ĐỀ tài NCKH nghiên cứu ứng dụng mạng nơ ron nhân tạo trong sa thải phụ tải có xét đến yếu tố điều khiển sơ cấp, thứ cấp tổ máy phát điện và hệ số tầm quan trọng của tải

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CƠNG TRÌNH NCKH CẤP TRƯỜNG TRỌNG ĐIỂM NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO TRONG SA THẢI PHỤ TẢI CÓ XÉT ĐẾN YẾU TỐ ĐIỀU KHIỂN SƠ CẤP, THỨ CẤP TỔ MÁY PHÁT ĐIỆN VÀ HỆ SỐ TẦM QUAN TRỌNG CỦA TẢI MÃ SỐ: T2020-22TĐ SKC007282 Tp Hồ Chí Minh, tháng 12/2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ĐỀ TÀI KHCN CẤP TRƯỜNG TRỌNG ĐIỂM NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO TRONG SA THẢI PHỤ TẢI CÓ XÉT ĐẾN YẾU TỐ ĐIỀU KHIỂN SƠ CẤP, THỨ CẤP TỔ MÁY PHÁT ĐIỆN VÀ HỆ SỐ TẦM QUAN TRỌNG CỦA TẢI Mã số: T2020-22TĐ Chủ nhiệm đề tài: ThS Lê Thị Hồng Nhung TP HCM, 12/2020 TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BÁO CÁO TỔNG KẾT ĐỀ TÀI KHCN CẤP TRƯỜNG TRỌNG ĐIỂM NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO TRONG SA THẢI PHỤ TẢI CÓ XÉT ĐẾN YẾU TỐ ĐIỀU KHIỂN SƠ CẤP, THỨ CẤP TỔ MÁY PHÁT ĐIỆN VÀ HỆ SỐ TẦM QUAN TRỌNG CỦA TẢI Mã số: T2020-22TĐ Chủ nhiệm đề tài: ThS Lê Thị Hồng Nhung Thành viên đề tài: PGS TS Quyền Huy Ánh ThS Lê Trọng Nghĩa KS Nguyễn Thái An TP HCM, 12/2020 Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung DANH SÁCH NHỮNG THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI STT Nội dung nghiên cứu cụ thể giao Nghiên cứu tổng quan phương pháp sa thải phụ tải Nghiên cứu tìm hiểu phương pháp xác định hệ Nguyễn Thái An Khoa Điện – Điện Tử số tầm quan trọng phụ tải Khảo sát, thử nghiệm nhằm kiểm chứng hiệu phương pháp đề xuất Quyền Huy Ánh Khoa Điện – Điện Tử i Nghiên cứu ứng dụng mạng nơ-ron nhân tạo sa thải phụ tải có xét đến yếu tố điều khiển sơ cấp, thứ cấp tổ máy phát điện, hệ số tầm quan trọng tải Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung MỤC LỤC DANH SÁCH NHỮNG THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI i MỤC LỤC ii DANH MỤC CÁC HÌNH v DANH MỤC CÁC BẢNG vi CÁC TỪ VIẾT TẮT vii THÔNG TIN KẾT QUẢ NGHIÊN CỨU viii PHẦN MỞ ĐẦU 1.1 Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài ngồi nước 1.2 Tính cấp thiết đề tài 1.3 Mục tiêu – Cách tiếp cận – Phương pháp nghiên cứu 1.3.1 Mục tiêu nghiên cứu 1.3.2 Cách tiếp cận 1.3.3 Phương pháp nghiên cứu 1.4 Đối tượng phạm vi nghiên cứu 1.4.1 Đối tượng nghiên cứu: 1.4.2 Phạm vi nghiên cứu 1.5 Nội dung nghiên cứu PHẦN MỞ ĐẦU PHẦN NỘI DUNG Chương NGHIÊN CỨU TỔNG QUAN CÁC PHƯƠNG PHÁP SA THẢI PHỤ TẢI 1.1 Khái quát sa thải phụ tải thống điện 1.2 Tổng quan nghiên cứu liên quan 1.2.1 Các nghiên cứu nước 1.2.2 Các nghiên cứu nước Chương PHƯƠNG PHÁP ĐIỀU KHIỂN TẦN SỐ SƠ CẤP, THỨ CẤP VÀ PHƯƠNG PHÁP XÁC ĐỊNH HỆ SỐ TẦM QUAN TRỌNG CỦA PHỤ TẢI 10 ii Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung 2.1 Điều khiển tần số sơ cấp thứ cấp hệ thống điện 10 2.1.1 Đặc tính điều khiển tần số tua-bin máy phát 10 2.1.2 Điều khiển sơ cấp thứ cấp 12 