Ứng dụng mạng nơron cải tiến nâng cao độ chính xác nhận dạng chế độ hệ thống điện trong dao động lớn

Ứng dụng mạng nơron cải tiến nâng cao độ chính xác nhận dạng chế độ hệ thống điện trong dao động lớn Ứng dụng mạng nơron cải tiến nâng cao độ chính xác nhận dạng chế độ hệ thống điện trong dao động lớn Ứng dụng mạng nơron cải tiến nâng cao độ chính xác nhận dạng chế độ hệ thống điện trong dao động lớn Ứng dụng mạng nơron cải tiến nâng cao độ chính xác nhận dạng chế độ hệ thống điện trong dao động lớn Ứng dụng mạng nơron cải tiến nâng cao độ chính xác nhận dạng chế độ hệ thống điện trong dao động lớn

TÓM TẮT LUẬN VĂN Cùng với phát triển kinh tế xã hội, hệ thống điện phát triển nhanh quy mơ, có tính phi tuyến cao thường có dao động cơng suất lớn xuất ngắn mạch Điều dẫn đến việc đánh giá ổn định động dựa phương pháp phân tích truyền thống tốn nhiều thời gian giải nên gây chậm trễ việc định Vì vậy, việc phát nhanh cảnh báo sớm ổn định hệ thống điện giúp điều độ viên hệ thống điều khiển định kịp thời trở thành yếu tố then chốt đảm bảo vận hành hệ thống điện ổn định Để giải vấn đề khó khăn trên, Luận văn xây dựng mơ hình mạng nơron cải tiến bao gồm mạng nơron song song Kỹ thuật xử lý liệu áp dụng luận văm kỹ thuật phân cụm liệu sử dụng phương pháp Kmeans Bộ nhận dạng sử dụng ma ̣ng nơron hồi quy tổng quát GRNN (Generalized Regression Nơron Network) Luận văn xây dựng mơ hình mạng nơron cải tiến bao gồm mạng nơron song song, kết nhận dạng cao mơ hình mạng nơron đơn Mạng nơron đề xuất xây dựng gồm mạng nơron đơn với biến ngõ vào, tổng hợp đầu Kết tính tốn dựa luật bình bầu theo luật số đông Để chứng minh cho phần lý thuyết, luận văn kiểm tra sơ đồ IEEE 10-máy 39-bus mơ hình đề xuất, kết cho thấy mạng nơron song song có độ xác nhận dạng 98.06% so với mơ hình nơron đơn độ xác đạt 97.78% xii ABSTRACT Along with the socio-economic development, electrical systems develop very fast in scale, have high nonlinearity and often have large power fluctuations when short circuits occur This leads to a dynamic stability evaluation based on traditional analytical methods that take long solving time, thus should cause delays in decision making Therefore, the rapid detection and early warning of instability of the power system makes dispatchers and decision-making control system has become a key factor to ensure stable operation of the power system To solve these problems, the thesis has developed an improved neural network model including parallel neural networks Data manipulation technique applied in this thesis is clustering data technique, based on the Kmeans method The used recognition is the generalized regression neural network (GRNN) The thesis has developed an improved neural network model including parallel neural networks, the recognition result is higher than single neural network model The proposed neural network consists of single neural networks with the