Luận văn thạc sĩ hcmute phân nhóm dữ liệu đường dây 22kv tuyến 471 mỹ tho để đánh giá trạng thái bất thường

Luận văn thạc sĩ nghiên cứu hcmute phân nhóm dữ liệu đường dây 22kv tuyến 471 mỹ tho để đánh giá trạng thái bất thường, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp

• Tác giả: Phạm Anh Khoa
• Người hướng dẫn: TS. Nguyễn Mạnh Hùng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện
• Đề tài: Đánh Giá Trạng Thái Bất Thường Của Đường Dây 22kV Tuyến 471 Mỹ Tho
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM TẠ
• TÓM TẮT
• MỤC LỤC
• DANH SÁCH CÁC TỪ VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Đặt vấn đề
• 1.2. Nghiên cứu tổng quan
• 1.3. Mục đích, nhiệm vụ và giới hạn của đề tài
• 1.4. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Điểm mới của luận văn
• 1.7. Giá trị thực tiễn của luận văn
• 1.8. Ứng dụng của chương trình tại Điện lực Mỹ Tho
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phần mềm thu thập dữ liệu APPMETER
• 2.2. Giới thiệu
• 2.3. Các module của chương trình
• 2.3.1. Module Theo dõi vận hành trạm
• 2.3.2. Module Phân quyền người dùng
• 2.3.3. Module Đồng bộ dữ liệu
• 2.3.4. Module Lập lịch tự động lấy số liệu
• 2.3.5. Module In ấn và kết xuất dữ liệu
• 2.3.6. Các tính năng khác
• 2.4. Các chức năng chung của hệ thống
• 2.4.1. Đăng nhập
• 2.4.2. Phân quyền người dùng
• 2.4.2.1. Phân quyền chức năng
• 2.4.2.2. Phân quyền dữ liệu
• 2.4.3. Quản lý thông tin người dùng
• 2.4.3.1. Thêm người dùng mới
• 2.4.3.2. Sửa thông tin người dùng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu chung về đường dây 22kV tuyến 471 Mỹ Tho

Đường dây 22kV tuyến 471 Mỹ Tho là một phần quan trọng trong hệ thống điện miền Nam Việt Nam. Đường dây này không chỉ cung cấp điện cho các khu vực dân cư mà còn hỗ trợ cho các hoạt động sản xuất công nghiệp. Việc duy trì và đánh giá trạng thái hoạt động của đường dây này là rất cần thiết để đảm bảo an toàn điện và giảm thiểu sự cố. Đề tài này tập trung vào việc đánh giá trạng thái bất thường của đường dây, nhằm phát hiện sớm các vấn đề có thể xảy ra trong quá trình vận hành. Theo nghiên cứu, các sự cố thường xảy ra trong quá trình ngắt tải để bảo trì hoặc khi khởi động hệ thống. Điều này cho thấy tầm quan trọng của việc theo dõi và phân tích dữ liệu từ đường dây để đảm bảo hoạt động ổn định.

II. Phương pháp nghiên cứu và thu thập dữ liệu

Phương pháp nghiên cứu được áp dụng trong đề tài này bao gồm việc thu thập dữ liệu từ chương trình APPMETER. Dữ liệu được thu thập theo từng giờ, ngày, tháng và năm, với 29 cột số liệu khác nhau. Việc sử dụng giải thuật PCA và các thuật toán phân nhóm như K-means, Mean-shift, và Spectral clustering giúp phân tích và đánh giá trạng thái hoạt động của đường dây. Dữ liệu thu thập được sẽ được phân tích để xác định các trạng thái bất thường và từ đó đưa ra các cảnh báo cho người vận hành. Điều này không chỉ giúp phát hiện sớm các sự cố mà còn hỗ trợ trong việc lập kế hoạch bảo trì hiệu quả hơn.

III. Kết quả phân tích và đánh giá trạng thái bất thường

Kết quả phân tích cho thấy một số trường hợp bất thường trong hoạt động của đường dây 22kV tuyến 471 Mỹ Tho. Các trường hợp này thường xảy ra khi có sự thay đổi đột ngột trong tải hoặc khi hệ thống thu thập dữ liệu không ổn định. Việc phát hiện các trạng thái bất thường này là rất quan trọng để đảm bảo bảo trì đường dây kịp thời và hiệu quả. Các dữ liệu lịch sử vận hành được sử dụng làm cơ sở để xác định các mẫu bất thường, từ đó giúp người vận hành có thể đưa ra các quyết định chính xác hơn trong việc xử lý sự cố.

