Tổng quan nghiên cứu

Hệ thống điện truyền tải đóng vai trò quan trọng trong việc cung cấp điện năng ổn định cho các trung tâm phụ tải. Theo ước tính, các sự cố trên đường dây tải điện 110 kV không phân nhánh xảy ra phổ biến do nhiều nguyên nhân như sét đánh, cách điện già hóa, cây cối đổ vào đường dây, gây ảnh hưởng nghiêm trọng đến độ tin cậy cung cấp điện và thiệt hại kinh tế. Việc xác định chính xác vị trí sự cố trên đường dây truyền tải điện giúp rút ngắn thời gian xử lý, giảm thiểu mất điện và tăng hiệu quả vận hành hệ thống. Mục tiêu nghiên cứu của luận văn là ứng dụng lý thuyết mạng nơron để phân tích sóng phản hồi và xác định vị trí sự cố trên đường dây tải điện 110 kV, nhằm nâng cao độ chính xác và giảm sai số so với các phương pháp truyền thống. Phạm vi nghiên cứu tập trung vào đường dây tải điện 110 kV không phân nhánh, với dữ liệu thu thập và mô phỏng thực hiện tại địa bàn tỉnh Thái Nguyên trong giai đoạn năm 2020. Nghiên cứu có ý nghĩa thiết thực trong việc cải thiện công tác bảo trì, vận hành hệ thống điện, góp phần nâng cao độ tin cậy và chất lượng điện năng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết truyền sóng trên đường dây tải điện và lý thuyết mạng nơron mờ TSK (Takagi-Sugeno-Kang).

  • Lý thuyết truyền sóng trên đường dây tải điện: Mô hình đường dây được xây dựng theo dạng hình PI với các tham số phân bố đều gồm điện trở, điện cảm và điện dung. Sóng điện từ lan truyền trên đường dây gồm sóng thuận và sóng ngược với các thông số đặc trưng như tổng trở sóng $Z_C$, hệ số tắt $\alpha$, hệ số pha $\beta$ và vận tốc truyền sóng $v$. Sóng phản hồi từ điểm sự cố về đầu đường dây được phân tích dựa trên mô hình Petersen tương đương, giúp xác định các hệ số phản xạ và khúc xạ tại điểm sự cố và tải cuối đường dây.

  • Lý thuyết mạng nơron mờ TSK: Mạng nơron mờ TSK kết hợp mạng nơron và logic mờ, sử dụng các quy tắc suy luận dạng "If-Then" với hàm đầu ra là hàm tuyến tính của các biến đầu vào. Mạng gồm 5 lớp, trong đó lớp mờ hóa và lớp hàm tuyến tính chứa các tham số có thể điều chỉnh. Thuật toán học mạng TSK sử dụng phương pháp hỗn hợp điều chỉnh thông số phi tuyến và tuyến tính, kết hợp thuật toán phân cụm trừ mờ để khởi tạo trọng tâm các quy tắc, giúp mạng hội tụ nhanh và chính xác.

Các khái niệm chính bao gồm: sóng thuận và sóng ngược, tổng trở sóng, hệ số phản xạ, biến đổi Wavelet rời rạc (DWT), mạng nơron mờ TSK, thuật toán phân cụm trừ mờ, và thuật toán học mạng TSK.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm tín hiệu điện áp và dòng điện phản hồi đo được tại đầu đường dây tải điện 110 kV khi xảy ra sự cố. Dữ liệu được thu thập thông qua mô phỏng trên phần mềm Matlab-Simulink với các thư viện SimPowerSystems, mô phỏng các dạng sự cố như ngắn mạch 1 pha, 2 pha, 3 pha chạm đất. Cỡ mẫu dữ liệu gồm các tín hiệu phản hồi được trích xuất xung quanh thời điểm sóng phản hồi với tần số lấy mẫu 1 kHz.

Phương pháp phân tích chính là biến đổi Wavelet rời rạc để xác định thời điểm sóng phản hồi từ điểm sự cố về đầu đường dây. Để hiệu chỉnh sai số do ảnh hưởng của điện cảm sự cố và các yếu tố nhiễu, mạng nơron mờ TSK được xây dựng với 20 đầu vào tương ứng 20 mẫu giá trị tín hiệu xung quanh thời điểm sóng phản hồi và một đầu ra là sai số thời gian. Thuật toán học mạng TSK sử dụng thuật toán phân cụm trừ mờ để khởi tạo mạng và thuật toán học hỗn hợp để điều chỉnh các tham số phi tuyến và tuyến tính. Timeline nghiên cứu kéo dài trong năm 2020, bao gồm giai đoạn thu thập dữ liệu, xây dựng mô hình, huấn luyện mạng nơron và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Xác định vị trí sự cố bằng phân tích sóng phản hồi: Qua phân tích Wavelet, thời điểm sóng phản hồi được xác định với sai số trung bình khoảng 3-5 ms, tương đương sai số vị trí khoảng 0.5-1 km trên đường dây dài 50 km.

