Hiệu chỉnh thông số bộ PSS (Power System Stabilizer) bằng giải thuật đàn kiến

Nội dung text: Hiệu chỉnh thông số bộ PSS (Power System Stabilizer) bằng giải thuật đàn kiến

1. HIỆU CHỈNH THÔNG SỐ BỘ PSS (POWER SYSTEM STABILIZER) BẰNG GIẢI THUẬT ĐÀN KIẾN PARAMETERS TUNNING OF POWER SYSTEM STABILIZER USING ANT COLONY OPTIMIZATION Nguyễn Minh Tâm (1), Nguyễn Thành Tựu (2) (1) Trưởng khoa Điện-Điện tử Đại học Sư phạm kỹ thuật Tp.HCM (2) Học viên cao học ngành Kỹ thuật điện Đại học Sư phạm kỹ thuật TP.HCM Tóm tắt: Bộ ổn định hệ thống điện (PSS) được sử dụng rộng rãi trong các máy phát để tạo ra các tín hiệu điều khiển bổ sung cho hệ thống kích từ nhằm làm giảm các dao động tần số thấp, mở rộng giới hạn truyền tải công suất, cải thiện trạng thái ổn định máy phát và nâng cao đặc tính ổn định động của hệ thống. Để bộ PSS có thể hoạt động hiệu quả trong quá trình vận hành hệ thống điện thì các thông số của nó cần được điều chỉnh cho phù hợp. Trong bài báo này, chúng tôi sẽ giới thiệu về giải thuật đàn kiến (ACO) và ứng dụng giải thuật này để tìm bộ thông số tối ưu cho Bộ ổn định hệ thống điện dựa trên mô hình SMIB (một máy phát nối với thanh cái vô hạn). Kết quả được kiểm chứng bằng mô phỏng trên phần mềm Matlab/Simulink. Từ khóa: Bộ ổn định hệ thống điện, ổn định động, giải thuật đàn kiến Abtract: Power system stabilizer (PSS) is widely used in generators to generate control signals for additional excitation system to reduce low-frequency vibrations, extending the limited ability to transmit power, improve steady-state of generator and enhanced dynamic stability characteristics of the system. In oder the PSS can operate efficiently during the operation of the power system, parameters of PSS needs to be adjusted accordingly. In this paper, we will introduce ant colony algorithm and applied this algorithm to find the optimal parameters for Power System Stabilizer based on the model SMIB (single machine infinty bus). The results are verified by simulation software Matlab / Simulink. Keyvwords: Power system stabilizer, dynamic stability, ant colony optimization I. GIỚI THIỆU Khi có sự thay đổi trong quá trình vận hành, Hầu như các máy phát trong hệ thống các dao động nhỏ và dao động tần số thấp điện đều được trang bị bộ điều khiển điện áp thường kéo dài trong một thời gian dài và ở tại đầu cực máy phát (AVR). Để đáp ứng một số trường hợp thậm chí còn làm giảm được điều kiện vận hành luôn thay đổi của giới hạn tryền công suất[1]. Bằng việc bổ hệ thống điện thì bộ AVR phải độ nhạy cao. sung thêm một thành phần vector mô men Tuy nhiên, nhược điểm của AVR có độ nhạy cùng pha với sai lệch tốc độ Δω sẽ khắc cao là tạo ra thành phần moment giảm chấn phục được nhược điểm của AVR, thành theo chiều âm và điều này có tác động bất phần mô men này chính là do PSS tạo nên. lợi đến sự ổn định động của hệ thống điện. Bộ PSS được thiết kế để tạo ra một tín hiệu
