Nghiên cứu xác định sự cố cáp ngầm sử dụng mạng neural

ĐẠI HỌC BÁCH KHOA TP.HCM Ngành Thiết bị, Mạng Nhà máy điện LUẬN VĂN TỐT NGHIỆP XÁC ĐỊNH SỰ CỐ CÁP NGẦM SỬ DỤNG MẠNG NEURAL GVHD: TS Dương Vũ Văn Học viên: Nguyễn Hồng Thơng MSHV: 01806506 Khóa: 2006 Ho Chi Minh, 01/2009 LVThS Maquette 1 CHƯƠNG TỔNG QUAN VỀ MẠNG CÁP NGẦM VÀ CÁC DẠNG SỰ CỐ 1.1 Cáp ngầm cao Cáp ngầm sử dụng cơng trình ngầm hóa hệ thống điện, chúng đặt ống dẫn chơn trực tiếp đất, có thuận lợi độ tin cậy cao không ảnh hưởng bão hay giơng sét, thân thiện mơi trường, khơng có hồ quang, an tồn, bảo trì chiếm khơng gian Tuy nhiên có bất lợi chi phí cao, thời gian xây dựng lâu, tải thấp khó sửa chữa Khơng giống đường dây khơng, khơng khí khơng phần cách điện ruột dẫn phải cách điện hoàn toàn nên cáp ngầm mắc nhiều đường dây không nhánh rẽ phải thực thông qua hộp nối cáp Cáp ngầm có tự cảm thấp nhiều so với đường dây không khoảng không dây dẫn đất, cáp ngầm lại có điện dung dịng xả cao nhiều Thơng thường, cáp ngầm cao có lõi cách điện bảo vệ lớp vỏ bọc ngồi Hình 1.1 Cáp ngầm cao 1.1.2 Điện trở cách điện Điện trở cách điện ruột dẫn lớp vỏ bên ngồi mơ tả sau: Hình 1.2 Mặt cắt ngang cáp ρ ∆x ∆ Re s = với l chiều dài cáp (mét) 2πxl R ρ R dx ρ = ln( ) Res = ∫ ∆ Re s = ∫ 2πl r x 2πl r Ví dụ như: Re s = R 3.665 ρ log10 ( ) × 10 −10 ΜΩ với l’ chiều dài cáp (km) l' r 1.1.3 Điện dung Hình 1.3 Mặt cắt ngang cáp r bán kính ruột dẫn (m) R bán kính cáp (m) q điện dung đơn vị chiều dài cáp (C/m) D mật độ từ thông (C/m2) ε0 điện dung khoảng không = 1/(4π x x 109)F/m q 2πx D q 18 × 10 × q ứng suất điện ξ = = = ε 2πε ε r x εrx Ta có q = D × 2π × xl D = ξ = R R dv 18 × 10 × q V dx ξ = = nên ∫r ∫r ε r x dx dx ví dụ V = 18 × 10 εr Điện dung C = q log e ( R / r ) = q 2πε log e ( R / r ) εr q F /m = V 18 × 10 log e ( R / r ) 1.2 Mô tả trình cố Một vài năm gần đây, hầu hết cơng ty điện lực khơng có đầu tư vào phương pháp phân tích cố, điều dẫn đến khơng có nhiều thơng tin cố Một số lượng lớn nghiên cứu đánh giá cố cáp ngầm giới thiêu nhận quan tâm từ phía Công ty điện lực Đến quan điểm dần thay đổi yêu cầu thị trường điện quan điểm khắc khe khách hàng, Công ty điện lực ngày tiết kiệm tài thời gian nên có nhiều quan tâm đến lợi ích phương pháp xác định cố Ngày nay, có nhiều phiên bảo vệ hệ thống truyền tải cách pháp tính tốn cố cáp ngầm Khi relay khoảng cách khơng đủ xác để phát khoảng cách cố phương pháp xác định cố cách đo lường điện kháng từ điểm đầu điểm cuối đến vị trí cố nghiên cứu phát triển Tuy nhiên, phương pháp đơn giản gần có giới hạn tính xác Phương pháp xác định cố dựa vào truyền sóng giới thiệu vào thập niên 50, ý tưởng phương pháp dựa vào việc xác định thời gian sóng truyền đầu vào vị trí xảy cố Mặc dù đánh giá cao vào thời gian phương pháp bị bỏ rơi số vấn đề độ tin cậy bảo trì tính kinh tế Sau đó, việc phát triển phương pháp tín hiệu truyền sóng giải thuật hỗ trợ giới thiệu nhiều Tuy nhiên, phương pháp truyền sóng cịn nhiều sai sót khơng thuận lợi Relay kỹ thuật số bắt đầu ứng dụng để tính tốn bảo vệ thiết bị trạm biến vào cuối năm 1960 Phương pháp bảo vệ khoảng cách đề nghị vào năm 1971 relay kỹ thuật số giới thiệu sử dụng