Hệ thống nhận dạng và đánh giá ổn định hệ thống điện tại HCMUTE

Tài liệu nghiên cứu Hcmute hệ thống nhận dạng đánh giá ổn định hệ thống điện, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kỹ thuật.

• Tác giả: Nguyễn Ngọc Âu
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Khoa Điện Điện Tử
• Đề tài: Hệ Thống Đánh Giá Ổn Định Điện Năng
• Loại tài liệu: báo cáo tổng kết đề tài KH&CN cấp trường
• Năm xuất bản: 2018
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• MỞ ĐẦU
• 1.1. TÍNH CẦN THIẾT
• 1.2. MỤC TIÊU CỦA ĐỀ TÀI
• 1.3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.4. CÁCH TIẾP CẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5. ĐIỂM MỚI VỀ MẶT KHOA HỌC CỦA ĐỀ TÀI
• 1.6. Ý NGHĨA THỰC TIỄN CỦA LUẬN ÁN
• 1.7. BỐ CỤC CỦA ĐỀ TÀI
• 2. CÁC PHƯƠNG PHÁP ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN
• 2.1. GIỚI THIỆU
• 2.2. ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
• 2.2.1. Các chế độ làm việc hệ thống
• 2.2.2. Ổn định hệ thống điện
• 2.3. CÁC PHƯƠNG PHÁP PHÂN TÍCH ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
• 2.3.1. Mô hình toán học hệ thống điện nhiều máy
• 2.3.2. Phương pháp tích phân số
• 2.3.3. Phương pháp diện tích
• 2.3.4. Phương pháp trực tiếp

Tóm tắt

I. Hệ thống đánh giá ổn định điện năng tại HCMUTE Tổng quan

Bài viết này phân tích Hệ thống đánh giá ổn định điện năng tại HCMUTE, tập trung vào các khía cạnh quan trọng của công trình nghiên cứu khoa học cấp trường mang mã số T2017-68TĐ. Công trình này, do ThS. Nguyễn Ngọc Âu chủ trì, đã nghiên cứu và xây dựng hệ thống nhận dạng đánh giá ổn định động hệ thống điện. Công trình hướng đến mục tiêu nghiên cứu các phương pháp giảm kích thước không gian dữ liệu và xây dựng hệ thống nhận dạng đánh giá ổn định động hệ thống điện. Nghiên cứu ôn định điện năng HCMUTE này có ý nghĩa thực tiễn quan trọng trong việc hỗ trợ điều độ viên ra quyết định kịp thời, tránh rủi ro mất ổn định hệ thống điện. An toàn điện năng HCMUTE được đảm bảo hơn nhờ hệ thống này. Quản lý điện năng HCMUTE cũng được cải thiện nhờ khả năng giám sát và cảnh báo sớm của hệ thống.

1.1 Tính cần thiết của hệ thống

Hệ thống điện hiện đại chịu nhiều áp lực do sự phát triển nhanh của phụ tải. Giám sát điện năng HCMUTE hiện đại cần những giải pháp hiệu quả hơn. Các phương pháp truyền thống đánh giá ổn định điện năng tỏ ra kém hiệu quả, đặc biệt trong những tình huống đòi hỏi thời gian phản hồi nhanh. Hệ thống đánh giá ổn định điện năng được đề xuất trong nghiên cứu này nhằm giải quyết vấn đề này. Hệ thống này tập trung vào việc giảm kích thước không gian dữ liệu, giúp tiết kiệm chi phí thu thập và xử lý dữ liệu. Hệ thống giám sát điện năng thời gian thực là một phần quan trọng của hệ thống này. Công trình nhấn mạnh vào việc nâng cao hiệu quả sử dụng điện năng HCMUTE thông qua việc phát hiện và xử lý kịp thời các sự cố. Tiết kiệm điện năng HCMUTE cũng là một mục tiêu gián tiếp.

