Đánh giá ổn định động hệ thống điện dùng mạng nơ ron nhân tạo

ix

MC LC

Trang tựa
Quyt đnh giao đ tài
Lý lch khoa học i
Li cam đoan iii
Li cm t iv
Tóm tắt v
Abstract vii
Mc lc ix
Danh sách các ch vit tắt xiv
Danh sách các hình xv
Danh sách các bng xvi
Chng 1. TNG QUAN
1.1. Tng quan v lĩnh vc nghiên cu 1
1.2. Mc tiêu ca lun án 5
1.3. Phm vi nghiên cu 6
1.4. Giá tr thc tin ca lun án 6
Chng 2. ĐÁNH GIÁ N ĐNH H THNG ĐIN
2.1. Các ch đ h thng đin 7
2.2. n đnh h thng đin 7
2.2.1. n đnh tĩnh 8
2.2.1. n đnh tĩnh 11
2.3. Phng trình dao đng 12
2.4. Đn gin hóa mô hình máy phát 16
2.5. Tiêu chuẩn cơn bằng din tích 17
x

2.6. Phng pháp tích phơn s cho phng trình dao đng 20

2.7. n đnh h nhiu máy 22
Chng 3. Lụ THUYT NHN DNG
3.1. Khái nim 27
3.2. Nhng tính chất ca nhn dng mu vƠ hin tng 28
3.3. Nhn dng mu trên c sở hình thc hóa tri thc 29
3.4. Phng pháp lun từ vic hc qua ví d 32
3.5. Kt lun 33
Chng 4. Lụ THUYT MNG N-RON NHỂN TO
4.1. Gii thiu 35
4.2. Cấu trúc mng n-ron nhơn to 35
4.3. Phơn loi mng n-ron nhơn to 40
4.4. Các phng pháp huấn luyn mng n-ron 41
4.5. Mng n-ron truyn thẳng vi thut toán lan truyn ngc 44
4.5.1. Cu trúc 44
Chng 5. LA CHN BIN ĐC TRNG TRONG ĐÁNH GIÁ N ĐNH
H THNG ĐIN
5.1. Mô hình nhn dng thông minh đánh giá n đnh đng h thng đin dùng
mng n-ron nhơn to 48
5.2. To c sở d liu 48
5.2.1. Chun hóa d liu 50
5.2.1. Phơn chia d liu 50
5.3. La chn bin đc trng 50
5.3.1. Xác đnh tp bin đc trng ban đu 51
xi

5.3.2. Gii thut lựa chọn bin đc trng 52
5.3.2.1. Chin lc tìm kim ti u toƠn cc 52
5.3.2.2. Chin lc tìm kim ti u cc b 52
5.4. La chn tp con bin ng viên tim năng 54
5.4.1. HƠm khong cách Fisher 54

5.4.2. HƠm khong cách Divergence 54
5.5. Huấn luyn vƠ đánh giá mô hình nhn dng 54
5.6. Áp dng đánh giá n đnh đng h thng đin GSO ậ 37bus 55
5.6.1. Mô t h thng đin GSO ậ 37bus 55
5.6.2. Bin đc trng đu vƠo vƠ đu ra 57
5.6.3. Kt qu nhn dng chính xác 59
Chng 5. KT LUN VÀ HNG NGHIểN CU PHÁT TRIN
6.1. Kt lun 61
6.2. Hng nghiên cu phát trin 62
TÀI LIU THAM KHO 63
PH LC 68
PH LC 1: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
CA QUÁ TRÌNH HUN LUYN MNG N-RON
68
PH LC 2: CHNG TRỊNH TệNH T L HUN LUYN TRÊN TP D
LIU BAN ĐU
68
PH LC 3: CHNG TRỊNH TệNH T L PHÂN LOI SAU HUN LUYN
TRÊN TP MU BAN ĐU
69
PH LC 4: CHNG TRỊNH TệNH T L PHÂN LOI SAU KIM TRA
TRÊN TP MU KIM TRA
69
xii

PH LC 5: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
TRÊN TP MU HUN LUYN VÀ KIM TRA 1
70
PH LC 6: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
TRÊN TP MU HUN LUYN VÀ KIM TRA 2

70
PH LC 7: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
TRÊN TP MU HUN LUYN VÀ KIM TRA 3
71
PH LC 8: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
TRÊN TP MU HUN LUYN VÀ KIM TRA 4
72

PH LC 9: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
TRÊN TP MU HUN LUYN VÀ KIM TRA 5
72
PH LC 10: CHNG TRỊNH ĐÁNH GIÁ Đ CHÍNH XÁC NHN DNG
TRÊN TP MU HUN LUYN VÀ KIM TRA 6
73
PH LC 11: CHNG TRỊNH TệNH KHONG CÁCH FISHER VÀ VẼ Đ
TH XP HNG BIN ĐC TRNG
74
PH LC 12: CHNG TRỊNH TệNH KHONG CÁCH DIVERGENCE VÀ
VẼ Đ TH XP HNG BIN ĐC TRNG
74
PH LC 13: CHNG TRỊNH TNG QUÁT ĐÁNH GIÁ Đ CHÍNH XÁC
NHN DNG KT HP PHNG PHÁP XP HNG BIN ĐC TRNG
DÙNG HÀM KHONG CÁCH FISHER
75
PH LC 14: CHNG TRỊNH TNG QUÁT ĐÁNH GIÁ Đ CHÍNH XÁC
NHN DNG KT HP PHNG PHÁP XP HNG BIN ĐC TRNG
DÙNG HÀM KHONG CÁCH DIVERGENCE
76
xiii