cho đường dây vào năm 1972 Việc sử dụng phân tích Fourier để đánh giá điện áp dòng điện đề nghị vào năm 1975 cho việc ứng dụng bảo vệ khoảng cách Các phương pháp tận dụng để phát triển giải thuật xác định cố dựa vào trở kháng tốt Tận dụng phiên kỹ thuật số vào việc bảo vệ thiết bị có số thuận lơi độ tin cậy, khả thích ứng mềm dẻo, tự giám sát giảm chi phí khơng tránh khỏi số sai sót Dạng cố Trong lĩnh vực truyền tải điện năng, cố định nghĩa liên kết bất thường dây cáp với nhau, liên kết bền vững khơng Trở kháng cố thông số quan trọng Các dạng cố sau: • Sự cố pha: ngắn mạch pha (có đất khơng) • Sự cố pha: ngắn mạch pha với pha với trung tính (có đất khơng) • Sự cố pha: pha với trung tính với đất Sự cố pha Sự cố pha Sự cố pha chạm đất Sự cố pha chạm đất Sự cố pha chạm đất Hình 2.1 Dạng cố 1.3 Lợi ích 1.3.1 Tiết kiệm thời gian Ngay sau cố, relay liên quan truyền tín hiệu đến máy cắt cô lập vùng cố Xác định vị trí cố dựa vào kinh nghiệm thơng tin từ thiết bị đóng cắt khơng mang lại hiệu cao thời gian giúp để phân đoạn cố xác định vị trí cố cách xác Vì tận dụng phương pháp xác định cố 1.3.2 Nâng cao độ tin cậy Việc xác định cố xác nâng cao tính ổn định hệ thống nhiều, tăng hiệu suất vận hành lưới điện Việc cần nâng cao thị trường cạnh tranh ngày khắt khe 1.3.3 Kế hoạch bảo trì hệ thống Các cố thóang qua xuất tự làm cho hệ thống tính ổn định Tuy nhiên, phân tích vị trí cố xác định dấu vết toàn hệ thống cách hiệu Điều hỗ trợ nhiều cho kế hoạch bảo trì tương lai ngăn ngừa cố lớn xảy 1.3.4 Hiệu kinh tế Tất lơii ích vừa nói đến xét đến hiệu kinh tế Khơng có nghi ngờ tiết kiệm thời gian, nâng cao độ tin cậy hệ thống tránh tai nạn trương lai giảm chi phí tăng lợi nhuận Đây khái niệm cần thiết cho ngành điện phương pháp xác định cố cho hệ thống điện lực cần thiết CHƯƠNG MẠNG NƠ RON VÀ (BACKPROPAGATION) THUẬT TOÁN LAN TRUYỀN NGƯỢC 2.1 Giới thiệu mạng nơron nhân tạo 2.1.1 Mơ hình mạng nơron nhân tạo Mạng nơron nhân tạo (Artificial Neural Network) gọi tắt ANN bao gồm nút (đơn vị xử lý, nơron) nối với liên kết nơron Mỗi liên kết kèm theo trọng số đó, đặc trưng cho đặc tính kích hoạt/ức chế nơron Có thể xem trọng số phương tiện để lưu giữ thông tin dài hạn mạng nơron nhiệm vụ trình huấn luyện (học) mạng cập nhập trọng số có thêm thơng tin mẫu học, hay nói cách khác, trọng số điều chỉnh cho dáng điệu vào hồn tồn phù hợp mơi trường xem xét 2.1.2 Mơ hình nơron nhân tạo sj wj Các liên kết vào Net=Σ g out Các liên kết Hình 2.1 Mơ hình nơron nhân tạo Mỗi nơron nối với nơron khác nhận tín hiệu pj từ chúng với trọng số wj Tổng thơng tin vào có trọng số là: Net = ∑ w j s j Người ta gọi thành phần tuyến tính nơron Hàm kích hoạt g (cịn gọi hàm chuyển) đóng vai trị biến đổi từ Net sang tín hiệu đầu out Out = g(Net) Đây thành phần phi tuyến nơron a Tập huấn luyện Mạng nơron huấn luyện input-output yêu cầu Tập input bao gồm tất mẫu (vectơ input) yêu cầu huấn luyện cho mạng, không gian input số nơron lớp nhập Tập output gồm vectơ yêu cầu, số không gian output số nơron lớp xuất, số mẫu tập output với số mẫu tập input Khi mạng nơron học biểu diễn nhiệm vụ mà học Mạng nơron trích đặc điểm quan trọng học tập mẫu