Giải Thuật Nhận Dạng Sự Cố Trên Đường Dây Truyền Tải

• Tác giả: Nguyễn Nhân Bổn
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Khoa Điện – Điện Tử
• Đề tài: Giải Thuật Nhận Dạng Sự Cố Trên Đường Dây Truyền Tải
• Loại tài liệu: Báo Cáo Tổng Kết Đề Tài KH&CN Cấp Trường
• Năm xuất bản: 2020
• Địa điểm: Thành Phố Hồ Chí Minh

• MỞ ĐẦU
• Đặt vấn đề
• Phạm vi nghiên cứu
• Phương pháp nghiên cứu
• Ý nghĩa thực tiễn
• Nội dung nghiên cứu
• 1. CHƯƠNG 1: TỔNG QUAN NHẬN DẠNG VÀ ĐỊNH VỊ SỰ CỐ
• 1.1. Giới thiệu
• 1.2. Tổng quan nghiên cứu
• 2. CHƯƠNG 2: KỸ THUẬT WAVELET VÀ MẠNG NƠ RON
• 2.1. Phép biến đổi Wavelet
• 2.2. Ứng dụng Wavelet trong nhận dạng và phân loại sự cố
• 2.3. Giới thiệu Mạng Neural Tích Chập (CNNs)
• 3. CHƯƠNG 3: ỨNG DỤNG KỸ THUẬT WAVELET VÀ MẠNG GOOGLENET TRONG NHẬN DẠNG VÀ ĐỊNH VỊ SỰ CỐ
• 3.1. Tổng quan về các sự cố ngắn mạch
• 3.2. Phương pháp đề xuất phân loại và định vị sự cố
• 4. CHƯƠNG 4: KẾT QUẢ MÔ PHỎNG VÀ ĐÁNH GIÁ
• 4.1. Mô hình hệ thống điện truyền tải
• 4.2. Kết quả mô phỏng và nhận xét
• 5. CHƯƠNG 5: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

I. Giải thuật nhận dạng sự cố

Phần này tập trung vào giải thuật nhận dạng sự cố trên đường dây truyền tải, một vấn đề phức tạp đòi hỏi giải pháp hiệu quả. Nghiên cứu này sử dụng kỹ thuật Wavelet, một phương pháp mạnh mẽ trong phân tích tín hiệu, để trích xuất các đặc trưng từ tín hiệu điện áp và dòng điện. Phân tích Wavelet cho phép phân tích tín hiệu trong cả hai miền thời gian và tần số, giúp phát hiện những thay đổi nhỏ về biên độ và tần số, những thay đổi này thường biểu hiện sự cố trên đường dây. Kết quả phân tích Wavelet được sử dụng làm đầu vào cho các mô hình học máy để nhận dạng sự cố. Nghiên cứu này đề cập đến các hạn chế của các phương pháp truyền thống như khó phát hiện dao động điện, thành phần họa tần bậc cao. Do đó, việc nghiên cứu và phát triển một giải thuật mới, nhanh chóng và chính xác là cần thiết.

1.1 Ứng dụng Biến đổi Wavelet

Biến đổi Wavelet đóng vai trò trung tâm trong việc trích xuất đặc trưng từ dữ liệu tín hiệu. Nghiên cứu sử dụng biến đổi Wavelet rời rạc (DWT), phù hợp cho việc phân tích tín hiệu quá độ trong hệ thống điện. DWT phân giải tín hiệu thành các hệ số ở các mức phân giải khác nhau, cho phép tách biệt các thành phần tần số khác nhau trong tín hiệu. Các hệ số này sau đó được sử dụng để xây dựng các đặc trưng đại diện cho trạng thái của đường dây truyền tải. Việc lựa chọn hàm Wavelet phù hợp là rất quan trọng để tối ưu hóa hiệu quả trích xuất đặc trưng. Nghiên cứu đề cập đến các loại hàm Wavelet như Daubechies, Morlet, Coiflets, Symlets, và nhấn mạnh sự cần thiết chọn hàm phù hợp với đặc điểm của tín hiệu để đạt được kết quả tối ưu. Kỹ thuật Wavelet vượt trội hơn phân tích Fourier trong việc xử lý tín hiệu không liên tục, thường gặp trong các sự cố trên đường dây.

