Bài viết Xây dựng hệ thống phân loại tự động các kịch bản làm việc của tấm pin năng lượng mặt trời trình bày việc phát hiện và đánh giá lỗi chậm trễ có thể dẫn đến phá hủy hệ thống năng lượng mặt trời và các thiết bị bảo vệ của hệ thống điện. Việc ra đời của học máy đã đóng góp quan trọng trong việc phát hiện lỗi tự động.
Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 XÂY DỰNG HỆ THỐNG PHÂN LOẠI TỰ ĐỘNG CÁC KỊCH BẢN LÀM VIỆC CỦA TẤM PIN NĂNG LƯỢNG MẶT TRỜI Lê Thị Hương Trường Đại học Thủy lợi GIỚI THIỆU CHUNG Phát đánh giá lỗi chậm trễ dẫn đến phá hủy hệ thống lượng mặt trời thiết bị bảo vệ hệ thống điện Việc đời học máy đóng góp quan trọng việc phát lỗi tự động Từ kịch làm việc pin PV hệ thống lượng mặt trời phân tích [1], tác giả sử dụng học máy để phân loại kịch làm việc dựa mạng nơron [2]: hệ thống hoạt động bình thường, cố ngắn mạch, tượng partial shading Thuật ngữ: (1): Độ xác; (2): Độ phủ; (3): Điểm F1; Phương pháp đánh giá tốn phân loại: Độ xác: Tính tỉ lệ số điểm dự đốn tổng số điểm tập liệu kiểm thử Ma trận nhầm lẫn: Cách dựa vào độ xác không cụ thể loại phân loại nào, lớp phân loại nhiều nhất, liệu thuộc lớp thường bị phân loại nhầm vào lớp khác Ma trận nhầm lẫn thể có điểm liệu thực thuộc vào class, dự đoán điểm rơi vào class Precision(1), Recall(2), F1-score(3) Bảng Ma trận nhầm lẫn Dự đốn dương tính Dự đốn âm tính Dương tính Dương tính thật(TP) Âm tính giả (FN) Âm tính Âm tính giả(FP) Âm tính thật (TN) Chỉ số Precision tỉ lệ số điểm true positive số điểm phân loại positive: Precision = TP TP FP (1) Chỉ số Recall tỉ số điểm true positive số điểm thực positive: Recall = TP TP FN (2) Chỉ số F1-score nhiễu trung bình harmonic mean precision recall: 1 F1 precision recall (3) Precision cao đồng nghĩa với độ xác điểm tìm cao Recall cao đồng nghĩa với việc tỉ lệ dương tính thật cao F1_score có giá trị nằm nửa khoảng (0, 1] F1 cao, phân lớp tốt PHƯƠNG PHÁP NGHIÊN CỨU Hệ thống phân loại gồm bước: Xác định mơ hình: Lựa chọn mơ hình thuật tốn, lựa chọn cấu trúc mạng nơron, xác định số lượng lớp ẩn mạng, số lượng unit lớp loại hàm kích hoạt Biên dịch mơ hình: Lựa chọn hàm mát để tối ưu, lựa chọn learning rate Huẩn luyện mơ hình: Lựa chọn số lượng epoch, kích thước batch Đánh giá kết quả: Ước lượng độ xác, xây dựng learning curve, ma trận nhầm lẫn, hệ số F1, precision, recall… Dự đoán: Dự đoán kết từ đầu vào Theo [1] sử dụng Matlab/Simulink để tiến hành mô hệ thống với kịch 273 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 làm việc: Bình thường, ngắn mạch, partial shading Thông số mô phỏng: Thời gian mô phỏng: 1s, thời gian trích mẫu: 5.e-5s Điều kiện mơ phỏng: Cường độ ánh sáng thay đổi từ 600W/m2 tới 1000 W/m2 với lần thay đổi 50W/m2, nhiệt độ thay đổi dải từ 20oC tới 40oC mỗ lần thay đổi 1oC, lần mô nhiệt độ cố định thay đổi cường ánh sáng Nguyên lý mơ Hình Chuẩn bị số liệu: Thu thập giá trị điện áp dòng điện điểm công suất cực đại nhờ mô kịch Hình 1, sau chuẩn hóa khoảng giá trị (0,1): Vnorm I norm Vmpp N s xVOC I mpp N p xI SC Dữ liệu gồm có 567 giá trị chia vào lớp, lớp có 189 giá trị Mạng neural minh họa Hình W (1) Input W (2) Hidden Hidden W (3) Output Hình Cấu trúc mạng nơron (4) (5) Trong NS: số pin mắc nối tiếp string, Np: số string nối song song với Chia liệu: Chia liệu 70% thành liệu dùng để huẩn luyện mơ hình 30% dùng để kiểm chứng Cấu trúc mạng: Đầu vào: có nút liệu đầu vào điện áp dịng điện điểm cơng suất cực đại Lớp ẩn gồm lớp ẩn, lớp thứ bao gồm 32 nút, lớp thứ có nút Đầu ra: tốn phân loại có lớp đầu có nút Lựa chọn hàm kích hoạt: Lớp ẩn: hàm Relu, Đầu hàm softmax: exp( zi ) (6) , i 1,2, , C C exp( z ) j j 1 Hình Mô hệ thống lượng mặt trời cho kịch làm việc Matlab/ Simulink Dữ liệu sau chuẩn hóa Hình Cần mơ hình xác suất cho với input x, thể xác suất để input rơi vào class i => Điều kiện cần phải dương tổng chúng => Cần nhìn giá trị zi dựa quan hệ zi để tính tốn giá trị Lựa chọn hàm tối ưu: Phương pháp tối ưu sử dụng phương pháp Adam (learning rate = 0.01) hàm tối ưu categorical crossentropy Lựa chọn tham số để huẩn luyện mơ hình: Số lượng epoch: 250; kích thước batch: 32 Chương trình viết cơng cụ Keras phát hành Google KẾT QUẢ NGHIÊN CỨU Hình Dữ liệu sau chuẩn hóa Độ xác phân loại mơ hình: 99,41% 274 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 Hình Đồ thị tổn hao Từ hình vẽ rút số nhận xét sau: Cả tổn hao trình huẩn luyện (train) trình kiểm tra (test) giảm đồng gần đạt giá trị Khơng có bất thường q trình biến thiên tổn hao nên kết luận mơ hình xây dựng hợp lý, đạt u cầu, có độ xác phân loại cao Các thông số lựa chọn số lượng epoch, kích thước batch cấu trúc mạng neural hợp lý, phù hợp với liệu có Theo hình có điểm thuộc loại ổn định bị phân loại nhầm thành shading Theo Bảng Các số đánh giá F1 - score, Precision and Recall cao - gần giá trị 1, chứng tỏ kết mơ hình phân loại tốt Hình Kết dự đốn cho kịch làm việc KẾT LUẬN Mơ hình sau huấn luyện có khả dự đốn tốt, ứng dụng kết học máy để xử lý vấn đề ngành điện Tuy nhiên, mơ hình tồn số nhược điểm: Mơ hình chưa mang tính tổng quả, có nghĩa mơ hình hoạt động với hệ thống PV định, muốn kiểm định hệ thống khác cần phải xây dựng mơ hình lại từ đầu Mơ hình phân loại lỗi chưa vị trí lỗi hệ thống TÀI LIỆU THAM KHẢO [1] Hình 5: Ma trận nhầm lẫn Bảng 3: Các số đánh giá F1 - score Precision Recall Ngắn mạch 1 Ổn định 0.991 0.983 Shading 0.992 0.984 Lê Thị Hương, 2017, “Nghiên cứu mơ hình điều khiển công suất cực đại cho hệ thống lượng mặt trời”, HNKHTN, Đại học Thủy lợi, Hà Nội, Việt Nam [2] Y.Zhao, 2015, “Fault detection, classification and protection in solar photovoltaic arrays”, Northeastern University Boston, Massachusetts 275 ... hoạt động với hệ thống PV định, muốn kiểm định hệ thống khác cần phải xây dựng mơ hình lại từ đầu Mơ hình phân loại lỗi chưa vị trí lỗi hệ thống TÀI LIỆU THAM KHẢO [1] Hình 5: Ma trận nhầm lẫn Bảng... tốn phân loại có lớp đầu có nút Lựa chọn hàm kích hoạt: Lớp ẩn: hàm Relu, Đầu hàm softmax: exp( zi ) (6) , i 1,2, , C C exp( z ) j j 1 Hình Mơ hệ thống lượng mặt trời cho kịch làm việc. .. định bị phân loại nhầm thành shading Theo Bảng Các số đánh giá F1 - score, Precision and Recall cao - gần giá trị 1, chứng tỏ kết mơ hình phân loại tốt Hình Kết dự đoán cho kịch làm việc KẾT