Nghiên cứu các phương pháp sa thải phụ tải

Nghiên cứu các phương pháp sa thải phụ tải Nghiên cứu các phương pháp sa thải phụ tải Nghiên cứu các phương pháp sa thải phụ tải Nghiên cứu các phương pháp sa thải phụ tải

LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH MỤC LỤC DANH SÁCH CÁC CHỮ VIẾT TẮT x DANH SÁCH CÁC HÌNH xi DANH SÁCH CÁC BẢNG xiv Chương TỔNG QUAN 1.1 Tổng quan đề tài nghiên cứu 1.2 Tính cấp thiết đề tài 1.3 Mục tiêu 1.4 Phạm vị nghiên cứu .5 1.5 Phương pháp nghiên cứu 1.6 Điểm đề tài 1.7 Nội dung đề tài Chương CƠ SỞ LÝ THUYẾT 2.1 Ổn định hệ thống điện 2.1.1 Các chế độ làm việc hệ thống điện 2.1.2 Phân loại ổn định hệ thống 2.1.2.1 Cân công suất .8 2.1.2.2 Ổn định tĩnh 10 2.1.2.3 Ổn định động .12 2.1.3 Mơ hình tốn học hệ thống điện nhiều máy phát 12 2.1.4 Mơ hình máy phát .13 2.1.5 Các phương pháp nghiên cứu ổn định động hệ thống điện .14 2.1.5.1 Phương pháp tích phân số 15 2.1.5.2 Phương pháp diện tích .15 2.1.5.3 Phương pháp trực tiếp 16 2.1.5.4 Phương pháp mô theo miền thời gian 16 2.1.6 Kết luận: 16 2.2 Sa thải phụ tải truyền thống 17 2.2.1 Sơ đồ liên động máy cắt 17 HVTH: Bùi Nguyễn Xuân Vũ vii LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH 2.2.2 Rơle tần số truyền thống (ANSI 81) 18 2.2.3 Rơle tần số sử dụng tốc độ thay đổi tần số (df/dt) 19 2.2.3.1 Đáp ứng tần số: 19 2.2.3.2.UFLS sử dụng df/dt 21 2.3 Sa thải phụ tải thông minh (ILS - Intelligent Load Shedding) 23 2.3.1 Sự cần thiết ILS 23 2.3.2 Các yêu cầu bổ sung cho hệ thống ILS 24 2.3.3 Sơ đồ khối chức ILS .25 2.4 Lý thuyết mạng neural 26 2.4.1 Mạng neural sinh học 26 2.4.2 Neural nhân tạo 27 2.4.2.1 Mơ hình cấu trúc neural với đại lượng vô hướng .28 2.4.2.2 Cấu trúc neural với vectơ nhập 28 2.4.2.3 Mạng có nhiều lớp neural 29 2.4.3 Các dạng mạng neural ANN 30 2.4.4 Hàm chuyển đổi mạng neural 30 2.4.5 Các qui tắc học ANN 31 2.4.5.1 Học giám sát 31 2.4.5.2 Học không giám sát .32 2.4.5.3 Học tăng cường 32 2.4.6 Mạng Perceptron 33 2.4.7 Mạng hàm truyền xuyên tâm 34 2.4.9 Mạng neural xác suất 35 2.5 Cơ sở lý thuyết khoảng cách pha 36 2.5.1 Giới thiệu 36 2.5.2 Tính chất 36 2.5.3 Diễn giải vật lý 37 2.5.4 Ý nghĩa 39 Chương PHƯƠNG PHÁP SA THẢI ĐỀ XUẤT 40 HVTH: Bùi Nguyễn Xuân Vũ viii LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH 3.1 Xây dựng chương trình sa thải .40 3.2 Dùng phương pháp ANN nhận dạng cố .43 Chương THỬ NGHIỆM TRÊN HỆ THỐNG ĐIỆN CHUẨN 53 4.1 Tính tốn khoảng cách pha .54 4.2 Thử nghiệm sa thải tải sơ đồ chuẩn Powerwold 56 4.3 Huấn luyện mạng neural nhân tạo matlab 59 4.4 Tạo giao diện guide Matlab .63 4.5 So sánh phương pháp đề xuất với phương pháp có .64 4.5.1 Giới thiệu thuật tốn AHP chiến lược sa thải đề xuất từ thuật toán: 64 4.5.2 Giới thiệu hệ thống sa thải phụ tải theo tần số thấp 65 4.5.3 Mô so sánh trường hợp với nhau: 66 Chương KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN .69 5.1 Kết luận 69 5.2 Hướng nghiên cứu phát triển 70 TÀI LIỆU THAM KHẢO 71 PHỤ LỤC 75 PHỤ LỤC 1: Chương trình tạo giao diện guide matlab 75 PHỤ LỤC 2: Chương trình tìm số spread 84 HVTH: Bùi Nguyễn Xuân Vũ ix LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH DANH SÁCH CÁC CHỮ VIẾT TẮT HTĐ: Hệ Thống Điện UFLS: Under frequency load shedding - Sa thải phụ tải tần số ANN: Artificial Neural Network - Mạng neural nhân tạo ANSI 81: Rơle tần số 81 AHP: Analytic Hierarchy Process - Phương pháp phân tích thứ bậc ILS: Intelligent Load Shedding - Sa thải phụ tải thông minh GA: Genetic Algorithm - Giải thuật di truyền MLPNN: Multilayer Perceptron Neural Network - Mạng Perceptron nhiều lớp RBFN: Radial Basis Function Network - Mạng hàm truyền xuyên tâm GRNN: Generalized Regression Neural Network - Mạng hồi quy tổng quát PNN: Probabilistic Neural Networks - Mạng neural xác suất HVTH: Bùi Nguyễn Xuân Vũ x LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH DANH SÁCH CÁC HÌNH Hình 