Ứng dụng warelet kết hợp mạng neuron nhân tạo trong nhận dạng dòng điện xung kích mba lực

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA -O0O - TRẦN QUỐC BẢO ỨNG DỤNG WAVELET KẾT HỢP MẠNG NƠRON NHÂN TẠO TRONG NHẬN DẠNG DỊNG XUNG KÍCH MBA LỰC CHUN NGÀNH : MẠNG & HỆ THỐNG ĐIỆN MÃ SỐ NGÀNH : 2.06.07 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH 10 - 2006 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH Cán hướng dẫn khoa học : TIẾN SĨ NGUYỄN HỮU PHÚC Cán chấm nhận xét 1: ……………………………………………………………………………………………….………………………………………… Cán chấm nhận xét 2: ……………………………………………………………………………………………….………………………………………… Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA THÀNH PHỐ HỒ CHÍ MINH Ngày ……… Tháng ……… năm 2006 ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA o0o Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam Độc Lập – Tự Do – Hạnh Phúc o0o NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên : Trần Quốc Bảo Ngày tháng năm sinh: 09 - 12 - 1981 Chuyên Ngành : Mạng Và Hệ Thống Điện Mã Số : 2.06.07 Phái : Nam Nơi Sinh : TP Đà Nẵng I Tên đề tài : ỨNG DỤNG WAVELET KẾT HỢP MẠNG NƠRON NHÂN TẠO TRONG NHẬN DẠNG DỊNG XUNG KÍCH MBA LỰC II Nhiệm vụ nội dung : Tìm hiểu dịng từ hố tăng vọt dịng cố máy biến áp Tìm hiểu lý thuyết Wavelet ứng dụng Wavelet mạng Nơron hệ thống điện Ứng dụng phép biến đổi Wavelet kết hợp mạng Nơron vào toán tự động hoá nhận dạng dịng dung kích dịng cố MBA III Ngày giao nhiệm vụ : 09 – 02 – 2006 IV Ngày hoàn thành : 06 – 10 – 2006 V Họ tên CB hướng dẫn : Tiến Sĩ NGUYỄN HỮU PHÚC Cán Bộ Hướng Dẫn Chủ Nhiệm Ngành Bộ Môn Quản Lý Ngành - - - Nội dung đề cương luận văn thạc sĩ hội đồng chuyên ngành thông qua Phòng Đào Tạo SĐH Ngày …… tháng …… Năm 2004 Khoa Quản Lý Ngành LỜI CẢM ƠN Trước hết, tơi xin trân trọng bày tỏ lịng biết ơn sâu sắc đến Thầy Nguyễn Hữu Phúc, người tận tình trực tiếp hướng dẫn tơi thực hồn thành luận án tốt nghiệp Xin chân thành cám ơn đến tất q Thầy, Cơ Trừơng Đại Học Bách Khoa đặc biệt Thầy Cô Khoa Điện - Điện tử Tôi xin gởi lời cảm ơn chân thành đến gia đình, bạn bè đồng nghiệp Cơng ty Điện lực TP Hồ Chí Minh tạo điều kiện giúp đỡ cho nhiều, cho niềm tin nỗ lực cố gắng để hoàn thành luận án TP.Hồ Chí Minh , tháng 10 năm 2006 Người thực Trần Quốc Bảo MỤC LỤC Chương LÝ THUYẾT VỀ DỊNG XUNG KÍCH VÀ DỊNG SỰ CỐ TRONG MÁY BIẾN ÁP DỊNG XUNG KÍCH TRONG MÁY BIẾN ÁP 1.1 Giới thiệu dịng xung kích 1.2 Đặc điểm dịng xung kích 1.3 Dịng xung kích cấp nguồn cho MBA 1.4 Khảo sát trường hợp đóng MBA khơng tải 1.4.1 Máy biến áp pha 1.4.2 Máy biến áp ba pha DÒNG SỰ CỐ BÊN TRONG MÁY BIẾN ÁP 14 Chương LÝ THUYẾT WAVELET VÀ MẠNG NƠRON GIỚI THIỆU VỀ WAVELET 1.1 15 Biến đổi Fourier 1.1.1 Biến đổi Fourier thời gian ngắn 18 1.1.2 Biến đổi Fourier rời rạc 19 1.2 Phân tích Wavelet 20 1.2.1 Các khả biến đổi wavelet 21 1.2.2 Cơ biến đổi wavelet 23 1.2.3 Biến đổi wavelet liên tục 24 1.2.4 Năm bước đơn giản biến đổi wavelet liên tục 25 1.2.5 Cơ sở toán học phép biến đổi wavelet 28 1.2.6 Phân tích đa phân giải( MRA-Multiresolution Analysis) 30 1.2.7 