(Luận văn thạc sĩ) chọn mẫu và thông số điển hình trong đánh giá ổn định động hệ thống điện

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VĂN TRỌNG CHỌN MẪU VÀ THÔNG SỐ ĐIỂN HÌNH TRONG ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN – 60520202 S K C0 Tp Hồ Chí Minh, tháng 10/2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VĂN TRỌNG CHỌN MẪU VÀ THÔNG SỐ ĐIỂN HÌNH TRONG ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Tp.Hồ Chí Minh, tháng 10/2015 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Chƣơng TỔNG QUAN 1.1 Tổng quan chung lĩnh vực nghiên cứu 1.1.1 Thực trạng hệ thống điện Hệ thống điện (HTĐ) đóng vai trị quan trọng phát triển kinh tế quốc gia sở hạ tầng quan trọng kinh tế quốc dân HTĐ thƣờng phân chia thành ba phần chính: Phần phát điện bao gồm nhà máy phát điện nhƣ: nhiệt điện chạy than, nhiệt điện chạy khí, nhà máy thủy điện, nhà máy điện hạt nhân, số loại máy phát điện khác Với phần truyền tải, đƣợc coi hệ thống xƣơng sống HTĐ, bao gồm đƣờng dây siêu cao áp, cao áp máy biến áp truyền tải Phần phân phối, nơi điện áp đƣợc hạ thấp để cung cấp trực tiếp cho phụ tải Đây phần có nhiều nút có chiều dài lƣới lớn HTĐ với nhiều loại phụ tải khác Để đảm bảo cho HTĐ vận hành chế độ bình thƣờng HTĐ cần thoả mãn điều kiện ổn định, tin cậy, đảm bảo chất lƣợng điện yêu cầu kinh tế Tuy nhiên, HTĐ không Việt Nam mà nhiều nƣớc phát triển giới phải đối mặt với nhiều khó khăn thách thức: + Thứ tăng trƣởng nhanh phụ tải, đặc biệt nƣớc phát triển nhƣ Việt Nam, tỉ lệ tăng trƣởng phụ tải khoảng 15-20% năm đặt thách thức lớn cho ngành điện phải đáp ứng kịp thời nhu cầu phụ tải + Thứ hai cạn kiệt tài nguyên thiên nhiên nhƣ than đá, dầu mỏ, khí đốt nguồn nƣớc làm cho việc phát triển loại nhà máy phát điện ngày bị giới hạn Việt Nam nƣớc giới nhận thức phải đối mặt với cạn kiệt lƣợng sơ cấp giá nhiên liệu ngày tăng bình diện quốc tế Năng lƣợng thủy điện nguồn lƣợng giá rẻ, kinh tế an toàn dần cạn kiệt đƣợc phát khai thác gần hết Việc ứng dụng công nghệ hạt nhân sản xuất điện phổ biến nhiều nƣớc giới nhƣng nƣớc ta nguồn lƣợng lạ vấn đề công nghệ, lo HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh ngại an toàn, nguồn cung cấp nhiên liệu, vốn đầu tƣ lớn đặc biệt vấn đề môi trƣờng cố xảy + Thứ ba xuất sử dụng ngày nhiều nguồn lƣợng tái tạo nhƣ nguồn lƣợng gió, lƣợng mặt trời nguồn lƣợng phân tán góp phần giảm thiểu gánh nặng cho ngành điện, đáp ứng phần nhu cầu phụ tải gia tăng, làm giảm tổn thất, tiết kiệm chi phí truyền tải phân phối điện Cùng với xuất thiết bị điện tử công suất phần truyền tải phân phối điện làm thay đổi khái niệm HTĐ truyền thống, làm khó khăn quản lý, vận hành, giám sát điều khiển HTĐ Việc đảm bảo chất lƣợng điện năng, tính liên tục cung cấp điện thách thức lớn đặt với ngành điện Một số cố lớn gần Việt Nam giới gây hậu to lớn kinh tế nguy rã lƣới toàn hệ thống ổn định HTĐ trở nên hữu Trong việc đánh giá ổn định động cho HTĐ phức tạp thực vấn đề khó khăn, đặc biệt xét hệ thống vận hành thời gian thực Do đó, vấn đề nghiên cứu ổn định động HTĐ nhiệm vụ cấp thiết 1.1.2 Hƣớng nghiên cứu ổn định hệ thống điện Đầu kỷ 20, nhà bác học ngƣời Mỹ R Park khởi đầu cho việc nghiên cứu ổn định HTĐ dựa sở thiết lập hệ phƣơng trình vi phân trình độ điện máy điện đồng hệ tọa độ quay Đồng thời với Park, loạt cơng trình đƣợc cơng bố độc lập nhà bác học ngƣời Nga A.A Goriev năm 1930 – 1935 mơ hình q trình độ máy điện quay làm phát triển lý thuyết nghiên cứu ổn định HTĐ thêm bƣớc, sau hệ phƣơng trình đƣợc gọi tên Park – Goriev Mơ hình q trình độ HTĐ hệ tọa độ quay làm đơn giản đáng kể hệ phƣơng trình vi phân mô tả trạng thái độ HTĐ Dựa sở đó, phƣơng pháp tốn ổn định hệ thống đƣợc nghiên cứu áp dụng cho HTĐ [5] Trƣớc tiên, phƣơng pháp dựa khái niệm cân lƣợng hay HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh gọi tiêu chuẩn lƣợng Đây phƣơng pháp đơn giản, cho kết áp dụng dễ dàng nhiều trƣờng hợp Tuy nhiên, phƣơng pháp khác sau rằng, khái niệm ổn định theo ý nghĩa cân lƣợng không đầy đủ, phát đƣợc tƣợng ổn định dao động quán tính Hơn nữa, phƣơng pháp cân lƣợng khơng có sở chặt chẽ khó áp dụng HTĐ phức tạp nhƣ ngày [5] Một phƣơng pháp khác đƣợc nhắc đến phƣơng pháp dao động bé A M Lyapunov Chính Goriev cơng trình cách nghiên