huấn luyện, tổng hợp đặc điểm để đưa trình xử lý với mẫu khơng học trước b Trọng số kết nối Các kết nối nơron mạng nơron nhân tạo gọi trọng lượng kết nối điều chỉnh Khi tín hiệu đưa vào nơron để xử lý nhân với trọng số W sau biến đổi hàm phi tuyến Tác dụng hàm phi tuyến làm cho tín hiệu nhập gần với giá trị xuất chuẩn c Các hàm hoạt động Hàm số hoạt động nơron biểu diễn f(.) Nó định nghĩa tín hiệu output nơron tín hiệu input biết trước Có loại hàm số hoạt động thông dụng bảng Hàm tuyến tính f(s) = s Hàm ngưỡng Hàm sigmod Hàm hyperbolic ⎧+ neu s ≥ ⎩− neu s < f(s) = (1 + e − s ) f(s) = ⎨ f(s) = (1 − e −2 s ) (1 + e s ) 2.1.3 Phân loại mạng nơron Theo liên kết nơron phân loại thành hai loại: mạng nơron truyền thẳng (feed-forward neural network) mạng nơron hồi quy (recurrent neural network) Trong mạng nơ ron truyền thẳng liên kết nơron theo hướng định, khơng tạo thành chu trình (directed acylic graph) với đỉnh nơron, cung liên kết chúng Ngược lại, mạng hồi quy cho phép liên kết nơron tạo thành chu trình Vì thông tin nơron truyền lại cho nơron góp phần kích hoạt chúng, nên mạng hồi quy cịn có khả lưu giữ trạng thái dạng ngưỡng kích hoạt ngồi trọng số liên kết nơron 2.1.4 Phân loại theo thuật toán huấn luyện Mạng nơron huấn luyện hai thuật tốn học hỏi có giám sát học khơng giám sát Ngồi cịn có thuật tốn học có điều chỉnh, trương hợp đặc biệt thuật tốn học hỏi có giám sát Học hỏi có giám sát: thuật tốn điều chỉnh khác output thực tế output yêu cầu tương ứng với mẫu đưa vào Ví dụ như: quy tắc delta (Widrow Hoff, 1960), thuật toán backpropagation Mc Clelland đưa năm 1986 thuật tốn LVQ-thuật tốn chuẩn hóa vectơ học hỏi Kohonen, 1989… Học không giám sát: thuật tốn khơng địi hỏi biết trước ngõ u cầu Trong trình huấn luyện, mẫu nhập đưa vào mạng thuật toán tự điều chỉnh trọng số kết nối, mẫu nhập có đặc điểm tương tự lớp Ví dụ thuật toán Kohonen, 1989, thuật toán ART-thuật toán học hỏi cạnh tranh carpenter Grossberg, 1988 2.2 Lịch sử nghiên cứu Những năm 1940 xem mốc khởi đầu nghiên cứu mạng nơron với đề xuất mơ hình xử lý thơng tin nơron mạng nơron Mc Culloch-Pitts giải thuật huấn luyện mạng Hebb Những năm 50, 60 thời kỳ hưng thịnh mạng nơron với cơng trình Rosenbatt (1960) mạng Perceptron, giải thuật huấn luyện mạng ADALINE báo bình giải Minsky Papert mạng perception Những năm 70, mạng nơron rơi vào trạng thái im lặng nghiên cứu ứng dụng Tuy kể đến nghiên cứu trình học mạng nhiều lớp, mạng tự tổ chức Kohonen, mạng kiểu nhớ kết hợp (BAM) Anderson, mạng ART Capenter Những năm 80 thời kỳ phục hưng nghiên cứu ứng dụng mạnh mẽ mạng nơron với nghiên cứu giải thuật học dựa lan truyền ngược sai số (backpropagation of errors), mạng lớp Hopfield, mạng theo kiểu máy Boltmann mạng Neocognitron Fukushima Từ đầu năm 90 đến nay, mạng nơron tìm khẳng định vị trí nhiều ứng dụng khác công nghệ nhờ kết hợp chúng với kỹ thuật trí tuệ nhân tạo Giải thuật di truyền, logic mờ suy diễn xấp xỉ, hệ chuyên gia để phân tích liệu thu thập tri pháp phục vụ cho việc xây dựng hệ thống thông minh tương lai Những lĩnh vực công nghệ sử dụng hiệu mạng nơron hệ thống thơng minh là: hóa học, vật liệu, điện điện tử, điều khiển, kinh