Phương pháp sa thải phụ tải sử dụng mạng nơron nhân tạo

Nội dung text: Phương pháp sa thải phụ tải sử dụng mạng nơron nhân tạo

1. PHƯƠNG PHÁP SA THẢI PHỤ TẢI SỬ DỤNG MẠNG NƠRON NHÂN TẠO METHOD OF LOAD SHEDDING USING THE ARTIFICIAL NEUTRAL NETWORK Nguyễn Viết Toại Trường đại học Sư phạm Kỹ thuật Tp. HCM TÓM TẮT Giải pháp sa thải phụ tải là một trong những giải pháp mạnh và hiệu quả để duy trì ổn định hệ thống điện trong các tình huống sự cố khẩn cấp được các nhà nghiên cứu quan tâm. Vấn đề đặt ra là phải sa thải nhanh, hợp lý để duy trì ổn định, phục hồi các giá trị thông số hệ thống về giá trị cho phép. Bài báo này trình bày quy trình xây dựng hệ thống nhận dạng để đánh giá trạng thái không ổn định của hệ thống điện và phân lớp chiến lược sa thải phụ tải trên cơ sở 2 mạng nơron. Mô hình đề xuất sử dụng giải thuật K_means kết hợp với giải thuật AHP để xây dựng nhóm chiến lược sa thải phụ tải có xét đến tầm quan trọng của phụ tải nhằm làm giảm thiệt hại về mặt kinh tế khi sa thải so với các phương pháp truyền thống trước đây. Từ khóa: Sa thải phụ tải, Nơron nhân tạo, Hệ thống nhận dạng, Giải thuật K_means. ABSTRACT Load shedding solutions are one of the most powerful and effective solutions to maintain a stable electrical system in emergency situations that are of interest to researchers. The problem is to shed quickly, reasonable to maintain stability, restore the system parameter values to the value allowed. This paper presents the process of establishing an identification system for assessing the instability of electrical systems and classifying strategies for shedding based on two neural networks. The proposed model using the K_means algorithm combined with the AHP algorithm to form a strategy for shed considering the importance of additional payloads to reduce the economic losses on layoffs compared to other modes previous tradition. Keywords: Load sacking, artificial neurons, Identification system, K_means algorithm. I. GIỚI THIỆU phương pháp tin cậy để đảm bảo can thiệp Gần đây, các sự cố mất điện nghiêm nhanh chóng và chính xác nhằm ngăn ngừa trọng trên khắp thế giới đã đặt ra câu hỏi về sụp đổ hệ thống. việc tìm ra các giải pháp để duy trì ổn định Có nhiều biện pháp để duy trì ổn của hệ thống giữ vai trò rất quan trọng trong định động hệ thống điện: sử dụng thiết bị công tác vận hành, và điều độ trong hệ FACT, bộ PSS, Tuy nhiên, vấn đề gặp thống điện. Do đó, để đảm bảo duy trì ổn phải là khi gặp sự cố lớn, nghiêm trọng: mất định hệ thống điện, yêu cầu phải có những máy phát một lượng công suất lớn, sự cố
2. ngắn mạch đường dây, thanh cái thì không ổn định của hệ thống được tạo ra từ những phương pháp kể trên có thể không các mô phỏng offline ứng với các dạng sự thể đáp ứng kịp để duy trì ổn định hệ thống cố ngắn mạch tại tất cả các thanh góp và điện. dọc các đường dây truyền tải. Duy trì ổn định hệ thống là yêu cầu Vector biến đầu vào chứa thông tin bức thiết với mọi thành viên vận hành, điều đặc trưng của trạng thái hệ thống điện. độ và quản lý hệ thống điện. Có nhiều biện Thông số của biến sự cố chứa sự thay đổi pháp để duy trì ổn định động hệ thống điện tức thì của các thông số trạng thái ngay khi như: xác định thời gian cắt sự cố hợp lý, sử sự cố xảy ra: độ thay đổi công suất các nút dụng thiết bị FACT, bộ PSS Tuy nhiên, tải (∆PLoad), độ sụt áp tại các Bus (∆VBus), khi xuất hiện các sự cố nghiêm trọng như độ thay đổi công suất