(Đề tài NCKH) ứng dụng tính toán thông minh nhận dạng ổn định hệ thống điện

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CƠNG TRÌNH NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG ỨNG DỤNG TÍNH TỐN THÔNG MINH NHẬN DẠNG ỔN ĐỊNH HỆ THỐNG ĐIỆN MÃ SỐ: T201 SKC006517 Tp Hồ Chí Minh, tháng 03/2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH ******** BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƯỜNG TRỌNG ĐIỂM ỨNG DỤNG T NH TO N TH NG MINH NHẬN DẠNG ỔN Đ NH H THỐNG ĐI N T2018-45TĐ Chủ nhiệm đề tài: NGUYỄN NGỌC ÂU Tp Hồ Chí Minh – tháng 3/2019 i TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐI N ĐI N TỬ ******** BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƯỜNG TRỌNG ĐIỂM ỨNG DỤNG T NH TO N TH NG MINH NHẬN DẠNG ỔN Đ NH H THỐNG ĐI N T2018-45TĐ Chủ nhiệm đề tài: NGUYỄN NGỌC ÂU Tp Hồ Chí Minh – tháng 3/2019 ii Danh sách thành viên tham gia nghiên cứu đề tài đơn vị phối hợp chính: Chủ nhiệm đề tài: NGUYỄN NGỌC ÂU Đề tài đƣợc thực tại: PHÒNG NGHIÊN CỨU NĂNG LƢỢNG MỚI VÀ HỆ THÔNG ĐIỆN C201 KHOA ĐIỆN ĐIỆN TỬ ĐẠI HỌC SƢ PHẠM KỸ THUẬT TPHCM iii MỤC LỤC Trang tựa Quyết định giao đề tài MỤC LỤC LIỆT KÊ HÌNH DANH SÁCH CÁC CHỮ VIẾT TẮT CÁC KÝ HIỆU CHƢƠNG 1.1 Tổng quan tình hình nghiên cứu 1.2 Tính cần thiết 1.3 Mục tiêu đề tài 1.4 Đối tƣợng phạm vi nghiên cứu 1.5 Cách tiếp cận phƣơng pháp nghiên cứu 1.6 Bố cục đề tài CHƢƠNG 2.ỔN ĐỊNH HỆ THỐNG ĐIỆN 2.1 Ổn định động hệ thống điện 2.2 Các phƣơng pháp ph n t ch đánh giá ổn định động hệ thống điện 2.3 2.2.2 Phƣơng pháp t ch ph n số 2.2.3 Phƣơng pháp diện t ch 2.2.4 Phƣơng pháp trực tiếp 2.2.5 Phƣơng pháp m ph ng theo Tóm tắt chƣơng CHƢƠNG 3.CƠNG NGHỆ TÍNH TỐN THÔNG MINH 3.1 Mạng nơ-ron nhân tạo 3.1.1Giới thiệu mạng nơ-r 3.1.2M hình nơ-ron sinh học 3.1.3Mơ hình nơ-ron nhân tạ 3.1.3.1 Cấu trúc mơ hình nơ-ron nhân tạo 3.1.3.2 Cấu trúc mô hình mạng nơ-ron nhân tạo nhiều lớp 3.1.4Phân loại mạng nơ-ron 3.1.5Mạng Perceptron nhiều 3.2 3.3 ộ ph n lớp K-Nearest Ne Tóm tắt chƣơng CHƢƠNG 4.THÔNG SỐ ĐẶC TRƢNG TRONG NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN 4.1 X y dựng tập m u 4.2 Chọn biến v 4.2.1 4.2.1.1 4.2.1.2 Tiêu chuẩn Scatter Matrix (SM) 4.3 Học quan hệ vào 4.4 Đánh giá 4.5 Tóm tắt chƣơng CHƢƠNG ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN 5.1 Xây dựng mơ hình nhận dạng ổn định động hệ thống điện 5.2 Luật bình bầu đánh giá ngõ 5.3 Áp dụng đánh giá ổn định động Sơ đồ hệ thống điện chuẩn IEEE 39 5.3.1 5.3.2 5.3.3 5.4 X y dựng ph n lớp kết hợp 5.5 Tóm tắt chƣơng CHƢƠNG 6.1 Kết đạt đƣợc 6.2 Hƣớng phát triển PHỤ LỤC vi LI T KÊ HÌNH TRANG Hình 2.1 Ph n loại ổn định hệ thống điện theo IEEE CIGRE Hình 3.1 M hình nơ-ron sinh học 13 Hình 3.2 M hình nơ-ron nh n tạo 15 Hình 3.3 Cấu trúc mơ hình mạng nơ-ron nhân tạo nhiều lớp truyền thẳng 17 Hình 4.1 Các kh u xây dựng mơ hình nhận dạng 20 Hình 4.2 Quy trình x y dựng tập m u 24 Hình 4.3 Ma trận khơng gian liệu 25 Hình 5.1 Mơ hình nhận dạng kết hợp để nghị .29 Hình 5.2 Sơ đồ hệ thống điện IEEE 39 bus 31 Hình 5.3 Độ xác kiểm tra cho tất lần huấn luyện 37 Hình 5.4 Xếp hạng đánh giá độ xác nhận dạng từ cao đến thấp 37 Hình 5.5 Đánh giá độ xác xây dựng mơ hình kết hợp 38 Hình 5.6 Độ xác m hình đề nghị EC 38 vii LIỆT KÊ BẢNG Bảng 3.1 Một số hàm phi tuyến thƣờng dùng m hình nơ-ron Bảng 5.1 Đánh giá chọn biến Bảng 5.2 Các biến đƣợc chọn viii DANH SÁCH CÁC CHỮ VIẾT TẮT HTĐ ANN (Artificial Nơ-ron Network) MLP (Multi-layered Feedforward Nơ-ron Network) EC (Ensemble Classifier) K-NN (K-Nearest Neighbor) 1-NN Classifier SFS (Sequential Forward Selection) SFFS Selection) 10 RFSM Method) 11 S (Stable) 12 U (Unstable) 13 D(S), D(U), D(S,U) 14 tr (trace) ix Nguyễn Ngọc Âu AR(%) 0.965 0.96 11 Hình 5.5 Đánh giá độ xác xây dựng mơ hình kết hợp ƣớc Chọn mơ hình phân lớp kết hợp Từ Hình 5.5 độ cao 96.51% với số neural song song 13 Mô hình đề nghị có 13 phân lớp đơn kết hợp song song để hình thành m hình đề nghị EC độ xác m hình đề nghị EC, Hình 5.6 Hình 5.6 Độ xác mơ hình đề nghị EC Nhận x t: ảng 5.1 ộ ph n lớp KNNC: giải thuật chọn biến SFFS cho độ ch nh xác kiểm tra đạt 95 63 với số biến đƣợc chọn 15 giải thuật RFSM cho độ ch nh 38 Nguyễn Ngọc Âu xác kiểm tra đạt 95 32 với số biến đƣợc chọn 17 Nhƣ giải thuật SFFS cho độ ch nh xác kiểm tra cao giải thuật RFSM ảng 5.1 so sánh với toàn tập biến 104 biến giải thuật SFFS cho độ ch nh xác kiểm tra tăng 03 số biến giảm đến 85.57 Nhƣ SFFS đ giảm đƣợc biến dƣ thừa, nhiễu độ xác phân lớp khơng suy giảm Hình 5.5 5.6 độ xác phân lớp cao đạt đƣợc 96,01% 230 lần huấn luyện Theo hình 5.4 hình 5.5 độ xác cao đạt 96,01% 230 lần huấn luyện Trong Hình 5.6 m hình đề nghị EC đạt 96,51% Kết cho thấy m hình đề nghị đ cải điện đƣợc độ xác phân lớp tăng 5.5 Tóm tắt chƣơng Chƣơng trình bày kết nghiên cứu đ đƣợc áp dụng kiểm tra sơ đồ chuẩn IEEE 39-bus Các kết cụ thể nhƣ sau:  Xây dựng tập m u: áp dụng quy trình xây dựng tập m u đ trình bày chƣơng vào xây dựng tập m u cho sơ đồ IEEE 39-bus Bộ liệu có 3551 m u với 2649 m u ổn định 902 m u không ổn định, D(S,U)=D(2649,902)  Giảm không gian biến: Hai phƣơng pháp chọn biến đ đƣợc áp dụng phƣơng pháp xếp hạng biến với chuẩn Fisher phƣơng pháp tìm kiến tiến lùi SFFS với chuẩn SM Kết nghiên cứu cho thấy giải thuật SFFS cho kết tốt phƣơng pháp xếp hạng  Xây dựng phân lớp kết hợp: chƣơng trình bày quy trình xây dựng mơ hình phân lớp kết hợp sở kết nối song song phân lớp đơn Kết cho thấy mơ hình kết hợp cải thiện độ xác phân lớp so với m hình đơn 39 Nguyễn Ngọc Âu Chƣơng KẾT LUẬN 6.1 Kết đạt đƣợc Đánh giá ổn định hệ thống điện có giá trị quan trọng để n ng cao độ tin cậy t nh ổn định chế độ vận hành hệ thống điện đ i h i khắc khe thời gian Để đánh giá t nh ổn định hệ thống điện dao động lớn cố g y phƣơng pháp truyền thống t k m hiệu Đánh giá ổn định động hệ thống điện kịp thời hội để điều khiển đƣa hệ thống điện trở trạng thái ổn định khả thi Vì nhu cầu cần x y dựng hệ thống đánh giá ổn định động hệ thống điện nâng cao độ ch nh xác nhận dạng Từ mục đ ch nhiệm vụ nghiên cứu đặt đề tài đ hoàn thành nội dung khoa học thực tiễn nhƣ sau:  Về khoa học:  Xây dựng phân lớp kết hợp sở kết nối song song phân lớp đơn giúp phân lớp đơn có khả bổ khuyết cho Xây dựng thành công phân lớp kết hợp với đầu áp dụng luật bình bầu theo số đ ng giúp