cứu ổn định HTĐ theo Lyapunov từ HTĐ đơn giản đến phức tạp Ông chứng minh đƣợc sử dụng tiêu chuẩn dấu dƣơng số hạng tự phƣơng trình đặc trƣng hệ phƣơng trình vi phân trình độ phát đƣợc hầu hết trƣờng hợp ổn định HTĐ, gọi tiêu chuẩn ổn định phi chu kỳ Dựa tiêu chuẩn cách tính tốn phân tích ổn định cho HTĐ phức tạp dạng chung đƣợc xây dựng đƣợc áp dụng phổ biến chƣơng trình phân tích HTĐ [5] Phƣơng pháp mơ theo miền thời gian cho kết xác để đánh giá ổn định độ HTĐ nhƣng không cho biết biên ổn định hệ thống, tốn nhiều thời gian phải giải hệ phƣơng trình vi phân phi tuyến sau cố [9,14], không phù hợp đánh giá trực tuyến Phƣơng pháp không cung cấp thông tin mức độ ổn định không ổn định Phƣơng pháp số cho câu trả lời xác ổn định độ HTĐ, nhƣng gặp khó khăn giải phƣơng trình vi phân bậc nhiều thời gian giải [24] Nhƣ vậy, phƣơng pháp truyền thống tốn nhiều thời gian tính tốn, khơng phù hợp đánh giá ổn định thời gian thực, với yêu cầu khắc khe thời gian tính tốn, tính nhanh nhƣng phải xác xuất nhu cầu ứng dụng phƣơng pháp khác hiệu Kỹ thuật nhận dạng mẫu áp dụng đánh giá ổn định động HTĐ bỏ qua giải tích thay cách học quan hệ mẫu đầu vào đầu ra, cách tiếp cận theo hƣớng [14,15] phân loại đƣợc huấn luyện off-line kiểm tra on-line Một số HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh tác giả chọn tín hiệu đầu vào biến đặc trƣng chế độ xác lập tiền cố để chuẩn đoán cố qua số thời gian cắt tới hạn (CCT – Critical Clearing Time) [18,19] Tuy nhiên, việc tìm mối liên hệ biến đặc trƣng trạng thái xác lập cấp ổn định nhiệm vụ khó khăn Hệ thống nhận dạng mẫu tìm kiếm, lọc mẫu thông tin đặc trƣng quan trọng làm mẫu liệu đầu vào, việc trích xuất giảm biến đặc trƣng giúp cho hệ thống xử lý liệu cách nhanh chóng nâng cao độ xác Mạng nơ-ron nhân tạo (ANN – Artificial Neural Network) phƣơng pháp tiếp cận đánh giá ổn định HTĐ thu hút đƣợc nhiều quan tâm nhà nghiên cứu khả học hỏi nhanh chóng quan hệ phi tuyến vào/ [23,24] Đã có nhiều ứng dụng MLPNN (Multilayer Perceptron Neural Network) để ƣớc lƣợng biên ổn định độ HTĐ Trong chuẩn đốn ổn định động chia thành hai giai đoạn Một chuẩn đoán dựa vào biến đặc trƣng tiền cố trạng thái xác lập gồm công suất máy phát, công suất đƣờng dây, điện áp bus, chuẩn đốn mang tính dự phịng ngăn chặn tích cực sớm [16,17] Hai là, chuẩn đốn ổn định động dựa vào biến đặc trƣng sau cố nhƣ số mức độ nghiêm trọng, góc , quỹ đạo điện áp, chuẩn đoán cho biết trạng thái ổn định tới HTĐ cố gây Trong đánh giá ổn định động đƣợc chia làm hai loại chuẩn đốn đánh giá Chuẩn đoán ổn định động thƣờng tập trung vào số CCT hệ thống cố, CCT thời gian cắt cố dài cho phép để hệ thống giữ ổn định ứng với góc cơng suất cắt chuẩn [18,23] ba giai đoạn cố mà HTĐ trải qua: trƣớc cố, cố sau cố Trong đánh giá ổn định động, không cần quan tâm CCT mà cần quan sát trình độ xảy gặp cố, câu hỏi mấu chốt đánh giá ổn định động sau dao động độ kết HTĐ ổn định hay không ổn định [19] toán chuẩn đoán ổn định độ thƣờng xem xét trình trƣớc cố sau cố, chuẩn đốn ổn định qua xác định góc đồng thời gian từ lúc dao động Do kích cỡ HTĐ ngày lớn quy mô, phức tạp cấu trúc, giải HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh phƣơng pháp truyền thống nhiều thời gian gây chậm trễ việc định nên cần giải pháp đánh giá nhanh tin cậy Hệ thống nhận dạng kết hợp phƣơng pháp ANN, có ƣu điểm lớn khả tính tốn song song, nhanh xác cao Để hệ thống nhận dạng ANN có hiệu suất cao biến đặc trƣng đầu vào phải đƣợc chọn hiệu quả, biến đặc trƣng lại gia tăng theo kích cỡ HTĐ, nên cần phải tìm giải pháp trích xuất giảm biến đặc trƣng, phân loại nhóm liệu biến đặc trƣng giúp cho hệ thống nhận dạng ANN xử lý liệu cách nhanh chóng nâng cao độ xác.