Nghiên cứu các phương pháp phát hiện dao động công suất hỗ trợ chức năng bảo vệ đường dây truyền tải

I H C QU C GIA TP HCM TR NGă I H C BÁCH KHOA LÊ B U TOÀN NGHIÊN C U CỄCăPH HI NăDAOă NGăPHỄP PHỄT NG CÔNG SU T H B OV TR CH CăN NGă NG DÂY TRUY N T I STUDY ON DECTECTING POWER SWING METHODS TO SUPPORT TRANSMISSION LINE PROTECTION RELAY Chuyên ngành: K thu tăđi n Mã s : 8520201 LU NăV NăTH CăS TP H CHÍ MINH, tháng 07 n mă2022 Cơngătrìnhăđ Cán b h c hoàn thành t i:ăTr ng d n khoa h c: ngă i h c Bách Khoa ậ HQG-HCM TS Lê Th T nh Minh Cán b ch m nh n xét 1: TS Lê K Cán b ch m nh n xét 2: PGS TS Hu nh Châu Duy Lu năv năth căs ăđ c b o v t iăTr ngă i h căBáchăKhoa,ă HQGăTp.ăHCM ngày 16 tháng 07 n m 2022 Thành ph n H iăđ ngăđánhăgiáălu năv năth căs ăg m: PGS.TS Nguy năV năLiêm - Ch t ch H iăđ ng TS Nguy n Nh t Nam - Th ăkỦăH iăđ ng TS Lê K - Cán b Ph n bi n PGS.TS Hu nh Châu Duy - Cán b Ph n bi n PGS.TS Lê M Hà - y viên H iăđ ng Xác nh n c a Ch t ch H iăđ ngăđánhăgiáăLVăvƠăTr lu năv năđưăđ ng Khoa qu n lý chuyên ngành sau c s a ch a (n u có) CH T CH H Iă NG TR NG KHOA I N - I N T i I H C QU C GIA TP.HCM TR NGă I H C BÁCH KHOA _ C NG HÒA Xà H I CH NGH AăVI T NAM c l p - T - H nh phúc _ NHI MăV ăLU NăV NăTH CăS H tên h c viên: LÊ B U TOÀN Ngày, tháng,ăn măsinh:ăă17/08/1997 Chuyên ngành: K thu tăđi n I.ăTểNă MSHV: 2070023 N iăsinh:ăTi n Giang Mã s : 8520201 TÀI: NGHIÊN C U ĆCăPH NGăPH́P PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I (STUDY ON DECTECTING POWER SWING METHODS TO SUPPORT TRANSMISSION LINE PROTECTION RELAY) NHI M V VÀ N I DUNG: - Tìm hi u v daoăđ ng cơng su tătrênăl i - Nghiên c u m t s ph ngă phápă phátă hi nă daoă đ ng công su tă trênă l iă đ rútă raă uă nh căđi m c aăcácăph ngăpháp - Mơ ph ng thu t tốn phát hi nădaoăđ ng công su t s d ngăđ c năđ ng tâm ph n m m Matlab - C u hình th nghi m ch ngăphátăhi nădaoăđ ng công su tătrênăr leăb o v đ ng dây ánh giáăđ xác c a thu t tốn phát hi nădaoăđ ng cơng su t s d ng SVM II NGÀY GIAO NHI M V : 06/09/2021 III NGÀY HOÀN THÀNH NHI M V : 06/06/2022 IV.CÁN B H NG D N: TS LÊ TH T NH MINH Tp HCM, ngày tháng n mă2022 CÁN B H NG D N TS LÊ TH T NH MINH TR CH NHI M B MÔN TS NGUY N NH T NAM NGăKHOAă I N ậ I N T ii L IăC Mă N Trong trình th c hi n Lu năv năTh căs ,ăemăđưănh năđ nhi t tình t th y cô b môn H th ngăđi n ậ Tr c s giúpăđ h tr ngăđ i h c Bách Khoa TPHCM,ăđ c bi t TS Lê Th T nh Minh đưăt n tình ch b o vi căđ nh h ng, h tr v m t ki n th c, k n ng t o m iăđi u ki n thu n l iăđ em có th hồn thành Lu năv n Em xin chân c mă năcôăTS Lê Th T nh Minh th y cô b môn, khoa, trongătr ngăđ i h căBáchăKhoaăđưătruy năđ t nhi u ki n th c, kinh nghi m b ích trang b hành trang giúp em có th hồn thành Lu năv năt t nghi păc ngănh ăti n xa h nătrongăt ngălai.