tế, môi trường… 2.3 Mạng nơron nhiều lớp lan truyền ngược sai số 2.3.1 Kiến trúc mạng Các nơron lớp thứ t nối đầy đủ với nơron lớp thứ t+1 Trong nhiều ứng dụng thực tế, để đơn giản người ta thường sử dụng mạng có lớp ẩn, số nơron lớp ẩn xác định dựa kinh nghiệm dựa kỹ thuật tìm kiếm khác 2.3.2 Huấn luyện mạng Học có giám sát với tập mẫu {(Xs, Ys)} Thủ tục học tóm lược sau: Mỗi đưa mẫu Xs = (x1,……,xn) vào mạng, ta thực công việc sau: - Lan truyền mẫu Xs qua mạng để có outs = Tinh(Xs, NN) - Tính sai số Es mạng dựa sai lệch (outs – Ys) - Hiệu chỉnh trọng số liên kết nơron dẫn tới lớp từ nơron j lớp ẩn cuối tới nơron i lớp (2.1) Wij = Wij + αa j δ j với α hệ số học aj đầu nơron j δj sai số mà nơron i lớp phải chịu trách nhiệm, xác định theo: (2.2) δ i = erri g ' ( Neet i ) với errig’ sai số thành phần thứ i Errs Neti tổng thông tin vào có trọng số nơron thứ i (Neti = ∑ wij aij ) g’(.) đạo hàm hàm kích hoạt g dùng nơron Hiệu chỉnh trọng số liên kết nơron dẫn tới tất lớp ẩn từ nơron thứ k sang nơron thứ j: Tính tổng sai số nơron j phải chịu trách nhiệm δ j = g ' ( Net j )∑ wij δ i (2.3) i Hiệu chỉnh trọng số wij w jk = w jk + αa k δ j (2.4) Trường hợp xét liên kết từ nơron vào thứ k sang nơron j lớp ẩn, ta có ak = Ik tín hiệu vào Giả sử xét hàm linh hoạt nơron: g ( x) = 1 + e −x 72 + 0.7 hệ số suy hao dB/km + 1000 MHz*km băng thông Cáp quang: - Loại : non metalic - Số sợi : 12 - Loại sợi quang: đơn mode - Tiêu chuẩn kỹ thuật: + Tiêu hao max 1310 nm: 0.37dB/km + Tiêu hao max 1550 nm: 0.24dB/km + Độ tán sắc cực đại 1550nm: 18 ps/km nm + Bước sóng cắt: ≤ 1530 nm + Đường kính trường mode: 9±0.5 µm + Đường kính ngồi sợi quang: 125±2µm + Cáp đặt ống nhựa HDPE chịu áp lực cao khơng thấm nước + Kích thước ống φ40 dày 5mm Tuổi thọ > 30 năm Trường hợp 1: Trường hợp mô hệ thống mang điện bình thường, giả sử trường hợp có cố vĩnh cửu xảy (cáp ngầm đóng lại khơng thành công) mạch từ trạm Tao Đàn đến trạm Thị Nghè hình … Nhưng máy cắt mạch trạm Tao Đàn bị trục trặc (hở mạch trip, nguồn DC,…) không cắt cô lập mạch dẫn đến rơle khoảng cách vùng (dự phòng) trạm Tao Đàn tác động máy cắt trạm, đồng thời máy cắt trạm Tao Đàn mạch bị cắt BF từ máy cắt không cắt gởi đến tác động dẩn đến mạch bị lập hồn tồn mạch khơng bị cố 73 Với tập đầu vào trạng thái tín hiệu mơ cố mơ tả theo bảng data1, data2 sau: Bảng data1: (ThiNghe1_TaoDan1) Main_Protection_THINGHE1 Received_signal_THINGHE1 Starting_THINGHE1 Secondary_Protection_THINGHE1 Reversed_Protection_THINGHE1 Main_Protection_TAODAN1 Received_signal_TAODAN1 Starting_TAODAN1 Secondary_Protection_TAODAN1 Reversed_Protection_TAODAN1 Manual_Open_CB_THINGHE1 Trip_from_Protection_THINGHE1 Status_CB_THINGHE1 BF_THINGHE1 Manual_Open_CB_TAODAN1 Trip_from_Protection_TAODAN1 Status_CB_TAODAN1 BF_TAODAN1 Bảng data2: (TaoDan2_ThiNghe2) Main_Protection_TAODAN2 Received_signal_TAODAN2 Starting_TAODAN2 Secondary_Protection_TAODAN2 Reversed_Protection_TAODAN2 Main_Protection_THINGHE2 Received_signal_THINGHE2 74 Starting_THINGHE2 Secondary_Protection_THINGHE2 Reversed_Protection_THINGHE2 Manual_Open_CB_TAODAN2 Trip_from_Protection_TAODAN2 Status_CB_TAODAN2 BF_TAODAN2 