' b q q ' e q E sin E i x x (4.11)
Luận văn tốt nghiệp Trang 34
Hình 4.6. Mơ hình Simulink để tính tính dịng điện id, iq của máy phát.
Hình 4.7. Mơ hình Simulink để tính điện áp trên đầu cực máy phát Vt.
Luận văn tốt nghiệp Trang 35 4.10 Bộ ổn định PSS thơng thường theo IEEE chuẩn PSS1A
Hình 4.9. Sơ đồ khối bộ PSS [2].
KP: Độ lợi, Bộ lọc thơng, Khối bù pha hai tầng cĩ hằng số thời gian T1P, T2P và T3P, T4P ; TWP là hằng số thời gian bộ lọc thơng; Δω là độ lệch tốc độ và VSlà tín hiệu ổn định ngõ ra của PSS. Vs 3P 4 P 1 sT 1 sT 1P 2 P 1 sT 1 sT KP Input WP WP sT 1 sT Output Khối
Luận văn tốt nghiệp Trang 36
Tổng hợp các mơ hình ta được mơ hình của máy phát nối vào đường dây truyền tải:
Hình 4.10. Mơ hình mơ phỏng tính gĩc cơng suất δ, cơng suất điện Pe, điện áp trên đầu cực máy phát Vt trong SIMULINK.
Luận văn tốt nghiệp Trang 37 Chương 5
K T QU MƠ PH NG
5.1 Thơng số của Hệ thống máy phát, đường dâykhi chạy bằng Matlab – Simulink 1. Máy phát Generator: H=3.542, D = 0, Xd=1.7572, Xq=1.5845, X’d=0.4245, X’q=1.04, T’do=6.66, T’qo=0.44, Ra=0, Pe=0.6, δ0=44.370. 2. Lưới truyền tải R=0, Xe=0.68, G=0, B=0
3. Cấu trúc bộ CPSS của IEEE theo chuẩn 421.5
KPSS = 0.0403, T1 = T3 = 0.7827, T2 = T4 = 0.0651, T5 = 5.7049, T6= 0.0069.
4. Các thơng số sử dụng để mơ phỏng
Tất cảcác thơng số như điện trở, điện cảm, đơn vị là p.u. Thời gian được tính bằng giây.
Luận văn tốt nghiệp Trang 38 5.2 Sơ đồ tổng quan các khối mơ ph ng trên Matlab
Luận văn tốt nghiệp Trang 39 5.3 Mơ hình nghiên cứu
Cho hệ thống như hình 5.1 máy phát điện được nối vào thanh cái vơ hạn thơng qua 2 đường dây truyền tải.
Hình 5.1 Mơ hình máy phát nối vào hệ thống truyền tải.
Tín hiệu độ lệch tốc độ Δω từ đầu cực máy phát và đưa vào bộ PSS, chúng ta mơ phỏng ba trạng thái thơng qua bộ chuyển đổi mạch (Switch) để so sánh kết quả ổn định đĩ là:
Trạng thái 1: khơng cĩ Bộ PSS.
Trạng thái 2: cĩ bộ PSS thơngthường (CPSS). Trạng thái 3: cĩ bộ PSS-PSO.
Luận văn tốt nghiệp Trang 40
Sau khi tín hiệu qua bộ PSS sẽ được đưa vào bộ kích từ của máy phát. Hai trường hợp để mơ phỏng đĩ là:
Trường hợp 1: khi đang mang tải thì xảy ra ngắn mạch trên đầu cực máy phát điện.
Trường hợp 2: tải thay đổi đột ngột.
5.4 Trường hợp 1 khi đang mang tải thì xảy ra ngắn mạch trên đầu cực máy phát điện.
5.4.1 Cơng suất điện khi xảy ra ngắn mạch trên đầu cực máy phát
Hình 5.2. Cơng suất điện khi xảy ra ngắn mạch trên đầu cực máy phát. Hình 5.2. trình bày cơng suất điện, máy phát đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ, hệ thống trở lại bình thường sau 10 giây.
