Nghiên cứu ứng dụng lý thuyết mạng nơron để xác định vị trí sự cố trên đường dây tải điện

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LÊ KIỀU LINH NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT MẠNG NƠRON ĐỂ XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƯỜNG DÂY TẢI ĐIỆN LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT ĐIỆN Thái Nguyên - Năm 2020 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LÊ KIỀU LINH NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT MẠNG NƠRON ĐỂ XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƯỜNG DÂY TẢI ĐIỆN CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN MÃ SỐ: 8.52.02.01 LUẬN VĂN THẠC SĨ KHOA HỌC KỸ THUẬT ĐIỆN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS ĐỖ TRUNG HẢI Thái Nguyên - Năm 2020 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: Lê Kiều Linh Đề tài luận văn: Nghiên cứu ứng dụng lý thuyết mạng nơron để xác định vị trí cố đường dây tải điện Chuyên ngành: Kỹ thuật điện Mã số: : 8.52.02.01 Tác giả, Cán hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 04/10/2020 với nội dung sau: - Sửa sai sót thuật ngữ, lỗi tả, format, in ấn - Sửa lại kết luận chương 1, chương kết luận chung luận văn cho phù hợp - Bổ sung thêm danh mục hình vẽ, bảng biểu Thái Nguyên,ngày 26 tháng 10 năm 2020 Cán hướng dẫn Tác giả luận văn TS Đỗ Trung Hải Lê Kiều Linh CHỦ TỊCH HỘI ĐỒNG PGS.TS Nguyễn Hữu Công i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi, số liệu, kết nêu luận văn trung thực cơng trình nghiên cứu riêng tơi, luận văn khơng giống hồn tồn luận văn cơng trình có trước Ngồi tài liệu tham khảo trích dẫn, số liệu kết mô phỏng, thời gian thực hướng dẫn Tiến sỹ Đỗ Trung Hải Tác giả luận văn Lê Kiều Linh ii MỤC LỤC LỜI CAM ĐOAN ii MỤC LỤC iii DANH MỤC CÁC KÍ HIỆU, CÁC CHỮ VIẾT TẮT vi DANH MỤC CÁC BẢNG vii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ viii MỞ ĐẦU 1 Tính cấp thiết Mục đích nghiên cứu Nhiệm vụ nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Nội dung luận văn CHƯƠNG TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP ĐỊNH VỊ SỰ CỐ TRÊN ĐƯỜNG DÂY TRUYỀN TẢI ĐIỆN 1.1 Đặt vấn đề 1.2 Một số phương pháp xác định vị trí cố 1.2.1 Phương pháp tính tốn dựa trở kháng (đo lường phía)[11,12] 1.2.1.1 Phương pháp điện kháng đơn 1.2.1.2 Phương pháp TAKAGI 1.2.1.3 Phương pháp TAKAGI cải tiến 1.2.2 Phương pháp đo lường từ hai phía [13,14] 1.2.3 Phương pháp định vị cố dựa nguyên lý sóng lan truyền từ điểm cố 1.2.4 Phương pháp định vị cố dựa nguyên lý sóng lan truyền từ đầu đường dây 10 1.3 Kết luận chương 10 CHƯƠNG NGHIÊN CỨU Q TRÌNH TRUYỀN SĨNG TRÊN ĐƯỜNG DÂY TẢI ĐIỆN 11 2.1 Mô hình đường dây truyền tải điện [2,4] 11 iii 2.2 Nguyên lý lan truyền sóng đường dây [4,6] 13 2.2.1 Tổng trở sóng ZC 13 2.2.2 Hệ số truyền sóng γ 14 2.2.3 Vận tốc truyền sóng v 14 2.3 Sóng điện từ đường dây tải điện không cố [3,4] 15 2.3.1 Sóng lan truyền đường dây khơng có cố với tải cuối đường dây trở 17 2.3.2 Sóng lan truyền đường dây khơng có cố với tải cuối đường dây dạng (R nt L): 17 2.3.3 Sóng lan truyền đường dây khơng có cố với tải cuối đường dây dạng (R|| L): 18 2.3.4 Sóng lan truyền đường dây khơng có cố với tải cuối đường dây dạng (R ||C): 19 2.3.5 Sóng lan truyền đường dây khơng có cố với tải cuối đường dây dạng (R nt C): 20 2.4 Sóng điện từ đường dây tải điện có điểm cố 20 2.5 Kết luận chương 21 CHƯƠNG ỨNG DỤNG LÝ THUYẾT MẠNG NƠRON ĐỂ XÁC ĐỊNH VỊ TRÍ SỰ CỐ TRÊN ĐƯỜNG DÂY TRUYỀN TẢI ĐIỆN 22 3.1 Phân tích phổ Wavelet [1,9] 22 3.1.1 Thuật tốn Wavelet phân tích sóng phản hồi 24 3.1.2 Các yếu tố ảnh hưởng tới độ xác phân tích Wavelet để xác định thời điểm sóng phản hồi 27 3.2 Mạng nơron mờ ứng dụng để hiệu chỉnh thời điểm sóng phản hồi [1,10] .27 3.2.1 Quy tắc suy luận mạng TSK 27 3.2.2 Mơ hình mạng nơron mờ TSK 29 3.2.3 Thuật toán học mạng nơron mờ TSK 31 3.2.4 Khởi tạo mạng nơron cho trình học 35 3.2.5 Thuật toán phân cụm trừ mờ 35 3.2.6 Mạng TSK để hiệu chỉnh thời điểm sóng phản hồi 37 3.3 Kết luận chương 39 iv CHƯƠNG CÁC KẾT QUẢ TÍNH TỐN VÀ MƠ PHỎNG 40 4.1 Phần mềm Matlab-Simulink mô hệ thống điện [8] .40 4.1.1 Thư viện Sources 40 4.1.2 Thư viện thị Sinks 42 4.1.3 Thư viện SimPowerSystems 42 4.1.4 Thư viện nguồn 43 4.1.5 Thư viện Elements 44 4.2 Mơ sóng lan truyền đường dây dài để xác định vận tốc truyền sóng 47 4.2.1 Mơ hình mơ 47 4.2.2 Kết mô 49 4.3 Mô sóng lan truyền đường dây dài khơng phân nhánh đường dây có cố 51 4.3.1 Mơ hình mơ 51 4.3.2 Kết mô số loại cố khác 51 4.3.2.1 Ngắn mạch pha 51 4.3.2.2 Ngắn mạch pha chạm đất 53 4.3.2.3 Ngắn mạch pha chạm đất 54 4.4 Kết hiệu chỉnh sai số vị trí cố mạng nơron TSK 56 4.5 Kết luận chương 60 KẾT LUẬN 61 TÀI LIỆU THAM KHẢO 62 PHỤ LỤC 1: CHƯƠNG TRÌNH HUẤN LUYỆN MẠNG NEURON 64 PHỤ LỤC 2: CHƯƠNG TRÌNH KIỂM TRA MẠNG NƠRON 75 v DANH MỤC C Ký hiệu R0 Điện trở L0 Điện cảm đ H0 Điện dung G0 Điện dẫn đ Vref Sóng tín hiệu điện Sóng tín hiệu điện Vinc tới) V Vận tốc truyền són I Dịng điện l Chiều dài đường dâ Lfault Chiều dài từ đầu đư Rf  hệ số khúc xạ β hệ số phản xạ Điện trở cố IF Dòng điến cố ZL Tổng trở đường vi DANH MỤC CÁC BẢNG Bảng 1: Kết xác định vị trí cố ngắn mạch pha chạm đất .53 Bảng 2: Kết xác định vị trí cố ngắn mạch pha chạm đất .54 Bảng 3: Kết xác định vị trí cố ngắn mạch pha chạm đất .56 Bảng 4: Kết xác định vị trí cố ngắn mạch pha chạm đất .59 sau sử dụng mạng noron để hiệu