cải thiện độ xác phân lớp  Về thực tiễn:  Hệ thống nhận dạng th ng minh đƣợc xây dựng đƣợc sử dụng nhƣ c ng cụ trợ giúp điều độ viên đề chiến lƣợc điều khiển tình khẩn cấp, huấn luyện điều độ viên hệ thống điện xử lý tình dựa kịch cố  Việc giảm không gian biến có nghĩa lớn việc giảm chi ph thiết bị đo lƣờng cảm biến đơn giản hóa sơ đồ đấu nối giúp hệ thống tăng tốc độ xử l 40 Nguyễn Ngọc Âu 6.2 Hƣớng phát triển Từ kết nghiên cứu đề tài kiến nghị cho nghiên cứu cần tiếp tục triển khai tƣơng lai nhƣ sau:  X y dựng tập liệu đại diện toàn chế độ làm việc cố ổn định hệ thống điện c ng việc nặng nhọc chịu chi phí cao thu thập liệu K ch c tập liệu lớn g y phức tạp khó khăn việc huấn luyện mạng Nghiên cứu mờ hóa đồ thị phụ tải để giảm k ch c tập liệu huấn luyện làm việc mạng hƣớng cần quan t m nghiên cứu  Nghiên cứu phối hợp với kh u điều khiển khẩn cấp để giữ ổn định hệ thống điện trƣờng hợp ổn định chẳng hạn nhƣ điều khiển sa thải phụ tải  Nghiên cứu mở rộng áp dụng phƣơng pháp nghiên cứu đề tài cho nhận dạng ổn định điện áp ổn định tần số 41 Nguyễn Ngọc Âu TÀI LIỆU THAM KHẢO [1] Y V Makarov V I Reshetov V A Stroev and N I Voropai “ lackout prevention in the United States Europe and Russia ” Proc IEEE, vol 93, no 11, pp 1942–1954, 2005 [2] Y Xu, S Member, Z Y Dong, S Member, L Guan, and R Zhang, “Preventive Dynamic Security Control of Power Systems Based on Pattern Discovery Technique ” vol 27 no pp 1236–1244, 2012 [3] A M A Haidar, M W Mustafa, F A F Ibrahim, and I A Ahmed, “Transient stability evaluation of electrical power system using generalized regression neural networks ” Appl Soft Comput J., vol 11, no 4, pp 3558– 3570, 2011 [4] S Kalyani and K S Swarup “Supervised fuzzy C-means clustering technique for security assessment and classification in power systems ” Multicr Int J Eng Sci Technol., vol 2, no 3, pp 175–185, 2010 [5] A Hoballah and I Erlich “Transient stability assessment using ANN considering power system topology changes ” 2009 15th Int Conf Intell Syst Appl to Power Syst ISAP ’09, 2009 [6] A Karami “Power system transient stability margin estimation using neural networks ” Int J Electr Power Energy Syst., vol 33, no 4, pp 983–991, 2011 [7] N Amjady and S F Majedi “Transient stability prediction by a hybrid intelligent system ” IEEE Trans Power Syst., vol 22, no 3, pp 1275–1283, 2007 [8] R Zhang Y Xu Z Y Dong K Meng and Z Xu “Intelligent systems for power system dynamic security assessment: Review and classification ” 2011 4th Int Conf Electr Util Deregul Restruct Power Technol., pp 134– 139, 2011 [9] Z Y Dong Z Rui and Y Xu “Feature selection for intelligent stability assessment of power systems ” in 2012 IEEE Power and Energy Society General Meeting, 2012, pp 1–7 42 Nguyễn Ngọc Âu [10] A Karami and S Z Esmaili “Transient stability assessment of power systems described with detailed models using neural networks ” Int J Electr Power Energy Syst., vol 45, no 1, pp 279–292, 2013 [11] A M A Haidar A Mohamed A Hussain and N Jaalam “Artificial Intelligence application to Malaysian electrical powersystem ” Expert Syst Appl., vol 37, no 7, pp 