(LUẬN văn THẠC sĩ) nghiên cứu sa thải phụ tải áp dụng mạng nơron, thuật toán AHP và fuzzy logic

Giới thiệu

Trong quá trình công nghiệp hóa và hiện đại hóa đất nước, đảm bảo cung cấp điện cho phát triển kinh tế xã hội là ưu tiên hàng đầu Vận hành an toàn hệ thống điện trong mọi điều kiện là yếu tố quyết định Khi nhu cầu xã hội gia tăng, tình trạng mất điện sẽ làm tăng chỉ số SADI, phản ánh thời gian mất điện trung bình của lưới điện.

Việc đảm bảo an toàn và liên tục trong vận hành hệ thống điện là yếu tố quan trọng để đạt được các chỉ tiêu chung của ngành Điện.

Mất điện nghiêm trọng đã xảy ra trên toàn cầu, ảnh hưởng đến cả các nước phát triển như Mỹ, Úc, Canada và các nước kém phát triển Những sự cố này không chỉ gây thiệt hại kinh tế lớn mà còn tác động sâu sắc đến xã hội, đặc biệt ở các khu vực đô thị Các dịch vụ chăm sóc sức khỏe trong bệnh viện bị gián đoạn, việc lưu trữ dược phẩm bị ảnh hưởng, điều khiển giao thông gặp khó khăn dẫn đến tai nạn, và mạng internet cùng các hệ thống thông tin liên lạc bị ngắt quãng.

Vào năm 2013, Việt Nam đã trải qua một sự cố nghiêm trọng khi mất điện trên đường dây 500 kV Bắc – Nam, dẫn đến tình trạng mất điện ở 21 tỉnh, thành phố phía Nam, kéo dài từ Bình Thuận đến các khu vực lân cận.

Sự cố mất điện tại Cà Mau đã ảnh hưởng đến khoảng 8 triệu khách hàng trong vòng 6 giờ Hiện tại, tổng mức thiệt hại từ sự cố này vẫn chưa được thống kê.

Tần số (f, Hz) và điện áp (U, kV) là hai yếu tố quan trọng để đánh giá sự ổn định của hệ thống điện, với điện áp chủ yếu bị ảnh hưởng bởi công suất phản kháng (Q, MVAr) và công suất tác dụng (P, MW) tác động đến tần số Khi một trong hai giá trị này vượt quá ngưỡng cho phép, hệ thống sẽ mất cân bằng và dẫn đến nhiễu loạn.

Khi giá trị công suất phát của hệ thống thấp hơn công suất tiêu thụ, tần số sẽ giảm Ngược lại, nếu công suất phát cao hơn công suất tiêu thụ, tần số sẽ tăng Để duy trì tần số ổn định ở mức định mức, cần đảm bảo sự cân bằng giữa công suất phát và công suất tải trong hệ thống.

Vận hành ổn định của hệ thống điện yêu cầu tần số và điện áp duy trì ở mức không đổi Tuy nhiên, trong thực tế, tần số của hệ thống điện thường không ổn định do nhu cầu phụ tải thay đổi liên tục Để đảm bảo sự cân bằng, công suất phát ra cần phải tương thích với công suất tiêu thụ; nếu không, sẽ xảy ra tình trạng thiếu hụt công suất Khi phụ tải vượt quá công suất phát, tần số hệ thống sẽ giảm, ngược lại, nếu công suất phát lớn hơn nhu cầu, tần số sẽ tăng cao.

Tần số hệ thống tỉ lệ thuận với tốc độ máy phát, do đó, việc điều chỉnh tần số được thực hiện thông qua việc thay đổi tốc độ máy phát Máy phát thường được trang bị bộ điều tốc để liên tục đo lường và giám sát tốc độ Điều khiển tần số trong một hệ thống điện độc lập với một máy phát đơn giản hơn nhiều so với trong một hệ thống điện liên kết.

Khi phụ tải trong hệ thống điện cách ly với một máy phát tăng đột ngột, quán tính quay của máy phát sẽ ngay lập tức cung cấp năng lượng cần thiết Tuy nhiên, tốc độ quay của máy phát sẽ giảm, dẫn đến tần số hệ thống cũng giảm theo Để khôi phục tần số về mức cho phép, bộ điều tốc sẽ mở cánh hướng tuabin, giúp tăng tốc độ quay của tuabin Sự gia tăng tốc độ tuabin sẽ làm tăng tần số hệ thống, đảm bảo hoạt động ổn định cho toàn bộ hệ thống điện.

Hình 1 Điều khiển tần số trong hệ thống điện

Khi hệ thống điện gặp tình trạng thiếu nguồn, tần số sẽ giảm thấp, ảnh hưởng đến phụ tải và có thể dẫn đến rã lưới (Black Out) nếu không có biện pháp phòng ngừa hiệu quả, gây ra tổn thất nặng nề Sự mất ổn định có thể xảy ra trong vài phút, và nếu không được can thiệp kịp thời, mất điện hệ thống có thể diễn ra chỉ trong vài giây Quá trình khôi phục hệ thống điện sau sự cố có thể kéo dài hàng giờ.

Công suất tác dụng và công suất phản kháng đóng vai trò quan trọng trong hệ thống điện, với công suất tác dụng ảnh hưởng trực tiếp đến tần số và công suất phản kháng tác động đến giá trị điện áp Sự bất ổn về tần số hoặc điện áp có thể gây ra nhiễu loạn, và nếu tình trạng này kéo dài, hệ thống có thể bị tan rã Thêm vào đó, sự gia tăng đột ngột của phụ tải mà hệ thống không kịp thời đáp ứng sẽ dẫn đến mất ổn định.

Khi xảy ra sự cố hoặc nhiễu loạn kéo dài, giá trị tần số và điện áp tại các nút sẽ thay đổi, do đó, việc nhanh chóng đưa các giá trị này trở về mức ban đầu hoặc thiết lập điểm ổn định mới là rất quan trọng để ngăn chặn sự sụp đổ của hệ thống Do đó, cắt giảm phụ tải trở thành một phương án bắt buộc cần được thực hiện.

Số lượng và thời điểm cắt giảm phụ tải là yếu tố quan trọng để ổn định hệ thống Do đó, lựa chọn phương pháp sa thải phụ tải tối ưu là cần thiết và cấp bách trong bối cảnh hiện nay.

Tính cấp thiết của đề tài

Vận hành ổn định hệ thống điện là một trong những lợi ích quan trọng liên quan đến các chỉ tiêu kinh tế - kỹ thuật Khi các biện pháp điều khiển hiện có không đủ để duy trì sự ổn định của hệ thống trước các nhiễu loạn ngẫu nhiên, sa thải phụ tải trở thành giải pháp cuối cùng để giảm thiểu mất nguồn điện Mặc dù đạt được một số thành công, các kế hoạch sa thải tải truyền thống thường chỉ tập trung vào việc giảm tần số hoặc điện áp, dẫn đến kết quả không chính xác; số lượng bước sa thải tải có thể lớn, gây ra tình trạng sa thải tải quá mức, và thiếu sự linh hoạt trong việc điều chỉnh số lượng bước sa thải.

Việc sa thải phụ tải hiện tại chưa tính đến các yếu tố kinh tế, tầm quan trọng của phụ tải, sự biến đổi của tải theo thời gian và ngưỡng tần số ảnh hưởng Do đó, cần thiết phải đề xuất phương pháp sa thải phụ tải có xem xét đầy đủ các yếu tố này để đảm bảo hiệu quả và bền vững.

Mục tiêu – Cách tiếp cận – Phương pháp nghiên cứu

Nghiên cứu đã tập trung vào các phương pháp sa thải phụ tải và đề xuất một phương pháp mới kết hợp giữa thuật toán fuzzy HP và mạng nơron Phương pháp này hứa hẹn cải thiện hiệu quả trong việc quản lý và điều chỉnh phụ tải điện.

- Nghiên cứu các loại sự cố trong hệ thống điện, vấn đề mất ổn định hệ thống điện, sa thải phụ tải trong trường hợp sự cố

- Nghiên cứu các phương pháp sa thải phụ tải trong vận hành hệ thống điện, các thuật toán HP, uzzy Logic

- Nghiên cứu phương pháp sa thải phụ tải áp dụng ở các Công ty Điện lực

Nghiên cứu tài liệu và phân tích dữ liệu được thực hiện thông qua mô hình hóa và mô phỏng trên các chương trình Power Word và Mathlab Các bảng số liệu được xử lý và thống kê hiệu quả bằng công cụ Excel.

1.4 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu bao gồm các dạng sự cố và ổn định hệ thống điện, cùng với vấn đề sa thải phụ tải Nghiên cứu áp dụng mạng nơ-ron nhân tạo (ANN) và các giải thuật AHP, Fuzzy - AHP, sử dụng phần mềm PowerWorld và Neuron Toolbook trong Matlab.

Phương pháp sa thải phụ tải sử dụng thuật toán AHP kết hợp với Logic Fuzzy nhằm đánh giá tầm quan trọng của từng tải, sự suy giảm tần số của phụ tải và các điều kiện ràng buộc liên quan.

Khảo sát và thử nghiệm sa thải trên mô hình hệ thống điện IEEE 39, bao gồm 10 máy phát và 19 tải, nhằm kiểm chứng hiệu quả của phương pháp đề xuất trong luận văn.

Nội dung nghiên cứu gồm hai phần: Giới thiệu đề tài và phần Nội dung được trình bày như sau:

PHẦN GIỚI THIỆU ĐỀ TÀI

Bài viết này cung cấp cái nhìn tổng quan về hướng nghiên cứu, bao gồm giới thiệu về tính cấp thiết của vấn đề, mục tiêu nghiên cứu, cách tiếp cận và phương pháp nghiên cứu Đối tượng và phạm vi nghiên cứu được xác định rõ ràng, cùng với nội dung nghiên cứu nhằm đặt ra vấn đề và đề xuất các giải pháp hiệu quả Mục tiêu cuối cùng là duy trì sự ổn định của hệ thống điện, đảm bảo cung cấp năng lượng liên tục và bền vững.

