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

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
TRẦN HỮU PHỤNG

ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
DÙNG MẠNG NƠ-RON NHÂN TẠO

NGÀNH: KỸ THUẬT ĐIỆN - 605250

S K C0 0 4 4 0 5

Tp. Hồ Chí Minh, tháng 09/2014


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
TRẦN HỮU PHỤNG

ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
DÙNG MẠNG NƠ-RON NHÂN TẠO

NGÀNH: KỸ THUẬT ĐIỆN - 605250

Tp. Hồ Chí Minh, tháng 09/2014.

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
TRẦN HỮU PHỤNG

ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
DÙNG MẠNG NƠ-RON NHÂN TẠO

NGÀNH: KỸ THUẬT ĐIỆN - 605250
Hướng dẫn khoa học
PGS. TS QUYỀN HUY ÁNH

Tp. Hồ Chí Minh, tháng 09/2014.


LÝ LỊCH KHOA HỌC
I. LÝ LỊCH SƠ LƢỢC:
Họ & tên: Trần Hữu Phụng

Giới tính: Nam

Ngày, tháng, năm sinh: 15/08/1986

Nơi sinh: Đồng Nai

Quê quán: Đồng Nai

Dân tộc: Kinh

Chỗ ở riêng hoặc địa chỉ liên lạc: 125. Tổ3. KP2 .An Hòa. Biên Hòa. ĐN
Điện thoại cơ quan: 84-650-3784469

Đt nhà riêng: 0613 932 177

Fax: 84-650-3784475

E-mail: phungth1508

@gmail.com
II. QUÁ TRÌNH ĐÀO TẠO:
1. Trung học chuyên nghiệp:
Hệ đào tạo: Chính quy

Thời gian đào tạo từ 08/2001 đến 08/2004

Nơi học (trƣờng, thành phố):

Cao Đẳng Nghề Đồng Nai

Ngành học: Điện Công Nghiệp
2. Đại học:
Hệ đào tạo: Chính quy

Thời gian đào tạo từ: 09/2007 đến 09/2011

Nơi học (trƣờng, thành phố): Đại Học Sƣ Phạm Kỹ Thuật TP Hồ Chí Minh
Ngành học: Điện Công Nghiệp

Tên đồ án, luận án hoặc môn thi tốt nghiệp: Mô phỏng hệ thống giám sát và
điều khiển quy trình phân loại sản phẩm
Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: 09/2011, tại Đại Học Sƣ
Phạm Kỹ Thuật TP Hồ Chí Minh
Ngƣời hƣớng dẫn: ThS. Nguyễn Thị Ánh Tuyết

i


III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP
ĐẠI HỌC:
Thời gian
Từ 09/2011
Từ 03/2013
đến nay

Nơi công tác

Công việc đảm nhiệm

Công ty TNHH Yokohama Viet Nam

Kỹ sƣ điện

Công ty TNHH Huhtamaki Viet Nam

Giám sát điện

ii

LỜI CAM ĐOAN
Tôi cam đoan luận văn ‘‘Đánh giá ổn định động hệ thống điện dùng

mạng nơ-ron nhân tạo’’ là công trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai
công bố trong bất kỳ công trình nào khác.
Tp. Hồ Chí Minh, ngày 01 tháng 09 năm 2014

iii


LỜI CẢM TẠ
Qua thời gian 2 năm học tập và nghiên cứu ngành “Kỹ thuật điện” tại
Trƣờng ĐH SPKT TP HCM, cùng với sự nhiệt tình hƣớng dẫn, giúp đỡ, chỉ bảo,
dạy dỗ của quý thầy cô đến nay tôi đã hoàn thành đƣợc luận văn tốt nghiệp này.
Trƣớc hết tôi chân thành cảm ơn Ban Giám Hiệu nhà trƣờng, Ban chủ
nhiệm khoa Điện – Điện tử đã tạo điều kiện thuận lợi cho tôi học tập,
nghiên cứu nâng cao trình độ, và thực hiện tốt đề tài trong thời gian qua.
Xin bày tỏ lòng biết ơn sâu sắc với Thầy Quyền Huy Ánh đã nhiệt tình
hƣớng dẫn, giúp đỡ tôi trong suốt thời gian học tập cũng nhƣ trong quá trình
thƣc hiện luận văn tốt nghiệp
Tôi xin chân thành cảm ơn quý thầy, cô giảng dạy đã tận tâm chỉ dẫn,
truyền đạt thêm những kiến thức chuyên môn cho tôi trong suốt quá trình theo
học tại Trƣờng.
Xin gởi lời cảm ơn đến các thành viên hội đồng chỉnh sửa, phản biện
góp ý cho tôi để tôi hoàn thành đƣợc luận văn của mình.
Ngoài ra tôi cũng xin đƣợc nói lời cảm ơn đến các anh chị học viên trong
lớp cao học 2012b đã cùng tôi đoàn kết, gắn bó vƣợt qua khoảng thời gian dài
học tập.

Có đƣợc thành công này cũng nhờ vào động viên giúp đỡ của bạn bè,
lãnh đạo Công ty TNHH Huhtamaki Việt Nam, nơi tôi đang công tác, tôi xin
đƣợc ghi ơn tất cả mọi ngƣời.
Trân trọng !
Tp. Hồ Chí Minh, ngày 01 tháng 09 năm 2014

iv


TÓM TẮT
Tên đề tài: ‘‘Đánh giá ổn định động hệ thống điện dùng mạng nơ-ron nhân
tạo’’
Thời gian thực hiện: từ ngày 24 tháng 02 năm 2014
Địa điểm nghiên cứu: Trƣờng ĐH SPKT TP HCM
Hệ thống điện hiện đại chịu tác động dƣới những điều kiện vận hành gần nhƣ
tiến sát đến giới hạn ổn định của nó. Do sự phức tạp của hệ thống điện, những
phƣơng pháp truyền thống để phân tích hệ thống tốn rất nhiều thời gian, làm trì
hoãn quá trình ra quyết định điều khiển phòng ngừa. Trong những năm gần đây,
Mạng thần kinh nhân tạo (Artificial Neural Network (ANN)) đƣợc khuyến nghị nhƣ
là một phƣơng pháp thay thế để giải quyết những bài toán khó của hệ thống điện khi
mà những phƣơng pháp truyền thống không đảm bảo đƣợc mục tiêu về thời gian
tính toán cũng nhƣ hiệu suất. Quá trình học từ cơ sở dữ liệu ổn định động, mối quan
hệ phi tuyến giữa những tham số vận hành hệ thống điện và trạng thái ổn định
tƣơng ứng có thể trích xuất và xây dựng công thức trong ANN. Điển hình, quá trình
xây dựng mô hình nhận dạng thông minh ANN gồm 4 bƣớc sau: tạo cơ sở dữ liệu,
thiết lập tập mẫu ngõ vào/ngõ ra, trích xuất tri thức, phê chuẩn. Điều quan trọng đó
là các đặc trƣng ngõ vào ANN cần có độ đặc trƣng hóa cao, vì vậy những đặc trƣng
ngõ vào tốt nhất phải đƣợc lựa chọn. Những đặc trƣng này gia tăng theo kích thƣớc
hệ thống điện, vì vậy cần tìm giải pháp để trích xuất, giảm đặc trƣng, nhóm dữ liệu
để ANN có thể sử dụng dữ liệu một cách hiệu quả nhƣng lại cải thiện đƣợc hiệu

suất. Chính điều này giúp giải quyết vấn đề đánh giá nhanh trạng thái ổn định hệ
thống điện. Trong khi hiện tại các nhà nghiên cứu chủ yếu tập trung vào bƣớc 3, ít
quan tâm đến bƣớc 2, là bƣớc thực sự quan trọng ảnh hƣởng đến hiệu suất của
ANN.
Luận văn này ứng dụng Mạng nơ-ron truyền thẳng nhiều lớp (Multilayer
Feedforward Neural Network (MLFN)) sử dụng phần mềm MATLAB để đánh giá
ổn định hệ thống điện kết hợp sử dụng kỹ thuật lựa chọn biến đặc trƣng trong việc
v


khai thác số liệu hành vi động của hệ thống điện giúp giảm biến đặc trƣng đầu vào,
tăng tốc độ huấn luyện, nhƣng vẫn giữ độ chính xác cao cho bài toán đánh giá ổn
định động hệ thống điện dùng kỹ thuật mạng thần kinh nhân tạo. Bƣớc đầu tiên,
trạng thái ổn định động hệ thống điện đƣợc quyết định dựa trên góc rotor tƣơng đối
giữa các máy phát, tìm đƣợc thông qua mô phỏng off-line theo thời gian, sử dụng
phần mềm Power World Simulator 17. Quá trình mô phỏng đƣợc thực hiện trên hệ
thống điện chuẩn GSO 37-bus với ngắn mạch 3 pha tại mức phụ tải định mức của
hệ thống. Với số mẫu huấn luyện là 220 mẫu, bao gồm 120 mẫu ổn định, 120 mẫu
không ổn định tƣơng ứng với các trƣờng hợp ngắn mạch. Dữ liệu thu đƣợc từ quá
trình mô phỏng đƣợc sử dụng làm ngõ vào cho MLFN. Quá trình lựa chọn, giảm
biến đặc trƣng đƣợc thực hiện dựa trên hàm khoảng cách Fisher và Divergence. Kết
quả từ MLFN trình bày rằng trạng thái ổn định của hệ thống điện có thể đƣợc nhận
dạng với độ chính xác cao, tỷ lệ nhận dạng sai thấp.
Cụ thể,với hàm Fisher, khi số biến đặc trƣng là 20 hay giảm 9,9 lần thì độ
chính xác nhận dạng đã trên 80%, khi số biến đặc trƣng là 45 thì tỉ lệ nhận dạng
(91,3%) đã vƣợt qua giá trị kỳ vọng là 90%, khi đó số biến đặc trƣng giảm đã hơn
4,4 lần và thời gian huấn luyện so với đầy đủ 199 biến đặc trƣng đã giảm 3,1 lần.
Đối với hàm Divergence cho tỉ lệ nhận dạng vƣợt hơn 80% với số biến đặc
trƣng là 35 hay giảm 5,6 lần và tỉ lệ nhận dạng vƣợt hơn giá trị kỳ vọng khi số biến
đặc trƣng là 70 hay giảm 2,8 lần.