IV. Ứng dụng thực tiễn và giá trị của nghiên cứu

Nghiên cứu này không chỉ có giá trị lý thuyết mà còn mang lại ứng dụng thực tiễn cao trong việc quản lý và vận hành hệ thống điện. Các cán bộ kỹ thuật tại Điện lực Mỹ Tho có thể sử dụng các kết quả phân tích để theo dõi và cảnh báo về các thông số bất thường, từ đó có kế hoạch xử lý kịp thời. Việc áp dụng các phương pháp phân tích dữ liệu hiện đại giúp nâng cao hiệu quả trong công tác quản lý và bảo trì, đồng thời đảm bảo an toàn cho hệ thống điện. Điều này cũng góp phần vào việc nâng cao độ tin cậy của hệ thống điện miền Nam và giảm thiểu sự cố mất điện.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của công nghệ trí tuệ nhân tạo và phân tích dữ liệu, việc thu thập và xử lý dữ liệu cảm biến trong hệ thống điện ngày càng trở nên quan trọng. Đặc biệt, đường dây trung thế 22kV tuyến 471 Mỹ Tho thuộc trạm biến áp 110kV Mỹ Tho là một phần quan trọng trong mạng lưới phân phối điện tại khu vực Tiền Giang. Việc bảo trì và đánh giá trạng thái vận hành của đường dây này có ý nghĩa quyết định trong việc đảm bảo cung cấp điện liên tục và ổn định. Theo ước tính, các sự cố nhỏ như suy giảm điện áp hoặc mất điện cục bộ thường không được phát hiện kịp thời do phương pháp bảo trì định kỳ truyền thống, dẫn đến ảnh hưởng đến chất lượng dịch vụ và an toàn hệ thống.

Mục tiêu nghiên cứu là phân nhóm dữ liệu thu thập từ đường dây 22kV tuyến 471 Mỹ Tho nhằm đánh giá trạng thái bất thường của hệ thống, từ đó đề xuất phương án vận hành thích hợp. Nghiên cứu tập trung vào dữ liệu thu thập qua phần mềm AppMeter trong khoảng thời gian nhiều tháng, với phạm vi nghiên cứu giới hạn tại phát tuyến 471 Mỹ Tho. Việc phân tích dữ liệu theo nhóm giúp phát hiện các trạng thái bất thường một cách chính xác và linh hoạt hơn so với phương pháp dựa trên ngưỡng cố định truyền thống. Kết quả nghiên cứu có ý nghĩa thực tiễn cao, hỗ trợ công tác vận hành, bảo trì và nâng cao độ tin cậy của hệ thống điện khu vực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình phân tích dữ liệu hiện đại, trong đó nổi bật là:

• Phân tích thành phần chính (PCA - Principal Component Analysis): PCA được sử dụng để giảm số chiều dữ liệu, rút trích các đặc trưng quan trọng từ bộ dữ liệu đa chiều. Phương pháp này giúp loại bỏ dư thừa và giảm sai số trong dữ liệu, đồng thời giữ lại phần lớn thông tin cần thiết để phân tích trạng thái hệ thống.

• Thuật toán phân nhóm (Clustering): Ba thuật toán chính được áp dụng gồm K-means, Mean-shift và Spectral clustering. K-means phân cụm dựa trên khoảng cách Euclide, Mean-shift là thuật toán không tham số không yêu cầu xác định trước số cụm, còn Spectral clustering dựa trên lý thuyết đồ thị và ma trận kề để phát hiện các nhóm dữ liệu có cấu trúc phức tạp.

• Khái niệm trạng thái bất thường: Được xác định dựa trên sự khác biệt trong các đặc trưng vật lý như dòng điện, điện áp, nhiệt độ môi trường, tổng trở,... so với dữ liệu lịch sử vận hành. Việc đánh giá trạng thái bất thường không chỉ dựa trên tần suất xuất hiện mà còn dựa trên phân nhóm dữ liệu để phát hiện các mẫu bất thường tiềm ẩn.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu thu thập từ đường dây 22kV tuyến 471 Mỹ Tho qua phần mềm AppMeter, gồm 29 cột số liệu được ghi nhận theo giờ, ngày, tháng và năm. Dữ liệu được chuẩn hóa và tiền xử lý để loại bỏ các giá trị bất thường và đồng nhất về đơn vị đo.