ă Bên c nhăđó,ăemăc ngămu n g i l i c mă năđ n cha m , b năbè,ăđ ng nghi păđưă c v ătinhăth năc ngănh ăh tr v nhi u m t su t trình em theo h căch ngă trình đ c bi t kho ng th i gian em làm lu năv n Do gi i h n v ki n th c kh n ngălỦălu n c a b n thân nên lu năv năcịnănhi u thi u sót h n ch , kính mong nh năđ hồn thi n b năthơnătrongăt c s đóngăgópăc a th yăcơăđ em có th ngălai Kính chúc q th y th t nhi u s c kh e thành công cu c s ng Tp HCM, ngày tháng n mă2022 H c viên th c hi n Lê B u Tồn iii TĨM T TăLU NăV N Tr cătìnhăhìnhăt ngătr ng kinh t nhanh chóng c aăn c ta nh ngăn măg n đơy,ăngƠnhăđi năc ngăđangăn l c th c hi năthayăđ i v nhi u m tăđ đ m b o nhu c u cung c păđi n cho vi c phát tri n kinh t xã h i c aăn c nhà V i yêu c u v đ tin c y ngày kh t khe, vi cătácăđ ng nh m c aăcácăr leătrênăl h n ch Tuy nhiên, v n nhi uătr iăngƠyăcƠngăđ ng h p m tăđi n ý mu n, có th k đ n nh ăvi c m tăđi nădoădaoăđ ng công su tătrênăl i năr leăkho ng cách ho tăđ ng sai Bên c nhăđó,ăvi c xâm nh p ngày cao c a ngu n tái t oăc ngă nhăh nhi uăđ nădaoăđ ng công su tătrênăl c iăđ c bi tăđ i v iăcácăđ ng ng dây truy n t i Vì v y, v năđ liênăquanăđ n phát hi nădaoăđ ng công su t, ch ngăr leăkho ng cách tácăđ ng saiăđ i v iădaoăđ ng công su tăc ngăr tăđángăquanătơm Lu năv nătrìnhăbƠyăcácăph ch raă uănh ph ngăphápăphátăhi nădaoăđ ng cơng su tătrênăl căđi m c aăcácăph ngăpháp.ăSauăđóăđiăsơuăvƠoăhaiăph ngăphápăs d ngăđ c năđ ng tâm vƠăph i v iăph năđ ng tâm, lu nă v năth c hi n mô ph ngătrênăl m m MATLAB đ phân tích ho tăđ ng c aăph ngăphápăs d ngăđ c i nghiên c u s d ng ph n ngăphápăv i tr ng h p khác ng th i, ti n hành c u hình th nghi m ch ngăphátăhi nădaoăđ ng công su t s d ngăđ c năđ ngătơmătrênăr leăb o v đ phân tích k t qu trên, lu năv năđ aăraă uănh xu tăph ngăphápăchính:ă ngăphápă ng d ng trí tu nhân t o c th SVM cho phát hi nădaoăđ ng cơng su t.ă nhau.ă i t đóă ngăphápăs d ng thu tătoánăSVM.ă ng dây th c t T vi c căđi m c aăph i v iăph ngăphápăvƠăđ ngăphápă ng d ng thu t toán SVM, lu năv nătrìnhăbƠyăvi c x lý d li uăđ uăvƠoăvƠăđánhăgiáăk t qu hu n luy n c a thu t toán Lu năv năg mă7ăch lu năv n.ăCh ng.ăTrongăđó,ăch ngă2ăgi i thi u v r leăkho ngăcách.ăCh daoăđ ng công su tătrênăl i.ăCh đ ng công su t, t ng k tă uăvƠănh v ph ngă1ălƠăph n m đ u nêu t ng quan v ngă3ătrìnhăbƠyăv hi năt ngă4ănghiênăc uăcácăph căđi m c aăcácăph ngăphápăphátăhi n dao ngăpháp.ăCh ngă5ătìmăhi u ngăpháp phát hi nădaoăđ ng công su t s d ngăđ c năđ ngătơm.ăCh nghiên c uăph ng ngă ngăphápă ng d ngăSVMăđ phát hi nădaoăđ ng công su t Cu i ph n t ng k tăc ngănh ăh ng phát tri n c aăđ tài iv ABSTRACT In the face of the rapid economic growth of our country in recent years, the electricity industry is also trying to make changes in many aspects to ensure the electricity supply demand for the country's socio-economic development With strict requirements on reliability, the mal-operation of relays is significantly reduced However, there