chỉnh sai số 59 Bảng 5: Kết xác định vị trí cố ngắn mạch pha chạm đất .60 sau chạy qua mạng noron để hiệu chỉnh sai số 60 Bảng 6: Kết xác định vị trí cố ngắn mạch pha chạm đất .60 sau sử dụng mạng noron để hiệu chỉnh sai số 60 vii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1 Sơ đồ minh họa cố đường dây truyền tải sử dụng phương pháp điện kháng đơn Hình 1.2 Minh họa phương pháp TAKAGI mạch điện pha hai nguồn Hình 1.3 Sơ đồ nguyên lý đường dây bị cố với hai nguồn cấp Hình 1.4 Sơ đồ thay đường dây cố Hình 1.5 Sự lan truyền phản xạ sóng dịng điện đường dây 10 Hình 2.1 Mơ hình đường dây truyền tải hình PI pha 11 Hình 2.2 Mơ hình phân đoạn đường dây truyền tải hình PI ba pha 12 Hình 2.3 Mơ hình Petersen tương đương để giải tốn truyền sóng .16 Hình 2.4 Mơ hình Petersen tương đương mạch có tải trở 17 Hình 2.5 Mơ hình Petersen tương đương mạch có tải R nối tiếp L 17 Hình 2.6 Mơ hình Petersen tương đương mạch có tải R song song L 18 Hình 2.7 Mơ hình Petersen tương đương mạch R song song C 19 Hình 2.8 Mơ hình Petersen tương đương mạch R nối tiếp C 20 Hình 3.1 Một số Wavelet kinh điển 24 Hình 3.2 Cấu trúc bước liên tiếp phân tích tín hiệu ban đầu thành thành phần chi tiết xấp xỉ 25 Hình 3.3 Mạng nơron mờ TSK 30 Hình 3.4 Thuật tốn học mạng TSK 33 Hình 3.5 Dạng sóng điện áp đầu đường dây cố pha 38 Hình 3.6 Hình ảnh phóng to tín hiệu đầu đường dây hình bên 38 Hình 3.7 Minh họa việc trích 20 mẫu giá trị tức thời xung quanh thời điểm t o để làm liệu đưa vào mạng nơron 38 Hình 4.1 Thư viện khối nguồn 40 Hình 4.2 Thư viện khối hiển thị 42 Hình 4.3 Thư viện công cụ mô SimPowerSystems 43 Hình 4.4 Thư viện khối nguồn SimPowerSystems 43 Hình 4.5 Thư viện Elements SimPowerSystems 44 Hình 4.6 Block cài đặt thông số cho đường dây thông số dải 45 Hình 4.7 Block cài đặt thông số cho máy cắt pha 45 Hình 4.8 Block cài đặt thông số cho cổng kết nối 46 viii TÀI LIỆU THAM KHẢO Karl Zimmerman and David Costello, "Impedance-Based Fault Location Experience ", Rural Electric Power Conference, 2006 IEEE N G Paulter ( 2001), "An assessment on the accuracy of time-domain reflectometry for measuring the characteristic impedance of transmission line", IEEE Trans Instrum Meas., vol 50, pp 1381 –1388, 2001 M Kezunovic and B Perunicic (1996), "A utomated transmission line fault analysisusing synchronized sampling at two ends", IEEE Trans Power Syst , vol 11, no 1, pp 441–447 Minambres J Zamora I, Mazon A, Alvarez-Isasi R, Lazaro J (1996), "Fault location on two-terminal transmission lines based on voltages", IEE Proceedings: Generation, Transmission and distribution, 143(1) M Ohmiya H Yamada, Y Ogawa, K Itoh (1991), "Super resolution techniques for