1. Trang chủ
  2. » Tất cả

ĐÁNH GIÁ ỔN ĐỊNH QUÁ ĐỘ HỆ THỐNG ĐIỆN SỬ DỤNG MÔ HÌNH ĐẲNG TRỊ MỘT MÁY PHÁT VÀ MẠNG NƠ-RON NHÂN TẠO

9 3 0

Đang tải... (xem toàn văn)

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 9
Dung lượng 186,81 KB

Nội dung

Tạp chí Khoa học Cơng nghệ 50 (2) (2012) 159-167 ĐÁNH GIÁ ỔN ĐỊNH QUÁ ĐỘ HỆ THỐNG ĐIỆN SỬ DỤNG MƠ HÌNH ĐẲNG TRỊ MỘT MÁY PHÁT VÀ MẠNG NƠ-RON NHÂN TẠO Trần Kỳ Phúc1,*, Vũ Toàn Thắng1, Lê Thị Thanh Hà2 Viện Năng lượng, Số 6, Tôn Thất Tùng, Đống Đa, Hà Nội Trường Đại học Bách khoa Hà Nội, Số 1, Đại Cồ Việt, Hà Nội * Email: trankyp@hotmail.com Đến Tòa soạn: 12/3/2011; Chấp nhận đăng: 26/4/2/2012 TÓM TẮT Ổn định độ hệ thống điện (HTĐ) khả trì đồng sau biến cố lớn Mục đích đánh giá ổn định độ xác định xem biến cố xảy HTĐ có dẫn đến ổn định hay không Đánh giá ổn định độ chế độ vận hành thời gian thực tới hạn u cầu thời gian tính tốn Bài báo giới thiệu phương pháp đánh giá ổn định độ: phương pháp mô miền thời gian phương pháp trực tiếp; ưu nhược điểm chúng Bài báo đề xuất phương pháp lai kết hợp mơ hình đẳng trị máy phát nối với nút có cơng suất vô lớn (SMIB) phương pháp mạng nơ-ron nhân tạo ANN để đánh giá ổn định độ HTĐ Phương pháp kết hợp làm giảm thời gian tính toán khả đánh giá nhanh phương pháp mạng nơ-ron nhân tạo ANN đồng thời tăng khả phân loại biến cố nhờ liệu tính tốn chế độ không trực tuyến Phương pháp kết hợp SMIB ANN áp dụng hệ thống thử nghiệm bao gồm máy phát, nút Kết đánh giá tính khả thi việc áp dụng phương pháp đề xuất cho hệ thống điện thực tế với quy mô lớn Phương pháp cho phép giảm lượng tính tốn chế độ vận hành thời gian thực tăng tính xác mơ hình Phương pháp mở rộng sử dụng cơng cụ trí tuệ nhân tạo khác để tăng cường đánh giá ổn định độ hệ thống điều kiện thời gian thực Từ khoá: hệ thống điện, ổn định q độ, mơ hình đẳng trị máy phát nối với nút có cơng suất vô lớn, mạng nơ ron nhân tạo GIỚI THIỆU Ổn định độ khả hệ thống điện trì đồng sau nhiễu loạn lớn đóng cắt đường dây truyền tải, tổ máy phát, phụ tải lớn,… [1 - 3] Các nhiễu loạn loại thường gọi biến cố Mục đích đánh giá ổn định độ xác định xem biến cố xảy hệ thống điện (HTĐ) có dẫn đến ổn định góc khơng, nói cách khác kiểm tra xem có trì vận hành đồng máy phát hệ thống hay khơng Trần Kỳ Phúc, Vũ Tồn Thắng, Lê Thị Thanh Hà Phương pháp truyền thống đánh giá ổn định độ mô miền thời gian TDS (timedomain simulation) Nó dựa giải hệ phương trình vi phân mơ tả q trình q độ để thu thông số hệ thống thay đổi theo thời gian (đường cong chuyển động máy phát, góc lệch rotor, vận tốc rotor; gia tốc rotor; cơng suất, v.v.) Ngồi ưu cung cấp thông tin đầy đủ hành vi hệ thống sau cố, phương pháp cho phép xem xét mơ hình kịch ổn định HTĐ đạt sai số yêu cầu mơ hình HTĐ thiết kế đủ tốt thơng số hệ thống cho với độ xác cần thiết Tuy nhiên, phương pháp mô miền thời