trên các nhánh mất máy phát công suất lớn, sự cố ngắn (∆PFlow). Vector biến đầu ra đại diện cho mạch đường dây, thanh cái thì những trạng thái của hệ thống điện: hệ thống điện phương pháp kể trên khó có thể có khả năng là ổn định khi độ lệch góc rotor của bất kỳ để duy trì hay tái lập ổn định hệ thống điện. hai máy phát không quá 180o, và là không Nghiên cứu này trình bày quy trình ổn định khi độ lệch góc rotor của bất kỳ hai xây dựng hệ thống nhận dạng để đánh giá máy phát vượt quá 1800. Biến đầu ra được trạng thái không ổn định của hệ thống điện gán cho nhãn biến nhị phân là y{10,01}, và phân lớp chiến lược sa thải phụ tải trên lớp 1 {10} là lớp ổn định, lớp 2 {01} là lớp cơ sở 2 mạng nơron. không ổn định. Các dữ liệu được chuẩn hóa Mô hình đề xuất sử dụng giải thuật trước khi huấn luyện. K_means kết hợp với giải thuật AHP để xây II.3 Lựa chọn biến dựng nhóm chiến lược sa thải phụ tải có xét Lựa chọn tập biến là chọn vector z đến tầm quan trọng của phụ tải nhằm làm có d biến với d<n, d là đại diện cho cơ sở giảm thiệt hại về mặt kinh tế khi sa thải so dữ liệu ban đầu với cỡ dữ liệu mới D {z , y }d với các phương pháp truyền thống trước new i i i 1 và quan hệ đầu vào và đầu đây. ra mới ynewi=fnew(zi). II. PHƯƠNG PHÁP TIẾP CẬN Quá trình này gồm các bước: xác II.1 Mô hình nhận dạng định tập biến và dữ liệu ban đầu, chọn các Mô hình nhận dạng ổn định động hệ tập biến, đánh giá chọn tập biến [1, 2]. thống điện là mô hình quan hệ yi=f(xi) giữa II.4 Mô hình thuật toán đề xuất đầu vào và đầu ra sau khi học từ cơ sở dữ Mô hình gồm các khối sau: liệu ổn định động hệ thống điện 1) Biến đầu vào: Tín hiệu hiệu ngõ vào là D {x , y }n i i i 1 , trong đó xi là vector đặc dữ liệu vào tương ứng với các trường hợp trưng trạng thái vận hành hệ thống điện với sự cố ổn định và gây mất ổn định hệ thống n biến đầu vào, và yi là biến đầu ra tương điện với các mức tải 100%. ứng. - ΔPLoad, ΔPFlow, ΔVBus: Là độ thay II.2 Tập biến và mẫu đổi công suất tải, độ thay đổi công suất Từ mô hình hệ thống điện, một nhánh và độ thay đổi điện áp khi bị sự cố lượng lớn mẫu dữ liệu trạng thái ổn định và và được lấy từ các thiết bị đo lường để nhận
3. dạng nhanh trạng thái không ổn định hệ Output:C{c1,c2, ,ck}=C{cp} tập tâm thống điện khi có sự cố. đại diện có k tâm ban đầu, p=[1,k]. 1. Khởi tạo k tâm ban đầu ngẫu nhiên, 2) Bộ nhận dạng ANN1: Để nhận dạng chế C{c1,c2, ,ck} độ không ổn định hệ thống. Bộ nhận dạng 2. Tính toán khoảng cách Euclide từ các mẫu x đến các tâm c , d(x,c). này nhận tín hiệu từ biến đầu vào và biến i k 3. Đưa các xi vào ck thoả điều kiện công thức đầu ra cho biết hệ thống “Ổn định” hay (2.1). “Không ổn định”. Khi hệ thống “Không ổn 4. Xác định tâm mới dựa vào công thức (2.2). 5. Lặp lại bước 2 đến bước 4, giải thuật dừng định” thì thực hiện sa thải phụ tải dựa trên khi tâm không đổi. các luật/chiến lược đã được xếp lớp. 3) Bộ nhận dạng ANN2: Thực hiện phân lớp để điều khiển, áp dụng giải thuật phân cụm dữ liệu K_means để phân nhóm dữ liệu mất ổn định thành các nhóm dữ liệu con và làm cơ sở xây dựng chiến lược sa thải phụ tải. Như vậy, dữ liệu học của ANN2 là dữ liệu được phân cụm bởi giải thuật K_means. ANN2 nhận biến đầu vào khi ANN1 báo “mất ổn định” và đầu ra là các chiến lược sa thải phụ tải. Trong bài báo này thuật toán K_means tạo ra 5 cụm dữ liệu {C1, C2, , C5} từ một tập dữ liệu ban đầu. Tiêu chuẩn độ lệch bình phương, hay hàm mục tiêu D Hình 2.1: Sơ đồ các khối điều khiển sa thải phụ E tải khẩn cấp trên cở sở nhận dạng chế độ không được định nghkĩa nhưn sau: 2 ổn định HTĐ và thuật toán AHP DE = ∑∑x j - mi i=1 j (2.1) ni  x l m = l 1 i n i (2.2) Trong đó: mi là trọng tâm của cụm Ci, xl là vector phần tử trong nhóm i, ni là số lượng các vector phần tử trong nhóm thứ i, ||.