same input variables, the synthesized output The results are based on the law of mass voting To prove the theory, the thesis was tested on the 10 machines- 39 bus IEEE network using the proposed model, the recognition results showed that the parallel neuron network had a 98.06% accuracy rating compared to that of the singleprecision neuron model of 97.78% xiii MỤC LỤC Chương 1: Mở đầu 1.1 Tính cấp thiết đề tài 1.2 Mục tiêu nhiệm vụ 1.2.1 Mục tiêu 1.2.2 Nhiệm vụ 1.3 Phạm vi nghiên cứu 1.4 Phương pháp nghiên cứu 1.5 Điểm đề tài 1.6 Cấu trúc đề tài Chương 2: Cơ sở lý thuyết ổn định hệ thống điện 2.1 Khái niện chung 2.2 Ổn định hệ thống điện 2.2.1 Các chế độ làm việc hệ thống điện 2.2.2 Phân loại ổn định hệ thống 2.2.2.1 Cân công suất 2.2.2.2 Ổn định tĩnh 10 2.2.2.3 Ổn định động 12 2.3 Các phương pháp nghiên cứu ổn định động hệ thống điện 12 2.3.1 Phương pháp tích phân số 13 2.3.2 Phương pháp diện tích 14 2.3.3 Phương pháp trực tiếp 14 xiv 2.3.4 Phương pháp mô theo miền thời gian 14 2.4 Phương trình dao động 15 2.5 Ổn định hệ nhiều máy 18 2.6 Phân tích tình hình nghiên cứu liên quan 21 2.7 Kết luận chương 22 Chương 3: Lý thuyết mạng nơron mơ hình nhận dạng 23 3.1 Mơ hình nơron sinh học 23 3.2 Mơ hình nơron nhân tạo 24 3.3 Phân loại mạng nơron 25 3.3.1 Cấu trúc nơron 25 3.3.2 Mạng có nhiều lớp nơron 27 3.3.3 Mạng Perceptron 28 3.3.4 Mạng hàm truyền xuyên tâm 28 3.3.4.1 Mạng hồi quy tổng quát 30 3.3.4.2 Mạng nơron xác suất 33 3.4 Luật đầu phân loại 34 3.5 Huấn luyện đánh giá mơ hình nhận dạng 35 3.6 Mạng nơron dựa nơron kết hợp 35 3.7 Mơ hình nhận dạng 37 3.7.1 Khái niệm nhận dạng 37 3.7.2 Những tính chất chung nhận dạng 37 3.7.3 Quy trình nhận dạng 38 3.8 Kết luận chương 39 xv Chương 4: Xây dựng mạng nơron cải tiến nhận dạng ổn định động hệ thống điện 40 4.1 Quy trình thực mạng nơron đơn 40 4.1.1 Tạo sở liệu 41 4.1.2 Chuẩn hóa liệu 42 4.1.3 Lựa chọn biến đặc trưng 43 4.1.4 Chia liệu theo tiêu chuẩn lượng 49 4.1.5 Phân cụm liệu 49 4.1.6 Huấn luyện ANN 53 4.1.7 Đánh giá độ xác kết huấn luyện 54 4.2 Mạng nơron song song 54 4.3 Kết luận chương 57 Chương 5: Ứng dụng mạng nơron cải tiến nhận dạng ổn định động hệ thống điện IEEE 10-máy 39-bus 58 5.1 Quy trình thực mạng nơron song song 58 5.2 Tạo sở liệu 59 5.3 Chuẩn hóa liệu 61 5.4 Lựa chọn biến đặc trưng 61 5.5 Chia liệu theo tiêu chuẩn lượng 61 5.6 Phân cụm liệu 62 5.7 Kết huấn luyện kiểm tra mạng GRNN đơn 64 5.8 Mạng nơron song song 66 5.8.1 Cấu hình mạng nơron song song 66 xvi 5.8.2 Trình tự xác định số lượng mạng nơron song song 66 5.9 Kết luận chương 69 Chương 6: Kết luận hướng nghiên cứu phát triển 70 6.1 Kết luận 70 6.2 Hướng nghiên cứu phát triển 70 TÀI LIỆU THAM KHẢO 71 xvii DANH SÁCH CÁC CHỮ VIẾT TẮT STT Viết đầy đủ Chữ viết tắt ANN Artificial Neural Network CCT Critical Clearing Time CNN Committee Neural Network GRNN Generalized Regression Neural Network IEEE Institute of Electrical and Electronics