Một bộ điều khiển mờ đã được sử dụng cho sa thải phụ tải thơng minh để cung cấp kiểm sốt lỗ hổng trong hệ thống điện[61]. Hiệu quả của FLC trên hệ thống thử nghiệm IEEE 300-bus cho thấy rằng nĩ cho phép sa thải tải chính xác trong các tình huống. Các ứng dụng logic mờ để tránh sụp đổ điện áp bằng cách sa thải tải những nút tải yếu được trình bày trong [62]. Kỹ thuật này đã được thử nghiệm trên hệ thống Ward-Hale 6-bus và IEEE 14, 30, và các hệ thống 57-bus. Các kết quả mơ phỏng cho thấy rằng kỹ thuật đề xuất cĩ thể thực hiện thành cơng trên một hệ thống cĩ kích thước bất kỳ.
Sallam và Khafaga [63] áp dụng điều khiển logic mờ để sa thải phụ tải để cĩ được sự ổn định điện áp trong hệ thống IEEE 14-bus. Kết quả mơ phỏng cho thấy sa thải phụ tải với bộ điều khiển logic mờ thành cơng và phục hồi điện áp đến giá trị định mức. Một ứng dụng khác của FLC cho sa thải phụ tải là đặc biệt để giữ ổn định động điện áp như trình bày trong [64]. Trong một hệ thống phân phối bị chia tách, tần số hệ thống điện là rất nhạy cảm với sự thay đổi tải và cĩ thể gây mất điện hoặc quá tải nếu khơng khơi phục nhanh chĩng và đúng cách. Để giải quyết vấn đề này, một phương pháp logic mờ dựa trên kỹ thuật UFLS cho chế độ bị chia tách đã được phát triển và được trình bày trong [65]. Các kỹ thuật được đề xuất được xây dựng trên tần số (f), tốc độ thay đổi của tần số (df/dt), và tải ưu tiên. Kỹ thuật này đã được thử nghiệm trên một số sự cố ngắt máy phát điện và ngắt quá tải. Các kết quả mơ phỏng cho thấy kỹ thuật dựa trên mờ hĩa cung cấp sa thải phụ tải tối ưu và phục hồi tần thành cơng số tới giá trị định mức [65].
1.3.3.3 Ứng dụng hệ thống suy luận neural-mờ thích nghi (ANFIS) trong sa thải phụ tải thải phụ tải
Phương pháp ANFIS dựa trên sự kết hợp của các mạng thần kinh nhân tạo và điều khiển logic mờ. ANFIS kết hợp các khả năng học tập của ANN với phép giải mờ của hệ thống FLC [66,67]. Các nghiên cứu về phương pháp ANFIS cho ứng dụng
Chương 1
24
trong nhiều vấn đề hệ thống điện đã phát triển đáng kể. Một vài ứng dụng bao gồm dự báo ổn định điện áp [68], dự báo cơng suất [69], đánh giá an ninh động [70], dự báo phụ tải ngắn hạn [71], ổn định hệ thống điện [72,73], sự cố đường dây [74], và chất lượng điện năng [75].
ANFIS cũng đã được áp dụng cho các ứng dụng sa thải phụ tải trong một hệ thống điện. Một ứng dụng của ANFIS cho sa thải phụ tải thơng minh để xác định lượng tải sa thải được trình bày trong [61]. Kỹ thuật này đã được thử nghiệm trên hệ thống kiểm tra IEEE 300-bus. Các kết quả thử nghiệm cho thấy rằng kỹ thuật ANFIS cung cấp một lượng tải sa thải chính xác và cĩ khả năng được sử dụng trong các ứng dụng thời gian thực. Một ứng dụng tương tự của ANFIS được áp dụng thử nghiệm trên hệ thống lưới điện Malaysia 87bus để kiểm sốt lỗ hổng của nĩ [16,61]. Bikas và các cộng sự [70] áp dụng kỹ thuật cây quyết định neuro-fuzzy trên một hệ thống điện cho ứng dụng sa thải phụ tải. Họ xem xét 2 trường hợp nghiên cứu. Trường hợp nghiên cứu đầu tiên xem xét hệ thống điện vận hành trong điều kiện với rủi ro mất mất định cao, liên quan đến kỹ thuật sa thải phụ tải để ngăn chặn sự sụp đổ điện áp hệ thống. Trường hợp thứ hai xem xét sự tích hợp của điện giĩ trong hệ thống điện hiện tại [70].