|| là khoảng cách Euclide. Tham số đầu Hình 2.2: Mô hình online điều khiển khẩn cấp sa thải dựa trên mạng ANN và thuật toán AHP vào của thuật toán là số cụm k, và tham số đầu ra của thuật toán là các tâm của các cụm 4) Bộ sa thải phụ tải: Gồm các chiến lược dữ liệu. sa thải phụ tải dựa trên thuật toán AHP để Giải thuật K_means tiến hành sa thải phụ tải theo thứ tự ưu tiên: Input: X{x1,x2, ,xN} tập mẫu ban đầu với số biến là l và số mẫu là N. tải có tầm quan trọng thấp sẽ được ưu tiên K tâm ban đầu
4. sa thải trước. Điều này góp phần làm giảm không ổn định khi độ lệch góc rotor của bất thiệt hại khi có sự cố xảy ra. kỳ hai máy phát vượt quá 1800. Trong quá Quy trình thực hiện lấy mẫu và huấn trình mô phỏng, việc nghiên cứu cũng đã luyện mạng ANN được thực hiện qua các xét tới các vị trí nguy hiểm, các đường dây, bước như sau: các Bus có ảnh hưởng lớn đến hệ thống - Bước 1: Tạo ra các mẫu mất ổn định điện. Đối với mỗi trường hợp sự cố, cần mô thông qua mô phỏng offline các trường hợp phỏng trạng thái sự cố để đánh trạng thái ổn sự cố bằng phần mềm Powerworld, sau đó định động của hệ thống điện. xuất các dữ liệu thu thập qua Excel và tính III.1.2 Thu thập dữ liệu mô phỏng toán độ chênh lệch các thông số. Các mẫu dữ liệu đại diện cho trạng - Bước 2: Xây dựng tập mẫu học, chuẩn thái hoạt động của hệ thống điện là độ thay hóa dữ liệu. đổi công suất tải ∆PLoad, độ thay đổi điện áp - Bước 3: Sử dụng giải thật K_means phân tại các Bus ∆VBus, độ thay đổi công suất nhóm dữ liệu. phân bố trên các đường dây truyền tải - Bước 4: Sử dụng công cụ ANN để huấn ∆PFlow. Hệ thống điện được xem là ổn định luyện. nếu bất kỳ góc công suất tương đối của máy - Bước 5: Thực hiện các chiến lược điều phát thứ i i so với máy phát thứ j j không khiển sa thải phụ tải dựa trên thuật toán vượt quá 1800. Ngược lại, nếu góc công AHP trên cơ sở các phân lớp chiến lược suất tương đối vượt quá 1800 thì hệ thống điều khiển. điện mất ổn định. - Bước 6: Đánh giá độ chính xác nhận dạng Thực hiện thu thập các thông số của ANN. hệ thống đối với các trường hợp ổn định và III. TÍNH TOÁN, THỬ NGHIỆM, MÔ không ổn định. Sau khi thực hiện mô PHỎNG TRÊN HỆ THỐNG phỏng, để thu thập dữ liệu trong III.1 Xây dựng tập mẫu Powerworld cần thực hiện Display/Colum III.1.1 Mô phỏng các trường hợp sự cố Option Copy/Paste/Send Send All To bằng phần mềm PowerWorld Excel. Số biến (Samples) thu thập bao gồm Thực hiện mô phỏng offline để thu các thông số đặc trưng cho hệ thống điện thập dữ liệu cho đánh giá ổn định động hệ gồm có 104 biến: Điện áp tại các Bus volt thống điện với mức tải 100% tải cơ bản, (39 biến); Công suất tại các tải PL (19 biến); thời gian cắt ngắn mạch cài đặt là 50ms [4]. Công suất trên các đường dây Pline (46 Trong quá trình mô phỏng tiến hành đánh biến). Kết quả số lượng mẫu (Samples) sau giá và phân loại các Bus, các đường dây khi mô phỏng các trường hợp mất ổn định truyền tải trên hệ thống điện vào một trong là 152 mẫu, và các trường hợp ổn định là hai trạng thái Ổn định/Không ổn định dựa 158 mẫu. trên quan sát tỷ lệ suy giảm tần số df/dt, góc III.1.3 Xây dựng tập mẫu học và chuẩn rotor máy phát sau đó lấy mẫu và xây dựng hóa dữ liệu tập học ban đầu. Trạng thái của hệ thống Tập mẫu học được xây dựng dưới điện là ổn định khi độ lệch góc rotor của bất dạng vectơ [mẫu (Samples)×biến kỳ hai máy phát không quá 1800, và là (features)]. Trong đó số lượng mẫu là số
