Xác định nguyên nhân và khu vực sự cố trong HTĐ VN dựa trên các mô đun nơron

LUẬN VĂN TỐT NGHIỆP THẠC SĨ HV: LƯƠNG NGỌC THẠCH MSHV 01804511 -1- Em xin chân thành cám ơn Thầy Hồ Đắc Lộc Thầy Cô môn hướng dẫn em thời gian học tập thực luận văn -2- A-ĐẶT VẤN ĐỀ: Hiện nay, mức độ xử lý thông tin kỹ thuật số phát triển mạnh mẽ hệ thống điện, ví dụ điển hình hệ thống giám sát điều khiển thu thập liệu gọi tắt SCADA, áp dụng rộng rãi toàn giới nói chung Việt Nam nói riêng Mặc dù hữu dụng ứng dụng để đưa thông tin việc điều khiển thiết bị điện hệ thống điện cho điều độ viên phòng điều khiển trung tâm, nơi mà giám sát điều khiển thu thập liệu khu vực (gọi tắt A1, A2, A3), suốt trình xảy kiện chẳng hạn cố lớn vónh cữu, cố lan truyền, nhiều cố xảy đồng thời người điều độ viên bị tràn ngập thông tin báo động tràn ngập từ trạm điện đưa lúc, dẩn đến làm nhiều thời gian để nhận biết xác khu vực bị cố thời gian tái lập lại khu vực điện Bên cạnh đó, yếu tố khác căng thẳng thiếu kinh nghiệm ảnh hưởng tới khả điều hành điều độ viên, nội dung luận văn đề cập đến công cụ xác định khu vực cố hệ thống điện ứng dụng neural để hổ trợ cho người điều độ viên công việc Thông thường, nhiệm vụ thiết bị bảo vệ trạm điện bao gồm loại rơle số, điện tử, sử dụng để cách ly cố có cố xảy cách gửi tiếp điểm cắt máy cắt Tuy nhiên rơle máy cắt làm việc không xác, phần lớn hệ thống bị điện Chính thế, sau xảy cố cần phải tái lập khu vực không bị cố sớm tốt để tránh khả làm ổn định hệ thống cung cấp điện kịp thời cho khách hàng Tuy nhiên, trước thực công việc tái lập cần phải phân tích cách trình tự kiện xảy tín hiệu báo động gửi về, vấn đề khác liên quan hệ thống bảo vệ trạm báo động có bị hư hỏng hay không, lổi kênh thông tin, liệu thu thập bị sai…Để tìm khu vực xác ban đầu bị cố có nhiều phương pháp thực dựa kỹ thuật trí khôn nhân tạo hệ chuyên gia, mạng neural, logic mờ, thuật toán gen mạng Petri dùng để ứng dụng đến vấn đề dò tìm cố Tuy nhiên, trở ngại cuả phương pháp phải đối diện, giải với hệ thống điện -3- thường xuyên thay đổi kích cỡ rộng lớn Để khắc phục nhược điểm cách chia hệ thống điện thành phần nhỏ huấn luyện mạng neural cho phần module, mạng neural thực huấn luyện mô hình thành phần hệ thống truyền tải đường dây máy biến Các tín hiệu báo động tương ứng trạng thái hoạt động relay bảo vệ máy cắt tập đầu vào (tập input) cho mạng huấn luyện neural với thuật toán lan truyền ngược (backpropagation algorithm) cấu trúc bảng tra, với đầu xác định liệu có cố hay không Đồng thời xác định cố xảy nằm hay vùng bảo vệ Các chương trình huấn luyện nơ ron chương trình mô cố thực phần mềm Matlap 7.0 -4- B-TÓM TẮT NỘI DUNG ĐỀ TÀI CHƯƠNG 1: MẠNG NEURAL VÀ THUẬT TOÁN BACKPROPAGATION Trong chương chủ yếu giới thiệu sơ lược mạng neural, trình bày cụ thể mạng MLP