1.2 Mục tiêu và phạm vi nghiên cứu

Mục tiêu chính của đề tài là nghiên cứu các phương pháp giảm kích thước không gian dữ liệu và xây dựng hệ thống nhận dạng đánh giá ổn định động hệ thống điện. Phạm vi nghiên cứu tập trung vào ứng dụng tính toán thông minh nhân tạo và khai phá dữ liệu trong việc nhận dạng ổn định động hệ thống điện. Đề tài sử dụng hệ thống điện chuẩn IEEE 39-bus để kiểm tra và đánh giá hiệu quả của phương pháp được đề xuất. Công nghệ đánh giá ổn định điện năng được áp dụng bao gồm các thuật toán tiên tiến trong xử lý dữ liệu và học máy. Phân tích hệ thống điện HCMUTE được thực hiện dựa trên mô hình toán học chính xác. Nghiên cứu khoa học HCMUTE trong lĩnh vực này đóng góp vào việc phát triển công nghệ điện năng tại Việt Nam.

II. Phương pháp nghiên cứu và điểm mới

Công trình sử dụng phương pháp tiếp cận dựa trên khai phá dữ liệu và trí tuệ nhân tạo. Phương pháp giảm kích thước không gian mẫu được nghiên cứu kỹ lưỡng, trong đó có việc áp dụng thành công thuật toán K-means lai (Hybrid K-means). Thuật toán này được đánh giá là khắc phục được nhược điểm của thuật toán K-means truyền thống, nâng cao chất lượng phân cụm dữ liệu và giảm không gian mẫu hiệu quả. Mạng nơ-ron nhân tạo, máy vector hỗ trợ (SVM) và K-Nearest Neighbor (K-NN) được sử dụng như các bộ phân lớp trong hệ thống nhận dạng. Thiết bị đo lường điện năng được tích hợp vào hệ thống để thu thập dữ liệu. Phần mềm quản lý điện năng được phát triển để xử lý và phân tích dữ liệu.

2.1 Điểm mới về mặt khoa học

Điểm mới nổi bật của công trình là việc áp dụng thành công thuật toán K-means lai (Hybrid K-means). Thuật toán này cải tiến đáng kể so với thuật toán K-means truyền thống, giúp giảm kích thước không gian dữ liệu hiệu quả và nâng cao chất lượng phân cụm dữ liệu. Đây là một đóng góp quan trọng trong việc xử lý dữ liệu lớn trong lĩnh vực đánh giá ổn định động hệ thống điện. Việc kết hợp thuật toán K-means lai với các bộ phân lớp như mạng nơ-ron nhân tạo, máy vector hỗ trợ (SVM) và K-Nearest Neighbor (K-NN) tạo nên một hệ thống nhận dạng mạnh mẽ và hiệu quả. Giải pháp ổn định điện năng được đề xuất trong công trình này có khả năng ứng dụng rộng rãi.

2.2 Ý nghĩa thực tiễn

Hệ thống nhận dạng thông minh được xây dựng có thể hỗ trợ điều độ viên trong việc ra quyết định nhanh chóng và chính xác trong các tình huống khẩn cấp. Hệ thống giảm sát điện năng này giúp cải thiện độ tin cậy và an toàn của hệ thống điện. Việc giảm kích thước không gian mẫu cũng giúp tiết kiệm bộ nhớ lưu trữ, giảm chi phí thu thập dữ liệu và dễ dàng cập nhật dữ liệu. Nâng cao hiệu quả sử dụng điện năng là một lợi ích gián tiếp nhưng quan trọng của hệ thống này. Dữ liệu lớn trong quản lý điện năng được xử lý hiệu quả hơn. Điện năng tái tạo HCMUTE cũng có thể được tích hợp vào hệ thống này.

III. Kết quả và ứng dụng

Công trình đã đạt được kết quả khả quan trong việc xây dựng và kiểm tra hệ thống nhận dạng. Kết quả nghiên cứu đã được công bố trên tạp chí quốc tế thuộc danh mục SCIE. Hệ thống này có khả năng ứng dụng rộng rãi trong việc quản lý điện năng, giám sát điện năng, và điều khiển ổn định hệ thống điện. Hệ thống này còn có thể được sử dụng như một công cụ hỗ trợ đào tạo cho các điều độ viên. Ngành điện - điện tử HCMUTE đã có đóng góp đáng kể vào lĩnh vực này.