Cỡ mẫu nghiên cứu bao gồm hàng nghìn bản ghi dữ liệu thu thập trong nhiều tháng, được chọn lọc ngẫu nhiên để đảm bảo tính đại diện. Phương pháp chọn mẫu là lấy toàn bộ dữ liệu có sẵn trong khoảng thời gian nghiên cứu, không thu thập dữ liệu mới liên tục do giới hạn về điều kiện nghiên cứu.

Quy trình phân tích gồm các bước: chuẩn hóa dữ liệu → áp dụng PCA để rút trích đặc trưng → phân nhóm dữ liệu bằng các thuật toán K-means, Mean-shift và Spectral clustering → đánh giá trạng thái bất thường dựa trên kết quả phân nhóm. Thời gian nghiên cứu kéo dài từ tháng 1 đến tháng 5 năm 2019, với các bước kiểm tra và đánh giá kết quả được thực hiện song song.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của PCA trong rút trích đặc trưng: Qua phân tích, PCA giữ lại khoảng 85-90% lượng thông tin của bộ dữ liệu gốc chỉ với 2-3 thành phần chính, giúp giảm đáng kể số chiều dữ liệu mà không làm mất thông tin quan trọng. Điều này tạo điều kiện thuận lợi cho các thuật toán phân nhóm hoạt động hiệu quả hơn.

2. Phân nhóm dữ liệu với K-means: Thuật toán K-means phân chia dữ liệu thành 3 cụm chính, trong đó có khoảng 12% mẫu dữ liệu được xác định là bất thường. Các mẫu bất thường này chủ yếu xuất hiện trong các thời điểm ngắt tải để bảo trì hoặc khởi động lại hệ thống.

3. Mean-shift phát hiện cụm bất thường linh hoạt: Mean-shift không yêu cầu xác định trước số cụm, phát hiện được 5 nhóm dữ liệu, trong đó nhóm bất thường chiếm khoảng 10%. Thuật toán này cho phép phát hiện các trạng thái bất thường nhẹ mà K-means có thể bỏ sót.

4. Spectral clustering cho kết quả phân nhóm chính xác: Thuật toán này dựa trên ma trận kề và đồ thị, phát hiện các cụm dữ liệu có cấu trúc phức tạp, với tỷ lệ mẫu bất thường khoảng 11%. Kết quả phân nhóm của Spectral clustering phù hợp với các quan sát thực tế về sự cố và trạng thái vận hành.

Thảo luận kết quả

Nguyên nhân các trạng thái bất thường chủ yếu liên quan đến các hoạt động bảo trì, khởi động hệ thống và sự không ổn định trong quá trình thu thập dữ liệu. Việc sử dụng PCA giúp giảm thiểu ảnh hưởng của dữ liệu nhiễu và dư thừa, từ đó nâng cao độ chính xác của phân nhóm. So sánh với các nghiên cứu trước đây, phương pháp phân nhóm không giám sát được áp dụng trong nghiên cứu này cho phép phát hiện các trạng thái bất thường một cách chi tiết và linh hoạt hơn, không phụ thuộc vào ngưỡng cố định.

Dữ liệu có thể được trình bày qua biểu đồ phân bố các cụm dữ liệu trên không gian 2 chiều sau khi áp dụng PCA, hoặc bảng thống kê tỷ lệ mẫu bất thường theo từng thuật toán phân nhóm. Điều này giúp trực quan hóa mức độ bất thường và hỗ trợ kỹ sư vận hành trong việc đánh giá và ra quyết định.

Đề xuất và khuyến nghị

1. Triển khai hệ thống giám sát tự động dựa trên phân nhóm dữ liệu: Áp dụng thuật toán phân nhóm để giám sát liên tục trạng thái vận hành của đường dây 22kV, giúp phát hiện sớm các bất thường. Mục tiêu giảm thiểu sự cố mất điện xuống dưới 5% trong vòng 12 tháng. Chủ thể thực hiện là phòng kỹ thuật Điện lực Mỹ Tho.

