5 Kết luận
2.5 Đặc tính công suất-góc theo phương pháp cân bằng diện tích
trường hợp hệ thống ổn định.
Hình 2.6: Đặc tính công suất-góc theo phương pháp cân bằng diện tích trongtrường hợp hệ thống mất ổn định. trường hợp hệ thống mất ổn định.
Với mô hình máy phát điện đơn giản và các đặc tính công suất - góc như trên hình 2.4, có thể viết được biểu thức giải tích của diện tích tăng tốc cũng như diện tích hãm tốc, dựa trên góc cắt δcc. Qua đó, góc cắt tới hạn có thể xác định được dựa trên các thông số của hệ thống điện trước trong và sau sự cố. Đối với các hệ thống điện có nhiều máy phát, đặc biệt khi máy phát được mô tả bằng hệ phương trình vi phân bậc cao, quá trình quá độ của hệ thống trở nên rất phức tạp. Dưới ảnh hưởng của quá trình quá độ trong cuộn dây kích từ và cuộn cản, thực tế điện áp cảm ứng của máy phát sẽ thay đổi trong QTQĐ. Mặt khác, sự làm việc của hệ thống tự động điều chỉnh kích từ (TĐK) có ảnh hưởng đáng kể đến độ ổn định của hệ thống.
Với lý do trên, nhìn chung để đánh giá ổn định quá độ của hệ thống điện, cần sử dụng các chương trình tích phân số để có được kết quả chính xác nhất. Tuy nhiên, tiêu chuẩn cân bằng diện tích vẫn là một phương pháp phân tích rất có ích vì nó cho ta biết được một cách định tính các yếu tố ảnh hưởng đến khả năng ổn định quá độ của hệ thống điện. Dựa trên hình 2.4, có thể đưa ra một số đánh giá định tính về sự phụ thuộc của CCT vào các chế độ trước và sau sự cố như sau:
• Việc giảm công suất của tuabin sẽ có tác dụng tăng diện tích hãm tốc, qua đó nâng cao ổn định quá độ.
• Việc tăng dòng điện kích từ trong chế độ làm việc trước và sau sự cố cũng có ảnh hưởng tích cực đến việc nâng cao ổn định quá độ, vì nó cho phép nâng cao Eg, và do đó nâng cao diện tích hãm tốc.
2.3.3 Phương pháp xác định thời gian cắt tới hạn CCTdựa trên mô phỏng dựa trên mô phỏng
Các phân tích trong phần trước cho thấy rằng góc cắt tới hạn, hay thời gian cắt tới hạn có thể được dùng như một tiêu chí đánh giá mức độ ổn định góc lệch của một chế độ làm việc. Với chế độ có thời gian cắt tới hạn càng lớn, thì mức độ ổn định càng cao, vì cho phép giải trừ sự cố chậm hơn. Trên thực tế, thời gian giải trừ sự cố phụ thuộc vào thời gian làm việc của rơ le, thời gian thao tác của máy cắt, thời gian dập hồ quang, và trong một số trường hợp là cả thời gian truyền tín hiệu. Với công nghệ hiện nay của hệ thống rơ le bảo vệ, thời gian giải trừ sự cố nhanh nhất có thể thực hiện được là 80-100ms. Vì vậy đối với các sự cố trong hệ thống điện, đây là thời gian cắt tới hạn nhỏ nhất cho phép, nếu muốn duy trì ổn định cho hệ thống. Việc xác định thời gian cắt tới hạn, hay CCT là một công việc cần thiết trong quá trình đánh giá ổn định của chế độ làm việc.
Như đã trình bày trong phần 2.3.2, phương pháp cân bằng diện tích chỉ có thể áp dụng được với mô hình HTĐ đơn giản trong đó máy phát được mô tả bằng hệ phương trình bậc 2. Trên thực tế, phương pháp cân bằng diện tích cải biên được đề xuất trong [12] nhằm xác định nhanh hơn giá trị thời gian cắt tới hạn (phương pháp SIME). Tinh thần của phương pháp này là xây dựng hệ thống đẳng trị tương đương một máy phát từ đáp ứng mô phỏng của HTĐ lớn. Tuy nhiên, phương pháp này cũng có một số điểm yếu nhất định khi thực hiện, bao gồm sự cần thiết xác định nhóm máy phát mất ổn định và không mất ổn định.