với thuật toán lan truyền ngược (backpropagation) CHƯƠNG 2: XÂY DỰNG CÁC MẠNG NƠ RON XÁC ĐỊNH KHU VỰC SỰ CỐ TRONG HỆ THỐNG ĐIỆN Bao gồm mô hình bảo vệ thông dụng hệ thống điện việt Nam mức độ điện áp 110kV 220kV Xây dựng chương trình mô đun neural tương ứng với thành phần hệ thống đường dây máy biến áp CHƯƠNG 3: THIẾT KẾ MẠNG NƠ RON VÀ GIẢI THUẬT HUẤN LUYỆN Minh họa mạng nơ ron trình bày chương sơ đồ tổng quát giải thuật huấn luyện CHƯƠNG 4: KHẢO SÁT HOẠT ĐỘNG CỦA MẠNG NƠ RON XÁC ĐỊNH SỰ CỐ TRONG HỆ THỐNG ĐIỆN Giới thiệu sơ lược phần mềm Matlap hệ thống điện Sử dụng để xây dựng mô hình nơ ron máy tính trình bày số kết từ chương trình CHƯƠNG 4: ĐÁNH GIÁ VÀ KẾT LUẬN Từ số kết chương trình đánh kết luận tính khả thi đề tài -5- MỤC LỤC Trang CHƯƠNG MẠNG NƠ RON VÀ THUẬT TOÁN BACKPROPAGATION…………………………8 1.1 - GIỚI THIỆU VỀ MẠNG NƠRON NHÂN TẠO ……………………………………………8 1.1 1– Mô hình mạng nơron nhân tạo…………………………………………………………………… 1.1.2– Mô hình nơ ron nhân tạo…………….……………………………………………………………………8 1.1.3– Phân loại mạng nơ ron…………………………………………………………………………… 10 1.1.4– Phân loại theo thuật toán huấn luyện…………………………………………………………10 1.2 – LỊCH SỬ NGHIÊN CỨU …………………………………….………………………………………………….10 1.3 – MẠNG NƠ RON NHIỀU LỚP LAN TRUYỀN NGƯC SAI SỐ…… … 11 1.3.1 – Kiến trúc mạng… ………………………………………………………………………………………… ….11 1.3.2 – Huấn luyện mạng.………………………………………………………………………………………… 11 1.3.3 – Sử dụng mạng.…………………………………………………………………………………………………….12 1.3.4 – Nghiên cứu hội tự độ phức tạp trình huấn luyện mạng…………………………………………………………………… 12 1.3.5 – Một số vấn đề mạng nơ ron nhiều lớp……………………………………………… 14 1.4 – ỨNG DỤNG MẠNG NƠ RON……………………………………………………………………………….15 CHƯƠNG XÂY DỰNG CÁC MẠNG NƠ RON XÁC ĐỊNH KHU VỰC SỰ CỐ TRONG HỆ THỐNG ĐIỆN …………………………………………………………………………………………17 2.1 – MÔ HÌNH LÝ THUYẾT BẢO VỆ TRONG HỆ THỐNG… ……………………17 2.1.1 – Bảo vệ máy biến áp……….………………………………………………………………………… ….17 2.1.2 – Bảo vệ đường dây…………….………………………………………………………………………………18 2.2 – XÂY DỰNG MẠNG NƠ RON…………………….………………… ………………………………… 19 2.2.1 – Mạng nơ ron xác định cố máy biến áp…….…………………………………………19 2.2.1.1 – Mạng nơ ron xác định cố bên máy biến áp.……….19 2.2.1.2 – Mạng nơ ron xác định cố dự phòng máy biến áp…………20 2.2.1.3 – Mạng nơ ron Máy cắt máy biến áp……………….…………………………20 2.2.1.4 – Mạng nơ ron xác định cố máy biến áp……………….…………….21 2.2.2 – Mô hình nơ ron xác định cố đường dây……….………….………………………….22 2.2.2.1 – Mạng nơ ron xác định cố bên đường dây ……………22 2.2.2.2 – Mạng nơ ron Máy cắt đường dây………………………………………………23 2.2.2.3 – Mạng nơ ron xác định cố đường dây ……………………………….24 -6- CHƯƠNG THIẾT KẾ MẠNG NƠ RON VÀ GIẢI THUẬT HUẤN LUYỆN…………………………………………………26 3.1 – THIẾT KẾ MÔ HÌNH MẠNG NƠ RON……………………………………………………… 26 3.2 – THIẾT KẾ MÔ HÌNH NƠ RON XÁC ĐỊNH SỰ CỐ MÁY BIẾN ÁP…………… …………………………………………………………………………………………27 3.2.1 – Thiết kế mạng nơ ron xác định cố bên MBA giải thuật huấn luyện…………………………………………………………………………….28 3.2.2 – Thiết kế mạng nơ ron xác định cố dự phòng MBA giải thuật huấn luyện…………………………………………………………………………….29 3.2.3 – Thiết kế mạng nơ ron máy cắt giải thuật huấn luyện………… ….30 3.2.4 – Thiết kế mạng nơ ron xác định cố MBA……………………………………… 31 3.3 – THIẾT KẾ MÔ HÌNH NƠ RON XÁC ĐỊNH SỰ CỐ ĐƯỜNG DÂY …………… …………………………………………………………………………………………32 3.3.1 – Thiết kế mạng nơ ron xác định cố bên đường dây giải thuật huấn luyện…………………………………………………………………………….33 3.3.2 – Thiết kế mạng nơ ron máy cắt giải thuật huấn luyện………… ….34 3.3.3 – Thiết kế mạng nơ ron xác định cố đường dây…………………….35 3.3 – LƯU ĐỒ GIẢI THUẬT CHO VIỆC XÁC ĐỊNH SỰ CỐ TRONG HỆ THỐNG…………………………………………………………………………….36 CHƯƠNG KHẢO SÁT HOẠT ĐỘNG CỦA MẠNG NƠ RON XÁC ĐỊNH SỰ CỐ TRONG HỆ THỐNG.………………………….………………………………………………………………37 4.1 – GIƠI THIỆU SƠ LƯC VỀ PHẦN MỀM MATLAB………………………………37 4.2 – ỨNG DỤNG CÔNG CỤ MATLAB ĐỂ KHẢO SÁT.……………………………38 4.2.1 – Lập chương trình huấn luyện nơ ron cho máy biến .38 4.2.2 – Lập chương trình huấn luyện nơ ron cho đường dây………………………45 4.2.3 – Lập chương trình mô cố MatLab…………………………….…55 CHƯƠNG KẾT LUẬN VÀ ĐÁNH GIÁ…………………………………………………………67 PHẦN PHỤ LỤC 68 -7- CHƯƠNG MẠNG NƠ RON VÀ THUẬT TOÁN BACKPROPAGATION 1.1-GIỚI THIỆU VỀ MẠNG NƠRON NHÂN TẠO: 1.1 Mô hình mạng nơron nhân tạo Mạng nơron nhân tạo (Artificial Neural Network) gọi tắt ANN bao gồm nút (đơn vị xử lý, nơ ron) 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 thông tin dài hạn mạng nơron nhiệm vụ trình huấn luyện (học) mạng cập nhật trọng số có thêm thông tin mẫu học, hay nói cách khác, trọng số điều chỉnh cho mẫu vào hoàn toàn phù hợp môi trường xem xét 1.1.2 Mô hình nơron nhân tạo sj wj liên kết vào Net= ∑ g out liên kết Hình 1.1 Mô hình nơron nhân tạo Mỗi nơ ron nối với nơron khác nhận tín hiệu pj từ chúng với trọng số wj Tổng thông tin vào có trọng số : Net = ∑ w j s j Người ta gọi thành phần tuyến tính nơron Hàm kích hoạt g (còn gọi hàm chuyển) đóng vai trò biến đổi từ Net sang tín hiệu đầu out Out = g(Net) Đây thành phần phi tuyến nơron -8- a Tập huấn luyện: Mạng nơron huấn luyện input-output yêu cầu Tập input bao gồm tất mẫu (vectơ input) cần 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 trong tập input Khi mạng nơron học biễu diễn nhiệm vụ mà học Mạng nơron trích đặc điểm quan trọng học tập mẫu huấn luyện, tổng hợp đặc điểm để đưa trình xữ lý với mẫu không học trước b Trọng lượng kết nối Các kết nối nơron mạng nơron nhân tạo gọi trọng lượng kết nối điều chỉnh Khi tín hiệu đưa vào nơron để xữ lý nhân với hệ số trọng lượng W sau biến đổi hàm không tuyến tính Tác dụng hàm không tuyến tính 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 nghóa