(Luận văn thạc sĩ) phân nhóm dữ liệu đường dây 22kv tuyến 471 mỹ tho để đánh giá trạng thái bất thường

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM ANH KHOA PHÂN NHÓM DỮ LIỆU ĐƯỜNG DÂY 22KV TUYẾN 471 MỸ THO ĐỂ ĐÁNH GIÁ TRẠNG THÁI BẤT THƯỜNG NGÀNH: KỸ THUẬT ĐIỆN - 60520202 SKC006075 Tp Hồ Chí Minh, tháng 05 - 2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM ANH KHOA PHÂN NHÓM DỮ LIỆU ĐƯỜNG DÂY 22KV TUYẾN 471 MỸ THO ĐỂ ĐÁNH GIÁ TRẠNG THÁI BẤT THƯỜNG NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Tp Hồ Chí Minh, tháng 5/2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM ANH KHOA PHÂN NHÓM DỮ LIỆU ĐƯỜNG DÂY 22KV TUYẾN 471 MỸ THO ĐỂ ĐÁNH GIÁ TRẠNG THÁI BẤT THƯỜNG NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Hướng dẫn khoa học: TS NGUYỄN MẠNH HÙNG Tp Hồ Chí Minh, tháng 5/2019 i ii iii iv v vi vii Bước 5: xem kết phân loại đánh giá Hình 18: Kết trình phân loại 4.6 Thí nghiệm mẫu thử bảng 4.2: - Mẫu bất thường số 1: cố làm bật máy cắt 471Mỹ Tho vào lúc 10 57 phút đến 11 09 phút ngày 02/02/2017 Nguyên nhân cố rắn bò trụ 158 tuyến 471 Mỹ Tho làm ngắn mạch pha Hình 199: Mẫu bất thường số 69 - Mẫu bất thường thứ 2: cố làm bật máy cắt 471 Mỹ Tho lúc 07 55 phút đến 08 03 phút ngày 10/03/2017 Nguyên nhân cố Diều vướng vào đường dây khoảng trụ 94/1 – 94/2 Hình 20: Mẫu bất thường số - Mẫu bất thường số 3: cố làm bật máy cắt D11 tuyến 471 Mỹ Tho lúc 12 06 phút đến 12 12 phút ngày 18/03/2017 Nguyên nhân cố thiếu bù làm sụt điện áp làm bật máy cắt D11 70 Hình 21: Mẫu bất thường số - Mẫu bất thường số 4: cố làm bật máy cắt D11 tuyến 471 Mỹ Tho lúc 14 50 đến 14 57 phút phút ngày 24/05/2017 Nguyên nhân cố công suất phản kháng khu công nghiệp Tân Mỹ Chánh phát ngược lên lưới làm bù, tăng điện áp làm bật máy cắt D11 Hình 22: Mẫu bất thường số 71 - Mẫu bất thường số 5: cố làm bật máy cắt 471 Mỹ Tho lúc 13 03 đến 13 33 phút ngày 22/09/2017 Nguyên nhân cố nổ 02 chống sét van (LA 18kV-10kA) trạm Ngân Hàng Á Châu (1x320kVA) Hình 23: Mẫu bất thường số 72 Chương KẾT LUẬN Trong đề tài này, chúng tơi phân tích tượng bất thường đường dây 22kV tuyến 471 Mỹ Tho Khác với đề tài trước, việc phát đánh giá tượng bất thường tần số xuất đại lượng sau chuẩn hóa giảm chiều liệu đường dây 22kV tuyến 471 Mỹ Tho Đề tài xây dựng chương trình cho phép phân nhóm vùng liệu Dựa vào chương trình này, người dùng tùy ý lựa chọn thành phần liệu đo phát tuyến Việc phân nhóm liệu, phân tích phát cảnh báo chưa tính đến yếu tố thời điểm hoạt động hệ thống, thời điểm khác hệ thống có trạng thái vận hành khác Trạng thái bị ảnh hưởng nhu cầu phụ tải; việc cần xét tới thời điểm mà tín hiệu quan sát Phương pháp chuẩn hóa PCA thích hơp để nghiên cứu với liệu đường dây 22kV chưa kiểm chứng đối tượng khác trạm biến áp nhà máy điện, đề tài cần mở rộng cho đối tượng khác 73 TÀI LIỆU THAM KHẢO [1] PGS.TS Nguyễn Hoàng Việt, Đánh giá độ tin cậy hệ thống điện,Nhà xuất ĐHQG TP HCM, 2002 [2] PGS.TS Phan Văn Khôi, Cơ sở đánh giá độ tin cậy, Nhà xuất Khoa học Kỹ thuật Hà Nội 2001 [3] PGS.TS Trần Bách, Lưới điện hệ thống điện,Nhà xuất Khoa học Kỹ thuật Hà Nội 2004 [4] PGS.TS Trần Quang Khánh, Vận hành hệ thống điện,Nhà xuất Khoa học Kỹ thuật Hà Nội 2009 [5] Luận văn tốt nghiệp Ông Trần Văn Đoàn, “Phát trạng thái bất thường máy biến áp trạm 110kV Hòn Đất”, ĐHSPKT TP.HCM, March 2018 [6] Meysam Jaefari - Nokandi, Hasan Monsef, “Scheduling of Spinning Reserve Considering Customer Choice on Reliability,” IEEE Transactions on Power Systems, vol 24, no 4, Nov 2009 [7] J Zhong, F.F WuV, “Operating reserve value at risk,” Power Engineering Society General Meeting, pp 18-22 June 2006 [8] asilis A Sotiris, Michael Pecht, “Anomaly detection through Probabilistic Support Vector Machine Classification,” IEEE Transactions on Reliability, vol 59, no 2, June 2010 [9] Scholkopf, J Platt, J Shawe-Taylor, A Smola, and R Williamson, “Estimating the support of a high-dimensional distribution,” Neural Computation, vol 13, no 7, pp 1443-1472, Jul 2001 [10] Wenbin Ma, “Power System Short-Term Load Forecasting Based on Improved Support Vector Machines,” IEEE Transactions on Power Systems, pp 21-22 Dec 2008 [11] Ramon Granell, Colin J Axon, and David C H Wallom, “Impacts of Raw Data 74 Temporal Resolution Using Selected Clustering Methods on Residential Electricity Load Profiles,” IEEE Transactions on Power Systems, vol 30, no 6, pp 3217-3224, november 2015 [12] Riya Roy, K Thomas George, “Detecting insurance claims fraud using machine learning techniques,” International Conference on Circuit ,Power and Computing Technologies (ICCPCT), pp 20-21, April 2017 [13] Yimu Fu, Donglei Sun, Yiqun Wang, Liang Feng, Weixing Zhao, “Multi-level load forecasting system based on power grid planning platform with integrated information,” Chinese Automation Congress (CAC), pp 20-22, Oct 2017 75 Phụ Lục 1: Các thơng số thuộc tính hàm chuẩn hóa liệu cơng cụ sklearn Thơng số Thuộc tính Số lượng mẫu xử lý người ước tính Sẽ thiết lập lại gọi để phù hợp, gia tăng qua partial_fit gọi Phụ lục 2: Các thông số thuộc tính hàm phát Outlier n_neighbors : int, tùy chọn (mặc định = 20) Thông số Số lượng gần kề sử dụng mặc định cho kneighbors truy vấn Nếu n_neighbors lớn số lượng mẫu cung cấp, tất mẫu sử dụng algorithm: {'auto', 'ball_tree', 'kd_tree', 'brute'}, tùy chọn Thuật toán sử dụng để tính tốn hàng xóm gần nhất:  'ball_tree' sử dụng BallTree  'kd_tree' sử dụng KDTree 76  'brute' sử dụng tìm kiếm vũ lực  'auto' cố gắng để định thuật tốn thích hợp dựa giá trị truyền cho fit phương pháp leaf_size : int, tùy chọn (mặc định = 30) Lá truyền đến BallTree KDTree Điều ảnh hưởng đến tốc độ xây dựng truy vấn, nhớ cần thiết để lưu trữ Giá trị tối ưu phụ thuộc vào chất vấn đề metric : string callable, mặc định 'minkowski' metric sử dụng để tính tốn khoảng cách Có thể sử dụng số liệu từ scikit-learn scipy.spatial.distance Nếu 'precomputed', đầu vào đào tạo X ma trận khoảng cách Nếu số liệu chức gọi được, gọi cặp trường hợp (hàng) giá trị kết ghi lại Các callable nên lấy hai mảng đầu vào trả giá trị cho biết khoảng cách chúng Điều làm việc cho số Scipy, hiệu so với chuyển tên số chuỗi Các giá trị hợp lệ cho số liệu là:  từ scikit-learn: ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']  từ 'scipy.spatial.distance: [' braycurtis ',' canberra ',' chebyshev ',' correlation ',' dice ',' hamming ',' jaccard ',' kulsinski ',' 77 mahalanobis ',' phù hợp ',' minkowski ',' rogerstanimoto ',' russellrao ',' seuclidean ',' sokalmichener ',' sokalsneath ',' sqeuclidean ',' yule '] p : số nguyên, tùy chọn (mặc định = 2) Thông từ sklearn với việc s cho p = metric_pa Đối số từ contamin Số lượng liệu Khi địn n_jobs : i Số lượng sau số kneig Thuộc negative_ 78 tính LOF đối diện mẫu huấn luyện Các thấp hơn, bất thường Inliers có xu hướng có điểm số LOF gần với 1, giá trị ngoại vị thường có điểm số LOF lớn Các yếu tố ngoại vi địa phương (LOF) mẫu bắt 'mức độ bất thường' Đây tỷ lệ trung bình tỷ lệ đạt địa phương mẫu quốc gia k-hàng gần n_neighbors_ : số nguyên Số thực hàng xóm sử dụng cho kneighbors truy vấn Phụ Lục 3: Các thông số hàm đọc định dạng excel io : chuỗi, đối tượng đường dẫn (pathlib.Path py._path.local.LocalPath), Tập tin giống đối tượng, pandas ExcelFile, xlrd sổ làm việc Chuỗi URL Các lược đồ URL hợp lệ bao gồm http, ftp, s3 tệp tin Đối với URL tệp, máy chủ dự kiến Thông số sheet_name : chuỗi, int, danh sách hỗn hợp chuỗi / ints, Khơng có, mặc định Chuỗi sử dụng cho tên bảng, Số nguyên sử dụng vị trí bảng tính không lập mục Danh sách chuỗi / số nguyên sử dụng để yêu cầu nhiều trang Chỉ định Khơng có để có tất tờ str | int -> Khung liệu trả list | None -> Dict DataFrames trả về, với phím đại diện cho sheet Các trường hợp có sẵn 79 Mặc định -> trang với tư cách Khung liệu -> trang thứ hai Khung liệu "Sheet1" -> Trang tính thứ Khung liệu [0,1, "Sheet5"] -> Các trang 1, từ điển DataFrames Khơng có -> Tất trang từ điển DataFrames sheetname : string, int, danh sách hỗn hợp chuỗi / ints, None, mặc định Type : int, danh sách ints, mặc định Hàng (0-lập mục) để sử dụng cho nhãn cột DataFrame phân tích cú pháp Nếu danh sách số nguyên thơng qua vị trí hàng kết hợp thành MultiIndex Sử dụng None khơng có tiêu đề Skiprows: bỏ qua hàng đầu Skip-footer: bỏ qua hàng cuối Phụ Lục 4: Các cố phát tuyến 471 Mỹ Tho tháng đầu năm 2018 STT Phát tuyến cố Bật MC 471MT Bật MC 471MT Bật MC 471MT Bật MC 471MT Bật MC D11 80 ...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM ANH KHOA PHÂN NHÓM DỮ LIỆU ĐƯỜNG DÂY 22KV TUYẾN 471 MỸ THO ĐỂ ĐÁNH GIÁ TRẠNG THÁI BẤT THƯỜNG... 5/2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM ANH KHOA PHÂN NHÓM DỮ LIỆU ĐƯỜNG DÂY 22KV TUYẾN 471 MỸ THO ĐỂ ĐÁNH GIÁ TRẠNG THÁI BẤT THƯỜNG... thái bất thường đưa cảnh báo để người vận hành Với lý trên, đề tài ? ?Phân nhóm liệu đường dây 22kV tuyến 471 Mỹ Tho để đánh giá trạng thái bất thường? ?? chọn làm luận văn Thạc sỹ 1.2 Nghiên cứu tổng