are still many cases of unexpected power outages, such as the loss of power due to power swings causing the distance relay to malfunction Besides, the increasing penetration of renewable sources also affects power swing on the grid, especially for transmission lines Therefore, issues related to power oscillation detection, blocking distance relay for power swing are also of great concern The thesis presents methods to detect power swing, thereby showing the advantages and disadvantages of the methods Then delve into two main methods: the method using concentric characteristics and the method of applying artificial intelligence specifically SVM for power fluctuation detection For the first one, using concentric curves, the thesis performs simulations on the research grid using Matlab software to analyze the method's operation with different cases Simultaneously, configure and test the power swing detection function using the concentric characteristic on the actual line protection relay From the analysis of the above results, the thesis gives advantages and disadvantages of the method and proposes a method to use the SVM algorithm For the application method of SVM algorithm, the thesis presents the input data processing and evaluates the training results of the algorithm The thesis consists of chapters In which, chapter is the introduction giving an overview of the thesis Chapter introduces distance relays Chapter presents the phenomenon of power fluctuations on the grid Chapter studies the power fluctuation detection methods, summarizes the advantages and disadvantages of the methods Chapter learns about the power oscillation detection method using concentricity characteristics Chapter studies the application method of SVM to detect power fluctuations Finally, the summary as well as the development direction of the thesis v L IăCAMă OAN Tôiăxinăcamăđoan: ơyălƠăcơngătrìnhănghiênăc u cá nhân c a tơi th i gian qua M i s li u s d ng phân tích lu năv năvƠăk t qu nghiên c u tơi t tìm hi u, phân tích m t cách khách quan, trung th c, có ngu n g cărõărƠngăvƠăch aăđ c công b d i b t k hình th c Tơi xin ch u hồn tồn trách nhi m n u có s khơng trung th c thông tin s d ng cơng trình nghiên c u M i s giúpăđ cho vi c th c hi n lu năv nănƠyăđưăđ trích d n lu năv năđ uăđ căcámă năvƠăcácăthơngătină c ghi rõ ngu n g c Tác gi lu năv n Lê B u Toàn vi M CăL C NHI M V LU NăV NăTH CăS i L I C M N ii TÓM T T LU NăV N iii ABSTRACT iv L IăCAMă OAN .v M C L C vi DANH M C HÌNH NH x DANH M C B NG xiii CH NG 1: M U 1.1 Lý ch năđ tài 1.2 M c tiêu nghiên c u .2 1.3 Ph m vi nghiên c u 1.4 Ph CH ng pháp nghiên c u NG 2: LÝ THUY T B O V KHO NG CÁCH TRONG H TH NG I N 2.1 Nguyên lý b o v kho ng cách .4 2.2 Các d ngăđ c n b o v kho ng cách 2.2.1 c n Mho 2.2.2 c n t giác (Quadrilateral): 13 2.2.3 Các y u t 2.3 M t s tr nh h ngăđ n r le b o v kho ng cách 13 ng h p r le kho ng cách tácăđ ng sai .16 2.3.1 S c m tăđi năngƠyăthángă7ăn mă2012ăt i nă 2.3.2 M t s s c di năraădoădaoăđ ng l CH NGă3:DAOă 17 in c ta .18 NG CÔNG SU T TRÊN L I 20 vii 3.1 Mơ hình vƠ cácăđ i l ngătrongădaoăđ ng công su t [12] 20 3.2 Qu đ o c a t ng tr trongădaoăđ ng công su t [12] 21 3.3 Logic phát hi nădaoăđ ng công su t c a m t s r le k thu t s hi n t i 23 3.3.1 R le kho ng cách GRZ200 c a hãng Toshiba [13] .23 3.3.2 R le kho ng cách P445 c a hãng GE [14] 25 3.4 CH nh h ng b i s xâm nh p c aăn ngăl NG 4:ĆC PH TRÊN L ng tái t oăđ nădaoăđ ng công su t 26 NG PH́P PH́T HI Nă DAOă NG CÔNG SU T I 28 ng pháp xem x́t t căđ thayăđ i t ng tr [17] 28 4.1 Các ph 4.1.1 Thanh ch n (Blinder) .28 c năđ ng tâm (Concentric Characteristic): 29 4.1.2 4.1.3 u nh 4.2 Các ph 4.2.1 Ph căđi m c a ph ng pháp: 30 ng pháp tính tốn khác [17] 30 ng pháp theo dõi t ng tr liên t c 30 4.2.2 Tính tốn liên t c dịng cân b ng: 31 4.2.3 D a vƠoăđi n ápătơmădaoăđ ng (SCV): 31 4.2.4 D a vƠo s thayăđ i công su t ba pha 32 4.3 Các ph ng pháp d a ng d ng trí tu nhân t o 32 4.3.1 H th ng neuron m thích ng (Adaptive neuro-fuzzy inference system ậ ANFIS) [19] 33 4.3.2 Support Vector Machine (SVM) [20]: 34 4.3.3 M ng neuron tích ch p (Convolutional Neural Networks ậ CNN) [21] 34 4.4 B ng t ng h p ph CH ng pháp phát hi nădaoăđ ng công su t (B ng 4.1) 36 NG 5: NGHIÊN C U PH 5.1 Mô ph ng ph NGăPH́Pă C TUY Nă NG TÂM 39 ngăphápăđ c năđ ng tâm công c MATLAB Simulink 39 viii 5.1.1 Mô ph ngădaoăđ ng công su t l 5.1.2 Ph i nghiên c u 39 ngăphápăđ c năđ ng tâm 44 5.1.3 Nh n xét 52 5.2 C u hình th nghi m ch că n ngă phátă hi nă daoă đ ng công su t r le RED650 .53 5.2.1 Gi i thi u v r le RED650 hãng ABB [18] 53 5.2.2 C u hình ch ngăch ngădaoăđ ng cơng su t r le 61 5.2.3 Th nghi m ch ngăphátăhi nădaoăđ ng công su t cho r le RED650 b o v đ ng dây R ch G c ậ NhƠămáyăđi n gió An Viên 67 5.2.4 Nh n xét 74 CH NG 6: PH NG PHÁP NG D NG SUPPORT VECTOR MACHINE 76 6.1 Thu t toán Support Vector Machine (SVM) 76 6.2 Gi i thi u v th vi n LibSVM 81 6.3 ng d ng SVM vào phát hi nădaoăđ ng công su t 82 6.4 Ti n hành áp d ng thu t tốn SVM phát hi nădaoăđ ng cơng su t 84 6.5 K t qu đánhăgiáăthu t toán SVM 87 6.6 Nh n xét 88 CH NG 7: K T LU N ậ H NG PHÁT TRI N C Aă TÀI 89 7.1 K t lu n chung 89 7.2 H ng phát tri n c aăđ tài 90 7.2.1 Thu t toán SVM .90 7.2.2 C i ti n ph ng pháp truy n th ng 90 TÀI LI U THAM KH O 91 PH L C 1: CODE MATLAB 94 PH L C 2: TR S T C Aă NV I Uă (A2) 95 87 Th c hi năđánhăgiáăph xác đ ngăphápăb ngăxemăx́tăđ xác c a thu tătốn.