Nhận dạng ổn định động hệ thống điện bằng mạng nơron

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

---------------------------

PHẠM THẾ HOÀNG

NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG
ĐIỆN BẰNG MẠNG NƠRON

LUẬN VĂN THẠC SĨ
Chuyên ngành : Kỹ thuật điện
Mã số ngành: 60520202

TP. HỒ CHÍ MINH, tháng 03 năm
2016


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

---------------------------

PHẠM THẾ HOÀNG

NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG
ĐIỆN BẰNG MẠNG NƠRON

LUẬN VĂN THẠC SĨ
Chuyên ngành : Kỹ thuật điện
Mã số ngành: 60520202

CÁN BỘ HƯỚNG DẪN KHOA HỌC: PSG.TS QUYỀN HUY
ÁNH

TP. HỒ CHÍ MINH, tháng 03 năm
2016


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

Cán bộ hướng dẫn khoa học : PGS.TS. QUYỀN HUY
ÁNH

Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Công nghệ TP. HCM
ngày 12 tháng 3 năm 2016
Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm:

T
T1
2
3
4
5

T
S.
P
G

P
G
T
S.
T
S.

C
h
Ph
bPh
b
Ủ
v

Xác nhận của Chủ tịch Hội đồng đánh giá Luận sau khi Luận văn đã
được
sửa chữa (nếu có).
Chủ tịch Hội đồng đánh giá LV

TS. Nguyễn Xuân Hoàng Việt


TRƯỜNG ĐH CÔNG NGHỆ TP. HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT

PHÒNG QLKH – ĐTSĐH

NAM Độc lập – Tự do – Hạnh phúc

TP. HCM, ngày..… tháng….. năm 2016.

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ
tên
Ng
ày,
Ch
uy
ITê

G:
iN
N:
ơĐ
M:
S1
NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN BẰNG MẠNG
NƠRON.

II- Nhiệm vụ và nội
dung: Chương 1: Mở
Đầu.
Chương 2: Đánh giá ổn định động hệ thống điện.
Chương 3: Mạng nơron nhân tạo (ANN).
Chương 4: Lựa chọn biến đặc trưng.
Chương 5: Ứng dụng mạng nơron nhận dạng ổn định động hệ thống điện IEEE 10
máy 39 bus .
Chương 6: Kết luận và hướng nghiên cứu phát triển.
III- Ngày giao nhiệm vụ

: 20/08/2015

IV- Ngày hoàn thành nhiệm vụ : 02/01/2016
V- Cán bộ hướng dẫn
CÁN BỘ HƯỚNG DẪN

PGS.TS QUYỀN HUY ÁNH

: PGS.TS QUYỀN HUY ÁNH
KHOA QUẢN LÝ CHUYÊN NGÀNH


i

LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả
nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công
trình nào khác.
Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện Luận văn này
đã được cảm ơn và các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn
gốc.
Học viên thực hiện luận văn
(ký và ghi rõ họ tên)

PHẠM THẾ HOÀNG


ii

LỜI CẢM ƠN
Xin cảm ở Trường Đại học Kỹ thuật Công nghệ thành phố Hồ Chí Minh,
PGS.TS Quyền Huy Ánh, người đã mất nhiều thời gian và công sức hướng dẫn tôi
hoàn thành luận văn này
Cảm ơn cơ quan, bạn bè đồng nghiệp, những người bạn thân, và trên tất cả,
tôi muốn gửi lời cảm ơn đến tất cả các thành viên trong gia đình của tôi, cảm ơn
cha, mẹ, vợ tôi, đã cùng chia sẽ, giúp đỡ, động viên và tạo mọi điều kiện thuận lợi
để tôi hoàn thành nhiệm vụ học tập và nghiên cứu.
Cảm ơn quý thầy, cô đã truyền đạt cho tôi nhiều kinh nghiệm và kiến thức quý
báu trong quá trình học tập. Cảm ơn PGS.TS Quyền Huy Ánh đã hướng dẫn và hỗ
trợ tôi hoàn thành luận văn.
Học viên thực hiện luận văn
(ký và ghi rõ họ tên)