5. hàng, còn số biến (features) là số cột. Số mẫu không ổn định. Kết quả huấn luyện và lượng mẫu không ổn định là 152 mẫu, số kiểm tra được tính toán trung bình cho 10 lượng mẫu ổn định là 158 mẫu (Samples x lần thực hiện. Nghiên cứu áp dụng bộ nhận features), do đó vectơ [310x104] là dữ liệu dạng K-NN (K-Nearest Neighbor) với K=1 học ban đầu. Vectơ biến đầu vào chứa các để thực hiện đánh giá độ chính xác chọn tập thông tin đặc trưng của trạng thái hệ thống biến nhờ vào tính đơn giản của nó, kết quả điện hiện tại. Thông số của biến sự cố là đánh giá độ chính xác kiểm tra trình bày ở biến chứa sự thay đổi tức thì các thông số Hình 3.1. trạng thái ngay khi sự cố xảy ra. 0.96 Chuẩn hóa dữ liệu là quá trình xử lý 0.95 dữ liệu ngõ vào đưa dữ liệu về dạng chuẩn 0.94 SFFS được quy định trước khi được huấn luyện. Fisher AccRate(%) 0.93 Chuẩn hóa dữ liệu là một phương pháp 0.92 khoa học để phân tách một mẫu dữ liệu có 0.91 12 13 14 15 16 17 18 19 20 cấu trúc phức tạp thành những mẫu có cấu Feature (d) trúc đơn giản theo những quy luật đảm bảo Hình 3.1: Độ chính xác kiểm tra chọn biến, bộ nhận dạng K-NN (K=1) không làm mất thông tin dữ liệu. Từ kết quả ở Hình 3.1, độ chính xác III.2 Sử dụng công cụ ANN để huấn kiểm tra khi chọn theo phương pháp Fisher luyện và SFFS là 93,5% và 95,8% tương ứng với III.2.1 Sử dụng công cụ ANN để nhận số biến là 15 và 14 biến. Từ đó, số biến dạng trạng thái không ổn định HTĐ được chọn là 14 biến theo phương pháp Quy trình xây dựng mô hình được SFFS. thực hiện qua những giai đoạn: Với 14 biến được chọn, tiến hành - Giai đoạn 1: Tạo cơ sở dữ liệu ổn định huấn luyện mạng nơron ANN1 với các động. công cụ mạng nơron được hỗ trợ của phần - Giai đoạn 2: Chuẩn hóa dữ liệu. mềm Matlab. Cấu hình và thông số mạng - Giai đoạn 3: Lựa chọn biến đặc trưng. nơron perceptron gồm 3 lớp: lớp vào, lớp - Giai đoạn 4: Huấn luyện ANN. ẩn và lớp ra. Giải thuật cập nhật trọng số và - Giai đoạn 5: Đánh giá độ chính xác nhận bias là Levenberg-Marquardt được khuyên dạng của ANN. dùng nhờ tính toán nhanh [1, 3, 5]. Số chu Tiến hành huấn luyện mạng nơron kỳ huấn luyện là 1000, sai số huấn luyện với dữ liệu biến đầu vào và biến đầu ra của 1e-5, các thông số khác mặc định. Cài đặt mạng nơron thứ nhất là: x{∆V , ∆P , Bus load thông số và cách chia dữ liệu huấn luyện và ∆P } và y{1,0}. Tổng số biến đầu vào là flow kiểm tra là như nhau cho mạng nơron thứ 104 (39+19+46), 1 biến đầu ra {1,0}. nhất ANN1 và mạng nơron thứ hai ANN2: Để tiến hành chọn biến, tập dữ liệu 14 ngõ vào, sử dụng hàm kích hoạt purelin, được chia ngẫu nhiên làm 10 tập con có hàm ẩn tansig với số neural ẩn bằng 10, lớp kích cỡ bằng nhau. Mỗi tập huấn luyện có ra có một nơron với ANN1 và 5 nơron với 142 mẫu ổn định và 137 mẫu không ổn ANN2. định, tập kiểm tra có 16 mẫu ổn định và 15