3.1 Kết quả đạt được

Công trình đã thành công trong việc xây dựng hệ thống nhận dạng đánh giá ổn định động hệ thống điện. Hệ thống này đã được kiểm tra và đánh giá hiệu quả trên hệ thống điện chuẩn IEEE 39-bus. Kết quả nghiên cứu đã được công bố trên tạp chí quốc tế, chứng tỏ chất lượng và tính mới của công trình. Đề tài nghiên cứu HCMUTE này đã đóng góp vào kho tàng kiến thức về ổn định hệ thống điện. Việc giảm kích thước không gian mẫu đã đạt được hiệu quả cao, tiết kiệm tài nguyên và thời gian xử lý. Chế độ ổn định điện năng được giám sát chính xác hơn nhờ hệ thống này. Tiêu chuẩn chất lượng điện năng Việt Nam cũng được hỗ trợ thông qua việc phát triển công nghệ này.

3.2 Ứng dụng thực tiễn

Hệ thống này có thể được ứng dụng rộng rãi trong các hệ thống điện thực tế để giám sát và cảnh báo sớm các sự cố có thể gây mất ổn định. Hệ thống này giúp nâng cao độ tin cậy và an toàn của hệ thống điện. Đào tạo và huấn luyện điều độ viên cũng là một ứng dụng quan trọng của hệ thống. Điện năng tại tạo HCMUTE và các nguồn năng lượng mới khác có thể được tích hợp vào hệ thống này. Bài báo khoa học về ổn định điện năng có thể được xuất bản để chia sẻ kết quả nghiên cứu. Dự án nghiên cứu HCMUTE này góp phần vào việc phát triển công nghệ trong lĩnh vực điện năng tại Việt Nam.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống điện hiện đại đang đối mặt với nhiều thách thức trong việc đảm bảo ổn định vận hành khi nhu cầu phụ tải ngày càng tăng, trong khi đầu tư nguồn phát không kịp đáp ứng. Theo ước tính, việc vận hành hệ thống điện gần giới hạn ổn định ngày càng phổ biến, làm tăng nguy cơ mất ổn định động và tan rã lưới điện. Đánh giá ổn định động hệ thống điện là một nhiệm vụ quan trọng nhằm cảnh báo sớm và hỗ trợ các quyết định điều khiển kịp thời. Tuy nhiên, các phương pháp truyền thống như tích phân số, diện tích, trực tiếp hay mô phỏng theo miền thời gian đều gặp hạn chế về tốc độ xử lý và khả năng ứng dụng trong điều kiện thời gian thực.

Mục tiêu chính của nghiên cứu là phát triển một hệ thống nhận dạng đánh giá ổn định động hệ thống điện dựa trên công nghệ tính toán thông minh, đặc biệt là mạng nơ-ron nhân tạo và các thuật toán khai phá dữ liệu. Nghiên cứu tập trung vào việc giảm kích thước không gian dữ liệu thông qua thuật toán Hybrid K-means (HK) cải tiến, nhằm nâng cao chất lượng phân cụm và giảm chi phí thu thập, lưu trữ dữ liệu. Phạm vi nghiên cứu được giới hạn trên hệ thống điện chuẩn IEEE 39-bus, với thời gian thực hiện trong 12 tháng.

Ý nghĩa của nghiên cứu thể hiện qua việc xây dựng hệ thống nhận dạng thông minh có khả năng hỗ trợ các điều độ viên trong việc đề ra chiến lược điều khiển khẩn cấp, đồng thời tiết kiệm bộ nhớ và chi phí thu thập dữ liệu. Hệ thống này cũng có thể được ứng dụng trong bài toán điều khiển ổn định quá độ như điều khiển sa thải phụ tải, góp phần nâng cao độ tin cậy và an toàn vận hành hệ thống điện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

• Ổn định động hệ thống điện: Được phân loại theo chuẩn IEEE/CIGRE thành ổn định góc rotor, ổn định tần số và ổn định điện áp. Ổn định động đề cập đến khả năng hệ thống phục hồi trạng thái vận hành cho phép sau dao động lớn do sự cố như ngắn mạch ba pha.

• Mạng nơ-ron nhân tạo (ANN): Mô phỏng cấu trúc và chức năng của nơ-ron sinh học, gồm các mô hình như mạng perceptron nhiều lớp (MLP) với thuật toán truyền ngược, mạng Generalized Regression Neural Network (GRNN) với khả năng học nhanh và hội tụ tối ưu.

• Thuật toán phân cụm và phân lớp: Thuật toán Hybrid K-means (HK) cải tiến từ K-means truyền thống nhằm giảm không gian mẫu hiệu quả; bộ phân lớp K-Nearest Neighbor (K-NN) dựa trên khoảng cách Euclide; bộ phân lớp máy vector hỗ trợ (SVM) với biên tối ưu mềm và hàm nhân để xử lý dữ liệu phi tuyến.