gian chưa phù hợp cho nhiệm vụ thời gian thực, chủ yếu địi hỏi khối lượng tính tốn lớn tiêu chí ổn định thường đưa khơng rõ khó tính tốn độ dự trữ ổn định với mức xác cần thiết Phương pháp trực tiếp [5] dựa ý tưởng thay việc giải hệ phương trình vi phân cách khảo sát hàm lượng Lyapunov đưa tiêu chí ổn định dễ đánh giá phương pháp TDS Dù vậy, phương pháp trực tiếp gặp phải số trở ngại, chủ yếu khó xây dựng hàm Lyapunov cho hệ thống nhiều tổ máy khó đánh giá miền ổn định cho hệ thống thực tế Nhược điểm nhóm phương pháp truyền thống nói khắc phục theo hướng Giải pháp thứ xây dựng phương pháp lai mô thời gian phân tích trực tiếp [6] nhằm vừa giảm thời gian mô miền thời gian để đáp ứng nhiệm vụ thời gian thực vừa đánh giá độ dự trữ ổn định ứng với điểm vận hành kịch biến cố đưa Giải pháp thứ hai sử dụng cơng cụ trí tuệ nhân tạo [1] để thơng qua huấn luyện sở liệu mô miền thời gian TDS nhanh chóng phân loại biến cố điều kiện thời gian thực Bài báo đề xuất giải pháp kết hợp phương pháp lai hiệu (mô hình đẳng trị máy phát nối với nút có công suất vô lớn thay cho hệ thống nhiều máy, sau gọi tắt “đẳng trị SMIB” - single machine - infinite bus) phương pháp mạng nơ-ron nhân tạo ANN (artificial neural network) đánh giá ổn định độ hệ thống điện Sự kết hợp giải số vấn đề sau: - Giảm thời gian tính tốn thời gian thực so với phương pháp lai mô thời gian - trực tiếp nhờ “tích hợp” trước vào mạng nơ ron nhân tạo thơng tin tính ổn định hệ thống thơng qua huấn luyện mạng - Tăng độ xác phân loại biến cố thành nhóm: ổn định/khơng ổn định, nhờ sở liệu thu từ tính tốn off-line dùng mơ hình đẳng trị SMIB Ngồi ra, phương pháp kết hợp cho phép điều kiện trực tuyến xác định tiêu chí liên quan đến dự trữ ổn định độ thời gian cắt tới hạn hay độ dự trữ ổn định η cách cho mạng nơ-ron làm việc chế độ mô Như vậy, kết hợp đánh đổi việc tăng thời gian tính tốn off-line dùng mơ hình đẳng trị máy phát huấn luyện mạng nơ-ron với việc giảm thời gian đánh giá on-line nhờ chế độ mô (phân loại, dự báo) mạng nơ-ron, từ đạt mục tiêu nhiệm vụ trực tuyến thời gian thực Phương pháp kết hợp SMIB-ANN đề xuất minh hoạ ví dụ hệ thống điện nút, máy phát với khả mở rộng cho hệ thống điện lớn áp dụng loại ANN khác cơng cụ trí tuệ nhân tạo đại phù hợp MƠ HÌNH ĐẲNG TRỊ MỘT MÁY PHÁT SMIB 160 Đánh giá ổn định độ hệ thống điện sử dụng mơ hình đẳng trị máy phát … SMIB thuộc nhóm phương pháp phân tích ổn định q độ dựa đẳng trị máy phát-nút công suất vơ lớn Chính xác hơn, SMIB phương pháp lai “trực tiếp”-“thời gian”: “thời gian” dựa tiến triển hệ thống nhiều máy theo thời gian; “trực tiếp” dựa phương pháp trực tiếp tiêu chuẩn diện tích tương đương mở rộng EEAC (extended equal area criterion) Trình tự thuật tốn chung mơ hình SMIB sau: sau bắt đầu biến cố giải trừ biến cố, bước thời gian, SMIB sử dụng kết tính tốn module