Mơ tả toán học biến đổi Wavelet liên tục 31 1.2.8 Mơ tả tốn học biến đổi Wavelet rời rạc 32 GIỚI THIỆU VỀ MẠNG NƠRON 32 2.1 Mạng Nơron 34 2.2 Cấu tạo Nơron 34 2.2.1 Nơron có đầu vào đơn giản 2.3 Cấu trúc mạng Nơron 34 37 2.3.1 Mạng Nơron lớp 37 2.3.2 Mạng Nơron nhiều lớp 38 2.4 Quá trình học mạng 39 2.5 Phân loại mạng Nơron 40 2.5.1 Phân loại theo cấu trúc 40 2.5.2 Phân loại theo thuật toán huấn luyện 40 Chương CÁC PHẦN MỀM SỬ DỤNG PHẦN MỀM MÔ PHỎNG QUÁ ĐỘ ATP-EMTP 41 1.1 ATPDraw 41 1.2 Chương trình vẽ PlotXY 45 1.3 GTTPLOT 47 1.4 ATP Control Center (ATPCC) 48 PHẦN MỀM MATLAB 50 2.1 Wavelet Toolbox Matlab 51 2.2 Neural Network Toolbox Matlab 51 Chương THỰC HIỆN MƠ PHỎNG DỊNG ĐIỆN TRÊN ATP-EMTP MƠ PHỎNG CÁC DÒNG ĐIỆN TRÊN ATP - EMTP 52 1.1 Kết mơ ATP-EMTP dịng xung kích 53 1.2 Kết mơ ATP-EMTP dịng cố MBA Y/Y, sơ cấp nối đất trực tiếp 56 CHUYỂN DỮ LIỆU TỪ ATP-EMTP SANG MATLAB 57 Chương PHÂN TÍCH WAVELET KẾT HỢP MẠNG NEURON NHẬN DẠNG DỊNG XUNG KÍCH VÀ DỊNG SỰ CỐ TRONG MÁY BIẾN ÁP ỨNG DỤNG KỸ THUẬT WAVELET PHÂN TÍCH DỊNG ĐIỆN XUNG KÍCH VÀ SỰ CỐ TRONG MÁY BIẾN ÁP 59 PHƯƠNG PHÁP GIẢI QUYẾT BÀI TOÁN 60 NHẬN DẠNG CÁC TRƯỜNG HỢP VỚI DỊNG XUNG KÍCH VÀ DỊNG SỰ CỐ 64 3.1 Các trường hợp dịng dung kích 64 3.2 Các trường hợp dịng cố 73 NHẬN XÉT 78 Chương CHƯƠNG TRÌNH NHẬN DẠNG THỰC HIỆN TRÊN MATLAB Phần phụ lục Tài liệu tham khảo 80 Chương 1- Dòng xung kích dòng cố MBA DỊNG XUNG KÍCH VÀ DỊNG SỰ CỐ TRONG MÁY BIẾN ÁP DỊNG XUNG KÍCH TRONG MÁY BIẾN ÁP 1.1 Giới thiệu dịng xung kích Máy biến áp thiết bị quan trọng hệ thống điện.Vì bảo vệ máy biến áp vấn đề quan tâm Dòng điện xung kích dịng điện xuất vào thời điểm đóng máy biến áp khơng tải Dịng điện dịng điện từ hố máy biến áp(MBA) q trình q độ, khó nhận biết phân tích xác Tuỳ thuộc vào thời điểm đóng MBA, dịng điện xung kích có giá trị lớn (gấp nhiều lần dòng định mức), dễ nhầm lẫn với dịng ngắn mạch, gây tượng cắt nhầm máy cắt hay rơle Gía trị đỉnh dịng điện xung kích phụ thuộc vào điều kiện vận hành MBA, góc pha điện áp đóng cắt ban đầu từ dư lõi từ MBA Nguyên nhân làm cho dịng xung kích có giá trị cao sai lệch từ dư lõi từ máy biến áp từ thông xác thời thời điểm đóng nguồn điện áp vào máy biến áp 1.2 Đặc điểm dịng xung kích Khi đóng vào khơng tải máy biến áp, dịng điện ban đầu lớn vượt q dịng từ hố khơng tải dòng điện máy biến áp làm việc đầy tải Khi đóng điện khơng tải máy biến áp gây từ thông không đối xứng lớn bão hòa mạch từ máy biến áp Sự bão hịa tạo dịng điện khơng đối xứng có biên độ lớn với nhiều sóng hài dịng điện chiều cao Nguyên nhân tạo dòng xung kích giải thích dạng đặc tuyến đường cong từ hóa máy biến áp cho hình( cao so với dịng điện chế độ vận hành bình thường đối xứng) Giá trị ban đầu dịng xung kích chủ yếu phụ thuộc giá trị điện áp mà máy biến áp đóng điện vào Nó phụ thuộc phần vào biên độ cực từ dư máy biến áp cịn lại mạch từ lần ngắt trước Chương 1- Dòng xung kích dòng cố MBA Hình 1.1 Từ thơng dư phụ thuộc vào đặc tính vật liệu mạch từ, khe hở khơng khí, máy cắt, đặc tính xén lượng tụ nối vào máy biến áp.