ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA HỆ THỐNG ĐIỆN Nhiệm vụ THIẾT KẾ TỐT NGHIỆP Họ tên sinh viên: Lớp: Đồn Cơng Danh Đ5H4 Cán hướng dẫn: Ngành: Hệ thống điện ThS Đặng Thành Trung PHẦN I: THIẾT KẾ PHẦN ĐIỆN TRONG NHÀ MÁY ĐIỆN Nhà máy điện kiểu : TĐ gồm tổ máy x 100 MW Nhà máy có nhiệm vụ cấp điện cho phụ tải sau 1.Phụ tải địa phương cấp điện áp 22 kV: Pmax=12 MW ; cosφ= 0,85 Gồm kép x MW x km đơn x MW x km Biến thiên phụ tải ghi bảng Tại địa phương dùng máy cắt hợp với Icắt=21kA tcắt=0,7 sec cáp nhôm ,vỏ PVC với thiết bị nhỏ 70 mm2 2.Phụ tải cấp điện áp máy trung 110 kV: Pmax=170 MW ; cosφ= 0,88 Gồm đơn x 85 MW Biến thiên phụ tải ghi bảng 3.Phụ tải cấp điện áp máy cao 220 kV: Pmax=210 MW ; cosφ= 0,87 Gồm kép x 150 MW đơn x 60 MW Biến thiên phụ tải ghi bảng 4.Nhà máy nối với hệ thống 220 kV đường dây kép dài 110 km Công suất hệ thống ( không kể nhà máy thiết kế ) : 3500 MVA; Cơng suất dự phòng hệ thống: 200 MVA; Điện kháng ngắn mạch tính đến góp phía hệ thống : X*HT = 1,05 5.Tự dùng : α = 1%; cosφ= 0,86 6.Công suất phát toàn nhà máy ghi bảng Bảng biến thiên cơng suất SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Giờ 0-4 4-6 6-8 8-10 10-12 12-14 14-16 16-18 18-20 20-22 22-24 S UDP 80 80 80 70 70 80 90 100 90 90 80 S UT 90 90 80 80 90 90 100 90 90 80 80 S UC 90 90 80 80 90 90 90 90 100 90 80 S TNM Mùa mưa phát(180 ngày) 100% công suất, mùa khơ (185 ngày) phát 80% cơng suất PHẦN II: NGHIÊN CỨU ỨNG DỤNG MẠNG NEURAL NHÂN TẠO DỰ BÁO SẢN LƯỢNG ĐIỆN TIÊU THỤ CỦA MỘT HỘ GIA ĐÌNH Ngày giao nhiệm vụ: 13 tháng 10 năm 2014 Ngày hoàn thành nhiệm vụ: 29 tháng 12 năm 2014 Trưởng khoa Giáo viên hướng dẫn TS Trần Thanh Sơn Ths Đặng Thành Trung SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC LỜI MỞ ĐẦU Điện năng là một nguồn năng lượng quan trọng của hệ thống năng lượng quốc gia, nó được sử dụng rộng rãi trên hầu hết các lĩnh vực như: sản xuất kinh tế, đời sống sinh hoạt, nghiên cứu khoa học… Hiện nay nước ta đang phát triển theo hướng cơng nghiệp hóa, hiện đại hóa, nên nhu cầu về điện năng đòi hỏi ngày càng cao về số lượng cũng như chất lượng. Để đáp ứng được về số lượng thì ngành điện nói chung phải có kế hoạch tìm và khai thác tốt các nguồn năng lượng có thể biến đổi chúng thành điện năng. Sau khi học xong chương trình của ngành Hệ Thống Điện, và xuất phát từ nhu cầu thực tế, tơi được giao nhiệm vụ thiết kế với các nội dung sau: Phần I: Thiết kế phần điện trong nhà máy thủy điện, gồm 5 tổ máy với công suất mỗi tổ máy là 100MW, cung cấp điện cho phụ tải địa phương 22 kV, phụ tải cấp điện áp trung áp 110 kV, phụ tải cấp điện áp cao áp 220 kV và phát về hệ thống qua đường dây kép dài 110 Km. Phần II: NGHIÊN CỨU ỨNG DỤNG MẠNG NEURAL NHÂN TẠO DỰ BÁO SẢN LƯỢNG ĐIỆN TIÊU THỤ CỦA MỘT HỘ GIA ĐÌNH xin chân thành cám ơn: Các thầy, cơ giáo Trường Đại Học Điện Lực đã tận tâm truyền đạt kiến thức cho tơi trong q trình học tập. Đặc biệt tơi xin gửi lời cảm ơn chân thành nhất tới Th.S Đặng Thành Trung đã trực tiếp hướng dẫn, giúp đỡ tơi trong suốt q trình hồn thành đồ án tốt nghiệp. Do thời gian và khả năng có hạn, tập đồ án này khơng thể tránh khỏi những khiếm quyết về nội dung và hình thức, tơi mong nhận được những ý kiến đóng góp của q thầy, cơ và các bạn để rút kinh nghiệm và bổ xung kiến thức còn thiếu. Tơi xin trân trọng cảm ơn ! Hà Nội, ngày 07 tháng 10 năm 2014 Sinh viên thực hiên Đồn Cơng Danh SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC NHẬN XÉT (Giáo viên hướng dẫn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Hà Nội, ngày tháng năm Giáo viên hướng dẫn SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC NHẬN XÉT (Giáo viên phản biện) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Hà Nội, ngày tháng năm Giáo viên phản biện SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC MỤC LỤC CHƯƠNG 1 1 TÍNH TỐN PHỤ TẢI VÀ CHỌN SƠ ĐỒ NỐI DÂY 1 1.1. Chọn máy phát điện . 1 1.2. Tính tốn cân bằng cơng suất . 1 1.3. Chọn các phương án nối dây 5 CHƯƠNG 2 9 TÍNH TỐN CHỌN MÁY BIẾN ÁP . 9 2.1. Phân bố công suất các cấp điện áp của máy biến áp . 9 2.2. Chọn loại và công suất định mức của MBA 9 2.3. Tính tốn tổn thất điện năng trong MBA 11 2.4. Tính tốn cụ thể cho từng phương án 11 CHƯƠNG 3 24 TÍNH TỐN KINH TẾ-KỸ THUẬT,CHỌN PHƯƠNG ÁN TỐI ƯU 24 3.1. Chọn sơ đồ thiết bị phân phối 24 3.2. Tính tốn kinh tế-kỹ thuật, chon phương án tối ưu . 25 3.3. Lựa chọn phương án tối ưu 27 CHƯƠNG 4 29 TÍNH TỐN NGẮN MẠCH 29 4.1. Chọn điểm ngắn mạch . 29 4.2. Lập sơ đồ thay thế 29 4.3. Tính tốn ngắn mạch theo điểm 34 CHƯƠNG 5 41 CHỌN KHÍ CỤ ĐIỆN VÀ DÂY DẪN 41 5.1. Tính tốn dòng cưỡng bức 41 5.2. Chọn máy cắt và dao cách li 42 5.3. Chọn thanh cứng đầu cực máy phát 43 5.4. Chọn thanh góp,thanh dẫn mềm 47 5.5. Chọn máy biến áp và cáp cho phụ tải địa phương 51 5.6. Chọn máy biến áp đo lường . 56 5.7. Chọn chống sét van 61 CHƯƠNG 6 62 TÍNH TỐN ĐIỆN TỰ DÙNG 62 6.1. Chọn sơ đồ tự dùng 62 6.2. Chọn các thiết bị điện và khí cụ điện cho tự dùng 62 PHẦN II ERROR! BOOKMARK NOT DEFINED NGHIÊN CứU ứNG DụNG MạNG NEURAL NHÂN TạO Dự BÁO SảN LUONGJ ĐIệN TIÊU THụ CủA MộT Hộ GIA ĐÌNH ERROR! BOOKMARK NOT DEFINED SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC CHƯƠNG 1: MỤC ĐÍCH CỦA DỰ BÁO SẢN LƯỢNG ĐIỆN TIÊU THỤ CỦA MỘT HỘ GIA ĐÌNH NGHIÊN CỨU MẠNG NEUTRON NHÂN TẠO CÔNG CỤ NEURAL NETWORK TOOLBOX TRONG MATLAB . 66 1.1. Mục đích của dự báo sản lượng điện tiêu thụ hàng tháng của một hộ gia đình 66 1.2. Các yếu tố ảnh hưởng trực tiếp đến phụ tải ngày 66 1. 3. Giới thiệu mạng neural nhân tạo . 68 1. 4. Giới thiệu về Matlab và Neural Network Toolbox 74 CHƯƠNG 2: MẠNG NƠRON MPL TRONG DỰ BÁO ĐIỆN NĂNG TIÊU THỤ HÀNG THÁNG ERROR! BOOKMARK NOT DEFINED. 2.1. Mơ hình chọn mạng MLP Error! Bookmark not defined. 2.2. Xây dựng mơ hình mạng MLP cho bài tốn dự báo điện năng tiêu thụError! Bookmark not define CHƯƠNG 3: ỨNG DỤNG MẠNG MPL DỰ BÁO ĐIỆN NĂNG SỬ DỤNG HÀNG THÁNG CỦA MỘT HỘ GIA ĐÌNH 78 3.1. Sơ đồ thuật toán 78 3.2. Chuẩn bị số liệu 78 3.3. Tạo mạng và tiến hành dự báo kết quả . 