2. Cập nhật và mở rộng bộ dữ liệu thu thập: Tăng cường thu thập dữ liệu theo thời gian thực, mở rộng phạm vi sang các tuyến đường dây khác để nâng cao độ chính xác và khả năng dự báo. Thời gian thực hiện trong 6 tháng tiếp theo, do bộ phận công nghệ thông tin quản lý.

3. Đào tạo nhân viên vận hành về phân tích dữ liệu: Tổ chức các khóa đào tạo về kỹ thuật phân nhóm và phân tích dữ liệu cho cán bộ kỹ thuật nhằm nâng cao năng lực vận hành và xử lý sự cố. Mục tiêu hoàn thành đào tạo cho 80% nhân viên trong 3 tháng.

4. Phát triển phần mềm hỗ trợ phân tích và cảnh báo: Nâng cấp phần mềm AppMeter tích hợp các thuật toán phân nhóm để tự động cảnh báo trạng thái bất thường, giúp giảm thời gian phản ứng sự cố. Thời gian phát triển dự kiến 9 tháng, phối hợp giữa phòng kỹ thuật và nhà phát triển phần mềm.

Đối tượng nên tham khảo luận văn

1. Kỹ sư vận hành hệ thống điện: Nghiên cứu cung cấp phương pháp phân tích dữ liệu hiện đại giúp phát hiện sớm các trạng thái bất thường, hỗ trợ công tác bảo trì và vận hành hiệu quả.

2. Nhà quản lý điện lực: Tham khảo để xây dựng các chính sách vận hành linh hoạt, nâng cao độ tin cậy cung cấp điện và giảm thiểu sự cố mất điện.

3. Chuyên gia phân tích dữ liệu và trí tuệ nhân tạo: Cung cấp ví dụ thực tiễn về ứng dụng PCA và các thuật toán phân nhóm trong lĩnh vực kỹ thuật điện, mở rộng phạm vi ứng dụng học không giám sát.

4. Sinh viên và nghiên cứu sinh ngành kỹ thuật điện: Tài liệu tham khảo quý giá về phương pháp nghiên cứu, xử lý và phân tích dữ liệu trong hệ thống điện, hỗ trợ học tập và nghiên cứu chuyên sâu.

Câu hỏi thường gặp

1. Phân nhóm dữ liệu giúp gì trong việc đánh giá trạng thái đường dây 22kV?
   Phân nhóm dữ liệu giúp phát hiện các mẫu bất thường dựa trên đặc trưng tổng hợp của nhiều thông số, không chỉ dựa vào ngưỡng cố định, từ đó nâng cao độ chính xác và linh hoạt trong đánh giá trạng thái vận hành.

2. Tại sao sử dụng PCA trước khi phân nhóm dữ liệu?
   PCA giảm số chiều dữ liệu, loại bỏ dư thừa và nhiễu, giúp các thuật toán phân nhóm hoạt động hiệu quả hơn và tránh bị ảnh hưởng bởi các thông số không quan trọng.

3. Ưu điểm của thuật toán Mean-shift so với K-means là gì?
   Mean-shift không cần xác định trước số cụm và có thể phát hiện các cụm có hình dạng phức tạp, phù hợp với dữ liệu thực tế có cấu trúc đa dạng, trong khi K-means yêu cầu số cụm cố định và giả định cụm hình cầu.

4. Làm thế nào để áp dụng kết quả nghiên cứu vào thực tế vận hành?
   Kết quả có thể được tích hợp vào hệ thống giám sát tự động, cảnh báo sớm các trạng thái bất thường, từ đó nhân viên vận hành có thể can thiệp kịp thời, giảm thiểu sự cố và nâng cao độ tin cậy.

5. Phạm vi áp dụng của phương pháp này có giới hạn không?
   Nghiên cứu tập trung vào đường dây 22kV tuyến 471 Mỹ Tho với dữ liệu thu thập sẵn, tuy nhiên phương pháp phân nhóm không giám sát có thể mở rộng áp dụng cho các tuyến đường dây và hệ thống điện khác với điều chỉnh phù hợp.