PH LC 15: CHNG TRỊNH VẼ Đ TH SO SÁNH Đ CHÍNH XÁC
NHN DNG TRÊN 6 TP D LIU HUN LUYN/ KIM TRA GIA HÀM
KHONG CÁCH FISHER VÀ DIVERGENCE
77
PH LC 16: BNG XP HNG BIN ĐC TRNG THEO HÀM KHONG
CÁCH FISHER
78
PH LC 17: BNG XP HNG BIN ĐC TRNG THEO HÀM KHONG
CÁCH DIVERGENCE
80
PH LC 18: THÔNG S H THNG ĐIN GSO 37 BUS
82
 THÔNG SÔ ĐNG DÂY (BRANCHES INPUT)
82
 THÔNG S NHÁNH (BRANCHES STATE)
84
 THÔNG S XÁC LP TRÊN CÁC THANH GÓP (BUSES)
86
 THÔNG S TRNG THÁI XÁC LP CA MÁY PHÁT
(GENERATORS)
87
 THÔNG ĐIN DN, DUNG DN SONG SONG (LINE SHUNT)
87
 THÔNG S PH TI (LOAD)
87
 THÔNG S THIT B BÙ NGANG (SWITCH SHUNTS)
89
 THÔNG S CÀI ĐT ĐU PHÂN ÁP TRÊN MÁY BIN ÁP
(TRANSFOMER CONTROL) (PHASE (deg) = 0; STEP SIZE = 0.00625)
90

 THÔNG S THIT B KÍCH T MÁY PHÁT (GENERATOR
EXCITERS)
90
xiv

 THIT B ĐIU TC MÁY PHÁT (GENERATOR GOVERNERS)
91
 MÔ HÌNH MÁY PHÁT (GENERATOR MACHINE MODELS)
91

DANH SÁCH CH VIT TT
DSA Dynamic Stability Assessment
ANN Artificial Neural Network
CCT Critical Clearing Time
PR Pattern Recognition
DT Decision Tree
MLFN Multilayer Feedforward Neural Network
MLPN Multilayer Perceptron Neural Network
BP Back Propagation
BPMLFN Back Propagation Multilayer Feedforward Neural Network
GA Genetic Algorithm
CPU Central Process Unit
DDR Double Data Rate
HDD Hard Disk

xv

DANH SÁCH CÁC HÌNH
HÌNH TRANG

Hình 2.1: S đ mt h thng đin đn gin 8
Hình 2.2: Đc tính công sut ca máy phát vƠ đc tính công sut c ca Tuabin 8
Hình 2.3: S đ HTĐ xét nút ph ti và tng quan cân bằng công sut phn kháng
11
Hình 2.4: Đc tính Q ậ U 11
Hình 2.5: Mô hình đn gin hóa máy phát đin (S đ mch). 16
Hình 2.6: Mô hình đn gin hóa máy phát đin (S đ pha) 17
Hình 2.7: Máy phát kt ni vi h thng tng đng 17
Hình 2.8: Biu din pe, pm theo δ 20
Hình 2.9: Phng pháp Euler 21
Hình 2.10: Phng pháp Euler ci tin 22
Hình 2.11: H thng đin gm N nút dùng đ nghiên cu n đnh 23
Hình 4.1: Cu trúc 1 n-ron sinh học 36
Hình 4.2: Sự liên kt ca n-ron 36
Hình 4.3: Mô hình toán ca 1 n-ron nhân to 37
Hình 4.4: Hàm nc 38
Hình 4.5: Hàm du 39
Hình 4.6: Hàm tuyn tính 39
Hình 4.7: Hàm tuyn tính bão hòa 39
Hình 4.8: HƠm Sigmoid đn cực 40
Hình 4.9: Hàm Sogmoid lng cực 40

Hình 4.10: Cu trúc Mng N-ron truyn thẳng nhiu lp 45
Hình 5.1: Mô hình nhn dng thông minh đánh giá n đnh đng h thng đin
49
Hình 5.2: S đ h thng đin GSO 37 bus 56
Hình 5.3: Xp hng bin theo khong cách Fisher 58
xvi

Hình 5.4: Xp hng bin theo khong cách Divergence 58
Hình 5.5: So sánh đ chính xác nhn dng trên tp kim tra cho các phng pháp
tính khong cách 59


DANH SÁCH CÁC BNG
BNG TRANG

Bng 5.1: Kt qu đánh giá chọn bin đc trng theo khong cách Fisher 60
Bng 5.2: Kt qu đánh giá chọn bin đc trng theo khong cách Divergence 60

Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 1 -
Chng 1
TNG QUAN

1.1. Tng quan v lĩnh vc nghiên cu
Đánh giá n đnh đng ca h thng đin là mt trong nhng nhim v quan
trọng nht trong quá trình thit k và vn hành h thng đin. Năm 1920, n đnh
đng ca h thng đin ln đu tiên đc chú Ủ đn nh lƠ mt trong nhng nhim
v quan trọng ca vic thit k và vn hành khi các h thng đin nh đc ni kt
vi nhau thành mt h thng ln. Qua hn 50 năm, vi nhiu công trình nghiên cu
ca nhiu tác gi khác nhau trên th gii cùng vi sự phát trin ca công ngh bán

dn và công ngh thông tin, lý thuyt cũng nh nhng công c phơn tích vƠ đánh
giá n đnh đng ca h thng đin đƣ c bn hình thành. Tuy vy, t năm 1990 do
yêu cu đin năng tăng vt bc, nhiu h thng đin ln liên kt các h thng đin
gia các vùng ca mt quc gia hoc gia nhiu quc gia nh h thng đin 500
KV Vit Nam, h thng đin Bắc Mỹ đƣ hình thƠnh. Vic đánh giá n đnh đng
cho nhng h thng đin phc tp này là mt trong nhng vn đ khó khăn, đc bit
khi xét h thng vn hành trong thi gian thực.
Đ đánh giá h thngn đnh hay không n đnh sau sự c ln, có nhiu
phng pháp đc áp dng. Phng phápmô phng theo min thi gian cho kt qu
chính xác đ đánh giá n đnh quá đ h thng đin nhng không cho bit biên n
đnh ca h thng, tn nhiu thi gian do phi gii h phng trình vi phơn phi
tuyn sau sự c [4,9,8,10], cho nên không phù hp trong đánh giá trực tuyn.
Phng pháp nƠy cũng không cung cp thông tin mc đ n đnh hoc không n
đnh [4,5,7]. Phng pháp s cho câu tr li chính xác v n đnh quá đh thng
đin, nhng gp khó khăn trong gii phng trình vi phơn bc 2, và mt nhiu thi
gian gii [15]. Phng pháp hƠm năng lng xác đnh n đnh h thng đin dựa
trên hƠm năng lng, tránh vic gii tng bc nh phng phápmô phng theo
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 2 -
min thi gian, tuy nhiên ng dng thực t vn còn tip tc nghiên cu, nguyên do
chính lƠ đi vi h thng đin ln nhiu máy phát cn phi đn gin hóa mô hình
[6,22], cn nhiu tính toán đ xác đnh ch s n đnh [14,4,24].
Nh vy, các phng pháp truyn thng tn rt nhiu thi gian tính toán, không
phù hp đánh giá trong thi gian thực, vi yêu cu rt khắc khe v thi gian tính
toán, tính nhanh nhng phi chính xác đƣ xut hin nhu cu ng dng phng pháp
khác hiu qu hn.
Phng pháp kỹ thut nhn dng mu áp dng đánh giá n đnh đng h thng
đin b qua gii tích và thay th bằng cách học quan h mu đu vƠo vƠ đu ra [10],
các tip cn theo hng này [10,11] thì b phân loi đc hun luyn off-line và
kim tra on-line. Trong [12], tác gi chọn tín hiu đu vào là các bin đc trng ch

đ xác lp tin sự c đ chn đoán sự c qua ch s thi gian cắt ti hn (CCT ậ
Critical Clearing Time), tuy nhiên tìm mi liên h gia các bin đc trng trng thái
xác lp và cp n đnh cũng lƠ mt thách thc.
H thng nhn dng mu tìm kim, lọc nhng mu thông tin đc trng quan
trọng làm mu d liu đu vào, vic trích xut gim bin đc trng giúp cho h
thng x lý d liu mt cách nhanh chóng vƠ nơng cao đ chính xác. Kỹ thut nhn
dng rt tt cho bài toán tách bit tuyn tính gia các lp, nhng tách bit gia các
lp phi tuyn cha thực hin đc [18]. Vn còn đó thách thc cho nhà nghiên cu
trong tìm mi liên h gia các bin trng thái xác lp tin sự c và cp n đnh h
thng đin, vic gim bin đc trng nhng phi nơng cao đ chính xác dự báo.
Mng neural nhân to (ANN ậ Artificial Neural Network) là mt trong các
phng pháptip cn đánh giá n đnh h thng đinthu hút đc nhiu sự quan tâm
ca các nhà nghiên cu do kh năng học hi nhanh chóng quan h phi tuyn vào/ ra.
Bài báo [16,13,21] ng dng (MLPNN - Multilayer Perceptron Neural Network) đ
c lng biên n đnh quá đ h thng đin.
Trong chn đoán n đnh đng có 2 giai đon. Mt là chn đoán dựa vào bin
đc trng tin sự c  trng thái xác lp gm công sut máy phát, công sut đng
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 3 -
dơy, đin áp bus, chn đoán nƠy mang tính dự phòng ngăn chn tích cực sm, vn
đ này áp dng trong [14,17,20,23,28]. Hai là, chn đoán n đnh đng dựa vào bin
đc trng sau sự c nh ch s mc đ nghiêm trọng, góc