Các khái niệm chính bao gồm: góc rotor ($\delta$), tốc độ góc rotor ($\omega$), công suất cơ và điện của máy phát ($P_m, P_e$), thời gian cắt tới hạn (CCT), và các tiêu chuẩn chọn biến như chuẩn Fisher, Divergence, Scatter Matrix.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu được thu thập từ mô phỏng off-line trên hệ thống điện chuẩn IEEE 39-bus bằng phần mềm PowerWorld và Matlab, bao gồm các chế độ vận hành bình thường và sự cố điển hình như ngắn mạch, cắt máy phát, tăng tải đột ngột.

• Phương pháp phân tích: Áp dụng thuật toán Hybrid K-means để giảm không gian mẫu, kết hợp với các tiêu chuẩn chọn biến Fisher, Divergence để lựa chọn biến đặc trưng. Mạng nơ-ron nhân tạo (MLP, GRNN) và các bộ phân lớp K-NN, SVM được huấn luyện và đánh giá độ chính xác phân lớp qua phương pháp k-fold cross-validation.

• Timeline nghiên cứu: Thực hiện trong 12 tháng, bao gồm các giai đoạn xây dựng tập mẫu, xử lý dữ liệu, huấn luyện mô hình, đánh giá kết quả và hoàn thiện hệ thống nhận dạng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả giảm không gian mẫu bằng thuật toán Hybrid K-means: Thuật toán HK đã khắc phục nhược điểm của K-means truyền thống, nâng cao chất lượng phân cụm dữ liệu và giảm kích thước không gian mẫu một cách hiệu quả. Kết quả kiểm tra cho thấy độ chính xác phân lớp tăng từ khoảng 85% lên trên 92% khi áp dụng HK.

2. Độ chính xác phân lớp của các bộ phân lớp: Mạng MLP đạt độ chính xác phân lớp trung bình khoảng 94%, GRNN đạt 92%, trong khi SVM và K-NN đạt lần lượt 90% và 88%. Việc kết hợp giảm không gian mẫu và chọn biến giúp tăng độ chính xác lên trên 95%.

3. Tiêu chuẩn chọn biến Fisher và Divergence: Các biến được chọn theo chuẩn Fisher có khả năng phân biệt hai lớp ổn định và không ổn định tốt hơn, với giá trị F cao hơn 1.5 lần so với các biến không chọn. Việc kết hợp các tiêu chuẩn giúp giảm số biến đầu vào từ hơn 100 xuống còn khoảng 15 biến đặc trưng.

4. Tính khả thi của hệ thống nhận dạng trên hệ thống IEEE 39-bus: Mô hình nhận dạng cho phép đánh giá nhanh trạng thái ổn định động với thời gian xử lý giảm hơn 30% so với phương pháp mô phỏng miền thời gian truyền thống, đáp ứng yêu cầu cảnh báo sớm trong vận hành thực tế.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện độ chính xác và hiệu quả xử lý là do việc áp dụng thuật toán Hybrid K-means giúp giảm thiểu dữ liệu dư thừa và nhiễu, đồng thời lựa chọn biến đặc trưng theo chuẩn Fisher và Divergence làm tăng khả năng phân biệt giữa các trạng thái ổn định và không ổn định. So sánh với các nghiên cứu trước đây, kết quả này vượt trội hơn về mặt tốc độ và độ chính xác, đồng thời giải quyết được bài toán giảm không gian mẫu còn bỏ ngỏ trong nhiều công trình trước.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phân lớp giữa các bộ phân lớp trước và sau khi áp dụng giảm không gian mẫu, cũng như bảng xếp hạng biến theo chuẩn Fisher và Divergence để minh họa hiệu quả chọn biến. Kết quả này có ý nghĩa thực tiễn lớn trong việc hỗ trợ điều độ viên đưa ra quyết định nhanh chóng, giảm thiểu rủi ro mất ổn định hệ thống điện.

Đề xuất và khuyến nghị

1. Triển khai hệ thống nhận dạng ổn định động trong trung tâm điều khiển điện lực: Áp dụng mô hình đã xây dựng để hỗ trợ cảnh báo sớm và ra quyết định điều khiển khẩn cấp, nhằm giảm thiểu nguy cơ tan rã lưới điện. Thời gian thực hiện trong 6-12 tháng, do các đơn vị vận hành hệ thống điện chủ trì.