Chương 2 Mô hình hệ thống phân cấp HP và uzzy – AHP và mạng Nơron

Chương 3 Phương pháp sa thải phụ tải dưới tần số áp dụng mạng nơron, thuật toán Fuzzy-AHP và mạng nơron

Chương 4 Khảo sát, thử nghiệm nhằm kiểm chứng hiệu quả phương pháp đề xuất trong luận văn

Chương 5 Kết luận và hướng phát triển của đề tài

TỔNG QUAN CÁC PHƯƠNG PHÁP SA THẢI PHỤ TẢI

1.1 Tổng quan các kết quả nghiên cứu

Chất lượng điện năng và độ tin cậy là yếu tố quan trọng hàng đầu trong việc cung cấp điện cho khách hàng Với nhu cầu ngày càng cao từ phía khách hàng, hệ thống điện không chỉ cần đủ công suất mà còn phải đảm bảo sự ổn định và tin cậy trong quá trình vận hành Khả năng phát điện của nguồn sẽ tỷ lệ thuận với số lượng tải trong hệ thống.

Ngành Điện cần dự trữ công suất lớn để đáp ứng nhu cầu trong trường hợp tải dao động Tuy nhiên, hiện tại, yêu cầu này vẫn chưa được đảm bảo do hệ thống điện còn nhiều nhiễu loạn, dẫn đến tình trạng mất điện.

Các sự cố và nhiễu loạn trong hệ thống điện thường xảy ra do mất điện từ máy phát điện hoặc do sự thay đổi đột ngột của tải Khi các sự cố này diễn ra, hệ thống dễ bị mất ổn định, và mức độ mất ổn định phụ thuộc vào thời gian cũng như tính chất của những nhiễu loạn đó.

Tiêu chuẩn đánh giá ổn định chất lượng điện năng trong hệ thống bao gồm tần số và điện áp Sự thay đổi của một trong hai thông số này có thể gây ra mất cân bằng công suất và dẫn đến nhiễu loạn trong hệ thống Nếu tình trạng này kéo dài, nó có thể dẫn đến sự tan rã của hệ thống.

Sau khi xảy ra nhiễu loạn, việc khôi phục các thông số ban đầu hoặc ổn định hệ thống mới là rất quan trọng để ngăn chặn sự sụp đổ Sa thải phụ tải là phương án bắt buộc, nhưng số lượng tải cần ngắt và thời gian cắt cũng là yếu tố quyết định trong việc ổn định hệ thống Do đó, lựa chọn phương pháp sa thải phụ tải tối ưu là vấn đề cấp bách và cần thiết.

Hiện nay, có nhiều phương pháp khác nhau trong vận hành hệ thống điện để sa thải phụ tải và phục hồi hệ thống Những phương pháp này, được phát triển bởi các nhà nghiên cứu, đã được áp dụng rộng rãi trong ngành công nghiệp năng lượng toàn cầu Hầu hết các phương pháp đều dựa trên nguyên tắc suy giảm tần số trong hệ thống.

Việc sa thải tải quá mức cần thiết không được ưa chuộng do gây ra sự không hài lòng từ khách hàng Các cải tiến trong phương pháp truyền thống đã dẫn đến sự phát triển của phương pháp sa thải phụ tải dựa trên tần số và tốc độ thay đổi của tần số Điều này cho phép dự đoán chính xác hơn lượng phụ tải cần sa thải, từ đó nâng cao độ chính xác của phương pháp.

Gần đây, sự cố mất điện đã làm nổi bật các vấn đề liên quan đến ổn định điện áp trong hệ thống Giảm điện áp thường xảy ra do nhiễu loạn, nhưng cũng có thể do cung cấp không đủ công suất phản kháng Do đó, các nhà nghiên cứu đang tìm kiếm các phương pháp hiệu quả để duy trì sự ổn định điện áp trong hệ thống điện.

Để đảm bảo độ chính xác của dữ liệu đầu vào cho chương trình sa thải tải, việc lựa chọn thiết bị thu thập dữ liệu hệ thống là rất quan trọng Các bộ phận đo lường pha thường được sử dụng để thu thập dữ liệu thời gian thực, bao gồm các đại lượng như P, Q, U, I, f, và các thông số khác.

Nội dung nghiên cứu

Nội dung nghiên cứu gồm hai phần: Giới thiệu đề tài và phần Nội dung được trình bày như sau:

PHẦN GIỚI THIỆU ĐỀ TÀI

Bài viết này tổng quan về hướng nghiên cứu nhằm duy trì ổn định hệ thống điện, bao gồm việc giới thiệu tính cấp thiết của vấn đề, xác định mục tiêu nghiên cứu, và trình bày các phương pháp tiếp cận Nội dung nghiên cứu sẽ tập trung vào đối tượng và phạm vi cụ thể, đồng thời đề xuất giải pháp hiệu quả để giải quyết các thách thức hiện tại trong hệ thống điện.

Chương 2 Mô hình hệ thống phân cấp HP và uzzy – AHP và mạng Nơron

Chương 3 Phương pháp sa thải phụ tải dưới tần số áp dụng mạng nơron, thuật toán Fuzzy-AHP và mạng nơron

Chương 4 Khảo sát, thử nghiệm nhằm kiểm chứng hiệu quả phương pháp đề xuất trong luận văn

Chương 5 Kết luận và hướng phát triển của đề tài.

Tổng quan các kết quả nghiên cứu

Chất lượng điện năng và độ tin cậy là yếu tố quan trọng trong việc cung cấp điện cho khách hàng Với yêu cầu ngày càng cao từ phía khách hàng, hệ thống điện không chỉ cần đảm bảo đủ công suất mà còn phải duy trì độ ổn định và tin cậy trong quá trình vận hành Khả năng phát điện của nguồn sẽ tỉ lệ thuận với số lượng tải trong hệ thống.

Ngành Điện cần dự trữ công suất lớn để đáp ứng nhu cầu khi có sự dao động về tải Tuy nhiên, yêu cầu này chưa được đảm bảo do hệ thống điện vẫn gặp nhiều nhiễu loạn, dẫn đến tình trạng mất điện thường xuyên.

Các sự cố và nhiễu loạn trong hệ thống điện thường xảy ra do mất điện từ máy phát điện hoặc do sự thay đổi đột ngột của tải Khi các sự cố này xảy ra, hệ thống có nguy cơ mất ổn định, và mức độ mất ổn định phụ thuộc vào thời gian và tính chất của các nhiễu loạn.

Tiêu chuẩn đánh giá ổn định chất lượng điện năng trong hệ thống dựa vào tần số và điện áp Sự thay đổi của một trong hai thông số này có thể gây mất cân bằng công suất và dẫn đến nhiễu loạn Nếu tình trạng này kéo dài, hệ thống có thể bị tan rã.

Sau khi xảy ra nhiễu loạn, việc khôi phục các thông số ban đầu hoặc thiết lập điểm ổn định mới là rất quan trọng để ngăn chặn sự sụp đổ của hệ thống Do đó, sa thải phụ tải trở thành một phương án bắt buộc Tuy nhiên, số lượng tải cần ngắt và thời gian cắt là những yếu tố quyết định trong quá trình ổn định hệ thống Vì vậy, lựa chọn phương pháp sa thải phụ tải tối ưu là vấn đề cần thiết và cấp bách.

Trong lĩnh vực vận hành hệ thống điện, hiện có nhiều phương pháp hiệu quả để sa thải phụ tải và phục hồi hệ thống Các phương pháp này, được phát triển bởi các nhà nghiên cứu, đã được áp dụng rộng rãi trong ngành công nghiệp năng lượng toàn cầu Hầu hết các phương pháp này đều dựa trên nguyên tắc suy giảm tần số trong hệ thống.

Sa thải tải quá mức cần thiết không được ưa chuộng do gây ra sự không hài lòng từ phía khách hàng Các cải tiến trong phương pháp truyền thống đã dẫn đến sự phát triển của phương pháp sa thải phụ tải dựa trên tần số và tốc độ thay đổi của tần số, giúp dự đoán chính xác hơn lượng phụ tải cần sa thải.

Gần đây, sự cố mất điện đã làm nổi bật những vấn đề liên quan đến ổn định điện áp trong hệ thống điện Giảm điện áp thường xảy ra do các nhiễu loạn, nhưng cũng có thể do cung cấp không đủ công suất phản kháng Điều này đã thúc đẩy các nhà nghiên cứu tìm kiếm các phương pháp hiệu quả để duy trì sự ổn định điện áp trong hệ thống.

Sau khi phân tích các thông số cho sa thải tải, việc sử dụng thiết bị phù hợp để thu thập dữ liệu hệ thống là rất quan trọng nhằm đảm bảo độ chính xác của các giá trị thực tế đưa vào chương trình sa thải Thông thường, các bộ phận đo lường pha được sử dụng để thu thập dữ liệu thời gian thực, bao gồm các đại lượng như P, Q, U, I, và f.

Trong hệ thống, mỗi phụ tải được xác định bởi vị trí đấu nối và tính chất quan trọng liên quan đến an ninh, chính trị, quốc phòng Đặc tính công nghệ và khả năng thiệt hại kinh tế khi mất điện cũng là những yếu tố quan trọng Dựa trên mức độ quan trọng này, phụ tải được sắp xếp theo thứ tự ưu tiên trong quá trình sa thải, nhằm giảm thiểu thiệt hại và duy trì sự cân bằng cho hệ thống.

Trong tình huống khẩn cấp, việc sa thải tải được thực hiện theo thứ tự ưu tiên, nghĩa là các tải ít quan trọng sẽ được sa thải trước, trong khi các tải quan trọng sẽ được giữ lại hoặc sa thải sau cùng Phương diện kinh tế đóng vai trò quan trọng trong kế hoạch sa thải tải Thông thường, một phương pháp tiếp cận thông minh sẽ được áp dụng, trong đó tổng số tải cần sa thải được chia thành nhiều bước riêng biệt và sa thải theo sự suy giảm của tần số.

Khi tần số giảm đến mức xác định trước, một phần trăm nhất định của tổng phụ tải sẽ bị sa thải Nếu tần số tiếp tục giảm và đạt đến mức thứ hai, tỷ lệ phần trăm của tải còn lại sẽ tiếp tục bị sa thải Quá trình này sẽ tiếp diễn cho đến khi tần số tăng trở lại trên giới hạn dưới Số lượng tải bị sa thải ở mỗi bước là yếu tố quan trọng ảnh hưởng đến hiệu quả của chương trình.