Giá trị tức thời của luận văn này đó là góp phần làm phong phú tài liệu tham
khảo hữu ích cho nghiên cứu bài toán đánh giá ổn định hệ thống điện dùng kỹ thuật
mạng thần kinh nhân tạo kết hợp kỹ thuật lựa chọn biến đặc trƣng. Có ý nghĩa rất
thiết thực cho việc giảm số cảm biến đo lƣờng thu thập số liệu, cũng nhƣ giúp giảm
chi phí đầu tƣ hệ thống đo lƣờng trên hệ thống điện.

vi


ABSTRACT
Topic name: '' Dyanamic stability assessment of power system using
Artificial Neural Network"
Duration: from Feb 24th, 2014
Study sites: Ho Chi minh City University of Technical Education
Modern power systems are forced to operate under highly stressed operating
conditions closer to their stability limits. Due to the complexity of the power
system, traditional methods to power system analysis take so much time and cause
delays in decision making. In recent years artificial neural networks (ANN) have
been proposed as an alternative method for solving certain difficult power system
problems where the conventional techniques have not achieved the desired speed
and efficiency. By learning from a dynamic stability database, the nonlinear
relationship between the power system operating parameters and the corresponding
stabilty states can be extracted and reformulated in an ANN. Typically, the
development of such an the intelligent pattern recognition based ANN comprises 4
steps: database generation, input/output specification, knowledge extraction, and
validation. It is important that ANN is well characterized, so the best input features
must be selected. This features increase with the size of the power system, so the
need to find solutions to extract feature reduction, data clustering enable ANN to
handle data quickly but improve accuracy. This helps solve the problem of fast
stability assessment of power systems. While current research efforts are mainly

focusing on the third step, much less attention is paid to the second step, which
actually is very important to the performance of the ANN.
This thesis studies an application of Multilayer Feedforward Neural
Networks (MLFN) for Dynamic Stability Assessment (DSA) with feature selection
techniques to specific the behavior of the power system reduces input variables
characterized , increase the speed training, but still keeping high accuracy to the
problem of evaluating the power system stabilization techniques used artificial neural
vii


networks. Dyamic stability of the power system is first determined based on the
generator relative rotor angles obtained from time domain simulations using Power
World Simulator 16. Simulations were carried out on the GSO 37-bus test system
considering three phase faults on at norminal loading conditions. The number of
training samples is 220 samples, including 120 stable samples ,120 unstable
samples corresponding to the faults . The data collected from the time domain
simulations are then used as inputs to the MLFN. Reduced feature inputs based on
Fisher Discrimination and Divergence Distance. MLFN results show that the
stability condition of the power system can be predicted with high accuracy and less
misclassification rate.
Specifically, the Fisher function, the number of variables is 20 or 9.9 times
decrease the recognition accuracy is over 80%, when the number of variables is 45,
the recognition rate (91.3%) exceeded the value expectations is 90%, when it was
turned over 4.4 times and reduce training time in comparison with the full 199
variables were reduced by 3.1 times.
For Divergence function of the recognition rate exceeding 80% with a
variable number of 35 or decrease by 5.6 times and the recognition rate exceeds the
expected value when the number of variables is 70 or 2.8 times.
The immediate value of this value is that it provides straightforward
guideline and reference to researchers who intend to integrate effective feature

selection in developing an ANN-based stability assessment model. This has very
practical implications for reducing the sensor measurement data collection, as well
as help reduce the investment cost measurement system on electric power system.

viii


MỤC LỤC
Trang tựa
Quyết định giao đề tài
Lý lịch khoa học ........................................................................................................... i
Lời cam đoan ............................................................................................................. iii
Lời cảm tạ................................................................................................................... iv
Tóm tắt ........................................................................................................................ v
Abstract ..................................................................................................................... vii
Mục lục....................................................................................................................... ix
Danh sách các chữ viết tắt ........................................................................................ xiv
Danh sách các hình.................................................................................................... xv
Danh sách các bảng .................................................................................................. xvi
Chƣơng 1. TỔNG QUAN
1.1. Tổng quan về lĩnh vực nghiên cứu.................................................................... 1
1.2. Mục tiêu của luận án .......................................................................................... 5
1.3. Phạm vi nghiên cứu ............................................................................................ 6
1.4. Giá trị thực tiễn của luận án ............................................................................. 6
Chƣơng 2. ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN
2.1. Các chế độ hệ thống điện ................................................................................... 7
2.2. Ổn định hệ thống điện ....................................................................................... 7
2.2.1. Ổn định tĩnh ................................................................................................... 8
2.2.1. Ổn định tĩnh ................................................................................................. 11
2.3. Phƣơng trình dao động .................................................................................... 12

2.4. Đơn giản hóa mô hình máy phát..................................................................... 16
2.5. Tiêu chuẩn cân bằng diện tích ........................................................................ 17
ix


2.6. Phƣơng pháp tích phân số cho phƣơng trình dao động ............................... 20
2.7. Ổn định hệ nhiều máy ...................................................................................... 22
Chƣơng 3. LÝ THUYẾT NHẬN DẠNG
3.1. Khái niệm .......................................................................................................... 27
3.2. Những tính chất của nhận dạng mẫu và hiện tƣợng .................................... 28
3.3. Nhận dạng mẫu trên cơ sở hình thức hóa tri thức ........................................ 29
3.4. Phƣơng pháp luận từ việc học qua ví dụ ....................................................... 32
3.5. Kết luận ............................................................................................................. 33
Chƣơng 4. LÝ THUYẾT MẠNG NƠ-RON NHÂN TẠO
4.1. Giới thiệu........................................................................................................... 35
4.2. Cấu trúc mạng nơ-ron nhân tạo ..................................................................... 35
4.3. Phân loại mạng nơ-ron nhân tạo .................................................................... 40
4.4. Các phƣơng pháp huấn luyện mạng nơ-ron .................................................. 41
4.5. Mạng nơ-ron truyền thẳng với thuật toán lan truyền ngƣợc ...................... 44
4.5.1. Cấu trúc ........................................................................................................ 44
Chƣơng 5. LỰA CHỌN BIẾN ĐẶC TRƢNG TRONG ĐÁNH GIÁ ỔN ĐỊNH
HỆ THỐNG ĐIỆN
5.1. Mô hình nhận dạng thông minh đánh giá ổn định động hệ thống điện dùng
mạng nơ-ron nhân tạo ........................................................................................... 48
5.2. Tạo cơ sở dữ liệu .............................................................................................. 48
5.2.1. Chuẩn hóa dữ liệu ........................................................................................ 50
5.2.1. Phân chia dữ liệu.......................................................................................... 50
5.3. Lựa chọn biến đặc trƣng ................................................................................. 50
5.3.1. Xác định tập biến đặc trƣng ban đầu ........................................................... 51