Điều cơng trình cơng bố cịn hạn chế, địi hỏi phải có cách phân loại mẫu hiệu quả, giúp giải toán chuẩn đoán nhanh ổn định HTĐ cảnh báo sớm trƣờng hợp không ổn định ANN công cụ tính tốn hiệu suất cao đƣợc lựa chọn để đánh giá ổn định động HTĐ Hiệu suất ANN ứng dụng để đánh giá ổn định động HTĐ yêu cầu q trình huấn luyện ANN bao trùm toàn kịch vận hành hệ thống mà không ảnh hƣởng đến cấu trúc hệ thống mức cơng suất phụ tải Vì vậy, q trình lựa chọn biến đặc trƣng phù hợp yêu cầu để xây dựng công cụ tối ƣu để đánh giá xác ổn định động HTĐ So sánh với phƣơng pháp đánh giá ổn định khác, đặc điểm bật ANN gồm: tốc độ đánh giá ổn định theo thời gian thực, yêu cầu liệu hơn, khả tổng hợp mở rộng cao Điển hình phát triển hệ thống nhận dạng gồm bƣớc sau: - Tạo sở liệu - Thiết lập mẫu liệu ngõ vào/ngõ - Trích xuất tri thức (bao gồm mối quan hệ mẫu liệu ngõ vào ngõ thuật toán học) - So sánh, đánh giá hiệu suất ANN Các nghiên cứu gần chủ yếu tập trung vào bƣớc thứ ba quan tâm đến bƣớc lựa chọn biến đặc trƣng ngõ vào, thực tế bƣớc quan trọng ảnh hƣởng đến hiệu suất ANN Nó khơng định đến thời gian tính tốn HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh trình mơ off-line mà cịn tác động lớn đến độ xác Lựa chọn biến đặc trƣng quan trọng bƣớc xây dựng hệ thống nhận dạng đánh giá ổn định động HTĐ dùng mạng nơ-ron Các cơng trình nghiên cứu gần chƣa thực hiệu có hệ thống vấn đề lựa chọn biến đặc trƣng cho đánh giá ổn định HTĐ Do cần thiết giới thiệu, bổ sung thêm số phƣơng pháp để làm phong phú thêm phƣơng pháp lựa chọn biến đặc trƣng Mục tiêu luận văn nhằm bổ sung điểm cần thiết 1.2 Mục tiêu đề tài  Tạo mẫu lựa chọn thơng số điển hình cho HTĐ, dựa sở mạng nơ-ron truyền thẳng nhiều lớp để nhận dạng nhanh trạng thái ổn định động HTĐ 1.3 Nhiệm vụ đề tài giới hạn đề tài 1.3.1 Nhiệm vụ đề tài  Nghiên cứu lý thuyết mạng nơ-ron, nhận dạng ổn định HTĐ;  Tạo mẫu lựa chọn thơng số điển hình đánh giá ổn định động HTĐ;  Ứng dụng phần mềm Matlab, PowerWorld nhằm tạo sở liệu xây dựng mơ hình mơ để nhận dạng ổn định động HTĐ;  Đánh giá hiệu phƣơng pháp nhận dạng đề xuất 1.3.2 Giới hạn đề tài  Thử nghiệm phƣơng pháp nhận dạng ổn định động HTĐ điển hình (hệ thống IEEE 30bus, máy phát) với dạng cố xảy 1.4 Phƣơng pháp nghiên cứu  Nghiên cứu tài liệu;  Mơ hình hóa mơ phỏng;  Mạng nơ-ron;  Phân tích, tổng hợp HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Chƣơng MẠNG NƠ-RON VÀ ỔN ĐỊNH HỆ THỐNG ĐIỆN 2.1 MẠNG NƠ-RON 2.1.1 Khái niệm Nơ-ron nhân tạo chép nơ-ron sinh học não ngƣời, có đặc tính sau:  Mỗi nơ-ron có số đầu vào, kết nối (synaptic) đầu (axon);  Một nơ-ron hoạt động (+35mV) khơng hoạt động (-0,75mV);  Chỉ có đầu nơ-ron đƣợc nối với đầu vào khác nơ-ron khác Điều kiện để nơ-ron đƣợc kích hoạt hay khơng kích hoạt phụ thuộc đầu vào thời Thơng thƣờng nơ-ron có phần nhƣ Hình 2.1: y1 Wi1 yj Wij ym WiN u1 Wil* uk Wik* um Wim* θ ⅀ vi Hệ động học tuyến tính xi Hàm động học phi tuyến a(.) yi Hình 2.1: Mơ hình nơ-ron nhân tạo Trên đầu vào nơ-ron có gắn trọng số để liên kết nơ-ron thứ i nơ-ron thứ j Các trọng số tƣơng tự nhƣ tế bào cảm giác mạng nơron sinh học HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Tổng trọng: N M j 1 k 1 Vi (t )  neti (t )   Wij y j (t )   W*ik u k (t )  i (2.1) Với Vi(t) tổng trọng nơ-ron thứ i; yj(t) đầu nơ-ron thứ j uk(t) đầu vào từ bên tƣơng ứng với trọng số Wij W*ik; θi số, gọi ngƣỡng nơ-ron thứ i 2.1.2 Cấu trúc mạng nơ-ron nhân tạo Bộ não ngƣời có khoảng 1011÷1012 nơ-ron Mỗi nơ-ron liên kết với 104 nơ-ron khác thơng qua khớp nối (dendrite) Các nơ-ron nhận tín hiệu điện từ khớp nối sau tổng hợp tín hiệu vƣợt ngƣỡng cho phép nơ-ron kích hoạt tín hiệu điện ngõ để truyền tới trục nơ-ron (axon) dẫn đến nơ-ron khác Mối nối Tín hiệu từ trục nơ-ron khác Khớp nối Trục nơ-ron Thân nơ-ron Hình 2.2: Cấu trúc nơ-ron sinh học Hình 2.3: Sự liên kết nơ-ron Mạng nơ-ron nhân tạo hoạt động dựa theo cách thức não HVTH: Nguyễn Văn Trọng trang Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Đồ thị Hình 4.7 cho thấy thuật tốn “trainscg” có độ xác nhận dạng thấp “trainlm” Với phƣơng pháp chọn biến hàm Fisher cho kết nhận dạng tốt nhất, hàm Divergence Tuy nhiên, để độ xác nhận dạng đạt kỳ vọng số biến đặc trƣng đƣợc chọn hai phƣơng pháp lên tới 45 biến Trong Corr hàm Bhattacharyya số biến đặc trƣng phải 80 độ xác nhận dạng đạt yêu cầu Bảng 4.2a: Kết đánh giá chọn biến đặc trưng sử dụng hàm Fisher hàm Divergence Hàm Fisher Số biến Huấn luyện Hàm Divergence Kiểm tra Huấn luyện Kiểm tra Thời gian % % Thời gian % % 12 2.07 80.64 79.75 2.07 79.66 78.27 15 0.38 79.83 80.27 0.36 82.57 81.75 20 0.31 82.53 80.80 0.47 87.92 86.60 30 0.51 88.83 87.76 0.48 89.45 87.30 45 0.41 93.44 91.08 0.43 92.36 90.30 60 0.57 95.67 92.72 0.66 96.22 92.30 80 0.53 95.46 93.84 0.52 95.67 93.09 100 0.55 96.50 94.73 0.52 96.24 93.35 120 0.69 