tín hiệu output nơron tín hiệu input biết trước Có loại hàm số hoạt động thông dụng bảng đây: Các hàm hoạt động Hàm tuyến tính f(s)=s ⎧+ s ≥ ⎩− s < Hàm ngưỡng f(s)= ⎨ Hàm sigmod f(s)= Haøm hyperbolic (1 − e ) f(s)= (1 + e ) 1 + e −s ( ) −2 s 2s -9- 1.1.3 Phân loại mạng nơron Theo liên kết nơron phân loại thành hai loại: mạng nơron truyền thẳng (feed-forward Neural Network) mạng nơron quy hồi (recurrent NN) Trong mạng nơ ron truyền thẳng liên kết nơ ron theo hướng định, không tạo thành chu trình (Directed Acylic Graph) với đỉnh nơ ron, cung váv liên kết chúng Ngược lại, mạng hồi quy cho phép liên kết nơ ron tạo thành chu trình Vì thông tin nơ ron truyền lại cho nơ ron góp phần kích hoạt chúng, nên mạng hồi quy có khả lưu giữ trạng thái dạng ngưỡng kích hoạt trọng số liên kết nơ ron 1.1.4 Phân loại theo thuật toán huấn luyện Mạng nơ ron huấn luyện hai thuật toán học hỏi có giám sát học không giám sát Ngoài có thuật toán học hỏi có điều chỉnh, trường hợp đặc biệt thuật toán học hỏi có giám sát Học hỏi có giám sát: thuật toán 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 toán LVQ- thuật toán chuẩn hóa vectơ học hỏi Kohonen, 1989… Học không giám sát: thuật toán không đòi hỏi biết trước ngõ yêu cầu Trong trình huấn luyện, mẫu nhập đưa vào mạng thuật toán tự điều chỉnh trọng lượng 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 1.2 LỊCH SỬ NGHIÊN CỨU Những năm 1940 xem mốc khởi đầu nghiên cứu mạng nơ ron với đề xuất mô hình xử lý thông tin nơ ron mạng nơ ron Mc Culloch-Pitts giải thuật huấn luyện mạng Hebb Những năm 50 60 thời kỳ hưng thịnh mạng nơ ron với công trình Rosenbatt (1960) mạng Perceptron, thuật giải huấn luyện mạng ADALINE báo bình giải Minsky Papert mạng perception Những năm 70 mạng nơ ron rơi vào trạng thái im lặng nghiên cứu ứng dụng Tuy kể đến nghiên cứu trình học mạng nhiều - 10 - Đường dây Hoc Mon_Go Dau Sự cố vùng Sự cố vùng phía Hóc Môn Sự cố vùng phía Gò Dầu Đường dây Go Dau_Song Than Sự cố vùng Sự cố vùng phía Gò Dầu Sự cố vùng phía Sóng Thần Đường dây Song Than_Sai Gon Sự cố vùng Sự cố vùng phía Sóng Thần Sự cố vùng phía Sài Gòn Đường dây HocMon_Sai Gon Sự cố vùng Sự cố vùng phía Hóc Môn Sự cố vùng phía Sài Gòn Máy biến MBTT1 Sự cố MBT Sự cố bên phía cao áp Sự cố bên phía hạ áp 0.0290 0.0252 0.9399 0.0543 1.0762 -0.0131 0.0159 0.0284 -0.0425 0.0159 0.0284 -0.0425 -0.0048 1.0214 0.0155 Kết cho thấy cố xảy vùng phía Gò dầu đường dây Hóc Môn – Gò dầu (0.9399) vùng phía Gò dầu đường dây Gò Dầu – Sóng Thần (1.0762) Đồng thời máy biến T1 trạm Gò Dầu cắt cố bên phía cao áp (1.0214) cho thấy cố xảy phạm vi trạm Gò Dầu bên phạm vi MBA - 61 - Trường hợp 3: Trường hợp mô tả hai cố đồng thời xảy lúc, có cố cố đường dây giả thiết cố xảy đường dây Hóc Môn – Sài Gòn Sự cố lại cố xảy nội máy cắt