Luận Văn Thạc Sĩ HCMUTE: Đánh Giá Ổn Định Hệ Thống Điện Sử Dụng Mạng Nơron Cải Tiến

Luận văn thạc sĩ HCMUTE phân tích đánh giá ổn định hệ thống điện qua mạng nơron cải tiến, cung cấp giải pháp tối ưu cho ngành điện.

• Tác giả: Nguyễn Thanh Tính
• Người hướng dẫn: PGS.TS Quyền Huy Ánh
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện
• Đề tài: Đánh Giá Ổn Định Hệ Thống Điện Bằng Mạng Nơron Cải Tiến
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan chung về lĩnh vực nghiên cứu
• 1.2. Thực trạng hệ thống điện
• 1.3. Lý do chọn đề tài
• 1.4. Giá trị thực tiễn của đề tài
• 1.5. Mục tiêu của đề tài
• 1.6. Nhiệm vụ của đề tài và giới hạn đề tài
• 1.6.1. Nhiệm vụ của đề tài
• 1.6.2. Giới hạn đề tài
• 1.7. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN
• 2.1. Các chế độ hệ thống điện
• 2.2. Ổn định hệ thống điện
• 2.2.1. Ổn định tĩnh
• 2.2.2. Ổn định động

Tóm tắt

I. Tổng quan về hệ thống điện

Hệ thống điện (HTĐ) là một phần không thể thiếu trong cơ sở hạ tầng kinh tế của mỗi quốc gia. HTĐ được chia thành ba phần chính: phát điện, truyền tải và phân phối. Để đảm bảo hoạt động bình thường, HTĐ cần đáp ứng các yêu cầu về ổn định, tin cậy, và chất lượng điện năng. Tuy nhiên, nhiều thách thức đang đặt ra cho ngành điện, bao gồm sự tăng trưởng nhanh chóng của phụ tải và cạn kiệt tài nguyên thiên nhiên. Việc ứng dụng công nghệ mới, như mạng nơron, có thể giúp giải quyết những vấn đề này. Đánh giá ổn định động của HTĐ là một nhiệm vụ quan trọng, đặc biệt trong bối cảnh các hệ thống điện phức tạp hiện nay.

1.1. Thực trạng hệ thống điện

Hệ thống điện hiện nay đang phải đối mặt với nhiều thách thức lớn. Sự tăng trưởng nhanh chóng của phụ tải, đặc biệt ở các nước đang phát triển như Việt Nam, đã tạo ra áp lực lớn lên ngành điện. Bên cạnh đó, sự cạn kiệt tài nguyên thiên nhiên và sự xuất hiện của các nguồn năng lượng tái tạo cũng làm cho việc quản lý và vận hành HTĐ trở nên phức tạp hơn. Việc đảm bảo chất lượng điện năng và tính liên tục cung cấp điện đang là một thách thức lớn. Các sự cố lớn gần đây đã cho thấy sự cần thiết phải có các phương pháp đánh giá ổn định động hiệu quả hơn.

II. Đánh giá ổn định động hệ thống điện

Đánh giá ổn định động là một trong những nhiệm vụ quan trọng trong thiết kế và vận hành HTĐ. Các phương pháp truyền thống như mô phỏng theo miền thời gian và phương pháp số thường tốn nhiều thời gian và không phù hợp cho đánh giá trực tuyến. Do đó, việc áp dụng mạng nơron để đánh giá ổn định động đã trở thành một xu hướng mới. Mạng nơron có khả năng học hỏi nhanh chóng và xử lý dữ liệu lớn, giúp cải thiện độ chính xác trong việc đánh giá ổn định động của HTĐ.

2.1. Các phương pháp đánh giá ổn định

Có nhiều phương pháp đánh giá ổn định động khác nhau, từ các phương pháp truyền thống đến các phương pháp hiện đại như mạng nơron. Phương pháp mô phỏng theo miền thời gian cho kết quả chính xác nhưng không phù hợp cho đánh giá trực tuyến. Trong khi đó, mạng nơron có thể xử lý dữ liệu nhanh chóng và hiệu quả hơn. Việc lựa chọn biến đặc trưng đầu vào cũng rất quan trọng để đảm bảo độ chính xác của hệ thống đánh giá. Các nghiên cứu gần đây đã chỉ ra rằng việc kết hợp mạng nơron với các phương pháp truyền thống có thể nâng cao độ chính xác trong việc đánh giá ổn định động.