Luận văn tốt nghiệp Trang 41
Nhận xét: Các kết quả mơ phỏng cho thấy Bộ ổn định PSO PSS làm cho cơng suất điện dao động cĩ biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nĩ đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
Giới hạn ổn định động:
NO PSS C PSS PSO PSS
max Pe (p.u) 2.2 1.8 1.6
Thời gian trở lại bình thường (s)
10 8 3.5
5.4.2 Độ lệch tốc độ Rotor khi xảy ra ngắn mạch trên đầu cực máy phát.
Luận văn tốt nghiệp Trang 42
Hình5.3 trình bày độ lệch tốc độ Rotor, máy phát đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ hệ thống trở lại bình thường sau 10 giây.
Nhận xét: Các kết quả mơ phỏng cho thấy Bộ ổn định PSO PSS làm cho Độ lệch tốc độ Rotordao động cĩ biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nĩ đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
Giới hạn ổn định động:
NO PSS C PSS PSO PSS
max Δω (Rad/s) 8.2 6.8 6.7
Thời gian trở lại bình thường (s)
Luận văn tốt nghiệp Trang 43 5.4.3 Gĩc cơng suất khi xảy ra ngắn mạch trên đầu cực máy phát
Hình 5.4. Gĩc cơng suất khi xảy ra ngắn mạch trên đầu cực máy phát. Hình 5.4 trình bày gĩc cơng suất, máy phát đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ hệ thống trở lại bình thường sau 10 giây.
Nhận xét: Các kết quả mơ phỏng cho thấy Bộ ổn định PSO PSS làm cho Gĩc cơng suất dao động cĩ biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nĩ đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
Giới hạn ổn định động:
NO PSS C PSS PSO PSS
max δ (Rad) 2.48 2.28 2.18
Thời gian trở lại bình thường (s)
Luận văn tốt nghiệp Trang 44 5.5 Trường hợp 2 thay đổi cơng suất phụ tải bất ngờ
5.5.1 Cơng suất điện trên đầu cực máy phát khi thay đổi cơng suất.
Hình 5.5. Cơng suất điện trên đầu cực máy phát khi thay đổi cơng suất.
Hình 5.5. Trình bày cơng suất điện trên đầu cực máy phát, máy phát đang vận hành ở tải 0.6 p.u tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ thống ổn định. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20. Điều này đảm bảo cho máy phát ổn định trong các tình huống vận hành.
Luận văn tốt nghiệp Trang 45
Nhận xét: Các kết quả mơ phỏng cho thấy Bộ ổn định PSO PSS làm cho cơng suất điện dao động cĩ biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nĩ đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
Giới hạn ổn định động:
NO PSS C PSS PSO PSS
max Pe (p.u) 0.45 0.42 0.37
Thời gian trở lại bình thường (s)
10 9 4.5
5.5.2 Gĩc cơng suất delta của máy phát khi cơng suất phụ tải thay đổi.
Hình 5.6. Gĩc cơng suất delta của máy phát khi cơng suất phụ tải thay đổi. Hình 5.6 trình bày gĩc cơng suất của máy phát, máy phát đang vận hành ở tải 0.6 p.u ứng với gĩc delta là 1.6 p.u. Tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ thống ổn định ứng với gĩc delta là 0.8 p.u. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20 ứng với gĩc delta là 1.3 p.u.
Luận văn tốt nghiệp Trang 46
Nhận xét: Các kết quả mơ phỏng cho thấy Bộ ổn định PSO PSS làm cho Gĩc cơng suất dao động cĩ biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nĩ đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
Giới hạn ổn định động:
NO PSS C PSS PSO PSS
max δ (Rad) 1.2 1.19 1
Thời gian trở lại bình thường (s)
10 9 5
5.5.3 Độ lệch tốc độ của máy phát khi cơng suất phụtải thay đổi.
Hình 5.7. Độ lệch tốc độ của máy phát khi cơng suất phụ tải thay đổi.
Hình 5.7 trình bày độ lệch tốc độ của máy phát, máy phát đang vận hành ở tải 0.6 p.u. Tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ
Luận văn tốt nghiệp Trang 47
thống ổn định độ lệch tốc độ bằng 0. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20 độ lệch tốc độ bằng khơng.
Nhận xét: Các kết quả mơ phỏng cho thấy Bộ ổn định PSO PSS làm cho Độ lệch tốc độ Rotor dao động cĩ biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nĩ đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
Giới hạn ổn định động:
NO PSS C PSS PSO PSS
max Δω (Rad/s) 5.2 5 3
Thời gian trở lại bình thường (s)
Luận văn tốt nghiệp Trang 48 Chương 6
K T LU N VÀ H NG PHÁT TRI N C A Đ TÀI 6.1 K t luận
6.1.1 Các k t quả đạt được trong đ tài
Với việc phát triển hệ thống điện rộng lớn và việc gia tăng phụ tải, để nâng cao khả năng ổn định của hệ thống điện đã thu hút nhiều nhà nghiên cứu, việc nổ lực tìm ra các phương pháp phù hợp để cải thiện ổn định hệ thống điện. Bộ ổn định hệ thống điện PSS cho thấy là một thiết bị hiệu quả và kinh tế để nâng cao ổn định hệ thống điện khi cĩ dao động nhỏ.
Bộ PSS thiết kế theo lý thuyết cổ điển đã áp dụngthành cơng trong hệ thống điện, tuy nhiên các thơng số này cố định chọn theo mơ hình tuyến tính. Nĩ khơng cĩ khả năng thích nghi với các điều kiện vận hành hệ thống điện khác nhau, vì thế bộ PSS thơng thường đã khơng đáp ứng được tất cả các điều kiện vận hành, vì hệ thống điện là một hệ thống động phi tuyến nên Bộ ổn định phải tự thích nghi với hệ thống thay đổi và giảm dao động trong mọi tình huống.
Luận văn này trình bày vịêc ứng dụng giải thuật PSO để xác định thơng số tối ưu cho bộ PSS nhằmcải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống, nghiên cứu kết quả mơ phỏng.
Sự hoạt động của bộ PSO PSS được nghiên cứu trong hệ thống thanh cái một máy được mơ phỏng trên máy tính theo điều kiện vận hành khác nhau chẳng hạn như tải nhẹ, tải nặng, các nhiễu loạn khác nhau như thay đổi cơng suất đầu vào, ngắn mạch 3 pha đều được kiểm tra, trong cùng 1 thời gian tất cả các trường hợp mơ phỏng được nghiên cứu với bộ PSS thơng thường kết quả mơ phỏng cho thấy rằng bộ PSO PSS đáp ứng được tất các các dao động của hệ thống điện theo các điều kiện vận hành khác nhau và đã cải thiện đáng kể ổn định của hệ thống.
Các kết quả nghiên cứu trong luận văn này cho thấy rằng bộ PSO PSS cĩ nhiều đặc tính tốt mà bộ PSS thơng thường thiếu. Từ các quan điểm thực tiễn, bộ
Luận văn tốt nghiệp Trang 49
PSO PSS cĩ những đặc tính đặc biệt và ổn định tốt, cĩ thể áp dụng các phần cứng thơng thường của máy tính.
6.1.2 Hạn ch
Đề tài chỉ nghiên cứu trên lý thuyết và mơ phỏng trên máy tính, để so sánh kết quả nghiên cứu trên lý thuyết, chưa thực hiện trên mơ hình thực tế để kiểm tra kết quả nghiên cứu và kết quả mơ hình thực tế.
6.2 Hướng phát triển của đ tài
ng dụng giải thuật PSO để xác định thơng số tối ưu cho bộ PSS nhằm cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống và dựa theo kết quả nghiên cứu của luận văn này đề nghị tiếp tục nghiên cứu trong tương lailà triển khai thực nghiệm.
