Xác định pha trong lưới điện phân phối hạ áp sử dụng thuật toán phân cụm

Bài viết này trình bày việc nghiên cứu, xác định pha phụ tải trong lưới điện phân phối (0,4kV). Phương pháp nhóm tác giả sử dụng là xử lý dữ liệu chuỗi thời gian điện áp được đo về từ các công tơ điện tử (Smart meters), mỗi chuỗi thời gian sẽ đặc trưng cho một hộ tiêu thụ trong lưới điện phân phối.

TẠP CHÍ ISSN: 1859-316X KHOA HỌC CƠNG NGHỆ HÀNG HẢI KHOA HỌC - CÔNG NGHỆ JOURNAL OF MARINE SCIENCE AND TECHNOLOGY XÁC ĐỊNH PHA TRONG LƯỚI ĐIỆN PHÂN PHỐI HẠ ÁP SỬ DỤNG THUẬT TOÁN PHÂN CỤM PHASE IDENTIFICATION IN LOW-VOLTAGE DISTRIBUTION NETWORK BY CLUSTERING ALGORITHM ĐOÀN HỮU KHÁNH*, PHAN ĐĂNG ĐÀO Khoa Điện - Điện tử, Trường Đại học Hàng hải Việt Nam *Email liên hệ: khanhdh.ddt@vimaru.edu.vn Tóm tắt Bài báo trình bày việc nghiên cứu, xác định pha phụ tải lưới điện phân phối (0,4kV) Phương pháp nhóm tác giả sử dụng xử lý liệu chuỗi thời gian điện áp đo từ công tơ điện tử (Smart meters), chuỗi thời gian đặc trưng cho hộ tiêu thụ lưới điện phân phối Các liệu chuỗi thời gian tiền xử lý trước tách thành phân cụm đặc trưng cho pha R, S, T lưới điện thuật toán phân cụm mờ Fuzzy C-means Kết q trình mơ phần mềm Matlab cho thấy thuật toán xác định pha phụ tải làm việc xác, có khả cao để áp dụng thực tế cho lưới phân phối Việt Nam Từ khóa: Xác định pha phụ tải, lưới phân phối hạ áp, chuỗi thời gian, công tơ điện tử, Fuzzy C-means Abstract This paper presents the research and indentification of the phases in the low-voltage distribution grid (0.4kV) The method used by the authors is to process time series data measured from smart meters, each time series will be characteristic of a consumer in the low-voltage distribution grid The time series data will be preprocessed before being clustering into three clusters for phases R, S, T in the grid using the Fuzzy C-means clustering algorithm The results of the simulation using Matlab software show that the algorithm for phase identification is very accurate and has a high ability to apply in practice to the low-voltage distribution network in Vietnam Keywords: Phase indentification, low-voltage distribution network, time series, smart meter, Fuzzy C-means 44 Mở đầu Việt Nam nước phát triển, có tốc độ tăng trưởng kinh tế nhanh, nhu cầu sử dụng điện ngày tăng cao Theo công bố công thương, sản lượng điện thương phẩm năm 2017 174,65 tỷ kWh, năm 2018 192,93 tỷ kWh 209,42 tỷ kWh với năm 2019 Như ta thấy vịng năm từ 2017 đến 2019 sản lượng điện thương phẩm tăng lên 19,91% Để vận hành hệ thống lưới điện đạt hiệu suất cao tin cậy cần nhiều công cụ ứng dụng ứng dụng tính tốn tối ưu dịng cơng suất, xác định trạng thái hệ thống lưới phân phối, toán tái cấu trúc khôi phục lưới [1] Tất ứng dụng cần mơ hình lưới phân phối kết nối pha xác Mơ hình lưới phân phối hầu hết xác mơ hình kết nối pha thường có nhiều sai sót [2] Các cơng ty điện lực thường khơng có thơng tin xác mơ hình kết nối pha Hơn mơ hình lại liên tục thay đổi có thêm khách hàng tiêu thụ điện Vì việc xác định xác pha phụ tải đóng vai trị ngày quan trọng lưới điện Bài báo đề xuất thuật toán giúp xác định pha phụ tải lưới điện phân phối hạ áp từ liệu thu thập