Trong khuôn khổ luận văn này, phương pháp đơn giản xác định CCT bằng cách mô phỏng với các giá trị khác nhau của thời gian cắt sẽ được sử dụng. Các bước tính của phương pháp này như sau:
1. Chọn thời gian giải trừ sự cố ban đầu đủ lớn để hệ thống mất ổn định (tu), chọn một thời gian giải trừ sự cố đủ nhỏ để hệ thống ổn định (tst)
2. Xác định te = (tu+tst)/2. Thực hiện mô phỏng để xác định mức độ ổn định quá độ của hệ thống với thời gian giải trừ sự cố te
3. Nếu hệ thống mất ổn định thì đặt tu=te. Mặt khác nếu hệ thống ổn định thì đặt tst =te.
4. Nếu tu−tst > ε với ε là sai số cho phép khi xác định CCT, thì quay lại bước 2, nếu không chuyển sang bước 5.
5. Giá trị thời gian cắt tới hạn là CCT = (tu+tst)/2.
Phương pháp tìm CCT bằng các bước như trên có ưu điểm là không phải tính toán độ dự trữ ổn định cũng như xác định nhóm máy phát ổn định / không ổn định như phương pháp SIME. Tuy nhiên nhược điểm của phương pháp này là thời gian hội tụ chậm. Sơ đồ khối của phương pháp này được minh họa trên hình 2.7.
Một tiêu chí cần xác định trong quy trình đánh giá CCT như trên hình 2.7 là: Làm thế nào để xác định một đáp ứng quá độ đã mất ổn định/đã ổn định, qua đó cho phép kết thúc mô phỏng? Để đánh giá độ ổn định của hệ thống điện ta căn cứ vào việc quỹ đạo góc lệch của các máy phát sau sự cố có giữ được đồng bộ với nhau hay không (coherency index):
• Đối với trường hợp ổn định, góc của từng máy phát sẽ chuyển động hầu như đồng bộ (coherent) với tâm quán tính COI. Nói cách khác, biến đổi của góc máy phát so với tâm quán tính COI nằm trong giới hạn nhất định.
0 t t Mô phỏng End Ổn định Không ổn định Chọn đủ lớn (k1) ) k ( t t Đánh giá ổn định Đúng Sai ) k ( ) 1 k ( ) k ( t t t ) k ( ) 1 k ( ) k ( t t t 2 t t ) 1 k ( ) k ( Hình 2.7: Thuật toán xác định CTT.
• Đối với trường hợp mất ổn định, một số máy phát có góc rotor sẽ tách ra khỏi tâm quán tính COI.
Trong đó, COI (Center of Inertia) tại bước mô phỏng thứ k được xác định như sau: δCOI,k = P i∈Ng Hiδi,k P i∈NgHi (2.21)
Điều kiện ổn định được tính theo:
Thông thường, nếu ∆δi,k vượt quá giá trị 1800, có thể coi là máy phát i đã mất đồng bộ so với phần còn lại của hệ thống. Đối với mỗi HTĐ cụ thể, có thể chọn một giá trị tới hạn này. Ngoài ra, trong luận văn đề xuất một phương pháp phát hiện sớm sự mất đồng bộ của các máy phát, và cho phép kết thúc mô phỏng sớm khi điều kiện mất đồng bộ được thỏa mãn. Giải thuật này được minh họa trên hình 2.8 dưới đây. Gọi δCOI,k là góc của rotor máy phát ứng với tâm quán tính COI, δi,k là góc của rotor máy phát bị sự cố tại bước tính thứ k, ta so sánh thay đổi độ lệch giữa δi,k và δCOI,k sau N bước tính:
• Tại thời điểm k, độ lệch giữa góc rotor máy phát bị sự cố và góc của rotor máy phát ứng với tâm quán tính COI là ∆δk =δi,k−δCOI,k.
• Tại thời điểm k−N, độ lệch giữa góc rotor máy phát bị sự cố và góc của rotor máy phát ứng với tâm quán tính COI là: ∆δk−N =δi,k−N −δCOI,k−N.
• Điều kiện để hệ thống mất ổn định là: ∆δk−∆δk−N ≥1000. COI k N k i,k t k k - N 0
Một cách định tính, phương pháp vừa mô tả nêu trên theo dõi sự phân kỳ của góc máy phát cần quan tâm δi,k so với góc của tâm quán tính. Nếu sự phân kỳ xảy ra, có thể kết luận máy đã bị mất đồng bộ so với phần còn lại của hệ thống. Hình 2.9 trình bày kết quả mô phỏng mất ổn định của máy phát 9 trong lưới IEEE 39 nút. Tiêu chuẩn độ lệch truyền thống cho phép kết luận mất ổn định (góc máy phát 9 lệch hơn 1800 so với tâm quán tính) tại thời điểm t= 3.1s, tiêu chuẩn độ lệch đề xuất (với N = 40 bước mô phỏng) cho phép kết luận mất ổn định tại thời điểm t= 3.15s. Với trường hợp cụ thể này tiêu chuẩn truyền thống cho phép xác định mất ổn định sớm hơn, mặc dù sự khác biệt là không đáng kể.