97.94 94.77 0.59 96.73 93.67 140 166 0.58 0.65 97.43 97.22 94.83 95.25 0.58 0.61 96.82 97.11 94.09 95.25  Nhận xét Kết đồ thị Hình 4.6 cho thấy, với số biến d = 20 tức giảm 8,3 lần hai phƣơng pháp hàm Fisher Divergence cho kết nhận dạng vƣợt kỳ vọng (>90%), số biến 45 tức giảm 3,6 lần độ xác nhận dạng giảm khơng đáng kể so với đầy đủ số biến Với giải thuâ ̣t h ọc “trainscg”, đồ thị Hình 4.7 cho thấ y để tỉ lệ nhận dạng đạt kỳ vọng số biến đƣợc chọn lên tới 45 với hàm Fisher, Divergence Bhattacharyya So sánh hai thuật toán với cùng cấ u hình ma ̣ng số nơ-ron ẩ n là 20, thuật toán “trainlm” với phƣơng pháp chọn biến hàm “Fisher” cho tỉ lệ nhận dạng cao với số biế n so với “trainscg” Do đó, sử dụng thuật toán “trainlm” với phƣơng pháp chọn biến để tiếp tục tối ƣu độ xác nhận HVTH: Nguyễn Văn Trọng trang 66 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh dạng cách điều chỉnh cấu trúc mạng Bảng 4.2b: Kết đánh giá chọn biến đặc trưng sử dụng hệ số tương quan (Corr) hàm Bhattacharyya Hệ số tƣơng quan (Corr) Số biến Huấn luyện Kiểm tra Hàm Bhattacharyya Huấn luyện Kiểm tra Thời gian % % Thời gian % % 12 2.04 72.02 71.52 1.82 72.08 71.41 15 0.37 71.83 72.36 0.36 74.35 72.89 20 0.40 77.43 74.16 0.38 81.32 79.54 30 0.39 80.17 77.74 0.31 83.55 81.75 45 0.45 90.89 89.56 0.49 93.35 90.30 60 0.48 92.00 90.87 0.50 92.27 91.45 80 0.53 96.33 93.41 0.54 96.65 93.17 100 0.52 96.71 94.62 0.58 96.31 93.67 120 0.56 96.86 94.62 0.58 96.82 94.24 140 0.49 95.56 94.80 0.57 97.39 94.64 166 0.82 97.18 95.25 0.63 96.99 95.25 4.4.3 Tối ƣu kết huấn luyện kiểm tra Có nhiều cách điều chỉnh kiến trúc mạng để nâng cao độ xác nhận dạng với số biến đƣợc chọn , hƣớng điều chỉnh số nơ -ron lớp ẩn cách nâng cao đô ̣ chính xác nhâ ̣n da ̣ng Thuật toán “trainlm” đƣợc sử dụng để tối ƣu kết nhận dạng với số biến d = 20 Thí nghiệm thƣ̉ sai cho thay đổi số nơ -ron của lớp ẩn tƣ̀ 10 đến 40 để tìm số nơ-ron thích hợp cho tỉ lệ nhận dạng đạt đƣợc nhƣ Hình 4.8 Bảng 4.3a; Bảng 4.3b HVTH: Nguyễn Văn Trọng trang 67 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Hình 4.8: So sánh độ biến thiên tỉ lệ nhận dạng thay đổi số nơ-ron lớp ẩn với thuật toán “trainlm” Bảng 4.3a: Độ biến thiên tỉ lệ nhận dạng thay đổi số nơ-ron lớp ẩn sử dụng hàm Fisher hàm Divergence Hàm Fisher Số nơ-ron lớp ẩn Huấn luyện Hàm Divergence Kiểm tra Huấn luyện Kiểm tra Thời gian % % Thời gian % % 14 4.42 97.52 94.20 3.58 95.69 91.35 16 18 2.16 97.77 95.15 2.05 95.88 92.30 2.32 97.07 93.99 2.42 97.03 92.72 20 2.44 96.77 93.88 2.18 95.80 92.41 22 3.42 97.83 94.41 2.02 94.56 90.61 24 3.30 97.20 94.20 3.00 95.94 92.41 26 3.21 97.49 94.30 3.00 96.16 92.72 28 3.34 97.37 95.68 3.30 95.84 90.72 30 4.34 97.81 95.36 3.78 96.37 92.93 32 4.34 97.26 93.35 4.65 96.82 93.25 34 5.18 97.47 93.67 4.87 96.14 92.30 36 5.53 98.00 94.62 5.33 96.48 94.30 38 5.28 96.99 94.41 5.16 96.52 93.04 40 6.00 97.79 95.68 7.09 96.75 93.14 HVTH: Nguyễn Văn Trọng trang 68 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Bảng 4.3b: Độ biến thiên tỉ lệ nhận dạng thay đổi số nơ-ron lớp ẩn sử dụng hệ số tương quan (Corr) hàm Bhattachayya Số nơ-ron lớp ẩn Hệ số tƣơng quan (Corr) Huấn luyện Kiểm tra Hàm Bhattacharyya Huấn luyện Kiểm tra Thời gian % % Thời gian % % 14 4.43 93.74 90.30 3.38 91.57 88.92 16 2.80 91.87 88.19 2.17 93.04 87.97 18 2.84 91.55 86.60 2.28 93.12 89.66 20 3.49 93.10 89.87 2.64 92.70 88.50 22 4.20 93.40 89.03 2.60 91.74 88.19 24 3.93 92.29 89.24 3.68 94.37 89.66 26 4.80 92.80 88.82 3.22 93.57 89.77 28 4.77 92.89 89.45 2.91 91.72 88.40 30 5.95 93.23 90.30 4.56 94.33 91.14 32 7.23 94.20 89.24 3.75 92.29 87.24 34 7.46 93.21 89.35 4.50 92.65 89.14 36 8.49 94.56 91.77 5.33 93.76 89.77 38 7.93 92.80 89.98 4.84 92.51 89.03 40 8.57 94.14 90.82 6.35 93.67 89.14  Kết tối ƣu độ xác nhận dạng cho mức biến khác đƣợc xác định Bảng 4.4 Hình 4.9 Hình 4.9: So sánh độ xác nhận dạng tập kiểm tra sử dụng hàm Fisher số nơ-ron lớp ẩn thay đổi (Ni) cố định HVTH: Nguyễn Văn Trọng trang 69 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Bảng 4.4: Kết tối ưu độ xác nhận dạng thay đổi số nơ-ron lớp ẩn mức biến kiểm tra sử dụng hàm Fisher Hàm Fisher Số biến Huấn luyện Kiểm tra Thời gian % % 12 2.46 93.68 90.08 15 2.31 95.7 93.38 20 3.34 97.37 95.68 30 2.8 97.6 