Manual_Open_CB_THINGHE2 Trip_from_Protection_THINGHE2 Status_CB_THINGHE2 BF_THINGHE2 Sau đưa liệu tín hiệu input vào chương trình nơ ron huấn luyện cho thông số sau: Đường dây mạch Sự cố vùng 0.0556 Sự cố ngồi vùng phía Tao Đàn 0.1794 Sự cố ngồi vùng phía Thị Nghè 1.0652 Đường dây mạch Sự cố vùng 0.8911 Sự cố vùng phía Tao Đàn 0.1605 Sự cố ngồi vùng phía Thị Nghè 0.0260 Máy biến T1 T2 Sự cố MBT Sự cố ngồi phía cao áp 75 Sự cố ngồi phía hạ áp Kết cho thấy cố xảy vùng mạch (1.1652) vùng mạch (0.8911) Trường hợp 2: Mơ tình có cố xảy thuộc phạm vi bên trạm Tao Đàn, cố máy biến mô tả hình 3.3, dẩn đến bật máy cắt phía cao áp MBA Tao Đàn đồng thời làm bật máy cắt đường dây mạch máy cắt đường dây mạch 2, hai máy cắt bị tác động rơle khoảng cách vùng Với tập đầu vào trạng thái tín hiệu mơ cố mô tả theo bảng data1 (Mach1 _TaoĐan), data2 (TaoĐan_Mach2) data T1(MBA TaoĐan) sau: Data 1(Mach1_TaoĐan) Main_Protection_MACH1 Received_signal_MACH1 Starting_MACH1 Secondary_Protection_MACH1 Reversed_Protection_MACH1 Main_Protection_TAODAN Received_signal_TAODAN Starting_TAODAN Secondary_Protection_TAODAN Reversed_Protection_TAODAN Manual_Open_CB_MACH1 Trip_from_Protection_MACH1 Status_CB_MACH1 BF_MACH1 Manual_Open_CB_TAODAN Trip_from_Protection_TAODAN Status_CB_TAODAN 76 BF_TAODAN Data 2(TaoĐan-Mach2) Main_Protection_TAODAN Received_signal_TAODAN Starting_TAODAN Secondary_Protection_TAODAN Reversed_Protection_TAODAN Main_Protection_MACH2 Received_signal_MACH2 Starting_MACH2 Secondary_Protection_MACH2 Reversed_Protection_MACH2 Manual_Open_CB_TAODAN Trip_from_Protection_TAODAN Status_CB_TAODAN BF_TAODAN Manual_Open_CB_MACH2 Trip_from_Protection_MACH2 Status_CB_MACH2 BF_MACH2 Data T1 (MBT Tao Đàn) Different_RelayInternal_protection_transformer Relay_lockout Overcurrent_Transformer_High_Voltage Overcurrent_Transformer_Low_Voltahe Overcurrent_Neural_Transformer Status_CB_High_Voltage Trip_from_Protection_High_Voltage BF_High_Voltage Status_CB_Low_Voltage 77 Trip_from_Protection_Low_Voltage BF_Low_Voltage Sau đưa liệu tín hiệu input vào chương trình nơ ron huấn luyện cho thông số sau: Mạch – Tao Đàn Sự cố vùng 0.0290 Sự cố vùng phía mạch 0.0252 Sự cố ngồi vùng phía Tao Đàn 0.9399 Tao Đàn_Mạch Sự cố vùng 0.0543 Sự cố ngồi vùng phía Tao Đàn 1.0762 Sự cố ngồi vùng phía mạch -0.0131 Máy biến MBTT1 Sự cố MBT -0.0048 Sự cố bên phía cao áp 1.0214 Sự cố bên ngồi phía hạ áp 0.0155 Kết cho thấy cố xảy ngồi vùng phía Tao Đàn mạch (0.9399) ngồi vùng phía Tao Đàn mạch 2(1.0762) Đồng thời máy biến T1 trạm Tao Đàn cắt cố bên ngồi phía cao áp (1.0214) cho thấy cố xảy phạm vi trạm Tao Đàn bên phạm vi MBA Trường hợp 3: Trường hợp mô tả hai cố đồng thời xảy lúc, có cố cố đường dây giả thiết cố xảy đường dây mạch 78 Sự cố lại cố xảy nội máy cắt phía cao áp máy biến trạm Tao Đàn bị xì khí SF6 dẩn đến máy cắt bị lock gởi tín hiệu BF đến cắt hai máy cắt kết nối gần mơ tả hình 3.5 Với tập đầu vào trạng thái tín hiệu mô cố mô tả theo bảng data1 (Mach1_TaoĐan), data2 (TaoDan_Mach2) data T1(MBA TaoĐan) data sau: Data (Mach1-TaoĐan) Main_Protection_MACH1 Received_signal_MACH1 Starting_MACH1 Secondary_Protection_MACH1 Reversed_Protection_MACH1 