2. điều khiển bổ sung cho hệ thống kích từ để ∠휃 ∠휃 푡 푗 퐿 làm giảm các dao động tần số thấp [1]. Tm 푗 Turbin G e Bộ ổn định hệ thống điện thông thường 푗 (CPSS) đang được sử dụng rỗng rãi được Kích từ Infinite Bus 푡 thiết kế dựa trên các lý thuyết về bù pha và 푅 푃푆푆 Δ휔 AVR Σ PSS nó được xem như là một bộ bù sớm - trễ. Để có bộ PSS cung cấp mô men giảm chấn tốt Hình 1. Hệ thống điện một máy phát nối với thanh cái vô hạn. trên điều kiện hoạt động rộng, các thông số của nó cần được hiệu chỉnh để đáp ứng tốt A. MÔ HÌNH MÁY PHÁT ĐIỆN NỐI với tất cả các loại dao động, mà đây là một LƯỚI công việc tốn rất nhiều thời gian. Để đơn Trong các phương trình biểu diễn động giản quá trình này, các thuật toán tối ưu học của máy điện đồng bộ, người ta hay thông minh như: Mạng neuron (NN)[2], biểu diễn trên hệ tọa độ dq0. thuật toán di truyền (GA)[3], giải thuật bầy Các phương trình động học của máy đàn (PSO)[4] được áp dụng để xác định các phát điện trong hệ trục tọa độ trên trục q[5]: thông số tối ưu của bộ CPSS bằng cách tối - Phương trình góc công suất ưu hóa một giá trị riêng của hàm chi phí. 훿 = 휔 (푆 − 푆 0) (1) Trong bài báo này chúng tôi đề xuất 푡 Trong đó:δ là góc Rotor của máy phát một phương pháp tối ưu khác đó là dùng đơn vị radian. ω là tốc độ Rotor cơ bản đơn giải thuật đàn kiến (ACO) để hiệu chỉnh tìm B vị rad/sec. S là tốc độ Rotor đơn vị p.u. S thông số tối ưu cho bộ PSS. m mo là tốc độ Rotor ban đầu đơn vị p.u. II. MÔ HÌNH TÍN HIỆU NHỎ CỦA HỆ - Phương trình độ lệch tốc MÁY PHÁT KẾT NỐI VỐI HỆ THỐNG 푆 1 ĐIỆN = [− (푆 − 푆 ) + ( 푡 2 0 Mô hình hệ thống điện nghiên cứu này − 푒)] (2) được mô tả như hình 1. Máy phát điện đồng Trong đó: H là hệ số quán tính. D là hệ bộ cung cấp điện cho một thanh cái vô hạn số giảm chấn.Tm là công suất cơ cấp vào qua một đường dây kép. Trong hình 1, Vt và đơn vị p.u. Te (hay Pe) là công suất điện E tương ứng là điện áp trên đầu cực máy b phát ra đơn vị p.u. phát và thanh cái vô hạn. X , X , X lần T L TH - Phương trình sức điện động trục q lượt là điện kháng máy biến áp, điện kháng ′ 푞 1 ′ ′ đường dây và điện kháng Thevenin nối giữa = [− 푞 + ( − )푖 푡 ′ 표 máy phát và thanh cái vô hạn. + (3) Trong đó: Efd là điện áp của hệ thống kích từ đơn vị p.u. xd là điện kháng đồng bộ
3. Khâu lọc thông cao dọc trục d đơn vị p.u. x'd là điện kháng quá ∆휔 푠 푤 độ dọc trục d đơn vị p.u. xq là điện kháng 퐾푃푆푆 1 + 푠 푤 đồng bộ trục q đơn vị p.u. x'q là điện kháng Khâu bù Lead-Lag quá độ trục q đơn vị p.u. T'qo là hằng số thời 푃푆푆 1 + 푠 3 1 + 푠 1 gian hở mạch trục q đơn vị giây 1 + 푠 1 + 푠 푃푆푆 4 2 - Phương trình sức điện động trục d 푃푆푆 푖푛 ′ 1 ′ ′ = [− + ( 푞 − 푞)푖푞 (4) 푡 ′ 표 Hình 2. Cấu trúc bộ CPSS theo tiêu chuẩn - Mô men điện Te IEEE 421.5 . ′ ′ 푒 = ′ 푖 + ′푞푖푞 + ( − 푞)푖 푖푞 (5) III. GIẢI THUẬT ĐÀN KIẾN HIỆU - Phương trình tính điện áp trục q của CHỈNH THÔNG SỐ BỘ PSS máy phát