Ứng dụng wavelet kết hợp với mạng nơ rôn nhận dạng và phân loại nhiễu điện áp

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA Y Z TRẦN KỲ HẢI ỨNG DỤNG PHÂN TÍCH WAVELET KẾT HP VỚI MẠNG NƠRÔN NHẬN DẠNG VÀ PHÂN LOẠI NHIỄU ĐIỆN ÁP Chuyên ngành : Thiết Bị, Mạng Nhà Máy Điện Mã số ngành : 2.02.01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH 7-2005 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: Cán chấm nhận xét 1: Caùn chấm nhận xét 1: Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày ……… tháng ……… năm 2005 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp.HCM, ngày tháng năm 2005 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: ĐƯỜNG ĐẠI TOÀN Phái: Nam Ngày, tháng, năm sinh: 28/6/1979 Nơi sinh: An Giang Chuyên ngành: MẠNG VÀ HỆ THỐNG ĐIỆN MSHV: 01803493 TÊN ĐỀ TÀI: Đánh giá độ tin cậy mạng điện phân phối dựa tổn thất ngừng cung cấp điện II- NHIỆM VỤ VÀ NỘI DUNG: Giới thiệu phương pháp đánh giá độ tin cậy hệ thống điện Đánh giá độ tin cậy mạng điện phân phối khảo sát thiệt hại điện Ứng dụng mạng neural để tìm tổn thất ngừng cung cấp điện III- NGÀY GIAO NHIỆM VỤ: 20/11/2004 VI- NGÀY HOÀN THÀNH NHIỆM VỤ: 30/6/2005 V- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS NGUYỄN HOÀNG VIỆT CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày ………… tháng ……… năm 2005 PHÒNG ĐÀO TẠO SĐH KHOA QUẢN LÝ NGÀNH LỜI CÁM ƠN Trước tiên, xin chân thành cám ơn sâu sắc đến thầy hướng dẫn T.S Nguyễn Hoàng Việt Bằng tất tận tình với ý tưởng nguồn cảm hứng suốt trình nghiên cứu vừa qua Nhưng quan trọng phương pháp làm việc khoa học, điều vô hữu ích đường nghiên cứu đầy khó khăn phía trước Kế đến, xin cám ơn giảng viên trường tạo điều kiện thuận lợi cho trình học tập Đồng thời, cám ơn anh, chị bạn lớp Những người giúp hiểu vấn đề rõ buổi thuyết trình tranh luận Tôi đặc biệt cám ơn cha tôi, hiểu biết quý báu vận hành hệ thống điện, cho hỏng hóc thường thấy thiết bị điện cố lưới Đặc biệt ý kiến đóng góp cho luận văn, cho vấn đề làm sát với thực tiễn Cuối cùng, vô biết ơn mẹ người yêu Hai người phụ nữ tạo thuận lợi mặt vật chất, giúp chuyên tâm vào công việc nghiên cứu, điều động viên hoàn thành luận văn Tp Hồ chí Minh, tháng năm 2005 Người thực Trần Kỳ Hải TÓM TẮT Cùng với phát triển khoa học kỹ thuật thiết bị điện tử ngày ứng dụng rộng rãi lónh vực công nghiệp dân dụng Việc sử dụng nhiều thiết bị điện tử vài thập kỷ gần tạo sóng hài hàng loạt vấn đề ảnh hưởng tới chất lượng điện Hậu làm tăng tổn thất hệ thống truyền tải phân phối, gây hỏng hóc không đáng có cho thiết bị điện Nghiêm trọng hệ thống công nghiệp, gây nhiễu làm gián đoạn dây chuyền sản xuất, gây thiệt hại nhiều mặt kinh tế Giám sát chất lượng điện trở thành mục tiêu sống công ty cung cấp mà luật bảo vệ khách hàng dùng điện triển khai Việc nhận dạng phân loại nhiễu điện áp trở nên quan trọng công tác vận hành hệ thống điện Công việc phát phân loại cố hệ thống điện từ trước tiến hành thủ công, quan sát mắt thường dạng sóng ghi Do cần thiết phải xây dựng phương pháp nhận dạng tự động làm việc xác tin cậy Mục tiêu luận văn xây dựng giải thuật cho phép tự động phân tích nhận dạng nhiễu điện áp trồi/sụt điện áp, điện thoáng qua, méo dạng sóng hài, độ điện áp đóng-cắt tụ bù, điện áp chập chờn Giải thuật phát triển dựa vào tiến gần lónh vực xử lí tín hiệu nhận dạng mẫu Trong tương lai giải thuật phục vụ hai mục đích, bảo vệ hệ thống điện thời gian thực tiến hành thống kê liệu chất lượng điện thực tế Giải thuật luận văn tiến hành theo trình tự sau Đầu tiên, dạng sóng tạo từ máy tính Tiếp theo, tiến hành phân tích Wavelet dạng sóng áp dụng định lý Parseval tính lượng méo dạng phân bố mức phân tích Kế tiếp xây dựng đặc tuyến độ lệch lượng cho dạng sóng Cuối áp dụng trí khôn nhân tạo để nhận dạng phân loại dạng sóng dựa đặc tuyến vừa có Ưu điểm giải thuật cấu trúc đơn giản, tốc độ nhận dạng nhanh, xác suất nhận dạng thành công cao Toàn chương trình viết trình biên dịch MATLAB 6.5 có hỗ trợ từ Toolbox Wavelet Neural Với thành công giải thuật hứa hẹn xây dựng phần mềm cài máy tính giám sát trung tâm, hay máy tính xách tay cho phép kỹ thuật viên truy cập trực tiếp vào thiết bị đầu cuối, từ đưa giải pháp nhanh chóng hiệu MỤC LỤC CHƯƠNG 1: GIỚI THIỆU 1.1 TÌNH HÌNH CHUNG: 1.2 CÁC NỀN TẢNG KỸ THUẬT : 1.2.1 Phân tích wavelet: .3 1.2.2 Mạng nơrôn: 1.3 TÓM TẮT NỘI DUNG LUẬN VĂN: CHƯƠNG 2: MỘT SỐ NHIỄU ĐIỆN ÁP GIẢI THUẬT NHẬN DẠNG .11 2.1 SỤT ĐIỆN ÁP : 11 2.2 TROÀI ĐIỆN ÁP : 13 2.3 MẤT ĐIỆN: 13 2.4 SÓNG HÀI : .14 2.5 ĐIỆN ÁP CHẬP CHỜN : .15 2.6 QUÁ ĐỘ ĐIỆN ÁP DO ĐÓNG-CẮT TỤ BÙ : .16 2.7 GIẢI THUẬT PHÂN TÍCH VÀ NHẬN DẠNG: .18 CHƯƠNG 3: PHÂN TÍCH WAVELET NHIỀU MỨC VÀ THIẾT LẬP ĐẶC TÍNH CỦA DẠNG SÓNG TRÊN CƠ SỞ NĂNG LƯNG 19 3.1 BIẾN ĐỔI WAVELET 19 3.1.1 Nguyên lý bất định Heisenberg: .19 3.1.2 Phép biến đổi wavelet cho hàm liên tục: 22 3.1.3 Phép biến đổi wavelet rời rạc: 24 3.1.4 Phân tích nhiều mức 26 3.1.5 3.2 Toång hợp tín hiệu 29 ĐỊNH LÝ PASERVAL .35 CHƯƠNG 4: ĐẶC TUYẾN ĐỘ LỆCH NĂNG LƯNG VÀ HỆ THỐNG PHÂN LOẠI DÙNG MẠNG NƠRÔN XÁC SUẤT .37 4.1 ĐẶC TUYẾN ĐỘ LỆCH NĂNG LƯNG: .37 4.2 MẠNG NƠRÔN XÁC SUẤT: 39 4.2.1 Một số ứng dụng thành coâng: 39 4.2.2 Sơ lược cách thức làm việc mạng nơrôn xác suất: 40 4.2.3 Cơ sở toán học: 41 4.3 CẤU TRÚC MẠNG TRONG Neural Toolbox MATLAB 6.5: 44 CHƯƠNG 5: KẾT QUẢ NGHIÊN CỨU .46 5.1 TẠO DẠNG SÓNG: .46 5.2 CÁC