Luận văn thạc sĩ: Nghiên cứu sa thải phụ tải áp dụng mạng nơ ron và thuật toán AHP

Luận văn thạc sĩ nghiên cứu sa thải phụ tải áp dụng mạng nơ ron và thuật toán AHP, mang đến giải pháp tối ưu cho quản lý năng lượng.

• Tác giả: Mai Ngọc Nhẫn
• 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 sa thải phụ tải áp dụng mạng nơron và thuật toán AHP
• Loại tài liệu: Luận văn
• Năm xuất bản: 2017
• Địa điểm: Cà Mau

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về hướng nghiên cứu
• 1.2. Tổng quan về các nghiên cứu liên quan
• 1.3. Tính cấp thiết của đề tài
• 1.4. Mục tiêu nghiên cứu
• 1.5. Nhiệm vụ và giới hạn đề tài
• 1.6. Phương pháp nghiên cứu. Các bước thực hiện
• 1.7. Ổn định hệ thống điện (HTĐ)
• 1.8. Khái niệm về sa thải phụ tải
• 1.9. Các phương pháp sa thải phụ tải. Tổng quan chung về các nghiên cứu sa thải phụ tải trên thế giới
• 1.10. Mạng nơron nhân tạo (ANN)
• 1.10.1. Các khái niệm cơ bản
• 1.10.2. Các thành phần cơ bản của mạng nơ ron nhân tạo
• 1.10.3. Phân loại mạng nơ ron
• 1.10.4. Các loại mạng nơ ron
• 1.10.5. Đặc tính của mạng nơ ron
• 1.10.6. Lựa chọn mẫu - Nguyên tắc lựa chọn mẫu
• 1.10.7. Thiết kế mạng truyền thẳng
• 1.10.8. Các thuật toán huấn luyện
• 1.10.8.1. Thuật toán huấn luyện Lenvenberg – Marquardt (trainlm)
• 1.10.8.2. Thuật toán huấn luyện Bayesian (trainbr)
• 1.10.8.3. Thuật toán huấn luyện Scaled Conjugate Gradient (trainscg)
• 1.10.8.4. Thuật toán huấn luyện Resillient backpropagation (trainrp)
• 1.11. Giải thuật K-means
• 1.12. Thuật toán AHP
• 2. MÔ HÌNH ĐIỀU KHIỂN KHẨN CẤP SA THẢI PHỤ TẢI DỰA TRÊN THUẬT TOÁN AHP VÀ MẠNG NƠ RON NHÂN TẠO
• 2.1. Điều khiển khẩn cấp sa thải phụ tải dựa trên thuật toán AHP và mạng nơ ron nhân tạo
• 2.2. Mô phỏng offline các trường hợp sự cố mất ổn định
• 2.3. Mô phỏng các trường hợp sự cố bằng phần mềm Powerworld
• 2.4. Thu thập dữ liệu mô phỏng
• 2.5. Xây dựng tập mẫu học và chuẩn hóa dữ liệu
• 2.6. Phân nhóm dữ liệu sử dụng giải thuật K–means
• 2.7. Sử dụng công cụ ANN để huấn luyện tập mẫu học
• 2.8. Đánh giá độ chính xác của huấn luyện
• 2.9. Các chiến lược điều khiển sa thải phụ tải dựa trên thuật toán AHP trên cơ sở các phân lớp chiến lược điều khiển
• 2.10. Tính toán tầm quan trọng của các đơn vị tải sơ đồ IEEE 39 bus 10 máy phát
• 2.11. Chiến lược điều khiển sa thải phụ tải dựa trên thuật toán AHP
• 2.12. So sánh với các phương pháp sa thải truyền thống
• 2.12.1. Phương pháp sa thải phụ tải truyền thống dựa trên thuật toán AHP
• 2.12.2. Phương pháp sa thải phụ tải dựa trên relay sa thải dưới tần số
• 2.12.3. Phương pháp sa thải phụ tải đề xuất
• 5. KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN
• 5.1. Hướng nghiên cứu phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về mô hình sa thải phụ tải bằng mạng nơ ron

Mô hình sa thải phụ tải là một trong những giải pháp quan trọng nhằm duy trì ổn định cho hệ thống điện. Việc áp dụng mạng nơ ron và thuật toán AHP trong mô hình này giúp cải thiện khả năng ra quyết định trong các tình huống khẩn cấp. Mô hình này không chỉ giúp giảm thiểu thời gian phục hồi tần số mà còn nâng cao độ ổn định cho hệ thống điện. Nghiên cứu này sẽ đi sâu vào các khía cạnh lý thuyết và thực tiễn của mô hình sa thải phụ tải, từ đó đưa ra những giải pháp tối ưu cho việc quản lý phụ tải trong hệ thống điện.

1.1. Khái niệm về sa thải phụ tải và tầm quan trọng

Sa thải phụ tải là quá trình ngắt một phần tải điện nhằm duy trì sự ổn định cho hệ thống điện trong trường hợp xảy ra sự cố. Việc này giúp ngăn ngừa tình trạng mất điện diện rộng và đảm bảo cung cấp điện liên tục cho các khu vực quan trọng. Các nghiên cứu đã chỉ ra rằng việc áp dụng mô hình sa thải phụ tải có thể giảm thiểu thiệt hại do sự cố gây ra.

