BPMLFNNcóc utrúcx lý phântánvàsong song.
Chúngcóth đ cdùngnh m tt ph pcácm ngtínhtoánc a hàng lo tph n t x lý
gi ng nhaul p đi l p l ib trí trênm tl i.
Vi chọcđ tđ cbằngcáchthayđ icácliênk tgi acácph nt
x lý.Đ nnay,t nt inhi um ng ANNđ cđ ctr ng b i c u hìnhc a chúng và các quytắc học.BPMFNNlàm tm ng đ cs d ng r ng rƣinh t.V ikh năng x px b t kỳ hƠmphituy nliên t cnào,m ng BPMFNNcókh năng ánhx (dựbáo) b tth ng.
BPMFNNlàm tm ng truy nthẳngnhi ul p,vàhàm chuy n đ i trong m ng thông th ng là m t hƠm phi tuy n nh hƠm sigmoid.
Hình 4.10:C u trúc M ng N -ron truy n thẳng nhi u l p
C u trúc c b n c a MFNN đ c s d ng mô ph ng trong lu n văn đ c th hi n trong Hình 4.10. M ng g m 1 l p ngõ vào, 1 l p ngõ ra và 1 l p n g m 10 n -ron đ thực thi quá trình kích ho t phi tuy n. M i n -ron trong m t l p liên k t v i m t trọng s c th đ n v i m i n -ron khác trong l p sau. S l ng n -ron trong l p ngõ vào bằng v i s l ng bi n đ c tr ng trong m i m u hu n luy n và t ng s n -ron trong l p n đ c chọn là 10, v i hàm kích ho t lƠ „hyperbolic tangent sigmoid‟, m ng đ c hu n luy n s d ng gi i thu t truy n ng c „Levenberg-Marquardt‟[13]
Quá trình huấn luy n m ng Khởi t o các tr ng s
Do b n ch t c a gi i thu t học lan truy n ng c sai s lƠ ph ng pháp gi m đ l ch gradient nên vi c kh i t o các giá tr ban đ u c a các trọng s các giá tr nh ng u nhiên s làm cho m ng h i t v các giá tr cực ti u khác nhau.
Quá trình hu n luy n là quá trình học v i các t p m u (Xs, Ts), s ,1N đ đi u ch nh t p trọng s liên k t. Gi i thu t hu n luy n ph bi n đ i v i các m ng BPMFNNlà gi i thu t lan truy n ng c sai s .
- B c1: Lan truy n xuôi đ u vào Xs={x1,x2,…, xn} qua m ng:
* Đ u ra t i n ron j c a l p n: yj = g( n i j i ii x w 1 . ) (4.17) * Đ u ra t i n ron k c a l p ra: yk=g( m j jk j w y 1 . ) = g( k m j n i j i ij jk g w x w 1 1 ) . ( . ) (4.18)
- B c 2: Lan truy n ng c sai s :
So sánh các ph n t c a vect đ u ra thực Ysv i các ph n t t ng ng c a vect đ u ra m u Tsđ tính sai l ch: ek = tk - yk (4.19) T ng bình ph ng sai s c a m ng ng v i m u học (Xs, Ts): 2 1 1 ( ) 2 p s k k k E y t (4.20) P là s ph n t c a vect Ys và Ts.
Thông tin v sai s đ c lan truy n ng c qua m ng đ đi u ch nh l i các giá tr trọng s t i vòng l p th l:
V i liên k t gi a n ron n vƠ n ron ra: ) ( ). ( . l y l wjk k j (4.21) ọ
)) ( ( ). ( ) ( ' l y g l e l k k k k (4.22) jk jk jk l w l w w ( 1) ( ) (4.23)
* V i liên k t gi a n ron vƠo vƠ n ron n:
i j ij l x w . ( ). m k jk k j j j l g y l w l 1 ' ( ). ( ). ( 1) ) ( (4.24) ij ij ij l w l w w ( 1) ( ) (4.25)
Sau khi hi u ch nh trọng s , m u Xs ti p t c đ c đ a vƠo m ng l n th
(l+1) và ti p t c thu t toán hi u ch nh trọng s cho đ n khi E< cho tr c ho c s vòng l p đ t đ n m c đ nh tr c.
M u ti p theo đ c đ a vƠo m ng và quá trình hu n luy n l p l i nh trên cho đ n khi m ng học thu c t t c các m u. L u c u hình m ng l i đ s n sƠng đ a vào s d ng.