2. Phát triển phần mềm tích hợp giao diện trực quan: Thiết kế màn hình quan sát trạng thái ổn định động với biểu diễn đồ họa trực quan, giúp điều độ viên dễ dàng theo dõi và xử lý tình huống. Thời gian phát triển dự kiến 4-6 tháng, phối hợp giữa các nhóm nghiên cứu và nhà phát triển phần mềm.

3. Mở rộng nghiên cứu áp dụng cho các hệ thống điện lớn và phức tạp hơn: Nghiên cứu mở rộng mô hình cho các hệ thống điện nhiều máy và đa vùng, đồng thời tích hợp thêm các phương pháp học sâu để nâng cao độ chính xác. Thời gian nghiên cứu 12-18 tháng, do các viện nghiên cứu và trường đại học thực hiện.

4. Đào tạo và huấn luyện điều độ viên sử dụng hệ thống: Tổ chức các khóa đào tạo chuyên sâu về công nghệ nhận dạng ổn định động và ứng dụng trong vận hành hệ thống điện, giúp nâng cao năng lực xử lý sự cố. Thời gian đào tạo 3-6 tháng, do các cơ sở đào tạo và đơn vị vận hành phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và sinh viên ngành điện – điện tử: Luận văn cung cấp kiến thức chuyên sâu về ổn định động hệ thống điện và ứng dụng mạng nơ-ron nhân tạo, hỗ trợ nghiên cứu và phát triển các giải pháp mới trong lĩnh vực.

2. Kỹ sư vận hành và điều độ viên hệ thống điện: Hệ thống nhận dạng được xây dựng giúp họ nâng cao khả năng cảnh báo sớm và xử lý các tình huống mất ổn định, từ đó đảm bảo vận hành an toàn và hiệu quả.

3. Các nhà phát triển phần mềm và công nghệ thông tin trong ngành năng lượng: Tài liệu chi tiết về thuật toán giảm không gian mẫu, phân lớp và xây dựng hệ thống nhận dạng giúp phát triển các ứng dụng phần mềm chuyên dụng cho ngành điện.

4. Các cơ quan quản lý và hoạch định chính sách năng lượng: Tham khảo để đánh giá hiệu quả các công nghệ mới trong quản lý vận hành hệ thống điện, từ đó xây dựng các chính sách hỗ trợ phát triển hạ tầng điện thông minh.

Câu hỏi thường gặp

1. Hệ thống nhận dạng ổn định động có thể áp dụng cho các hệ thống điện lớn hơn không?
   Có thể. Mô hình và thuật toán được thiết kế có khả năng mở rộng, tuy nhiên cần điều chỉnh và huấn luyện lại với dữ liệu đặc trưng của hệ thống lớn hơn để đảm bảo độ chính xác.

2. Thuật toán Hybrid K-means khác gì so với K-means truyền thống?
   Hybrid K-means cải tiến bằng cách kết hợp các kỹ thuật phân cụm lai giúp khắc phục nhược điểm dễ rơi vào cực tiểu cục bộ của K-means, nâng cao chất lượng phân cụm và giảm không gian mẫu hiệu quả hơn.

3. Mạng nơ-ron nhân tạo có ưu điểm gì trong đánh giá ổn định hệ thống điện?
   Mạng nơ-ron có khả năng học và tổng hợp thông tin phi tuyến phức tạp, xử lý nhanh và chính xác, phù hợp với yêu cầu đánh giá thời gian thực trong các tình huống khẩn cấp.

4. Làm thế nào để chọn biến đặc trưng trong bài toán nhận dạng ổn định?
   Sử dụng các tiêu chuẩn như Fisher, Divergence và Scatter Matrix để đánh giá khả năng phân biệt của biến giữa các lớp, từ đó lựa chọn các biến có giá trị cao nhằm giảm số lượng biến đầu vào mà vẫn giữ được thông tin quan trọng.

5. Hệ thống có thể cập nhật và học thêm dữ liệu mới không?
   Có. Mạng nơ-ron được thiết kế có khả năng tự học và cập nhật tri thức khi có dữ liệu mới, giúp mô hình ngày càng hoàn thiện và thích nghi với điều kiện vận hành thực tế.

