Nhận dạng và phân loại các hiện tượng quá độ trên hệ thống điện dựa vào mạng nơron kết hợp với phân tích wavelets

Nội dung text: Nhận dạng và phân loại các hiện tượng quá độ trên hệ thống điện dựa vào mạng nơron kết hợp với phân tích wavelets

1. NHẬN DẠNG VÀ PHÂN LOẠI CÁC HIỆN TƢỢNG QUÁ ĐỘ TRÊN HỆ THỐNG ĐIỆN DỰA VÀO MẠNG NƠRON KẾT HỢP VỚI PHÂN TÍCH WAVELETS NGUYỄN TẤN ĐỜI HV CAO HỌC KHĨA 1 NĂM HỌC 2003 – 2005 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM ntdoi@yahoo.com TĨM TĂT: Trong bài báo này, một phƣơng pháp mới dùng để nhận dạng và phân loại các tín hiệu quá độ trên hệ thống điện đƣợc giới thiệu. Phƣơng pháp nhận dạng này sử dụng mạng nơron xác suất kết hợp với phân tích wavelet đa phân giải. Đầu tiên, các tín hiệu quá độ đƣợc tạo ra bằng phần mềm phân tích quá độ ATP – EMTP và Matlab. Các tín hiệu này bao gồm: Võng điện áp, Tăng điện áp, Méo họa tần, Nhấp nháy điện áp, Mất điện tạm thời và Quá độ do đĩng cắt tụ điện. Sau đĩ, định lý Parseval đƣợc áp dụng vào phép biến đổi wavelet rời rạc để chọn ra các đặc trƣng về năng lƣợng của từng tín hiệu quá độ. Cuối cùng, mạng nơron xác suất đƣợc sử dụng để sắp xếp các đặc trƣng trên nhằm phân biệt từng loại quá độ. Phƣơng pháp trích đặc trƣng năng lƣợng làm giảm đáng kể số lƣợng dữ liệu của các tìn hiệu nên tiết kiệm đƣợc bộ nhớ và thời gian tính tốn. Ngồi ra, mạng nơron xác suất rất phù hợp cho bài tốn phân loại trong thời gian thực vì thời gian tính tốn rất nhanh. Phƣơng pháp này đã phân loại hiệu quả các tín hiệu quá độ trên. I. GIỚI THIỆU: Hiện nay chất lƣợng điện năng đang đƣợc quan tâm rất nhiều ở các nƣớc phát triển trên thế giới. Ngƣời tiêu dùng khơng những yêu cầu đƣợc cấp điện liên tục mà cịn địi hỏi nguồn điện phải “sạch”, đảm bảo chất lƣợng, khơng ảnh hƣởng đến các thiết bị. Cĩ thể nĩi chất lƣợng điện năng chính là chất lƣợng điện áp. Các hiện tƣợng quá độ xảy ra trên hệ thống điện sẽ gây ra các thay đổi về biên độ và tần số của điện áp nguồn. Do đĩ các thay đổi của điện áp sẽ làm ảnh hƣởng rất lớn đến chất lƣợng điện năng. Nhận biết các nguyên nhân gây ra thay đổi điện áp hệ thống sẽ giúp cải thiện rất lớn vấn đề chất lƣợng điện năng. Đặc biệt khi phân loại chính xác các quá độ sẽ giúp ngƣời vận hành hệ thống cĩ những thao tác nhanh và phù hợp Các quá độ đƣợc xét gồm: Võng điện áp, Tăng điện áp, Méo họa tần, Nhấp nháy điện áp, Mất điện tạm thời, Đĩng cắt tụ điện. Trên thế giới đã cĩ nhiều cơng trình nghiên cứu về vấn đề này. Tài liệu tham khảo [3] trình bày cách nhận dạng các quá độ dựa vào phân bố các mức năng lƣợng của tín hiệu thơng qua phân tích wavelet đa phân giải. Tài liệu [4] trình bày bộ nhận dạng bằng cách kết hợp mạng nơron xác suất và phân tích wavelets. Tài liệu [5] trình bày bộ phân loại thơng qua tập luật của logic mờ và phân tích wavelet. Tài liệu [6] trình bày bộ phân loại bằng mạng nơron vectơ lƣợng tử kết hợp với phân tích wavelet. Nhƣ vậy cĩ thể dùng biến đổi wavelet rời rạc để trích các đặc trƣng năng lƣợng của tín hiệu quá độ, sau đĩ kết hợp với hệ chuyên gia hoặc trí tuệ nhân tạo để tạo thành một bộ phân loại thực tế. Tuy nhiên, cĩ hai vấn đề cần khắc phục đối với các phƣơng pháp này: - Sử dụng các hệ số của biến đổi wavelet nhƣ các ngả vào của mạng nơron sẽ chiếm bộ nhớ rất lớn và tốn nhiều thời gian học. - Cấp độ phân tích và các mẫu đặc trƣng cần phải giảm bớt để làm tăng hiệu quả tính tốn nhƣng phải đảm bảo độ chính xác khi nhận dạng. Bài báo này trình bày một bộ phân loại kết hợp giữa kỹ thuật phân tích wavelet đa phân giải và mạng nơron xác suất. Áp dụng định lý Parseval sẽ làm giảm bớt số lƣợng các đặc trƣng của tín hiệu. Tốc độ học của mạng nơron xác suất rất nhanh sẽ phù hợp cho bài tốn phân loại và chẩn đốn sự cố trong thời gian thực. Cĩ 70 tín hiệu quá độ đƣợc tạo ra làm dữ liệu huấn luyện cho mạng nơron, và cĩ 21 tín hiệu khác thử nghiệm việc nhận dạng. Các tín hiệu này đƣợc tạo ra bằng các phần mềm ATP – EMTP và Matlab. Kết quả thử nghiệm cho thấy phƣơng pháp đã đề xuất phân loại hiệu quả các tín hiệu quá độ. II. ATP – EMTP: ATP – EMTP là phần mềm phân tích quá độ. Gồm 4 phần chính: ATPDraw, PlotXY, GTPPLOT, ATP Control Center. 1. ATPDraw: Là chƣơng trình dùng để tạo các mơ hình và mơ phỏng mạch quá độ. Chƣơng trình gồm 4 tập tin chính: - ATPDraw.exe: chạy chƣơng trình vẽ mạch. - ATPDraw.scl: thƣ viện linh kiện. - ATPDraw.cnt: nội dung tập tin help. - ATPDraw.help: chạy tập tin help. 1
2. Sau khi mơ phỏng, chƣơng trình sẽ tạo ra tập tin kết quả cĩ tên là *.pl4 chứa dữ liệu trong thƣ mục ATPDraw/ATP. 2. PlotXY: Là chƣơng trình dùng hiển thị các dữ liệu kết quả của ATPDraw. PlotXY hỗ trợ cơng cụ vẽ dạng sĩng theo thời gian và phân tích Fourier. Các tập tin chạy trên PlotXY gồm: *.pl4, *.mat. 3. GTPPLOT: Là chƣơng trình vẽ giốngnhƣ PlotXY nhƣng đƣợc thực hiện trên giao diện DOS. Nĩ cho phép xuất dữ liệu kết quả của ATPDraw thành nhiều định dạng khác nhau. Các bƣớc thực hiện xuất tập tin trong ATPDraw (*.pl4) thành dữ liệu cho Matlab (tập tin *.mat): - Trên giao diện của chƣơng trình, nhập đƣờng dẫn đến tập tin *.pl4. - Nhập lệnh Choice để hiển thị các biến trong tập tin *.pl4. - Nhập lệnh #1, 2, , n để định thứ tự các biến cần xuất ra. - Nhập lệnh Matlab để xác định dữ liệu cần xuất là tập tin *.mat. - Nhập lệnh Go để chạy chƣơng trình. 4. Kết quả mơ phỏng dạng sĩng quá độ: Dựa vào ATP – EMTP và Matlab để mơ phỏng 6 dạng sĩng quá độ nhƣ các hình vẽ 1–6 1.00 1.2 [V] [V] 0.75 0.8 0.50 0.4 0.25 0.00 0.0 -0.25 -0.4 -0.50 -0.8 -0.75 -1.00 -1.2 0.00 0.05 0.10 0.15 0.20 0.25 [s] 0.30 0.00 0.05 0.10 0.15 0.20 0.25 [s] 0.30 (file SAG.pl4; x-var t) v:U (file SWELL.pl4; x-var t) v:U Biên độ Hình 1: Dạng sĩng Võng điện áp Hình 2: Dạng sĩngTăng điện áp 1.5 1 [V] 0.8 1.0 0.6 0.5 0.4 0.2 0.0 0 -0.2 -0.5 -0.4 -0.6 -1.0 -0.8 -1 -1.5 0 500 1000 1500 2000 2500 3000 3500 4000 0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 [s] 0.16 (file C.pl4; x-var t) v:UC Hình 3: Dạng sĩng Mất điện tạm thời Hình 4: Dạng sĩngĐĩng cắt tụ 1 0.8 1 0.6 0.4 0.5 0.2 0 0 -0.2 -0.4 -0.5 -0.6 -0.8 -1 -1 0.05 0.1 0.15 0.2 0.25 0.05 0.1 0.15 0.2 0.25 Hình 5: Dạng sĩng Nhấp nháy điện áp Hình 6: Dạng sĩng Méo họa tần III. BIẾN ĐỔI WAVELET: 1. Phân tích đa phân giải: Đặc tính chính của biến đổi wavelets là kỹ thuật phân tích đa phân giải. Kỹ thuật này đƣợc dùng để phân tích một tín hiệu ban đầu thành nhiều tín hiệu với các cấp phân giải (các tỉ lệ) khác nhau. Biểu diễn tốn học của Phân tích đa phân giải nhƣ sau: Vj = Wj+1  Vj+1 = Wj+1  Wj+2  Wj+3  . . .  Wj+n + Vn (1) Vj+1 là thành phần xấp xỉ của tín hiệu ở tỉ lệ j+1. Wj+1 là thành phần chi tiết biểu diễn tất cả các hiện tƣợng quá độ của tín hiệu ở tỉ lệ j+1.  ký hiệu cho tổng của 2 tín hiệu đã phân tích. n là cấp phân tích. Giả sử xj[t] đƣợc lấy mẫu theo các khoảng thời gian nhƣ nhau, với số lƣợng mẫu J là N=2 , J là số nguyên, thì: xj[t] = (v0, v1, , vN-1). Biểu diển tốn học biến đổi wavelet rời rạc của xj[t] là: xj[t] =  xj[t].j,k[t] với (t) là hàm tỉ lệ . (2) k 2. Ứng dụng định lý Parseval trong biến đổi wavelet rời rạc: Nếu một tín hiệu rời rạc x[n] là dịng chạy qua điện trở 1 thì năng lƣợng tiêu thụ của điện trở này bằng tổng bình phƣơng các hệ số của biến đổi Fourier trong miền tần số. 2 2 (1/N)  |x[n]| =  |ak| (3) n=N k=N 2
3. Với N là chu kỳ lấy mẫu, ak là các hệ số biến đổi Fourier. Áp dụng định lý này vào biến đổi wavelet rời rạc, kết hợp các phƣơng trình (2) và (3) sẽ nhận đƣợc: J 2 2 2 (1/N)  |x[t]| = (1/NJ)  |uj,k| +  ((1/NJ) |wj,k| ) (4) t k j=1 Nhƣ vậy, bằng biến đổi wavelet rời rạc, năng lƣợng của tín hiệu quá độ sẽ đƣợc biểu diễn theo (4). Số hạng thứ nhất vế phải của (4) biểu diễn cơng suất trung bình của thành phần xấp xỉ của tín hiệu. Số hạng thứ hai biểu diễn cơng suất trung bình của thành phần chi tiết của tín hiệu. Số hạng này biểu diễn các đặc trƣng trong phân bố năng lƣợng của thành phần chi tiết của tín hiệu. Nĩ đƣợc chọn để trích các đặc trƣng của cơng suất tín hiệu quá độ. 3. Chọn các đặc trƣng của tín hiệu để nhận dạng và phân loại: Khi xảy ra nhiễu quá độ, tín hiệu cơng suất trên hệ thống sẽ tạo ra một trạng thái gián đoạn ở thời điểm bắt đầu và kết thúc của quá độ. Sử dụng kỹ thuật biến đổi wavelet rời rạc để phân tích tín hiệu này. Qua phân tích đa phân giải cấp 1 sẽ tạo ra hệ số wavelets w1, nên thời điểm bắt đầu ts và kết thúc te sẽ nhận đƣợc. Thời gian xảy ra quá độ tt đƣợc tính: tt = | te – ts | (5) Theo (4), năng lƣợng của tín hiệu quá độ cĩ thể đƣợc phân chia ở nhiều cấp phân giải theo nhiều cách khác nhau tùy thuộc vào bài tốn chất lƣợng điện năng. Do đĩ cần xác định hệ số w của thành phần chi tiết ở mỗi cấp phân giải để trích ra các đặc trƣng của tín hiệu. Biểu diễn tốn học của quá trình này nhƣ sau: 2 2 Pj = (1/Nj)  |wj,k| = ||wj|| /Nj (6) k với ||wj|| là tiêu chuẩn của sự mở rộng hệ số wj . Phƣơng trình (6) cĩ 4 tính chất đặc biệt: Chọn hàm wavelets Daubanchie “db4” để thực hiện biến đổi wavelets rời rạc. Vì vậy sẽ tạo ra các phân bố năng lƣợng lớn hơn đối với các cấp phân tích 6, 7 và 8. Sự phân bố năng lƣợng khơng bị ảnh hƣởng bởi thời gian xảy ra quá độ. Phân bố năng lƣợng khơng đổi dù biên độ của cùng một loại quá độ thay đổi. Phân bố năng lƣợng bậc thấp biểu diễn những thay đổi rỏ khi tín hiệu quá độ cĩ chứa các thành phần tần số cao. Ngƣợc lại, phân bố năng lƣợng bậc cao sẽ chỉ rỏ những thay đổi của tín hiệu cĩ chứa các thành phần tần số thấp. Chuẩn hĩa (6) thành (7) để diễn tả rỏ các đặc điểm trên: D 1/ 2 Pj = (Pj) (7) 4. Ví dụ minh họa: Hình vẽ 7a biểu diễn dạng sĩngVõng điện áp theo 3 thời điểm khác nhau. Áp dụng (5) và (6) để phân tích 3 tín hiệu này (tốc độ lấy mẫu là 256 điểm/giây) sẽ thu đƣợc cùng một kết quả phân bố 13 mức năng lƣợng khi khoảng thời gian võng điện áp là nhƣ nhau (4 chu kỳ), biểu diễn trên hình 7b. (pu) (pu) độ n n ê Bi 0 Thời gian (ms) 30 Các cấp phân tích Hình 7a: Võng điện áp khác thời điểm Hình 7b: Phân bố năng lượng Tƣơng tự nhƣ vậy, trong hình 8a, khi biên độ võng điện áp thay đổi (0.8pu, 0.6pu và 0.4pu) thì phân bố 13 mức năng lƣợng vẫn khơng đổi, biểu diễn trên hình 8b. 3
4. (pu) độ n n ê Bi 0 Thời gian (ms) 30 Các cấp phân tích Hình 8a: Võng điện áp khác biên độ Hình 8b: Phân bố năng lượng Dạng sĩng và phân bố năng lƣợng của các thành phần tần số thấp (nhấp nháy điện áp) đƣợc biểu diễn trên hình 9, cịn các thành phần tần số cao (méo họa tần) đƣợc biểu diễn trên hình 10. Biên độ (pu) (pu) độ Biên Biên độ (pu) độ Biên 0 Thời gian (ms) 30 0 Thời gian (ms) 30 Đặc trƣng tần số thấp Đặc trƣng tần số cao Hình 9: Đặc trưng năng lượng tần số thấp Hình 10: Đặc trưng năng lượng tần số cao IV. MẠNG NƠRON XÁC SUẤT: 1. Mơ hình Mạng Nơron Xác Suất: - Mơ hình mạng nơron xác suất dùng cho bài tốn phân loại gồm cĩ 3 lớp hình thành nên tầng cơ sở xuyên tâm và tầng cạnh tranh, theo hình vẽ 11. Trong đĩ: Lớp vào cĩ i nơron nhận các ngả vào X = [X1, X2, . . ., Xi ]. Lớp ẩn cĩ k nơron H = [H1, H2, . . ., Hk ]. Lớp ra cĩ j nơron nối với ngả ra Y = [ Y1, Y2, . . ., Yj ], mỗi Yi đại diện cho một dạng phân loại. xh hy Trọng số kết nối giữa lớp vào và lớp ẩn là Wih , giữa lớp ẩn và lớp ra là Whj . xh W hy Wih hj Tầng cơ sở xuyên tâm Tầng cạnh tranh Hình 11: Mơ hình mạng nơron xác suất - Mạng nơron xác suất là dạng mạng học cĩ giám sát, cĩ tốc độ học rất nhanh phù hợp cho bài tốn phân loại tín hiệu và chẩn đốn sự cố. Các khác biệt giữa mạng nơron xác suất và những mạng nơron khác là: Mạng đƣợc thực hiện bằng mơ hình xác suất là bộ phân loại Bayes. 4
5. Mạng đƣợc đảm bảo hội tụ nếu nĩ đƣợc cung cấp đủ dữ liệu huấn luyện. Khơng địi hỏi phải cĩ quá trình học. Khơng cần đặt các trọng số ban đầu cho mạng. Khơng cần quan hệ giữa quá trình học và quá trình gọi lại. Khơng dùng sai số giữa vectơ ra và vectơ mẫu để hiệu chỉnh trọng số của mạng. 2. Hàm Mật độ xác suất: Trong ứng dụng để phân loại tín hiệu, các mẫu huấn luyện đƣợc sắp xếp theo các giá trị phân bố hàm mật độ xác suất của chúng. Hàm mật độ xác suất đƣợc định nghĩa theo phƣơng trình (8): Nk -1 2 fk(X) = Nk  exp((– || X – Xkj|| ) / 2 ) (8) j=1 Khi đĩ, ngả ra của vectơ H trong lớp ẩn của mạng nơron xác suất là: xh 2 2 Hh = exp(–(Xi – Wih ) / 2 ) (9) i Thuật tốn tạo vectơ ngả ra Y trong mạng nơron xác suất là: -1 hy hy netj = Nj  Whj . Hh và Nj =  Whj (10) h h Nếu netj = max(netk ) Thì Yj = 1 , ngƣợc lại Yj = 0 (11) Với: i là số lƣợng các lớp vào, h là số lƣợng các lớp ẩn, y là số lớp ra, k là số mẫu huấn luyện. Nk là số mẫu cần nhận dạng,  là thơng số san bằng (độ lệch chuẩn), 0.1 <  < 1 , chọn =0.5. X là vectơ vào, || X – Xkj|| là khoảng cách Ơ-clit giữa vectơ X và vectơ Xkj , 2 || X – Xkj|| = ( Xi – Xkj ) (12) xh hj Wih là trọng số kết nối giữa lớp X và lớp H, Whi là trọng số kết nối giữa lớp H và lớp Y. 3. Phân loại tự động bằng mạng nơron: Tạo mẫu dữ liệu từ các dạng sĩng điện áp Biến đổi wavelets rời rạc các mẫu dữ liệu Phân tích đa phân giải w1 , w2 , . . . , w13 Tính thời gian xảy ra quá độ Trích các đặc trƣng năng lƣợng t D D D t P1 , P2 , . . . , P13 PHÂN LOẠI TÍN HIỆU QUÁ ĐỘ BẰNG MẠNG NƠRON XÁC SUẤT SIN SAG SWELL HAR Flicker INT CAP Hình 12 : Bộ phân loại b ằng mạng nơron xác suất 5
