I. Mô hình nhận dạng ổn định hệ thống điện
Nghiên cứu tập trung vào mô hình nhận dạng ổn định hệ thống điện tại HCMUTE. Mục tiêu chính là xây dựng mô hình nhận dạng có khả năng phân tích nhanh chóng tình trạng ổn định của hệ thống, khắc phục nhược điểm của các phương pháp truyền thống tốn nhiều thời gian. Hệ thống điện HCMUTE được sử dụng làm đối tượng nghiên cứu chính. Các phương pháp truyền thống gặp khó khăn trong việc xử lý dữ liệu phức tạp và tính toán trực tuyến. Nhận dạng ổn định hệ thống điện dựa trên học máy, cụ thể là sử dụng thuật toán nhận dạng, cung cấp giải pháp nhanh chóng và hiệu quả hơn.
1.1 Tổng quan tình hình nghiên cứu
Tốc độ phát triển phụ tải vượt quá tốc độ xây dựng lưới điện dẫn đến hệ thống điện vận hành ở trạng thái cận biên giới ổn định. Sự cố bất thường thường xuyên xảy ra, tiềm ẩn nguy cơ mất ổn định toàn hệ thống, gây thiệt hại kinh tế xã hội lớn. Các phương pháp truyền thống như phương pháp tích phân số, phương pháp diện tích, phương pháp trực tiếp, phương pháp mô phỏng theo miền thời gian, phân tích hệ thống điện, tốn nhiều thời gian tính toán, hạn chế khả năng ứng dụng trực tuyến. Do đó, nhận dạng ổn định hệ thống điện bằng các kỹ thuật thông minh là hướng nghiên cứu quan trọng. Các nghiên cứu trước đây đã áp dụng các kỹ thuật như mạng nơ-ron nhân tạo, thuật toán phân cụm, máy vector hỗ trợ (SVM) để cải thiện tốc độ và độ chính xác. Tuy nhiên, xử lý dữ liệu vẫn là thách thức lớn. Phân tích hệ thống điện cần được cải thiện để tăng độ chính xác.
1.2 Tính cần thiết và mục tiêu nghiên cứu
Hệ thống điện hiện đại dễ tổn thương trước sự cố bất ngờ, gây mất ổn định. Nhận dạng ổn định hệ thống điện nhanh chóng là cần thiết để hỗ trợ ra quyết định điều khiển kịp thời. Mô hình nhận dạng dựa trên trí tuệ nhân tạo, học máy mang lại nhiều ưu điểm, xử lý dữ liệu phức tạp, tính toán nhanh chóng. Tuy nhiên, dữ liệu phức tạp của hệ thống điện, an toàn hệ thống điện, gây khó khăn cho quá trình huấn luyện. Mạng nơ-ron nhân tạo dễ rơi vào cực trị địa phương. Nghiên cứu này đề xuất áp dụng máy vector hỗ trợ (SVM) để cải thiện độ chính xác nhận dạng ổn định. Mục tiêu là xây dựng mô hình nhận dạng ổn định hệ thống điện dựa trên SVM, kiểm soát hệ thống điện, và đánh giá hiệu quả trên hệ thống điện chuẩn IEEE 39-bus.
1.3 Phương pháp nghiên cứu
Nghiên cứu dựa trên việc tổng hợp các tài liệu về phân tích hệ thống điện, an toàn hệ thống điện, và nhận dạng ổn định. Sử dụng các thuật toán nhận dạng như ANN, K-NN và SVM. Mô hình nhận dạng được xây dựng và đánh giá hiệu quả trên hệ thống điện chuẩn IEEE 39-bus. Xử lý dữ liệu là một bước quan trọng. Học máy được áp dụng. Phần mềm Matlab và PowerWorld được sử dụng để hỗ trợ tính toán và mô phỏng. Giám sát hệ thống điện được cải thiện.
II. Xây dựng và đánh giá mô hình
Chương này trình bày chi tiết quá trình xây dựng và đánh giá mô hình nhận dạng. Quá trình bao gồm xây dựng tập dữ liệu, xử lý dữ liệu, lựa chọn biến đầu vào, huấn luyện và kiểm tra mô hình. Thuật toán SVM được lựa chọn để xây dựng mô hình nhận dạng. Hiệu quả của mô hình nhận dạng được đánh giá dựa trên độ chính xác trong việc phân loại trạng thái ổn định và không ổn định của hệ thống. Kiểm soát hệ thống điện được mô phỏng trên hệ thống điện chuẩn IEEE 39-bus.
2.1 Xây dựng tập dữ liệu
Dữ liệu được thu thập từ hệ thống điện HCMUTE hoặc mô phỏng trên phần mềm PowerWorld. Dữ liệu bao gồm các thông số vận hành của hệ thống trong điều kiện bình thường và sự cố. Xử lý dữ liệu gồm các bước chuẩn hóa dữ liệu, lựa chọn biến đầu vào, và tạo ra tập dữ liệu huấn luyện và kiểm tra. Phân tích hệ thống điện cần được thực hiện cẩn thận để đảm bảo chất lượng dữ liệu. An toàn hệ thống điện được đảm bảo trong quá trình thu thập dữ liệu. Các tiêu chuẩn chọn biến như tiêu chuẩn Fisher và Scatter Matrix (SM) được sử dụng để lựa chọn các biến đầu vào quan trọng nhất. Quản lý năng lượng hệ thống điện có thể được cải thiện thông qua việc phân tích dữ liệu.
2.2 Huấn luyện và kiểm tra mô hình
Mô hình nhận dạng dựa trên máy vector hỗ trợ (SVM) được huấn luyện trên tập dữ liệu huấn luyện. Các thông số của mô hình được tối ưu hóa để đạt được độ chính xác cao nhất. Mô hình nhận dạng được kiểm tra trên tập dữ liệu kiểm tra độc lập. Độ chính xác của mô hình được đánh giá dựa trên các chỉ số như độ chính xác, độ nhạy, và độ đặc hiệu. Giảm sát năng lượng hệ thống điện được tích hợp vào mô hình. Điện năng tái tạo có thể được tích hợp để tối ưu hóa quá trình huấn luyện. Tối ưu hóa hệ thống điện cũng được nghiên cứu trong quá trình này. Kết quả kiểm tra cho thấy độ chính xác của mô hình đạt được mức chấp nhận được.
III. Kết luận và hướng phát triển
Nghiên cứu đã thành công trong việc xây dựng mô hình nhận dạng ổn định hệ thống điện. Mô hình nhận dạng dựa trên SVM cho thấy hiệu quả cao trong việc phân loại trạng thái ổn định của hệ thống. Kết quả nghiên cứu có ý nghĩa thực tiễn lớn trong việc giám sát và điều khiển hệ thống điện. Hướng phát triển trong tương lai bao gồm việc mở rộng quy mô mô hình, tích hợp thêm các nguồn dữ liệu mới, và áp dụng mô hình vào các hệ thống điện thực tế.