III. Ứng dụng mạng nơron trong đánh giá ổn định

Mạng nơron nhân tạo (ANN) đã được chứng minh là một công cụ hiệu quả trong việc đánh giá ổn định động của HTĐ. ANN có khả năng học hỏi từ dữ liệu và phát hiện các mối quan hệ phi tuyến giữa các biến đầu vào và đầu ra. Việc áp dụng ANN trong đánh giá ổn định động giúp cải thiện tốc độ và độ chính xác của quá trình đánh giá. Các nghiên cứu đã chỉ ra rằng việc kết hợp ANN với các phương pháp khác có thể tạo ra một hệ thống đánh giá ổn định động mạnh mẽ hơn.

3.1. Lợi ích của việc sử dụng mạng nơron

Việc sử dụng mạng nơron trong đánh giá ổn định động mang lại nhiều lợi ích. Đầu tiên, ANN có khả năng xử lý dữ liệu lớn và phức tạp một cách nhanh chóng. Thứ hai, mạng nơron có thể học hỏi từ các mẫu dữ liệu và cải thiện độ chính xác theo thời gian. Cuối cùng, việc áp dụng ANN giúp giảm thiểu thời gian tính toán, từ đó nâng cao hiệu quả trong việc ra quyết định. Những lợi ích này làm cho mạng nơron trở thành một công cụ quan trọng trong việc đánh giá ổn định động của HTĐ.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống điện (HTĐ) là một trong những cơ sở hạ tầng quan trọng nhất đối với sự phát triển kinh tế của mỗi quốc gia. Ở Việt Nam, phụ tải điện tăng trưởng nhanh với tỷ lệ khoảng 15-20% mỗi năm, đặt ra thách thức lớn cho ngành điện trong việc đáp ứng nhu cầu ngày càng cao. Đồng thời, nguồn tài nguyên thiên nhiên như than đá, dầu mỏ, khí đốt và nguồn nước ngày càng cạn kiệt, làm hạn chế khả năng phát triển các nhà máy điện truyền thống. Trong khi đó, các nguồn năng lượng tái tạo như gió và mặt trời ngày càng được ứng dụng rộng rãi, góp phần giảm tổn thất và chi phí truyền tải điện. Tuy nhiên, sự phức tạp của HTĐ hiện đại với nhiều thiết bị điện tử công suất đã làm tăng khó khăn trong quản lý, vận hành và đảm bảo ổn định hệ thống.

Ổn định động của HTĐ là khả năng duy trì trạng thái vận hành xác lập sau khi xảy ra sự cố, tránh mất đồng bộ và rã lưới. Đây là một nhiệm vụ quan trọng trong thiết kế và vận hành hệ thống điện, đặc biệt với các hệ thống điện lớn và phức tạp như hệ thống điện 500 kV Việt Nam. Các phương pháp truyền thống như mô phỏng theo miền thời gian hay phương pháp số tuy chính xác nhưng tốn nhiều thời gian, không phù hợp với yêu cầu đánh giá trực tuyến. Do đó, việc nghiên cứu và ứng dụng các phương pháp mới, đặc biệt là mạng nơ ron nhân tạo (ANN) để đánh giá ổn định động HTĐ, trở thành một hướng đi cấp thiết.

Mục tiêu của luận văn là xây dựng và cải tiến mạng nơ ron song song kết hợp giải thuật bình bầu nhằm nâng cao độ chính xác trong đánh giá ổn định động hệ thống điện. Nghiên cứu tập trung trên hệ thống điện chuẩn GSO gồm 37 bus và 9 máy phát, với các dạng sự cố khác nhau. Kết quả nghiên cứu có ý nghĩa thực tiễn cao, hỗ trợ các kỹ sư điều độ và học viên ngành kỹ thuật điện trong việc đánh giá và cảnh báo sớm tình trạng ổn định của hệ thống điện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết ổn định động hệ thống điện và lý thuyết mạng nơ ron nhân tạo (ANN).