từ công tơ điện tử từ hệ thống điều khiển giám sát thu thập liệu (SCADA) Phần lại báo xếp sau: Mục giới thiệu khái quát chung cơng trình liên quan Mục đề xuất thuật tốn để xác định pha phụ tải dựa liệu chuỗi thời gian điện áp Mục mô thuật toán phần mềm Matlab phần kết luận trình bày mục Khái quát chung cơng trình liên quan 2.1 Khái qt chung Điện phát từ nhà máy điện qua trạm biến áp tăng áp để nâng điện áp lên trước truyền tải xa cuối hạ điện áp máy biến áp hạ áp để cấp điện cho đối tượng khách hàng khác Nguồn cung SỐ 65 (01-2021) TẠP CHÍ ISSN: 1859-316X KHOA HỌC CƠNG NGHỆ HÀNG HẢI JOURNAL OF MARINE SCIENCE AND TECHNOLOGY cấp điện lưới điện cấp từ máy phát điện pha Ở chế độ bình thường, mạng lưới điện pha điện áp pha (gọi pha: R-S-T N trung tính) giống lệch pha góc 1200 Các khách hàng trung tâm thương mại hay cơng ty sử dụng hệ thống điện pha, dây Trong hộ tiêu thụ gia đình sử dụng hệ thống điện pha (gồm dây pha R, S T với dây trung tính N) Mỗi khu vực dân cư cung cấp biến áp pha hạ áp với phạm vi khoảng 50-200 hộ [3] Tuy nhiên hộ kết nối tới pha R, S T Thực tế có hộ tiêu thụ mới, liệu kết nối đến pha hệ thống khơng phải lúc lưu trữ cập nhật đầy đủ Hơn nữa, liệu mơ hình kết nối pha cịn bị thay đổi q trình sửa chữa bảo dưỡng [3] Vì lý có cơng ty điện lực có số liệu xác mơ hình kết nối pha phụ tải, đặc biệt lưới điện hạ áp 2.2 Các cơng trình liên quan đóng góp báo KHOA HỌC - CƠNG NGHỆ cải tiến thuật tốn để xác định pha phụ tải Nhằm giảm ảnh hưởng điện áp rơi dây dẫn từ trục đến hộ tiêu thụ, Wenpeng Luan cộng báo [8] không sử dụng trực tiếp liệu điện áp thô đo từ Smart meters mà dùng công thức tính tốn để tính điện áp nút giao hộ với đường trục trước phân tích tương quan Các phương pháp nêu có ưu, nhược điểm riêng, độ xác số phương pháp chưa đạt đến giá trị xác mong muốn, báo [1], có trường hợp độ xác đạt 90,40% Khơng có thuật tốn phân cụm phù với tất loại liệu, báo nhóm tác giả xây dựng phương pháp xác định pha phụ tải dựa thuật toán phân cụm mờ Fuzzy C-means thí nghiệm liệu chuỗi thời gian điện áp Kết thử nghiệm cho thấy phương pháp đề xuất độ xác cao (lên đến 100%) hồn tồn có khả áp dụng với liệu thật để triển khai vào thực tế Thuật toán xác định pha phụ tải từ liệu thu thập công tơ điện tử Hiện thực tế có phương pháp phổ biến để xác định pha phụ tải lưới điện hạ áp Phương pháp thứ sử dụng giải pháp vật lý với thiết bị đo đặc biệt hệ thống micro-synchrophasor [4], signal generators and discriminators [5] Các giải pháp phổ biến chúng có nhược điểm đắt tiền chi phí nhân cơng cao Phương pháp thứ hai sử dụng liệu đo từ Smart meters hay hệ thống SCADA,… việc phân tích liệu cơng cụ tốn học, dùng phương pháp mơ hình hóa xác định pha phụ tải Trong báo [2], Tom A Short trình bày phương pháp xác định pha phụ tải cách sử dụng thuật toán hồi quy tuyến tính để nâng cao độ xác dựa tương quan điện áp khách hàng Trong báo [6], Houman Pezeshki cộng giả thiết pha điện áp khách có tương quan tốt với nhau, nhóm tác giả dùng công nghệ tương quan để tách thành phần mong muốn nhiễu trắng Gaussian chuỗi thời gian điện áp khách hàng trước so sánh để phân nhóm chúng Trong báo [1], Wenyu Wang cộng sử dụng thuật toán K-means có ràng buộc để phân cụm chuỗi thời gian điện áp Frédéric OLIVIER báo [7] SỐ 65 (01-2021) Hình Ví dụ tương quan điện áp Ý tưởng cốt lõi thuật toán đề xuất dựa tương quan điện áp hộ tiêu thụ pha [1, 2, 6, 9] Hình ví dụ tương quan điện áp hộ tiêu thụ [9] Mỗi hộ tiêu thụ ứng với chuỗi thời gian điện áp phân làm cụm khác Mỗi cụm pha phụ tải (R, S, T) Từ hình vẽ ta thấy tương quan điện áp thể rõ hộ pha Như nhờ có tương quan này, ta 45 TẠP CHÍ KHOA HỌC - CƠNG NGHỆ phân loại chuỗi thời gian điện áp đại diện cho hộ tiêu thụ thành cụm khác tương ứng với pha phụ tải ta xác định pha tương ứng Có nhiều thuật toán để phân cụm liệu thuật toán K-means, phương pháp đồ tự tổ chức SOM, thuật toán phân cụm phân lớp Hiarachical clustering, thuật toán dựa hình dáng động DTW, thuật tốn thành phần PCA,… Mỗi thuật tốn có ưu, nhược điểm áp dụng tùy vào trường hợp cụ thể Trong báo nhóm tác giả sử dụng thuật toán Fuzzy C-means để phân loại chuỗi thời gian điện áp Phương pháp xác định pha phụ tải dựa thuật toán phân cụm Fuzzy C-means trình bày Mục 3.1 Mục 3.2 nhóm tác giả giới thiệu thuật toán Fuzzy C-means áp dụng để xác định pha phụ tải 3.1 Xây dựng thuật toán xác định pha phụ tải Thuật tốn xây dựng trình bày Hình Dữ liệu thô chuỗi thời gian điện áp ban đầu, thực tế liệu tiền xử lý để loại bỏ liệu xấu lỗi đường truyền, công tơ lỗi,…(được gọi outliers) [10] trước thực bước Tuy nhiên báo không xét đến liệu xấu mà tập trung vào xây dựng thuật toán xác định pha phụ tải Thuật toán đề xuất gồm bước cụ thể sau: Ở bước thứ nhất, liệu thô ban đầu chuẩn hóa trước phân cụm, tất chuỗi thời gian điện áp hộ tiêu thụ chuẩn hóa theo cơng thức (2) để tất điểm điện áp rơi vào khoảng 0-1 Nghĩa giá trị điện áp nhỏ 0V ứng với lớn ứng với Ở bước thứ hai, liệu sau chuẩn hóa đưa vào thuật tốn Fuzzy C-means để phân làm cụm (C=3 ứng với pha R, S, T nguồn) Trong cụm phân chứa chuỗi thời gian điện áp đại diện cho hộ tiêu thụ nối tới pha nguồn việc đánh giá kết thực bước cuối 3.2 Thuật toán Fuzzy C-means Với phương pháp phân cụm Fuzzy C-means điểm liệu thuộc clusters trở nên tùy vào mức độ thành viên điểm liệu với tâm cụm Mỗi bước lặp thuật tốn nhằm mục đích tối thiểu hóa hàm mục tiêu dựa việc tính tốn khoảng cách từ điểm liệu đồ thị phụ tải đến tâm cụm dựa giá trị thành viên [11] Hàm mục tiêu tính theo cơng thức (1) sau: 46 ISSN: 1859-316X KHOA HỌC CÔNG NGHỆ HÀNG HẢI JOURNAL OF MARINE SCIENCE AND TECHNOLOGY D N J m   ijm x i  c j (1) i 1 j1 Với D: tổng số điểm liệu, N: số lượng cụm, m: số mũ trọng số; xi điểm liệu thứ i, cj : tâm cụm thứ j, ij : giá trị thành viên xi cụm j Thuật toán áp dụng toán xác định pha phụ tải tạo thành bước cụ thể sau: Bước 1: Chuẩn hóa liệu với công thức (2): u (i,h ) u (i,h  norm)  (2) u h  max u(i,h-norm) : điện áp chuẩn hóa; u(i,h) : giá trị điện áp thực; u(h-max) : giá trị điện áp lớn nhất; i: chuỗi thời gian điện áp hộ thứ i; i=1,2,…,N (N: tổng số hộ khảo sát); h: giá trị điện áp thời điểm thứ h chuỗi thời gian điện áp; h=1,2,…,H (H số điểm liệu chuỗi thời gian điện áp) Bước 2: Chọn ngẫu nhiên vị trí cho tâm cụm Bước 3: Tính tốn ma trận mức độ thành viên, giá trị thành viên ui cụm j tính: ij   ui  c j   k 1  u i  c k  c (3)  m 1    