Tổng quan nghiên cứu

Sự gia tăng nhanh chóng của nhu cầu phụ tải với tốc độ tăng trưởng trung bình từ 7% đến 10% mỗi năm đã khiến quy mô hệ thống điện hiện đại ngày càng mở rộng và vận hành tiệm cận các giới hạn an toàn kỹ thuật. Trong bối cảnh đó, các sự cố ngắn mạch ba pha trên đường dây truyền tải, sự cố thanh cái hay sự cố ngắt máy phát đột ngột luôn tiềm ẩn nguy cơ gây mất đồng bộ, dẫn đến sự cố sập lưới lan truyền trên diện rộng. Đánh giá ổn định động hệ thống điện là bài toán cốt lõi nhằm xác định khả năng duy trì tính đồng bộ của các máy phát điện sau những kích động lớn.

Mục tiêu trọng tâm của nghiên cứu là xây dựng mô hình mạng nơron song song (Parallel Neural Network - PNN) kết hợp thuật toán chọn lọc đặc trưng và kỹ thuật phân tách mẫu theo tiêu chuẩn năng lượng, nhằm khắc phục triệt để hạn chế về tốc độ tính toán của các phương pháp phân tích số truyền thống. Nghiên cứu được triển khai trên hệ thống điện chuẩn IEEE 10 máy phát 39 thanh cái (New England) trong giai đoạn thực hiện từ năm 2015 đến năm 2017 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh dưới sự hướng dẫn của Phó Giáo sư Tiến sĩ Quyền Huy Ánh.

Ý nghĩa khoa học và thực tiễn của đề tài thể hiện rõ qua việc nâng cao độ chính xác nhận dạng từ mức 95,0% của các mạng nơron đơn lẻ lên mức trên 98,5%, đồng thời rút ngắn thời gian xử lý dữ liệu xuống dưới 20 mili-giây. Kết quả này mở ra giải pháp khả thi để hỗ trợ các điều độ viên tại trung tâm điều hành ra quyết định điều khiển phòng ngừa và ngăn chặn kịp thời các thảm họa rã lưới điện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết ổn định góc rotor hệ thống điện và lý thuyết mạng nơron nhân tạo. Động học của rotor máy phát đồng bộ trong chế độ quá độ được mô tả thông qua phương trình dao động phi tuyến bậc hai:

$$\frac{2H}{\omega_{syn}} \frac{d^2\delta(t)}{dt^2} = P_{mpu}(t) - P_{epu}(t) - P_{apu}(t)$$

Trong đó, hằng số quán tính chuẩn hóa $H$ dao động trong phạm vi từ 1 đến 10 pu.s, biểu diễn động năng tích lũy của khối lượng quay ở tốc độ đồng bộ. Tiêu chuẩn đánh giá ổn định động quy định rằng nếu góc lệch công suất tương đối giữa hai máy phát bất kỳ $\delta_{ij}$ duy trì trong khoảng không vượt quá 180 độ thì hệ thống giữ được ổn định; ngược lại, khi góc lệch vượt quá 180 độ, hệ thống rơi vào trạng thái mất đồng bộ.

Về phương diện trí tuệ nhân tạo, nghiên cứu ứng dụng kiến trúc mạng nơron truyền thẳng đa tầng kết hợp các hàm kích hoạt phi tuyến như hàm Log-sigmoid, Tan-sigmoid, Purelin và Radial Basis. Cơ chế nhận dạng mẫu hình thức hóa tri thức được vận dụng để thiết lập ranh giới phân loại phi tuyến phức tạp giữa các vector trạng thái vận hành trước và trong sự cố với trạng thái ổn định động sau dao động.

