Luận văn thạc sĩ về nhận dạng sự cố trạm biến áp truyền tải sử dụng Wavelet và mạng Neural

Luận văn thạc sĩ nghiên cứu nhận dạng sự cố trạm biến áp truyền tải bằng wavelet và mạng neural, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải thiện thực tiễn.

• Tác giả: Nguyễn Đức Toàn
• Người hướng dẫn: TS. Nguyễn Nhân Bổn
• Trường học: Đại học Sư phạm Kỹ thuật Tp. HCM
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural
• Loại tài liệu: Luận văn
• Năm xuất bản: 2018
• Địa điểm: Tp. HCM

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM TẠ
• TÓM TẮT
• ABSTRACT
• MỤC LỤC
• DANH SÁCH CÁC CHỮ VIẾT TẮT
• DANH SÁCH CÁC HÌNH
• DANH SÁCH CÁC BẢNG
• 1. CHƯƠNG 1: TỐNG QUAN
• 1.1. Lý do chọn đề tài
• 1.2. Tổng quan về các phương pháp nhận dạng sự cố hệ thống điện
• 1.3. Nhiệm vụ của luận văn
• 1.4. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Những điểm mới của luận văn
• 1.7. Giá trị thực tiễn của luận văn
• 1.8. Các nghiên cứu khoa học liên quan
• 2. LÝ THUYẾT NHẬN DẠNG, BIẾN ĐỔI WAVELET VÀ MẠNG NEURAL ÁP DỤNG CHO NHẬN DẠNG SỰ CỐ
• 2.1. Khái niệm về nhận dạng
• 2.1.1. Nhận dạng đường cong tín hiệu
• 2.1.2. Kỹ thuật nhận dạng đường cong tín hiệu
• 2.1.3. Nhận dạng sự cố hệ thống điện
• 2.2. Phương pháp phân tích tín hiệu
• 2.2.1. Biến đổi Wavelet
• 2.2.2. Wavelet và Matlab
• 2.2.3. Áp dụng Wavelet cho nhận dạng sự cố hệ thống điện
• 2.3. Mạng neuron, áp dụng cho nhận dạng và điều khiển sự cố
• 2.3.1. Phương thức làm việc của mạng Neuron
• 2.3.2. Phân loại mạng Neuron
• 2.3.3. Một số mạng Neuron
• 3. NHẬN DẠNG SỰ CỐ TRẠM BIẾN ÁP TRUYỀN TẢI BẰNG WAVELET VÀ MẠNG NEURAL
• 3.1. Mạng Wavelet – Neuron nhận dạng và điều khiển sự cố đường dây tải điện
• 3.2. Mạng Wavelet – Neuron nhận dạng và bảo vệ sự cố máy biến áp, thanh cái
• 3.3. ÁP DỤNG MẠNG WAVELET – NEURON NHẬN DẠNG VÀ ĐIỀU KHIỂN PHÂN TÁN SỰ CỐ TRẠM BIẾN ÁP 110KV GÒ CÔNG
• 3.3.1. Sơ đồ nguyên lý, thông số, quy tắc điều khiển sự cố trạm 110KV Gò Công
• 3.3.2. Mô phỏng, biến đổi Wavelet nhận dạng sự cố các phần tử trong trạm
• 3.3.3. Chương trình mạng Wavelet – Neuron nhận dạng và điều khiển sự cố
• 3.3.4. Kết quả nhận dạng và điều khiển phân tán sự cố
• 4. KIẾN NGHỊ VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nhận dạng sự cố trạm biến áp bằng Wavelet và mạng Neural

Nhận dạng sự cố trạm biến áp là một trong những vấn đề quan trọng trong hệ thống điện hiện đại. Với sự phát triển của công nghệ, việc áp dụng các phương pháp như biến đổi Wavelet và mạng Neural đã trở thành xu hướng mới trong việc phát hiện và xử lý sự cố. Phương pháp này không chỉ giúp nâng cao độ chính xác trong việc nhận dạng mà còn giảm thiểu thời gian khắc phục sự cố, từ đó đảm bảo an toàn cho hệ thống điện.

1.1. Khái niệm về nhận dạng sự cố trong hệ thống điện

Nhận dạng sự cố trong hệ thống điện đề cập đến việc xác định loại và vị trí của sự cố xảy ra. Điều này rất quan trọng để có thể nhanh chóng đưa ra các biện pháp khắc phục kịp thời, đảm bảo sự ổn định cho toàn bộ hệ thống.

1.2. Vai trò của Wavelet và mạng Neural trong nhận dạng sự cố

Biến đổi Wavelet cho phép phân tích tín hiệu điện áp và dòng điện một cách chi tiết, trong khi mạng Neural giúp xử lý và phân loại các tín hiệu này. Sự kết hợp giữa hai phương pháp này mang lại hiệu quả cao trong việc nhận dạng sự cố.

II. Thách thức trong nhận dạng sự cố trạm biến áp hiện nay

Mặc dù công nghệ đã phát triển, nhưng việc nhận dạng sự cố vẫn gặp nhiều thách thức. Các sự cố có thể xảy ra với nhiều hình thức khác nhau, từ ngắn mạch đến sự cố điện áp, và mỗi loại sự cố yêu cầu phương pháp nhận dạng khác nhau. Hơn nữa, độ chính xác của các thiết bị hiện tại vẫn chưa đạt yêu cầu cao nhất.

2.1. Các loại sự cố thường gặp trong trạm biến áp

Các sự cố trong trạm biến áp bao gồm ngắn mạch một pha, hai pha, ba pha, và các sự cố nội bộ khác. Mỗi loại sự cố có đặc điểm riêng và cần được nhận dạng chính xác để có biện pháp xử lý kịp thời.

2.2. Hạn chế của các phương pháp nhận dạng truyền thống

Các phương pháp nhận dạng truyền thống thường dựa vào các thiết bị relay bảo vệ, nhưng chúng có thể gặp khó khăn trong việc phân loại và xác định chính xác vị trí sự cố, dẫn đến thời gian khắc phục kéo dài.

III. Phương pháp nhận dạng sự cố bằng Wavelet và mạng Neural

Phương pháp nhận dạng sự cố bằng Wavelet và mạng Neural được thực hiện qua nhiều bước. Đầu tiên, tín hiệu điện áp và dòng điện được thu thập và phân tích bằng biến đổi Wavelet. Sau đó, các đặc trưng của tín hiệu được đưa vào mạng Neural để phân loại và xác định sự cố.

3.1. Quy trình phân tích tín hiệu bằng Wavelet

Quy trình này bao gồm việc sử dụng biến đổi Wavelet để phân tích các tín hiệu điện, từ đó trích xuất các đặc trưng quan trọng giúp nhận dạng sự cố một cách chính xác.

3.2. Ứng dụng mạng Neural trong nhận dạng sự cố

Mạng Neural được huấn luyện để nhận diện các mẫu tín hiệu khác nhau, từ đó đưa ra quyết định về loại sự cố và vị trí xảy ra sự cố trong trạm biến áp.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã chỉ ra rằng việc áp dụng Wavelet và mạng Neural trong nhận dạng sự cố trạm biến áp mang lại nhiều lợi ích. Các mô hình được phát triển có khả năng nhận dạng chính xác và nhanh chóng, từ đó giúp giảm thiểu thời gian khắc phục sự cố và nâng cao độ tin cậy của hệ thống điện.

4.1. Kết quả mô phỏng trên phần mềm Matlab

Các mô phỏng được thực hiện trên phần mềm Matlab cho thấy hiệu quả của phương pháp nhận dạng sự cố bằng Wavelet và mạng Neural. Kết quả cho thấy độ chính xác cao trong việc xác định loại và vị trí sự cố.

4.2. Ứng dụng trong thực tế tại trạm biến áp 110KV Gò Công

Phương pháp này đã được áp dụng thành công tại trạm biến áp 110KV Gò Công, giúp nâng cao hiệu quả bảo vệ và giảm thiểu thời gian mất điện cho người tiêu dùng.

V. Kết luận và hướng phát triển tương lai

Việc áp dụng Wavelet và mạng Neural trong nhận dạng sự cố trạm biến áp không chỉ mang lại hiệu quả cao mà còn mở ra hướng đi mới cho ngành điện. Trong tương lai, cần tiếp tục nghiên cứu và phát triển các phương pháp này để nâng cao độ chính xác và khả năng tự động hóa trong hệ thống điện.

5.1. Tầm quan trọng của nghiên cứu trong ngành điện

Nghiên cứu này không chỉ có giá trị lý thuyết mà còn mang lại ứng dụng thực tiễn cao, góp phần nâng cao chất lượng dịch vụ điện năng cho người tiêu dùng.

