Luan van điều khiển SVC với phương pháp ANFIS

nghiên cứu các thiết bị FACTS, đặc biệt là thiết bị bù tĩnh có điều khiển SVC, Đi sâu nghiên cứu điều khiển SVC với phương pháp ANFIS bằng cách mô phỏng và mô hình hóa sử dụng phần mềm Matlab Simulink. Hiện nay trong nước và trên thế giới đã có một số nghiên cứu ứng dụng hệ nơron mờ trong các bài toán bù công suất liên quan tới SVC . Tuy nhiên, lĩnh vực này còn khá mới mẻ và đang rất được quan tâm nhưng chưa được ứng dụng rộng rãi. Chính vì lý do trên tác giả quyết định chọn đề tài: Nghiên cứu giải thuật huấn luyện online ứng dụng trong điều khiển SVC

Chương 1 TỔNG QUAN

1.1 Đặt vấn đề

Ổn định điện áp là một vấn đề đã và đang được nghiên cứu nhiều ở các nướcphát triển trên thế giới, nhất là trong cơ chế thị trường điện do tác hại của hiệntượng mất ổn định điện áp là rất lớn, có thể đưa hệ thống điện đến tình trạng sụp

đo điện áp từng phần hoặc hoàn toàn

Ổn định điện áp là khả năng duy trì điện áp tại tất cả các nút trong hệ thốngnằm trong một phạm vi cho phép ở điều kiện vận hành bình thường hoặc sau cáckích động Hệ thống sẽ đi vào trạng thái không ổn định khi xuất hiện các kích độngnhư tăng tải đột ngột hay thay đổi các điều kiện vận hành trong hệ thống Các thayđổi đó có thể làm cho quá trình giảm điện áp xảy ra và nặng nhất là có thể rơi vàotình trạng không thể điều khiển điện áp, gây ra sụp đo điện áp

Để ổn định điện áp ngày nay có rất nhiều phương pháp Luận văn bước đầutìm hiểu về bù công suất phản kháng, nghiên cứu các thiết bị FACTS, đặc biệt làthiết bị bù tĩnh có điều khiển SVC, Đi sâu nghiên cứu điều khiển SVC với phươngpháp ANFIS bằng cách mô phỏng và mô hình hóa sử dụng phần mềm MatlabSimulink Hiện nay trong nước và trên thế giới đã có một số nghiên cứu ứng dụng

hệ nơron mờ trong các bài toán bù công suất liên quan tới SVC Tuy nhiên, lĩnhvực này còn khá mới mẻ và đang rất được quan tâm nhưng chưa được ứng dụngrộng rãi Chính vì lý do trên tác giả quyết định chọn đề tài:

“Nghiên cứu giải thuật huấn luyện online ứng dụng trong điều khiển SVC”

1.2 Các kết quả nghiên cứu trong và ngoài nước

Việc nghiên cứu bộ điều khiển của bộ bù SVC để làm tăng khả năng đáp ứngcủa nó là hết sức cần thiết và có ý nghĩa Một trong những hướng nghiên cứu để làmtăng khả năng đáp ứng này là ứng dụng mạng nơron mờ trong việc xây dựng bộđiều khiển Hiện nay, nhà nước ta có một vài công nghiên cứu ứng dụng nơron

mờ để điều khiển SVC nhưng chưa đi vào huấn luyện online, cụ thể là:

 “Ứng dụng mạng Nơron- mờ để điều khiển SVC giữ điện áp tại nút có tảithay đổi”, Nguyễn Thanh Quảng, Hội nghị khoa học kỷ niệm 35 năm việnkhoa học và công nghệ Việt Nam –Hà Nội 2010[1]

 Luận văn thạc sĩ “Nghiên cứu xây dựng mô hình sử dụng thiết bị SVC đểđiều khiển nâng cao ổn định điện áp cho hệ thống điện”,Phan Thành Việt,Đại Học Đà Nẵng 2011[2]

 Luận văn thạc sĩ “ Áp dụng fuzzy logic trong điều khiển SVC trên lướiđiện”,Lê Xuân Kha, Đại Học Thái Nguyên 2011[3]

 Luận văn thạc sĩ “Điều Khiển Thiết Bị Bù Tĩnh (SVC) Và Ứng Dụng TrongViệc Nâng Cao Cho Ổn Định Chất Lượng Điện Năng”,Nguyễn Thế Vĩnh,

Đại Học Thái Nguyên 2007[4]

Hiện tại, tại các quốc gia phát triển và các trường Đại học lớn trên thế giới đãnghiên cứu và áp dụng nhiều phương pháp để huấn luyện cho SVC một cách hiệuquả nhất Cụ thể là:

 Novel methods with Fuzzy Logic and ANFIS controller based SVC fordamping Sub-Synchronous Resonance and low-frequency power oscillation,Akbar Lak, Daryoush Nazarpour, Hasan Ghahramani, 20th IranianConference on Electrical Engineering, (ICEE2012), May 15-17,2012,Tehran, Iran[5]

 Power System Stability Enhancement by Neuro Fuzzy Logic Based SVC forMulti Machine System, S Sabna, D Prasad, R Shivakumar, International

Journal of Engineering and Advanced Technology (IJEAT) ISSN: 2249 –

8958, Volume-1, Issue-4, April 2012.[6]

 Using ANFIS as Indicator in the Networks Containing SVC and STATCOMfor Voltage Collapse Phenomena, Nemat Talebi,Mansoor Sheykhan, Journal

of Electrical Engineering Science., 1 (7), 2010 ISSN: 2008-9864[7]

Ngày càng có nhiều nghiên cứa mới cho ra nhiều kết quả tốt hơn với sự hỗ trợcàng ngày càng phát triển của khoa học công nghê, máy tính Phát triển hơn nữa,