6. III.2.2 Kết quả phân nhóm dữ liệu - Đánh phụ tải với nhau và tầm quan trọng giữa các giá độ chính xác của huấn luyện tải trong trung tâm tải với nhau. Thực nghiệm thử sai, nghiên cứu Bước 4: Tính toán các trọng số ở các đơn chọn 5 chiến lược sa thải phụ tải tương ứng vị tải đối với toàn hệ thống. Trọng số này với 5 cụm dữ liệu mất ổn định. Giải thuật được tính bằng cách nhân trọng số ở các K_means tách 152 mẫu mất ổn định thành đơn vị tải với trọng số ở các trung tâm tải 5 nhóm (Cluster) gồm có số mẫu trình bày tương ứng. ở Bảng 3.1. Bảng 3.3: Tổng hợp các vùng trung tâm tải và Bảng 3.1: Kết quả phân cụm dữ liệu mất ổn định các đơn vị tải trong sơ đồ IEEE 39 Bus 10 máy Tổng mẫu mất ổn định: 152 Trung tâm tải Đơn vị tải Trung tâm tải 1 Nhóm 1 Nhóm 2 Nhóm 3 Nhóm 4 Nhóm 5 L4, L7, L8, L12, L31, L39 33 42 38 15 24 (LC1) Trung tâm tải 2 Bảng 3.2: Kết quả huấn luyện và kiểm tra của 2 L15, L16, L20, L21, L23, L24 bộ nhận dạng ANN1 và ANN2 (LC2) Độ chính Trung tâm tải 3 Số biến Bộ nhận Độ chính xác L26, L27, L28, L29 xác huấn (LC3) đầu vào dạng kiểm tra (%) luyện (%) Trung tâm tải 4 L3, L18, L25 14 ANN1 97,1 95,4 (LC4) 14 ANN2 99,6 96,8 III.2.3 Tính toán tầm quan trọng của các đơn vị tải sơ đồ IEEE 39 Bus 10 máy phát Thực hiện các bước của thuật toán AHP để xác định tầm quan trọng của các đơn vị tải trong hệ thống, từ đó làm cơ sở để sa thải những phụ tải có tầm quan trọng thấp hơn cho đến lớn hơn nhằm hạn chế tối đa thiệt hại cho hệ thống. Bước 1: Xác định vùng trung tâm tải và các đơn vị tải trong sơ đồ hệ thống. Hình 3.2: Sơ đồ các vùng trung tâm tải trong sơ đồ IEEE 39 Bus 10 máy phát Xác định 4 trung tâm tải tương ứng Áp dụng giải thuật AHP, tính toán với 4 vùng nhưở Hình 3.2 [6]. trọng số của các trung tâm tải và các đơn vị Bước 2: Xây dựng mô hình cấu trúc quyết tải qua các bước sau: định hoặc mô hình phân cấp AHP dựa trên Bước 1: Nhân các giá trị trong cùng 1 hàng các vùng trung tâm tải và các đơn vị phụ tải của từng ma trận phán đoán với nhau. Kết xác định ở Bước 1. quả là các giá trị Mi. Sau đó lấy căn bậc n Bước 3: Xác định các hệ số trọng số tầm của các giá trị này, với n là hạng ma trận, quan trọng của các trung tâm tải và các nút được các giá Wi*. tải bằng cách sử dụng ma trận phán đoán. Bước 2: Tính tổng các giá trị Wi*: Thành lập các ma trận phán đoán cho biết tầm quan trọng giữa các trung tâm
7. Bước 3: Chuẩn hóa ma trận, tìm được các Chiến lược Phụ tải sa thải giá trị Wi của các ma trận phán đoán. Wi = sa thải CL1 L31, L12 Wi*/Lj. CL2 L31, L12, L18 Bước 4: Nhân các hệ số Wkj và Wdi, Giá trị CL3 L31, L12, L18, L26 Wij là tầm quan trọng của phụ tải đó với CL4 L31, L12, L18, L26, L23 toàn bộ hệ thống điện. CL5 L31, L12, L18, L26, L23, L25 Bước 5: Sắp xếp theo thứ tự giảm dần tầm Thực hiện mô phỏng sa thải phụ tải quan trọng của các đơn vị tải W . Trong ij dựa trên thuật toán đề xuất các mẫu tương bảng sắp xếp các đơn vị tải này, phụ tải có ứng với các trường hợp bị sự cố trong các trọng số nhỏ hơn sẽ được ưu tiên sa thải nhóm dữ liệu đã được phân cụm. Việc sa trước ở các chiến lược điều khiển trình bày thải phụ tải được thực hiện theo thứ tự cắt ở Bảng 3.4. tải trình bày ở Bảng 3.4 cho đến khi hệ thống ổn định. Bảng 3.4: Thứ tự sa thải phụ tải theo AHP Kết quả mô phỏng góc lệch rotor STT Trung sa Tải tâm Wdi Wkj Wij của các máy phát và tần số của hệ thống khi thải tải có sự cố Bus 36 trình bày ở các hình từ Hình 19 L39 LC1 0.37 0.467 0.172543 3.3 đến Hình 3.6; khi có sự cố đường dây 18 L4 LC1 0.22 0.467 0.104727 2-25 trình bày ở các hình từ Hình 3.7 đến 17 L8 LC1 0.22 0.467 0.104727 Hình 3.10. 