Luận văn thạc sĩ về mạng nơron nhận dạng ổn định động trong hệ thống điện

• Tác giả: Phan Viết Thịnh
• 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: Nghiên Cứu Mạng Nơron Trong Nhận Dạng Ổn Định Động Hệ Thống Điện
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: Hồ Chí Minh

• LỜI CAM ĐOAN
• LỜI CẢM TẠ
• TÓM TẮT LUẬN VĂN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về lĩnh vực nghiên cứu
• 1.2. Tính cấp thiết của đề tài
• 1.3. Mục tiêu và nhiệm vụ của luận văn
• 1.4. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Ý nghĩa khoa học và giá trị thực tiễn của luận văn
• 1.7. ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN
• 1.7.1. Ổn định hệ thống điện
• 1.7.2. Phương trình dao động
• 1.7.3. Mô hình đơn giản hóa máy phát và hệ thống tương đương
• 1.7.4. Ổn định hệ nhiều máy
• 1.7.5. Đánh giá ổn định hệ thống điện
• 1.7.6. Quy trình mô phỏng lấy mẫu trong PowerWorld
• 1.7.7. Mô tả quá trình lấy mẫu
• 1.8. Kết luận chương 1
• 2. LỰA CHỌN BIẾN ĐẶC TRƯNG
• 2.1. Lựa chọn biến đặc trưng. Các phương pháp tiếp cận
• 2.2. Quy trình lựa chọn biến đặc trưng
• 2.3. Lựa chọn biến đặc trưng ban đầu
• 2.4. Tìm kiếm biến đặc trưng ứng viên
• 2.5. Đánh giá biến đặc trưng ứng viên
• 2.5.1. Hàm khoảng cách Fisher
• 2.5.2. Hàm khoảng cách Divergence
• 2.5.3. Giải thuật Relief
• 2.6. Tiêu chuẩn dừng
• 2.7. Kết luận chương 2
• 3. MẠNG NƠRON VÀ MÔ HÌNH NHẬN DẠNG
• 3.1. Giới thiệu về mạng nơron
• 3.2. Mô hình nơron sinh học
• 3.3. Mô hình nơron nhân tạo
• 3.4. Hàm chuyển đổi
• 3.5. Phân loại mô hình cấu trúc mạng nơron
• 3.6. Mạng Perceptron nhiều lớp
• 3.7. Mạng hàm truyền xuyên tâm
• 3.8. Mạng hồi quy tổng quát
• 3.9. Mạng nơron xác suất
• 3.10. Luật đầu ra của bộ phân loại
• 3.11. Huấn luyện và đánh giá mô hình nhận dạng
• 3.12. Nhận dạng và phương pháp tiếp cận
• 3.13. Các giai đoạn trong một mô hình nhận dạng
• 3.14. Mô hình nhận dạng
• 3.15. Kết luận chương 3
• 4. CHƯƠNG 4
• 4.1. Kết luận chương 4
• 5. CHƯƠNG 5: ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN IEEE 10-MÁY 39-BUS
• 5.1. Sơ đồ hệ thống điện IEEE 10-máy 39-bus New England
• 5.2. Mô hình mạng nơron nhận dạng ổn định động hệ thống điện
• 5.3. Tạo cơ sở dữ liệu
• 5.4. Xây dựng tập mẫu học
• 5.5. Biến đầu vào và biến đầu ra
• 5.6. Chuẩn hóa dữ liệu
• 5.7. Phân chia dữ liệu
• 5.8. Kết quả tính toán xếp hạng biến
• 5.9. Kết quả chọn số nơron trong lớp ẩn MLPNN và hệ số spread GRNN
• 5.10. Kết quả nhận dạng chính xác
• 5.11. Kết luận chương 5
• KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

I. Tổng quan về lĩnh vực nghiên cứu

Hệ thống điện ngày càng trở nên phức tạp do sự gia tăng nhanh chóng của phụ tải. Điều này tạo ra áp lực lớn lên khả năng vận hành của hệ thống, đặc biệt là trong việc duy trì ổn định động. Nhận dạng ổn định động hệ thống điện là một yếu tố quan trọng để đảm bảo an toàn và hiệu quả trong cung cấp điện. Các phương pháp phân tích truyền thống thường tốn nhiều thời gian và không đáp ứng kịp thời yêu cầu thực tế. Do đó, việc áp dụng mạng nơron nhân tạo để đánh giá nhanh chóng tình trạng ổn định của hệ thống điện trở thành một giải pháp khả thi. Mô hình mạng nơron có khả năng học hỏi từ dữ liệu và đưa ra dự đoán chính xác về trạng thái ổn định của hệ thống điện.

