(Luận văn thạc sĩ) nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN MINH THÀNH NÂNG CAO KHẢ NĂNG ÐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO NGÀNH: KỸ THUẬT ÐIỆN – 60520202 SKC005846 Tp Hồ Chí Minh, tháng 10 - 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HỌ VÀ TÊN HỌC VIÊN: TRẦN MINH THÀNH TÊN ĐỀ TÀI LUẬN VĂN THẠC SĨ NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO NGÀNH: KỸ THUẬT ĐIỆN – 60520202 Tp Hồ Chí Minh, tháng 10/2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HỌ VÀ TÊN HỌC VIÊN: TRẦN MINH THÀNH TÊN ĐỀ TÀI LUẬN VĂN THẠC SĨ NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO NGÀNH: KỸ THUẬT ĐIỆN – 60520202 Hướng dẫn khoa học: PGS.TS TRƯƠNG ĐÌNH NHƠN Tp Hồ Chí Minh, tháng 10/2018 CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH Cán hướng dẫn khoa học : PGS.TS.TRƯƠNG ĐÌNH NHƠN (Ghi rõ họ, tên, chức danh khoa học, học vị chữ ký) Cán chấm nhận xét 1: (Ghi rõ họ, tên,, chức danh khoa học, học vị chữ ký) Cán chấm nhận xét 2: (Ghi rõ họ, tên, chức danh khoa học, học vị chữ ký) Luận văn thạc sĩ bảo vệ trước HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HỒ CHÍ MINH Ngày tháng năm 2018 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƯỢC: Họ & tên: TRẦN MINH THÀNH Ngày, tháng, năm sinh: 09-02-1981 Quê quán: Nhân Khang, Lý Nhân, Hà Nam Chỗ riêng địa liên lạc: 201/53/16 Nguyễn Xí, P26, Quận Bình Thạnh, TP Hồ Chí Minh E-mail: tmthanh911@gmail.com II Q TRÌNH ĐÀO TẠO: Trung học phổ thơng: Hệ đào tạo: Chính quy Thời gian đào tạo từ tháng 9/1996 đến tháng 6/2000 Nơi học (trường, thành phố): THPT Phan Văn Trị Huyện Giồng Trôm, Tỉnh Bến Tre 2.Đại học: Hệ đào tạo: Vlvh Thời gian đào tạo từ tháng 9/2006 đến tháng 3/2008 Nơi học (trường, thành phố): Đại Học Sư Phạm Kỹ Thuật TPHCM Ngành học: Điện Công Nghiệp III Q TRÌNH CƠNG TÁC CHUN MƠN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian 11/2011- i LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Thành phố Hồ Chí Minh, ngày tháng năm 2018 Học viên (Ký tên ghi rõ họ tên) Trần Minh Thành ii LỜI CẢM ƠN Qua trình học tập, nghiên cứu hồn thành luận văn, em kính gửi lời cảm ơn chân thành sâu sắc đến:  PSG.TS TRƯƠNG ĐÌNH NHƠN thầy tận tình dạy, tạo điều kiện động viên em suốt q trình thực  Q thầy, giáo tham gia công tác giảng dạy, hướng dẫn em thành viên lớp Cao học chuyên ngành Kỹ Thuật Điện tồn khố học  Q thầy, giảng dạy khoa Điện-Điện Tử, phịng Đào tạo – phận sau đại học – Trường Đại học Sư phạm Kỹ thuật Tp Hồ Chí Minh giúp đỡ em thực thời gian học tập nghiên cứu trường  Kính gửi lời cảm tạ tới BGH Trường Đại học Sư phạm Kỹ thuật Tp Hồ Chí Minh tạo điều kiện thuận lợi cho cho học viên trường học tập nghiên cứu Kính chúc Q thầy, thật nhiều sức khỏe Thành phố Hồ Chí Minh, ngày tháng năm 2018 Học viên Trần Minh Thành iii TÓM TẮT Đề tài “NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO” tiến hành khoảng thời gian năm trường Đại Học Sư Phạm Kỹ Thuật TP HCM Sau thời gian nghiên cứu đề tài triển khai tập trung giải vấn đề sau:  Ứng dụng STATCOM để nâng cao độ ổn định động hệ thống điện  Tìm hiểu thuật toán bầy đàn PSO (Particle Swarm Optimization)  Tìm hiểu điều khiển ANFIS (Adaptive -Network-based Fuzzy Inference )  Thiết kế điều khiển PSO kết hợp ANFIS cho STATCOM để nâng cao độ ổn định hệ thống điện bus  Mô kết Matlab Học viên thực Trần Minh Thành iv Hình 5.2: Bộ điều khiển ANFIS thiết kế cho khâu điều chỉnh điện áp Bắt đầu Khởi tạo hàm liên thuộc Khởi tạo FIS Tạo cá thể Đánh giá hoạt động FS PSO Kết thúc lặp? Đúng Sai Thế hệ Kết thúc Hình 5.3: Lưu đồ giải thuật thiết kế điều khiển ANFIS kết hợp PSO Lưu đồ giải thuật dựa vào kết hợp PSO ANFIS để nâng cao khả điều khiển ANFIS Trong cá thể điều chỉnh vận tốc vị trí dựa vào kinh 57 nghiệm tốt ta gọi Pbest Gbest giá trị tốt tìm thấy cá thể khác 5.3 Kết mô Tiến hành thiết kế điều khiển ANFIS theo cách thơng thường ta có kết trình bày hình bao gồm sai số sau huấn luyện bề mặt biểu diễn mối quan hệ tín hiệu vào điều khiển theo tập luật đề Hình 5.4: Kết sai số huấn luyện ANFIS Hình 5.5: Mối quan hệ tín hiệu ngõ vào tín hiệu ngõ Tiếp theo, hình 5.6 trình bày kết có từ q trình huấn luyện ANFIS thuật toán PSO để tối ưu thơng số dựa vào lưu đồ hình 5.3 58 0.5 -0.5 2000 0.5 -0.5 -1 2000 4000 Hình 5.6: Kết trình huấn luyện ANFIS dùng PSO Trường hợp 1: Tiến hành mô hệ thống hình 5.1 với cố dao động điện áp phạm vi +/- 2,5% hình 5.7a ta thấy kết so sánh cơng suất phản kháng phát STATCOM góc kích alpha trường hợp có điều khiển thiết kế ANFIS (đường màu đỏ) trường hợp sử dụng điều khiển đơn giản PI (đường màu xanh) Quan sát từ đáp ứng ta thấy khả điều khiển điều khiển thiết kết ANFIS vượt trội 1.04 1.03 V nguon (pu) 1.02 1.01 0.99 0.98 0.97 Hình a: Thay đổi điện áp đầu nguồn 59 0.04 0.03 Q (pu) 0.02 0.01 -0.01 -0.02 Hình b: Cơng suất Q phát từ STATCOM 1.5 Alpha (degree) 0.5 -0.5 Hình c: Góc kích alpha STATCOM Hình 5.7: Kết mô nguồn thay đổi Trường hợp 2: Để đánh giá mức độ đáp ứng điều khiển thiết kế ta tiến hành mô miền thời gian trường hợp cố nghiêm trọng ngắn mạch pha đường dây L2 thời gian chu kỳ Kết so sánh đáp ứng trường hợp điều 60 khiển thông thường sử dụng điều khiển PI thể đường màu xanh đáp ứng gắn điều khiển ANFIS thể đường màu đỏ trình bày hình 5.8 bao gồm điện áp bus 1, dòng điện điều khiển Iq, điện áp Vdc STATCOM, cơng suất Q cung cấp góc kích alpha thể từ hình a đến V bus (pu) hình e Iq (pu) Hình a: Điện áp bus Hình b: Dịng điện điều khiển Iq 61 2.5 Vdc (V) 1.5 0.5 x 10 Q (pu) Hình c: Điện áp Vdc STATCOM x 10 Hình d: Cơng suất Q 62 Alpha (degree) 80 40 -2 -4 Hình e: Góc kích alpha Hình 5.8: Kết mô ngắn mạch pha L2 63 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết luận Luận văn nghiên cứu giải vấn đề cụ thể sau: - Nghiên cứu yếu tố ảnh hưởng đến ổn định điện áp hệ thống điện Nghiên cứu giải thuật tối ưu bầy đàn PSO ứng dụng giải thuật PSO hệ thống điện để tối ưu thông số cho điều khiển nơ-ron mờ thích nghi ANFIS - Nghiên cứu cấu tạo, nguyên lý làm việc đặt tính làm việc thiết bị bù đồng tĩnh STATCOM Ứng dụng thành cơng thuật tốn ANFIS vào điều khiển thay cho điều khiển PI khâu điều chỉnh điện áp STATCOM nhằm nâng cao khả điều khiển STATCOM hệ thống điện nhằm nâng cao chất lượng điện hệ thống - Các kết thực trường hợp bao gồm thay đổi điện áp đầu nguồn cố nghiêm trọng ngắn mạch pha đường dây kiểm chứng ưu điểm điều khiển ANFIS 6.2 Hướng phát triển Luận văn phát triển theo hướng sau: - Nghiên cứu áp dụng giải thuật PSO cho hệ thống điều khiển ANFIS ứng dụng cho hệ thống điện thực Việt Nam - Nghiên cứu thuật toán điều khiển tối ưu khác việc tối ưu thơng số cho ANFIS để có sở so sánh đánh giá 64 TÀI LIỆU THAM KHẢO [1] Mannle M, “Identify rule- base TSK fuzzy method”, uni of Karsruhe, 2000 [2] Mannle M, Richard A, and Dorasm T A, “Rule- based fuzzy model for nonlinear system identification”, uni of Karsruhe, 1996 [3] Jang J R, Sun C, and Mizutani, “ Neuro- Fuzzy and soft computing”, prentice hall, 1997 [4] Sugeno M, and Kang G T, “Structure identification of fuzzy model”, fuzzy sets and systems, pp 15- 33, 1998 [5] Takagi T, Sugeno M, “Fuzzy identification of systems and its application to modeling and control”, IEEE Transaction on systems, Man & Cybernetics, pp: 1161321, 1985 [6] Alcala R, Casillas J, Cordon O and Herrera F, “Learning TSK rule- based system from approximate ones by mean of MOGUL methodology” Granda uni of spain, Oct 2000 [7] Mannle M, “FTSM: Fast Takagi- Sugeno fuzzy modeling”, uni of Karsruhe, 1999 [8] Jyh-Shing Roger Jang, “ANFIS: Adaptive-NetworkBased Fuzzy Inference System”, IEEE Trans Sys.,Man and Cybernetics., Vol 23, No 3, May/June 1993 [9] 13 Yager, R R and Zadeh, L A., “Fuzzy Sets Neural Networks, and Soft Computing”, Van Nostrand Reinhold,1994 [10] Manish Kumar, Devendra P Garg “Intelligent Learning of Fuzzy Logic Controllers via Neural Network and Genetic Algorithm”, Proceedings of 2004 JUSFA 2004 Japan – USA Symposium on Flexible Automation Denver, Colorado, July 19-21, 2004 [11] Mascioli, F.M., Varazi, G.M and Martinelli, G., “Constructive Algorithm for Neuro-Fuzzy Networks”, Proceedings of the Sixth IEEE International Conference on Fuzzy Systems, 1997, Vol 1, July 1997, pp 459 –464 [12] ANFIS Jang, J.-S R., and Mizutani, E., “Levenberg-Marquardt Method for 65 Learning”, Biennial Conference of the North American Fuzzy Information Processing Society, June 1996, pp 87 –91 [13] Jang, J.