16 L20 LC2 0.30 0.278 0.082080 15 L7 LC1 0.13 0.467 0.061118 14 L27 LC3 0.33 0.160 0.053155 13 L29 LC3 0.33 0.160 0.053155 12 L15 LC2 0.17 0.278 0.048329 11 L16 LC2 0.17 0.278 0.048329 10 L3 LC4 0.49 0.100 0.047017 9 L24 LC2 0.16 0.278 0.043056 8 L28 LC3 0.20 0.160 0.031606 Hình 3.3: Góc lệch rotor các máy phát 7 L21 LC2 0.11 0.278 0.030445 khi bị sự cố Bus 36 ở mức tải 100% 6 L25 LC4 0.31 0.100 0.029619 5 L23 LC2 0.09 0.278 0.025351 4 L26 LC3 0.14 0.160 0.022349 3 L18 LC4 0.20 0.100 0.018659 2 L12 LC1 0.03 0.467 0.011867 1 L31 LC1 0.03 0.467 0.011867 Bảng 3.5: Chiến lược sa thải phụ tải tương ứng Hình 3.4: Tần số của hệ thống khi bị sự cố với từng cụm dữ liệu Bus 36 ở mức tải 100%
8. Hình 3.5: Góc lệch rotor các máy phát sau khi áp dụng mô hình sa thải đề xuất (ANN) trường Hình 3.8: Tần số của hệ thống khi bị sự cố hợp sự cố Bus 36 ở mức tải 100% đường dây 2-25 ở mức tải 100% Hình 3.9: Góc lệch rotor các máy phát sau khi Hình 3.6: Tần số của hệ thống sau khi áp dụng áp dụng mô hình sa thải đề xuất (ANN) trường mô hình sa thải đề xuất (ANN) hợp sự cố đường dây 2-25 ở mức tải 100% trường hợp sự cố Bus 36 ở mức tải 100% Hình 3.7: Góc lệch rotor các máy phát khi bị sự Hình 3.10: Tần số của hệ thống sau khi áp dụng cố đường dây 2-25 ở mức tải 100% mô hình sa thải đề xuất (ANN) trường hợp sự cố đường dây 2-25 ở mức tải 100% III.3 Đánh giá hiệu quả của phương pháp sa thải phụ tải đề xuất III.3.1 Phương pháp sa thải phụ tải truyền thống dựa trên thuật toán AHP
9. Thực hiện sa thải phụ tải khi tần số giảm xuống dưới 59,7 Hz theo các chiến lược dựa trên các Bảng 3.4 và Bảng 3.5. - Xét trường hợp sự cố tại Bus 36, khi sự cố xảy ra thực hiện sa thải phụ tải truyền thống dựa trên thuật toán AHP cắt các tải L31, L12, L18, L26, L23, L25, L21. Thời điểm tần số giảm xuống 59,7 Hz là 2,5s (Hình 3.4), thực hiện sa thải tải ở lúc 2,78s. Đồ thị góc lệch rotor của các máy Hình 3.12: Tần số của hệ thống sau khi áp phát và tần số của hệ thống khi thực hiện sa dụng sa thải truyền thống theo thuật toán AHP thải phụ tải được thực hiện ở Hình 3.11 và trường hợp sự cố Bus 36 ở mức tải 100% Hình 3.12. - Xét trường hợp sự cố trên đường dây 2 - 25, khi sự cố xảy ra thực hiện sa thải phụ tải truyền thống dựa trên thuật toán AHP cắt các tải L31, L12, L18, L26, L23. Thời điểm tần số giảm xuống 59,7 Hz là 8s (Hình 3.8), thực hiện sa thải tải ở lúc 8,28s. Đồ thị góc lệch rotor của các máy phát và tần số của hệ thống khi thực hiện sa thải phụ Hình 3.13: Góc lệch rotor các máy phát sau khi tải được thực hiện ở Hình 3.13 và Hình áp dụng sa thải truyền thống theo thuật toán 3.14. AHP trường hợp sự cố đường dây 2 - 25 ở mức tải 100% Hình 3.14: Tần số của hệ thống sau khi áp Hình 3.11: Góc lệch rotor các máy phát sau khi dụng sa thải truyền thống theo thuật toán AHP áp dụng sa thải truyền thống theo thuật toán trường hợp sự cố đường dây 2 - 25 AHP trường hợp sự cố Bus 36 ở mức tải 100% ở mức tải 100% Quan sát các Hình 3.5, Hình 3.6 và các Hình 3.11 và Hình 3.12 nhận thấy rằng khi sự cố tại Bus 36, phương pháp sa thải phụ tải đề xuất (ANN) hiệu quả hơn so với phương pháp sa thải truyền thống sử dụng
