Luận văn thạc sĩ hcmute nhận dạng sự cố trên đường dây truyền tải điện bằng kỹ thuật wavelet kết hợp mạng nơ rôn

Luận văn thạc sĩ nghiên cứu hcmute nhận dạng sự cố trên đường dây truyền tải điện bằng kỹ thuật wavelet kết hợp mạng nơ rôn, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Nguyễn Văn Khánh
• Người hướng dẫn: TS. Nguyễn Nhân Bổn
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện
• Đề tài: Nhận Dạng Sự Cố Trên Đường Dây Truyền Tải Điện Bằng Kỹ Thuật Wavelet Kết Hợp Mạng Nơ Ron
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
• 1.1. Đặt vấn đề
• 1.2. Mục đích
• 1.3. Nhiệm vụ của đề tài
• 1.4. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Điểm mới của đề tài
• 1.7. Giá trị thực tiễn của đề tài
• 1.8. Các nghiên cứu khoa học liên quan
• 1.9. Hướng nghiên cứu của đề tài
• 2. CHƯƠNG 2: GIỚI THIỆU VỀ PHƯƠNG PHÁP BIẾN ĐỔI WAVELET
• 2.1. Giới thiệu tổng quan mạng wavelet
• 2.2. Nguồn gốc mạng wavelet
• 2.3. Ứng dụng wavelet trong hệ thống điện
• 3. CHƯƠNG 3: TỔNG QUAN PHƯƠNG PHÁP NHẬN DẠNG SỰ CỐ DỰA TRÊN MỘT SỐ BÀO BÁO NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC
• 3.1. Tóm tắt nội dung
• 3.3. Biến đổi wavelet rời rạc
• 3.4. Mạng nơ ron nhân tạo
• 3.5. Mô hình đường dây truyền tải
• 3.6. Thiết kế phát hiện và phân loại lỗi
• 4. CHƯƠNG 4: Ý TƯỞNG CHO VIỆC NHẬN DẠNG VÀ GIỚI THIỆU VỀ MẠNG NƠ RON RBF
• 4.1. Đặc điểm của bài toán
• 4.3. Xây dựng sơ đồ giải thuật
• 4.4. Cấu trúc của một mạng RBF (Radial Basis Funtion)
• 4.5. Luật “Láng giềng gần nhất“ cho việc định vị sự cố
• 5. CHƯƠNG 5: KẾT QUẢ MỔ PHỎNG
• 5.1. Xây dựng mô hình và lấy dữ liệu sự cố
• 5.1.1. Xây dựng mô hình mô phỏng
• 5.1.2. Xây dựng các tập dữ liệu mẫu
• 5.2. Huấn luyện mạng RBF
• 5.3. Kết quả nhận dạng sự cố
• BỘ DỮ LIỆU
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về sự cố đường dây điện

Sự cố trên đường dây điện là một vấn đề nghiêm trọng trong hệ thống điện, gây ra gián đoạn cung cấp điện cho khách hàng và có thể dẫn đến thiệt hại lớn cho xã hội, đặc biệt trong ngành sản xuất công nghiệp. Việc phát hiện nhanh chóng vị trí sự cố và sửa chữa kịp thời là rất quan trọng để duy trì tính tin cậy của hệ thống điện. Tính sẵn sàng cung cấp điện liên tục và tính tin cậy ngày càng trở nên quan trọng do chính sách tự do hóa năng lượng và thị trường năng lượng cạnh tranh. Khi xảy ra sự cố, việc xác định vị trí chính xác là rất phức tạp do địa hình và điều kiện giao thông khó khăn. Do đó, cần thiết phải có các phương pháp hiệu quả để nhận dạng và xử lý sự cố, nhằm giảm thiểu thời gian mất điện và tiết kiệm nguồn lực.

1.1. Tầm quan trọng của việc nhận dạng sự cố

Việc nhận dạng sự cố trên đường dây điện không chỉ giúp khôi phục cung cấp điện mà còn bảo vệ an toàn cho hệ thống điện. Sự cố có thể gây ra những thiệt hại nghiêm trọng, do đó, việc phát hiện và xử lý kịp thời là rất cần thiết. Các phương pháp hiện tại như kỹ thuật wavelet và mạng nơ ron đã được nghiên cứu và áp dụng để cải thiện khả năng nhận dạng sự cố. Những phương pháp này cho phép phân tích tín hiệu điện một cách chính xác và nhanh chóng, từ đó xác định vị trí và nguyên nhân gây ra sự cố.

