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, việc đảm bảo cung cấp điện cho phát triển kinh tế xã hội là ưu tiên hàng đầu An toàn trong vận hành hệ thống điện trong mọi điều kiện là yếu tố quyết định Hơn nữa, khi nhu cầu xã hội gia tăng, tình trạng mất điện sẽ dẫn đến sự gia tăng chỉ số SADI, phản ánh thời gian mất điện trung bình của lưới điện.

Việc đảm bảo chỉ tiêu chung của ngành Điện phụ thuộc vào việc hệ thống điện vận hành an toàn và liên tục Điều này là cần thiết để thực hiện nhiệm vụ cung cấp điện ổn định cho người tiêu dùng.

Mất điện nghiêm trọng đã xảy ra trên khắp các châu lục, ảnh hưởng đến cả các quốc gia kém phát triển lẫn những nước có công nghệ tiên tiến như Mỹ, Úc và Canada Những sự cố này gây thiệt hại lớn về kinh tế và 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 ảnh hưởng, việc lưu trữ dược phẩm gặp khó khăn, và tình trạng giao thông trở nên hỗn loạn dẫn đến tai nạn Ngoài ra, mất điện còn làm gián đoạn mạng internet và các hệ thống thông tin liên lạc, gây ra nhiều vấn đề nghiêm trọng cho đời sống hàng ngày của người dân.

Vào năm 2013, một sự cố mất điện nghiêm trọng đã xảy ra tại Việt Nam, khi đường dây 500 kV Bắc – Nam gặp sự cố, dẫn đến việc 21 tỉnh thành phía Nam, từ Bình Thuận trở vào, bị mất điện.

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 tần số chủ yếu bị ảnh hưởng bởi công suất tác dụng (P, MW) và điện áp bị ảnh hưởng bởi công suất phản kháng (Q, MVAr) Trong suốt quá trình vận hành, hai giá trị này cần duy trì trong khoảng giá trị quy định; nếu vượt ngưỡng cho phép, sẽ gây ra mất cân bằng và nhiễu loạn trong hệ thống.

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, 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 tiêu thụ trong hệ thống.

Vận hành ổn định của hệ thống điện đòi hỏi tần số và điện áp phải duy trì ở mức không đổi Tuy nhiên, thực tế cho thấy 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, tần số sẽ tăng khi công suất phát vượt quá nhu cầu tiêu thụ.

Tần số của hệ thống điện tỷ lệ trực tiếp với tốc độ máy phát, vì vậy việc điều chỉnh tần số được thực hiện thông qua việc kiểm soát tốc độ máy phát Để đảm bảo tốc độ hoạt động ổn định, máy phát thường được trang bị bộ điều tốc để đo lường và giám sát liên tục Việc điều khiển tần số trong hệ thống điện độc lập với một máy phát đơn giản hơn nhiều so với trong hệ thống điện liên kết.

Khi có sự gia tăng đột ngột trong phụ tải của hệ thống điện có một máy phát, 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, kéo theo sự giảm tần số hệ thống Để khôi phục tần số về mức cho phép, bộ điều tốc sẽ mở cánh hướng tuabin nhằm tăng tốc độ quay của tuabin Sự gia tăng tốc độ tuabin sẽ giúp phục hồi tần số hệ thống.

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, việc mất điện hệ thống có thể diễn ra chỉ trong vài giây Quá trình khôi phục lại hệ thống điện sau sự cố có thể mất hàng giờ.

Công suất tác dụng có ảnh hưởng trực tiếp đến tần số, trong khi 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, nó sẽ dẫn đến tan rã hệ thống Ngoài ra, sự gia tăng đột ngột của phụ tải mà hệ thống không có đủ dự trữ để đáp ứng kịp thời cũng là nguyên nhân gây 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 một điểm ổn định mới là rất quan trọng để ngăn chặn sự sụp đổ của hệ thống Do đó, cắt giảm phụ tải là phương án cần thiết để khôi phục trạng thái cân bằng của hệ thống.

Số lượng phụ tải cần cắt giảm và thời điểm cắt là yếu tố quan trọng quyết định sự ổn định của hệ thống Do đó, lựa chọn phương pháp sa thải phụ tải tối ưu để ứng phó với các tình huống hiện tại là vấn đề cần thiết và cấp bách.

Tính cấp thiết của đề tài

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

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 tác động Do đó, cần thiết phải đề xuất phương pháp sa thải phụ tải có xem xét đầy đủ các yếu tố này.

Mục tiêu – Cách tiếp cận – Phương pháp nghiên cứu

Nghiên cứu về các phương pháp sa thải phụ tải đã chỉ ra rằng việc áp dụng thuật toán fuzzy HP kết hợp với mạng nơron có thể tối ưu hóa quá trình này Phương pháp này không chỉ nâng cao hiệu quả trong việc quản lý phụ tải mà còn đảm bảo tính linh hoạt trong các tình huống thay đổi.

- 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 thực hiện tổng hợp, phân tích, mô hình hóa và mô phỏng sử dụng 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, cũng như vấn đề sa thải phụ tải Nghiên cứu áp dụng mạng nơ-ron nhân tạo (ANN) và các thuật toán 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, tập trung vào việc đánh giá tầm quan trọng của tải, sự suy giảm tần số phụ tải và các điều kiện ràng buộc liên quan.

