Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)

Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)Xây dựng mô hình tính toán xác định một số thông số sự cố khi xảy ra ngắn mạch trên đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái. (NCKH)

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CƠNG NGHỆ CẤP ĐẠI HỌC XÂY DỰNG MƠ HÌNH TÍNH TỐN XÁC ĐỊNH MỘT SỐ THƠNG SỐ SỰ CỐ KHI XẢY RA NGẮN MẠCH TRÊN ĐƯỜNG DÂY CAO ÁP ÁP DỤNG CHO LƯỚI ĐIỆN TỈNH YÊN BÁI Mã số: ĐH2013-TN02-02 Chủ nhiệm đề tài: TS Trương Tuấn Anh THÁI NGUYÊN, 04/2017 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CƠNG NGHỆ CẤP ĐẠI HỌC XÂY DỰNG MƠ HÌNH TÍNH TỐN XÁC ĐỊNH MỘT SỐ THƠNG SỐ SỰ CỐ KHI XẢY RA NGẮN MẠCH TRÊN ĐƯỜNG DÂY CAO ÁP ÁP DỤNG CHO LƯỚI ĐIỆN TỈNH YÊN BÁI Mã số: ĐH2013-TN02-02 Xác nhận tổ chức chủ trì KT.HIỆU TRƯỞNG PHÓ HIỆU TRƯỞNG Chủ nhiệm đề tài (Ký, họ tên) PGS.TS Vũ Ngọc Pi Trương Tuấn Anh Thái Nguyên, 04/ 2017 -i- DANH SÁCH NHỮNG THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI VÀ ĐƠN VỊ PHỐI HỢP CHÍNH PGS.TSKH Trần Hoài Linh Trường Đại học Bách Khoa Hà Nội ThS Dương Hòa An Trường Đại học Kỹ thuật Công nghiệp – Đại học Thái Nguyên ThS Đào Duy Yên Trường Đại học Kỹ thuật Công nghiệp – Đại học Thái Nguyên - ii - MỤC LỤC DANH SÁCH NHỮNG THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI VÀ ĐƠN VỊ PHỐI HỢP CHÍNH i MỤC LỤC ii DANH MỤC CÁC BẢNG BIỂU iv DANH MỤC CÁC TỪ VIẾT TẮT v MỞ ĐẦU 1 Tính cấp thiết đề tài Mục đích nghiên cứu Đối tượng phạm vi nghiên cứu Ý nghĩa khoa học thực tiễn đề tài Chương 1: CÁC PHƯƠNG PHÁP XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƯỜNG DÂY TẢI ĐIỆN 1.1 Một số phương pháp xác định vị trí cố 1.2 Phương pháp tính tốn dựa trở kháng 1.3 Phương pháp sử dụng sóng lan truyền [77] 10 1.4 Phương pháp sử dụng mạng nơron nhân tạo 13 1.5 Kết luận chương 17 Chương 2: CÁC GIẢI PHÁP ĐỀ XUẤT TRONG ĐỀ TÀI 18 2.1 Sơ đồ khối tổng thể ước lượng vị trí cố 18 2.2 Mạng nơron MLP ứng dụng ước lượng vị trí cố 20 2.2.1 Mạng nơron MLP hoạt động độc lập ước lượng vị trí cố [12,64,69,79,93] 20 2.2.2 Mạng nơron MLP phối hợp song song với thuật tốn tổng trở (thuật tốn mơ máy tính, thuật tốn tích hợp rơle khoảng cách thực tế) 20 2.3 Phần mềm ATP/EMTP ứng dụng để tạo mẫu số liệu 22 2.4 Hợp thí nghiệm CMC-356 thử nghiệm kết tác động rơle khoảng cách thực tế 23 2.5 Kết luận Chương 24 Chương 3: CƠNG CỤ TÍNH TỐN VÀ MÔ PHỎNG 25 3.1 Phần mềm mô ATP/EMTP 25 - iii - 3.2 Hợp thí nghiệm thứ cấp pha CMC 356 - OMICRON 26 3.3 Wavelet ứng dụng phân tích tín hiệu 28 3.3.1 Phân tích phổ tín hiệu sử dụng biến đổi Fourrier 28 3.3.2 Phân tích phổ wavelet (sóng nhỏ) 30 3.3.3 Thuật tốn phân tích tín hiệu wavelet [96] 35 3.4 Mạng nơron nhân tạo ứng dụng xác định vị trí cố đường dây tải điện 37 3.4.1 Mơ hình nơron nhân tạo McCulloch - Pitts [12,69] 37 3.4.2 Cấu trúc mạng MLP [12,69] 45 3.4.3 Quá trình học mạng MLP [11,12] 48 3.4.4 Lựa chọn số nơron lớp ẩn để tránh mạng học khớp (overfitting) mạng học không đủ (underfitting) [11,12] 52 3.5 Kết luận Chương 58 Chương 4: CÁC KẾT QUẢ MƠ PHỎNG VÀ TÍNH TỐN 59 4.1 ATP/EMTP mô ngắn mạch đường dây 59 4.1.1 Mơ hình đường dây mơ đề tài 59 4.1.2 Kịch mô ATP/EMTP 59 4.2 Kết xác định thời điểm xuất cố 61 4.3 Kết ước lượng vị trí cố 68 4.3.1 Trích xuất số liệu thông tin đặc trưng 68 4.3.2 Đánh giá, lựa chọn đầu vào cho mạng MLP 70 4.3.3 Mạng nơron MLP ước lượng vị trí cố 74 4.4 Kết luận Chương 85 KẾT LUẬN VÀ KIẾN NGHỊ 87 TÀI LIỆU THAM KHẢO 89 - iv - DANH MỤC CÁC BẢNG BIỂU Bảng 1.1 Thiết bị Nippon xác định vị trí cố đường dây 220 kV Thái Nguyên - Hà Giang 12 Bảng 3.2 Một số phần tử sử dụng đề tài 25 Bảng 4.1 Kết chạy mô ứng với tần số khác 66 Bảng 4.2 Kết thử nghiệm với số dạng Wavelet khác 67 Bảng 4.3: Số lượng đặc tính tương ứng với ngưỡng cắt 73 Bảng 4.4: Tổng hợp kết sử dụng rơle khoảng cách thực tế (7SA522) dùng mạng nơron MLP để giảm sai số rơle khoảng cách thực tế 7SA522 84 Bảng 4.5: Tổng hợp kết sử dụng rơle khoảng cách ảo dùng mạng nơron MLP để giảm sai số rơle khoảng cách ảo 84 Bảng 4.6: Tổng hợp kết dùng mạng nơron MLP ước lượng trực tiếp vị trí cố 84 Bảng 4.7: So sánh kết sử dụng rơle khoảng cách (Rơle ảo rơle