Tiêu chuẩn Scatter matrices

Theo lý thuyết về Scatter Matrices, độ tách biệt lớp của tập biến được đo lường bởi hàm mục tiêu J theo biểu thức (3.2).

} {Sw 1Sm trace

J  (3.2)

Trong đĩ: SWlà ma trận nhĩm trong; Smlà ma trận hiệp phương sai của tồn tập mẫu; trace là tổng đường chéo của ma trận. Trong đĩ, J ở biểu thức (3.2) là giá trị mục tiêu giúp dẫn đường cho giải thuật tìm kiếm tập biến. Giá trị J của nhĩm biến càng biến lớn thì nhĩm biến càng quan trọng hơn.

Trong nghiên cứu này áp dụng hai giải thuật chọn biến là phương pháp xếp hạng biến dựa trên chuẩn Fisher và giải thuật Sequential Floating Forward Search (SFFS).

3.4Mơ hình thuật tốn đề xuất

Mơ hình gồm các khối sau:

1) Biến đầu vào: Tín hiệu hiệu ngõ vào là dữ liệu vào tương ứng với các trường hợp sự cố ổn định và gây mất ổn định hệ thống điện với các mức tải 100%.

Chương 3

47

- ΔPLoad, ΔPFlow, ΔVBus: Là độ thay đổi cơng suất tải, độ thay đổi cơng suất nhánh và độ thay đổi điện áp khi bị sự cố và được lấy từ các thiết bị đo lường để nhận dạng nhanh trạng thái khơng ổn định hệ thống điện khi cĩ sự cố.

2) Bợ nhận dạng ANN1: Để nhận dạng chế độ khơng ổn định hệ thống. Bộ nhận dạng này nhận tín hiệu từ biến đầu vào và biến đầu ra cho biết hệ thống “Ởn định” hay “Khơng ổn định”. Khi hệ thống “Khơng ổn định” thì thực hiện sa thải phụ tải dựa trên các luật/chiến lược đã được xếp lớp.

3) Bợ nhận dạng ANN2: Thực hiện phân lớp để điều khiển, áp dụng giải thuật phân cụm dữ liệu K_means để phân nhĩm dữ liệu mất ổn định thành các nhĩm dữ liệu con và làm cơ sở xây dựng chiến lược sa thải phụ tải. Như vậy, dữ liệu học của ANN2 là dữ liệu được phân cụm bởi giải thuật K_means. ANN2 nhận biến đầu vào khi ANN1 báo “mất ổn định” và đầu ra là các chiến lược sa thải phụ tải. Ma trận ngõ ra được tính tốn theo luật số lớn.

Chương 3

48

Hình 3.1: Sơ đồ các khối điều khiển sa thải phụ tải khẩn cấp trên cở sở nhận dạng chế độ khơng ổn định HTĐ và thuật tốn AHP

Cụm n CL1 CL2 CL3 CLn CL4 Cụm 1 Cụm 3 Cụm 4 ANN2 Cụm 2 AHP ANN1 Phân cụm K-means Inputnew Ởn định: Khơng sa thải Input: ∆PG, ∆PL, ∆PBranch, df/dt, ∆VBus (Khơng ổn định) Khơng ổn định: Sa thải Input: ∆PG, ∆PL, ∆PBranch, df/dt, ∆VBus (Ởn định) 0 1

Chương 3

49

Hình 3.2: Mơ hình online điều khiển khẩn cấp sa thải dựa trên mạng ANN và thuật tốn AHP

Ở đây: Giải thuật K_means phân cụm dữ liệu mất ổn định thành các cụ dữ liệu con cĩ độ tách biệt lớn, làm đầu vào huấn luyện ANN2, tạo kết quả sa thải phụ tải chính xác hơn.

Trong đề tài này thuật tốn K_means tạo ra 5 cụm dữ liệu {C1, C2,…, C5} từ một tập dữ liệu ban đầu. Tiêu chuẩn độ lệch bình phương, hay hàm mục tiêu DE

được định nghĩa như sau:

2 k 1 = i n j i j E =∑∑ x -m D (3.3) i n 1 l i n x = m i   l (3.4)

Trong đĩ: mi là trọng tâm của cụm Ci, xl là vector phần tử trong nhĩm i, ni là số lượng các vector phần tử trong nhĩm thứ i, ||.|| là khoảng cách Euclide. Tham số đầu vào của thuật tốn là số cụm k, và tham số đầu ra của thuật tốn là các tâm của các cụm dữ liệu.