A. Giải thuật đàn kiến ′푞 + ′ 푖 = 푣푞 (6) ACO (Ant Colony Optimization - Tối 푣푞 = − 푒푖 + 표푠훿 (7) ưu đàn kiến) là một phương pháp nghiên - Phương trình tính điện áp trục d của cứu lấy cảm hứng từ việc mô phỏng hành vi máy phát của đàn kiến trong tự nhiên nhằm giải quyết ′ − ′푞푖푞 = 푣 (8) các bài toán tối ưu phức tạp. Năm 1989, nhà bác học người Đan 푣 = 푒푖푞 − 푠푖푛훿 (9) - Phương trình tính dòng điện trục d của Mạnh Deneubourg và các cộng sự công bố máy phát kết quả nghiên cứu về thí nghiệm trên đàn kiến Argentina (một loài kiến hiếm trên thế 표푠훿 − ′푞 푖 = (10) 푒 + ′ giới), gọi là thí nghiệm “Chiếc cầu đôi” - Phương trình tính dòng điện trục q của (Double Bridge Experiment) [7]. máy phát Cụ thể, họ đã đặt một chiếc cầu đôi gồm 푠푖푛훿 + ′푞 hai nhánh (nhánh dài hơn có độ dài bằng hai 푖푞 = (11) 푒 + ′푞 lần nhánh ngắn hơn, như hình vẽ) nối tổ của B. Cấu trúc của bộ PSS đàn kiến với nguồn thức ăn, sau đó thả một Bộ PSS theo tiêu chuẩn IEEE 421.5 đàn kiến và bắt đầu quan sát hoạt động của dùng để khảo sát trong nghiên cứu này có chúng trong một khoảng thời gian đủ lớn. cấu trúc như hình 2 [6]. Kết quả là ban đầu các con kiến đi theo cả Trong đó: hệ số khuếch đại là Kpss, Tw hai nhánh của chiếc cầu với số lượng gần là hằng số thời gian của bộ lọc thông. Từ T1 như ngang nhau, nhưng càng về cuối thời đến T4 là hằng số thời gian của khâu bù gian quan sát người ta nhận thấy các con sớm-trễ. Δω là tín hiệu đầu vào và VPss là tín kiến có xu hướng chọn nhánh ngắn hơn để hiệu ổn định ngõ ra của PSS. đi (80-100% số lượng).
4. Hình 3 Thí nghiệm chiếc cầu đôi. con đường có nồng độ mùi cao hơn để đi. Gắn với mỗi cạnh (i,j) nồng độ vết mùi 휏푖푗 và thông số heuristic 휂푖푗 trên cạnh đó. Ban đầu, nồng độ mùi trên mỗi cạnh (i, j) được khởi tạo bằng một hằng số C, hoặc được xác định theo công thức: 휏 = 휏 = , ∀(푖, 푗) (12) 푖푗 0 푛푛 Trong đó: (a) Hai nhánh có kích thước bằng nhau 휏푖푗: Nồng độ vết mùi trên cạnh 푖, 푗 (b) Một nhánh có kích thước gấp đôi nhánh : Số lượng kiến kia 푛푛: Chiều dài hành trình cho bởi Kết quả được các nhà sinh học lý giải phương pháp tìm kiếm gần nhất. như sau: Do đặc tính tự nhiên và đặc tính Tại đỉnh 푖, một con kiến k sẽ chọn đỉnh hóa học, mỗi con kiến khi di chuyển luôn để j chưa được đi qua trong tập láng giềng của i lại một lượng hóa chất gọi là các vết mùi theo một quy luật phân bố xác suất được xác (pheromone trail) trên đường đi và thường định theo công thức sau: thì chúng sẽ đi theo con đường có lượng mùi [휏 ]훼[휂 ]훽 đậm đặc hơn. Các vết mùi này là những loại 푖푗 푖푗 푃푖푗 = 훼 훽 , 푗 ∈ 푖 (13) ∑ [휏푖푙] [휂푖푙] hóa chất bay hơi theo thời gian, do vậy ban 푙∈ 푖 Trong đó: đầu thì lượng mùi ở hai nhánh là xấp sỉ như nhau, nhưng sau một khoảng thời gian nhất - 푃푖푗: xác suất con kiến k lựa chọn cạnh định nhánh ngắn hơn sẽ có lượng mùi đậm i, j đặc hơn so với nhánh dài hơn do cũng lượng - 훼: hệ số điều chỉnh ảnh hưởng của mùi gần xấp sỉ như nhau khi phân bố ở nồng độ mùi 휏푖푗 nhánh dài hơn mật độ phân bố mùi ở nhánh - 휂푖푗:thông tin heuristic giúp đánh giá này sẽ không dày bằng nhánh có độ dài ngắn chính xác sự lựa chọn của con kiến khi hơn, thêm nữa cũng do lượng mùi trên quyết định đi từ đỉnh i qua đỉnh j nhánh dài hơn cũng sẽ bị bay hơi nhanh hơn - 훽: hệ số điều chỉnh ảnh hưởng của trong cùng một khoảng thời gian[7]. thông tin heuristic 휂푖푗 Để bắt chước hành vi của các con kiến Trong quá trình các con kiến tìm đường thực, Dorigo xây dựng các con kiến nhân đi, các vết mùi (휏 푖, 푖,푗) trên mỗi cạnh sẽ tạo ( artificial ants) cũng có đặc trưng sản được cập nhật lại, vì chúng bị biến đổi do sinh ra vết mùi để lại trên đường đi và khả năng lần vết theo nồng độ mùi để lựa chọn
5. quá trình bay hơi cũng như quá trình tích lũy kiếm của giải thuật ACO sẽ bao gồm 5 mùi khi các con kiến đi trên cạnh đó. thông số trên. Sau mỗi vòng lặp, vết mùi trên mỗi 1. Tạo nút và đường: cạnh được cập nhật lại theo công thức sau: Giả sử năm thông số cần tìm của bộ 휏푖푗 = 휌 ∗ 휏푖푗 + ∆휏푖푗 (14) PSS gồm năm ký số: Kpss, T1, T2, T3, T4 có Trong đó: một ký số trước và bốn ký số sau dấu chấm - 0 < 휌 ≤ 1: tỷ lệ bay hơi của vệt mùi. thập phân. Để thực hiện thuật toán, ta biểu ∆휏푖푗: lượng mùi mà con kiến k để lại diễn năm biến này trên mặt phẳng tọa độ trên cạnh ij, được xác định như sau : Oxy. Phương pháp biểu diễn này được thực 푄 hiện như sau: - Nếu con kiến ∆휏 = { ( ) 푖푗 k đi qua cạnh ij (15) Từ trục hoành, vẽ 25 đoạn thẳng cách 0 - Ngược lại đều nhau và có độ dài bằng nhau được ký - 푄: là một hằng số. hiệu lần lượt là L1, L2, L25. Trong đó L1 - ( ): giá trị hàm mục tiêu (fitness) đến L5, L6 đến L10, L11 đến L15, L16 đến L20, trong mỗi vòng lặp L21 đến L25 lần lượt biểu diễn năm ký số của B. Ứng dụng ACO hiệu chỉnh thông số bộ Kpss, T1, T2, T3, T4 PSS. Mỗi đoạn thẳng được chia chín phần Để áp dụng được thuật toán đàn kiến bằng nhau, nghĩa là có mười nút trên mỗi tìm bộ thông số bộ PSS cần phải tạo các nút đoạn, các nút này mang giá trị từ 0 đến 9. và các đường đi cho các con kiến nhân tạo Do đó, có tất cả 10x25 (250) nút trên mặt sao cho mỗi con kiến khi đi hết một hành phẳng tọa độ Oxy. trình sẽ sinh ra một bộ thông số điều khiển. Các nút này được ký hiệu là Mỗi thông số tìm được khi áp dụng vào giải Knot(xi,yi,j). Trong đó, xi là giá trị hoành độ thuật điều khiển sẽ sinh ra một hàm mục tiêu và yi,j là giá trị tung độ của nút j trên đoạn Li. (hàm mục tiêu trong bài này là tích phân của Giả sử một con kiến khởi hành từ gốc bình phương sai số). Tóm lại, mục tiêu của tọa độ O, con kiến này sẽ hoàn thành một thuật toán là tìm đường đi của con kiến chu trình khi nó đến bất kỳ một nút nào trên (nghĩa là tìm bộ thông số bộ PSS) sao cho đoạn L25, đường đi của con kiến được biễu hàm mục tiêu sinh ra là nhỏ nhất. diễn bởi biểu thức: Theo cấu trúc bộ PSS như trong hình 2, Path = {0, Knot (x1,y1,j),Knot(x2,y2,j), , bộ PSS gồm 6 thông số là: K , T , T , T , pss 1 2 3 Knot(x25,y25,j)} T4 và Tw. Trong đó Tw có giá trị từ 1 đến 20, Theo cách biểu diễn này, thông số của trong trường hợp này ta chọn Tw =10. Do đó, bộ PSS được biểu diễn theo biểu thức toán bộ PSS sẽ có 5 thông số cần hiệu chỉnh là: học: Kpss, T1, T2, T3, T4. Tức là không gian tìm