ă căxácăđ nh b ng cơng th c: S nhãn xác S tr ng h p ki m tra (6.14) 6.5 K t qu đánhăgiáăthu t tốn SVM L a ch n thơng s cho vi c hu n luy n n năth ăvi n LibSVMăđ cho giá tr xác nh t theo ph ng pháp heuristic LibSVMăchoăph́păđi u ch nh giá tr c aăhƠmăKernelă(đ căđ c p m c 6.1 6.2) B ng 6.3 th hi n giá tr đ xác theo thơng s ăc a thu tătốnăKernelăSVMăcóăhƠmăKernelălƠăRBFă ăcóăgiáă tr t 0.000001ăđ n 10 Giá tr t t nh t đ đ tăđ xác cao nh t (99.52%) t iăđi m ă=0.00001 đ cătìmătheoăph o năcodeătrênăMatlabăđ qu đ i v iătr ngăphápănh ă [26] c th hi n PH L C 1: CODE MATLAB K t ng h pădaoăđ ng s c th hi n B ng 6.4 B ng 6.3 Giá tr đ chínhăxácăt Giá tr ngă ng v i h s xác (%) 10 25.00 25.50 0.1 36.63 0.01 39.00 0.001 70.00 0.0001 79.37 0.00001 99.62 0.000001 99.13 B ng 6.4 K t qu s d ng thu tătoánăSVMăđ phát hi nădaoăđ ng công su t Tr ng h p Xácăđ nh T ng s tr ng h p xác (%) Daoăđ ng S c T ng h p 398 399 797 400 400 800 99.75 99.50 99.62 NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 88 6.6 Nh n xét xác c a thu t tốn r t cao (99.62 %) K t qu phân lo iăđúngătrongăh u h tăcácătr ng h p k c đ i v i s c v iăđi n tr s c l năvƠădaoăđ ng v i t n s r tăcao.ăH năn a, không ph i ch nhăđ nh thông s d a vào s li u h th ng ơyă lƠă uăđi m c aăph ngăphápăđ i v iăcácăph ngăphápătruy n th ng Trên th c t , n u ph n c ng c aăr leăđưăhu n luy nătr c v i t p d li uăđ u vào đ l n, g pădaoăđ ng th c t s ph n ng r tănhanh.ă ápă ngăđ yăđ yêu c u v c th iăgianăvƠăđ xác c a h th ng T ng k t Ch ngă6 đưătrìnhăbƠyăm tătrongăcácăph ngăpháp s d ng trí tu nhân t oăđ gi i quy t toán phát hi nădaoăđ ng công su t SVM m tăph ngăphápăphơnălo i r t m nh m , áp d ngăđ phát hi n dao đ ng công su t,ăđưăt raăv SVM,ăđưălo i b đ cănh t tr i v đ xác t căđ phát hi n Khi s d ng căđi m c aăcácăph toán s xâm nh p c aăn ngăl ngăphápătruy n th ngăkhiăđ i m t v i ng tái t oălênăl i.ăKhiăđó,ătaăkhơngăc n tính tốn mơ ph ngăđ đ aăraătr s đ tăchínhăxácăc ngănh ăkhơngăc năb năkho năv vi c t căđ thayăđ i t ng tr c aădaoăđ ng l năt ngăđ ngăv i s c Tuy nhiên, kèmătheoăđóăđịiăh i m t thu t toán ph c t p trình chu n b d li uăđ uăvƠoăđángătinăc y Trongăđó,ăvi c thu th p d li u th c t lƠăv nh tăkhiăcácădaoăđ ng công su t l năc ngăth ng không đ ng m t l n c ghi nh n thành b n ghi s c t iăr leădoăđóăr tăkhóăkh nătrongăvi c ti p c n d li u dòng áp cácătr ng h p NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 89 CH NGă7:ă K TăLU Năậ H C Aă NG PHỄTăTRI Nă ăTÀI 7.1 K t lu n chung Lu năv năđưăti n hành nghiên c u t ng h p m t s cácăph ngăphápăphátăhi n dao đ ng cơng su t đ khóa ch ngăkho ng cách h tr b o v đ quaăđóărútăraăcácă uănh căđi m c aăcácăph ngăpháp.ăCácăph ng pháp tính tốn liên t căvƠănhómăcácăph tu nhân t o M iănhómăph ngăphápăđ uăcóă uănh có th ý ng d ngăchoăcácătr nh păn ngăl ngăphápăđ c nghiên ngăphápăd a vào t căđ thayăđ i t ng c u chia làm ba nhóm chính:ănhómăcácăph tr ,ănhómăcácăph ng dây truy n t i, ngăphápă ng d ng trí căđi măriêngămƠăng ng h p khác Các nhăh ng tái t o vào h th ngăđi năc ngăđ c trình bày i s d ng ng c a s xâm nhăh tr ng nh t có th k đ năđóălƠăkhi n t căđ thayăđ i t ng tr l năh năsoăv