1.2 Ứng dụng Mạng nơ ron

Sau khi trích xuất đặc trưng bằng biến đổi Wavelet, nghiên cứu sử dụng mạng nơ ron để phân loại và định vị sự cố. Cụ thể, nghiên cứu áp dụng mạng nơ ron tích chập (CNN) và GoogleNet, hai kiến trúc mạnh mẽ trong lĩnh vực xử lý ảnh và học sâu. Các hệ số Wavelet được chuyển đổi thành dạng hình ảnh RGB, sau đó được đưa vào làm đầu vào cho GoogleNet để phân loại loại sự cố. CNN được sử dụng để xác định vị trí sự cố trên đường dây. Việc sử dụng mạng nơ ron giúp tự động hóa quá trình phân loại và định vị sự cố, tăng tốc độ và độ chính xác so với các phương pháp truyền thống. Nghiên cứu cũng đề cập đến những hạn chế của các phương pháp khác như SVM, ANN, FLC, nhấn mạnh ưu điểm của việc kết hợp Wavelet, GoogleNet và CNN.

II. Nhận dạng sự cố đường dây truyền tải

Phần này tập trung vào việc áp dụng các giải thuật đã đề cập vào bài toán cụ thể là nhận dạng sự cố đường dây truyền tải. Nghiên cứu mô phỏng các sự cố khác nhau, bao gồm cả sự cố đối xứng và không đối xứng, trên một hệ thống điện mẫu sử dụng phần mềm MATLAB. Các thông số mô phỏng được thiết kế để phản ánh các điều kiện thực tế, bao gồm cả sự thay đổi điện trở sự cố và tải trọng. Kết quả mô phỏng cho thấy độ chính xác cao của phương pháp đề xuất. Nghiên cứu đánh giá hiệu quả của phương pháp dựa trên các chỉ số như độ chính xác, thời gian xử lý. An toàn đường dây truyền tải được cải thiện nhờ khả năng phát hiện và định vị sự cố nhanh chóng và chính xác.

2.1 Phát hiện sự cố đường dây truyền tải

Phần này trình bày chi tiết quy trình phát hiện sự cố đường dây truyền tải. Dữ liệu tín hiệu điện áp và dòng điện được thu thập và xử lý bằng biến đổi Wavelet. Các đặc trưng được trích xuất từ tín hiệu được sử dụng làm đầu vào cho GoogleNet để phân loại loại sự cố. GoogleNet, với kiến trúc mạnh mẽ, cho phép phân loại chính xác các loại sự cố khác nhau, bao gồm cả sự cố đối xứng và không đối xứng. Hiệu quả của phát hiện sự cố được đánh giá dựa trên độ chính xác và thời gian xử lý. Phát hiện sự cố nhanh chóng giúp giảm thiểu thiệt hại và đảm bảo an toàn cho hệ thống.

2.2 Xác định vị trí sự cố đường dây truyền tải

Sau khi xác định loại sự cố, nghiên cứu tập trung vào xác định vị trí sự cố trên đường dây. Mạng CNN, với khả năng xử lý dữ liệu không gian, được sử dụng để xác định vị trí sự cố dựa trên các đặc trưng đã được trích xuất. Độ chính xác của xác định vị trí sự cố được đánh giá trên hệ thống mô phỏng. Kết quả cho thấy khả năng xác định vị trí sự cố chính xác của phương pháp đề xuất. Khả năng xác định vị trí sự cố nhanh chóng là yếu tố quan trọng trong việc khắc phục sự cố và phục hồi hệ thống.

III. Kết luận và ứng dụng thực tiễn

Nghiên cứu này đã giới thiệu một giải thuật mới kết hợp biến đổi Wavelet, GoogleNet, và CNN để nhận dạng và định vị sự cố trên đường dây truyền tải. Phương pháp này cho thấy hiệu quả cao trong việc phát hiện và phân loại các loại sự cố khác nhau. Kết quả mô phỏng cho thấy độ chính xác và tốc độ xử lý cao. Nghiên cứu có ý nghĩa thực tiễn lớn trong việc cải thiện độ tin cậy và an toàn của hệ thống điện. Ứng dụng của nghiên cứu bao gồm giám sát và bảo vệ đường dây truyền tải, giúp giảm thiểu thời gian gián đoạn cung cấp điện và giảm thiệt hại kinh tế.

3.1 Đóng góp của nghiên cứu

Nghiên cứu này có nhiều đóng góp đáng kể. Đầu tiên, nó giới thiệu một phương pháp mới kết hợp các kỹ thuật hiện đại trong xử lý tín hiệu và học máy để giải quyết bài toán nhận dạng sự cố đường dây truyền tải. Thứ hai, nghiên cứu cung cấp một giải pháp hiệu quả, chính xác và nhanh chóng cho việc phát hiện và định vị sự cố. Thứ ba, nghiên cứu góp phần vào sự phát triển của công nghệ giám sát và bảo vệ hệ thống điện, mang lại lợi ích kinh tế và xã hội lớn.