, quỹ đo đin áp,
trong chn đoán nƠy cho bit trng thái n đnh sắp ti ca h thng đin do sự c
gây ra. Trong [25], tác gi kt hp mng neural và logic m có kh năng tự học và
học liên tc, [27] kt hp phng pháp truyn thng vi mng neural đ tăng đ
chính xác chn đoán.
Trong đánh giá n đnh đng đc chia làm hai loi chính là chn đoán vƠ đánh
giá. Chn đoán n đnh đng thng tp trung vào ch s CCT ca h thng đi vi

sự c, CCT là thi gian cắt sự c dài nht cho phép đh thng vn gi n đnh ng
vi góc công sut cắt chun, và 3 giai đon sự c mà h thng đin tri qua: trc
sự c, đang sự c và sau sự c. Trong đánh giá n đnh đng, không cn quan tâm
CCT mà cn quan sát quá trình quá đ xy ra khi gp sự c, câu hi mu cht trong
đánh giá n đnh đng lƠ sau dao đng quá đ kt qu là h thng đin n đnh hay
không n đnh[19,26], bài toán chn đoán n đnh quá đ thng xem xét quá trình
trc sự c và sau sự c, chn đoán n đnh qua xác đnh góc đng b và thi gian
t lúc dao đng đu tiên.
Các nghiên cu theo hng nhn dng, mng neural đánh giá n đnh đng h
thng đin, vic đánh giá dựa vào bin trng thái trc sự c vn là mt thách thc
ln do quá trình học vn còn li không tránh khi. Do vy, cn thit phát trin h
thng nhn dng thông minh có kh năng đánh giá n đnh h thng đin tha mãn
đ chính xác vƠ nơng cao đ tin cy.
Do tính phc tp ca h thng đin nu gii bằng các phng pháp truyn
thng mt nhiu thi gian và gây nên sự chm tr trong vic ra quyt đnh, cho nên
rt cn gii pháp đánh giá nhanh và tin cy. H thng nhn dng thông minh kt hp
phng pháp ANN, có u đim ln là kh năng tính toán song song, nhanh vƠ chính
xác cao. Mt điu quan trọng rằng, đh thng nhn dng thông minh có hiu sut
cao thì các bin đc trng đu vào phi đc chọn hiu qu, các bin đc trng nƠy
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 4 -
li gia tăng theo kích c h thng đin, cho nên cn phi tìm gii pháp trích xut
gim bin đc trng, phơn loi nhóm d liu bin đc trng giúp cho h thng nhn
dng thông minh x lý d liu mt cách nhanh chóng và nơng cao đ chính xác,
điu nƠy các công trình đƣ công b còn là hn ch, cho nên đòi hi phi có cách mi
phân loi mu hiu qu, giúp gii quyt bài toán chn đoán nhanh n đnh h thng
đin và cnh báo sm trng hp không n đnh.
ANN là mt công c tính toán thông minh hiu sut cao đc lựa chọn cho
đánh giá n đnh đng h thng đin. Hiu sut ca ANN ng dng đ đánh giá n
đnh đng h thng đin yêu cu quá trình hun luyn ANN đ bao trùm toàn b

nhng kch bn vn hành h thng s không nh hng đn cu hình h thng hoc
mc công sut ph ti. Vì vy, quá trình lựa chọn nhng bin đc trng phù hp là
yêu cu đ xây dựng mt công c ti u đ đánh giá chính xác n đnh đng h
thng đin.
So sánh vi nhng phng pháp đánh giá n đnh khác, nhng đc đim ni bt
ca ANN gm: tc đ đánh giá n đnh theo thi gian thực, yêu cu ít d liu hn,
kh năng tng hp và m rng cao hn.
Đin hình sự phát trin ca h thng nhn dng gm nhng bc sau:
- To c s d liu trong quá trình đánh giá n đnh h thng đin
- Thit lp các mu d liu ngõ vào/ ngõ ra, lựa chọn nhng bin đc trng h
thngphù hp nh lƠ ngõ vƠo vƠ ch mc n đnh cho ngõ ra
- Trích xut tri thc mà bao gm mi quan h gia mu d liu ngõ vào và
ngõ ra cùng thut toán học
- Phê chun , so sánh hiu sut ca ANN
Hin ti các nhà nghiên cu ch yu tp trung vƠo bc 3, liên tc tác đng đ
to nên nhng mô hình mi nhằm thu đc mi quan h ánh x gia ngõ vào và
ngõ ra, trong khi ít quan tơm đn bc lựa chọn bin đc trng ngõ vƠo trong bc
2, thực t lƠ bc rt quan trọng nh hng đn hiu sut ca ANN, nó không ch
quyt đnh đn thi gian tính toán trong quá trình mô phng off-line mà còn tác
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 5 -
đng rt ln đn đ chính xác. Trong quá kh mt s nhà nghiên cu lựa chọn mt
s lng bin đc trng có liên quan vi nhau trong mu d liu ngõ vào dựa trên
kinh nghim ca họ [30]-[31]. Nhng đ lựa chọn nhng bin đc trng mt cách
có hiu qu, chúng ta nên dựa trên nhng kỹ thut lựa chọn bin đc trng [31]-[37]
Nhn xét chung trong các hng nghiên cu chn đoán/đánh giá n đnh h
thng đin thì hng ng dng ANN, nhn dng, ầ lƠ hng đc nhiu tác gi
quan tâm và tp trung nghiên cu nhiu trong nhng năm gn đơy.
Lựa chọn bin đc trng rt quan trọng trong bc xây dựng h thng nhn
dng thông minh đánh giá n đnh đng h thng đin dùng mng neural.