82 SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC DANH MỤC CÁC BẢNG, SƠ ĐỒ, HÌNH VẼ PHẦN I Chương 1: Bảng 1.1 Thông số kỹ thuật máy phát thủy điện Bảng1.2 biến thiên công suất phụ tải nhà máy Bảng 1.3 Cơng suất phụ tải tồn nhà máy Bảng 1.4 Công suất phụ tải địa phương Bảng 1.5 Phụ tải cấp điện áp trung Bảng 1.6 Phụ tải cấp điện áp cao Bảng 1.7 Tổng hợp phụ tải toàn nhà máy Hình 1.1 Đồ thị phụ tải tổng hợp nhà máy Hình 1.2 Phương án I Hình 1.3 Phương án II Hình 1.4 Phương án III Hình 1.5 Phương án IV Chương : Bảng 2.1 Phân công suất MBA tự ngẫu mùa mưa phương án I Bảng 2.2 Phân bố công suất MBA tự ngẫu mùa khô phương án I Bảng 2.3 Thông số MBA cuộn dây phương án I Bảng 2.4 công suất thừa ngày phương án I Bảng 2.5 Thông số MBA tự ngẫu phương án I Bảng 2.6.Tổn thất điện máy biến áp tự ngẫu mùa mưa phương án I Bảng 2.7 Tổn thất điện máy biến áp tự ngẫu mùa khô phương án I Bảng 2.8 Phân công suất MBA tự ngẫu mùa mưa Bảng 2.9 Phân công suất MBA tự ngẫu mùa khô SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Bảng 2.10 Thông số MBA cuộn dây phương án II Bảng 2.11 công suất thừa ngàyphương án II Bảng 2.12 Thông số MBA tự ngẫu phương án II Bảng 2.13 Tổn thất điện máy biến áp tự ngẫu mùa mưa PA II Bảng 2.14 Tổn thất điện máy biến áp tự ngẫu mùa khô PA II Bảng: 2.15 Tổng tổn thất điện phương án I II Hình 2.1 Chế độ truyền tải cơng suất MBA Tự ngẫu Hình 2.2 Sự cố hỏng MBA dây quấn phương án I Hình 2.3 Sự cố hỏng MBA tự ngẫu phương án I Hình 2.4 Sự cố hỏng MBA dây quấn phương án II Hình 2.5 Sự cố hỏng MBA tự ngẫu phương án II Chương Bảng 3.1 Thống kê tính tốn vốn đầu tư MBA phương án I Bảng 3.2 Thống kê tính tốn vốn đầu tư thiết bị phân phối phương án I Bảng 3.3 Thống kê tính tốn vốn đầu tư MBA phương án II Bảng 3.4 Thống kê tính tốn vốn đầu tư thiết bị phân phối phương án II Bảng 3.5 Bảng tổng kết phương án Hình 3.1 Sơ đồ thiết bị phân phối phương án I Hình 3.2 Sơ đồ thiết bị phân phối phương án II Chương Bảng4.1 Kết tính tốn điểm ngắn mạch phương án II Hình 4.1 Sơ đồ điểm ngắn mạch phương án II Hình 4.2 Sơ đồ thay phương án II Hình 4.3 Sơ đồ thay đầy đủ số liệu phương án II Hình 4.4 Sơ đồ tính tốn ngắn mạch điểm N1 Hình 4.5 Sơ đồ tính tốn ngắn mạch điểm N1 sau rút gọn SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Hình 4.6 Sơ đồ tính tốn ngắn mạch điểm N2 Hình 4.7 Sơ đồ tính tốn ngắn mạch N2 sau rút gọn Hình 4.8 Sơ đồ tính tốn ngắn mạch điểm N3 Hình 4.9 Sơ đồ tính tốn ngắn mạch N3 sau rút gọn Hình 4.10 Sơ đồ tính tốn ngắn mạch điểm N3’ Chương 5: Bảng 5.1 Dòng cưỡng cấp điện áp phương án II Bảng 5.2 Thông số máy cắt phương án II Bảng 5.3 Thông số dao cách ly phương án II Bảng 5.4 Thông số dẫn cứng chọn Bảng 5.5 Thông số dẫn mềm chọn Bảng 5.6 Thơng số MBA địa phương Hình 5.7 Sơ đồ cung cấp điện cho phụ tải địa phương Bảng 5.8 Thông số chọn cho cáp đơn Bảng 5.9 Thông số chọn cho cáp kép Bảng 5.10 Thông số máy cắt trước MBA phụ tải địa phương Bảng 5.11 Thông số dao cách ly trước MBA phụ tải địa phương Bảng 5.12 Thông số máy cắt sau MBA phụ tải địa phương Bảng 5.13 Thông số máy cắt MC1 Bảng 5.14 Thông số BI cấp điện áp 220 kV Bảng 5.15 Thông số BI cấp điện áp 110 kV Bảng 5.16 Thông