Khảo sát và tính toán thử nghiệm sa thải trên mô hình hệ thống điện IEEE 39 với 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 tổng quan về hướng nghiên cứu nhằm duy trì ổn định hệ thống điện, bao gồm giới thiệu và tính cấp thiết của vấn đề Mục tiêu nghiên cứu được xác định rõ, cùng với cách tiếp cận và phương pháp nghiên cứu phù hợp Đối tượng và phạm vi nghiên cứu cũng được nêu bật, nhằm làm rõ nội dung nghiên cứu và đề xuất giải pháp hiệu quả cho các vấn đề đặt ra.

Chương 1 Tổng quan các phương pháp sa thải phụ tải

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 một công suất lớn để đáp ứng nhu cầu khi có sự dao động về tải Tuy nhiên, hiện tại yêu cầu này chưa được đảm bảo do hệ thống điện vẫn còn nhiều nhiễu loạn, dẫn đến tình trạng mất điện.

Các sự cố và nhiễu loạn trong hệ thống điện thường xuất phát từ việc mất điện của máy phát điện hoặc sự thay đổi đột ngột của tải Khi những sự cố này xảy ra, hệ thống có nguy cơ cao gặp phải tình trạng mất ổn định, với 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 chủ yếu dựa vào tần số và điện áp Sự thay đổi của một trong hai thông số này có thể gây ra mất cân bằng công suất, dẫn đến nhiễu loạn trong hệ thống.

Tần số trong hệ thống điện chịu ảnh hưởng từ công suất tác dụng, trong khi điện áp lại bị chi phối bởi công suất phản kháng Sự bất ổn định về tần số hoặc điện áp có thể gây ra nhiễu loạn, và nếu tình trạng này kéo dài, nó sẽ dẫn đến sự tan rã của hệ thống.

Sau khi xảy ra nhiễu loạn, việc nhanh chóng khôi phục các thông số về trạng thái ban đầu hoặc ổn định hệ thống mới là rất quan trọng để ngăn chặn sự sụp đổ Sa thải phụ tải là một giải pháp bắt buộc, tuy nhiên, số lượng tải cần ngắt và thời gian cắt cũng đóng vai trò quyết định trong việc ổn định hệ thống Do đó, lựa chọn phương pháp sa thải phụ tải tối ưu là vấn đề cần thiết và cấp bách.

Hiện nay, trong lĩnh vực vận hành hệ thống điện, có nhiều phương pháp khác nhau 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 Đặc điểm chung của hầu hết các phương pháp này là dựa trên sự 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 khách hàng Những 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 Phương pháp này cho phép dự đoán chính xác hơn lượng phụ tải cần sa thải, nâng cao độ chính xác trong quá trình quản lý tải.

Gần đây, sự 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 Điều này đã thúc đẩy các nhà nghiên cứu tìm kiếm các phương pháp hiệu quả để duy trì sự ổn định điện áp cho hệ thống điện.

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

Trong bài viết này, chúng tôi sẽ trình bày tổng quan về hướng nghiên cứu liên quan đến việc duy trì ổn định hệ thống điện Đầu tiên, chúng tôi sẽ giới thiệu tính cấp thiết của nghiên cứu, cùng với các mục tiêu cụ thể cần đạt được Phương pháp nghiên cứu và cách tiếp cận sẽ được nêu rõ, nhằm xác định đối tượng và phạm vi nghiên cứu Cuối cùng, chúng tôi sẽ đặt vấn đề và đề xuất các giải pháp khả thi để giải quyết vấn đề, góp phần vào sự ổn định của hệ thống điện.

Chương 1 Tổng quan các phương pháp sa thải phụ tải

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 hàng đầu trong việc cung cấp điện cho khách hàng Với nhu cầu ngày càng cao từ phía khách hàng, hệ thống 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 khi có sự dao động về tải Tuy nhiên, hiện nay yêu cầu này 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 sự cố mất điện của máy phát điện hoặc do sự thay đổi đột ngột của tải Khi các sự cố này xảy ra, hệ thống điện có nguy cơ mất ổn định, và mức độ mất ổn định này phụ thuộc vào thời gian cũng như tính chất của các nhiễu loạn.

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 mất cân bằng công suất và dẫn đến nhiễu loạn trong hệ thống.

Tần số trong hệ thống điện bị ảnh hưởng bởi công suất tác dụng, trong khi điện áp chịu tác động từ công suất phản kháng Sự bất ổn về tần số hoặc điện áp có thể gây ra nhiễu loạn, và nếu tình trạng này kéo dài, nó sẽ dẫn đến sự tan rã của hệ thống.

Sau khi xảy ra sự cố nhiễu loạn, việc khôi phục các thông số về trạng thái ban đầu hoặc ổn định hệ thống là rất quan trọng để ngăn chặn sự sụp đổ 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 (HTĐ), hiện có nhiều phương pháp khác nhau để sa thải phụ tải và phục hồi hệ thống, được phát triển bởi các nhà nghiên cứu và áp dụng rộng rãi trong ngành công nghiệp năng lượng toàn cầu Hầu hết các phương pháp này đều dựa trên nguyên tắc chung là sự suy giảm tần số trong hệ thống.

