(Luận văn thạc sĩ) mạng nơron nhận dạng 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 PHAN VIẾT THỊNH MẠNG NƠRON NHẬN DẠNG 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 PHAN VIẾT THỊNH MẠNG NƠRON NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN – 60520202 Hướng dẫn khoa học: PGS.TS QUYỀN HUY ÁNH Tp Hồ Chí Minh, tháng 10 năm 2015 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu tơi Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Trong luận văn có sử dụng số tài liệu tham khảo nêu phần tài liệu tham khảo Tp.Hồ Chí Minh, ngày 10 tháng năm 2015 Tác giả luận văn Phan Viết Thịnh HVTH: Phan Viết Thịnh Trang i Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh LỜI CẢM TẠ Trước tiên, muốn gửi lời cảm ơn đến PGS.TS Quyền Huy Ánh, người nhiều thời gian công sức hướng dẫn tơi hồn thành luận văn Bên cạnh đó, tơi muốn gửi lời cảm ơn đến NCS Nguyễn Ngọc Âu, người hỗ trợ nhiều suốt trình thực luận án Cảm ơn quan, bạn bè đồng nghiệp, người bạn thân, tất cả, muốn gửi lời cảm ơn đến tất thành viên gia đình tơi, cảm ơn cha, mẹ, vợ Thùy Linh, trai Viết Vinh, gái Thúy Danh, chia sẽ, giúp đỡ, động viên tạo điều kiện thuận lợi để tơi hồn thành nhiệm vụ học tập nghiên cứu Cảm ơn quý thầy, cô truyền đạt cho nhiều kinh nghiệm kiến thức quý báu trình học tập Cảm ơn PGS.TS Quyền Huy Ánh, NCS Nguyễn Ngọc Âu hướng dẫn hỗ trợ tơi hồn thành luận văn Tp.Hồ Chí Minh, ngày 10 tháng năm 2015 Tác giả luận văn Phan Viết Thịnh HVTH: Phan Viết Thịnh Trang ii Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh TÓM TẮT LUẬN VĂN Hệ thống điện, đặc biệt hệ thống truyền tải đóng vai trị quan trọng việc phát triển kinh tế quốc gia Để đảm bảo chế độ vận hành bình thường hệ thống điện cần thỏa mãn điều kiện an ninh, tin cậy cung cấp điện, đảm bảo chất lượng điện yêu cầu kinh tế Tuy nhiên, hệ thống điện nói chung phải đối mặt với tăng lên nhanh phụ tải làm cho hệ thống điện ngày trở nên rộng lớn quy mô, phức tạp thiết kế vận hành, hệ thống điện ln phải đối mặt với áp lực vận hành đầy tải áp lực vận hành gần với giới hạn biên ổn định Đặc biệt, hệ thống điện vận hành phải đối mặt với kích động bất thường làm cho đánh giá ổn định động dựa phương pháp phân tích truyền thống tốn nhiều thời gian giải nên gây chậm trễ việc định, ngồi tính phi tuyến hệ thống điện có trở ngại việc phân tích ổn định động hệ thống Vì vậy, phát nhanh cảnh báo sớm ổn định hệ thống điện giúp hệ thống điều khiển định kịp thời trở thành yếu tố then chốt đảm bảo vận hành hệ thống điện ổn định Để đánh giá nhanh ổn định động hệ thống điện, mạng nơron nhân tạo khuyến nghị phương pháp thay để giải vấn đề khó khăn mà phương pháp phân tích truyền thống khơng giải tốc độ tính tốn hiệu suất Bằng trình học sở liệu, phân tích mối quan hệ phi tuyến vào thông số vận hành hệ thống điện tình trạng ổn định, tính tốn định nhanh chóng Do vậy, đề tài tác giả tập trung nghiên cứu phương pháp chẩn đoán nhanh ổn định động hệ thống điện dựa kỹ thuật mạng nơron nhân tạo kết hợp với kỹ thuật lựa chọn biến đặc trưng để xây dựng mô hình nhận dạng có khả chẩn đốn nhanh ổn định động hệ thống điện với độ xác nhận dạng cao Trong luận văn, sở liệu đánh giá ổn định động hệ thống điện tạo thông qua mô offline phần mềm PowerWorld, thực hệ thống IEEE 10-máy 39-bus, xét cố ngắn mạch pha cân bus dọc HVTH: Phan Viết Thịnh Trang iii Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh đường dây truyền tải vị trí 25%, 50% 75% đường dây, với mức tải khác từ 20% đến 120% tải Trong q trình mơ phỏng, thuộc tính động hệ thống điện q trình ngắn mạch đánh giá dựa quan sát mối quan hệ góc cơng suất máy phát điện hệ thống, đó, mẫu liệu đại diện cho trạng thái hoạt động hệ thống độ lệch công suất phát, độ lệch công suất tải, độ sụt điện áp bus, độ lệch công suất phân bố đường dây truyền tải Lựa chọn biến đặc trưng áp dụng ba phương pháp: Fisher, Divergence, Relief Hai nhận dạng sử