iăl có s tham gia c a ngu năn ngăl đ iăđi n ng tái t o Sauăđó,ătácăgi đưăti năhƠnhăđiăsơuăvƠoăph cho nhómăcácăph ng quan ngăphápăđ c năđ ng tơm,ăđ i di n ngăphápăphátăhi nădaoăđ ng d a vào t căđ thayăđ i t ng tr ,ăđangă c ng d ngătrongăcácăr leăkho ng cách hi n V m t lý thuy t, lu năv năđưătrìnhăbƠyămơăph ngăph daoăđ ng công su t t o b i s c trênă1ătrongă2ăđ v i ngu năl i K t qu lƠăđ i v i c 3ătr ngăphápăchoăvi c pháp hi n ng dây song song n i máy phát ng h p:ădaoăđ ng công su t, s c s c di n th iăgianădaoăđ ng công su t, thu tătoánăđ u cho k t qu phù h p v i lý thuy t minh h a v th c ti n, lu năv năđưătrìnhăbƠyăvi c c u hình th nghi m ch c n ngăphátăhi nădaoăđ ng công su tătrênăr leăRED650ăchoăđ ng dây 110kV R ch G c ậ NhƠămáyăđi n gió An Viên T k t qu th nghi m, có th th yăđ i v i dao đ ng v i th iăgianănhanhăh năcácăth i giană∆tăđ t hi n t i, ch ngăcóăth không phát hi năđ lƠănh cădaoăđ ng công su t khóa b o v kho ng cách k p th i.ă ơyăc ngă căđi m c aăph ngăphápătruy n th ng b i c nh ngu năđ ng b tr nênăítăđiădoăxơmănh p c aăn ngăl ng tái t o n cácădaoăđ ng nhanh xu t hi n nhi uăh n NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 90 gi i quy t v năđ trên, lu năv năđ xu tăph ngăphápăth c hi n phát hi n dao đ ng b ng thu tătốnăSVM.ăKhiăđó,ăk t qu hu n luy n cho th y thu t tốn có th cho k t qu xác r t cao Và v i th i gian nh n di n nhanh, thu t tốn hồn tồn có kh n ngăđápă ng yêu c u k thu t c a ch ngăphátăhi nădaoăđ ng cơng su t.ăTuyănhiên,ăvìăch aăth l yăđ ki m ch ng v m t th c t c aăph 7.2 H c d li uădaoăđ ng cơng su t th c t nên vi c ngăphápăcịnănhi u b t c p ng phát tri n c aăđ tài 7.2.1 Thu tătoánăSVM Nh ăđưăđ c p ph nătrên,ăđ th c hi n hu n luy n thu t toán SVM c n m t b d li uăđ u vào r ng l năvƠăđángătinăc y Vi c thu th p d liêu s c r tăđ năgi n, ch c n truy xu tăr leăcóăth l y r t nhi u file ghi nh n s c Tuy nhiên vi c ghi nh n l i disturbance record (b n ghi s c ) choăcácădaoăđ ng cơng su t r t g p khơng ph i s c Cho nên, mu n ng d ng thu t toán SVM nói riêng thu tătốnăắh c”ănóiăchungăvƠoăvi c phân bi tădaoăđ ng công su t s c c n ph i có s h tr c aăcácăđ năv thí nghi m,ăcácăđ năv qu n lý v n hành vi c ch nh đ nh ghi nh n l iădịngăápăkhiăcácădaoăđ ng cơng su t di năraătrênăl iătrênăr leăkho ng cách ho c so l ch t ng tr T ngăt nh ăvi c phân bi t s c vƠădaoăđ ng cơng su t, hồn tồn có th dùng thu tătốnăSVMăđ phân bi tădaoăđ ng năđ nh khơng năđ nh ng d ng cho ch c n ngăOOSă(out-of-step) k t h p v i PSB m t thu t toán, giúp ti t ki m th iăgianăc ngănh ătránhăvi c ph i x lỦăđ ng th i hai ch ngăph c t p m tăr leăcóăth năr leăb ắtreo” 7.2.2 C iăti năcácăph ngăphápătruy năth ng Vi c s d ngăđ c năđ ng tâm ho c ch năđưăvƠăđangăđ thu t s s d ngănh ăm tăph ngăphápăkhôngăth thay th , không th gi i quy t tr n v n v năđ s xâm nh p c aăn ngăl ph ngăphápă lơuăđ i nh t,ăđ căcácăr leăk ng tái t o,ănh ngăph ngăphápătrênăv n c ch ng minh b ng th i gian t n t i Bên c nhăđó,ă thu t tốn c aăđ c năđ ng tâm cịnăđ năgi n Doăđó,ăsongăsongăv i vi c tìm gi i pháp m i, t iă uăhóaăgi iăphápăc ăc ngălƠăm tăph ra, vi c tính tốn th i gian xác nh nădaoăđ ngăc ngăc năđ ngăánăc nătínhăđ n Ngồi căđƠoăsơuănghiênăc u NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 91 TÀI LI U THAM KH O [1] N.