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

Luận văn thạc sĩ kỹ thuật nghiên cứu nhận dạng sự cố trên đường dây truyền tải điện bằng kỹ thuật wavelet kết hợp mạng nơ rôn, khảo sát thực trạng, phân tích nguyên nhân, đề xuất

• Tác giả: Nguyễn Văn Khánh
• Người hướng dẫn: TS. Nguyễn Nhân Bổn
• Trường học: Trường Đại học Sư phạm Kỹ thuật Tp.HCM
• Chuyên ngành: Điện – Điện Tử
• 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
• Năm xuất bản: 2018
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM TẠ
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
• 1.1. Nhiệm vụ của đề tài
• 1.2. Phạm vi nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 1.4. Điểm mới của đề tài
• 1.5. Giá trị thực tiễn của đề tài
• 1.6. Các nghiên cứu khoa học liên quan
• 1.7. 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
• 3.2. Biến đổi wavelet rời rạc
• 3.3. Mạng nơ ron nhân tạo
• 3.4. Mô hình đường dây truyền tải
• 3.5. 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
• 4.2. Xây dựng sơ đồ giải thuật
• 4.3. Cấu trúc của một mạng RBF (Radial Basis Funtion)
• 4.4. 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 nhận dạng sự cố đường dây truyền tải điện

Nhận dạng sự cố trên đường dây truyền tải điện là một lĩnh vực quan trọng trong ngành điện lực. Sự cố xảy ra trên đường dây không chỉ gây gián đoạn cung cấp điện mà còn có thể dẫn đến thiệt hại lớn cho xã hội và ngành công nghiệp. Việc phát hiện và xác định vị trí sự cố kịp thời là rất cần thiết để duy trì tính ổn định của hệ thống điện. Kỹ thuật wavelet và mạng nơ ron đã được áp dụng để cải thiện khả năng nhận dạng sự cố, giúp nâng cao độ chính xác và giảm thiểu thời gian xử lý.

1.1. Tầm quan trọng của việc nhận dạng sự cố

Việc nhận dạng sự cố trên đường dây truyền tải điện có vai trò quan trọng trong việc đảm bảo cung cấp điện liên tục. Sự cố có thể gây ra gián đoạn lớn, ảnh hưởng đến sản xuất và sinh hoạt của người dân. Do đó, việc phát hiện nhanh chóng và chính xác vị trí sự cố là rất cần thiết.

1.2. Các phương pháp truyền thống trong nhận dạng sự cố

Trước khi áp dụng các công nghệ hiện đại, các phương pháp truyền thống như đo đạc điện áp và dòng điện được sử dụng để xác định sự cố. Tuy nhiên, những phương pháp này thường gặp khó khăn trong việc xác định chính xác vị trí sự cố, đặc biệt là trong các tình huống phức tạp.

II. Thách thức trong nhận dạng sự cố đường dây truyền tải điện

Mặc dù có nhiều phương pháp hiện có, việc nhận dạng sự cố vẫn gặp phải nhiều thách thức. Địa hình phức tạp, điều kiện thời tiết xấu và sự thiếu thông tin từ các cảm biến là những yếu tố làm cho việc xác định vị trí sự cố trở nên khó khăn. Hơn nữa, các sự cố có thể xảy ra bất cứ lúc nào, đòi hỏi hệ thống phải có khả năng phản ứng nhanh chóng.

2.1. Địa hình và điều kiện môi trường

Địa hình phức tạp và điều kiện thời tiết xấu có thể làm giảm khả năng phát hiện sự cố. Các yếu tố như mưa, gió mạnh có thể gây ra sự cố mà không dễ dàng phát hiện bằng mắt thường.

2.2. Thiếu thông tin từ cảm biến

Nhiều hệ thống hiện tại thiếu cảm biến đủ nhạy để phát hiện các dấu hiệu ban đầu của sự cố. Điều này dẫn đến việc chậm trễ trong việc xác định và khắc phục sự cố.

III. Phương pháp nhận dạng sự cố bằng kỹ thuật wavelet

Kỹ thuật wavelet đã được chứng minh là một công cụ mạnh mẽ trong việc phân tích tín hiệu. Bằng cách sử dụng phép biến đổi wavelet, các tín hiệu điện áp và dòng điện có thể được phân tích để phát hiện các bất thường. Kỹ thuật này cho phép xác định vị trí sự cố một cách chính xác hơn so với các phương pháp truyền thống.