dụng để đánh giá độ xác nhận dạng mạng nơron GRNN (Generalized Regression Neural Network) MLPNN (Multilayer Perceptron Neural Network) Kết kiểm tra sơ đồ IEEE 10-máy 39-bus cho thấy nhận dạng GRNN với phương pháp chọn biến Relief cho kết độ xác nhận dạng kiểm tra cao thời gian huấn luyện nhanh phương pháp lại Cụ thể sau:  Độ xác nhận dạng kiểm tra GRNN MLPNN 15 biến với phương pháp Relief, Divergence Fisher Mạng nơron GRNN MLPNN Số biến 15 15 Relief 95.27% 93.07% Divergence 95.10% 92.02% Fisher 93.40% 91.97%  Thời gian huấn luyện GRNN-Relief MLPNN-Relief 15 biến 189 biến Số biến GRNN-Relief MLPNN-Relief 15 0.84s 5.6s 189 1.49s 121.73s Như vậy, thông qua mơ hình mạng nơron nhận dạng ổn định động hệ thống điện kết hợp với kỹ thuật lựa chọn biến đặc trưng, kết cho thấy trạng thái ổn định hệ thống điện nhận dạng với độ xác cao HVTH: Phan Viết Thịnh Trang iv Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh ABSTRACT Power systems, particularly transmission systems, play a very important role in the economic development of each country To ensure the normal operation mode, the power systems must satisfy the conditions of security and reliability of power supply to ensure power quality and economic requirements However, the power systems are generally faced with the rapid rise of the load that makes power systems become increasingly large in scale and complex in design and operation, so the power systems are always faced with the full load operating pressure, and operating pressure is very close to the limit of stability Especially, nowadays the operation power systems are faced with extraordinary disturbances which make the dynamic stability assessment based on the traditional analysis methods take a lot of time, so cause delays in decision making Besides, the nonlinearity of power systems also has the disadvantage in analyzing the system’s dynamic stability Therefore, the fast assessment and an early warning system of the instability of power system helps control system to take decisions in time become a key factor to ensure the stability in power system operation In order to fast assess the dynamic stability of power system, the Artificial Neural Network is recommended as an alternative method to solve the problems that the traditional analysis methods cannot solve, such as calculation speed and efficiency By the process of learning the database, analyzing the input/output nonlinear relationship between the power system operating parameters and stability status of power system, the neural network can calculate and make decision quickly Therefore, in this subject the author will focus on studying the fast prediction method of dynamic stability of power system based on the artificial neural network technique combined with feature selection technique to build the recognition model which can fast prediction the dynamic stability of power system with high identification accuracy HVTH: Phan Viết Thịnh Trang v Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh In the thesis called the dynamic stability assessment database of power system created through the offline simulation on PowerWorld software, and performed on IEEE 10-generator 39-bus system, we consider the balanced 3-phase short-circuit event at the system buses and along the transmission lines at the positions 25%, 50% and 75% line, with different load levels from 20% to 120% base load During the simulation, the dynamic properties of the power system during short-circuit process are evaluated based on observing the relationship between the rotor angles of generators on the power system, in which the data samples representing the operating state of the power system are deviation of the generator power, deviation of the load power, drop of the voltage magnitude of buses, and deviation of the power flow on the transmission lines Feature