ăX.ăHuy.ăắQuy ho ch ngu năđi n Vi t Nam kinh nghi m qu c t v t tr ngăn ngăl ng tái t o.”Internet: https://www.pecc1.com.vn/d4/news/Quy- hoach-nguon-dien-Viet-Nam-va-kinh-nghiem-quoc-te-ve-ty-trong-nangluong-tai-tao-8-1679.aspx, 2021 [2] N H Vi t, B o v r le t đ ng hóa h th ng n H Chí Minh: Nhà xu t b năđ i h c qu c gia Thành ph H Chí Minh, 2014 [3] WatElectronics.ă ắWhată isă Mhoă Relayă :ă Workingă &ă Itsă Applications.” Internet: https://www.watelectronics.com/mho-relay-working-applications/, 2021 [4] Alstom Grid, Network protection & automation guide : protective relays, measurement & control Stafford, England: Alstom Grid, 2011 [5] V P Huan, "A study of intelligent methods for fault classification and fault location on the transmission line ," Ph.D thesis, Da Nang University, Da Nang, 2014 [6] SEL-421-4 Instruction Manual, 4th ed., Schweitzer Engineering Laboratories Inc, WA, USA, 2022 [7] L K Hùng V P Hu n,, R le k thu t s b o v h th ng n Hà N i: NhƠ xu t b n khoa h c vƠ k thu t, 2020 [8] Line distance protection REL650 - Technical manual, 5th ed., ABB, Zürich, Switzerland, 2017 [9] M Parihar and M K Bhaskar., "Review of Power System Blackout," International Journal of Research and Innovation in Applied Science, vol 3, pp 8-12, 2018 [10] EVN.ăắV vi c x y s c h th ngăđi n mi năNamăsángăngƠyă04/10/2012.”ă Internet: https://www.evn.com.vn/d6/news/Ve-viec-xay-ra-su-co-he-thongdien-mien-Nam-sang-ngay-04102012-66-142-5207.aspx, 2012 NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 92 [11] EVN.ăắThông tin v vi c x y s c đ ng dây 500 kV ngƠy 02/9/2014.”ă Internet: https://www.evn.com.vn/d6/news/Thong-tin-ve-viec-xay-ra-su-coduong-day-500-kV-ngay-0292014-66-142-13134.aspx, 2014 [12] T D Long, B o v ćc h th ng n Hà N i: NhƠ xu t b n khoa h c vƠ k thu t, 2007 [13] Instruction manual distance protection GRZ200, 1st ed., Toshiba Energy System and Solution Corporation, Kawasaki, Japan, 2020 [14] MiCOMho P445 Technical Manual, 1st ed., Alstom Grid, Saint-Ouen-surSeine, France, 2011 [15] A Haddadi et al,ă ắImpactă ofă Inverteră Basedă Resourcesă onă Systemă Protection,”ă Energies, vol 14, no 4, p 1050, Feb 2021, doi: 10.3390/en14041050 [16] V P Mahadanaarachchi and R Ramakuma, "Impact of distributed generation on distance protection performance - A review," 2008 IEEE Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, 2008, pp 1-7, doi: 10.1109/PES.2008.4596707 [17] M K Gunasegaran et al, ắProgressăonăpower