96.17 45 9.99 98.36 96.54 60 10.62 98.34 96.73 80 8.7 98.34 96.8 100 40.8 98.3 96.81 120 29.56 98.51 96.94 140 49.83 98.32 97.12 166 64.42 98.68 97.15  Nhận xét: Kết Hình 4.8 cho thấ y với số biế n kiểm tra 20 thay đổi số nơ-ron lớp ẩn độ xác nhận dạng sử dụng hàm Fisher cao các phƣơng pháp lại Cụ thể, số nơ-ron lớp ẩn thay đổi từ 20 đến 28 độ xác nhận dạng tƣơng ứng 93,25% 95,68%, hàm Divergence số nơ-ron lớp ẩn thay đổi từ 20 đến 36 độ xác nhận dạng 91,14% 94,3% Trong hệ số tƣơng quan (Corr), số nơ-ron lớp ẩn thay đổi từ 20 đến 36 độ xác nhận dạng tăng từ 86,5% lên 91,77% hàm Bhattacharyya số nơ-ron lớp ẩn thay đổi từ 20 đến 30 độ xác nhận dạng tăng từ 87,45% lên 91,14% Kết Hình 4.9 cho thấy thay đổi số nơ-ron lớp ẩn độ xác nhận dạng giải thuật học “trainlm” đƣợc nâng cao Với đầy đủ 166 biến tỉ lệ nhận dạng xác 97,15%, giảm xuống 20 biến tức giảm khoảng 8,3 lần, tỉ lệ nhận dạng giảm không đáng kể (95,68%) Điều chứng tỏ giải thuật loại bỏ đƣợc biến dƣ thừa cách hiệu quả, độ xác nhận dạng đƣợc nâng cao HVTH: Nguyễn Văn Trọng trang 70 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Chƣơng KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 5.1 Kết luận  Sau thời gian thực hiện, đề tài hoàn thành mục tiêu đề Các kết áp dụng ANN để nhận dạng ổn định động HTĐ đạt đƣợc nhƣ sau: - Thí nghiệm sơ đồ IEEE 30-bus cho thấy độ xác nhận dạng hợp lý hơn, đạt 97,15% trƣờng hợp ổn định, không ổn định với đầy đủ 166 thông số đặc trƣng; - Áp dụng phƣơng pháp lựa chọn thơng số đặc trƣng với 20 thông số, tức giảm 8,3 lần độ xác nhận dạng giảm khơng đáng kể đạt 95,68%; - Thời gian nhận dạng nhanh (với đầy đủ 166 thông số thời gian nhận dạng 64,42s, giảm xuống 20 thơng số thời gian nhận dạng 3,34s); - Kết chứng tỏ phƣơng pháp đề xuất loại bỏ đƣợc thông số không liên quan/ dƣ thừa cách hiệu  Do hạn chế mặt thời gian nhƣ tri thức, luận văn tồn số vấn đề sau cần đƣợc triển khai thời gian tới : - Các mẫu nhận dạng cần đa dạng hơn; - Thay đổi cấu trúc ANN nhƣ trọng số ngõ vào, trọng số ngõ ra, số lần huấn luyện lặp lại… để nâng cao độ xác nhận dạng 5.2 Hƣớng nghiên cứu Nghiên cứu mạng nơ-ron thông minh, học khơng giám sát, cập nhật thơng tin sau lần nhận dạng trạng thái ổn định không ổn định HTĐ Áp dụng phƣơng pháp đề xuất cho HTĐ phức tạp (nhiều nhánh nhiều nút) hay cho HTĐ Miền Nam Việt Nam HVTH: Nguyễn Văn Trọng trang 71 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Nhƣ Hiền Lại Khắc Lãi Hệ mờ nơ-ron kỹ thuật điều khiển Nhà xuất khoa học tự nhiên cơng nghệ 2007 [2] Nguyễn Đình Thúc Trí tuệ nhân tạo - Mạng Nơ-ron – Phương pháp ứng dụng NXB Giáo dục năm 2000 [3] Phạm Hữu Đức Dục "Nghiên cứu ứng dụng tương nơ-ron mờ điều khiển thích nghi rơbơt hai khâu" Tuyển tập báo cáo khoa học hội nghị tự động hóa tồn quốc lần thứ (2005), trang 107- 112 [4] Nguyễn Hồng Việt, Phan Thị Thanh Bình Ngắn mạch ổn định HTĐ Nhà xuất Đại học Quốc gia TP Hồ Chí Minh, 2011 [5] Lã Văn Út Phân tích điều khiển ổn định HTĐ Nhà xuất Khoa học kỹ thuật, Hà Nội 2011 [6] Nguyễn Doãn Phƣớc, Phan Xuân Minh, Nhận dạng hệ thống điều khiển, Nhà xuất Khoa học kỹ thuật, Hà nội 2001 [7] Quyền Huy Ánh, Vận hành tối ưu hệ thống điện, 01/2012 Đại học sƣ phạm kỹ thuật TP.HCM [8] Quyền Huy Ánh, “Mơ hình hóa mơ phỏng” Đại học sƣ phạm kỹ thuật TP HCM Tiếng Anh [9] Prabha Kundur Power System Stability And Control Power System Engineering Series 1994 [10] Martin T.Hagan Howard B Demuth Mark Beale Neural Netword Design Ohio State University_1996 [11] Cheriet, Character Recognition Systems_ (A Guide for Students and Practitioners, Concordia University, Montreal_2007) [12] Simon S Haykin, Neural Networks-A (Comprehensive Foundation, 2nd Edition, University Hamilton, Ontario, Canada_1999) HVTH: Nguyễn Văn Trọng trang 72 Luận văn thạc sĩ [13] GVHD: PGS.TS Quyền Huy Ánh Perer W Sauer, Power System Dynamics and Stability, Department of Electrical and Computer Engineering University of Illinois at Urbana-Champaign_1998 [14] K Shanti Swarup Artificial neural network using pattern recognition for security assessment and analysis ScienceDirect, Neurocomputing 71 (2008) pp 983 – 998 [15] Rui Zhang, Student Member, IEEE, Yan Xu, Feature Selection For Intelligent Stability Assessment of Power Systems Chongqing