Giảm tải trong mỗi bước giúp giảm thiểu khả năng sa thải tải quá mức Khi xem xét số lượng tải và lượng tải sa thải, cần tính đến yêu cầu công suất phản kháng của từng tải Những nhiễu loạn như mất một máy phát điện thường gây ra điện áp giảm Để khôi phục điện áp hiệu quả, việc giảm phụ tải công suất phản kháng là cần thiết Do đó, khi tải tiêu thụ nhiều công suất phản kháng, nó sẽ được cắt giảm trước tiên, giúp cải thiện biên độ điện áp.

Các phương pháp sa thải phụ tải đang áp dụng

Nhiều phương pháp sa thải phụ tải và phục hồi hệ thống đã được phát triển và ứng dụng trong ngành công nghiệp, bao gồm các phương pháp sa thải phụ tải thích nghi và thông minh Hình 1.1 cung cấp cái nhìn tổng quan về các phương pháp sa thải phụ tải hiện có.

- Sa thải phụ tải truyền thống (Conventional Load Shedding)

- Sa thải phụ tải thích nghi (Adaptive Load Shedding)

- Sa thải phụ tải thông minh (ILS - Intelligent Load Shedding)

Mô hình sa thải phụ tải được đề xuất trong luận văn sử dụng phối hợp giải thuật Fuzzy - AHP và mạng nơ ron nhân tạo ANN nhằm đảm bảo ổn định cho mô hình thực nghiệm Mô hình này giúp giảm thời gian đưa ra quyết định, rút ngắn thời gian phục hồi tần số và nâng cao độ ổn định tần số so với các phương pháp truyền thống.

1.2.1 Phương pháp sa thải phụ tải truyền thống

Sa thải phụ tải bằng relay tần số (R81) hoặc relay điện áp (R27) là phương pháp phổ biến nhất để điều khiển và duy trì sự ổn định của tần số.

Các phương pháp sa thải phụ tải

Các phương pháp sa thải phụ tải thích nghi

Các phương pháp sa thải phụ tải truyền thống

Các phương pháp sa thải phụ tải thông minh

UFLS sa thải phụ tải dưới tần số

UVLS sa thải phụ tải dưới điện áp

Adaptive Neuro Fuzzy Infernce System (ANFIS)

Hình 1.1 Các phương pháp sa thải phụ tải trong hệ thống điện

Phương pháp phân tích thứ bậc (AHP) giúp đánh giá điện áp của lưới điện và duy trì tính ổn định trong các điều kiện cần thiết Trong các phương pháp sa thải phụ tải thông thường, khi tần số hoặc điện áp dao động ra ngoài giới hạn cài đặt, các relay tần số/điện áp sẽ phát tín hiệu để cắt tải tương ứng, ngăn chặn sự suy giảm tần số và điện áp cũng như các tác động tiêu cực của chúng.

Quá trình STPT tại các Điện lực diễn ra như sau: khi Điều Độ Viên lưới phân phối ra lệnh cắt giảm phụ tải với công suất cụ thể, Trực ban vận hành sẽ dựa vào tình hình vận hành của các tuyến đường dây để thực hiện cắt giảm các tuyến tương ứng nhằm đáp ứng yêu cầu công suất Quy trình này chủ yếu được thực hiện thủ công, yêu cầu thao tác bằng tay tại hiện trường và phải tuân thủ nghiêm ngặt các quy định an toàn, dẫn đến thời gian thực hiện kéo dài (bao gồm thời gian tiếp nhận thông tin, cấp phiếu thao tác, di chuyển và thực hiện) Nếu tần số giảm xuống mức nguy hiểm, các tải 110 kV và 220 kV sẽ ngay lập tức bị sa thải, gây ra mất điện diện rộng và ảnh hưởng đến việc cung ứng điện cho khách hàng.

Các số liệu vận hành phụ tải chưa được cập nhật thường xuyên, dẫn đến tình trạng cắt giảm thừa hoặc thiếu so với giá trị mà Điều Độ Viên đã đưa ra Hạn chế này cho thấy cần thiết phải áp dụng phương pháp khác hiệu quả hơn để đáp ứng các yêu cầu mới.

1.2.1.1 Sa thải phụ tải dưới tần số (Under Frequency Load Shedding - UFLS)

Tần số danh định của hệ thống điện Việt Nam là 50 Hz cho tất cả các cấp điện áp Trong quá trình vận hành, tần số của hệ thống điện được cho phép dao động trong một khoảng nhất định, như được trình bày trong Bảng 1.1.

Trong vận hành bình thường, tần số được phép dao động trong phạm vi 50

Hz ± 0,2 Hz Trong trường hợp HTĐ có sự cố đơn lẻ, tần số được phép dao động trong phạm vi 50 Hz ± 0,5 Hz

Bảng 1.1 Phạm vi dao động tần số của HTĐ Việt Nam

Chế độ vận hành của HTĐ Dãy tần số cho phép

Vận hành bình thường 49,8 Hz ÷ 50,2 Hz

Sự cố đơn lẻ 49,5 Hz ÷ 50,5 Hz

Trong trường hợp hệ thống điện quốc gia gặp sự cố nghiêm trọng hoặc tình trạng khẩn cấp, tần số hệ thống điện có thể dao động từ 47 Hz đến 52 Hz Dải tần số cho phép và số lần xuất hiện được xác định theo chu kỳ 01 năm hoặc 02 năm, như quy định trong Bảng 1.2.

Bảng 1.2 Dải tần số cho phép và số lần cho phép trong trường hợp sự cố nhiều phần tử, sự cố nghiêm trọng hoặc trạng thái khẩn cấp

Dải tần số cho phép (Hz) Số lần cho phép theo chu kỳ thời gian

Sa thải phụ tải dưới tần số (UFLS) là biện pháp quan trọng được áp dụng trong các tình huống khẩn cấp, khi có sự cố làm giảm nhanh tần số do mất máy phát điện Theo tiêu chuẩn IEEE, việc sa thải dưới tần số cần được thực hiện nhanh chóng nhằm ngăn chặn sự giảm tần số của hệ thống điện Điều này giúp giảm tải hệ thống điện, đảm bảo sự cân bằng với công suất phát điện hiện có.

Để ngăn ngừa sự cố rã lưới, giá trị ngưỡng tần số được thiết lập nhằm bắt đầu sa thải phụ tải dưới tần số Giá trị tần số tối thiểu chấp nhận phụ thuộc vào thiết bị trong hệ thống, bao gồm các loại máy phát điện, thiết bị phụ trợ và tuabin Các relay UFLS được khởi tạo để sa thải một lượng tải cố định theo các bước đã xác định khi tần số giảm xuống dưới ngưỡng định trước.

Các Nhà vận hành hệ thống truyền tải điện châu Âu (ENTSOE) đã đưa ra các bước cần thiết để thực hiện quy trình sa thải dưới tần số tại tần số định mức 50 Hz.

 Giai đoạn đầu tiên tự động sa thải phụ tải nên được khởi động ở giá trị tần số 49 Hz

 Tại tần số 49 Hz, ít nhất 5% tổng mức tải tiêu thụ nên được sa thải

 Một mức 50% tải định mức nên được cắt bằng cách sử dụng relay dưới tần số trong dải tần số từ 49,0 - 48,0 Hz

 Trong mỗi bước, được khuyến cáo sa thải không quá 10% tải

 Thời gian trễ cắt tối đa nên là 350 ms bao gồm cả thời gian vận hành các máy cắt

Sa thải phụ tải dưới tần số là một biện pháp được nhiều nhà vận hành hệ thống điện áp dụng, bao gồm Hội đồng Điều phối độ tin cậy bang Florida (FRCC), Kiểm soát khu vực giữa Đại Tây Dương MAAC, và Hội đồng điện tin cậy của Texas (ERCOT) Đối với FRCC, quy trình sa thải theo tần số bao gồm 9 bước, mỗi bước tương ứng với một mức tần số và một lượng phụ tải nhất định sẽ bị sa thải, kèm theo thời gian trì hoãn giữa các bước Các tải này được phân loại thành một nhóm và có thứ tự ưu tiên giống nhau.

Hệ thống hoạt động bình thường ở tần số 60 Hz Khi tần số giảm xuống 59,7 Hz, rơ le tần số sẽ ghi nhận và sau 0,28 giây nếu tần số không khôi phục, 9% tải sẽ bị sa thải Quá trình này tương tự diễn ra cho các bước từ 2 đến 9.

Trong quá trình cắt tải đến bước thứ 8, tần số được khôi phục đến giá trị 59,7

Sau thời gian trì hoãn lũy kế 23,68 giây, tải bị cắt giảm thêm 5%, dẫn đến tổng tải lũy kế cắt giảm đạt 51% Nếu đến bước thứ 9 mà tần số hệ thống chưa đạt giá trị vận hành an toàn, chúng ta phải chấp nhận khả năng tồi tệ nhất là hệ thống sẽ tan rã Tần số sa thải thấp nhất được xác định ở ngưỡng 58,2 Hz.

Bảng 1.3 Các bước sa thải phụ tải của FRCC, tần số 60 Hz

Tần số sa thải phụ tải (Hz)

Lƣợng phụ tải sa thải (%)

Lũy kê thời gian trễ (s)

Lũy kế số phụ tải sa thải (%)

MAAC thực hiện việc sa thải phụ tải theo ba giá trị tần số từ 59,3 đến 58,5 Hz, như được nêu trong Bảng 1.4 Tổng số lượng tải bị sa thải tối đa lên tới 30%, với tần số thấp nhất ghi nhận là 58,5 Hz.

Bảng 1.4 Các bước sa thải phụ tải của MAAC, tần số 60 Hz

Phần trăm tổng phụ tải sa thải Tần số cài đặt sa thải phụ tải (Hz)

Nhận xét

Sa thải phụ tải trong hệ thống điện là một quá trình phức tạp và nhanh chóng, với các sự cố không thể đoán trước trong vận hành Thời gian thực hiện sa thải phụ tải cần phải rất ngắn để ngăn chặn việc mất điện hoàn toàn Hiện nay, phương pháp UFLS truyền thống không còn phù hợp cho các hệ thống điện lớn và phức tạp Các sự cố rã lưới gần đây trên thế giới đã làm giảm độ tin cậy của các phương pháp UFLS và UVLS, khiến chúng không còn hiệu quả như trước.