phía cao áp máy biến trạm Gò Dầu bị xì khí SF6 dẩn đến máy cắt bị lock gởi tín hiệu BF đến cắt hai máy cắt kết nối gần mô tả hình 3.5 Hình 3.5 Hiện trạng cố Với tập đầu vào trạng thái tín hiệu mô cố mô tả theo bảng data1 (HocMon_GoDau), data2 (GoDau_SongThan) data T1(MBA Gò Dầu) data sau: Data (HocMon-GoDau) Main_Protection_HOCMON Received_signal_HOCMON Starting_HOCMON Secondary_Protection_HOCMON - 62 - Reversed_Protection_HOCMON Main_Protection_GODAU Received_signal_GODAU Starting_GODAU Secondary_Protection_GODAU Reversed_Protection_GODAU Manual_Open_CB_HOCMON Trip_from_Protection_HOCMON Status_CB_HOCMON BF_HOCMON Manual_Open_CB_GODAU Trip_from_Protection_GODAU Status_CB_GODAU BF_GODAU Data (Go Dau – Song Than) Main_Protection_GODAU Received_signal_GODAU Starting_GODAU Secondary_Protection_GODAU Reversed_Protection_GODAU Main_Protection_SONGTHAN Received_signal_SONGTHAN Starting_SONGTHAN Secondary_Protection_SONGTHAN Reversed_Protection_SONGTHAN Manual_Open_CB_GODAU Trip_from_Protection_GODAU Status_CB_GODAU BF_GODAU Manual_Open_CB_SONGTHAN Trip_from_Protection_SONGTHAN Status_CB_SONGTHAN BF_SONGTHAN - 63 - 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 Data T1 (MBT Goø Daàu) 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 (SaiGon – Song Than) Main_Protection_SAIGON Received_signal_SAIGON Starting_SAIGON Secondary_Protection_SAIGON Reversed_Protection_SAIGON Main_Protection_SONGTHAN Received_signal_SONGTHAN Starting_SONGTHAN Secondary_Protection_SONGTHAN Reversed_Protection_SONGTHAN Manual_Open_CB_SAIGON Trip_from_Protection_SAIGON Status_CB_SAIGON BF_SAIGON Manual_Open_CB_SONGTHAN Trip_from_Protection_SONGTHAN Status_CB_SONGTHAN BF_SONGTHAN 0 0 0 0 1 0 1 0 1 0 1 Sau đưa liệu tín hiệu input vào chương trình nơ ron huấn luyện cho thông số sau: - 64 - Đường dây Hoc Mon_Go Dau Sự cố vùng Sự cố vùng Hoc Môn Sự cố vùng Gò Dầu -0.0460 0.0021 1.0506 Đường dây Go Dau_Song Than Sự cố vùng -0.0062 Sự cố vùng Gò Dầu 0.9183 Sự cố vùng Sóng Thần -0.0182 Đường dây Song Than_Sai Gon Sự cố vùng 0.0159 Sự cố vùng Sóng Thần 0.0284 Sự cố vùng Sài Gòn -0.0425 Đường dây HocMon_Sai Gon Sự cố vùng Sự cố vùng Hóc Môn Sự cố vùng Sài Gòn 0.9703 0.0618 -0.0050 Sự cố MBT T1 Sự cố bên MBT Sự cố phía cao áp Sự cố phía hạ áp -0.0056 0.9731 0.0092 - 65 - Hình 3.6 Hiện trạng hệ thống sau cố Kết đầu mạng nơ ron cho thấy có cố đường dây vùng đường dây Hóc Môn – Sài Gòn (0.9703) Các máy cắt đường dây Gò Đậu cắt BF cho đầu cố máy cắt phía cao MBA Gò đậu kết hợp với thông tin máy cắt bị xì khí từ trạm suy luận nguyên nhân cố máy cắt bị hư hỏng trạm - 66 - 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 mô cho thấy khả tìm kiếm, xác định công cụ xác Việc áp dụng mô đun nơ ron cho phép làm giảm kích cỡ mạng nơ ron, tạo linh hoạt cho