10. thuật toán AHP: thời gian phục hồi nhanh hơn (40s của phương pháp đề xuất so với 50s của phương pháp thuật toán AHP truyền thống) và tần số ổn định sau sa thải đều nằm trong giới hạn cho phép (60,108 Hz của phương pháp đề xuất so với 60,109 Hz của phương pháp thuật toán AHP truyền thống). Đối với trường hợp sự cố trên đường Hình 3.15: Góc lệch rotor các máy phát sau khi dây 2 – 25 (các Hình 3.9, Hình 3.10 và các áp dụng sa thải tần số thấp truyền thống trường hợp sự cố Bus 36 ở mức tải 100% Hình 3.13, Hình 3.14) thì phương pháp sa thải phụ tải đề xuất (ANN) có hiệu quả vượt trội so với phương pháp sa thải sử dụng thuật toán AHP truyền thống (mất ổn định). III.3.2 Phương pháp sa thải phụ tải truyền thống sử dụng rơle sa thải phụ tải tần số thấp Thực hiện sa thải phụ tải khi tần số giảm xuống dưới 59,7 Hz. Lượng công suất sa thải phụ tải thực hiện dựa trên Bảng 3.6. Hình 3.16: Tần số của hệ thống sau khi áp dụng Bảng 3.6: Các bước sa thải tải của FRCC sa thải theo tần số thấp truyền thống trường hợp Lượng tải Tổng số sự cố Bus 36 ở mức tải 100% Các Tần số Thời sa thải lượng bước sa thải gian trễ (phần tải sa UFLS tải (Hz) (s) trăm tổng - Xét trường hợp sự cố tại đường thải (%) tải) (%) dây 2 – 25, khi sự cố xảy ra thực hiện sa A 59,7 0,28 9 9 thải lượng phụ tải 16% và tổng công suất B 59,4 0,28 7 16 C 59,1 0,28 7 23 tải khi tần số giảm xuống 59,7 Hz. D 58,8 0,28 6 29 Thời điểm tần số giảm xuống 59,7 E 58,5 0,28 5 34 Hz là 8s (Hình 3.8), thực hiện sa thải tải ở F 58,2 0,28 7 41 L 59,4 10,00 5 46 lúc 8,28s và 8.56s. Đồ thị góc lệch rotor của - Xét trường hợp sự cố tại Bus 36, các máy phát và tần số của hệ thống khi khi sự cố xảy ra thực hiện sa thải lượng phụ thực hiện sa thải phụ tải được thực hiện ở tải 16% và tổng công suất tải khi tần số Hình 3.17 và Hình 3.18. giảm xuống 59,7 Hz. Thời điểm tần số giảm xuống 59,7 Hz là 2,5s (Hình 3.4), thực hiện sa thải tải ở lúc 2,78s và 3,06s. Đồ thị góc lệch rotor của các máy phát và tần số của hệ thống khi thực hiện sa thải phụ tải được thực hiện ở các Hình 3.15 và Hình 3.16.
11. trội so với phương pháp sa thải sử dụng rơle tần số thấp truyền thống truyền thống (mất ổn định). III.3.3 Phương pháp sa thải phụ tải đề xuất Xét các trường hợp sự cố tại Bus 36 và sự cố trên đường dây 2 – 25, khi sự cố xảy ra thực hiện sa thải phụ tải dựa trên thuật toán đề xuất cắt các tải (L31, L12, Hình 3.17: Góc lệch rotor các máy phát sau khi áp dụng sa thải theo tần số thấp truyền thống L18, L26, L23, L25, L21) và (L31, L12, trường hợp sự cố đường dây 2 - 25 L18, L26, L23) tương ứng. Thời gian cắt tải ở mức tải 100% sau khi xảy ra sự cố là 0,3s như đã trình bày ở phần trên. Đồ thị góc lệch rotor của các máy phát và tần số của hệ thống khi thực hiện sa thải phụ tải được thực hiện ở các Hình 3.4, Hình 3.5 (trường hợp sự cố tại Bus 36) và ở các Hình 3.9, Hình 3.10 (trường hợp sự cố trên đường dây 2 – 25). Tổng hợp các ưu thế của phương pháp sa thải phụ tải đề xuất (ANN) so với Hình 3.18: Tần số của hệ thống sau khi áp các phương pháp sa thải phụ tải truyền dụng sa thải theo tần số thấp truyền thống thống dựa trên thuật toán AHP và rơle sa trường hợp sự cố đường dây 2 - 25 ở mức tải 100% thải phụ tải tần số thấp đối với các trường Quan sát các Hình 3.9, Hình 3.10 và hợp sự cố tại Bus 36 và trên đường dây 2 – các Hình 3.15 và Hình 3.16 nhận thấy rằng 25 ở mức tải 100% như trình bày ở các khi sự cố trên đường dây 2 - 25, phương Bảng 3.7 và Bảng 3.8. pháp sa thải phụ tải đề xuất (ANN) hiệu quả Bảng 3.7: Bảng tổng hợp so sánh các phương hơn so với phương pháp sa thải sử dụng pháp sa thải phụ tải trường hợp sự cố tại Bus 36 ở mức tải 100% rơle theo tần số thấp truyền thống: thời gian Thời Giá trị Giá trị Công suất gian tần số phục hồi nhanh hơn (40s của phương pháp sa thải Phương phục phục đề xuất so với 50s của phương pháp rơle tần (MW) pháp hồi (s) hồi (Hz) số thấp truyền thống) và tần số ổn định sau Sa thải phụ tải truyền thống dựa sa thải đều nằm trong giới hạn cho phép 1059,2 50 60,109 (60,108 Hz của phương pháp đề xuất so với trên thuật toán AHP 60,111 Hz của phương pháp rơle tần số thấp Sa thải phụ tải truyền thống dựa truyền thống). 