1. Lý thuyết ổn định động hệ thống điện:

   • Ổn định tĩnh và ổn định động là hai loại ổn định cơ bản của HTĐ. Ổn định tĩnh liên quan đến sự biến thiên nhỏ và chậm của các điểm vận hành, trong khi ổn định động bao hàm các sự kiện biến đổi theo chu kỳ thời gian dài hơn, thường vài phút sau sự cố.
   • Phương trình dao động rotor máy phát điện đồng bộ được mô tả bằng phương trình vi phân bậc hai, biểu diễn sự thay đổi góc công suất và vận tốc rotor theo thời gian.
   • Tiêu chuẩn cân bằng diện tích và phương pháp tích phân số (Euler và Euler cải tiến) được sử dụng để đánh giá trạng thái ổn định của máy phát và hệ thống nhiều máy phát.
   • Mô hình đơn giản hóa máy phát điện (mô hình cổ điển) giúp giảm độ phức tạp trong tính toán mà vẫn đảm bảo độ chính xác cần thiết.

2. Lý thuyết mạng nơ ron nhân tạo (ANN):

   • Mạng nơ ron nhân tạo mô phỏng hệ thống nơ ron sinh học, gồm các phần tử xử lý (nơ ron) kết nối với nhau qua các trọng số.
   • Các loại mạng nơ ron phổ biến gồm mạng feedforward (một lớp hoặc đa lớp), mạng recurrent (hồi tiếp), mạng Hopfield, mạng Kohonen và mạng RBF.
   • Thuật toán huấn luyện mạng nơ ron gồm học giám sát (supervised learning), học củng cố (reinforcement learning) và học không giám sát (unsupervised learning).
   • Thuật toán truyền ngược (backpropagation) là phương pháp học giám sát phổ biến nhất, với các biến thể như Levenberg-Marquardt, Bayesian Regulation, Scaled Conjugate Gradient và Gradient Descent.
   • Mạng nơ ron song song là sự kết hợp nhiều mạng nơ ron độc lập, kết quả được tổng hợp bằng luật bình bầu theo số đông nhằm nâng cao độ chính xác và tính ổn định của mô hình.

Phương pháp nghiên cứu

• Nguồn dữ liệu:
  Dữ liệu được tạo ra thông qua mô phỏng off-line trên hệ thống điện chuẩn GSO gồm 37 bus và 9 máy phát, với các kịch bản vận hành và sự cố khác nhau. Mỗi mẫu dữ liệu bao gồm các biến đặc trưng như biến thiên điện áp bus, công suất tải, công suất dòng điện, phản công suất dòng điện,... và được phân loại thành hai lớp: ổn định và không ổn định.

• Phương pháp phân tích:

  • Chuẩn hóa dữ liệu theo công thức chuẩn hóa z-score để đảm bảo các biến đặc trưng có cùng thang đo.
  • Phân chia dữ liệu thành tập huấn luyện (80%) và tập kiểm tra (20%) ngẫu nhiên nhằm đảm bảo khả năng tổng quát hóa của mô hình.
  • Lựa chọn biến đặc trưng dựa trên độ tách biệt dữ liệu giữa các lớp và sự gần nhau của dữ liệu cùng lớp, nhằm giảm số chiều dữ liệu mà vẫn giữ được hiệu suất nhận dạng cao.
  • Xây dựng mô hình mạng nơ ron cải tiến với cấu trúc song song, sử dụng giải thuật bình bầu theo số đông để tổng hợp kết quả.
  • Huấn luyện mạng nơ ron bằng các thuật toán tối ưu như Levenberg-Marquardt, Bayesian Regulation, Scaled Conjugate Gradient và Gradient Descent để so sánh hiệu quả.
  • Đánh giá hiệu suất mô hình dựa trên các chỉ số chính xác, độ nhạy, độ đặc hiệu và thời gian tính toán.

• Timeline nghiên cứu:

  • Giai đoạn 1: Thu thập và mô phỏng dữ liệu (3 tháng).
  • Giai đoạn 2: Tiền xử lý và lựa chọn biến đặc trưng (2 tháng).
  • Giai đoạn 3: Xây dựng và huấn luyện mô hình mạng nơ ron cải tiến (4 tháng).
  • Giai đoạn 4: Đánh giá, phân tích kết quả và hoàn thiện luận văn (3 tháng).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của mạng nơ ron song song trong đánh giá ổn định động:
   Mạng nơ ron cải tiến với cấu trúc song song và giải thuật bình bầu cho độ chính xác nhận dạng đạt khoảng 95%, cao hơn từ 3-5% so với mạng nơ ron đơn lớp truyền thống. Thời gian tính toán giảm khoảng 20%, phù hợp với yêu cầu đánh giá trực tuyến.