( Như cho hình 1.2) Ngay thời điểm đóng vào, điện áp 0, từ thông lớn đỉnh từ thông độ gấp nhiều hai lần từ thơng lúc bình thường gây dịng điện khơng đối xứng có biên độ cao Hình 1.2 Đối với hệ thống điện, tượng dịng xung kích tăng vọt làm cho rơle tác động nhầm dẫn đến hệ thống vận hành sai, ổn định, … Chính cần quan tâm đến việc phân tích thiết kế vận hành bảo vệ Chương 1- Dòng xung kích dòng cố MBA 1.3 Dịng xung kích cấp nguồn cho MBA Khảo sát tượng dịng xung kích tăng vọt MBA xảy đóng MBA vào lưới điện lúc khơng tải Xét quan hệ dịng xung kích im, từ thơng φ , đặc tính phi tuyến từ trễ (hysteresis) lõi thép MBA có ảnh hưởng lớn đến dịng q độ mơ xác mơ hình MBA Qua số nghiên cứu nhiều tác giả cho thấy, ảnh hưởng từ dư chu kỳ đóng MBA lớn nhất, giá trị dòng tăng vọt lớn giảm dần chu kỳ sau, đến chu kỳ thứ 10 gần phẳng Trong này, tiến hành mô lấy kết khảo sát chu kỳ đầu Khi MBA làm việc khơng tải, dịng điện không tải Io nhỏ không vượt 10% Iđm Nhưng q trình q độ đóng MBA khơng tải vào lưới điện Io tăng gấp nhiều lần dịng điện định mức MBA mơ cuộn kháng trạng thái xác lập, từ thơng cảm ứng lõi tỷ lệ với dịng xung kích lệch 90o với điện áp đưa vào Xem xét mơ hình MBA có lõi sắt từ sau: Hình 1.3: Sơ đồ đóng MBA vào lưới điện lúc khơng tải Giả sử đóng MBA vào nguồn điện áp hình sin, ta có phương trình cân sức điện động: U 1m sin(ωt + ψ ) = i r1 + w1 dφ dt (1) Trong ψ - góc pha điện áp lúc đóng mạch Quan hệ φ Io MBA quan hệ đường cong từ hố, để việc tính tốn đơn giản, ta giả thiết từ thơng tỉ lệ với dịng điện io, nghĩa : i0 = w1φ L1 Trong điện cảm dây quấn sơ cấp L1 số phương trình (1) có dạng: U 1m r dφ sin(ωt + ψ ) = φ + w1 L1 dt (2) Chương Phân tích Wavelet kết hợp mạng Neuron tự động hố nhận dạng Hình 5.15 Hình 5.16 72 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hoá nhận dạng 3.2 Các trường hợp dịng cố Kết mơ MBA nối Y/Y, sơ cấp nối đất trực tiếp a Sự cố pha chạm đất Hình 5.17 Hình 5.18 73 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hố nhận dạng Hình 5.19 Hình 5.20 74 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hoá nhận dạng b Sự cố hai pha chạm nhau, chạm đất Hình 5.21 Hình 5.22 75 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hố nhận dạng Hình 5.23 Hình 5.24 76 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hố nhận dạng c Sự cố ba pha chạm đất Hình 5.25 Hình 5.26 77 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hố nhận dạng Hình 2.27 Hình 5.28 78 Chương Phân tích Wavelet kết hợp mạng Neuron tự động hoá nhận dạng NHẬN XÉT Kết mơ cho thấy, biên độ dịng xung kích dịng cố ba chu kỳ khảo sát gần nhau, khơng thể dựa vào thành phần độ lớn mà phân biệt Việc kết hợp biến đổi Wavelet mạng Nơron tự động việc nhận dạng xác trường Theo đó, với hai chu kỳ đầu tiên, tức 0.04 giây, dịng xung kích hay dịng cố đưa vào khảo sát nhận dạng xác Từ đó, chương trình dựa phương pháp phát triển để nhận dạng Mạng Neuron sau huấn luyện với 114 mẫu(training sample) 33 mẫu thử lại(test sample).Mạng gọi chương trình nhận dạng thực để kết hợp wavelet nhận dạng 79 Chương