5.2. Định hướng phát triển công nghệ trong tương lai

Cần tiếp tục đầu tư vào nghiên cứu và phát triển công nghệ mới, đặc biệt là trong lĩnh vực trí tuệ nhân tạo và phân tích dữ liệu lớn để cải thiện khả năng nhận dạng sự cố trong hệ thống điện.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống truyền tải và phân phối điện năng đóng vai trò xương sống trong sự phát triển kinh tế - xã hội, đòi hỏi độ tin cậy cung cấp điện phải đạt mức gần như tuyệt đối 24/7. Trong bức tranh công nghệ hiện đại, các ứng dụng kỹ thuật số tiên tiến dành cho bảo vệ hệ thống điện chiếm khoảng 36% và giám sát chất lượng điện năng chiếm khoảng 32% tổng số công trình nghiên cứu chuyên sâu. Tuy nhiên, các thiết bị rơ-le kỹ thuật số truyền thống hiện nay vẫn gặp nhiều hạn chế khi đối mặt với các dạng sự cố quá độ phức tạp, sóng hài bậc cao và hiện tượng sụt giảm điện áp tức thời. Việc nhận dạng chậm trễ hoặc tác động sai lệch của rơ-le có thể biến một sự cố cục bộ thành thảm họa rã lưới trên diện rộng.

Vấn đề cốt lõi đặt ra là làm thế nào để phát hiện chính xác loại sự cố, vị trí sự cố và đưa ra lệnh điều khiển cô lập phần tử lỗi chỉ trong khoảng thời gian vài chục mili-giây. Mục tiêu của nghiên cứu là xây dựng và ứng dụng mô hình kết hợp giữa biến đổi Wavelet và mạng Nơ-ron nhân tạo nhằm nhận dạng, điều khiển phân tán sự cố trong trạm biến áp truyền tải. Nghiên cứu tập trung khảo sát chuyên sâu tại Trạm biến áp 110kV Gò Công thuộc Công ty Điện lực Tiền Giang, đồng thời đối chiếu với các dữ liệu sự cố thực tế trên đường dây truyền tải 220kV và 500kV tại khu vực phía Nam.

Ý nghĩa thực tiễn của công trình thể hiện rõ qua việc nâng cao độ chọn lọc và tốc độ phản hồi của hệ thống bảo vệ. Giải pháp đề xuất giúp rút ngắn thời gian xử lý sự cố xuống dưới 15 mili-giây, giảm thiểu hơn 40% nguy cơ lan truyền sự cố trong trạm và duy trì chỉ số SAIDI, SAIFI của lưới điện khu vực ở mức tối ưu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng vững chắc của hai lý thuyết xử lý thông tin hiện đại:

• Lý thuyết biến đổi Wavelet đa phân giải: Khác với biến đổi Fourier truyền thống chỉ cung cấp phổ tần số và làm mất thông tin miền thời gian, phép biến đổi Wavelet rời rạc phân tích tín hiệu trên miền thời gian - tỷ lệ linh hoạt. Sóng Wavelet mẹ Haar (db1) được ứng dụng để trích xuất các hệ số chi tiết mức 1 (D1) nhằm phát hiện đột biến tần số cao khi xảy ra ngắn mạch dòng điện. Đồng thời, hàm Wavelet Daubechies 4 (db4) mức 2 (A2) được sử dụng để theo dõi sự biến thiên biên độ điện áp trong các chế độ quá áp hoặc thấp áp.
• Lý thuyết mạng Nơ-ron nhân tạo: Mô hình mạng Perceptron đa tầng (MLP) hoạt động theo cơ chế truyền thẳng và thuật toán học lan truyền ngược sai số. Mạng tiếp nhận các đặc trưng năng lượng trích xuất từ Wavelet để phân loại tự động và đưa ra quyết định đóng cắt chính xác.

Các khái niệm then chốt bao gồm: chuẩn năng lượng tín hiệu (Norm ||D1||), cơ chế điều khiển phân tán theo từng phần tử (đường dây, thanh cái, máy biến áp), mã hóa tín hiệu nhị phân {0,1} và hệ thống phối hợp bảo vệ cấp 2 chống từ chối máy cắt (Breaker Failure).

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu điện từ mô phỏng chi tiết trên môi trường Matlab Simulink kết hợp với dữ liệu vận hành thực tế tại Trạm biến áp 110kV Gò Công. Tập dữ liệu kiểm chứng bao gồm 240 kịch bản sự cố quá độ mô phỏng đầy đủ các tình huống: ngắn mạch 1 pha chạm đất, ngắn mạch 2 pha chạm đất, ngắn mạch 2 pha không chạm đất và ngắn mạch 3 pha đối xứng.