mơ miền thời gian TDS để phân loại máy phát thành nhóm tới hạn nhóm khơng tới hạn; thay hai nhóm máy hệ thống hai máy phát; thay hệ thống hai máy phát hệ thống máy phát nối với nút có cơng suất vơ lớn SMIB; cuối đánh giá ổn định độ SMIB phương pháp diện tích tương đương EAC Module mơ miền thời gian có chức giải hệ phương trình động học hệ thống điện [2, 3] Các thông số hệ đẳng trị SMIB δ- góc lệch rotor; ω- vận tốc góc rotor; Μ - mơ men qn tính; Pm - cơng suất cơ;, Pe - công suất tác dụng; Pa - công suất tăng tốc tính từ thơng số máy phát hệ thống, sử dụng khái niệm tâm quán tính, theo [7] Mặt khác, theo tiêu chuẩn diện tích tương đương EEAC, độ dự trữ ổn định η tính hiệu số diện tích giảm tốc so với diện tích tăng tốc biểu đồ SMIB Pa,SMIB(δ): η = Adec-Aacc (1) với Adec - động tích luỹ thời gian tồn cố; Aacc- xả sau cố Điều kiện ổn định SMIB η < 0, tức Adec0 (2) t = tu với ω > t > t0 Khi độ dự trữ ổn định ηu , tiêu thể hệ thống cách xa so với điểm ổn định, tính bằng: (3) ηu = -(1/2)M.ωu2 Điều kiện ổn định SMIB η>0, tức Adec>Aacc, động nhỏ cực đại, tức đường cong Pe(δ) dừng chiều tăng góc rotor δ=δr, trước cắt đường cong Pm(δ) Nói cách khác, δ=δr, δ dừng tăng để bắt đầu giảm Như phát biểu quỹ đạo SMIB ổn định đạt góc hồi δr (δr < δu) thời điểm tr(δr), ω(tr) = 0; Pa (t r ) < (4) Khi độ dự trữ ổn định ηst (stable margin) thể hệ thống cách xa so với điểm ổn định, tính bằng: δu η st = ∫ Pa dδ (5) δr 161 Trần Kỳ Phúc, Vũ Toàn Thắng, Lê Thị Thanh Hà PHƯƠNG PHÁP KẾT HỢP SMIB - ANN TRONG ĐÁNH GIÁ ỔN ĐỊNH QUÁ ĐỘ HTĐ 3.1 Phương pháp Trong giải pháp đề xuất, SMIB kết hợp với ANN chủ yếu giai đoạn huấn luyện mạng nơ ron nhân tạo sở số liệu thu từ mơ q trình động hệ thống TDS đánh giá ổn định dùng mơ hình đẳng trị máy phát SMIB hình Hình Sơ đồ huấn luyện mạng nơ-ron nhân tạo dùng liệu từ TDS SMIB Kí hiệu đây: δk(ti), ωk(ti), Pm,k(ti), Pe,k(ti) = góc lệch rotor, vận tốc góc, cơng suất cơ, công suất tác dụng máy phát k thời điểm ti, k = 1, 2, NG; Pa,k, Pd,k , Mk - công suất tăng tốc, công suất hãm, moment quán tính máy phát k; t0 - thời điểm xảy cố; tc - thời điểm cắt cố Ứng với biến cố danh sách định trước, hệ thống xem xét kịch điểm vận hành khác nhau, thông qua TDS để tính thơng số máy phát, nút nhánh; thông qua SMIB để xác định trạng thái ổn định độ hệ thống với thông số kèm theo (như hệ số dự trữ η, thời gian cắt tới hạn CCT,…) Các thơng tin tồn hệ thống SMIB cung cấp cho mạng nơ ron nhân tạo ANN để huấn luyện với mục đích nhận dạng trạng thái ổn định độ tính thơng số kèm theo nói Mạng nơ ron thiết kế huấn luyện dùng để đánh giá ổn định độ mơ tả hình Ở đây, thông số đầu vào chủ yếu nhận từ hệ thống SCADA/EMS, đặc biệt từ hệ đo lường module đánh giá trạng thái Đầu mạng ANN trạng thái ổn định/không ổn định và/hoặc thông số phái sinh kèm theo 162 Đánh giá ổn định q độ hệ thống điện sử dụng mơ hình đẳng trị máy phát … Hình Sơ đồ đánh giá ổn định độ thông số ổn định CCT, η 3.2 Thiết kế mạng neuron nhân tạo Xét yêu cầu toán, mạng nơ-ron nhân tạo đề xuất sử dụng mạng nhiều lớp huấn luyện theo thuật toán lan truyền ngược sai số [6] 3.2.1 Xác định biến đầu vào Số lượng thông số thu từ mô động TDS SMIB nhiều, cần lựa chọn cách hợp lý biến đầu vào cho mạng ANN Việc lựa chọn dựa lý luận chất ổn định độ phụ thuộc vào điểm cân trước cố vào đặc điểm cố Góc rotor máy phát trước cố thể trạng thái ban đầu hệ thống, công suất tăng tốc máy phát - cho độ nghiêm trọng biến cố (đại diện thời điểm sau cố), công suất hãm - đại diện cho khả hệ thống cắt giảm ảnh hưởng cố, vận tốc góc chứa thơng tin diễn tiến lượng hệ thống Các đại lượng tính quy đổi theo tâm quán tính [2] NG ∑ δ (t i − − θ k (t ) = δ k (t ) − − ).M i i =1 (6) NG ∑M i i =1 NG ∑ϖ _ i (t c+ ).M i i =1 ϖ k (t c+ ) = ϖ k (t c+ ) − (7) NG ∑M i i =1 NG _ ∑[(P (t e,i Pa,k = Pe,k (t ) − Pe,k (t ) − − − c − ) − Pe,i (tc− )).Mi i =1 NG ∑ Mi ] (8) i=1 163 Trần Kỳ Phúc, Vũ Toàn Thắng, Lê Thị Thanh Hà NG _ ∑[(P e,i P d ,k = Pe,k (t ) − Pe,k (t ) − − + c (t 0− ) − Pe,i (t c+ )).M i ] i =1 NG ∑Mi (9) i =1 Ngoài ra, công suất nhánh i-j thời điểm trước cố sau giải trừ cố Pij(t0-) Pij(tc+) chứa thông tin topo lưới điện sử dụng làm biến đầu vào 3.2.2 Xác định biến đầu Phương án biến đầu là: i) Trạng thái ổn định hệ thống: ổn định/mất ổn định (là phương án xem xét báo này) ii) thời gian cắt tới hạn CCT iii) độ dự trữ ổn định Phương án hai/ba đầu ra: Tổ hợp hai ba biến đầu nói 3.2.3 Số neuron lớp ẩn chu kỳ huấn luyện mạng Nhằm giảm ảnh hưởng tượng khớp thừa thông số, số neuron lớp ẩn số chu kỳ huấn luyện mạng xác định thơng qua q trình kiểm định Số neuron lớp ẩn khởi đầu xác định theo công thức kinh nghiệm [4] Tăng, giảm số neuron lớp ẩn xung quanh giá trị ban đầu, thông qua huấn luyện mạng có kiểm định, xác định số neuron lớp ẩn tương ứng với trường hợp sai số tập kiểm định nhỏ Ứng với trường hợp xác định số chu kỳ huấn luyện mạng 3.3 Áp dụng phương pháp kết hợp SMIB-ANN cho HTĐ cụ thể 3.3.1 Ví dụ hệ thống điện nghiên cứu Xem xét ví dụ hệ thống điện cụ thể gồm nút tổ máy phát hình 164 Đánh giá ổn định độ hệ thống điện sử dụng mơ hình đẳng trị máy phát … 1.026∠3.7 1.025∠9.30 230 kV 18 kV G 163.0 (6.7) 1.032∠2.0 TAP = 18 230 1.016∠0.7 0.996∠ − 4.0 13.8 kV 100 + j35 (MVA) 230 kV TAP = 1.013∠ − 3.7 1.025∠4.7 G 85.0 13.8 (-10.9) 230 90 + j30 (MVA) 125 + j50 (MVA) 230 kV 16.5 kV 16.5 TAP = 230 1.040∠0.0 1.026∠ − 2.2 G Hình Ví dụ sơ đồ hệ thống điện cần đánh giá ổn định độ 3.3.2 Xây dựng danh mục biến cố kịch trạng thái hệ thống 3.3.2.1 Danh mục biến cố Bộ số liệu đầu vào xây dựng từ kịch cố ngắn mạch pha nguồn thời điểm t0 = 0; giải trừ cố thời điểm te=0,3 s cách khôi phục lại nguồn cắt đường dây từ nút