II. Phương pháp biến đổi wavelet

Phương pháp biến đổi wavelet đã trở thành một công cụ mạnh mẽ trong việc phân tích tín hiệu điện. Kỹ thuật này cho phép phân tích tín hiệu trong cả miền thời gian và tần số, giúp nhận diện các đặc trưng của tín hiệu một cách hiệu quả. Biến đổi wavelet có khả năng phát hiện các biến đổi nhanh trong tín hiệu, điều này rất quan trọng trong việc nhận dạng sự cố. Kết hợp với mạng nơ ron, phương pháp này có thể cải thiện độ chính xác trong việc xác định vị trí sự cố. Việc áp dụng biến đổi wavelet trong nghiên cứu này nhằm mục đích phát hiện và phân loại các sự cố ngắn mạch trên đường dây điện.

2.1. Ứng dụng của biến đổi wavelet trong hệ thống điện

Biến đổi wavelet đã được áp dụng rộng rãi trong các hệ thống điện để phân tích và nhận dạng các tín hiệu quá độ. Kỹ thuật này cho phép tách biệt các thành phần của tín hiệu, từ đó xác định được các sự cố xảy ra. Việc sử dụng biến đổi wavelet giúp cải thiện khả năng phát hiện và phân loại các sự cố, từ đó nâng cao độ tin cậy của hệ thống điện. Các nghiên cứu trước đây đã chỉ ra rằng việc áp dụng biến đổi wavelet kết hợp với mạng nơ ron có thể mang lại kết quả chính xác hơn so với các phương pháp truyền thống.

III. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã chỉ ra rằng việc áp dụng kỹ thuật wavelet kết hợp với mạng nơ ron có thể đạt được độ chính xác cao trong việc nhận dạng sự cố trên đường dây điện. Các mô hình được xây dựng cho phép phát hiện nhanh chóng vị trí xảy ra ngắn mạch, từ đó giúp giảm thiểu thời gian mất điện. Kết quả cho thấy phương pháp đề xuất có thể được áp dụng rộng rãi trong các trạm điện, góp phần nâng cao hiệu quả vận hành và chất lượng điện năng. Việc phát triển các giải pháp tự động trong nhận dạng sự cố sẽ giúp tiết kiệm thời gian và nguồn lực cho các công ty điện lực.

3.1. Đánh giá hiệu quả của phương pháp

Phương pháp nhận dạng sự cố bằng kỹ thuật wavelet và mạng nơ ron đã cho thấy hiệu quả rõ rệt trong việc phát hiện và phân loại các sự cố ngắn mạch. Các thử nghiệm thực tế cho thấy độ chính xác cao và thời gian phản hồi nhanh, điều này rất quan trọng trong việc duy trì hoạt động ổn định của hệ thống điện. Kết quả nghiên cứu không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn trong việc cải thiện chất lượng dịch vụ cung cấp điện cho khách hàng.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống điện truyền tải đóng vai trò then chốt trong việc đảm bảo cung cấp điện liên tục và ổn định cho các khu vực dân cư và công nghiệp. Theo ước tính, sự cố trên đường dây truyền tải điện cao thế xảy ra với tần suất ngày càng tăng do sự mở rộng nhanh chóng của mạng lưới điện và các điều kiện vận hành phức tạp. Những sự cố này không chỉ gây gián đoạn cung cấp điện mà còn dẫn đến thiệt hại kinh tế đáng kể, đặc biệt trong ngành sản xuất công nghiệp. Việc phát hiện nhanh chóng vị trí sự cố và sửa chữa kịp thời là yếu tố quyết định để duy trì tính tin cậy và ổn định của hệ thống điện.