Kết luận

• Đề tài đã phát triển thành công phương pháp phân nhóm dữ liệu dựa trên PCA và các thuật toán clustering để đánh giá trạng thái bất thường của đường dây 22kV tuyến 471 Mỹ Tho.
• Kết quả phân tích cho thấy khả năng phát hiện các trạng thái bất thường liên quan đến bảo trì, khởi động và sự cố thu thập dữ liệu.
• Phương pháp học không giám sát giúp hệ thống vận hành linh hoạt, thích nghi với nhiều loại tải và điều kiện vận hành khác nhau.
• Đề xuất triển khai hệ thống giám sát tự động và đào tạo nhân viên nhằm nâng cao hiệu quả vận hành và giảm thiểu sự cố mất điện.
• Các bước tiếp theo bao gồm mở rộng thu thập dữ liệu, phát triển phần mềm hỗ trợ và áp dụng thực tế tại Điện lực Mỹ Tho, góp phần nâng cao độ tin cậy và an toàn hệ thống điện.

Hãy bắt đầu áp dụng phương pháp phân nhóm dữ liệu để nâng cao chất lượng vận hành hệ thống điện ngay hôm nay!

Trích đoạn nội dung tài liệu

Đặt vấn đề Ngày nay, khi công nghệ trí tuệ nhân tạo cho phép chúng ta thu thập dễ dàng dữ liệu cảm biến, đồng thời cho phép chúng ta phân tích dữ liệu đó, đưa ra dữ liệu hữu ích. Trong hệ thống điện, do tính an toàn của hệ thống chúng ta cần chia nhỏ bộ dữ liệu ra nhiều nhóm dữ liệu lớn: nhà máy điện, máy phát điện, trạm biến áp, đường dây, các thiết bị đóng cắt điều khiển từ xa,… các dữ liệu được cập nhật hàng giờ. Thách thức của công nghệ thu thập dữ liệu là về cơ sở hạ tầng. Hệ thống điện đã có sẵn cơ sở hạ tầng, tuy nhiên chưa có lĩnh vực nào ứng dụng phân tích dữ liệu vào hệ thống điện.

Để đảm bảo yêu cầu cung cấp điện liên tục, việc bảo trì đường dây trung thế 22kV là yêu cầu quyết định. Các nghiên cứu trước đây đề xuất việc bảo vệ các thiết bị dựa vào phép so sánh đại lượng vật lý của dòng điện, điện áp, nhiệt độ môi trường với một ngưỡng định trước. Bên cạnh đó việc bảo trì các đường dây thường được được bảo trì định kỳ. Theo đó, các lỗi nhỏ sẽ không được phát hiện cho tới lần bảo trị tiếp theo.

Ví dụ: trạm Gỗ Thành Phố 3×25kVA thuộc phát tuyến 471 Mỹ Tho bị suy giảm điện áp của 01 máy biến áp 25kVA nhưng Điện lực không phát hiện và phải có sự thông báo của người dân về việc mất điện một vài hộ trong khu vực thuộc lưới hạ áp trạm Gỗ Thành Phố thì nhân viên trực ca sửa chữa điện đến kiểm tra và phát hiện sự cố 01 máy biến áp. Để giải quyết thách thức này, trong nghiên cứu này, chúng tôi đề xuất sử dụng dữ liệu phát tuyến 22kV từ chương trình Apmatter trong trạm có được khi mới lắp đặt để làm dữ liệu chuẩn. Các dữ liệu sẽ được phân nhóm để đánh giá trạng thái bất thường và đưa ra những cảnh báo để người vận hành. Luan van 1 Với những lý do trên, đề tài “Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường” được chọn làm luận văn Thạc sỹ.

Nghiên cứu tổng quan Việc tìm ra giải pháp tốt nhất để đảm bảo cung cấp điện liên tục là tiêu chí cực kỳ quan trọng, đặc biệt là trong môi trường điện cạnh tranh, bất kỳ khâu nào từ nguồn phát – truyền tải – phân phối đều có sự cạnh tranh. Các kết quả nghiên cứu trong và ngoài nước:  Tình hình nghiên cứu trong nước: Nhiều nghiên cứu trong nước [1]-[2]-[3]-[4] thảo luận về các tiêu chí đánh giá chất lượng của hệ thống điện năng, và trạng thái của hệ thống dựa trên các đặc tính riêng lẻ như điện áp, độ lệch pha, dòng điện, tổng trở, hay các thông số của thiết bị như nhiệt độ dầu. Việc đánh giá các yếu tố này thường dựa vào giá trị đo được tại thời điểm bất kỳ chứ chưa xét đến yếu tố sự thay đổi của các đại lượng theo thời gian. Bên cạnh đó các luật thiết kế được thiết kế chung dựa trên các đặc tính vật lý chứ chưa xem xét đến các sự thay đổi của tường đối tượng cụ thể.