Luận văn tốt nghiệp Trang 50 TÀI LI U THAM KH O
[1] Jian He, “Adaptive power system stabilizer based on recurrent neural network”, the University of Calgary october 1998.
[2] Sidhartha Panda and Narayana Prasad Padhy “Power System with PSS and FACTS Controller:Modelling, Simulation and SimultaneousTuning
Employing Genetic Algorithm”, International Journal of Electrical and Electronics Engineering 1:1 2007.
[3] Jan Machowski, Janusz W. Bialek and James R. Bumby “POWER SYSTEM
DYNAMICS Stability and Control” john wiley & sons, Ltd.
[4] J. He and O.P. hfalik, Fellow, IEEE “Design of an Adaptive Power System Stabilizer Using Recurrent Neural Networks” IEEE WESCANEX '95 PROCEEDINGS
[5] Y. Zhang G. P. Chen 0. P. Malik G. S. Hope “AN ARTIFICIAL NEURAL
NETWORK BASED ADAPTIVE POWER SYSTEM STABILIZER” IEEE
Transactions on Energy Conversion, Vol. 8, No. 1, March 1993
[6] M.L.Kothari, Shekhar Madriani and Ravi Segal “ORTHOGONAL LEAST SQUARES LEARNING ALGORITHM BASED RADIAL BASIS
FUNCTION (RBF) NETWORK ADAPTIVE POWER SYSTEM
STABILIZER”, 0-7803-4053 - 1/97/$10.00 @ 1997 IEEE.
[7] M. Z. Youssef, P. K. Jain E. A. Mohamed “A ROBUST POWER SYSTEM
STABILIZER CONFIGURATION USING ARTIFICIAL NEURAL
NETWORK BASED ON LINEAR OPTIMALCONTROL (STUDENT
PAPER COMPETITION)”, CCECE 2003-CCGEI 2003, Montreal, Mayhai
Luận văn tốt nghiệp Trang 51
[8] Wenxin Liu, Ganesh K. Venayagamoorthy, Donald C. Wunsch I1 “Adaptive Neural Network Based Power System Stabilizer Design”,0-7803-7898- 9/03/$17.00 02003 IEEE.
[9] Pinak Tulpule, Ali Feliachi “Online Learning Neural Network based PSS with Adaptive Training Parameters”, 1-4244-1298-6/07/$25.00 ©2007 IEEE.
[10] Wenxin Liu1, Ganesh K. V “Comparisons Of An Adaptive Neural Network Based Controller And An Optimized Conventional Power System Stabilizer”, 16th IEEE International Conference on Control Applications Part of IEEE Multi-conference on Systems and Control Singapore, 1-3 October 2007.
[11] Chun-Jung Chen and Tien-Chi Chen “Power System Stabilizer for Multi- Machine Using Genetic Algorithms Based on Recurrent Neural Network” 0-7695-2882-1/07 $25.00 ©2007 IEEE.
[12] Peng Zhao and O. P. Malik “Design of an Adaptive PSS Based on Recurrent
Adaptive Control Theory”, IEEE TRANSACTIONS ON ENERGY
CONVERSION, VOL. 24, NO. 4, DECEMBER 2009.
[13] Gerald Swann, Sukumar Kamalasadan “A Novel Radial Basis Function Neural Network Based Intelligent Adaptive Architecture for Power System Stabilizer”.
[14] Dr. Jagdish kumar1, P.Pavan kumar, Aeidap.u Mahesh and Ankit
Shrivastava“Power System Stabilizer Based On Artificial Neural
Network”,978-1-4577-1510 - 5/11/$26.00 ©2011 IEEE.
[15] Boumediene Allaoua Brahim GASBAOUI and Brahim MEBARKI, Setting Up PID DC Motor Speed Control Alteration Parameters Using Particle Swarm Optimization Strategy, Bechar University, Departement of Electrical Engineering B.P 417 BECHAR (08000) Algeria, pp. 19-32.
[16] Chao Ou, Weixing Lin, Comparison between PSO and GA for Parameters Optimization of PID Controller, The Faculty of Information Science and Technology University of NingBo University of NingBo, pp. 2471-2475.