Luận văn tập trung nghiên cứu giải pháp nhận dạng sự cố trên đường dây truyền tải điện bằng kỹ thuật biến đổi Wavelet kết hợp mạng nơ ron RBF. Mục tiêu cụ thể là mô phỏng quá trình quá độ trên đường dây truyền tải bằng Matlab-Simulink, từ đó áp dụng biến đổi Wavelet để trích xuất đặc trưng tín hiệu và sử dụng mạng nơ ron để phân loại và xác định vị trí sự cố. Phạm vi nghiên cứu bao gồm các dạng sự cố ngắn mạch phổ biến trên đường dây truyền tải cao thế, với mô hình mô phỏng đường dây dài 100 km và các thiết bị điện đi kèm.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả vận hành hệ thống điện, giảm thiểu thời gian mất điện và chi phí sửa chữa. Đồng thời, kết quả đề xuất góp phần cải thiện chất lượng điện năng và hỗ trợ các công ty truyền tải điện trong công tác quản lý và bảo trì hệ thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: biến đổi Wavelet và mạng nơ ron nhân tạo (ANN), cụ thể là mạng RBF (Radial Basis Function).

• Biến đổi Wavelet: Đây là công cụ toán học mạnh mẽ cho phân tích tín hiệu trong miền thời gian và tần số, giúp nhận dạng các hiện tượng quá độ và sự cố trên hệ thống điện. Biến đổi Wavelet rời rạc (DWT) phân tách tín hiệu thành các thành phần tần số thấp (xấp xỉ) và cao (chi tiết) ở nhiều cấp độ phân giải, cho phép phát hiện chính xác các đặc trưng của sự cố. Hàm Daubechies 4 (db4) được sử dụng làm wavelet mẹ do hiệu quả trong phát hiện sự cố.

• Mạng nơ ron RBF: Là mạng nơ ron nhân tạo với lớp ẩn sử dụng các hàm cơ sở xuyên tâm, có khả năng học và phân loại mẫu phi tuyến tính hiệu quả. Mạng RBF được huấn luyện để nhận dạng các vector đặc trưng trích xuất từ biến đổi Wavelet, phân loại các dạng sự cố và xác định vị trí ngắn mạch trên đường dây.

Ba khái niệm chính được sử dụng gồm: hệ số biến đổi Wavelet (a3, d3, d2, d1), giá trị RMS của các hệ số này làm đặc trưng năng lượng, và luật “láng giềng gần nhất” để xác định vị trí sự cố dựa trên khoảng cách vector đặc trưng.

Phương pháp nghiên cứu

Nguồn dữ liệu được thu thập từ mô phỏng hệ thống điện truyền tải trên Matlab-Simulink, với mô hình đường dây 220 kV dài 100 km, hai máy phát đồng bộ 200 MVA làm việc song song, cùng các tải và máy biến áp đi kèm. Tín hiệu dòng điện và điện áp ba pha được lấy mẫu ở tần số 20 kHz.

Phương pháp phân tích gồm:

• Mô phỏng các dạng sự cố ngắn mạch (1 pha, 2 pha, 3 pha, chạm đất, chạm nhau) tại nhiều vị trí khác nhau trên đường dây.
• Áp dụng biến đổi Wavelet rời rạc để phân tích tín hiệu dòng điện, trích xuất các hệ số chi tiết và tính toán giá trị RMS tại các cấp độ phân giải.
• Xây dựng vector đặc trưng gồm 28 thành phần từ 7 tín hiệu điện áp và dòng điện, mỗi tín hiệu gồm 4 hệ số RMS.
• Huấn luyện mạng nơ ron RBF với các vector đặc trưng mẫu, sử dụng thuật toán lan truyền ngược và điều chỉnh trọng số để tối ưu hóa độ chính xác.
• Sử dụng luật “láng giềng gần nhất” để xác định vị trí sự cố dựa trên khoảng cách Euclid giữa vector đặc trưng mới và các vector mẫu đã biết.

Quá trình nghiên cứu được thực hiện trong khoảng thời gian từ 2016 đến 2018, tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác cao trong nhận dạng sự cố: Phương pháp kết hợp biến đổi Wavelet và mạng nơ ron RBF đạt độ chính xác trên 95% trong phân loại 10 dạng sự cố ngắn mạch khác nhau trên đường dây truyền tải. Ví dụ, sự cố 3 pha chạm đất được nhận dạng với độ chính xác 98%, trong khi sự cố 1 pha chạm đất đạt 96%.