Kết luận

• Đã xây dựng thành công hệ thống nhận dạng đánh giá ổn định động hệ thống điện dựa trên mạng nơ-ron nhân tạo và thuật toán giảm không gian mẫu Hybrid K-means.
• Thuật toán HK giúp giảm kích thước không gian mẫu hiệu quả, nâng cao chất lượng phân cụm và độ chính xác phân lớp trên 95%.
• Mô hình được kiểm chứng trên hệ thống chuẩn IEEE 39-bus, cho kết quả đánh giá nhanh và chính xác, phù hợp với yêu cầu vận hành thời gian thực.
• Hệ thống có thể hỗ trợ điều độ viên trong việc cảnh báo sớm và ra quyết định điều khiển khẩn cấp, góp phần nâng cao độ tin cậy hệ thống điện.
• Đề xuất triển khai ứng dụng thực tế, mở rộng nghiên cứu cho các hệ thống lớn hơn và đào tạo nhân lực sử dụng công nghệ mới.

Hành động tiếp theo: Các đơn vị vận hành hệ thống điện nên phối hợp triển khai thử nghiệm hệ thống nhận dạng, đồng thời các nhà nghiên cứu tiếp tục phát triển mở rộng mô hình và thuật toán để nâng cao hiệu quả ứng dụng.

Trích đoạn nội dung tài liệu

Mở đầu Chương 2. Các phương pháp đánh giá ổn định hệ thống điện Chương 3. Các phương pháp nhận dạng Chương 4. Xử lý mẫu trong nhận dạng ổn định động hệ thống điện.

Đánh giá kết quả nhận dạng ổn định động hệ thống điện Chương 6. Kết luận 3 Luan van Nguyễn Ngọc Âu CÁC PHƯƠNG PHÁP ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN 2.1 GIỚI THIỆU Hệ thống điện vận hành luôn đối mặt với các trường hợp bất thường như cắt điện một máy phát, cắt điện đường dây, gia tăng tải đột ngột, cắt máy biến áp, và nguy hiểm nhất là các trường hợp ngắn mạch. Các sự cố này gây hại nghiêm trọng đến ổn định hệ thống điện và trên thế giới đã chứng kiến nhiều vụ tan rã hệ thống điện [1], [2]. Xử lý quá trình quá độ trong hệ thống điện có một giá trị rất quan trọng để nâng cao độ tin cậy và tính ổn định chế độ vận hành hệ thống điện.

Các khó khăn trong việc điều khiển chế độ hệ thống điện liên quan đến tính phức tạp của chế độ điều khiển, khó khăn trong mô tả toán học của quá trình xảy ra trong hệ thống điện. Nhận dạng ổn định quá độ của hệ thống điện trong những dao động lớn do sự cố gây ra, các phương pháp truyền thống tỏ ra kém hiệu quả và không thuận lợi, đặc biệt trong những điều kiện thiếu thông tin và yêu cầu khắc khe về thời gian. Trong khi, chế độ quá độ dao động lớn do sự cố gây ra cần phải xử lý nhanh thì còn cơ hội điều khiển đưa hệ thống trở về trạng thái ổn định. Tuy nhiên, để xử lý nhanh thì dữ liệu phải tinh gọn, mạng tính đại diện.

Đây cũng là lý do để thực hiện đề tài này.2 ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN 2.1 Các chế độ làm việc hệ thống Các chế độ làm việc của hệ thống điện được chia làm 2 loại chính: chế độ xác lập và chế độ quá độ [3]. Chế độ xác lập: là chế độ trong đó các thông số của hệ thống không thay đổi hoặc thay đổi trong những khoảng thời gian tương đối ngắn, chỉ biến thiên nhỏ xung quanh các trị số định mức, là chế độ bình thường và lâu dài của hệ thống điện, còn được gọi là chế độ xác lập bình thường. Chế độ sau sự cố hệ thống được phục hồi và làm việc tạm thời cũng thuộc về chế độ xác lập, mà còn được gọi là chế độ xác lập sau sự cố. 4 Luan van Nguyễn Ngọc Âu Chế độ quá độ: là chế độ trung gian chuyển từ chế độ xác lập này sang chế độ xác lập khác.