6. 0 -1 -2 Kpss = y1,j×10 + y2,j×10 + y3,j×10 2 -3 -4 Fitness e() t dt + y4,j×10 + y5,j ×10 0 T = y ×100 + y ×10-1 + y ×10-2 1 6,j 7,j 8,j Trong trường hợp thì tín hiệu điều + y ×10-3 + y ×10-4 9,j 10,j khiển là ∆휔 nên hàm mục tiêu là: 0 -1 T2 = y11,j×10 + y12,j×10 + -2 -3 -4 2 y13,j×10 + y14,j×10 + y15,j ×10 Fitness = ISE =  ()t dt 0 -1 0 T3 = y16,j×10 + y17,j×10 + -2 -3 -4 Trong đó: ∆휔 là độ lệch tốc rotor y18,j×10 + y19,j×10 + y20,j ×10 0 -1 của máy phát T4 = y21,j×10 + y22,j×10 + -2 -3 -4 Nhận thấy rằng: hàm mục tiêu càng y23,j×10 + y24,j×10 + y25,j ×10 nhỏ thì việc điều khiển hệ thống càng đạt Moving path Nút Knot(xi,yi,j ) y hiệu quả cao. Do đó, mục đích tối ưu của thuật toán đàn kiến là tìm các thông số điều 9 8 7 7 khiển sao cho hàm mục tiêu sinh ra là nhỏ 6 nhất. 4 5 4 3. Chọn đường đi theo xác suất x Giả sử rằng, mỗi con kiến đi từ bất kỳ 0 1 2 3 2 0 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 퐿푖 nút nào trên đường Li đến một điểm bất kỳ Hình 4. Biểu diễn các thông số của bộ PSS trên đường Li+1 với thời gian bằng nhau và trong hệ trục tọa độ Oxy không phụ thuộc vào khoảng cách giữa các Theo hình 4 thì ta có: nút. Do đó, nếu tất cả các con kiến đều xuất 0 -1 -2 phát cùng một thời điểm tại góc tọa độ thì Kpss= 2×10 + 5×10 + 5×10 + 6×10-3 + 9 ×10-4 = 2.5569 chúng sẽ đến một nút nào đó trên đường L25 0 -1 -2 tại cùng một thời điểm và cùng hoàn thành T1= 7×10 + 4×10 + 4×10 + -3 -4 một chu trình kiến. 5×10 + 1 ×10 = 7.4451 0 -1 -2 Giả sử tại thời điểm t các con kiến bò T2= 3×10 + 7×10 + 4×10 + -3 -4 đến đường Li và đặt bj là số lượng kiến ở nút 9×10 + 7 ×10 = 3.7497 0 -1 -2 j trên đường Li tại thời điểm t, tổng số lượng T3= 3×10 + 2×10 + 0×10 + -3 -4 kiến trong đàn là: 3×10 + 3 ×10 = 3.2033 9 0 -1 -2 T4= 6×10 + 4×10 + 1×10 + = ∑ 푗(푡) (16) -3 -4 5×10 + 4 ×10 = 6.4154 푗=0 2. Hàm mục tiêu của thuật toán Gọi 휏( 푖, 푖,푗, 푡) là tổng lượng mùi ở Do chất lượng điều khiển mong nút 퐾푛표푡( 푖, 푖,푗) tại thời điểm t. Xác suất muốn thông thường là tối thiểu sai số ngõ ra để kiến k bò đến nút 퐾푛표푡( 푖, 푖,푗) từ bất nên hàm thích nghi có thể chọn như sau: kỳ nút nào trên đường Li-1là:
