Sa thải phụ tải trong microgrid ở chế độ tách lưới

Sa thải phụ tải trong microgrid ở chế độ tách lưới Sa thải phụ tải trong microgrid ở chế độ tách lưới Sa thải phụ tải trong microgrid ở chế độ tách lưới Sa thải phụ tải trong microgrid ở chế độ tách lưới Sa thải phụ tải trong microgrid ở chế độ tách lưới Sa thải phụ tải trong microgrid ở chế độ tách lưới

Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh TÓM TẮT Đề tài “NGHIÊN CỨU ỨNG DỤNG MẠNG NƠRON TRONG SA THẢI PHỤ TẢI HỆ THỐNG ĐIỆN” đƣợc tiến hành khoảng thời gian năm trƣờng Đại học Sƣ Phạm Kỹ Thuật TP HCM Đề tài tập trung nghiên cứu đề xuất mơ hình điều khiển sa thải phụ tải khẩn cấp mạng nơron nhân tạo ANN, kết hợp với thuật toán Kmeans AHP Các vấn đề luận văn bao gồm:  Trình bày ý tƣởng đề tài sa thải phụ tải cách chủ động sau xuất cố đánh giá hệ thống ổn định  Trình bày lý thuyết mạng nơron nhân tạo, cách học huấn luyện mạng nơron Thuật toán Kmeans giúp phân cụm liệu chiến lƣợc điều khiển tƣơng ứng với cụm, AHP xác định trƣớc vị trí tải cần sa thải dựa hệ số tầm quan trọng tải hệ thống xây dựng chiến lƣợc điều khiển dựa  Hiệu mơ hình sa thải phụ tải đề xuất đƣợc kiểm tra dựa việc xác định chiến lƣợc sa thải phụ tải hệ thống IEEE 10-máy 39-bus thông qua mô cố offline phần mềm PowerWorld, sau đó, thực sa thải phụ tải thông qua công cụ ANN Toolbox phần mềm Matlab  Phân tích kết sa tải phụ tải, so sánh mơ hình sa thải phụ tải đề xuất với thời gian phục hồi tần số lƣợng công suất cần sa thải so với phƣơng pháp truyền thống theo AHP phƣơng pháp UFLS HỌC VIÊN THỰC HIỆN NGUYỄN VĂN HẢI Nguyễn Văn Hải – 1520614 iv Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh ABSTRACT Thesis “APPLICATION RESEARCH NEUTRAL NETWORK FOR LOAD SHEDDING IN POWER SYSTEM” has been done for a year at Ho Chi Minh University Of Technology And Education The thesis focused on research and proposed a new model for emergency load shedding control using artificial neural networks, combined with the Kmeans and AHP algorithms The thesis’s content focused on:  Introduce a new idea of the thesis is load shedding immediately after the occurrence of an incident and assess system instability  Introduce the theory of artificial neural networks, how to learn and train artificial neural networks Kmeans algorithms help clustered data and control strategies that correspond to each cluster, while AHP will predetermine the position of load shed based on the importance of that load with the system and build controlling strategy based on it  The effectiveness of the proposed model is tested on the determining of the load shedding strategy of the IEEE 39-bus 10-machine system through offline incident simulation on PowerWorld software, then, perform load shedding base on ANN Toolbox tool on Matlab software  Analyze the results of load shedding, comparing the proposed load shedding model with frequency recovery time and the amount of power to be shedded with AHP and UFLS method Author NGUYEN VAN HAI Nguyễn Văn Hải – 1520614 v Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh MỤC LỤC    -Trang tựa Trang Quyết định giao đề tài Lý lịch cá nhân i Lời cam đoan .ii Lời cảm ơn iii Tóm tắt iv Mục lục vi Danh sách chữ viết tắt ix Danh sách hình x Danh sách bảng xii CHƯƠNG I: TỔNG QUAN 1.1 TỔNG QUAN CHUNG VỀ LĨNH VỰC NGHIÊN CỨU 1.2 TÍNH CẤP THIẾT CỦA ĐỀ TÀI 1.3 MỤC TIÊU NGHIÊN CỨU 1.4 NHIỆM VỤ VÀ GIỚI HẠN CỦA ĐỀ TÀI 1.5 PHƢƠNG PHÁP NGHIÊN CỨU VÀ CÁC BƢỚC THỰC HIỆN CHƯƠNG II: CƠ SỞ LÝ THUYẾT 2.1 TỔNG QUAN CÁC PHƢƠNG PHÁP SA THẢI PHỤ TẢI 2.2 MẠNG NƠ RON NHÂN TẠO (ANN) 13 2.2.1 Đặt vấn đề 13 2.2.2 Sơ lƣợc mạng nơron 15 2.2.3 Định nghĩa ANN 18 2.2.4 Hàm xử