DẠNG SÓNG: .48 5.3 ĐẶC TUYẾN NĂNG LƯNG MÉO DẠNG: 54 5.4 ĐẶC TUYẾN ĐỘ LỆCH NĂNG LƯNG: .58 5.5 MỘT SỐ KẾT QUẢ HỖN HP: .63 CHƯƠNG 6: KẾT LUẬN KIẾN NGHỊ 67 6.1 KẾT LUẬN: .67 6.2 KIẾN NGHỊ: 68 DANH SÁCH CÁC HÌNH VẼ VÀ BẢNG BIỂU Hình 1.1 Đề cương luận văn 10 Hình 2.1 Sụt áp chạm đất pha 11 Hình 2.2 Sụt áp mở máy 12 Hình 2.3 Sụt áp đóng tải 12 Hình 2.4 Trồi điện áp chạm đất hệ thống trung tính cách ly 13 Hình 2.5 Mất điện máy cắt đầu cực mở 14 Hình 2.6 Dòng điện đo đầu thiết bị điều khiển động .14 Hình 2.7 Dòng điện phổ biên ñoä .15 Hình 2.8 Hình dạng điện áp lò luyện kim 16 Hình 2.9 Dạng sóng điện áp trình đóng tụ 17 Hình 2.10 Giải thuật phân tích nhận dạng 18 Hình 3.1 Mặt phẳng tần số–thời gian với phương pháp phân tích khác .21 Hình 3.2 Mexican hat wavelet .22 Hình 3.3 Minh họa biểu diễn dạng sóng qua gói xấp xỉ chi tiết 28 Hình 3.4 Minh họa cách phân tích thành hệ số xấp xỉ chi tiết qua lọc lấy mẫu giảm 29 Hình 3.5 Sóng tỉ lệ sóng wavelet Daubechies (db4) 30 Hình 3.6 Sơ đồ phân tích wavelet thuận, nghịch 30 Hình 3.7 Dạng sóng đóng-cắt tụ tổng hợp qua chi tiết xấp xỉ mức 31 Hình 3.8 Sụt điện áp dạng sóng mức phân tích 32 Hình 3.9 Sóng hài dạng sóng mức phân tích 33 Hình 3.10 Năng lượng méo dạng dạng sóng tiêu biểu; (a) – sin; (b) – sụt điện áp; (c) – trồi điện áp; (d) – điện thoáng qua; (e) – đóng cắt tụ bù; (f) – méo dạng sóng hài; (g) – điện áp chập chờn .36 Hình 4.1 Đặc tuyến std-MRA dạng sóng .37 Hình 4.2 Mô tả cách thiết lập đặc tuyến độ lệch lượng .39 Hình 4.3 Mô tả phương thức phân loại mẫu 41 Hình 4.4 Cấu trúc mạng nơrôn xác suất 43 Hình 4.5 Cấu trúc mạng nơrôn xác suất Neural Toolbox 44 Hình 4.6 Hàm chuông radbas .44 Hình 4.7 Hàm lược compet 45 Hình 5.1 Sụt điện áp 48 Hình 5.2 Trồi điện áp .49 Hình 5.3 Đóng – cắt tụ 50 Hình 5.4 Mất điện thoáng qua .51 Hình 5.5 Méo dạng sóng hài .52 Hình 5.6 Điện áp chập chờn 53 Hình 5.7 Đặc tuyến std-MRA dạng sóng sụt điện áp .54 Hình 5.8 Đặc tuyến std-MRA dạng sóng trồi điện áp 54 Hình 5.9 Đặc tuyến std-MRA đóng-cắt tụ bù 55 Hình 5.10 Đặc tuyến std-MRA điện thoáng qua 55 Hình 5.11 Đặc tuyến std-MRA méo dạng sóng hài 56 Hình 5.12 Đặc tuyến std-MRA điện áp chập chờn 56 Hình 5.13 Đặc tuyến std-MRA tiêu biểu dạng sóng 57 Hình 5.14 Họ đặc tuyến độ lệch lượng sụt điện áp 58 BK HCM BỘ MÔN HỆ THỐNG ĐIỆN 60 % -50 % 10 (c) (d) % 10 (f) (e) 50 0 % 10 10 12 0 50 10 10 12 % 10 12 10 12 -50 12 % -50 12 (h) 50 (g) % -50 12 50 -50 50 -50 -50 12 50 -50 % 50 (b) (a) 50 Các mức phân tích Các mức phân tích Hình 5.18 Họ đặc tuyến độ lệch lượng méo dạng sóng hài % -20 10 % 10 (f) (e) % 10 20 0 10 12 Các mức phân tích 10 12 % 10 12 10 12 10 12 -20 12 (h) (g) 20 -20 20 % -20 12 20 -20 