2.1 Các chế độ làm việc HTĐ Hình 2.2 Sơ đồ hệ thống máy phát kết nối vơ hạn Hình 2.3 Biểu diễn góc lệch  Hình 2.4 Sơ đồ sa thải phụ thải tần số (81) Hình 2.5 Mơ hình đơn giản đáp ứng tần số Hình 2.6 sơ đồ khối sử dụng thông tin tốc độ thay đổi tần số để điều chỉnh ngưỡng tần số Hình 2.7 sơ đồ khối chức ILS Hình 2.8 Mơ hình neural sinh học Hình 2.9 Mơ hình mạng neural nhân tạo Hình 2.10 Cấu trúc neural với ngõ vào vơ hướng Hình 2.11 Cấu trúc neural với với vectơ nhập Hình 2.12 Một lớp có nhiều neural Hình 2.13 Mạng có nhiều lớp neural Hình 2.14 Các qui tắc học Hình 2.15 Sơ đồ khối mơ tả học giám sát Hình 2.16 Sơ đồ khối mơ tả học khơng giám sát Hình 2.17 Sơ đồ khối mơ tả học tăng cường Hình 2.18 Cấu trúc lớp mạng perceptron Hình 2.19 Mạng hàm truyền xuyên tâm Hình 2.20 Mạng hồi quy tổng quát Hình 2.21 Mạng neural xác suất Hình 2.22 Mơ hình tương đương T cơng suất tác dụng trung chuyển Hình 2.23 Mơ hình tương đương T công suất tác dụng trung chuyển Hình 2.24 Mơ hình thứ tự sa thải tải gần máy phát thứ j Hình 3.1: Lưu đồ sa thải phụ tải online Hình 3.2: Lưu đồ trình mô lấy mẫu huấn luyện mạng neural HVTH: Bùi Nguyễn Xuân Vũ xi LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH Hình 3.3 Quy trình xây dựng chiến lược sa thải Hình 3.4 bước mơ lấy mẫu ngõ vào, ngõ Hình 3.5 Giao diện PowerWorld cài đặt thơng số mơ hình hệ thống điện thử nghiệm Hình 3.6 Lưu đồ cài đặt thơng số chuẩn mơ hình hệ thống điện Hình 3.7 Lưu đồ kích hoạt mơ hình, hệ thống điều chỉnh tự động Hình 3.8 Lưu đồ chạy phân bố tối ưu cơng suất Hình 3.9 Giao diện thực chạy mô cố Hình 3.10 Lưu đồ mơ cố, q trình lấy mẫu ngõ vào neural Hình 3.11 Lưu đồ quy trình mơ sa thải, lấy mẫu ngõ Hình 3.12 Huấn luyện Neural Hình 4.1 Sơ đồ hệ thống chuẩn IEEE 39 bus, 10 máy phát Hình 4.2 Ma trận Jacobian sơ đồ IEEE 39 bus, 10 máy phát Hình 4.3 Mơ chạy Transient S bility phần mềm Powerworld Hình 4.4 Mơ giả lập cố máy phát 34 mức tải 100% Hình 4.5 Biểu đồ góc rotor máy phát tần số Bus cố máy phát 34 mức tải 100% Hình 4.6 Mơ giả lập cố máy phát 34 sa thải Load 20 Hình 4.7 Biểu đồ góc rotor máy phát tần số Bus sau sa thải Load 20 Hình 4.8 Hình tạo mẫu đầu vào, đầu Hình 4.9 Hình giao diện cơng cụ nntool Hình 4.10 Hình khai báo liệu Hình 4.11 Bảng công cụ nntool sau khai báo liệu Hình 4.12 Tạo bảng xậy dựng neural Hình 4.13 Sơ đồ mạng neural tạo Hình 4.14 Giao diện Hệ thống huấn luyện neural dự báo sa thải tải có cố máy phát HVTH: Bùi Nguyễn Xuân Vũ xii LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH Hình 4.15 Biểu đồ góc rotor máy phát tần số bus sau cố máy phát 34 Hình 4.16 Biểu đồ góc rotor máy phát tần số bus ổn định sau cố máy phát 34 theo phương pháp đề xuất Hình 4.17 Biểu đồ góc rotor máy phát tần số bus ổn định sau cố máy phát 34 theo phương pháp AHP Hình 4.18 Biểu đồ góc rotor máy phát tần số bus ổn định sau cố máy phát 34 theo phương pháp tần số thấp HVTH: Bùi Nguyễn Xuân Vũ xiii LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH DANH SÁCH CÁC BẢNG Bảng 4.1 Bảng rút gọn quan hệ bus máy phát bus tải hệ thống khoảng cách pha Bảng 4.2 Bảng chiến lược sa thải đề xuất Bảng 4.3 Đánh giá huấn luyện neural Bảng 4.4 Thứ tự sa thải phụ tải ưu tiên theo thuật toán AHP Bảng 4.5: Chương trình sa thải tải ERCOT Bảng 4.6 Bảng nhận xét thông số phương pháp HVTH: Bùi Nguyễn Xuân Vũ xiv LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH Chương TỔNG QUAN 1.1 Tổng quan đề tài nghiên cứu Trong bối cảnh nay, nhu cầu lượng lớn, điện ngành lượng quan trọng Vì thế, giữ cho hệ thống điện ổn định mục tiêu hàng đầu công tác nâng cao chất lượng điện Bên cạnh đó, ngành điện phải dự trữ nguồn đủ lớn để đáp ứng nhu cầu có thay đổi tải, yêu cầu chưa đảm bảo hệ thống điện cịn có nhiều nhiễu loạn gây nên tình trạng điện Sa thải phụ tải phương pháp hiệu để phục hồi hệ thống việc giảm bớt tải cho phù hợp với nguồn cung cấp Đa số nghiên cứu