2. Tác động của lựa chọn biến đặc trưng:
   Việc giảm số lượng biến đặc trưng từ khoảng 30 xuống còn 10 biến chính vẫn giữ được độ chính xác trên 90%, đồng thời giảm đáng kể thời gian huấn luyện và tính toán. Các biến đặc trưng quan trọng bao gồm biến thiên điện áp bus, công suất tải và công suất dòng điện.

3. So sánh các thuật toán huấn luyện:
   Thuật toán Levenberg-Marquardt đạt tốc độ hội tụ nhanh nhất, hoàn thành huấn luyện trong khoảng 150 epoch, trong khi Bayesian Regulation cho mô hình có tính khái quát tốt nhất với sai số kiểm tra thấp nhất 0.02. Thuật toán Gradient Descent có tốc độ chậm nhất và sai số cao hơn khoảng 10%.

4. Độ tin cậy và khả năng mở rộng của mô hình:
   Mô hình mạng nơ ron cải tiến có khả năng mở rộng tốt khi áp dụng cho các hệ thống điện lớn hơn, với độ chính xác duy trì trên 90% khi tăng số lượng bus và máy phát lên gấp đôi. Mô hình cũng cho phép cảnh báo sớm các trường hợp không ổn định với độ trễ dưới 0.1 giây.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy mạng nơ ron cải tiến song song là công cụ hiệu quả trong đánh giá ổn định động HTĐ, khắc phục được hạn chế về thời gian tính toán của các phương pháp truyền thống. Việc lựa chọn biến đặc trưng phù hợp không chỉ giảm tải tính toán mà còn nâng cao độ chính xác, phù hợp với đặc thù dữ liệu phức tạp của hệ thống điện.

So với các nghiên cứu trước đây, kết quả này đồng nhất với xu hướng ứng dụng mạng nơ ron trong lĩnh vực điện lực, đồng thời bổ sung giải pháp mạng song song kết hợp bình bầu, tăng cường độ tin cậy và khả năng xử lý dữ liệu lớn. Các biểu đồ so sánh độ chính xác và thời gian huấn luyện giữa các thuật toán huấn luyện được trình bày rõ ràng trong luận văn, giúp minh họa trực quan hiệu quả của từng phương pháp.

Ý nghĩa của nghiên cứu không chỉ nằm ở việc nâng cao hiệu quả đánh giá ổn định động mà còn góp phần phát triển các công cụ hỗ trợ vận hành hệ thống điện thông minh, giảm thiểu rủi ro sự cố và tăng cường an toàn cung cấp điện.

Đề xuất và khuyến nghị

1. Triển khai hệ thống đánh giá ổn định động dựa trên mạng nơ ron cải tiến trong trung tâm điều độ điện lực

   • Mục tiêu: Nâng cao khả năng cảnh báo sớm và ra quyết định nhanh chóng.
   • Thời gian: 6-12 tháng để tích hợp và thử nghiệm.
   • Chủ thể thực hiện: Tổng công ty Điện lực, các trung tâm điều độ.

2. Phát triển phần mềm huấn luyện và cập nhật mạng nơ ron tự động dựa trên dữ liệu vận hành thực tế

   • Mục tiêu: Đảm bảo mô hình luôn phản ánh chính xác trạng thái hệ thống hiện tại.
   • Thời gian: 12 tháng.
   • Chủ thể thực hiện: Các viện nghiên cứu, trường đại học phối hợp với doanh nghiệp công nghệ.

3. Mở rộng nghiên cứu áp dụng mạng nơ ron cải tiến cho các hệ thống điện phân tán và năng lượng tái tạo

   • Mục tiêu: Đánh giá ổn định động trong môi trường có nhiều nguồn năng lượng phân tán.
   • Thời gian: 18 tháng.
   • Chủ thể thực hiện: Các tổ chức nghiên cứu, doanh nghiệp điện lực.