Các phương pháp thông thường và một số phương pháp thông minh như logic mờ, di truyền GA và PSO chủ yếu dựa vào việc sa thải phụ tải dưới điện áp trong điều kiện vận hành ổn định của hệ thống Tuy nhiên, những phương pháp này không đủ nhanh để thực hiện việc sa thải phụ tải tức thời.

Hệ thống sa thải phụ tải thực tế hoạt động trong thời gian thực, với mạng neural cung cấp khả năng tối ưu hóa và đáp ứng nhanh chóng cho việc sa thải phụ tải tức thời Phương pháp sa thải phụ tải thích nghi sử dụng mạng neural cho thấy tốc độ phản ứng của thuật toán ANN nhanh hơn ít nhất 100 lần so với các phương pháp khác.

Trong các nghiên cứu về mạng nơ-ron nhân tạo (ANN), đầu ra thường chỉ là tổng công suất tác dụng cần sa thải, nhưng không phản ánh chính xác số lượng tải cần sa thải tại từng thời điểm Khi tải trong hệ thống điện thường xuyên thay đổi, các thuật toán như neurofuzzy ANFIS, thuật toán di truyền (GA), tối ưu hóa phần tử đám đông (PSO), và thuật toán vi khuẩn tìm kiếm thức ăn theo định hướng có thể được áp dụng hiệu quả để giảm thiểu mất điện và nâng cao độ tin cậy cho hệ thống Những phương pháp tính toán thông minh này có khả năng thực hiện sa thải chính xác trong thời gian ngắn trong các tình huống khẩn cấp Đây là lĩnh vực nghiên cứu được nhiều tác giả quan tâm trong những năm gần đây, với mục tiêu tối ưu hóa sa thải phụ tải nhằm nâng cao sự ổn định của hệ thống điện.

Nghiên cứu này tập trung vào sự biến đổi của tải trong hệ thống điện và đề xuất các thuật toán sa thải phụ tải phù hợp với các điều kiện mới Mục tiêu là phát triển một giải thuật có khả năng dự báo và ngăn ngừa, nhằm thực hiện sa thải phụ tải động tương ứng với sự thay đổi cấu hình hệ thống, biến động của tải, và các nhiễu loạn đã được xác định Điều này giúp đảm bảo sa thải phụ tải diễn ra chính xác, tránh tình trạng thiếu hụt hoặc thừa tải trong thời gian ngắn.

Ổn định hệ thống điện là yêu cầu thiết yếu cho bất kỳ lưới điện nào trong một hệ thống điện liên kết Trong quá trình vận hành, cần duy trì sự cân bằng giữa sản xuất và tiêu thụ điện năng, với tần số quy định của hệ thống là chỉ số quan trọng cho sự cân bằng này Nếu sự cân bằng bị phá vỡ và không được khắc phục kịp thời, sẽ dẫn đến những hậu quả nghiêm trọng cho tính ổn định của hệ thống điện.

Để đảm bảo hiệu quả trong việc tách ly sự cố, các rơle bảo vệ cần hoạt động một cách hiệu quả, đồng thời phải khôi phục sự cân bằng giữa công suất phát và công suất tiêu thụ Việc này rất quan trọng trước khi tần số giảm xuống mức có thể gây ảnh hưởng đến sự ổn định của nhà máy, dẫn đến nguy cơ mất điện rộng lớn cho một phần hoặc toàn bộ hệ thống Các biện pháp dự trữ công suất dự phòng nóng từ các đơn vị phát điện đang hoạt động chỉ có thể thực hiện hiệu quả khi hệ thống bị vượt sức nhẹ, tức là khi tần số của hệ thống giảm nhẹ.

Trong các tình huống mất cân đối nghiêm trọng, việc sử dụng chương trình sa thải phụ tải tự động bằng rơle tần số là cần thiết để bảo vệ các máy phát điện, đặc biệt là nhiệt điện, và ngăn chặn nguy cơ rã lưới hoàn toàn Các rơle này thực hiện cắt điện tự động một cách thích hợp nhằm giảm tải tiêu thụ Tuy nhiên, việc tính toán, chỉnh định và quản lý vận hành các rơle cắt tải theo tần số trong hệ thống điện là một nhiệm vụ phức tạp, bao gồm việc xác định vị trí cài đặt rơle, lượng tải cắt và tần suất cắt Mục tiêu lý tưởng là thực hiện cắt đủ và đúng theo từng tình huống sự cố xảy ra.

Tuy không thể đạt được sự hoàn hảo do tính chất bất thường của sự cố, nhưng cần nhận thức rằng sự cố có thể xảy ra bất kỳ lúc nào và ở bất kỳ đâu trên lưới điện Các tác động của rơle và máy cắt không đồng đều giữa các vị trí lắp đặt, và cần xem xét các phụ tải khác nhau với những đặc tính riêng và mức độ quan trọng khác nhau.

Việc tính toán các trị số để chỉnh định cho các rơle ra thải theo tần số cần phải đạt được các mục tiêu chính như sau:

Để đảm bảo hệ thống điện không bị sụt giảm dưới 47,5 Hz, cần thực hiện các biện pháp cứu vãn kịp thời khi tần số quy định giảm mạnh.

Sau khi thực hiện các đợt cắt tải theo kế hoạch, tần số của hệ thống sẽ từ từ tiến gần đến dãy tần số quy định cho hoạt động bình thường của hệ thống.

Thuật toán AHP - Analytic Hierarchy Process

AHP (Analytic Hierarchy Process) là phương pháp hiệu quả trong việc hỗ trợ ra quyết định, giúp trình bày các phương án và tiêu chí đánh giá một cách cân bằng Phương pháp này cho phép tổng hợp thông tin để đưa ra quyết định cuối cùng, đặc biệt phù hợp với các tình huống yêu cầu phân tích và định lượng AHP rất hữu ích trong việc xử lý các quyết định phức tạp khi có nhiều phương án phụ thuộc vào các tiêu chuẩn khác nhau và có sự tương tác giữa chúng.

Trình tự các bước của thuật toán AHP có thể được trình bày như sau:

Bước 1 Thiết lập mô hình hệ thống phân cấp

Bước 2 Xây dựng ma trận phán đoán

Giá trị của các thành phần trong ma trận phán đoán thể hiện kiến thức của chuyên gia về tầm quan trọng của mối quan hệ giữa các cặp hệ số.

Ma trận phán đoán có thể được dựa trên phương pháp tỷ lệ như “phương pháp tỷ lệ 9”

Trong việc biểu diễn hai chỉ số A và B, mối quan hệ giữa chúng có thể được thể hiện như sau nếu “phương pháp tỷ lệ 9” được sử dụng:

 Nếu cả hai chỉ số A và B quan trọng như nhau thì hệ số tỷ lệ sẽ là “1”

 Nếu biểu diễn chỉ số A quan trọng hơn chỉ số B một chút thì hệ số tỷ lệ của A so với B là “3”

 Nếu biểu diễn chỉ số A quan trọng hơn chỉ số B thì hệ số tỷ lệ của A so với B là “5”

 Nếu biểu diễn chỉ số A quan trọng khá nhiều hơn chỉ số B thì hệ số tỷ lệ của

 Nếu biểu diễn chỉ số A cực kỳ quan trọng hơn chỉ số B thì hệ số tỷ lệ của A

4 Đơn vị 1 Đơn vị 2 Đơn vị 3

Hình 2.1 Mô hình mạng phân cấp của việc sắp xếp các đơn vị đoán kề cận tương ứng

Để tính trị riêng lớn nhất và vector riêng của ma trận phán đoán, bạn có thể áp dụng phương pháp lấy căn.

(1) Nhân tất cả các thành phần trong mỗi hàng của ma trận phán đoán ij i i X

M   , i = 1, …, n; j = 1, …, n (2.1) Ở đây, n là hạng của ma trận phán đoán A, Xij là phần tử của ma trận A

Bằng cách này có được vector riêng của ma trận A,

(4) Tính toán trị riêng lớn nhất  max của ma trận phán đoán

Với (AW) i đại diện cho thành phần thứ i của vector AW

Bước 4 Sắp xếp phân cấp và kiểm tra tính nhất quán của các kết quả

Kỹ thuật mờ hóa và luật hoạt động [43]

M của tam giác số mờ hóa ( , , )

Trong đó, l và m đại diện cho giá trị tối ưu của các số mờ M, trong khi l và u lần lượt là giá trị biên dưới và biên trên Điều này tuân theo nguyên lý mở rộng của Zadeh đối với hai tam giác số mờ.

Hình 2.2 Mô hình cạnh tranh giữa

1 Phép cộng mở rộng được định nghĩa như sau:

3 Phép nghịch đảo của tam giác số mờ hóa M 1 được định nghĩa như sau:

Mô hình Fuzzy - AHP

Phương pháp Fuzzy-AHP xác định tầm quan trọng của của các hệ số trong hệ thống, thực hiện qua các bước sau:

Bước 1 Xác định các hệ số chính và các hệ số phụ

Bước 2 Xây dựng mô hình phân cấp AHP dựa trên các hệ số chính và các hệ số phụ đã xác định ở Bước 1

Bước 3 là xác định các hệ số trọng số tầm quan trọng của hệ số chính và phụ thông qua ma trận đối sánh Tỷ lệ mờ hóa về tầm quan trọng, được trình bày trong Hình 2.3 và Bảng 2.1, giúp đo lường các trọng số liên quan Tỷ lệ này được đề xuất bởi Kahraman và đã được áp dụng để giải quyết các vấn đề mờ hóa trong việc thực hiện quyết định.

Bước 4 trong quy trình tính toán là xác định trọng số cho các hệ số phụ trong toàn hệ thống Trọng số này được tính bằng cách nhân trọng số của các hệ số phụ với trọng số tương ứng của các hệ số chính.

