Hệ thống nhận dạng sự cố trên đường dây truyền tải điện sử dụng mạng thần kinh nhân tạo áp dụng trong công ty truyền tải điện 4

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH NGUYỄN VĂN TÂM HỆ THỐNG NHẬN DẠNG SỰ CỐ TRÊN ĐƯỜNG DÂY TRUYỀN TẢI ĐIỆN SỬ DỤNG MẠNG THẦN KINH NHÂN TẠO ÁP DỤNG TRONG CÔNG TY TRUYỀN TẢI ĐIỆN Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã chuyên ngành: 60520203 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2019 Cơng trình hồn thành Trường Đại học Công nghiệp Công ty Truyền tải điện TP Hồ Chí Minh Người hướng dẫn khoa học : Tiến sĩ Nguyễn Tấn Lũy Người phản biện : Tiến sĩ Phạm Công Thành Người phản biện : Tiến sĩ Nguyễn Ngọc Sơn Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh ngày 26 tháng 04 năm 2019 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: TS Mai Thăng Long - Chủ tịch Hội đồng TS Phạm Công Thành - Phản biện TS Nguyễn Ngọc Sơn - Phản biện TS Nguyễn Trọng Tài - Ủy viên TS Trần Minh Chính - Thư ký CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Văn Tâm MSHV : 16083361 Ngày, tháng, năm sinh: 20/12/1976 Nơi sinh : tỉnh Bình Định Chuyên ngành: Kỹ thuật Điện tử Mã chuyên ngành : 60520203 I TÊN ĐỀ TÀI: Hệ thống nhận dạng cố đường dây truyền tải điện sử dụng mạng thần kinh nhân tạo áp dụng Công ty Truyền tải điện NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu kết nghiên cứu nước phương pháp nhận dạng cố - Thiết kế xây dựng giải thuật cho thuật toán nhận dạng dùng mạng nơ – ron để phát cố, định vị vị trí xảy cố cụm lưới điện 220kV thực tế vận hành với qui mô lưới điện khảo sát cấp nguồn từ nguồn phát, 11 12 đường dây ngắn dài - Ứng dụng phần mềm chuyên dụng EMTP để phân tích lưới tạo mẫu huấn luyện cho mạng nơ – ron - Xây dựng hệ thống kiểm chứng kết nhận dạng cố II NGÀY GIAO NHIỆM VỤ: Theo Quyết định số 2057/QĐ-ĐHCN ngày 02/10/2018 việc giao đề tài cử người hướng dẫn luận văn thạc sĩ Hiệu trưởng Trường Đại học Cơng nghiệp Tp Hồ Chí Minh III NGÀY HỒN THÀNH NHIỆM VỤ: 02/04/2019 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: Tiến sĩ Nguyễn Tấn Lũy Tp Hồ Chí Minh, ngày NGƯỜI HƯỚNG DẪN tháng năm 2019 CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ LỜI CẢM ƠN Sau thời gian trình thực luận văn thạc sĩ với thử thách lớn, đòi hỏi kiên trì tập trung cao độ Tơi thực vinh hạnh với kết đạt đề tài nghiên cứu Những kết đạt khơng nỗ lực cá nhân, mà cịn hỗ trợ giúp đỡ thầy hướng dẫn, nhà trường, môn, đồng nghiệp gia đình Tơi muốn bày tỏ tình cảm đến với họ Trước hết, xin gửi lời cảm ơn sâu sắc tới thầy TS Nguyễn Tấn Lũy quan tâm hướng dẫn giúp đỡ tơi tận tình, khơng quản khó khăn suốt q trình thực hồn thành luận án Tơi xin trân trọng cảm ơn Khoa Cơng nghệ Điện tử, phịng Quản lý Sau Đại học, Lãnh đạo Trường Đại học Công nghiệp, Lãnh đạo Công ty Truyền tải điện 4, Thạc sĩ Vũ Đức Quang thuộc Trung tâm Nghiên cứu Phát triển_Công ty CP Tư vấn Xây dựng điện tạo điều kiện thuận lợi cho tơi suốt q trình thực luận án Tôi xin cảm ơn tập thể cán bộ, giảng viên Khoa Công nghệ Điện tử – Trường Đại học Công nghiệp hỗ trợ mặt tinh thần, động viên tơi suốt q trình học tập nghiên cứu Tôi xin gửi lời cảm ơn chân thành tới tất người