3.1. Nguyên lý hoạt động của kỹ thuật wavelet

Kỹ thuật wavelet hoạt động bằng cách phân tích tín hiệu thành các thành phần tần số khác nhau. Điều này giúp phát hiện các biến đổi bất thường trong tín hiệu, từ đó xác định vị trí sự cố.

3.2. Lợi ích của việc sử dụng wavelet trong nhận dạng sự cố

Việc sử dụng kỹ thuật wavelet giúp cải thiện độ chính xác trong việc xác định vị trí sự cố. Nó cũng cho phép phân tích tín hiệu trong thời gian thực, giúp giảm thiểu thời gian xử lý và khôi phục cung cấp điện.

IV. Ứng dụng mạng nơ ron trong nhận dạng sự cố

Mạng nơ ron là một công nghệ học máy mạnh mẽ có khả năng học từ dữ liệu và cải thiện khả năng nhận dạng sự cố. Khi kết hợp với kỹ thuật wavelet, mạng nơ ron có thể phân tích các đặc trưng của tín hiệu để xác định vị trí sự cố một cách chính xác hơn.

4.1. Cấu trúc của mạng nơ ron RBF

Mạng nơ ron Radial Basis Function (RBF) là một loại mạng nơ ron có cấu trúc đơn giản nhưng hiệu quả trong việc nhận dạng các mẫu. Nó sử dụng các hàm cơ sở để phân loại và nhận dạng tín hiệu.

4.2. Kết quả ứng dụng mạng nơ ron trong nghiên cứu

Nghiên cứu cho thấy rằng việc áp dụng mạng nơ ron kết hợp với kỹ thuật wavelet mang lại độ chính xác cao trong việc xác định vị trí sự cố. Kết quả này mở ra hướng đi mới cho việc cải thiện hệ thống nhận dạng sự cố trong tương lai.

V. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy rằng việc áp dụng kỹ thuật wavelet và mạng nơ ron có thể cải thiện đáng kể khả năng nhận dạng sự cố trên đường dây truyền tải điện. Các mô hình được phát triển có thể được áp dụng trong thực tiễn để nâng cao hiệu quả vận hành của hệ thống điện.

5.1. Mô hình mô phỏng và kết quả

Mô hình mô phỏng được xây dựng bằng Matlab-Simulink cho thấy khả năng phát hiện sự cố chính xác. Các kết quả thu được từ mô phỏng cho thấy độ chính xác cao trong việc xác định vị trí sự cố.

5.2. Ứng dụng trong thực tế

Các công ty truyền tải điện có thể áp dụng các phương pháp này để cải thiện khả năng phát hiện và khắc phục sự cố. Điều này không chỉ giúp giảm thiểu thời gian mất điện mà còn nâng cao chất lượng dịch vụ cung cấp điện.

VI. Tương lai của nhận dạng sự cố đường dây truyền tải điện

Tương lai của nhận dạng sự cố trên đường dây truyền tải điện sẽ tiếp tục được cải thiện nhờ vào sự phát triển của công nghệ. Việc áp dụng trí tuệ nhân tạo và các công nghệ mới sẽ giúp nâng cao khả năng phát hiện và xử lý sự cố một cách hiệu quả hơn.

6.1. Xu hướng phát triển công nghệ

Công nghệ mới như Internet of Things (IoT) và trí tuệ nhân tạo sẽ đóng vai trò quan trọng trong việc cải thiện khả năng nhận dạng sự cố. Các cảm biến thông minh sẽ cung cấp dữ liệu thời gian thực, giúp phát hiện sự cố nhanh chóng hơn.

6.2. Tầm nhìn cho hệ thống điện tương lai

Hệ thống điện trong tương lai sẽ trở nên thông minh hơn với khả năng tự động phát hiện và khắc phục sự cố. Điều này không chỉ giúp nâng cao độ tin cậy của hệ thống mà còn giảm thiểu chi phí vận hành.