Bảng 2.1 Tỷ lệ so sánh các mức về tầm quan trọng

Các mức tỷ lệ về độ khó

Các mức tỷ lệ tầm quan trọng của các hệ số

Tam giác mờ hóa nghịch đảo

Như nhau Không quá quan trọng Quan trọng hơn một ít Quan trọng hơn nhiều Quan trọng hơn rất nhiều Hoàn toàn quan trọng

(1/1,1/1,1/1) (2/3,1/1,2/1) (1/2,2/3,1/1) (2/5,1/2,2/3) (1/3,2/5,1/2) (2/7,1/3,2/5) Theo phương pháp Fuzzy-AHP của Chang [20,21,22]

Các mức có khả năng xảy ra của ( 2 , 2 , 2 )

M  được xác định như sau:

V  trong trường hợp m 2 l 1 u 2 m 1 trong đó d là giá

Cuối cùng, W (minV(S 1 S k ),minV(S 2 S k ), ,V(S n S k )) T là vector trọng số, với k=1,2,…, n

Bước 5 Sắp xếp theo thứ tự giảm dần tầm quan trọng của các hệ số phụ

Bảng 2.2 Sắp xếp tải theo các mức về tầm quan trọng

Load Center Load W Ghi chú

Lý thuyết mạng nơ-ron nhân tạo (Artificial Neural Network – ANN)

Mạng nơ-ron nhân tạo được giới thiệu lần đầu tiên vào năm 1943 bởi Warren McCulloch, một nhà thần kinh học, và Walter Pits, một nhà logic học, với cảm hứng từ cấu trúc mạng thần kinh của các sinh vật sống.

Não người được cấu tạo từ các nơ-ron thần kinh kết nối với nhau, tạo thành một hệ thống phức tạp Mỗi nơ-ron bao gồm thân chứa nhân và các tua ngắn phân nhánh gọi là sợi nhánh, cùng với một sợi dài có bao mi-ê-lin gọi là sợi trục Đầu mỗi sợi trục có các xi-náp, giúp liên kết các nơ-ron với nhau, cho phép xung thần kinh được truyền từ sợi trục của tế bào này đến sợi nhánh của tế bào khác, hình thành mạng lưới nơ-ron thần kinh.

Mạng nơ-ron nhân tạo được phát triển dựa trên mô hình tự nhiên, trong đó mỗi nơ-ron hoạt động như một khối tính toán với nhiều đầu vào (các sợi nhánh), một đầu ra (sợi trục) và một giá trị ngưỡng quyết định việc tín hiệu có được truyền qua nơ-ron hay không.

Các giá trị đầu vào được nhân với trọng số w và cộng với hằng số b Nếu tổng này vượt ngưỡng, nơ-ron sẽ được kích hoạt với giá trị +1, ngược lại, nó sẽ có giá trị -1 khi chưa được kích hoạt.

Trong quá trình học, các giá trị trọng số đầu vào của mỗi nơ-ron sẽ được điều chỉnh nhằm xây dựng một mạng nơ-ron phù hợp với bài toán cần giải quyết.

Hình 2.4 Hình ảnh một tế bào nơ-ron nhân tạo

Hệ thống ANN là một mô hình xử lý thông tin được thiết kế dựa trên hoạt động của hệ thần kinh sinh vật, bao gồm nhiều nơ-ron liên kết với nhau để thực hiện việc xử lý thông tin hiệu quả.

Mạng nơ-ron nhân tạo (ANN) hoạt động tương tự như bộ não con người, có khả năng học hỏi từ kinh nghiệm thông qua quá trình huấn luyện Nó không chỉ lưu giữ tri thức mà còn áp dụng những kiến thức này để dự đoán các dữ liệu chưa biết.

2.3.2 Mô hình toán học của mạng nơ-ron

Mô hình toán của mạng nơ ron nhân tạo, thường được gọi là mạng M-P, được Mc Culloch và Pitts đề xuất vào năm 1943 Mô hình này đã tạo nền tảng cho sự phát triển của trí tuệ nhân tạo và các ứng dụng học máy hiện đại.

Output YInput X vào tổng đầu vào trọng lượng trên hoặc dưới giá trị ngưỡng (threshold)  j

Trong đó, hàm tác động f(net) là hàm bước nhảy (unit step):

Trọng lượng W_ij thể hiện cường độ kết nối giữa nơ-ron nguồn i và nơ-ron đích j, được gọi là đường dẫn synapse Trọng lượng dương biểu thị sự kích thích của synapse (synapse kích thích), trong khi trọng lượng âm phản ánh sự ngăn cản kích thích (synapse ức chế).

= 0 thì không có sự kết nối giữa chúng

Hình 2.5 Mô hình toán học đơn giản của một mạng nơ-ron

2.3.3 Cấu trúc mạng nơ-ron

Các loại mạng nơ-ron nhân tạo có thể được phân loại dựa trên các tính chất của nó, bao gồm các loại như trình bày dưới đây:

Hình 2.6 Cấu trúc mạng nơ-ron 1 lớp nếu net ≥ 0 nếu net < 0

(Phần tử PE xử lý Wi2

 Mạng một lớp: mạng chỉ gồm 1 lớp xuất và không có lớp ẩn

Mạng nhiều lớp là một cấu trúc mạng bao gồm nhiều nơ-ron được liên kết với nhau, được phân chia thành ba lớp chính: Lớp ngõ vào (Input Layer), Lớp ẩn (Hidden Layer) và Lớp ngõ ra (Output Layer).

Hình 2.7 Cấu trúc mạng nơ-ron nhiều lớp

 Mạng truyền thẳng (mạng nuôi tiến): các tín hiệu trong mạng chỉ truyền theo một chiều từ ngõ vào đến ngõ ra

Mạng truyền thẳng một lớp (Single layer feedforward network) là loại mạng nơron bao gồm các phần tử xử lý nằm trên cùng một mức Mỗi phần tử xử lý thứ j được kết nối với các đầu vào x1, x2,…, xI thông qua các hệ số trọng lượng w11, w21,…, wIj, và đầu ra thứ j được xác định dựa trên các kết nối này.

+ Mạng truyền thẳng nhiều lớp ( Multi layer feedforward network):

Hình 2.9 Cấu trúc mạng truyền thẳng nhiều lớp

Các nơ-ron ngõ vào nhận tín hiệu từ đầu vào, mỗi nơ-ron chỉ có một tín hiệu vào Nơ-ron lớp ẩn kết nối với tất cả nơ-ron ở lớp vào và lớp ra, trong khi nơ-ron lớp ra nhận tín hiệu từ tất cả nơ-ron lớp ẩn, tạo thành đầu ra của mạng Mạng nơ-ron có thể bao gồm nhiều lớp ẩn, với mỗi nơ-ron chỉ kết nối với tất cả nơ-ron ở lớp kế tiếp Các mối liên kết trong mạng được xây dựng từ trái sang phải, được gọi là mạng truyền thẳng nhiều lớp (perceptrons).

 Mạng hồi quy (mạng nuôi lùi): các tín hiệu hồi tiếp từ ngõ ra trở về ngõ vào

Hình 2.10 Nơ-ron hồi quy

+ Mạng hồi quy một lớp (Single Layer Feedback network):

Hình 2.11 Cấu trúc mạng hồi quy một lớp

+ Mạng hồi quy nhiều lớp ( Multi layer feedback network):

Hình 2.12 Cấu trúc mạng hồi quy nhiều lớp 2.3.4 Các phương pháp huấn luyện mạng nơ-ron

Mạng nơ-ron được huấn luyện để chuyển đổi một tập hợp các vector đầu vào X thành các vector đầu ra mong muốn Y Tập hợp X, được gọi là tập huấn luyện, bao gồm các mẫu huấn luyện Quá trình huấn luyện tập trung vào việc điều chỉnh các trọng số liên kết của mạng, giúp chúng hội tụ đến các giá trị tối ưu cho từng vector đầu vào.

- Học có giám sát (Supervised Learning)

- Học không giám sát (Unsupervised Learning)

- Học bán giám sát (Semi-Supervised Learning)

- Học tăng cường (Reinforcement Learning)

Học có giám sát là một thuật toán dự đoán đầu ra của dữ liệu mới dựa trên các cặp dữ liệu vào/ra đã biết, được gọi là nhãn Chẳng hạn, khi dạy một đứa trẻ nhận biết chữ cái bằng cách chỉ cho chúng chữ A và chữ B, sau một thời gian, trẻ sẽ có khả năng nhận diện những chữ cái này trong sách mà chưa từng thấy trước đó.

Học có giám sát là một quá trình toán học trong đó có một tập hợp biến đầu vào và một tập hợp nhãn tương ứng, được biểu diễn dưới dạng các vector Các cặp dữ liệu đã biết trước này được gọi là tập dữ liệu huấn luyện Từ tập dữ liệu huấn luyện, mục tiêu là xây dựng một hàm số để ánh xạ mỗi phần tử của tập X sang phần tử tương ứng trong tập Y.

Mục đích là xấp xỉ hàm f thật tốt để khi có một dữ liệu x mới, có thể tính được nhãn tương ứng của nó

Hình 2.13 Mô hình huấn luyện mạng nơ-ron có giám sát

Phương pháp STPT dựa trên thuật toán Fuzzy – AHP và mạng nơ-ron

Trong phần này của luận văn, chúng tôi tập trung vào ba khía cạnh quan trọng của việc sa thải phụ tải: thời điểm sa thải, lượng công suất sa thải và vị trí tải sa thải.

Dữ liệu từ hệ thống sẽ được gửi về trung tâm điều khiển để tiến hành đo tần số Nếu góc lệch roto dưới 180 độ và tần số hệ thống nằm trong khoảng cho phép 59,7Hz ≤ f ≤ 60,3Hz (60±0,3 Hz), hệ thống sẽ được coi là ổn định Ngược lại, nếu góc roto lớn hơn 180 độ hoặc tần số nằm ngoài khoảng an toàn, chương trình sa thải sẽ được kích hoạt, với hàm nơ-ron nhận diện máy phát gặp sự cố và xác định thứ tự sa thải.

Thời gian tối ưu để sa thải sau khi xảy ra sự cố được xác định là 300ms Khoảng thời gian này bao gồm thời gian đo lường và thu thập dữ liệu, thời gian truyền dữ liệu đi và về, thời gian xử lý dữ liệu, cùng với thời gian để thực hiện trip máy cắt kể từ khi nhận được tín hiệu cắt.