Với u i  c j khoảng cách Euclidean từ chuỗi thời gian điện áp i đến trọng tâm cụm thứ j Bước 4: Tính ma trận tâm cụm theo công thức (4): D cj   i 1 D m ij xi (4)  ijm i 1 Với số mũ trọng số m thường chọn 1.5 ứng dụng thực tế [12] Bước 5: Lặp lại bước bước hàm mục tiêu nhỏ ngưỡng cho phép sau số lần lặp tối đa quy định Mơ kiểm chứng thuật tốn Tại Việt Nam nay, hầu hết công tơ điện tử thu thập tín hiệu chuỗi thời gian cơng suất tiêu thụ hộ tiêu thụ mà chưa cài SỐ 65 (01-2021) TẠP CHÍ ISSN: 1859-316X KHOA HỌC CƠNG NGHỆ HÀNG HẢI JOURNAL OF MARINE SCIENCE AND TECHNOLOGY đặt để lấy giá trị điện áp Vì để có liệu để kiểm chứng thuật tốn mình, nhóm tác giả xây dựng mơ hình lưới điện phân phối hạ áp gồm 51 hộ tiêu thụ bố trí pha R, S, T Mơ hình thiết kế phần mềm Matlab/Simulink trình bày Mục 4.1 4.1 Thiết kế mơ hình lưới phân phối hạ áp Mơ hình lưới phân phối hạ áp thiết kế phần mềm Matlab/Simulink Sơ đồ thiết kế tổng quát thể Hình Tổng số khách hàng thiết kế 51 hộ tiêu thụ Trong 16 hộ nối vào pha R, 17 hộ nối vào pha S 18 hộ lại nối vào pha T Mỗi hộ pha thiết kế gồm nhiều loại phụ tải tải trở, động điện không đồng bộ,… với quy luật đóng mở ngẫu nhiên khác giống thực tế Điện áp đầu nguồn hộ đo khối “Voltage Measurement” “RMS” Sau tín hiệu điện áp lấy mẫu để gửi đến cửa sổ không gian biến “Workspace” Matlab khối “To Workspace” để tạo thành liệu đầu vào cho thuật toán xác định pha Hình KHOA HỌC - CƠNG NGHỆ ma trận mức độ thành viên ij 16 chuỗi thời gian điện áp phân vào cụm ứng với pha R, 17 chuỗi thời gian điện áp phân vào cụm ứng với pha S 18 chuỗi thời gian lại phân vào cụm ứng với pha T Hình 6, Hình Hình tương ứng Nhìn từ Hình 6, Hình Hình ta dễ dàng nhận thấy thân cụm phân loại, chuỗi thời gian có tương quan với tốt, điện áp có biên độ khác nhau, xu hướng thay đổi có tương đồng Sau đối chiếu với sơ đồ nối pha thiết kế Simulink, kết phần mềm đề xuất cho kết hoàn toàn trùng khớp, đạt tỷ lệ xác 100% Hàm mục tiêu Jm đạt giá trị mong muốn sau 14 bước lặp thể Hình Sau chạy phần mềm thu 51 chuỗi thời gian (mỗi chuỗi tác giả lấy 25 điểm liệu) điện áp tương ứng hộ Các chuỗi thời gian xử lý để xác định pha thuật toán đề xuất kiểm chứng kết Mục 4.2 4.2 Thử nghiệm thuật toán đề xuất Ban đầu liệu tạo gồm 51 hộ gia đình, chuỗi thời gian điện áp tất hộ thể Hình Khi tiến hành chạy thuật toán đề xuất với liệu mà không quan tâm đến sơ đồ nối pha ban đầu hộ, phần mềm cho kết Hình Thuật tốn xác định pha phụ tải Hình Mơ hình lưới phân phối hạ áp thiết kế Matlab/Simulink SỐ 65 (01-2021) 47 TẠP CHÍ ISSN: 1859-316X KHOA HỌC CÔNG NGHỆ HÀNG HẢI KHOA HỌC - CÔNG NGHỆ JOURNAL OF MARINE SCIENCE AND TECHNOLOGY Hình Mơ hình tải hộ gia đình số Hình 17 hộ nối vào pha S Hình Dữ liệu điện áp tất 51 hộ Hình 18 hộ nối vào pha T Hình 16 hộ nối vào pha R Kết luận Bài báo nghiên cứu xây dựng phương pháp để xác định pha phụ tải lưới điện hạ áp sử dụng thuật tốn Fuzzy C-means Kết mơ cho thấy thuật tốn hoạt động hiệu với độ xác cao Hướng phát triển tương lai báo tiếp tục thử nghiệm thuật toán với liệu chuỗi thời gian điện áp thật đo từ công tơ điện tử lắp đặt hộ gia đình để đánh giá kết tổng thể trước áp dụng vào thực tế 48 Hình Hàm mục tiêu Jm Lời cảm