việc thay đổi chức bảo vệ Thêm vào không phụ thuộc vào cấu hình hệ thống lưới điện Vì thế, ứng dụng đến hệ thống nhỏ lớn không phụ thuộc vào kích cỡ hệ thống điện Bên cạnh đó, công ty điện lực thường sử dụng tiêu chuẩn, mô hình hệ thống bảo vệ lưới điện nên việc thiết kế sửa đổi mô hình nơ ron dể dàng Tuy nhiên phạm vi luận văn này, khả đưa trường hợp lôgic để xây dựng huấn luyện mạng hạn chế việc bao quát tính chủ quan (cảm tính) nên không phản ảnh hết khả khác xảy ra, xây dựng dựa khả suy luận logic thân người viết khả xảy thực tế nên việc ứng dụng cần phải cập nhật thêm để hoàn thiện xác - 67 - PHUÏ LUÏC … % CHUONG TRINH NO RON MO PHONG HE THONG function RunButtonCallback(src,evt) % -LINE HOCMON-GODAU -% % 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); 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) - 68 - 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 GODAU-SONGTHAN -% [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); % -LINE SONGTHAN-SAIGON -% [name,ptest3]= textread('data3.txt','%30s %d'); - 69 - if ptest3(13)==1; annotation1 = annotation(f, 'rectangle',[0.558 0.8 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; if ptest3(17)==1; annotation2 = annotation(f, 'rectangle',[0.558 0.54 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; p1=[ptest3(1);ptest3(2);ptest3(3);ptest3(5);ptest3(6);ptest3(7);ptest3(8);ptest3(10)]; p2=[ptest3(11);ptest3(12);ptest3(13);ptest3(14)]; p3=[ptest3(15);ptest3(16);ptest3(17);ptest3(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;ptest3(4);ptest3(9);b;c]; sucoline3=purelin(LWkq*tansig(IWkq*p4+b1kq)+b2kq); % -LINE SAIGON-HOCMON -% [name,ptest4]= textread('data4.txt','%30s %d'); if ptest4(13)==1; annotation1 = annotation(f, 'rectangle',[0.48 0.835 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; if ptest4(17)==1; annotation2 = annotation(f, 'rectangle',[0.23 0.835 0.023 0.028], 'FaceColor',[1 1], 'LineWidth',1); end; - 70 - p1=[ptest4(1);ptest4(2);ptest4(3);ptest4(5);ptest4(6);ptest4(7);ptest4(8);ptest4(10)]; p2=[ptest4(11);ptest4(12);ptest4(13);ptest4(14)]; p3=[ptest4(15);ptest4(16);ptest4(17);ptest4(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;ptest4(4);ptest4(9);b;c]; sucoline4=purelin(LWkq*tansig(IWkq*p4+b1kq)+b2kq); % -MBT GODAU -% [name,ptestT1]= textread('dataT1.txt','%60s %d'); if ptestT1(6)==1; annotation1 = annotation(f, '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); - 71 - pT5=[a;b;c;d]; sucoT1=purelin(netlw2*tansig(netiw1*pT5+netb1)+netb2); % -MBT SONG THAN -% [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); pT5=[a;b;c;d]; sucoT2=purelin(netlw2*tansig(netiw1*pT5+netb1)+netb2); - 72 - % -Cac thong so dau cua noron disp(' LINE HOC MON - GO DAU '); disp(' '); fprintf('suco vung %+1.4f \n',sucoline1(1)); fprintf('suco ngoai vung HOC MON %+1.4f \n',sucoline1(2)); fprintf('suco ngoai vung GO DAU %+1.4f \n',sucoline1(3)); disp(' '); disp(' LINE GO DAU - SONG THAN '); disp(' '); fprintf('suco vung %+1.4f \n',sucoline2(1)); fprintf('suco ngoai vung GO DAU %+1.4f \n',sucoline2(2)); fprintf('suco ngoai vung SONG THAN %+1.4f \n',sucoline2(3)); disp(' '); disp(' LINE SAI GON - SONG THAN '); disp(' '); fprintf('suco vung %+1.4f \n',sucoline3(1)); fprintf('suco ngoai vung SAI GON %+1.4f \n',sucoline3(2)); fprintf('suco ngoai vung SONG THAN %+1.4f \n',sucoline3(3)); disp(' '); disp(' LINE HOC MON - SAI GON '); disp(' '); fprintf('suco vung %+1.4f \n',sucoline4(1)); fprintf('suco ngoai vung HOC MON %+1.4f \n',sucoline4(2)); fprintf('suco ngoai vung SAI GON %+1.4f \n',sucoline4(3)); disp(' '); disp(' TRANS GO DAU 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 SONG THAN 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; - 73 - TÀI LIỆU THAM KHẢO 1- Power System Protection – P.M Anderson 2- Neural Networks – MacMillan 1994 3- Hệ mờ ứng dụng – Nguyễn Hoàng Phương, Bùi Công Cường Nhà xuất Khoa Học Kỹ Thuật 1998 4- Neural Networks Toolbox – MatLab 7.0 5- Backpropagation Networks – Devin Mc Auley, 1997 6- Application of Neural Network to Electric Power System Fault Section Estimation - Ghendy cardoso, Jr Jacqueline Rolim and Hans Helmut, IEEE Transaction on Power Delivery, Vol 19, No 3, July 2004 7- A new neural network approach to on –line fault section estimation using information of protective relays and circuit breakers – H.T Yang, W.Y Chang, IEEE Trans Power Delivery, vol Jan.1994 8- Bảo vệ rơle – tập 1,2 – Nguyễn Hoàng Việt 9- Siemens – Siprotec 4-7SA6 Distance Protection Relay for all Voltage levels - 74 - LÝ LỊCH TRÍCH NGANG Họ tên: LƯƠNG NGỌC THẠCH Giới tính: Nam Sinh Ngày: 10 - 11 - 1977 Nơi sinh: Thái Bình Địa liên lạc: 84 Quang Trung – TP Nha Trang – Tỉnh Khánh Hòa QUÁ TRÌNH ĐÀO TẠO 1995 - 2000: Học Đại Học Khoa Điện-Điện Tử, Trường Đại Học Bách Khoa Tp Hồ Chí Minh chuyên nghành Hệ Thống Điện 2004 – 2006: Học viên cao học Trường Đại Học Bách Khoa TP Hồ Chí Minh QUÁ TRÌNH CÔNG TÁC 2001 - đến nay: Công tác Công Ty Điện Lực - 75 - ... cho việc xác định cố hệ thống HỆ THỐNG ĐIỆN Có cố Dữ liệu cố Đường dây Dữ liệu cố MBA Mạng nơ ron Xác định cố Đường dây Sự cố Ngoài Ngoài vùng Phía S Mạng nơ ron xác định cố MBA cố vùng cố vùng... Không có SC Sự cố đầu S Sự cố đầu R Sự cố phía đầu S Sự cố phía đầu R 21 vùng đầu S 21 vùng đầu R L I N E Sự cố Không có SC Sự cố bên S Trip từ bảo vệ (86) Tình trạng MC Tác động BF Sự cố bên R... -1 0 Bảng 3.4 Các logic trạng thái mạng nơ ron xác định cố 2.2.2 Mạng nơ ron xác định cố đường dây 2.2.2.1 Mạng nơ ron xác định cố vùng (Main) đường dây Mô đun nơ ron chủ yếu xác định hoạt động