liên quan đến sa thải phụ tải dựa suy giảm tần số điện áp hệ thống Các phương pháp sa thải truyền thống thường thiếu xác hay sa thải mức cần thiết làm cho hệ thống ổn định gây tổn thất điện dẫn đến chất lượng điện không đảm bảo Phạm vi nghiên cứu đề tài dựa hệ thống IEEE 39 nút - 10 máy phát, liên quan đến thơng số góc δ, giá trị tần số f, điện áp V, công suất P để đề chiến lược sa thải phụ tải tối ưu, nhằm ổn định hệ thống Liên quan đến đề tài nghiên cứu, có nhiều cơng trình nghiên cứu như: Trong nước: Nguyễn Đức Thiện, 2015 [5], Luận văn thạc sĩ: "Xây dựng chương trình sa thải phụ tải dựa thuật toán FUZZY - AHP", Luận văn đề xuất phương pháp sa thải phụ tải dựa thuật toán Fuzzy-AHP Với kết tổng lượng sa thải phụ tải giảm làm tăng thời gian phục hồi tần số Lê Kim Hùng (Đại học Đà Nẵng), Vũ Phan Huấn (Cơng ty thí nghiệm điện Miền Trung), 2010 [9], Rơle sa thải phụ tải theo tần số có khả tích hợp chức bảo vệ tần số điện áp nhằm đảm bảo độ ổn định hệ thống điện cách sa thải phụ tải cô lập lưới điện cục điều kiện tần HVTH: Bùi Nguyễn Xuân Vũ LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH áp Hiện nay, rơle tần số lắp đặt trạm biến áp sa thải tải theo lượng công suất nhỏ, giúp cho tần số điện áp lưới điện khôi phục lại trạng thái làm việc bình thường Bài báo tập trung vào trình bày sơ đồ ứng dụng chức sa thải phụ tải dựa nguyên lý truyền thống sa thải tải, cho phép cắt ngăn lộ theo cấp tần số, việc kiểm tra đấu nối nhị thứ, đến cài đặt thông số chỉnh định cấu hình rơle phần mềm chuyên dụng giao tiếp rơle Micom Studio Cuối ứng dụng sơ đồ sa thải phụ tải rơle Areva P142 Trạm biến áp 110kV ĐăkMil Mai Ngọc Nhẫn, 2017 [8], Luận văn thạc sĩ: "Nghiên cứu sa thải phụ tải áp dụng mạng neural thuật toán AHP", Luận văn nghiên cứu đề xuất mơ hình: “Nghiên cứu sa thải phụ tải áp dụng mạng neural thuật toán AHP” để sa thải phụ tải nhằm đảm bảo trì ổn định động hệ thống điện xuất cố ngắn mạch sở phối hợp áp dụng giải thuật công nghệ tri thức: K-means, mạng nơ ron giải thuật AHP Đây mô hình sa thải phụ tải cho phép giảm thời gian định, giảm thời gian phục hồi tần số nâng cao độ ổn định tần số so với phương pháp truyền thống Đỗ Hữu Kiệt, 2016 [10], Luận văn thạc sĩ: "Nghiên cứu phương pháp sa thải phụ tải", Luận văn nghiên cứu phương pháp sử dụng cho chương trình sa thải phụ tải có xét đến tầm quan trọng vị trí phụ tải, chi phí phụ tải, điều kiện ràng buộc dựa thuật tốn phân tích hệ thống phân cấp AHP Fuzzy Logic để xử Thuật toán Fuzzy Logic AHP trợ giúp việc định trì hay sa thải phụ tải tính tốn hệ số quan trọng phụ tải, đại diện cho tầm quan trọng loại phụ tải khác Nước ngoài: H Bevrani cộng sự, 2009 [11], nghiên cứu sử dụng tốc độ thay đổi tần số df/dt sơ đồ điều khiển khẩn cấp hệ thống điện Thảo luận vài trò df/dt hiệu thiết kế sa thải phụ tải tần số (UFLS) Phân tích tác động nguồn lượng tái tạo (gió, mặt trời) lên độ dốc tần số hệ thống cần thiết việc xem xét sửa đổi tiêu chuẩn hiệu suất tần số Điều chỉnh lại rơle tự động UFLS, nhấn mạnh việc sử dụng ∆f/∆t tốt df/dt HVTH: Bùi Nguyễn Xuân Vũ LUẬN VĂN THẠC SĨ % % % % % GVHD: PGS TS QUYỀN HUY ÁNH This function has no output args, see OutputFcn hObject handle to figure eventdata reserved - to be defined in a future version of MATLAB handles structure with handles and user data (see GUIDATA) varargin command line arguments to untitled (see VARARGIN) % Choose default command line output for untitled handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes untitled wait for user response (see UIRESUME) % uiwait(handles.figure1); % - Outputs from this function are returned to the command line function varargout = untitled_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % - Executes on button press in pushbutton1 function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %Ðoc xuat du lieu exel giao dien