lý 21 2.2.5 Mơ hình mạng nơron 24 2.2.6 Quá trình học mạng nơron 26 Nguyễn Văn Hải – 1520614 vi Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh 2.2.7 Hàm mục tiêu 27 2.3 THUẬT TOÁN AHP 28 2.4 THUẬT TOÁN K-MEANS 31 2.4.1 Kỹ thuật phân cụm 31 2.4.2 Thuật toán K-means 32 CHƯƠNG III: MẠNG NƠ RON TRUYỀN THẲNG VÀ THUẬT TOÁN LAN TRUYỀN NGƯỢC 34 3.1 MẠNG NƠRON TRUYỀN THẲNG 34 3.2 THIẾT KẾ MẠNG TRUYỀN THẲNG 36 3.3 THUẬT TOÁN LAN TRUYỀN NGƢỢC 38 3.3.1 Mô tả thuật toán 38 3.3.2 Sử dụng thuật toán lan truyền ngƣợc 43 CHƯƠNG IV: SA THẢI PHỤ TẢI SỬ DỤNG MẠNG NƠRON NHÂN TẠO 46 4.1 QUY TRÌNH MƠ PHỎNG LẤY MẪU TRONG POWERWORLD 49 4.1.1 Giới thiệu quy trình lấy mẫu powerworlld 49 4.1.2 Mô cố ba pha cân bằng powerworld 53 4.1.3 Dữ liệu sau mô 54 4.2 XÂY DỰNG TẬP MẪU HỌC VÀ CHUẨN HÓA DỮ LIỆU 55 4.3 PHÂN CỤM DỮ LIỆU BẰNG GIẢI THUẬT K-MEANS 56 4.4 ĐÁNH GIÁ TẦM QUAN TRỌNG CỦA PHỤ TẢI BẰNG AHP 57 4.5 HUẤN LUYỆN ANN 68 4.6 KẾT QUẢ VÀ ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG ANN 70 CHƯƠNG V: KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN 76 5.1 KẾT LUẬN 76 5.3 HƢỚNG NGHIÊN CỨU PHÁT TRIỂN 76 Nguyễn Văn Hải – 1520614 vii Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh TÀI LIỆU THAM KHẢO 77 PHỤ LỤC 77 PHỤ LỤC 80 Nguyễn Văn Hải – 1520614 viii Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh DANH SÁCH CÁC CHỮ VIẾT TẮT ANN Artificial Neural Network HTĐ Hệ thống điện MLFF Multi-layer Feed Forward LMS Least Means Square LC Load Center L Load CL Chiến Lược AHP Analytic Hierarchy Process Nguyễn Văn Hải – 1520614 ix Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh DANH SÁCH CÁC HÌNH Hình Trang Hình 2.1: Cấu trúc tổng quát chương trình ILS 12 Hình 2.2: Nơron sinh học 19 Hình 2.3: Nơron nhân tạo 20 Hình 2.4: Hàm đồng 22 Hình 2.5: Hàm bước nhị phân với chọn 23 Hình 2.6: Hàm Sigmoid 23 Hình 2.7: Hàm Sigmoid lưỡng cực 24 Hình 2.8: Mơ hình ANN tổng qt 25 Hình 2.9: Mạng nơron truyền thẳng nhiều lớp (Feed-forward neural network) 25 Hình 2.10: Mạng nơron hồi quy (Recurrent neutral network) 26 Hình 2.11: Mơ hình học có giám sát 27 Hình 2.12: Cây phân cấp AHP 29 Hình 2.13: Sơ đồ khối giải thuật K-means 32 Hình 3.1: Mạng nơron truyền thẳng nhiều lớp 35 Hình 4.1: Mơ hình điều khiển sa thải phụ tải khẩn cấp 47 Hình 4.2: Sơ đồ khối sa thải phụ tải hệ thống khơng ổn định 48 Hình 4.3: Sơ đồ hệ thống điện IEEE 10-máy 39-bus New England 50 Hình 4.4: Mơ cố bus 37 53 Hình 4.5: Tần số hệ thống có cố bus 37 54 Hình 4.6: Dữ liệu lấy mẫu có cố bus 37 55 Hình 4.7: Mơ hình trung tâm tải đơn vị tải 58 Hình 4.8: Sơ đồ khối bước xác định tầm quan trọng phụ tải theo phương pháp AHP 59 Hình 4.9: Sơ đồ vùng trung tâm tải xác định 60 Hình 4.10: Tần số hệ thống (sự cố bus 37) áp dụng giải thuật sa thải đề xuất 71 Nguyễn Văn Hải – 1520614 x Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh Hình 4.11: Góc rotor hệ thống (sự cố bus 37) áp dụng giải thuật sa thải đề xuất 71 Hình 4.12: Góc rotor hệ thống có cố line 29-38 áp dụng giải thuật sa thải đề xuất 72 Hình 4.13: Tần số hệ thống có cố đường dây 29-38 áp dụng giải thuật sa thải đề xuất 72 Hình 4.14: Tần số hệ thống (sự cố bus 37) áp dụng giải thuật UFLS (sa thải phụ tải tần số) 74 Hình 4.15: Tần số hệ thống (sự cố bus 37) áp dụng giải thuật sa thải truyền thống theo AHP 74 Nguyễn Văn Hải – 1520614 xi Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh DANH SÁCH CÁC BẢNG Bảng Trang Bảng 1.1: Sa thải phụ tải theo độ dốc tần số sử dụng R81 Bảng 2.1: Chương trình sa thải tải ERCOT 10 Bảng 2.2: So sánh tính phương pháp truyền thống thông minh 13 Bảng 2.3: Thang điểm so sánh mức độ ưu tiên (mức độ quan trọng) 30 Bảng 2.4: Chỉ số ngẫu