Sa thải tải quá mức cần thiết không còn được ưa chuộng do gây ra sự không hài lòng từ khách hàng Những 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, cho phép dự đoán chính xác hơn lượng phụ tải cần sa thải.

Gần đây, sự cố mất điện đã làm nổi bật vấn đề ổn định điện áp trong hệ thống điện Giảm điện áp thường xảy ra do sự nhiễu loạn, nhưng cũng có thể xuất phát từ việc 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.

Để đảm bảo tính chính xác của dữ liệu trong chương trình sa thải tải, cần thiết phải sử dụng các thiết bị phù hợp cho việc thu thập dữ liệu hệ thống Việc sử dụng các bộ phận đo lường pha cho phép thu thập dữ liệu thời gian thực về các đại lượng như P, Q, U, I, f, và các thông số khác.

Trong hệ thống, mỗi phụ tải được xác định bởi vị trí đấu nối và mức độ quan trọng về an ninh, chính trị, quốc phòng, cũng như khả năng chịu thiệt hại kinh tế khi mất điện Dựa vào tính chất quan trọng này, phụ tải được phân loại theo thứ tự ưu tiên khi thực hiện sa thải Mục tiêu là giảm thiểu thiệt hại trong quá trình sa thải đồng thời duy trì sự cân bằng của hệ thống.

Trong tình huống khẩn cấp, việc sa thải tải được thực hiện dựa trên mức độ ưu tiên, với các phụ tải ít quan trọng bị sa thải trước, trong khi các tải quan trọng sẽ được giữ lại cho đến cuối cùng hoặc không bị sa thải Điều này cho thấy vai trò quan trọng của phương diện kinh tế trong các 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 thực hiện theo thứ tự giảm dần của tần số.

Khi tần số giảm đến điểm nhận đầu tiên, một phần trăm nhất định của tổng phụ tải sẽ bị sa thải Nếu tần số tiếp tục giảm và đạt đến điểm nhận thứ hai, tỷ lệ phần 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.

Bằng cách giảm tải ở mỗi bước, chúng ta có thể giảm thiểu khả năng sa thải tải quá mức Khi xem xét số lượng tải được sa thải và lượng tải sa thải trong từng bước, cần lưu ý đến yêu cầu công suất phản kháng của mỗi tải Những sự cố như mất một máy phát điện thường gây ra điện áp giảm Một phương pháp hiệu quả để khôi phục điện áp là giảm phụ tải công suất phản kháng Do đó, khi tải tiêu thụ nhiều công suất phản kháng, chúng sẽ được cắt giảm trước tiên, giúp cải thiện biên độ điện áp.

Các phương pháp sa thải phụ tải đang áp dụng

Có nhiều phương pháp sa thải phụ tải và phục hồi hệ thống đã được phát triển và áp dụng trong ngành công nghiệp năng lượng toàn cầu Những phương pháp này chủ yếu được phân loại thành ba nhóm nghiên cứu chính: phương pháp sa thải phụ tải truyền thống, phương pháp sa thải phụ tải thích nghi, và phương pháp sa thải phụ tải 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 sự ổn định cho mô hình thực nghiệm Mô hình này giúp rút ngắn thời gian ra quyết định, giảm 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 trong hệ thống điện.

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 Hệ thống (AHP) được sử dụng để điều chỉnh 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 truyền thống, khi tần số hoặc điện áp dao động vượt quá giới hạn đã được cài đặt, các relay tần số/điện áp sẽ phát tín hiệu để cắt giảm từng mức phụ tải tương ứng, từ đó ngăn chặn sự suy giảm tần số và điện áp cùng các tác động tiêu cực liên quan.

Hiện nay, quá trình cắt giảm phụ tải (STPT) tại các Điện lực diễn ra theo cách thủ công, khi Điều Độ Viên ra lệnh cắt giảm công suất, Trực ban vận hành sẽ dựa vào tình hình các tuyến đường dây để thực hiện cắt giảm Quy trình này tốn nhiều thời gian do phải tuân thủ nghiêm ngặt các quy định an toàn, bao gồm việc tiếp nhận thông tin, cấp phiếu thao tác và di chuyển đến hiện trường Trong trường hợp tần số giảm xuống mức nguy hiểm, các tải 110 kV và 220 kV sẽ ngay lập tức bị sa thải, dẫn đến mất điện diện rộng và gây khó khăn trong việc cung cấp 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 Đây là một hạn chế lớn của phương pháp hiện tại, do đó cần thiết phải áp dụng các phương pháp 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 các chế độ vận hành của hệ thống điện, tần số có thể dao động trong một phạm vi nhất định được quy định, như thể hiện 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 trong tình trạng khẩn cấp, tần số hệ thống có thể dao động trong khoảng từ 47 Hz đến 52 Hz Dải tần số cho phép và số lần xuất hiện được xác định theo chu kỳ 1 năm hoặc 2 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 cần thiết trong trường hợp xảy ra sự cố nghiêm trọng, dẫn đến giảm tần số nhanh chóng do mất một số máy phát điện Theo tiêu chuẩn IEEE, việc sa thải dưới tần số phải được thực hiện nhanh chóng nhằm ngăn chặn sự giảm tần số của hệ thống điện, đồng thời giảm tải hệ thống để đảm bảo cân bằng 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 được xác định trước khi tần số giảm xuống dưới ngưỡng định trước.