img1=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\Capture.JPG'); imshow(img1); filename = 'Tong Hop G.xlsx'; sheet = 2; subsetA = xlsread(filename,sheet); sheet = 3; subsetB = xlsread(filename,sheet); sheet = 4; subsetC = xlsread(filename,sheet); sheet = 5; subsetD = xlsread(filename,sheet); set(handles.uitable1,'Data',subsetA); set(handles.uitable2,'Data',subsetB); set(handles.uitable6,'Data',subsetC); set(handles.uitable7,'Data',subsetD); % - Executes on button press in Train function Train_Callback(hObject, eventdata, handles) % hObject handle to Train (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) HVTH: Bùi Nguyễn Xuân Vũ 76 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH filename = 'Tong Hop G.xlsx'; sheet = 2; P = xlsread(filename,sheet); sheet = 3; T = xlsread(filename,sheet);assignin('base','T',T); sheet = 4; test_X2 = xlsread(filename,sheet); sheet = 5; test_Y2 = xlsread(filename,sheet); global net; net = newgrnn(P,T,0.1); assignin('base','net',net); guidata(hObject, handles); test_K =(sim(net, P));assignin('base','test_K',test_K); test_P =(sim(net, test_X2));assignin('base','test_P',test_P); [n,m] = size(P); n_train=m;assignin('base','m',m); [g, h]=size(test_X2); n_test=h;assignin('base','h',h); D=0;C=0; for k=1:1:n_train if (T(1,k)==test_K(1,k)) && (T(2,k)==test_K(2,k)) D = D + 1; end; end; CK = (D*100)/n_train; assignin('base','CK',CK); for k=1:1:n_test if (test_Y2(1,k)==test_P(1,k)) && (test_Y2(2,k)==test_P(2,k)) C = C + 1; end; end; CP = (C*100)/n_test; assignin('base','CP',CP); set(handles.edit4,'String',num2str(CK)); set(handles.edit5,'String',num2str(CP)); % - Executes on button press in pushbutton3 function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) filename = 'Tong Hop G.xlsx'; sheetA= str2num(get(handles.edit3,'string')); assignin('base','sheetA',sheetA) sheet = sheetA+6; Te = xlsread(filename,sheet); global net; Y = sim(net,Te); assignin('base','Y',Y); B(1,:) =Y(:,1); u=B(1,2); assignin('base','u',u); x=B(1,1); assignin('base','x',x); HVTH: Bùi Nguyễn Xuân Vũ 77 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH assignin('base','B',B); set(handles.uitable4,'Data',Te); set(handles.uitable3,'Data',B); A= Y(2,1); assignin('base','vitri',A); if (A == 32) img32=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May32.jpg'); imshow(img32); elseif (A == 33) img33=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May33.jpg'); imshow(img33); elseif (A == 34) img34=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May34.jpg'); imshow(img34); elseif (A == 35) img35=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May35.jpg'); imshow(img35); elseif (A == 36) img36=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May36.jpg'); imshow(img36); elseif (A == 37) img37=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May37.jpg'); imshow(img37); elseif (A == 38) img38=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May38.jpg'); imshow(img38); elseif (A == 30) img30=imread('D:\SDH\DE TAI\DE TAI THAM KHAO\do an\do an\mophongmatlabGUI\hinh\May30.jpg'); imshow(img30); else end if (u==30&&x==1) y=[25 0 0]; set(handles.uitable5,'Data',y); elseif (u==30&&x==2) y=[25 0 0]; set(handles.uitable5,'Data',y); elseif (u==30&&x==3) y=[25 18 0]; set(handles.uitable5,'Data',y); elseif (u==30&&x==4) y=[25 18 0]; set(handles.uitable5,'Data',y); elseif (u==30&&x==5) y=[25 18 16]; set(handles.uitable5,'Data',y); elseif (u==32&&x==1) y=[4 0 0]; set(handles.uitable5,'Data',y); elseif (u==32&&x==2) y=[4 0 0]; set(handles.uitable5,'Data',y); HVTH: Bùi Nguyễn Xuân Vũ 78 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH elseif (u==32&&x==3) y=[4 0]; set(handles.uitable5,'Data',y); elseif (u==32&&x==4) y=[4 0]; set(handles.uitable5,'Data',y); elseif (u==32&&x==5) y=[4 12]; set(handles.uitable5,'Data',y); elseif (u==33&&x==1) y=[20 0 0]; set(handles.uitable5,'Data',y); elseif (u==33&&x==2) y=[20 16 0 0]; set(handles.uitable5,'Data',y); elseif (u==33&&x==3) y=[20 16 24 0]; set(handles.uitable5,'Data',y); elseif (u==33&&x==4) y=[20 16 24 15 0]; set(handles.uitable5,'Data',y); elseif (u==33&&x==5) y=[20 16 24 15 21]; set(handles.uitable5,'Data',y); elseif (u==34&&x==1) y=[20 0 0]; set(handles.uitable5,'Data',y); elseif (u==34&&x==2) y=[20 16 0 0]; set(handles.uitable5,'Data',y); elseif (u==34&&x==3) y=[20 16 24 0]; set(handles.uitable5,'Data',y); elseif (u==34&&x==4) y=[20 16 24 15 0]; set(handles.uitable5,'Data',y); elseif (u==34&&x==5) y=[20 16 24 15 21]; set(handles.uitable5,'Data',y); elseif (u==35&&x==1) y=[23 0 0]; set(handles.uitable5,'Data',y); elseif (u==35&&x==2) y=[23 21 0 0]; set(handles.uitable5,'Data',y); elseif (u==35&&x==3) y=[23 21 16 0]; set(handles.uitable5,'Data',y); elseif (u==35&&x==4) y=[23 21 16 24 0]; set(handles.uitable5,'Data',y); elseif (u==35&&x==5) y=[23 21 16 24 15]; set(handles.uitable5,'Data',y); elseif (u==36&&x==1) y=[23 0 0]; set(handles.uitable5,'Data',y); elseif (u==36&&x==2) y=[23 21 0 0]; set(handles.uitable5,'Data',y); HVTH: Bùi Nguyễn Xuân Vũ 79 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH elseif (u==36&&x==3) y=[23 21 24 0]; set(handles.uitable5,'Data',y); elseif (u==36&&x==4) y=[23 21 24 16 0]; set(handles.uitable5,'Data',y); elseif (u==36&&x==5) y=[23 21 24 16 15]; set(handles.uitable5,'Data',y); elseif (u==37&&x==1) y=[25 0 0]; set(handles.uitable5,'Data',y); elseif (u==37&&x==2) y=[25 0 0]; set(handles.uitable5,'Data',y); elseif (u==37&&x==3) y=[25 26 0]; set(handles.uitable5,'Data',y); elseif (u==37&&x==4) y=[25 26 18 0]; set(handles.uitable5,'Data',y); elseif (u==37&&x==5) y=[25 26 18 27]; set(handles.uitable5,'Data',y); elseif (u==38&&x==1) y=[29 0 0]; set(handles.uitable5,'Data',y); elseif (u==38&&x==2) y=[29 28 0 0]; set(handles.uitable5,'Data',y); elseif (u==38&&x==3) y=[29 28 26 0]; set(handles.uitable5,'Data',y); elseif (u==38&&x==4) y=[29 28 26 27 0]; set(handles.uitable5,'Data',y); elseif (u==38&&x==5) y=[29 28 26 27 25]; set(handles.uitable5,'Data',y); else y=[0 0 0]; set(handles.uitable5,'Data',y); end function edit2_Callback(hObject, eventdata, handles) % hObject handle to edit2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit2 as text % str2double(get(hObject,'String')) returns contents of edit2 as a double % - Executes during object creation, after setting all properties function edit2_CreateFcn(hObject, eventdata, handles) HVTH: Bùi Nguyễn Xuân Vũ 80 LUẬN VĂN THẠC SĨ % hObject % eventdata % handles called GVHD: PGS TS QUYỀN HUY ÁNH handle to edit2 (see GCBO) reserved - to be defined in a future version of MATLAB empty - handles not created until after all CreateFcns % Hint: edit controls usually have a white background on Windows % See ISPC and COMPUTER if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit3_Callback(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit3 as text % str2double(get(hObject,'String')) returns contents of edit3 as a double % - Executes during object creation, after setting all properties function edit3_CreateFcn(hObject, eventdata, handles) % hObject handle to edit3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows % See ISPC and COMPUTER if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit4_Callback(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit4 as text % str2double(get(hObject,'String')) returns contents of edit4 as a double % - Executes during object creation, after setting all properties function edit4_CreateFcn(hObject, eventdata, handles) % hObject handle to edit4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called HVTH: Bùi Nguyễn Xuân Vũ 81 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH % Hint: edit controls usually have a white background on Windows % See ISPC and COMPUTER