để đáp ứng nhu cầu xử lý các lỗi trực tuyến trên hệ thống dần dần có nhiều nghiêncứu đang tập trung nghiên cứu vào nó

1.3 Các vấn đề nghiên cứu của đề tài

1.3.1 Tính cấp thiết của đề tài

Hiện tại các hệ thống điện thực tế đang gặp một số vấn đề làm thế nào đểhuấn luyện trực tuyến khi xảy ra sự cố trên hệ thống điện, thông thường các hệthống trước đây khi gặp phải sự cố chúng ta phải tìm hiểu nguyên nhân, thu tập dữliệu đầu vào, dữ liệu đầu ra… Sau đó huấn luyện hệ thống để hệ thống có thể hoạtđộng bình thường Để đáp ứng nhu cầu phải huấn luyện trực tuyến cho hệ thống dùxảy ra sự cố trên hệ thống vẫn giữ được trạng thái ổn định và có hiệu quả kinh tếnhất cho hệ thống điện Vì vậy đây là một đề tài rất đáng chú ý hiện nay

1.3.2 Ý nghĩa luận văn

Việc sử dụng các phương pháp trước đây để điều khiển thiết bị SVC chưa mang lạihiệu quả cao cho việc nâng cao ổn định hệ thống khi xảy ra các sự cố của hệ thốngđiện Khi hệ thống có những dao động, hoặc khi sự cố xảy ra thì chúng ta cần cónhững biện pháp để khắc phục trực tuyến mà không cần phải thu thập các dữ liệucủa hệ thống, mà có thể giúp hệ thống trở lại hoạt động bình thường Đề tài đưa ra

giải pháp nâng cao độ ổn định động của hệ thống bằng cách sử dụng phương phápđiều khiển ANFIS trực tuyến ứng dụng cho thiết bị SVC (Static Var Compensator)

để vửa đảm bảo sự hoạt động bình thường của hệ thống và đảm bảo chất lượng điệnnăng cũng như hiệu quả kinh tế

1.3.3 Tính thực tiễn của đề tài

Hiện nay, Hệ thống hoạt động khi xảy ra các sự cố nhỏ thì hệ thống có thể tự ổnđịnh khi ta lắp đặt các thiết bị bù điện tử công suất Nếu hệ thống xảy ra các trườnghợp sự cố mất ổn định động của hệ thống chúng cần áp dụng các phương pháp điềukhiển để có thể điều khiển thiết bị bù một cách hiệu quả nhất Có rất nhiều phươngpháp điều khiển cho thiết bị bù như : điều khiển mờ, điều khiển mạng thần kinhnhân tạo, hệ chuyên gia, giải thuật di truyền… Hiện nay ANFIS là phương phápthông minh kết hợp giữa điều khiển mờ mà mạng nơron và chúng ta có thể đào tạotrực tuyến giúp cho hệ thống tự trở lại trạng thái bình thường khi xảy ra sự cố

Do đó, việc nâng cao độ ổn định động một cách trực tuyến của hệ thống điện sửdụng SVC điều khiển bằng phương pháp ANFIS sẽ giúp hệ thống hoạt động ổnđịnh là rất cần thiết trong thực tế hiện nay

1.5 Phương pháp giải quyết

Tham khảo các mô hình trên các bài báo uy tín, tác giả dùng phần mềm Matlab để

mô phỏng các thông số của hệ thống

1.6 Giới hạn đề tài

Đề tài nghiên cứu được giới hạn trong phạm vi là tìm hiểu về thiết bị bù SVC Tìmhiểu về phương pháp điều khiển nơron mờ (ANFIS) Sau đó áp dụng vào mô hình

có sẵn trong matlab sử dụng bộ điều khiển nơron mờ (ANFIS) để điều khiển thiết bị

bù SVC Nhận xét và kết luận kết quả đạt được từ phần mềm mô phỏngMatlab/Simulink

1.7 Điểm mới của luận văn

Xây dựng được mô hình điều khiển ANFIS trực tuyến để điều khiển cho SVC ápdụng vào một mạng điện cụ thể

1.8 Phạm vi ứng dụng

 Ứng dụng cho các mô hình hay lưới điện bất kỳ

 Ứng dụng cho các lưới điện IEEE mẫu

 Làm tài liệu tham khảo khi xét tới hệ thống điều khiển trực tuyến sử dụng bộđiều khiển ANFIS

1.9 Bố cục của luận văn

Chương 1: TỔNG QUAN

Chương 2: THIẾT BỊ BÙ TĨNH SVC (STATIC VAR COMPENSATOR)Chương 3: TỔNG QUAN VỀ HỆ NƠRON MỜ (ANFIS)

Chương 4: THIẾT KẾ BỘ ĐIỀU KHIỂN ANFIS TRỰC TUYẾN

Chương 5: KẾT LUẬN VÀ KIẾN NGHỊ

Chương 2 THIẾT BỊ BÙ TĨNH SVC (STATIC VAR COMPENSATOR)

2.1 Thiết bị bù tĩnh điều khiển bằng thyristor SVC (Static Var compensator)

2.1.1 Cấu tạo và nguyên lý của SVC.

Hình 2.1:Cấu tạo SVC

Diễn giải:

1: Máy Biến áp- Transformer

2: TCR- Thyristor Controlled Reactor

3: TSR- Thyristor Switched Reactor

4: TSC- Thyristor Switched Capacitor

 SVC là thiết bị bù ngang dùng để phát hoặc tiêu thụ công suất phản kháng

có thể điều chỉnh bằng cách tăng hay giảm góc mở của thyristor, được tổhợp từ hai thành phần cơ bản:

- Thành phần phản kháng để tác động về mặt công suất phản kháng (cóthể phát hay tiêu thụ công suất phản kháng tuỳ theo chế độ vận hành)