selection technique is applying methods: Fisher, Divergence and Relief Two models of recognition is used to assess the recognition accuracy that is GRNN (Generalized Regression Neural Network) and MLPNN (Multilayer Perceptron Neural Network) Test results on IEEE 10-generator 39-bus system showed that the model of recognition GRNN with Relief-based feature selection method has given result with more correct classification and faster training time than the rest Specifically,  Correct classification of GRNN and MLPNN at 15 features with methods: Relief, Divergence and Fisher Neural network Feature quantity GRNN 15 MLPNN 15 Relief 95.27% 93.07% Divergence 95.10% 92.02% Fisher 93.40% 91.97%  Training time of GRNN-Relief and MLPNN-Relief at 15 and 189 features Feature quantity GRNN-Relief MLPNN-Relief 15 0.84s 5.6s 189 1.49s 121.73s To sum up, through the neural network model which recognizes the dynamic stability of power system combined with feature selection techniques, the results showed that the stability state of power system was identified with high accuracy HVTH: Phan Viết Thịnh Trang vi Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh MỤC LỤC Trang tựa TRANG Quyết định giao đề tài Lời cam đoan i Lời cảm tạ ii Tóm tắt luận văn iii Abstract v Mục lục .vii Danh sách chữ viết tắt x Danh sách hình xi Danh sách bảng xiii Chương TỔNG QUAN 1.1 Tổng quan lĩnh vực nghiên cứu 1.2 Tính cấp thiết đề tài 1.3 Mục tiêu nhiệm vụ luận văn 1.4 Phạm vi nghiên cứu 1.5 Phương pháp nghiên cứu 1.6 Ý nghĩa khoa học giá trị thực tiễn luận văn Chương ĐÁNH GIÁ ỔN ĐỊNH HỆ THỐNG ĐIỆN 2.1 Ổn định hệ thống điện 2.2 Phương trình dao động 11 2.3 Mơ hình đơn giản hóa máy phát hệ thống tương đương 15 2.4 Ổn định hệ nhiều máy 16 2.5 Đánh giá ổn định hệ thống điện 19 2.5.1 Quy trình mơ lấy mẫu PowerWorld 20 2.5.2 Mơ tả q trình lấy mẫu 25 2.6 Kết luận chương 25 Chương LỰA CHỌN BIẾN ĐẶC TRƯNG 26 HVTH: Phan Viết Thịnh Trang vii Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh 3.1 Tổng quan 26 3.2 Lựa chọn biến đặc trưng 26 3.2.1 Khái niệm 26 3.2.2 Các phương pháp tiếp cận 27 3.3 Quy trình lựa chọn biến đặc trưng 29 3.3.1 Lựa chọn biến đặc trưng ban đầu 29 3.3.2 Tìm kiếm biến đặc trưng ứng viên 30 3.3.3 Đánh giá biến đặc trưng ứng viên 30 3.3.3.1 Hàm khoảng cách Fisher 30 3.3.3.2 Hàm khoảng cách Divergence 31 3.3.3.3 Giải thuật Relief 31 3.3.4 Tiêu chuẩn dừng 33 3.4 Kết luận chương 33 Chương MẠNG NƠRON VÀ MƠ HÌNH NHẬN DẠNG 34 4.1 Giới thiệu mạng nơron 34 4.1.1 Mơ hình nơron sinh học 34 4.1.2 Mơ hình nơron nhân tạo 35 4.1.3 Hàm chuyển đổi 37 4.1.4 Phân loại mơ hình cấu trúc mạng nơron 38 4.2 Mạng Perceptron nhiều lớp 38 4.3 Mạng hàm truyền xuyên tâm 40 4.3.1 Mạng hồi quy tổng quát 41 4.3.2 Mạng nơron xác suất 43 4.4 Luật đầu phân loại 45 4.5 Huấn luyện đánh giá mơ hình nhận dạng 46 4.6 Nhận dạng phương pháp tiếp cận 47 4.7 Các giai đoạn mơ hình nhận dạng 47 4.8 Mơ hình nhận dạng 48 4.9 Kết luận chương 49 HVTH: Phan Viết Thịnh Trang viii Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Bảng 2.5: Thông số điện trở RT, điện kháng XT thông số cài đặt đầu phân áp máy biến áp From Bus 12 12 10 19 20 22 23 25 29 19 Line Data To Bus 11 13 31 32 33 34 35 36 37 30 38 20 R 0.0016 0.0016 0.0000 0.0000 0.0007 0.0009 0.0000 0.0005 0.0006 0.0000 0.0008 0.0007 X 0.0435 0.0435 0.0250 0.0200 0.0142 0.0180 0.0143 0.0272 0.0232 0.0181 0.0156 0.0138 Transformer Tap Magnitude 1.0060 1.0060 1.0700 1.0700 1.0700 1.0090 1.0250 1.0000 1.0250 1.0250 1.0250 1.0600 Angle 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Bảng 2.6: Thông số điện trở, điện kháng dung dẫn đường dây From Bus 1 2 3 4 5 6 10 10 10 12 12 13 14 15 16 16 16 To Bus 39 25 30 18 14 11 39 32 13 11 13 11 14 15 16 24 21 19 HVTH: Phan Viết Thịnh Branch Device Type Line Line Line Line Transformer Line Line Line Line Line Line Line Line Line Line Line Transformer Line Line Transformer