University, Chongqing, China_2012, pp 1-10 [16] Yan Xu, A Reliable Intelligent System for Real-Time Dynamic Security Assessment of Power Systems IEEE transactions on power systems, vol 27, no.3 , august 2012, pp 1253-1263 [17] Rui Zhang,Yan Xu,Zhao Yang Dong Intelligent Systems for Power System Dynamic Security Assessment: Review and Classification, 2011 IEEE, pp 365-370 [18] Irrine Budi Sulistiawati, Neural Network Based Transient Stability Model to Analyze The Security of Java-Bali 500 kV Power System 2011 International Conference on Electrical Engineering and Informatics 17-19 July 2011, Bandung, Indonesia, pp 752-757 [19] D Rama Krishna, Application of Artificial Neural Networks in Determining Critical Clearing Time in Transient Stability Studies, 2008 IEEE, pp 17621767 [20] Ayman Hoballah, Transient Stability Assessment using ANN Considering Power System Topology Changes University of Duisburg-Essen Institute of Electrical Power Systems Duisburg, Germany 2009 IEEE, pp 5098-5103 [21] P.K.Olulope, Transient stability Assessment using Artificial Neural Network Considering Fault Location 2010 1st International Conference on Energy, Power and Control (EPC-IQ), pp 67-72 [22] Harinder Sawhney, A feed-forward artificial neural network with enhanced HVTH: Nguyễn Văn Trọng trang 73 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh feature selection for power system transient stability assessment Electric Power Systems Research 76 (2006), pp 1047–1054 [23] C Pothisam, Critical Clearing Time Determination of EGAT System Using Artificial Neural Networks Electrical Power Systems Research Labomloly 2003, pp 731-735 [24] A Karami, Power system transient stability margin estimation using neural networks, Electrical Power and Energy Systems 33 (2011) pp 983–991 [25] A Karami, Transient stability assessment of power systems described with detailed models using neural networks, Electrical Power and Energy Systems 45 (2013) pp 279–292 [26] Abdelaziz , Out-of-step prediction based on artificial neural networks_E Electric Power Systems Research 34 (1995), pp 135–142 [27] El-Arabaty, Out-of-step detection based on pattern recognition Volume 16 Number 4.1994 Electrical Power and Energy Systems, pp 269-275 [28] A Y Abdelaziz, Transient Stability Assessment using Decision tree and fuzzy Logic Techniques J.Intelligent Systems and Applications, 2013, pp1-10 [29] A Sittithumwat, Dynamic Security Margin Estimation using Artificial Neural Networks School of Electric Engineering and Computer Science Washington State University Pullman, WA99164 USA, pp 1322-1327 [30] Muhammad Ibn Ibrahimy, Design and Optimization of Levenberg-Marquardt based Neural Network Classifier for EMG Signals to Identify Hand Motions, Measurement science review, Volume 13, No 3, 2013, pp 142-151 [31] Xin Sun, Feature evaluation and selection with cooperative game theory, Pattern Recognition 45 (2012), pp 2992–3002 [32] Songyot Nakariyakul, An improvement on floating search algorithms for feature subset selection, Pattern Recognition 42 (2009), pp 1932 – 1940 [33] Quyen Huy Anh, „The applycation of pattern recognition for fast analysis of the dynamic stability of electrical power system‟, Electrical technology, No.2 pp 1-13, 1994, Perganon HVTH: Nguyễn Văn Trọng trang 74 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh PHỤ LỤC 1: THÔNG SỐ CỦA SƠ ĐỒ IEEE 30 BUS Ở MỨC TẢI CƠ BẢN  THÔNG SỐ ĐƢỜNG DÂY (BRANCHES INPUT) Stt From Number To Number Branch Device Type R X B Lim A MVA Lim B MVA Lim C MVA Glen Lyn Claytor Line 0.01920 0.05750 0.05280 200.0 0.0 0.0 Glen Lyn Kumis Line 0.04520 0.16520 0.04080 200.0 0.0 0.0 Claytor Hancock Line 0.05810 0.17630 0.03740 100.0 0.0 0.0 Claytor Fieldale Line 0.05700 0.17370 0.03680 100.0 0.0 0.0 Claytor Roanoke Line 0.04720 0.19830 0.04180 200.0 0.0 0.0 Kumis Hancock Line 0.01320 0.03790 0.00840 200.0 0.0 0.0 Hancock Roanoke Line 0.01190 0.04140 0.00900 200.0 0.0 0.0 Hancock Hancock Line 0.00000 0.25600 0.00000 100.0 0.0 0.0 Fieldale Bus Line 0.04600 0.11600 0.02040 200.0 0.0 0.0 10 Roanoke Bus Line 0.01690 0.05990 0.01300 100.0 0.0 0.0 11 Roanoke Reusens Line 0.00000 0.55600 0.00000 100.0 0.0 0.0 12 Roanoke Roanoke Line 0.00000 0.20800 0.00000 100.0 0.0 0.0 13 Roanoke