1.2. Lịch sử phát triển mô hình sa thải phụ tải

Mô hình sa thải phụ tải đã trải qua nhiều giai đoạn phát triển, từ các phương pháp truyền thống đến các giải pháp hiện đại như mạng nơ ron và thuật toán AHP. Các nghiên cứu trước đây đã chỉ ra rằng việc áp dụng công nghệ mới giúp cải thiện đáng kể hiệu quả của quá trình sa thải phụ tải, từ đó nâng cao độ tin cậy của hệ thống điện.

II. Vấn đề và thách thức trong sa thải phụ tải

Mặc dù mô hình sa thải phụ tải mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức trong việc triển khai. Các vấn đề như độ chính xác trong việc xác định tải cần sa thải, thời gian ra quyết định và khả năng phục hồi tần số là những yếu tố quan trọng cần được xem xét. Việc áp dụng mạng nơ ron và thuật toán AHP có thể giúp giải quyết những thách thức này, nhưng cần có nghiên cứu sâu hơn để tối ưu hóa quy trình.

2.1. Độ chính xác trong việc xác định tải cần sa thải

Một trong những thách thức lớn nhất trong sa thải phụ tải là xác định chính xác tải nào cần được ngắt. Việc này phụ thuộc vào nhiều yếu tố như tình trạng hệ thống, mức độ nghiêm trọng của sự cố và các yếu tố bên ngoài khác. Sử dụng mạng nơ ron có thể giúp cải thiện độ chính xác trong việc phân tích và dự đoán tình huống.

2.2. Thời gian ra quyết định và phục hồi tần số

Thời gian ra quyết định trong sa thải phụ tải là yếu tố quyết định đến khả năng phục hồi của hệ thống điện. Nếu quyết định không được đưa ra kịp thời, hậu quả có thể rất nghiêm trọng. Việc áp dụng thuật toán AHP giúp tối ưu hóa quy trình ra quyết định, từ đó giảm thiểu thời gian phục hồi tần số.

III. Phương pháp nghiên cứu mô hình sa thải phụ tải

Nghiên cứu này áp dụng các phương pháp hiện đại như mạng nơ ron và thuật toán AHP để xây dựng mô hình sa thải phụ tải. Các phương pháp này không chỉ giúp cải thiện độ chính xác mà còn nâng cao khả năng ra quyết định trong các tình huống khẩn cấp. Việc kết hợp giữa lý thuyết và thực tiễn sẽ mang lại những kết quả khả quan cho việc quản lý phụ tải trong hệ thống điện.

3.1. Ứng dụng mạng nơ ron trong mô hình sa thải phụ tải

Mạng nơ ron được sử dụng để phân tích và dự đoán tình huống trong hệ thống điện. Việc áp dụng mạng nơ ron giúp cải thiện khả năng nhận diện các tình huống khẩn cấp, từ đó đưa ra quyết định chính xác hơn trong việc sa thải phụ tải. Nghiên cứu đã chỉ ra rằng mô hình này có thể giảm thiểu thời gian ra quyết định và nâng cao độ ổn định cho hệ thống.

3.2. Ứng dụng thuật toán AHP trong việc ra quyết định

Thuật toán AHP được sử dụng để đánh giá và lựa chọn các phương án sa thải phụ tải. Phương pháp này giúp xác định tầm quan trọng của từng yếu tố trong quá trình ra quyết định, từ đó đưa ra lựa chọn tối ưu nhất. Việc áp dụng AHP trong mô hình sa thải phụ tải đã cho thấy hiệu quả rõ rệt trong việc cải thiện độ chính xác và tốc độ ra quyết định.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy mô hình sa thải phụ tải áp dụng mạng nơ ron và thuật toán AHP đã mang lại những cải tiến đáng kể trong việc quản lý phụ tải. Các thử nghiệm cho thấy thời gian phục hồi tần số nhanh hơn và độ ổn định cao hơn so với các phương pháp truyền thống. Những kết quả này mở ra hướng đi mới cho việc ứng dụng công nghệ trong quản lý hệ thống điện.

4.1. Kết quả thử nghiệm mô hình sa thải phụ tải

Các thử nghiệm mô hình sa thải phụ tải cho thấy rằng việc áp dụng mạng nơ ron và thuật toán AHP đã giúp cải thiện đáng kể thời gian phục hồi tần số. Kết quả cho thấy tần số của hệ thống phục hồi nhanh hơn và giá trị tần số phục hồi tốt hơn so với các phương pháp truyền thống. Điều này chứng tỏ tính khả thi của mô hình trong thực tiễn.

4.2. Ứng dụng mô hình trong quản lý hệ thống điện

Mô hình sa thải phụ tải có thể được áp dụng rộng rãi trong quản lý hệ thống điện, đặc biệt là trong các tình huống khẩn cấp. Việc sử dụng mạng nơ ron và thuật toán AHP giúp các nhà quản lý đưa ra quyết định nhanh chóng và chính xác, từ đó đảm bảo sự ổn định cho hệ thống điện trong mọi tình huống.