Chương 3

50

Giải thuật K_means

Input: X{x1,x2,…,xN} tập mẫu ban đầu với số biến là l và số mẫu là N. K tâm ban đầu

Output:C{c1,c2,…,ck}=C{cp} tập tâm đại diện cĩ k tâm ban đầu, p=[1,k]. 1. Khởi tạo k tâm ban đầu ngẫu nhiên, C{c1,c2,…,ck}

2. Tính tốn khoảng cách Euclide từ các mẫu xi đến các tâm ck, d(x,c). 3. Đưa các xi vào ckthoả điều kiện cơng thức (3.3). (adsbygoogle = window.adsbygoogle || []).push({});

4. Xác định tâm mới dựa vào cơng thức (3.4).

5. Lặp lại bước 2 đến bước 4, giải thuật dừng khi tâm khơng đổi.

4) Bợ sa thải phụ tải: Gồm các chiến lược sa thải phụ tải dựa trên thuật tốn AHP để tiến hành sa thải phụ tải theo thứ tự ưu tiên: tải cĩ tầm quan trọng thấp sẽ được ưu tiên sa thải trước. Điều này gĩp phần làm giảm các thiệt hại khi cĩ sự cố xảy ra.

Quy trình thực hiện lấy mẫu và huấn luyện mạng ANN được thực hiện qua các bước như sau:

- Bước 1: Tạo ra các mẫu mất ổn định thơng qua mơ phỏng offline các trường hợp sự cố bằng phần mềm Powerworld, sau đĩ xuất các dữ liệu thu thập qua Excel và tính tốn độ chênh lệch các thơng số.

- Bước 2: Xây dựng tập mẫu học, chuẩn hĩa dữ liệu.

- Bước 3: Sử dụng giải thật K_means phân nhĩm dữ liệu.

- Bước 4: Sử dụng cơng cụ ANN để huấn luyện.

- Bước 5: Thực hiện các chiến lược điều khiển sa thải phụ tải dựa trên thuật tốn AHP trên cơ sở các phân lớp chiến lược điều khiển.

- Bước 6: Đánh giá độ chính xác nhận dạng ANN.

Chương 4

51

Chương 4

KHẢO SÁT THỬ NGHIỆM TRÊN HỆ THỐNG 39 BUS 10 MÁY PHÁT

4.1Xây dựng tập mẫu

Mơ hình sa thải phụ tải đề xuất được đề nghị kiểm tra thử nghiệm trên sơ đờ hệ thống điện chuẩn IEEE 39 Bus 10 máy phát, tần số 60 Hz được trình bày như ở Hình 4.1.

Hình 4.1: Sơ đờ hệ thống điện IEEE 39 Bus, 10 máy phát

4.1.1 Mơ phỏng các trường hợp sự cố bằng phần mềm PowerWorld

Thực hiện mơ phỏng offline để thu thập dữ liệu cho đánh giá ổn định động hệ thống điện với mức tải 100% tải cơ bản, thời gian cắt ngắn mạch cài đặt là 50ms. Ở đây, xem xét các sự cố ngắn mạch ba pha tại tất cả các thanh gĩp và dọc các đường dây truyền tải với mỡi khoảng cách 5% chiều dài đường dây.

Chương 4

52

Trong quá trình mơ phỏng tiến hành đánh giá và phân loại các Bus, các đường dây truyền tải trên hệ thống điện vào một trong hai trạng thái Ổn định/Khơng ổn định dựa trên quan sát tỷ lệ suy giảm tần số df/dt, gĩc rotor máy phát sau đĩ lấy mẫu và xây dựng tập học ban đầu. Trạng thái của hệ thống điện là ổn định khi độ lệch gĩc rotor của bất kỳ hai máy phát khơng quá 1800, và là khơng ổn định khi độ lệch gĩc rotor của bất kỳ hai máy phát vượt quá 1800. Trong quá trình mơ phỏng, việc nghiên cứu cũng đã xét tới các vị trí nguy hiểm, các đường dây, các Bus cĩ ảnh hưởng lớn đến hệ thống điện. Đối với mỡi trường hợp sự cố, cần mơ phỏng trạng thái sự cố để đánh trạng thái ổn định động của hệ thống điện.