- Thành phần điều khiển bao gồm các thiết bị điện tử như: Thyristorhoặc Triắc có cực điều khiển, hệ thống điều khiển góc mở dùng các bộ

vi điều khiển họ 8051, PIC16F877.v.v

 SVC có thể điều chỉnh điện áp tự động theo thời gian thực, nhằm đáp ứngtức thời các biến thiên nhanh của điện áp đảm bảo an toàn cho hệ thốngđiện

2.1.1.1 Nguyên lý họat động của bộ Thyristor mắc song song ngược:

- Trường hợp tải thuần trở:

Khi T1 mở thì một phần nửa chu kì dương điện áp nguồn điện đặt lên mạch tải,còn khi T2 mở thì một phần của nửa chu kì âm của điện áp nguồn được đặt lênmạch tải

Hình 2.2: Nguyên lý của bộ Thyristor mắc song song ngược.

Góc mở được tính từ điểm đi qua trị zêzo của điện áp nguồn:

(2.1)Trong đó : ( 2.2)

Dòng điện tải không có dạng hình sin, ta phải khai triển chuỗi Fourier của nógồm 2 thành phần: sóng cơ bản và sóng hài bậc cao Thành phần sóng cơ bảncủa dòng điện tải i(1) chậm sau điện áp nguồn một góc được thể hiện trên đồ thịhình 2.3

Hình 2.3: Đồ thị dòng điện tải.

Điều đó nói lên rằng, ngay cả trường hợp tải thuần trở, lưới điện xoay chiều vẫncung cấp một lượng công suất phản kháng

Trị hiệu dụng của điện áp trên tải:

Trị hiệu dụng của dòng điện tải:

Trường hợp tải thuần cảm:

Khi θ = ŀ xung cho điều khiển mở T1,dòng điện tải tăng dần lên và đạt giá trị cựcđại, sau đó giảm xuống và đạt giá trị zêzo khi θ = β

Khi thyristor T1 mở, ta có phương trình:

L

LHằng số tích phân Io được xác định theo sự kiện: khi θ = ŀ thì it = 0 Cuối cùngnhận được biểu thức của dòng điện tải:

LGóc β được xác định bằng cách thay θ = β và đặt it = 0

Khi θ = π + ŀ cho xung mở T2

Để cho sơ đồ làm việc được hoàn chỉnh khi tải thuần cảm, phải thỏa mãn

điều kiện β ≤ π + ŀ Do đó góc ŀ buộc phải nằm trong các giới hạn:

Khi :

Dòng điện tải là dòng gián đoạn, do i1 và i2 tạo nên Khai triển Fourier của nóbao gồm thành phần sóng cơ bản i(1) và các sóng hài bậc cao Thành phần sóng

cơ bản lệch chậm sau điện áp nguồn một góc π/2 độc lập với góc mở ŀ

Trị hiệu dụng của dòng điện tải:

Công suất mạch tải tiêu thụ là công suất phản kháng.

Nếu ta thay đổi đột ngột giá trị góc điều khiển từ ŀ = 00 sang ŀ = 1800 thìtương ứng với trạng thái đóng hoặc mở mạch

Hình 2.4: Hình ảnh Van Thiristor điều khiển 2 chiều (Bi-Directional Control

0 khi cuộn kháng mắc trực tiếp không qua thyristor (số 0 tự nhiên) Có thể điềuchỉnh liên tục dung lượng bù bằng cách thay đổi góc  đóng mở của Thyristor mộtcách liên tục từ 90đến 180

Hình 2.5: Nguyên lý hoạt động của TCR.

2.1.1.3 Cuộn kháng đóng mở bằng thyristor - TSR (Thyristor Switched Reactor):

Cuộn kháng được mắc nối tiếp với 2 van thyristor mắc song song ngược.TSR chỉ có thể đóng hoặc mở thông qua thyristor, Điện kháng XL của TSR chỉnhận một trong hai giá trị XL= 0 hoặc XL= XLmax TSR có chức năng tiêu thụcông suất phản kháng và TSR cung cấp điều khiển có tính nhảy nấc, chỉ là điềukhiển đóng- cắt không phải là điều khiển pha

2.1.1.4 Bộ tụ đóng mở bằng thyristor- TSC (Thyristor Switched Capacitor):

Bộ tụ được mắc nối tiếp với 2 van thyristor mắc song song ngược, TSC chỉ

có thể đóng hoặc mở thông qua thyristor, điện dung của tụ chỉ có thể thay đổi làXC= 0 hoặc XC= XCmax TSC có chức năng phát công suất phản kháng vàTSC cung cấp điều khiển có tính nhảy nấc, chỉ là điều khiển đóng- cắt khôngphải là điều khiển pha.Thời điểm đóng TSC được chọn vào những lúc điện ápđạt trị số cực đại Do đó,TSC không tạo ra quá độ và không sinh ra họa tần thì

iC = C(dvC/dt) = 0 hay dvC/dt = 0

2.1.2 Nguyên nhân của lõm điện áp

Trong hệ thống điện có thể phân biệt các nguyên nhân gây lõm điện áp như sau:

- Các lỗi hệ thống nguồn: sét, gió, băng tuyết, nhiễm bẩn của thiết bị cách điện, động vật tiếp xúc, tai nạn giao thông, xây dựng

Hình 2 6: Hình ảnh bộ tụ TSC

Hình 2 7: Hình ảnh Van TSC và thiết bị giải nhiệt

Hình 2 8: Nguyên lý hoạt động của TSC

Hình 2 9: Hệ thống điều khiển cơ bản của SVC

Bằng cách điều khiển TCR và đóng mở TSR hoặc TSC thích hợp cho phép điềukhiển SVC bù một lượng công suất phản kháng cho hệ thống điện trong phạm vi:

Qmin ≤ Q ≤ Qmax (2.17)Trong đó:

 0 ≤ Q ≤ Qmax: SVC bù Công suất phản kháng dẫn đến điện áp tạinút lắp SVC tăng lên

 Qmin ≤ Q ≤ 0: SVC tiêu thụ Công suất phản kháng dẫn đến điện

áp tại nút lắp SVC giảm xuống

Hình 2 10: Biểu đồ hoạt động của SVC

Hình 2 11: Mô Hình SVC được lắp đặt thực tế

2.1.3 Một số ứng dụng của SVC

 Điều khiển điện áp tại nút có đặt SVC

 Điều khiển trào lưu công suất phản kháng tại nút được bù

 Giới hạn thời gian và cường độ quá điện áp khi xảy ra sự cố(mất tải, ngắn mạch ) trong hệ thống điện

 Ôn hòa công suất hữu công

 Giảm cường độ dòng điện vô công

 Tăng khả năng tải của đường dây

 Cân bằng các phụ tải không đối xứng

 Cải thiện ổn định sau sự cố

2.1.4 Các đặc tính của SVC

2.1.4.1 Đặc tính điều chỉnh của SVC

Nguyên lý làm việc của SVC được đặc trưng bởi nguyên lý làm việc của phần tửTCR Ta thấy rằng khi thay đổi góc mở  dẫn đến việc thay đổi được công suấtphản kháng phát ra hay hấp thụ của SVC

Do SVC kết hợp từ TCR, TSC, TSR, mặc dù TSC, TSR điều chỉnh nhảy bậcnhưng SVC vẫn điều chỉnh liên tục nhờ TCR trong suốt quá trình điều khiển Cácphần tử của SVC được nối vào mạng điện thông qua các van thyristor mà khôngdùng máy cắt Nhờ vậy SVC có tốc độ điều chỉnh rất cao (≤ 40ms) gần nhưkhông có thời gian quá độ

SVC có thể hoạt động ở 2 chế độ khác nhau: Chế độ điều chỉnh điện áp và chế

độ điều khiển VAR ( Điện nạp của SVC được giữ không đổi)

Khi SVC được vận hành trong chế độ điều chỉnh điện áp, nó thực thi đặc tính V-Inhư sau: điện nạp B của SVC nằm trong phạm vi giá trị điện nạp tối đa và tốithiểu đối với tổng công suất phản kháng của các bộ tụ ( BCmax) và các bộ điệnkháng (BLmax) Điện áp là được quy định ở điện áp tham chiếu Vref

Tuy nhiên, Độ võng điện áp là thường gặp ( thường là 1% đến 4% công suấtphản kháng tối đa ngõ ra) và đặc tính V-I có độ dốc được thể hiện như hình vẽ2.12

Đặc tính V-I được mô tả bằng các phương trình sau đây:

SVC được điều chỉnh trong dãy: -BCmax< B <Blmax

Trong đó:

V: là điện áp thứ tự thuận (pu).

I: là dòng điện phản kháng (pu/Pbase), ( I > 0 chứng tỏ rằng là dòng điện nạp) XS: là độc dốc, độ nghiêng điện kháng (pu/Pbase)

BCmax: là điện nạp dung kháng lớn nhất (pu/Pbase) của tất cả các TSC

BLmax: là điện nạp cảm kháng lớn nhất (pu/Pbase) của tất cả các TSR và TCR.Pbase : là công suất cơ bản ba pha

Hình 2 12: Đặc tính V-I của SVC

2.1.4.2 Đặc tính làm việc của SVC

Ở chế độ làm việc bình thường của hệ thống điện, SVC làm nhiệm vụ tự độngđiều chỉnh để giữ nguyên điện áp tại nút đặt SVC.Tín hiệu điều khiển là độ lệchgiữa điện áp nút đặt SVC đo được từ biến điện áp BU với điện áp đặt Tín hiệunày điều khiển góc mở  của các thyristor làm thay đổi trị số hiệu dụng thànhphần cơ bản của dòng điện đi qua TCR nhờ đó điều chỉnh được dòng công suấtphản kháng của SVC

Khi điện áp tăng, tác dụng của hệ thống điều khiển làm dòng điện đi qua SVCtăng, công suất phản kháng tiêu thụ tăng, điện áp nút được giảm xuống

Ngược lại, Khi điện áp giảm thấp, tác dụng của hệ thống điều khiển làm dòngđiện qua SVC giảm, công suất phản kháng tiêu thụ giảm hoặc một lượng côngsuất phản kháng nhất định được phát lên hệ thống, điện áp được tăng lên.

a) SVC chỉ có tính cảm b) SVC có cả tính cảm và tínhdung

Hình 2.13: Đặc tính làm việc của SVC điều chỉnh theo điện áp

Đặc tính làm việc của SVC là mối quan hệ giữa điện kháng hay công suất phảnkháng của SVC với điện áp của nút đặt thiết bị này Trong phạm vi điều chỉnhcông suất (Phạm vi của TCR), tức Xmin ≤ XSVC ≤ Xmax hay Qmin ≤QSVC ≤ Qmax , điện áp nút được giữ ở trị số đặt Uref

2.1.4.3 Điều chỉnh điện áp của SVC

Chức năng bình thường nhất của một SVC là điều chỉnh điện áp và trào lưucông suất phản kháng tại điểm nó được nối vào mạng điện Điều này cǜng dễhiểu vì công suất phản kháng có tác dụng rất lớn đối với cường độ điện áp mà

SVC là một thiết bị có khả năng phát hoặc thu công suất phản kháng đáp ứng sựbiển đổi của công suất tải như việc đóng cắt các phần tử của hệ thốngđiện: các đường dây, các nhóm tụ bù, kháng bù, các máy biến áp.

