Nghiên Cứu Phương Pháp Sa Thải Phụ Tải Ngành Kỹ Thuật Điện Tử

• Tác giả: Bùi Nguyễn Xuân Vũ
• Người hướng dẫn: PGS. Quyền Huy Ánh
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Nghiên Cứu Phương Pháp Sa Thải Phụ Tải Ngành Kỹ Thuật Điện Tử
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Tp. Hồ Chí Minh

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về đề tài nghiên cứu
• 1.2. Tính cấp thiết của đề tài
• 1.3. Phạm vị nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Điểm mới của đề tài
• 1.6. Nội dung đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Ổn định hệ thống điện
• 2.2. Các chế độ làm việc hệ thống điện
• 2.3. Phân loại ổn định hệ thống
• 2.4. Cân bằng công suất
• 2.5. Ổn định tĩnh
• 2.6. Ổn định động
• 2.7. Mô hình toán học hệ thống điện nhiều máy phát
• 2.7.1. Mô hình máy phát
• 2.7.2. Các phương pháp nghiên cứu ổn định động hệ thống điện
• 2.7.2.1. Phương pháp tích phân số
• 2.7.2.2. Phương pháp diện tích
• 2.7.3. Phương pháp trực tiếp
• 2.7.4. Phương pháp mô phỏng theo miền thời gian
• 2.8. Sa thải phụ tải truyền thống
• 2.8.1. Sơ đồ liên động máy cắt
• 2.8.2. Rơle dưới tần số truyền thống (ANSI 81)
• 2.8.3. Rơle dưới tần số sử dụng tốc độ thay đổi tần số (df/dt)
• 2.8.4. Đáp ứng tần số
• 2.8.5. UFLS sử dụng df/dt
• 2.9. Sa thải phụ tải thông minh (ILS - Intelligent Load Shedding)
• 2.9.1. Sự cần thiết của ILS
• 2.9.2. Các yêu cầu bổ sung cho hệ thống ILS
• 2.9.3. Sơ đồ khối chức năng của ILS
• 2.10. Lý thuyết mạng neural
• 2.10.1. Mạng neural sinh học
• 2.10.2. Neural nhân tạo
• 2.10.2.1. Mô hình cấu trúc một neural với đại lượng vô hướng
• 2.10.2.2. Cấu trúc một neural với vectơ nhập
• 2.10.2.3. Mạng có nhiều lớp neural
• 2.10.3. Các dạng mạng neural của một ANN
• 2.10.4. Hàm chuyển đổi của mạng neural
• 2.10.5. Các qui tắc học trong ANN
• 2.10.5.1. Học không giám sát
• 2.10.5.2. Học tăng cường
• 2.10.6. Mạng hàm truyền xuyên tâm
• 2.10.7. Mạng neural xác suất
• 2.11. Cơ sở lý thuyết về khoảng cách pha
• 2.11.1. Diễn giải vật lý
• 3. CHƯƠNG 3: PHƯƠNG PHÁP SA THẢI ĐỀ XUẤT
• 3.1. Xây dựng chương trình sa thải
• 3.2. Dùng phương pháp ANN nhận dạng sự cố
• 4. CHƯƠNG 4: THỬ NGHIỆM TRÊN HỆ THỐNG ĐIỆN CHUẨN
• 4.1. Tính toán khoảng cách pha
• 4.2. Thử nghiệm sa thải tải trên sơ đồ chuẩn bằng Powerwold
• 4.3. Huấn luyện mạng neural nhân tạo bằng matlab
• 4.4. Tạo giao diện trên guide Matlab
• 4.5. So sánh phương pháp đề xuất với các phương pháp đã có
• 4.5.1. Giới thiệu thuật toán AHP và chiến lược sa thải đề xuất từ thuật toán
• 4.5.2. Giới thiệu hệ thống sa thải phụ tải theo tần số thấp
• 4.5.3. Mô phỏng và so sánh các trường hợp với nhau
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN
• 5.1. Hướng nghiên cứu phát triển
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: Chương trình tạo giao diện guide matlab
• PHỤ LỤC 2: Chương trình tìm hằng số spread

I. Tổng quan về Nghiên Cứu Phương Pháp Sa Thải Phụ Tải Ngành Kỹ Thuật Điện Tử

Nghiên cứu về phương pháp sa thải phụ tải trong ngành kỹ thuật điện tử đang trở thành một chủ đề nóng trong bối cảnh nhu cầu năng lượng ngày càng tăng. Việc duy trì sự ổn định của hệ thống điện là rất quan trọng, đặc biệt khi có sự cố xảy ra. Các phương pháp truyền thống thường không đủ hiệu quả, dẫn đến việc cần thiết phải phát triển các giải pháp mới. Luận văn này sẽ trình bày các phương pháp hiện có và đề xuất một phương pháp mới nhằm tối ưu hóa quá trình sa thải phụ tải.