Transformer Line Line Line Line Line Line R X B 0.0035 0.0010 0.0013 0.0070 0.0000 0.0011 0.0013 0.0008 0.0008 0.0008 0.0002 0.0007 0.0006 0.0004 0.0023 0.0010 0.0000 0.0004 0.0004 0.0016 0.0016 0.0009 0.0018 0.0009 0.0003 0.0008 0.0016 0.0411 0.0250 0.0151 0.0086 0.0181 0.0133 0.0213 0.0129 0.0128 0.0112 0.0026 0.0082 0.0092 0.0046 0.0363 0.0250 0.0200 0.0043 0.0043 0.0435 0.0435 0.0101 0.0217 0.0094 0.0059 0.0135 0.0195 0.6987 0.7500 0.2572 0.1460 0.0000 0.2138 0.2214 0.1382 0.1342 0.1476 0.0434 0.1389 0.1130 0.0780 0.3804 1.2000 0.0000 0.0729 0.0729 0.0000 0.0000 0.1723 0.3660 0.1710 0.0680 0.2548 0.3040 Trang 76 Luận văn thạc sĩ 16 17 17 19 19 20 21 22 22 23 23 25 25 26 26 26 28 29 31 GVHD: PGS.TS Quyền Huy Ánh 17 27 18 33 20 34 22 35 23 36 24 37 26 29 28 27 29 38 Line Line Line Transformer Transformer Transformer Line Transformer Line Transformer Line Transformer Line Line Line Line Line Transformer Transformer 0.0007 0.0013 0.0007 0.0007 0.0007 0.0009 0.0008 0.0000 0.0006 0.0005 0.0022 0.0006 0.0032 0.0057 0.0043 0.0014 0.0014 0.0008 0.0000 0.0089 0.0173 0.0082 0.0142 0.0138 0.0180 0.0140 0.0143 0.0096 0.0272 0.0350 0.0232 0.0323 0.0625 0.0474 0.0147 0.0151 0.0156 0.0250 0.1342 0.3216 0.1319 0.0000 0.0000 0.0000 0.2565 0.0000 0.1846 0.0000 0.3610 0.0000 0.5130 1.0290 0.7802 0.2396 0.2490 0.0000 0.0000 Bảng 2.7: Thông số xác lập góp chạy phân bố công suất tối ưu 100% tải Bus 10 11 12 13 14 15 16 17 18 19 20 21 22 23 PU Volt Volt (kV) 1.04717 1.05799 1.05413 1.05505 1.06868 1.06949 1.05580 1.05309 1.05000 1.05708 1.05994 1.04503 1.05462 1.05203 1.03755 1.04560 1.04957 1.05004 1.05471 0.99311 1.04095 1.05424 1.04884 HVTH: Phan Viết Thịnh 1.047 1.058 1.054 1.055 1.069 1.069 1.056 1.053 1.050 1.057 1.060 1.045 1.055 1.052 1.038 1.046 1.050 1.050 1.055 0.993 1.041 1.054 1.049 Angle (Deg) -14.43 -8.57 -10.96 -11.34 -10.32 -9.57 -11.95 -12.62 -15.83 -6.87 -7.80 -7.75 -7.60 -9.31 -9.51 -8.06 -9.71 -10.60 -2.40 -2.59 -5.55 -1.00 -0.84 Load MW 0.00 0.00 322.00 500.00 0.00 0.00 233.80 522.00 0.00 0.00 0.00 7.50 0.00 0.00 320.00 329.00 0.00 158.00 0.00 628.00 274.00 0.00 247.50 Trang 77 Load Mvar 0.00 0.00 2.40 184.00 0.00 0.00 84.00 176.00 0.00 0.00 0.00 88.00 0.00 0.00 153.00 32.30 0.00 30.00 0.00 103.00 115.00 0.00 84.60 Gen MW Gen Mvar Luận văn thạc sĩ 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 1.04952 1.06469 1.06438 1.05221 1.06031 1.05800 1.04750 0.98200 0.98310 0.99720 1.01230 1.04930 1.06350 1.02780 1.02650 1.03000 HVTH: Phan Viết Thịnh GVHD: PGS.TS Quyền Huy Ánh 1.050 1.065 1.064 1.052 1.060 1.058 1.048 0.982 0.983 0.997 1.012 1.049 1.064 1.028 1.026 1.030 -7.85 -7.13 -9.99 -10.99 -9.29 -7.45 -5.21 -1.59 2.02 2.42 3.64 3.56 8.39 0.87 -2.37 -18.05 308.60 224.00 139.00 281.00 206.00 283.50 0.00 9.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1104.00 Trang 78 -92.00 47.20 17.00 75.50 27.60 26.90 0.00 4.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 250.00 350.00 690.00 750.00 585.60 608.00 600.00 660.00 640.00 599.53 660.00 98.88 401.20 34.53 76.32 159.97 176.30 98.35 -20.14 -41.50 22.97 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Phụ lục 1: Chương trình chuẩn hóa liệu clear all;clc; load kod3phadaydu; % tap mau hoc khong on dinh 383 mau 189 bien load od3phadaydu; % tap mau hoc on dinh 1436 mau 189 bien S=[od3phadaydu]; U=[kod3phadaydu]; [m,n]=size(S); [k,l]=size(U); S2=[S;U]; stdlearn3phadaydu=std(S2,1); % lech chuan learnbusline3phadaydu=S2./repmat(stdlearn3phadaydu,(k+m),1); % chuan hoa S39std3phadaydu=learnbusline3phadaydu(1:m,:); U39std3phadaydu=learnbusline3phadaydu((m+1):(m+k),:); Phụ lục 2: Chương trình phân chia tập liệu thành tập huấn luyện kiểm tra clear all; clc; load('S39std3phadaydu'); % tap du lieu on dinh da chuan hoa load('U39std3phadaydu'); % tap du lieu khong on dinh da chuan hoa SS=S39std3phadaydu'; UU=U39std3phadaydu'; [ms,ns]=size(SS); rr=randperm(ns,ns); SSrand=[];ks=0; for