time-domain measurements with a network analyzer", IEEE Trans Antennas Propag., vol 39, pp 177 –183, 1991 Takagi (1982), "Development of a new fault locator using the one-terminal voltage and current data", IEEE Trans.Power App Syst , vol PAS-101, no 8, pp 2892– 2898 Dương Hòa An (2019), “ Nghiên cứu ứng dụng phương pháp đại nhận dạng cố ngắn mạch đường dây truyền tải điện “, luận án tiến sĩ kỹ thuật, Trường Đại học Kỹ thuật Công nghiệp Trần Bách (2004), “Lưới điện Hệ thống điện” tập & 2, NXB Khoa học Kỹ thuật, Hà Nội Lại Khắc Lãi (2009), “Cơ sở lý thuyết mạch tập 2", NXB Đại học Thái Nguyên 10 Trần Hoài Linh (2011), “Ứng dụng Wavelet daubecchies phát thời điểm cố ngắn mạch đường dây dài”, Hội nghị toàn quốc Điều khiển Tự động hóa (VCCA) 11 Thành Lương (2013), “Công nghệ định vị cố”, Tạp chí Khoa học Cơng nghệ Điện, số 62 12 Trần Đình Long (2000),” Bảo vệ hệ thống điện”, NXB Khoa học Kỹ thuật 13 Trương Tuấn Anh, Trần Hoài Linh, Đinh Văn Nhượng (2013),”Phối hợp mạng nơron phương pháp tổng trở để xác định vị trí cố ngắn mạch đường dây tải điện”, Hội nghị tồn quốc Điều khiển Tự động hố VCCA-2013, Trang 663-669, Đà Nẵng 14 Nguyễn Thanh Sơn, Lê Khánh Luận, "Lý thuyết Xác suất Thống kê", NXB Đại học Quốc gia TPHCM 15 Nguyễn Phùng Quang (2003), "Matlab & Simulink", NXB Khoa học Kỹ thuật, 2003 16 Nguyễn Bình Thành (1978), "Giáo trình Cơ sở kỹ thuật điện 1,2", NXB ĐHBK Hà Nội 63 PHỤ LỤC CHƯƠNG TRÌNH HUẤN LUYỆN MẠNG NEURON [num,txt,raw]=xlsread('dulieuhuanluyen.xlsx','Sheet2','a2:i240'); N = size (num,1); time_steps_equal=0:1e-7:5e-3; Input=[]; Output=[]; for i=1:N load(txt{i,6}, txt{i,6}); s=sprintf('signal = %s;', txt{i,6}) eval(s); load(txt{i,7}, txt{i,7}); s=sprintf('time_steps = %s;', txt{i,7}) eval(s); signal2 = transpose(interp1 (time_steps, signal, time_steps_equal)); load(txt{i,8}, txt{i,8}); s=sprintf('time_org = %s', txt{i,8}); eval(s) load(txt{i,9}, txt{i,9}); s=sprintf('time_est = %s', txt{i,9}); eval(s) deltaStep =10; tmp=signal(time_org-deltaStep)-signal([time_est time_est+deltaStep time_est+2*deltaStep time_est+3*deltaStep time_est+4*deltaStep]); tmp=transpose(tmp) dt=diff(tmp) Input=[Input; tmp(1) dt(1:end)] Output = [Output; time_est-time_org] end; % chuong trinh chinh 64 Xall = all_data(:, 1:20)/100; Dall = all_data(:,23); Nall = size(Xall,1); testid = 1:4:Nall; learnid = setdiff(1:Nall, testid); Xlearn = Xall(learnid,:); Dlearn = Dall(learnid); Xtest = Xall(testid,:); Dtest = Dall(testid); [C,A,U,D]=gk_one_c_3(Xlearn,60); load Running_Result2_30centers C_all A B_all Xikma_all PP res_learn=tsk_test3(Xlearn,Dlearn,C_all(:,:,end),A,B_all(:,end),Xikma_all(:,end),PP); disp('Learning