+--------------------------------------------------------------------------------+
|                        QUY TRÌNH ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG                         |
+--------------------------------------------------------------------------------+
|  [Thu thập mẫu PowerWorld]                                                     |
|  [Chuẩn hóa dữ liệu [0, 1]]                                                    |
|  [Phân cụm mẫu theo Mức Năng Lượng]                                            |
|  [Mạng con 1: Mức Thấp]  [Mạng con 2: Vừa]  [Mạng con 3: Cao]                  |
+--------------------------------------------------------------------------------+

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ mô hình mô phỏng chi tiết lưới điện IEEE 10 máy 39 nút trên phần mềm chuyên dụng PowerWorld Simulator. Quá trình lấy mẫu khảo sát toàn diện nhiều chế độ làm việc với phụ tải thay đổi từ 80% đến 120% công suất định mức, kết hợp giả lập ngắn mạch ba pha tại các vị trí thanh cái và đường dây truyền tải với thời gian giải trừ sự cố biến thiên từ 0,05 giây đến 0,35 giây.

Tổng cỡ mẫu xây dựng đạt 3.600 kịch bản sự cố độc lập. Dữ liệu sau đó được chuẩn hóa về đoạn [0, 1] và phân chia theo tỷ lệ 70% dành cho tập huấn luyện và 30% dành cho tập kiểm tra độc lập. Phương pháp lọc biến đặc trưng Relief được áp dụng để tính toán trọng số tương quan, chọn lọc ra 12 biến trạng thái quan trọng nhất từ hơn 30 thông số ban đầu, bao gồm công suất tác dụng, công suất phản kháng, điện áp nút và độ lệch góc ban đầu. Dữ liệu tiếp tục được phân nhóm dựa trên mức năng lượng quá độ để nạp vào cấu trúc mạng nơron song song huấn luyện trên nền tảng MATLAB Neural Network Toolbox.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã chứng minh những ưu thế vượt trội của mô hình mạng nơron song song so với các cấu trúc mạng truyền thống trên hệ thống IEEE 10 máy 39 nút:

  • Tối ưu hóa không gian đặc trưng: Thuật toán Relief đã giảm chiều vector dữ liệu đầu vào tới 60%, loại bỏ các thông số dư thừa mà không làm suy giảm tính bao quát của không gian trạng thái hệ thống.
  • Nâng cao độ chính xác phân loại: Mô hình mạng nơron đơn Perceptron đa tầng chỉ đạt độ chính xác nhận dạng trung bình là 94,8%, trong khi mô hình mạng nơron song song với 3 nơron con đạt độ chính xác lên tới 98,9%, giảm tỷ lệ nhận dạng sai lệch tới hơn 4 lần.
  • Tốc độ phản hồi thời gian thực: Thời gian chẩn đoán trạng thái ổn định động của cấu trúc PNN chỉ mất khoảng 12 đến 15 mili-giây cho mỗi kịch bản kiểm tra, nhanh hơn xấp xỉ 120 lần so với việc giải hệ phương trình vi phân bằng phương pháp tích phân số từng bước trên miền thời gian (thường mất từ 1,5 đến 3,0 giây).
  • Độ tin cậy tuyệt đối với sự cố nguy hiểm: Tỷ lệ nhận dạng nhầm trạng thái mất ổn định thành ổn định (False Negative) được triệt tiêu về mức dưới 0,2%, đảm bảo tính an toàn nghiêm ngặt cho lưới điện.
Cấu hình mô hình nhận dạng Số biến đầu vào Độ chính xác huấn luyện (%) Độ chính xác kiểm tra (%) Thời gian xử lý trung bình (ms)
Mạng nơron đơn Perceptron (MLP) 30 95,6% 94,8% 48 ms
Mạng RBFN đơn lớp 12 96,2% 95,3% 32 ms
Mạng nơron song song (PNN - 3 mạng con) 12 99,4% 98,9% 14 ms

Thảo luận kết quả

Hiệu quả vượt bậc của mô hình PNN bắt nguồn từ kỹ thuật phân tách tập mẫu theo tiêu chuẩn mức năng lượng quá độ. Thay vì buộc một mạng nơron đơn phải bao quát toàn bộ không gian phi tuyến rộng lớn và phức tạp của hệ thống điện nhiều máy, việc phân chia dữ liệu thành các nhóm năng lượng thấp, trung bình và cao giúp từng mạng nơron con chuyên môn hóa quá trình học trong miền trạng thái hẹp hơn. Kết quả là hàm mất mát sai số hội tụ nhanh hơn và giảm thiểu hiện tượng quá khớp (overfitting).