5023–5031, 2010 [12] L Văn Quốc Gia TP.HCM, 2011 [13] Nguyễn Hoàng Việt and Phan Thị Thanh Bình, Ngắn M Trong H [14] P Kundur, N J Balu, and M G Lauby, Power system stability and control McGraw-Hill, Inc, 1994 [15] T a Lipo, Analysis of Synchronous Machines, Second Edi CRC Press, 2012 [16] S Kalyani and K S Swarup “Pattern analysis and classification for security evaluation in power networks ” Int J Electr Power Energy Syst., vol 44, no 1, pp 547–560, 2013 [17] S Haykin, Neural Networks and Learning Machines, Third Edit Pearson Prentice Halll, 2009 [18] M H eale M T Hagan and H Demuth “Neural Network Toolbox TM User ‟ s Guide R 2014 a ” 2014 [19] S Theodoridis and K Koutroumbas, Pattern Recognition, Fourth Edi Elsevier Inc, 2009 [20] A R Webb and K D Copsey, Statistical Pattern Recognition 2011 [21] K Y Lee and M A El-Sharkawi, Modern Heuristic Optimization Techniques A John Wiley & Sons Inc Publication, 2008 [22] J D Glover, M S Sarma, and T Overbye, Power System Analysis and Design, Fifth Edit Global Engineering: Christopher M Shortt Acquisitions, 2012 [23] M Cheriet, N Kharma, C.-L Liu, and C Y Suen, Character Recognition Systems - A Guide for Students and Practioners A Jonhn Wley Inc., 2007 43 Nguyễn Ngọc Âu [24] N.N.Au Q.H.Anh and P.T.T inh “Feature Subset Selection in Dynamic Stability Assessment Power System Using Artificial Neural Networks ” Sci Technol Dev Vol.18, No.K3, 2015 [25] N.N.Au Q.H.Anh and P.T.T inh “Dyanamic Stability Assessment Of Power System Using Multilayer Feedforward Neural Networks With Reduced Feature Selection ” 2Nd Int Conf Green Technol Sustain Dev 2014, vol 2, no 1, pp 5–10, 2014 [26] N A Nguyen, T N Le, H A Quyen, B P T Thanh, and T B Nguyen, “Hybrid Classifier Model for Dynamic Stability Prediction in Power System ” Proc - 2017 Int Conf Syst Sci Eng ICSSE 2017, vol 2017, no Icsse, pp 144–147, 2017 [27] K G Sheela and S N Deepa “Review on methods to fix number of hidden neurons in neural networks ” Math Probl Eng Hindawi Publ Corp., p 11 p, 2013 [28] R Polikar “Ensemble based systems in decision making ” IEEE CIRCUITS Syst Mag., pp 21–45, 2006 44 Nguyễn Ngọc Âu PHỤ LỤC Bảng PL1 C ng suất máy phát Bus Bảng PL2 M hình Unit No Bảng PL3 Thông s Bus T 39 38 37 36 35 34 40 Nguyễn Ngọc Âu 33 40 32 31 40 30 40 Bảng PL4 Thông s thiết bị điều chỉnh tần s Bảng PL5 Thông s From Bus Nguyễn Ngọc Âu Bảng PL6 Thông s trở kháng đường d From Bus Nguyễn Ngọc Âu Bảng PL7 Thông s trở kháng thứ tự không đường d From Bus 1 2 3 4 5 6 10 Nguyễn Ngọc Âu Nguyễn Ngọc Âu ... [14] ổn định hệ thống điện đƣợc phân loại theo IEEE CIGRE gồm: ổn định góc rotor, ổn định tần số ổn định điện áp Ph n loại ổn định hệ thống điện đƣợc trình bày nhƣ Hình 2.1 Ổn định động ổn định. .. độ hệ thống điện Tập m u đƣợc chọn đại diện cho tất chế độ vận hành hệ thống điện trạng thái vận hành hệ thống tiêu biểu quan điểm ổn định hệ thống điện Trạng thái ổn định kh ng ổn định hệ thống. .. Âu Chƣơng THÔNG SỐ ĐẶC TRƯNG TRONG NHẬN DẠNG ỔN Đ NH ĐỘNG H THỐNG ĐI N Trong toán chẩn đoán ổn định động hệ thống điện sở c ng nghệ t nh toán thông minh nh n tạo trạng thái hệ thống điện đƣợc