Hcmute xây dựng mô hình nhận dạng ổn định hệ thống điện

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CƠNG TRÌNH NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG XÂY DỰNG MÔ HÌNH NHẬN DẠNG ỔN ĐỊNH HỆ THỐNG ĐIỆN MÃ SỐ: T2019-45TĐ SKC 0 Tp Hồ Chí Minh, tháng 03/2020 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH ******** BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƯỜNG TRỌNG ĐIỂM XÂY DỰNG MÔ HÌNH NHẬN DẠNG ỔN ĐỊNH HỆ THỐNG ĐIỆN T2019-45TĐ Chủ nhiệm đề tài: TS NGUYỄN NGỌC ÂU Tp Hồ Chí Minh – tháng 3/2020 i Luan van TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐIỆN ĐIỆN TỬ ******** BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƯỜNG TRỌNG ĐIỂM XÂY DỰNG MÔ HÌNH NHẬN DẠNG ỔN ĐỊNH HỆ THỐNG ĐIỆN T2019-45TĐ Chủ nhiệm đề tài: TS NGUYỄN NGỌC ÂU Tp Hồ Chí Minh – tháng 3/2020 ii Luan van Danh sách thành viên tham gia nghiên cứu đề tài đơn vị phối hợp chính: Chủ nhiệm đề tài: TS NGUYỄN NGỌC ÂU Đề tài thực tại: PHÒNG NGHIÊN CỨU NĂNG LƯỢNG MỚI VÀ HỆ THÔNG ĐIỆN C201 KHOA ĐIỆN ĐIỆN TỬ TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TPHCM iii Luan van MỤC LỤC Trang tựa Trang Quyết định giao đề tài MỤC LỤC iv LIỆT KÊ HÌNH viii DANH SÁCH CÁC CHỮ VIẾT TẮT x CÁC KÝ HIỆU xi 1.1 Tổng quan tình hình nghiên cứu 1.2 Tính cần thiết 1.3 Mục tiêu đề tài .2 1.4 Đối tượng phạm vi nghiên cứu 1.5 Cách tiếp cận phương pháp nghiên cứu 1.6 Bố cục đề tài 2.1 Mạng nơ-ron nhân tạo 2.1.1 Giới thiệu mạng nơ-ron nhân tạo 2.1.2 Mơ hình nơ-ron sinh học .4 2.1.3 Mơ hình nơ-ron nhân tạo .5 2.1.3.1 Cấu trúc mơ hình nơ-ron nhân tạo iv Luan van 2.1.3.2 Cấu trúc mơ hình mạng nơ-ron nhân tạo nhiều lớp 2.1.4 Phân loại mạng nơ-ron 2.1.5 Mạng Perceptron nhiều lớp 2.2 Bộ phân lớp K-Nearest Neighbor 10 2.3 Bộ phân lớp máy vector hỗ trợ 10 2.3.1 Bộ phân lớp nhị phân tách lớp tuyến tính 11 2.3.2 Biên tối ưu mềm 13 2.3.3 Hàm nhân 14 2.4 Tóm tắt chương 15 3.1 Ởn định đợng hệ thống điện 16 3.2 3.3 3.1.1 Các chế độ làm việc hệ thống 16 3.1.2 Ổn định hệ thống điện .17 Các phương pháp phân tích đánh giá ổn định đợng hệ thống điện .18 3.2.1 Mơ hình tốn học hệ thống điện nhiều máy 18 3.2.2 Phương pháp tích phân số 19 3.2.3 Phương pháp diện tích .19 3.2.4 Phương pháp trực tiếp .20 3.2.5 Phương pháp mô phỏng theo miền thời gian 22 Các khâu xây dựng mơ hình nhận dạng 23 v Luan van 3.3.1 Xây dựng tập liệu 23 3.3.2 Xử lý liệu 25 3.3.2.1 Chuẩn hoá dữ liệu 25 3.3.2.2 Biến đầu vào biến đầu cho mơ hình 25 3.3.3 Tiêu chuẩn chọn biến 26 3.3.3.1 Tiêu chuẩn Fisher 26 3.3.3.2 Tiêu chuẩn Scatter Matrix (SM) 26 3.3.4 Huấn luyện .26 3.3.5 Đánh giá 27 3.4 Tóm tắt chương .27 4.1 Xây dựng mơ hình nhận dạng ổn định động hệ thống điện .28 4.2 Sơ đồ IEEE 39-bus 29 4.3 Tạo sở liệu 30 4.4 Xử lý liệu 31 4.5 Xây dựng mơ hình nhận dạng 33 4.6 Tóm tắt chương .36 5.1 Kết đạt 37 vi Luan van 5.2 Hướng phát triển 37 PHỤ LỤC vii Luan van LIỆT KÊ HÌNH TRANG Hình 2.1 Mơ hình nơ-ron sinh học Hình 2.2 Mơ hình mợt nơ-ron nhân tạo Hình 2.3 Cấu trúc mơ hình mạng nơ-ron nhân tạo nhiều lớp truyền thẳng Hình 2.4 Sơ đồ minh họa thuật toán SVM 11 Hình 2.5 Minh họa cho trường hợp liệu hai lớp khơng hồn tồn tách biệt 14 Hình 3.1 Trạng thái điểm vận hành hệ thống điện .16 Hình 3.2 Phân loại ổn định hệ thống điện theo IEEE/CIGRE 18 Hình 3.3 Các khâu xây dựng mơ hình nhận dạng .23 Hình 3.4 Ma trận khơng gian liệu 25 Hình 4.1 Mơ hình bợ nhận dạng .29 Hình 4.2 HTĐ IEEE 39-bus 29 Hình 4.3 Đợ xác kiểm tra chọn biến, bợ nhận dạng K-NN (K=1) 32 Hình 4.4 Đặc tuyến hội tụ huấn luyện mạng MLP 33 Hình 4.5 Hệ số tương quan .34 Hình 4.6 Đồ thị cặp thơng số (C, K) đường mức đợ xác kiểm tra .35 viii Luan van LIỆT KÊ BẢNG TRANG Bảng 2.1 Một số hàm phi tuyến thường dùng mơ hình nơ-ron Bảng 4.1 Các biến chọn 32 Bảng 4.2 Kết xây dựng bộ phân lớp 35 ix Luan van Nguyễn Ngọc Âu giá trị độ xác kiểm tra trình bày Hình 4.6 Từ đó, giá trị cặp thơng số (C, K) chọn kết đánh giá trình bày Bảng 4.2 Bảng 4.2 Kết xây dựng bộ phân lớp Nh (C, K) Huấn luyện (%) Kiểm tra (%) 96,95 95,00 98,62 98,75 MLP 10 SVM ((8,8),(6,6)) 15 0.9 0.95 10 K 0.9 0.9 -5 0.95 0.905.987 0.987 0.95 95 0.9 0.9 0.95 0.95 0.9 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.9 0.95 0.95 0.9 C 10 15 Hình 4.6 Đồ thị cặp thơng số (C, K) đường mức đợ xác kiểm tra Nhận xét: Hình 4.5, hệ số tương quan tổng thể đầu bộ phân lớp MLP với đích 0,94696 Kết cho thấy kết đầu bộ phân lớp MLP với đích có tính tương quan cao Kết đợ xác kiểm tra bộ phân lớp MLP 95%, kết chấp nhận toán đánh giá ổn định HTĐ [3]– [5] 35 Luan van Nguyễn Ngọc Âu Bảng 4.2 kết đợ xác kiểm tra bộ phân lớp SVM đạt đến 98,75% Như vậy, SVM cho đợ xác kiểm tra cao 3,75% so với MLP Đề tài đề nghị áp dụng bộ phân lớp SVM để nhận dạng ổn định động HTĐ cố ngắn mạch gây so sánh kết với bộ phân lớp MLP Kết kiểm tra cho thấy, bộ nhận dạng SVM đạt đợ xác cao MLP Việc nâng cao đợ xác nhận dạng giúp tăng hợi can thiệp sớm HTĐ gặp cố ngắn mạch bị ổn định Kết hữu ích việc nghiên cứu phát triển kết hợp với khâu điều khiển khẩn cấp sa thải phụ tải trường hợp ổn định ngắn mạch gây HTĐ 4.6 Tóm tắt chương Chương trình bày kết nghiên cứu áp dụng kiểm tra sơ đồ chuẩn IEEE 39-bus Các kết cụ thể sau:  Đề tài trình bày bước xây dựng mơ hình nhận dạng ổn định hệ thống điện  Nghiên cứu bộ nhận dạng SVM đề nghị áp dụng bộ phân lớp SVM vào nhận dạng ổn định động HTĐ cố ngắn mạch gây  Kết kiểm tra sơ đồ IEEE-39 bus cho thấy bộ nhận dạng SVM đạt đợ xác cao 36 Luan van Nguyễn Ngọc Âu KẾT LUẬN 5.1 Kết