3.2 Khả năng ứng dụng thực tiễn

Kết quả nghiên cứu có thể được ứng dụng rộng rãi trong thực tiễn. Các công ty điện lực có thể sử dụng phương pháp này để cải thiện hệ thống giám sát và bảo vệ đường dây truyền tải. Việc phát hiện và định vị sự cố nhanh chóng giúp giảm thiểu thời gian gián đoạn cung cấp điện, giảm thiểu thiệt hại kinh tế và đảm bảo an toàn cho hệ thống. Nghiên cứu cũng có thể được mở rộng để ứng dụng trong các lĩnh vực khác liên quan đến giám sát và bảo vệ hệ thống kỹ thuật.

Tổng quan nghiên cứu

Hệ thống điện truyền tải đóng vai trò then chốt trong việc đảm bảo cung cấp điện ổn định và an toàn cho các khu vực tiêu thụ. Theo báo cáo ngành, khoảng 50% sự cố trong hệ thống điện xảy ra trên đường dây truyền tải, trong đó sự cố ngắn mạch một pha chạm đất chiếm tới 85% tổng số sự cố ngắn mạch. Những sự cố này không chỉ gây ra thiệt hại về thiết bị mà còn ảnh hưởng nghiêm trọng đến an ninh năng lượng và kinh tế quốc gia. Bài toán nhận dạng và định vị sự cố trên đường dây truyền tải do đó trở thành một thách thức lớn trong lĩnh vực kỹ thuật điện.

Mục tiêu nghiên cứu của luận văn là phát triển một giải thuật kết hợp kỹ thuật biến đổi Wavelet và mạng nơ-ron tích chập (CNN), cụ thể là mạng GoogLeNet, nhằm nhận dạng chính xác và định vị nhanh các sự cố ngắn mạch trên đường dây truyền tải 220 kV dài 220 km. Nghiên cứu được thực hiện trong khoảng thời gian từ tháng 1 đến tháng 12 năm 2020 tại Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, sử dụng mô phỏng trên phần mềm MATLAB.

Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao độ chính xác và tốc độ xử lý trong phát hiện sự cố, góp phần cải thiện hiệu quả vận hành và bảo vệ hệ thống điện. Kết quả nghiên cứu có thể ứng dụng trong việc phát triển các thiết bị bảo vệ rơ le thế hệ mới, giảm thiểu thời gian mất điện và thiệt hại do sự cố gây ra.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: kỹ thuật biến đổi Wavelet và mạng nơ-ron tích chập (CNN).

• Biến đổi Wavelet (WT): Đây là phương pháp phân tích tín hiệu trong cả miền thời gian và tần số, cho phép phát hiện các đặc trưng quá độ trong tín hiệu điện áp và dòng điện khi xảy ra sự cố. Biến đổi Wavelet rời rạc (DWT) được sử dụng để phân tách tín hiệu thành các hệ số xấp xỉ và chi tiết ở nhiều mức độ phân giải, từ đó trích xuất các đặc trưng năng lượng phục vụ cho việc nhận dạng sự cố.

• Mạng nơ-ron tích chập (CNN): CNN là mô hình học sâu hiệu quả trong việc phân loại hình ảnh và nhận dạng mẫu. GoogLeNet, một kiến trúc CNN tiên tiến với 22 lớp và mô-đun inception, được sử dụng để phân loại các dạng sự cố dựa trên ảnh RGB được chuyển đổi từ các đặc trưng Wavelet. Đồng thời, một mạng CNN khác được thiết kế để định vị chính xác vị trí sự cố trên đường dây.

Các khái niệm chính bao gồm: hệ số Wavelet, phân tích đa phân giải, trường tiếp nhận cục bộ, trọng số chia sẻ, lớp pooling, và mô-đun inception trong GoogLeNet.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu là các tín hiệu dòng điện và điện áp ba pha cùng dòng điện trung tính thu thập từ mô hình hệ thống điện truyền tải 220 kV, 220 km, mô phỏng trên phần mềm MATLAB. Các dạng sự cố ngắn mạch đối xứng và không đối xứng được giả lập với các giá trị điện trở sự cố từ 0 Ω đến 15 Ω và biến đổi tải ±5%.

Phương pháp phân tích gồm:

• Áp dụng DWT để phân tách tín hiệu thành các hệ số xấp xỉ và chi tiết ở ba mức phân giải, tính toán năng lượng RMS của các hệ số này để tạo ra vectơ đặc trưng gồm 28 phần tử.