Engnineers MLFNN Multilayer Feedforward Neural Network MLPNN Multilayer Perceptron Neural Network RBFN Radial Basis Function Network CSTD Công suất tác dụng 10 CSPK Công suất phản kháng 11 CĐQĐ Chế độ độ 12 CĐXL Chế độ xác lập 13 HTĐ Hệ thống điện xviii DANH SÁCH CÁC HÌNH Hình 2.1: Sơ đồ hệ thống điện đơn giản Hình 2.2: Các chế độ làm việc HTĐ Hình 2.3: Phân loại ổn định hệ thống điện Hình 2.4: Biểu diễn góc lệch  13 Hình 2.5: Hệ thống điện N nút dùng cho nghiên cứu ổn định độ 18 Hình 3.1: Mơ hình nơron sinh học 23 Hình 3.2: Mơ hình mạng nơron nhân tạo 24 Hình 3.3: Cấu trúc nơron 26 Hình 3.4: Một lớp có nhiều nơron 26 Hình 3.5: Mạng có nhiều lớp nơron 27 Hình 3.6: Cấu trúc lớp mạng perceptron 28 Hình 3.7: Mạng hàm truyền xuyên tâm 29 Hình 3.8: Mạng hồi quy tổng quát 30 Hình 3.9: Mạng nơrơn xác suất 33 Hình 3.10: Mơ hình mạng nơron dựa nơron kết hợp 35 Hình 3.11: Quy trình nhận dạng ANN 39 Hình 4.1: Quy trình thực mạng nơron đơn 41 Hình 4.2: Quy trình lựa chọn biến đặc trưng 44 Hình 4.3: Mơ tả giải thuật Relief 47 Hình 4.4: Sử dụng giải thuật Kmeans để phân cụm liệu 50 Hình 4.5: Mơ tả giải thuật Kmeans 51 xix Hình 4.6: Quy trình rút gọn mẫu 52 Hình 4.7: Phương pháp kết hợp để chọn số tâm cụm liệu 53 Hình 4.8: Bộ nhận dạng kết hợp 55 Hình 4.9: Quy trình xây dựng mạng nơron song song 56 Hình 5.1: Quy trình thực mạng nơron song song 59 Hình 5.2: Sơ đồ hệ thống điện IEEE 10-máy 39-bus 60 Hình 5.3: Độ xác huấn luyện với tập mẫu phân cụm Kmeans Data(SR1,UR1) 64 Hình 5.4: Độ xác huấn luyện với tập mẫu phân cụm Kmeans Data(SR2,UR2) 65 Hình 5.5: Độ xác huấn luyện với tập mẫu phân cụm Kmeans Data(SR3,UR3) 65 Hình 5.6: Đồ thị biểu diễn mối quan hệ độ xác huấn luyện số mạng nơron song song nhóm 67 Hình 5.7: Đồ thị biểu diễn mối quan hệ độ xác huấn luyện số mạng nơron song song nhóm 67 Hình 5.8: Đồ thị biểu diễn mối quan hệ độ xác huấn số mạng nơron song song nhóm 68 Hình 5.9: Mơ hình mạng nơron song song 69 xx DANH SÁCH CÁC BẢNG Bảng 3.1: Hàm chuyển đổi 27 Bảng 5.1: Số liệu đầu vào 61 Bảng 5.2: Số lượng mẫu ổn định động sau phân cụm 62 Bảng 5.3: Rút gọn mẫu nhóm 63 Bảng 5.4: Rút gọn mẫu nhóm 63 Bảng 5.5: Rút gọn mẫu nhóm 64 Bảng 5.6: Kết huấn luyện GRNN mơ hình nơron đơn nhóm 1, nhóm nhóm 66 Bảng 5.7: Kết huấn luyện GRNN mơ hình mạng nơron song song nhóm 1, nhóm nhóm 68 xxi ... thuyết mạng nơron mơ hình nhận dạng Chương 4: Xây dụng mạng nơron cải tiến nhận dạng ổn định động hệ thống điện Chương 5: Ứng dụng mạng nơron cải tiến nhận dạng ổn định động hệ thống điện IEEE...xuất quy trình xây dựng mơ hình mạng nơron cải tiến nhận dạng ổn định động hệ thống điện - Kiểm chứng hiệu mơ hình nơron cải tiến nhận dạng ổn định động hệ thống điện chuẩn IEEE 10-máy 39-bus mơ .. .nơron cải tiến đánh giá ổn định động hệ thống điện Mạng nơron cải tiến gồm nhiều mạng nơron độc lập ghép song song sử dụng luật bình bầu để tăng độ xác đánh giá ổn định động hệ thống điện Dữ liệu