7. 훼 훽 [휏 , ] [휂 , ] 푄: là giá trị hàm mục tiêu của vòng lặp 푃 ( , ) = 푖 푖,푗 푖 푖,푗 (17) 푖 푖,푗 ∑9 훼 훽 푗=0[휏 푖, 푖,푗] [휂 푖, 푖,푗] trước. ( ): giá trị hàm mục tiêu (fitness) trong mỗi vòng lặp. 휏 푖, 푖,푗: Nồng độ vết mùi trên cạnh 푖, 푗 IV. KẾT QUẢ MÔ PHỎNG 푃 ( 푖, 푖,푗): xác suất con kiến k lựa A. Mô hình Simulink chọn cạnh i, j Để đồng thời điều chỉnh các thông số 훼: hệ số điều chỉnh ảnh hưởng của nồng của bộ PSS cũng như đánh giá hiệu quả và độ mùi 휏 푖, 푖,푗 sự ổn định của hệ thống trong các nhiễu 휂 : thông tin heuristic giúp đánh giá 푖, 푖,푗 loạn, mô hình Matlab/Simulink của hệ thống chính xác sự lựa chọn của con kiến khi trong hình 1 được xây dựng từ các phương quyết định đi từ đỉnh i qua đỉnh j; được xác trình (1) đến (11). Mô hình máy phát nối với định theo công thức : PSS được thể hiện như hình 5, mô hình ∗ 10 − | 푖,푗 − | 휂 = 푖,푗 (18) Simulink dùng để tính toán id, iq, E’d, E’q và 푖, 푖,푗 10 Pe được thể hiện như hình 6. Các thông số 푖,푗: đỉnh i,j con kiến sẽ đi qua liên quan được đưa ra trong phụ lục. ∗ : đỉnh tốt nhất mà con kiến đã đi qua 푖,푗 Các nhiễu loạn của hệ thống điện trong 훽: hệ số điều chỉnh ảnh hưởng của nghiên cứu này là: thông tin heuristic 휂 푖, 푖,푗 - Thay đổi tải đột ngột 4. Cập nhật lượng mùi - Máy phát đang mang tải thì bị ngắn Trong quá trình các con kiến tìm đường mạch tại đầu cực máy phát đi, các vết mùi (휏 푖, 푖,푗) trên mỗi cạnh sẽ Tín hiệu độ lệch tốc độ Δω được lấy từ được cập nhật lại, vì chúng bị biến đổi do đầu cực máy phát và đưa vào bộ PSS. quá trình bay hơi cũng như quá trình tích lũy Chúng ta sẽ mô phỏng ba trạng thái thông mùi khi các con kiến đi trên cạnh đó. qua bộ chuyển đổi mạch (Switch) để so sánh Sau mỗi vòng lặp, vết mùi trên mỗi kết quả ổn định đó là: cạnh được cập nhật lại theo công thức sau: - Trạng thái 1: không có Bộ PSS. - Trạng thái 2: có bộ PSS thông thường = 휌 ∗ 휏 푖, 푖,푗 + ∆휏 푖, 푖,푗 (19) Trong đó: (CPSS). 0 < 휌 ≤ 1:tỷ lệ bay hơi của vệt mùi. - Trạng thái 3: có bộ PSS-ACO. ∆휏 푖, 푖,푗:lượng mùi mà con kiến k để lại trên cạnh ij, được xác định như sau : 푄 - Nếu con kiến ( ) ∆휏 푖, 푖,푗 = { k đi qua cạnh ij (20) 0 - Ngược lại
8. Hình 5. Mô hình máy phát nối với bộ PSS Hình 6. Mô hình mô phỏng tính góc công suất δ, id, iq, E’d, E’q, Efd, Pe
9. B. Kết quả mô phỏng Trường hợp 1: Tải thay đổi đột ngột Máy phát đang vận hành ở tải 0.6 p.u tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ thống ổn định. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20. Điều này đảm bảo cho máy phát ổn định trong các tình huống vận hành. Kết quả mô phỏng công suất điện Hình 9. Độ lệch tốc độ rotor trong Pe, góc công suất δ và độ lệch tốc độ rotor trường hợp thay đổi công suất Δω được thể hiện như trong hình 7, hình 8 Trường hợp 2: Ngắn mạch đầu cực và hình 9 máy phát Khi đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đường dây gần đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ hệ thống trở lại bình thường sau 10 giây. Kết quả mô phỏng công suất điện Pe, góc công suất δ và độ lệch tốc độ rotor Δω được thể hiện như trong hình 10, hình 11 và hình 12 Hình 7. Công suất điện Pe trong trường hợp thay đổi tải đột ngột Hình 10. Công suất điện Pe trong trường hợp ngắn mạch 3 pha trên đầu cực máy phát Hình 8. Góc công suất 훿 trong trường hợp thay đổi tải đột ngột
