(Luận văn thạc sĩ) mạng nơron song song 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 THÁI BÌNH MẠNG NƠRON SONG SONG ĐÁNH GiÁ ỔN ĐỊNH ĐỘNG HÊ ̣ THỐNG ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN - 60520202 S K C0 Tp Hồ Chí Minh, tháng 04/2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN THÁI BÌNH MẠNG NƠRON SONG SONG ĐÁNH GIÁ ỞN ĐỊNH ĐỘNG HÊ ̣ THỐ NG ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Tp Hồ Chí Minh, tháng 04 năm 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN THÁI BÌNH MẠNG NƠRON SONG SONG ĐÁNH GIÁ 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 04 năm 2017 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ & tên: NGUYỄN THÁI BÌNH Ngày, tháng, năm sinh: Quê qn: 08/04/1990 Bình Định Giới tính: Nam Nơi sinh: Bình Định Dân tộc: Kinh Chỗ riêng địa liên lạc: Đội 4, thôn An Vinh 2, xã Tây Vinh, huyện Tây Sơn, tỉnh Bình Định Điện thoại di động: 090-804-6568 E-mail: nguyenthaibinhcn@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ tháng 8/2008 đến tháng 08/2012 Nơi học: Trường Đại học Cơng nghiệp Tp Hồ Chí Minh Ngành học: Kỹ thuật Điện Tên đồ án, luận án môn thi tốt nghiệp: Cung Cấp Điện Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: năm 2012 Trường Đại học Cơng nghiệp Tp Hồ Chí Minh Thạc sĩ: Hệ đào tạo: Chính quy Thời gian đào tạo từ tháng 4/2015 đến tháng 04/2017 Nơi học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh Ngành học: Kỹ thuật Điện Tên đồ án, luận án môn thi tốt nghiệp: Mạng nơron song song đánh giá ổn định động hệ thống điện Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: 16/4/2017 Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh i III QUÁ TRÌNH CƠNG TÁC CHUN MƠN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Từ 8/2012-3/2014 Công ty TNHH Giải pháp Công nghệ Mạng Việt Nam Nhân viên kỹ thuật Từ 3/2014 – 9/2014 Công ty TNHH Kỹ thuật T&D Kỹ sư dự án Từ 09/2014 đến Công ty TNHH MTV 319.3 Nhân viên kỹ thuật ii LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu tơi Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tp.Hồ Chí Minh, ngày 15 tháng 03 năm 2017 Tác giả luận văn Nguyễn Thái Bình iii LỜI CẢM ƠN Qua thời gian học tập nghiên cứu trường Đại Học Sư Phạm Kỹ Thuật TP.HCM, với nhiệt tình hướng dẫn, giúp đỡ q Thầy Cơ, tơi hồn thành luận văn tốt nghiệp Trước hết, xin chân thành cảm ơn ba mẹ động viên giúp đỡ suốt thời gian học tập Chân thành cảm ơn Ban Giám Hiệu nhà trường, Ban chủ nhiệm khoa Điện Điện tử, phòng quản lý sau đại học trường Đại Học Sư Phạm Kỹ Thuật TP.HCM tạo điều kiện thuận lợi cho học tập, nghiên cứu để thực tốt luận văn tốt nghiệp thời gian qua Tơi xin bày tỏ lịng biết ơn sâu sắc đến Thầy PGS.TS Quyền Huy Ánh tận tình hướng dẫn, giúp đỡ suốt trình học tập trình thực luận văn này.Bên cạnh đó, tơi muốn gửi lời cảm ơn đến NCS Nguyễn Ngọc Âu, người hỗ trợ nhiều suốt trình thực luận án Chân thành cảm ơn quý Thầy/Cô Khoa Điện - Điện tử Trường Đại học Sư phạm Kỹ thuật TP.HCM truyền đạt kiến thức chuyên môn, kinh nghiệm, giúp tự tin tìm hiểu kiến thức chuyên ngành, tạo điều kiện tốt cho tơi hồn thành khố học Xin chân thành cảm ơn! Tp.Hồ Chí Minh, ngày 15 tháng 03 năm 2017 Tác giả luận văn Nguyễn Thái Bình iv TÓM TẮT Vận hành hệ thống điện đại phải đối mặt với nhiều khó khăn thách thức phụ tải ngày tăng làm cho quy mơ hệ thống điện trở nên lớn phức tạp hơn.Trong hệ thống điện ln phải đối mặt với kích động bất thường cắt điện máy phát, ngắn mạch đường dây truyền tải hay cái.Các kích động làm gián đoạn quy trình cơng nghiệp quan trọng gây tổn thất lớn kinh tế, gây nguy hiểm đến hệ thống điện dẫn đến tan rã hệ thống điện.