if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end function edit5_Callback(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit5 as text % str2double(get(hObject,'String')) returns contents of edit5 as a double % - Executes during object creation, after setting all properties function edit5_CreateFcn(hObject, eventdata, handles) % hObject handle to edit5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows % See ISPC and COMPUTER if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end % - Executes during object deletion, before destroying properties function uipanel1_DeleteFcn(hObject, eventdata, handles) % hObject handle to uipanel1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % - Executes when entered data in editable cell(s) in uitable1 function uitable1_CellEditCallback(hObject, eventdata, handles) % hObject handle to uitable1 (see GCBO) % eventdata structure with the following fields (see UITABLE) % Indices: row and column indices of the cell(s) edited % PreviousData: previous data for the cell(s) edited % EditData: string(s) entered by the user % NewData: EditData or its converted form set on the Data property Empty if Data was not changed % Error: error string when failed to convert EditData to appropriate value for Data % handles structure with handles and user data (see GUIDATA) % - Executes when selected cell(s) is changed in uitable1 function uitable1_CellSelectionCallback(hObject, eventdata, handles) % hObject handle to uitable1 (see GCBO) HVTH: Bùi Nguyễn Xuân Vũ 82 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH % eventdata structure with the following fields (see UITABLE) % Indices: row and column indices of the cell(s) currently selecteds % handles structure with handles and user data (see GUIDATA) % - Executes during object creation, after setting all properties function axes1_CreateFcn(hObject, eventdata, handles) % hObject handle to axes1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: place code in OpeningFcn to populate axes1 % - Executes when entered data in editable cell(s) in uitable2 function uitable2_CellEditCallback(hObject, eventdata, handles) % hObject handle to uitable2 (see GCBO) % eventdata structure with the following fields (see UITABLE) % Indices: row and column indices of the cell(s) edited % PreviousData: previous data for the cell(s) edited % EditData: string(s) entered by the user % NewData: EditData or its converted form set on the Data property Empty if Data was not changed % Error: error string when failed to convert EditData to appropriate value for Data % handles structure with handles and user data (see GUIDATA) % - Executes when selected cell(s) is changed in uitable2 function uitable2_CellSelectionCallback(hObject, eventdata, handles) % hObject handle to uitable2 (see GCBO) % eventdata structure with the following fields (see UITABLE) % Indices: row and column indices of the cell(s) currently selecteds % handles structure with handles and user data (see GUIDATA) % - Executes when entered data in editable cell(s) in uitable5 function uitable5_CellEditCallback(hObject, eventdata, handles) % hObject handle to uitable5 (see GCBO) % eventdata structure with the following fields (see UITABLE) % Indices: row and column indices of the cell(s) edited % PreviousData: previous data for the cell(s) edited % EditData: string(s) entered by the user % NewData: EditData or its converted form set on the Data property Empty if Data was not changed % Error: error string when failed to convert EditData to appropriate value for Data % handles structure with handles and user data (see GUIDATA) HVTH: Bùi Nguyễn Xuân Vũ 83 LUẬN VĂN THẠC SĨ GVHD: PGS TS QUYỀN HUY ÁNH PHỤ LỤC 2: Chương trình tìm số spread a=0;j=0; for i=0.001:0.01:1 net = newgrnn(P,T,i); test_K =(sim(net, P)); test_P =(sim(net, test_X2)); [n,m] = size(P); n_train=m; [g, h]=size(test_X2); n_test=h; D=0;C=0; if j==0 a=i; for k=1:1:n_train if (T(1,k)==test_K(1,k)) && (T(2,k)==test_K(2,k)) D = D + 1; end; end; CK = (D*100)/n_train;E=CK; for k=1:1:n_test if (test_Y2(1,k)==test_P(1,k)) && (test_Y2(2,k)==test_P(2,k)) C = C + 1; end; end; CP = (C*100)/n_test;B=CP; else a=[a,i]; for k=1:1:n_train if (T(1,k)==test_K(1,k)) && (T(2,k)==test_K(2,k)) D = D + 1; end; end; CK = (D*100)/n_train;E=[E,CK]; for k=1:1:n_test if (test_Y2(1,k)==test_P(1,k)) && (test_Y2(2,k)==test_P(2,k)) C = C + 1; end; end; CP = (C*100)/n_test;B=[B,CP]; end j=j+1; end z=0.001:0.01:1; title('Kiem tra chinh xac huan luyen'); xlabel('spread'); ylabel('DO chinh xac (%)'); plot(z,B,'or',z,E,'ob'); legend('Do chinh xac kiem tra','Do chinh xac huan luyen'); HVTH: Bùi Nguyễn Xuân Vũ 84 Published by : http://www.ijert.org International Journal of Engineering Research & Technology (IJERT) ISSN: 2278-0181 Vol Issue 04, April-2018 Load Shedding A pply Neural Network and Power Sensitivity Theory L.T Nghia1, T.T Giang1, Q.H Anh1, P.T.T Binh2 Bui.NguyenXuan Vu1 Faculty of Electrical and Electronics Engineering, HCMC University of Technology and Education Hochiminh city, Vietnam Faculty of Electrical and Electronics Engineering, HCMC University of Technology Hochiminh city, Vietnam Abstract—This paper proposed the method load shedding on the basis of the combination of Generalized Regression Neural Network, power sensitivity theory and Phase Electrical Distance theories to recover the frequency to allowable limit in the event loss a generator occurring in the electric system The phase electrical distance calculation intended to calculate the distance between the generator outage and the load to align the load buses in ascending The phase electrical distance sequence as compared to the fault generator From there, the loads on the buses which are near the generator outage will be cut firstly, then the next loads until the system return to stable The effectiveness of the proposed method are tested on the IEEE 39 Bus New England 10 Generators, which demonstrated the effective the proposed method improve the frequency response and to reduce the risk of unstable electric system This paper proposes the method of load shedding under predesigned load shedding rules based on phase electrical distance method and power sensitivity theory ANN neural networks are used to identify and classify load shedding control strategies based on the designed rules The effectiveness of the proposed method has been tested on the IEEE 39 Bus New England II A MATERIALS AND METHODS Generalized regression neural network Keywords: Load Shedding, Phase Electrical Distance, Power Sensitivity, Neural Network, Frequency Control I INTRODUCTION Load shedding is an effective method for restoring electrical system frequencies by reducing the load to suit the power supply Most of the studies related to load shedding are based on rate change of frequency and voltage of the power system H Bevrani and et al [1] presented an overview of the key issues in the use of frequency rate change (df/dt) in power system emergency control schemes The role of df/dt in designing effective under frequency load shedding (UFLS) plan was discussed The impact of new variable renewable sources (such as wind and solar units) on system frequency gradient is analyzed, and the need for the revising of frequency performance standards, re-tuning of automatic UFLS relays, and use of ∆f/∆t rather than df/dt are emphasized Urban Rudez and et al [2] studied a novel approach to underfrequency load shedding is using the frequency second derivative as a source of information for a forecast of the frequency trajectory A Newton method based approximation and the interpolation of the frequency second derivative are continuously performed in order to