  2. Hiệu chỉnh sai số bằng mạng nơron mờ TSK: Sau khi áp dụng mạng nơron mờ TSK, sai số vị trí sự cố giảm xuống còn khoảng 0.1-0.3 km, tương đương giảm 60-80% so với phương pháp chỉ dùng Wavelet. Kết quả mô phỏng với các dạng sự cố ngắn mạch 1 pha, 2 pha và 3 pha đều cho thấy độ chính xác cải thiện rõ rệt.

  3. So sánh với các phương pháp truyền thống: Phương pháp điện kháng đơn và phương pháp Takagi có sai số vị trí từ vài km đến hàng chục km, trong khi phương pháp đo lường từ hai phía có độ chính xác cao nhưng yêu cầu đồng bộ dữ liệu phức tạp. Phương pháp ứng dụng mạng nơron mờ TSK kết hợp phân tích Wavelet cho phép xác định vị trí sự cố chính xác hơn mà không cần đồng bộ dữ liệu từ hai đầu.

  4. Ảnh hưởng của các tham số mạng nơron: Việc lựa chọn hệ số học thích nghi và số lượng quy tắc mờ ảnh hưởng đến tốc độ hội tụ và độ chính xác của mạng. Sử dụng thuật toán phân cụm trừ mờ để khởi tạo giúp mạng hội tụ nhanh hơn và tránh rơi vào cực tiểu cục bộ.

Thảo luận kết quả

Nguyên nhân chính giúp nâng cao độ chính xác là việc kết hợp phân tích Wavelet để phát hiện thời điểm sóng phản hồi với mạng nơron mờ TSK để hiệu chỉnh sai số do các yếu tố điện cảm và nhiễu tín hiệu. Kết quả mô phỏng cho thấy mạng TSK có khả năng học và điều chỉnh các sai số phi tuyến trong tín hiệu phản hồi, từ đó cải thiện đáng kể độ chính xác định vị sự cố. So với các nghiên cứu trước đây chỉ sử dụng phương pháp trở kháng hoặc sóng lan truyền, phương pháp này giảm thiểu sai số do điện trở sự cố và dòng tải trước sự cố. Dữ liệu có thể được trình bày qua biểu đồ sai số vị trí sự cố trước và sau khi hiệu chỉnh bằng mạng nơron, cũng như bảng so sánh kết quả với các phương pháp khác. Ý nghĩa của nghiên cứu là cung cấp một công cụ định vị sự cố nhanh, chính xác, phù hợp với điều kiện vận hành thực tế của các đường dây tải điện dài và phức tạp.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống đo tín hiệu phản hồi với tần số lấy mẫu cao: Để đảm bảo độ chính xác của phân tích Wavelet, các trạm biến áp nên trang bị thiết bị đo tín hiệu điện áp và dòng điện với tần số lấy mẫu tối thiểu 1 kHz, đồng thời đảm bảo khả năng đồng bộ thời gian chính xác.

  2. Áp dụng mạng nơron mờ TSK trong phần mềm giám sát và điều khiển: Các đơn vị vận hành nên tích hợp mô hình mạng nơron mờ TSK vào hệ thống SCADA để tự động hiệu chỉnh sai số vị trí sự cố, giảm thời gian xử lý và nâng cao độ tin cậy.

  3. Đào tạo nhân lực vận hành và bảo trì: Tổ chức các khóa đào tạo chuyên sâu về lý thuyết sóng lan truyền, phân tích Wavelet và mạng nơron mờ cho kỹ sư vận hành nhằm nâng cao năng lực ứng dụng công nghệ mới.

  4. Nghiên cứu mở rộng cho các đường dây phân nhánh và điện áp cao hơn: Tiếp tục phát triển mô hình và thuật toán để áp dụng cho các đường dây tải điện có cấu trúc phức tạp hơn như đường dây phân nhánh, đường dây 220 kV và 500 kV, nhằm mở rộng phạm vi ứng dụng.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư vận hành hệ thống điện: Nắm bắt phương pháp xác định vị trí sự cố chính xác, giúp giảm thời gian xử lý sự cố và nâng cao độ tin cậy cung cấp điện.