thực tế) dùng mạng MLP để giảm sai số vị trí cố 85 Bảng 4.8: Tổng hợp kết ước lượng vị trí cố 85 -v- DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Nghĩa tiếng Việt AG0 Ngắn mạch pha AB0 Ngắn mạch pha ABG Ngắn mạch pha chạm đất ABC Ngắn mạch pha AD Bộ chuyển đổi tương tự/ số BU Máy biến điện áp BI Máy biến dòng điện CMC-356 Hợp thí nghiệm thứ cấp EVN (Vietnam Electricity) Tập đoàn điện lực Việt Nam ATP/EMTP (Alternative Transients Programme/ Electro- Magnetic Transients Program) Chương trình nghiên cứu độ điện từ MLP (Multi Layer Perceptron) Mạng nơron MLP PC Máy tính cá nhân KTS Kỹ thuật số - vi - ĐẠI HỌC THÁI NGUYÊN Đơn vị: Trường Đại học Kỹ thuật Cơng nghiệp THƠNG TIN KẾT QUẢ NGHIÊN CỨU Thông tin chung - Tên đề tài: Xây dựng mơ hình tính tốn xác định số thông số cố xảy ngắn mạch đường dây cao áp áp dụng cho lưới điện tỉnh Yên Bái - Mã số: ĐH2013-TN02-02 - Chủ nhiệm: TS Trương Tuấn Anh - Cơ quan chủ trì: Trường Đại học Kỹ thuật Công nghiệp - Thời gian thực hiện: 2013-2014 Mục tiêu Xây dựng mơ hình sử dụng độc lập mạng nơron MLP mô hình sử dụng song song thuật tốn tổng trở (thuật tốn tổng trở chạy máy tính thuật toán tổng trở rơle khoảng cách thực tế 7SA522) với mạng nơron MLP để xác định vị trí cố đường dây truyền tải điện Tính sáng tạo - Khắc phục nhược điểm phương pháp định vị cố đường dây tải điện có, đề xuất thực thành công nghiên cứu định vị cố kết đề tài nghiên cứu Kết nghiên cứu - Khảo sát đề xuất ứng dụng wavelet Daubechies bậc để phân tích thành phần d1 tín hiệu lấy mẫu với tần số 100kHz để làm sở phát thời điểm xuất cố đường dây truyền tải - Khảo sát đặc tính dựa hệ số tương quan đầu vào đầu để lựa chọn đặc tính có hệ số tương quan cao để dùng mơ hình ước lượng Các kết tính toán đưa danh sách 84 giá trị đặc trưng tính tốn từ đường tín hiệu u-i để làm sở tính tốn thơng số vị trí cố - Đề xuất ứng dụng hợp mô CMC-356 Omicron kết hợp với rơle thực tế (7SA522) để so sánh chất lượng tính tốn mơ hình vị trí cố với tác động rơle đường dây thực tế Đồng thời kết hoạt động rơle - vii - khoảng cách thực tế sử dụng để tạo mẫu học mạng nơron MLP để bù sai số cho rơle thực tế Sản phẩm đề tài 5.1 Bài báo khoa học [1] Trương Tuấn Anh, Trần Hoài Linh, Đinh Văn Nhượng (2013), “Phối hợp mạng Nơ-rôn phương pháp tổng trở để xác định vị trí cố ngắn mạch đường dây tải điện”, Hội nghị toàn quốc Điều khiển Tự động hoá VCCA2013, Trang 663-669, Đà Nẵng [2] Trương Tuấn Anh, Trần Hoài Linh, Nguyễn Đức Thảo (2014), “Khảo sát hợp thí nghiệm CMC-356 khả cải thiện sai số rơle khoảng cách mạng nơ-ron MLP”, Tạp chí Khoa học Công nghệ, Đại học Thái Nguyên Tập 122, số 08, 2014, Trang 87-93 [3] Trương Tuấn Anh (2015), “Ứng dụng biến đổi wavelet mạng nơ-ron nhân tạo phát cố ngắn mạch pha đường dây tải điện”, Tạp chí Khoa học Cơng nghệ, Đại học Thái Nguyên Tập 139, số 09, 2015, Trang 193-199 5.2 Sản phẩm đào tạo Đào tạo trình độ tiến sĩ: Cơ sở nghiên cứu ứng dụng bảo vệ thành công luận án Tiến sĩ Kỹ thuật điện Trương Tuấn Anh (2015), Nghiên cứu phương pháp xác định vị trí cố đường dây tải điện dựa mạng Nơron MLP, Luận án Tiến sĩ, Trường Đại học Bách khoa Hà Nội Phương thức chuyển giao, địa ứng dụng, tác động lợi ích mang lại kết nghiên cứu - Tài liệu tham khảo cho học viên thạc sĩ, nghiên cứu sinh, kỹ sư Kết nghiên cứu sở cho việc chế tạo thiết bị định vị cố đường dây tải điện - Áp dụng tính tốn xác định vị trí cố đường dây thực tế (Yên Bái – Khánh Hòa) Ngày 27 tháng năm 2017 Cơ quan chủ trì KT.HIỆU TRƯỞNG PHĨ HIỆU TRƯỞNG PGS.TS Vũ Ngọc Pi Chủ nhiệm đề tài Trương Tuấn Anh - viii - INFORMATION ON RESEARCH RESULTS General information - Project title: Development of mathematical formulation for determining the fault parameters of high-voltage transmission systems in short-circuits applied to electric grid in Yen Bai - Code number: ĐH2013-TN02-02 - Chairman: Dr Truong Tuan Anh - Responsible agency: Thai Nguyen University of Technology - Duration: From 2013 to 2014 Objectives Design a new model using an independent MLP neural network and a new model using MLP in parallel with a total resistance algorithm (the total resistance algorithm run on a computer or the total resistance