Không có mt công trình nào nghiên cu mt cách có h thng v vn đ lựa
chọn bin đc trng cho đánh giá n đnh h thng đin, không có chúng, có th
khó khăn trong vic đm bo hiu sut ca h thng nhn dng thông minh đánh giá
n đnh h thng đin. Trong thi gian nƠy, cũng cn nhn mnh đn sự cn thit
gii thiu mt s phng phápmi đ làm phong phú thêm nhng phng pháp lựa
chọn bin đc trng. Mc tiêu ca lun văn nhằm b sung nhng đim cn thit
trên.
1.2. Mc tiêu ca lun án
 Nghiên cu quy trình chung ca vic lựa chọn bin đc trng vƠ kho sát các
bc trên mt cách chi tit.
 Kim nghim kt qu nghiên cu trên h thng đin GSO-37 bus, 9 máy
phát.
 Nhim v ca lun án
 Nghiên cu và mô phng các ch đ h thng đin s dng phn mm:
Matlab, PowerWorld,ầ
 Nghiên cu h thng nhn dng thông minh dựa trên c s mng neural, lý
thuyt nhn dng,ầ chn đoán nhanh n đnh h thng đin.
 Đánh giá hiu qu ca thng nhn dng thông minh đc xây dựng.
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 6 -
1.3. Phm vi nghiên cu
 Nghiên cu lý thuyt nhn dng, mng neural, ầ
 Nghiên cu qui trình và xây dựng h thng nhn dng thông minh dựa trên
c s mng neural, lý thuyt nhn dng,ầ
 Áp dng đánh giá trên h thng đin chun: GSO ậ 37 bus, 9 máy phát
 Phng pháp nghiên cu
 Tham kho tài liu, các bài báo, các sách v chn đoán, đánh giá n đnh h
thng đin trong nc vƠ nc ngoài;
 Nghiên cu h thng nhn dng thông minh dựa trên c s mng neural, lý
thuyt nhn dng,ầ

 Nghiên cu s dng và lp trình bằng phn mm Matlab; mô phng bằng
phn mm Matlab, PowerWorld,
 S dng phng pháp mô hình hóa mô phng đ kim tra vƠ đánh giá kt
qu nghiên cu;
 Phân tích và tng hp.
1.4. Giá tr thc tin ca lun án
 Trình bày chi tit các bc tin hành lựa chọn bin đc trng, gii thiu, áp
dng hai phng pháp tính khong cách góp phn làm phong phú tài liu
tham kho hu ích cho nghiên cu bƠi toán đánh giá n đnh đng h thng
đin dùng kỹ thut mng thn kinh nhân to.





Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 7 -
Chng 2
ĐÁNH GIÁ N ĐNH H THNG ĐIN

2.1. Các ch đ h thng đin
Các ch đ làm vic ca h thng đin đc chia làm 2 loi chính: ch đ
xác lp và ch đ quá đ.
- Ch đ xác lp: là ch đ trong đó các thông s ca h thng không thay đi
hoc thay đi trong nhng khong thi gian tng đi ngắn, ch bin thiên
nh xung quanh các tr s đnh mc, là ch đ bình thng và lâu dài ca h
thng đin, còn đc gọi là ch đ xác lp bình thng. Ch đ sau sự c h
thng đc phc hi và làm vic tm thi cũng thuc v ch đ xác lp, mà
còn đc gọi là ch đ xác lp sau sự c.
- Ch đ quá đ: là ch đ trung gian chuyn t ch đ xác lp này sang ch

đ xác lp khác. Ch đ quá đ thng din ra sau nhng sự c hoc thao tác
đóng cắt các phn t đang mang công sut mƠ thng đc gọi là các kích
đng ln. Ch đ quá đ đc gọi là ch đ quá đ bình thng nu nó tin
đn ch đ xác lp mi. Trong trng hp này các thông s h thng b bin
thiên nhng sau mt thi gian li tr v tr s gn đnh mc và tip theo ít
thay đi. Ngc li, có th din ra ch đ quá đ vi thông s h thng bin
thiên mnh, sau đó tăng trng vô hn hoc gim đn 0. Ch đ quá đ đó
đc gọi là ch đ quá đ sự c.
2.2. n đnh h thng đin
n đnh h thng đin đ cp đn kh năng ca các máy phát đin dch
chuyn t 1 trng thái vn hành xác lp đn trng thái vn hành xác lp khác sau khi
b kích đng mà không mt đng b, có 2 loi n đnh h thng đin : n đnh tĩnh
và n đnh đng.
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 8 -
2.2.1. n đnh tĩnh
Bao hàm sự bin thiên nh và chm ca nhng đim vn hành. Nghiên cu
n đnh tĩnh thng đc thực hin bi các chng trình tính toán phơn b công
sut, đm bo góc pha đin áp trên đng dây không quá ln, đin áp ti các nút
gn vi đin áp đnh mc, máy phát, máy bin áp, đng dây truyn ti và các thit
b khác không b quá ti.