1.1. Tính cấp thiết của đề tài

Sự phát triển nhanh chóng của hệ thống điện đòi hỏi các phương pháp mới để đánh giá ổn định động. Các sự cố như ngắn mạch hay cắt điện máy phát có thể gây ra những hậu quả nghiêm trọng. Việc phát hiện sớm và cảnh báo về tình trạng ổn định của hệ thống điện là rất cần thiết. Mạng nơron nhân tạo có thể giúp cải thiện tốc độ và độ chính xác trong việc đánh giá ổn định động, từ đó hỗ trợ các quyết định điều khiển kịp thời và hiệu quả.

II. Đánh giá ổn định hệ thống điện

Đánh giá ổn định động hệ thống điện là một quá trình phức tạp, liên quan đến nhiều yếu tố như cấu trúc hệ thống, các thông số vận hành và các kích động xảy ra. Các phương pháp phân tích truyền thống như mô phỏng miền thời gian hay phương pháp hàm năng lượng thường gặp khó khăn trong việc cung cấp kết quả nhanh chóng. Mạng nơron có thể được sử dụng để phân tích mối quan hệ phi tuyến giữa các thông số vận hành và tình trạng ổn định. Việc áp dụng kỹ thuật nhận dạng mẫu giúp giảm thiểu thời gian tính toán và nâng cao độ chính xác trong việc đánh giá ổn định động của hệ thống điện.

2.1. Phương pháp mô phỏng và phân tích

Các phương pháp mô phỏng như mô phỏng miền thời gian cung cấp kết quả chính xác nhưng tốn nhiều thời gian. Trong khi đó, mạng nơron có thể học từ dữ liệu lịch sử và đưa ra dự đoán nhanh chóng về tình trạng ổn định. Việc áp dụng mạng nơron trong đánh giá ổn định động giúp cải thiện hiệu suất và độ tin cậy của hệ thống điện, đồng thời giảm thiểu rủi ro trong quá trình vận hành.

III. Lựa chọn biến đặc trưng

Lựa chọn biến đặc trưng là một bước quan trọng trong việc xây dựng mô hình mạng nơron. Các phương pháp như Fisher, Divergence và Relief được áp dụng để xác định các biến đặc trưng có ảnh hưởng lớn đến tình trạng ổn định của hệ thống điện. Việc lựa chọn đúng biến đặc trưng giúp cải thiện độ chính xác của mô hình và giảm thiểu thời gian huấn luyện. Mạng nơron GRNN và MLPNN được sử dụng để đánh giá độ chính xác nhận dạng, cho thấy rằng việc lựa chọn biến đặc trưng phù hợp có thể nâng cao hiệu suất của mô hình.

3.1. Các phương pháp lựa chọn biến

Các phương pháp lựa chọn biến như Fisher, Divergence và Relief giúp xác định các biến đặc trưng quan trọng. Việc áp dụng các phương pháp này trong mô hình mạng nơron giúp tối ưu hóa quá trình huấn luyện và nâng cao độ chính xác trong việc nhận dạng ổn định động. Kết quả cho thấy rằng việc lựa chọn biến đặc trưng phù hợp có thể cải thiện đáng kể hiệu suất của mô hình, từ đó hỗ trợ việc ra quyết định trong vận hành hệ thống điện.

IV. Ứng dụng mạng nơron nhận dạng ổn định động hệ thống điện

Mô hình mạng nơron được áp dụng để nhận dạng ổn định động của hệ thống điện IEEE 10-máy 39-bus. Qua quá trình mô phỏng và phân tích, các biến đầu vào và đầu ra được xác định rõ ràng. Kết quả cho thấy mô hình mạng nơron có khả năng nhận dạng tình trạng ổn định với độ chính xác cao. Việc áp dụng mạng nơron trong lĩnh vực này không chỉ giúp cải thiện hiệu suất mà còn tạo ra những giải pháp hiệu quả cho việc quản lý và điều khiển hệ thống điện.

4.1. Kết quả nhận dạng

Kết quả từ mô hình mạng nơron cho thấy độ chính xác nhận dạng cao, với thời gian huấn luyện nhanh chóng. Việc áp dụng các phương pháp lựa chọn biến đặc trưng đã giúp tối ưu hóa mô hình, từ đó nâng cao khả năng dự đoán tình trạng ổn định của hệ thống điện. Điều này chứng tỏ rằng mạng nơron là một công cụ hữu ích trong việc đánh giá và quản lý ổn định động hệ thống điện.