2.2 2.4 2.6 2.8 3 3.2 3.4 -100 0 100 200 300 400 500 600 700 800 900 Time [s] A n g le [ d eg ] ` Góc máy phát G9 Góc COI Dd9,k =1800 Dd9,k - Dd9,k-N=1000
Hình 2.9: Xác định mô phỏng mất ổn định dựa trên sự phân kỳ của góc máyphát so với tâm quán tính. phát so với tâm quán tính.
2.4 Kết luận chương
Trong chương này đã trình bày một số khái niệm về ổn định quá độ của hệ thống điện, phương pháp tích phân số đánh giá ổn định quá độ, và phương pháp xác
định thời gian cắt tới hạn CCT. Các phân tích trong mục 2.3.2 cũng cho biết một cách định tính sự phụ thuộc của CCT vào các thông số của chế độ xác lập. Việc xác định CCT đòi hỏi phải thực hiện một số lượng khá lớn các mô phỏng QTQĐ, vì vậy nếu có thể huấn luyện được một công cụ trí tuệ nhân tạo nhằm phân loại các chế độ làm việc theo thời gian cắt tới hạn CCT, việc đánh giá và phân loại các chế độ làm việc theo tiêu chí ổn định góc lệch sẽ được rút ngắn, bởi vì thời gian tính toán của mạng nơ ron đã qua huấn luyện và các công cụ trí tuệ nhân tạo nói chung là rất nhanh. Chương tiếp theo sẽ trình bày tổng quan về mạng nơ ron cũng như một số ứng dụng của chúng trong việc đánh giá ổn định của HTĐ.
Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện
Như đã trình bày trong chương trước, trong quá trình vận hành HTĐ, nếu giá trị CCT có thể được xác định chính xác và nhanh chóng dựa trên thông số vận hành, thì sẽ giúp người vận hành có các quyết định điều chỉnh chế độ hợp lý nhằm nâng cao ổn định cho hệ thống.
Cách tiếp cận trực tiếp nhất để đánh giá CCT trong quá trình vận hành là thực hiện các mô phỏng phi tuyến của các sự cố khác nhau. Tuy nhiên đây là việc làm khá mất thời gian. Việc này dẫn đến bài toán nghiên cứu khả năng đánh giá gần đúng CCT mà không cần mô phỏng.
Trong chương này, tác giả nghiên cứu khả năng sử dụng mạng nơ ron nhân tạo đánh giá phân loại chế độ vận hành dựa trên tiêu chuẩn thời gian cắt tới hạn.
3.1 Tổng quan về mạng nơ ron nhân tạo
Mạng nơ ron nhân tạo ANN (Artifical Neural Networks) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớn các nơ ron được gắn kết để xử lý thông tin. ANN giống như bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện), có khả năng lưu giữ những kinh nghiệm hiểu biết (tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết (Unseen data). Mạng nơ ron nhân tạo có thể thực hiện các bài toán nhận mẫu (Recognition), tối ưu, nhận dạng (Identification) và điều khiển (Control) cho các đối tượng tuyến tính và phi tuyến đạt hiệu quả hơn so với các phương pháp tính toán truyền thống.
3.1.1 Nơron nhân tạo
Mô hình nơ ron nhân tạo
Một nơ ron là một đơn vị xử lý thông tin và là thành phần cơ bản của một mạng nơ ron. Cấu trúc của một nơ ron được mô tả trên hình 3.1.
Các thành phần cơ bản của một nơ ron nhân tạo bao gồm:
– Tập các đầu vào: Là các tín hiệu vào (input signals) của nơ ron, các tín hiệu này thường được đưa vào dưới dạng một vector N chiều.
Hình 3.1: Mô hình nơ ron nhân tạo
– Tập các liên kết: Mỗi liên kết được thể hiện bởi một trọng số liên kết (weight). Trọng số liên kết giữa tín hiệu vào thứ j với nơ ron k thường được kí hiệu là wkj. Thông thường, các trọng số này được khởi tạo một cách ngẫu nhiên ở thời điểm khởi tạo mạng và được cập nhật liên tục trong quá trình học mạng.
– Bộ tổng (Summing function): Thường dùng để tính tổng của tích các đầu vào với trọng số liên kết của nó.