Main_Protection_TAODAN Received_signal_TAODAN Starting_TAODAN Secondary_Protection_TAODAN Reversed_Protection_TAODAN Manual_Open_CB_MACH1 Trip_from_Protection_MACH1 Status_CB_MACH1 BF_MACH1 Manual_Open_CB_TAODAN Trip_from_Protection_TAODAN Status_CB_TAODAN BF_TAODAN Data (TaoĐan – Mach2) Main_Protection_TAODAN Received_signal_TAODAN Starting_TAODAN Secondary_Protection_TAODAN Reversed_Protection_TAODAN 79 Main_Protection_MACH2 Received_signal_MACH2 Starting_MACH2 Secondary_Protection_MACH2 Reversed_Protection_MACH2 Manual_Open_CB_TAODAN Trip_from_Protection_TAODAN Status_CB_TAODAN BF_TAODAN Manual_Open_CB_MACH2 Trip_from_Protection_MACH2 Status_CB_MACH2 BF_MACH2 Data T1 (MBT Tao Đàn) Different_RelayInternal_protection_transformer Relay_lockout Overcurrent_Transformer_High_Voltage Overcurrent_Transformer_Low_Voltahe Overcurrent_Neural_Transformer Status_CB_High_Voltage Trip_from_Protection_High_Voltage BF_High_Voltage Status_CB_Low_Voltage Trip_from_Protection_Low_Voltage BF_Low_Voltage Data (Thi Nghe – Mach2 ) Main_Protection_THINGHE Received_signal_THINGHE Starting_THINGHE Secondary_Protection_THINGHE 80 Reversed_Protection_THINGHE Main_Protection_MACH2 Received_signal_MACH2 Starting_MACH2 Secondary_Protection_MACH2 Reversed_Protection_MACH2 Manual_Open_CB_THINGHE Trip_from_Protection_THINGHE Status_CB_THINGHE BF_THINGHE Manual_Open_CB_MACH2 Trip_from_Protection_MACH2 Status_CB_MACH2 BF_MACH2 Sau đưa liệu tín hiệu input vào chương trình nơ ron huấn luyện cho thông số sau: Mạch – Tao Đàn Sự cố vùng -0.0460 Sự cố vùng Mạch 0.0021 Sự cố vùng Tao Đàn 1.0506 Tao Đàn_Mạch Sự cố vùng -0.0062 Sự cố vùng Tao Đàn 0.9183 Sự cố vùng Mạch -0.0182 Đường dây Mạch _Thị Nghè 81 Sự cố vùng 0.0159 Sự cố vùng Mạch 0.0284 Sự cố vùng Thị Nghè -0.0425 Sự cố MBT T1 Sự cố bên MBT -0.0056 Sự cố ngồi phía cao áp 0.9731 Sự cố ngồi phía hạ áp 0.0092 Kết đầu mạng nơ ron cho thấy có cố đường dây vùng đường dây mạch – Tao Đàn (0.9703) Các máy cắt đường dây Tao Đàn cắt BF cho đầu cố máy cắt phía cao MBA Tao Đàn kết hợp với thơng tin máy cắt bị xì khí từ trạm suy luận nguyên nhân cố máy cắt bị hư hỏng trạm CHƯƠNG KẾT LUẬN VÀ ĐÁNH GIÁ Qua nội dung trình bày chương trên, nhận thấy việc ứng dụng nơ ron để tạo công cụ hỗ trợ cho việc xác định khu vực bị cố tương đối khả thi Mạng nơ ron sau huấn luyện tương ứng với hệ thống bảo vệ có khả xác định khu vực cố ban đầu sau hệ thống bất ngờ bị cố cô lập lâu dài nói trường hợp mơ cho thấy khả tìm kiếm, xác định cơng cụ xác Việc áp dụng mơ đun nơ ron cho phép làm giảm kích cỡ mạng nơ ron, tạo linh hoạt cho việc thay đổi chức bảo vệ Thêm vào khơng phụ thuộc vào cấu hình hệ thống lưới điện Vì thế, ứng dụng đến hệ thống nhỏ lớn khơng phụ thuộc vào kích cỡ hệ thống điện Bên cạnh đó, cơng ty điện lực thường sử dụng tiêu chuẩn, mơ hình hệ thống bảo vệ lưới điện nên việc thiết kế sửa đổi mơ hình nơ ron dể dàng Tuy nhiên phạm vi luận văn này, khả đưa trường hợp lôgic 82 để xây dựng huấn luyện mạng hạn chế việc bao qt tính chủ quan (cảm tính) nên không phản ảnh hết khả khác cịn xảy ra, xây dựng dựa khả suy luận logic thân người viết khả xảy thực tế nên việc ứng dụng cần phải cập nhập thêm để hồn thiện xác PHỤ LỤC … % CHUONG TRINH NO RON MO PHONG HE THONG function RunButtonCallback(src,evt) % -LINE MACH1 -% % Mo hinh xay dung neural cho NN1 [name,ptest1]= textread('data1.txt','%30s %d'); if ptest1(13)==1; annotation1 = annotation(f, 'rectangle',[0.15 0.80 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; if ptest1(17)==1; annotation2 = annotation(f, 'rectangle',[0.15 0.54 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); 83 end; p1=[ptest1(1);ptest1(2);ptest1(3);ptest1(5);ptest1(6); ptest1(7);ptest1(8);ptest1(10)]; p2=[ptest1(11);ptest1(12);ptest1(13);ptest1(14)]; p3=[ptest1(15);ptest1(16);ptest1(17);ptest1(18)]; % Mo hinh neural cho NN1(Main protection) a=purelin(LW2*tansig(IW1*p1+b1)+b2); % Mo hinh xay dung neural cho NN2 (circuit breaker end S) b=purelin(LWmc2*tansig(IWmc1*p2+b1mc)+b2mc); % Mo hinh xay dung neural cho NN2 (circuit breaker end R) c=purelin(LWmc2*tansig(IWmc1*p3+b1mc)+b2mc); p4=[a;ptest1(4);ptest1(9);b;c]; % Mo hinh xay dung neural cho NN3 (Result output) sucoline1=purelin(LWkq*tansig(IWkq*p4+b1kq)+b2kq); % -LINE MACH -% [name,ptest2]= textread('data2.txt','%30s %d'); if ptest2(13)==1; annotation1 = annotation(f, 'rectangle',[0.23 0.506 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; if ptest2(17)==1; annotation2 = annotation(f, 'rectangle',[0.48 0.506 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; p1=[ptest2(1);ptest2(2);ptest2(3);ptest2(5);ptest2(6); ptest2(7);ptest2(8);ptest2(10)]; p2=[ptest2(11);ptest2(12);ptest2(13);ptest2(14)]; p3=[ptest2(15);ptest2(16);ptest2(17);ptest2(18)]; a=purelin(LW2*tansig(IW1*p1+b1)+b2); b=purelin(LWmc2*tansig(IWmc1*p2+b1mc)+b2mc); c=purelin(LWmc2*tansig(IWmc1*p3+b1mc)+b2mc); p4=[a;ptest2(4);ptest2(9);b;c]; sucoline2=purelin(LWkq*tansig(IWkq*p4+b1kq)+b2kq); % -MBT TAO ĐAN -% [name,ptestT1]= textread('dataT1.txt','%60s %d'); if ptestT1(6)==1; annotation1 = annotation(f, 84 'rectangle',[0.15 0.44 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; if ptestT1(9)==1; annotation2 = annotation(f, 'rectangle',[0.15 0.27 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; pT1=[ptestT1(1);ptestT1(2)]; pT2=[ptestT1(3);ptestT1(4);ptestT1(5)]; pT3=[ptestT1(6);ptestT1(7);ptestT1(8)]; pT4=[ptestT1(9);ptestT1(10);ptestT1(11)]; a=purelin(net1lw2*tansig(net1iw1*pT1+net1b1)+net1b2); b=purelin(net2lw2*tansig(net2iw1*pT2+net2b1)+net2b2); c=purelin(net3lw2*tansig(net3iw1*pT3+net3b1)+net3b2); d=purelin(net3lw2*tansig(net3iw1*pT4+net3b1)+net3b2); pT5=[a;b;c;d]; sucoT1=purelin(netlw2*tansig(netiw1*pT5+netb1)+netb2); % -MBT THI NGHE -% [name,ptestT2]= textread('dataT2.txt','%60s %d'); if ptestT2(6)==1; annotation1 = annotation(f, 'rectangle',[0.558 0.44 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; if ptestT2(9)==1; annotation2 = annotation(f, 'rectangle',[0.558 0.27 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; pT1=[ptestT2(1);ptestT2(2)]; pT2=[ptestT2(3);ptestT2(4);ptestT2(5)]; pT3=[ptestT2(6);ptestT2(7);ptestT2(8)]; pT4=[ptestT2(9);ptestT2(10);ptestT2(11)]; a=purelin(net1lw2*tansig(net1iw1*pT1+net1b1)+net1b2); b=purelin(net2lw2*tansig(net2iw1*pT2+net2b1)+net2b2); c=purelin(net3lw2*tansig(net3iw1*pT3+net3b1)+net3b2); d=purelin(net3lw2*tansig(net3iw1*pT4+net3b1)+net3b2); 85 pT5=[a;b;c;d]; sucoT2=purelin(netlw2*tansig(netiw1*pT5+netb1)+netb2); % -Cac thong so dau cua noron disp(' LINE MACH '); disp(' '); fprintf('suco vung %+1.4f \n',sucoline1(1)); fprintf('suco ngoai vung THI NGHE %+1.4f \n',sucoline1(2)); fprintf('suco ngoai vung TAO DAN %+1.4f \n',sucoline1(3)); disp(' '); disp(' LINE MACH '); disp(' '); fprintf('suco vung %+1.4f \n',sucoline2(1)); fprintf('suco ngoai vung TAO DAN %+1.4f \n',sucoline2(2)); fprintf('suco ngoai vung THI NGHE %+1.4f \n',sucoline2(3)); disp(' '); disp(' TRANS TAO ĐAN T1 '); disp(' '); fprintf('suco vung %+1.4f \n',sucoT1(1)); fprintf('suco ngoai vung PHIA CAO %+1.4f \n',sucoT1(2)); fprintf('suco ngoai vung PHIA HA %+1.4f \n',sucoT1(3)); disp(' '); disp(' TRANS THI NGHE T1 '); disp(' '); fprintf('suco vung %+1.4f \n',sucoT2(1)); fprintf('suco ngoai vung PHIA CAO %+1.4f \n',sucoT2(2)); fprintf('suco ngoai vung PHIA HA %+1.4f \n',sucoT2(3)); end; % CHUONG TRINH HUAN LUYEN NO RON DINH DANG SU CO function [Ig Ia1 Ia2]=Phase2Modal(Ia,Ib,Ic) % Modal Analysis using Clarke's transformation matrix b=([1/sqrt(3) 1/sqrt(3) 1/sqrt(3) sqrt(2/3) -1/sqrt(6) -1/sqrt(6) 1/sqrt(2) -1/sqrt(2)]); IM=b*[Ia Ib Ic]'; Ig=IM(1,:); % Ground mode (mode 0) signal Ia1=IM(2,:); % Aerial mode (mode 1) signal Ia2=IM(3,:); % Aerial mode (mode 2) signa function [OptWAVE]=OptWLTComp(x,level) %using different mothr wavelets to compare 86 err(1)=WLTComp(x,'db2',level); ¡- err(32)=WLTComp(x,'bior6.8',level); [m n]=min((err));%clear(ErrMatr); Mothers=num2str(['db2 ';'db4 ';'db6 ';'db8 ';'db10 '; 'db15 ';'db20 ';'db30 ';'sym4 ';'sym6 ';'sym8 '; 'sym10 ';'coif1 ';'coif2 ';'coif3 ';'coif4 ';'coif5 '; 'bior1.1'; 'bior1.3';'bior1.5'; 'bior2.2'; 'bior2.4' ; 'bior2.6'; 'bior2.8'; 'bior3.1'; 'bior3.3' ; 'bior3.5'; 'bior3.7'; 'bior3.9'; 'bior4.4' ; 'bior5.5'; 'bior6.8']); [OptWAVE]=num2str(Mothers(n,:)) function [err]=WLTComp(x,wave,level) di=[];cdi=[]; [c,l] = wavedec(x,level,wave); ca = appcoef(c,l,wave,level); for i=1:level cd=detcoef(c,l,i); cdi=[cd;cd]; end a0 = waverec(c,l,wave); err = norm(x-a0); function [MulDWT]=MultiLevelDWT(Signal,levels,type) Signal_length=length(Signal); di=[]; % Perform decomposition at level 'levels' of Signal using 'type' mother wavelet, [c,l] = wavedec(Signal',levels,type); for i=1:levels % Reconstruct detail coefficients at 'levels=i' from the wavelet decomposition structure [c,l] cd=wrcoef('d',c,l,type,i); di=[di;cd']; end k=0; for i=levels:-1:1; ... Bảng 4.4 Các logic trạng thái mạng nơron xác định cố 35 4.3 Mạng nơron xác định cố đường dây 4.3.1 Mạng nơron xác định cố vùng (main) cáp ngầm Mô đun nơron chủ yếu xác định hoạt động rơle bảo vệ... cao thời gian giúp để phân đoạn cố xác định vị trí cố cách xác Vì tận dụng phương pháp xác định cố 1.3.2 Nâng cao độ tin cậy Việc xác định cố xác nâng cao tính ổn định hệ thống nhiều, tăng hiệu... đất khơng) • Sự cố pha: ngắn mạch pha với pha với trung tính (có đất khơng) • Sự cố pha: pha với trung tính với đất Sự cố pha Sự cố pha Sự cố pha chạm đất Sự cố pha chạm đất Sự cố pha chạm đất