1.1. Tính cấp thiết của nghiên cứu phương pháp sa thải phụ tải

Sự cần thiết của việc nghiên cứu phương pháp sa thải phụ tải xuất phát từ những sự cố lớn trong hệ thống điện, như sự cố mất điện tại miền Bắc Ấn Độ hay miền Nam Việt Nam. Những sự cố này không chỉ gây thiệt hại kinh tế mà còn ảnh hưởng đến đời sống của hàng triệu người. Việc phát triển các phương pháp mới giúp cải thiện độ ổn định của hệ thống điện là rất cần thiết.

1.2. Phạm vi nghiên cứu và các phương pháp hiện có

Phạm vi nghiên cứu tập trung vào hệ thống IEEE 39 nút - 10 máy phát. Các phương pháp hiện có như AHP và UFLS đã được áp dụng nhưng vẫn còn nhiều hạn chế. Nghiên cứu này sẽ so sánh các phương pháp hiện tại và đề xuất một phương pháp mới nhằm cải thiện hiệu quả sa thải phụ tải.

II. Vấn đề và Thách thức trong Sa Thải Phụ Tải Ngành Kỹ Thuật Điện Tử

Trong quá trình vận hành hệ thống điện, việc sa thải phụ tải gặp phải nhiều thách thức. Các phương pháp truyền thống thường không đủ chính xác và có thể dẫn đến việc sa thải quá mức cần thiết. Điều này không chỉ gây tổn thất điện năng mà còn làm giảm chất lượng điện năng. Nghiên cứu này sẽ phân tích các vấn đề chính và thách thức trong việc áp dụng các phương pháp sa thải phụ tải hiện tại.

2.1. Các vấn đề chính trong sa thải phụ tải

Các vấn đề chính bao gồm độ chính xác trong việc xác định phụ tải cần sa thải và thời gian phục hồi hệ thống. Nhiều phương pháp hiện tại không thể đáp ứng yêu cầu này, dẫn đến sự không ổn định trong hệ thống điện.

2.2. Thách thức trong việc áp dụng công nghệ mới

Việc áp dụng công nghệ mới như mạng neural và lý thuyết khoảng cách pha gặp phải nhiều thách thức, bao gồm chi phí đầu tư và yêu cầu về kỹ thuật. Tuy nhiên, nếu được triển khai đúng cách, những công nghệ này có thể mang lại hiệu quả cao hơn trong việc sa thải phụ tải.

III. Phương Pháp Sa Thải Phụ Tải Đề Xuất Dựa Trên Mạng Neural

Phương pháp sa thải phụ tải đề xuất trong nghiên cứu này dựa trên sự kết hợp giữa mạng neural hồi quy và lý thuyết khoảng cách pha. Phương pháp này không chỉ giúp xác định phụ tải cần sa thải một cách chính xác mà còn tối ưu hóa thời gian phục hồi hệ thống. Kết quả mô phỏng cho thấy phương pháp này có hiệu quả cao hơn so với các phương pháp truyền thống.

3.1. Cơ sở lý thuyết về mạng neural hồi quy

Mạng neural hồi quy là một công cụ mạnh mẽ trong việc phân tích dữ liệu và dự đoán. Trong nghiên cứu này, mạng neural được sử dụng để xác định phụ tải cần sa thải dựa trên các thông số như tần số, điện áp và công suất.

3.2. Lý thuyết khoảng cách pha trong sa thải phụ tải

Lý thuyết khoảng cách pha giúp xác định khoảng cách giữa máy phát bị sự cố và các phụ tải. Phương pháp này cho phép sắp xếp các phụ tải theo thứ tự ưu tiên, từ đó tối ưu hóa quá trình sa thải.

IV. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu

Kết quả nghiên cứu cho thấy phương pháp sa thải phụ tải đề xuất có hiệu quả cao hơn so với các phương pháp AHP và UFLS. Thời gian phục hồi nhanh hơn 18% so với AHP và 55% so với UFLS. Lượng công suất sa thải cũng ít hơn 15% so với AHP và 45.6% so với UFLS. Những kết quả này có thể được sử dụng làm cơ sở dữ liệu tham khảo cho các điều độ viên hệ thống điện.