20 -20 -20 12 (d) (c) 20 % % 20 (b) (a) 20 % -20 Các mức phân tích Hình 5.19 Họ đặc tuyến độ lệch lượng điện áp chập chờn Người thực hiện: K.S Trần Kỳ Hải BK HCM BỘ MÔN HỆ THỐNG ĐIỆN 61 % (a) 0.2 -0.2 % 10 12 -20 10 10 0 20 Các mức phân tích 10 12 % 10 12 10 12 10 12 -50 12 -50 50 (g) % -50 12 50 (f) % (e) (d) 20 -20 % 50 (c) (b) 20 % -20 Caùc mức phân tích Hình 5.20 Đặc tuyến độ lệch lượng dạng sóng vẽ chồng lên nhau; (a) – sin; (b) – sụt điện áp; (c) - trồi điện áp; (d) –đóng cắt tụ bù; (e) –mất điện thoáng qua; (f) – méo dạng sóng hài; (g) – điện áp chập chờn Nhận xét: Kết (hình 5.20 –g) cho thấy độ lệch lượng mức điện áp chập chờn âm, giá trị cực tiểu rơi vào mức tám Trong đó, dạng sóng trồi điện áp (hình 5.20 - c) có độ lệch lượng cực đại mức tám, giá trị độ lệch mức nằm mặt phẳng dương Quá độ điện áp đóng-cắt tụ (hình 5.20 - d) có mức cực đại bốn năm Méo dạng sóng hài (hình 5.20 - f) tập trung năm hay sáu, giá trị tuyệt đối mức sáu lớn 4, trị tuyệt đối mức sáu độ điện áp đóng-cắt tụ xấp xỉ giá trị không (0,15) Đây dấu hiệu nhận biết hai dạng sóng Người thực hiện: K.S Trần Kỳ Hải BK HCM 62 BỘ MÔN HỆ THỐNG ĐIỆN có độ lệch lượng cực đại mức năm Chỉ có hai số bảy đặc tuyến gây nhầm lẫn sụt điện áp (hình 5.20 - b) điện (hình 5.20 - e) Tuy nhiên, khác biệt coi không đáng kể ta xem xét mức bốn năm Từ ta có phương thức xử lý đầu vào cho mạng nơrôn, cách thứ lấy chuẩn giá trị đặc tuyến ý đến dấu cực tiểu mức Khi việc nhận dạng tìm quanh giá trị [-1, +1] mức giá trị xấp xỉ mức Cách thứ hai đặt ngưỡng giá trị 11 nơrôn đầu vào, ý đến nơrôn 4, 5, 6, 8, Ghi nhận giá trị đặc tuyến xuất vị trí ta đảm bảo cho mạng làm việc xác Hình 5.21 Họ đặc tuyến độ lệch lượng dạng sóng Người thực hiện: K.S Trần Kỳ Hải BK HCM 63 5.5 MỘT SỐ KẾT QUẢ HỖN HP: Hình 5.22 Phân tích cho sóng điện áp chuẩn Hình 5.23 Phân tích cho trồi điện áp Người thực hiện: K.S Trần Kỳ Hải BỘ MÔN HỆ THỐNG ĐIỆN BK HCM 64 Hình 5.24 Phân tích cho sụt điện áp Hình 5.25 Phân tích cho đóng-cắt tụ bù Người thực hiện: K.S Trần Kỳ Hải BỘ MÔN HỆ THỐNG ĐIỆN BK HCM 65 Hình 5.26 Phân tích cho điện thoáng qua Hình 5.27 Phân tích cho méo dạng sóng hài Người thực hiện: K.S Trần Kỳ Hải BỘ MÔN HỆ THỐNG ĐIỆN BK HCM BỘ MÔN HỆ THỐNG ĐIỆN 66 Hình 5.28 Phân tích cho điện áp chập chờn Bảng 1: Kết phân tích cho tập hợp khác Thể loại Sin Sag Swell CS MI Har Flic Saisố % Số lượng 25 4 4 4 1(Sag) 96 50 8 8 8 100 100 20 12 16 20 16 14 100 150 40 20 60 20 100 300 100 25 40 80 30 25 100 CS: Capacitor Switching MI: Momentary Interruption Har: Harmonic Flic: Flicker Người thực hiện: K.S Trần Kỳ Hải BK HCM 67 BỘ MÔN HỆ THỐNG ĐIỆN CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ 6.1 KẾT LUẬN: Chất lượng điện trở thành mối quan tâm lớn từ phía nhà cung cấp lẫn khách hàng dùng điện Đối với khách hàng, thiệt hại kinh tế không đảm bảo chất lượng điện áp lớn sửa chữa, thay thiết bị điện, phế phẩm Còn nhà cung cấp, nhiễu hệ thống điện làm giảm doanh thu ngành Việc nhận dạng phân loại cố dòng điện điện áp nhu cầu cấp thiết nhà cung cấp khách hàng dùng điện Hiện số phần mềm phần cứng đảm đương công việc với độ tin cậy xác cao Do việc đưa phương pháp nhận dạng phân loại tự động hữu ích cho công tác vận hành Luận văn đề giải thuật nhận dạng phân loại dạng nhiễu điện áp khác nhau, dựa thành tựu gần lónh vực xử lý tín hiệu kỹ thuật nhận dạng Mục tiêu đề luận văn nhận dạng xác, tin cậy tiến gần đến đáp ứng tức thời Thành công luận văn ởø việc kết hợp thuật toán Wavelet với mạng nơrôn, ưu điểm giải thuật chỗ giảm bớt số đặc điểm nhận dạng cho kiểu sóng Suyra Santoso dùng tới 25 nơrôn nhóm đầu vào tương ứng với 25 đặc điểm nhận dạng, Zwe-Lee Gaing dùng 14 nơrôn thông số thời gian cố đặc điểm nhận dạng Còn với giải thuật dùng 11 nơrôn, thực số đủ để nhận dạng Theo giải thuật này, yêu cầu phần cứng cho máy tính không cần cao, thời gian tính toán nhỏ gần tức thời Kinh nghiệm cho thấy việc nhận dạng kiểu sóng tỏ Người thực hiện: K.S Trần Kỳ Hải BK HCM 68 BỘ MÔN HỆ THỐNG ĐIỆN có hiệu ta khảo sát tập mẫu đủ lớn Điều mở khả ứng dụng thực tiễn với thiết bị ghi-đo kỹ thuật số 6.2 KIẾN NGHỊ: Như trình bày phần mở đầu chương 5, dạng sóng xem đảm bảo tần số 50 Hz Để giải thuật ứng dụng vào thực tế ta phải lường trước trường hợp tần số hệ thống thay đổi, điện áp có biên độ khác định mức, có nhiều cố xảy chiều dài 15 chu kỳ Ta khắc phục điều cách sau Trước tiên sử dụng wavelet db4 phân tích sơ để phân đoạn cố hình 5.24 – 5.26, thông tin cố xuất CT1 Bước sử dụng db6, db20, Gauss, hay wavelet có khả phân tích tần số tốt để trích tần số hệ thống Điều quan trọng tạo lại dạng sóng sin có tần số vừa phân tích Tiến hành thiết lập đặc tuyến theo giải thuật cũ phân đoạn, ta có chuỗi đặc tuyến nối tiếp Cuối cùng, việc phân loại sử dụng lôgic mờ, hay kết hợp nơrôn với lôgic mờ Toàn giải thuật minh họa hình 6.1 Người thực hiện: K.S Trần Kỳ Hải BK HCM BỘ MÔN HỆ THỐNG ĐIỆN 69 ïn g Da ùng so Dùng db4, tìm khoảng đột biến Dùng db6 db20, trích tần số Phân tích chặng Đo trị hiệu dụng điện áp Tạo lại sóng sin Tính lượng méo dạng cho mức chặng Thiết lập đặc tuyến độ lệch lượng chặng Xây dựng hệ thống luật cho Fuzzy Logic hay ANFIS Hệ thống nhận dạng phân loại dùng Fuzzy Logic hay ANFIS Hình 6.1 Giải thuật nhận dạng phân loại đề nghị Người thực hiện: K.S Trần Kỳ Hải TÀI LIỆU THAM KHẢO [1] Zwe-Lee Gaing, “Wavelet-Based