PHẠM THẾ HOÀNG


3

TÓM TẮT
Hệ thống điện đóng vai trò rất quan trọng trong việc phát triển kinh tế của mỗi
quốc gia. Để đảm bảo chế độ vận hành bình thường thì hệ thống điện cần đảm bảo
các yêu cầu về an ninh, về độ tin cậy cung cấp điện, về chất lượng điện năng và yêu
cầu về kinh tế. Tuy nhiên, hệ thống điện ngày nay đang phải đối mặt với sự tăng
trưởng quá nhanh của phụ tải dẫn đến qui mô ngày càng trở nên rộng lớn, tăng độ
phức tạp trong thiết kế và vận hành, đồng thời luôn phải đối mặt với áp lực vận hành
đầy tải, rất gần với giới hạn ổn định. Trong vận hành hệ thống điện luôn phải đối
mặt với các kích động bất thường làm cho hệ thống điện có thể mất ổn định dẫn đến
tan rã hệ thống. Vì vậy, cần phải đánh giá nhanh trạng thái hệ thống và nhanh chóng
ra quyết định. Nhưng các phương pháp phân tích truyền thống tốn nhiều thời gian

giải nên trong một số trường hợp tỏ ra không hiệu quả. Vì vậy, phát hiện nhanh và
cảnh báo sớm trạng thái mất ổn định hệ thống điện trở thành yếu tố then chốt đảm
bảo an ninh hệ thống điện.
Mạng nơron nhân tạo kết hợp với kỹ thuật lựa chọn biến đặc trưng được đề
xuất để đánh giá nhanh ổn định động hệ thống điện nhằm giải quyết những vấn đề
khó khăn mà các phương pháp giải tích truyền thống trước đây còn hạn chế về tốc
độ tính toán cũng như về hiệu suất. Bằng quá trình học cơ sở dữ liệu, phân tích mối
quan hệ phi tuyến vào ra giữa những thông số vận hành hệ thống điện và tình trạng
ổn định-không ổn định, có thể tính toán và ra quyết định nhận dạng trạng thái chế
độ hệ thống điện một cách nhanh chóng.
Bằng cách sử dụng phần mềm PowerWorld, cơ sở dữ liệu học offline chế độ
ổn định và chế độ không ổn định hệ thống điện IEEE 10 máy 39 bus được xây dựng
thông qua mô phỏng sự cố ngắn mạch 3 pha cân bằng tại các bus và dọc các đường
dây truyền tải ở những vị trí 25%, 50% và 75% đường dây, với các mức tải khác
nhau từ 20% đến 120% tải cơ bản. Trong quá trình mô phỏng, thuộc tính chế độ
được đánh giá dựa trên quan sát mối quan hệ giữa các góc công suất của các máy
phát điện, trong đó, các mẫu dữ liệu đại diện cho trạng thái hoạt động của hệ thống
là độ lệch công suất phát, độ lệch công suất tải, độ sụt điện áp tại các bus, độ lệch
công suất phân bố trên các đường dây truyền tải.


4

Luận văn sử dụng ba phương pháp lựa chọn biến đặc trưng: Fisher,
Divergence và Relief để giảm số biến mô tả trạng thái hệ thống điện. Mạng nơron
GRNN (Generalized Regression Neural Network) và MLPNN (Multilayer
Perceptron Neural Network) được sử dụng để đánh giá độ chính xác nhận dạng chế
độ của hệ thống điện IEEE 10 máy 39 bus. Kết quả cho thấy mạng nơron GRNN
với phương pháp chọn biến Relief cho kết quả độ chính xác nhận dạng cao hơn và
thời gian huấn luyện nhanh hơn các phương pháp còn lại. Cụ thể như sau:

 Độ chính xác nhận dạng kiểm tra của GRNN và MLPNN tại 15 biến
với
các phương pháp Relief, Divergence và Fisher
M
R
ạ S FD
ố
i
iv
e
n
s9 er9 l9
gG
R
3 5 5
M
9 9 9
L
1 2 3
 Thời gian huấn luyện của GRNN-Relief và MLPNN-Relief tại 189 biến
và
15 biến
biến
M
L
G
R
Như vậy, việc sử dụng mạng nơron kết hợp với kỹ thuật lựa chọn biến đặc
trưng phù hợp, cho phép nhận dạng nhanh ổn định động hệ thống điện với độ chính
xác cao.