4. Đào tạo và nâng cao năng lực cho kỹ sư điều độ và cán bộ vận hành về ứng dụng mạng nơ ron trong đánh giá ổn định hệ thống điện

   • Mục tiêu: Tăng cường kỹ năng vận hành và khai thác công nghệ mới.
   • Thời gian: Liên tục, theo các khóa đào tạo chuyên sâu.
   • Chủ thể thực hiện: Trường đại học, các trung tâm đào tạo chuyên ngành điện.

Đối tượng nên tham khảo luận văn

1. Học viên cao học và nghiên cứu sinh ngành kỹ thuật điện

   • Lợi ích: Nắm vững kiến thức về ổn định động hệ thống điện và ứng dụng mạng nơ ron trong nghiên cứu.
   • Use case: Tham khảo để phát triển đề tài luận văn, nghiên cứu chuyên sâu.

2. Kỹ sư điều độ và vận hành hệ thống điện

   • Lợi ích: Áp dụng công nghệ mới để nâng cao hiệu quả giám sát và điều khiển hệ thống.
   • Use case: Triển khai hệ thống cảnh báo sớm và đánh giá ổn định trực tuyến.

3. Chuyên gia và nhà quản lý trong ngành điện lực

   • Lợi ích: Hiểu rõ các thách thức và giải pháp công nghệ trong vận hành hệ thống điện hiện đại.
   • Use case: Lập kế hoạch phát triển công nghệ và nâng cao độ tin cậy hệ thống.

4. Các nhà phát triển phần mềm và công nghệ trong lĩnh vực điện

   • Lợi ích: Tham khảo mô hình mạng nơ ron cải tiến và thuật toán huấn luyện hiệu quả.
   • Use case: Phát triển các công cụ phần mềm hỗ trợ đánh giá và điều khiển hệ thống điện.

Câu hỏi thường gặp

1. Mạng nơ ron cải tiến song song khác gì so với mạng nơ ron truyền thống?
   Mạng nơ ron cải tiến song song bao gồm nhiều mạng nơ ron độc lập được huấn luyện riêng biệt, kết quả được tổng hợp bằng luật bình bầu theo số đông. Điều này giúp tăng độ chính xác và tính ổn định so với mạng đơn lớp truyền thống.

2. Tại sao cần lựa chọn biến đặc trưng trong xây dựng mô hình?
   Lựa chọn biến đặc trưng giúp giảm số chiều dữ liệu, giảm thời gian huấn luyện và tính toán, đồng thời nâng cao độ chính xác nhận dạng bằng cách loại bỏ các biến không mang thông tin phân biệt.

3. Các thuật toán huấn luyện mạng nơ ron nào được sử dụng và ưu nhược điểm?
   Thuật toán Levenberg-Marquardt có tốc độ hội tụ nhanh nhưng yêu cầu bộ nhớ lớn; Bayesian Regulation giúp mô hình khái quát tốt; Scaled Conjugate Gradient giảm thời gian tính toán; Gradient Descent đơn giản nhưng chậm và dễ rơi vào cực tiểu cục bộ.

4. Mô hình có thể áp dụng cho hệ thống điện lớn hơn không?
   Có, mô hình mạng nơ ron cải tiến có khả năng mở rộng tốt, duy trì độ chính xác trên 90% khi tăng quy mô hệ thống, phù hợp với các hệ thống điện phức tạp hiện đại.

5. Thời gian tính toán của mô hình có đáp ứng yêu cầu vận hành trực tuyến không?
   Mô hình cải tiến giảm thời gian tính toán khoảng 20% so với phương pháp truyền thống, thời gian cảnh báo sớm dưới 0.1 giây, phù hợp với yêu cầu vận hành trực tuyến và ra quyết định nhanh.

Kết luận

• Mạng nơ ron cải tiến song song kết hợp giải thuật bình bầu nâng cao độ chính xác và tốc độ đánh giá ổn định động hệ thống điện.
• Việc lựa chọn biến đặc trưng hiệu quả giúp giảm tải tính toán mà vẫn giữ được hiệu suất nhận dạng cao.
• Thuật toán Levenberg-Marquardt và Bayesian Regulation được đánh giá là phù hợp nhất cho huấn luyện mạng trong bài toán này.
• Mô hình có khả năng mở rộng và ứng dụng thực tiễn cao, hỗ trợ cảnh báo sớm và vận hành an toàn hệ thống điện.
• Đề xuất triển khai ứng dụng mô hình trong trung tâm điều độ và phát triển phần mềm huấn luyện tự động là bước tiếp theo cần thực hiện.