10. mềm Matlab Simulink theo các điều kiện vận hành khác nhau chẳng hạn như tải nhẹ, tải nặng, các nhiễu loạn khác nhau như thay đổi công suất đầu vào, ngắn mạch 3 pha đều được kiểm tra, trong cùng một thời gian tất cả các trường hợp mô phỏng được nghiên cứu so sánh với bộ PSS thông thường, và kết Hình 11. Góc công suất delta trong quả mô phỏng cho thấy rằng bộ ACO-PSS trường hợp ngắn mạch đáp ứng được tất các các dao động của hệ thống điện theo các điều kiện vận hành khác nhau và đã cải thiện đáng kể ổn định của hệ thống. PHỤ LỤC 1. Thông số máy phát H=3.542, D = 0, Xd=1.7572, Xq=1.5845, X’=0.4245, X’q=1.04, T’do=6.66, T’qo=0.44, Hình 12. Độ lệch tốc độ Rotor trong trường R=0, Pe=0.6, δ0=44.370. hợp ngắn mạch 3 pha trên đầu cực máy phát 2. Kích từ KA=400, TA=0.025s Nhận xét: 3. Thông số đường dây Các kết quả mô phỏng cho thấy Bộ ổn R=0, Xe = 0.68, G=0, B=0 định ACO - PSS làm cho góc công suất máy phát điện dao động có biên độ nhỏ, tần 4. Thông số bộ PSS thông thường số dao động thấp hơn (khoảng 3 chu kì), KPSS = 0.0403, T1 = T3 = 0.016,T2 = T4 = thời gian ổn định ngắn hơn (từ 5 đến 6 giây). 0.0547, Tw = 10 Vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động 5. Tất các các thông số như điện trở, điện của hệ thống. cảm, công suất đơn vị là p.u. Thời gian được tính bằng giây. V. KẾT LUẬN Bài báo đã trình bày vịêc ứng dụng TÀI LIỆU THAM KHẢO giải thuật ACO để xác định thông số tối ưu [1] Wenxin Liu, Ganesh K. cho bộ PSS nhằm cải thiện trạng thái ổn Venayagamoorthy, Donald C. Wunsch I1 định của máy phát, nâng cao đặc tính ổn “Adaptive Neural Network Based Power định động của hệ thống. System Stabilizer Design”,0-7803-7898- Sự hoạt động của bộ ACO-PSS trong 9/03/$17.00 02003 IEEE hệ thống một máy phát nối với thanh cái vô [2] Yuan-Yih Hsu, Chao-Rong hạn được mô phỏng trên máy tính bằng phần Chen, Tuning of power system stabilizer
11. using an artificial neuron network, IEEE Transactions on Energy Conversion, Vol. 6, No.4, December 1991. [3] Y.L. Abdel-Magid , M.M. Dawoud, Tuning of power system stabilizers using genetic algorithms, Electric Power Systems Research 39 (1996) 137143 [4] Mahdiyeh Eslami, Hussain Shareef, Azah Mohamed and S. P. Ghoshal, Tuning of power system stabilizers using particle swarm optimization with passive congregation, International Journal of the Physical Sciences Vol. 5(17), pp. 2574- 2589, 18 December, 2010 [5] Jan Machowski, Janusz W. Bialek and James R. Bumby “POWER SYSTEM DYNAMICS Stability and Control” john wiley & sons, Ltd. [6] IEEE, "Recommended practice for excitation system models for power system stability studies", IEEE Std. 421.5-1992, 1992. [7] Traveling Selman Proplem for Dynamic Graphs Kovring Antal Attila CIR Report No.052005 July, 2005
12. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2016-2017 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.