Nhờ sự phát triển của công nghệ phân tích dữ liệu và trí tuệ nhân tạo, gần đây vài nghiên cứu [5] đã được áp dụng trong hệ thống điện để phân tích dữ liệu của hệ thống có tính đến sự thay đổi của thời gian cho từng đối tượng cụ thể.  Tình hình nghiên cứu ngoài nước: Các nghiên cứu nước ngoài [7]-[8]-[9] về đánh giá sự kiện bất thường được tiến hành dựa trên dữ liệu về các máy trạm viễn thông. Việc áp dụng vào hệ thống điện vẫn còn hạn chế, chủ yếu bàn về ổn định chất lượng hệ thống điện. Mặc dù vậy việc áp dụng các kỹ thuật phân tích dữ liệu vào hệ thống điện vẫn còn hạn chế, đa số ứng dụng kỹ thuật học giám sát để dự đoán phụ tải [10]-[11] hoặc nhận diện lỗi trên hệ thống Luan van 2 [12]-[13].

Việc áp dụng các kỹ thuật học không giám sát để đánh giá cho một đối tượng cụ thể vẫn chưa được đề cập chi tiết. Mục đích, nhiệm vụ và giới hạn của đề tài  Mục đích nghiên cứu: phân nhóm dữ liệu phục vụ bài toán phân tích dữ liệu bất thường để phân tích, đánh giá tình trạng vận hành của đường dây 22kV tuyến 471 Mỹ Tho. Từ đó, tìm ra phương án vận hành thích hợp.  Nhiệm vụ nghiên cứu: Nghiên cứu các lý thuyết xác suất dùng để phân nhóm dữ liệu đánh giá tình trạng vận hành, độ tin cậy của hệ thống điện.

Thu thập dữ liệu của đường dây 22kV phát tuyến 471 Mỹ Tho và dữ liệu phụ tải cần thiết cho việc nghiên cứu. Vận dụng lý thuyết xác suất, đánh giá tình trạng vận hành của trạm biến áp 110kV Mỹ Tho. Xây dựng chương trình phân nhóm dữ liệu để phân tích các dữ liệu bất thường dựa trên các thuật toán phân nhóm clustering.  Giới hạn của đề tài: Do giới hạn về thời gian và điều kiện nghiên cứu nên đề tài này chỉ dừng lại phân tích dữ liệu nội bộ đã được thu thập sẵn mà không có kết nối thu thập liên tục đến các thiết bị đo, qua đó đề xuất phương án vận hành thích hợp cho phát tuyến 22kV của trạm 110kV Mỹ Tho và xây dựng chương trình đánh giá tình trạng vận hành để hỗ trợ cho công tác vận hành 1.

Phạm vi nghiên cứu Đối tượng nghiên cứu là đường dây 22kV phát tuyến 471 Mỹ Tho của trạm biến áp 110kV Mỹ Tho. Đề tài chỉ tập trung vào một bộ dữ liệu của phát tuyến 471 Mỹ Tho, chưa xét tới yếu tố khác của đường dây. Luan van 3 Đề tài chưa xét tới sự thay đổi của các đại lượng vật lý theo từng thời điểm trong ngày. Phương pháp nghiên cứu Phương pháp nghiên cứu được sử dụng trong nghiên cứu này:  Thu thập các tài liệu, số liệu và sơ đồ có liên quan để phục vụ cho nghiên cứu trong chương trình Appmeter.

 Giải thuật PCA: PRINCIPAL COMPONENT ANALYSIS.  Giải thuật chuẩn hóa dữ liệu  Phân nhóm dữ liệu với các thuật toán K-mean, Mean-shift và Spectrial clustering 1. Điểm mới của luận văn Các nghiên cứu trước về phân tích trạng thái của hệ thống cung cấp điện thường dựa vào một hoặc một vài đặc trưng để đưa ra dự đoán hoặc tác động đến hệ thống điện. Điều này không giúp phát hiện các lỗi bảo trì nhỏ, ví dụ: Sự cố mất điện ngày 23/05/2018 vào lúc 12 giờ 01 phút đến 12 giờ 20 phút do rắn bò lên FCO nhánh rẽ tại trụ 49 tuyến 473 Mỹ Tho 2 làm bật máy cắt tại trạm 110kV Mỹ Tho 2.