V. Kết luận và hướng nghiên cứu tương lai

Mô hình sa thải phụ tải bằng mạng nơ ron và thuật toán AHP đã chứng minh được tính hiệu quả trong việc duy trì ổn định cho hệ thống điện. Tuy nhiên, vẫn còn nhiều vấn đề cần được nghiên cứu thêm để tối ưu hóa mô hình này. Hướng nghiên cứu tương lai có thể tập trung vào việc cải thiện độ chính xác của mô hình và mở rộng ứng dụng trong các lĩnh vực khác.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã chỉ ra rằng mô hình sa thải phụ tải áp dụng mạng nơ ron và thuật toán AHP có khả năng cải thiện đáng kể thời gian phục hồi tần số và độ ổn định cho hệ thống điện. Kết quả này mở ra hướng đi mới cho việc ứng dụng công nghệ trong quản lý hệ thống điện.

5.2. Hướng nghiên cứu tương lai

Hướng nghiên cứu tương lai có thể tập trung vào việc phát triển các mô hình sa thải phụ tải thông minh hơn, kết hợp với các công nghệ mới như trí tuệ nhân tạo và học máy. Việc này sẽ giúp nâng cao khả năng ra quyết định trong các tình huống khẩn cấp và đảm bảo sự ổn định cho hệ thống điện trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Sự cố gián đoạn cung cấp điện trên diện rộng luôn là thách thức hàng đầu đối với an ninh năng lượng quốc gia. Điển hình tại Việt Nam, sự cố đường dây 500kV Di Linh - Tân Định vào ngày 22 tháng 05 năm 2013 đã làm rã lưới toàn bộ hệ thống điện miền Nam, gây mất điện khoảng 9400 MW phụ tải và đình trệ nghiêm trọng các hoạt động kinh tế. Theo quy định vận hành lưới điện quốc gia, tần số danh định phải duy trì nghiêm ngặt ở mức 50Hz ± 0,2Hz và chỉ cho phép dao động trong dải 50Hz ± 0,5Hz khi xảy ra dao động quá độ. Khi xảy ra ngắn mạch nghiêm trọng hoặc mất nguồn phát lớn, lượng công suất truyền tải trên đường dây 500kV vượt ngưỡng an toàn 700MW sẽ dẫn đến nguy cơ tan rã hệ thống nếu không có biện pháp can thiệp kịp thời.

Mục tiêu cốt lõi của nghiên cứu là xây dựng và kiểm chứng mô hình sa thải phụ tải khẩn cấp thông minh nhằm duy trì ổn định động hệ thống điện. Bằng việc tích hợp giải thuật phân cụm K-means, mạng nơ-ron nhân tạo đa lớp và thuật toán phân tích thứ bậc, nghiên cứu hướng tới việc rút ngắn thời gian ra quyết định cắt tải xuống mức mili giây và tối ưu hóa dung lượng cắt tải. Phạm vi nghiên cứu được thực hiện trên hệ thống điện tiêu chuẩn IEEE 39 nút, 10 máy phát điện với 5 mức vận hành công suất từ 80% đến 120% tải định mức. Ý nghĩa khoa học và thực tiễn của công trình thể hiện qua việc nâng cao tốc độ phục hồi tần số nhanh hơn hàng trăm lần so với tính toán lặp truyền thống, đồng thời đảm bảo giới hạn sa thải phụ tải tối đa không vượt quá ngưỡng 55% theo tiêu chuẩn an toàn của hệ thống điện Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết ổn định động hệ thống điện, tập trung vào phương trình dao động góc quay rotor máy phát và sự cân bằng công suất tác dụng - tần số. Khi xuất hiện mất cân bằng công suất lớn, độ sụt giảm tần số và tốc độ thay đổi tần số theo thời gian df/dt trở thành các thông số quyết định đến độ ổn định của toàn hệ thống. Để giải quyết bài toán điều khiển khẩn cấp phi tuyến phức tạp, mô hình ứng dụng 3 trụ cột lý thuyết chính:

Thứ nhất, lý thuyết mạng nơ-ron nhân tạo truyền thẳng nhiều lớp ứng dụng thuật toán lan truyền ngược Levenberg-Marquardt. Cấu trúc mạng nơ-ron thực hiện ánh xạ phi tuyến giữa các thông số trạng thái tiền sự cố với chiến lược cắt tải tối ưu, khắc phục hoàn toàn độ trễ tính toán của các phương pháp giải tích truyền thống.

Thứ hai, thuật toán phân tích thứ bậc AHP của Thomas L. Saaty, thiết lập ma trận so sánh cặp giữa 4 trung tâm phụ tải chính nhằm định lượng mức độ ưu tiên cấp điện dựa trên trọng số kinh tế, kỹ thuật và tính chất hộ tiêu thụ.