algorithm of actual distance relay, 7SA522) with a MLP neural network to estimate the fault location on the transmission lines Creativeness and innovativeness - The result of the study is a basis for overcoming the disadvantages of the incident positioning method of the electricity transmission lines, proposed and implemented successfully a new study about the incident positioning; Research results - Survey and research appling the wavelet Daubechies at level to analyze the d1 component for the signals of the sample at 100kHz frequency to detect the fault time occured on the electricity transmission line - Investigate the features based on the correlation coefficients between input and output to select the features of the high correlation coefficient applied to the estimation model The calculated results issued a list with 84 characterized values calculated from six signal lines to calculate the incident location parameters - Recommend the application of CMC-356 simulation of Omicron combined with the actual relay (7SA522) to compare the quality of the calculation model at the incident location in the impact of the actual relay on the actual line And the operating results of the actual distance relays will be used to create a sample that learn the new MLP neural network to compensate error for the actual relays Products 5.1 Scientific paper [1] Truong Tuan Anh, Tran Hoai Linh, Dinh Van Nhuong (2013), “Integration of neural network and impedance based method to estimate the shortage fault location on a transmission line”, The second VietNam conference on control and automation VCCA 2013, page 663-669, Đa Nang - 82 - Từ 1008 số liệu (theo định dạng WAV) tạo ra, sử dụng phần mềm Test Universe V2.30 (phần mềm theo hợp CMC-356 Omicron) kích hoạt chức TransPlay Giao diện phần mềm tương tác TransPlay người sử dụng thể hình 3.4 Thiết bị Omicron CMC-356 tạo tín hiệu dòng điện điện áp cố thông qua chức TransPlay kết nối với rơle khoảng cách 7SA522 Các tác động rơle khoảng cách lưu lại ghi rơle (đối với loại 7SA522 ta ghi nhớ tối đa kiện cuối cùng) Các ghi tải lên máy tính cách sử dụng phần mềm DIGSI 4.82 với giao diện thể hình 4.31 Hình 4.31: 1008 liệu mơ đọc từ phần mềm DIGSI 4.82 DIGSI cho phép chọn ghi liệt kê trường thông tin chi tiết bên ghi để phục vụ cho việc so sánh tính tốn Trong đề tài quan tâm tới thông tin vị trí cố ghi rơle khoảng cách 7SA522 ước lượng từ tín hiệu đo lường Trên hình 4.32 thể lựa chọn thơng tin "Trip Log" ghi rơle - 83 - Hình 4.32: Dữ liệu mơ đọc từ chức Trip Log Tổng hợp kết từ 1008 trường hợp số liệu thử nghiệm có 970 trường hợp rơle trả kết vị trí cố, 38 trường hợp rơle tác động không trả giá trị vị trí cố Các kết thống kê từ phần mềm DIGSI (trong chức TripLog) Từ kết thống kê ta có: Sai số trung bình vị trí dạng cố (AB0, ABC, ABG, AG0) rơle khoảng cách 7SA522: ltb  1,19  km  tương ứng 2,07% Với số liệu 970 mẫu chia làm hai số liệu con: phần số liệu gồm 647 mẫu (2/3 tổng số mẫu có được) để xây dựng mơ hình (điều chỉnh thích nghi tham số mạng nơron để tối ưu hóa sai số đầu ra), phần lại (323 mẫu) dùng để kiểm tra chất lượng trình học Sau sử dụng mạng nơron MLP với 12 nơron ẩn để bù sai số rơle khoảng cách 7SA522, kết sau: - Sai số trung bình học vị trí cố: ltb  0,49  km  tương ứng: 1,27% - Sai số trung bình kiểm tra vị trí cố: ltb  0,5  km  tương ứng: 1,49% Tổng hợp lại ba trường hợp sử dụng mạng nơron MLP để ước lượng vị trí cố ta có kết thống kê bảng sau: - 84 Bảng 4.4: Tổng hợp kết sử dụng rơle khoảng cách thực tế (7SA522) dùng mạng nơron MLP để giảm sai số rơle khoảng cách thực tế 7SA522 Loại cố Sai số trung bình Sai số học trung bình Sai số kiểm tra trung bình Rơle thực tế MLP + Rơle thực tế MLP + Rơle thực tế (km) (%) (km) (%) (km) (%) AG0 0,18 1,06 0,27 1,05 0,55 2,26 AB0 1,57 2,79 0,21 0,76 0,49 1,09 ABG 1,94 3,64 1,01 2,11 0,31 1,14 ABC 0,56 0,65 0,47 1,12 0,65 1,61 Tổng 1,09 2,07 0,49 1,27 0,50 1,49 Bảng 4.5: Tổng hợp kết sử dụng rơle khoảng cách ảo dùng mạng nơron MLP để giảm sai số rơle khoảng cách ảo Loại cố Sai số trung bình Rơle ảo Sai số học trung bình Sai số kiểm tra trung bình MLP + Rơle ảo MLP + Rơle ảo (km) (%) (km) (%) (km) (%) AG0 0,43 1,48 0,083 0,19 0,78 1,52 AB0 1,25 2,16 0,059 0,12 0,23 0,51 ABG 1,23 2,17 0,048 0,12 0,26 0,59 ABC 0,18 0,29 0,032 0,11 0,14 0,47 Tổng 0,77 1,52 0,055 0,14 0,35 0,77 Bảng 4.6: Tổng hợp kết dùng mạng nơron MLP ước lượng trực tiếp vị trí cố Loại cố Sai số học trung bình Sai số kiểm tra trung bình MLP MLP (km) (%) (km) (%) AG0 0,40 0,98 0,55 1,29 AB0 0,27 0,72 0,29 0,71 ABG 0,26 0,68 0,33 0,93 ABC 0,28 0,81 0,41 1,04 Tổng 0,30 0,80 0,39 0,99 - 85 Bảng 4.7: So sánh kết sử dụng rơle khoảng cách (Rơle ảo rơle thực tế) dùng mạng MLP để giảm sai số vị trí cố Trường hợp Sai số trung bình Sai số học trung bình + MLP Sai số kiểm tra trung bình + MLP (km) (%) (km) (%) (km) (%) Rơle ảo 0,77 1,52 0,06 0,14 0,35 0,77 SA522 1,09 2,07 0,49 1,27 0,50 1,49 Bảng 4.8: Tổng hợp kết ước lượng vị trí cố Trung bình sai số tương đối (%) Trung bình sai số tuyệt đối (km) Max sai số tuyệt đối (km) MLP trực tiếp 0,99 0,39 24,86 Rơle thực tế 7SA522 (970 mẫu) 2,07 1,09 9,2 MLP phối hợp với Rơle thực tế 7SA522 (970 mẫu) 1,49 0,50 2,79 Thuật toán tổng trở (Rơle ảo - chạy PC) 1,52 0,77 3,22 MLP phối hợp thuật toán tổng trở 0,77 0,35 2,33 Phương pháp Từ bảng tổng hợp kết thấy phối hợp mạng nơron MLP với phương pháp khác cải thiện sai số so với việc sử dụng riêng phương pháp Khi sử dụng thuật tốn phần mềm mơ phỏng, việc sử dụng phối hợp mạng nơron MLP với thuật toán tổng trở đưa kết tốt so với việc sử dụng độc lập mạng nơron MLP 4.4 Kết luận Chương Chương tập trung giải số nội dung sau:  Mô đường dây 110 kV Yên Bái - Khánh Hòa với thay đổi vị trí cố, điện trở cố, thời điểm xuất cố, công suất phụ tải dạng cố để tạo 2316 số liệu dòng điện điện áp đầu đường dây với định dạng file *.MAT  Sử dụng phần mềm điều khiển Test Universe mô lại 1008/2136 số liệu đưa vào thiết bị phần cứng Omicron CMC-356 rơle khoảng cách - 86 - 7SA522, kết thu sở kiểm nghiệm lại kết thuật toán đề xuất đề tài  Đề xuất sử dụng Wavelet Daubechies (bậc 3) tần số lấy mẫu 100kHz để tính tốn thời điểm xảy biến đổi đột ngột tín hiệu dòng điện điện áp đo lường đầu đường dây để xác định thời điểm xuất cố  Sử dụng mạng nơron MLP tính tốn ước lượng vị trí cố cho trường hợp: Mạng nơron MLP hoạt động độc lập; Mạng nơron MLP phối hợp song song với thuật tốn tổng trở (thuật tốn máy tính, thuật tốn tích hợp rơle khoảng cách thực tế) - 87 - KẾT LUẬN VÀ KIẾN NGHỊ Đề tài nghiên cứu xây dựng mơ hình xác định vị trí cố đường dây truyền tải ba pha với nguồn cung cấp từ phía, không rẽ nhánh sử dụng mạng nơron MLP để xử lý thơng tin đặc trưng tính từ đặc tính thời gian tần số tín hiệu xung quanh thời điểm xuất cố Các đóng góp đề tài kể tới:  Xây dựng mơ hình sử dụng độc lập mạng nơron MLP mơ hình sử dụng song song thuật toán tổng trở (thuật toán tổng trở chạy máy tính thuật tốn tổng trở rơle khoảng cách thực tế 7SA522) với mạng nơron MLP để xác định vị trí cố đường dây truyền tải điện (xét ví dụ tính tốn cho đường dây 110kV n Bái - Khánh Hòa) Trong mạng nơron nhân tạo MLP sử dụng đầu vào đặc tính thời gian đặc tính tần số xác định từ tín hiệu đo tức thời xung quanh thời điểm xảy thay đổi (xuất cố) tín hiệu (thời điểm xác định nhờ sử dụng phép phân tích sóng nhỏ (wavelet))  Khảo sát đề xuất ứng dụng wavelet Daubechies bậc để phân tích thành phần d1 tín hiệu lấy mẫu với tần số 100kHz để làm sở phát thời điểm xuất cố đường dây truyền tải  Khảo sát đặc tính dựa hệ số tương quan đầu vào đầu để lựa chọn đặc tính có hệ số tương quan cao để dùng mơ hình Các kết tính tốn đưa danh sách 84 giá trị đặc trưng tính tốn từ đường tín hiệu u-i để làm sở tính tốn xác định vị trí cố  Đề xuất ứng dụng hợp mô CMC-356 Omicron kết hợp với rơle thực tế (7SA522) để so sánh chất lượng tính tốn mơ hình vị trí cố với tác động rơle đường dây thực tế Đồng thời kết hoạt động rơle khoảng cách thực tế sử dụng để tạo mẫu học mạng nơron MLP để bù sai số cho rơle thực tế  Mơ hình lý thuyết xây dựng cho trường hợp với kết đạt được: - Mạng nơron MLP độc lập: khảo sát mẫu 1424 trường hợp cố (với vị trí khác nhau, điện trở cố khác nhau) thử nghiệm lại mẫu 712 cố khác Sai số vị trí trung bình 390m (tương ứng 0,99%) - 88 - - Mạng nơron MLP