5

ABSTRACT
Electrical power system

is very important role in the economic

development of each country. To ensure the normal operation mode, the power
system must ensure the requirements of security, of reliability; the power quality and
economic requirements. However, electrical systems today are faced with the rapid
growth of the load size leads to becoming vast, increased complexity in design and
operation, while always facing full load operating pressure, very close to the
stability limit. In the operation, the electrical power system is faced with
extraordinary agitation that makes electrical power systems can destabilize and the
system leads to disintegration. Therefore, the need to rapidly assess the system
regimes and to give the quickly decisions. But the traditional analyzed methods
request the long solution time, in some cases proved ineffective. Thus, rapid
detection and early warning of instability state power system become a key factor to
secure the security of the electrical power system.
The artificial neural network combined with specific variable selection
techniques is proposed to rapidly assess the stable of the electrical power system to
solve the problems that the traditional analyzed method of analysis in solution speed
as well as the calculation of performance. By learning the database, analyzing
nonlinear relation between these operation parameters of the electric power system
and stable-unstable regimes, can calculate and quickly give the recognition
decision.
By using PowerWorld software, offline database off stable and unstable
regimes of the power systems IEEE 10 generators 39 bus system was built through

simulated incidents balance 3-phase short circuit at bus and along the transmission
line in positions 25%, 50% and 75% line, with different load levels from 20% to
120% basis load. During the simulation, the attribute mode is evaluated based on
the observed relation between the angle of the power generator, which, in the form
of data representing the operating status of the system is the deviation of output
power, power deviation load, voltage drop in the bus, power deviation distribution
on the transmission line.


6

The thesis uses three methods selected specific variables: Fisher, Divergence
and Relief methods to reduce the number of variables describing the state of the
electrical power system. GRNN neural network (Generalized Regression Neural
Network) and MLPNN (Multilayer Perceptron Neural Network) are used to assess
the recognition accuracy of the modes of electrical power system IEEE 10
generators 39 bus system. The results showed that neural network GRNN with
variable selection methods result Relief recognition accuracy higher and faster time
to train the remaining methods. Specifically:
 Correct classification of GRNN and MLPNN at 15 features with
methods:
Relief, Divergence and Fisher.
N
Nu
em
tGb
R
M
L

FD
i iv
9s er9
3 5
9 9
1 2

R
e
9l
5
9
3

 Training time of GRNN-Relief and MLPNN-Relief at 189 and 15
features.
N
u
M
L
G
R
So the usage of the neural network combined with feature selection
techniques which can to quickly recognize the dynamic stability of power system
with high accuracy.


vii

MỤC LỤC

LỜI CAM ĐOAN ....................................................................................................... i
LỜI CẢM ƠN ............................................................................................................ ii
TÓM TẮT .................................................................................................................
iii

ABSTRACT

................................................................................................................v

DANH

MỤC VIẾT TẮT ............................................................................................x DANH
SÁCH CÁC BẢNG ...................................................................................... xi DANH
MỤC CÁC BẢNG BIỂU, ĐỒ THỊ, HÌNH ẢNH ....................................... xii
CHƯƠNG MỞ ĐẦU ..................................................................................................1
CHƯƠNG 1 TỔNG QUAN........................................................................................2
1.1. Tổng quan về lĩnh vực nghiên cứu.......................................................................2
1.2. Nhiệm vụ của luận văn.........................................................................................4
1.3. Phương pháp nghiên cứu......................................................................................4
1.4. Ý nghĩa khoa học
..............................................5

và

giá

trị

thực

tiễn

của

luận

văn

CHƯƠNG 2 ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN .............................6
2.1. Các chế độ hệ thống điện .....................................................................................6
2.2.
Ổn
định
hệ
..........................................................................................6
2.3.
Phương
trình
.........................................................................................9

thống
dao

điện
động

2.4. Đơn giản hóa mô hình máy phát ........................................................................12
2.5. Ổn định hệ nhiều máy ........................................................................................13
2.6. Đánh giá ổn định hệ thống điện theo phương pháp ANN..................................16
2.7. Kết luận chương 2 ..............................................................................................21

CHƯƠNG 3 MẠNG NƠRON NHÂN TẠO (ANN)................................................23
3.1. Khái niệm cơ bản của các mạng nơron nhân tạo ...............................................23
3.1.1. Giới thiệu: .......................................................................................................23
3.1.2. Thiết kế triết học của một hệ thống nơron nhân tạo .......................................25
3.1.3. Huấn luyện hệ thống nơron (Training system) ...............................................26
3.1.4.
Sự
tự
cải
tiến
....................................................................27

(Self

modification)


vii
3.1.5.
Mô
hình
hóa
...........................................................................28

hệ

thống

nơron

8

3.1.6. Điện áp dịch (Bias voltages), Axon, Synapse và hệ số trọng lượng (Weighting
factor)……………………………………………………………………………... 29
3.1.7. Mô hình toán đơn giản của mạng nơron .........................................................31
3.2. Các mô hình cơ bản và các qui tắc học của mạng nơronnhân tạo .....................32
3.2.1 Các phần tử xử lý (Processing Elements - PEs)...............................................32
3.2.2. Các sự kết nối (Connections) .........................................................................35
3.2.3. Các qui tắc học (Learning rules) .....................................................................37
3.3. Phân loại mạng nơron ........................................................................................41
3.3.1. Phân loại theo cấu trúc ....................................................................................41
3.3.2. Phân loại theo phương pháp học tập ...............................................................42
3.4. Khái quát về lý thuyết của các mạng nơron .......................................................42
3.4.1. Mạng Perceptron nhiều lớp .............................................................................42
3.4.2. Mạng hàm truyền xuyên tâm (RBFN) ............................................................43
3.5. Các giai đoạn trong một mô hình nhận dạng .....................................................44
3.6. Mô hình nhận dạng.............................................................................................45
3.7. Kết luận chương 3 ..............................................................................................46
CHƯƠNG 4 LỰA CHỌN BIẾN ĐẶC TRƯNG......................................................47
4.1. Tổng quan...........................................................................................................47
4.2. Lựa chọn biến đặc trưng.....................................................................................47
4.2.1. Khái niệm ........................................................................................................47
4.2.2. Các phương pháp lựa chọn biến đặc trưng .....................................................47
4.3. Quy trình lựa chọn biến đặc trưng .....................................................................48
4.3.1. Lựa chọn biến đặc trưng ban đầu ....................................................................49
4.3.2. Tìm kiếm biến đặc trưng ứng viên ..................................................................49
4.3.3. Đánh giá biến đặc trưng ứng viên ...................................................................50
4.3.3.1. Hàm khoảng cách Fisher ..............................................................................50
4.3.3.2. Hàm khoảng cách Divergence .....................................................................50

4.3.3.3. Thuật toán Relief..........................................................................................50
4.3.4. Tiêu chuẩn dừng..............................................................................................52
CHƯƠNG 5 ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ
THỐNG ĐIỆN IEEE 10 MÁY 39 BUS ...................................................................53


9

5.1. Mô tả hệ thống điện IEEE 10 máy 39 bus (New England)................................53
5.2. Trình tự đánh giá ổn định động hệ thống điện sử dụng mạng nơron.................54
5.3. Tạo cơ sở dữ liệu ổn định động..........................................................................55
5.4. Xây dựng tập mẫu học .......................................................................................56
5.5. Xác định biến đầu vào và biến đầu ra ................................................................56
5.6. Chuẩn hóa dữ liệu ..............................................................................................57
5.7. Chia tập dữ liệu ..................................................................................................57
5.8. Kết quả tính toán xếp hạng biến.........................................................................57
5.9. Kết quả chọn số nơron trong lớp ẩn cho MLPNN và chọn hệ số spread cho
GRNN........................................................................................................................59
5.10. Đánh giá độ chính xác nhận dạng ....................................................................62
5.11. Kết luận chương 5 ............................................................................................69
CHƯƠNG 6 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN.................70
6.1. Kết luận ..............................................................................................................70
6.2. Hướng nghiên cứu phát triển..............................................................................70
TÀI LIỆU THAM KHẢO.........................................................................................71


10

DANH MỤC VIẾT TẮT
ANN

(Artificial Neural Network)

BPLNN (Backpropagation Learning Neural Network)
CCT

(Critical Clearing Time)

CNN

(Committee Neural Network)

FCT

(Fault Clearing Time)

GRNN

(Generalized Regression Neural Network)

HTĐ

(Hệ thống điện)