2. Xác định vị trí sự cố chính xác: Sử dụng luật “láng giềng gần nhất” trên vector đặc trưng, vị trí ngắn mạch được xác định với sai số dưới 1 km trên đường dây dài 100 km, tương đương sai số dưới 1%. Điều này giúp giảm đáng kể thời gian tìm kiếm và sửa chữa sự cố.

3. Thời gian đáp ứng nhanh: Mô hình nhận dạng sự cố có thể xử lý tín hiệu và đưa ra kết quả trong vòng chưa đầy 1 chu kỳ điện (20 ms), phù hợp với yêu cầu vận hành thời gian thực của hệ thống điện.

4. Khả năng ứng dụng thực tế: Mô hình được thử nghiệm trên hệ thống gồm hai máy phát làm việc song song, mô phỏng điều kiện vận hành thực tế, cho thấy phương pháp có tính ổn định và không nhạy cảm với biến đổi thông số hệ thống như tải và vị trí sự cố.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy biến đổi Wavelet rời rạc là công cụ hiệu quả trong việc trích xuất đặc trưng tín hiệu sự cố nhờ khả năng phân tích đa phân giải trong miền thời gian-tần số. Việc sử dụng hàm db4 giúp phát hiện nhanh các dao động quá độ đặc trưng cho sự cố ngắn mạch.

Mạng nơ ron RBF với cấu trúc lớp ẩn sử dụng hàm cơ sở xuyên tâm cho phép mô hình hóa phi tuyến tính phức tạp của tín hiệu sự cố, nâng cao khả năng phân loại chính xác các dạng sự cố khác nhau. Luật “láng giềng gần nhất” giúp định vị vị trí sự cố dựa trên khoảng cách vector đặc trưng, đơn giản nhưng hiệu quả.

So sánh với các nghiên cứu trước đây sử dụng biến đổi Fourier hoặc mạng nơ ron truyền thống, phương pháp đề xuất vượt trội về độ chính xác và thời gian đáp ứng. Kết quả có thể được trình bày qua biểu đồ so sánh độ chính xác phân loại các dạng sự cố và bảng thống kê sai số vị trí sự cố, minh họa tính ưu việt của phương pháp.

Phương pháp này có thể được áp dụng rộng rãi trong các trạm vận hành hệ thống điện nhằm nâng cao chất lượng điện năng và giảm thiểu thiệt hại do sự cố gây ra.

Đề xuất và khuyến nghị

1. Triển khai hệ thống nhận dạng sự cố tự động: Áp dụng thuật toán biến đổi Wavelet kết hợp mạng nơ ron RBF vào các thiết bị giám sát và bảo vệ đường dây truyền tải để phát hiện và phân loại sự cố tự động, giảm thiểu thời gian phản ứng. Thời gian thực hiện: 12-18 tháng; chủ thể: các công ty truyền tải điện.

2. Nâng cấp phần mềm mô phỏng và huấn luyện mạng nơ ron: Cập nhật và mở rộng bộ dữ liệu huấn luyện với các dạng sự cố mới và điều kiện vận hành đa dạng nhằm tăng cường độ chính xác và khả năng khái quát của mô hình. Thời gian: 6-12 tháng; chủ thể: nhóm nghiên cứu và phòng kỹ thuật.

3. Tích hợp hệ thống cảnh báo sớm: Phát triển giao diện cảnh báo trực quan cho người vận hành dựa trên kết quả nhận dạng sự cố, giúp nhanh chóng đưa ra quyết định xử lý. Thời gian: 6 tháng; chủ thể: phòng công nghệ thông tin và vận hành.

4. Đào tạo và nâng cao năng lực nhân sự: Tổ chức các khóa đào tạo về kỹ thuật biến đổi Wavelet và mạng nơ ron cho kỹ sư vận hành và bảo trì nhằm nâng cao hiệu quả ứng dụng công nghệ mới. Thời gian: liên tục; chủ thể: các trường đại học và công ty điện lực.

5. Mở rộng nghiên cứu ứng dụng cho các hệ thống điện phân phối và lưới điện thông minh: Khảo sát và điều chỉnh thuật toán phù hợp với các hệ thống điện có cấu trúc phức tạp hơn, nhằm nâng cao tính linh hoạt và mở rộng phạm vi ứng dụng. Thời gian: 18-24 tháng; chủ thể: viện nghiên cứu và doanh nghiệp công nghệ.

Đối tượng nên tham khảo luận văn

1. Kỹ sư vận hành và bảo trì hệ thống điện truyền tải: Nắm bắt kỹ thuật nhận dạng sự cố hiện đại giúp nâng cao hiệu quả phát hiện và xử lý sự cố, giảm thiểu thời gian mất điện và chi phí sửa chữa.

2. Nhà nghiên cứu và sinh viên ngành kỹ thuật điện: Tài liệu cung cấp kiến thức chuyên sâu về biến đổi Wavelet, mạng nơ ron RBF và ứng dụng trong hệ thống điện, hỗ trợ nghiên cứu và học tập nâng cao.

3. Các công ty truyền tải và phân phối điện: Áp dụng giải pháp công nghệ mới để cải thiện chất lượng dịch vụ, tăng tính tin cậy và ổn định của hệ thống điện.

4. Nhà phát triển phần mềm và thiết bị giám sát điện: Tham khảo phương pháp mô phỏng và thuật toán nhận dạng sự cố để phát triển các sản phẩm công nghệ hỗ trợ vận hành hệ thống điện thông minh.

Câu hỏi thường gặp

1. Phương pháp biến đổi Wavelet có ưu điểm gì so với biến đổi Fourier trong nhận dạng sự cố?
   Biến đổi Wavelet cung cấp phân tích đa phân giải trong miền thời gian và tần số, giúp phát hiện chính xác các dao động quá độ cục bộ trong tín hiệu sự cố, trong khi biến đổi Fourier chỉ cung cấp phổ tần số tổng quát mà không xác định được thời điểm xuất hiện nhiễu loạn.

2. Mạng nơ ron RBF hoạt động như thế nào trong việc phân loại sự cố?
   Mạng RBF sử dụng các hàm cơ sở xuyên tâm tập trung vào các vùng đặc trưng trong không gian dữ liệu, cho phép phân loại phi tuyến tính hiệu quả dựa trên vector đặc trưng trích xuất từ tín hiệu sự cố.

3. Sai số xác định vị trí sự cố của phương pháp này là bao nhiêu?
   Phương pháp xác định vị trí sự cố với sai số dưới 1 km trên đường dây dài 100 km, tương đương sai số dưới 1%, giúp giảm đáng kể thời gian và công sức tìm kiếm sự cố thực tế.

4. Phương pháp này có thể áp dụng cho các hệ thống điện khác không?
   Có thể mở rộng áp dụng cho các hệ thống điện phân phối và lưới điện thông minh, tuy nhiên cần điều chỉnh thuật toán và huấn luyện lại mạng nơ ron phù hợp với đặc điểm hệ thống mới.

5. Thời gian đáp ứng của hệ thống nhận dạng sự cố là bao lâu?
   Hệ thống có thể xử lý và nhận dạng sự cố trong vòng chưa đầy 1 chu kỳ điện (khoảng 20 ms), đáp ứng yêu cầu vận hành thời gian thực của hệ thống điện hiện đại.

Kết luận

• Đề xuất thành công giải pháp nhận dạng sự cố trên đường dây truyền tải điện bằng kỹ thuật biến đổi Wavelet kết hợp mạng nơ ron RBF với độ chính xác cao trên 95%.
• Mô hình mô phỏng trên Matlab-Simulink với đường dây 220 kV dài 100 km và hai máy phát song song cho kết quả ổn định và khả thi trong thực tế.
• Phương pháp xác định vị trí sự cố với sai số dưới 1%, giúp giảm thiểu thời gian và chi phí sửa chữa.
• Thời gian đáp ứng nhanh, phù hợp với yêu cầu vận hành thời gian thực của hệ thống điện hiện đại.
• Khuyến nghị triển khai hệ thống nhận dạng tự động, nâng cấp dữ liệu huấn luyện và đào tạo nhân sự để ứng dụng rộng rãi trong ngành điện.

Tiếp theo, các đơn vị vận hành và nghiên cứu nên phối hợp triển khai thử nghiệm thực tế và phát triển phần mềm ứng dụng dựa trên kết quả nghiên cứu này nhằm nâng cao hiệu quả quản lý và vận hành hệ thống điện truyền tải. Để biết thêm chi tiết và hỗ trợ kỹ thuật, vui lòng liên hệ nhóm nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Trích đoạn nội dung tài liệu

Đặt vấn đề Sự cố trên đường dây truyền tải gây ra gián đoạn điện cho khách hàng và có thể dẫn đến những thiệt hại đáng kể cho xã hội, đặc biệt là cho ngành sản xuất công nghiệp. Phát hiện nhanh chóng vị trí sự cố và sửa chữa kịp thời những sự cố này là rất quan trọng trong việc duy trì vận hành hệ thống điện tin cậy. Tính sẵn sàng cung cấp điện liên tục và tính tin cậy có tầm quan trọng ngày càng tăng hiện nay, do các chính sách mới về tự do hóa năng lượng và thị trường năng lượng cạnh tranh, như một cách trực tiếp để giảm chi phí vận hành và gia tăng lợi nhuận. Khi hệ thống đường dây truyền tải xảy ra sự cố, việc tìm kiếm vị trí sự cố rất phức tạp do tuyến đường dây dài, địa hình tiếp cận khó khăn, phương tiện giao thông không thuận lợi, nằm xa cách khu vực dân cư và phải tổ chức tìm kiếm ngay bất kể thời điểm nào trong ngày.

Phát hiện dấu vết sự cố và nguyên nhân gây ra sự cố, thực tế là điều khô ng đơn giản, có những sự cố hiện trường để lại dễ dàng nhìn thấy bằng mắt thường như những sự cố đứt dây dẫn hay dây chống sét Hình 1. Có những sự cố mà dấu vết hiện trường rất khó phát hiện như phóng điện qua chuỗi sứ Hình 1. Do dấu vết phóng điện nhỏ, không thể thấy bằng mắt thường khi nhìn từ phía dưới mặt đất mà không leo lên trụ để kiểm tra, đặc biệt là vào ban đêm. Không phát hiện được dấu vết hiện trường, thì không thể xác định được vị trí cũng như nguyên nhân gây ra sự cố.

Vì thế, nếu không có những thông tin ban đầu liên quan đến sự cố như khoảng cách rơle báo (thường là có sai lệch), người dân xung quanh khu vực sự cố cho biết có tiếng nổ bất thường trên đường dây điện… thì khó mà tập trung vào những khu vực nghi ngờ để tìm ra vị trí và nguyên nhân gây ra sự cố, để có kế hoạch sửa chữa khắc phục kịp thời và loại trừ nguyên nhân gây ra sự cố một lần nữa. 1 Luan van Nguyễn Văn Khánh MSHV: 1680605 Hình 1.1: Ngọn cây dầu dính vào dây dẫn Pha C cách trạm 500kV Tân Định 2,5 km đường dây 500kV Tân Định (573, 574) - Di Linh (571, 572) (sự cố lúc 13g50, ngày 22 tháng 05 năm 2013- PTC4) Hình 1.2: Đứt dây dẫn pha A khoảng trụ 62 -63 (phía trụ 63) đường dây 220kV Ô môn- Thốt nốt (sự cố ngày 24/09/2010 -PTC4) 2 Luan van Nguyễn Văn Khánh MSHV: 1680605 Hình 1.3: Chuỗi sứ néo pha B trụ 218 bị phóng điện (phía trụ 219) đường dây 220kV Cao lãnh-Thốt nốt (sự cố ngày 05/11/2011 -PTC4) Hình 1.4: Dấu vết chuỗi sứ néo pha B trụ 218 bị phóng điện đường dây 220kV Cao Lãnh-Thốt Nốt (sự cố ngày 05/11/2011 -PTC4) 3 Luan van Nguyễn Văn Khánh MSHV: 1680605 Do đó, cần thiết phải tìm ra vị trí sự cố chính xác để nhanh chóng đưa ra phương án sửa chữa và khôi phục lại cung cấp điện, giảm thiểu thời gian mất điện, tiết kiệm được thời gian và công sức tìm kiếm. Đó là mục tiêu hướng đến của các công ty truyền tải điện nói chung. Nghiên cứu các phương pháp xác định vị trí sự cố trên đường dây truyền tải là một điều cần thiết trong việc quản lý vận hành một hệ thống điện.1 Mục đích Mục tiêu của luận văn là tìm ra giải pháp mô phỏng bằng Matlab-Simulink đường dây truyền tải nhằm mục đích khảo sát diễn biến quá trình quá độ xảy ra trên hệ thống đường dây truyền tải khi xảy ra ngắn mạch.