kết hợp với rơle khoảng cách ảo (thuật toán tổng trở PC): sai số vị trí trung bình 350m (tương ứng 0,77%) - Mạng nơron MLP kết hợp với rơle khoảng cách thực tế 7SA522: khảo sát mẫu 647 trường hợp cố thử nghiệm lại mẫu 323 cố khác Sai số vị trí trung bình 500m (tương ứng 1,49%) Ý tưởng giải pháp hệ thống mở với tham số điều chỉnh theo số liệu mẫu đối tượng nghiên cứu, giải pháp đề tài mở rộng áp dụng cho hệ thống khác như:  Hệ thống tải điện ba pha có nhiều nguồn, rẽ nhánh, có tải phi tuyến, hệ thống truyền tải cấp điện áp khác  Khảo sát với mơ hình đường dây có thiết bị phi tuyến máy biến áp với thông số bão hòa cấu hình ghép nối khác nhau, tải thay đổi (ngẫu nhiên)  Triển khai thiết bị đo lường xử lý tín hiệu thực tế để kiểm tra khả hoạt động trường giải pháp  , - 89 - TÀI LIỆU THAM KHẢO TIẾNG VIỆT Trần Bách (2000), Lưới điện hệ thống điện, Tập 1, Tập 2, Tập 3, Nhà xuất Khoa học Kỹ thuật, Hà Nội Nguyễn Văn Đạm (2002), Mạng lưới điện, Nhà xuất Khoa học Kỹ thuật, Hà Nội Nguyễn Văn Đạm (2004), Thiết kế mạng hệ thống điện, Nhà xuất Khoa học Kỹ thuật, Hà Nội Vũ Phan Huấn (2014), Nghiên cứu phương pháp thông minh để phân loại định vị cố đường dây truyền tải điện, Luận án Tiến sĩ Kỹ thuật điện, Trường Đại học Bách Khoa Đà Nẵng Đỗ Xn Khơi (1998), Tính tốn phân tích hệ thống điện, Nhà xuất Khoa học Kỹ thuật, Hà Nội Trần Hoài Linh (2014), Mạng nơron ứng dụng xử lý tín hiệu, Nhà xuất Bách Khoa, Hà Nội Trần Đình Long (2000), Bảo vệ hệ thống điện, Nhà xuất Khoa học Kỹ thuật, Hà Nội Thành Lương (2013), “Cơng nghệ định vị cố”, Tạp chí Khoa học Công nghệ điện, số 4/2013, trang 4-8 Nguyễn Quân Nhu (2010), Nghiên cứu ứng dụng mạng nơron lơgic mờ cho tốn dự báo phụ tải điện ngắn hạn, Luận án tiến sĩ, Trường Đại học Bách khoa, Hà Nội 10 Nguyễn Hồng Thái, Vũ Văn Tẩm (2001), Rơle số lý thuyết ứng dụng, Nhà xuất Giáo dục 11 Lã Văn Út (1999), Phân tích điều khiển ổn định hệ thống điện, Nhà xuất Khoa học Kỹ thuật, Hà Nội TIẾNG ANH 12 Aspray W., Burks A (1986), “Papers on John von Neumann on Computing and Computer Theory”, Charles Babbage Institute Reprint Series for the History of Computing, vol 12, Cambridge, MA: MIT Press 13 ATPDRAW User 9x/NT/2000/XP Manual (2002), version 3.5 for Windows - 90 - 14 Aurangzeb M Crossley P.A Gale P (2001), “Fault location using high frequency travelling waves measured at a single location on transmission line”, Proceedings of 7th International conference on Developments in Power System Protection – DPSP, IEE CP479, pp 403-406 15 A Wiszniewski (1985), “Fault location correction of errors due to current transformers”, Developments in Power System Protection Proceedings, Conference Publ, No 249, pp 185–187 16 Anamika Jain, A.S Thoke MIEEE, Ebha Koley and R N Patel MIEEE (2009), “Fault classification and fault distance location of double circuit transmission lines for phase to phase faults using only one terminal data”, Power Systems, 2009 ICPS '09 International Conference on, 27-29 Dec 17 Boger Z., Guterman H (1997), “Knowledge extraction from artificial neural network models”, IEEE Systems, Man, and Cybernetics Conference 18 Breiman L (1996), “Bagging predictors”, Machine Learning, vol 24, p 123–140 19 Broomhead D.S., Lowe D (1998), “Multivariable functional interpolation and adaptive network”, Complex Systems, vol 2, p 321 – 355 20 Brown T.H., Kairiss E W., Keenan C L (1990), “Hebbian synapses: biophysical mechanisms and algorithms”, Annual Rev Neurosci, Vol 13, p.475 – 511 21 Bunyagul T., Crossley P.A (2001), “Design and evaluation of an overcurrent relay suitable for operation with measurement current transformers”, IEE Conference Publication, No 479, pp 201–204 22 Bouthiba T (2004), “Fault location in EHV transmission lines using artificial neural networks”, Int J Appl Math Comput Sci, Vol 14, No 1, pp 69-78 23 B Ravindhranath Reddy, Dr M Vijay Kumar, Dr M Surya Kalavathi, Y Venkata Raju (2005-2009), “Detection & localization of faults in transmission lines using Wavelet transforms (Coif Let & Mexican Hat)”, Journal of Theoretical and Applied Information Technology, JATIT 24 Cook V (1986), “Fundamental aspects of fault location algorithms