x


5.3.2. Giải thuật lựa chọn biến đặc trƣng............................................................... 52
5.3.2.1. Chiến lƣợc tìm kiếm tối ƣu toàn cục ..................................................... 52
5.3.2.2. Chiến lƣợc tìm kiếm tối ƣu cục bộ ........................................................ 52
5.4. Lựa chọn tập con biến ứng viên tiềm năng .................................................... 54
5.4.1. Hàm khoảng cách Fisher ............................................................................. 54
5.4.2. Hàm khoảng cách Divergence ..................................................................... 54
5.5. Huấn luyện và đánh giá mô hình nhận dạng ................................................. 54
5.6. Áp dụng đánh giá ổn định động hệ thống điện GSO – 37bus ...................... 55
5.6.1. Mô tả hệ thống điện GSO – 37bus............................................................... 55
5.6.2. Biến đặc trƣng đầu vào và đầu ra ................................................................ 57
5.6.3. Kết quả nhận dạng chính xác ....................................................................... 59
Chƣơng 5. KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU PHÁT TRIỂN
6.1. Kết luận ............................................................................................................. 61
6.2. Hƣớng nghiên cứu phát triển .......................................................................... 62
TÀI LIỆU THAM KHẢO ...................................................................................... 63
PHỤ LỤC ................................................................................................................. 68
PHỤ LỤC 1: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
CỦA QUÁ TRÌNH HUẤN LUYỆN MẠNG NƠ-RON
................................................................................................................................ 68
PHỤ LỤC 2: CHƢƠNG TRÌNH TÍNH TỶ LỆ HUẤN LUYỆN TRÊN TẬP DỮ
LIỆU BAN ĐẦU
................................................................................................................................ 68
PHỤ LỤC 3: CHƢƠNG TRÌNH TÍNH TỶ LỆ PHÂN LOẠI SAU HUẤN LUYỆN
TRÊN TẬP MẪU BAN ĐẦU
................................................................................................................................ 69
PHỤ LỤC 4: CHƢƠNG TRÌNH TÍNH TỶ LỆ PHÂN LOẠI SAU KIỂM TRA
TRÊN TẬP MẪU KIỂM TRA

................................................................................................................................ 69
xi


PHỤ LỤC 5: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
TRÊN TẬP MẪU HUẤN LUYỆN VÀ KIỂM TRA 1
................................................................................................................................ 70
PHỤ LỤC 6: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
TRÊN TẬP MẪU HUẤN LUYỆN VÀ KIỂM TRA 2
................................................................................................................................ 70
PHỤ LỤC 7: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
TRÊN TẬP MẪU HUẤN LUYỆN VÀ KIỂM TRA 3
................................................................................................................................ 71
PHỤ LỤC 8: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
TRÊN TẬP MẪU HUẤN LUYỆN VÀ KIỂM TRA 4
................................................................................................................................ 72
PHỤ LỤC 9: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
TRÊN TẬP MẪU HUẤN LUYỆN VÀ KIỂM TRA 5
................................................................................................................................ 72
PHỤ LỤC 10: CHƢƠNG TRÌNH ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG
TRÊN TẬP MẪU HUẤN LUYỆN VÀ KIỂM TRA 6
................................................................................................................................ 73
PHỤ LỤC 11: CHƢƠNG TRÌNH TÍNH KHOẢNG CÁCH FISHER VÀ VẼ ĐỒ
THỊ XẾP HẠNG BIẾN ĐẶC TRƢNG
................................................................................................................................ 74
PHỤ LỤC 12: CHƢƠNG TRÌNH TÍNH KHOẢNG CÁCH DIVERGENCE VÀ
VẼ ĐỒ THỊ XẾP HẠNG BIẾN ĐẶC TRƢNG
................................................................................................................................ 74
PHỤ LỤC 13: CHƢƠNG TRÌNH TỔNG QUÁT ĐÁNH GIÁ ĐỘ CHÍNH XÁC
NHẬN DẠNG KẾT HỢP PHƢƠNG PHÁP XẾP HẠNG BIẾN ĐẶC TRƢNG