Luận văn tốt nghiệp Trang 52
[17] N. Pillay, A Particle swarm optimization approach for tuning of SISO PID control loops, 2008.
Luận văn tốt nghiệp Trang 53 PH L C A
Hệ thống máy phát _ đường dây
1. Máy phát
Generaator: H=3.542, D = 0, Xd=1.7572, Xq=1.5845,
X’d=0.4245, X’q=1.04, T’do=6.66, T’qo=0.44,
Ra=0, Pe=0.6, δ0=44.370.
2. Lưới truyền tải
R=0, Xe=0.68, G=0, B=0
3. Cấu trúc bộ CPSS của IEEE theo chuẩn 421.5
KPSS = 0.0403, T1 = T3 = 0.7827, T2 = T4 = 0.0651, T5 = 5.7049, T6= 0.0069.
4. Các thơng số sử dụng để mơ phỏng
Tất các các thơng số như điện trở, điện cảm, đơn vị là p.u. Thời gian được tính bằng giây.
Luận văn tốt nghiệp Trang 54 PH L C B Code Matlab clc, clear all Kp =0; Ki =0; Kd =0; Kdd = 0; Ka = 0; n = 10; % Kích thước quần thể
bird_setp = 10; %Kích thước tìm kiếm
dim = 5; %Số biến Kp , Ki, Kd Kdd
alpha =0.1; beta =0.1;
w =0.2 ; % Trọng số PSO %initialize the parameter %
R1 = rand(dim, n); R2 = rand(dim, n);
%Thiết lập trọng số ban đầu
current_fitness =zeros(n,1);
current_position(1,:) = 2.5*rand(1, n) ; %Kp 1.6*rand(1, n) ;
current_position(2,:) = 0.5*rand(1, n); %Ki tăng
current_position(3,:) = rand(1, n); % Kd
current_position(4,:) = rand(1, n); % Kdd
current_position(5,:) = rand(1, n); % Ka
velocity = randn(dim, n) ;
rand('state',100); randn('state',100); local_best_position = current_position ;
%Chạy thế hệ đầu tiên
%FitnessFunction = @mo_hinh;
for i = 1:n
pid = abs(current_position(:,i));
Kp =pid(1); Ki =pid(2); Kd =pid(3); Kdd =pid(4); Ka =pid(5); current_fitness(i) = mo_hinh(Kp, Ki, Kd, Kdd, Ka);
end local_best_fitness = current_fitness; [global_best_fitness,g] = min(local_best_fitness); for i=1:n globl_best_position(:,i) = local_best_position(:,g) ; end %Cập nhật velocity
Luận văn tốt nghiệp Trang 55
velocity = w *velocity + beta*(R1.*(local_best_position-current_position)) + alpha*(R2.*(globl_best_position-current_position));
% Main Loop
iter = 0 ;
while ( iter < bird_setp ) iter = iter + 1;
for i = 1:n
pid = abs(current_position(:,i));
Kp =pid(1); Ki =pid(2); Kd =pid(3); Kdd =pid(4); Ka =pid(5); current_fitness(i) = mo_hinh(Kp,Ki, Kd, Kdd, Ka);
end
err(iter) = sum(current_fitness.^2); %err(iter) = 0.5*sum(current_fitness);
for i = 1 : n % Đánh dấu quần thể
if current_fitness(i) < local_best_fitness(i)
local_best_fitness(i) = current_fitness(i); %Giá trị fitness
local_best_position(:,i) = current_position(:,i) ;% Giá trị Kp,Ki
end end [current_global_best_fitness,g] = min(local_best_fitness); if current_global_best_fitness < global_best_fitness global_best_fitness = current_global_best_fitness; for i=1:n globl_best_position(:,i) = local_best_position(:,g); end end
velocity = w *velocity + beta*(R1.*(local_best_position-current_position)) + alpha*(R2.*(globl_best_position-current_position));
current_position = current_position + velocity;