Roanoke Line 0.01200 0.04200 0.00900 100.0 0.0 0.0 14 Roanoke Cloverdl Line 0.02670 0.08200 0.01700 200.0 0.0 0.0 15 Reusens Cloverdl Line 0.06360 0.20000 0.04280 100.0 0.0 0.0 16 Roanoke Roanoke Line 0.00000 0.20800 0.00000 100.0 0.0 0.0 17 Roanoke Roanoke Line 0.00000 0.11000 0.00000 100.0 0.0 0.0 18 Roanoke Bus 17 Line 0.07270 0.14990 0.00000 0.0 0.0 0.0 19 Roanoke Bus 20 Line 0.03480 0.07490 0.00000 0.0 0.0 0.0 20 Roanoke Bus 21 Line 0.09360 0.20900 0.00000 100.0 0.0 0.0 21 Roanoke Bus 22 Line 0.03240 0.08450 0.00000 100.0 0.0 0.0 22 Hancock Hancock Line 0.09450 0.19870 0.00000 100.0 0.0 0.0 23 Hancock Bus 14 Line 0.06620 0.13040 0.00000 100.0 0.0 0.0 24 Hancock Bus 15 Line 0.12310 0.25590 0.00000 0.0 0.0 0.0 25 Hancock Bus 16 Line 0.00000 0.14000 0.00000 100.0 0.0 0.0 26 Bus 14 Bus 15 Line 0.22100 0.19970 0.00000 100.0 0.0 0.0 27 Bus 15 Bus 18 Line 0.10000 0.20200 0.00000 0.0 0.0 0.0 28 Bus 15 Bus 23 Line 0.10730 0.21850 0.00000 100.0 0.0 0.0 29 Bus 16 Bus 17 Line 0.05240 0.19230 0.00000 100.0 0.0 0.0 30 Bus 18 Bus 19 Line 0.06390 0.12920 0.00000 100.0 0.0 0.0 31 Bus 19 Bus 20 Line 0.03400 0.06800 0.00000 100.0 0.0 0.0 32 Bus 21 Bus 22 Line 0.01160 0.02360 0.00000 0.0 0.0 0.0 33 Bus 22 Bus 24 Line 0.11500 0.17900 0.00000 0.0 0.0 0.0 34 Bus 23 Bus 24 Line 0.13200 0.27000 0.00000 0.0 0.0 0.0 35 Bus 24 Bus 25 Line 0.18850 0.32920 0.00000 0.0 0.0 0.0 36 Bus 25 Bus 26 Line 0.10930 0.20870 0.00000 0.0 0.0 0.0 37 Bus 25 Cloverdl Line 0.25440 0.38000 0.00000 0.0 0.0 0.0 38 Cloverdl Cloverdl Transformer 0.32020 0.60270 0.00000 0.0 0.0 0.0 39 Cloverdl Bus 29 Transformer 0.21980 0.41530 0.00000 0.0 0.0 0.0 40 Cloverdl Bus 30 Transformer 0.00000 0.39600 0.00000 0.0 0.0 0.0 41 Bus 29 Bus 30 Transformer 0.23990 0.45330 0.00000 0.0 0.0 0.0 HVTH: Nguyễn Văn Trọng trang 75 Luận văn thạc sĩ  GVHD: PGS.TS Quyền Huy Ánh THÔNG SỐ NHÁNH (BRANCHES STATE) Stt From Number To Number Branch Device Type MW From Mvar From MVA From Lim MVA % of MVA Limit (Max) MW Loss Mvar Loss Glen Lyn Claytor Line 45.7 9.9 46.7 200.0 23.8 0.38 -4.70 Glen Lyn Kumis Line 24.3 10.4 26.5 200.0 13.8 0.30 -3.35 Claytor Hancock Line 13.0 7.2 14.8 100.0 16.7 0.13 -3.53 Claytor Fieldale Line 30.0 9.7 31.5 200.0 16.0 0.45 -2.52 Claytor Roanoke Line 17.2 8.9 19.3 100.0 20.9 0.22 -3.31 Kumis Hancock Line 21.6 12.6 25.0 200.0 12.6 0.08 -0.66 Hancock Roanoke Line 18.5 7.7 20.0 200.0 10.2 0.05 -0.77 Hancock Hancock Transformer 8.2 14.7 16.9 100.0 16.9 0.00 0.61 Fieldale Bus Line -4.6 3.9 6.1 200.0 3.8 0.02 -2.02 10 Roanoke Bus Line 27.7 3.8 27.9 200.0 14.0 0.20 -1.12 11 Roanoke Reusens Line -5.8 18.9 19.8 100.0 20.5 0.05 -0.76 12 Roanoke Roanoke Transformer -2.8 -7.2 7.8 100.0 7.9 0.00 0.12 13 Roanoke Roanoke Transformer 6.3 0.1 6.3 100.0 6.3 0.00 0.20 14 Roanoke Cloverdl Line 10.2 5.1 11.4 100.0 12.0 0.02 -1.26 15 Reusens Cloverdl Line 4.1 -4.6 6.2 100.0 6.2 0.01 -4.33 16 Roanoke Roanoke Line 37.2 5.1 37.5 100.0 37.5 0.00 1.39 17 Roanoke Roanoke Line -40.0 -12.4 41.9 100.0 43.0 0.00 3.28 18 Roanoke Bus 17 Line 3.9 4.7 6.1 100.0 6.1 0.01 0.03 19 Roanoke Bus 20 Line 8.4 3.9 9.3 100.0 9.3 0.07 0.16 20 Roanoke Bus 21 Line 17.0 9.5 19.5 0.0 0.0 0.12 0.26 21 Roanoke Bus 22 Line 8.4 4.3 9.4 0.0 0.0 0.06 0.12 22 Hancock Hancock Line -40.0 -5.0 40.3 100.0 40.6 0.00 2.01 23 Hancock Bus 14 Line 8.4 2.2 8.6 0.0 0.0 0.08 0.17 24 Hancock Bus 15 Line 19.9 6.3 20.9 100.0 20.9 0.26 0.51 25 Hancock Bus 16 Line 8.7 3.1 9.3 100.0 9.3 0.07 0.15 26 Bus 14 Bus 15 Line 2.1 0.4 2.1 100.0 2.1 0.01 0.01 27 Bus 15 Bus 18 Line 6.6 1.4 6.8 100.0 6.8 0.05 0.09 28 Bus 15 Bus 23 Line 6.9 2.3 7.3 0.0 0.0 0.05 0.10 29 Bus 16 Bus 17 Line 5.2 1.1 5.3 100.0 5.3 0.01 0.05 30 Bus 18 Bus 19 Line 3.4 0.4 3.4 100.0 3.4 0.01 0.01 31 Bus 19 Bus 20 Line -6.1 -3.0 6.8 100.0 6.8 0.01 0.03 32 Bus 21 Bus 22 Line -0.6 -1.9 2.0 0.0 0.0 0.00 0.00 33 Bus 22 Bus 24 Line 7.7 2.2 8.0 0.0 0.0 0.07 0.11 34 Bus 23 Bus 24 Line 3.7 0.6 3.7 0.0 0.0 0.02 0.04 35 Bus 24 Bus 25 Line 2.6 0.6 2.6 0.0 0.0 0.01 0.02 36 Bus 25 Bus 26 Line 3.5 2.4 4.3 0.0 0.0 0.04 0.07 37 Bus 25 Cloverdl Line -1.0 -1.8 2.1 0.0 0.0 0.00 0.01 38 Cloverdl Cloverdl Transformer 14.3 6.0 15.5 0.0 0.0 0.00 0.87 39 Cloverdl Bus 29 Line 6.2 1.7 6.4 0.0 0.0 0.09 0.16 40 Cloverdl Bus 30 Line 7.1 