đạt Đánh giá ổn định hệ thống điện có mợt giá trị quan trọng để nâng cao độ tin cậy, tính ổn định chế đợ vận hành hệ thống điện đòi hỏi khắc khe thời gian Để đánh giá tính ổn định hệ thống điện dao động lớn cố gây ra, phương pháp truyền thống tỏ hiệu Đánh giá ổn định động hệ thống điện kịp thời hợi để điều khiển đưa hệ thống điện trở trạng thái ổn định khả thi Vì vậy, một nhu cầu cần xây dựng hệ thống đánh giá ổn định động hệ thống điện nâng cao đợ xác nhận dạng Từ mục đích nhiệm vụ nghiên cứu đặt ra, đề tài hoàn thành nội dung khoa học thực tiễn sau:  Về khoa học:  Áp dụng thành công bộ nhận dạng SVM vào xây dựng mơ hình nhận dạng ổn định hệ thống điện Kết kiểm tra sơ đồ IEEE 39-bus cho thấy, bộ nhận dạng SVM đạt đợ xác cao  Về thực tiễn:  Bộ nhận dạng ổn định hệ thống điện xây dựng sử dụng cơng cụ huấn luyện người vận hành hệ thống điện xử lý tình dựa kịch cố  Đề tài sẽ hữu ích cho người quan tâm, học viên cao học chuyên ngành kỹ thuật điện tham khảo áp dụng phương pháp nhận dạng vào nghiên cứu ổn định độ hệ thống điện 5.2 Hướng phát triển Từ kết nghiên cứu đề tài, kiến nghị cho nghiên cứu cần tiếp tục triển khai tương lai sau:  Nghiên cứu phối hợp với khâu điều khiển khẩn cấp để giữ ổn định hệ thống điện trường hợp ổn định, chẳng hạn điều khiển sa thải phụ tải 37 Luan van Nguyễn Ngọc Âu  Nghiên cứu mở rộng áp dụng phương pháp nghiên cứu đề tài cho nhận dạng ổn định điện áp, ổn định tần số 38 Luan van Nguyễn Ngọc Âu TÀI LIỆU THAM KHẢO [1] Y V Makarov, V I Reshetov, V A Stroev, and N I Voropai, “Blackout prevention in the United States, Europe, and Russia,” Proc IEEE, vol 93, no 11, pp 1942–1954, 2005 [2] Y Xu, S Member, Z Y Dong, S Member, L Guan, and R Zhang, “Preventive Dynamic Security Control of Power Systems Based on Pattern Discovery Technique,” vol 27, no 3, pp 1236–1244, 2012 [3] A M A Haidar, M W Mustafa, F A F Ibrahim, and I A Ahmed, “Transient stability evaluation of electrical power system using generalized regression neural networks,” Appl Soft Comput J., vol 11, no 4, pp 3558– 3570, 2011 [4] S Kalyani and K S Swarup, “Supervised fuzzy C-means clustering technique for security assessment and classification in power systems,” Multicr Int J Eng Sci Technol., vol 2, no 3, pp 175–185, 2010 [5] A Hoballah and I Erlich, “Transient stability assessment using ANN considering power system topology changes,” 2009 15th Int Conf Intell Syst Appl to Power Syst ISAP ’09, 2009 [6] A Karami, “Power system transient stability margin estimation using neural networks,” Int J Electr Power Energy Syst., vol 33, no 4, pp 983–991, 2011 [7] N Amjady and S F Majedi, “Transient stability prediction by a hybrid intelligent system,” IEEE Trans Power Syst., vol 22, no 