bạn tôi, người chia sẻ cận kề lúc khó khăn Cuối cùng, tơi xin bày tỏ lịng biết ơn vơ hạn người thân, gia đình bên cạnh ủng hộ, giúp đỡ suốt chặng đường học tập vừa qua i TÓM TẮT LUẬN VĂN THẠC SĨ Hệ thống lưới điện truyền tải (HTĐ) đóng vai trị xương sống quan trọng phát triển kinh tế quốc gia, sở hạ tầng liên quan đến an ninh quốc gia mang tính định quan trọng kinh tế quốc dân Do phát triển kinh tế áp lực cung cấp điện làm cho HTĐ ngày trở lên rộng lớn quy mô, phức tạp tính tốn thiết kế, vận hành nên HTĐ cần vận hành ổn định, tin cậy Hiện nay, HTĐ “nhạy cảm” với cố xảy ra, đặc biệt cần tránh tối đa cố tan rã lưới điện cao áp, siêu cao áp Một số cố tan rã HTĐ gần giới với hậu to lớn ví dụ sinh động cho luận điểm Việt Nam không loại trừ vấn đề từ cố đường dây 500kV Di Linh – Tân Định vào ngày 22/5/2013 gây rã lưới tồn lưới điện khu vực miền Nam Chính vậy, đề tài chủ yếu tập trung vào nghiên cứu nhận dạng loại cố định vị điểm xảy cố xác đường dây truyền tải điện nhằm mục đích phát hiện, cách ly xác định xác vị trí cố nhanh tốt, giúp cho việc khắc phục cố nhanh, khôi phục lại chế độ làm việc bình thường hệ thống điện, giảm thiệt hại kinh tế nâng cao độ tin cậy cung cấp điện cho phụ tải Đề tài nghiên cứu phát triển phương pháp sử dụng mạng thần kinh nhân tạo MLP (MultiLayer Perceptron) với giải thuật Levenberg-Marquardt (Trainlm) huấn luyện cho mạng thần kinh nhân tạo, kết hợp ứng dụng phần mềm chuyên dụng EMTP dựa số liệu vận hành thực tế lưới điện truyền tải để mô tạo tập mẫu tin cậy để nhận dạng xác gần với thực tế Việc nghiên cứu đề tài góp phần phát triển phương pháp nhận dạng đặc biệt tính hiệu xác định vị trí cố lưới điện so với khả định vị cố rơ le truyền thống Góp phần đảm bảo an toàn, tin cậy cho vận hành lưới truyền tải điện quốc gia, đảm bảo truyền tải điện an toàn, ổn định cho hoạt động kinh tế, trị, xã hội, an ninh, quốc phịng thị trường điện Việt Nam ii ABSTRACT The transmission grid system acts as a backbone and is very important for the development of each country, it is one of the national security and infrastructure related important decision of the national economy Because the economic development and the pressure of power supply making the power system become more and more large in scale and complicated in design and operation calculations, the power system should be operated stably and reliably Currently, power systems are very "sensitive" to possible incidents, especially to avoid the disintegration of high-voltage and super-high-voltage power grids Some recent incidents of disbanding in the world with great consequences are vivid examples of this thesis Vietnam does not exclude this problem from the incident of 500kV Di Linh - Tan Dinh line on May 22, 2013, disrupting the entire grid of the southern region Therefore, this topic mainly focuses on identifying the type of incident and locating the point of incident occurrence as accurately as possible on the transmission line in order to detect, isolate and identify locate the incident as quickly as possible, help to solve the problem quickly, restore the normal working mode of the electrical system, reduce economic