Neural Network for Power Disturbance Recognition and Classification”, IEEE Transactions on Power Delivery, vol.19, pp.1560 – 1568, Oct 2004 [2] S Santoso, E J Powers, W V Grady, and A C Parsons, “Power Quality Disturbance Waveform Recognition Using Wavelet-Based Neural Classifier – Part 1: Theoritical Foundation”, IEEE Transactions on Power Delivery, vol 15, pp.222-228, Jan.2000 [3] S Santoso, E J Powers, W V Grady, and A C Parsons, “Power Quality Disturbance Waveform Recognition Using Wavelet-Based Neural Classifier – Part 2: Application”, IEEE Transactions on Power Delivery, vol 15, pp.229235, Jan.2000 [4] A M Gaouda, M M A Satama, M R Sultan, A Y Chikhani “Power Quality Detection and Classification using Wavelet-Multiresolution Signal Decomposition”, IEEE Transactions on Power Delivery, vol 14, No.4, pp.1469-1475, Oct 1999 [5] Resende, J.W., Chaves., Pena, C “Identification of power quality disturbances using the MATLAB wavelet transform toolbox”, Universidade Federal de Uberlandia (MG) – Brazil [6] Roger C Dugan, Mark F McGranaghan, H Wayne Beaty, “Electrical Power Systems Quality”, Neu York: McGraw-Hill, 1996 [7] George W Pan, “Wavelets in Electromanegtics and Device Modeling”, Willey Interscience [8] S Santoso, E J Powers, W V Grady, and Peter Hofmann, “Power Quality Assessment Via Wavelet Transform Analysis”, IEEE trans Power Delivery, vol 11, No.2, pp.924-930, Apr 1996 [9] S Santoso, E J Powers, W V Grady, “Power Quality Disturbance Data using Wavelet Transform Methods”, IEEE Transactions on Power Delivery, vol 12, No.3, pp.1250-1256, July 1997 [10] T.K Sarkar, C Su, R Adve, M Salazar-Palma, L Garcia-Castillo, Rafael R Boix, “An Tutorial on Wavelets from an Electrical Engineering Perspective, Part 1: Discrete Wavelet Techniques”, IEEE Antennas and Propagation Magazine, vol 40, No 5, pp 49 – 70, October 1998 [11] Min Wang, “Automatic Recognition of Power Quality Disturbances”, Master of Science Thesis, University of Washington, 2001 [12] J Chung, E Power, W Grady, and S Bhatt, “Electric Power Transient Disturbance Classification Using Wavelet-Based Hidden Markov Models”, in Proceedings of 2000 IEEE International Conference on Acoustics, Speech, and Signal Processing ICASSP’00, pp 3663 – 3665, June 2000 [13] A W Galli, G T Heydt, and P F Ribeiro, “Exploring the Power of Wavelet Analysis”, IEEE Computer Applications in Power, vol 9, pp 37 – 41, Oct 1996 [14] G T Heydt and A W Galli, “Transient Power Quality Problems Analyzed using Wavelet”, IEEE Transacations on Power Delivery, vol 12, pp 980 – 915, Apr 1997 [15] D C Robertson, O I Camps, J S Mayer, and W B Gish, “Wavelets and Electromagnetic