i=1:(ns); ks=rr(i); [SSrand]=[SSrand SS(:,ks)]; end [mu,nu]=size(UU); rru=randperm(nu,nu); UUrand=[];ku=0; for i=1:(nu); ku=rru(i); [UUrand]=[UUrand UU(:,ku)]; end k=6; for i=1:k; HVTH: Phan Viết Thịnh Trang 79 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh sx=[];S=[]; U=[];sy=[]; for j=1: round(ns/k); sx=[sx j]; S=[S SSrand(:,j)]; end for j=1:round(nu/k); sy=[sy j]; U=[U UUrand(:,j)]; end if i==1; test1S3phadaydu=S; test1U3phadaydu=U; SSrand(:,[sx])=[]; UUrand(:,[sy])=[]; learn1S3phadaydu=SSrand; learn1U3phadaydu=UUrand; end if i==2; test2S3phadaydu=S; test2U3phadaydu=U; SSrand(:,[sx])=[]; UUrand(:,[sy])=[]; learn2S3phadaydu=SSrand; learn2U3phadaydu=UUrand; end if i==3; test3S3phadaydu=S; test3U3phadaydu=U; SSrand(:,[sx])=[]; UUrand(:,[sy])=[]; learn3S3phadaydu=SSrand; learn3U3phadaydu=UUrand; end if i==4; test4S3phadaydu=S; test4U3phadaydu=U; SSrand(:,[sx])=[]; UUrand(:,[sy])=[]; HVTH: Phan Viết Thịnh Trang 80 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh learn4S3phadaydu=SSrand; learn4U3phadaydu=UUrand; end if i==5; test5S3phadaydu=S; test5U3phadaydu=U; SSrand(:,[sx])=[]; UUrand(:,[sy])=[]; learn5S3phadaydu=SSrand; learn5U3phadaydu=UUrand; end if i==6; test6S3phadaydu=S; test6U3phadaydu=U; SSrand(:,[sx])=[]; UUrand(:,[sy])=[]; learn6S3phadaydu=SSrand; learn6U3phadaydu=UUrand; end SSrand=[SSrand S]; UUrand=[UUrand U] ; end Phụ lục 3: Chương trình tính khoảng cách Fisher vẽ đồ thị xếp hạng biến đặc trưng clear all; clc; load learnbusline3phadaydu; % tap du lieu 1819 mau 189 bien da chuan hoa input1=learnbusline3phadaydu; SS=input1(1:1436,:); UU=input1(1437:1819,:); Vs = diag(cov(SS))' ; % phuong sai ma tran S Vu = diag(cov(UU))' ; % phuong sai ma tran U Ms=mean(SS) ; % trung binh cot S Mu=mean(UU); % trung binh cot U [m1,n1]=size(Ms); [p1,q1]=size(Mu); HVTH: Phan Viết Thịnh Trang 81 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh for i=1:n1; L(i)=([Ms(i)-Mu(i)])^2; K(i)=[Vs(i)+Vu(i)]; F(i,1) =([L(i)/K(i)]); end J_Fisher=F'; [E_fisher orderfisher] = sort(J_Fisher,'descend'); sobien = 1:1:189; x=E_fisher; y=sobien; box off plot(y,x,'m-','linewidth',1.5) hold on hold on grid on xlabel('Feature') ylabel('Fisher Discimination') Phụ lục 4: Chương trình tính khoảng cách Divergence vẽ đồ thị xếp hạng biến đặc trưng clear all; clc; load learnbusline3phadaydu; % tap du lieu 1819 mau 189 bien da chuan hoa learnS3phadaydu=learnbusline3phadaydu(1:1436,:); learnU3phadaydu=learnbusline3phadaydu(1437:1819,:); S1=cov(learnS3phadaydu); S2=cov(learnU3phadaydu); m1=mean(learnS3phadaydu)'; m2=mean(learnU3phadaydu)'; [m,n]=size(learnS3phadaydu); sigma1= diag(S1)'; sigma2=diag(S2)'; J=[]; for i=1:n; J_divergence(i) = [0.5*((sigma2(i)/sigma1(i)+sigma1(i)/sigma2(i)-2)+((m1(i)m2(i))^2)*(1/sigma1(i)+1/sigma2(i)))]; end [E_divergence orderdivergence] = sort(abs(J_divergence),'descend'); HVTH: Phan Viết Thịnh Trang 82 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh sobien = 1:1:189; x=E_divergence; y=sobien; box off plot(y,x,'r-','linewidth',1.5) hold on hold on grid on xlabel('Feature') ylabel('Divergence Discimination') Phụ lục 5: Chương trình tính trọng số Relief vẽ đồ thị xếp hạng biến đặc trưng clear all; clc; load('S39std3phadaydu'); % tap du lieu on dinh da chuan hoa load('U39std3phadaydu'); % tap du lieu khong on dinh da chuan hoa X=[S39std3phadaydu;U39std3phadaydu]; [m,n]=size(S39std3phadaydu); [p,q]=size(U39std3phadaydu); Y=[ones(m,1); zeros(p,1)]; tStart=tic; [relief_RANKEDf,relief_WEIGHTf] = relieff(X,Y,10); [E_relief_RANKEDf order_relief_WEIGHTf] = sort(relief_WEIGHTf,'descend'); tElapserelieff = toc(tStart); sobien = 1:1:189; x=E_relief_RANKEDf; y=sobien; box off plot(y,x,'b-','linewidth',1.5) hold on hold on grid on xlabel('Feature') ylabel('Relief Weight') HVTH: Phan Viết Thịnh Trang 83 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Phụ lục 6: Chương trình đánh giá độ xác nhận dạng sử dụng MPLNN clear all; clc; close all; load('learn1S3phadaydu');load('learn1U3phadaydu'); %load('learn2S3phadaydu');load('learn2U3phadaydu'); %load('learn3S3phadaydu');load('learn3U3phadaydu'); %load('learn4S3phadaydu');load('learn4U3phadaydu'); %load('learn5S3phadaydu');load('learn5U3phadaydu'); %load('learn6S3phadaydu');load('learn6U3phadaydu'); load('test1S3phadaydu');load('test1U3phadaydu'); %load('test2S3phadaydu');load('test2U3phadaydu'); %load('test3S3phadaydu');load('test3U3phadaydu'); %load('test4S3phadaydu');load('test4U3phadaydu'); %load('test5S3phadaydu');load('test5U3phadaydu'); %load('test6S3phadaydu');load('test6U3phadaydu'); load('order_relief_WEIGHTf'); %load('orderfisher'); %load('orderdivergence'); d=15; % so bien duoc chon index= order_relief_WEIGHTf(:,1:d); %index= orderfisher(:,1:d); %index= orderdivergence(:,1:d); learn3phadaydu=[learn1S3phadaydu';learn1U3phadaydu']; learn3phadaydu=learn3phadaydu(:,index); test3phadaydu=[test1S3phadaydu';test1U3phadaydu']; test3phadaydu=test3phadaydu(:,index); [mls,nls]=size(learn1S3phadaydu'); [mlu,nlu]=size(learn1U3phadaydu'); t=[ones(1,mls) zeros(1,mlu); zeros(1,mls) ones(1,mlu)]; x=learn3phadaydu'; tStart=tic; net=newff(x,t,20,{'tansig','purelin'},'trainlm'); [net,tr] = train(net,x,t); tElapsed = toc(tStart); view (net); yc=net(x);% tao ham net y=vec2ind(yc); sy=net(x(:,1:mls)); ssy=vec2ind(sy); HVTH: Phan Viết Thịnh Trang 84 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh uy=net(x(:,(mls+1):(mls+mlu))); uuy=vec2ind(uy); [mts,nts]=size(test1S3phadaydu(1:d,:)); [mtu,ntu]=size(test1U3phadaydu(1:d,:)); test3phadaydu=test3phadaydu'; ss=net(test3phadaydu(:,1:nts));uu=net(test3phadaydu(:,(nts+1):(nts+ntu))); yss = vec2ind(ss); yuu=vec2ind(uu); correct_classifications_training = 100*[length(find(ssy==1))+ length(find(uuy==2))]/(mls+mlu); correct_classifications_testing = 100*[length(find(yss==1))+ length(find(yuu==2))]/(nts+ntu); disp('traning time:tElapsed= s') disp(tElapsed) disp('ti_le_phan_tram_training%= ') disp(correct_classifications_training) disp('ti_le_phan_tram_test%= ') disp(correct_classifications_testing) Phụ lục 7: Chương trình đánh giá độ xác nhận dạng sử dụng GRNN clear all; clc; close all; load('learn1S3phadaydu');load('learn1U3phadaydu'); %load('learn2S3phadaydu');load('learn2U3phadaydu'); %load('learn3S3phadaydu');load('learn3U3phadaydu'); %load('learn4S3phadaydu');load('learn4U3phadaydu'); %load('learn5S3phadaydu');load('learn5U3phadaydu'); %load('learn6S3phadaydu');load('learn6U3phadaydu'); load('test1S3phadaydu');load('test1U3phadaydu'); %load('test2S3phadaydu');load('test2U3phadaydu'); %load('test3S3phadaydu');load('test3U3phadaydu'); %load('test4S3phadaydu');load('test4U3phadaydu'); %load('test5S3phadaydu');load('test5U3phadaydu'); %load('test6S3phadaydu');load('test6U3phadaydu'); load('order_relief_WEIGHTf'); %load('orderfisher'); %load('E_divergence orderdivergence'); d=15; % so bien duoc chon HVTH: Phan Viết Thịnh Trang 85 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh index= order_relief_WEIGHTf(:,1:d); %index= orderfisher(:,1:d); %index= orderdivergence(:,1:d); learn3phadaydu=[learn1S3phadaydu';learn1U3phadaydu']; learn3phadaydu=learn3phadaydu(:,index); test3phadaydu=[test1S3phadaydu';test1U3phadaydu']; test3phadaydu=test3phadaydu(:,index); [mls,nls]=size(learn1S3phadaydu'); [mlu,nlu]=size(learn1U3phadaydu'); t=[ones(1,mls) zeros(1,mlu); zeros(1,mls) ones(1,mlu)]; x=learn3phadaydu'; spread=0.1; % he so spread tStart=tic; net = newgrnn(x,t,spread); tElapsed = toc(tStart); view (net); yc=net(x);% tao ham net y=vec2ind(yc); sy=net(x(:,1:mls)); ssy=vec2ind(sy); uy=net(x(:,(mls+1):(mls+mlu))); uuy=vec2ind(uy); [mts,nts]=size(test1S3phadaydu(1:d,:)); [mtu,ntu]=size(test1U3phadaydu(1:d,:)); test3phadaydu=test3phadaydu'; ss=net(test3phadaydu(:,1:nts)); uu=net(test3phadaydu(:,(nts+1):(nts+ntu))); yss = vec2ind(ss); yuu=vec2ind(uu); correct_classifications_training = 100*[length(find(ssy==1))+ length(find(uuy==2))]/(mls+mlu); correct_classifications_testing = 100*[length(find(yss==1))+ length(find(yuu==2))]/(nts+ntu); disp('traning time:tElapsed= s') disp(tElapsed) disp('ti_le_phan_tram_training%= ') disp(correct_classifications_training) disp('ti_le_phan_tram_test%= ') disp(correct_classifications_testing) HVTH: Phan Viết Thịnh Trang 86 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Phụ lục 8: Bảng xếp hạng biến đặc trưng theo khoảng cách Fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher orderfisher E_fisher 0.7412 179 0.3354 33 0.2695 131 0.2404 23 0.1877 18 0.1486 132 0.1114 10 0.0837 117 0.0674 88 0.0570 109 0.0537 173 0.0471 181 0.0407 159 0.0354 75 0.0273 11 0.0199 55 0.0163 61 0.0132 58 0.0107 48 0.0087 184 0.0060 146 0.0027 114 0.0011 95 0.0004 HVTH: Phan Viết Thịnh 137 0.7412 16 0.3354 27 0.2669 31 0.2403 167 0.1810 145 0.1381 185 0.1077 44 0.0769 13 0.0662 89 0.0570 172 0.0530 83 0.0454 102 0.0398 115 0.0317 72 0.0270 170 0.0199 116 0.0161 60 0.0132 39 0.0106 65 0.0081 139 0.0058 124 0.0024 150 0.0010 94 0.0004 130 0.6246 26 0.3122 0.2666 12 0.2340 38 0.1752 122 0.1333 21 0.1053 77 0.0751 174 0.0662 155 0.0562 46 0.0527 82 0.0454 41 0.0394 125 0.0299 73 0.0270 111 0.0191 50 0.0149 177 0.0123 56 0.0096 64 0.0081 49 0.0044 98 0.0024 182 0.0010 127 0.0004 128 0.5939 163 0.2925 52 0.2573 171 0.2340 133 0.1597 36 0.1333 183 0.0972 76 0.0751 92 0.0629 81 0.0550 0.0513 110 0.0439 84 0.0380 134 0.0288 0.0247 0.0191 43 0.0148 141 0.0119 107 0.0094 136 0.0079 168 0.0042 0.0023 54 0.0010 148 0.0002 Trang 87 29 0.3441 0.2925 25 0.2529 147 0.2163 37 0.1592 123 0.1174 51 0.0960 86 0.0683 93 0.0629 80 0.0550 162 0.0513 105 0.0434 85 0.0380 142 0.0283 161 0.0242 106 0.0191 99 0.0148 143 0.0115 67 0.0092 0.0079 69 0.0041 113 0.0019 104 0.0009 169 0.00002 24 0.3427 28 0.2823 14 0.2526 35 0.2058 151 0.1543 187 0.1151 160 0.0939 87 0.0683 15 0.0609 176 0.0545 120 0.0511 140 0.0429 96 0.0379 144 0.0278 180 0.0232 42 0.0190 166 0.0142 149 0.0113 66 0.0092 156 0.0078 68 0.0041 112 0.0018 62 0.0006 34 0.3392 30 0.2783 175 0.2526 19 0.1985 103 0.1495 153 0.1129 126 0.0837 91 0.0675 178 0.0609 79 0.0541 17 0.0482 22 0.0419 97 0.0379 186 0.0274 157 0.0202 71 0.0186 53 0.0132 0.0108 121 0.0089 108 0.0077 40 0.0040 158 0.0015 63 0.0006 20 0.3359 32 0.2735 59 0.2423 129 0.1923 189 0.1486 47 0.1125 165 0.0837 90 0.0675 138 0.0572 78 0.0541 188 0.0482 118 0.0417 101 0.0373 74 0.0273 154 0.0202 70 0.0186 100 0.0132 164 0.0108 45 0.0088 57 0.0069 135 0.0036 119 0.0015 152 0.0004 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Phụ lục 9: Bảng xếp hạng biến đặc trưng theo khoảng cách Divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence orderdivergence E_divergence 99 7.3925 138 2.4473 1.4851 116 1.0843 97 0.8207 147 0.6410 132 0.5783 25 0.5294 12 0.5070 93 0.4440 19 0.3970 145 0.3701 85 0.3105 80 0.2564 118 0.2168 56 0.1907 49 0.1582 170 0.1366 162 0.1121 43 0.0811 0.0598 70 0.0394 64 0.0277 62 0.0109 HVTH: Phan Viết Thịnh 139 6.9442 182 2.1823 137 1.4851 121 1.0224 57 0.7866 28 0.6298 33 0.5777 122 0.5236 171 0.5070 92 0.4440 100 0.3917 38 0.3672 53 0.3069 47 0.2517 87 0.2145 98 0.1878 44 0.1539 155 0.1287 173 0.1102 148 0.0805 106 0.0598 71 0.0394 65 0.0277 63 0.0109 6.5090 131 2.1489 29 1.4422 183 0.9414 34 0.7462 167 0.6117 30 0.5690 14 0.5217 31 0.4860 22 0.4418 189 0.3866 90 0.3656 172 0.2981 165 0.2478 86 0.2145 115 0.1810 164 0.1440 105 0.1250 159 0.1070 73 0.0758 143 0.0454 61 0.0374 112 0.0233 135 0.0099 50 5.8813 119 2.0886 127 1.3975 180 0.9343 24 0.7384 129 0.5984 0.5638 175 0.5217 154 0.4740 153 0.4409 18 0.3866 91 0.3656 178 0.2926 10 0.2478 39 0.2076 102 0.1779 0.1440 83 0.1235 46 0.1065 72 0.0758 157 0.0426 