losses and improve the reliability of power supply for load The research and development of a method of using artificial neural network MLP (MultiLayer Perceptron) with Levenberg-Marquardt algorithm (Trainlm) training for artificial neural networks, combining application of specialized EMTP software based on the actual operation data on the transmission grid to simulate and create a reliable sample set to accurately identify and close to reality The research of this topic contributes to the development of new identification methods and especially the effectiveness in determining the location of incidents on the grid compared with the ability to locate incidents of the traditional relays Contributing to ensuring the safety and reliability of the operation of the national power transmission network, ensuring safe and stable transmission of electricity for economic, political, social, security, defense and urban activities Vietnamese electricity market iii LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu thân tơi Các kết nghiên cứu, số liệu nêu luận văn trung thực chưa công bố cơng trình khác Nội dung luận văn có tham khảo sử dụng tài liệu, thông tin đăng tải tác phẩm, tạp chí, báo, trang web thực trích dẫn ghi nguồn tài liệu tham khảo quy định Học viên Nguyễn Văn Tâm iv MỤC LỤC MỤC LỤC v DANH MỤC HÌNH ẢNH viii DANH MỤC BẢNG BIỂU x DANH MỤC TỪ VIẾT TẮT xi MỞ ĐẦU 1 Đặt vấn đề Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Cách tiếp cận phương pháp nghiên cứu Ý nghĩa thực tiễn đề tài CHƯƠNG TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU 1.1 Tổng quan lĩnh vực nghiên cứu 1.2 Các nghiên cứu trước 1.2.1 Phương pháp mạng nơ - ron nhân tạo để bảo vệ khoảng cách cho đường dây truyền tải 1.2.2 Thuật toán mạng nơ - ron cải tiến cho việc phân loại cố đường dây truyền tải 1.2.3 Phương pháp Nơ - ron mờ (Fuzzy neural) để phân loại cố cho bảo vệ đường dây truyền tải 1.2.4 Áp dụng nhận dạng mẫu bảo vệ khoảng cách 1.2.5 Xác định vị trí cố hệ thống điện phương pháp nhận dạng mẫu CHƯƠNG CƠ SỞ LÝ THUYẾT 10 2.1 Hệ thống điện khái niệm bảo vệ rơle 10 2.2 Các dạng cố thường gặp hệ thống lưới điện truyền tải, hạn chế rơle vị trí cố 14 2.2.1 2.3 Rơle truyền thống bảo vệ cho đường dây truyền tải 26 Các dạng rơle bảo vệ 28 v 2.3.1 Bảo vệ dòng điện cực đại (kí hiệu 51) 28 2.3.2 Bảo vệ dịng điện cắt nhanh (kí hiệu 50) 29 2.3.3 Bảo vệ khoảng cách (kí hiệu 21) 29 2.3.4 Bảo vệ dòng có hướng (kí hiệu 67) 30 2.3.5 Bảo vệ dòng thứ tự nghịch (kí hiệu 46) 30 2.3.6 Bảo vệ nhiệt (kí hiệu 49) 30 2.3.7 Bảo vệ tự động đóng trở lại (kí hiệu 79) 31 2.3.8 Bảo vệ tần số cao vơ tuyến (kí hiệu 85) 31 2.3.9 Bảo vệ so lệch dịng điện (kí hiệu 87) 31 2.4 Các khái niệm nhận dạng mẫu 32 2.4.1 Chức hệ thống nhận dạng mẫu 32 2.4.1.1 Phương pháp thống kê (Statistical approach) 33 2.4.1.2 Phương pháp tiếp cận cú pháp (Syntactic approach) 33 2.4.1.3 Phương pháp mẫu phù hợp (Template matching) 34 2.4.1.4 Phương pháp mạng nơ – ron 35 2.4.2 Mẫu huấn luyện mẫu kiểm tra 36 2.4.2.1 Mẫu huấn luyện 36 2.4.2.2 Mẫu kiểm tra 37 2.4.3 2.5 Thông số đặc trưng mẫu thuộc phạm vi nghiên cứu đề tài 37 Mạng nơ - ron 38 2.5.1 Cấu tạo mạng nơ – ron đa lớp (Multilayer Perceptron) 38 2.5.2 Học tập khơng có giám sát 45 2.5.3 Học tập có giám sát 47 CHƯƠNG 3.2 PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG 49 Phân tích thiết kế mạng thần kinh nhân tạo 49 3.2.1 Thuật toán mạng nơ - ron 49 3.2.2 Thiết kế mạng nơ – ron 57 3.2.2.1 Giới thiệu hệ thống lưới điện truyền tải Công ty Truyền tải điện quản lý vận hành 57 vi 3.2.2.2 Phân tích nguồn phụ tải để chạy chương trình mơ EMTP 58 3.2.3 Tập liệu huấn luyện mục tiêu 63 3.2.4 Huấn luyện mạng phần mềm Matlab 66 3.2.5 Giải pháp phần cứng đề xuất 67 CHƯƠNG NHẬN DẠNG VÀ ĐỊNH VỊ SỰ CỐ TRÊN ĐƯỜNG DÂY 68 4.1 Kết huấn luyện 69 4.2 Nhận xét kết 69 4.3 Kiểm tra nhận dạng cố đường dây 75 4.4 Ứng dụng chương trình nhận dạng Matlab GUI (Graphical User Interface) để thao tác 92 4.5 Tóm tắt 97 4.5.1 Áp dụng kết nghiên cứu 97 4.5.1.1 Nhiệm vụ kết đạt 97 4.5.1.2 Hướng phát triển luận văn 98 KẾT LUẬN VÀ KIẾN NGHỊ 99 Kết luận 99 Kiến nghị 99 TÀI LIỆU THAM KHẢO 101 PHỤ LỤC 1: Kết nhận dạng cố 10 vị trí khảo sát đường dây 220kV Cát Lái – Thủ Đức 103 PHỤ LỤC 2: Sơ lược phần mềm EMTP kết chạy trào lưu công suất, mô ngắn mạch đường dây truyền tải điện 136 PHỤ LỤC 3: Đoạn chương trình lập trình ứng dụng GUI 145 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN 156 vii Kết ngắn mạch AN vị trí 25 m nhìn từ hướng trạm Cát Lái_Tải đường dây 50% 142 Kết ngắn mạch CN vị trí 450 m nhìn từ hướng trạm Cát Lái_Tải đường dây 100% 143 Kết ngắn mạch CN vị trí 1425 m nhìn từ hướng trạm Cát Lái_Tải đường dây 50% 144 PHỤ LỤC 3: ĐOẠN CHƯƠNG TRÌNH LẬP TRÌNH TRÊN ỨNG DỤNG GUI function varargout = NN(varargin) clc; gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, 'gui_Singleton', gui_Singleton, 'gui_OpeningFcn', @NN_OpeningFcn, 'gui_OutputFcn', @NN_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end function NN_OpeningFcn(hObject, eventdata, handles, varargin) global time; global A_M; time=4.0; A_M=0; handles.t = timer('ExecutionMode','fixedRate', 'Period', time, 'TimerFcn', {@timer_run, handles}); handles.output = hObject; guidata(hObject, handles); function timer_run(hObject, eventdata, handles) thu(hObject, eventdata, handles); function thu(hObject, eventdata, handles) global A_M; global write; global nrow; global time; global Source; global loai_chan_doan; 145 %if (A_M==1) getValue = xlsread(Source, 1); %end; VA = getValue(1, 1); set(handles.va, 'string', num2str(VA)); VB = getValue(2, 1); set(handles.vb, 'string', num2str(VB)); VC = getValue(3, 1); set(handles.vc, 'string', num2str(VC)); IA = getValue(4, 1); set(handles.ia, 'string', num2str(IA)); IB = getValue(5, 1); set(handles.ib, 'string', num2str(IB)); IC = getValue(6, 1); set(handles.ic, 'string', num2str(IC)); %============================================================ x1=str2num(get(handles.va, 'string')); x2=str2num(get(handles.vb, 'string')); x3=str2num(get(handles.vc, 'string')); x4=str2num(get(handles.ia, 'string')); x5=str2num(get(handles.ib, 'string')); x6=str2num(get(handles.ic, 'string')); x=[x1;x2;x3;x4;x5;x6]; y = myNeuralNetworkFunctionKSC(x); set(handles.vitri_tai,'visible','on'); set(handles.loai,'visible','on'); if ((y(10)