Với công suất tải lớn thì điện áp sẽ bị giảm đáng kể thậm chí bị sụt mạnh Điều

đó là nguyên nhân dẫn đến sự tác động của Relay điện áp thấp Quá điện áp lànguyên nhân gây lên hiện tượng bão hòa mạch từ trong máy biến áp, mà cũng lànguyên nhân làm tăng vọt các thành phần sóng hài trong các máy phát điện.Điều đó, dẫn đến hiện tượng cộng hưởng các thành phần sóng hài và có thể là

sự cộng hưởng trong các tụ bù, trên đường dây truyền tải và trong các đườngcáp Điều này có thể dẫn đến sự tác động của chống sét van và có thể là nguyênnhân phá hỏng các chống sét van này Sự cộng hưởng về nhiệt của các tụ điện

và các động cơ, có thể phá hỏng các thiết bị điện của hộ tiêu thụ

Sự thay đổi điện áp tại nút phụ tải cuối cùng của hệ thống thiếu hụt công suất làmột hàm phụ thuộc vào công suất tải của toàn hệ thống và có thể minh họa nhưhình vẽ 2.14

Hình 2 14: Điều chỉnh điện áp tại nút phụ tải bằng SVC

Trong đó:

E: là điện áp của hệ thống

Xe: là điện kháng của hệ thống điện tính đến thanh cái của phụ tải

Điện áp tại thanh cái phụ tải của hệ thống sẽ có xu hướng giảm theo chiều tăngcủa công suất tải nếu không có phần tử bù công suất phản kháng và được thểhiện trên đường đặc tính (a) của hình 2.15.

Sự cung cấp công suất phản kháng của thiết bị SVC với dải thông số định mứctại điểm đấu phụ tải sẽ giữ cho điện áp phụ tải ít biến đổi hơn và thể hiện trênđường đặc tính (b) của hình 2.15

Tuy nhiên, Nếu thiết bị SVC không có giới hạn về công suất phát thì điện áptrên thanh cái của phụ tải có thể được giữ giá trị không đổi và được thể hiện trênđường đặc tính (c) của hình 2.15

Hình 2 15: Sự thay đổi điện áp tại thanh cái phụ tải khi có và không có SVC

Chương 3 TỔNG QUAN VỀ HỆ NƠRON MỜ(ANFIS)

là nó có khả năng tự học, tự chỉnh định lại cho phù hợp với sự thay đổi không lườngđược trước của đối tượng

Như đã biết hệ mờ và mạng nơron đều có khả năng làm việc trong những hệthống không ổn định, không chính xác và điều kiện môi trường khắc nhiệt Hệthống mờ và mạng nơron đã có nhiều ví dụ thực hiện đánh giá và so sánh chúng.Ngày nay các nhà thiết kế đã áp dụng một cách rộng rãi và có hệ thống logic mờ vàmạng nơron trong lĩnh vực điều khiển học Ý tưởng là triệt tiêu các nhược điểm vàđạt được các ưu điểm của cả hai công nghệ, điều này có nghĩa là hai công nghệ kếthợp để tối đa hóa điểm mạnh của từng công nghệ và bổ sung những nhược điểm để

hợp thành một hệ thống mới tối ưu hơn.

Hệ thống hợp nhất này sẽ có ưu điểm của cả hai: Mạng nơron (khả năng học,khả năng tối ưu hoá, sự kết nối về cấu trúc) và hệ mờ (sự thông minh của con ngườiqua luật mờ if - then, sự thuận lợi của việc am hiểu kiến thức chuyên môn một cáchchặt chẽ của các chuyên gia)

3.2 Tổng quan về điều khiển mờ.

3.2.1 Giới thiệu.

Trong lịch phát triển của công nghệ hiện đại, sự đóng góp của điều khiển lôgic

là cực kỳ to lớn Nó đã đóng vai trò rất quan trọng không chỉ trong các ngành khoahọc tự nhiên mà còn là một môn khoa học không thể thiếu được đối với khoa học xãhội ngay cả trong suy luận đời thường Ngày nay, lôgic toán học kinh điển đã tỏ racòn nhiều hạn chế trong những bài toán nảy sinh từ công việc nghiên cứu và thiết kếnhững hệ thống phức tạp Đặc biệt là những lĩnh vực cần sử dụng trí tuệ nhân tạohay trong công việc điều khiển và vận hành các hệ thống lớn có độ phức tạp cao cần

sự giúp đỡ của hệ các chuyên gia

Với sự phát triển mạnh mẽ của công nghệ thông tin nhất là kỹ thuật vi xử lý

và công nghệ phần mềm đã đặt nền móng cho việc ứng dụng hệ thống điều khiểnthông minh vào các nghành công nghiệp Các hệ thống điều khiển thông minh đượcxây dựng trên cơ sở trí tuệ nhân tạo đã giúp con người có khả năng khống chếnhững đối tượng mà trước kia tưởng chừng như không điều khiển được như trongrất nhiều bài toán điều khiển khi đối tượng không thể mô tả bởi mô hình toán học,hoặc mô hình của nó quá phức tạp, cồng kềnh…

Trong thực tế khi thiết kế bộ điều khiển kinh điển thường bị bế tắc khi gặpnhững bài toán có độ phức tạp của hệ thống cao, độ phi tuyến lớn, thường xuyênthay đổi trạng thái hoặc cấu trúc của đối tượng…

Phát hiện thấy nhu cầu tất yếu ấy, năm 1965 L.A.Zadeh - tại trường đạihọcBerkelye bang California -Mỹ đã sáng tạo ra lý thuyết điều khiển mờ (FuzzySets Theory) [11] và đặt nền móng cho việc xây dựng một loạt các lý thuyết quantrọng dựa trên cơ sở lý thuyết tập mờ Đây là một trong những phát minh quan trọng

có tính bùng nổ và đang hứa hẹn giải quyết được nhiều vấn đề phức tạp và to lớncủa thực tế.