975,54 50 60,129 trên rơle sa thải Đối với trường hợp sự cố trên đường tần số thấp dây 2 – 25 (các Hình 3.9, Hình 3.10 và các Phương pháp sa 1059,2 40 60,108 Hình 3.17, Hình 3.19) thì phương pháp sa thải đề xuất thải phụ tải đề xuất (ANN) có hiệu quả vượt
12. Bảng 3.8: Bảng tổng hợp so sánh các phương phụ tải, duy trì được trạng thái ổn định của pháp sa thải phụ tải trường hợp sự cố trên đường hệ thống và thời gian phục hồi tần số nhanh dây 2 - 25 ở mức tải 100% Thời Giá trị hơn, và chất lượng giá trị tần số phục hồi Giá trị Công gian tần số suất tải nâng cao hơn so với các phương pháp Phương phục phục (MW) truyền thống. Cụ thể: pháp hồi (s) hồi (Hz) Sa thải phụ tải - Trong trường hợp sự cố thanh góp, truyền thống dựa Mất ổn Mất ổn 561,2 phương pháp sa thải phụ tải không thể hiện trên thuật toán định định AHP ưu thế về lượng công suất sa thải, nhưng có Sa thải phụ tải thời gian phục hồi nhanh hơn so với truyền thống dựa Mất ổn Mất ổn 975,54 phương pháp sa thải phụ tải truyền thống trên rơle sa thải định định tần số thấp theo thuật toán AHP và phương pháp Phương pháp sa truyền thống dựa trên rơle sa thải phụ tải tần 561,2 50 60,7 thải đề xuất số thấp, và chất lượng giá trị tần số phục hồi là tương đương nhau. IV. KẾT LUẬN - Đặc biệt trong trường hợp sự cố Hiệu quả của mô hình sa thải phụ tải trên các đường dây, phương pháp sa thải đề xuất được kiểm chứng trên thực nghiệm phụ tải đề xuất thể hiện ưu thế vượt trội về với hệ thống điện IEEE 39 nút 10 máy phát. khả năng duy trì ổn định hệ thống so với Cụ thể, mô hình sa thải phụ tải đề xuất cho các phương pháp sa thải phụ tải khác. phép rút ngắn thời gian ra quyết định sa thải LỜI CẢM ƠN Tôi xin chân thành cảm ơn PGS. TS Quyền Huy Ánh đã hỗ trợ, giúp đỡ tôi hoàn thành nghiên cứu này. TÀI LIỆU THAM KHẢO [1] R. Zhang, S. Member, Y. Xu, and Z. Y. Dong, “Feature Selection For Intelligent Stability Assessment of Power Systems,” 2012 IEEE Power Energy Soc. Gen. Meet., pp. 1–7, 2012. [2] N. N. Au, Q. H. Anh, and P. T. T. Binh, “Feature subset selection in dynamic stability assessment power system using artificial neural networks.” Science & Technology Development Journal, VietNam National University-Hochiminh City, ISSN 1859-0128, Vol.18, No K3, 2015. [3] K. S. Swarup, “Artificial neural network using pattern recognition for security assessment and analysis,” Neurocomputing, vol. 71, no. 4–6, pp. 983–998, 2008. [4] J. D. Glover, M. S. Sarma, and T. Overbye, Power System Analysis and Design. 2012.
13. 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 B n ti ng Vi t ©, T NG I H C S PH M K THU T TP. H CHÍ MINH và TÁC GI Bản quếy n táệc ph mRƯ ãỜ cĐ bẠ o hỌ b Ưi Lu tẠ xu t Ỹb n vàẬ Lu t S hỒ u trí tu Vi t Nam. NgẢhiêm c m m i hình th c xu t b n, sao ch p, phát tán n i dung khi c a có s ng ý c a tác gi và ả ng ề i h ẩ pđh đưm ợK thuả tộ TP.ở H ậChí Mấinh.ả ậ ở ữ ệ ệ ấ ọ ứ ấ ả ụ ộ hư ự đồ ủ ả Trườ Đạ ọCcÓ Sư BÀI BạÁO KHỹ OA ậH C T ồT, C N CHUNG TAY B O V TÁC QUY N! ĐỂ Ọ Ố Ầ Ả Ệ Ề Th c hi n theo MTCL & KHTHMTCL h c 2017-2018 c a T vi n ng i h c S ph m K thu t Tp. H Chí Minh. ự ệ Năm ọ ủ hư ệ Trườ Đạ ọ ư ạ ỹ ậ ồ