số BI cấp điện áp 13,8 kV Bảng 5.17 Thông số dụng cụ phụ tải BI Bảng 5.18 Thông số BU cấp điện áp 220 kV Bảng 5.19 Thông số BU cấp điện áp 110 kV Bảng 5.20 Thông số dụng cụ phụ tải BU SVTH: Đồn Cơng Danh GVHD: ThS Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Hình 1.7 Ba dạng luật học tham số 1.3.6 Ứng dụng mạng nơ ron nhân tạo Hơn 20 năm qua, mạng Nơ ron nhân tạo đã từng bước được đưa vào ứng dụng trong nhiều lĩnh vực của cuộc sống. Đặc biệt, gần đây, với sự ra đời của các chíp Nơ ron thì ứng dụng của mạng Nơ ron lại càng trở nên rộng rãi . 1) Lĩnh vực dân dụng: - Điều khiển: Các thiết bị gia đình như máy giặt, điều hòa … - Nhận dạng: Các thiết bị cảnh báo, chống trộm, báo động, báo cháy - Trí tuệ nhân tạo: Chế tạo các thiết bị thơng minh như người máy, trò chơi 2) Lĩnh vực cơng nghiệp: - Điều khiển: Cảnh báo và phát hiện các sự cố, xây dựng các bộ điều khiển thích nghi, các bộ điều khiển tự chỉnh, thơng minh hóa các cảm biến trong đo lường, phân tích an tồn trong hệ thống điện, xây dựng các hệ thống chuẩn đốn kỹ thuật… - Nhận dạng: Nhận dạng tín hiệu, xử lý tín hiệu. Nhận dạng sai số, xấp xỉ hóa các đường đặc tính trong đo lường, phân loại mẫu, nhận dạng tiếng nói… - Trí tuệ nhân tạo: Rơbốt cơng nghiệp. - Dự báo. Sử dụng cho các bài tốn dự báo ngắn hạn phụ tải điện, trung hạn và dài hạn, phục vụ quy hoạch và vận hành hệ thống điện. 3) Lĩnh vực y tế: Nhận dạng sóng điện tim, điện não đồ, các tế bào ung thư. Trong điện não đồ thì sóng điện não EEG bao gồm bốn sóng là Delta, Theta, Alpha và Beta. Sử dụng mạng Nơ ron để nhận dạng ra bốn loại sóng đó rồi tiến hành so sánh điện não đồ của người mắc bệnh và người khơng mắc bệnh giúp cho q trình chuẩn đốn bệnh được dễ dàng. 4)Lĩnh vực qn sự: - Điều khiển:theo dõi đích, những phần tử cảm biến.Chế tạo vũ khí thơng minh. - Nhận dạng: nhận dạng vân tay, hình ảnh, tiếng nói… 5) Lĩnh vực thương mại, kinh tế: - Điều khiển: Kiểm tra và đọc tài liệu, cung cấp các hình thức cố vấn thương mại. SVTH: Đồn Cơng Danh 73 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC - Dự báo: Dự báo tình hình kinh tế, dự đốn tiền tệ, phân tích mức độ rủi ro, phân tích sử dụng hàng, phân tích thị trường, dự báo mức tăng trưởng GDP. 1.4 Giới thiệu Matlab Neural Network Toolbox 1.4.1 Giới thiệu Matlab Matlab là một chương trình viết cho máy tính PC nhằm hỗ trợ cho các tính tốn khoa học và kỹ thuật với các phần tử cơ bản là ma trận trên máy tính cá nhân do cơng ty "The MATHWORKS" viết ra. Thuật ngữ Matlab có được là do hai từ MATRIX và LABORATORY ghép lại.Matlab ngày càng trở thành cơng cụ rất đắc lực trong việc mơ phỏng, tính tốn, thiết kế, xây dựng các ứng dụng trong nhiều lĩnh vực khác nhau như điện, điện tử, xử lý tín hiệu, trí tuệ nhân tạo, tài chính… Matlab được điều khiển bởi các tập lệnh, tác động qua bàn phím. Nó cũng cho phép một khả năng lập trình với cú pháp thơng dịch lệnh - còn gọi là Script file các hàm. Các lệnh hay bộ lệnh của MATLAB lên đến số hàng ngàn và ngày càng được mở rộng bởi các phần Toolbox hay thơng qua các hàm ứng dụng được xây dựng từ người sử dụng. Các lệnh của Matlab rất mạnh và hiệu quả, nó cho phép giải các loại hình tốn khác nhau và đặc biệt hữu dụng cho các hệ phương trình tuyến tính hay các bài tốn ma trận. Ở Matlab 7.0 đã có hơn 20 Toolbox các loại. Hiện tại và trong tương lai Matlab sẽ cho ta một sự lựa chọn hồn chỉnh và phong phú các cơng cụ trợ giúp đắc lực cho những lĩnh vực nghiên cứu chuyên môn khác nhau. Trong luận văn này, tơi đã sử dụng các Toolbox chính sau của Matlab: Neural Network, GUIDE, các lệnh tạo đồ thị và một số hàm có sẵn trong Matlab. 1.4.2 Giới thiệu Neural Network Toolbox Neural Network Toolbox là một thư viện chứa các hàm mô phỏng về mạng Nơtron rất mạnh. Do sự ứng dụng mạnh mẽ của mạng Nơtron trong xử lý dữ liệu ở các lĩnh vực nghiên cứu khoa học và đời sống thì sự phát triển này là tất yếu. Mạng Nơtron đã được ứng dụng rộng rãi trong nhiều lĩnh vực và nó đã cho thấy sức mạnh của mình.Matlab đã tạo ra giao diện đồ họa cho phép người sử dụng tạo mạng, nhập dữ liệu, khởi động mạng, luyện mạng và mơ phỏng mạng SVTH: Đồn Cơng Danh 74 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC CHƯƠNG MẠNG NƠRON MPL TRONG DỰ BÁO ĐIỆN NĂNG TIÊU THỤ HÀNG THÁNG 2.1 Mơ hình chọn mạng MLP 2.1.1 Phương pháp luận lựa chọn mạng Nơ ron Căn cứ vào đặc thù của đồ án, em đã chọn mạng nơ ron MLP có một lớp ẩn, bởi vì mạng MLP có một số ưu điểm trong u cầu của bài tốn dự báo điện năng tiêu thụ hàng tháng sau đây: Mơ hình này đã được sử dụng rộng rãi, chất lượng đã được khẳng định. Do tính kinh điển của mình mà mạng MLP có rất nhiều chương trình mơ phỏng khác nhau.Việc sử dụng thư viện của Matlab cho phép viết chương trình mơ phỏng một cách dễ dàng, thuận tiện,việc hiển thị kết quả tính tốn cũng nhanh và chính xác. Tuy nhiên mạng MLP có số nhược điểm như: Thiếu thuật tốn xác định cấu trúc mạng. Các thuật tốn tương đối phức tạp nếu muốn độ chính xác và hội tụ cao. Khó xây dựng được bộ mẫu học để có thể loại bỏ được dư thừa mẫu học. 2.1.2 Cấu trúc mạng MLP Theo lý thuyết về mạng Nơ ron, người ta chỉ cần tối đa 2 lớp ẩn cho một bài tốn xác định.Tuy nhiên trong nhiều ứng dụng thực tế, để đơn giản người ta thường sử dụng mạng có một lớp ẩn. Hình 2.1 Mạng Nơ ron lớp ẩn Mạng Nơ ron trong hình 2.1 gồm: - Lớp vào (input): là các Nơ ron nhận các biến vào Pi với i=1÷ n - Lớp ẩn (hidden layer): là các Nơ ron ở giữa yj , j=1÷ n. Các Nơ ron lớp ẩn nhận tín hiệu từ các Nơ ron lớp vào qua hệ số trọng lượng Wij. - Lớp ra (output layer): là các Nơ ron đưa những giá trị ra Tk, k = 1÷ m.Các Nơ ron lớp ra nhận tín hiệu từ các Nơ ron lớp ẩn qua hệ số trọng lượng Wkj. Phương pháp làm việc của mạng Nơ ron nhân tạo có thể phân chia làm hai giai đoạn: giai đoạn huấn luyện và giai đoạn tự tái diễn lại. Khi xuất hiện các kích thích đầu vào của mạng như nhau ở các thời điểm khác nhau thì đáp ứng đầu ra của mạng ở các thời điểm tương ứng cũng hồn tồn giống nhau. Q trình làm việc như vậy của mạng Nơ ron là q trình tự tái diễn lại. SVTH: Đồn Cơng Danh 75 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Khi có thơng tin vào mạng