MFĐ

(Máy phát điện)

IEEE

(Institute of Electrical and Electronics Engnineers)

MLFNN (Multilayer Feedforward Neural Network)
MLPNN (Multilayer Perceptron Neural Network)
PNN

(Probabilistic Neural Network)

RBFN

(Radial Basis Function Network)

LTM

(Long Term Memory)

STM

(Short Term Memory)


11

DANH SÁCH CÁC BẢNG
ảng .1 Độ chính xác nhận dạng theo loại ANN và phương pháp xếp hạng biến
ứng với 1 biến..........................................................................................................63
ảng .2 Độ chính xác nhận dạng theo số biến với mạng GRNN-Relief ................64
ảng .

Thời gian huấn luyện ứng với loại mạng nơron và số biến .....................64

ảng .4 Đánh giá độ chính xác nhận dạng theo GRNN-Relief .............................65
Bảng 5.5: Đánh giá độ chính xác nhận dạng theo phương pháp GRNN-Divergence
...................................................................................................................................66
ảng .6 Đánh giá độ chính xác nhận dạng theo phương pháp GRNN-Fisher......66
ảng .7 Đánh giá độ chính xác nhận dạng theo phương pháp MLPNN-Relief ....67
ảng

.8 Đánh giá độ chính xác nhận dạng theo phương pháp MLPNN-

Divergence ................................................................................................................68
ảng .9 Đánh giá độ chính xác nhận dạng theo phương pháp MLPNN-Fisher ...68


xii

DANH MỤC CÁC BẢNG BIỂU, ĐỒ THỊ
Hình 2.1 Phân loại ổn định hệ thống điện .................................................................8
Hình 2.2 Mô hình đơn giản hóa máy điện đồng bộ .................................................12
Hình 2.

Mô hình MFĐ đồng bộ và HTĐ tương đương..........................................13

Hình 2.4: Sơ đồ tương đương hệ thống điện N nút ...................................................14
Hình 2.

Quy trình cài đặt các thông số chuẩn của hệ thống điện .........................18

Hình 2.6 Quy trình kích hoạt các mô hình trong hệ thống điện ..............................19
Hình 2.7 Quy trình chạy phân bố công suất tối ưu .................................................20

Hình 2.8 Quy trình mô phỏng ổn định quá độ, đánh giá ổn định/không ổn định và
lấy mẫu ......................................................................................................................21
Hình 3.1: Cấu trúc của nơron sinh học ....................................................................23
Hình .2 Mô hình nơron McCulooch-Pitts ..............................................................24
Hình .

Mô tả sự kết nối của các nơron ................................................................25

Hình .4 Mô tả hệ thống nơron con người được kết nối .........................................25
Hình .6 Mô tả sự thiết lập kết nối của mạng nơron con người .............................27
Hình .7 Mô hình của các nơron được nối kết ........................................................28
Hình .8 Mô hình một nơron đơn ............................................................................28
Hình .9 Mô tả nơron xử lý .....................................................................................29
Hình .10 Sự có mặt của nơron ngưỡng (bias) .......................................................30
Hình .11 Mô tả sự kết nối giữa các nơron .............................................................30
Hình .12 Hệ số trọng lượng của các đường dẫn synap .........................................31
Hình .1

Mô hình toán đơn giản của một nơron ...................................................32

Hình .14 Nơron L4 hoạt động như cổng AND.......................................................35
Hình .1

Mô tả các nơron tương ứng với các đường thẳng ..................................35

Hình .16.a Mạng Feedforward 1 lớp .....................................................................36
Hình .16.b Mạng Feedforward đa lớp ...................................................................36
Hình .16.c Nơron có hồi tiếp về chính nó ..............................................................37
Hình .16.d Mạng nơron hồi tiếp một lớp ...............................................................37
Hình .16.e Mạng nơron hồi tiếp đa lớp ................................................................37

