CHƯƠNG 2 : CƠ SỞ LÝ THUYẾT
2.4. Tổng quan về các phương pháp để tái cấu trúc để giảm tổn thất cho lướ
2.4.5. Phương pháp hệ thần kinh nhân tạo (Artificial Neural Network-ANN)
Hệ thần kinh nhân tạo tỏ ra đặc biệt hữu dụng để thực hiện tái cấu trúc lưới vì chúng có thể mơ phỏng mối liên hệ giữa tính chất phi tuyến tính của tải với tính chất của mạng lưới topo nhằm cực tiểu hóa tổn thất trên dây. Mặc dù ANN làm giảm đáng kể thời gian tính tốn ngay cả khi áp dụng cho các hệ thống phức tạp, việc ứng dụng chúng trong thực tế vẫn gặp khó khăn do những lý do sau:
- Thời gian huấn luyện kéo dài do tính chất phức tạp trong thao tác.
- Việc huấn luyện cần thực hiện cho từng yếu tố cấu thành lưới điện và cần được cập nhật, điều chỉnh một cách liên tục sau này.
- Các số liệu mẫu phải thật chính xác để đảm bảo kết quả tính tốn có ý nghĩa. Kim và các cộng sự đã đề xuất một giải thuật gồm hai giai đoạn dựa trên ANN trong nỗ lực tái cấu trúc hệ thống nhằm cực tiểu hóa tổn thất. Nhằm tránh những khó khăn liên quan đến khối lượng lớn các dữ liệu, Kim đã đề nghị chia hệ thống phân phối thành nhiều vùng phụ tải. Tại mỗi vùng phụ tải, một hệ thống gồm hai ANN sẽ được sử dụng để phân tích mức độ tải và sau đó thực hiện tái cấu trúc tuỳ theo điều kiện của tải. Việc ứng dụng ANN trong phương pháp này mang lại các kết quả tính tốn nhanh vì khơng cần xem xét trạng thái đóng ngắt riêng rẽ trong giải thuật tổng thể. Tuy nhiên, ANN cũng chỉ có thể tìm ra được trạng thái lưới sau tái cấu trúc tốt như tập số liệu huấn luyện.