4.1. Kết quả mô phỏng trên hệ thống chuẩn

Mô phỏng được thực hiện trên hệ thống chuẩn IEEE 39 bus cho thấy độ chính xác cao trong việc xác định phụ tải cần sa thải. Các thông số như ΔPG, ΔPL, ΔPBus được thu thập để phân tích hiệu quả của phương pháp.

4.2. So sánh hiệu quả với các phương pháp khác

Kết quả so sánh cho thấy phương pháp đề xuất không chỉ nhanh hơn mà còn hiệu quả hơn trong việc sa thải phụ tải. Điều này mở ra hướng đi mới cho việc cải thiện độ ổn định của hệ thống điện.

V. Kết Luận và Hướng Nghiên Cứu Phát Triển

Nghiên cứu đã chỉ ra rằng việc áp dụng phương pháp sa thải phụ tải mới có thể cải thiện đáng kể độ ổn định của hệ thống điện. Tuy nhiên, vẫn cần tiếp tục nghiên cứu để hoàn thiện và mở rộng ứng dụng của phương pháp này trong thực tiễn. Hướng nghiên cứu tiếp theo có thể tập trung vào việc tích hợp các công nghệ mới và cải thiện độ chính xác của mô hình.

5.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu cho thấy phương pháp đề xuất có nhiều ưu điểm so với các phương pháp truyền thống. Điều này mở ra cơ hội cho việc áp dụng rộng rãi trong ngành điện.

5.2. Hướng nghiên cứu trong tương lai

Hướng nghiên cứu tiếp theo có thể tập trung vào việc phát triển các mô hình dự đoán chính xác hơn và tích hợp các công nghệ mới như IoT và AI vào hệ thống điện.

Tổng quan nghiên cứu

Trong bối cảnh nhu cầu năng lượng ngày càng tăng cao, ngành điện đóng vai trò then chốt trong việc đảm bảo phát triển kinh tế - xã hội. Tuy nhiên, hệ thống điện thường xuyên phải đối mặt với các sự cố mất cân bằng công suất, đặc biệt là sự cố mất một máy phát, gây ra mất ổn định tần số và điện áp, dẫn đến nguy cơ mất điện diện rộng. Ví dụ điển hình như sự cố mất điện tại miền Bắc Ấn Độ năm 2012 ảnh hưởng đến hơn 600 triệu dân, hay sự cố mất điện miền Nam Việt Nam năm 2013 làm ảnh hưởng đến 8 triệu khách hàng. Những sự cố này cho thấy tính cấp thiết của việc nghiên cứu các phương pháp sa thải phụ tải nhằm duy trì ổn định hệ thống điện.

Mục tiêu nghiên cứu của luận văn là đề xuất một phương pháp sa thải phụ tải tối ưu dựa trên phối hợp mạng neural hồi quy tổng quát (GRNN) và lý thuyết khoảng cách điện theo góc pha, nhằm giảm thiểu lượng tải phải cắt và rút ngắn thời gian phục hồi tần số sau sự cố mất một máy phát. Phạm vi nghiên cứu tập trung trên hệ thống chuẩn IEEE 39 bus với 10 máy phát, mô phỏng các trường hợp sự cố máy phát ở mức tải từ 60% đến 100%. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ các điều độ viên hệ thống điện nhanh chóng xác định các phụ tải cần sa thải, góp phần nâng cao độ ổn định và chất lượng điện năng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Ổn định hệ thống điện: Phân biệt ổn định tĩnh và ổn định động, trong đó ổn định tĩnh là khả năng hệ thống trở lại trạng thái cân bằng sau các nhiễu nhỏ, còn ổn định động là khả năng chịu đựng và phục hồi sau các kích động lớn như sự cố mất máy phát.

• Lý thuyết khoảng cách điện theo góc pha: Khoảng cách pha được tính toán để xác định thứ tự ưu tiên sa thải phụ tải dựa trên khoảng cách điện giữa máy phát bị sự cố và các bus tải, giúp sắp xếp các phụ tải theo thứ tự tăng dần khoảng cách pha.

• Mạng neural nhân tạo (ANN): Sử dụng mạng hồi quy tổng quát (GRNN) để nhận dạng sự cố và dự báo phụ tải cần sa thải. Mạng neural có khả năng học và tổng hợp các mẫu dữ liệu phức tạp, cho phép ra quyết định nhanh chóng và chính xác.