Năm 1970 tại trường Marry Queen London - Anh, Ebrahim Mamdani đã dùnglogic mờ để điều khiển một máy hơi nước mà ông không thể điều khiển được bằng

kỹ thuật cổ điển Tại Đức Hann Zimmermann đã dùng logic mờ cho các hệ ra quyếtđịnh Tại Nhật logic mờ được ứng dụng vào nhà máy xử lý nước của Fuji Electrinicvào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987, đường sắt Sendai.Các ứng dụng đã và đang được phát triển với các vấn đề theo vết, điều chỉnh,nội suy, phân loại, chữ viết tay, nhận dạng lời nói, ổn định hình dạng trong các máyquay video, máy giặt, máy hút bụi, điều hòa, quạt điện, Một thí nghiệm con lắcngược đã được chứng minh vào năm 1987 với “các đáp ứng cân bằng được sinh ragần 100 lần ngắn hơn những đáp ứng của bộ điều khiển PID truyền thống”

Lý thuyết mờ ra đời ở Mỹ, ứng dụng đầu tiên ở Anh nhưng phát triển mạnh mẽ nhất

ở Nhật Trong lĩnh vực tự động hóa logic mờ ngày càng được ứng dụng rộng rãi, nóthực sự hữu dụng với các đối tượng phức tạp mà ta chưa biết rõ hàm truyền, phứctạp, không xác định, logic mờ có thể giải quyết các vấn đề mà điều khiển kinh điểnkhông làm được

Phương pháp điều khiển mờ chính là nhằm vào việc xây dựng các phươngpháp có khả năng bắt chước cách thức con người điều khiển Vì đối tượng điềukhiển là một hệ thống phức tạp, bản chất chưa rõ, không thể hiển thị bằng các môhình toán lý Nên dưới dạng mô hình mờ một tập các mệnh đề IF …THEN (cácluật) với các dữ liệu ngôn ngữ mô tả mối quan hệ giữa các biến vào, các biến ra đã

ra đời Ta lấy một ví dụ phận biệt cá voi có tính khoa học Ở những trường tiểu học,nhiều điều làm mọi người ngạc nhiên, rằng cá voi là động vật có vú bởi vì: nó làloại máu nóng, đẻ con, nuôi con bằng sữa mẹ, và cũng mọc lông Hệ thống phânbiệt này là một ví dụ hoàn hảo của logic hai trị truyền thống mà thống trị khoa họcsuốt nhiều thế kỷ Mặc dù thực tế là nó trông giống cá, nó bơi giống cá, nó có mùi

cá, và cứ ba học sinh lại có một người nghi ngờ khi nói rằng cá voi không phải là

cá, cá voi 100% động vật có vú, 0 % là cá Nếu một nhà logic mờ phân biệt cá voi,

ông ta sẽ cho cá voi thuộc về cả hai bộ động vật có vú và bộ cá, tới mức độ tựnhiên.

So với phương pháp điều khiển truyền thống thì phương pháp tổng hợp hệthống điều khiển bằng điều khiển mờ có những ưu điểm sau:

Điểm mạnh nổi trội cơ bản của điểu khiển mờ so với kỹ thuật điều khiển kinh điển

là nó áp dụng rất hiệu quả và linh hoạt trong các quá trình điều khiển ở điều kiệnchưa xác định rõ và thiếu thông tin

Nguyên lý điều khiển mờ đã cho phép con người tự động hóa được điều khiển chomột quá trình, một thiết bị…và mang lại chất lượng mong muốn

Với nguyên tắc mờ bộ điều khiển tổng hợp được có cấu trúc đơn giản so với

bộ điều khiển kinh điển khác có cùng chức năng Sự đơn giản đó đã đóng vai tròquan trọng trong việc tăng độ tin cậy cho thiết bị, giảm giá thành sản phẩm

Điều khiển mờ là những cải tiến liên tiếp của kỹ thuật vi xử lý, một cầu nốikhông thể thiếu giữa kết quả nghiên cứu của lý thuyết điều khiển mờ với thực tế

3.2.2 Cấu trúc của hệ điều khiển mờ.

a) Sơ đồ khối:

Sơ đồ các khối chức năng của hệ điều khiển mờ được chỉ ra trên hình 3.1 Trong đó

các khối chính của bộ điều khiển mờ là khối mờ hóa, khối thiết bị hợp thành và khốigiải mờ[10] Ngoài ra cò có giao diện vào và giao diện ra để đưa tín hiệu vào bộđiều khiển và xuất tín hiệu từ ngõ ra bộ điều khiển đến cơ cấu chấp hành

Hình 3 16: Các khối chức năng của bộ điều khiển mờ

b) Giao diện vào, ra:

Hệ mờ là một hệ điều khiển số do đó tín hiệu đưa vào bộ điều khiển mờ phải là tín

hiệu số Giao diện vào có nhiệm vụ chuẩn hóa tín hiệu tương tự thu nhận được từđối tượng điều khiển và chuyển đổi thành tín hiệu số Giao diện ra có nhiệm vụ biến

đổi tín hiệu số thành tương tự, khuyếch đại tín hiệu điều khiển cho phù hợp với đốitượng cụ thể Trong thực tế, giao diện vào, ra được tích hợp trong một CARD xử lý

số chuyên dụng hoặc lắp thêm vào khe cắm mở rộng của máy tính

c) Khối mờ hóa:

Là khối đầu tiên của bộ điều khiển mờ có chức năng chuyển mỗi giá trị rõ của biến

ngôn ngữ đầu vào thành véc tơ µ có số chiều bằng số tập mờ đầu vào Số tập mờđầu vào do người thiết kế qui định tùy thuộc đối tượng cụ thể, nhưng thông thườngkhông chọn quá 9 tập mờ Hình dạng các hàm liên thuộc cũng được tùy chọn theohình tam giác, hình thang, hàm Gaus … Mỗi loại hàm liên thuộc có ưu, nhược điểmriêng Hiện nay vẫn chưa có nghiên cứu nào chỉ rõ dùng dạng hàm liên thuộc nào làtốt nhất Hình 3.2 minh họa phương pháp mờ hóa biến điện áp trong khoảng từ100V - 300V bằng 5 tập mờ dạng hàm Gaux Khi đó ứng với mỗi giá trị rõ x0 ta cóvéc tơ

mệnh đề phức được liên hệ với nhau bởi toán tử "Hoặc" có dạng tổng quát:

- Luật hợp thành Max-min : Nếu thu được qua phép lấy Min còn phép hợpđược thực hiện qua luật Max

- Luật hợp thành MIN là tên gọi mô hình (ma trận) R của mệnh đề hợp thànhA=>B khi hàm liên thuộc của nó được xây dựng theo quy tắc MIN

e) Khối giải mờ (rõ hoá)

Giải mờ là quá trình xác định một giá trị rõ y0 nào đó có thể chấp nhận được từhàm liên thuộc B’(y) của giá trị mờ B’ (tập mờ B’).

Có hai phương pháp giải mờ chính là phương pháp cực đại và phương pháp điểm trọng tâm

*Phương pháp cực đại

Để giải mờ theo phương pháp cực đại, ta cần thực hiện theo hai bước:

Bước 1: Xác định miền chứa giá trị rõ y0 (miền G): Đó là miền mà tại đó hàm liên thuộc B’(y) đạt giá trị cực đại (độ cao H của tập mờ B’), tức là miền:

G = {y | B’(y) = H} ;

Bước 2: Xác định y0 có thể chấp nhận được từ G theo ba nguyên tắc :

Nguyên tắc trung bình; nguyên tắc cận trái và nguyên tắc cận phải.

Phương pháp điểm trọng tâm

Giải mờ theo phương pháp điểm trọng tâm sẽ cho ra kết quả y' là hoành độ của điểm trọng tâm miền được bao bởi trục hoành và đường B’(y)

Công thức xác định y0 theo phương pháp điểm trọng tâm như sau:

y’= (3.1)

Phương pháp điểm trọng tâm cho luật hợp thành SUM-MIN

Giả sử có q luật điều khiển được triển khai Khi đó mỗi giá trị mờ B' tại đầu racủa bộ điều khiển sẽ là tổng của q giá trị mờ đầu ra của từng luật hợp thành Ký hiệu giá trị mờ đầu ra của luật điều khiển thứ k là B’k(y) với k =1,2, ,q Với quy tắc SUM-MIN, hàm liên thuộc B’(y) sẽ là:

(3.2)Sau khi biến đổi, ta có:

Y’=== (3.3)Trong đó: Mk =  yB'k (y)dy và Ak = B'k (y)dy

đổi có liên kết song song Nó có hành vi tương tự như bộ não người với khả năng tựhọc hỏi, tự chỉnh định cho phù hợp với sự thay đổi không lường trước của đối tượngđiều khiển và tổng hợp thông tin từ sự luyện tập của các tập mẫu dữ liệu. Trong quátrình tái tạo đó không phải tất cả các chức năng của bộ não con người đều được táitạo, mà chỉ có những chức năng cần thiết Bên cạnh đó còn có những chức năngmới được tạo ra nhằm giải quyết một bài toán điều khiển đã định trước Các phần tửbiến đổi của mạng nơron nhân tạo được gọi là các nơron nhân tạo hoặc gọi tắt lànơron.

3.3.2 Lịch sử phát triển của mạng nơron nhân tạo

Mạng nơron được xây dựng từ những năm 1940 nhằm mô phỏng một số chức năngcủa bộ não con người Dựa trên quan điểm cho rằng bộ não người là bộ điều khiển.Mạng nơron nhân tạo được thiết kế và có khả năng giải quyết hàng loạt các bài toántối ưu, điều khiển, công nghệ robot…

Qua quá trình nghiên cứu và phát triển nơron nhân tạo có thể chia làm 4 giaiđoạn như sau:

Giai đoạn 1: Có thể tính từ nghiên cứu của William (1980) về tâm lý học với sự

liên kết các nơron thần kinh Năm 1940 Mc Culloch và Pitts đã cho biết nơron cóthể mô hình hóa như thiết bị ngưỡng (giới hạn) để thực hiện các phép tính logic và

mô hình mạng nơron của Mc Culloch-Pitts cùng với giải thuật huấn luyện mạng củaHebb ra đời năm 1943

Giai đoạn 2: Vào khoảng gần những năm 1960, một số mô hình nơron hoàn thiện

hơn đã được đưa ra như: mô hình Perception của Rosenblatt (1958), Adalile củaWidrow (1962) Trong đó mô hình Perception rất được quan tâm vì nguyên lý đơngiản nhưng nó có hạn chế vì nó đã không dùng được cho các hàm logic phức

(1969) Adalile là mô hình tuyến tính, tự chỉnh được dùng rộng rãi trong điều khiểnthích nghi, tách nhiễu và phát triển cho đến nay

Giai đoạn 3: Đầu thập niên 80 những đóng góp lớn cho mạng nơron trong giai

đoạn này phải kể đến Grossberg, Kohnonen, Rumelhart và Hopfield Trong đó đónggóp lớn của Hopfiled gồm hai mạng phản hồi: Mạng rời rạc năm 1982 và mạng liên

tục năm 1984 Cảm nhận của Hopfield đã được Rumelhart, Hinton và Williams đềxuất thuật toán sai số truyền ngược nổi tiếng để huấn luyện mạng nơron nhiều lớpnhằm giải bài toán mà mạng khác không thực hiện được Nhiều ứng dụng mạnh mẽcủa mạng nơron ra đời cùng với các mạng theo kiểu máy Boltlzmannn.