Phương pháp chọn mẫu phân tầng ngẫu nhiên được áp dụng nghiêm ngặt theo các góc pha đóng cắt từ 0 độ đến 90 độ, vị trí ngắn mạch phân bổ đều từ 0% đến 100% chiều dài đường dây truyền tải và các mức điện trở tiếp xúc đất biến thiên từ 0 đến 30 Ohm. Lý do lựa chọn kết hợp biến đổi Wavelet và mạng Nơ-ron là bởi khả năng bắt trọn các điểm gián đoạn tín hiệu dưới 1 mili-giây của Wavelet, kết hợp hoàn hảo với năng lực tính toán song song, khử nhiễu và xử lý mối quan hệ phi tuyến phức tạp của mạng Nơ-ron nhân tạo. Quá trình nghiên cứu và thử nghiệm mô hình được thực hiện liên tục trong khoảng thời gian 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và kiểm chứng thuật toán mang lại các phát hiện kỹ thuật mang tính đột phá:

• Độ nhạy vượt trội của hệ số Wavelet D1: Khi xảy ra sự cố ngắn mạch trên đường dây hoặc máy biến áp, giá trị chuẩn năng lượng ||D1|| của pha bị sự cố tăng vọt gấp từ 3 đến 8 lần so với chế độ xác lập định mức. Điều này cho phép thuật toán thiết lập ngưỡng phân tách rõ ràng với độ tin cậy tuyệt đối 100% trong việc xác định pha lỗi.
• Tốc độ hội tụ và độ chính xác của mạng Nơ-ron: Mạng Nơ-ron MLP sau khi trải qua 100 chu kỳ huấn luyện (epochs) đã đạt sai số bình phương trung bình (MSE) nhỏ hơn 0,001. Khả năng nhận dạng đúng 11 trạng thái vận hành và sự cố của trạm biến áp đạt tỷ lệ chính xác tổng thể lên đến 99,2%.
• Tối ưu hóa thời gian cắt cô lập: Thời gian từ lúc phát sinh điểm ngắn mạch đến khi mạng Wavelet - Nơ-ron đưa ra tín hiệu điều khiển mở máy cắt chỉ mất khoảng 12 đến 15 mili-giây, nhanh hơn khoảng 45% so với rơ-le số thông thường vốn mất từ 25 đến 40 mili-giây.

Thảo luận kết quả

Hiệu quả vượt bậc của mô hình bắt nguồn từ việc Wavelet tự động co hẹp cửa sổ thời gian ở dải tần số cao, triệt tiêu hoàn toàn hiện tượng trễ pha do thành phần một chiều (DC offset) và sóng hài gây ra. Mạng Nơ-ron đóng vai trò là bộ não xử lý đa biến, tiếp nhận đồng thời 4 ngõ vào logic (scA, scB, scC, scN) để xuất lệnh tác động cô lập chính xác từng phần tử mà không gây nhiễu chéo.

Dữ liệu kết quả có thể được trực quan hóa rõ nét thông qua biểu đồ ma trận nhầm lẫn thể hiện sự phân lớp hoàn hảo giữa 240 kịch bản sự cố. Ngoài ra, bảng ma trận trạng thái logic nhị phân 4 biến giúp các kỹ sư dễ dàng quan sát quy luật chuyển đổi trạng thái giữa chế độ làm việc bình thường (0-0-0-0) và các dạng ngắn mạch pha (ví dụ: ngắn mạch pha A chạm đất là 1-0-0-1). So với các phương pháp dùng biến đổi Fourier thời gian ngắn (STFT) với cửa sổ cố định, giải pháp này hoàn toàn không xảy ra hiện tượng nhòe tín hiệu phổ quá độ.

Đề xuất và khuyến nghị

Nhằm chuyển hóa kết quả nghiên cứu vào thực tế vận hành lưới điện, các đơn vị quản lý cần triển khai đồng bộ các giải pháp sau:

• Tích hợp thuật toán vào thiết bị điện tử thông minh (IED): Các công ty truyền tải điện và nhà sản xuất thiết bị cần biên dịch thuật toán Wavelet - Nơ-ron thành firmware nhúng trên các bộ IED điều khiển trạm. Mục tiêu trong 12 tháng tới là giảm tỷ lệ sự cố tác động sai hoặc từ chối tác động xuống dưới mức 0,5%.
• Chuẩn hóa mạng truyền thông SCADA theo tiêu chuẩn IEC 61850: Tổng công ty Điện lực miền Nam và Công ty Điện lực Tiền Giang cần nâng cấp đường truyền cáp quang nội bộ trạm, đảm bảo độ trễ truyền gói tin GOOSE dưới 4 mili-giây để phục vụ điều khiển phân tán thời gian thực trong giai đoạn 2024 - 2026.
• Xây dựng ngân hàng dữ liệu sóng sự cố quá độ: Thiết lập kho lưu trữ đám mây chứa hơn 1.000 mẫu ghi sóng dao động sự cố thực tế từ các rơ-le ghi nhận sự cố (DFR). Dữ liệu này sẽ được dùng để tái huấn luyện và cập nhật trọng số cho mạng Nơ-ron định kỳ 6 tháng một lần.
• Thực hiện bảo vệ liên động phân tán cấp 2: Kỹ sư vận hành trạm 110kV cần cấu hình phối hợp logic liên trạm, cho phép tự động gửi lệnh cắt máy cắt phía nguồn 220kV trong vòng 18 tháng tới nếu máy cắt cục bộ 110kV gặp lỗi cơ khí.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo chuyên môn giá trị cho nhiều nhóm đối tượng trong ngành năng lượng:

• Kỹ sư điều độ và bảo vệ rơ-le tại các Công ty Truyền tải điện (PTC): Vận dụng thuật toán Wavelet để phân tích dạng sóng sự cố phức tạp trên các tuyến đường dây 110kV, 220kV và 500kV, nâng cao độ tin cậy vận hành trạm.
• Chuyên gia thiết kế hệ thống tự động hóa trạm biến áp (SAS): Ứng dụng cấu trúc điều khiển phân tán và chuẩn truyền thông số nhị phân vào các dự án chuyển đổi trạm biến áp không người trực.
• Học viên cao học và nghiên cứu sinh ngành Kỹ thuật Điện: Khai thác phương pháp kết hợp trí tuệ nhân tạo (AI) với xử lý tín hiệu số làm nền tảng phát triển các đề tài lưới điện thông minh (Smart Grid).
• Doanh nghiệp sản xuất thiết bị đo lường và giám sát chất lượng điện năng: Tích hợp bộ lọc Wavelet vào thiết bị đo trực tuyến để phát hiện sớm các hiện tượng sụt áp, nhấp nháy điện áp và quá điện áp khí quyển.

Câu hỏi thường gặp

Tại sao biến đổi Wavelet lại vượt trội hơn biến đổi Fourier trong việc nhận dạng sự cố điện?

Biến đổi Fourier thông thường chỉ biểu diễn tín hiệu trên miền tần số và làm mất hoàn toàn mốc thời gian xuất hiện xung đột biến. Biến đổi Wavelet sử dụng cửa sổ thời gian co giãn linh hoạt, cho phép định vị chính xác thời điểm và mức độ dao động quá độ chỉ trong khoảng thời gian dưới 0,5 mili-giây.

Mô hình Wavelet - Nơ-ron có thể nhận diện được những dạng sự cố nào trong trạm biến áp?

Mô hình có khả năng phân loại chính xác tất cả các dạng ngắn mạch bao gồm ngắn mạch 1 pha chạm đất, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất và ngắn mạch 3 pha đối xứng. Ngoài ra, hệ thống còn nhận biết hiệu quả các trạng thái bất thường về điện áp như quá áp, thấp áp với độ chính xác đạt trên 98%.

Giải pháp này có đòi hỏi nâng cấp toàn bộ hệ thống phần cứng trạm hiện hữu không?

Hệ thống không yêu cầu thay thế toàn bộ thiết bị phần cứng đo lường đắt tiền. Dữ liệu từ các máy biến dòng (TI) và máy biến điện áp (TU) hiện hữu được số hóa, mã hóa thành các giá trị logic nhị phân {0,1} và truyền dẫn qua giao thức SCADA tiêu chuẩn, giúp tiết kiệm đáng kể chi phí đầu tư.

Hai loại Wavelet mẹ db1 và db4 được phân chia nhiệm vụ như thế nào trong luận văn?

Hàm Wavelet db1 (Haar) được dùng để trích xuất hệ số chi tiết mức 1 (D1) của dòng điện nhờ đặc tính đáp ứng nhanh với các đột biến dốc đứng khi ngắn mạch. Trong khi đó, hàm Wavelet db4 được sử dụng để trích xuất hệ số xấp xỉ mức 2 (A2) của điện áp nhằm phản ánh sự thay đổi biên độ điện áp chuẩn xác nhất.

Tính năng điều khiển phân tán mang lại lợi ích gì so với điều khiển tập trung?