Kết luận KẾT LUẬN 6.6 Kết luận Như vậy, với việc kết hợp biến đổi Wavelet mạng nơron toán nhận dạng, tự động hố q trình nhận dạng loại dòng điện Việc đảm bảo hệ thống đáp ứng nhanh xác Mạng nơron sau huấn luyện( hay học) nhận dạng xác dạng sóng dịng điện Với liệu mẫu lớn, tương ứng với trường hợp xảy ra, mạng nơron nhận dạng xác tượng Với cách phát tìm đỉnh đáy liên tiếp thành phần D1 phân tích Wavelet ba dòng điện pha ứng với trường hợp riêng biệt, ta nhận dạng phân biệt dịng xung kích tăng vọt dịng cố Chỉ cần khảo sát chu kỳ đầu tiên, ta nhận dạng dòng điện đưa vào khảo sát Quy thời gian, cần 0.04 giây đủ nhận dạng dòng điện đưa vào nhận dạng Kết là, ta ứng dụng nhận dạng thời gian thực, với tần số lấy mẫu thiết bị 10.2kHz hay tần số lấy mẫu khác Mở rộng cho công việc tương lai, với nguyên lý nhận dạng này, mở rộng kết nhiều loại dịng điện từ hóa dịng điện cố khác nhau, phụ thuộc vào cấu trúc hệ thống điện cụ thể 80 TÀI LIỆU THAM KHẢO [1] Omar A S Youssef, A Wavelet – Based Technique for Discrimination Between Faults and Magnetizing Inrush Currents in Transformers, IEEE Transactions on Power Delivery, Vol.18, No.1, Juanuary 2003 [2] Resende, J W , Chaves, M L R , Penna, C , Universidade Federal de Uberlandia (MG) – Brazil, Identification of Power quality Disturbances Using the MATLAB Wavelet Transform Toolbox [3] Karen L Butler – Purry, and Mustafa Bagriyanik, Characterization of Transients in Transformers Using Discrete Wavelet Transforms, IEEE Transactions on Power Systems, Vol.18, No.2, May 2003 [4] Atthapol Ngaopitakkul and Anantawat Kunakorn, Internal Fault Classification in Transformer Winding using Combination of Discrete Wavelet Transforms and Back-propagation Neural Network [5] Neural Network Toolbox User’s Guide COPYWRIGHT 1997-2006 by The Mathworks, Inc [6] Neural Network Toolbox User’s Guide COPYWRIGHT 1992-2006 by The Mathworks, Inc [7] Nguyễn Hoài Sơn, Đỗ Thanh Việt, Bùi Xn Lâm, Ứng dụng Matlab tính tốn kỹ thuật, NXB Đại học Quốc gia Thành phố Hồ Chí Minh [8] Nguyễn Vinh Quang, Matlab 6.5, Đại học Khoa Học Tự Nhiên [9] Trần Khánh Hà, Phan Tử Thụ, Nguyễn Văn Sáu, Máy Điện 1, NXB Khoa học Kỹ thuật [10] Phạm Thị Cư , Mạch Điện 2, NXB Giáo Dục [11] Nguyễn Hoàng Hải, Nguyễn Việt Anh, Phạm Minh Tồn, Hà Trần Đức, Cơng cụ phân tích Wavelet ứng dụng Matlab, NXB Khoa học Kỹ thuật PHỤ LỤC 1.Chương trình nhận dạng function a=phantich(current) A1=[];A2=[];A3=[];A4=[]; D1=[];D2=[];D3=[];D4=[]; E1=[];E2=[];E3=[];E4=[];sodinhday=[]; wname = 'db4';lb = -1; ub = 1; n = 20480; delta=(ub-lb)/n; tmin=min(current(:,1));tmax=max(current(:,1));n_new=(tmax-tmin)*(n+1)/(ub-lb); t=linspace(tmin,tmax,n_new);time_array=current(:,1)';x3=[]; scales = 73; for index=1:3 ia=current(:,index+1)'; x=[];x4=[];x5=[]; for k=1:length(t) for i=1:length(ia)-1 if time_array(i)=t(k) x(k)=ia(i)+(ia(i+1)-ia(i))*(t(k)-time_array(i))/(time_array(i+1)-time_array(i)); break end end end x2=cwt(x,scales,wname); x3=[x3; x2];ii=1; for i=2:length(x2)-1 if x2(i-1)x2(i+1) dinh(ii)=i; x5(i)=0.5; if ix2(i)&x2(i)