3, pp 1275–1283, 2007 [8] A Y Abdelaziz and M A El-Dessouki, “Transient Stability Assessment using Decision Trees and Fuzzy Logic Techniques,” Int J Intell Syst Appl., vol 5, no 10, pp 1–10, 2013 [9] Y Xu et al., “Assessing Short-Term Voltage Stability of Electric Power Systems by a Hierarchical Intelligent System,” IEEE Trans Neural Networks Learn Syst., vol 27, no 8, pp 1686–1696, 2016 [10] S M Ashraf, A Gupta, D K Choudhary, and S Chakrabarti, “Voltage 39 Luan van Nguyễn Ngọc Âu stability monitoring of power systems using reduced network and artificial neural network,” Int J Electr Power Energy Syst., vol 87, pp 43–51, 2017 [11] R Zhang, Y Xu, Z Y Dong, K Meng, and Z Xu, “Intelligent systems for power system dynamic security assessment: Review and classification,” 2011 4th Int Conf Electr Util Deregul Restruct Power Technol., pp 134– 139, 2011 [12] Z Y Dong, Z Rui, and Y Xu, “Feature selection for intelligent stability assessment of power systems,” in 2012 IEEE Power and Energy Society General Meeting, 2012, pp 1–7 [13] A Karami and S Z Esmaili, “Transient stability assessment of power systems described with detailed models using neural networks,” Int J Electr Power Energy Syst., vol 45, no 1, pp 279–292, 2013 [14] A M A Haidar, A Mohamed, A Hussain, and N Jaalam, “Artificial Intelligence application to Malaysian electrical powersystem,” Expert Syst Appl., vol 37, no 7, pp 5023–5031, 2010 [15] W Hu et al., “Real-time transient stability assessment in power system based on improved SVM,” J Mod Power Syst Clean Energy, vol 7, no 1, 2019 [16] Y Zhou, J Wu, Z Yu, L Ji, and L Hao, “A hierarchical method for transient stability prediction of power systems using the confidence of a SVM-based ensemble classifier,” Energies, vol 9, no 10, 2016 [17] F R Gomez, A D Rajapakse, U D Annakkage, and I T Fernando, “Support vector machine-based algorithm for post-fault transient stability status prediction using synchronized measurements,” IEEE Trans Power Syst., vol 26, no 3, pp 1474–1483, 2011 [18] S Kalyani and K S Swarup, “Pattern analysis and classification for security evaluation in power networks,” Int J Electr Power Energy Syst., vol 44, no 1, pp 547–560, 2013 [19] S Haykin, Neural Networks and Learning Machines, Third Edit Pearson Prentice Halll, 2009 40 Luan van Nguyễn Ngọc Âu [20] M H Beale, M T Hagan, and H B Demuth, “Neural Network Toolbox TM User ’ s Guide R 2014 a,” 2014 [21] S Theodoridis and K Koutroumbas, Pattern Recognition, Fourth Edi Elsevier Inc, 2009 [22] A R Webb and K D Copsey, Statistical Pattern Recognition 2011 [23] B E Boser, T B Laboratories, I M Guyon, T B Laboratories, and V N Vapnik, “A Training Algorithm for Optimal Margin Classiers,” Proc 