Điều khiển phân tán chia trạm thành các khối độc lập (đường dây, thanh cái, máy biến áp), giúp quá trình xử lý diễn ra song song tại chỗ với tốc độ dưới 15 mili-giây. Nếu một bộ điều khiển nhánh gặp sự cố, hệ thống tự động kích hoạt bảo vệ cấp 2 (Breaker Failure) mà không làm tê liệt toàn bộ trạm.

Kết luận

• Nghiên cứu đã xây dựng thành công giải pháp kết hợp biến đổi Wavelet và mạng Nơ-ron nhân tạo để nhận dạng, điều khiển phân tán sự cố trạm biến áp 110kV Gò Công.
• Thuật toán Wavelet Haar (db1) và Daubechies 4 (db4) chứng minh tính ưu việt tuyệt đối trong việc trích xuất đặc trưng quá độ dòng điện và điện áp.
• Mô hình mạng Nơ-ron đạt độ chính xác phân loại sự cố 99,2% với thời gian đáp ứng cực nhanh dưới 15 mili-giây.
• Cơ chế mã hóa nhị phân giúp tích hợp mượt mà vào hệ thống SCADA và nâng cao hiệu quả phối hợp bảo vệ cấp 2 chống từ chối máy cắt.
• Giải pháp mở ra hướng đi mới thay thế dần các hạn chế của rơ-le số truyền thống, nâng cao chất lượng điện năng toàn hệ thống.

Đóng góp lớn nhất của công trình là cung cấp một giải pháp bảo vệ số thông minh, tin cậy và có tính khả thi cao cho lưới điện Việt Nam. Hướng phát triển tiếp theo là triển khai thử nghiệm mô hình phần cứng thời gian thực (Hardware-in-the-loop) trong vòng 12 tháng tới. Hãy liên hệ và nghiên cứu toàn văn luận văn để cùng đón đầu xu hướng tự động hóa lưới điện thông minh.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 – TỐNG QUAN 1. Lý do chọn đề tài Điện năng là một loại năng lượng được dùng phổ biến nhất. Để có năng lượng điện, từ khâu sản xuất, truyền tải đến phân phối đều phải tiến hành đồng bộ. Khoa học ngày càng phát triển, nhu cầu con người ngày càng cao, đòi hỏi phải có nguồn điện năng ngày một chất lượng và ổn định hơn.

Do đó, vấn đề bảo vệ hệ thống điện phải được đặc biệt quan tâm, nếu để xẩy ra sự cố dù là nhỏ, thời gian khắc phục ngắn thì cũng sẽ ảnh hưởng không nhỏ đến sản xuất, dịch vụ, người tiêu dùng… Hệ thống điện Việt Nam chúng ta còn rất nhỏ, có thể nói ngành điện không đáp ứng đủ nhu cầu của người tiêu dùng về số lượng cũng như chất lượng điện. Đó là do chúng ta đã không thực hiện đi trước một bước, dự báo phụ tải của chúng ta chưa chính xác và còn phụ thuộc quá nhiều vào thủy điện. Vấn đề về ổn định, đảm bảo chất lượng điện vẫn chưa được quan tâm cao, tổn thất điện năng còn quá lớn. Hệ thống điện với các thiết bị cũ, dễ hư hỏng, hệ thống bảo vệ hoạt động không được tin cậy, chưa đồng bộ và chọn lọc cao.

Bảo vệ hệ thống điện chủ yếu dùng relay bảo vệ, với relay kỹ thuật số làm việc tin cậy nhưng sự liên kết trong hệ thống bảo vệ relay là rất khó khăn. Do đó đòi hỏi phải phát triển, áp dụng các kỹ thuật mới, hiện đại trong bảo vệ hệ thống điện. Hiện nay, với sự phát triển mạnh của khoa học trong lĩnh vực mạng Neural, logic mờ, trí tuệ nhân tạo, biến đổi Wavelet và được áp dụng rộng rãi trong các lĩnh vực nhận dạng, thiết kế, quy hoạch, dự báo, điều khiển… Do đó, áp dụng biến đổi Wavelet và mạng Neural từng bước thay thế cho relay bảo vệ hệ thống điện nói chung và trạm biến áp nói riêng là cần thiết. Nếu nhận dạng đúng điểm sự cố, điều khiển lúc sự cố tin cậy thì mạng Wavelet – Neural hoàn toàn có thể bảo vệ ổn định trạm biến áp cũng như hệ thống điện.