Các Nhà vận hành hệ thống truyền tải điện châu Âu (ENTSOE) đã đưa ra những bước cần thực hiện để sa thải dưới tần số, với tần số định mức là 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 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), Hội đồng điện tin cậy của Texas (ERCOT) và Hệ thống điện Việt Nam Đối với FRCC, quy trình sa thải theo tần số được thực hiện qua 9 bước, mỗi bước tương ứng với một mức tần số cụ thể và lượng phụ tải bị sa thải nhất định, kèm theo thời gian trì hoãn giữa các bước Các tải này được phân loại vào cùng một nhóm và có thứ tự ưu tiên giống nhau.

Hệ thống hoạt động ổn định ở tần số 60 Hz Khi tần số giảm xuống 59,7 Hz, rơ le tần số sẽ ghi nhận sự thay đổi Nếu sau 0,28 giây hệ thống không khôi phục, 9% tải sẽ bị sa thải Quá trình 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 và việc cắt giảm thêm 5% tải, tổng tải lũy kế cắt giảm sẽ đạt 51% Nếu đến bước thứ 9 mà tần số hệ thống chưa đạt giá trị vận hành an toàn, phải chấp nhận khả năng xấu nhất là tan rã hệ thống 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 (%)

Đối với MAAC, việc sa thải phụ tải được thực hiện theo ba giá trị tần số từ 59,3 đến 58,5 Hz Tổng lượng tải bị sa thải có thể đạt tối đa 30%, với tần số thấp nhất là 58,5 Hz, như được trình bày trong Bảng 1.4.

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 quá trình vận hành Thời gian thực hiện sa thải phụ tải rất ngắn, và nếu được thực hiện kịp thời, nó có thể 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.

Các phương pháp truyền thống và một số phương pháp thông minh như logic mờ, thuật toán di truyền (GA) và tối ưu hóa bầy đàn (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 đáp ứng được yêu cầu về tốc độ sa thải phụ tải tức thời.

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

Trong nhiều nghiên cứu trước đây về mạng nơ-ron nhân tạo (ANN), đầu ra chủ yếu là tổng công suất tác dụng cần sa thải cho các phụ tải Tuy nhiên, đầu ra này không phản ánh chính xác thực tế, vì nó không xác định được số lượng tải cần sa thải trong từng giai đoạn cụ thể Hơn nữa, với việc tải thường xuyên thay đổi trong hệ thống điện, các thuật toán sa thải phụ tải cần được xem xét và điều chỉnh theo các điều kiện mới hơn.

Phương pháp tính toán sa thải phụ tải thông minh như ANN, logic mờ, neurofuzzy ANFIS, thuật toán di truyền (GA), và tối ưu hóa phần tử đám đông (PSO) đã chứng minh hiệu quả trong việc giảm thiểu mất điện và nâng cao độ tin cậy cho các hệ thống điện hiện đại Những phương pháp này cho phép sa thải chính xác trong thời gian ngắn, đặc biệt trong tình huống khẩn cấp Sự quan tâm và nghiên cứu về các thuật toán thông minh trong tối ưu hóa sa thải phụ tải ngày càng tăng trong những năm gần đây, nhằm mục tiêu nâng cao tính ổn định của hệ thống điện.

Nghiên cứu này tập trung vào việc phân tích sự biến đổi của tải trong hệ thống điện, nhấn mạnh tầm quan trọng của các thuật toán sa thải phụ tải trong bối cảnh hiện đại Mục tiêu là phát triển một giải thuật dự báo và ngăn ngừa, cho phép thực hiện sa thải phụ tải động phù hợp với những thay đổi trong cấu hình hệ thống, cũng như sự biến động của tải và các nhiễu loạn đã được xác định Điều này nhằm đảm bảo quá trình sa thải diễn ra hiệu quả, tránh tình trạng thiếu hoặc thừa tải trong thời gian ngắn.

Ổn định hệ thống điện là yêu cầu thiết yếu cho mọi lưới điện trong hệ thống điện liên kết Việc vận hành hệ thống điện đòi hỏi sự cân bằng giữa sản xuất và tiêu thụ, với tần số quy định của hệ thống là đại lượng biểu thị cho sự cân bằng này Nếu sự cân bằng này bị phá vỡ và không được khắc phục kịp thời, nó có thể dẫn đến hậu quả nghiêm trọng cho tính ổn định của hệ thống điện.

Để đảm bảo hoạt động hiệu quả của các rơle bảo vệ trong việc tách ly sự cố, cần phải khôi phục cân bằng giữa công suất phát và công suất tiêu thụ trước khi tần số giảm đến mức ảnh hưởng đến sự ổn định của nhà máy, có thể dẫn đến mất điện trên diện rộng Các biện pháp dự trữ công suất dự phòng nóng từ các đơn vị phát điện đang hoạt động chỉ có thể được thực hiện hiệu quả khi hệ thống bị vượt sức nhẹ, tức là khi tần số quy định của hệ thống giảm nhẹ.