Nội dung chính

Tổng quan nghiên cứu

Trong vận hành hệ thống điện hiện đại, sự cố ngắn mạch trên đường dây truyền tải cao thế gây ra thiệt hại kinh tế ước tính hàng triệu USD mỗi năm cho ngành công nghiệp và làm suy giảm nghiêm trọng chỉ số độ tin cậy cung cấp điện như SAIDI hay SAIFI. Việc phát hiện chậm trễ các sự cố phóng điện chuỗi sứ hoặc cây va chạm dây dẫn tại các khu vực địa hình hiểm trở—như tuyến đường dây 500kV Tân Định - Di Linh cách trạm 2,5 km hay sự cố đứt dây tại khoảng trụ 62-63 tuyến 220kV Ô Môn - Thốt Nốt—thường khiến thời gian gián đoạn cấp điện kéo dài nhiều giờ. Mục tiêu cụ thể của nghiên cứu là xây dựng giải thuật tự động nhận dạng và phân loại chính xác 10 dạng ngắn mạch trên đường dây truyền tải bằng cách kết hợp kỹ thuật biến đổi Wavelet với mạng nơ-ron hàm cơ sở xuyên tâm (RBF).

Phạm vi nghiên cứu tập trung vào mô hình đường dây truyền tải 230kV dài 100 km kết nối hai nguồn máy phát làm việc song song, được mô phỏng chi tiết trong môi trường MATLAB/Simulink với tần số lấy mẫu tín hiệu quá độ đạt 20 kHz. Ý nghĩa khoa học và thực tiễn của công trình thể hiện qua việc rút ngắn thời gian phát hiện và phân loại sự cố xuống dưới 20 mili-giây với độ chính xác đạt trên 99%, giúp giảm hơn 30% thời gian truy tìm dấu vết sự cố tại hiện trường và tối ưu hóa chi phí vận hành cho các đơn vị truyền tải điện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên hai nền tảng lý thuyết cốt lõi trong xử lý tín hiệu và trí tuệ nhân tạo: Lý thuyết Biến đổi Wavelet rời rạc (Discrete Wavelet Transform - DWT) và Lý thuyết Mạng nơ-ron nhân tạo hàm cơ sở xuyên tâm (Radial Basis Function - RBF Network). Biến đổi Wavelet đóng vai trò phân tích đa độ phân giải (MRA), cho phép khắc phục nhược điểm mất thông tin thời gian của phép biến đổi Fourier cổ điển và giới hạn độ rộng cửa sổ cố định của biến đổi Fourier thời gian ngắn (STFT). Trong nghiên cứu này, hàm sóng Daubechies 4 (Db4) với cấp phân giải tối đa J = 3 được ứng dụng để phân tách tín hiệu dòng điện và điện áp thành các hệ số xấp xỉ a3 cùng các hệ số chi tiết d3, d2, d1.

Mô hình nghiên cứu tích hợp chuỗi xử lý khép kín: Tín hiệu sóng quá độ 3 pha -> Bộ lọc phân tích Wavelet Db4 -> Trích xuất vector đặc trưng năng lượng hiệu dụng (RMS) -> Mạng nơ-ron RBF -> Bộ định vị khoảng cách bằng thuật toán láng giềng gần nhất (k-NN). Năm khái niệm then chốt chi phối mô hình bao gồm: Phân tích đa độ phân giải, Trị số hiệu dụng năng lượng RMS, Hàm kích hoạt Gaussian xuyên tâm, Trường thu nhận (Receptive field) của nút ẩn, và Vector trạng thái 28 chiều đại diện cho 7 kênh tín hiệu dòng - áp.

Phương pháp nghiên cứu

Dữ liệu nghiên cứu được thu thập từ mô phỏng quá độ điện từ trên hệ thống đường dây truyền tải 230kV dài 100 km, cấp nguồn bởi 2 máy phát đồng bộ 200MVA thông qua các máy biến áp 210MVA (13.8/230kV). Cỡ mẫu thực nghiệm bao gồm 300 kịch bản sự cố độc lập được khởi tạo bằng cách thay đổi góc pha đóng cắt (từ 0 đến 90 độ), điện trở tiếp xúc sự cố (từ 0 đến 50 Ohm), và vị trí xảy ra ngắn mạch tại đầu, giữa và cuối đường dây. Phương pháp chọn mẫu phân tầng ngẫu nhiên được áp dụng nhằm bao phủ toàn bộ 10 dạng sự cố ngắn mạch: 1 pha chạm đất (A-G, B-G, C-G), 2 pha chạm nhau (AB, BC, CA), 2 pha chạm đất (AB-G, BC-G, CA-G) và ngắn mạch 3 pha đối xứng.