forecast the minimum frequency value using a numerical integration F Shokooh and et al [3] introduced the new technology of intelligent load shedding application in a large industrial facility Conventional methods of system load shedding often have to wait until the frequency drops below the allowable threshold to make the load shedding decision However, due to the complexity of the power system, it is imperative to treat it promptly after a fault in order to minimize the damage, to IJERTV7IS040393 Fig Generalized regression neural network GRNN (Generalized Regression Neural Network) is a powerful tool in the application for identification problems GRNN is basically the same as fig including input layer, radial function hidden layer and linear output layer Neuron network operation must include the spread parameter whose optimum value is determined by the experimental error B Phase electrical distance [4] The definition of phase electrical distance between the two nodes by using the elements of the matrix [dθ/dP] is the inverse matrix from the power sensitivity matrix [dP/dθ], as follows: DP(i,j)=(dθi/dPi)+(dθj/dPj)-(dθj/dPi)-(dθi/dPj) (1) The components [dθ/dP] are extracted from the Jacobian matrix There are two interpretations of the phase electrical distance: j j D (i, j ) = i + - i P P P P P i j i j (2) Write this distance in another way: j j D (i, j ) = - i + iP P P P P j j i i www.ijert.org (This work is licensed under a Creative Commons Attribution 4.0 International License.) (3) 408 Published by : http://www.ijert.org International Journal of Engineering Research & Technology (IJERT) ISSN: 2278-0181 Vol Issue 04, April-2018 ỉ is phase difference between j and i caused by a ỗ j iữ ỗ P P ữữ ç j jø è active power injection in j æ ỗ i - j ữ is phase difference between i and j caused by a ỗ P P ữ i ø è i active power injection in i Then else: (4) j j D (i, j ) = + i - i P P P P P j i i j ổ ỗ j j ữ is variation in phase of j caused by a active power ỗ P - P ữ ỗ j i ữứ ố transit from j to i ổ ỗ i i ữ is variation in phase of i caused by a active power ỗ P - P ữ ỗ i j ữứ è PowerWorld simulation software to shed for each generator in trouble at different load levels (including 41 load levels from 60% to 100%) Dismissed until the rotor angle, frequency and voltage of the buses are within the allowable range of stopping, so that for each case the incident will have the number of load shedding corresponding to that case The incident data collected would correspond to a number of load shedding from the trained neuron function Location of load shedding: Use phase electrical distance for calculating distance between nodes The load shedding position will be based on the distances from the generator outage (generator bus) to the remaining load buses to the load shedding order, or in other words the priority of the nodes closer to the generator will be first off, because these load nodes directly affect the generator is the most trouble The flowchart load shedding process is shown in Fig and transit from i to j Two nodes electrically very close will always have a very small phase difference corresponding to the small distance D Therefore, in the event of a loss of generator, it should be cut the load at the buses which near the generator in advance Fig Flowchart load shedding online Fig The block diagram of the relationship between the generator j and the loads With: D ( j,1) < D ( j,2) < D ( j,3) < D ( j, n) P P P P Prioritized load shedding: Load Load Load … Load n III PROPOSED METHODS A Set up load shedding program Load shedding are based on three main factors: the timing, the amount of load to be shed and the location of load shedding The timing: The system data is sent to the control center for continuous measurement, when the system frequency is within the allowable range of 59.7Hz