– Ngưỡng (Bias): Ngưỡng này thường được đưa vào như một thành phần của hàm truyền.
– Hàm truyền (Transfer function) : Hàm này được dùng để giới hạn phạm vi đầu ra của mỗi nơ ron. Nó nhận đầu vào là kết quả của hàm tổng và ngưỡng đã cho. Thông thường, phạm vi đầu ra của mỗi nơ ron được giới hạn trong đoạn [0, 1] hoặc [-1, 1]. Các hàm truyền rất đa dạng, có thể là các hàm tuyến tính hoặc phi tuyến. Việc lựa chọn hàm truyền nào là tuỳ thuộc vào từng bài toán và kinh nghiệm của người thiết kế mạng.
– Đầu ra(Output): Là tín hiệu đầu ra của một nơ ron, với mỗi nơ ron chỉ có một đầu ra.
Xét về mặt toán học, cấu trúc của một nơ ron i, được mô tả bằng cặp biểu thức sau: yk =f(uk−bk) uk = N P 0 wkixi (3.1)
Trong đó véc tơ đầu vào x = [x1, x2, ..., xN] ∈ RN; véc tơ trọng số liên kết của nơ ron thứ k w= [wk1, wk2, ..., wkN]; uk là hàm tổng; bk là một ngưỡng; f là hàm truyền và yk là tín hiệu đầu ra của nơ ron.
Như vậy nơ ron nhân tạo nhận các tín hiệu đầu vào, xử lý (nhân các tín hiệu này với trọng số liên kết, tính tổng các tích thu được rồi gửi kết quả tới hàm truyền) và cho một tín hiệu đầu ra (là kết quả của hàm truyền).
3.1.2 Mô hình mạng nơron
Mặc dù mỗi nơ ron đơn lẻ có thể thực hiện những chức năng xử lý thông tin nhất định, sức mạnh của tính toán nơ ron chủ yếu có được nhờ sự kết hợp các nơ ron trong một kiến trúc thống nhất. Một mạng nơ ron là một mô hình tính toán được xác định qua các tham số: kiểu nơ ron (như là các nút nếu ta coi cả mạng nơ ron là một đồ thị), kiến trúc kết nối (sự tổ chức kết nối giữa các nơ ron) và thuật toán học (thuật toán dùng để học cho mạng).
Về bản chất một mạng nơ ron có chức năng như là một hàm ánh xạ F :X →Y, trong đó X là không gian trạng thái đầu vào (Input state space) và Y là không gian trạng thái đầu ra (Output state space) của mạng. Các mạng chỉ đơn giản là làm nhiệm vụ ánh xạ các vector đầu vào x∈X sang các vector đầu ra y ∈Y
thông qua "bộ lọc" (filter) các trọng số. Tức là y =F(x) =s(W, x), trong đó W là ma trận trọng số liên kết. Hoạt động của mạng thường là các tính toán số thực trên các ma trận.
Các kiểu mô hình mạng:
Tùy thuộc vào mạng có các kết nối ngược (feedback connections) từ các nơ ron đầu ra tới các nơ ron đầu vào hay không, người ta chia ra làm 2 loại kiến trúc mạng:
- Kiến trúc truyền thẳng (feedforward architechture): là kiểu kiến trúc mạng không có các kết nối ngược trở lại từ các nơ ron đầu ra về các nơ ron đầu vào; mạng không lưu lại các giá trị output trước và các trạng thái kích hoạt của nơ ron. Các mạng nơ ron truyền thẳng cho phép tín hiệu di chuyển theo một đường duy nhất; từ đầu vào tới đầu ra, đầu ra của một tầng bất kì sẽ không ảnh hưởng tới tầng đó. Các mạng kiểu Perceptron là mạng truyền thẳng.
Hình 3.2: Mạng truyền thẳng
- Kiến trúc phản hồi (Feedback architecture): là kiểu kiến trúc mạng có các kết nối từ nơ ron đầu ra tới nơ ron đầu vào. Mạng lưu lại các trạng thái trước đó, và trạng thái tiếp theo không chỉ phụ thuộc vào các tín hiệu đầu vào mà còn phụ thuộc vào các trạng thái trước đó của mạng. Mạng Hopfield thuộc loại này.
Hình 3.3: Mạng phản hồi
3.1.3 Huấn luyện mạng ANN
Một mạng nơ ron được huyấn luyện sao cho với một tập các vector đầu vào X, mạng có khả năng tạo ra tập các vector đầu ra mong muốn Y của nó. Tập X