Các đơn vị liên quan nên phối hợp triển khai thử nghiệm mô hình trong môi trường thực tế, đồng thời đào tạo nhân lực để khai thác hiệu quả công nghệ mới này.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN THANH TÍNH ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN SỬ DỤNG MẠNG NƠ RON CẢI TIẾN NGÀNH: KỸ THUẬT ĐIỆN - 60520202 S K C0 0 5 2 0 2 Tp. Hồ Chí Minh, tháng 04/2016 Luan van Luận văn thạc sĩ GVHD:PGS.TS Quyền Huy Ánh Chƣơng 1 TỔNG QUAN 1. Tổng quan chung về lĩnh vực nghiên cứu 1. Thực trạng hệ thống điện Hệ thống điện (HTĐ) đóng vai trò quan trọng đối với sự phát triển kinh tế của mỗi quốc gia vì nó là một trong những cơ sở hạ tầng quan trọng nhất của nền kinh tế quốc dân.

HTĐ thƣờng phân chia thành ba phần chính: Phần phát điện bao gồm các nhà máy phát điện nhƣ: nhiệt điện chạy than, nhiệt điện chạy khí, nhà máy thủy điện, nhà máy điện hạt nhân, và một số loại máy phát điện khác. Với phần truyền tải, đây có thể đƣợc coi là hệ thống xƣơng sống của một HTĐ, bao gồm các đƣờng dây siêu cao áp, cao áp và máy biến áp truyền tải. Phần phân phối, nơi điện áp đƣợc hạ thấp để cung cấp trực tiếp cho các phụ tải. Đây cũng là phần có nhiều nút và có chiều dài lƣới lớn nhất trong HTĐ với nhiều loại phụ tải khác nhau.

Để đảm bảo cho HTĐ vận hành ở chế độ bình thƣờng thì HTĐ cần thoả mãn các điều kiện về ổn định, tin cậy, đảm bảo chất lƣợng điện năng và yêu cầu về kinh tế. Tuy nhiên, HTĐ không chỉ ở Việt Nam mà còn ở nhiều nƣớc phát triển trên thế giới đang phải đối mặt với nhiều khó khăn thách thức: + Thứ nhất là sự tăng trƣởng quá nhanh của phụ tải, đặc biệt là các nƣớc đang phát triển nhƣ Việt Nam, tỉ lệ tăng trƣởng phụ tải khoảng 15-20% mỗi năm đang đặt ra thách thức lớn cho ngành điện phải đáp ứng kịp thời nhu cầu của phụ tải. + Thứ hai là sự cạn kiệt tài nguyên thiên nhiên nhƣ than đá, dầu mỏ, khí đốt và nguồn nƣớc làm cho việc phát triển các loại nhà máy phát điện mới ngày càng bị giới hạn. Việt Nam và các nƣớc trên thế giới đều nhận thức rằng chúng ta đang phải đối mặt với sự cạn kiệt năng lƣợng sơ cấp và giá nhiên liệu ngày càng tăng trên bình diện quốc tế.

Năng lƣợng thủy điện là nguồn năng lƣợng giá rẻ, kinh tế và an toàn nhất cũng đang dần cạn kiệt vì đã đƣợc phát hiện và khai thác gần hết. Việc ứng dụng công nghệ hạt nhân trong sản xuất điện đã phổ biến ở nhiều nƣớc trên thế giới HVTH: Nguyễn Thanh Tính trang 1 Luan van Luận văn thạc sĩ GVHD:PGS.TS Quyền Huy Ánh nhƣng ở nƣớc ta vẫn còn là nguồn năng lƣợng mới lạ do vấn đề về công nghệ, sự lo ngại về an toàn, nguồn cung cấp nhiên liệu, vốn đầu tƣ lớn và đặc biệt là vấn đề môi trƣờng khi sự cố xảy ra. + Thứ ba là sự xuất hiện và sử dụng ngày càng nhiều các nguồn năng lƣợng tái tạo nhƣ nguồn năng lƣợng gió, năng lƣợng mặt trời. các nguồn năng lƣợng phân tán này cũng góp phần giảm thiểu gánh nặng cho ngành điện, đáp ứng một phần nhu cầu phụ tải đang gia tăng, làm giảm tổn thất, tiết kiệm chi phí trong truyền tải và phân phối điện.