Khi so sánh với các nghiên cứu trước đây của các tác giả trong nước sử dụng mạng nơron truyền thống, mô hình PNN đề xuất đã khắc phục triệt để nhược điểm làm mất tính bao quát dữ liệu khi chọn mẫu. Biểu đồ phân bố sai số nhận dạng và ma trận nhầm lẫn cho thấy các điểm nhận dạng sai chủ yếu rơi vào vùng lân cận góc giới hạn 180 độ với thời gian cắt sự cố sát ngưỡng tới hạn. Điều này hoàn toàn phù hợp với bản chất vật lý của quá trình quá độ và hoàn toàn có thể khắc phục bằng cách bổ sung hệ số an toàn trong vận hành.

Đề xuất và khuyến nghị

Nhằm chuyển giao và ứng dụng hiệu quả kết quả nghiên cứu vào thực tế vận hành hệ thống điện, bốn giải pháp trọng tâm sau đây được đề xuất:

  • Tích hợp mô hình PNN vào hệ thống quản lý năng lượng EMS: Các trung tâm điều độ hệ thống điện quốc gia và miền cần tích hợp thuật toán nhận dạng PNN vào phần mềm EMS/SCADA hiện hữu, đặt mục tiêu phản hồi cảnh báo ổn định dưới 20 mili-giây từ nguồn dữ liệu đo lường góc pha PMU, triển khai thử nghiệm trong lộ trình 12 đến 18 tháng.
  • Chuẩn hóa quy trình tiền xử lý dữ liệu lớn: Tập đoàn Điện lực và các viện nghiên cứu chuyên ngành cần phối hợp xây dựng bộ tiêu chuẩn lọc biến đặc trưng theo giải thuật Relief cho lưới điện truyền tải 500kV và 220kV, hoàn thiện cơ sở dữ liệu mẫu sự cố đồng bộ trong vòng 6 tháng.
  • Mở rộng mô hình thích ứng với năng lượng tái tạo: Nhóm nghiên cứu kỹ thuật điện cần tiếp tục cập nhật cơ sở dữ liệu mô phỏng, bổ sung các kịch bản dao động quán tính thấp do sự tham gia của các nhà máy điện gió và điện mặt trời quy mô lớn, nâng tỷ lệ bao quát kịch bản mất ổn định lên 99,5% trong thời gian 24 tháng tới.
  • Phát triển giao diện giám sát trực quan: Các kỹ sư lập trình điều khiển cần xây dựng giao diện đồ họa người dùng trực quan trên nền tảng web, thể hiện rõ mức độ dự trữ ổn định góc rotor theo thời gian thực để hỗ trợ kỹ sư vận hành đưa ra quyết định sa thải phụ tải khẩn cấp trong vòng 9 tháng.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị thiết thực cho nhiều nhóm độc giả chuyên môn:

  • Kỹ sư điều độ và vận hành hệ thống điện: Cung cấp phương pháp đánh giá an ninh động học trực tuyến, giúp các điều độ viên nắm bắt biên độ an toàn vận hành và ứng phó kịp thời với các kích động lớn trên lưới điện truyền tải.
  • Học viên cao học và nghiên cứu sinh ngành Kỹ thuật Điện: Nguồn tài liệu học thuật giá trị cao về mô hình hóa hệ thống điện nhiều máy, phương trình dao động rotor, phân tích ổn định quá độ và kỹ thuật tính toán thời gian cắt sự cố tới hạn.
  • Các nhà nghiên cứu Trí tuệ Nhân tạo ứng dụng: Cung cấp ca nghiên cứu thực nghiệm sinh động về kiến trúc mạng nơron song song, thuật toán giảm chiều dữ liệu Relief và kỹ thuật xử lý dữ liệu mất cân bằng trong các bài toán kỹ thuật phi tuyến phức tạp.
  • Đơn vị tư vấn và quản lý dự án lưới điện: Tài liệu tham khảo hữu ích để xây dựng các kịch bản vận hành an toàn, tính toán chỉnh định rơle bảo vệ chống mất đồng bộ và nâng cao độ tin cậy cung cấp điện.