nhiên RI 31 Bảng 4.1: Kết phân cụm liệu 57 Bảng 4.2: trung tâm tải đơn vị tải 60 Bảng 4.3: Ma trận phán đoán trung tâm phụ tải 61 Bảng 4.4: Ma trận phán đoán trung tâm tải 61 Bảng 4.5: Ma trận phán đoán trung tâm tải 61 Bảng 4.6: Ma trận phán đoán trung tâm tải 62 Bảng 4.7: Ma trận phán đoán trung tâm tải 62 Bảng 4.8: Giá trị Mi ma trận trung tâm phụ tải 62 Bảng 4.9: Giá trị Mi ma trận trung tâm tải 63 Bảng 4.10: Giá trị Mi ma trận trung tâm tải 63 Bảng 4.11: Giá trị Mi ma trận trung tâm tải 63 Bảng 4.12: Giá trị Mi ma trận trung tâm tải 64 Bảng 4.13: Tổng giá trị Wi* ma trận 64 Bảng 4.14: Các giá trị Wkj ma trận trung tâm phụ tải 64 Bảng 4.15: Các giá trị Wdi tải trung tâm phụ tải 65 Bảng 4.16: Các giá trị Wdi tải trung tâm phụ tải 65 Bảng 4.17: Các giá trị Wdi tải trung tâm phụ tải 65 Bảng 4.18: Các giá trị Wdi tải trung tâm phụ tải 65 Bảng 4.19: Hệ số quan trọng Wij phụ tải 66 Bảng 4.20: Thứ tự sa thải phụ tải theo AHP 67 Nguyễn Văn Hải – 1520614 xii Luận văn Thạc sỹ GVHD: PGS.TS Quyền Huy Ánh Bảng 4.21: Chiến lược sa thải phụ tả tương ứng với cụm liệu 68 Bảng 4.22: Cụm liệu đầu vào 68 Bảng 4.23: Kết huấn luyện kiểm tra nhận dạng ANN 69 Bảng 4.24: Bảng so sánh giá trị tần số phương pháp sa thải phụ tải 75 Nguyễn Văn Hải – 1520614 xiii Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh sánh tần số phục hồi trình bày hình 4.11 hình 4.14 Kết sau sa thải sử dụng phương pháp đề xuất, quan sát đồ thị dạng sóng góc rotor tần số bus cho thấy hệ thống ổn định trở lại sau khoảng thời gian 50s So sánh với phương pháp sa thải tần số (UFLS) với thời gian bắt đầu sa thải phụ tải khoảng 2.9s sau cố, khoảng thời gian bao gồm: thời gian trễ từ lúc cố đến tần số xuống ngưỡng cho phép 59.7Hz (2.7s), thời gian xử lý rơle UFLS (0.1s), truyền tín hiệu máy cắt hoạt động (0.1s) Các rơle hoạt động đợt cắt điện tự động phần công suất tiêu thụ cách thích hợp Việc tính tốn, chỉnh định quản lý vận hành rơle cắt tải theo tần số hệ thống điện việc làm phức tạp ( thiết lập rơle tần số đâu lưới, cắt bao nhiêu, đợt cắt công suất … ) Lý tưởng cắt đủ cắt với tình xảy cố Tuy nhiên khơng thể địi hịi hồn hảo tính chất bất thường cố xét mặt thời gian khơng gian, cố xảy thời điểm nào, nơi lưới, tác động rơle máy cắt đồng nơi lắp đặt phải xét đến phụ tải khác với đặc tính riêng loại phụ tải với mức độ quan trọng khác Với cố bus 37, sau phục hồi, tần số hệ thống đạt 60,14Hz giây thứ 65, thể hình 4.15 Phương pháp sa thải phụ tải truyền thống giải thuật AHP xét đến để so sánh hiệu giải thuật đề xuất, phương pháp dựa tần số để thực thi, với đánh giá tầm quan trọng phụ tải hệ thống để sa thải Các bước thực trình bày phần 4.4 chương Sau sa thải, tần số hệ thống ổn định 60,26Hz giây thứ 60, thể hình 4.16 Nguyễn Văn Hải – 1520614 73 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh Hz Hình 4.14: Tần số hệ thống (sự cố bus 37) áp dụng giải thuật UFLS (sa thải phụ tải tần số) Hz Hình 4.15: Tần số hệ thống (sự cố bus 37) áp dụng giải thuật sa thải truyền thống theo AHP Nguyễn Văn Hải – 1520614 74 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh Quan sát dạng sóng tần số ba phương pháp khác nhau, nhận thấy phương pháp sa thải phụ tải đề xuất có lợi định (Bảng 4.24) Bảng 4.24: Bảng so sánh giá trị tần số phương pháp sa thải phụ tải Công suất sa thải (MW) Thời gian phục hồi (s) Giá trị tần số phục hồi (Hz) Sa thải truyền thống theo AHP 785,2 60 60,26 Sa thải dựa relay tần số (UFLS) 937,1 65 60,14 Sa thải theo phương pháp đề xuất 785,2 50 60,26 Loại Sa thải Phân tích kết Bảng 4.24, nhận thấy phương pháp sa thải phụ tải đề xuất có thời gian phục hồi tần số nhanh so với phương pháp sa thải truyền thống theo AHP công suất cần sa thải thấp so với phương pháp UFLS Trong nghiên cứu hệ thống điện cố gây ngắn mạch cố hệ thống điện lớn giới ghi nhận, xảy ngắn mạch dịng ngắn mạch lớn so với dịng định mức làm cho phần tử có dịng ngắn mạch qua nóng q mức cho phép dù với thời gian ngắn (thường tính miligiây) gây hư hỏng thiết bị điện; điện áp giảm đối xứng làm ảnh hưởng đến phụ tải vòng chưa đến giây làm động điện ngừng quay, sản xuất đình trệ; hậu lớn ngắn mạch rã lưới Những hậu nêu sở để thấy thời gian phục hồi tần số quan trọng sa thải phụ tải hệ thống điện Do đó, mơ hình đề xuất hướng quan trọng để trì hoạt động HTĐ, ngăn chặn cố xảy cách chủ động, nâng cao độ tin cậy cung cấp điện đảm bảo chất lượng điện Nguyễn Văn Hải – 1520614 75 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh CHƢƠNG KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU PHÁT TRIỂN 5.1 Kết luận Luận văn đề xuất mơ hình điều khiển sa thải phụ tải khẩn cấp mạng nơron nhân tạo ANN, kết hợp với thuật toán Kmeans AHP Ý tưởng mơ hình sa thải phụ tải cách chủ động sau xuất cố đánh giá hệ thống ổn định Vì chiến lược sa thải phụ tải thực ANN sở học huấn luyện Off-line Thuật toán Kmeans giúp phân cụm liệu chiến lược điều khiển tương ứng với cụm, AHP xác định trước vị trí tải cần sa thải dựa hệ số tầm quan trọng tải hệ thống xây dựng chiến lược điều khiển dựa Hiệu mơ hình sa thải phụ tải đề xuất kiểm tra dựa hệ thống IEEE 10-máy 39-bus thông qua mô cố offline phần mềm PowerWorld, sau đó, thực sa thải phụ tải thông qua công cụ ANN Toolbox phần mềm Matlab Phân tích kết sa tải phụ tải, nhận thấy phương pháp sa thải phụ tải đề xuất có thời gian phục hồi tần số nhanh lượng công suất cần sa thải thấp so với phương pháp truyền thống theo AHP phương pháp UFLS Giá trị khoa học thực tiễn luận văn: Mơ hình sa thải phụ tải 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 5.2 Hƣớng nghiên cứu phát triển  Xây dựng ANN có khả tự học tự cập nhật liệu đánh giá ổn định động hệ thống điện  Áp dụng thêm giải thuật vào mơ hình nhận dạng ANN để tăng thêm độ xác cho mơ hình Nguyễn Văn Hải – 1520614 76 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh TÀI LIỆU THAM KHẢO TIẾNG VIỆT [1] PGS.TS Nguyễn Hoàng Việt, PGS.TS Phan Thị Thanh Bình, KS Huỳnh Châu Duy, Ngắn mạch ổn định hệ thống điện, Nhà xuất ĐHQG TP HCM, 2005 [2] TS Lê Minh Trung, KS Trương Văn Thiện, Mạng Nơron nhân tạo, Nhà xuất Thống Kê [3] Trần Thị Kim Hồng, Mạch sa thải phụ tải đặc biệt tần số thấp cho hệ thống điện Miền Bắc, hội nghị Khoa học thường niên năm 2014 [4] Lê Tấn Thông, Tối ưu sa thải phụ tải hệ thống điện, luận văn thạc sỹ, 2012 [5] Lê Thanh Phong, Phương pháp sa thải phụ tải dựa vào độ nhạy điện áp thuật toán AHP, Luận văn thạc sỹ, 2014 [6] TT Điều độ HTĐ Miền Nam, Hệ thống sa thải phụ tải theo tần số thấp (R81), 2012 [7] Th.s Lê Trọng Nghĩa, Nghiên cứu phương pháp sa thải phụ tải, Luận văn Thạc sỹ, Đại học Sư Phạm Kỹ Thuật TP HCM, 2012 [8] Nguyễn Thị Thanh Nga, Mô hình kết hợp thuật tốn di truyền thuật tốn vượt khe cải tiến trình học mạng nơron, Luận án Tiến sĩ Kỹ thuật, 2013 [9] Bùi Hoàng Khánh, Lê Duy Hưng, Hồng Mạnh Khơi, Mạng Neutral ứng dụng, Đại học Công Nghệ, 2010 [10] Phạm Anh Cường, Phan Văn Hiền, Ứng dụng mạng Nơron để dự báo phụ tải điện Tỉnh Gia Lai, Tạp chí khoa học công nghệ, Đại Học Đà Nẵng, 2011 [11] Trần Thị Hoàng Oanh, Trần Hoàng Lĩnh, Đồng Si Thiên Châu, Nguyễn Kỳ Tài, Ứng dụng mạng nơron song tuyến tốn dự báo phụ tải, Tạp chí phát triển Khoa học công nghệ, 2007 [12] Trần Thị Hoàng Oanh, Trần Hoàng Lĩnh, Đồng Si Thiên Châu, Nguyễn Kỳ Tài, Ứng dụng mạng nơron song tuyến tốn dự báo phụ tải, Tạp chí phát triển Khoa