Mặt khác, việc 1 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural liên kết bảo vệ phân tán trong hệ thống điện và trạm biến áp của mạng WN là dễ dàng, chính xác nhờ truyền dẫn tín hiệu bằng SCADA và sự phối hợp bảo vệ. Các sự cố trong trạm biến áp gồm: ngắn mạch 1 pha, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất, ngắn mạch 3 pha tại thanh cái hay đường dây vào trạm, đứt dây, sự cố nội bộ máy biến áp, sự cố lộ ra, sự cố điện áp, tần số. Với mỗi phần tử trong trạm có các mạng Wavelet – Neural nhận dạng và điều khiển khác nhau. Mạng Wavelet – Neural nhận dạng và điều khiển phân tán sự cố trạm biến áp là phải nhận biết được dạng sự cố, điểm sự cố và đưa ra tín hiệu điều khiển phù hợp đảm bảo cô lập được sự cố, ổn định trạm cũng như toàn hệ thống.1: Ngọn cây dầu dính vào dây dẫn Pha C cách trạm 500kV Tân Định 2,5 km đường dây 500kV Tân Định (573, 574) - Di Linh (571, 572) (sự cố lúc 13g50, ngày 22 tháng 05 năm 2013-PTC4) 2 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural Hình 1.2: Chuỗi sứ néo pha B trụ 218 bị phóng điện (phía trụ 219) đường dây 220kV Cao lãnh-Thốt nốt (sự cố ngày 05/11/2011 -PTC4) Hình 1.3: Dấu vết chuỗi sứ néo pha B trụ 218 bị phóng điện đường dây 220kV Cao lãnh-Thốt nốt (sự cố ngày 05/11/2011 -PTC4) 3 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural Hình 1.4: Thay thế mới chuỗi sứ néo pha B trụ 218 bị phóng điện đường dây 20kV Cao lãnh-Thốt nốt (sự cố ngày 05/11/2011-PTC4) Do đó, cần thiết phải tìm ra vị trí sự cố chính xác để nhanh chóng đưa ra phương án sửa chữa và khôi phục lại cung cấp điện, giảm thiểu thời gian mất điện, tiết kiệm được thời gian và công sức tìm kiếm.

Đó là mục tiêu hướng đến của các Công ty Truyền tải điện nói chung. Nghiên cứu các phương pháp “Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural” là một điều cần thiết trong việc quản lý vận hành một hệ thống điện. Tổng quan về các phương pháp nhận dạng sự cố hệ thống điện Để nhận dạng và phân loại các hiện tượng quá độ trên hệ thống điện bằng mạng nơron kết hợp với phân tích wavelet, [1] đã giới thiệu phương pháp nhận dạng và phân loại các hiện tượng quá độ trên hệ thống điện bằng cách sử dụng mạng nơron kết hợp với kỹ thuật phân tích wavelet đa phân giải. Các tín hiệu quá độ được mô phỏng bằng phần mềm ATP-EMTP và Matlab, gồm các hiện tượng: sụt điện áp, tăng điện áp, họa tần, chập chờn điện áp, gián đọan điện áp, quá độ khi đóng cắt trạm tụ bù.

Áp dụng định lý Parseval vào kỹ thuật phân tích wavelet đa phân giải sẽ 4 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural trích ra được các đặc trưng của từng tín hiệu quá độ. Mạng nơron xác suất được sử dụng để nhận dạng nhanh và phân loại từng tín hiệu quá độ. Một phương pháp dùng để nhận dạng các dạng sóng quá độ ảnh hưởng đến chất lượng điện năng trong hệ thống điện được trình bày trong [2], Các hiện tượng quá độ được mô phỏng với sự trợ giúp của phần mềm ATP-EMTP, được phân tích dùng kỹ thuật wavelets và sau đó năng lượng của các mức tín hiệu được tính tóan. Áp dụng kỹ thuật fuzzy logic với các tập luật trong bộ suy diễn mờ cho phép nhận dạng và phân lọai các hiện tượng quá độ khác nhau trên lưới điện.

Một chương trình nhận dạng tự động viết trên Matlab được thực hiện có thể được áp dụng để đánh giá nhiễu trong hệ thống điện. Các nhiễu loạn trên đường dây truyền tải - phân phối điện năng, như xung sét, gián đoạn điện áp, tăng điện áp, giảm điện áp, méo dạng do sóng hài, điện thế chập chờn,…gây ảnh hưởng nghiêm trọng đến điện năng cung cấp cho khách hàng. Kỹ thuật khai triển wavelet rời rạc (DWT) với phân tích đa phân giải (Multi- Resolution Analysis (MRA) được thực hiện trong [3] để phân tích và nhận dạng các hiện tượng quá độ điện từ trong hệ thống điện được khảo sát với phần mềm ATP- EMTP thông qua các giá trị năng lượng của các mức. Các kết quả nhận được trong [3] cho thấy việc đánh giá các hiện tượng nhiễu trong hệ thống điện dùng kỹ thuật wavelet cho phép nhận được nhiều thông tin định lượng và là cơ sở trong quá trình đánh giá chất lượng điện năng.

Một phương pháp dùng để nhận dạng các dạng sóng quá điện áp ảnh hưởng đến chất lượng điện năng trong hệ thống điện được trình bày trong [4]. Các hiện tượng quá độ được mô phỏng với phần mềm Matlab 12.0, kỹ thuật wavelets được dùng để phân tích tín hiệu và tính các mức năng lượng của các dạng quá điện áp nội bộ, quá điện áp khí quyển. Dựa vào sự khác nhau giữa các mức năng lượng trong tín hiệu, có thể nhận dạng chính xác các loại quá điện áp thường gặp. Nhiệm vụ của luận văn 5 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural Luận văn " Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural" có nội dung chủ yếu:  Tầm quan trọng của luận văn.

 Trình bày các vấn đề về chất lượng điện năng. Từ đó nêu lên các hiện tượng quá độ trên hệ thống ảnh hưởng đến chất lượng điện năng. Đây là các đối tượng sẽ được nhận dạng trong những phần sau.  Lý thuyết về kỹ thuật nhận dạng.

Tổng quan về các các phương pháp nhận dạng được áp dụng hiện nay.  Trình bày khái niệm về wavelet và biến đổi wavelet. Lý thuyết này làm nền tảng cho việc nghiên cứu các ứng dụng của wavelet.  Giới thiệu về mạng nơron, về đặc điểm và hoạt động của các loại mạng nơron.

Lý thuyết này giúp cho việc chọn lựa tối ưu ứng dụng của từng loại mạng.  Giới thiệu về phần mềm Matlab trong việc thực hiện mô phỏng các dạng sóng của tín hiệu quá độ. Những tín hiệu này làm dữ liệu cho chương trình phân tích và phân loại.  Mô phỏng giải thuật " Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural" trên phần Matlab để kiểm tra và đánh giá hiệu quả của giải thuật được đề xuất.

Mục tiêu của luận văn là: 1. Tìm ra giải pháp mô phỏng bằng Matlab-Simulink đường dây, máy biến áp, thanh cái truyền tải nhằm mục đích khảo sát diễn biến quá trình quá độ xảy ra trên đường dây, máy biến áp, thanh cái, khi xảy ra sự cố. Nghiên cứu áp dụng Wavelet nhận dạng sự cố trên đường dây, máy biến áp, thanh cái. Xây dựng mạng Wavelet – Neural nhận dạng và điều khiển sự cố đường dây, máy biến áp, thanh cái.

Thực hành áp dụng mạng Wavelet – Neural bảo vệ trạm biến áp 110KV Gò Công. 6 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural Luận văn sẽ thiết kế, huấn luyện mạng Wavelet – Neural nhận dạng và điều khiển phân tán sự cố trạm biến áp. Điều khiển phân tán ở đây là trạm biến áp được phân nhỏ thành các phần tử là đường dây (đi vào hay đi ra), thanh cái, máy biến áp và các lộ ra. Với mỗi phần tử như vậy ta có một mạng Wavelet – Neural nhận dạng loại sự cố, vị trí sự cố và điều khiển cô lập sự cố.

Các sự cố được bảo vệ cấp 2 cho máy cắt (Breaker Fault) bằng cách đi cắt máy cắt cao hơn (phía nguồn tới) trong trạm hay gửi tín hiệu cắt máy cắt ở trạm khác.5: Mô hình trạm biến áp Tương ứng với mạng WN: Hình 1.6: Mô hình mạng WN bảo vệ trạm biến áp Sự thu thập thông tin về trạng thái vận hành, thông số sự cố của mạng Wavelet – Neural nhờ truyền dẫn các tín hiệu đo lường về phòng điều khiển trung tâm, tín hiệu ngõ ra được truyền đi để cắt cô lập sự cố. Quan hệ giữa các mạng Wavelet – Neural từ cao xuống thấp là quan hệ có giám sát, phản hồi và phối hợp. 7 Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural Nhận dạng loại sự cố, vị trí sự cố được thực hiện bằng cách biến đổi Wavelet các sóng tín hiệu điện áp và dòng điện, kết quả đầu ra của biến đổi Wavelet được đưa đến ngõ vào mạng Neural.