  2. Nhà nghiên cứu và phát triển công nghệ điện: Tham khảo mô hình mạng nơron mờ TSK kết hợp phân tích Wavelet để phát triển các giải pháp định vị sự cố mới.

  3. Đơn vị quản lý và bảo trì lưới điện: Áp dụng kết quả nghiên cứu để xây dựng quy trình bảo trì dựa trên dữ liệu định vị sự cố chính xác, tối ưu hóa nguồn lực sửa chữa.

  4. Sinh viên và học viên cao học chuyên ngành kỹ thuật điện: Học tập phương pháp ứng dụng mạng nơron và phân tích tín hiệu trong lĩnh vực truyền tải điện, nâng cao kiến thức chuyên môn và kỹ năng nghiên cứu.

Câu hỏi thường gặp

  1. Phương pháp phân tích Wavelet có ưu điểm gì trong xác định vị trí sự cố?
    Phân tích Wavelet cho phép xác định đồng thời thành phần tần số và thời gian xuất hiện tín hiệu phản hồi, giúp phát hiện chính xác thời điểm sóng phản hồi từ điểm sự cố về đầu đường dây, vượt trội so với phương pháp Fourier truyền thống.

  2. Tại sao cần sử dụng mạng nơron mờ TSK để hiệu chỉnh sai số?
    Sai số trong xác định thời điểm sóng phản hồi do ảnh hưởng của điện cảm sự cố và nhiễu tín hiệu là phi tuyến và phức tạp. Mạng nơron mờ TSK có khả năng học và điều chỉnh các sai số này dựa trên dữ liệu huấn luyện, nâng cao độ chính xác định vị sự cố.

  3. Phương pháp này có thể áp dụng cho các đường dây phân nhánh không?
    Luận văn tập trung nghiên cứu đường dây không phân nhánh. Tuy nhiên, phương pháp có thể được mở rộng và điều chỉnh để áp dụng cho đường dây phân nhánh với các mô hình truyền sóng phức tạp hơn.

  4. Yêu cầu về thiết bị đo tín hiệu để áp dụng phương pháp này là gì?
    Cần thiết bị đo điện áp và dòng điện có tần số lấy mẫu cao (khoảng 1 kHz trở lên), khả năng ghi nhận tín hiệu phản hồi chính xác và đồng bộ thời gian để đảm bảo hiệu quả phân tích Wavelet và mạng nơron.

  5. Mạng nơron mờ TSK có thể tự động học và thích nghi trong vận hành thực tế không?
    Mạng có thể được huấn luyện trước với dữ liệu mô phỏng và thực tế, sau đó áp dụng để hiệu chỉnh thời gian thực. Việc cập nhật và huấn luyện lại mạng định kỳ giúp mạng thích nghi với các điều kiện vận hành thay đổi.

Kết luận

  • Luận văn đã nghiên cứu và ứng dụng thành công lý thuyết mạng nơron mờ TSK kết hợp phân tích Wavelet để xác định vị trí sự cố trên đường dây tải điện 110 kV không phân nhánh.
  • Phương pháp mới giúp giảm sai số vị trí sự cố xuống còn khoảng 0.1-0.3 km, cải thiện đáng kể so với các phương pháp truyền thống.
  • Mô hình mạng nơron mờ TSK được khởi tạo bằng thuật toán phân cụm trừ mờ và học bằng thuật toán hỗn hợp, đảm bảo hội tụ nhanh và chính xác.
  • Kết quả mô phỏng trên phần mềm Matlab-Simulink với các dạng sự cố khác nhau chứng minh tính hiệu quả và khả năng ứng dụng thực tế của phương pháp.
  • Đề xuất triển khai hệ thống đo tín hiệu tần số cao, tích hợp mạng nơron mờ TSK vào hệ thống giám sát và đào tạo nhân lực để nâng cao hiệu quả vận hành hệ thống điện.

Tiếp theo, các đơn vị vận hành và nghiên cứu có thể phối hợp triển khai thử nghiệm thực tế, mở rộng nghiên cứu cho các đường dây phân nhánh và điện áp cao hơn nhằm hoàn thiện và ứng dụng rộng rãi phương pháp này. Để biết thêm chi tiết và hỗ trợ kỹ thuật, quý độc giả vui lòng liên hệ để được tư vấn chuyên sâu.