DÙNG HÀM KHOẢNG CÁCH FISHER
................................................................................................................................ 75
PHỤ LỤC 14: CHƢƠNG TRÌNH TỔNG QUÁT ĐÁNH GIÁ ĐỘ CHÍNH XÁC
NHẬN DẠNG KẾT HỢP PHƢƠNG PHÁP XẾP HẠNG BIẾN ĐẶC TRƢNG
DÙNG HÀM KHOẢNG CÁCH DIVERGENCE
................................................................................................................................ 76

xii


PHỤ LỤC 15: CHƢƠNG TRÌNH VẼ ĐỒ THỊ SO SÁNH ĐỘ CHÍNH XÁC
NHẬN DẠNG TRÊN 6 TẬP DỮ LIỆU HUẤN LUYỆN/ KIỂM TRA GIỮA HÀM
KHOẢNG CÁCH FISHER VÀ DIVERGENCE
................................................................................................................................ 77
PHỤ LỤC 16: BẢNG XẾP HẠNG BIẾN ĐẶC TRƢNG THEO HÀM KHOẢNG
CÁCH FISHER
................................................................................................................................ 78
PHỤ LỤC 17: BẢNG XẾP HẠNG BIẾN ĐẶC TRƢNG THEO HÀM KHOẢNG
CÁCH DIVERGENCE
................................................................................................................................ 80
PHỤ LỤC 18: THÔNG SỐ HỆ THỐNG ĐIỆN GSO 37 BUS
................................................................................................................................ 82
 THÔNG SÔ ĐƢỜNG DÂY (BRANCHES INPUT)
............................................................................................................................ 82
 THÔNG SỐ NHÁNH (BRANCHES STATE)
............................................................................................................................ 84
 THÔNG SỐ XÁC LẬP TRÊN CÁC THANH GÓP (BUSES)
............................................................................................................................ 86
 THÔNG SỐ TRẠNG THÁI XÁC LẬP CỦA MÁY PHÁT
(GENERATORS)

............................................................................................................................ 87
 THÔNG ĐIỆN DẪN, DUNG DẪN SONG SONG (LINE SHUNT)
............................................................................................................................ 87
 THÔNG SỐ PHỤ TẢI (LOAD)
............................................................................................................................ 87
 THÔNG SỐ THIẾT BỊ BÙ NGANG (SWITCH SHUNTS)
............................................................................................................................ 89
 THÔNG SỐ CÀI ĐẶT ĐẦU PHÂN ÁP TRÊN MÁY BIẾN ÁP
(TRANSFOMER CONTROL) (PHASE (deg) = 0; STEP SIZE = 0.00625)
............................................................................................................................ 90
 THÔNG SỐ THIẾT BỊ KÍCH TỪ MÁY PHÁT (GENERATOR
EXCITERS)
............................................................................................................................ 90
xiii


 THIẾT BỊ ĐIỀU TỐC MÁY PHÁT (GENERATOR GOVERNERS)
............................................................................................................................ 91
 MÔ HÌNH MÁY PHÁT (GENERATOR MACHINE MODELS)
............................................................................................................................ 91

DANH SÁCH CHỮ VIẾT TẮT
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

xiv


DANH SÁCH CÁC HÌNH
HÌNH

TRANG

Hình 2.1: Sơ đồ một hệ thống điện đơn giản.............................................................. 8
Hình 2.2: Đặc tính công suất của máy phát và đặc tính công suất cơ của Tuabin .....8
Hình 2.3: Sơ đồ HTĐ xét nút phụ tải và tƣơng quan cân bằng công suất phản kháng
.................................................................................................................................. 11
Hình 2.4: Đặc tính Q – U......................................................................................... 11
Hình 2.5: Mô hình đơn giản hóa máy phát điện (Sơ đồ mạch). .............................. 16
Hình 2.6: Mô hình đơn giản hóa máy phát điện (Sơ đồ pha) .................................. 17
Hình 2.7: Máy phát kết nối với hệ thống tƣơng đƣơng ........................................... 17

Hình 2.8: Biểu diễn pe, pm theo δ .......................................................................... 20
Hình 2.9: Phƣơng pháp Euler .................................................................................. 21
Hình 2.10: Phƣơng pháp Euler cải tiến ................................................................... 22
Hình 2.11: Hệ thống điện gồm N nút dùng để nghiên cứu ổn định ........................ 23
Hình 4.1: Cấu trúc 1 nơ-ron sinh học ...................................................................... 36
Hình 4.2: Sự liên kết của nơ-ron ............................................................................. 36
Hình 4.3: Mô hình toán của 1 nơ-ron nhân tạo ....................................................... 37
Hình 4.4: Hàm nấc ................................................................................................... 38
Hình 4.5: Hàm dấu .................................................................................................. 39
Hình 4.6: Hàm tuyến tính ........................................................................................ 39
Hình 4.7: Hàm tuyến tính bão hòa .......................................................................... 39
Hình 4.8: Hàm Sigmoid đơn cực ............................................................................. 40
Hình 4.9: Hàm Sogmoid lƣỡng cực......................................................................... 40
Hình 4.10: Cấu trúc Mạng Nơ-ron truyền thẳng nhiều lớp ..................................... 45
Hình 5.1: Mô hình nhận dạng thông minh đánh giá ổn định động hệ thống điện
.................................................................................................................................. 49
Hình 5.2: Sơ đồ hệ thống điện GSO 37 bus ............................................................ 56
Hình 5.3: Xếp hạng biến theo khoảng cách Fisher.................................................. 58
xv


Hình 5.4: Xếp hạng biến theo khoảng cách Divergence ........................................ 58
Hình 5.5: So sánh độ chính xác nhận dạng trên tập kiểm tra cho các phƣơng pháp
tính khoảng cách ...................................................................................................... 59

DANH SÁCH CÁC BẢNG
BẢNG

TRANG

Bảng 5.1: Kết quả đánh giá chọn biến đặc trƣng theo khoảng cách Fisher ............ 60
Bảng 5.2: Kết quả đánh giá chọn biến đặc trƣng theo khoảng cách Divergence .... 60

xvi


Luận văn thạc sĩ

GVHD: PGS.TS Quyền Huy Ánh

Chƣơng 1

TỔNG QUAN

1.1.

