Việc lựa chọn mẫu điển hình và số lượng mẫu điển hình đĩng vai trị rất quan trọng trong việc xây dựng một mạng nơron cĩ độ chính xác nhận dạng cao, đồng nghĩa với mạng nơron được xây dựng cĩ giá trị ứng dụng trong thực tiễn.
Việc xây dựng và lựa chọn mẫu điển hình thường được tiến hành theo các khuyến nghị của các chuyên gia lĩnh vực, các kỹ sư vận hành,… Để tập huấn luyện tức là tập các mẫu điển hình mang tính tổng quát hĩa cao thì về nguyên tắc số lượng mẫu điển hình càng lớn thì lượng thơng tin về mẫu càng đầy đủ. Tuy nhiên, nếu số lượng mẫu quá lớn sẽ dẫn đến tăng thời gian huấn luyện, chiếm dụng một khối lượng bộ nhớ máy tính và đơi lúc làm giảm độ chính xác nhận dạng nếu các mẫu huấn luyện quá nhiều hoặc một số mẫu khơng mang tính đặc trưng. Vì vậy, việc lựa
Chương 2
44
chọn mẫu đặc trưng và số lượng mẫu cần thiết luơn là bài tốn cần phải giải quyết tốt trong giai đoạn ban đầu của tiến trình xây dựng mạng nơron.
2.3.2 Thuật tốn K_means
Cĩ nhiều giải thuật cho phép giảm số lượng mẫu ban đầu bằng cách quy các mẫu cĩ đặc tính gần nhau thành một nhĩm và từ đĩ lấy tâm nhĩm này thành mẫu mới đại diện cho các mẫu lân cận. Từ đĩ, giảm được số lượng mẫu ban đầu mà khơng giảm độ chính xác nhận dạng, đồng thời giảm được thời gian huấn luyện và kích thước bộ nhớ cần sử dụng. Dưới đây, trình bày giải thuật K_means cho phép giảm số lượng mẫu ban đầu. Các bước của giải thuật này như sau:
Bước 1: Tùy ý lựa chọn K tâm lớp ban đầu z1(1), z2(1), z3(1),…, zk(1). Thường các tâm lớp này được chọn từ K mẫu ban đầu.
Bước 2: Ở bước lặp thứ K tập mẫu {x} thuộc về lớp thứ K tuân theo điều kiện sau:
, ( ) ( )
j j i
xs k if xz k x z k (2.16)
Với mọi i = 1, 2,…K, ij, Sj (k) là tập hợp các mẫu thuộc lớp cĩ tâm lớp là
zj(k). Đối với mẫu mà biểu thức (2.10) mang dấu “=” thì cĩ thể chọn tùy ý lớp mà mẫu thuộc về.
Bước 3: Trên cơ sở kết quả của Bước 2, xác định tâm lớp mới zj(k+1), j = 1,2....K, với điều kiện tổng bình phương khoảng cách giữa các mẫu thuộc về lớp
Sj(k) và tâm lớp mới phải cực tiểu. Nĩi cách khác, các tâm lớp mới zj(k+1) được lựa chọn bằng cách cực tiểu hĩa hàm mục tiêu:
2 ( ) ( 1) , 1, 2,.... j j j x S k J x z k j K (2.17)
Các tâm lớp mới được xác định theo biểu thức:
( ) 1 ( 1) , 1, 2,... j j x S k j z k x j K N (2.18)
Ở đây, Nj là số lượng mẫu của lớp Sj(k).
Bước 4: Điều kiện hội tụ của thuật tốn lặp là:
Chương 3
45
Chương 3
MƠ HÌNH SA THẢI PHỤ TẢI TRÊN CƠ SỞ NHẬN DẠNG CHẾ ĐỘ KHƠNG ỔN ĐỊNH CỦA HỆ
THỐNG ĐIỆN KẾT HỢP VỚI THUẬT TỐN AHP
3.1Mơ hình nhận dạng
Mơ hình nhận dạng ổn định động hệ thống điện là mơ hình quan hệ yi=f(xi)
giữa đầu vào và đầu ra sau khi học từ cơ sở dữ liệu ổn định động hệ thống điện
n i i
i y (adsbygoogle = window.adsbygoogle || []).push({});
x
D{ , }1, trong đĩ xi là vector đặc trưng trạng thái vận hành hệ thống điện với n
biến đầu vào, và yi là biến đầu ra tương ứng.
3.2Xây dựng tập biến và mẫu
Từ mơ hình hệ thống điện, một lượng lớn mẫu dữ liệu trạng thái ổn định và khơng ổn định của hệ thống được tạo ra từ các mơ phỏng offline ứng với các dạng sự cố ngắn mạch tại tất cả các thanh gĩp và dọc các đường dây truyền tải.
Vector biến đầu vào chứa thơng tin đặc trưng của trạng thái hệ thống điện. Thơng số của biến sự cố chứa sự thay đổi tức thì của các thơng số trạng thái ngay khi sự cố xảy ra: độ thay đổi cơng suất các nút tải (∆PLoad), độ sụt áp tại các Bus (∆VBus), độ thay đổi cơng suất trên các nhánh (∆PFlow). Vector biến đầu ra đại diện cho trạng thái của hệ thống điện: hệ thống điện là ổn định khi độ lệch gĩc rotor của bất kỳ hai máy phát khơng quá 180o, và là khơng ổn định khi độ lệch gĩc rotor của bất kỳ hai máy phát vượt quá 1800. Biến đầu ra được gán cho nhãn biến nhị phân là y{10,01}, lớp 1 {10} là lớp ổn định, lớp 2 {01} là lớp khơng ổn định. Các dữ liệu được chuẩn hĩa trước khi huấn luyện.
Chương 3
46
3.3Lựa chọn biến
Lựa chọn tập biến là chọn vector z cĩ d biến với d<n, d là đại diện cho cơ sở
dữ liệu ban đầu với cỡ dữ liệu mới d
i i i
new z y
D { , }1 và quan hệ đầu vào và đầu ra mới
ynewi=fnew(zi).
Quá trình này gồm các bước: xác định tập biến và dữ liệu ban đầu, chọn các tập biến, đánh giá chọn tập biến. Ở đây, giới thiệu hai chuẩn chọn biến là chuẩn Fisher và chuẩn Scatter matrices.
3.3.1 Tiêu chuẩn Fisher
Đây là phương pháp đơn giản được nhiều cơng trình áp dụng để chọn biến đặc trưng. Tiêu chuẩn Fisher chọn biến như biểu thức (3.1), các biến cĩ giá trị F lớn hơn thì quan trọng hơn.
2 2 2 1 2 2 1 ) ( m m w F (3.1) Trong đĩ: mi là giá trị trung bình của lớp Ci và 2
i là phương sai của lớp Ci.
3.3.2 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 (adsbygoogle = window.adsbygoogle || []).push({});
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).
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. (adsbygoogle = window.adsbygoogle || []).push({});
- 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
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 (adsbygoogle = window.adsbygoogle || []).push({});
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
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 (adsbygoogle = window.adsbygoogle || []).push({});
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
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%) (adsbygoogle = window.adsbygoogle || []).push({});
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