5th Annu Work Comput Learn Theory, p page 144-152, 1992 [24] C Cortes and V Vapnik, “Support-Vector Networks,” Proc Mach Learn., vol 20, pp 273–297, 1995 [25] H Byun and S Lee, “Applications of Support Vector Machines for Pattern Recognition : A Survey,” Springer-Verlag Berlin Heidelb 2002, pp 213– 236, 2002 [26] Lã Văn Út, Phân tích & điều khiển ổn định hệ thống điện NXB Đại Học Quốc Gia TP.HCM, 2011 [27] Nguyễn Hồng Việt and Phan Thị Thanh Bình, Ngắn Mạch & Ổn Định Trong Hệ Thống Điện NXB Đại Học Quốc Gia TP.HCM, 2011 [28] P Kundur, N J Balu, and M G Lauby, Power system stability and control McGraw-Hill, Inc, 1994 [29] T a Lipo, Analysis of Synchronous Machines, Second Edi CRC Press, 2012 [30] K Y Lee and M A El-Sharkawi, Modern Heuristic Optimization Techniques A John Wiley & Sons Inc Publication, 2008 [31] M Cheriet, N Kharma, C.-L Liu, and C Y Suen, Character Recognition Systems - A Guide for Students and Practioners A Jonhn Wley Inc., 2007 [32] N.N.Au, Q.H.Anh, and P.T.T.Binh, “Feature Subset Selection in Dynamic Stability Assessment Power System Using Artificial Neural Networks,” Sci Technol Dev Vol.18, No.K3, 2015 [33] N.N.Au, Q.H.Anh, and P.T.T.Binh, “Dyanamic Stability Assessment Of Power System Using Multilayer Feedforward Neural Networks With Reduced Feature Selection,” 2Nd Int Conf Green Technol Sustain Dev 41 Luan van Nguyễn Ngọc Âu 2014, vol 2, no 1, pp 5–10, 2014 [34] N A Nguyen, T N Le, H A Quyen, B P T Thanh, and T B Nguyen, “Hybrid Classifier Model for Dynamic Stability Prediction in Power System,” Proc - 2017 Int Conf Syst Sci Eng ICSSE 2017, vol 2017, no Icsse, pp 144–147, 2017 [35] N.N.Au, L.T.Nghia, Q.H.Anh, and P.T.T.Binh, “Sa thải phụ tải dựa nhận dạng nhanh ổn định động hệ thống điện,” Tạp chí Khoa học Cơng nghệ Đại học Đà nẵng, vol 2, no 6, pp 6–11, 2017 42 Luan van Nguyễn Ngọc Âu PHỤ LỤC Bảng PL1 Công suất máy phát Bus MaxMvar MinMVar MinMW MaxMW 30 800 31 Unit No -500 0.00 350.00 Gen10 800 -500 0.00 1150.00 Gen2 32 800 -500 0.00 750.00 Gen3 33 800 -500 0.00 732.00 Gen4 34 800 -300 0.00 608.00 Gen5 35 800 -500 0.00 750.00 Gen6 36 800 -500 0.00 660.00 Gen7 37 800 -500 0.00 640.00 Gen8 38 800 -500 0.00 930.00 Gen9 39 1500 -1000 0.00 1100.00 Gen1 Bảng PL2 Mơ hình máy phát điện đồng bợ GENPWTwoAxis Unit Bus No H Ra xd′ xq′ xd xq ′ Tdo ′ Tqo 39 500.0 0.006 0.008 0.02 0.019 7.0 0.7 31 30.3 0.0697 0.170 0.295 0.282 6.56 1.5 32 35.8 0.0531 0.0876 0.2495 0.237 5.7 1.5 33 28.6 0.0436 0.166 0.262 0.258 5.69 1.5 34 26.0 0.132 0.166 0.67 0.62 5.4 0.44 35 34.8 0.05 0.0814 0.254 0.241 7.3 0.4 36 26.4 0.049 0.186 0.295 0.292 5.66 1.5 37 24.3 0.057 0.0911 0.290 0.280 6.7 0.41 38 34.5 0.057 0.0587 0.2106 0.205 4.79 1.96 10 30 42.0 0.031 0.008 0.1 