Thứ ba, lý thuyết phân cụm dữ liệu K-means, cho phép nhóm các kịch bản sự cố có đặc tính tương đồng thành các cụm trạng thái điển hình, làm cơ sở phân lớp dữ liệu đầu ra cho mạng nơ-ron.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu được thu thập từ quá trình mô phỏng quá độ điện cơ trên phần mềm PowerWorld Simulator đối với sơ đồ chuẩn IEEE 39 nút, 10 máy phát. Cỡ mẫu nghiên cứu bao gồm hơn 120 kịch bản sự cố ngắn mạch 3 pha tại các vị trí xung yếu như thanh cái Bus 6, Bus 37, đường dây truyền tải 6-11, 16-19 và máy biến áp 25-27. Phương pháp chọn mẫu có chủ đích kết hợp phân tầng được áp dụng dựa trên 5 chế độ tải vận hành gồm 80%, 90%, 100%, 110% và 120% tải danh định.

Lý do lựa chọn phương pháp phân tích kết hợp là nhằm khắc phục nhược điểm cố hữu của từng thuật toán đơn lẻ: giải thuật K-means chuẩn hóa không gian mẫu đầu vào; thuật toán Levenberg-Marquardt trên công cụ Neural Network Toolbox của Matlab tối ưu hóa tốc độ hội tụ với sai số bình phương trung bình MSE đạt mức dưới 0,00001; và thuật toán AHP đảm bảo tính minh bạch, chính xác khi xếp hạng thứ tự cắt tải. Toàn bộ quy trình mô phỏng, trích xuất dữ liệu, huấn luyện mạng và đánh giá kiểm chứng được triển khai tuần tự, chặt chẽ trong khoảng thời gian 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thực nghiệm đối chứng giữa mô hình đề xuất với phương pháp rơ-le sa thải dưới tần số UFLS truyền thống và phương pháp AHP thuần túy đã chỉ ra 4 phát hiện quan trọng:

Thứ nhất, mô hình mạng nơ-ron nhân tạo cho tốc độ nhận dạng và đưa ra quyết định sa thải tải chỉ mất khoảng 5 đến 10 mili giây, nhanh hơn hàng trăm lần so với các thuật toán tối ưu hóa lặp trực tuyến.

Thứ hai, trong kịch bản sự cố ngắn mạch tại Bus 37 ở mức tải 90%, mô hình đề xuất đã phục hồi tần số hệ thống về mức ổn định 49,85Hz chỉ sau 2,4 giây. Trong khi đó, phương pháp rơ-le tần số thấp truyền thống mất tới 4,9 giây và làm tần số sụt sâu xuống ngưỡng 47,8Hz trước khi hồi phục.

Thứ ba, dung lượng phụ tải cần sa thải theo mô hình kết hợp K-means - ANN - AHP giảm được khoảng 18% đến 22% so với phương pháp cắt tải theo các cấp cố định 5%, 10%, 15% của rơ-le UFLS, triệt tiêu hoàn toàn hiện tượng sa thải dư thừa công suất gây quá tần số sau sự cố.

Thứ tư, độ lệch góc quay rotor của 10 tổ máy phát điện đồng bộ nhanh chóng tái lập trạng thái đồng bộ trong vòng 2,8 giây sau khi cắt sự cố, ngăn chặn thành công hiện tượng mất đồng bộ cục bộ tại khu vực phụ tải nặng.

Thảo luận kết quả

Nguyên nhân giúp mô hình đề xuất đạt hiệu năng vượt trội là nhờ sự kết hợp chặt chẽ giữa khả năng học mẫu cực nhanh của mạng nơ-ron và khả năng phân bổ trọng số tối ưu của thuật toán AHP. Thay vì cắt tải thụ động khi tần số đã rơi xuống dưới các ngưỡng 49,0Hz hay 47,6Hz, mạng nơ-ron dự báo chính xác mức độ nghiêm trọng ngay khi sự cố xuất hiện, từ đó kích hoạt cắt đúng lượng tải tại đúng 4 cụm phụ tải có trọng số AHP thấp nhất.

So sánh với các công trình nghiên cứu sử dụng giải thuật di truyền phân tầng HGA hay thuật toán bầy đàn PSO, phương pháp này loại bỏ được nguy cơ vọt lố tần số và đảm bảo tính khả thi cao khi ứng dụng thời gian thực. Toàn bộ diễn biến động học có thể được trực quan hóa thông qua biểu đồ đáp ứng tần số theo thời gian từ 0 đến 10 giây, đồ thị góc lệch rotor máy phát và bảng tổng hợp ma trận trọng số ưu tiên cắt tải tại 39 thanh cái. Kết quả này khẳng định sa thải phụ tải thông minh là giải pháp tối ưu để bảo vệ an ninh hệ thống điện hiện đại.

Đề xuất và khuyến nghị

Nhằm chuyển giao và ứng dụng hiệu quả kết quả nghiên cứu vào thực tiễn vận hành lưới điện, 4 nhóm giải pháp cụ thể được đề xuất:

Thứ nhất, tích hợp thuật toán sa thải phụ tải thông minh ANN-AHP vào hệ thống quản lý năng lượng EMS/SCADA tại Trung tâm Điều độ Hệ thống điện Quốc gia và các trung tâm điều độ miền. Mục tiêu giảm ít nhất 30% thời gian phản ứng trước các sự cố quá độ nghiêm trọng, triển khai trong lộ trình 18 đến 24 tháng dưới sự chủ trì của Tập đoàn Điện lực Việt Nam.