Căn cứ vào kết cấu lưới điện và kinh nghiệm của nhà vận hành hệ thống, xây dựng tất cả các kịch bản sự cố có thể xảy

Sau khi xác định danh sách thứ tự sa thải cho từng máy phát gặp sự cố, chúng tôi sử dụng phần mềm PowerWorld để mô phỏng offline quá trình sa thải Mô phỏng này được thực hiện cho từng máy phát gặp sự cố ở nhiều mức tải khác nhau, với mỗi bước tải tăng 1%.

Tiến hành sa thải từng bước cho đến khi đạt được điều kiện ổn định, nghĩa là các giá trị góc roto, tần số và điện áp tại các bus của hệ thống đều nằm trong giới hạn cho phép Khi các điều kiện này được thỏa mãn, quá trình sa thải sẽ được dừng lại.

Mỗi trường hợp sự cố sẽ dẫn đến một số lượng sa thải tương ứng, dựa trên dữ liệu sự cố được thu thập Số lượng sa thải này được xác định thông qua hàm nơ-ron đã được huấn luyện trước đó.

Sử dụng thuật toán Fuzzy - AHP để phân chia các khu vực tải, xác định trọng số quan trọng của phụ tải và thiết lập trình tự sa thải Dựa vào trình tự này, tiến hành thực hiện sa thải một cách hiệu quả.

Hình 3.1 Quy trình STPT online

Trong lưu đồ này, việc nhấn mạnh vai trò quan trọng của người vận hành hệ thống là cần thiết để tránh tình huống cảnh báo nhầm dẫn đến sa thải hàng loạt Trước khi tiến hành sa thải, chương trình cần đưa ra cảnh báo, phát tín hiệu cảnh báo và đề xuất danh sách sa thải, sau đó chờ ý kiến từ người điều hành.

Thu thập dữ liệu từ hệ thống đo lường

Dữ liệu đưa vào phần mềm có hàm nơ-ron đã được huấn luyện để nhận dạng sự cố và thứ tự ST.

59,7Hz ≤ f ≤ 60,3Hz và góc lệch ≤ 180 0

Máy phát bị sự cố:

Thứ tự tải sa thải:

Bắt đầu điều hành thống nhất thì quá trình sa thải lập tức được thực thi

Quá trình sa thải cần diễn ra nhanh chóng (tính bằng ms) để đảm bảo an toàn cho hệ thống Có thể lựa chọn giữa chế độ MANUAL và AUTO; nếu chương trình vận hành đáng tin cậy, nên sử dụng chế độ AUTO Khi xảy ra sự cố, quá trình sa thải tự động sẽ được thực hiện và kết quả sẽ được gửi về cho người điều hành để theo dõi.

3.2 Huấn luyện mạng Nơ ron

Sơ đồ khối mô phỏng quá trình tiến hành huấn luyện neural được thực hiện như sau:

C.SUẤT NHÁNH ΔP_Br TẦN SỐ Δ F_BUS ĐIỆN ÁP ΔU_BUS

Hình 3.2 Sơ đồ khối quá trình huấn luyện mạng Nơ ron

Trong quá trình xây dựng mô hình nhận dạng bằng phương pháp ANN, việc tạo cơ sở dữ liệu sự cố là giai đoạn quan trọng và tốn nhiều thời gian nhất Cơ sở dữ liệu đáng tin cậy không chỉ quyết định độ chính xác của việc đánh giá nhận dạng mà còn ảnh hưởng lớn đến sự vững mạnh của mô hình Để thực hiện điều này, người vận hành cần có kiến thức sâu về cấu trúc lưới điện, hệ thống và kinh nghiệm vận hành.

Có hai yếu tố cần được thể hiện rõ ràng trong quá trình mô phỏng:

Cơ sở dữ liệu cần phải bao quát tất cả các trạng thái vận hành và phản ánh đầy đủ các kịch bản sự cố có thể xảy ra trên lưới điện, đồng thời kiểm tra các thông số của hệ thống điện.

Việc thực hiện mô phỏng offline để tạo cơ sở dữ liệu là một công việc tốn nhiều thời gian và yêu cầu sự tỉ mỉ cao Người thực hiện cần nắm vững và sử dụng thành thạo phần mềm PowerWorld Chi tiết về quy trình này sẽ được trình bày trong Chương 4.

Tính toán hệ số tầm quan trọng của tải dựa trên thuật toán Fuzzy - AHP

Nghiên cứu hệ thống điện 39 Bus với 10 máy phát sử dụng phần mềm Power World để mô phỏng, được trình bày qua sơ đồ trong Hình 4.1 Hệ thống này giúp hình dung cách vận hành điện năng của một quốc gia, với tổng công suất phát đạt 6.097MW Dựa vào kết quả phân tích các phần tử và lượng phụ tải, hệ thống được chia thành 4 trung tâm tải, tương tự như lưới điện của một quốc gia.

Hình 4.1 Sơ đồ hệ thống IEEE 39 Bus 10 máy phát

Sơ đồ lưới điện trong Hình 4.1 cho thấy việc phân chia các trung tâm tải, trong đó trung tâm tải 1 bao gồm 3 máy phát G30, G31, G32 và 6 tải L4, L7, L8, L12, L31, L32 Các trung tâm tải khác cũng được phân chia tương tự Kết quả phân chia tải cho từng trung tâm được thể hiện chi tiết trong Bảng 4.1.

Bảng 4.1 Tổng hợp phân chia trung tâm tải, máy phát và tải

LC GEN LOAD N OF LOAD

Phương pháp Fuzzy - AHP được áp dụng để xác định trọng số cho các trung tâm tải và từng tải trong hệ thống Quá trình thực hiện tuân theo các bước của mô hình thuật toán Fuzzy-AHP đã được trình bày chi tiết trong Chương 2 và Chương 3.

Trình tự các bước của quá trình được thực hiện như sau:

Bước 1 Xác định các vùng trung tâm tải và các đơn vị tải ở các trung tâm tải

Mô hình hệ thống bao gồm 4 trung tâm tải LC1, LC2, LC3, LC4 và 19 đơn vị tải tương ứng, như thể hiện trong Bảng 4.1 Sự phân chia này được xác định dựa trên các yếu tố như địa lý, kết nối và đặc tính của phụ tải, nhằm đảm bảo tính thuận tiện trong vận hành và điều khiển.

Bước 2 Xây dựng mô hình phân cấp AHP dựa trên các vùng trung tâm tải và các đơn vị phụ tải xác định ở Bước 1

THE IEEE SYSTEM WITH 39 BUS 10 GEN 19 LOAD

LOAD CENTER 1 LOAD CENTER 2 LOAD CENTER 3 LOAD CENTER 4

Mô hình AHP bao gồm các vùng trung tâm tải và các đơn vị tải, trong đó bước 3 là xác định hệ số trọng số tầm quan trọng của các trung tâm tải và các nút tải thông qua ma trận phán đoán Để thực hiện điều này, cần xây dựng ma trận phán đoán giữa các trung tâm tải và các tải trong mỗi trung tâm, từ đó tiến hành tính toán các hệ số trọng số.

Để xác định các hệ số chính và hệ số phụ cho trung tâm tải và các tải trong từng trung tâm, cần dựa vào Bảng 2.3 cùng với kinh nghiệm của chuyên gia vận hành hệ thống điện Các hệ số này được trình bày dưới dạng cột nhằm tạo điều kiện thuận lợi cho việc lập các công thức tính toán.

Số liệu được trình bày trong các bảng sau: Bảng 4.2, Bảng 4.3, Bảng 4.4, Bảng 4.5, Bảng 4.6

Bảng 4.2 Ma trận hệ số chính và phụ của trung tâm phụ tải

Ci là trung tâm tải i, với i từ 1 đến 4, được thể hiện dưới dạng ma trận 4 hàng x 4 cột Mỗi hàng trong ma trận này chứa giá trị chính nằm ở dòng giữa, cùng với hai giá trị phụ ở hai dòng liền kề.

Cũng với cách tính tương tự, xây dựng ma trận phán đoán của các phụ tải trong các trung tâm tải LC1, LC2, LC3, LC4

Bảng 4.3 Ma trận hệ số chính và phụ của trung tâm tải 1, LC1

Trung tâm tải 1 bao gồm có 6 tải: L4, L7, L8, L12, L31, L39, ma trận thu được cho trung tâm tải 1 là ma trận 6 hàng x 6 cột

Để tính toán giá trị các trọng số tầm quan trọng trung tâm tải và các tải trong trung tâm tải, đầu tiên, chuyển dữ liệu từ ma trận ở Bảng 4.2 sang bảng tính Excel Sử dụng các công thức (2.11) và (2.12) để tìm ma trận 4 hàng x 3 cột, trong đó giá trị mỗi phần tử ở cột đầu tiên là tổng các giá trị các phần tử của Ci trong cùng hàng (sử dụng hàm Sum theo từng hàng) Sau đó, áp dụng lệnh copy công thức xuống các dòng tiếp theo để hoàn tất quá trình Kết quả cuối cùng được thể hiện như trong Hình 4.3.

Tiếp theo giá trị của phần tử đầu tiên ở cột thứ hai được tính từ công thức (2.12) và thiết lập cách tính như Hình 4.4

Hình 4.4 Thiết lập công thức tính hệ số của trung tâm tải

Cột cuối cùng được tính theo công thức (2.11), với quy trình chi tiết được minh họa trong Hình 4.7 và Hình 4.8 Lưu ý rằng cần dán giá trị vào Excel và sử dụng tính năng transpose để chuyển đổi cột thành hàng.

Giá trị của ma trận S nhận được bằng cách lấy chuyển vị các giá trị ở cột cuối cùng trong Hình 4.9

Hình 4.9 trình bày cách thiết lập công thức tính hệ số của trung tâm tải Qua phương pháp này, cột cuối cùng đã cho ra ma trận S với đầy đủ các phần tử, như thể hiện ở Hình 4.10.