Tổng quan về lĩnh vực nghiên cứu

Đánh giá ổn định động của hệ thống điện là một trong những nhiệm vụ quan
trọng nhất trong quá trình thiết kế và vận hành hệ thống điện. Năm 1920, ổn định
động của hệ thống điện lần đầu tiên đƣợc chú ý đến nhƣ là một trong những nhiệm
vụ quan trọng của việc thiết kế và vận hành khi các hệ thống điện nhỏ đƣợc nối kết
với nhau thành một hệ thống lớn. Qua hơn 50 năm, với nhiều công trình nghiên cứu
của nhiều tác giả khác nhau trên thế giới cùng với sự phát triển của công nghệ bán
dẫn và công nghệ thông tin, lý thuyết cũng nhƣ những công cụ phân tích và đánh
giá ổn định động của hệ thống điện đã cơ bản hình thành. Tuy vậy, từ năm 1990 do
yêu cầu điện năng tăng vƣợt bậc, nhiều hệ thống điện lớn liên kết các hệ thống điện
giữa các vùng của một quốc gia hoặc giữa nhiều quốc gia nhƣ hệ thống điện 500
KV Việt Nam, hệ thống điện Bắc Mỹ đã hình thành. Việc đánh giá ổn định động
cho những hệ thống điện phức tạp này là một trong những vấn đề khó khăn, đặc biệt

khi xét hệ thống vận hành trong thời gian thực.
Để đánh giá hệ thốngổn định hay không ổn định sau sự cố lớn, có nhiều
phƣơng pháp đƣợc áp dụng. Phƣơng phápmô phỏng theo miền thời gian cho kết quả
chính xác để đánh giá ổn định quá độ hệ thống điện nhƣng không cho biết biên ổn
định của hệ thống, tốn nhiều thời gian do phải giải hệ phƣơng trình vi phân phi
tuyến sau sự cố [4,9,8,10], cho nên không phù hợp trong đánh giá trực tuyến.
Phƣơng pháp này cũng không cung cấp thông tin mức độ ổn định hoặc không ổn
định [4,5,7]. Phƣơng pháp số cho câu trả lời chính xác về ổn định quá độhệ thống
điện, nhƣng gặp khó khăn trong giải phƣơng trình vi phân bậc 2, và mất nhiều thời
gian giải [15]. Phƣơng pháp hàm năng lƣợng xác định ổn định hệ thống điện dựa
trên hàm năng lƣợng, tránh việc giải từng bƣớc nhƣ phƣơng phápmô phỏng theo

HVTH: Trần Hữu Phụng

- Trang 1 -


Luận văn thạc sĩ

GVHD: PGS.TS Quyền Huy Ánh

miền thời gian, tuy nhiên ứng dụng thực tế vẫn còn tiếp tục nghiên cứu, nguyên do
chính là đối với hệ thống điện lớn nhiều máy phát cần phải đơn giản hóa mô hình
[6,22], cần nhiều tính toán để xác định chỉ số ổn định [14,4,24].
Nhƣ vậy, các phƣơng pháp truyền thống tốn rất nhiều thời gian tính toán, không
phù hợp đánh giá trong thời gian thực, với yêu cầu rất khắc khe về thời gian tính
toán, tính nhanh nhƣng phải chính xác đã xuất hiện nhu cầu ứng dụng phƣơng pháp
khác hiệu quả hơn.
Phƣơng pháp kỹ thuật nhận dạng mẫu áp dụng đánh giá ổn định động hệ thống
điện bỏ qua giải tích và thay thế bằng cách học quan hệ mẫu đầu vào và đầu ra [10],

các tiếp cận theo hƣớng này [10,11] thì bộ phân loại đƣợc huấn luyện off-line và
kiểm tra on-line. Trong [12], tác giả chọn tín hiệu đầu vào là các biến đặc trƣng chế
độ xác lập tiền sự cố để chẩn đoán sự cố qua chỉ số thời gian cắt tới hạn (CCT –
Critical Clearing Time), tuy nhiên tìm mối liên hệ giữa các biến đặc trƣng trạng thái
xác lập và cấp ổn định cũng là một thách thức.
Hệ thống nhận dạng mẫu tìm kiếm, lọc những mẫu thông tin đặc trƣng quan
trọng làm mẫu dữ liệu đầu vào, việc trích xuất giảm biến đặc trƣng giúp cho hệ
thống xử lý dữ liệu một cách nhanh chóng và nâng cao độ chính xác. Kỹ thuật nhận
dạng rất tốt cho bài toán tách biệt tuyến tính giữa các lớp, nhƣng tách biệt giữa các
lớp phi tuyến chƣa thực hiện đƣợc [18]. Vẫn còn đó thách thức cho nhà nghiên cứu
trong tìm mối liên hệ giữa các biến trạng thái xác lập tiền sự cố và cấp ổn định hệ
thống điện, việc giảm biến đặc trƣng nhƣng phải nâng cao độ chính xác dự báo.
Mạng neural nhân tạo (ANN – Artificial Neural Network) là một trong các
phƣơng pháptiếp cận đánh giá ổn định hệ thống điệnthu hút đƣợc nhiều sự quan tâm
của các nhà nghiên cứu do khả năng học hỏi nhanh chóng quan hệ phi tuyến vào/ ra.
Bài báo [16,13,21] ứng dụng (MLPNN - Multilayer Perceptron Neural Network) để
ƣớc lƣợng biên ổn định quá độ hệ thống điện.
Trong chẩn đoán ổn định động có 2 giai đoạn. Một là chẩn đoán dựa vào biến
đặc trƣng tiền sự cố ở trạng thái xác lập gồm công suất máy phát, công suất đƣờng