Hình 2.1: S đ mt h thng đin đn gin
0
P
0
P
e
P
a b

P
m
P(δ)
δ
01
δ
02

Hình 2.2: Đc tính công sut ca máy phátvƠ đc tính công sut c ca Tuabin
Đ có khái nim rõ hn v tính cht n đnh tĩnh, xét trng thái cân bằng
công sut ca mt máy phát trong 1 h thng đin đn gin nh Hình 2.1, tng
ng vi đc tính công sut đin t ca máy phát vƠ đc tính công sut c ca Tua-
bin Hình 2.2
Trong đó: công sut c ca Tua-bin đc coi lƠ không đi và công sut đin
t ca máy phát có th đc biu din di dng nh (2.1).
 
sin sin
e
H
EU
PP
X
  

(2.1)
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 9 -
Trong đó:

2

D
H F B
X
X X X
  
(2.2)
Trong đó:
X
H
: đin kháng tng tng đng ca h thng
X
F
: lƠ đin kháng tng đng ca máy phát
X
B
: lƠ đin kháng tng đng ca máy bin áp
X
D
: lƠ đin kháng tng đng ca mt đng dơy đn
Hình 2.2 tn ti 2 đim cân bằng a vƠ b tng ng vi các góc lch
01

và
02


Trong đó:
01
arcsin
m

e
P
P





(2.3)
02
180 arcsin
m
e
P
P





(2.4)
P
m
: là công sut c ca máy phát
P
e
: là công sut đin t ca máy phát
Tuy nhiên ch có đim cân bằng a là n đnh và to nên ch đ xác lp. Tht
vy, gi thuyt xut hin mt kích đng ngu nhiên làm lch góc


khi giá tr
01


mt lng
0


sau đó kích đng trit tiêu. Khi đó, theo các đc tính công sut, 
v trí mi, công sut đin t
 
P

ln hn công sut c P
m
, do đó máy phát quay
chm li, góc lch

gim đi, tr v giá tr
01

. Khi
0


hin tng din ra theo
tng quan ngc li P
m
< P(δ), máy phát quay nhanh lên, tr s góc lch


tăng,
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 10 -
cũng tr v
01

. Nh vy, đim a đc coi nh lƠ đim có tính cht cân bằng hay nói
khác đi, đim a lƠ đim có tính cht n đnh tĩnh.
Xét đim cân bằng b vi gi thit
0


, tng quan công sut sau kích
đng s là
 
m
PP


, làm góc

tip tc tăng lên, xa dn tr s
02

. Nu
0


tng quan công sut ngc li làm gim góc


, nhng cũng lƠm lch xa hn
trng thái cân bằng. Nh vy, ti đim cân bằng b, dù ch tn ti mt kích đng nh,
sau đó kích đng trit tiêu, thông s ca h thng cũng thay đi liên tc lch xa khi
tr s ban đu. Vì th, đim cân bằng b b coi lƠ đim cân bằng không n đnh. Cũng
vì nhng Ủ nghĩa trên n đnh tĩnh còn gọi là n đnh vi kích đng bé hay n đnh
đim cân bằng.
Nu xét nút ph ti vƠ tng quan cơn bằng công sut phn kháng ta cũng có
tính cht tng tự. Chẳng hn, xét mt h thng đin nh Hình 2.3. Nút ph ti
đc cung cp t nhng ngun phát. Đc tính công sut phn kháng nhn đc t
các đng dây v đn nút U có dng:

 
2
cos
i
ii
Di Di
UE
U
QU
XX


  


(2.5)
Trong đó:
Q
i

(U): lƠ đc tính công sut phn kháng theo đin áp U ca máy phát th i
U: lƠ đin áp nút ph ti
X
Di
: lƠ đin kháng tng đng ca đng dây ni t nút máy phát đn nút
ph ti
i i i
EE



: lƠ đin áp nút máy phát th i
Đin áp nút U ph thuc vƠo tng quan cơn bằng công sut phn kháng
Tng công sut phát Q
F
(U) =
 
i
QU

cân bằng vi công sut ti Q
t
ti các
đim c vƠ d nh Hình 2.4, tng ng vi các đin áp U
01
và U
02
. Nu gi đc cân
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 11 -

bằng công sut, đin áp nút U s không đi, còn nu
Ft
QQ
đin áp nút U s tăng
lên, khi
Ft
QQ
đin áp nút U s gim xung. Phơn tích tng tự nh trng hp
công sut tác dng ca máy phát, d thy đc ch có đim cân bằng d lƠ đim cân
bằng n đnh. Vi đim cân bằng c sau mt kích đng nh ngu nhiên đin áp U s
xa dn tr s đin áp U
01
, điu nƠy cũng có nghĩa lƠ đim cân bằng c lƠ đim cân
bằng không n đnh.
~
E
3
~
E
1
~
E
2
Q
2
Q
1
Q
3
Q