0.069 10.2 0.0167 Bảng PL3 Thông số thiết bị điều khiển kích từ IEEE1 Bus Tr Ka Ta Vrmax Vrmin Ke Te Kf Tf E1 39 0.06 -1 -0.0485 0.25 0.04 0.75 0.08 1.1 0.26 38 6.2 0.05 -1 -0.633 0.405 0.057 0.5 0.75 0.66 1.1 0.88 37 0.06 -1 -0.0198 0.5 0.08 0.75 0.13 1.1 0.34 36 0.06 -1 -0.525 0.5 0.08 0.75 0.08 1.1 0.314 35 40 0.02 10 -10 0.785 0.03 0.75 0.67 1.1 0.91 34 0.02 -1 -0.0419 0.471 0.0754 1.246 0.75 0.064 1.1 0.251 Luan van SE (E1 ) E2 SE (E2 ) Nguyễn Ngọc Âu 33 40 0.02 6.5 -6.5 0.73 0.03 0.75 0.53 1.1 0.74 32 0.02 -1 -0.047 0.528 0.0845 1.26 0.75 0.072 1.1 0.282 31 40 0.02 10.5 -10.5 1.4 0.03 0.75 0.62 1.1 0.85 30 40 0.02 10 -10 0.785 0.03 0.75 0.67 1.1 0.91 Bảng PL4 Thông số thiết bị điều chỉnh tần số TGOV1 Bus R T1 Vmax Vmin T2 T3 Dt 30 0.05 0.4 1.5 31 0.05 0.4 -0.05 1.5 32 0.05 0.4 -0.05 1.5 33 0.05 0.4 -0.05 1.5 34 0.05 0.4 -0.05 1.5 35 0.05 0.4 -0.05 1.5 36 0.05 0.4 -0.05 1.5 37 0.05 0.4 -0.05 1.5 38 0.05 0.4 1.2 -0.05 1.5 39 0.1 0.8 1.5 -0.05 1.5 Bảng PL5 Thông số máy biến áp To Bus RT XT 12 11 0.0016 0.0435 1.0060 12 13 0.0016 0.0435 1.0060 31 0.0000 0.0250 0.85714 10 32 0.0000 0.0200 1.0700 19 33 0.0007 0.0142 1.0700 20 34 0.0009 0.0180 1.0090 22 35 0.0000 0.0143 1.0250 23 36 0.0005 0.0272 1.0000 25 37 0.0006 0.0232 1.0250 30 0.0000 0.0181 1.0250 29 38 0.0008 0.0156 1.0250 19 20 0.0007 0.0138 1.0600 From Bus Luan van Tap Nguyễn Ngọc Âu Bảng PL6 Thông số trở kháng đường dây From Bus To Bus Branch Device Type R X B Line 0.0035 0.0411 0.6987 39 Line 0.0010 0.0250 0.7500 Line 0.0013 0.0151 0.2572 25 Line 0.0070 0.0086 0.1460 30 Transformer 0.0000 0.0181 0.0000 18 Line 0.0011 0.0133 0.2138 Line 0.0013 0.0213 0.2214 14 Line 0.0008 0.0129 0.1382 Line 0.0008 0.0128 0.1342 Line 0.0008 0.0112 0.1476 Line 0.0002 0.0026 0.0434 11 Line 0.0007 0.0082 0.1389 Line 0.0006 0.0092 0.1130 Line 0.0004 0.0046 0.0780 Line 0.0023 0.0363 0.3804 39 Line 0.0010 0.0250 1.2000 10 32 Transformer 0.0000 0.0200 0.0000 10 13 Line 0.0004 0.0043 0.0729 10 11 Line 0.0004 0.0043 0.0729 12 13 Transformer 0.0016 0.0435 0.0000 12 11 Transformer 0.0016 0.0435 0.0000 13 14 Line 0.0009 0.0101 0.1723 14 15 Line 0.0018 0.0217 0.3660 15 16 Line 0.0009 0.0094 0.1710 16 24 Line 0.0003 0.0059 0.0680 16 21 Line 0.0008 0.0135 0.2548 16 19 Line 0.0016 0.0195 0.3040 16 17 Line 0.0007 0.0089 0.1342 17 27 Line 0.0013 0.0173 0.3216 17 18 Line 0.0007 0.0082 0.1319 19 33 Transformer 0.0007 0.0142 0.0000 19 20 Transformer 0.0007 0.0138 0.0000 20 34 Transformer 0.0009 0.0180 0.0000 21 22 Line 0.0008 0.0140 0.2565 22 35 Transformer 0.0000 0.0143 0.0000 22 23 Line 0.0006 0.0096 0.1846 Luan van Nguyễn Ngọc Âu 23 36 Transformer 0.0005 0.0272 0.0000 23 24 Line 0.0022 0.0350 0.3610 25 37 Transformer 0.0006 0.0232 