Theo phương pháp Fuzzy- AHP của Chang [19] đã trình bày ở Chương 2, từ công thức (2.11) tính được:

Sử dụng công thức (2.14) d ’ (C 1 )= V  S 1  S 2 , S 3 , S 4 = min(0.80,0.53,0.55) = 0.53 d ’ (C 2 )= V  S 2  S 1 , S 3 , S 4 = min(1,0.76,0.77) = 1 d ’ (C 3 )= V  S 3  S 1 , S 2 , S 4 = min(1,1,1) = 1 d ’ (C 4 )= V  S 1  S 4 , S 2 , S 3  = min(1,1,1) = 1

Vì vậy, W ’ =(0.53,0.76,1,1), từ đó tính được các trọng số hay vector riêng

Quá trình tính toán Excel như sau:

Cuối cùng, lập công thức so sánh giữa hai cặp hàm thành viên với nhau: S1S2, S1S3, S1S4, S2S1, S2S1, S2S3, S2S4,

Giá trị của các hàm thành viên S2S1, S3S1, S3S2, S3S4, S4S1, S4S2, và S4S3 đều bằng 1, đáp ứng điều kiện đầu tiên của biểu thức (2.13) Các giá trị còn lại trong ma trận S được tính toán theo phương pháp được minh họa trong Hình 4.11.

Từ các cách tính trình bày ở phần trên, tính được các ma trận ở các Bảng 4.7, Bảng 4.8, Bảng 4.9, Bảng 4.10

Bảng 4.7 Giá trị của ma trận trung gian các trung tâm phụ tải

Bảng 4.8 Giá trị của ma trận S l m u

S4 0.19 0.28 0.42 Đến đây, áp dụng công thức (2.13) so sánh các hàm thành viên tương ứng và nhận được ma trận Bảng 4.9 như sau:

Bảng 4.9 Giá trị ma trận w

Ma trận W (ma trận 4x1) sẽ nhận được từ các giá trị của ma trận w và lấy chuyển vị Kết quả nhận được ma trân W như trong Bảng 4.10

Bảng 4.10 Trọng số của các trung tâm tải trong toàn hệ thống

Trung tâm Trọng số Giá trị

Kết quả cho thấy trung tâm 1 có trọng số thấp nhất, trong khi trung tâm 3 và trung tâm 4 có trọng số cao nhất và bằng nhau Trung tâm 2 có trọng số trung bình Cần lưu ý rằng các tải sắp xếp trong cùng một trung tâm sẽ có trọng số giống nhau.

Bảng 4.11 Trọng số của các tải trong mỗi trung tâm

Trọng số W LC1 LC2 LC3 LC4

Tính toán trọng số cho từng trung tâm tải và mỗi tải trong trung tâm đã được thực hiện Kết quả cho các trường hợp còn lại được trình bày chi tiết trong Bảng 4.11.

Sau khi xác định các giá trị Wkj và Wdi, bước tiếp theo là tính toán hệ số tổng hợp Wij cho từng phụ tải Hệ số này được tính theo công thức Wij = Wkj * Wdi, tức là nhân trọng số của tải với trọng số của trung tâm.

Trọng số W kj trong cùng một trung tâm tải là đồng nhất và có giá trị bằng W kj Kết quả của các hệ số quan trọng chung cho từng tải được trình bày chi tiết trong Bảng 4.12.

Bảng 4.12 Giá trị các hệ số quan trọng của đơn vị tải được tính bởi Fuzzy - AHP

Tên tải Trọng số tải Trung tâm Trọng số trung tâm Trọng số chung L4 0,1519630935 LC1 0,1606288080 0,0244096506

L25 0,0478793425 LC4 0,3037660388 0,0145441182 Sau khi tính toán các giá trị hệ số quan trọng tổng hợp của mỗi đơn vị phụ tải thì có hệ số W ij lớn hơn

Quá trình lấy mẫu huấn luyện mạng Neural

Với sự phức tạp của hệ thống điện, các phương pháp nhận dạng sự cố truyền thống thường tốn nhiều thời gian và gây chậm trễ trong quyết định Do đó, phương pháp mạng nơ-ron nhân tạo (ANN) được áp dụng để cải thiện tốc độ tính toán và hiệu suất, khắc phục những hạn chế của các phương pháp truyền thống.

Để huấn luyện mạng nơ-ron nhân tạo (ANN), cần xây dựng tập dữ liệu học bao gồm các tình huống sự cố đa dạng Các mẫu dữ liệu này bao gồm độ thay đổi công suất phát, công suất tải, sụt áp tại các bus, phân bố công suất trên đường dây và thay đổi tần số tại các bus Quá trình mô phỏng cũng xem xét nhiều mức tải khác nhau để phản ánh các chế độ vận hành Trước khi tiến hành mô phỏng sự cố và phân tích dữ liệu, các hệ thống điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát được kích hoạt Điều này không chỉ ảnh hưởng đến độ chính xác trong việc đánh giá nhận dạng mà còn góp phần vào sự vững mạnh của mô hình Hai yếu tố quan trọng cần được làm rõ trong quá trình mô phỏng là tính chính xác và khả năng ứng phó của hệ thống.

- Cơ sở dữ liệu phải bao trùm các trạng thái vận hành và phải biểu thị được một cách đầy đủ những kịch bản sự cố khác nhau

- Cơ sở dữ liệu được tạo ra phải đảm bảo tính khách quan đối với các thông số của hệ thống điện kiểm tra

Việc thực hiện mô phỏng offline để tạo cơ sở dữ liệu là một công việc tốn thời gian và gặp nhiều khó khăn Quy trình mô phỏng lấy mẫu trong PowerWorld được đề xuất qua 5 giai đoạn, như thể hiện trong Hình 4.12.

Hình 4.12 Quy trình mô phỏng lấy mẫu ngõ vào, ngõ ra

Cài đặt thông số của các mô hình trong hệ thống điện

Kích hoạt các mô hình, các hệ thống điều chỉnh tự động

Chạy phân bố tối ưu công suất

Mô phỏng sự cố, lấy mẫu ngõ vào

Mô phỏng sa thải, lấy mẫu ngõ ra Kết thúc

Giai đoạn 1 Thực hiện cài đặt các thông số chuẩn của các mô hình trong hệ thống điện

Giai đoạn 2 của quá trình thử nghiệm hệ thống điện bao gồm việc kích hoạt các mô hình và hệ thống điều chỉnh tự động Hình 4.13 minh họa giao diện cài đặt các thông số mô hình trong hệ thống điện thử nghiệm.

Giai đoạn 3 Chạy phân bố tối ưu công suất

Hình 4.14 Quy trình cài đặt các thông số chuẩn của hệ thống

Cài đặt thông số mô hình máy phát điện

Cài đặt thông số thiết bị điều khiển kích từ Stability  Exciters

Cài đặt thông số thiết bị điều chỉnh tần số

Cài đặt công suất định mức, công suất Pmax, Pmin máy phát, điện áp đầu cực máy phát

Cài đặt công suất định mức tải

Cài đặt thông số đầu phân áp máy biến áp

Giai đoạn 2 Giai đoạn 1 ắt đầu

Hình 4.15 Quy trình kích hoạt các mô hình trong hệ thống điện

Kích hoạt tự động điều chỉnh công suất phát (Available for AGC)

Kích hoạt giới hạn công suất phát (Enforce MW limits)

Kích hoạt điều chỉnh điện áp tự động (Available for AVR)

Kích hoạt vận hành kinh tế ban đầu (If AGCable)

Kích hoạt mô hình máy phát điện (GENPWTwoAxis)

Kích hoạt thiết bị điều khiển kích từ (IEEET1)

Kích hoạt thiết bị điều chỉnh tần số (TGOV1) Giai đoạn 3

Hình 4.16 Chạy phân bố tối ưu công suất

Load công suất tải Load công suất máy phát

AGC = NO AVR = YES Cost = None

Add Ons  OPF case Infor  OPF area

Run Mode  Tools  Solves  Single Solution

Run Mode  Tools  Solves  Reset to Flat Start

Chạy phân bố công suất

AGC status = OPF Includes Marginal Losses = YES

Add Ons  OPF case Infor  OPF area

AGC = YES Cost Model = Cubic

Add Ons  Frimal LP Chạy phân bố công suất tối ưu

Hình 4.17 Giao diện thực hiện chạy mô phỏng sự cố Giai đoạn 4 Mô phỏng sự cố, lấy mẫu ngõ vào Thực hiện như lưu đồ ở Hình 4.18

Hình 4.18 Mô phỏng sự cố, quá trình lấy mẫu ngõ vào nơ-ron Giai đoạn 5 Mô phỏng sa thải, lấy mẫu ngõ ra

Cài đặt bước thời gian Time Step = 0.5 Cycles

Cài đặt tần số Over Speed = 62.40 Hz Under Speed = 57,60 Hz

Cài đặt góc rotor Absolute Angle Deviation = 180 deg

Field Voltage = YES Field Current = YES

Cài đặt biến hệ thống Result Storage  Store to RAM Options

Chọn máy phát bị sự cố

Cài đặt thời gian sự cố xảy ra

Chạy ổn định quá độ Run Transient Stability

Lấy mẫu ( ngõ vào nơ-ron)

Lấy các độ lệch sau thời gian sự cố

Hình 4.19 Quy trình mô phỏng sa thải, lấy mẫu ngõ ra

Chọn tải sa thải có hệ số quan trọng nhỏ trước

Cài đặt thời gian sa thải sau sự cố 0.3s

Chạy ổn định quá độ Run Transient Stability

Tính hệ số quan trọng của phụ tải dựa trên Fuzzy-AHP

Lấy mẫu (ngõ ra nơ-ron) gồm số lượng sa thải và máy phát bị sự cố Đúng

Hình 4.20 Cấu trúc thiết kế mạng nơ-ron GRNN

Hình 4.21 Dữ liệu đầu vào của mạng nơ-ron

Hình 4.22 Cấu trúc huấn luyện mạng nơ-ron GRNN

Generalized Regression Neural Network (GRNN)

Vị trí sự cố Thứ tự sa thải

Quy trình tiến hành huấn luyện mạng neural Generalized Regression:

Sử dụng cấu trúc câu lệnh như sau:

Net = newgrnn (P,T,spread) trong đó các tham số được giải thích:

Net là biến đặt lưu lại cấu trúc neural

Spread là hằng số lan truyền của các hàm xuyên tâm (Hằng số này có giá trị từ 1,0 về 0 và thường do người huấn luyện quyết định)

Các bước thực hiện huấn luyện mạng neural:

1 Thu thập số liệu từ quá trình chạy hệ thống (cụ thể là chạy mô phỏng sự cố trên phần mềm PowerWorld để có được số liệu) Input là các tín hiệu nhận dạng sự cố liên quan đến thông số lưới điện như công suất máy phát P G ; công suất tải P L ; công suất nhánh P B ; tần số bus F bus ; điện áp bus Ubus , Sau đó, tiến hành phân chia bộ dữ liệu này ra thành hai phần với tỉ lệ:

+ Phần 1: Chiếm tỉ lệ 85% được đưa vào huấn luyện

+ Phần 2: Chiếm tỉ lệ 15% để phục vụ test train

Mục đích của việc phân chia dữ liệu là để so sánh sai số giữa hai quá trình huấn luyện và kiểm tra, từ đó đánh giá độ tin cậy của thuật toán được lựa chọn.