used in distance protection”, Proceedings of IEE Conference, 133(6), pp 359368 - 91 - 25 Dalstein T., Kulicke B (1995), “Neural network approach to fault classification for highspeed protective relaying”, IEEE Transactions on Power Delivery, vol 4, pp 1002 – 1009 26 Dash P K., Pradhan A K., Panda G (2001), “Application of Minimal radial basis function neural network to distance protection”, IEEE Trans Power Deliv, vol.16, No.1, Jan, pp.68-74 27 Deza E., Deza M M (2009), “Encyclopedia of Distances”, Springer 28 Djuric M.B., Radojevic Z.M., Terzija V.V (1998), “Distance Protection and fault location utilizing only phase current phasors”, IEEE Transactions on Power Delivery, 13(4), pp 1020-1026 29 Dommel H (1986), Electro-Magnetic Transients Program, BPA, Portland, Orxegon 30 David E Goldberg (1989), Genetic algorithms in search, optimization and machine learning, Addison-Wesley Publishing Company, INC 31 Djuric M., Radojevic Z., Terzija V (1998), “Distance protection and fault location utilizing only phase current phasors”, IEEE Trans Power Delivery, 13(4), 1020-1026 32 D Nigrin A (1993), Neural Networks For Pattern Recognition, Cambridge MA: The MIT Press 33 D A Tziouvaras, J B Robrts, and G Benmouyal (2002), “New Multi- ended Fault Location Design for two- or three- terminal lines”, In Proc IEE Development in Power System Protection Conference, pp.395398 34 Edmund O., Schweitzer, III (1988), “A Review of Impedance-Based Fault Locating experience”, Proceedings of the 15th Annual Western Protective Relay Conference, Spokane, WA, October, 24-27 35 Eriksson L., Saha M.M., Rockefeller G.D (1985), “An accurate fault locator with compensation for apparent reactance in the fault resistance resulting from remote-end feed”, IEEE Trans on PAS, 104(2), pp 424436 36 Fischler M.A., Firschein O (1987), Intelligence: The Eye, the Brain, and the Computer, Reading, MA: Addison – Wesley 37 Girgis A.A., Hart D G., Peterson W.L (1992), “A new fault location technique for two-and three-terminal lines”, IEEE Transactions on Power Delivery, vol 7, no 1, January - 92 - 38 Girgis A.A., Johns M.B (1989), “A hybrid expert system for fault section identification, fault type classification and selection of fault location algorithms”, IEEE Transactions on Power Apparatus and Systems, vol.4, no.2, April 39 Girgis A., Hart D., Peterson W (1992), “A new fault location technique for two- and three-terminal lines”, IEEE Trans Power Delivery, 7(1), 98107 40 Glencoe Science (2001), “Electricity and Magnetism”, McGraw-Hill 41 Golub G.H., Van Loan C.F (1996), Matrix computations, 3ed., The Johns Hopkins University Press 42 Gopalakrishnan A., Hamai D, Kezunovic M., McKenna S (2000), “Fault location using the distributed parameter transmission line model”, IEEE Trans Power Delivery, 15(4), 1169-1174 43 Giacinto G., Roli F and Fumera G (2000), “Design of effective multiple classifier systems by clustering of classifiers”, 15th International Conference on Pattern Recognition, Barcelona, Spain, Vol 2, pp 160– 163 44 Hagan M., Mohammed B M (1994), “Training Feedforward Networks with the Marquardt Algorithm”, IEEE Trans on Neural Networks, 5(6), p 989 – 993 45 Hagh M.T, Razi K., Taghizadeh H (2007), “Fault classification and location of power transmission lines using artificial neural network”, Power Engineering Conference, IPEC 2007 International 3-6 Dec pp 1109-1114 46 IPLAN program manual (2000), Power technologies, Inc., December 47 I Zamora, J.F Minambres, A.J Mazon, R Alvarez-Isasi and J Lazaro (1996), “Fault location on two-terminal transmission lines based on voltages”, IEE Proc Gener Transm Distrib., vol 143, pp 1–6, No 48 Jiang Joe-Air, Yang Jun-Zhe, Lin Ying-Hong, Liu Chih-Wen, Ma JihChen (2000), “An adaptive PMU based fault detection/location technique for transmission lines Part I: Theory and algorithms”, IEEE Trans Power Delivery, 15(2), 486-493 49 Joorabian M., Taleghani Asl S M A., Aggarwal R K (2004), “Accurate fault locator for EHV transmission lines based on radial basis function neural networks”, Elsevier, Electric Power Systems Research, 71, pp.195 - 93 - 50 J R Marti (1982), “Accurate modeling of frequency-dependent transmission lines in electromagnetic transients simulations”, IEEE Trans Power Applicat Syst, vol PAS-101, pp 147 - 157, Jan 51 J A C B Silva, K M Silva, W.L.A Neves, B A Souza, F B Costa (2012), “Sampling frequency influence at fault locations using algorithms based on artificial neural networks”, Fourth World Congress on Nature and Biologically Inspired Computing (NaBIC), pp 15-19 52 Joorabian M (2000), “Artificial neural network based fault locator for EHV transmission system”, Electrotechnical Conference, 2000 MELECON 2000 10th Mediterranean, 29-31, May 2000, Volume:3, pp 1003-1006 53 Kang Y.C., Kang S.H., J.K Park, Jones A.T., Aggarwal R.K (1996), “Development and hardware implementation of a compensating algorithm for the secondary current of current transformers”, IEE Proc – Electric Power Applications, Vol 143, No.1, pp 41–49 54 Kasztenny B., Rosolowski E., Lukowicz M., Izykowski J (1997), “Current related relaying algorithms immune to saturation of current transformers”, IEE Conference Publication, No 434, pp 365–369 55 Kezunovic M., Rikalo I., Sobajic D.J (1996), “Real-time and Off-line Transmission Line Faulyt Classification Using Neural Networks”, Engineering Intelligent Systems, vol 10, pp 57-63 56 Kolmogorov A N (2005), “On the representation of continuous functions of several variables by superposition of continuous functions of one variable and addition”, Dokl Akad Nauk SSSR, vol 114, p 953 – 956 57 Kuncheva L.I (2004), “Combining Pattern Classifiers: Methods and Algorithms”, Wiley-Interscience, Hoboken, NJ 58 Kapildev Lout, Raj K Aggarwal (2012), “A feedforward Artificial Neural Network approach to fault classification and location on a 132kV transmission line using current signals only”, Universities Power Engineering Conference (UPEC), 2012 4-7th International 59 Lahiri U., Pradhan A.K., Mukhopadhyaya S (2005), “Modular neuralnetwork based directional relay for transmission line protection”, IEEE Trans on Power Delivery, vol 20, no 4, pp 2154-2155 60 L L Lai, E Vaseekar, H Subasinghe, N Rajkumar, A Carter and B J Gwyn (2000), “Application of wavelet transform and neural networks to - 94 - fault location of a teed-circuit”, IEE Colloquium on Time-scale and TimeFrequency Analysis and Applications, London, Feb 61 Larson S (1931), “The shrinkage of the coefficient of multiple correlation”, Journal of Educational Psychol, vol.22, p 45–55 62 Li J., Michel A N., Porod W (1989), “Analysis and synthesis of a class of neural networks: linear systems operating on a closed hypercube”, IEEE Transactions on Circuits and Systems, vol 36, no 11, pp 14051422, November 63 Ljupko Teklié, Božidar Filipovié-Greié (2013), “Artificial neural network approach for locating faults in power transmission system”, EuroCon 2013, 1-4 July 2013, Zagreg, Croatia, pp 1425-1430 64 M Kezunovic and B Perunicic (1996), “Automated transmission line fault analysis using synchronized sampling at two ends”, IEEE Trans on Power Systems, pp 441–447, PS–11 65 Murari Saha, Eugeniusz Rosolowski, Jan Izykowski (2011), “ATPEMTP investigation of fault location algorithm applying signals of current differential relays of double-circuit series-compensated transmission line”, 17th Power Systems Computation Conference, Stockholm Sweden - August 22-26 66 M.M Saha, J Izykowski and E Rosolowski (2004), “A two-end method of fault location immune to saturation of current transformers”, Developments in Power System Protection Proceedings, Amsterdam, pp 172– 175 67 M da Silva, M Oleskovicz, and D V Coury (2006), “A Fault Locator for Three-Terminal Lines Based on Wavelet Transform Applied to Synchronized Current and Voltages Signals”, IEEE PES Trans And Distr Conf and Exposition Latin America, Venezuela 68 Pao Y.H., Sobajic D.J (1988), “Autonomous Feature Discovery of Clearing time assessment”, Symposium of Expert System Applications to Power Systems, Stockholm – Helsinki, Aug pp 5.22-5.27 69 Q Zhang, Y Zhang, W Song, and D Fang (1998), “Transmission line fault location for single-phase-to-earth fault on non-direct-ground neutral system”, IEEE