Ch ng 5
TRONG ĐÁNH GIÁ N Đ NH H TH NG ĐI N
5.1. Mô hình nh n d ng thông minhđánh giá n đ nh đ ng h th ng đi n dùng m ng n -ron.
Nh trình bƠy trong Hình 5.1. Thi t k h th ng nh n d ng dùng ANN, tr i qua m t s b c liên ti p, nh ng giai đo n chính đ c bi u th nh sau:
Giai đo n 1:T o c s d li u
Giai đo n 2: Lựa chọn bi n đ c tr ng
Giai đo n 3: Xây dựng mô hình nh n d ng thông minh dùng ANN
Giai đo n 4: Đánh giá đ chính xác mô hình nh n d ng thông minh dùng ANN (adsbygoogle = window.adsbygoogle || []).push({});
5.2. T o c sở d li u
Sự thành công c a mô hình nh n d ng thông minh dùng ANN ph thu c vào giá tr c a t p d li u hu n luy n, t p d li u này ph i bi u th đ c m t cách đ y đ nh ng k ch b n v n hành c a h th ng. M t s l ng l n nh ng bi n đ c tr ng cho tr ng thái v n hành c a h th ng đ c gọi là m u, đ c t o ra thông qua mô ph ng off-line và tr ng thái n đ nh/ không n đnh c a h th ng đi n đ c đánh giá cho m i mô ph ng ngắn m ch trên h th ng. M i m u d li u đ c bi u di n d i d ng vector mà bao g m m t s bi n đ c tr ng đ c bi u di n nh sau X = [Vbus, Pload, Qload, Pflow, Qflow,…]. Trong quá trình đánh giá n đ nh đ ng h th ng đi n, m i m u d li u đ c phân lo i thu c v m t trong hai tr ng thái (l p)
n đnh/ không n đnh.
Hình 5.1: Mô hình nh n d ng thông minh đánh giá n đ nh đ ng h th ng đi n dùng m ng n -ron nhân t o Chia t p d li u M t cách ng u nhiên Đánh giá tr ng thái n đnh/ không n đnh Mô ph ng off-line K t qu Chu n hóa d li u D li u hu n luy n D li u ki m nghi m Gi i thu t lựa chọn bi n đ c tr ng Hu n luy n ANN Đánh giá hi u su t c a ANN Chọn bi n đ c tr ng ng viên
5.2.1. Chu n hóa d li u
Chu n hóa d li u lƠ ph ng pháp x lý d li u đ u vƠo tr c khi đ t chúng vào thu t toán lựa chọn bi n đ c tr ng mƠ đ c h n ch d i kho ng giá tr đ u vào c a MLFNN.
Chu n hóa giá tr c a các bi n đ c tr ng đ c thực hi n dùng công th c (5.1): i i i i m x z (5.1)
V i: milà giá tr trung bình c a d li u, iph ng sai chu n c a d li u 5.2.2. Phơn chia d li u
Các m u d li u đ c phân chia m t cách ng u nhiên thành t p d li u hu n luy n (80%), ki m tra (20%). Đơy lƠ đi u quan trọng đ đ m b o rằng t p d li u hu n luy n bao hàm nh ng k ch b n v n hành h th ng đi n cho c hai tr ng thái n đnh và không n đ nh.
5.3. L a ch n bi n đ c tr ng
Lựa chọn bi n đ c tr ng r t quan trọng trong b c xây dựng h th ng nh n d ng thông minh dùng ANN đ đánh giá n đ nh đ ng h th ng đi n. N u bi n đ c tr ng đ c lựa chọn có đ tách bi t d li u ít thì d n đ n hi u su t c a h th ng nh n d ng không cao. Lựa chọn bi n đ c tr ng là chọn ra nh ng bi n đ c tr ng tách bi t d li u gi a các l p cao và d li u c a các bi n đ c tr ng cùng l p g n nhau. Lựa chọn bi n đ c tr ng là chọn vector Z có d bi n đ c tr ng mƠd < n, v i n lƠ đ i di n cho c s d li u g c, d đ i di n cho c s d li u m i d i i i new z y D { . }1 và quan h d li u đ u vƠo vƠ đ u ra m i ynewi=fnew(zi). Nh v y, v nguyên lý, lựa chọn bi n đ c tr ng là quá trình chọn ra m t t p con g m các bi n đ c tr ng ng viên giàu thông tin sao chohi u su t nh n d ng c a mô hình v n m c cao nh kỳ vọng.
5.3.1. Xác đ nh t p bi n đ c tr ng ban đ u
Đơy lƠ b c xác đ nh t p d li u bi n đ c tr ng ban đ u đ s d ng hu n luy n ANN, nh ng bi n đ c tr ng ban đ u này bi u th t t c nh ng tham s có th có trong su t quá trình v n hành h th ng đi n mà có th đ c tr ng cho tr ng thái v n hành n đ nh bi t tr c. Thông th ng có th tuân theo hai lo i bi n đ c tr ng, ph thu c vào vi c chọn nh ng bi n đ c tr ng tr c ho c sau khi h th ng đi n g p sự c hay nh ng giá tr đo đ c khi h th ng tr ng thái xác l p ho c nh ng đi u ki n đ ng.
Nh ng bi n đ c tr ng tr c sự c : là nh ng tham s v n hành tr ng thái xác l p nh biên đ đi n áp và góc pha t i các bus, công su t phát, công su t ph t i, phân b công su t trên đ ng dơy tr c khi xu t hi n nhi u đ ng. Nh ng bi n đ c tr ng nƠy đ c s d ng trong [31]-[39].
Nh ng bi n đ c tr ng sau sự c : là nh ng tham s bi u th thu c tính đ ng c a h th ng nh góc l ch rotor t ng đ i gi a các máy phát, gia t c rotor, đ ng năng rotor, quỹ đ o đi n áp. Nh ng bi n đ c tr ng nƠy đ c s d ng trong [30], [40]-[41].
M c dù c 2 lo i bi n đ c tr ng ng viên có th đ c tr ng tr ng thái h th ng đi n, nh ng chúng có th d n đ n nh ng nh c đi m khi đánh giá n đ nh đ ng h th ng đi n nh sau.
Cùng v i nh ng bi n đ c tr ng tr c khi sự c x y ra, sự n đnh có th đ c đánh giá tr c khi sự c xu t hi n, n u tr ng thái h th ng đi n hi n t i không
n đnh, các v n hành viên có th đ a ra nh ng tác đ ng đi u khi n phòng ng a đ d ch chuy n đi m v n hành h th ng đ n vùng an toƠn tránh nguy c m t n đ nh. Đi u nƠy đ m b o h th ng v n hành tr ng thái phòng ng a, ngăn ch n nh ng sự c đƣ tiên li u, nh ng s g p ph i chi phí cao ( nh h ng b i sựthay đ i tr ng thái v n hành h th ng đi n, tái k ho ch phát đi n,ầ). T ng tự, khi nh ng bi n đ c tr ng sau sự c đ c s d ng lƠ ngõ vƠo, đánh giá n đnh ch có th thực hi n sau khi nh ng sự c thực sự x y ra, và n u sự n đ nh đ c tìm th y ch m t kho ng
th i gian ngắn, nh ng đi u khi n s a ch a nên đ c kích ho t t c th i, đ c bi t t i nh lƠ ngắt máy phát/ sa th i ph t i. Đơy lƠ bi n pháp đ i phó, không m t chi phí n u sự c không thực sự xu t hi n, nh ng s tác đ ng tr m trọng đ n kinh t , xã h i n u đ c thực thi. Bên c nh vi c s d ng nh ng bi n đ c tr ng sau sự c , đòi h i kho ng th i gian đáp ng nh t đ nh đ ch n đoán sự n đnh, ít nh t 5 chu kỳ (1 giơy, đ i v i h th ng đi n có t n s 50 Hz), sau khi sự c đ c cắt. Đơy lƠ th i gian quá dài cho v n hƠnh viên đ a ra nh ng s a ch a k p th i đ d ng sự m t n đ nh quá đ .
Nh ng bi n đ c tr ng trong quá trình x y ra sự c nh sự bi n thiên công su t vƠ đi n áp r i t i các Bus, phân b công su t trên đ ng dây truy n t i(Pflow,
Qflow, Pload, Qload, Vbus,…).
5.3.2. Gi i thu t lựa chọn bi nđ c tr ng
Các chi n l c tìm ki m t p con bi n đ c tr ng g m chi n l c tìm ki m t i u toƠn c c và t i u c c b .
5.3.2.1. Chi n l c tìm ki m t i u toƠn c c
Là chi n l c tìm ki m có th cung c p ngõ ra t i u toƠn c c bằng quá trình tìm ki m toàn b không gian. Tìm ki m sâu là m t ph ng pháp tìm ki m c b n, nó c tìm ra nh ng t p d li u con có th . Cho m t t p d li u có kích th c N, toàn b không gian tìm ki m là 2N. Bên c nh m t s thu t toán tìm ki m cũng có th tìm ki m toàn c c mà không c n thông qua toàn b không gian tìm ki m. Trong các nghiên c u tr c đơy, gi i thu t di truy n th ng đ c s d ng.
Gi i thu t di truy n (GA - Genetic algorithm): đơy là thu t toán tìm ki m đi n hình dựa trên quá trình ti n hóa và chọn lọc tự nhiên. Nó bắt đ u v i m t t p con đ c lựa chọn ng u nhiên, đ c gọi là m t qu n th , t i m i b c l p, qu n th hi n th i t o ra qu n th k c n cùng v i sự tái sinh, lai ghép và đ t bi n, t ng tự nh quá trình chọn lọc tựnhiên, đ t o nên m t t p con t t h n có th t n t i và t p con y u h n b lo i b . Gi i thu t này yêu c u ph i có kh năng thoát ra t ngõ ra
t i u c c b ti n đ n ngõ ra t i u toƠn c c. Tuy nhiên, gánh n ng tính toán luôn luôn lƠ đáng k .
u đi m l n nh t c a chi n l c tìm ki m toàn c c là kh năng cung c p ngõ ra t i u (trên lỦ thuy t), có kh năng cho k t qu hu n luy n v i hi u su t cao nh t. Nh ng nó th ng g p 2 v n đ c b n. Th nh t, gánh n ng tính toán là đi u đáng k nh t là trong nh ng bài toán có s l ng bi n đ c tr ng l n. Chính vì v y, không hi u qu cho ng d ng trực tuy n, tính toán theo th i gian thực. Th hai, t p d li u con nó cung c p có th thực sự không phù h p cho quá trình hu n luy n.