Ổn định động hệ thống điện đề cập đến khả hệ thống máy phát kiểm soát hoạt động tuabin - thiết bị điều tốc, hệ thống kích từ sau kích động lớn để trì đồng bộ.Để đánh giá hệ thống ổn định hay khơng ổn định sau kích động lớn có nhiều phương pháp áp dụng:Phương pháp mô theo miền thời gian, phương pháp số, phương pháp hàm lượng, phương pháp sử dụng hàm Lyapunov.Tuy nhiên phương pháp phân tích truyền thống tốn nhiều thời gian giải nên gây chậm trễ việc định, với u cầu khắc khe thời gian tính tốn, tính nhanh phải xác xuất nhu cầu ứng dụng phương pháp khác hiệu hơn.Phương pháp nhận dạng mạng nơron nhân tạo khuyến nghị phương pháp thay để giải vấn đề khó khăn tốc độ tính tốn hiệu suất.Bằng q trình học sở liệu, phân tích mối quan hệ phi tuyến vào thông số vận hành hệ thống điện và tin ̣ h ệ thống điện, sau tính ̀ h tra ̣ng ở n đinh tốn định nhanh chóng.Luận văn tập trung nghiên cứu kỹ thuật xử lý mẫu cho không làm tính bao qt mẫu ban đầu, từ xây dựng mơ hình huấn luyện mạng nơron song song giúp giải yêu cầu nhận dạng chẩn đoán nhanh trạng thái ổn định hệ thống điện, sớm cảnh báo trường hợp ổn định v ABSTRACT Operation of the modern electrical system is facing many challenges since increasing load made the scale of the electrical system more complex and bigger.Meanwhile, the electrical system is always faced with irregular stimulations such as cut off the power of the generator, short-circuit on the transmition lines or on the busbars.These stimulations interrupted important industrial processes Therefore, it caused heavy losses for economic and electrical system, and it can lead to disruption of the electrical system.Power System Stability deal with ability of operation generator control system of turbine- governor device, activation system behind great stimulations to remain synchronization.There are many methods to review electrical system stable or unstable such as time domain emulation method, numerical method, energy function method, the method of using Lyapunov function.However, traditional analytical methods took a lot of time to solve, so causing decision making tardy, with stern requirements on calculation time, fast calculation but accurate appeared application demand of other methods for more effective.The method of identification by artificial neural network is recommended as a replace method to solve above difficult problems about calculation speed as well as performance.By learning about process of the database, to analyze the nonlinear relationship between input and output of the operating parameters of the electrical system and the stability of the electrical system, then to calculate and make decisions quickly.The dissertation focuses on the study of sample handling technique not lose the generality of the original sample, thence building a training model of parallel neural network in order to solve identification request and diagnostic rapidly of the stable state of the electrical system vi - Bước 1: Từ liệu ban đầu, thực huấn luyện mạng nơron đơn - Bước 2: Áp dụng phân phối kỹ thuật kiểm tra, huấn luyện cho mạng nơron song song có 2, 3, 4, nơron song song - Bước 3: Vẽ đồ th ị quan ̣ giữa số ma ̣ng nơron song song với đô ̣ chính xác huấ n luyê ̣n, đô ̣ chiń h xác kiể m tra - Bước 4: Chọn số mạng nơron song song có đô ̣ chính xác kiể m tra cao nhấ t 5.9 Kết huấn luyện kiểm tra Tiến hành huấn luyện kiểm tra mạng GRNN với thông số sau: - Số biến đặc trưng 15 biến - Số mẫu huấn