Sources/ AC-3ph. type 14:

­ Điện áp nguồn điện 115kV: Điện áp nhập cho mô hình:

= 183712 (V)

Hình PL3.1: Nhập thông số cho nguồn điện trong ATP/EMTP

­ Tần số: 50 Hz

­ Tổng trở sóng: ZC = 300 (Ω)

­ Điện cảm nguồn tƣơng đƣơng phía 110kV:

­ Điện cảm thứ tự thuận: (A)

- 111 -

(kA)

Phụ lục

(kΩ)

(kH)

= 84,5796 (mH)

­ Điện cảm thứ tự không: (A)

­ (kA)

(kΩ)

(kH)

Hình PL3.2: Nhập thông số cho điện cảm nguồn điện trong ATP/EMTP

(mH) = 119,523

 Máy biến áp tự ngẫu 3 pha:

Các thông số cho trƣớc:

- 112 -

Tính toán cho mô hình máy biến áp tự ngẫu BCTRAN:

Phụ lục

Hình PL3.3: Thiết lập thiết bị đo dòng và áp 3 pha trong ATP/EMTP

 Thiết bị đo dòng điện 3 pha (Probe Current) và điện áp 3 pha (Probe Volt):

- 113 -

 Thiết bị tách mạch 3 pha (Splitter 3 phase).

Phụ lục

 Thiết bị chuyển mạch có điều khiển theo thời gian (Switch time controlled):

­ T-cl = 0,04 (s): Thời gian bắt đầu đóng của thiết bị chuyển mạch tạo trƣờng

hợp ngắn mạch 1 pha (pha A nối với đất).

Hình PL3.4: Thiết lập thông số thiết bị chuyển mạch trong ATP/EMTP

­ T-op = 0,2 (s): Thời gian bắt đầu mở của thiết bị chuyển mạch.

 Đƣờng dây trên không mô tả theo mô hình đƣờng dây LCC:

Trong luận án sẽ sử dụng mô hình PI để mô phỏng đƣờng dây. Bên cạnh đó một chức năng khá hữu ích của ATP/EMTP là đƣờng dây có thể đƣợc mô tả thông qua các dữ liệu hình học và vật liệu của đƣờng dây chứ không cần phải tự tính toán trƣớc các thông số.

Khai báo trong Model:

­ Đƣờng dây trên không 3 pha (Overhead Line 3 ph).

­ Hiệu ứng mặt ngoài (Skin effect).

­ Mô hình thông số dải (Model - PI).

­ Điện trở suất của đất (Rho = 100 *m).

­ Tấn số (Freg. init = 0.01 Hz).

- 114 -

­ Chiều dài đƣờng dây (km): tùy theo chế độ mô phỏng, nếu chiều dài đƣờng dây là l, thì chiều dài từ đầu đƣờng dây đến vị trí sự cố là x thì đoạn đƣờng dây còn lại sẽ là l-x.

Phụ lục

Hình PL3.5: Thiết lập thông số cho mô hình đường dây LCC trong ATP/EMTP

Hình PL3.6: Thiết lập dữ liệu đường dây LCC trong ATP/EMTP

Khai báo các thông số đƣờng dây trong menu Data của LCC:

­ Thứ tự pha: pha A (1), pha B(2), pha C(3), dây chống sét (0)

­ Thông số của các pha: bán kính phần lõi dây dẫn (Rin), bán kính dây dẫn (Rout), điện trở trên một đơn vị chiều dài dây dẫn (Resis), khoảng cách từ các dây dẫn đến cột (Horiz), khoảng cách từ các dây dẫn đến đất (Vtower), khoảng cách từ điểm thấp nhất giữa hai khoảng cột của các dây dẫn đến đất (Vmid). Các thông số kết cấu cột cho trong Phụ lục 1.

 Thông số tải của đƣờng dây: điện áp dây U = 110 kV; Công suất tải 3 pha Stải =

- 115 -

99,1 (MVA); hệ số công suất cos = 0,85.

Phụ lục

­ Phụ tải ở chế độ làm việc lớn nhất: Smax = 99,1 (MVA):

(MW)

(kA)

(Ω)

(Ω)

(Ω)

Hình PL3.7: Thiết lập dữ liệu cho mô hình tải Smax trong ATP/EMTP

(H) = 615 (mH)

­ Phụ tải ở chế độ làm việc: S50% = 50%Smax:

(MW)

(kA)

(Ω)

(Ω)

(Ω)

- 116 -

(H) = 1230,08 (mH)

Phụ lục

Hình PL3.8: Thiết lập dữ liệu cho mô hình tải S50% trong ATP/EMTP

­ Phụ tải ở chế độ làm việc: S30% = 30%Smax:

(MW)

(kA)

(Ω)

(Ω)

(Ω)

Hình PL3.9: Thiết lập dữ liệu cho mô hình tải S30% trong ATP/EMTP

- 117 -

(H) = 2050,14 (mH)

Phụ lục

 Điện trở sự cố, thực hiện mô phỏng với các trƣờng hợp:

­ Ngắn mạch trực tiếp: Rsc = 0 ()

Hình PL3.10: Thiết lập dữ liệu cho mô hình điện trở sự cố trong ATP/EMTP

- 118 -

­ Ngắn mạch qua điện trở ngắn mạch: Rsc = 1, 2, 3, 4, 5 ()