• Chuyển đổi vectơ đặc trưng thành ảnh RGB kích thước 224x224x3 làm đầu vào cho mạng GoogLeNet để phân loại loại sự cố.

• Sử dụng mạng CNN riêng biệt để định vị vị trí sự cố dựa trên các đặc trưng trích xuất.

Quá trình nghiên cứu được thực hiện trong vòng 12 tháng, từ tháng 1 đến tháng 12 năm 2020, với cỡ mẫu mô phỏng đa dạng các loại sự cố và điều kiện tải khác nhau nhằm đảm bảo tính tổng quát và độ tin cậy của giải thuật.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác phân loại sự cố: Mạng GoogLeNet đạt độ chính xác trên 98% trong việc phân loại các dạng sự cố ngắn mạch, bao gồm sự cố một pha chạm đất, hai pha không chạm đất, hai pha chạm đất và ba pha chạm đất. So với các phương pháp truyền thống như SVM hay ANN, độ chính xác tăng khoảng 5-7%.

2. Tốc độ xử lý: Thời gian xử lý trung bình cho mỗi mẫu sự cố chỉ khoảng vài mili giây, nhanh hơn đáng kể so với các phương pháp học máy truyền thống, giúp đáp ứng yêu cầu nhận dạng sự cố thời gian thực.

3. Định vị sự cố chính xác: Mạng CNN định vị sự cố trên đường dây với sai số vị trí trung bình dưới 2 km trên tổng chiều dài 220 km, tương đương sai số dưới 1%, đảm bảo khả năng cô lập và xử lý sự cố nhanh chóng.

4. Độ bền với biến đổi tải và điện trở sự cố: Giải thuật duy trì hiệu suất cao khi điện trở sự cố thay đổi từ 0 Ω đến 15 Ω và tải biến động ±5%, chứng tỏ tính ổn định và khả năng ứng dụng thực tế.

Thảo luận kết quả

Nguyên nhân chính giúp giải thuật đạt hiệu quả cao là sự kết hợp giữa khả năng trích xuất đặc trưng đa miền của biến đổi Wavelet và sức mạnh phân loại của mạng CNN GoogLeNet. Biến đổi Wavelet giúp giữ lại các đặc trưng quan trọng của tín hiệu quá độ, trong khi GoogLeNet tận dụng cấu trúc mô-đun inception để học các đặc trưng phức tạp với số lượng tham số tối ưu.

So sánh với các nghiên cứu trước đây sử dụng SVM, ANN hoặc logic mờ, giải thuật đề xuất không chỉ nâng cao độ chính xác mà còn giảm thời gian xử lý, phù hợp với yêu cầu vận hành hệ thống điện hiện đại. Kết quả định vị sự cố với sai số thấp cũng vượt trội hơn nhiều so với các phương pháp truyền thống.

Dữ liệu có thể được trình bày qua biểu đồ độ chính xác phân loại theo từng loại sự cố, biểu đồ thời gian xử lý trung bình, và bảng so sánh sai số định vị giữa các phương pháp. Các biểu đồ này minh họa rõ ràng ưu điểm vượt trội của giải thuật đề xuất.

Đề xuất và khuyến nghị

1. Triển khai hệ thống nhận dạng sự cố tự động: Áp dụng giải thuật kết hợp Wavelet và CNN vào các thiết bị bảo vệ rơ le thế hệ mới nhằm nâng cao độ chính xác và tốc độ phát hiện sự cố, giảm thiểu thời gian mất điện. Thời gian thực hiện dự kiến trong 12-18 tháng, chủ thể là các công ty điện lực và nhà sản xuất thiết bị.

2. Phát triển phần mềm giám sát và cảnh báo: Xây dựng phần mềm giám sát trực tuyến sử dụng giải thuật đề xuất để cảnh báo sớm sự cố trên đường dây truyền tải, giúp vận hành hệ thống điện ổn định hơn. Thời gian phát triển khoảng 6-12 tháng, do các trung tâm nghiên cứu và doanh nghiệp công nghệ thực hiện.

3. Đào tạo và nâng cao năng lực kỹ thuật: Tổ chức các khóa đào tạo chuyên sâu về kỹ thuật Wavelet và mạng CNN cho kỹ sư vận hành và bảo trì hệ thống điện, nhằm nâng cao khả năng ứng dụng và khai thác hiệu quả giải thuật. Chủ thể là các trường đại học và viện nghiên cứu, thời gian đào tạo liên tục.

