Đang tải... (xem toàn văn)
(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường(Luận văn thạc sĩ) Phân nhóm dữ liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường
LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Tp Hồ Chí Minh, ngày 25 tháng 05 năm 2019 Phạm Anh Khoa xi LỜI CẢM TẠ Lời người thực đề tài xin gửi lời cảm ơn tới quý thầy cô giảng dạy Trường Đại học Sư Phạm Kỹ Thuật TP.HCM quý thầy cô Khoa Điện-Điện tử Cảm ơn thầy tận tụy dạy bảo, trang bị cho người thực đề tài kiến thức chuyên ngành, tạo tiền đề vững nhờ để thực tốt đề tài Và đặc biệt xin gửi lời cảm ơn chân thành tới thầy TS Nguyễn Mạnh Hùng, giáo viên hướng dẫn thực đề tài Cảm ơn thầy tạo điều kiện tốt để người thực đề tài hướng dẫn tận tình bước thực để tác giả hoàn thành tốt luận văn tốt nghiệp Cuối người thực đề tài xin gửi lời cảm ơn sâu sắc tới gia đình, bạn bè động viên, anh chị lớp KDD17B đóng góp ý kiến giúp đỡ trình học tập, nghiên cứu hoàn thành luận văn nghiệp Xin chân thành cảm ơn ! Tp Hồ Chí Minh, ngày 25 tháng 05 năm 2019 Phạm Anh Khoa xii TÓM TẮT Trong đề tài này, sử dụng phương pháp phân nhóm liệu thu thập từ đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường Khác với đề tài trước, việc đánh giá kiện bất thường dựa tần số xuất đại lượng trình thu thập liệu Điều này, mang tính khách quan chưa mang lại tính xác Đề tài đánh giá kiện bất thường dựa kỹ thuật phân nhóm liệu Bên cạnh đó, sở để xác định trạng thái bất thường liệu từ lịch sử vận hành hệ thống Điều cho phép hệ thống hoạt động cách linh hoạt phù hợp với loại tải khác Kết thí nghiệm số trường hợp bất thường hệ thống, trường hợp thường xuất ngắt tải để bảo trì, vừa khởi động hệ thống, số trường hợp hệ thống thu thập liệu hoạt động không ổn định xiii MỤC LỤC LỜI CAM ĐOAN ii LỜI CẢM TẠ xii TÓM TẮT xiii MỤC LỤC xiv DANH SÁCH CÁC TỪ VIẾT TẮT xvii DANH MỤC HÌNH xviii DANH MỤC BẢNG xxi Chương TỔNG QUAN 1.1 Đặt vấn đề 1.2 Nghiên cứu tổng quan 1.3 Mục đích, nhiệm vụ giới hạn đề tài 1.4 Phạm vi nghiên cứu 1.5 Phương pháp nghiên cứu 1.6 Điểm luận văn 1.7 Giá trị thực tiễn luận văn 1.8 Ứng dụng chương trình Điện lực Mỹ Tho: Chương CƠ SỞ LÝ THUYẾT 2.1 Phần mềm thu thập liệu APPMETER 2.1.1 Giới thiệu xiv 2.1.2 Các chức chung hệ thống 2.1.2.1 Đăng nhập .7 2.1.2.2 Phân quyền người dùng: 2.1.2.3 Quản lý thông tin người dùng: 2.1.2.4 Lập lịch tự động lấy số liệu .13 2.1.2.5 Điều chỉnh báo cáo 15 2.1.2.6 Quản lý chỉnh báo cáo 17 2.1.2.7 Cấu hình báo cáo 18 2.1.2.8 In báo cáo .19 2.2 Các gói thư viện: 23 2.2.1 PCA – PRINCIPAL COMPONENT ANALYSIS 23 2.2.1.1 Giới thiệu .23 2.2.1.2 Thuật toán PCA .25 2.2.2 Chuẩn hóa liệu 29 2.2.3 Giải thuật K-means 30 2.2.3.1 Giới thiệu .30 2.2.3.2 Thực thi thuật toán 31 2.2.4 Giải thuật Mean shift 33 2.2.4.1 Giới thiệu .33 2.2.4.2 Thực thi thuật toán 33 2.2.5 Giải thuật spectral-clustering 36 2.2.5.1 Giới thiệu .36 2.2.4.2 Thuật toán 37 2.2.4.3 Đồ thị đồ thị 37 2.2.5.4 Tìm đồ thị kết nối đồ thị 39 2.2.5.5 Một phương pháp phân cụm dựa đồ thị .40 2.2.5.6 Spectral clustering 42 Chương 44 xv PHƯƠNG PHÁP ĐỀ NGHỊ 44 3.1 Giới thiệu 44 3.2 Quá trình đào tạo 44 3.3 Quá trình kiểm tra phân loại 49 Chương 50 THÍ NGHIỆM 50 4.1 Giới thiệu phát tuyến 471 Mỹ Tho 50 4.1.1 Đặc điểm vị trí phát tuyến 471 Mỹ Tho 50 4.1.2 Sơ đồ nối điện phát tuyến 471 Mỹ Tho 50 4.1.3 Các thiết bị đường dây 22kV phát tuyến 471 Mỹ Tho thông số kỹ thuật 51 4.2 Các bước lấy liệu từ chương trình AppMeter 52 4.3 Ý nghĩa giá trị vật lý, bất thường chúng 56 4.3.1 Sự bất thường thông số hệ thống 57 4.3.2 Những giá trị mang tính định đến bất thường liệu 58 4.4 Thí nghiệm với liệu thu 59 4.4.1 Đào tạo hệ thống 59 4.4.2 Kiểm tra phân loại với liệu 63 4.5 Phân loại mẫu với phần mềm 67 4.6 Thí nghiệm mẫu thử bảng 4.2: 69 Chương 73 KẾT LUẬN 73 TÀI LIỆU THAM KHẢO 74 xvi DANH SÁCH CÁC TỪ VIẾT TẮT PCA - Principal Component Analysis KT - Kernel Trick CVOPT – Convex optimization xvii DANH MỤC HÌNH Hình 1: Đăng nhập hệ thống Hình 2: Thêm người dùng Hình 3: Cập nhật thông tin người dùng 10 Hình 4: Phân quyền người dùng 11 Hình 5: Phân quyền chức 12 Hình 6: Phân quyền thay đổi liệu 13 Hình 7: Thêm lịch cho điểm đo 14 Hình 8: Cập nhật lịch đọc tự động 14 Hình 9: Xóa lịch đọc liệu 15 Hình 10: Tải thơng tin cài đặt xuống trạm đo 15 Hình 11: Thêm nội dung 16 Hình 12: Cập nhật xóa nội dung 17 Hình 13: Quản lý thông tin báo cáo 18 Hình 14: Cấu hình báo cáo 19 Hình 15: Xem báo cáo trước in 19 Hình 16: Xem thơng tin báo cáo 20 Hình 17: Chức export 22 Hình 18: Xuất file excel 22 Hình 19: Lưu file báo cáo 22 Hình 21: Minh họa phép chiếu dựa nguyên tắc PCA 27 xviii Hình 22: Phương pháp phát dịch chuyển trung bình 35 Hình 23: Các điểm liệu xếp thành hai vòng đồng tâm 36 Hình 24: Kết hiển thị bên trái áp dụng K-means với K=2, kết bên phải áp dụng spectral-clustering, điểm màu nhóm 37 Hình 25: Một biểu đồ đơn giản với điểm vài cạnh nối số đỉnh 38 Hình 27: Tại ϵ chọn cho cụm chặt chẽ đầu kết nối, điểm cụm quy mơ lớn phía coi cụm riêng lẻ.41 Hình 28: kết bên phải: So sánh cụm ma trận liền kề đơn giản với k = mẫu gần (a) K-means (b) trọng tâm đánh dấu dấu chấm màu xanh dương Biểu đồ tạo ma trận kề knn (c) 42 Hình 29: biểu đồ knn với k = tạo tập liệu vòng kết nối (a) So sánh spectral-clustering (b) K-means (c) tập liệu vòng kết nối ma trận knn Các cụm mã hóa màu trung tâm cụm vẽ điểm màu xanh dương 43 Hình 1: Sơ đồ khối trình huấn luyện 44 Hình 2: Dữ liệu trước chuẩn hóa (bên