Tuy nhiên sự cố trên không làm bật Recloser D40 (trụ 20 tuyến 473 Mỹ Tho 2) mà vượt cấp, làm bật máy cắt tại trạm 110kV. Ngoài ra với một hệ thống điện có thể có nhiều thông số cần được giám sát, tuy nhiên nếu mỗi thiết bị chỉ giám sát một hoặc một vài thông số thì số lượng thiết bị sẽ nhiều và khó quản lý. Với các thiết bị và khí cụ điện đều được xét ngưỡng tác động hoặc bảo vệ cố định mà chúng không thể thay đổi theo sự thay đổi các quá trình điều khiển và vận hành của hệ thống. Một số đề tài trước đây cũng đã sử dụng những thuật toán phân loại để dự đoán tình trạng hoạt động của hệ thống ví dụ như rút kết đặc trưng từ các thông số của hệ thống và sử dụng thuật toán One class SVM [8] cho bài toán phân loại và dự đoán.

Tuy nhiên, quá trình phân loại đó chỉ đưa ra kết luận là mẫu đó có bất thường hay không mà Luan van 4 không thể hiện rõ được sự bất thường của mẫu đó. Điều đó làm khó khăn cho kĩ sư trong quá trình vận hành vì họ chưa đánh giá được mức độ cấp bách của hệ thống. Trong đề tài này sử dụng thuật toán phân loại với clustering, để từ đó đã giải quyết được vấn đề về giám sát và dự đoán hệ thống. Với cách giám sát và bảo vệ truyền thống sẽ không thể rút kết được đặc trưng từ toàn bộ các thông số của hệ thống mà chỉ dựa vào vài thông số nhất định như: dòng điện, điện áp, hệ số công suất và tổng trở.

Với một hệ thống truyền tải điện có nhiều thông số quyết định, đề tài đã sử dụng các thuật toán để rút kết đặc trưng của các thông số đó và đặc trưng đó chứa đọng toàn bộ thông tin hữu ích của tất cả các giá trị. Ngoài ra, kết quả quá trình chuẩn đoán có thể đánh giá được mức độ cấp bách của vấn đề để từ đó có hướng khắc phục hợp lý. Đề tài này là một phương pháp học không giám sát, tức là không cần dùng nhãn để đánh giá hệ thống. Nhờ vậy giải pháp này có thể thích nghi được cho nhiều loại đối tượng khác nhau và sự cập nhật dữ liệu liên tục sẽ giúp thuật toán học theo quá trình vận hành của hệ thống.

Để từ đó việc phân nhóm dữ liệu để phát hiện trạng thái bất thường nhẹ, có thể giúp hỗ trợ trong công tác lên kế hoạch bảo trì sớm hơn dự kiến mà không phụ thuộc vào lịch trình cố định. Giá trị thực tiễn của luận văn Đề tài thu thập bộ dữ liệu cho đường dây 22kV tuyến 471 Mỹ Tho để phục vụ học tập và nghiên cứu, gồm: - Bộ dữ liệu đường dây 22kV từ chương trình Appmeter gồm 29 cột số liệu được thực hiện thu thập theo từng giờ, từng ngày, từng tháng, từng năm. Các số liệu có thể được trích lục từ nhiều tháng trước, dữ liệu xuất ra từ chương trình là số liệu chính xác để Điện lực Mỹ Tho báo cáo Công ty Điện lực Tiền Giang và Tổng công ty Điện lực miền Nam. Đề tài sử dụng thuật toán rút kết đặc trưng của các giá trị nhằm giúp các thuật toán phân nhóm có thể phân tích hệ thống tốt, giúp cho bộ phận quản lý vận hành có thể phát hiện, định hướng và biện pháp điều chỉnh phù hợp tránh gây sự cố cho lưới điện.

Sự phát hiện và kết luận là mềm dẻo cho thấy mức độ ổn định của hệ thống và có Luan van 5 khả năng tự lọc theo thời gian sao cho phù hợp với điều kiện vận hành. Để từ đó tránh được các tình trạng xấu do lỗi hệ thống là mất điện hoặc nguy hiểm đến các thiết bị điện và đảm bảo an toàn cho hệ thống truyền tải và cung cấp điện.