Thứ hai, đẩy mạnh lắp đặt hệ thống đo lường góc pha đồng bộ PMU và mạng giám sát diện rộng WAMS tại 100% các trạm biến áp 220kV và 500kV trọng điểm trong vòng 2 năm tới, do Tổng công ty Truyền tải điện Quốc gia phối hợp với các đơn vị công nghệ thực hiện.

Thứ ba, chuẩn hóa và định kỳ cập nhật ma trận trọng số ưu tiên phụ tải AHP 6 tháng một lần, dựa trên biến động phụ tải thực tế của 7 khu vực lưới điện quốc gia, hướng tới mục tiêu giảm chỉ số thời gian mất điện bình quân SAIDI khoảng 15% đến 20%, thực hiện bởi các Tổng công ty Điện lực.

Thứ tư, mở rộng nghiên cứu mô phỏng mô hình trên lưới điện tích hợp trên 30% tỷ trọng nguồn năng lượng tái tạo không liên tục như điện gió và điện mặt trời trong giai đoạn 2026-2030, do các viện nghiên cứu chuyên ngành và các trường đại học khối kỹ thuật đảm nhiệm.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị thực tiễn và học thuật sâu sắc cho 4 nhóm đối tượng chính:

Nhóm thứ nhất là các kỹ sư điều độ, chuyên viên phân tích phương thức vận hành tại các trung tâm điều độ hệ thống điện cấp quốc gia và cấp miền. Tài liệu cung cấp cơ sở kỹ thuật chi tiết để xây dựng chiến lược sa thải phụ tải đặc biệt, hạn chế tối đa nguy cơ rã lưới diện rộng khi xảy ra sự cố kép N-1 và N-2.

Nhóm thứ hai là các nhà nghiên cứu, giảng viên, học viên cao học và sinh viên chuyên ngành Kỹ thuật điện, Tự động hóa hệ thống điện. Luận văn là tài liệu tham khảo chuẩn mực về phương pháp mô hình hóa hệ thống IEEE 39 nút trên PowerWorld và kỹ thuật lập trình mạng nơ-ron trên Matlab.

Nhóm thứ ba là các kỹ sư thiết kế, chỉnh định rơ-le bảo vệ tại các công ty tư vấn điện lực và nhà máy điện, giúp tối ưu hóa việc phối hợp liên động giữa rơ-le tần số thấp 81 với các hệ thống điều khiển tự động AGC và AVR.

Nhóm thứ tư là các nhà hoạch định chính sách, chuyên gia tại Cục Điều tiết Điện lực, phục vụ công tác xây dựng quy chuẩn kỹ thuật về dịch vụ phụ trợ điều tần cấp I, cấp II, cấp III và tiêu chuẩn vận hành thị trường điện cạnh tranh.

Câu hỏi thường gặp

Mô hình sa thải phụ tải kết hợp K-means, ANN và AHP có ưu thế gì vượt trội so với rơ-le tần số thấp truyền thống? Rơ-le truyền thống chỉ tác động thụ động khi tần số đã sụt giảm qua các ngưỡng cài đặt cố định như 49,0Hz hay 47,6Hz với thời gian trễ nhất định. Mô hình kết hợp AI giúp nhận dạng sự cố tức thì trong 10 mili giây, cắt chính xác lượng công suất thiếu hụt dựa trên trọng số AHP, giúp giảm khoảng 20% dung lượng tải bị cắt và rút ngắn một nửa thời gian phục hồi tần số.

Vai trò cụ thể của thuật toán AHP trong việc phân chia các cấp sa thải phụ tải là gì? Thuật toán AHP thiết lập ma trận đánh giá đa tiêu chí định lượng, chia hệ thống thành 4 trung tâm phụ tải với các trọng số ưu tiên rõ ràng. Điều này đảm bảo khi có sự cố, hệ thống sẽ sa thải trước các phụ tải công nghiệp hoặc sinh hoạt ít quan trọng, bảo vệ tuyệt đối các phụ tải loại 1 như bệnh viện, trung tâm chỉ huy và khu vực hành chính trọng yếu.

Hệ thống điện tiêu chuẩn IEEE 39 nút 10 máy phát phản ánh các đặc tính gì của lưới điện thực tế? Lưới IEEE 39 nút, còn gọi là hệ thống điện New England, là mô hình chuẩn quốc tế mô phỏng đầy đủ tính chất phi tuyến của lưới truyền tải cao áp gồm 10 tổ máy phát đồng bộ, 39 thanh cái và hệ thống đường dây liên kết phức tạp. Mô hình này tái hiện chính xác các hiện tượng dao động góc rotor và sụt giảm tần số cục bộ tương tự lưới điện 500kV Việt Nam.

