Luận văn phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho - Phạm Anh Khoa

Nghiên cứu luận văn thạc sĩ về phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho nhằm đánh giá trạng thái bất thường trong hệ thống điện. Phân tích phương 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: Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về phân nhóm dữ liệu đường dây 22kV tuyến 471

Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho là nghiên cứu ứng dụng kỹ thuật học máy nhằm đánh giá trạng thái bất thường trong hệ thống truyền tải điện. Nghiên cứu tập trung vào tuyến đường dây cụ thể, nơi tiềm ẩn nguy cơ mất ổn định do điều kiện vận hành phức tạp. Phương pháp phân nhóm giúp rút gọn dữ liệu đa chiều thành các nhóm đặc trưng, từ đó phát hiện sớm các dấu hiệu bất thường. Kết quả nghiên cứu cung cấp cơ sở khoa học cho việc nâng cao độ tin cậy vận hành lưới điện. Ứng dụng thực tiễn của đề tài bao gồm tối ưu hóa bảo trì và giảm thiểu rủi ro sự cố.

1.1. Đặc điểm hệ thống đường dây 22kV tuyến 471

Tuyến đường dây 22kV Mỹ Tho có chiều dài 471km, kết nối nhiều trạm biến áp và phụ tải quan trọng. Hệ thống chịu ảnh hưởng bởi yếu tố khí hậu nhiệt đới gió mùa, dẫn đến nguy cơ quá tải và sự cố do sét đánh. Đặc điểm địa hình đa dạng với nhiều đoạn đi qua vùng nông thôn và đô thị. Thiết bị vận hành chủ yếu là máy biến áp, máy cắt và hệ thống bảo vệ cơ bản. Việc giám sát truyền thống gặp khó khăn do thiếu hệ thống cảnh báo thông minh.

1.2. Tầm quan trọng của phân nhóm dữ liệu

Phân nhóm dữ liệu giúp chuyển đổi dữ liệu thô thành thông tin hữu ích cho quá trình ra quyết định. Thuật toán phân loại kết hợp với clustering cho phép phát hiện các mẫu bất thường không thể nhận diện bằng phương pháp truyền thống. Kết quả phân nhóm cung cấp cái nhìn tổng quan về trạng thái vận hành, hỗ trợ kỹ sư điều chỉnh kịp thời. Nghiên cứu chứng minh hiệu quả vượt trội so với hệ thống giám sát tiêu chuẩn.

II. Phân tích vấn đề bất thường trong hệ thống điện

Hệ thống điện 22kV tuyến 471 đối mặt với nhiều thách thức về vận hành an toàn. Các bất thường thường xuất hiện dưới dạng quá tải, ngắn mạch hoặc nhiễu loạn tín hiệu. Phương pháp truyền thống dựa vào ngưỡng cố định không đáp ứng được nhu cầu giám sát linh hoạt. Dữ liệu vận hành chứa đựng thông tin đa chiều nhưng chưa được khai thác triệt để. Thuật toán phân nhóm giúp tách biệt dữ liệu bình thường và bất thường hiệu quả. Kết quả nghiên cứu chỉ ra mối tương quan giữa các thông số vận hành và trạng thái bất thường.

2.1. Nguyên nhân gây bất thường

Nguyên nhân chủ yếu bao gồm điều kiện thời tiết khắc nghiệt, lão hóa thiết bị và sai sót vận hành. Sự cố sét đánh gây quá áp đột ngột, ảnh hưởng đến độ tin cậy hệ thống. Thiết bị bảo vệ truyền thống hoạt động dựa trên ngưỡng cố định, không thích ứng với thay đổi môi trường. Dữ liệu vận hành chứa nhiễu do nhiễu sóng vô tuyến hoặc giao thoa tín hiệu. Nghiên cứu đề xuất giải pháp tích hợp dữ liệu đa nguồn để nâng cao độ chính xác.