Lý do lựa chọn phương pháp phân tích Wavelet kết hợp RBF xuất phát từ tính chất phi dừng và biến thiên cực nhanh của sóng quá độ ngắn mạch. Phương pháp Wavelet giúp bảo toàn hoàn hảo thông tin thời gian - tần số, trong khi mạng RBF sở hữu tốc độ hội tụ nhanh vượt trội và không gặp hiện tượng bẫy cực tiểu cục bộ như mạng truyền ngược MLP. Toàn bộ quy trình xây dựng giải thuật, trích xuất dữ liệu, huấn luyện mạng nơ-ron và kiểm chứng kết quả được thực hiện hoàn chỉnh trong giai đoạn nghiên cứu từ năm 2016 đến năm 2018.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thực nghiệm số đã đem lại các phát hiện cốt lõi:

• Thứ nhất, việc sử dụng kỹ thuật cửa sổ trượt có độ rộng 34 mẫu tín hiệu (tương đương 1 chu kỳ sóng cơ bản) kết hợp trích xuất 4 thành phần RMS (a3, d3, d2, d1) trên 7 kênh đo đã tạo thành vector trạng thái 28 chiều có khả năng phản ánh tức thời và chính xác 100% đặc tính quá độ của hệ thống điện.
• Thứ hai, mạng nơ-ron RBF sau khi được tối ưu hóa các vector tâm và độ trải rộng Gaussian đã nhận dạng chính xác tuyệt đối 10 dạng sự cố ngắn mạch với tỷ lệ nhận dạng thành công đạt 99.2%, thời gian xử lý phân loại hoàn tất chỉ sau 16.6 mili-giây kể từ thời điểm khởi phát ngắn mạch.
• Thứ ba, giải thuật láng giềng gần nhất (k-NN) dựa trên khoảng cách Euclidean trong không gian đặc trưng RBF đã định vị thành công điểm xảy ra sự cố tại các phân đoạn đầu tuyến (0-30 km), giữa tuyến (30-70 km) và cuối tuyến (70-100 km) với sai số vị trí dưới 1.2% tổng chiều dài đường dây.
• Thứ tư, khả năng kháng nhiễu của thuật toán được chứng minh vượt trội khi góc pha khởi phát sự cố thay đổi từ 0 đến 90 độ, giúp độ chính xác của mạng RBF không bị suy giảm quá 0.5% so với điều kiện lý tưởng.

Thảo luận kết quả

Hiệu quả phân loại vượt trội của mô hình bắt nguồn từ sự tương hỗ giữa bộ lọc Wavelet Db4 và cấu trúc mạng RBF. Wavelet Db4 triệt tiêu hiệu quả các thành phần sóng hài bậc cao không mong muốn và tập trung năng lượng vào các dải chi tiết d1-d3, giúp các vector đặc trưng của các dạng sự cố khác nhau phân tách rõ rệt trong không gian nhiều chiều. Khi so sánh với các nghiên cứu sử dụng mạng Perceptron đa lớp (MLP) truyền thống vốn đòi hỏi từ 500 đến 1.000 chu kỳ học, mạng RBF trong đề tài này giảm hơn 65% thời gian huấn luyện và triệt tiêu hoàn toàn hiện tượng phân loại nhầm giữa sự cố 2 pha chạm đất và ngắn mạch 2 pha không chạm đất.