Power System Transients”, IEEE Transactions on Power Delibery, vol 11, pp 1050 – 1058, Apr 1996 [16] V M Reddy and S S Rao, “Wavelets For Detection And Analysis Of Power System Transients”, Signal, Systems & Computer, 1998, vol 2, pp 1406 – 1410, Nov 1998 [17] B Perunicic, M Mallini, Z Wang, and Y Liu, “Power Quality Disturbance Detection and Classification Using Wavelet and Artifial Neural Networks”, in 8th International Conference on Harmonics and Quality of Power Proceedings, vol 1, pp 77 – 82, Oct 1998 [18] M Karimi, H Mokhtari, and M Iravani,”Wavelet Based On-Line Disturbance Detection For Power Quality Applications”, IEEE Transactions on Power Delivery, vol 15, pp 1212 – 1220, Oct 2000 [19] V L Pham and K P Wong, “Wavelet-Transform-Based Algorithm For Harmonic Analysis Of Power System Waveforms”, IEE Proceedings of Generation, Transmition, and Distribution, vol 146, pp 149 – 254, May 1999 [20] J Wang, Q Ran, F Wang, and Y Ji, “Time-Varying Transient Harmonics Measurement Based On Wavelet Transform”, Procedings of Power System Technology, vol 2, pp 1556-1559, Aug 1998 [21] Omer Nezih Gerek,” – D Analysis and compression of power quality event data”, in IEEE Transactions on Power Delivery, vol 19, no 2, pp 791-798, Apr 2004 [22] Effrina Yanti Hamid and Zen-Ichiro Kawasaki, “Wavelet-Based Data Compression of Power System Diaturbances Using the Minimum Description Length Criterion”, IEEE Transactions on Power Delivery, vol 17, no.2, pp 460 – 466, Apr 2002 [23] S Huang, C Hseih, and C Huang, “Application of Morlet Wavelets to supervise Power System Disturbances”, IEEE Transactions on Power Delivery, vol 14, pp 235 – 243, Jan 1999 [24] J Momoh and D T Rizy, “Application of wavelet Theory to Power distribution System for Fault Detection”, Intelligent System Applications to Powwer Systems, vol 1, pp 345 – 350, Jan 1996 [25] S Huang and C Hsieh, “High-Impedance Fault Detection utilizing a Morlet Wavelet Transform Aproach”, IEEE Transaction on Power Delivery, vol 14, pp 1401 – 1410, Oct 1999 [26] Y Xia and L Qi, “High-Impedance Fault Detection utilizing a Morlet Wavelet Transform Aproach”Proceedings of Energy Management and Power Delivery, vol 14, pp 417 – 421, Mar 1998 [27] C Zhang, Y Huang, W Lu, and G Wang, “A New Approach to Detect Transformer Inrush Current by Applying Wavelet Transform”, Power System Technology, vol 2, pp 1040 – 1044, Aug 1998 [28] A V Mamishev, B D Russell, and C L Benner, “Analysis of High Impedance Faults using Fractals Techniques”, IEEE Transactions on Power Systems, vol 11, pp 435 – 440, Feb 1996 [29] C L Benner and B D Russell, “Practical High-Impedance Fault Detection on