• Các phương pháp sa thải phụ tải truyền thống: Bao gồm sa thải theo tần số thấp (UFLS), phương pháp phân tích thứ bậc (AHP), và sa thải theo sơ đồ liên động máy cắt, được sử dụng để so sánh hiệu quả với phương pháp đề xuất.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu được thu thập từ mô phỏng offline trên hệ thống chuẩn IEEE 39 bus - 10 máy phát bằng phần mềm PowerWorld, với các thông số gồm góc rotor (δ), tần số (f), điện áp (V), công suất (P). Tổng cộng 369 mẫu dữ liệu được sử dụng để huấn luyện mạng GRNN.

• Phương pháp phân tích: Tính toán khoảng cách điện theo góc pha giữa máy phát bị sự cố và các bus tải để xác định thứ tự sa thải. Mạng GRNN được huấn luyện với độ chính xác huấn luyện đạt 99,9% và độ chính xác kiểm tra là 96,1%. Kết quả mạng neural cho biết máy phát bị sự cố và danh sách phụ tải cần sa thải.

• Timeline nghiên cứu: Quá trình nghiên cứu bao gồm các bước: mô phỏng sự cố trên hệ thống chuẩn, thu thập dữ liệu, huấn luyện mạng neural, xây dựng giao diện mô phỏng và so sánh hiệu quả với các phương pháp truyền thống. Thời gian nghiên cứu tập trung trong năm 2017-2018.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả sa thải phụ tải: Phương pháp đề xuất giảm lượng công suất sa thải ít hơn 15% so với phương pháp AHP và 45,6% so với phương pháp sa thải dưới tần số (UFLS).

2. Tốc độ phục hồi tần số: Tần số phục hồi nhanh hơn 18% so với phương pháp AHP và 55% so với phương pháp UFLS, giúp hệ thống nhanh chóng trở lại trạng thái ổn định.

3. Độ chính xác mạng neural: Mạng GRNN đạt độ chính xác huấn luyện 99,9% và kiểm tra 96,1%, đảm bảo khả năng nhận dạng sự cố và quyết định sa thải phụ tải chính xác.

4. Ứng dụng thực tiễn: Giao diện neural được xây dựng giúp thuận tiện cho việc mô phỏng và huấn luyện, hỗ trợ điều độ viên trong việc ra quyết định nhanh chóng khi có sự cố.

Thảo luận kết quả

Nguyên nhân của hiệu quả vượt trội là do phương pháp kết hợp lý thuyết khoảng cách pha giúp xác định chính xác phụ tải gần máy phát bị sự cố nhất để ưu tiên sa thải, đồng thời mạng neural hồi quy tổng quát cho phép xử lý dữ liệu phức tạp và đưa ra quyết định nhanh chóng. So với các phương pháp truyền thống như AHP và UFLS, phương pháp đề xuất giảm thiểu sa thải phụ tải không cần thiết, tránh gây tổn thất điện năng lớn và giảm thời gian phục hồi tần số.

Kết quả có thể được trình bày qua biểu đồ so sánh thời gian phục hồi tần số và lượng công suất sa thải giữa các phương pháp, cũng như bảng đánh giá độ chính xác mạng neural. Điều này minh chứng cho tính khả thi và hiệu quả của phương pháp trong vận hành thực tế.

Đề xuất và khuyến nghị

1. Triển khai hệ thống sa thải phụ tải thông minh: Áp dụng phương pháp phối hợp mạng neural và khoảng cách pha trong các trung tâm điều độ điện lực nhằm nâng cao khả năng phản ứng nhanh với sự cố mất máy phát, giảm thiểu tổn thất điện năng. Thời gian thực hiện trong vòng 1-2 năm.

2. Đào tạo và nâng cao năng lực điều độ viên: Tổ chức các khóa đào tạo về sử dụng giao diện neural và hiểu biết về lý thuyết khoảng cách pha để đảm bảo vận hành hiệu quả hệ thống sa thải phụ tải. Chủ thể thực hiện là các công ty điện lực và trường đại học kỹ thuật.

3. Mở rộng nghiên cứu và ứng dụng: Nghiên cứu áp dụng phương pháp cho các hệ thống điện lớn hơn và phức tạp hơn, đồng thời tích hợp với các công nghệ mới như IoT và Big Data để nâng cao độ chính xác và khả năng dự báo. Thời gian nghiên cứu tiếp theo 3-5 năm.

4. Cập nhật và bảo trì hệ thống: Định kỳ cập nhật dữ liệu huấn luyện mạng neural và bảo trì phần mềm mô phỏng để đảm bảo độ tin cậy và hiệu quả của hệ thống sa thải phụ tải thông minh. Chủ thể thực hiện là các đơn vị vận hành hệ thống điện.

Đối tượng nên tham khảo luận văn

1. Điều độ viên hệ thống điện: Nắm bắt phương pháp sa thải phụ tải tối ưu giúp ra quyết định nhanh chóng, giảm thiểu mất điện diện rộng và tổn thất điện năng.

2. Nhà nghiên cứu và sinh viên ngành kỹ thuật điện: Tìm hiểu các lý thuyết ổn định hệ thống điện, mạng neural nhân tạo và ứng dụng trong điều khiển hệ thống điện.

3. Các công ty điện lực và đơn vị vận hành lưới điện: Áp dụng kết quả nghiên cứu để nâng cao hiệu quả vận hành, giảm thiểu rủi ro sự cố và cải thiện chất lượng điện năng.

4. Nhà quản lý và hoạch định chính sách năng lượng: Tham khảo các giải pháp kỹ thuật hiện đại để xây dựng chính sách phát triển hệ thống điện thông minh, bền vững.

Câu hỏi thường gặp

1. Phương pháp sa thải phụ tải đề xuất khác gì so với các phương pháp truyền thống?
   Phương pháp kết hợp mạng neural hồi quy tổng quát và khoảng cách điện theo góc pha giúp xác định chính xác phụ tải cần sa thải dựa trên vị trí và trạng thái hệ thống, giảm thiểu lượng tải phải cắt và rút ngắn thời gian phục hồi tần số so với phương pháp AHP và UFLS.

2. Độ chính xác của mạng neural trong nhận dạng sự cố như thế nào?
   Mạng GRNN được huấn luyện với độ chính xác huấn luyện đạt 99,9% và kiểm tra là 96,1%, đảm bảo khả năng nhận dạng sự cố và quyết định sa thải phụ tải chính xác và tin cậy.

3. Phương pháp này có thể áp dụng cho các hệ thống điện lớn hơn không?
   Có thể mở rộng áp dụng cho các hệ thống điện phức tạp hơn bằng cách thu thập dữ liệu phù hợp và huấn luyện lại mạng neural, đồng thời điều chỉnh thuật toán tính khoảng cách pha cho phù hợp với quy mô hệ thống.

4. Thời gian phục hồi tần số sau sự cố được cải thiện như thế nào?
   Phương pháp đề xuất giúp phục hồi tần số nhanh hơn 18% so với phương pháp AHP và 55% so với phương pháp sa thải dưới tần số, giúp hệ thống nhanh chóng ổn định trở lại.

5. Làm thế nào để vận hành giao diện neural trong thực tế?
   Giao diện neural được xây dựng trên nền Matlab giúp điều độ viên dễ dàng mô phỏng, huấn luyện và ra quyết định sa thải phụ tải nhanh chóng khi có sự cố, hỗ trợ vận hành hệ thống điện hiệu quả.

Kết luận

• Đề xuất phương pháp sa thải phụ tải kết hợp mạng neural hồi quy tổng quát và lý thuyết khoảng cách điện theo góc pha giúp nâng cao hiệu quả và độ chính xác trong việc duy trì ổn định hệ thống điện khi mất một máy phát.
• Mô phỏng trên hệ thống chuẩn IEEE 39 bus - 10 máy phát cho thấy phương pháp giảm thiểu lượng tải phải cắt và rút ngắn thời gian phục hồi tần số so với các phương pháp truyền thống.
• Mạng neural đạt độ chính xác huấn luyện 99,9% và kiểm tra 96,1%, đảm bảo khả năng nhận dạng sự cố và ra quyết định sa thải phụ tải tin cậy.
• Giao diện neural được xây dựng hỗ trợ thuận tiện cho việc mô phỏng và huấn luyện, giúp điều độ viên vận hành hiệu quả.
• Các bước tiếp theo bao gồm triển khai thực tế, đào tạo nhân lực và mở rộng nghiên cứu cho các hệ thống điện quy mô lớn hơn nhằm nâng cao độ ổn định và chất lượng điện năng.

Hãy áp dụng phương pháp này để nâng cao hiệu quả vận hành hệ thống điện và giảm thiểu rủi ro mất điện diện rộng trong tương lai.