2.2 Tính tốn hệ số tầm quan trọng dựa thuật toán AHP 14 Chương PHƯƠNG PHÁP SA THẢI PHỤ TẢI CÓ XÉT ĐẾN YẾU TỐ ĐIỀU KHIỂN SƠ CẤP, THỨ CẤP TỔ MÁY PHÁT ĐIỆN VÀ HỆ SỐ TẦM QUAN TRỌNG CỦA TẢI 17 3.1 Đáp ứng tần số hệ thống điện 17 3.2 Tính tốn lượng cơng suất sa thải phụ tải tối thiểu có xét điều khiển sơ - thứ cấp hệ số tầm quan trọng: 18 Chương MẠNG NƠ-RON NHÂN TẠO VÀ CÁC THUẬT TOÁN HUẤN LUYỆN 21 4.1 Các khái niệm mạng neural nhân tạo 21 4.2 Các thành phần nạng Neural nhân tạo 21 4.2.1 Mơ hình neural 21 4.2.2 Mơ hình kết nối (Connections) 22 4.2.3 Các qui tắc học (Learning rules) 23 4.3 Phân loại mạng neural 25 4.4 Các loại mạng neural 25 4.5 Đặc tính mạng neural 26 4.6 Các thuật toán huấn luyện 27 4.6.1 Thuật toán huấn luyện Lenvenberg – Marquardt (trainlm) 27 4.6.2 Thuật toán huấn luyện Bayesian (trainbr) 27 4.6.3 Thuật toán huấn luyện Scaled Conjugate Gradient (trainscg) 27 4.6.4 Thuật toán huấn luyện Resillient backpropagation (trainrp) .27 Chương PHƯƠNG PHÁP SA THẢI PHỤ TẢI ĐỀ XUẤT VÀ KHẢO SÁT, THỬ NGHIỆM TRÊN HỆ THỐNG ĐIỆN 28 5.1 Giới thiệu sơ đồ 37-Bus IEEE 28 5.2 Thử nghiệm phương pháp đề xuất mô hình IEEE 37-Bus 28 5.2.1 Đề xuất phương pháp sa thải 28 iii Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung 5.2.2Thử nghiệm sơ đồ 37-Bu 5.2.3Xây dựng tập mẫu học huấ KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 6.1Kết luận 6.2Hướng phát triển đề tài TÀI LIỆU THAM KHẢO iv Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung DANH MỤC CÁC HÌNH Hình Tổng quan kỹ thuật sa thải phụ tải hệ thống điện Hình 2.1 Đặc tính điều chỉnh máy phát có điều tốc 10 Hình 2.2 Đặc tính điều chỉnh máy phát khơng có điều tốc 11 Hình 2.3 Đặc tính thay đổi công suất tua-bin theo thay đổi tần số tổ máy có điều tốc 11 Hình 2.4 Đặc tính thay đổi cơng suất tua-bin theo thay đổi tần số tổ máy khơng có điều tốc 12 Hình 2.5 Ảnh hưởng đường đặc tính q trình điều khiển sơ cấp 13 Hình 2.6 Ảnh hưởng đường đặc tính q trình điều khiển thứ cấp 14 Hình 3.1: Máy phát cung cấp cho phụ tải độc lập 17 Hình 4.1 Mơ hình tốn đơn giản neural 21 Hình 4.2 Mạng Feedforward lớp 22 Hình 4.3 Mạng Feedforward đa lớp 22 Hình 4.4 Neural có hồi tiếp 23 Hình 4.5 Mạng neural hồi tiếp lớp 23 Hình 4.6 Mạng neural hồi tiếp đa lớp 23 Hình 4.7 Học có gíám sát 24 Hình 4.8 Học củng cố 24 Hình 4.9 Học khơng có giám sát 25 Hình 5.1 Sơ đồ đơn tuyến hệ thống IEEE 37-Bus 28 Hình 5.2 Lưu đồ phương pháp sa thải tải đề xuất 29 Hình 5.3 Mơ hình AHP vùng trung tâm tải đơn vị tải cho sơ đồ IEEE 37 Bus 30 Hình 5.4 Cấu hình ANN 34 Hình 5.5 So sánh độ xác huấn luyện kiểm tra thuật toán huấn luyện ANN 35 Hình 5.6 Tần số hệ thống áp dụng phương pháp giảm tải truyền thống phương pháp đề xuất 36 v Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung DANH MỤC CÁC BẢNG Bảng 5.1: Ma trận phán đoán trung tâm phụ tải LCi 30 Bảng 5.2: Ma trận phán đoán phụ tải L j trung tâm tải LC1 30 Bảng 5.3: Ma trận phán đoán phụ tải L j trung tâm tải LC2 31 Bảng 5.4: Ma trận phán đoán phụ tải L j trung tâm tải LC3 31 Bảng 5.5: Ma trận phán đoán phụ tải L j trung tâm tải LC4 31 Bảng 5.6: Giá trị tải hệ số quan trọng tải tính AHP .32 Bảng 5.7: Giá trị thông số công suất điều chỉnh sơ cấp máy phát 33 Bảng 5.8: Độ huấn luyện kiểm tra thuật toán huấn luyện ANN 34 Bảng 5.9: So sánh thiệt hại kinh tế sa thải tải dựa thuật toán AHP UFLS 36 vi Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung TÀI LIỆU THAM KHẢO [1] Under Frequency Load Shedding (UFLS): Principles and Implementation, Y R Omar, I Z Abidin, S Yusof, H Hashim, H.A Abdul Rashid, Universiti Tenaga Nasional, Advanced Power Solution,2010 IEEE International Conference on Power and Energy (PECon2010), Nov 29 Dec 1, 2010, Kuala Lumpur, Malaysia [2] Optimal under voltage load shedding based on voltage stability index, Karol López, Sandra Pérez, and Luis Rodríguez, Ingeniería e Investigación vol 36 n 2, august - 2016 (43-50 [3] Hao CONG, Yang HE, Xu WANG Chuanwen JIANG, “Robust optimization for improving resilience of integrated energy systems with electricity and natural gas infrastructures”, September 2018, Volume 6, Journal of Modern Power Systems and Clean Energy [4] J Duncan Glover, Mulukutla S Sarma, Thomas J Overbye, “Power System Analysis and Design”, Sixth Edition, Cengage Learning, 2017 [5] Ths Nguyễn Thị Nguyệt Hạnh, Luận văn thạc sĩ: Nghiên cứu sa thải phụ tải theo tần số hệ thống điện, Luận văn thạc sĩ, ĐH Bách Khoa Hà Nội, 2014 [6] Ths Nguyễn Đức Thiện, Luận văn thạc sĩ: Xây dựng chương trình sa thải phụ tải dựa thuật toán FUZZY-AHP, đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2015 [7] Ths Bùi Nguyễn Xuân Vũ, Luận văn thạc sĩ Nghiên cứu phương pháp sa thải tải, đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2018 [8] Ths Phạm Minh Pha, Luận văn thạc sĩ: Sa thải phụ tải MicroGrid chế độ tách lưới, Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2016 [9] Ths Nguyễn Viết Sang, Luận văn thạc sĩ : Mô chất lượng điện lưới điện nhỏ (MG) trường hợp nguồn lượng mặt trời kết hợp máy phát Diesel, Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, 2016 [10] Junjie Tang, Junqi Liu, “Adaptive Load Shedding Based on Combined Frequency and Voltage Stability Assessment Using Synchrophasor Measurements”, IEEE TRANSACTIONS ON POWER SYSTEMS, VOL 28, NO 2, MAY 2013 [11] H Bevrani, Senior Member, IEEE, G Ledwich, Senior Member, IEEE, and J 2009 J Ford "On the Use of df/dt in Power System Emergency Control", [12] R Hooshmand, M Moazzami “Optimal design of adaptive under frequency load shedding using artificial neural networks in isolated power system”, International Journal of Electrical Power & Energy Systems, Volume 42, Issue 1, November 2012, Pages 220-228 39 Báo cáo nghiên cứu khoa học ThS Lê Thị Hồng Nhung [13] Muhammad Faizan Tahir, Hafiz Teheeb-UI-Hassan, Kashif Mehmood, Hafiz Ghulam Murtaza Qamar, Umair Rashid “Optimal Load Shedding Using an Ensemble of Artificial Neural Networks”, International Journal of Electrical and Computer Engineering Systems, Volume 7, Number 2, 2016 [14] Nur Najihah Abu Bakara, Mohammad Yusri Hassana, Mohamad Fani Sulaimad, Mohamad Na’im Mohd Nasird, Aziah Khamisd " Microgrid and load shedding scheme during islanded mode: A review", Volume 71, May 2017, Pages 161-169 [15] Mousa Marzband , Maziar Mirhosseini Moghaddam , Mudathir Funsho Akorede, Ghazal Khomeyrani " Adaptive load shedding scheme for frequency stability enhancement in microgrids", Volume 140, November 2016, Pages 78-86 [16] Wei Gu, Wei Liu, Chen Shen, Zhi Wu, “Multi-stage underfrequency load shedding for islanded microgrid with equivalent inertia constant analysis”, Electrical Power and Energy Systems 46 (2013) 36–39 [17] Quan Zhou, Graduate Student Member, IEEE, Zhiyi Li, Member, IEEE, Qiuwei Wu, Senior Member, IEEE, and Mohammad Shahidehpour, Fellow, IEEE " Two-Stage Load Shedding for Secondary Control in Hierarchical Operation of Islanded Microgrids", IEEE TRANSACTIONS ON SMART GRID, VOL 10, NO 3, MAY 2019 [18] Bộ công thương Việt Nam - Cục Điều Tiết Điện Lực, Quy trình lập kế hoạch, huy động dịch vụ điều tần dự phịng quay Bộ cơng thương Việt Nam, 2015 [19] T.L Saaty, The Analytic Hierarchy Process McGraw-Hill, New York, 1980 [20]Trần Bách Lưới điện & Hệ thống điện NXB Khoa học kỹ thuật, 2004 [21] Allen J Wood, Bruce F Wollenberg, Gerald B Sheblé Power Generation, Operation and Control, Third Edition John Wiley & Sons, 2014, pp 473 – 481 [22] Wei Bengang, Wu Xinye, Yao Zhoufei, et al A method of optimized neural network by LM algorithm to transformer winding hot spot temperature forecasting 2017 IEEE Electrical Insulation Conference (EIC), 2017, pp 87-91 [23] Walker H LandJr, J David Schaffer Bayesian Probabilistic Neural Network The Art and Science of Machine Intelligence, 2019, pp 187-210 [24] Walaa M Khalaf, Mohammed Ali Tawfeeq, Kadhum Al-Majdi Edge Detection Using Scaled Conjugate Gradient Algorithm in Back Propagation Neural Network Eng & Tech Journal, Vol.32, Part (A), No.2, 2014 [25] Chien-Sheng Chen; Szu-Lin Su; He-Nian Shou; Wen-Hsiung Liu Resilient back-propagation neural network for approximation weighted geometric dilution of precision 3rd International Conference on Computer Science and Information Technology, 2010, China 40 ... tổ máy phát điện hệ số tầm quan trọng tải Chương 4: Nghiên cứu ứng dụng mạng nơ- ron nhân tạo sa thải phụ tải có xét đến yếu tố điều khiển sơ cấp, thứ cấp tổ máy phát điện hệ số tầm quan trọng tải. .. QUẢ NGHIÊN CỨU - Thông tin chung: Tên đề tài: Nghiên cứu ứng dụng mạng nơ- ron nhân tạo sa thải phụ tải có xét đến yếu tố điều khiển sơ cấp, thứ cấp tổ máy phát điện hệ số tầm quan trọng tải -... KHOA ĐIỆN – ĐIỆN TỬ BÁO CÁO TỔNG KẾT ĐỀ TÀI KHCN CẤP TRƯỜNG TRỌNG ĐIỂM NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ -RON NHÂN TẠO TRONG SA THẢI PHỤ TẢI CÓ XÉT ĐẾN YẾU TỐ ĐIỀU KHIỂN SƠ CẤP, THỨ CẤP TỔ MÁY PHÁT ĐIỆN