Hình .17 Học có gíám sát ......................................................................................39
Hình .18 Học củng cố ............................................................................................40


xiii
Hình .19 Học không có giám sát ...........................................................................41
Hình .20 Mạng Perceptron nhiều lớp ....................................................................42
Hình .21 Mạng hàm truyền xuyên tâm...................................................................44
Hình .22 Mô hình nhận dạng .................................................................................45
Hình 4.1 Lưu đồ lựa chọn biến đặc trưng ...............................................................49
Hình 4.2 Mô tả thuật toán Relief .............................................................................51
Hình 5.1: Sơ đồ tương đương hệ thống điện IEEE 10 máy 9bus (New England) ..54
Hình 5.2: Quy trình nhận dạng ổn định động hệ thống điện dùng mạng nơron ......55
Hình 5.3: Quan hệ giữa số thông số và mức phân biệt theo hàm Fisher .................58
Hình 5.4: Quan hệ giữa số thông số và mức phân biệt theo hàm Divergence .........58
Hình 5.5: Quan hệ giữa số thông số và mức phân biệt theo hàm Relief ..................59
Hình 5.6: Quan hệ giữa độ chính xác nhận dạng theo số nơron lớp ẩn MLPNNRelief..........................................................................................................................59
Hình 5.8: Quan hệ giữa độ chính xác nhận dạng theo số nơron lớp ẩn MLPNNFisher ........................................................................................................................60
Hình 5.9: Quan hệ giữa độ chính xác nhận dạng theo hệ số spread GRNN-Relief .61
Hình 5.10: Quan hệ giữa độ chính xác nhận dạng theo hệ số spread GRNNDivergence ................................................................................................................61
Hình 5.11: Quan hệ giữa độ chính xác nhận dạng theo hệ số spread GRNN-Fisher
...................................................................................................................................62
Hình 5.12: Quan hệ giữa độ chính xác nhận dạng theo số thông số của các phương
pháp sử dụng GRNN .................................................................................................63
Hình 5.13: Quan hệ giữa độ chính xác nhận dạng theo số thông số của các phương
pháp sử dụng MLPNN...............................................................................................63


1

CHƯƠNG MỞ ĐẦU
 Lý do chọn đề tài
Do hệ thống điện ngày càng mở rộng về qui mô và tăng tính phức tạp trong
vận hành và điều khiển, điều này dẫn đến những phương pháp phân tích trạng thái
hệ thống điện truyền thống tốn nhiều thời gian giải nên gây chậm trễ trong việc ra
quyết định. Vì vậy, việc đề xuất phương pháp mới đánh giá nhanh trạng thái ổn
định hệ thống điện với độ chính xác chấp nhận được là yêu cầu bức thiết trong giai
đoạn đầu tiên của quá trình điều khiển hệ thống điện nhanh đảm bảo hệ thống điện
hoạt động bền vững thỏa mãn các chỉ tiêu kinh tế-kỹ thuật.
 Mục đích
- Nhận dạng ổn định động hệ thống điện bằng mạng nơron.
 Đối tượng
- Nghiên cứu và xây dựng tập học, tập kiểm tra đánh giá ổn định động hệ
thống điện sử dụng phần mềm Matlab, PowerWorld;
- Nghiên cứu các phương pháp lựa chọn biến đặc trưng mô tả trạng thái hệ
thống điện;
- Nghiên cứu, xây dựng mạng nơron đánh giá trạng thái ổn định hệ thống


2

điện;
- Đánh giá hiệu quả nhận dạng trạng thái ổn định hệ thống điện chuẩn IEEE
10 máy 39 bus.
 Phạm vi nghiên cứu
Lựa chọn biến đặc trưng và nhận dạng ổn định động hệ thống điện bằng
mạng nơron.