Chế độ quá độ thường diễn ra sau những sự cố hoặc thao tác đóng cắt các phần tử đang mang công suất mà thường được gọi là các kích động lớn. Chế độ quá độ được gọi là chế độ quá độ bình thường nếu nó tiến đến chế độ xác lập mới. Trong trường hợp này các thông số hệ thống bị biến thiên nhưng sau một thời gian lại trở về trị số gần định mức và tiếp theo ít thay đổi. Ngược lại, có thể diễn ra chế độ quá độ với thông số hệ thống biến thiên mạnh, sau đó tăng trưởng vô hạn hoặc giảm đến 0.

Chế độ quá độ đó được gọi là chế độ quá độ sự cố.2 Ổn định hệ thống điện Ổn định hệ thống điện đề cập đến khả năng của các máy phát điện dịch chuyển từ một trạng thái vận hành xác lập này đến trạng thái vận hành xác lập khác sau khi bị kích động mà không mất đồng bộ, có hai loại ổn định hệ thống điện : ổn định tĩnh và ổn định động [3], [4]. Ổn định tĩnh là khả năng của hệ thống sau những kích động nhỏ phục hồi được chế độ ban đầu hoặc rất gần với chế độ ban đầu. Ổn định động là khả năng của hệ thống sau những kích động lớn phục hồi được trạng thái vận hành cho phép ban đầu hoặc gần trạng thái vận hành cho phép ban đầu. Trong [5] ổn định hệ thống điện được phân loại theo IEEE/CIGRE gồm: ổn định góc rotor, ổn định tần số và ổn định điện áp.

Phân loại ổn định hệ thống điện được trình bày như Hình 2. Ổn định động là ổn định góc rotor hay không ổn định góc rotor sau dao động lớn hay sự cố nghiêm trọng chẳng hạn như ngắn mạch ba pha. 5 Luan van Nguyễn Ngọc Âu Ổn định hệ thống điện Ổn định góc rotor Ổn định tần số Ổn định điện áp Ổn định góc ro- Ổn định Ổn định điện Ổn định điện tor sự cố nhỏ quá độ áp sự cố nhỏ áp sự cố lớn Ngắn hạn Ngắn hạn Dài hạn Ngắn hạn Dài hạn Hình 2.1 Phân loại ổn định hệ thống điện theo IEEE/CIGRE 2.3 CÁC PHƯƠNG PHÁP PHÂN TÍCH ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN Phân tích ổn định động hệ thống điện là xem xét khả năng hệ thống điện chuyển sang làm việc ổn định ở trạng thái xác lập mới sau dao động lớn. Ổn định quá độ do dao động lớn gây ra như sa thải máy phát, sa thải phụ tải, mở đường dây hoặc do sự cố ngắn mạch, nghiêm trọng nhất là ngắn mạch ba pha.

Các dao động lớn gây ra mất cân bằng công suất cơ đầu vào và công suất điện ra của máy phát. Khi đó, làm cho rô-to các máy phát dao động với máy phát khác và gây phá vỡ ổn định hệ thống điện. Có nhiều phương pháp phân tích ổn định hệ thống điện. Trong phần này trình bày bốn phương pháp áp dụng khảo sát ổn định động hệ thống điện: phương pháp tích phân số, phương pháp diện tích, phương pháp trực tiếp, và phương pháp mô phỏng theo miền thời gian.1 Mô hình toán học hệ thống điện nhiều máy Hành vi động của máy điện phát điện được mô tả theo phương trình vi phân sau [3]: d 2 i Mi  Pmi  Pei (2.1) dt 2 6 Luan van Nguyễn Ngọc Âu d i i (2.3): d i Mi  Pmi  Pei (2.3) dt Trong đó: i là góc của rotor của máy phát thứ i; i: là tốc độ góc của rô-to mày phát thứ i; Pmi: công suất cơ của máy phát thứ i; Pei: công suất điện của máy phát thứ i; Mi: mô-men quán tính của máy phát thứ i.2 Phương pháp tích phân số Trong phần này giới thiệu hai phương pháp tích phân số là phương pháp Euler và Phương pháp Runge-Kutta [3]–[5].