swing blocking schemes and theăimpactăofărenewableăenergyăonăpowerăswingăcharacteristics:ăAăreview,”ă Renewable and Sustainable Energy Reviews, vol 52, pp 280ậ288, Dec 2015, doi: 10.1016/j.rser.2015.07.066 [18] H Khoradshadi-Zadeh, "Evaluation and performance comparison of power swing detection algorithms," IEEE Power Engineering Society General Meeting, vol 2, pp 1842-1848, 2005, doi: 10.1109/PES.2005.1489280 [19] A Esmaeilian and S Astinfeshan, "A novel power swing detection algorithm using adaptive neuro fuzzy technique," Proceedings of the 2011 International Conference on Electrical Engineering and Informatics, 2011, pp 1-6, doi: 10.1109/ICEEI.2011.6021820 NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 93 [20] K Seethalekshmi et al, "SVM based power swing identification scheme for distance relays," IEEE PES General Meeting, 2010, pp 1-8, doi: 10.1109/PES.2010.5588164 [21] S K Shukla et al,ă ắGreyă wolfă optimization-tuned convolutional neural network for transmission line protection with immunity against symmetrical and asymmetricalăpowerăswing,”ăNeural Computing and Applications, vol 32, no 22, pp 17059ậ17076, Apr 2020, doi: 10.1007/s00521-020-04938-z [22] S Roy and P S Babu, "Power swing protection of series compensated transmission line with novel fault detection technique," 2014 International Conference Engineering on Green Computing (ICGCCEE), Communication 2014, pp and 1-6, Electrical doi: 10.1109/ICGCCEE.2014.6922359 [23] P.ăV.ăS n,ă"Tìmăhi u v support vector machine cho toán phân l p quan m,"ă án t t nghi păđ i h c,ăTr ngă i h c Dân l p H i Phòng, H i Phòng, 2019 [24] V H Ti p (2018) Machine Learning c b n [Online].Available: https://machinelearningcoban.com/ [25] Noori,ăM.ăR.,ăandăS.ăM.ăShahrtash.ăắCombinedăFaultăDetectorăandăFaultedă Phase Selector for Transmission Lines Based on Adaptive Cumulative Sum Method.”ăIEEE Transactions on Power Delivery, vol 28, no 3, July 2013, pp 1779ậ1787, 10.1109/tpwrd.2013.2261563 [26] B.ă Bhaljaă andă R.ă P.ă Maheshwari,ă ắWavelet-based Fault Classification SchemeăforăaăTransmissionăLineăUsingăaăSupportăVectorăMachine,”ăElectric Power Components and Systems, vol 36, no 10, pp 1017ậ1030, Sep 2008, doi: 10.1080/15325000802046496 NGHIÊN C U ĆCăPH NG PHÁP PH́T HI NăDAOă NG CÔNG SU T H TR CH CăN NGăB O V NG DÂY TRUY N T I 94 PH ăL Că1:ăCODEăMATLAB  S d ngăSVMăđ hu n luy n ki mătraăđ xác [n m]=size(data_input); ntrain=1600; labels=data_input(:,601); features=data_input(:,1:600); fs=sparse(features); libsvmwrite('svm',labels,fs); [y,x]=libsvmread('svm'); trainlabel=y(1:ntrain,:); traindata=x(1:ntrain,:); testdata=x(ntrain+1:n,:); testlabel=y(ntrain+1:n,:); model = svmtrain(trainlabel, traindata, '-s -t -g 0.00001 -c 10000'); [predicted_label] = svmpredict(testlabel, testdata, model, '-q'); for i=1:(n-ntrain) if predicted_label(i)