1.7 7.3 0.0 0.0 0.16 0.30 41 Bus 29 Bus 30 Line 3.7 0.6 3.8 0.0 0.0 0.03 0.06 HVTH: Nguyễn Văn Trọng trang 76 Luận văn thạc sĩ  GVHD: PGS.TS Quyền Huy Ánh THÔNG SỐ XÁC LẬP TRÊN CÁC THANH GÓP (BUSES) Number Name PU Volt Volt (kV) Angle (Deg) Glen Lyn 1.06000 139.920 98.43 Claytor 1.04500 137.940 97.20 21.70 12.70 Kumis 1.03030 135.999 96.63 2.40 1.20 Hancock 1.02274 135.002 96.28 7.60 1.60 Fieldale 1.01000 133.320 94.28 94.20 19.00 Roanoke 1.01730 134.284 95.91 Bus 1.00645 132.852 94.71 22.80 10.90 Reusens 1.01000 133.320 96.17 30.00 30.00 Roanoke 1.05466 1.055 96.21 10 Roanoke 1.05010 34.653 94.10 5.80 2.00 11 Roanoke 1.08200 11.902 100.40 12 Hancock 1.06317 35.085 95.24 13 Hancock 1.07100 11.781 98.06 14 Bus 14 1.04838 34.596 15 Bus 15 1.04321 16 Bus 16 17 Load MW Load Mvar 11.20 7.50 94.28 6.20 1.60 34.426 94.11 8.20 2.50 1.04972 34.641 94.50 3.50 1.80 Bus 17 1.04510 34.488 94.01 9.00 5.80 18 Bus 18 1.03353 34.107 93.42 3.20 0.90 19 Bus 19 1.03093 34.021 93.20 9.50 3.40 20 Bus 20 1.03494 34.153 93.37 2.20 0.70 21 Bus 21 1.03771 34.244 93.61 17.50 11.20 22 Bus 22 1.03822 34.261 93.60 23 Bus 23 1.03216 34.061 93.49 3.20 1.60 24 Bus 24 1.02588 33.854 93.00 8.70 6.70 25 Bus 25 1.01942 33.641 92.59 26 Bus 26 1.00178 33.059 92.18 3.50 2.30 27 Cloverdl 1.02424 33.800 92.60 28 Cloverdl 1.01225 133.617 95.62 29 Bus 29 1.00442 33.146 91.37 2.40 0.90 30 Bus 30 0.99296 32.768 90.49 10.60 1.90  Gen MW Gen Mvar 70.00 20.32 36.50 23.91 60.00 10.68 40.00 5.72 40.00 15.68 40.00 6.97 THÔNG SỐ TRẠNG THÁI XÁC LẬP CỦA MÁY PHÁT (GENERATORS) Number of Bus Name of Bus Gen MW Gen Mvar Set Volt Glen Lyn 70.00 20.32 Claytor 36.50 Fieldale Min MW Max MW Min Mvar Max Mvar 1.06000 0.00 350.00 0.00 0.00 23.91 1.04500 0.00 140.00 -40.00 50.00 60.00 10.68 1.01000 0.00 100.00 -40.00 40.00 Reusens 40.00 5.72 1.01000 0.00 100.00 -10.00 40.00 11 Roanoke 40.00 15.68 1.08200 0.00 100.00 -6.00 24.00 13 Hancock 40.00 6.97 1.07100 0.00 100.00 -6.00 24.00 HVTH: Nguyễn Văn Trọng trang 77 AVR Luận văn thạc sĩ  GVHD: PGS.TS Quyền Huy Ánh THÔNG SỐ CỦA MÔ HÌNH MÁY PHÁT VÀ THIẾT BỊ KÍCH TỪ Generators (GENPWTwoAxis) Machine M1 M2 M3 M4 M5 M6 Rated MVA 615 100 60 60 25 25 Rated KV 15 13.8 13.8 13.8 13.8 13.8 Rated PF 0.975 0 0 Xd in pu 0.8979 1.014 2.476 2.476 1.769 1.769 Xd1 in pu 0.2995 0.314 0.385 0.385 0.304 0.304 Xd11 in pu 0.230 0.280 0.257 0.257 0.2035 0.2035 Xq in pu 0.2847 0.771 1.180 1.180 0.855 0.855 Xq1 in pu 0.375 1.180 1.180 0.5795 0.5795 Xq11 in pu 0.2847 0.375 0.261 0.261 0.199 0.199 Xl in pu 0.2396 0.163 0.146 0.146 0.1045 0.1045 Ra in pu 0.0023 0.0049 0.0024 0.0024 0.0025 0.0025 Tdo1 in sec 7.4 6.55 12.35 12.35 8 Tdo11 in sec 0.01 0.039 0.058 0.058 0.0525 0.0525 Tqo1 in sec Tqo11 in sec WR in MW-sec EfdFL in pu 0.01 0.071 0.188 0.188 0.0151 0.0151 3166.00 312 60.6 60.6 30 30 1.88 2.229 4.224 4.224 3.560 3.560 KA in pu 200 200 200 200 200 200 TA in sec 0.02 0.02 0.02 0.02 0.02 0.02 KE in pu 1 1 1 TE in sec 0 0 0 KF in pu 0.01 0.01 0.01 0.01 0.01 0.01 Exciter (IEEET1) TF in sec 1 1 1 Efdmax in pu 7.32 7.32 7.32 7.32 7.32 7.32 Efdmin in pu 0 0 0 HVTH: Nguyễn Văn Trọng trang 78 Luận văn thạc sĩ  GVHD: PGS.TS Quyền Huy Ánh THÔNG SỐ PHỤ TẢI CƠ BẢN (LOAD) Number of Bus Name of Bus MW Mvar Claytor 21.70 12.70 Kumis 2.40 1.20 Hancock 7.60 1.60 Fieldale 94.20 19.00 Bus 22.80 10.90 Reusens 30.00 30.00 10 Roanoke 5.80 2.00 12 Hancock 11.20 7.50 14 Bus 14 6.20 1.60 15 Bus 15 8.20 2.50 16 Bus 16 3.50 1.80 17 Bus 17 9.00 5.80 18 Bus 18 3.20 0.90 19 Bus 19 9.50 3.40 20 Bus 20 2.20 0.70 21 Bus 21 17.50 11.20 23 Bus 23 3.20 1.60 24 Bus 24 8.70 6.70 26 Bus 26 3.50 2.30 29 Bus 29 2.40 0.90 30 Bus 30 10.60 1.90 HVTH: Nguyễn Văn Trọng trang 79 S K L 0 ...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VĂN TRỌNG CHỌN MẪU VÀ THÔNG SỐ ĐIỂN HÌNH TRONG ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN NGÀNH:... hành chạy ổn định độ để xác định trạng thái vận hành hệ thống sau cố ổn định/ không ổn định dựa vào độ lệch góc rotor  máy phát  Nếu   1800 hệ thống ổn định  Nếu   1800 hệ thống ổn định Sau... dạng ổn định HTĐ;  Tạo mẫu lựa chọn thơng số điển hình đánh giá ổn định động HTĐ;  Ứng dụng phần mềm Matlab, PowerWorld nhằm tạo sở liệu xây dựng mơ hình mơ để nhận dạng ổn định động HTĐ;  Đánh