 Phương pháp Euler: Cho phương trình vi phân: dx/dt=f(x,t) Ở bước tích phân thứ n+1: xn+1 = xn+(dx/dt)n.4)  Phương pháp Runge-Kutta: Phương pháp Runge-Kutta bậc 4 sử dụng biểu thức phức tạp hơn: xn+1 = xn+1/6 (k1+ 2k2+2k3+ k4) (2.t; k2 = f(xn+ k1/2, tn+t/2) t; k3 = f(xn+ k2/2, tn+t/2) t; k4 = f(xn+ k3, tn+t/2) t Phương pháp tích phân số cho kết quả khá chính xác. Tuy nhiên, trong phương pháp tích phân số cần chú ý vấn đề sai số tích luỹ trong các bước giải. Kết quả nhận được từ phương pháp tích phân số sẽ là trị số các góc lệch (t) ở những thời điểm khác nhau. Nếu kết quả tính toán đủ dài thì ở mọi thời điểm có (t) <1800 thì quá trình quá độ ổn định, nếu (t) 1800 thì quá trình quá độ không ổn định [3], [6], [7].

7 Luan van Nguyễn Ngọc Âu Cũng có thể bằng quan sát trực quan dạng đường cong (t) dao động tắt dần hay tăng trưởng vô hạn để kết luận đặc trưng ổn định của hệ thống. Trạng thái ổn định của hệ thống điện đánh giá theo luật như sau: Nếu ij < 1800 thì ‘Ổn định’ (2.6) Nếu ij  180 thì ‘Không ổn định’ 0 2.3 Phương pháp diện tích Phương trình chuyển động rô-to của hệ thống điện đơn giản [3], [4] d 2 Pm  Pe Pa   dt 2 TJ TJ (2.7) Pa là công suất tăng tốc.8) dt dt TJ dt  δ d d 2 d 2 dδ 2  ( )  (  Pa d )   (  Pa dδ)  C (2.9) dt dt dt TJ 0 dt TJ δ0 Với C là hằng số tích phân, C = 0 khi d/dt=0 và  = o, trong đó o là góc rô-to trước khi có nhiễu. Do đó điều kiện cần thiết để hệ ổn định là tồn tại một góc  sao cho: 2 δ (  Pa dδ)  0 TJ δ0 (2.10) Hệ thống sẽ ổn định nếu diện tích dưới Pa giảm tới không tại một giá trị nào đó của  (hay diện tích tăng tốc bằng diện tích hãm tốc) nghĩa là phần diện dương bằng diện tích âm. Giới hạn của phương pháp: Đối với HTĐ lớn do có nhiều máy phát tương tác phức tạp trên hệ thống thì tiêu chuẩn diện tích sẽ không còn phù hợp.

8 Luan van Nguyễn Ngọc Âu 2.4 Phương pháp trực tiếp Phương pháp trực tiếp bỏ qua khâu giải hệ phương trình vi phân được trình bày trong tài liệu [5]. Đối với một HTĐ quan hệ giữa vector dòng điện và vector điện áp của máy phát được được mô tả phương trình sau: IG  YR EG (2.11) Trong đó: YR là ma trận tổng dẫn nút rút gọn; EG, IG lần lượt là vectơ điện áp và dòng điện của các máy phát. Với một hệ thống có n máy phát, công suất tác dụng cung cấp bởi máy phát thứ i được cho bởi: E  Ei i (2.12) Và tổng dẫn: yij  Gij  j.13) Với hệ thống n máy phát, công suất tác dụng được cung cấp bởi máy phát thứ i được cho bởi:  n  Pi  Re( Ei I i* )  Re Ei   yij * .E j  Bij sin(i   j )  Gij cos(i   j )  j 1 j i Vị trí tâm của quán tính góc (Centre of Inertia-COI) COI được xác định theo phường trình: 1 n  COI   H i i H T i 1 (2.15) Trong đó: HT là tổng các hằng số quán tính của tất cả các máy phát trong hệ thống, i là góc lệch roto của máy phát thứ i. Chuyển động của COI được xác định bởi: n 2 HT p(COI )  PCOI   ( P 'mi  Pei ) (2.16) i 1 9 Luan van Nguyễn Ngọc Âu Trong đó:   Pm  Ei 2 Gii Pmi n Pei    Cij sin(i   j )  Dij (i   j )   j  i 1 j i (2.17) Ci j =E i E j Bij Di j =E i E j G ij Với: Pmi là công suất cơ của máy phát thứ i; 0 là tốc độ đồng bộ tính bằng rad/s; COI là sự thay đổi tốc độ của COI quanh tốc độ đồng bộ.