Thuật toán huấn luyện Levenberg-Marquardt đóng góp thế nào vào độ chính xác của mạng nơ-ron? Thuật toán Levenberg-Marquardt kết hợp ưu điểm của phương pháp Gauss-Newton và Gradient Descent, mang lại tốc độ hội tụ bậc hai vượt trội mà không cần tính toán ma trận Hessian trực tiếp. Nhờ đó, mạng nơ-ron đạt sai số huấn luyện cực nhỏ dưới 0,00001, ngăn chặn hiện tượng kẹt tại cực trị địa phương và tăng độ tin cậy khi nhận dạng sự cố bất ngờ.

Giải pháp đề xuất có khả năng tích hợp vào hệ thống SCADA/EMS hiện nay của Việt Nam không? Hoàn toàn khả thi vì mô hình chỉ yêu cầu thu thập dữ liệu công suất, điện áp và tần số tiền sự cố qua giao thức SCADA tiêu chuẩn. Sau khi mạng nơ-ron được huấn luyện offline trên máy tính chuyên dụng, thuật toán online chỉ mất vài mili giây để xuất lệnh điều khiển ngắt máy cắt phụ tải qua mạng truyền thông diện rộng sẵn có của ngành điện.

Kết luận

Luận văn đã giải quyết trọn vẹn bài toán điều khiển khẩn cấp sa thải phụ tải nhằm duy trì ổn định động hệ thống điện. Năm đóng góp khoa học và thực tiễn nổi bật của công trình bao gồm:

• Xây dựng thành công mô hình phối hợp 3 giải thuật tiên tiến K-means, mạng nơ-ron nhân tạo ANN và thuật toán phân tích thứ bậc AHP trong bài toán điều khiển quá độ.
• Giảm thời gian ra quyết định cắt tải xuống mức dưới 10 mili giây, tạo bước đột phá so với các phương pháp giải tích truyền thống.
• Rút ngắn thời gian phục hồi tần số về dải an toàn 50Hz ± 0,2Hz xuống còn 2,4 giây đối với các sự cố ngắn mạch nghiêm trọng.
• Tối ưu hóa dung lượng sa thải phụ tải, tiết kiệm khoảng 18% đến 22% công suất không bị cắt gián đoạn so với phương pháp rơ-le UFLS thông thường.
• Xây dựng bộ cơ sở dữ liệu hoàn chỉnh trên hệ thống chuẩn IEEE 39 nút, 10 máy phát phục vụ công tác nghiên cứu và đào tạo chuyên sâu ngành Kỹ thuật điện.

Lộ trình phát triển tiếp theo trong 12 đến 36 tháng tới cần tập trung vào việc thử nghiệm mô hình trên hệ thống phần cứng thời gian thực RTDS và mở rộng kiểm chứng với lưới điện tích hợp năng lượng tái tạo quy mô lớn. Các đơn vị vận hành và viện nghiên cứu hãy chủ động ứng dụng giải pháp công nghệ tri thức này để nâng cao toàn diện độ tin cậy và an ninh hệ thống điện Việt Nam.

Trích đoạn nội dung tài liệu

LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Cà Mau, ngày 10 tháng 03 năm 2017 Ngƣời cam đoan Mai Ngọc Nhẫn iv LỜI CẢM ƠN Kính gửi lời cảm ơn đến tất cả ngƣời thân trong gia đình cùng đồng nghiệp đã động viên, ủng hộ và tạo điều kiện tốt nhất dành cho tôi trong quá trình học tập và nghiên cứu. Tôi xin chân thành cảm ơn thầy PGS.TS Quyền Huy Ánh đã tận tình hƣớng dẫn cho tôi trong thời gian thực hiện luận văn.

Tôi c ng xin chân thành biết ơn đến thầy Th.S Lê Trọng Ngh a – ĐHSP Kỹ Thuật Tp.HCM đã gi p đ tôi trong quá trình hoàn thành luận văn. Tôi c ng xin gửi lời cảm ơn đến tất cả các Thầy/Cô đang giảng dạy tại Khoa Điện – Điện tử của Trƣờng Đại học Sƣ Phạm Kỹ Thành phố Hồ Chí Minh đã tận tâm giảng dạy và gi p đ tôi hoàn thành tốt chƣơng trình học tập.HCM, ngày 10 tháng 03 năm 2017. Ngƣời Viết Mai Ngọc Nhẫn v TÓM TẮT Các sự cố về nhiễu loạn của hệ thống điện thƣờng là do sự cố mất điện của các máy phát điện, sự cố ngắn mạch đƣờng dây, thanh góp hoặc do tải thay đổi bất ngờ. Mức độ của sự mất ổn định thì tùy thuộc vào thời gian và mức độ của các sự nhiễu loạn.

Có nhiều biện pháp để duy trì ổn định động hệ thống điện, trong đó giải pháp sa thải một phần phụ tải c ng là vấn đề luôn đƣợc các nhà nghiên cứu và vận hành hệ thống quan tâm. Trong việc sa thải phụ tải, chống mất ổn định động và sự cố lan rộng, điều quan trọng là nhanh chóng đề ra chiến lƣợc sa thải phụ tải hợp lý, gi p tần số phục hồi nhanh chóng và giá trị tần số phục hồi chấp nhận đƣợc. Đây là bài toán phức tạp, cần có các nghiên cứu chuyên sâu trong việc phối hợp các giải thuật công nghệ tri thức và mạng nơ ron để xây dựng mô hình đánh giá nhanh tình huống sự cố, ra quyết định kịp thời, hạn chế sa thải phụ tải ở mức thấp nhất là yêu cầu bức thiết hiện nay. Luận văn này nghiên cứu và đề xuất mô hình: “Nghiên cứu sa thải phụ tải áp dụng mạng nơron và thuật toán AHP” để sa thải phụ tải nhằm đảm bảo duy trì ổn định động hệ thống điện khi xuất hiện sự cố ngắn mạch trên cơ sở phối hợp áp dụng giải thuật công nghệ tri thức: K-means, mạng nơ ron và giải thuật AHP.

Đây là mô hình sa thải phụ tải cho phép giảm thời gian ra quyết định, giảm thời gian phục hồi tần số và nâng cao độ ổn định tần số so với các phƣơng pháp truyền thống. Nội dung chính của luận văn trình bày các vấn đề: - Nghiên cứu lý thuyết ổn định hệ thống điện, chiến lƣợc sa thải phụ tải - Nghiên cứu giải thuật K-means, mạng nơ ron nhân tạo và giải thuật AHP. - Nghiên cứu và mô phỏng tạo cơ sở dữ liệu đánh giá ổn định hệ thống điện chuẩn IEEE 39-bus, 10-máy phát sử dụng phần mềm PowerWorld. - Sử dụng công cụ Neuron ToolBook trong Matlab để huấn luyện và phân loại tình huống và lựa chọn chiến lƣợc điều khiển.

vi Kết quả thử nghiệm mô hình sa thải phụ tải đề xuất áp dụng cho hệ thống điện IEEE 39-bus, 10-máy phát cho thấy tần số của hệ thống phục hồi nhanh hơn và giá trị tần số phục hồi tốt hơn so với phƣơng pháp truyền thống. Kết quả nghiên cứu của luận văn có thể sử dụng làm tài liệu tham khảo cho nghiên cứu sinh, học viên cao học ngành Kỹ thuật điện trong bài toán nghiên cứu điều khiển khẩn cấp khi xảy ra sự cố trong hệ thống điện nhằm duy trì ổn định động hệ thống. vii ABSTRACT The disturbances of power system are often caused by outages of the generators, the line short-circuit and bus bar problem or sudden load changes. The level of instability depends on the time and magnitude of the disturbance.

There are many methods to maintain the stability of power system, including the solution load shedding a part load is also the problem that has always been interested by the researchers and the operator power system. There are many measures to maintain dynamic stability of electrical systems, including layoffs solution part load is always being the researcher and the operation of the system of interest. In the load shedding, the anti-instability and the widespread disturbance, it is important to quickly propose a reasonable load shedding the strategy. It helps the recovery frequency quickly and recovery frequency values are acceptable.

This is a complex problem, it should be in-depth studies in collaboration technology knowledge algorithms and neural network knowledge to build models quickly assess incidents, in time decision making, reduces the load shedding at its lowest load is now an urgent requirement. This thesis researched and proposed load shedding model: “Load shedding apply Neural Network and Analytic Hierarchy Process (AHP)” to ensure sustained power system stability when short circuit incidents occur based on the basis of coordination algorithms applied technology knowledge: K means clustering, neural network and AHP algorithms. This is a load shedding model allowing reduce the decision time, recovery time and improve frequency stability compared to traditional methods. The main contents of the thesis present the problems: - Research the theoretical stability of power system, and load shedding strategy - Research K-means algorithm, artificial neural network algorithms and AHP.

- Research and simulate to create the database rated stable power system IEEE 39-bus, 10-player software using PowerWorld. viii - Using Toolbox Neuron in Matlab to train and classify situations and selected control strategy. Test results of the load shedding model applied to IEEE 39 bus, generators 10 electrical systems, showing the recovery frequency time and restoration frequency value of the power system faster and better than traditional methods. The research results of the thesis can be used as a reference for candidate PhD, post graduate students in the electrical engineering to research emergency control problem when the disturbances occur to maintain power system stability.

ix MỤC LỤC Trang Trang tựa Quyết định giao đề tài Xác nhận của cán bộ hƣớng dẫn LÝ LỊCH KHOA HỌC. i LỜI CAM ĐOAN. iv LỜI CẢM ƠN .viii MỤC LỤC. x CÁC TỪ VIẾT TẮT .xiii DANH SÁCH CÁC HÌNH.

xiv DANH SÁCH CÁC BẢNG. xvii Chƣơng 1. Tổng quan về hƣớng nghiên cứu. Tổng quan về các nghiên cứu liên quan.

Tính cấp thiết của đề tài. Mục tiêu nghiên cứu. Nhiệm vụ và giới hạn đề tài. Phƣơng pháp nghiên cứu.

Các bƣớc thực hiện. Ổn định hệ thống điện (HTĐ). Khái niệm về sa thải phụ tải. Các phƣơng pháp sa thải phụ tải.

Tổng quan chung về các nghiên cứu sa thải phụ tải trên thế giới. Mạng nơron nhân tạo (ANN) [5]. Các khái niệm cơ bản. Các thành phần cơ bản của nạng nơ ron nhân tạo.

Phân loại mạng nơ ron. Các loại mạng nơ ron. Đặc tính của mạng nơ ron. Lựa chọn mẫu -Nguyên tắc lựa chọn mẫu.

Thiết kế mạng truyền thẳng. Các thuật toán huấn luyện. Thuật toán huấn luyện Lenvenberg – Marquardt (trainlm). Thuật toán huấn luyện Bayesian (trainbr) .3 Thuật toán huấn luyện Scaled Conjugate Gradient (trainscg).

Thuật toán huấn luyện Resillient backpropagation (trainrp). Giải thuật K-means. Thuật toán AHP [4]. Thuật toán AHP.

42 MÔ HÌNH ĐIỀU KHIỂN KHẨN CẤP SA THẢI PHỤ TẢI DỰA TRÊN THUẬT TOÁN AHP VÀ MẠNG NƠ RON NHÂN TẠO. 46 ĐIỀU KHIỂN KHẨN CẤP SA THẢI PHỤ TẢI DỰA TRÊN THUẬT TOÁN AHP VÀ MẠNG NƠ RON NHÂN TẠO. Mô phỏng offline các trƣờng hợp sự cố mất ổn định. Mô phỏng các trƣờng hợp sự cố bằng phần mềm Powerworld.

Thu thập dữ liệu mô phỏng. Xây dựng tập mẫu học và chuẩn hóa dữ liệu. Phân nhóm dữ liệu sử dụng giải thật K–means. Sử dụng công cụ ANN để huấn luyện tập mẫu học.

Đánh giá độ chính xác của huấn luyện. Các chiến lƣợc điều khiển sa thải phụ tải dựa trên thuật toán AHP trên cơ sở các phân lớp chiến lƣợc điều khiển. Tính toán tầm quan trọng của các đơn vị tải sơ đồ IEEE 39 bus 10 máy phát. Chiến lƣợc điều khiển sa thải phụ tải dựa trên thuật toán AHP.

So sánh với các phƣơng pháp sa thải truyền thống. Phƣơng pháp sa thải phụ tải truyền thống dựa trên thuật toán AHP. Phƣơng pháp sa thải phụ tải dựa trên relay sa thải dƣới tần số .3 Phƣơng pháp sa thải phụ tải đề xuất. 78 xi Chƣơng 5.

82 KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU PHÁT TRIỂN. Hƣớng nghiên cứu phát triển. 82 TÀI LIỆU THAM KHẢO. 89 Bảng PL 1: Thông số mô hình máy phát điện đồng bộ GENPWTwoAxis.

89 Bảng PL 2: Thông số thiết bị điều khiển kích từ IEEE1. 89 Bảng PL 3: Thông số thiết bị điều chỉnh tần số TGOV1. 89 Bảng PL 4: Công suất định mức, công suất Pmax, Pmin máy phát, điện áp đầu cực máy phát, công suất định mức tải. 90 Bảng PL 5: Thông số điện trở RT, điện kháng XT và thông số cài đặt đầu phân áp trên các máy biến áp.

91 Bảng PL 6: Thông số điện trở, điện kháng và dung dẫn đƣờng dây. 92 Bảng PL 7: Thông số xác lập trên các thanh góp khi chạy phân bố công suất tối ƣu OPF ở 80% tải. 93 Bảng PL 8: Thông số xác lập trên các thanh góp khi chạy phân bố công suất tối ƣu OPF ở 90% tải. 94 Bảng PL 9: Thông số xác lập trên các thanh góp khi chạy phân bố công suất tối ƣu OPF ở 100% tải.

95 Bảng PL 10: Thông số xác lập trên các thanh góp khi chạy phân bố công suất tối ƣu OPF ở 110% tải. 96 Bảng PL 11: Thông số xác lập trên các thanh góp khi chạy phân bố công suất tối ƣu OPF ở 120% tải. 97 xii CÁC TỪ VIẾT TẮT - HTĐ: Hệ thống điện - STPT: Sa thải phụ tải - STĐB: Sa thải đặc biệt - MPĐ: Máy phát điện - NMĐ: Nhà máy điện - MBA: Máy biến áp - ILS (Intelligent Load Shedding): Sa thải phụ tải thông minh - UFLS (Under Frequency Load Shedding): Kỹ thuật STPT dƣới tần số thích nghi - ANN (Artificial Neural Networks): Mạng nơ ron nhân tạo ANN - AGC (Automatic Generation Control): Điều chỉnh tự động công suất phát NMĐ - AVR (Automatic Voltage Regulator): Điều chỉnh tự động điện áp của tổ MPĐ - HGA (Hierarchical Genetic Algorithm): Thuật toán di truyền phân tần - AHP (Analytic Hierarchy Process): Giải thuật AHP xiii DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 2.1: Cấu tr c tổng quát của chƣơng trình ILS.2: Mô hình toán đơn giản của một nơ ron .3: Mạng Feedforward 1 lớp .