trái) sau chuẩn hóa (bên phải) 45 Hình 3: Đồ thị thể lượng thông tin giữ lại với n thành phần 46 Hình 5: Sơ đồ khối trình phân loại 49 xix Hình 1: Sơ đồ nối điện phát tuyến 471 Mỹ Tho 50 Hình 2: Giao diện chương trình thu thập liệu phát tuyến 471 Mỹ Tho 52 Hình 3: Lựa chọn mục “Thông số vận hành” 52 Hình 4: Chọn “Thơng số điểm đo” 53 Hình 5: Chọn “Điểm đo”, thời gian cần đo 53 Hình 6: Tải lại để thực lấy thơng số điểm đo 54 Hình 7: Xuất liệu 54 Hình 8: Xuất file báo cáo 55 Hình 9: Lưu file báo cáo 56 Hình 10: Sự tương quan thơng số trục toạ độ sau tiền xử lý (với điểm 1, 2, 3, tương ứng với STT bảng 4.3 4.4) 60 Hình 11: Kết đào tạo với thuật toán K-means, Mean-shift Spectralclustering 62 Hình 12: Mẫu kiểm tra sau tiền xử lý 64 Hình 13: Phân loại mẫu với kết đào tạo 65 Hình 14: kết phân loại với thuật tốn Meanshift với mẫu bình thường (a) mẫu bất thường (b), (c) 66 Hình 15: khởi động phần mềm 67 Hình 16: Lấy liệu đào tạo 67 Hình 17: Chọn thuật tốn chuẩn hóa 68 Hình 18: Kết trình phân loại 69 Hình 19: Mẫu bất thường số 69 xx 4.5 Phân loại mẫu với phần mềm Bước 1: khởi động phần mềm nhập mẫu cần phân loại: Hình 15: khởi động phần mềm Bước 2: chọn liệu: bấm vào nút Browse, chuyển tới nơi chứa liệu, chọn file liệu cho trình đào tạo Hình 16: Lấy liệu đào tạo 67 Bước 3: chọn thuật tốn chuẩn hóa phân nhóm cách bấm vào nút TEST, thiết lập thông số cần, không thiết lập bỏ trống ô không cần thay đổi, phần mềm tự động lấy giá trị mặc định Hình 17: Chọn thuật tốn chuẩn hóa 68 Bước 5: xem kết phân loại đánh giá Hình 18: Kết q trình phân loại 4.6 Thí nghiệm mẫu thử bảng 4.2: - Mẫu bất thường số 1: cố làm bật máy cắt 471Mỹ Tho vào lúc 10 57 phút đến 11 09 phút ngày 02/02/2017 Nguyên nhân cố rắn bò trụ 158 tuyến 471 Mỹ Tho làm ngắn mạch pha Hình 199: Mẫu bất thường số 69 - Mẫu bất thường thứ 2: cố làm bật máy cắt 471 Mỹ Tho lúc 07 55 phút đến 08 03 phút ngày 10/03/2017 Nguyên nhân cố Diều vướng vào đường dây khoảng trụ 94/1 – 94/2 Hình 20: Mẫu bất thường số - Mẫu bất thường số 3: cố làm bật máy cắt D11 tuyến 471 Mỹ Tho lúc 12 06 phút đến 12 12 phút ngày 18/03/2017 Nguyên nhân cố thiếu bù làm sụt điện áp làm bật máy cắt D11 70 Hình 21: Mẫu bất thường số - Mẫu bất thường số 4: cố làm bật máy cắt D11 tuyến 471 Mỹ Tho lúc 14 50 đến 14 57 phút phút ngày 24/05/2017 Nguyên nhân cố công suất phản kháng khu công nghiệp Tân Mỹ Chánh phát ngược lên lưới làm bù, tăng điện áp làm bật máy cắt D11 Hình 22: Mẫu bất thường số 71 - Mẫu bất thường số 5: cố làm bật máy cắt 471 Mỹ Tho lúc 13 03 đến 13 33 phút ngày 22/09/2017 Nguyên nhân cố nổ 02 chống sét van (LA 18kV-10kA) trạm Ngân Hàng Á Châu (1x320kVA) Hình 23: Mẫu bất thường số 72 Chương KẾT LUẬN Trong đề tài này, chúng tơi phân tích tượng bất thường đường dây 22kV tuyến 471 Mỹ Tho Khác với đề tài trước, việc phát đánh giá tượng bất thường tần số xuất đại lượng sau chuẩn hóa giảm chiều liệu đường dây 22kV tuyến 471 Mỹ Tho Đề tài xây dựng chương trình cho phép phân nhóm vùng liệu Dựa vào chương trình này, người dùng tùy ý lựa chọn thành phần liệu đo phát tuyến Việc phân nhóm liệu, phân tích phát cảnh báo chưa tính đến yếu tố thời điểm hoạt động hệ thống, thời điểm khác hệ thống có trạng thái vận hành khác Trạng thái bị ảnh hưởng nhu cầu phụ tải; việc cần xét tới thời điểm mà tín hiệu quan sát Phương pháp chuẩn hóa PCA thích hơp để nghiên cứu với liệu đường dây 22kV chưa kiểm chứng đối tượng khác trạm biến áp nhà máy điện, đề tài cần mở rộng cho đối tượng khác 73 TÀI LIỆU THAM KHẢO [1] PGS.TS Nguyễn Hoàng Việt, Đánh giá độ tin cậy hệ thống điện,Nhà xuất ĐHQG TP HCM, 2002 [2] PGS.TS Phan Văn Khôi, Cơ sở đánh giá độ tin cậy, Nhà xuất Khoa học Kỹ thuật Hà Nội 2001 [3] PGS.TS Trần Bách, Lưới điện hệ thống điện,Nhà xuất Khoa học Kỹ thuật Hà Nội 2004 [4] PGS.TS Trần Quang Khánh, Vận hành hệ thống điện,Nhà xuất Khoa học Kỹ thuật Hà Nội 2009 [5] Luận văn tốt nghiệp Ơng Trần Văn Đồn, “Phát trạng thái bất thường máy biến áp trạm 110kV Hòn Đất”, ĐHSPKT TP.HCM, March 2018 [6] Meysam Jaefari - Nokandi, Hasan Monsef, “Scheduling of Spinning Reserve Considering Customer Choice on Reliability,” IEEE Transactions on Power Systems, vol 24, no 4, Nov 2009 [7] J Zhong, F.F WuV, “Operating reserve value at risk,” Power Engineering Society General Meeting, pp 18-22 June 2006 [8] asilis A Sotiris, Michael Pecht, “Anomaly detection through Probabilistic Support Vector Machine Classification,” IEEE Transactions on Reliability, vol 59, no 2, June 2010 [9] Scholkopf, J Platt, J Shawe-Taylor, A Smola, and R Williamson, “Estimating the support of a high-dimensional distribution,” Neural Computation, vol 13, no 7, pp 1443-1472, Jul 2001 [10] Wenbin Ma, “Power System Short-Term Load Forecasting Based on Improved Support Vector Machines,” IEEE Transactions on Power Systems, pp 21-22 Dec 2008 [11] Ramon Granell, Colin J Axon, and David C H Wallom, “Impacts of Raw Data 74 Temporal Resolution Using Selected Clustering Methods on Residential Electricity Load Profiles,” IEEE Transactions on Power Systems, vol 30, no 6, pp 3217-3224, november 2015 [12] Riya Roy, K Thomas George, “Detecting insurance claims fraud using machine learning techniques,” International Conference on Circuit ,Power and Computing Technologies (ICCPCT), pp 20-21, April 2017 [13] Yimu Fu, Donglei Sun, Yiqun Wang, Liang Feng, Weixing Zhao, “Multi-level load forecasting system based on power grid planning platform with integrated information,” Chinese Automation Congress (CAC), pp 20-22, Oct 2017 75 Phụ Lục 1: Các thông số thuộc tính hàm chuẩn hóa liệu công cụ sklearn copy : boolean, optional, mặc định True Thông số Đặt thành False để thực quy mô inplace tránh (nếu đầu vào mảng numpy) scale_ : ndarray, shape (n_features,) Mỗi tính tương đối rộng liệu Thuộc tính max_abs_ : ndarray, shape (n_features,) Mỗi tính có giá trị tuyệt đối tối đa n_samples_seen_ : int Số lượng mẫu xử lý người ước tính Sẽ thiết lập lại gọi để phù hợp, gia tăng qua partial_fit gọi Phụ lục 2: Các thơng số thuộc tính hàm phát Outlier n_neighbors : int, tùy chọn (mặc định = 20) Thông số Số lượng gần kề sử dụng mặc định cho kneighbors truy vấn Nếu n_neighbors lớn số lượng mẫu cung cấp, tất mẫu sử dụng algorithm: {'auto', 'ball_tree', 'kd_tree', 'brute'}, tùy chọn Thuật toán sử dụng để tính tốn hàng xóm gần nhất: 'ball_tree' sử dụng BallTree 'kd_tree' sử dụng KDTree 76 'brute' sử dụng tìm kiếm vũ lực 'auto' cố gắng để định thuật tốn thích hợp dựa giá trị truyền cho fit phương pháp leaf_size : int, tùy chọn (mặc định = 30) Lá truyền đến BallTree KDTree Điều ảnh hưởng đến tốc độ xây dựng truy vấn, nhớ cần thiết để lưu trữ Giá trị tối ưu phụ thuộc vào chất vấn đề metric : string callable, mặc định 'minkowski' metric sử dụng để tính tốn khoảng cách Có thể sử dụng số liệu từ scikit-learn scipy.spatial.distance Nếu 'precomputed', đầu vào đào tạo X ma trận khoảng cách Nếu số liệu chức gọi được, gọi cặp trường hợp (hàng) giá trị kết ghi lại Các callable nên lấy hai mảng đầu vào trả giá trị cho biết khoảng cách chúng Điều làm việc cho số Scipy, hiệu so với chuyển tên số chuỗi Các giá trị hợp lệ cho số liệu là: từ scikit-learn: ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan'] từ 'scipy.spatial.distance: [' braycurtis ',' canberra ',' chebyshev ',' correlation ',' dice ',' hamming ',' jaccard ',' kulsinski ',' 77 mahalanobis ',' phù hợp ',' minkowski ',' rogerstanimoto ',' russellrao ',' seuclidean ',' sokalmichener ',' sokalsneath ',' sqeuclidean ',' yule '] p : số nguyên, tùy chọn (mặc định = 2) Thông số cho số Minkowski từ sklearn.metrics.pairwise.pairwise_distances Khi p = 1, tương đương với việc sử dụng manhattan_distance (l1), euclidean_distance (l2) cho p = Đối với arbitrary p, minkowski_distance (l_p) sử dụng metric_params : dict, tùy chọn (mặc định = Khơng có) Đối số từ khoá bổ sung cho chức số liệu contamination: float in (0., 0.5), tùy chọn (mặc định = 0.1) Số lượng sai lệch liệu, tức tỷ lệ phần liệu Khi khớp nối sử dụng để xác định ngưỡng chức định n_jobs : int, tùy chọn (mặc định = 1) Số lượng công việc song song để chạy cho tìm kiếm hàng xóm Nếu -1, sau số lượng công việc thiết