HVTH: Trần Hữu Phụng

- Trang 2 -


Luận văn thạc sĩ

GVHD: PGS.TS Quyền Huy Ánh

dây, điện áp bus, ... chẩn đoán này mang tính dự phòng ngăn chặn tích cực sớm, vấn

đề này áp dụng trong [14,17,20,23,28]. Hai là, chẩn đoán ổn định động dựa vào biến
đặc trƣng sau sự cố nhƣ chỉ số mức độ nghiêm trọng, góc , quỹ đạo điện áp,...
trong chẩn đoán này cho biết trạng thái ổn định sắp tới của hệ thống điện do sự cố
gây ra. Trong [25], tác giả kết hợp mạng neural và logic mờ có khả năng tự học và
học liên tục, [27] kết hợp phƣơng pháp truyền thống với mạng neural để tăng độ
chính xác chẩn đoán.
Trong đánh giá ổn định động đƣợc chia làm hai loại chính là chẩn đoán và đánh
giá. Chẩn đoán ổn định động thƣờng tập trung vào chỉ số CCT của hệ thống đối với
sự cố, CCT là thời gian cắt sự cố dài nhất cho phép đểhệ thống vẫn giữ ổn định ứng
với góc công suất cắt chuẩn, và 3 giai đoạn sự cố mà hệ thống điện trải qua: trƣớc
sự cố, đang sự cố và sau sự cố. Trong đánh giá ổn định động, không cần quan tâm
CCT mà cần quan sát quá trình quá độ xảy ra khi gặp sự cố, câu hỏi mấu chốt trong
đánh giá ổn định động là sau dao động quá độ kết quả là hệ thống điện ổn định hay
không ổn định[19,26], bài toán chẩn đoán ổn định quá độ thƣờng xem xét quá trình
trƣớc sự cố và sau sự cố, chẩn đoán ổn định qua xác định góc đồng bộ và thời gian
từ lúc dao động đầu tiên.
Các nghiên cứu theo hƣớng nhận dạng, mạng neural đánh giá ổn định động hệ
thống điện, việc đánh giá dựa vào biến trạng thái trƣớc sự cố vẫn là một thách thức
lớn do quá trình học vẫn còn lỗi không tránh khỏi. Do vậy, cần thiết phát triển hệ
thống nhận dạng thông minh có khả năng đánh giá ổn định hệ thống điện thỏa mãn
độ chính xác và nâng cao độ tin cậy.
Do tính phức tạp của hệ thống điện nếu giải bằng các phƣơng pháp truyền
thống mất nhiều thời gian và gây nên sự chậm trễ trong việc ra quyết định, cho nên
rất cần giải pháp đánh giá nhanh và tin cậy. Hệ thống nhận dạng thông minh kết hợp
phƣơng pháp ANN, có ƣu điểm lớn là khả năng tính toán song song, nhanh và chính
xác cao. Một điều quan trọng rằng, đểhệ thống nhận dạng thông minh có hiệu suất
cao thì các biến đặc trƣng đầu vào phải đƣợc chọn hiệu quả, các biến đặc trƣng này

HVTH: Trần Hữu Phụng

- Trang 3 -


Luận văn thạc sĩ

GVHD: PGS.TS Quyền Huy Ánh

lại gia tăng theo kích cỡ hệ thống điện, cho nên cần phải tìm giải pháp trích xuất
giảm biến đặc trƣng, phân loại nhóm dữ liệu biến đặc trƣng giúp cho hệ thống nhận
dạng thông minh xử lý dữ liệu một cách nhanh chóng và nâng cao độ chính xác,
điều này các công trình đã công bố còn là hạn chế, cho nên đòi hỏi phải có cách mới
phân loại mẫu hiệu quả, giúp giải quyết bài toán chẩn đoán nhanh ổn định hệ thống
điện và cảnh báo sớm trƣờng hợp không ổn định.
ANN là một công cụ tính toán thông minh hiệu suất cao đƣợc lựa chọn cho
đánh giá ổn định động hệ thống điện. Hiệu suất của ANN ứng dụng để đánh giá ổn
định động hệ thống điện yêu cầu quá trình huấn luyện ANN để bao trùm toàn bộ
những kịch bản vận hành hệ thống sẽ không ảnh hƣởng đến cấu hình hệ thống hoặc
mức công suất phụ tải. Vì vậy, quá trình lựa chọn những biến đặc trƣng phù hợp là
yêu cầu để xây dựng một công cụ tối ƣu để đánh giá chính xác ổn định động hệ
thống điện.
So sánh với những phƣơng pháp đánh giá ổn định khác, những đặc điểm nổi bật
của ANN gồm: tốc độ đánh giá ổn định theo thời gian thực, yêu cầu ít dữ liệu hơn,
khả năng tổng hợp và mở rộng cao hơn.
Điển hình sự phát triển của hệ thống nhận dạng gồm những bƣớc sau:
-

Tạo cơ sở dữ liệu trong quá trình đánh giá ổn định hệ thống điện

-

Thiết lập các mẫu dữ liệu ngõ vào/ ngõ ra, lựa chọn những biến đặc trƣng hệ
thốngphù hợp nhƣ là ngõ vào và chỉ mục ổn định cho ngõ ra

-

Trích xuất tri thức mà bao gồm mối quan hệ giữa mẫu dữ liệu ngõ vào và
ngõ ra cùng thuật toán học

-

Phê chuẩn , so sánh hiệu suất của ANN
Hiện tại các nhà nghiên cứu chủ yếu tập trung vào bƣớc 3, liên tục tác động để

tạo nên những mô hình mới nhằm thu đƣợc mối quan hệ ánh xạ giữa ngõ vào và
ngõ ra, trong khi ít quan tâm đến bƣớc lựa chọn biến đặc trƣng ngõ vào trong bƣớc
2, thực tế là bƣớc rất quan trọng ảnh hƣởng đến hiệu suất của ANN, nó không chỉ
quyết định đến thời gian tính toán trong quá trình mô phỏng off-line mà còn tác

HVTH: Trần Hữu Phụng

- Trang 4 -


Luận văn thạc sĩ

GVHD: PGS.TS Quyền Huy Ánh

động rất lớn đến độ chính xác. Trong quá khứ một số nhà nghiên cứu lựa chọn một
số lƣợng biến đặc trƣng có liên quan với nhau trong mẫu dữ liệu ngõ vào dựa trên
kinh nghiệm của họ [30]-[31]. Nhƣng để lựa chọn những biến đặc trƣng một cách

có hiệu quả, chúng ta nên dựa trên những kỹ thuật lựa chọn biến đặc trƣng [31]-[37]
Nhận xét chung trong các hƣớng nghiên cứu chẩn đoán/đánh giá ổn định hệ
thống điện thì hƣớng ứng dụng ANN, nhận dạng, … là hƣớng đƣợc nhiều tác giả
quan tâm và tập trung nghiên cứu nhiều trong những năm gần đây.
Lựa chọn biến đặc trƣng rất quan trọng trong bƣớc xây dựng hệ thống nhận
dạng thông minh đánh giá ổn định động hệ thống điện dùng mạng neural.
Không có một công trình nào nghiên cứu một cách có hệ thống về vấn đề lựa
chọn biến đặc trƣng cho đánh giá ổn định hệ thống điện, không có chúng, có thể
khó khăn trong việc đảm bảo hiệu suất của hệ thống nhận dạng thông minh đánh giá
ổn định hệ thống điện. Trong thời gian này, cũng cần nhấn mạnh đến sự cần thiết
giới thiệu một số phƣơng phápmới để làm phong phú thêm những phƣơng pháp lựa
chọn biến đặc trƣng. Mục tiêu của luận văn nhằm bổ sung những điểm cần thiết
trên.
1.2.

Mục tiêu của luận án

 Nghiên cứu quy trình chung của việc lựa chọn biến đặc trƣng và khảo sát các
bƣớc trên một cách chi tiết.
 Kiểm nghiệm kết quả nghiên cứu trên hệ thống điện GSO-37 bus, 9 máy
phát.
 Nhiệm vụ của luận án
 Nghiên cứu và mô phỏng các chế độ hệ thống điện sử dụng phần mềm:
Matlab, PowerWorld,…
 Nghiên cứu hệ thống nhận dạng thông minh dựa trên cơ sở mạng neural, lý
thuyết nhận dạng,… chẩn đoán nhanh ổn định hệ thống điện.
 Đánh giá hiệu quả của thống nhận dạng thông minh đƣợc xây dựng.

HVTH: Trần Hữu Phụng

- Trang 5 -


Luận văn thạc sĩ

1.3.

GVHD: PGS.TS Quyền Huy Ánh

Phạm vi nghiên cứu

 Nghiên cứu lý thuyết nhận dạng, mạng neural, …
 Nghiên cứu qui trình và xây dựng hệ thống nhận dạng thông minh dựa trên
cơ sở mạng neural, lý thuyết nhận dạng,…
 Áp dụng đánh giá trên hệ thống điện chuẩn: GSO – 37 bus, 9 máy phát
 Phƣơng pháp nghiên cứu
 Tham khảo tài liệu, các bài báo, các sách về chẩn đoán, đánh giá ổn định hệ
thống điện trong nƣớc và nƣớc ngoài;
 Nghiên cứu hệ thống nhận dạng thông minh dựa trên cơ sở mạng neural, lý
thuyết nhận dạng,…
 Nghiên cứu sử dụng và lập trình bằng phần mềm Matlab; mô phỏng bằng
phần mềm Matlab, PowerWorld,...
 Sử dụng phƣơng pháp mô hình hóa mô phỏng để kiểm tra và đánh giá kết
quả nghiên cứu;
 Phân tích và tổng hợp.
1.4.

Giá trị thực tiễn của luận án

 Trình bày chi tiết các bƣớc tiến hành lựa chọn biến đặc trƣng, giới thiệu, áp

dụng hai phƣơng pháp tính khoảng cách góp phần làm phong phú tài liệu
tham khảo hữu ích cho nghiên cứu bài toán đánh giá ổn định động hệ thống
điện dùng kỹ thuật mạng thần kinh nhân tạo.

HVTH: Trần Hữu Phụng

- Trang 6 -