4. Mở rộng nghiên cứu ứng dụng: Khuyến khích nghiên cứu mở rộng giải thuật cho các hệ thống điện phân phối và lưới điện thông minh, nhằm nâng cao khả năng phát hiện và xử lý sự cố trong các môi trường phức tạp hơn. Thời gian nghiên cứu tiếp theo 2-3 năm, do các tổ chức nghiên cứu và doanh nghiệp phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

1. Kỹ sư vận hành và bảo trì hệ thống điện: Nghiên cứu giúp nâng cao kỹ năng nhận dạng và xử lý sự cố nhanh chóng, giảm thiểu thiệt hại và thời gian mất điện trong thực tế vận hành.

2. Nhà nghiên cứu và sinh viên ngành điện – điện tử: Cung cấp kiến thức chuyên sâu về ứng dụng biến đổi Wavelet và mạng CNN trong lĩnh vực chẩn đoán sự cố, làm nền tảng cho các nghiên cứu tiếp theo.

3. Doanh nghiệp sản xuất thiết bị bảo vệ điện: Tham khảo để phát triển các sản phẩm bảo vệ rơ le thế hệ mới tích hợp giải thuật nhận dạng sự cố chính xác và nhanh chóng.

4. Các cơ quan quản lý và hoạch định chính sách năng lượng: Hiểu rõ về công nghệ mới trong bảo vệ và vận hành hệ thống điện, từ đó xây dựng các chính sách hỗ trợ ứng dụng công nghệ hiện đại nhằm nâng cao độ tin cậy cung cấp điện.

Câu hỏi thường gặp

1. Giải thuật nhận dạng sự cố này có thể áp dụng cho các hệ thống điện khác không?
   Giải thuật có thể mở rộng áp dụng cho các hệ thống điện phân phối và lưới điện thông minh với điều chỉnh phù hợp về mô hình và dữ liệu đầu vào, nhờ tính linh hoạt của biến đổi Wavelet và mạng CNN.

2. Độ chính xác của giải thuật trong điều kiện nhiễu và biến đổi tải như thế nào?
   Nghiên cứu cho thấy giải thuật duy trì độ chính xác cao trên 98% khi điện trở sự cố thay đổi từ 0 Ω đến 15 Ω và tải biến động ±5%, chứng tỏ khả năng chịu nhiễu và biến đổi tải tốt.

3. Thời gian xử lý của giải thuật có đáp ứng yêu cầu thời gian thực không?
   Thời gian xử lý trung bình chỉ vài mili giây cho mỗi mẫu sự cố, phù hợp với yêu cầu nhận dạng sự cố thời gian thực trong vận hành hệ thống điện.

4. Giải thuật có thể phát hiện các dạng sự cố phức tạp như nhiễu hay dao động lưới không?
   Mặc dù tập trung vào các sự cố ngắn mạch, kỹ thuật Wavelet kết hợp CNN có khả năng phân biệt các đặc trưng tín hiệu phức tạp, giúp phát hiện các hiện tượng nhiễu và dao động lưới ở mức độ nhất định.

5. Làm thế nào để chuyển giao kết quả nghiên cứu vào thực tế?
   Kết quả nghiên cứu đã được công bố trên tạp chí quốc tế và có thể chuyển giao thông qua hợp tác với các công ty điện lực, nhà sản xuất thiết bị bảo vệ, đồng thời đào tạo kỹ thuật viên vận hành để ứng dụng giải thuật trong thực tế.

Kết luận

• Đã phát triển thành công giải thuật kết hợp biến đổi Wavelet và mạng CNN GoogLeNet để nhận dạng và định vị sự cố trên đường dây truyền tải 220 kV với độ chính xác trên 98% và sai số định vị dưới 1%.
• Giải thuật xử lý nhanh, phù hợp với yêu cầu nhận dạng sự cố thời gian thực trong vận hành hệ thống điện hiện đại.
• Nghiên cứu góp phần nâng cao hiệu quả bảo vệ và vận hành hệ thống điện, giảm thiểu thiệt hại do sự cố gây ra.
• Đề xuất triển khai ứng dụng giải thuật trong thiết bị bảo vệ rơ le và phần mềm giám sát hệ thống điện.
• Khuyến nghị mở rộng nghiên cứu và đào tạo kỹ thuật để nâng cao năng lực ứng dụng công nghệ mới trong ngành điện.

Hành động tiếp theo: Các đơn vị quản lý và vận hành hệ thống điện nên phối hợp với các trung tâm nghiên cứu để thử nghiệm và triển khai giải thuật trong thực tế, đồng thời tổ chức đào tạo nâng cao cho đội ngũ kỹ thuật viên nhằm tối ưu hóa hiệu quả vận hành và bảo vệ hệ thống điện truyền tải.