luyện 1800 mẫu ổn định, 600 mẫu không ổn định Tổng cộng 2400 mẫu Tỷ lệ huấn luyện so với liệu đầu vào 2400/3200 mẫu, 75% - Hàm huấn luyện hàm net = newgrnn(x,t,spread) - Kết huấn luyện trình bày Bảng 5.2 Số mạng nơron song song Độ xác (%) 95.745 96.911 97.208 96.492 95.390 Bảng 5.2: Kết độ xác nhận dạng mạng nơron song song Hình 5.5: Đồ thị biểu diễn mối quan hệ độ xác nhận dạng mạng nơronsong song 63 So với kết nhận dạng chấp nhận cơng trình cơng bố gần [6] 95.75%cho thấy luận văn sử dụng mạng nơron song song, huấn luyện mạng hồi quy tổng quát (GRNN) với số mạng nơron 2, 3, 4, nơron con, với liệu đầu vào độ xác nhận dạng mẫu kiểm tra tốt 96.911%, 97.208%, 96.492%, 95.39% Ta thấy, với liệu đầu vào 3200 mẫu (2400 mẫu ổn định, 800 mẫu khơng ổn định) chia thành mạng nơron đạt kết xác cao Vì vậy, cấu hình mạng nơronsong song đươ ̣c cho ̣n Hin ̀ h 5.6, gồ m: lớp đầu vào, mạng nơronsong song gồm mạng nơron ĐẦU VÀO BỘ LỰA CHỌN ANN #1 ĐẦU RA ANN #2 ĐẦU RA ANN #3 ĐẦU RA Hình 5.6: Mơ hình mạng nơronsong song với số nơroncon 5.10 Xây dựng chƣơng trình nhận dạng ổn định hệ thống điện Nhằm tạo thuận lợi cho người sử dụng dễ dàng kiểm tra nhận dạng ổn định hệ thống điện, chương trình nhận dạng cố xây dựng với 02 chế độ điều khiển tự động điều khiển tay, có 15 biến liệu đầu vào, kết ngõ hiển thị dạng hình ảnh chữ Giao diện chương trình trình bày hình 5.7 64 Hình 5.7:Giao diện chương trình đánh giá ổn định động hệ thống điện Giao diện chương trình gồm nút lệnh Start, Reset, Exit Ngồi giao hiển thị sơ đồ mạng IEEE 10-máy 39-bus, cho biết trạng thái HTĐ ‘Ổn định’ hay ‘Không ổn định’  Chức nút lệnh: - Start: nút chạy chương trình Ở chế độ Auto click nút hiển thị hộp thoại để nhập thời gian mơ phỏng, cịn chế độ Manual chương trình nhận dạng thực - Reset: cài đặt lại chương trình, dùng khỏi q trình mơ chế độ Auto - Exit: chương trình  Chương trình có 02 chế độ:  Chế độ Auto Nhập thời gian (đơn vị tính giây) để thực nhận dạng Giả lập hệ thống có số mẫu đầu vào lần lượt: mẫu ổn định - mẫu không ổn định - mẫu ổn định - mẫu khơng ổn định Tổng cộng có 20 mẫu đầu vào Chương trình nhận dạng load 65 mẫu để nhận dạng - Giá trị 15 biến ngõ vào mẫu hiển thị 15 ô Input - Hiển thị mức lượng mẫu - Hiển thị mạng nơron chọn để thực việc nhận dạng - Kết hiển thị dạng hình chữ: với màu xanh hệ thống ổn định Màu đỏ hệ thống không ổn định  Chế độ Manual Chế độ tương tự chế độ Auto, có nút Input để nhập mẫu để thực việc nhận dạng 5.11 Kết luận chƣơng Chương trình bày quy trình xây dựng mơ hình ANN nhận dạng ổn định động hệ thống điện IEEE 10-máy 39-bus Trong chương này, sau phần giới thiệu tổng quan sơ đồ hệ thống điện IEEE 10-máy 39-bus, trình bày chi tiết bước thực xây dựng mơ hình ANN nhận dạng ổn định động hệ thống điện kết hợp với kỹ thuật xử lý liệu, bao gồm lựa chọn biến đặc trưng phân cụm liệu Áp dụng giải thuâ ̣t Relief để lựa chọn biến đặc trưng chẩ n đoán nhanh ổn định động hệ thống điện Luận văn chọn hệ thống nhận dạng nơronsong song với liệu đầu vào, số biến đặc trưng 15, ba mạng nơron song song dùng cấu trúc mạng hồi quy tổng quát GRNN khác Như vậy, việc áp dụng mạng nơron đề xuất nhận dạng ổn định động hệ thống điện giúp tăng độ xác hiệu quả, từ đáp ứng yêu cầu đề tài đặt 66 CHƢƠNG KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU PHÁT TRIỂN 6.1 Kết luận Luận văn tìm hiểu, xây dựng mơ hình mạng nơron song song đánh giá ổn đinh ̣ động ̣ thớ ng điê ̣nvà hồn thành mục tiêu đặt ra, kết đạt sau: - Phân tích tổng quan lĩnh vực nghiên cứu: lý thuyết ổn định hệ thống điện, lựa chọn