2.2. Hạn chế phương pháp giám sát truyền thống

Phương pháp giám sát truyền thống chỉ theo dõi vài thông số quan trọng như dòng điện, điện áp. Hệ thống không thể phát hiện các bất thường tiềm ẩn trong dữ liệu vận hành. Thiếu cơ chế cảnh báo mức độ cấp bách của sự cố gây khó khăn trong xử lý kịp thời. Dữ liệu thô chưa được xử lý triệt để dẫn đến sai lệch trong đánh giá trạng thái. Giải pháp phân nhóm dữ liệu cung cấp cái nhìn toàn diện và khách quan hơn.

III. Giải pháp phân nhóm dữ liệu bằng thuật toán học máy

Nghiên cứu đề xuất phương pháp phân nhóm dữ liệu dựa trên thuật toán PCA kết hợp với clustering. Bước tiền xử lý dữ liệu bao gồm chuẩn hóa và loại bỏ nhiễu. Thuật toán PCA rút gọn đặc trưng quan trọng từ dữ liệu đa chiều. Phương pháp Normed PCA được ưu tiên do khả năng chuẩn hóa độ lệch chuẩn. Clustering nhóm dữ liệu thành các cụm đặc trưng, hỗ trợ phát hiện bất thường. Kết quả thử nghiệm trên tuyến 471 đạt độ chính xác cao. Phương pháp này có thể mở rộng cho các tuyến đường dây khác.

3.1. Thuật toán PCA trong phân nhóm dữ liệu

PCA (Principal Component Analysis) chuyển đổi dữ liệu sang không gian mới với chiều thấp hơn. Quá trình tính toán dựa trên ma trận hiệp phương sai của dữ liệu chuẩn hóa. Các thành phần chính được sắp xếp theo mức độ đóng góp thông tin. Normed PCA chuẩn hóa dữ liệu về cùng độ lệch chuẩn, tăng cường tính ổn định. Kết quả PCA cung cấp cơ sở cho bước phân nhóm tiếp theo.

3.2. Ứng dụng thuật toán clustering

Thuật toán clustering nhóm dữ liệu thành các cụm dựa trên mức độ tương đồng. K-means là phương pháp phổ biến do hiệu quả và tốc độ xử lý. Clustering giúp phát hiện các nhóm bất thường không tuân theo mô hình chuẩn. Kết quả phân nhóm cung cấp thông tin chi tiết về trạng thái vận hành. Phương pháp này hỗ trợ kỹ sư đưa ra quyết định chính xác và kịp thời.

IV. Kết luận và ứng dụng thực tiễn trong vận hành lưới điện

Nghiên cứu chứng minh hiệu quả của phương pháp phân nhóm dữ liệu trong đánh giá trạng thái bất thường. Thuật toán PCA kết hợp clustering cung cấp kết quả chính xác và đáng tin cậy. Ứng dụng thực tiễn bao gồm tối ưu hóa bảo trì và nâng cao độ tin cậy hệ thống. Kết quả nghiên cứu có thể mở rộng cho các tuyến đường dây khác. Phương pháp đề xuất góp phần hiện đại hóa hệ thống giám sát điện. Đề tài cung cấp cơ sở khoa học cho các nghiên cứu tiếp theo trong lĩnh vực này.

4.1. Kết quả đạt được từ nghiên cứu

Nghiên cứu đã xây dựng thành công mô hình phân nhóm dữ liệu cho tuyến 471. Thuật toán đạt độ chính xác 92% trong phát hiện bất thường. Kết quả phân nhóm cung cấp thông tin chi tiết về trạng thái vận hành. Phương pháp đề xuất vượt trội so với hệ thống giám sát truyền thống. Nghiên cứu đóng góp vào lĩnh vực ứng dụng học máy trong ngành điện.

4.2. Hướng phát triển trong tương lai

Nghiên cứu có thể mở rộng bằng cách tích hợp dữ liệu từ nhiều nguồn khác nhau. Thuật toán deep learning có thể cải thiện độ chính xác phát hiện bất thường. Ứng dụng IoT trong giám sát thời gian thực là hướng phát triển tiềm năng. Nghiên cứu đề xuất hợp tác với các đơn vị vận hành lưới điện để triển khai thực tế. Kết quả có thể áp dụng cho các hệ thống điện trên toàn quốc.

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. 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 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. 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 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 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.