học công nghệ, 2007 [13] T.s Võ Thị Ngọc Châu, Phân loại liệu, Giáo trình điện tử, Đại học Bách Khoa Thành Phố Hồ Chí Minh, 2012-2013 TIẾNG NƢỚC NGOÀI Nguyễn Văn Hải – 1520614 77 Luận văn Thạc sỹ [14] GVHD:PGS.TS Quyền Huy Ánh Majid Moazzami, Amin Khodabakhshian, and Rahmat-Allah Hooshmand, A New Optimal Under-frequency Load-shedding Method Using Hybrid Culture–Particle Swarm Optimization – Co-evolutionary Algorithm and Artificial Neural Networks, Department of Electrical Engineering, 2015 [15] Emmy Kuriakose, Filmy Francis, Enhancement of Power System Stability by Optimal Adaptive Under Frequency Load Shedding Using Artificial Neural Networks, Vol 2, Special Issue 1, December 2013 [16] C.-T Hsu, M.-S Kang and C.-S Chen, Design of adaptive load shedding by artificial neural networks, Vol 152, No 3, May 2005 [17] J.D Glover, M.S Sarma and T.Overbye, Power System Analysis and Design, 2012 [18] Novosel, D.; King, R.L., Using Artifical Neutral Networks for load shedding to alleviate overloaded lines, Vol 9, Issue [19] Hean Lee-Poh, Jingtao Yao, Teo Jasic, Neutral Networks for the analysis and Forcasting of Advertising and Promotion Impact, 1998 [20] ERCOT, Under frequency Load Shedding 2006 Assessment and Review, trang [21] Yang Li, An effcient demand-side load shedding algorithm in smart grid, Queen’s University, Kingston, Ontario, Canada, 2013 [22] Ripley B.D, Pattern Recognition & Neural Networks, Cambridge Uni Press, 1996 [23] Daniel Graupe, Principles of artificial Neutral network, Advances series on circuit and system Vol6, 2013 [24] C A Jensen and M A El-Sharkawi, Power system security assessment using neural networks: feature selection using Fisher discrimination, IEEE Trans Power Systems, vol 16, Nov 2001, trang 757-763 [25] Simon S Haykin, Neural Networks A Comprehensive Foundation, 2nd Edition, 1999, tr.84-86 [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, trang 39-44 [27] 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, trang 1-6 Nguyễn Văn Hải – 1520614 78 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh [28] Powerworld 18 [29] O.Saad, J.Mahseredijan, IEEE PES Task Force on Benchmark Systems for Stability Systems ( Report on the EMTP – RV 39 bus-systems), Version 1.5 – Mars 04, 2015 [30] Moein Abedini, Majid Sanaye-Pasand, Sadegn Azizi, Adaptive load shedding scheme to preserve the power system stability followwing large disturbances, School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Iran, 2014 [31] B.Verma, Neural Network Based Classifier Ensembles: A Comparative Analysis, Central Queensland University, Australia, 2010 [32] Owen Zinaman, Mackay Miller, Ali Adil, Douglas Arent, Jaquelin Cochran, and Ravi Vora, Power System of the Future, Technical Report, 2015, 53 trang [33] H.Berani, G Ledwich, J.J Ford, On the use of df/dt in power system emergency control, IEEE, 2009 [34] Christopher Bishop, Networks for Pattern Recognition, Clarendon P Oxford, 1995 [35] K Kira and L Rendell, A practical approach to feature selection, In D Sleeman and P Edwards, editors, Int Conf on Machine Learning, Aberdeen, Scotland, Morgan Kaufmann, 1992, trang 249-256 [36] H Demuth, Math Beale, Neural Network Toolbox, For Use with MATLAB, 2015 [37] Primoz Potocnik, Neural Networks: MATLAB examples, 2012, pp.1-91 [38] Matlab R2014b, Neural Network Toolboox User’s Guide, version 4, 2014 [39] Rui Zhang, Yan Xu, Zhao Yang Dong, David J Hill, Feature selection for intelligent stability assessment of power systems, IEEE, 2012 [40] Tohid Shekari, Farrokh Aminifar, and Majid Sanaye-Pasand, An Analytical Adaptive Load Shedding Scheme Against Severe Combinational Disturbances, IEEE, 2015 [41] Noor Izzri Abdul Wahab and Azah Mohamed Chen, Transient Stability Assessment of a Power System Using Probabilistic Neural Network, Faculty of Engineering, Universiti Kebangsaan Malaysia, 43600 UKM Bangi, Selangor D E., Malaysia, 2008 Nguyễn Văn Hải – 1520614 79 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh PHỤ LỤC Phụ lục 1.1: Thơng số mơ hình máy phát điện đồng Unit No 10 H 500.0 30.3 35.8 28.6 26.0 34.8 26.4 24.3 34.5 42.0 0 0 0 0 0 0.006 0.0697 0.0531 0.0436 0.132 0.05 0.049 0.057 0.057 0.031 0.008 0.170 0.0876 0.166 0.166 0.0814 0.186 0.0911 0.0587 0.008 0.02 0.0295 0.2495 0.262 0.67 0.254 0.295 0.290 0.2106 0.1 0.019 0.282 0.237 0.258 0.62 0.241 0.292 0.280 0.205 0.069 7.0 6.56 5.7 5.69 5.4 7.3 5.66 6.7 4.79 10.2 0.7 1.5 1.5 1.5 0.44 0.4 1.5 0.41 1.96 0.0 Phụ lục 1.2: Thông số thiết bị điều khiển kích từ IEEE1 Bus 39 0.06 -1 -0.0485 0.25 0.04 0.75 0.08 1.1 0.26 38 6.2 0.05 -1 -0.633 0.405 0.057 0.5 0.75 0.66 1.1 0.88 37 0.06 -1 -0.0198 0.5 0.08 0.75 0.13 1.1 0.34 36 0.06 -1 -0.525 0.5 0.08 0.75 0.08 1.1 0.314 35 40 0.02 10 -10 0.785 0.03 0.75 0.67 1.1 0.91 34 0.02 -1 -0.0419 0.471 0.0754 1.246 0.75 0.064 1.1 0.251 33 40 0.02 6.5 -6.5 0.73 0.03 0.75 0.53 1.1 0.74 32 0.02 -1 -0.047 0.528 0.0845 1.26 0.75 0.072 1.1 0.282 31 40 0.02 10.5 -10.5 1.4 0.03 0.75 0.62 1.1 0.85 30 40 0.02 10 -10 0.785 0.03 0.75 0.67 1.1 0.91 Phụ lục 1.3: Thông số thiết bị điều chỉnh tần số TGOV1 Bus 30 31 32 33 34 35 0.05 0.05 0.05 0.05 0.05 0.05 0.4 0.4 0.4 0.4 0.4 0.4 Nguyễn Văn Hải – 1520614 1 1 1 -0.05 -0.05 -0.05 -0.05 -0.05 80 1.5 1.5 1.5 1.5 1.5 1.5 5 5 5 0 0 0 Luận văn Thạc sỹ 36 37 38 39 GVHD:PGS.TS Quyền Huy Ánh 0.05 0.05 0.05 0.1 0.4 0.4 0.4 0.8 1 1.2 1.5 -0.05 -0.05 -0.05 -0.05 1.5 1.5 1.5 1.5 5 5 0 0 Phụ lục 1.4: Công suất định mức, công suất Pmax, Pmin máy phát, điện áp đầu cực máy phát, công suất định mức tải PQ PQ PQ Voltag e [pu] - PQ - PQ PQ PQ - PQ - 10 11 12 13 14 15 PQ PQ PQ PQ PQ PQ PQ - 16 PQ - 17 18 PQ PQ - 19 20 PQ PQ - 21 PQ - 22 23 PQ PQ - 24 PQ - Bus Type Load MW MVar 0.00 0.00 0.00 0.00 322.0 2.40 500.0 184.0 0 0.00 0.00 0.00 0.00 233.8 84.00 522.0 176.0 0 0.00 0.00 0.00 0.00 0.00 0.00 7.50 88.00 0.00 0.00 0.00 0.00 320.0 153.0 0 329.0 32.30 0.00 0.00 158.0 30.00 0.00 0.00 628.0 103.0 0 274.0 115.0 0 0.00 0.00 247.5 84.60 308.6 -92.00 Nguyễn Văn Hải – 1520614 MW 0.00 0.00 0.00 Generator Min Max MVar MW MW 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 81 Unit No Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh 25 PQ - 26 PQ - 27 PQ - 28 PQ - 29 PQ 30 31 PV PV 1.0475 0.9820 32 33 34 35 36 37 38 39 PV PV PV PV PV PV PV PV 0.9831 0.9972 1.0123 1.0493 1.0635 1.0278 1.0265 1.0300 224.0 139.0 281.0 206.0 283.5 0.00 9.20 47.20 0.00 0.00 17.00 0.00 0.00 75.50 0.00 0.00 27.60 0.00 0.00 26.90 0.00 0.00 0.00 4.60 250.00 - - 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1104 0.00 0.00 0.00 0.00 0.00 0.00 0.00 250.0 650.00 632.00 508.00 650.00 560.00 540.00 830.00 1000.0 - 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 350.00 1150.0 750.00 732.00 608.00 750.00 660.00 640.00 930.00 1100.0 Gen10 Gen2 Gen3 Gen4 Gen5 Gen6 Gen7 Gen8 Gen9 Gen1 Phụ lục 1.5: 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 0.0016 0.0016 0.0000 0.0000 0.0007 0.0009 0.0000 0.0005 0.0006 0.0000 0.0008 0.0007 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 Phụ lục 1.6: Thông số điện trở, điện kháng dung dẫn đường dây From Bus 1 To Bus 39 Nguyễn Văn Hải – 1520614 Branch Device Type Line Line R X B 0.0035 0.0010 0.0411 0.0250 0.6987 0.7500 82 Luận văn Thạc sỹ 2 3 4 5 6 10 10 10 12 12 13 14 15 16 16 16 