Luận văn Thạc sĩ Kỹ thuật: nhận dạng sự cố trong hệ thống điện

Luận văn thạc sĩ kỹ thuật phân tích nhận dạng sự cố trong hệ thống điện, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho thực tiễn.

• Tác giả: Nguyễn Phát Lợi
• Người hướng dẫn: PGS.TS Quyền Huy Ánh
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện
• Đề tài: Nhận Dạng Sự Cố Trong Hệ Thống Điện
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Thành Phố Hồ Chí Minh

Tóm tắt

I. Khái niệm và tầm quan trọng của nhận dạng sự cố trong hệ thống điện

Nhận dạng sự cố trong hệ thống điện là quá trình xác định, phân loại và định vị các sự cố xảy ra trên đường dây truyền tải và phân phối điện. Đây là một lĩnh vực nghiên cứu quan trọng trong kỹ thuật điện hiện đại, giúp đảm bảo an toàn, ổn định và độ tin cậy của hệ thống điện quốc gia. Khi xảy ra sự cố, hệ thống bảo vệ rơ le phải phản ứng nhanh chóng để cách ly vùng sự cố, ngăn chặn mở rộng và giảm thiểu tổn thất. Công nghệ nhận dạng sự cố hiện đại sử dụng các phương pháp tiên tiến như mạng nơ-ron nhân tạo, thuật toán mờ và xử lý tín hiệu số để cải thiện độ chính xác và tốc độ phản ứng.

1.1. Định nghĩa sự cố trong hệ thống điện

Sự cố điện là tình trạng bất thường làm gián đoạn hoạt động bình thường của hệ thống điện. Các loại sự cố chính bao gồm đơn pha đất, đôi pha đất, ba pha, đôi pha, và chập tạm thời. Mỗi loại sự cố có đặc điểm khác nhau về dòng điện, điện áp và thời gian xảy ra, yêu cầu các biện pháp bảo vệ khác nhau.

1.2. Vai trò của hệ thống bảo vệ rơ le

Hệ thống rơ le bảo vệ đóng vai trò thiết yếu trong nhận dạng và xử lý sự cố. Các loại rơ le bảo vệ khác nhau như bảo vệ dòng cực đại (51), bảo vệ khoảng cách (21), và bảo vệ dòng có hướng (67) phối hợp để phát hiện sớm và cách ly sự cố một cách hiệu quả.

II. Các phương pháp nhận dạng sự cố hiện đại

Các phương pháp nhận dạng sự cố hiện đại đã phát triển từ rơ le cơ học truyền thống sang công nghệ số và trí tuệ nhân tạo. Mạng nơ-ron nhân tạo (ANN) cho phép máy tính học từ dữ liệu lịch sử để dự đoán và phân loại sự cố với độ chính xác cao. Phương pháp mạng nơ-ron mờ (Fuzzy Neural) kết hợp logic mờ với mạng nơ-ron, cải thiện khả năng xử lý các tình huống không chắc chắn. Thuật toán mạng nơ-ron cải tiến như Deep Learning và Support Vector Machine (SVM) mang lại hiệu suất tốt hơn trong phân loại sự cố đường dây truyền tải. Các phương pháp này không chỉ nhận dạng mà còn xác định vị trí xảy ra sự cố chính xác.

2.1. Mạng nơ ron nhân tạo ANN cho bảo vệ khoảng cách

Mạng nơ-ron nhân tạo sử dụng các tín hiệu dòng và điện áp từ máy biến dòng (CT) và máy biến áp (PT) để đào tạo mô hình nhận dạng. Phương pháp này cải thiện độ chính xác so với rơ le truyền thống, đặc biệt trong các điều kiện mạng điện phức tạp.

2.2. Nhận dạng mẫu và định vị sự cố

Nhận dạng mẫu (Pattern Recognition) giúp hệ thống học phân biệt các mẫu sự cố khác nhau dựa trên đặc trưng của tín hiệu. Kỹ thuật này cho phép xác định vị trí xảy ra sự cố dọc theo đường dây truyền tải bằng cách so sánh với dữ liệu tham chiếu đã lưu trữ.

III. Ứng dụng thực tiễn của nhận dạng sự cố

Trong thực tiễn vận hành hệ thống điện Việt Nam, nhận dạng sự cố được ứng dụng rộng rãi cho các loại mạng điện khác nhau. Đối với mạng điện hình tia một nguồn cung cấp, rơ le bảo vệ được sắp xếp theo thứ tự ưu tiên từ xa đến gần. Đối với mạng điện mạch vòng, hệ thống phải có khả năng phân biệt sự cố ở các nhánh khác nhau. Mạng điện phân phối có máy cắt tự đóng lại yêu cầu nhận dạng nhanh để phân loại sự cố tạm thời hay vĩnh viễn. Đường dây song song cần bảo vệ riêng biệt để tránh mất mát đồng thời hai đường. Các ứng dụng này cho thấy tầm quan trọng của công nghệ nhận dạng sự cố tiên tiến.

3.1. Bảo vệ rơ le cho mạng điện mạch vòng

Mạng điện mạch vòng yêu cầu hệ thống bảo vệ có khả năng nhận dạng phương hướng sự cố. Rơ le dòng có hướng (67) được sử dụng để xác định hướng dòng điện, từ đó nhận dạng vị trí sự cố trên vòng mạch. Điều này giúp tối ưu hóa việc cách ly sự cố.

3.2. Bảo vệ cho đường dây trên không và cáp ngầm

Đường dây trên không và cáp ngầm có đặc tính truyền tải khác nhau. Hệ thống nhận dạng phải điều chỉnh thông số để phù hợp với loại đường dây cụ thể. Bảo vệ tần số cao (85) thường được sử dụng cho đường dây trên không để phát hiện sự cố nhanh chóng.

IV. Hướng phát triển và thách thức trong nhận dạng sự cố

Tương lai của nhận dạng sự cố trong hệ thống điện hướng tới sự tích hợp công nghệ Lưới điện thông minh (Smart Grid) và Điện toán đám mây (Cloud Computing). Các thách thức chính bao gồm xử lý dữ liệu lớn từ hàng ngàn cảm biến, đảm bảo độ tin cậy của thuật toán nhận dạng trong các điều kiện mạng không lý tưởng, và tối ưu hóa thời gian phản ứng của hệ thống. Nghiên cứu hiện tại tập trung vào phát triển mô hình học máy mạnh mẽ hơn, cải thiện chất lượng dữ liệu huấn luyện, và xây dựng các hệ thống kiểm soát phân tán để nâng cao độ ổn định tổng thể. Luận văn thạc sĩ về nhận dạng sự cố đóng góp quan trọng vào việc phát triển các phương pháp mới này.

4.1. Tích hợp trí tuệ nhân tạo trong bảo vệ đường dây

Trí tuệ nhân tạo (AI) và Deep Learning mở ra khả năng nhận dạng sự cố với độ chính xác cao hơn 99%. Các mô hình học sâu có thể tự động học từ dữ liệu lịch sử mà không cần thiết kế thủ công các luật bảo vệ, giúp hệ thống thích ứng với sự thay đổi của mạng lưới điện.

4.2. Thách thức và giải pháp trong tương lai

Thách thức lớn là đảm bảo độ tin cậy và bảo mật của hệ thống nhận dạng sự cố trong môi trường đe dọa mạng hiện đại. Giải pháp bao gồm phát triển mạng nơ-ron chống nhiễu, xác thực dữ liệu, và hệ thống dự phòng để đảm bảo vận hành an toàn.

Trích đoạn nội dung tài liệu

Chương 1 TỔNG QUAN 1. Tổng quan chung về vấn đề nghiên cứu Việc phát hiện và phân loại các dạng sự cố trên đường dây truyền tải dựa vào tín hiệu điện áp và dòng điện ba pha đã được biết đến từ lâu. Trước đây, người ta thường sử dụng các loại rơ le truyền thống để giải quyết các vấn đề này, chẳng hạn như rơ le bảo vệ quá dòng, bảo vệ khoảng cách, bảo vệ quá áp – thấp áp, bảo vệ so lệch… Tất cả các loại rơ le này hoạt động dựa trên nguyên tắc so sánh các thông số đo được từ biến dòng và biến áp với các thông số cài đặt trước được xác định bằng việc tính toán ở chế độ làm việc bình thường và khi xảy ra sự cố. Mỗi rơ le có một chức năng riêng biệt, nhiều rơ le kết hợp với nhau sẽ tạo thành một hệ thống rơ le bảo vệ đủ tin cậy để bảo vệ cho hệ thống điện.

Ưu điểm của hệ thống rơ le bảo vệ truyền thống đó là cấu tạo đơn giản, dễ lắp đặt. Tuy nhiên, trong quá trình vận hành sẽ gặp khó khăn khi phối hợp giữa các rơ le với nhau để đạt hiệu quả bảo vệ tối ưu. Bên cạnh đó, một hệ thống có quá nhiều rơ le sẽ làm giảm độ tin cậy bảo vệ khi một trong các rơ le bị sự cố. Vì vậy, cần xây dựng một hệ thống bảo vệ có cấu tạo đơn giản hơn nhưng vẫn đảm bảo tính chọn lọc và độ tin cậy vận hành cao.

Các kết quả nghiên cứu trong và ngoài nước đã công bố 1. Phương pháp mạng nơ – ron nhân tạo để bảo vệ khoảng cách cho đường dây truyền tải [1] Rơ le khoảng cách để bảo vệ cho đường dây truyền trải thường được thiết kế dựa trên cơ sở của những thiết lập cố định. Phạm vi bảo vệ của các rơ le như vậy sẽ bị ảnh hưởng bởi sự thay đổi các điều kiện của mạng điện. Việc thực hiện nhận dạng mẫu cho chẩn đoán hệ thống điện có thể cung cấp một cải tiến đáng kể trong lĩnh vực bảo vệ.

Nghiên cứu này chứng minh cho việc sử dụng mạng nơ – ron nhân tạo như một phương pháp phân loại mẫu cho hoạt động của rơ le khoảng cách. Chương trình sử dụng biên độ của điện áp và dòng điện ba pha như là các ngõ vào. HVTH: Nguyễn Phát Lợi - Trang 1 - Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Hiệu quả được cải thiện với việc sử dụng mạng nơ – ron nhân tạo làm cho rơ le hoạt động chính xác hơn, khi phải đối mặt với các điều kiện sự cố khác nhau cũng như sự thay đổi cấu trúc mạng điện. Việc sử dụng mạng nơ – ron nhân tạo như một phương pháp phân loại mẫu để mô phỏng rơ le khoảng cách đưa ra một kết quả rất đáng khích lệ.

Rơ le ANN có thể cung cấp một hoạt động nhanh và chính xác, giữ được phạm vi chính xác khi đối mặt với các điều kiện sự cố khác nhau trong hệ thống điện (ngay cả khi có sự hiện diện của thành phần DC làm dịch chuyển dạng sóng dòng điện), cũng như sự thay đổi của mạng điện. Đây là một điểm cải tiến đáng kể so với các loại rơ le thông thường. Do đó việc sử dụng ANN có thể làm cho nó mở rộng phạm vi bảo vệ của vùng thứ nhất, tăng cường bảo vệ hệ thống. Quá trình này có liên quan đến việc huấn luyện và kiểm tra các cấu hình mạng khác nhau cho đến khi đạt được kết quả mong muốn.

Công cụ này sẽ mở ra một chiều hướng mới trong nghiên cứu rơ le, cho phép giải quyết một số vấn đề nghiêm trọng liên quan đến bảo vệ khoảng cách trên đường dây truyền tải. Áp dụng nhận dạng mẫu trong bảo vệ khoảng cách [2] Nghiên cứu này cho thấy việc sử dụng các mạng nơ – ron nhân tạo (ANNs) như một sự phân loại mẫu cho hoạt động của rơ le bảo vệ khoảng cách. Mạng nơ – ron được thực hiện nên nắm bắt kiến thức cho hoạt động của rơ le khi phải đối mặt với nhiều điều kiện khác nhau của mạng điện. Phương pháp này sử dụng biên độ của dòng điện và điện áp ba pha (bao gồm thành phần thứ tự không) như là ngõ vào.

Phần mềm Alternative Transient Program (ATP) được sử dụng để tạo ra dữ liệu cho các đường dây truyền tải trong điều kiện sự cố cho cả quá trình huấn luyện và kiểm tra. Một cải tiến liên quan đến việc sử dụng ANNs cho các mục đích bảo vệ được tìm thấy. Việc sử dụng một mạng nơ – ron nhân tạo như một công cụ phân loại mẫu cho mô phỏng rơ le khoảng cách được nghiên cứu. Phần mở rộng vùng I của bảo vệ khoảng cách lên đến 96% chiều dài đường dây đã được thực hiện, tăng cường an HVTH: Nguyễn Phát Lợi - Trang 2 - Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh ninh cho hệ thống, và cải thiện hiệu suất của các rơ le thông thường được xét đến.

97,3% của 1050 trường hợp thử nghiệm có kết quả đáp ứng như mong đợi cho rơ le khoảng cách ANN. Tổng số sai số thu được ở mức 2,7%. Cũng cần lưu ý rằng, nghiên cứu này chỉ đưa vào huấn luyện các sự cố chạm đất. Để mở rộng phương pháp đề xuất với các tình huống thực tế, phân loại các dạng sự cố tương tự được trình bày trong nghiên cứu Neural Network Approach to Fault classification for High Speed Protective Relay trong tạp chí IEEE Transmission on Power Delivery, vol 10, 1995, nên được sử dụng và các quá trình huấn luyện áp dụng cho các dạng sự cố khác nhau.