Nghiên cứu các phương pháp xác định, nhận dạng sự cố đường dây bằng cách sử dụng phương pháp biến đổi wavelet và mạng nơron.2 Nhiệm vụ của đề tài Đề tài "nhận dạng sự cố trên đường dây truyền tải điện bằng kỹ thuật wavelet kết hợp mạng nơ rôn" có nhiệm vụ cụ thể sau: - Giới thiệu về phương pháp biến đổi wavelet. - Tìm hiểu và nghiên cứu phương pháp sử dụng để xác định vị trí sự cố trên đường dây truyền tải. - Mô phỏng khảo sát đường dây truyền tải trên không bằng Matlab – Simulink, áp dụng phương pháp biến đổi wavelet và mạng nơ ron.3 Phạm vi nghiên cứu - Nghiên cứu các lý thuyết về nhận dạng hệ thống như biến đổi wavelet. - Tổng quan phương pháp nhận dạng sự cố bằng kỹ thuật wavelet kết hợp mạng nơ ron dựa theo một số bài báo trong và ngoài nước.

- Tập trung nghiên cứu về nhận dạng các loại sự cố 10 dạng ngắn mạch trên đường dây truyền tải.4 Phương pháp nghiên cứu - Thu thập tài liệu liên quan đến đề tài nghiên cứu. 4 Luan van Nguyễn Văn Khánh MSHV: 1680605 - Đánh giá ưu nhược điểm của các phương pháp đã đề xuất trước đây. Nhận xét tổng quan về lĩnh vực đề tài đang nghiên cứu. - Xây dựng giải thuật phân loại và nhận dạng các hiện tượng ngắn mạch trong hệ thống điện.

- Xây dựng giao diện cho giải thuật phân loại và nhận dạng các hiện tượng ngắn mạch trong hệ thống điện. - Phân tích các kết quả nhận được. - Đánh giá tổng quát toàn bộ đề tài. Đề nghị hướng phát triển của đề tài.5 Điểm mới của đề tài - Đề xuất được giải thuật phân loại và nhận dạng các sự cố ngắn mạch trong hệ thống điện bằng biến đổi Wavelet kết hợp với nhận dạng bằng mạng nơ ron có độ chính xác cao và thời gian đáp ứng nhanh.

- Xây dựng được chương trình tự động trong vấn đề phân loại và nhận dạng các hiện tượng quá độ trong hệ thống điện. - Góp phần cải thiện chất lượng điện năng của hệ thống điện bằng cách phân loại và nhận dạng nhanh các sự cố ngắn mạch trên hệ thống điện.6 Giá trị thực tiễn của đề tài Với mục đích xây dựng giải thuật nhận dạng và phân loại các tín hiệu sự cố dựa vào mạng Nơ ron kết hợp với phân tích Wavelets để nhanh chóng và tự động nhận dạng và phân loại các sự cố ngắn mạch xuất hiện trong hệ thống điện, khi đi vào hoạt động thực tế, thiết bị sẽ góp phần giảm thiểu thời gian và nhân lực cho việc phát hiện và cảnh báo các ảnh hưởng tiêu cực của các hiện tượng quá độ tại các vận hành lưới điện. Chin ́ h vì vâ ̣y, đề tài “Nhận dạng sự cố trên đường dây truyền tải bằng kỹ thuật wavelet kết hợp mạng nơ ron” đươ ̣c thực hiê ̣n nhằ m mu ̣c đích góp thêm mô ̣t giải pháp hữu ích để nâng cao chấ t lươ ̣ng vâ ̣n hành cho hệ thống điện. Từ công việc nghiên cứu của đề tài: 5 Luan van Nguyễn Văn Khánh MSHV: 1680605 - Nhận được kết quả của mô hình " Nhận dạng sự cố trên đường dây truyền tải bằng kỹ thuật wavelet kết hợp mạng nơ ron ".