cố Ứng với kịch cố nói xem xét tổ hợp với phương án phụ tải phương án nguồn phát khác Phương án đơn giản cho phụ tải nút biến thiên với mức: tải định mức (100%); tải cao (110%; 120%) tải thấp (70%; 80%) Có thể xem xét phương án mơ Monte Carlo cho phụ tải biến đổi ngẫu nhiên xung quanh giá trị định mức Đối với nguồn, công suất phát biến thiên dải từ thấp đến cao số liệu ban đầu cho trước Với ví dụ ta có số mẫu liệu khoảng: (12 biến cố)x52 phương án tải = 300 mẫu 250 mẫu chọn ngẫu nhiên làm mẫu huấn luyện Số lại dùng để kiểm tra hiệu phân loại ANN, 25 mẫu phục vụ kiểm định 25 mẫu thử, tương tự nêu [6] 3.3.2.2 Lựa chọn thông số mô ANN Với tính chất minh hoạ, báo sử dụng mạng nhiều lớp thuật toán lan truyền ngược MLP [4] với thông số sau đây: - Số biến đầu vào: 21; - Số neuron lớp ẩn: 15; - Hàm kích hoạt neuron lớp ẩn lớp ‘tansig’ ‘hardlim’ tương ứng; 165 Trần Kỳ Phúc, Vũ Toàn Thắng, Lê Thị Thanh Hà - Thuật toán huấn luyện dùng Levenberg-Marquardt (Tốc độ học=0,05, Goal=0,00001, epochs = 500) 3.3.2.3 Kết mơ Các bước tính tốn thực phần mềm VNDSA Bảng trích trường hợp đánh giá ổn định độ với phụ tải gần với định mức nút Kết cho thấy tính khả thi việc áp dụng giải pháp đề xuất cho hệ thống điện thực tế với quy mô lớn Bảng Một số kết đánh giá ổn định độ dùng mạng nơ-ron ANN Nr cố (nút cố) Nr cố (nút cố) Nhánh bị cắt Ổn định độ theo TDSSIME Ổn định độ theo ANN 1(5) 3(7) 2(7) 4(8) 5-7 7-8 1:S; 2:U 3:U; 4:S 1:S; 2:U 3:U; 4:S 5(8) 6(9) 8-9 5:S; 6:S 5:S; 6:S 7(9) 8(6) 9-6 7:S; 8:S 7:S; 8:S 9(6) 10(4) 6-4 9:S;10:S 9:S;10:S 11(4) 12(5) 4-5 11:S;12:S 11:S;12:S KẾT LUẬN Giải pháp kết hợp mô hình đẳng trị máy phát nối với nút có công suất vô lớn SMIB với mạng nơ-ron nhân tạo ANN đề xuất báo cho phép giảm khối lượng tính tốn vận hành thời gian thực đánh giá trạng thái ổn định hệ thống điện (nhờ tốc độ tính tốn nhanh ANN chế độ mơ phỏng), đồng thời tăng tính xác mẫu học (nhờ khả mơ hình SMIB xác định hệ số dự trữ với độ xác cao nhiều phương pháp khác) Giải pháp mở rộng cách sử dụng cơng cụ trí tuệ nhân tạo khác nhau, mặt khác với hệ thống điện thực tế khác nhằm nâng cao hiệu đánh giá ổn định điều kiện thời gian thực TÀI LIỆU THAM KHẢO 166 Kalyani S., K Shanti Swarup - Power System Security Assessment using Binary SVM Based Pattern Recognition, Int, Journal of El Power and Energy Systems Engineering (2009) Kundur P - Power System Stability anhd Control, McGraw-Hill Inc., New York, 1994 Lã Văn Út - Phân tích điều khiển ổn định hệ thống điện, Nhà xuất Khoa học Kỹ thuật, Hà Nội, 2000 Oja E - Lecture material for the course Principles of Neural Computing, held at Helsinki University of Technology in Spring, 1997 Đánh giá ổn định độ hệ thống điện sử dụng mơ hình đẳng trị máy phát … Pai M A - Energy function analysis of power system, Kluwer Academic Publishers, 1989 Trần Kỳ Phúc, Lê