Trong những trường hợp mất cân đối nghiêm trọng, có thể gây nguy hại cho máy phát điện, đặc biệt là nhiệt điện và hệ thống điện, cần áp dụng chương trình sa thải phụ tải tự động qua các rơle tần số Các rơle này thực hiện việc cắt điện tự động một cách hợp lý để giảm tải tiêu thụ Tuy nhiên, việc tính toán, chỉnh định và quản lý hoạt động của các rơle cắt tải theo tần số trong hệ thống điện là một nhiệm vụ phức tạp, bao gồm việc xác định vị trí lắp đặt rơle, lượng tải cần cắt và tần suất cắt Mục tiêu lý tưởng là thực hiện cắt điện đúng và đủ theo từng tình huống sự cố.

Tuy không thể yêu cầu 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 nhất tại các vị trí lắp đặt khác nhau, đồng thời cũng cần xem xét các phụ tải khác nhau với 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:

Cần thực hiện các biện pháp cứu vãn kịp thời để bảo vệ hệ thống khỏi tình trạng quá tải, đặc biệt khi tần số quy định giảm mạnh Việc này giúp duy trì tần số hệ thống không rơi xuống dưới mức 47,5 Hz.

Sau 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, hay Phân tích Hệ thống Hierarchical, là một phương pháp hiệu quả để thực hiện các quyết định phức tạp Phương pháp này giúp trình bày các lựa chọn và tiêu chí đánh giá một cách cân bằng, từ đó tổng hợp thông tin để đưa ra quyết định cuối cùng AHP đặc biệt phù hợp cho các tình huống yêu cầu phân tích và định lượng, đặc biệt khi có nhiều lựa chọn 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 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 so với B là “9”

 Một cách tương tự, “2”, “4”, “6”, “8” là giá trị trung bình của những phán

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

Bước 3 trong quy trình là tính toán trị riêng lớn nhất và vector riêng của ma trận phán đoán Để xác định trị riêng lớn nhất, phương pháp lấy căn có thể được áp dụng hiệu quả.

(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 Nguyên lý mở rộng Zadeh được áp dụng cho hai tam giác số mờ hóa.

Hình 2.2 Mô hình cạnh tranh giữa

1 Phép cộng mở rộng được định nghĩa như sau:

2 Phép nhân 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 cho hệ số chính và các hệ số phụ thông qua ma trận đối sánh Tỷ lệ mờ hóa tầm quan trọng, như 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 quá trình ra 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 trị trục hoành tương ứng với điểm giao nhau cao nhất D giữa

M 1 và M ~ 2 cần có giá trị ( )

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 và Walter Pits, được phát triển dựa trên ý tưởng từ mạng thần kinh của các sinh vật sống.

Não người được cấu thành từ các nơ-ron thần kinh liên kết, tạo thành một hệ thống phức tạp Mỗi nơ-ron bao gồm một thân chứa nhân tế bào, từ đó phát ra các sợi nhánh ngắn và một sợi trục dài có bao myelin Đầu mỗi sợi trục kết nối với sợi nhánh của nơ-ron khác thông qua các xi-náp, hình thành mạng lưới nơ-ron thần kinh Xung thần kinh được truyền từ sợi trục của một nơ-ron đến sợi nhánh của nơ-ron kế tiếp, tạo ra sự lan truyền liên tục trong hệ thống thần kinh.

Mạng nơ-ron nhân tạo được phát triển dựa trên mô hình sinh học, với cấu trúc gồm các nơ-ron hoạt động như khối tính toán Mỗi nơ-ron có nhiều đầu vào (các sợi nhánh), một đầu ra (sợi trục) và một giá trị ngưỡng để quyết định xem tín hiệu có được truyền qua 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; nếu không, giá trị đầu ra sẽ là -1, thể hiện nơ-ron chưa được kích hoạt.

Quá trình học (learning) sẽ điều chỉnh các giá trị trọng số đầu vào của mỗi nơ-ron, giúp xây dựng 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 (Mạng nơ-ron nhân tạo) là một mô hình xử lý thông tin được thiết kế dựa trên hoạt động của hệ thống thần kinh sinh vật Mô hình này bao gồm một mạng lưới lớn các nơ-ron liên kết với nhau, cho phép xử lý và phân tích thông tin hiệu quả.

Mạng nơ-ron nhân tạo (ANN) hoạt động giống như bộ não con người, học hỏi từ kinh nghiệm qua quá trình huấn luyện Nó có khả năng lưu trữ tri thức và áp dụng những kiến thức đó để dự đoán dữ liệu chưa được biết đến.

2.3.2 Mô hình toán học của mạng nơ-ron

Mô hình toán của mạng nơ ron nhân tạo, được đề xuất bởi Mc Culloch và Pitts vào năm 1943, thường được biết đến với tên gọi mạng M-P, là một mô hình toán đơn giản nhưng quan trọng trong nghiên cứu và phát triển trí tuệ nhân tạo.