60 0.0374 0.0217 104 0.0074 Trang 88 160 5.4094 130 2.0601 101 1.3565 125 0.8363 187 0.7085 27 0.5900 45 0.5518 52 0.5210 186 0.4713 120 0.4399 95 0.3855 103 0.3389 15 0.2926 158 0.2412 55 0.1985 114 0.1663 88 0.1409 82 0.1235 110 0.0970 146 0.0670 0.0411 149 0.0368 69 0.0214 150 0.0072 107 5.1977 184 2.0048 20 1.2882 179 0.8262 169 0.6838 32 0.5856 21 0.5429 77 0.5189 188 0.4571 133 0.4231 94 0.3855 108 0.3338 58 0.2695 177 0.2309 40 0.1956 109 0.1628 89 0.1409 181 0.1202 134 0.0958 48 0.0639 136 0.0411 67 0.0303 68 0.0214 140 2.8436 128 1.8043 126 1.2580 16 0.8262 185 0.6717 163 0.5850 176 0.5389 76 0.5189 17 0.4571 35 0.4203 51 0.3846 37 0.3240 36 0.2678 13 0.2230 79 0.1916 142 0.1597 117 0.1382 113 0.1161 41 0.0912 74 0.0629 111 0.0405 66 0.0303 156 0.0205 59 2.7259 141 1.7308 168 1.1034 96 0.8207 26 0.6617 0.5850 54 0.5359 123 0.5188 151 0.4488 161 0.4136 23 0.3788 84 0.3105 81 0.2564 174 0.2230 78 0.1916 144 0.1590 11 0.1366 0.1121 42 0.0901 75 0.0629 152 0.0395 166 0.0285 124 0.0200 Luận văn thạc sĩ GVHD: PGS.TS Quyền Huy Ánh Phụ lục 10: Bảng xếp hạng biến đặc trưng theo trọng số Relief order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf order_relief_WEIGHTf E_relief_RANKEDf 174 0.0324 168 0.0270 22 0.0224 81 0.0207 107 0.0170 84 0.0159 156 0.0145 57 0.0129 45 0.0116 132 0.0105 95 0.0093 58 0.0080 76 0.0073 171 0.0059 68 0.0038 62 0.0024 159 0.0011 65 -0.0005 96 -0.0018 120 -0.0028 118 -0.0036 48 -0.0064 23 -0.0085 25 -0.0110 HVTH: Phan Viết Thịnh 13 0.0324 17 0.0269 98 0.0222 80 0.0207 130 0.0169 85 0.0159 10 0.0144 89 0.0128 82 0.0115 0.0104 94 0.0093 134 0.0078 77 0.0073 12 0.0059 69 0.0038 53 0.0024 181 0.0007 26 -0.0007 37 -0.0020 185 -0.0028 123 -0.0039 59 -0.0065 109 -0.0086 27 -0.0110 162 0.0311 188 0.0269 102 0.0220 100 0.0202 108 0.0166 122 0.0156 165 0.0144 88 0.0128 83 0.0115 43 0.0103 142 0.0091 51 0.0077 167 0.0071 155 0.0058 153 0.0036 67 0.0022 127 0.0007 141 -0.0008 101 -0.0022 44 -0.0029 103 -0.0043 145 -0.0066 147 -0.0087 38 -0.0111 0.0311 0.0269 170 0.0217 172 0.0202 128 0.0165 140 0.0151 78 0.0141 124 0.0126 86 0.0110 55 0.0098 125 0.0090 112 0.0074 161 0.0071 42 0.0055 36 0.0036 66 0.0022 121 0.0007 39 -0.0010 183 -0.0024 126 -0.0030 143 -0.0054 28 -0.0066 115 -0.0089 33 -0.0117 Trang 89 180 0.0305 136 0.0269 11 0.0217 104 0.0197 110 0.0162 138 0.0148 79 0.0141 184 0.0126 87 0.0110 182 0.0096 49 0.0090 179 0.0074 61 0.0067 137 0.0050 114 0.0035 189 0.0022 139 0.0006 41 -0.0016 129 -0.0025 32 -0.0031 135 -0.0055 46 -0.0071 29 -0.0090 34 -0.0139 150 0.0288 158 0.0250 178 0.0213 154 0.0188 148 0.0162 19 0.0146 186 0.0137 175 0.0124 0.0110 90 0.0095 163 0.0084 16 0.0074 60 0.0067 0.0050 105 0.0029 18 0.0022 119 0.0002 131 -0.0016 20 -0.0026 149 -0.0033 40 -0.0060 47 -0.0078 21 -0.0091 106 0.0270 166 0.0247 15 0.0213 72 0.0181 92 0.0159 50 0.0146 144 0.0134 14 0.0124 164 0.0110 91 0.0095 0.0084 70 0.0073 74 0.0066 173 0.0048 99 0.0024 151 0.0020 52 -0.0003 116 -0.0017 54 -0.0026 187 -0.0035 111 -0.0061 113 -0.0080 35 -0.0100 0.0270 152 0.0227 176 0.0213 73 0.0181 93 0.0159 146 0.0146 160 0.0131 0.0123 56 0.0105 169 0.0094 0.0083 71 0.0073 75 0.0066 31 0.0040 63 0.0024 177 0.0014 64 -0.0005 97 -0.0018 30 -0.0027 133 -0.0035 157 -0.0062 117 -0.0080 24 -0.0109 S K L 0 ... trọng gây tổn thất lớn kinh tế, gây nguy hiểm đến hệ thống điện dẫn đến tan rã hệ thống điện Ổn định hệ thống điện đề cập đến trình dao động điện từ kích động gây nên Ổn định động hệ thống điện đề... định hệ thống điện Đánh giá ổn định động thường xem đánh giá ổn định độ [20] Đánh giá ổn định động nhằm để xác định hệ thống điện chịu kích động ngẫu nhiên mà không làm ổn định Đánh giá ổn định động. .. kích động lớn Ổn định hệ thống điện Ổn định góc rotor Ổn định tín hiệu nhỏ Ổn định tần số Ổn định độ Ngắn hạn Dài hạn Ổn định điện áp Nhiễu lớn Nhiễu nhỏ Ngắn hạn Dài hạn Hình 2.1: Phân loại ổn định