lập để số lõi CPU Ảnh hưởng kneighbors kneighbors_graph phương pháp Thuộc negative_outlier_factor_ : mảng numpy, hình dạng (n_samples,) 78 tính LOF đối diện mẫu huấn luyện Các thấp hơn, bất thường Inliers có xu hướng có điểm số LOF gần với 1, giá trị ngoại vị thường có điểm số LOF lớn Các yếu tố ngoại vi địa phương (LOF) mẫu bắt 'mức độ bất thường' Đây tỷ lệ trung bình tỷ lệ đạt địa phương mẫu quốc gia k-hàng gần n_neighbors_ : số nguyên Số thực hàng xóm sử dụng cho kneighbors truy vấn Phụ Lục 3: Các thông số hàm đọc định dạng excel io : chuỗi, đối tượng đường dẫn (pathlib.Path py._path.local.LocalPath), Tập tin giống đối tượng, pandas ExcelFile, xlrd sổ làm việc Chuỗi URL Các lược đồ URL hợp lệ bao gồm http, ftp, s3 tệp tin Đối với URL tệp, máy chủ dự kiến Thông số sheet_name : chuỗi, int, danh sách hỗn hợp chuỗi / ints, Khơng có, mặc định Chuỗi sử dụng cho tên bảng, Số nguyên sử dụng vị trí bảng tính khơng lập mục Danh sách chuỗi / số nguyên sử dụng để yêu cầu nhiều trang Chỉ định Không có để có tất tờ str | int -> Khung liệu trả list | None -> Dict DataFrames trả về, với phím đại diện cho sheet Các trường hợp có sẵn 79 Mặc định -> trang với tư cách Khung liệu -> trang thứ hai Khung liệu "Sheet1" -> Trang tính thứ Khung liệu [0,1, "Sheet5"] -> Các trang 1, từ điển DataFrames Khơng có -> Tất trang từ điển DataFrames sheetname : string, int, danh sách hỗn hợp chuỗi / ints, None, mặc định Type : int, danh sách ints, mặc định Hàng (0-lập mục) để sử dụng cho nhãn cột DataFrame phân tích cú pháp Nếu danh sách số nguyên thông qua vị trí hàng kết hợp thành MultiIndex Sử dụng None khơng có tiêu đề Skiprows: bỏ qua hàng đầu Skip-footer: bỏ qua hàng cuối Phụ Lục 4: Các cố phát tuyến 471 Mỹ Tho tháng đầu năm 2018 STT Phát tuyến cố Ngày cố Thời điểm điện Thời điểm tái lập Bật MC 471MT 11/01/2018 14h03 14h07 Bật MC 471MT 21/02/2018 18h15 18h31 Bật MC 471MT 14/07/2018 20h36 23h12 Bật MC 471MT 15/07/2018 03h11 03h26 Bật MC D11 25/08/2018 14h45 15h13 80 Nguyên nhân Do rắn bò lên trụ số sau D57 Bong bóng bay lên đường dây trụ 69B Do phóng sứ trụ 06 Do mưa giơng gió lớn Khơng tìm ngun nhân ... thái bất thường đưa cảnh báo để người vận hành Với lý trên, đề tài ? ?Phân nhóm liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường? ?? chọn làm luận văn Thạc sỹ 1.2 Nghiên cứu tổng... hạn đề tài Mục đích nghiên cứu: phân nhóm liệu phục vụ tốn phân tích liệu bất thường để phân tích, đánh giá tình trạng vận hành đường dây 22kV tuyến 471 Mỹ Tho Từ đó, tìm phương án vận hành... thập từ đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường Khác với đề tài trước, việc đánh giá kiện bất thường dựa tần số xuất đại lượng trình thu thập liệu Điều này, mang tính