CHƯƠNG 1 TỔNG QUAN

1.1. Tổng quan về lĩnh vực nghiên cứu
Trong quá trình công nghiệp hóa, hiện đại hóa đất nước, các khu công
nghiệp, nhà máy, xí nghiệp, khu dân cư, đô thị được xây dựng ngày càng nhiều,
việc tăng nhanh phụ tải làm cho hệ thống điện có các đặc điểm như: quy mô ngày
càng lớn với kết cấu phức tạp hơn, vận hành rất gần với biêngiới ổn định. Đặc biệt,
hệ thống điện ngày nay rất nhạy cảm với các tác động không mong đợi có thể xảy ra
như: cắt máy phát, đóng cắt tải, ngắn mạch trên đường dây truyền tải hay trên
những thanh cái,... Các tác động này có thể gây nguy hiểm cho hệ thống điện và có
thể dẫn đến tan rã hệ thống.
Ổn định hệ thống điện đề cập đến quá trình dao động điện từ do những tác
động gây nên. Ổn định động hệ thống điện đề cập đến khả năng của hệ thống máy
phát kiểm soát hoạt động của tuabin-thiết bị điều tốc, hệ thống kích từ sau những
tác động lớn để vẫn duy trì được sự đồng bộ [9]. Ổn định góc rotor đề cập đến khả
năng của các máy phát điện đồng bộ có mối liên kết với nhau vẫn duy trì tính đồng
bộ sau khi xuất hiện tác động lớn [10,21,32]. Vì vậy, việc đánh giá nhanh trạng thái
ổn định hệ thống điện và ra quyết định điều khiển thích hợp đã trở thành yếu tố
then chốt trong vận hành hệ thống điện ngày nay.
Có nhiều phương pháp được áp dụng để đánh giá hệ thống ổn định hay
không ổn định sau tác động lớn. Phương pháp thường được sử dụng để đánh giá ổn
định quá độ là mô phỏng miền thời gian (Time Domain Simulation), phương pháp
trực tiếp và phương pháp hàm năng lượng [21,22,23]. Phương pháp mô phỏng miền
thời gian được thực hiện qua việc giải các phương trình không gian trạng thái của
các hệ thống điện và sau đó xác định ổn định quá độ [21]. Phương pháp miền thời
gian cho kết quả chính xác để đánh giá ổn định quá độ hệ thống điện nhưng không
cho biết biên ổn định của hệ thống, tốn nhiều thời gian do phải giải hệ phương trình
vi phân phi tuyến sau tác động [10,13]. Phương pháp số cho câu trả lời chính xác về
ổn định quá độ hệ thống điện, nhưng gặp khó khăn trong giải phương trình vi phân
bậc 2, và mất nhiều thời gian giải [18,20,27]. Phương pháp này cũng không cung
cấp mô hình chi tiết của thành phần hệ thống điện cần thiết cho đánh giá ổn định
[18]. Phương pháp hàm năng lượng xác định ổn định quá độ mà không cần giải các

phương trình không gian trạng thái khác của hệ thống điện [21], tuy nhiên phương
pháp cần nhiều tính toán để xác định chỉ số ổn định quá độ. Phương pháp sử dụng
hàm Lyapunov cho biết thời gian cắt ổn định động nhưng đòi hỏi sự tính toán phức
tạp và tốn nhiều thời gian [20,21].
Tóm lại, các phương pháp phân tích truyền thống nêu trên đòi hỏi thời gian
tính toán lâu dẫn đến chậm trễ trong việc ra quyết định. Vì vậy, yêu cầu đánh giá
nhanh trạng thái hệ thống điện với độ chính xác chấp nhận được là yêu cầu bức
thiết.
Phương pháp kỹ thuật nhận dạng mẫu (Pattern Recognition) đánh giá ổn định
động hệ thống điện bỏ qua việc giải các hệ phương trình vi phân mô tả trạng thái hệ
thống và thay thế bằng cách học quan hệ mẫu đầu vào và đầu ra [18], các tiếp cận
theo hướng này thì bộ phân loại được huấn luyện offline và kiểm tra online. Trong
[12,13,15,19] các tác giả đã đề xuất việc triển khai các mô hình nhận dạng thông
minh đánh giá ổn định hệ thống điện. Trong [29,33], các tác giả chọn tín hiệu đầu
vào là các biến đặc trưng chế độ xác lập tiền sự cố để chẩn đoán ổn định quá độ qua
chỉ số thời gian cắt tới hạn CCT (Critical Clearing Time), là thời gian cắt sự cố dài
nhất cho phép để hệ thống vẫn giữ ổn định ứng với góc công suất cắt chuẩn. Tuy
nhiên, việc tìm mối liên hệ giữa các biến đặc trưng chế độ xác lập tiền sự cố và độ
ổn định cũng là một thách thức.
Có hai loại biến đặc trưng: biến đặc trưng trước sự cố, thường là thông số
xác lập [12,13,14]; và biến đặc trưng sau sự cố, thường là ngõ vào, đánh giá ổn định
động chỉ có thể được thực hiện sau khi một kích động thực sự xảy ra, và nếu sự ổn
định được phát hiện bị mất trong thời gian ngắn, những điều khiển phục hồi nên
được kích hoạt ngay lập tức, thường được biết đến như là ngắt máy phát và/hoặc xa
thải phụ tải. Trước những sự kiện ngẫu nhiên đã biết trước, nhưng nó sẽ phải chịu
chi phí tốn kém (do sự thay đổi trạng thái vận hành hệ thống, chẳng hạn tái kế
hoạch phát điện). Việc xác định các biến đặc trưng giúp giảm kích thước véc tơ mô
tả trạng thái hệ thống điện. Điều này, giúp giảm thời gian học và đánh giá trạng thái

hệ thống điện.
Mạng nơron nhân tạo (Artificial Neural Network – ANN) sử dụng kỹ thuật
nhận dạng mẫu lựa chọn những mẫu đặc trưng quan trọng làm mẫu đầu vào, việc


lựa chọn và trích xuất đặc trưng giúp cho hệ thống lựa chọn những đặc trưng tốt
nhất có khả năng phân biệt cao nhất [18], qua đó giúp hệ thống xử lý dữ liệu một
cách nhanh chóng và nâng cao độ chính xác. Trong [18] trình bày ANN sử dụng
phương pháp nhận dạng mẫu để đánh giá an ninh. Trong [25,27] ứng dụng MLPNN
(Multilayer Perceptron Neural Network) để ước lượng biên ổn định quá độ hệ thống
điện. Trong [32] CNN (Committee Neural Network), [26] PNN (Probabilistic
Neural Network) đã được sử dụng để đánh giá ổn định quá độ qua góc rotor tương
đối máy phát. KNN (Kohenen Neural Network) [30], GRNN (Generalized
Regression Neural Network) [28], MLFNN (Multilayer Feedforward Neural
Network) [22,23,31], BPLNN(Backpropagation Learning Neural Network) [29,33]
đánh giá ổn định hệ thống điện qua chỉ số CCT (Critical Clearing Time).
Trong các nghiên cứu theo hướng nhận dạng, ANN nhận dạng ổn định động
hệ thống điện dựa vào tập học được xây dựng offline và đánh giá online có khả
năng đánh giá nhanh trạng thái chế độ hệ thống điện với độ chính xác chấp nhận
được.
1.2. Nhiệm vụ của luận văn
- Nghiên cứu và xây dựng tập học, tập kiểm tra đánh giá ổn định động hệ
thống điện sử dụng phần mềm Matlab, PowerWorld;
- Nghiên cứu các phương pháp lựa chọn biến đặc trưng mô tả trạng thái hệ
thống điện;
- Nghiên cứu, xây dựng mạng nơron đánh giá trạng thái ổn định hệ thống


điện;
- Đánh giá hiệu quả nhận dạng trạng thái ổn định hệ thống điện chuẩn IEEE

10 máy 39 bus.
1.3. Phương pháp nghiên cứu
- Tham khảo tài liệu về đánh giá ổn định hệ thống điện trong và ngoài nước;
- Nghiên cứu lý thuyết mạng nơron trong nhận dạng;
- Nghiên cứu phần mềm Matlab; phần mềm PowerWorld.
- Sử dụng phương pháp mô hình hóa mô phỏng để kiểm tra và đánh giá kết
quả nghiên cứu.
- Phân tích và tổng hợp.


1.4. Ý nghĩa khoa học và giá trị thực tiễn của luận văn
- Luận văn đề xuất sử dụng mạng nơron GRNN với phương pháp chọn biến
Relief để đánh giá nhanh trạng thái ổn định động hệ thống điện khi xuất hiện sự cố,
cho kết quả độ chính xác nhận dạng cao hơn và thời gian huấn luyện nhanh hơn các
phương pháp còn lại.
- Mô hình nhận dạng trạng thái ổn định hệ thống điện được xây dựng có thể
sử dụng để trợ giúp trong huấn luyện các điều độ viên ra quyết định trong những
tình huống khẩn cấp, sớm đưa hệ thống điện về trạng thái ổn định.
-Kết quả nghiên cứu có thể sử dụng làm tài liệu tham khảo cho các sinh viên
và học viên cao học ngành kỹ thuật điện trong nghiên cứu và đánh giá trạng thái hệ
thống điện.