Phương pháp Nơ – ron mờ (Fuzzy neural) để phân loại sự cố cho bảo vệ đường dây truyền tải [3] Nghiên cứu này giới thiệu một phương pháp mới để phát hiện và phân loại sự cố thời gian thực trong hệ thống truyền tải bằng việc sử dụng kỹ thuật nơ – ron mờ. Việc tích hợp kỹ thuật mạng nơ – ron nâng cao khả năng học tập của hệ thống logic mờ. Các thành phần đối xứng trong sự kết hợp với dòng điện ba pha được dùng để phát hiện loại sự cố, chẳng hạn như sự cố một pha chạm đất, hai pha chạm nhau, hai pha chạm đất và ba pha chạm đất, và sau đó xác định đường dây bị lỗi. Các kết quả mô phỏng trên máy tính được trình bày trong nghiên cứu này và chúng cho thấy phương pháp này có thể được sử dụng như một công cụ hiệu quả cho các rơ le kỹ thuật số tốc độ cao.

Thuật toán mạng nơ – ron cải tiến cho việc phân loại sự cố trên đường dây truyền tải [8] Nghiên cứu này giới thiệu một khái niệm mới của trí thông minh nhân tạo dựa trên thuật toán để phân loại các sự cố trong mạng điện. Việc phân loại này xác định chính xác loại sự cố và vùng bị sự cố. Thuật toán được dựa trên một dạng đặc biệt của mạng nơ – ron được phát triển để đối phó với một tập hợp lớn các dữ liệu ngõ vào. Một cải tiến của thuật toán được đề xuất bằng cách thực hiện các bước khác nhau của tiền xử lí tín hiệu ngõ vào, thông qua việc lựa chọn các thông số cho bộ HVTH: Nguyễn Phát Lợi - Trang 3 - Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh lọc tương tự, các giá trị cho cửa sổ dữ liệu và tần số lấy mẫu.

Ngoài ra, một kỹ thuật cải tiến cho việc phân loại các mẫu kiểm tra được thảo luận và những ưu điểm chính so với việc sử dụng phân loại lân cận gần nhất trước đây cũng được trình bày. Nghiên cứu này đưa ra các hướng dẫn có thể để cải thiện thuật toán mạng nơ – ron đang có cho việc phân loại các sự cố trên đường dây truyền tải. Thuật toán này đã được sử dụng trước đó trong nỗ lực nhằm thay thế các rơ le khoảng cách bằng các loại rơ le mới mà không sử dụng các cài đặt truyền thống. Thuật toán là một dạng đặc biệt của giải thuật phân cụm.

Nó dịch chuyển các mẫu ngõ vào vào trong mẫu ban đầu. Cấu trúc của các cụm đại diện cho việc phân loại khác nhau của tập dữ liệu ngõ vào. Thuật toán rất linh hoạt và dễ dàng cho phép thay đổi và nâng cấp. Điều kiện của các tín hiệu ngõ vào cũng như việc lựa chọn các giá trị cho bộ lọc tương tự, cửa sổ dữ liệu để lấy mẫu, và tần số lấy mẫu đóng vai trò quan trọng trong thuật toán trong suốt quá trình huấn luyện và kiểm tra.

Các khía cạnh khác nhau của yếu tố này được minh hoạ thông qua một số ví dụ. Hơn nữa, việc phân loại các mẫu kiểm tra được phân tích thông qua việc so sánh của một phương pháp phân loại lân cận gần nhất K được sử dụng cho đến nay, và cách tiếp cận mờ của nó. Phương pháp đề xuất và những cải tiến của thuật toán mạng nơ – ron có thể phân loại tốt hơn loại sự cố và vùng bị sự cố. Kết hợp giữa việc sử dụng mạng nơ – ron và kỹ thuật mờ trong cùng một thuật toán dẫn đến suy luận phức tạp để cải thiện khả năng phân loại sự kiện cho việc nhận dạng một loạt các sự kiện có thể xảy ra trong mạng điện.

Xác định vị trí xảy ra sự cố trong hệ thống điện: phương pháp nhận dạng mẫu [9] Hệ thống điện là một trong những hệ thống nhân tạo phức tạp nhất trên thế giới hiện nay, mà sự hoạt động an toàn, ổn định, kinh tế và đáng tin cậy của nó đóng vai trò rất quan trọng trong phát triển kinh tế xã hội, thậm chí là trong ổn định xã hội. Các sự cố xảy ra trong hệ thống điện là hoàn toàn không thể tránh khỏi. Trong HVTH: Nguyễn Phát Lợi - Trang 4 - Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh nghiên cứu này, một phương pháp được hình thành nhằm giải quyết các vấn đề về vị trí xảy ra sự cố trong hệ thống điện, dựa trên phép đo thời gian thực của các đơn vị đo lường vecto. Kỹ thuật phân loại mẫu được sử dụng chủ yếu và nguyên tắc phân biệt tuyến tính của lý thuyết nhận dạng mẫu để tìm kiếm các luật của đại lượng điện được đánh dấu thay đổi.