ơn Nghiên cứu tài trợ Trường Đại học Hàng hải Việt Nam đề tài mã số: DT20-21.46 SỐ 65 (01-2021) TẠP CHÍ ISSN: 1859-316X KHOA HỌC CÔNG NGHỆ HÀNG HẢI JOURNAL OF MARINE SCIENCE AND TECHNOLOGY KHOA HỌC - CÔNG NGHỆ TÀI LIỆU THAM KHẢO [1] Wenyu Wang, Yu, Foggo, Davis, Phase Identification in Electric Power Distribution Systems by Clustering of Smart Meter Data, 15th IEEE International Conference on Machine Learning and Applications, 2016 [8] Wenpeng Luan, Peng, Maras, Lo, and Harapnuk, Smart Meter Data Analytics for Distribution Network Connectivity Verification, IEEE Transactions on Smart Grid, Vol.6(4), 2015 [2] Tom A Short, Advanced Metering for Phase Identification, Transformer Identification, and Secondary Modeling, EEE Transactions on smart grid, Vol.4, No.2, June 2013 [9] Logan Blakely, Reno, Feng, Spectral Clustering for Customer Phase Identification Using AMI Voltage Timeseries, IEEE 2019 IEEE Power and Energy Conference at Illinois (PECI) Champaign, IL, USA, 2019 [3] V Arya, D Seetharam, Kalyanaraman, Dontas, Pavlovski, Hoy, Kalagnanam, Phase Identification in Smart Grids, IEEE 2011 IEEE Second International Conference on Smart Grid Communications - Brussels, Belgium, 2011 [10] Rob J Hyndman, Earo Wang, Nikolay Laptev, Large-Scale Unusual Time Series Detection, IEEE International Conference on Data Mining Workshop (ICDMW) - Atlantic City, NJ, USA, 2015 [4] Df Miles H.F Wen, Arghandehy, Meiery,Poollay, Li, Phase Identification in Distribution Networks with Micro-Synchrophasors, Power and Energy Society General Meeting IEEE, pp 1-5, 2015 [11] Prahastono, Iswan; King, David J.; Ozveren, Bradley, Electricity load profile classification using Fuzzy C-Means method, IEEE 2008 43rd International Universities Power Engineering Conference (UPEC) - Padova, 2008 [5] K Caird, Meter phase identification, U.S Patent App 12/345,702 [Online], 2010 [6] H Pezeshki, P J Wolfs, Consumer Phase Identification in a Three Phase Unbalanced LV Distribution Network, 3rd IEEE PES Innovative Smart Grid Technologies Europe (ISGT Europe), Berlin, 2012 [7] Frédéric OLIVIER, Antonio SUTERA, Pierre GEURTS, Raphael FONTENEAU, Damien ERNST, Phase Identification of Smart Metersby Clustering Voltage Measurements, IEEE 2018 Power Systems Computation Conference (PSCC) - Dublin, Ireland, 2018 SỐ 65 (01-2021) [12] PEI Jihong a, YANG Xuan a, GAO Xinbo a and XIE Weixin, On the weighting exponent m in fuzzy C means (FCM) clustering algorithm, SPIE Proceedings, China, 2001 Ngày nhận bài: Ngày nhận sửa: Ngày duyệt đăng: 25/12/2020 11/01/2021 21/01/2021 49 ... tiêu thụ thành cụm khác tương ứng với pha phụ tải ta xác định pha tương ứng Có nhiều thuật toán để phân cụm liệu thuật toán K-means, phương pháp đồ tự tổ chức SOM, thuật toán phân cụm phân lớp Hiarachical... thời gian điện áp Phương pháp xác định pha phụ tải dựa thuật toán phân cụm Fuzzy C-means trình bày Mục 3.1 Mục 3.2 nhóm tác giả giới thiệu thuật tốn Fuzzy C-means áp dụng để xác định pha phụ tải... vào pha S Hình Dữ liệu điện áp tất 51 hộ Hình 18 hộ nối vào pha T Hình 16 hộ nối vào pha R Kết luận Bài báo nghiên cứu xây dựng phương pháp để xác định pha phụ tải lưới điện hạ áp sử dụng thuật