Để tối ưu hĩa giải pháp phân phối cơng suất của hệ thống điện cĩ quy mơ lớn, trước khi chạy mơ phỏng lấy mẫu tiến hành cài đặt theo các thơng số chuẩn của hệ thống điện IEEE 39 Bus 10 máy phát và thực hiện kích hoạt các hệ thống tự động điều chỉnh điện áp, điều chỉnh kích từ, điều chỉnh tần số, giới hạn cơng suất phát… và chạy phân bố cơng suất tối ưu OPF. Mơ hình máy phát điện của hệ thống điện IEEE 39 Bus 10 máy sử dụng mơ hình GENPWTwoAxis. Điều khiển kích từ sử dụng mơ hình IEEET1. Điều khiển tần số sử dụng mơ hình TGVO1.

Quy trình mơ phỏng lấy mẫu trong PowerWorld được tiến hành qua 4 giai đoạn và được trình bày như ở các Hình 4.3, Hình 4.4, Hình 4.5 và Hình 4.6.

Chương 4

53

Giai đoạn 1: Thực hiện cài đặt các thơng số chuẩn của các mơ hình trong hệ thống điện IEEE 39 Bus 10 máy.

Hình 4.2: Cài đặt các thơng số mơ hình hệ thống điện thử nghiệm

Cài đặt thơng số mơ hình máy phát điện (theo Bảng PL1) Cài đặt thơng số thiết bị

điều khiển kích từ (theo Bảng PL2) Cài đặt thơng số thiết bị (adsbygoogle = window.adsbygoogle || []).push({});

điều chỉnh tần số (theo Bảng PL3) Cài đặt cơng suất định mức, cơng suất Pmax, Pmin máy phát, điện áp đầu cực máy phát

(theo Bảng PL4) Cài đặt cơng suất định

mức của tải (theo Bảng PL4) Stability Machine

Models

Stability Exciters

Stability Governors

Power and Voltage Control

Load Information

Transformer Bắt đầu

Giai đoạn 2 Cài đặt thơng số đầu phân áp máy biến áp

(theo Bảng PL5)

Chương 4

54

Giai đoạn 2: Thực hiện kích hoạt các mơ hình, các hệ thống điều chỉnh tự động trong hệ thống điện.

Kích hoạt tự động điều chỉnh cơng suất phát (Available for AGC)

Giai đoạn 2

Kích hoạt giới hạn cơng suất phát (Enforce MW Limits)

Kích hoạt điều chỉnh điện áp tự động (Available for AVR)

Kích hoạt vận hành kinh tế ban đầu

(If AGCable) Kích hoạt trung tính

nối đất (Neutral Grounded)

Kích hoạt mơ hình máy phát điện (GENPWTwoAxis) Kích hoạt thiết bị điều

khiển kích từ (IEEET1) Kích hoạt thiết bị điều

chỉnh tần số (TGOV1) Giai đoạn 3 Power and Voltage

Control

OPF

Faults

Stability

Chương 4

55 (adsbygoogle = window.adsbygoogle || []).push({});

Giai đoạn 3: Chạy phân bố cơng suất tối ưu OPF.

Load cơng suất tải Load cơng suất phát

Giai đoạn 3

AGC = NO AVR = YES Cost Model = None

AGC Status = off AGC

Run Mode Tools 

Solve Single Solution– Full Newton Run Mode Tools 

Solve Reset to Flat Start

AGC Status = OPF

Includes Marginal Losses = YES

AGC = YES Cost Model = Cubic

Add Ons Frimal LP

Giai đoạn 4 Case Information

 Generators

Add Ons  OPF Case Infor OPF Area 

Chạy phân bố cơng suất

Add Ons  OPF Case Infor OPF Area 

Case Information

 Generators

Chạy phân bố cơng suất tối ưu OPF

Chương 4

56

Giai đoạn 4: Chạy ổn định quá độ, đánh giá ổn định/khơng ổn định và lấy mẫu.