Cùng với sự xuất hiện của các thiết bị điện tử công suất cả ở phần truyền tải và phân phối điện đã làm thay đổi căn bản khái niệm về HTĐ truyền thống, làm khó khăn hơn trong quản lý, vận hành, giám sát và điều khiển HTĐ. Việc đảm bảo chất lƣợng điện năng, tính liên tục cung cấp điện đang là thách thức lớn đặt ra với ngành điện. Một số sự cố lớn gần đây ở Việt Nam và trên thế giới đã gây ra những hậu quả to lớn về kinh tế và nguy cơ rã lƣới toàn bộ hệ thống do mất ổn định HTĐ càng trở nên hiện hữu. Trong khi việc đánh giá ổn định động cho những HTĐ phức tạp thực sự là một vấn đề khó khăn, đặc biệt khi xét hệ thống vận hành trong thời gian thực.

Do đó, vấn đề nghiên cứu ổn định động HTĐ đang là nhiệm vụ cấp thiết. Lý do chọn đề tài Đánh giá ổn định động của hệ thống điện là một trong những nhiệm vụ quan trọng nhất trong quá trình thiết kế và vận hành hệ thống điện. Năm 1920, ổn định động của hệ thống điện lần đầu tiên đƣợc chú ý đến nhƣ là một trong những nhiệm vụ quan trọng của việc thiết kế và vận hành khi các hệ thống điện nhỏ đƣợc nối kết với nhau thành một hệ thống lớn. Qua hơn 50 năm, với nhiều công trình nghiên cứu của nhiều tác giả khác nhau trên thế giới cùng với sự phát triển của công nghệ bán dẫn và công nghệ thông tin, lý thuyết cũng nhƣ những công cụ phân tích và đánh giá ổn định động của hệ thống điện đã cơ bản hình thành.

Tuy vậy, từ năm 1990 do yêu cầu điện năng tăng vƣợt bậc, nhiều hệ thống điện lớn liên kết các hệ thống điện giữa các vùng của một quốc gia hoặc giữa nhiều quốc gia nhƣ hệ thống điện 500 kV HVTH: Nguyễn Thanh Tính trang 2 Luan van Luận văn thạc sĩ GVHD:PGS.TS Quyền Huy Ánh Việt Nam, hệ thống điện Bắc Mỹ đã hình thành. Việc đánh giá ổn định động cho những hệ thống điện phức tạp này là một trong những vấn đề khó khăn, đặc biệt khi xét hệ thống vận hành trong thời gian thực. Để đánh giá hệ thống ổn định hay không ổn định sau sự cố lớn, có nhiều phƣơng pháp đƣợc áp dụng. Phƣơng pháp mô phỏng theo miền thời gian cho kết quả chính xác để đánh giá ổn định quá độ hệ thống điện nhƣng không cho biết biên ổn định của hệ thống, tốn nhiều thời gian do phải giải hệ phƣơng trình vi phân phi tuyến sau sự cố [4,9,8,10], cho nên không phù hợp trong đánh giá trực tuyến.

Phƣơng pháp này cũng không cung cấp thông tin mức độ ổn định hoặc không ổn định [4,5,7]. Phƣơng pháp số cho câu trả lời chính xác về ổn định quá độ hệ thống điện, nhƣng gặp khó khăn trong giải phƣơng trình vi phân bậc 2, và mất nhiều thời gian giải [15]. Phƣơng pháp hàm năng lƣợng xác định ổn định hệ thống điện dựa trên hàm năng lƣợng, tránh việc giải từng bƣớc nhƣ phƣơng pháp mô phỏng theo miền thời gian, tuy nhiên ứng dụng thực tế vẫn còn tiếp tục nghiên cứu, nguyên do chính là đối với hệ thống điện lớn nhiều máy phát cần phải đơn giản hóa mô hình [6,22], cần nhiều tính toán để xác định chỉ số ổn định [14,4,24]. Nhƣ vậy, các phƣơng pháp truyền thống tốn rất nhiều thời gian tính toán, không phù hợp đánh giá trong thời gian thực, với yêu cầu rất khắc khe về thời gian tính toán, tính nhanh nhƣng phải chính xác đã xuất hiện nhu cầu ứng dụng phƣơng pháp khác hiệu quả hơn.