Input (đầu vào neural): gồm 153 biến là các đặc điểm nhận dạng sự cố của hệ thống điện nghiên cứu

Ouptut (đầu ra neural): gồm 2 giá trị là vị trí sự cố và các tải bị sa thải cũng như thứ tự tải sẽ bị sa thải

2 Tiến hành huấn luyện neural trên phần mềm Matlab (với tỉ lệ 85% đã nêu ở lại bằng cách mô phỏng neural tiến hành chạy trên dữ liệu test

Giá trị spread được chọn sau nhiều lần mô phỏng kiểm tra kết quả:

Hình 4.23 Giá trị spread chọn huấn luyện mạng nơ-ron GRNN

4 Đánh giá kết quả huấn luyện

Kết quả mô phỏng thu được tỉ lệ độ chính xác train là 99,5% và test là 98,0%

Hình 4.24 Giao diện Guide khi thực hiện sa thải phụ tải thực tế

Việc xây dựng giao diện giúp người vận hành nhanh chóng phát hiện sự cố và tải cần sa thải Tuy nhiên, cần nhấn mạnh vai trò của người vận hành trong hệ thống để tránh cảnh báo nhầm dẫn đến sa thải hàng loạt Trước khi thực hiện sa thải, chương trình cần đưa ra cảnh báo, phát tín hiệu và đề xuất danh sách tải cần sa thải, sau đó chờ ý kiến từ người điều hành Nếu người điều hành đồng ý, quá trình sa thải sẽ được thực hiện ngay lập tức.

Quá trình sa thải cần được thực hiện nhanh chóng (trong thời gian ms) để đảm bảo an toàn cho hệ thống Người dùng có thể chọn chế độ MANUAL hoặc AUTO; nếu chương trình vận hành đáng tin cậy, nên để ở chế độ AUTO Khi xảy ra sự cố, quá trình sa thải tự động sẽ diễn ra và kết quả sẽ được gửi cho người điều hành để theo dõi.

Thử nghiệm phương pháp đề xuất trên hệ thống điện chuẩn IEEE 39 bus 10 máy phát

Trong nghiên cứu này, trường hợp mất máy phát G1 (công suất 350 MW, 34,454 MVAr) tại thanh góp số 30 đã được phân tích, khi tổng công suất phát của hệ thống là 6.087 MW Khi hệ thống hoạt động ở mức tải 65%, 73%, 80%, và 95%, sự cố mất máy phát G1 đã làm giảm tổng công suất nguồn phát Để duy trì ổn định tần số hệ thống, cần phải thực hiện biện pháp cắt giảm tải ngay lập tức nhằm khôi phục tần số về mức cho phép Dữ liệu tải và đồ thị thay đổi tần số trong tình huống này được trình bày chi tiết trong Bảng 4.14 và Hình 4.25.

Bảng 4.14 Công suất của hệ thống tương ứng với các mức tải

Load MW_65% MW_73% MW_85% MW_95%

Hình 4.25 Tần số hệ thống trong trường hợp sự cố máy phát tại Bus số 30

Khi xảy ra sự cố máy phát ở Bus 30, tần số giảm trong 4,5 ms và sau đó tăng dần lên 56,6 Hz trong tối đa 2,5 chu kỳ (50 ms) Tuy nhiên, với tần số này, hệ thống vẫn chưa đạt yêu cầu vận hành, do đó cần phải cắt giảm thêm phụ tải để duy trì sự ổn định.

Tần số của hệ thống chủ yếu bị ảnh hưởng bởi công suất hữu công (MW), vì vậy khi thực hiện cắt giảm tải, chỉ cần giảm lượng MW tương ứng mà không thay đổi công suất kháng Trong quá trình này, điện áp của hệ thống được xem là không dao động Phương pháp cắt giảm tải này dựa trên rơ le tần số truyền thống và sử dụng phương pháp Fuzzy.

AHP đã tiến hành mô phỏng trên một mô hình với cùng một trường hợp sự cố, nhằm xem xét các yếu tố như thời gian khôi phục, tần số đạt được, tổng công suất sa thải và số lượng tải bị cắt giảm Qua đó, AHP đưa ra nhận xét về phương pháp vượt trội trong việc xử lý sự cố.

Sa thải phụ tải theo rơ le tần số truyền thống diễn ra tự động khi tần số giảm xuống dưới ngưỡng quy định, dẫn đến việc sa thải một lượng tải tương ứng Để thực hiện việc này, cần tham khảo Bảng 1.3 trong quy định sa thải phụ tải theo FRCC.

Phương pháp Fuzzy – AHP sẽ tiến hành sa thải từ các tải có độ ưu tiên thấp nhất theo thứ tự ưu tiên được xác định trong Bảng 4.13, cho đến khi tần số được khôi phục.

4.3.1 Sa thải phụ tải theo phương pháp truyền thống

Từ các mức tải ở Bảng 4.1, dựa vào các bước giảm tải theo FRCC trong Bảng 1.3, giá trị từng bước sa thải ở mức tải 65% được cho trong Bảng 4.2

Bảng 4.15 Giá trị từng bước giảm tải ở mức tải 65%

Bước 1 Bước 2 Bước 3 Bước 4 Bước 5 Bước 6 Bước 7 Bước 8 Bước 9 0s 1*0.28s 2*0.28s 3*0.28s 4*0.28s 5*0.28s 6*0.28s 11,68s 23,68s 31,68s MW_65% Giảm 9% Giảm 16% Giảm 23% Giảm 29% Giảm 34% Giảm 41% Giảm 46% Giảm 51% Giảm 56%

Trong bảng giá trị, các số liệu giảm được biểu thị bằng dấu âm để dễ dàng nhập liệu vào chương trình Quy trình sa thải bao gồm 6 bước, mỗi bước có thời gian trì hoãn là 0,28 giây, dẫn đến tổng thời gian trì hoãn là 31,68 giây.

Với cách tính tương tư, giá trị từng bước sa thải ở mức tải 73%, 85%, 95% được cho trong Bảng 4.3, Bảng 4.4, Bảng 4.5

Áp dụng lần đầu cho trường hợp tải 65%, cần chọn từng tải để cắt giảm, với tổng cộng 19 tải Việc lựa chọn dựa vào đồ thị tần số hệ thống nhằm xác định thời điểm và mức cắt giảm Cụ thể, bước sa thải đầu tiên, tất cả các tải sẽ bị cắt giảm 9% theo dữ liệu trong Bảng 4.2.

Sau 3,25 giây, tần số giảm xuống còn 59,7 Hz Hệ thống sẽ chờ thêm 0,28 giây trước khi thực hiện sa thải bước 1, tổng thời gian lũy kế đạt 3,53 giây Cập nhật chương trình như hình 4.26 dưới đây.

Hình 4.26 Nhập cắt giảm tải vào chương trình bằng thủ công

Việc nhập tải từ file CSV trong PowerWorld giúp tiết kiệm thời gian và giảm thiểu nhầm lẫn số liệu khi làm việc với lượng tải lớn Để thực hiện, người dùng cần xem xét cấu trúc của file CSV được xuất ra từ chương trình, và cách xuất file này được hướng dẫn cụ thể trong hình ảnh minh họa.

Hình 4.27 Xuất file CSV từ chương trình

Khi xuất dữ liệu CSV, cần lưu ý rằng máy tính phải được thiết lập để sử dụng dấu thập phân và dấu nhóm số theo hình thức như Hình 4.28, nhằm tránh lỗi định dạng.

Hình 4.28 Cài đặt định dạng số cho máy tính

Sau khi có file CSV, hãy xem xét cấu trúc của nó để tạo ra file dữ liệu mẫu, từ đó cập nhật lại chương trình nhằm rút ngắn thời gian nhập liệu.

Hình 4.29 Cấu trúc của file CSV xuất từ chương trình

Trong cấu trúc, có hai thông số chính giữa các tải là tên tải và công suất giảm, với thời điểm tính bằng ms và cycles khác nhau cho từng bước sa thải Dựa trên điều này, người dùng có thể tạo các file mẫu cho từng mức tải bằng Excel Đầu tiên, cần sao chép cột tên tải và công suất giảm từ Bảng 4.2, sau đó sử dụng hàm Excel để kết nối hai chuỗi này Sau khi hoàn thành công thức, tiếp tục sao chép xuống các dòng phía dưới để hoàn thiện bảng dữ liệu Cột tên tải cũng được thực hiện tương tự, và cuối cùng, kết quả sẽ được thể hiện trong bảng như Hình 4.30.

Các bước cắt giảm từ bước 2 đến bước 9 cho mức tải 65% được thực hiện một cách dễ dàng và chính xác, giúp người sử dụng nhập hàng loạt tải nhanh chóng trong thời gian ngắn.

Để nạp các mức tải từ file CSV vào chương trình PowerWorld, người dùng cần sử dụng chức năng Load Auxiliary file Khi chọn file CSV, chương trình sẽ cảnh báo về sự thay đổi công suất tải Bấm nút Yes to All để hoàn tất việc cập nhật Để kiểm tra tính đầy đủ và chính xác của việc cập nhật, người dùng có thể vào phần Simulation để đếm lại số lượng tải và công suất cắt giảm tương ứng.

Tiêu đề	Nghiên Cứu Sa Thải Phụ Tải Áp Dụng Mạng Nơron, Thuật Toán AHP Và Fuzzy Logic
Tác giả	Đỗ Ngọc Ẩn
Người hướng dẫn	PGS. TS. Quyền Huy Ánh
Trường học	Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Chuyên ngành	Kỹ Thuật Điện
Thể loại	luận văn thạc sĩ
Năm xuất bản	2017
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	145
Dung lượng	15,9 MB