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 [...]... 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... ch, thi t l p giá tr đi n áp t i nút b ngắn m ch bằng 0 B  c 7: Dùng giá tr s c đi n đ ng En  En  n , n = 1, 2, …, Mv i giá tr δnt i th i đi m t Tính toán công su t đi n ngõ ra pen t i th i đi m t t (2.46) đ n (2.45) B c 8: Dùng giá tr pen dã tính t i b c 7 và δn, ωn t i th i đi m t đ tính  toán giá tr giá tr góc công su t n và t c đ máy n t i th i đi m (t+∆t) t ầ B   c 9: Dùng En  En ... 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 HVTH: Tr n H u Ph ng - Trang 6 - Luận văn thạc sĩ GVHD: PGS.TS Quy n Huy Ánh Ch ĐÁNH GIÁ ng 2 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... tuy n thông qua kỹ thu t tích phân s dùng máy vi tính c áp d ng cho h nhi u máy đ c gọi là tiêu chu n cân bằng di n tích Trong Hình 2.8 pm>pe trong su t kho ng giá tr δ0 . 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. 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. 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