0.0000 25 26 Line 0.0032 0.0323 0.5130 26 29 Line 0.0057 0.0625 1.0290 26 28 Line 0.0043 0.0474 0.7802 26 27 Line 0.0014 0.0147 0.2396 28 29 Line 0.0014 0.0151 0.2490 29 38 Transformer 0.0008 0.0156 0.0000 31 Transformer 0.0000 0.0250 0.0000 Bảng PL7 Thông số trở kháng thứ tự không đường dây From Bus To Bus Branch Device Type R X C Line 0.008750 0.102750 0.698700 39 Line 0.002500 0.062500 0.750000 Line 0.003250 0.037750 0.257200 25 Line 0.017500 0.021500 0.146000 30 Transformer 0.000000 0.018100 0.000000 18 Line 0.002750 0.033250 0.213800 Line 0.003250 0.053250 0.221400 14 Line 0.002000 0.032250 0.138200 Line 0.002000 0.032000 0.134200 Line 0.002000 0.028000 0.147600 Line 0.000500 0.006500 0.043400 11 Line 0.001750 0.020500 0.138900 Line 0.001500 0.023000 0.113000 Line 0.001000 0.011500 0.078000 Line 0.005750 0.090750 0.380400 39 Line 0.002500 0.062500 1.200000 10 32 Transformer 0.000000 0.020000 0.000000 Luan van Nguyễn Ngọc Âu 10 13 Line 0.001000 0.010750 0.072900 10 11 Line 0.001000 0.010750 0.072900 12 13 Transformer 0.001600 0.043500 0.000000 12 11 Transformer 0.001600 0.043500 0.000000 13 14 Line 0.002250 0.025250 0.172300 14 15 Line 0.004500 0.054250 0.366000 15 16 Line 0.002250 0.023500 0.171000 16 24 Line 0.000750 0.014750 0.068000 16 21 Line 0.002000 0.033750 0.254800 16 19 Line 0.004000 0.048750 0.304000 16 17 Line 0.001750 0.022250 0.134200 17 27 Line 0.003250 0.043250 0.321600 17 18 Line 0.001750 0.020500 0.131900 19 33 Transformer 0.0007 0.0142 0.0000 19 20 Transformer 0.0007 0.0138 0.0000 20 34 Transformer 0.0009 0.0180 0.0000 21 22 Line 0.002000 0.035000 0.256500 22 35 Transformer 0.0000 0.0143 0.0000 22 23 Line 0.001500 0.024000 0.184600 23 36 Transformer 0.0005 0.0272 0.0000 23 24 Line 0.005500 0.087500 0.361000 25 37 Transformer 0.0006 0.0232 0.0000 25 26 Line 0.008000 0.080750 0.513000 26 29 Line 0.014250 0.156250 1.029000 26 28 Line 0.010750 0.118500 0.780200 26 27 Line 0.003500 0.036750 0.239600 28 29 Line 0.003500 0.037750 0.249000 29 38 Transformer 0.0008 0.0156 0.0000 31 Transformer 0.0000 0.0250 0.0000 Luan van Nguyễn Ngọc Âu Luan van S K L 0 Luan van ... xác nhận dạng Vì vậy, tác giả đề xuất áp dụng bộ nhận dạng SVM để xây dựng mơ hình nhận dạng ổn định hệ thống điện đề tài 1.3 Mục tiêu đề tài  Xây dựng mơ hình nhận dạng ổn định hệ thống điện. .. tiêu: - 12 MỤC TIÊU ĐỀ TÀI - Xây dựng mô hình nhận dạng ổn định hệ thống điện Tính sáng tạo: - Đề nghị áp dụng bộ nhận dạng SVM xây dựng bộ nhận dạng ổn định hệ thống điện nâng cao đợ xác Kết... Trong [14] ổn định hệ thống điện phân loại theo IEEE/CIGRE gồm: ổn định góc rotor, ổn định tần số ổn định điện áp Phân loại ổn định hệ thống điện trình bày Hình 3.1 Ởn định đợng ổn định góc rotor