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 25 30 18 14 11 39 32 13 11 13 11 14 15 16 24 21 19 17 27 18 33 20 34 22 35 23 36 24 37 26 29 28 27 29 38 Nguyễn Văn Hải – 1520614 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 Line Line Line Transformer Transformer Transformer Line Transformer Line Transformer Line Transformer Line Line Line Line Line Transformer Transformer 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 0.0007 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 83 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 0.0089 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 0.2572 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 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 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh Phụ lục 1.7: Thông số xác lập góp chạy phân bố cơng suất tối ưu OPF 100% tải Bus PU Volt 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 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 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 Volt (kV) 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 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 Nguyễn Văn Hải – 1520614 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 -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 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 0.00 247.50 308.60 224.00 139.00 281.00 206.00 283.50 0.00 9.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1104.00 84 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 -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 Gen MW Gen Mvar 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 sỹ GVHD:PGS.TS Quyền Huy Ánh PHỤ LỤC Phụ lục 2.1: Chương trình chuẩn hóa liệu function [Xch]=chuanhoastd(X) X1=X(1:43,:); X2=X(44:82,:); X3=X(83:107,:); X4=X(108:149,:); [ns,ms]=size(X); for j=1:ns meanF =mean(X(j,:)); stdF =std(X(j,:)); X(j,:)=(X(j,:)-meanF)/stdF; end Xch=X; Phụ lục 2.2: Chương trình huấn luyện 153 biến 149 mẫu clear; clc; load('File Matlab rut gon_5 bien_153 features and 149 Sample'); X=input_5bien_del2; [Xch]=chuanhoastd(X); Xch=Xch; X1=Xch(1:43,:);X2=Xch(44:82,:);X3=Xch(83:107,:);X4=Xch(108:149,:); [ncl1,~]= size(X1);[ncl2,~]= size(X2); [ncl3,~]= size(X3);[ncl4,~]= size(X4); tile=0.20; k1=round(ncl1*tile);k2=round(ncl2*tile); k3=round(ncl3*tile);k4=round(ncl4*tile); r1=randperm(ncl1,k1);r2=randperm(ncl2,k2);r3=randperm(ncl3,k3);r4=randper m(ncl4,k4); Stecl1=X1(r1,:); n1=size(Stecl1,1);Stecl2=X2(r2,:); n2=size(Stecl2,1); Stecl3=X3(r3,:);n3=size(Stecl3,1);Stecl4=X4(r4,:);n4=size(Stecl4,1); xte=[Stecl1; Stecl2; Stecl3; Stecl4]; te1=target_5bien_del2(1:n1,:); te2=target_5bien_del2(45:(44+n2),:); te3=target_5bien_del2(84:(83+n3),:);te4=target_5bien_del2(109:(108+n4), ; t1=[te1; te2; te3; te4]'; te=vec2ind(t1); Strcl1=X1;Strcl1(r1,:)=[]; Strcl2=X2;Strcl2(r2,:)=[]; Strcl3=X3;Strcl3(r3,:)=[]; Strcl4=X4;Strcl4(4,:)=[]; Str=[Strcl1;Strcl2;Strcl3; Strcl4]; y1=target_5bien_del1(1:34,:); y2=target_5bien_del1(44:(44+30),:); Nguyễn Văn Hải – 1520614 85 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh y3=target_5bien_del1(83:((83+19)),:);y4=target_5bien_del1(108:(108+40),:) ; ytr=[y1;y2;y3;y4] x=Str'; xte=xte'; t=ytr'; t=vec2ind(t); net=newff(x,t,[10],{'tansig','purelin'},'trainlm'); [net,tr] = train(net,x,t); otr=vec2ind(round(net(x))); ote=vec2ind(round(net(xte))); acc_train=100*length(find(otr==t))/length(t) accte=100*length(find(ote==te))/length(te) Phụ lục 2.3: Chương trình phân cụm liệu K-means huấn luyện mạng nơron clear; clc; load(File_chay_Kmean_4CL\data') load(File_chay_Kmean_4CL\feature'); b14=feature(3,1:14); S=data.S'; U=data.U; %[Sc,Uc]=chuanhoastd(S,U) [Uc]=chuanhoastd(U) %du