Câu hỏi thường gặp

Tại sao mạng nơron song song lại vượt trội hơn mạng nơron đơn trong đánh giá ổn định động?
Mạng nơron đơn thường gặp khó khăn khi học không gian dữ liệu phi tuyến có độ phức tạp cao, dễ dẫn đến hiện tượng quá khớp hoặc sai số lớn. Mạng nơron song song phân tách dữ liệu thành các nhóm theo tiêu chuẩn năng lượng, giúp các mạng con học sâu từng vùng đặc trưng, nâng độ chính xác từ 94,8% lên 98,9%.

Tiêu chuẩn đánh giá ổn định góc rotor được định lượng như thế nào?
Tiêu chuẩn ổn định góc rotor dựa trên độ lệch góc công suất tương đối giữa các máy phát. Nếu góc lệch công suất tương đối giữa hai máy phát bất kỳ không vượt quá 180 độ trong suốt quá trình quá độ, hệ thống được xác định là ổn định; ngược lại nếu vượt quá 180 độ, hệ thống mất ổn định.

Thuật toán Relief đóng vai trò gì trong chu trình xử lý dữ liệu?
Thuật toán Relief tính toán trọng số tương quan của các biến ngõ vào đối với trạng thái ổn định, giúp chọn lọc ra 12 biến quan trọng nhất từ hơn 30 thông số ban đầu. Quá trình này giúp giảm 60% chiều không gian dữ liệu, rút ngắn đáng kể thời gian huấn luyện và tăng tốc độ nhận dạng online.

Mô hình có khả năng ứng dụng trực tiếp trên hệ thống điện thực tế không?
Mô hình hoàn toàn có khả năng ứng dụng thực tế khi kết nối với hệ thống đo lường góc pha diện rộng (WAMS/PMU). Với tốc độ tính toán chỉ từ 12 đến 15 mili-giây, mô hình đáp ứng hoàn hảo yêu cầu khắt khe về thời gian thực của các hệ thống bảo vệ và điều khiển khẩn cấp.

Hệ thống chuẩn IEEE 10 máy 39 nút có ý nghĩa như thế nào trong nghiên cứu?
Hệ thống IEEE 39 nút New England là mô hình chuẩn quốc tế phản ánh đầy đủ các đặc tính phi tuyến, dao động liên vùng và tương tác phức tạp giữa các cụm máy phát điện, đảm bảo tính khách quan và độ tin cậy khoa học cao cho các giải thuật đánh giá ổn định.

Kết luận

  • Luận văn đã giải quyết thành công bài toán đánh giá nhanh và chính xác ổn định động hệ thống điện thông qua mô hình mạng nơron song song (PNN).
  • Ứng dụng hiệu quả giải thuật Relief giúp giảm 60% số lượng biến đầu vào, tối ưu hóa triệt để cấu trúc mạng nơron.
  • Phương pháp phân chia dữ liệu huấn luyện theo tiêu chuẩn mức năng lượng giúp PNN đạt độ chính xác nhận dạng vượt trội 98,9%, vượt xa mức 94,8% của mạng nơron đơn.
  • Thời gian tính toán được rút ngắn xuống dưới 15 mili-giây, hoàn toàn đáp ứng yêu cầu giám sát và cảnh báo thời gian thực trên hệ thống SCADA/EMS.
  • Nghiên cứu mở ra hướng đi đột phá trong việc ứng dụng học máy vào quản lý an ninh hệ thống điện hiện đại, hướng tới mục tiêu xây dựng lưới điện thông minh tự phục hồi. Các đơn vị vận hành và nhà nghiên cứu quan tâm có thể tiếp tục mở rộng mô hình cho các cấu trúc lưới tích hợp tỷ trọng cao năng lượng tái tạo.