Nơ ron sẽ có đáp ứng đầu ra tương ứng với đầu vào theo sự nhận biết của mạng được hình thành trong q trình huấn luyện. Cũng như con người, khi mới hình thành mạng Nơ ron chưa có tri thức, tri thức của mạng Nơ ron hình thành dần sau một q trình học. Mạng Nơ ron được dạy bằng cách đưa vào những kích thích mẫu và hiệu chỉnh dần các hệ số trọng lượng để đáp ứng ở lớp đầu ra sẽ phù hợp với những giá trị mà ta mong muốn. Q trình này gọi là q trình huấn luyện. 2.1.3 Huấn luyện mạng Trong ứng dụng hộp cơng cụ Neural Network toolbox của Matlab đã có sẵn những thuật toán dùng để huấn luyện cho mạng MLP như sau : 1)Thuật toán Backpropagation - Huấn luyện incremental (ADAPT) - Hàm gradient descent (LEARNGD) - Hàm gradient descent có qn tính (LEARNGD) - Huấn luyện batch (TRAIN) - Batch gradient descent (TRAINGD) - Batch gradient descent với momentum (TRAINGDM) 2) Huấn luyện nhanh - Giải thuật tốc độ thay đổi ( TRAINDA, TRAINDX) - Giải thuật phục hồi mạng backpropagation ( TRAINRP) - Giải thuật conjugate_gradient - Giải thuật cập nhật Fletcher-Reeves (TRAINCGF) - Giải thuật cập nhật Polak – Ribiére (TRAIN CGP) - Giải thuật khởi động lại Powell – Beale (TRAINCGB) 3) Các thuật toán quasi- newton - Giải thuật BFGS (TRAINBFG) - Giải thuật One Step Secant (TRAINOSS) - Giải thuật Levenberg – Marquardt (TRAINLM) - Giải thuật Levenberg- Marquardt giảm bộ nhớ (TRAINLM) Mỗi thuật tốn có đặc điểm về độ hội tụ khác nhau nhưng thơng thường đầu tiên chúng ta nên dùng giải thuật Levenberg - Marquardt. Nếu giải thuật này khơng đủ bộ nhớ, thì thử dùng giải thuật BFGS, hay các phương pháp conjugate gradient. 2.2. Xây dựng mơ hình mạng MLP cho bài tốn dự báo điện năng tiêu thụ 1)Xác định thơng số đầu ra: Điện năng của tháng cần dự báo 2)Xác định số lớp ẩn số Nơ ron lớp ẩn:Ta chọn mạng MLP có 1lớp ẩn. 3)Xác định thơng số đầu vào: Số liệu tháng, năm, điện năng tháng trước đó, nhiệt độ trung bình của tháng. Tuy nhiên do khơng có số liệu nhiệt độ trung bình của tháng nên ta đưa ra 2 mơ hình sau: a) Thơng số đầu vào tháng năm tháng cần dự báo SVTH: Đồn Cơng Danh 76 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP M12+Y4 TRƯỜNG ĐẠI HỌC ĐIỆN LỰC A Với mơ hình này ta sử dụng mạng gồm 16 đầu vào: 12 tháng đầu vào từ tháng 1 đến tháng 12, phụ tải tương ứng với tháng nào thì tháng đó sẽ bằng 1 còn những tháng còn lại bằng 0, 4 năm đầu vào từ 2011 đến 2014 tương ứng với năm nào thì giá trị đầu vào của năm đó bằng 1 còn những năm còn lại bằng 1. Đầu ra là điện năng tháng đó b) Thơng số đầu vào tháng, năm điện tiêu thụ tháng trước A(i) M12+Y4 A (i-1) Với mơ hình ta sử dụng mạng gồm 17 đầu vào: 12 tháng đầu vào từ tháng đến tháng 12, phụ tải tương ứng với tháng tháng tháng lại 0, năm đầu vào từ 2011 đến 2014 tương ứng với năm giá trị đầu vào năm năm lại 1, đầu vào điện tiêu thụ tháng trước Đầu điện tháng Trong đồ án này, em sử dụng mơ hình 17 đầu vào ( mơ hình b) để dự báo điện năng tiêu thụ SVTH: Đồn Cơng Danh 77 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Chương ỨNG DỤNG MẠNG MPL DỰ BÁO ĐIỆN NĂNG SỬ DỤNG HÀNG