- Ứng dụng rộng rãi trong các trạm vận hành hệ thống điện trên toàn hệ thống nhằm nhận dạng và phân loại các tín hiệu sự cố. - Giúp các nhà hoa ̣ch đinh ̣ có thêm mô ̣t giải pháp nhằ m nâng cao hiệu quả vận hành và nâng cao chất lượng điện năng hệ thống điện. - Sử dụng làm tài liệu giảng dạy.7 Các nghiên cứu khoa học liên quan. Vấn đề nghiên cứu phương pháp nhận dạng và phân loại các tín hiệu quá độ trong hệ thống điện đã được đưa ra trong khoảng 20 năm trở lại đây.

Đây là vấn đề cấp thiết cần nghiên cứu khi có sự tham gia ngày càng nhiều của các thiết bị điện tử công suất bên trong các thiết bị dùng điện vốn rất nhạy cảm với các nhiễu loạn trong các hiện tượng quá độ. Nghiên cứu của P.Wright trong " Short time fourier transform and wigner-ville distributions applied to the calibration of power frequency harmonic analyzers" năm 1999 [9] đã chỉ ra rằng chất lượng điện năng thường không ổn định trong tự nhiên và trong một thời gian ngắn khi xuất hiện sự nhiễu loạn. Để nhận dạng tín hiệu thì yêu cầu cả thông tin về thời gian cũng như tần số cần được ghi nhận. bằng cách áp dụng biến đổi Fourier thông dụng thì không thể phân tích được tín hiệu khi chúng chỉ cung cấp thông tin phổ tần nhưng không cung cấp thông tin xác định thời gian xuất hiện nhiễu loạn.

trong khi đó, thông tin về thời gian xuất hiện là thông tin bước thực hiện cơ bản để xác định thời gian và chu kì của nhiễu loạn đã xảy ra. Trong nghiên cứu của Y.Bollen, “Time Frequency and Time Scale Domain Analysis of Voltage Disturbances,” năm 2000 [10] đã chỉ ra rằng để phân tích cac tín hiệu không ổn định, phân tích trong niềm thời gian-tần số là phù hợp hơn vì nó cung cấp được các thông tin về thời gian và phổ tần của tín hiệu. có nhiều nhà nghiên cứu đã dùng biến đổi wavelet rời rạc (Discrete Wavelet Transform-DWT) và biến đổi Fourier trong thời gian ngắn (Short Time Fourier Transform-SFT) trong số các kỹ thuật hiện có 6 Luan van Nguyễn Văn Khánh MSHV: 1680605 để phân tích các tín hiệu điện này. Trong trường hợp biến đổi Fourier trong thời gian ngắn, một khung có bề rộng cố định được dùng để dịch chuyển theo thời gian nhằm phân tích tín hiệu không ảnh hưởng đến các hiện tượng chất lượng điện năng do nó gồm một dãy tần số rộng.

trong trường hợp dùng biến đổi wavelet rời rạc thì thích hợp hơn do nhận dạng được sự thay đổi thời gian- tần số như đã được chứng minh trong nghiên cứu [10]. Để phân loại các nhiễu loạn quá độ, T.Jayasree và các đồng nghiệp đã đề xuất một phương pháp mạng Neural cơ bản hình tia. Trong nghiên cứu này, các nhiễu loạn khác nhau trong chất lượng điện năng được tạo ra và phân tách thông qua kỹ thuật phân tích nhiều chuyển hóa Wavelet (Wavelet Multi Resolution Analysis technique-MRA). Gaing trong nghiên cứu [11] cũng dùng kỹ thuật phân tích nhiều chuyển hóa để phân tách tín hiệu thành các thành phần của nó và các hệ số xấp xỉ.

bài báo này đề xuất một mạng nơ ron xác suất (Probablistic Neural Network) để phân loại các hiện tượng chất lượng điện năng dựa trên các thuộc tính thu được từ hệ số các thành phần thông qua các phân tách. Zhang Ming và các cộng sự đã đề xuất một phương pháp áp dụng kỹ thuật RMS và FFT trong nghiên cứu [12] để tách các đặc trưng từ các tín hiệu nhận được. Thuật toán cây dự đoán có nguyên tắc (Rule Based Decision Tree-RBDT) được dùng để phân loại các tín hiệu điện.