Distribution Feeders”, IEEE Transacations on Industry Applications, vol 33, pp 635 – 640, May 1997 [30] A M Stankovic and E A Marengo,”A Dynamic Characterization of Power Harmonics using Markov Chains”, IEEE Transactions on Power Systems, vol 13, pp 442 – 448, May 1998 [31] Simon Haykin, “Neral Networks a Comprehensive Foundation”, Prentice Hall, 1994 [32] Tharam s Dillon and Dagmar Niebur, “Neural Networks Application in Power Systems”, CRC Publishing Ltd, London, 1996 [33] Ingrid Daubechies, “Tenlectures on Wavelet”,CBMS-NSF Regional Conference Series in Applied Mathematics, Philadelphia, SIAM, 1992 [34] Moisés Gómez-Morante, Denise W Nicoletti, “A Wavelet-based Differential Transformer Protection”, IEEE Transaction on Power Delivery, vol 14, no 4, pp.1351 – 1357, Oct 1999 [35] Debangshu Sadhukhan, Dr Carl Moore, “Online Terrain Estimation using Internal Sensor”, Proceedings of Florida Conference on Recent Advances in Robotics(FCRAR), May 2003, Boca Raton, Florida 33431 [36] Emad W Saad, Danil V Prokhorov, and Donald C Wunsch, “Comparative Study of Stock Trend Prediction using Time Delay, Recurrent and Probabilistic Neural Networks”, IEEE Transactions on Neural Networks, vol 9, no 6, pp 1456 – 1470, Nov 1998 LÝ LỊCH TRÍCH NGANG Họ tên: Trần Kỳ Hải Ngày, tháng, năm sinh: 10 – 06 – 1980 Nơi sinh : Tp Buôn Ma Thuột, Tỉnh Đắk Lắk Địa liên lạc: 377/21 CMT8, F 12, Q 10, Tp Hồ Chí Minh ĐT: (08)8657682 QUÁ TRÌNH ĐÀO TẠO: Từ năm 1998 2003, theo học hệ quy Trường Đại Học Bách Khoa Tp Hồ Chí Minh Ngành Hệ Thống Điện Từ năm 2003 nay, theo học Cao Học ngành Thiết Bị Mạng Nhà Máy Điện trường PHỤ LỤC Công trình đăng kỷ yếu Hội Nghị Khoa Học Trẻ Bách Khoa lần thứ (27/5/2005), chấp nhận đăng tạp chí Khoa Học Công Nghệ Môi Trường Hiện công trình duyệt diễn đàn IPEC2005 – Singapore, Hội Nghị Khoa Học Công Nghệ Lần tổ chức Đại Học Bách Khoa Tp Hồ Chí Minh từ (11-12/10/2005) Mọi thông tin cần biết liên hệ với tạp chí Khoa Học Công Nghệ Môi Trường theo địa sau: 70 Trần Hưng Đạo, Tp Hà Nội; ĐT: (04)9422825 email: khcn@isi.ac.vn ... cho vấn đề nhận dạng phân loại nhiễu chất lượng điện năng, đặc biệt trình tìm tính chất Khi áp dụng phân tích wavelet cho tín hiệu điện áp hay dòng điện, thành phần nhiễu giữ lại hệ số wavelet mức... gian phương pháp bình phương cực tiểu Tiếp theo mạng n? ?rôn tổng hợp liệu phân tích đưa kết luận loại cố muôn vàn cố khác Wavelet ứng dụng việc phát cố mạng phân phối Giải thuật dùng wavelet để trích... xung tính thời gian gây nhiễu loại trường hợp sụt điện áp, điện Việc huấn luyện mạng n? ?rôn để nhận dạng trường hợp lại phức tạp, với giải thuật biểu theo đa số nhóm n? ?rôn (Voting Scheme) hay