Transactions on Power Delivery, Vol 13, no.4, Oct 70 Rojas R (1996), Neural Networks,, Springer – Verlag - 95 - 71 Rumelhart D.E., Hinton G.E., Williams R.J (1986), “Learning representations of back-propagation errors”, Nature, vol 323, p 533 – 536 72 R K Aggarwal, D V Coury, A T Johns, A Kalam (1993), “A practical approach to accurate fault location on extra high voltage teed feeders”, IEEE – Trans Power Delivery, vol.8, pp.874-883, Jul 73 R.K Aggarwal, S.L Blond, P Beaumont, G Baber, F Kawano, S Miura (2012), “High frequency fault location method for transmission lines based on artificial neural network and genetic algorithm using current signals only”, Developments in Power Systems Protection, 2012 DPSP 2012 11th International Conference on 74 Saha M.M., Izykowski J., Rosolowski E (2010), “Fault Location on Power Networks”, Springer publications 75 Silva M., Oleskovicz M., Coury D.V (2004), “A fault locator for transmission lines using travelling waves and wavelet transform theory”, Proceedings of 8th International conference on Developments in Power System Protection – DPSP, IEE CP500, pp 212-215 76 Suhaas Bhargava Ayyagari (2011), Artificial neural network based fault location for transmission line, University of Kentucky 77 Swingler K (1996), “Applying Neural Networks: A Practical Guide”, Morgan Kaufmann 78 Siwek K., Osowski S (2007), “Short Term Load Forecasting Model in the Power System Using Ensemble of Predictors”, Instrumentation and Measurement Technology Conference Proceedings (IEEE-IMTC 2007), pp – 79 S Sajedi, F Khalifeh, Z Khalifeh, T Karimi (2011), “Application Of Wavelet Transform For Identification Of Fault Location On Transmission Lines”, Australian Journal of Basic and Applied Sciences, 5(12), pp 1428-1432 80 Wang A., Ramsay B (1998), “A neural network based estimator for electricity spot-pricing with particular reference to weekend and public holiday”, Neurocomputing, vol 23, p 47 - 57 81 Wright A., Christopoulos C (1993), Electrical Power System Protection, Chapman & Hall publications, London - 96 - 82 W Zhao, Y H Song, W R Chen (2001), “Improved GPS travelling wave fault locator for power cables by using wavelet analysis”, International Journal of Electrical Power & Energy Systems, Vol 23, 5, June, pp 403 411 83 Xiangning Lin, Peng Mao, Hanli Weng, Bin Wang, Z Q Bo and A Klimek (2007), “Study on Fault Location for High Voltage Overhead Transmission Lines Based on Neural Network System”, Intelligent Systems Applications to Power Systems, 2007 ISAP 2007 International Conference on, 5-8 Nov 84 Yuan Liao, Ning Kang (2009), “Fault Location algorithms without utilizing line parameters based on distributed parameter line model”, IEEE Transactions on Power Delivery, vol 24, no 2, pp 579-584, Apr 85 Ziegler G (2006), “Numerical Distance Protection”, Principles and Applications, Siemens AG, Publicis MCD Verlag, Erlangen 86 Zhihong Chen and Jean-Claud Maun (2000), “Artificial neural network approach to single-ended fault locator for transmission lines”, Power Systems, IEEE Transactions on, vol.15, no.1, pp 370-375 87 Z Q Bo, A T Johns, R K Aggarwal (1997), “A novel fault locator based on the detection of fault generated high frequency transients”, Sixth International Conference on Developments in Power System Protection, Nottingham, England, March 88 Z.Q Bo, G Weller, M.A Redfern (1999), “Accurate fault location technique for distribution system using fault-generated high-frequency transient voltages signals”, IEE Proc Gener Transm Distrib, Vol 146, No 1, January ... thường đường dây bị cố đặc biệt đường dây truyền tải điện áp cao khu vực có địa hình khó khăn 1.1 Một số phương pháp xác định vị trí cố Các phương pháp xác định vị trí cố đường dây truyền tải điện. .. NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CƠNG NGHỆ CẤP ĐẠI HỌC XÂY DỰNG MƠ HÌNH TÍNH TỐN XÁC ĐỊNH MỘT SỐ THƠNG SỐ SỰ CỐ KHI XẢY RA NGẮN MẠCH TRÊN ĐƯỜNG DÂY... hợp điện trở cố từ 0Ω, 5Ω, 10Ω đến 80Ω; mô cho dạng cố ngắn mạch (ngắn mạch pha, ngắn mạch pha, ngắn mạch pha chạm đất ngắn mạch pha) Sai số lớn phương pháp ước lượng vị trí cố: ngắn mạch pha 0,3324%