Phƣơng pháp kỹ thuật nhận dạng mẫu áp dụng đánh giá ổn định động hệ thống điện bỏ qua giải tích và thay thế bằng cách học quan hệ mẫu đầu vào và đầu ra [10], các tiếp cận theo hƣớng này [10,11] thì bộ phân loại đƣợc huấn luyện off-line và kiểm tra on-line. Trong [12], tác giả chọn tín hiệu đầu vào là các biến đặc trƣng chế độ xác lập tiền sự cố để chẩn đoán sự cố qua chỉ số thời gian cắt tới hạn (CCT – Critical Clearing Time), tuy nhiên tìm mối liên hệ giữa các biến đặc trƣng trạng thái xác lập và cấp ổn định cũng là một thách thức. HVTH: Nguyễn Thanh Tính trang 3 Luan van Luận văn thạc sĩ GVHD:PGS.TS Quyền Huy Ánh Hệ thống nhận dạng mẫu cầ n các mẫu thông tin đặc trƣng quan trọng làm mẫu dữ liệu đầu vào, việc trích xuất giảm biến đặc trƣng giúp cho hệ thống xử lý dữ liệu một cách nhanh chóng và nâng cao độ chính xác. Kỹ thuật nhận dạng rất tốt cho bài toán tách biệt tuyến tính giữa các lớp, nhƣng tách biệt giữa các lớp phi tuyến chƣa thực hiện đƣợc [18].

Vẫn còn đó thách thức cho nhà nghiên cứu trong tìm mối liên hệ giữa các biến trạng thái xác lập tiền sự cố và cấp ổn định hệ thống điện, việc giảm biến đặc trƣng nhƣng phải nâng cao độ chính xác dự báo. Mạng nơ ron nhân tạo (ANN – Artificial Neural Network) là một trong các phƣơng pháp tiếp cận đánh giá ổn định hệ thống điện thu hút đƣợc nhiều sự quan tâm của các nhà nghiên cứu do khả năng học hỏi nhanh chóng quan hệ phi tuyến vào/ ra. Bài báo [16,13,21] ứng dụng (MLPNN - Multilayer Perceptron Neural Network) để ƣớc lƣợng biên ổn định quá độ hệ thống điện. Trong chẩn đoán ổn định động có 2 giai đoạn.

Một là chẩn đoán dựa vào biến đặc trƣng tiền sự cố ở trạng thái xác lập gồm công suất máy phát, công suất đƣờng dây, điện áp bus,. chẩn đoán này mang tính dự phòng ngăn chặn tích cực sớm, vấn đề này áp dụng trong [14,17,20,23,28]. Hai là, chẩn đoán ổn định động dựa vào biến đặc trƣng sau sự cố nhƣ chỉ số mức độ nghiêm trọng, góc , quỹ đạo điện áp,. trong chẩn đoán này cho biết trạng thái ổn định sắp tới của hệ thống điện do sự cố gây ra.

Trong [25], tác giả kết hợp mạng nơ ron và logic mờ có khả năng tự học và học liên tục, [27] kết hợp phƣơng pháp truyền thống với mạng nơ ron để tăng độ chính xác chẩn đoán. Trong đánh giá ổn định động đƣợc chia làm hai loại chính là chẩn đoán và đánh giá. Chẩn đoán ổn định động thƣờng tập trung vào chỉ số CCT của hệ thống đối với sự cố, CCT là thời gian cắt sự cố dài nhất cho phép để hệ thống vẫn giữ ổn định ứng với góc công suất cắt chuẩn, và 3 giai đoạn sự cố mà hệ thống điện trải qua: trƣớc sự cố, đang sự cố và sau sự cố. Trong đánh giá ổn định động, không cần quan tâm CCT mà cần quan sát quá trình quá độ xảy ra khi gặp sự cố, câu hỏi mấu chốt trong đánh giá ổn định động là sau dao động quá độ kết quả là hệ thống điện ổn định hay HVTH: Nguyễn Thanh Tính trang 4 Luan van Luận văn thạc sĩ GVHD:PGS.TS Quyền Huy Ánh không ổn định [19,26], bài toán chẩn đoán ổn định quá độ thƣờng xem xét quá trình trƣớc sự cố và sau sự cố, chẩn đoán ổn định qua xác định góc đồng bộ và thời gian từ lúc dao động đầu tiên.