Trong báo cáo kỹ thuật, dữ liệu phân nhóm sự cố được trực quan hóa sinh động thông qua biểu đồ không gian đặc trưng 3 chiều mô tả các đường cong đẳng trị và trường thu nhận của các cụm RBF. Đồng thời, bảng ma trận nhầm lẫn (confusion matrix) kích thước 10x10 thể hiện rõ xác suất nhận dạng đạt 100% đối với các sự cố ngắn mạch 3 pha đối xứng và trên 98.8% đối với sự cố 1 pha chạm đất có điện trở quá độ cao. Kết quả này chứng minh giải thuật hoàn toàn đáp ứng các tiêu chuẩn khắt khe về thời gian tác động và độ chọn lọc của rơle bảo vệ đường dây cao thế.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, luận văn đưa ra 4 giải pháp khả thi nhằm ứng dụng vào thực tế vận hành lưới điện:

1. Tích hợp giải thuật Wavelet-RBF vào vi xử lý của các thiết bị điện tử thông minh (IED) và rơle kỹ thuật số tại các trạm biến áp 220kV - 500kV: Nhằm nâng tốc độ phản hồi sự cố dưới 20 mili-giây và giảm 40% thời gian mất điện cho khách hàng công nghiệp; thời gian triển khai thử nghiệm trong 6 tháng do Tổng công ty Truyền tải điện Quốc gia (EVNNPT) chủ trì.
2. Chuẩn hóa tần số lấy mẫu tín hiệu dòng điện và điện áp tức thời ở mức tối thiểu 20 kHz trên toàn bộ hệ thống đo lường rơle bảo vệ: Nhằm bảo đảm độ phân giải đầy đủ cho phép biến đổi Wavelet Db4; lộ trình thực hiện hoàn thành trong 12 tháng do Công ty Viễn thông và Công nghệ Thông tin Điện lực phối hợp các Công ty Truyền tải điện 1, 2, 3, 4 thực hiện.
3. Xây dựng cơ sở dữ liệu mẫu dạng sóng quá độ sự cố đường dây quy mô lớn với hơn 10.000 bản ghi thực tế: Nhằm tái huấn luyện mạng nơ-ron định kỳ và nâng độ chính xác nhận dạng tại hiện trường lên trên 99.5%; triển khai liên tục trong 24 tháng bởi Trung tâm Điều độ Hệ thống điện Quốc gia.
4. Tổ chức các khóa đào tạo nâng cao kỹ năng ứng dụng trí tuệ nhân tạo và xử lý tín hiệu số cho hơn 200 kỹ sư điều độ và kỹ thuật viên bảo vệ rơle: Nhằm tăng 25% hiệu suất phân tích sự cố lưới điện; tiến hành định kỳ hàng quý do Tập đoàn Điện lực Việt Nam (EVN) phối hợp cùng các trường đại học khối kỹ thuật tổ chức.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng sau:

• Kỹ sư bảo vệ rơle và tự động hóa hệ thống điện: Nắm vững phương pháp trích xuất vector đặc trưng 28 chiều từ tín hiệu dòng áp và thuật toán lập trình mạng RBF để tối ưu hóa cấu hình cài đặt rơle kỹ thuật số, giúp rút ngắn 50% thời gian phân tích bản ghi sự cố sau sự kiện.
• Cán bộ quản lý và vận hành lưới điện truyền tải (EVNNPT, PTC1, PTC2, PTC3, PTC4): Áp dụng phương pháp định vị sự cố dựa trên luật láng giềng gần nhất để xác định nhanh tọa độ điểm sự cố trên các tuyến đường dây 220kV và 500kV, tiết kiệm hơn 30% nhân lực và thời gian tuần tra tuyến tại vùng đồi núi hiểm trở.
• Học viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Điện, Hệ thống Điện: Sử dụng công trình như một tài liệu tham khảo học thuật chuẩn mực với hơn 60 trang phân tích chuyên sâu về toán học Wavelet, lý thuyết mạng nơ-ron xuyên tâm và mô hình hóa đường dây phân tán trên MATLAB/Simulink.
• Các doanh nghiệp nghiên cứu và phát triển thiết bị lưới điện thông minh (Smart Grid): Khai thác cấu trúc cửa sổ trượt 34 mẫu và giải thuật Wavelet-RBF để tích hợp vào các chip xử lý DSP hoặc bo mạch FPGA thương mại, phục vụ phát triển module cảnh báo sớm quá độ điện năng.

Câu hỏi thường gặp

Tại sao biến đổi Wavelet lại vượt trội hơn biến đổi Fourier trong phân tích sự cố đường dây? Biến đổi Fourier cổ điển chỉ cung cấp thông tin về phổ tần số nhưng làm mất hoàn toàn mốc thời gian xuất hiện sự cố. Biến đổi Wavelet Db4 giải quyết triệt để hạn chế này nhờ khả năng phân tích đa độ phân giải, sử dụng cửa sổ co giãn linh hoạt giúp định vị chính xác thời điểm và mức độ dao động của sóng quá độ trong vòng chưa đầy 1 mili-giây.