biến đặc trưng, biện pháp xử lý mẫu - Nghiên cứu đề xuất quy trình xử lý liệu:chia liệu theo tiêu chuẩn lượng, kỹ thuật lựa chọn mạng nơron - Nghiên cứu lý thuyết nhận dạng, mạng nơron, đề xuất xây dựng mơ hình mạng nơron song song nhận dạng ổn định động hệ thống điện - Luận văn áp dụng kỹ thuật chia liệu theo tiêu chuẩn lượng,kỹ thuật lựa chọn mạng nơronđể xây dựng mơ hình nơron song song nhận dạng ổn định động hệ thống điện - Kiểm chứng hiệu mơ hình nơron song song nhận dạng ổn định động hệ thống điện chuẩn IEEE 10-máy 39-bus mơ hình đề xuất Trong đó, mạng nơron có nơron song song có độ xác nhận dạng 97.208% so với mơ hình nơron đơn độ xác đạt 95.745% Điều cho thấy hiệu mơ hình mạng nơron song song so với mạng nơron đơn toán đánh giá ổn định động hệ thống điện - Xây dựng giao diện để thực việc giả lập nhận dạng hệ thống điện chuẩn IEEE 10-máy 39-bus - Mơ hình nhận dạng xây dựng sử dụng để trợ giúp huấn luyện điều độ viên định tình khẩn cấp, sớm đưa hệ thống điện trạng thái ổn định 67 6.2 Hƣớng nghiên cứu phát triển - Xây dựng ANN có khả tự học tự cập nhật liệu đánh giá ổn định động hệ thống điện - Từ mô hình nhận dạng ổn định động hệ thống điện, tiến hành nghiên cứu kết hợp với mơ hình điều khiển khẩn cấp trường hợp ổn định HTĐ 68 TÀI LIỆU THAM KHẢO TIẾNG VIỆT Quyền Huy Ánh, Vận hành tối ưu hệ thống điện, Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh, 2012, 146 trang Nguyễn Hồng Việt Phan Thị Thanh Bình, Ngắn mạch Ổn định hệ thống điện, Nhà xuất Đại học Quốc gia Tp.Hồ Chí Minh, 2013, 370 trang Lã Văn Út, Phân tích Điều khiển Ổn định hệ thống điện, Nhà xuất Khoa học Kỹ thuật, 2000, 210 trang Phạm Thành Nhân, Luận văn Thạc sĩ: Ứng dụng mạng Neural ổn định hệ thống điện, Đại học Bách khoa Thành phố Hồ Chí Minh, 2006 Bùi Lê Ngọc Minh,Luận văn Thạc sĩ: Ổn định hệ thống điện mạng Neural, Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2008 Phan Viết Thịnh,Luận văn Thạc sĩ: Mạng Nơron nhận dạng ổn định động hệ thống điện, Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2015 Võ Thanh An,Luận văn Thạc sĩ: Nghiên cứu phương pháp nhận dạng ổn định hệ thống điện, Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2016 Nguyễn Minh Cường, Ổn định Hệ thống điện, Đại học Kỹ thuật Công nghiệp, 2005 PGS.TS Trần Bách, Ổn định hệ thống điện, Trường Đại học Bách khoa Hà Nội, 2001 10 Đinh Văn Nhượng, Một số ứng dụng mạng nơron xây dựng mơ hình nhận dạng dự báo, Nhà xuất Khoa học Kỹ thuật, 2013, 131 trang 11 Phạm Hữu Đức Dục, Mạng nơron ứng dụng điều khiển tự động, Nhà xuất Khoa học Kỹ thuật, 2009, 292 trang 12 Nguyễn Thiện Thành, Trí tuệ nhân tạo, Nhà xuất Đại học Quốc gia Tp.Hồ Chí Minh, 2006 13 Bùi Cơng Cường Nguyễn Dỗn Phước, Hệ mờ Mạng nơron ứng dụng, Nhà xuất Khoa học Kỹ thuật, 2006, 199 trang 69 TIẾNG NƢỚC NGOÀI 14 Prabha Kundur, Power System Stability and Control, New York: McGraw Hill, 1994 15 D Rama Krishna, K V S Ramachandra Murthy, and G Govinda Rao, Application of Artificial Neural Networks in Determining Critical Clearing Time in Transient Stability Studies, 2008 IEEE, pp.1-6 16 K Shanti Swarup, Artificial neural network using pattern recognition for security assessment and analysis, Neurocomputing 71, 2008, pp.983-998 17 M.A Pai , Energy Function Analysis for Power System Stabili1y, University of Illinois at Champaign/ Urbana, 1989 18 M.A Pai and Peter W.Sauer, Stability analysis of power systems by Lyapunov's direct method, 1989 IEEE, pp.1-5 19 Mania Pavella, Damien Ernst, DanielRuiz-Vega,Transient stability of power systems a unified approach