Giai đoạn 4: Tính từ năm 1987 đến nay mạng nơron đã tìm và khẳng định được vị

trí của mình trong rất nhiều ứng dụng khác nhau: điều khiển, bài toán tối ưu, …

3.3.3 Cấu trúc mạng nơron nhân tạo

a) Mạng nơron sinh học

* Cấu tạo: Nơron là phần tử cơ bản tạo nên bộ não con người Sơ đồ cấu tạo của một nơron sinh học được chỉ ra như trong hình 3.4 Một nơron điển

hình có 3 phần chính: thân nơron, các nhánh và sợi trục

Hình 3.19: Mô hình 2 nơ ron sinh học

- Thân nơron (soma): Được giới hạn trong một màng membran và trong cùng lànhân Thân nơron có rất nhiều đường rẽ nhánh gọi là rễ

Các rễ của nơron được chia thành hai loại: Loại nhận thông tin từ nơron khác quaaxon gọi là rễ đầu vào và loại đưa thông tin qua axon tới các nơron khác gọi là rễđầu ra Một nơron có nhiều rễ đầu vào nhưng chỉ có một rễ đầu ra

- Các nhánh (dendrite): Đây chính là các mạng dạng cây của các dây thần kinh

để nối các soma với nhau

- Sợi trục (Axon): Đây là một kết nối hình trụ dài và mang các tín hiệu rangoài Phần cuối của axon được chia thành nhiều nhánh nhỏ Mỗi nhánh nhỏ (cả

của dendrite và axon) kết thúc trong một cơ quan nhỏ hình củ hành được gọi làsynapte mà tại đây các nơron đưa các tín hiệu của nó vào các nơron khác Nhữngđiểm tiếp nhận với các synapte trên các nơron khác có thể ở các dendrite hay chínhsoma.

*Hoạt động của nơron sinh học có thể mô tả như sau:

Các tín hiệu đưa ra bởi một synapte và được nhận bởi các dendrite là các kích thíchđiện tử Việc truyền tín hiệu đó liên quan đến một quá trình hóa học phức tạp màtrong đó các chất truyền đặc trưng được giải phóng từ phía gửi của nơi tiếp nối.Điều này làm tăng hay giảm điện thế bên trong thân của nơron nhận Nơron nhậntín hiệu sẽ kích hoạt (fire) nếu điện thế vượt khỏi một ngưỡng nào đó và một xung(hoặc điện thế hoạt động) với độ mạnh (cường độ) và thời gian tồn tại cố định đượcgửi ra ngoài thông qua axon tới phần nhánh của nó rồi tới các chỗ nối synapte vớicác nơron khác Sau khi kích hoạt, nơron sẽ chờ trong một khoảng thời gian đượcgọi là chu kỳ trước khi nó có thể được kích hoạt lại Synapses là hưng phấn(excitatory) nếu chúng cho phép các kích thích truyền qua gây ra tình trạng kíchhoạt (fire) đối với nơron nhận Ngược lại, chúng là ức chế (inhibitory) nếu các kíchthích truyền qua làm ngăn trở trạng thái kích hoạt (fire) của nơron nhận

b) Mạng nơron nhân tạo

- Một nơron có thể hoạt động (+35mV) hoặc không hoạt động (-0,75mV)

- Chỉ có một đầu ra duy nhất của một nơron được nối với các đầu vào khácnhau của nơron khác Điều kiện để nơron được kích hoạt hay không kích hoạt chỉphụ thuộc những đầu vào hiện thời của chính nó

Một nơron trở nên tích cực nếu đầu vào của nó vượt qua ngưỡng ở một mức nhấtđịnh

Hình 3 20: Mô hình nơron đơn giản

Các đầu vào có hàm trọng Wj và bộ tổng Đầu ra của bộ tổng được sử dụng để quyếtđịnh một giá trị của đầu ra thông qua hàm chuyển Có nhiều kiểu hàm chuyển khácnhau (sẽ được đề cập ở phần sau) Tương tự nơron sinh học của con người, nơron sẽđược kích hoạt nếu tổng giá trị vào vượt quá ngưỡng và không được kích hoạt nếutổng giá trị vào thấp hơn ngưỡng Sự làm việc như vậy của nơron gọi là sự kích hoạtnhảy bậc

Kết nối một vài nơron ta được mạng nơron Hình 3.6 là một mạng nơron gồm 3 lớp:lớp vào, lớp ẩn và lớp ra

Hình 3.21: Mạng nơron 3 lớp

Các nơron lớp vào trực tiếp nhận tín hiệu ở đầu vào, ở đó mỗi nơron chỉ có một tínhiệu vào Mỗi nơron ở lớp ẩn được nối với tất cả các nơron lớp vào và lớp ra Cácnơron ở lớp ra có đầu vào được nối với tất cả các nơron ở lớp ẩn, chúng là đầu racủa mạng Cần chú ý rằng một mạng nơron cũng có thể có nhiều lớp ẩn Các mạngnơron trong mỗi nơron chỉ được liên hệ với tất cả các nơron ở lớp kế tiếp và tất cảcác mối liên kết chỉ được xây dựng từ trái sang phải được gọi là mạng nhiều lớptruyền thẳng (perceptrons)

3.3.4 Mô hình nơron