6. Mặc dù mạng nơron xác suất cĩ bất lợi là cần bộ nhớ lớn nhƣng cĩ thể khắc phục bằng cách ứng dụng định lý Parseval để giảm bớt số mẫu đặc trƣng. Trong bài báo này đã thực hiện phân tích wavelets 13 cấp đối với từng tín hiệu quá độ dạng rời rạc để cĩ đƣợc các hệ số w1 . . . w13 của thành phần chi tiết. Bình phƣơng các hệ số wavelets của phân tích cấp 1 sẽ thu đƣợc thời gian xảy ra quá độ. Sử dụng các D D phƣơng trình (6) và (7) để cĩ đƣợc phân bố năng lƣợng P1 . . . P13 của 13 cấp phân tích. Các đặc D trƣng này đƣợc sử dụng làm dữ liệu cho mạng nơron. Các giá trị tt và Pi đƣợc sử dụng làm các mẫu của tập huấn luyện của mạng. ngả ra của mạng sẽ cho biết loại tín hiệu quá độ tƣơng ứng với các mẫu vào. Thủ tục thực hiện đối với bộ phân loại này đƣợc trình bày trong hình 12. V. KẾT QUẢ: 1. Nhận dạng các đặc trƣng năng lƣợng: Các tín hiệu quá độ và sĩng sin chuẩn đƣợc tạo ra trên ATP – EMTP và Matlab nhƣ trong mục II. Hàm wavelets db4 đƣợc chọn để thực hiện biến đổi wavelets rời rạc các tín hiệu trên. Kết quả nhận dạng đạt đƣợc nhƣ sau: - Hình 13a biểu diễn dạng sĩng và các hệ số thành phần chi tiết của phân tích 3 cấp của sĩng Sin chuẩn. Hình 13b biểu diễn phân bố 13 mức năng lƣợng của sĩng Sin chuẩn. - Tƣơng tự, các hình 14 – 19 biểu diễn cho các tín hiệu quá độ: Võng điện áp, Tăng điện áp, Méo họa tần, Nhấp nháy điện áp, Mất điện tạm thời và Đĩng cắt tụ điện. Trên các hình vẽ a: trục hồnh biểu diễn các điểm lấy mẫu, trục tung biểu diễn biên độ Trên các hình vẽ b: trục hồnh biểu diễn 13 mức phân tích, trục tung biểu diễn biên độ Hình 13a: Dạng sĩng và hệ số phân tích sĩng Sin Hình 13b: Phân bố 13 mức năng lượng Hình 14a: Dạng sĩng và hệ số phân tích Võng điện áp Hình 14b: Phân bố 13 mức năng lượng Hình 15a: Dạng sĩng và hệ số phân tích Tăng điện áp Hình 15b: Phân bố 13 mức năng lượng 6
7. Hình 16a: Dạng sĩng và hệ số phân tích Méo họa tần Hình 16b: Phân bố 13 mức năng lượng Hình 17a: Dạng sĩng và hệ số phân tích Nhấp nháy điện áp Hình 17b: Phân bố 13 mức năng lượng Hình 18a: Dạng sĩng và hệ số phân tích Mất điện tạm thời Hình 18b: Phân bố 13 mức năng lượng Hình 19a: Dạng sĩng và hệ số phân tích Đĩng cắt tụ Hình 19b: Phân bố 13 mức năng lượng Từ các hình vẽ trên cĩ thể rút ra 3 đặc tính của các đồ thị phân bố năng lƣợng các tín hiệu quá độ. Các đặc tính này dùng làm cơ sở cho việc nhận dạng các tín hiệu. D Khi xảy ra Võng điện áp, Tăng điện áp hoặc Mất điện tạm thời thì các thành phần P6 , D D P7 và P8 sẽ thay đổi lớn. D Khi xảy ra quá độ tần số cao nhƣ Đĩng cắt tụ điện, Méo họa tần thì các thành phần P3 , D D P4 và P5 cĩ sự thay đổi rỏ ràng. D D D Khi xảy ra quá độ tần số thấp nhƣ Nhấp nháy điện áp thì các thành phần P9 , P10 và P11 sẽ thay đổi rỏ. Ngồi ra, thơng qua biểu diễn 3 chiều sự phân bố năng lƣợng sẽ thấy rỏ đƣợc sự khác biệt của 7 tín hiệu trên, nhƣ hình vẽ 20. Trong đĩ: 1: SIN-Sin chuẩn 2: SAG-Võng điện áp 3: SW-Tăng điện áp 4: HAR-Méo họa tần 5: FL-Nhấp nháy điện áp 6: INT-Mất điện tạm thời 7: CAP-Đĩng cắt tụ điện 7
8. 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 15 7 10 6 5 5 4 3 2 0 1 Hình 20: Biểu diễn 3D phân bố năng lượng của 7 tín hiệu 2. Kết quả huấn luyện và phân loại: Mơ hình mạng nơron xác suất đƣợc thực hiện trong Neural Network Toolbox của Matlab. Chƣơng trình đƣợc viết bằng ngơn ngữ Matlab dạng tập tin *.m, và đƣợc thực hiện trên máy tính Notebook PIII 650MHz 192MB RAM. Các mẫu huấn luyện của mạng nơron xác suất đƣợc định dạng theo bảng 1. Loại Ngả ra tín hiệu P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 t mẫu SIN 0.0000 0.0000 0.0001 0.0003 0.0043 0.0562 0.4232 0.5517 0.0839 0.1576 0.2818 0.1413 0.1717 0.0001 1 SAG 0.0001 0.0005 0.0008 0.0019 0.0067 0.0542 0.3820 0.4884 0.0565 0.0412 0.0144 0.0040 0.0046 0.0835 2 SW 0.0001 0.0004 0.0007 0.0019 0.0070 0.0632 0.4532 0.6151 0.0583 0.0271 0.0214 0.0134 0.0047 0.0835 3 HAR 0.0002 0.0012 0.0094 0.0451 0.0268 0.0540 0.3879 0.5131 0.0487 0.0262 0.0148 0.0076 0.0078 0.0001 4 FL 0.0001 0.0005 0.0007 0.0020 0.0067 0.0590 0.4221 0.5549 0.1329 0.1005 0.0493 0.0037 0.0207 0.0001 5 INT 0.0002 0.0005 0.0010 0.0021 0.0082 0.0547 0.3620 0.4641 0.0705 0.0541 0.0143 0.0097 0.0046 0.1163 6 CAP 0.0001 0.0004 0.0008 0.0035 0.0263 0.0821 0.4576 0.6049 0.0559 0.0284 0.0153 0.0050 0.0089 0.0667 7 Bảng 1: Định dạng các mẫu huấn luyện mạng xác suất Vì thời gian xảy ra quá độ của các tín hiệu khơng khác nhau nhiều nên cĩ thể bỏ qua dữ liệu về thời gian. Chọn tập huấn luyện mạng là giá trị 13 mức năng lƣợng của phân tích wavelets. Ngả ra của mạng đƣợc phân loại theo số thứ tự từ 1 đến 7 tƣơng ứng với các tín hiệu SIN, SAG, SW, HAR, FL, INT và CAP. Trong bài báo này cĩ 70 tín hiệu đƣợc tạo ra cho 7 loại. Biến đổi các tín hiệu này theo mẫu định dạng trong bảng 1 để huấn luyện cho mạng nơron. Mạng đƣợc huấn luyện lần lƣợt với 35 và 70 mẫu. Ngồi ra, để thử nghiệm kết quả nhận dạng, cần tạo thêm ngẫu nhiên 21 dạng sĩng quá độ cho 7 loại tín hiệu trên. Kết quả thu đƣợc cho trên bảng 2. Theo bảng 2, khi huấn luyện với 35 mẫu thì mạng nhận đƣợc 17/21 mẫu, đạt tỉ lệ 80.9%. Cịn khi huấn luyện mạng với 70 mẫu thì mạng nhận đƣợc 19/21 mẫu, đạt tỉ lệ 90.5% Số mẫu huấn luyện 35 70 Số mẫu thử nghiệm 21 21 Số mẫu đúng 17 19 Độ chính xác 80.9% 90.5% Thời gian học (s) 1.58 2.5 Thời gian thử (s) 0.02 0.03 Bảng 2: Kết quả thử nghiệm 8
9. VI. GIAO DIỆN NGƢỜI DÙNG: Để thuận lợi cho ngƣời sử dụng, bài báo này cịn trình bày thêm một giao diện ngƣời dùng. Giao diện này đƣợc tạo ra trong phần GUI của Matlab, nhƣ hình vẽ 21. Hình 21: Giao diện người dùng Trong giao diện này, dữ liệu của từng tín hiệu (ở dạng tập tin *.mat) đƣợc đƣa vào qua nút NHẬP, lệnh phân tích wavelets đƣợc thực hiện sau khi nhấn nút PHÂN TÍCH, mạng nơron sẽ nhận dạng và phân loại tự động sau khi nhấn nút NHẬN DẠNG. Kết quả phân tích và nhận dạng đƣợc hiển thị rỏ trên giao diện tạo thuận lợi cho ngƣời vận hành. VII. KẾT LUẬN: Bài báo đã nêu lên đƣợc một phƣơng pháp mới để nhận dạng các tín hiệu quá độ dựa vào bộ phân loại Mạng nơron xác suất kết hợp với Phân tích wavelets đa phân giải. Phƣơng pháp đề xuất đã làm giảm các mẫu đặc trƣng của tín hiệu nhƣng vẫn giữ đƣợc tính chất riêng của nĩ. Vì vậy đã tiết kiệm đƣợc bộ nhớ và thời gian tính tốn. Các tín hiệu quá độ đƣợc tạo ra trong phần mềm ATP – EMTP mang tính thực tế cao làm cho phƣơng pháp đề xuất mang tính thực tế hơn. Ngồi ra, sự liên kết giữa ATP – EMTP và Matlab cũng đƣợc trình bày ở đây. Kết quả thử nghiệm đạt 90% cho thấy bộ phân loại này cĩ thể nhận dạng tốt các tín hiệu quá độ. Với thời gian nhận dạng là 0.03s thì bộ phân loại này cĩ thể giúp ngƣời vận hành xử lý kịp thời các sự cố trên hệ thống. Nếu kết hợp thêm một thiết bị ghi nhận sự cố trên hệ thống giao tiếp đƣợc với máy tính thì bộ phân loại này cĩ thể xử lý đƣợc trong thời gian thực. Tuy nhiên đây là cơng việc trong tƣơng lai vì hiện tại các tín hiệu quá độ đang đƣợc tạo ra trên máy tính. TÀI LIỆU THAM KHẢO: [1] Nguyễn Đình Thúc, “Mạng Nơron – Phƣơng Pháp và Ứng Dụng”, NXB Giáo Dục, 2000. [2] Nguyễn Đức Thành, “Matlab và Ứng Dụng Trong Điều Khiển”, NXB ĐH Quốc Gia TPHCM, 2004. [3] Resende J.W, “Identification of Power Quality Disturbances Using The Matlab Wavelet Transform Toolbox”. [4] T.X Zhu and S.K Tso, “Wavelet-Based Fuzzy Reasoning Approach to Power Quality Disturbances Recognition”, IEEE, Vol.19, No.4, 2004. [5] Zwe-Lee Gaing, “Wavelet-Based Neural Network for Power Disturbances Recognition and Classification”, IEEE, Vol.19, No.4, 2004. [6] S.Santoso, “Power Quality Disturbance Waveform Recognition Using Wavelet – Based Neural Classifier – Part 1, Part 2”, IEEE, Vol15, 2000. Thơng qua giáo viên hƣớng dẫn 9
10. BÀI BÁO KHOA HỌC THỰC HIỆN CƠNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên cĩ 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 cĩ sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CĨ 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.