THÁNG CỦA MỘT HỘ GIA ĐÌNH 3.1 Sơ đồ thuật tốn Sơ đồ thuật tốn được xây dựng như sau: Đọc số liệu đầu vào Xử lý số liệu: Chia tập số liệu, chuẩn hóa… Tạo mạng MLP Đưa các thông số đào tạo Đào tạo mạng Lưu trữ mạng đã đào tạo Dự báo kết quả Ghi kết quả ra file Hình 3.1 Sơ đồ thuật tốn 3.2 Chuẩn bị số liệu Trong đồ án này, em đã lấy được danh sách phụ tải của một trạm biến áp Goi Hoi ở huyện Phúc Thọ, Hà Nội. Em đã lấy số liệu của hộ ông Nguyễn Văn Tuyết ( mã khách hàng PD26008240200) để làm số liệu cho mạng neural dự báo kết quả SVTH: Đồn Cơng Danh 78 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP STT TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Điện năng sử dụng theo tháng ( Số điện) 81 77 62 56 95 105 121 169 164 112 120 87 94 139 116 131 163 181 200 180 153 174 145 136 131 131 115 116 165 195 178 176 167 140 135 107 127 111 100 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 SVTH: Đồn Cơng Danh 79 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP 40 41 42 43 44 45 TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 129 171 189 182 198 171 Dựa vào số liệu thu thập và số liệu thời gian em chia làm bảng số liệu đầu vào với 17 đầu vào và 44 giá trị mẫu tương ứng với bảng số liệu đầu ra là 1 đầu ra và 44 giá trị mẫu. Số liệu đầu vào: 1 2 3 4 5 6 7 8 9 10 11 12 2011 2012 2013 2014 A 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 81 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 77 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 62 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 56 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 95 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 105 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 121 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 169 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 164 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 112 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 120 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 87 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 94 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 139 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 116 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 131 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 163 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 181 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 200 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 180 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 153 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 174 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 145 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 136 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 131 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 131 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 115 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 116 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 165 SVTH: Đồn Cơng Danh 80 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 Số liệu đầu ra: A 77 62 56 95 105 121 169 164 112 120 87 94 139 116 131 163 181 200 180 153 174 145 136 SVTH: Đồn Cơng Danh 81 GVHD:ThS.