Trong mô hình này, phần tử xử lý thứ j tổng hợp trọng lượng của các đầu vào, dẫn đến các đầu ra y j, trong đó y j = 1 khi phần tử bắn (firing) và y j = 0 khi không bắn (not firing).

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 của kết nối giữa nơ-ron nguồn thứ i và nơ-ron đích thứ j Trọng lượng dương chỉ ra sự kích thích của đường dẫn synapse (synapse kích thích), trong khi trọng lượng âm cho thấy 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 kết nối với nhau, 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

Hình 2.8 Cấu trúc mạng truyền thẳng một lớp

Mạng truyền thẳng một lớp (Single layer feedforward network) là một loại mạng nơron bao gồm các phần tử xử lý ở 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 mô tả rõ ràng trong Hình 2.8.

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

Hình 2.9 Cấu trúc mạng truyền thẳng nhiều lớp

Các nơ-ron ngõ vào trong mạng nơ-ron trực tiếp nhận tín hiệu tại đầu vào, với mỗi nơ-ron chỉ tiếp nhận một tín hiệu Các nơ-ron ở lớp ẩn được kết nối với tất cả nơ-ron ở lớp vào và lớp ra, trong khi các nơ-ron lớp ra nhận đầu vào từ tất cả nơ-ron lớp ẩn, đóng vai trò là đầu ra của mạng Mạng nơ-ron có thể bao gồm nhiều lớp ẩn, và các nơ-ron trong mỗi lớp chỉ kết nối với các nơ-ron ở lớp kế tiếp Tất cả các kết nối trong mạng nơ-ron này được thiết lập 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

Một mạng nơ-ron được huấn luyện để chuyển đổi tập vector đầu vào X thành tập vector đầu ra mong muốn Y Tập X được gọi là tập huấn luyện, trong đó các phần tử x được xem là các mẫu huấn luyện Quá trình huấn luyện chủ yếu là điều chỉnh các trọng số liên kết của mạng, giúp các trọng số này hội tụ đến giá trị cho phép mạng sản sinh ra vector đầu ra Y tương ứng với mỗi vector đầu vào x từ tập huấn luyện.

Có 3 phương pháp học phổ biến:

- 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 phương pháp dự đoán đầu ra của dữ liệu mới dựa trên các cặp dữ liệu vào/ra đã biết, còn được gọi là nhãn Ví dụ, khi dạy trẻ em bảng chữ cái, chúng sẽ nhận biết chữ A và chữ B sau khi được hướng dẫn, ngay cả khi gặp những chữ cái này trong một cuốn sách chưa từng thấy trước đó.

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

Trong phần này của luận văn, chúng tôi sẽ tập trung vào ba khía cạnh chính của việc sa thải phụ tải: thời điểm thực hiện sa thải, lượng công suất cần sa thải và vị trí của các tải bị sa thải.

Dữ liệu 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 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 dạng máy phát gặp sự cố và thứ tự sa thải.

Thời gian tối ưu để thực hiện sa thải sau sự cố được xác định là 300ms Khoảng thời gian này bao gồm các yếu tố như 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 tác động để ngắt máy cắt kể từ khi nhận 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, phần mềm PowerWorld được sử dụng để mô phỏng offline quá trình sa thải cho từng máy phát ở nhiều mức tải khác nhau, với mỗi bước tải là 1% Tổng cộng có 41 mức tải từ 60% đến 100%, trong đó không xem xét các trường hợp tải vượt quá 100% do thực tế vận hành hiếm khi xảy ra.

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

Mỗi trường hợp sự cố sẽ dẫn đến một số lượng sa thải tương ứng, và dữ liệu sự cố được thu thập sẽ gắn liền với số lượng sa thải từ mô hình nơ-ron đã được huấn luyện.

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 việc 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 trạng 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 cảnh báo và đề xuất danh sách sa thải, sau đó chờ ý kiến từ người điều hành để đảm bảo quyết định được đưa ra một cách thận trọng và chính xác.

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 được thực hiện nhanh chóng (trong mili giây) để đảm bảo an toàn cho hệ thống Có thể lựa chọn giữa chế độ MANUAL và AUTO; nếu chương trình vận hành đủ tin cậy, nên để ở chế độ AUTO Khi xảy ra sự cố, quá trình sa thải tự động sẽ được kích hoạt và kết quả sẽ được gửi về cho người điều hành để theo dõi.

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, giai đoạn tạo cơ sở dữ liệu sự cố là quan trọng và tốn thời gian nhất Cơ sở dữ liệu đáng tin cậy không chỉ quyết định độ chính xác trong 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 vững 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 thể hiện đầy đủ các kịch bản sự cố có thể xảy ra trên lưới điện.

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

Mô phỏng offline để tạo cơ sở dữ liệu là công việc tốn thời gian và đòi hỏi sự tỉ mỉ cao Người thực hiện cần thành thạo phần mềm PowerWorld để đảm bảo hiệu quả Chi tiết về quá 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 39 Bus với 10 máy phát sử dụng phần mềm Power World để mô phỏng, được trình bày trong Hình 4.1 Hệ thống điện này có tổng công suất phát là 6.097MW, giúp hình dung cách vận hành của điện lực một Quốc gia Dựa vào kết quả phân tích các phần tử và số lượng phụ tải, hệ thống được chia thành 4 trung tâm tải, tương tự như lưới điện quốc gia, trong đó mỗi khu vực tải đại diện cho một tỉnh hoặc một cụm tỉnh.

Số phụ tải trong khu vực chính là các trạm biến áp trung gian có trong tỉnh đó

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

Theo sơ đồ lưới điện ở Hình 4.1, 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 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 Quy trình thực hiện dựa trên các bước của mô hình thuật toán Fuzzy-AHP đã được trình bày 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 được trình bày trong Bảng 4.1 Sự phân chia này được xác định dựa trên yếu tố 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

Hình 4.2 Mô hình AHP gồm các vùng trung tâm tải và các đơn vị tải

Bước 3 trong quy trình xác định trọng số tầm quan trọng của các trung tâm tải và các nút tải là sử dụng ma trận phán đoán Để thực hiện điều này, trước tiên cần xây dựng ma trận phán đoán giữa các trung tâm tải và giữa các tải trong từng trung tâm Việc tính toán này sẽ được thực hiện theo các bước cụ thể.

Để xác định các hệ số chính và hệ số phụ của 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 thuận tiện 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

Trong ma trận 4 hàng x 4 cột, Ci là trung tâm tải i, với i từ 1 đến 4 Mỗi hàng trong ma trận chứa một 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 các ma trận ở Bảng 4.2 sang bảng tính Excel Sử dụng các công thức (2.11) và (2.12) để tạo ra ma trận 4 hàng x 3 cột, trong đó giá trị mỗi phần tử ở cột đầu tiên là tổng các giá trị của các phần tử Ci trong cùng hàng (sử dụng hàm Sum theo từng hàng) Sau đó, sao chép công thức xuống các dòng tiếp theo để hoàn tất quá trình tính toán, và cuối cùng nhận được kết quả như trong Hình 4.3.

Hình 4.3 Thiết lập công thức tính hệ số của trung tâm tải

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

Cột cuối cùng nhận được bằng cách áp dụng công thức (2.11) Cách tính được trình bày chi tiết ở Hình 4.7

Cột cuối cùng được tính toán theo công thức (2.11) và quy trình chi tiết được minh họa trong 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 Bằng cách áp dụng phương pháp này, cột cuối cùng đã tạo ra ma trận S với đầy đủ các phần tử, như thể hiện trong 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, S4S3 đều bằng 1, phù hợp với điều kiện đầu tiên của biểu thức (2.13) Các giá trị còn lại của ma trận S được xác định theo phương pháp trình bày 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

6.67 15.72 0.42 Để ý rằng các giá trị ở cột cuối cùng của ma trận sau khi lấy chuyển vị, sẽ nhận được ma trận 4 hàng x 3 cột như Bảng 4.8 dưới đây

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 từng tải trong trung tâm tương tự như vậy Kết quả cho các trường hợp còn lại được trình bày trong Bảng 4.11.

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

Trong cùng một trung tâm tải, trọng số W kj là đồng nhất và có giá trị bằng W kj Kết quả về các hệ số quan trọng chung của từng tải được thể hiện 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

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 ANN được áp dụng để khắc phục những hạn chế này, giúp cải thiện tốc độ tính toán và hiệu suất trong việc xử lý sự cố.

Mạng nơ-ron nhân tạo (ANN) cần được huấn luyện trên cơ sở dữ liệu ban đầu, vì vậy việc xây dựng tập học với các tình huống sự cố đa dạng là rất cần thiết Các mẫu dữ liệu sẽ 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 Để mô phỏng, nhiều mức tải khác nhau được xem xét để đảm bảo bao quát các chế độ vận hành Trước khi tiến hành mô phỏng sự cố và phân tích dữ liệu, cần kích hoạt các hệ thống điều chỉnh như điều chỉnh điện áp, kích từ, tần số và giới hạn công suất phát, đồng thời thực hiện phân bố công suất tối ưu Giai đoạn tạo cơ sở dữ liệu sự cố là quan trọng nhất và tốn nhiều thời gian nhất trong quá trình xây dựng mô hình ANN Cơ sở dữ liệu đáng tin cậy không chỉ quyết định độ chính xác trong việc đánh giá nhận dạng mà còn ảnh hưởng đến sự vững mạnh của mô hình Trong quá trình mô phỏng, hai yếu tố cần được thể hiện rõ ràng để đảm bảo hiệu quả.

- 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 xây dựng cơ sở dữ liệu là một nhiệm vụ tốn thời gian và đầy thách thức Quy trình mô phỏng lấy mẫu trong PowerWorld được đề xuất qua 5 giai đoạn, như được 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 là thực hiện kích hoạt các mô hình và hệ thống điều chỉnh tự động trong hệ thống điện thử nghiệm Hình 4.13 minh họa giao diện cài đặt các thông số mô hình, cho phép người dùng tùy chỉnh và tối ưu hóa hiệu suất của hệ thống điện.

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

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

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 so sánh sai số giữa quá trình huấn luyện (train) và kiểm tra (test), từ đó đánh giá độ tin cậy của thuật toán đã được 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 phần trên)

3 Tiến hành huấn luyện neural với spread chọn ban đầu là 0,1, sau đó kiểm tra 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 cho phép người vận hành dễ dàng quan sát và phát hiện sự cố, đồng thời quản lý tải cần sa thải Tuy nhiên, để tránh cảnh báo nhầm dẫn đến việc sa thải tải hàng loạt, hệ thống cần bổ sung tính năng cho phép người vận hành xem xét và xác nhận trước khi thực hiện sa thải Cụ thể, chương trình sẽ 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 được đồng ý, quá trình sa thải sẽ được thực hiện ngay lập tức.

Quá trình sa thải cần được thực hiện nhanh chóng (trong mili giây) để đảm bảo an toàn cho hệ thống Có thể lựa chọn giữa chế độ MANUAL và AUTO; nếu chương trình hoạt động ổn định, nên sử dụng chế độ AUTO Khi xảy ra sự cố, quá trình sa thải tự động sẽ được kích hoạt và kết quả sẽ được gửi về 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, chúng tôi phân tích trường hợp mất máy phát G1 tại thanh góp số 30, với công suất định mức 350 MW và 34,454 MVAr, trong tổng công suất phát của hệ thống là 6.087 MW Khi hệ thống hoạt động ở các mức tải 65%, 73%, 80% và 95%, sự cố máy phát G1 đã gây ra sự giới hạn tổng công suất nguồn phát Để duy trì ổn định tần số hệ thống, cần thiết phải thực hiện biện pháp cắt giảm tải ngay lập tức nhằm khôi phục tần số về giá trị cho phép Dữ liệu tải được trình bày trong Bảng 4.14 và sự thay đổi tần số khi xảy ra sự cố được thể hiện qua 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 cắt giảm thêm phụ tải để đảm bảo 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, đồng thời giả định điện áp của hệ thống ổn định Để so sánh ưu nhược điểm giữa hai phương pháp sa thải, một là dựa vào rơ le tần số truyền thống và hai là sử dụng phương pháp Fuzzy, cần phân tích kỹ lưỡng các khía cạnh của từng phương pháp.

AHP đã tiến hành mô phỏng trên một mô hình với cùng một trường hợp sự cố, 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 được thực hiện tự động khi tần số giảm đến ngưỡng đã định, dẫn đến việc sa thải một lượng tải tương ứng Để thực hiện sa thải phụ tải theo FRCC, cần tham khảo Bảng 1.3.

Phương pháp Fuzzy – AHP cho phép xác định thứ tự ưu tiên giữa các tải, như thể hiện trong Bảng 4.13 Việc sa thải tải sẽ diễn ra từ những tải có độ ưu tiên thấp nhất 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 được chia thành 6 bước, với mỗi bước có thời gian trì hoãn là 0,28 giây Tổng thời gian trì hoãn cho toàn bộ quy trình 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

Trong trường hợp tải 65%, việc áp dụng cắt giảm tải đầu tiên cần được thực hiện lần lượt cho từng tải trong tổng số 19 tải Dựa vào đồ thị tần số hệ thống, cần xác định thời điểm và mức cắt giảm phù hợp cho từng tải Cụ thể, trong bước sa thải đầu tiên, tất cả các tải sẽ được cắt giảm 9% theo dữ liệu từ 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 sẽ được thực hiện theo 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 sai sót khi xử lý số liệu lớn Để thực hiện, người dùng cần xem xét cấu trúc của file CSV được xuất ra từ chương trình, với hướng dẫn xuất file CSV được trình bày trong Hình 4.27.

Hình 4.27 Xuất file CSV từ chương trình

Để đảm bảo xuất dữ liệu CSV không bị lỗi định dạng, cần lưu ý rằng máy tính phải được thiết lập để sử dụng dấu thập phân và dấu nhóm số theo hình thức như trong Hình 4.28.

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 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, có thể tạo ra các file mẫu cho từng mức tải bằng cách sử dụng Excel Để xây dựng cấu trúc cột tên tải và công suất giảm, trước tiên cần sao chép từ Bảng 4.2, sau đó sử dụng hàm trong Excel để liên kết hai chuỗi lại với nhau 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, cuối cùng cho ra bảng kết quả như Hình 4.30.

Hình 4.30 File CSV mẫu hoàn thiện để nạp tải

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.

Để nạp các mức tải từ file CSV vào chương trình PowerWorld, sử dụng chức năng Load Auxiliary file Khi chọn file CSV, chương trình sẽ cảnh báo về sự thay đổi công suất tải Nhấn nút Yes to All để hoàn tất việc cập nhật Để kiểm tra tính chính xác của việc cập nhật, người sử dụng có thể vào mục 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 Nơ Ron, Thuật Toán AHP Và Fuzzy Logic
Tác giả	Đỗ Ngọc Ẩn
Người hướng dẫn	PGS. TS. Quyền Huy Ánh
Trường học	University of Ho Chi Minh City
Thể loại	thesis
Năm xuất bản	2017
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	132
Dung lượng	9,85 MB