Thị Thanh Hà - Xây dựng mô hình dự báo phụ tải thành phố Hà Nội dùng mạng nơ-ron nhân tạo, Tạp chí KHCN trường đại học kỹ thuật, số 68/2008 Pavella M., Ernst D., Ruiz-Vega D - Transient Stability of Power System: a unified approach to assessment and control, Kluwer Academic Publishers, 2000 ABSTRACT POWER SYSTEM TRANSIENT STABILITY ASSESSMENT BASED ON SINGLE MACHINE-INFINITE BUS EQUIVALENT AND ARTIFICIAL NEURAL NETWORK Trần Kỳ Phúc1,*, Vũ Toàn Thắng1, Lê Thị Thanh Hà2 Institute of Energy 6, Ton That Tung Str., Dong Da Dist., Hanoi, Vietnam Hanoi University of Science and Technology, Dai Co Viet, Hanoi, Vietnam * Email: trankyp@hotmail.com Transient stability of power system is the ability to maintain synchronization after a large disturbance Objective of transient stability assessment is to determine the power system is stable or unstable after a large disturbance Assessing transient stability of power system in realtime operating mode is critical in term of computational time requirement The paper introduced stability assessment methods: time domain simulation method and direct method and their advantages and disadvantages The paper proposes an hybrid approach combining single machine - infinite bus (SMIB) equivalent and artificial neural network (ANN) for power system transient stability assessment The combination reduces real-time computational time because of quick assessment of ANN and also increases performance of contingency classification due to data computed from off-line SMIB equivalent study The method combines SMIB and ANN is applied on the specific power system consists of generators and buses for illustration purpose Assessment results show the feasibility of applying the proposed method for practical power systems with a large scale This method allows reducing the amount calculated in real-time operating mode and increasing the accuracy of the model It also can be extended using different tools of artificial intelligence to improve transient stability assessment of power system in real-time operating conditions Keywords: power system, transient stability, single machine - infinite bus, artificial neural network 167 ... trạng thái ổn định/ không ổn định và/ hoặc thông số phái sinh kèm theo 162 Đánh giá ổn định độ hệ thống điện sử dụng mơ hình đẳng trị máy phát … Hình Sơ đồ đánh giá ổn định độ thông số ổn định CCT,... dụ hệ thống điện nút, máy phát với khả mở rộng cho hệ thống điện lớn áp dụng loại ANN khác cơng cụ trí tuệ nhân tạo đại phù hợp MƠ HÌNH ĐẲNG TRỊ MỘT MÁY PHÁT SMIB 160 Đánh giá ổn định q độ hệ thống. .. cụ thể 3.3.1 Ví dụ hệ thống điện nghiên cứu Xem xét ví dụ hệ thống điện cụ thể gồm nút tổ máy phát hình 164 Đánh giá ổn định q độ hệ thống điện sử dụng mơ hình đẳng trị máy phát … 1.026∠3.7 1.025∠9.30

Ngày đăng: 25/09/2016, 14:38