error') mean(abs((res_learn(:,2)-res_learn(:,3)))) max(abs((res_learn(:,2)-res_learn(:,3)))) res_test=tsk_test3(Xtest,Dtest,C_all(:,:,end),A,B_all(:,end),Xikma_all(:,end),PP); disp('Testing error') mean(abs((res_test(:,2)-res_test(:,3)))) max(abs((res_test(:,2)-res_test(:,3)))) figure(1) plot(res_learn(:,1),res_learn(:,2),'b',res_learn(:,1),res_learn(:,3),'r') xlabel('Learning sample') legend('Destination','TSK Output') figure(2) plot(res_learn(:,1),10*abs(res_learn(:,2)-res_learn(:,3))) xlabel('Learning sample') ylabel('Error (micro second)') figure(3) plot(res_test(:,1),res_test(:,2),'b',res_test(:,1),res_test(:,3),'r') xlabel('Testing sample') 65 legend('Destination','TSK Output') figure(4) plot(res_test(:,1),10*abs(res_test(:,2)-res_test(:,3))) xlabel('Testing sample') ylabel('Error (micro second)') function [Call,Ball,Xall,Eall,PP]=tsk_pro3(X,D,C,A,para1,para2) %global TSK_NetPresent TSK_CancelLearn; TSK_CancelLearn=0; %memory reservation in one step onelen=100; indonelen=1; %number of data P=size(X,1); %size of input vectors N=size(X,2); %number of rules M=size(C,1); %number of output K=size(D,2); Call=zeros(M,N,onelen); Call(:,:,1)=C; %radio vectors 66 Xikma=3*ones(M,1); tmpd=zeros(1,M); numneighbour=3; for i=1:M x=C(i,:); SI=A(:,:,i); for k=1:M tmpd(k)=sqrt(abs((x-C(k,:))*SI*(x-C(k,:))')); end; [y,j]=sort(tmpd); numneighbour=min(numneighbour,M); Xikma(i)=sum(y(2:numneighbour+1))/numneighbour/2; %y(1)==0 - d(ci,ci) tmpd % pause end; %keyboard Xall=zeros(M,onelen); Xall(:,1)=Xikma*5; %scale vectors B=ones(M,1); Ball=zeros(M,onelen); Ball(:,1)=B; % tall=zeros(1,onelen); epsall=zeros(1,onelen); % W=zeros(M,1); % 67 %Wmean=zeros(M,1); %linear function paras PP=zeros(M,N+1,K); PP=rand(M,N+1,K); %TSK rule values F=zeros(K,M); %output value for one entry Y=zeros(1,K); %matrix for SVD AA=zeros(P,M*(N+1)); %learning coefficients Eta=para1(1); IncEta=para1(2); DecEta=para1(3); ErrorAccepted=para1(4); stop=0; Eall=zeros(1,onelen); ind=1; %distance matrix from a vector to all centers dXC=zeros(M,1); % forwarding signal for SVD for i=1:P x=X(i,:); for k=1:M 68 SI=A(:,:,k); dXC(k)=sqrt(abs((x-C(k,:))*SI*(x-C(k,:))')); W(k)=1/(1+(dXC(k)/Xikma(k))^(2*B(k))); WP(k)=prod(W(k,:)); % end; Wmean=W/sum(W); % % for k=1:M AA(i,(1+(k-1)*(N+1)):(k*(N+1)))=Wmean(k).*[x,1]; for k=1:M AA(i,(1+(k-1)*(N+1)):(k*(N+1)))=W(k).*[x,1]; end; end; %Learning linear parameters %temp=AA\D; mtol=svds(AA,1)*1e-3 temp=pinv(AA,mtol)*D; for k=1:K tmp=temp(:,k); for j=1:M PF(j,:)=tmp((1+(j-1)*(N+1)):(j*(N+1)))'; end; PP(:,:,k)=PF; end; EE=AA*temp-D; %EE=D; oldEE=EE; oldSSE=sum(sum(EE.^2)) while((ind=1e-10) C=C+Eta*DEC; B=B+Eta*DEB; Xikma=Xikma+Eta*DEX; Eta=Eta*DecEta; if Eta