Chương 4

57

Cài đặt bước thời gian Time Step = 0.5 Cycles

(0.00833 Seconds) Giai đoạn 4 Cài đặt tần số Over speed = 62.40 Hz Under speed = 57.60 Hz Cài đặt gĩc rotor Absolute Angle Deviation = 180 Deg

Rotor Angle = YES MW = YES Mvar = YES Field Voltage = YES Field Current = YES Chọn bus/đường dây

chạy ổn định quá độ

Kết thúc Options Generic (adsbygoogle = window.adsbygoogle || []).push({});

Limit Monitors

Cài đặt biến hệ thống Result Storage 

Store to RAM Options

Result from RAM

Time Values Simulation Control

Chạy ổn định quá độ Run Transient Stability Simulation Control

Lấy mẫu

Cài đặt vị trí ngắn mạch (25%, 50%,75%, 95%)

Cài đặt thời gian cắt ngắn mạch Time = 50ms

Đánh giá ổn định/khơng ổn định

Hình 4.7: Quy trình chạy ổn định quá độ và lấy mẫu

4.1.2 Thu thập dữ liệu mơ phỏng

Các mẫu dữ liệu đại diện cho trạng thái hoạt động của hệ thống điện là độ thay đổi cơng suất tải ∆PLoad, độ thay đổi điện áp tại các Bus ∆VBus, độ thay đổi

Chương 4

58

cơng suất phân bố trên các đường dây truyền tải ∆PFlow. Hệ thống điện được xem là ổn định nếu bất kỳ gĩc cơng suất tương đối của máy phát thứ i i so với máy phát thứ jjkhơng vượt quá 1800. Ngược lại, nếu gĩc cơng suất tương đối vượt quá 1800

thì hệ thống điện mất ổn định.

Thực hiện thu thập các thơng số của hệ thống đối với các trường hợp ổn định và khơng ổn định. Sau khi thực hiện mơ phỏng, để thu thập dữ liệu trong Powerworld cần thực hiện Display/Colum Option  Copy/Paste/Send Send All To Excel như trình bày ở Hình 4.8. Số biến (Samples) thu thập bao gờm các thơng số đặc trưng cho hệ thống điện gờm cĩ 104 biến: Điện áp tại các Bus volt (39 biến); Cơng suất tại các tải PL (19 biến); Cơng suất trên các đường dây Pline (46 biến). Kết quả số lượng mẫu (Samples) sau khi mơ phỏng các trường hợp mất ổn định là 152 mẫu, và các trường hợp ổn định là 158 mẫu.

Chương 4

59

4.1.3 Xây dựng tập mẫu học và chuẩn hĩa dữ liệu

Tập mẫu học được xây dựng dưới dạng vectơ [mẫu (Samples)×biến (features)]. Trong đĩ số lượng mẫu là số hàng, cịn số biến (features) là số cột. Số lượng mẫu khơng ổn định là 152 mẫu, số lượng mẫu ổn định là 158 mẫu (Samples x features), do đĩ vectơ [310x104] là dữ liệu học ban đầu. Vectơ biến đầu vào chứa các thơng tin đặc trưng của trạng thái hệ thống điện hiện tại. Thơng số của biến sự cố là biến chứa sự thay đổi tức thì các thơng số trạng thái ngay khi sự cố xảy ra.

Chuẩn hĩa dữ liệu là quá trình xử lý dữ liệu ngõ vào đưa dữ liệu về dạng chuẩn được quy định trước khi được huấn luyện. Chuẩn hĩa dữ liệu là một phương pháp khoa học để phân tách một mẫu dữ liệu cĩ cấu trúc phức tạp thành những mẫu cĩ cấu trúc đơn giản theo những quy luật đảm bảo khơng làm mất thơng tin dữ liệu. Chuẩn hĩa các giá trị của các biến đặc trưng được áp dụng theo cơng thức:

(4.1)

Ở đây: xijvà xijlà giá trị ban đầu và giá trị chuẩn hĩa của biến đặc trưng thứ

i, M(xi)là giá trị trung bình của dữ liệu, σ(xi) là phương sai chuẩn của dữ liệu.