t

Hình 2.3:S đ HTĐ xét nút ph ti vƠ tng quan cơn bằng công sut phn kháng

Hình 2.4: Đc tính Q ậ U
2.2.2. n đnh đng
Bao hàm nhng sự kin xy ra theo chu kỳ thi gian dƠi hn, đin hình
khong vài phút. Vai trò ca h thng điu tc Tua-bin, h thng kích t, h thng
chuyn đi đu phân áp máy bin áp và các bin pháp điu khin khác t trung tâm
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 12 -
điu phi có th tác đng đn sự n đnh hoc không n đnh ca h thng đin
trong vài phút sau khi xy ra sự c.
Đ đn gin trong nghiên cu n đnh đng, nhng gi thit sau đc xây
dựng:
 Ch có h thng 3 pha cân bằng và ngắn mch cân bằng đc xét.
 Sự bin thiên tn s t tn s đng b lƠ tng đi nh, tác đng ca sóng
hƠi đc b qua. Vì vy h thng đng dây truyn ti, máy bin áp, tng
dn ti ch yu là xác lp, đin áp, dòng đin, công sut có th tính toán t
các phng trình đi s.
2.3. Phng trình dao đng
Xét t máy phát gm máy phát đin đng b 3 pha và h thng truyn đng
s cp ca nó. Chuyn đng ca rotor đc xác đnh theo đnh lut 2 ca Newton
( ) ( ) ( ) ( )
m m e a
J t T t T t T t

  
(2.6)
J = tng mô-men quán tính ca khi lng quay, kgm

2

α
m
= gia tc góc rotor, rad/s2

T
m
= mô-men c cung cp bi h thng truyn đng s cp tr cho mô-men
cn nh hng bi tn hao c học, Nm
T
a
= mô-men tăng tc
Ngoài ra gia tc góc ca rotor đc tính bi
2
2
( ) ( )
()
mm
m
d t d t
t
dt dt



(2.7)
()
()
m

m
dt
t
dt



(2.8)
Vi
ω
m
= vn tc góc ca rotor, rad/s
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 13 -
m

= v trí góc rotor so vi trc tĩnh, rad
 trng thái xác lp T
m
= T
e
, T
a
= 0, t (2.6), α
m
= 0, dn đn vn tc rotor
không đi, đc gọi là tc đ đng b.
Khi T
m
> T

e
, T
a
> 0, α
m
> 0, dn đn tc đ rotor tăng.
Tng tự khi T
m
< T
e
,dn đn tc đ rotor gim.
Đ tin cho vic đo lng v trí góc rotor so vi khung quy chiu quay đng
b thay th cho trc tĩnh. Chúng ta đnh nghĩa
( ) ( ) ( )
m msyn m
t t t
  

(2.9)
msyn

= vn tc góc đng b ca rotor, rad/s
m

= v trí góc ca rotor so vi khung quy chiu trc quay đng b, rad
S dng (2.7), (2.6) và (2.9) ta có:
22
22
( ) ( )
( ) ( ) ( )

mm
m e a
d t d t
J J T t T t T t
dt dt

   
(2.10)
NgoƠi ra đ tin tính toán dng đi lng công sut hn lƠ mô-men cũng nh
tính toán s dng đn v tng đi (per unit) hn lƠ đn v thực. Chúng ta nhân
(2.5) vi
()
m
t

và chia cho S
rated
, thì công sut biu kin ca máy phát đc tính nh
sau
2

2
( ) ( ) ( )( ( ) ( )) ( ) ( )
( ) ( )
m m m m e m e
mp u ep u
rated rated rated
d t d t t T t T t p t p t
J p t p t
S dt S S

  

   
(2.11)
Vi
.mp u
p
= công sut c đc cung cp t h thng truyn đng s cp tr đi tn
tht c khí, p.u
.ep u
p
= công sut ca máy phát cng vi tn hao
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 14 -
Cui cùng đ tính toán vi h s quán tính chun hóa, đc gọi là hằng s H,
chúng ta đnh nghĩa nh sau
2
1
2
msyn
rated
J
H
S


joules/VA (2.12)
Hằng s
 
1 10 . .H p u s  

. Trong khi J ph thuc vƠo kích thc và loi
máy phát. Tính J t (2.12) và th vào (2.11) ta có:
2
. . .
22
( ) ( )
2 ( ) ( ) ( )
mm
mp u ep u ap u
msyn
t d t
H p t p t p t
dt


  
(2.13)
Vn tc góc rotor (p.u)

()
()
m
pu
msyn
t
t





(2.14)
Phng trình (2.8) tr thành
2
. . . . . . . .
2
2 ( )
( ) ( ) ( ) ( )
p u mp u ep u ap u
syn
H d t
t p t p t p t
dt



  
(2.15)
Vi máy phát có P cực t, gia tc góc (đin) α, tn s góc (đin) ωvà góc
công sut
( ) ( )
2
m
p
tt


(2.16)
( ) ( )
2
m

p
tt


(2.17)
( ) ( )
2
m
p
tt


(2.18)
Tng tự, tn s góc (đin) đng b là
2
syn msyn
p


(2.19)
Tn s  đn v tng đi
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 15 -

2
()
()
()
()
2

m
pu
syn msyn
syn
t
t
t
p
t
p






  
(2.20)
Vì vy, dùng (2.18) ậ (2.120), (2.15) có th biu din nh sau:
2
. . . . . . . .
2
2 ( )
( ) ( ) ( ) ( )
p u mp u ep u ap u
syn
H d t
t p t p t p t
dt




  
(2.21)
Thông thng (2.21) đc hiu chnh di dng sao cho có th biu din
mô-men cn ti mọi thi đim máy phát bin thiên t tc đ đng b ca nó, cùng
vi giá tr t l thun vi đ bin thiên tc đ
22
. . .
. . . .

2 ( )( ( ) ( ))
()
( ) ( ) /
()
syn p u
mp u ep u syn
ap u
H t d t dt
dt
p t p t D
dt
pt



  

(2.22)
Vi

 
02D

Phng trình (2.22) đc gọi lƠ phng trình dao đng, phng trình c bn
đ tính toán thuc tính đng ca rotor trong nghiên cu n đnh h thng đin. Chú
ý rằng, sự phi tuyn nh hng bi

()
ep u
pt
. Phng trình (2.22) cũng tr nên phi
tuyn nh hng bi

()
pu
t

. Tuy nhiên trên thực t, tc đ rotor không thay đi
nhiu so vi tc đ đng b trong sut quá trình quá đ. Vì vy, thng gi s

( ) 1
pu
t


trong tính toán bằng tay cho (2.22).
Phng trình (2.22) lƠ phng trình vi phơn bc 2, có th vit li thành 2
phng trình vi phơn bc nht. Ly vi phơn (2.11), sau đó dùng (2.10), (2.12) ậ
(2.14), chúng ta tìm đc
()

()
syn
dt
t
dt



(2.23)
Th (2.17) vào (2.17), ta có
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 16 -
. . . . . . . .
2 ( ) ( )
( ) ( ) ( ) / ( )
p u mp u ep u syn ap u
syn
H d t d t
t p t p t D p t
dt dt



   
(2.24)
Phng trình (2.23) vƠ (2.24) lƠ 2 phng trình vi phơn bc nht.
2.4.Đn gin hóa mô hình máy phát
Hình 2.5. trình bƠy mô hình đn gin hóa ca máy phát đin, đc gọi là mô
hình c đin, có th s dng trong nghiên cu n đnh h thng đin. Máy phát
đc biu th bi hằng s sc đin đng E’, bên cnh đin kháng quá đ

'
d
X
. Mô
hình này dựa trên nhng gi thit sau:
 Máy phát vn hƠnh di điu kin cân bằng 3 pha
 Kích t máy phát gi không đi
 Tn hao, bão hòa, sự khác bit gia rotor trc li và rotor trc n đc b
qua
Trong chng trình tính toán n đnh, mô hình tính toán chi tit hn có th s
dng đ biu th h thng kích t, tn hao, sự bƣo hòaầTuy nhiên vi mô hình đn
gin hóa s làm gim đi sự phc tp ca mô hình nhng vn đm bo đ chính xác
trong tính toán.
Mi máy phát trong mô hình kt ni đn h thng gm có đng dây các truyn
ti, các máy bin áp, các ph ti và các máy phát khác. Vi sự xp x đu tiên, h
thng có th đc biu th bi thanh góp vô hn bên cnh đin kháng h thng.
Thanh góp vô hn là 1 ngun đin áp lỦ tng mƠ duy trì đin áp, góc pha tn s
không đi.

Hình 2.5: Mô hình đn gin hóa máy phát đin (S đ mch)
Luận văn thạc sĩ GVHD: PGS.TS Quyn Huy Ánh
HVTH: Trn Hu Phng - Trang 17 -

Hình 2.6: Mô hình đn gin hóa máy phát đin (S đ pha)
Hình 2.3. trình bày máy phát kt ni vi h thng tng đng. Biên đ đin
áp V
bus
và góc pha 0ºca thanh góp vô hn là hằng s. Góc pha ca sc đin đng
δlà góc công sut tham chiu theo thanh góp vô hn.
Đin kháng tng đng gia sc đin đng máy phát và thanh góp vô hn

là
'
eq d
X X X

Công sut tác dng truyn ti t máy phát đn thanh góp vô hn là
'
sin
bus
e
eq
EV
P
X


(2.25)
Trong sut quá trình xy ra kích đng, E’, V
bus
đc xét là hằng s. Vì vy p
e

là hàm sin ca góc công sut máy.

Hình 2.7: Máy phát kt ni vi h thng tng đng
2.5. Tiêu chuẩn cơn bằng din tích
Xét 1 t máy phát kt ni qua đin kháng đn thanh góp vô hn. Mi quan h
gia công sut đin p
e
và công sut c p

m
theo góc công sut δ đc trình bày trong
Hình 2.7, p
e
là hàm sin ca δ theo (2.25).