to assessment and control, Kluwer Academic Publishers, 2000 20 Rui Zhang, Yan Xu, Zhao Yang Dong and David J Hill, Feature Selection For Intelligent Stability Assessment of Power Systems, 2012 IEEE, pp.1-7 21 A Karami, S Z Esmaili, Transient stability assessment of power systems described with detailed models using Neural Networks, Electrical Power and Energy Systems 45, 2013, pp.279-292 22 Ahmed M A Haidara, M W Mustafab, Faisal A F Ibrahimc, Ibrahim A Ahmed, Transient stability evaluation of electrical power system using Generalized Regression Neural Networks, Applied Soft Computing 11, 2011, pp.3558-3570 23 Rui Zhang , Yan Xu, Zhao Yang Dong, Ke Meng, Zhao Xu, Intelligent Systems for Power System Dynamic Security Assessment: Review and Classification, IEEE 2011, pp.1-6 70 24 Yan Xu, Zhao Yang Dong, Jun Hua Zhao, 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 25 S Kalyani, K S Swarup, Pattern analysis and classification for security evaluation in power networks, Electrical Power and Energy Systems 44, 2013, pp.547-560 26 I S Isa, Z Saad, S Omar, M K Osman, K A Ahmad, H A Mat Sakim, Suitable MLP Network Activation Functions for Breast Cancer and Thyroid Disease Detection, 2010 IEEE, pp.39-44 27 A Karami, M S Mohammadi, Radial basis function neural network for power system load-flow, Electrical Power and Energy Systems 30, 2008, pp.60-66 28 K.R Niazi, C.M Arora, S.L Surana, Power system security evaluation using ANN feature selection using Divergence, Sciencedirect 2003, pp.1-7 29 Craig A Jensen, Mohamed A El-Sharkawi, Robert J Marks, Power system security assessment using neural networks: Feature selection using fisher discrimination, IEEE 2001, pp.1-7 30 Madjid Khalilian, Farsad Zamani Boroujeni, Norwati Mustapha, Md Nasir Sulaiman, K-Means Divide and Conquer Clustering, International Conference on Computer and Automation Engineering, 2009 31 Irina Kalashnikova, Matthew F Barone, Srinivasan Arunajatesan, Bart G van Bloe-men Waanders, Construction of Energy-Stable Galerkin Reduced Order Models, Sandia National Laboratories 2013 32 Gábor Horvasth, Neural Networks in System Identification, Budapest University of Technology and Economics, 2005 71 PHỤ LỤC Chƣơng trình chia liệu theo tiêu chuẩn lƣợng %%%%%%%%%%%%% Code Devide PNN by Energy Criterion %%%%%%%%%%%%% clear all; clc; close all; load('C:\Program Files\MATLAB\R2014a\bin\000_temp_file\Data\Train'); %%%%%% Reset de khong bi luu ma tran %%%%%%%%%%%%%% Usum=[];Ssum=[]; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Row=size(TrainSS,1); % la so hang %for i=1:Row; for i=1:1; %%%%%%%%%%%%% MUC NANG LUONG DATA KHONG ON DINH %%%%%%%%%%%%%%%%% % % UU co dang: bien x mau UU=Train.TrainUU(i,:); U0=UU{:}'; % U0 co dang: mau x bien U1=(U0).^2; % binh phuong tung phan tu cua ma tran U2=sum(U1,2); % cong cac cot cua ma tran, ma tran hang U3=[U2 U0]; % ghep lai de sort U4=sortrows(U3,1); % sort theo gia tri cua cot h3=max(U2); % gia tri MAX cua U2 h4=min(U2); % gia tri MIN cua U2 %%%%%%%%%%%%%%%%%%% MUC NANG LUONG DATA ON DINH %%%%%%%%%%%%%%%%%%%%% % % SS co dang: bien x mau SS=Train.TrainSS(i,:); S0=SS{:}'; % S0 co dang: mau x bien S1=(S0).^2; % binh phuong nSng phan nS cSa ma nman S2=sum(S1,2); % cong cac cua ma tran, ma tran cot S3=[S2 S0]; % ghep lai de sort S4=sortrows(S3,1); %sort nheo gia tri cua cot k3=max(S2); k4=min(S2); %%%%%%%%%%%%%%%%%%% TINH TOAN %%%%%%%%%%%%%%%%%%% h5=k3-h4; %k5=k3-k4; %%%%%%%%%%%%% SORT DATA KHONG ON DINH %%%%%%%%%%%%%%%%% b1=[round(h4+h5/2) round(h3)]; for n1=b1; if n1