4.2Sử dụng cơng cụ ANN để huấn luyện

4.2.1 Sử dụng cơng cụ ANN để nhận dạng trạng thái khơng ổn định hệ thống

điện

Mơ hình ANN nhận dạng trạng thái khơng ổn định động hệ thống điện trình bày ở Hình 4.9. Quy trình xây dựng mơ hình được thực hiện qua những giai đoạn: (adsbygoogle = window.adsbygoogle || []).push({});

Giai đoạn 1: Tạo cơ sở dữ liệu ổn định động. Giai đoạn 2: Chuẩn hĩa dữ liệu.

Giai đoạn 3: Lựa chọn biến đặc trưng. Giai đoạn 4: Huấn luyện ANN.

Giai đoạn 5: Đánh giá độ chính xác nhận dạng của ANN.

Tiến hành huấn luyện mạng nơron với dữ liệu biến đầu vào và biến đầu ra của mạng nơron thứ nhất là: x{∆VBus, ∆Pload, ∆Pflow} và y{1,0}. Tổng số biến đầu vào là 104 (39+19+46), 1 biến đầu ra {1,0}.

) σ(x ) M(x x x i i ij ij   

Chương 4

60

Hình 4.9: Mơ hình mạng nơron nhận dạng trạng thái khơng ổn định động hệ thống điện

Bắt đầu

Mơ phỏng offline

Đánh giá ổn định/khơng ổn định Xây dựng tập mẫu học

Xác định biến đầu vào và biến đầu ra

Chuẩn hĩa dữ liệu

Chia tập dữ liệu một cách ngẫu nhiên

Dữ liệu kiểm tra Dữ liệu huấn luyện

Lựa chọn biến đặc trưng

Chọn biến đặc trưng xếp hạng cao

Huấn luyện ANN

Đánh giá độ chính xác nhận

dạng của ANN

Chương 4

61

Để tiến hành chọn biến, tập dữ liệu được chia ngẫu nhiên làm 10 tập con cĩ kích cỡ bằng nhau. Mỡi tập huấn luyện cĩ 142 mẫu ổn định và 137 mẫu khơng ổn định, tập kiểm tra cĩ 16 mẫu ổn định và 15 mẫu khơng ổn định. Kết quả huấn luyện và kiểm tra được tính toán trung bình cho 10 lần thực hiện. Nghiên cứu áp dụng bộ nhận dạng K-NN (K-Nearest Neighbor) với K=1 để thực hiện đánh giá độ chính xác chọn tập biến nhờ vào tính đơn giản của nĩ, kết quả đánh giá độ chính xác kiểm tra trình bày ở Hình 4.10.

Hình 4.10: Độ chính xác kiểm tra chọn biến, bộ nhận dạng K-NN (K=1) Từ kết quả ở Hình 4.10, độ chính xác kiểm tra khi chọn theo phương pháp Fisher và SFFS là 93,5% và 95,8% tương ứng với số biến là 15 và 14 biến. Từ đĩ, số biến được chọn là 14 biến theo phương pháp SFFS.

Với 14 biến được chọn, tiến hành huấn luyện mạng nơron ANN1 với các cơng cụ mạng nơron được hỡ trợ của phần mềm Matlab. Cấu hình và thơng số mạng nơron perceptron gờm 3 lớp: lớp vào, lớp ẩn và lớp ra. Giải thuật cập nhật trọng số và bias là Levenberg-Marquardt được khuyên dùng nhờ tính toán. Số chu kỳ huấn luyện là 1000, sai số huấn luyện 1e-5, các thơng số khác mặc định. Cài đặt thơng số và cách chia dữ liệu huấn luyện và kiểm tra là như nhau cho mạng nơron thứ nhất ANN1 và mạng nơron thứ hai ANN2: 14 ngõ vào, sử dụng hàm kích hoạt purelin, hàm ẩn tansig với số neural ẩn bằng 10, lớp ra cĩ một nơron với ANN1 và 5 nơron