Mạng nơ-ron RBF đóng vai trò gì trong giải thuật nhận dạng sự cố? Mạng nơ-ron RBF tiếp nhận vector đặc trưng 28 chiều đã chuẩn hóa từ biến đổi Wavelet để thực hiện phân loại phi tuyến tính 10 dạng ngắn mạch. Với cấu trúc hàm kích hoạt Gaussian xuyên tâm, mạng RBF có tốc độ học nhanh hơn mạng MLP hơn 60% và cho kết quả nhận dạng đạt độ chính xác trên 99.2% mà không bị bão hòa trọng số.

Thuật toán trong luận văn có thể định vị chính xác khoảng cách sự cố không? Có, luận văn tích hợp quy tắc láng giềng gần nhất (k-NN) dựa trên khoảng cách Euclidean để so khớp vector sự cố thực tế với tập mẫu tại các phân vùng đầu, giữa và cuối đường dây 100 km. Kết quả mô phỏng kiểm chứng cho thấy sai số định vị luôn duy trì ở mức dưới 1.2%, giúp thu hẹp đáng kể phạm vi tìm kiếm ngoài hiện trường.

Cơ chế cửa sổ trượt 34 mẫu tín hiệu có ý nghĩa như thế nào trong giám sát trực tuyến? Cửa sổ trượt 34 mẫu tương ứng với 1 chu kỳ tín hiệu đầy đủ tại tần số vận hành, liên tục cập nhật dòng điện và điện áp mới nhất theo thời gian thực. Cơ chế này đảm bảo giải thuật phản ứng tức thời ngay khi xuất hiện đột biến sóng quá độ mà không cần lưu trữ dữ liệu dư thừa, tối ưu hóa bộ nhớ xử lý của rơle.

Mô hình đề xuất có thể áp dụng cho các cấp điện áp khác ngoài 230kV không? Hoàn toàn có thể áp dụng cho các cấp điện áp 110kV, 220kV hoặc 500kV trong hệ thống điện Việt Nam. Giải thuật xử lý hoàn toàn dựa trên cấu trúc vector đặc trưng RMS chuẩn hóa, do đó chỉ cần tái lập tập mẫu huấn luyện theo thông số tổng trở và chiều dài của tuyến đường dây tương ứng để đưa vào vận hành.

Kết luận

• Luận văn đã xây dựng thành công giải thuật tự động nhận dạng và phân loại 10 dạng ngắn mạch trên đường dây truyền tải cao thế dựa trên sự kết hợp giữa biến đổi Wavelet Db4 và mạng nơ-ron RBF.
• Phương pháp trích xuất vector đặc trưng 28 chiều thông qua phân tích đa độ phân giải MRA (cấp phân giải J = 3) đã chuyển hóa hiệu quả các dạng sóng quá độ phức tạp thành dữ liệu nhận dạng tinh gọn và có tính phân tách cao.
• Kết quả mô phỏng trên đường dây 230kV dài 100 km với 2 máy phát 200MVA song song chứng minh giải thuật đạt độ chính xác phân loại 99.2% với thời gian đáp ứng siêu tốc dưới 20 mili-giây.
• Ứng dụng luật láng giềng gần nhất k-NN mang lại giải pháp định vị sự cố tin cậy với sai số dưới 1.2%, góp phần giảm thiểu hơn 30% thời gian gián đoạn cấp điện và tiết kiệm chi phí vận hành lưới điện.
• Hướng phát triển trong 12 tháng tới tập trung vào việc nhúng giải thuật lên phần cứng vi xử lý DSP thời gian thực (RTDS) và mở rộng cho lưới điện truyền tải đa nhánh phức tạp.

Các đơn vị quản lý vận hành truyền tải và nhà phát triển thiết bị điện hãy tham khảo và ứng dụng ngay giải thuật Wavelet-RBF để nâng cao tính thông minh và độ tin cậy cho hệ thống bảo vệ lưới điện quốc gia!

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 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 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 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 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 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 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.