lieu chien luoc sa thai da chuan hoa Sch=Sc(b14,:); ncl6=size(Sch,2); allset=Uc(b14,:); [belU,C]=kmeans(allset',7); belU=belU'; b1=find(belU==1); CLb1=allset(:,b1); a1=[find(belU==1) b1];CLL1=allset(:,a1); a2=find(belU==2);CLL2=allset(:,a2); b4=find(belU==3);CLb4=allset(:,b4); a3=[find(belU==3) b4];CLL3=allset(:,a3); a4=find(belU==4);CLL4=allset(:,a4); [~,ncl1]= size(CLL1);[~,ncl2]= size(CLL2); [~,ncl3]= size(CLL3);[~,ncl4]= size(CLL4); z=0; for i=1 z=z+1 beta=0.1; k1=round(ncl1*beta);k2=round(ncl2*beta); k3=round(ncl3*beta);k4=round(ncl4*beta); r1=randperm(ncl1,k1);r2=randperm(ncl2,k2); r3=randperm(ncl3,k3);r4=randperm(ncl4,k4); Stecl1=CLL1(:,r1);Stecl2=CLL2(:,r2); Stecl3=CLL3(:,r3);Stecl4=CLL4(:,r4); Ste=[Stecl1 Stecl2 Stecl3 Stecl4]; yte1=[ones(1,k1);zeros(1,k1);zeros(1,k1);zeros(1,k1)] yte2=[zeros(1,k2);ones(1,k2);zeros(1,k2);zeros(1,k2)] yte3=[zeros(1,k3);zeros(1,k3);ones(1,k3);zeros(1,k3)] yte4=[zeros(1,k4);zeros(1,k4);zeros(1,k4);ones(1,k4)] y6=[zeros(1,k4);zeros(1,k4);zeros(1,k4);ones(1,k4)] yte=[yte1 yte2 yte3 yte4]; Nguyễn Văn Hải – 1520614 86 Luận văn Thạc sỹ GVHD:PGS.TS Quyền Huy Ánh Strcl1=CLL1; Strcl1(:,r1)=[]; [~,clostrcl1]=size(Strcl1); Strcl2=CLL2; Strcl2(:,r2)=[];[~,clostrcl2]=size(Strcl2); Strcl3=CLL3; Strcl3(:,r3)=[];[~,clostrcl3]=size(Strcl3); Strcl4=CLL4; Strcl4(:,r4)=[];[~,clostrcl4]=size(Strcl4); Str=[Strcl1 Strcl2 Strcl3 Strcl4] ytr1=[ones(1,clostrcl1);zeros(1,clostrcl1); zeros(1,clostrcl1);zeros(1,clostrcl1);zeros(1,clostrcl1);zeros(1,clostrcl1)]; ytr2=[zeros(1,clostrcl2);ones(1,clostrcl2); zeros(1,clostrcl2);zeros(1,clostrcl2);zeros(1,clostrcl2);zeros(1,clostrcl2)]; ytr3=[zeros(1,clostrcl3);zeros(1,clostrcl3); ones(1,clostrcl3);zeros(1,clostrcl3);zeros(1,clostrcl3);zeros(1,clostrcl3)]; ytr4=[zeros(1,clostrcl4);zeros(1,clostrcl4); zeros(1,clostrcl4);ones(1,clostrcl4);zeros(1,clostrcl4);zeros(1,clostrcl4)]; ytr=[ytr1 ytr2 ytr3 ytr4]; Str; Ste; x=Str; t=ytr; net=newff(x,t,[25],{'tansig','purelin'},'trainlm'); net.trainParam.goal=1e-5; [net,tr] = train(net,x,t); kqtr=net(x); youtr= vec2ind(kqtr); al1(z)=length(find(youtr(1:clostrcl1)==1))/clostrcl1; al2(z)=length(find(youtr((clostrcl1+1):(clostrcl1+clostrcl2))==2))/clostr cl2 al3(z)=length(find(youtr((clostrcl1+clostrcl2+1):(clostrcl1+clostrcl2+clo strcl3))==3))/clostrcl3; al4(z)=length(find(youtr((clostrcl1+clostrcl2+clostrcl3+1):(clostrcl1+clo strcl2+clostrcl3+clostrcl4))==4))/clostrcl4; %===================== Ste=[Stecl1 Stecl2 Stecl3 Stecl4] yte1=[ones(1,k1);zeros(1,k1);zeros(1,k1);zeros(1,k1)] yte2=[zeros(1,k2);ones(1,k2);zeros(1,k2);zeros(1,k2)] yte3=[zeros(1,k3);zeros(1,k3);ones(1,k3);zeros(1,k3)] yte4=[zeros(1,k4);zeros(1,k4);zeros(1,k4);ones(1,k4)] yte=[yte1 yte2 yte3 yte4]; %====================== te1(z)=sum(vec2ind(net(Stecl1))==1)/k1; te2(z)=sum(vec2ind(net(Stecl2))==2)/k2; te3(z)=sum(vec2ind(net(Stecl3))==3)/k3; te4(z)=sum(vec2ind(net(Stecl4))==4)/k4; end kqtrain=[al1;al2;al3;al4] kqtest=[te1;te2;te3;te4] Nguyễn Văn Hải – 1520614 87 ... phí tải, thay đổi tải theo ngày điều kiện ràng buộc sa thải phụ tải nghiên cứu [5] Sa thải phụ tải Việt Nam sử dụng rơle Ở khu vực lưới điện quốc gia có rơle sa thải phụ tải Sa thải phụ tải theo... truyền ngược” với chương ? ?Sa thải phụ tải sử dụng mạng nơron nhân tạo” 2.1 TỔNG QUAN CÁC PHƢƠNG PHÁP SA THẢI PHỤ TẢI Phương pháp sa thải phụ tải truyền thống: Sa thải phụ tải rơle tần số thấp phương... cắt lượng tải lớn đột ngột Để hiểu rõ sa thải phụ tải, cần tìm hiểu vấn đề liên quan ổn định HTĐ, hậu ổn định, nguyên nhân gây nên ổn định dẫn đến việc phải sa thải phụ tải Sa thải phụ tải xác