Đặng Thành Trung 195 178 176 167 140 135 107 127 111 100 129 171 189 182 198 171 ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 131 131 115 116 165 195 178 176 167 140 135 107 127 111 100 129 171 189 182 198 171 3.3. Tạo mạng và tiến hành dự báo kết quả + Bước 1: Gọi cơng cụ Neural Network Toolbox trong Matlab. Gõ lệnh nnstart SVTH: Đồn Cơng Danh 82 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC + Bước 2: Chọn kiểu mạng Neural dự báo. Chọn kiểu Fitting Tool Bước 3: Chọn số liệu đầu vào và đầu ra. Số liệu sẽ được lấy từ file excel số liệu mà ta chuẩn bị sẵn ở trên SVTH: Đồn Cơng Danh 83 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Bước 4: Chia bộ số liệu: 70% số liệu dùng để đào tạo mạng, 15% số liệu để kiểm tra đào tạo và 15% còn lại để dự báo, kiểm tra kết quả. Số liệu kiểm tra sẽ độc lập khơng liên quan đến đào tạo mạng. Bước 5: Lựa chọn số Neural lớp ẩn cho mạng. Ta chọn là 10 SVTH: Đồn Cơng Danh 84 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Bước 6: Đào tạo mạng Bước 7: Lưu kết quả SVTH: Đồn Cơng Danh 85 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Kết quả dự báo cho 15% số liệu cần kiểm tra: TT Giá trị thực tế Giá trị dự báo Sai số 1 100 89.3669 10.6 2 129 111.154 17.8 3 171 170.563 0.4 4 189 188.041 1 5 182 181.977 0 6 198 197.746 0.3 7 171 171.186 0.2 Sai số trung bình Từ bảng kết quả ta thấy sai số trung bình của bộ số liệu cần dự báo là 3,6% SVTH: Đồn Cơng Danh 86 Sai số % 10.6 13.8 0.2 0.5 0 0.2 0.1 3,6 GVHD:ThS.Đặng Thành Trung ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐẠI HỌC ĐIỆN LỰC TÀI LIỆU THAM KHẢO [1]. PGS.TS Phạm Văn Hòa – ThS Phạm Ngọc Hùng. Thiết kế phần điện nhà máy điện trạm biến áp.Nhà xuất bản khoa học và kỹ thuật. Hà nội, 2007. [2]. Trịnh Hùng Thám- PGS.TS Phạm Văn Hòa. Nhà máy điện trạm biến áp. Nhà xuất bản khoa học và kỹ thuật. Hà Nội, 1996. [3]. TS.Đào Quang Thạch-PGS.TS.Phạm Văn Hoà. Phần điện nhà máy điện trạm biến áp. Nhà xuất bản khoa học và kỹ thuật.Hà Nội, 2009. [4]. PGS.TS Phạm Văn Hòa. Ngắn mạch đứt dây hệ thống điện. Nhà xuất bản khoa học – kỹ thuật. Hà Nội, 2006. [5]. Ngô Hồng Quang. Sổ tay tra cứu lựa chọn thiết bị điện từ 0,4-500 kV. Nhà xuất bản khoa học và kỹ thuật. Hà Nội, 2002 SVTH: Đồn Cơng Danh 87 GVHD:ThS.Đặng Thành Trung ... 3.2 Sơ đồ thiết bị phân phối phương án II Chương Bảng4.1 Kết tính tốn điểm ngắn mạch phương án II Hình 4.1 Sơ đồ điểm ngắn mạch phương án II Hình 4.2 Sơ đồ thay phương án II Hình 4.3 Sơ đồ thay... kê tính toán vốn đầu tư MBA phương án II Bảng 3.4 Thống kê tính tốn vốn đầu tư thiết bị phân phối phương án II Bảng 3.5 Bảng tổng kết phương án Hình 3.1 Sơ đồ thiết bị phân phối phương án I Hình... án II Hình 2.5 Sự cố hỏng MBA tự ngẫu phương án II Chương Bảng 3.1 Thống kê tính tốn vốn đầu tư MBA phương án I Bảng 3.2 Thống kê tính tốn vốn đầu tư thiết bị phân phối phương án I Bảng 3.3 Thống