-S.R., “Input Selection for ANFIS Learning”, Proceedings of the Fifth IEEE International Conference on Fuzzy Systems, Vol 2, Sep 1996, pp 1493 –1499 [14] J kennedy, RC Ebenhart,, “particle swarm optimization”, Proceedings of the IEEE International Conference on neural networks, Vol 4, 1995, pp 1942 – 1948 [15] Andries P.Engelbrecht, “Computational Intelligence An introduction”, John Wiley & Sons Ltd 2002 [16] J kennedy , “the behavior of particle swarm in VW, N saravan, D Waagen (eds), proceeding of 7th international conference on evolutionary programming, 1998, pp581-589 [16] J kennedy , “the behavior of particle swarm in VW, N saravan, D Waagen (eds), proceeding of 7th international conference on evolutionary programming, 1998, pp581-589 [17] Y Shi, RC Ebenhart, “Empirical study of Particle Swarm Optimization”, proceeding of the IEEE Congress on Evolutionary Computation, Vol3, 1999, pp 19451950 [18] K S Narendra and K Parthasarathy, “Identification and control of dynamical system using neural networks,” IEEE Trans Neural Networks,vol 1, pp 4–27, Jan 1990 [19] Particle Venu G Gudise and Ganesh K Venayagamoorthy , “Comparison of Swarm Optimization and Backpropagation as Training Algorithms for Neural Networks” , Swarm Intelligence Symposium, 2003 SIS '03 Proceedings of the 2426 April 2003 IEEE [20] Kwang Y Lee “ Modern Heuristic Optimization Techniques: Theory and Applications to power systems ” Piscataway, N.J : Hoboken, N.J :IEEE Press ; Wiley-Interscience, c2008 66 [21] H M I Pousinho, Student Member, IEEE, V M F Mendes and J P S Catalão, Member, IEEE“ Hybrid PSO-ANFIS Approach for Short-Term Electricity Prices Prediction “ [22] V.Seydi Ghomsheh *, M Aliyari Shoorehdeli **, M “TeshnehlabTraining ANFIS Structure with Modified PS Algorithm” [23] Yong Hua Song and Allan T Johns - Flexible AC Transmission Systems (FACTS) [24] Nguyễn Văn Nhờ “Giáo trình điện tử cơng suất 1” Nha xuất Đại học Quốc gia TP Hồ Chí Minh 2002 [25] Hồ Văn Hiến “Hệ Thống Điện Truyền Tải Và Phân Phối” NXB ĐH Quốc Gia Tp HCM [26] TS Quyền Huy Ánh “Giáo trình giải tích mạng” (trường Đại học Sư phạm Kỹ thuật Tp.HCM) [27] Ngô Quang Ước, 2010 Nghiên cứu bù công suất phản kháng cho lưới trung áp áp dụng phần mềm PSS/ADEPT tính tốn cho lộ 479 Văn Lâm Hưng Yên Luận văn thạc sĩ kỹ thuật, Đại học nông nghiệp Hà Nội , Hà Nội, Việt Nam 67 ... SĨ HỌ VÀ TÊN HỌC VIÊN: TRẦN MINH THÀNH TÊN ĐỀ TÀI LUẬN VĂN THẠC SĨ NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO NGÀNH: KỸ THUẬT ĐIỆN – 60520202 Hướng dẫn khoa học: PGS.TS TRƯƠNG... tài “NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO? ?? tiến hành khoảng thời gian năm trường Đại Học Sư Phạm Kỹ Thuật TP HCM Sau thời gian nghiên cứu đề tài triển khai tập trung giải. ..BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HỌ VÀ TÊN HỌC VIÊN: TRẦN MINH THÀNH TÊN ĐỀ TÀI LUẬN VĂN THẠC SĨ NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA