3.3.2. R lekho ngăcách P445ăc aăhưngăGE [14]
R leăkho ng cách P445 s d ng m t thu t tốn phát hi nădaoăđ ng cơng su t hi n đ iăh năsoăv iăGRZ200ăđó là giám sát dịng cân b ng (superimposed current). C th h n,ăn u dòng cân b ng thayăđ i l năh nă5%ăc aădòngăđ nh m c trong th i gian l n h nă3 chu k ,ăr leăs k t lu năđơyălƠădaoăđ ng công su t. Tr ng h p xu t hi n s c , logic phase selection (xác nh n pha s c ) c aăr leăs khóa ch căn ngăphátăhi n daoăđ ng cơng su t.
i v iătr ng h pădaoăđ ng ch m (slow swing), khiăđóăđ thayăđ i dịng cân b ng nh h nă5%,ăr leăd a vào t căđ thayăđ i t ng tr , s d ngăđ c tuy n t giácăđ ng tâm g m 2 hình t giác trong (vùng 7) và ngoài (vùng 8) trên m t ph ng R/X (nh ă Hình 3.8). i v i m i vùng c aăr le,ăcóăkèmătheoălogicăgiámăsátădịngăáp,ăt ng tr đ c coi trong vùng 7 và vùng 8 khi và ch khiădòngăđ t l năh nă5%ădòngăđ nh m c và áp ph i l năh nă0.25V.ăKhi t ng tr v t qua vùng 7,ăr leăb tăđ uăđ m th i gian, n uăv t quá th i gian đ tătr c (PSB Timer) mà t ng tr v năch aăvƠoăv̀ngă8, tín hi u phát hi n daoăđ ng ch m s đ c xu t v i m c tiêu báo hi u, tín hi u này có th s d ngăđ khóa ch căn ngăkho ng cách.ă c tuy n này có tác d ng phát hi n các daoăđ ngăd i 5Hz.
Hình 3.8 c tuy n phát hi nădaoăđ ng ch m c aăr leăP445
3.4 nhăh ng b i s xâm nh p c aăn ngăl ng tái t oăđ nădaoăđ ng công su t
Hi n nay, khi s hi n di n c a n ngăl ng tái t o trênăl i ngày càng nhi u. S nhăh ng c a s xâm nh pănƠyăđ năđ c tính c aădaoăđ ng cơng su t c năđ c xem x́tăđ năđ có nh ngăph ngăphápăphátăhi nădaoăđ ng phù h păh n.
Các ngu n có inverter (Inverter Based Resources ậ IBR) bao g m c các ngu n đi n m t tr i và các ngu năđi n gió có s d ngămáyăphátăkhôngăđ ng b . Các ngu n này xâm nh păvƠoăl i ngày càng cao, các ngu năkhơngăđ ng b ngày càng nhi u, qn tính c a h th ng ngày càng gi m. S gi m sút c a quán tính h th ng gây m t s nhăh ng tiêu c căđ n thành ph n phát hi nădaoăđ ng cơng su t, có th k đ n nh [15]:
- T ngăt căđ thayăđ i t ng tr , hay nói cách khác khi nădaoăđ ng tr nên nhanh
h n,ăđi u này có th khi n ch căn ngăphátăhi nădaoăđ ng phân bi t nh m v i s c và khơngăđ aăraăhƠnhăđ ng khóa phù h p.
- Khi n qu đ o t ng tr thayăđ i, có th khi năcácădaoăđ ng năđ nh b nh n đnh nh m thành không năđ nh.
Khi l păđ t nhi u ngu năphơnătánălênăl iăđi n nh (microgrid),ătơmădaoăđ ngăđôiă khi b chuy năđiăxaăv phía các xu t tuy n phân ph i, d năđ n vi c tính tốn daoăđ ng cơng su t b ngăđi năápătơmădaoăđ ng có th sai l ch. [16]
T ng k t: Daoăđ ng công su tătrênăl i là hi năt ngăth ng g p khi x y ra thay đ i v ngu n và t i. Tuy nhiên, ch nh ngădaoăđ ng l n nhăh ngăđ n h th ng. Các r leăk thu t s hi n t i c n ph i có nh ng thu t tốn nh m phát hi n và khóa ch c n ngăkho ngăcáchăkhiăcóădaoăđ ng cơng su t di n ra. Các logic này d a trên nh ng đ cătínhăc ăb n c aăcácăđ iăl ng dịng, áp, cơng su t khi xu t hi nădaoăđ ng,ăquaăđóă phân bi t s c vƠădaoăđ ng cơng su t nh măđ aăraăcácăquy tăđ nh h p lý.
Vi c các ngu năn ngăl ng tái t o xu t hi nătrênăl i v i t tr ngăngƠyăcƠngăt ng,ă gây nhi u nhăh ng tiêu c căđ n vi c phát hi nădaoăđ ng công su t.
CH NGă4:ă CỄCăPH NGăPHỄP PHỄTăHI NăDAOă
NGăCỌNGăSU TăTRểNăL I
Trong quá trình di năraădaoăđ ng cơng su t,ăđi n áp vƠ dòngăđi năthayăđ i khi n t ng tr điăvƠoăbênătrongăđ c tuy n b o v kho ng cách,ăr leăcó th tácăđ ng nh m d năđ n m tăđi n.ăDoăđó c n cóph ngăpháp phát hi nădaoăđ ng thích h păđ ng nă r leăkhơngătácăđ ng nh m khi x yăraădaoăđ ng công su t.
M t s ph ngăpháp phát hi n vƠ ch ngăr leătácăđ ng nh m th ng g p:
4.1 Cácăph ngăpháp xem x́t t căđ thayăđ i t ng tr [17] 4.1.1. Thanhăch nă(Blinder)
S d ng cácăđ th d ng thanh ch năđ xem x́t t căđ thayăđ i t ng tr .ă c chia lƠm hai lo i chính:
- Thanh ch năđ nă(single-blinder có d ngănh Hình 4.1). d ng nƠy cácăđ th thanh ch n s đ căđ t hai phía c aăđ th t ng tr . N u t ng tr đoăđ c c aăr leă ra kh i gi i h n c a hai thanh ch n biên trong kho ng th i gian tnhanhăh năth i gianăđưđ tătr c,ăr leăxác nh năđơyălƠ daoăđ ng công su t. D ng thanh ch năđ nă ch d̀ngăđ nh n bi t cácădaoăđ ng không năđnh vì qu tích t ng s điăvƠo v̀ng s c tr c khi ra kh i v̀ng gi i h n.
- Thanh ch năđơiă(dual-blinder có d ngănh ăHình 4.2): So v i d ng thanh ch n đ n,ăd ng thanh ch năđơiăcó thêm m tăđ th thanh ch n m i bên. Khi qu tích t ng tr v t qua v̀ng gi i h n b i thanh ch n ngoƠi (outer blinder) vƠ thanh ch n trong (inner blinder) trong th i gian t l năh năth iăgianăđư cƠiăđ tătr c,ăr leăs xác nh n đơyălƠ daoăđ ng công su t vƠ block ch căn ngăb o v kho ng cách.
Hình 4.2 Ph ngăpháp s d ngăđ th thanh ch năđ n
4.1.2. c tuy năđ ng tâm (Concentric Characteristic):
S d ngăhaiăđ c tuy năđ ng tâm c̀ng hình d ng, khác nhau kíchăth cănh ăHình 4.3 vƠ nguyên lỦ gi ngănh ăd ngăđ c tuy n thanh ch năđơi:ăkhiăqu tích t ng tr v t qua v̀ng gi i h n b iăđ c tuy n ngoƠi (outer characteristic) vƠ đ c tuy n trong (inner characteristic) trong th i gian t l năh năth iăgianăđư cƠiăđ tătr c,ăr leăs xác nh n đơyălƠ daoăđ ng công su t vƠ block ch căn ngăb o v kho ng cách.
4.1.3. uănh căđi măc aăcácăph ngăpháp:
Cácăph ngăphápăd a vào t c đ thayăđ i t ng tr d a vào s khác bi t gi a t c đ thayăđ i t ng tr lúc s c (thayăđ i r t nhanh) và lúc x yăraădaoăđ ng công su t (thayăđ i ch m)ăđ đ aăraăl nh phù h p.ă ơyălƠăph ngăphápăv i thu tătốnăđ năgi n, có th ng d ng v i r t nhi uătr ng h p khác nhau. Tuy nhiên, v năcóăcácătr ng h p khơng gi ngănh ăđ cătínhăđưămơăt [18]:
- Daoăđ ng cơng su t v i t n s caoă(daoăđ ng nhanh). c bi t, v i s xâm nh p c aăn ngăl ng tái t o,ădaoăđ ng công su t s di n ra v i t n s caoăh n,ăt c đ thayăđ i t ng tr c ngănhanhăh nă(m c 3.4).ă i u này khi n vi c phân bi t dao đ ng và s c tr nên r tăkhóăkh n.
- Các s c v i t ng tr s c cao.
NgoƠiăra,ăđ i v iăph ngăphápăđ c tuy năđ ng tâm, khóăđ phân bi t các s c pha th t di n ra trong th i gian khóa c a ch căn ngăphátăhi nădaoăđ ng.
Bên c nhăđó,ăc n ph i ch nhăđnh th t chính xác th i gian l i bên trong vùng khóa c aăcácăđ c tuy n, tránh vi cătácăđ ng nh m ho c khóa ch căn ngăkhiăs c th t x y ra, gây nhăh ng h th ng.ă i uăđóăđịiăh i nh ng tính tốn, mơ ph ng ph c t p v i các thông s c a h th ng.ă ôiăkhi,ăthôngăs này ch đ năthu n d a vào kinh nghi m c aăng i ch nhăđnh.
4.2 Cácăph ngăpháp t́nh toán khác [17]
4.2.1. Ph ngăpháp theo d̃i t ng tr liên t c
Ph ngăpháp th c hi n theo dõi t ng tr liên t c (theo dõi s thayăđ i X vƠ R trên m t ph ng t ng tr nh ăHình 4.4), n u c baăđi u ki n sau th a mưn,ăr leăxác nh n m tădaoăđ ng công su t:
+ Liên t c (Continuity): s thayăđ i lƠ liên t c, khôngăđ c b tăđ ng t c lƠ X, R
+ă năđi u (Monotony): qu tích t ng tr khơngăđ căđ i chi u t c lƠ X, R
khôngăthayăđ i d u so v i X, R tr căđó.
+ăM t (Smoothness): khơng có s thayăđ i đ t ng t trong su t quá trìnhăthayăđ i t ng tr t c lƠ t l X vƠ R luôn nh h năm tăng ng nh tăđnh.
Ph ngăpháp tính tốn liên t c t ng tr có th phát hi năđ c cácădaoăđ ng t r t ch măđ n 7Hz.ăNh căđi m chính lƠ ph i th c hi n r t nhi u mô ph ng ph c t p.
Hình 4.4 Ph ngăpháp tính liên t c t ng tr
4.2.2. T́nh toán liên t c d̀ng cân b ng:
Th c hi n tính tốn dịngăđi n cân b ng thơng qua so sánh dịngăđi n hi n t i v i dịngăđi n cáchăđó hai chu k . N u dòng cân b ng l năh nă5%ădịngăđ nh m c vƠ duy trì t ngăliênăt c trong 3 chu k s đ căr leăxác nh n lƠ đi u ki n.ăPh ngăpháp có
uăđi m phát hi n cácădaoăđ ngănhanhăđ c bi t lƠtrongăđi u ki n t i l n.
4.2.3. D a vƠoăđi n ápătơmădaoăđ ng (SCV):
Tơmădaoăđ ngăđ căđnh ngh aănh ăph n trên lƠ đi m gi a c a h th ng mƠ t iăđó khi x yăraădaoăđ ng v i góc l ch hai ngu n lƠ thì đi n áp t iăđó b ngă0.ă i n áp tơmădaoăđ ngăđ c x p x b ng cơng th c Vcos .ăTrongăđó, V lƠ đi n ápăđoăđ c t i r le,ă chính lƠ góc l ch gi a V vƠIăđoăđ c t iăr le.ăă
Trongăđi u ki nădaoăđ ng công su t, SCV s thayăđ i liên t cănh ngăkhiăs c x y ra, SCV g nănh ăkhôngăđ i.ăNh ăv y, ta có th so sánh t căđ thayăđ i v i h s kăđ tătr căđ phát hi nădaoăđ ng công su t. N u >ăkăr leăs xác nh n đơyălƠ daoăđ ng công su t vƠ ng c l i,ăđơyălƠ s c ho cădaoăđ ng khơng năđ nh.
uăđi m chính c aăph ngăpháp lƠ không ph thu c vƠo t ng tr c a h th ng, không c n n m v thông s h th ng c ngănh ăthôngăs chnhăđ nh c aăr le.ăTuyă nhiên có th k đ n m t s nh căđi m c aăph ngăphápănh :ăt căđ nh n di n s c ch m các chu k đ u,ăSCVăthayăđ i nhi u s c m t pha qua t ng tr cao, đi u ki nădaoăđ ng góc l ch gi a hai ngu n g n ,ăh ăs ăk s r t nh d năđ n d nh m l n gi aădaoăđ ng công su t vƠ s c .
4.2.4. D a vƠo s thayăđ i công su t ba pha
Trongăđi u ki nădaoăđ ng công su t, các giá tr công su t th c vƠ công su t ph n khángăthayăđ i liên t c. T căđ thayăđ i công su t th c vƠ công su t ph n kháng t l v i t căđ góc c aădaoăđ ng cơng su t. T căđ thayăđ i vƠ l năh nă0.7ătrongădaoăđ ng công su t vƠ trongăđi u ki n s c t c đ thayăđ i nƠy x p x 0.
Ph ngăpháp có kh n ngănơngăcaoăđ nh y phát hi nădaoăđ ng vƠ không b nh h ng b i các thông s h th ng. Tuy nhiên có th th yăđ c, cácădaoăđ ng ch m (d i 1Hz) t căđ thayăđ i công su t lƠ khôngăcaoănênăph ngăpháp ho tăđ ng không hi u qu .
4.3 Cácăph ngăpháp d a ng d ng trên tŕ tu nhân t o
Trí tu nhân t oăđ c áp d ng r ng rưi trong các ngƠnh khoa h căđ c bi tăđ c s d ng trong vi c nh n d ng m u vƠ phân lo i. Chính vì v y, m t s thu t tốn trí tu nhân t o có th áp d ngăđ phân lo iăđi u ki n s c vƠđi u ki nădaoăđ ng công su t.
4.3.1. H th ng neuron m th́ch ng (Adaptive neuro-fuzzy inference system ậ ANFIS) [19]
Lý thuy t logic m đ c Zadeh, L.A. nêu ra l năđ uătiênăvƠoăn mă1965ă.ăLỦăthuy t này gi i quy t các bài toán r t g n v iăcáchăt ăduyăc aăconăng i. Theo logic truy n th ng (traditional logic), m t bi u th c logic ch nh n m t trong hai giá tr : True ho c False. Khác v i lý thuy t logic truy n th ng, m t bi u th c logic m có th nh n m t trong vô s giá tr n m trong kho ng s th c t 0ăđ n 1. Nói cách khác, trong logic truy n th ng, m t s ki n ch có th ho călƠăđúngă(t ngăđ ngăv i True - 1) ho c là sai (t ngăđ ngăv i False - 0) còn trong logic m , m căđ đúngăc a m t s ki n đ căđánhăgiáăb ng m t s th c có giá tr n m gi a 0 và 1, tu theo m căđ đúngă ắnhi u”ăhayăắít”ăc aănó.ă i u nƠy d a vƠo hƠnh vi ra quy tăđnh c aăconăng i d a vƠo các thơng tin mang tínhăđ nh tính mƠ ítăkhiăđ nhăl ng hóa.
Hình 4.5 Mơ hình m t h logic m
M t h th ng x lỦ m th ng g m các l p:ăđ u vƠo, m hóa, thi t b h p thƠnh (bao g m suy lu n vƠ di n d ch), gi i m nh ăHình 4.5.ă uăđi m c a logic m lƠ có th có nhi uăđ u vƠo. M t trong nh ng c i ti n c a logic m chính lƠ h th ng neuron m thích ng (ANFIS). Cácăđ u vƠo có th bao g m các giá tr đoăđ c vƠ tính tốn nh :ăt ng tr th t thu n, dịngăđi n, SCV, cơng su t trung bình,...ă u ra c a các s lƠ m t giá tr k, n uăkă>ă0.5ăr leăxác nh năđơyălƠ s c vƠng c l i,ăr le xác nh n lƠ daoăđ ng công su t s khóa ch căn ngăb o v .ăPh ngăpháp ng d ng ANFIS cho nh n bi tădaoăđ ng công su t không b nhăh ng b i các y u t nh ăt căđ daoăđ ng nhanh hay ch m, thông s h th ng c ngănh ăđi u ki n s c .
4.3.2. Support Vector Machine (SVM) [20]:
SVM thu căph ngăpháp h c có giám sát vƠ đ c s d ng ph bi n cho bƠi tốn phân nhóm. M c tiêu c a bƠi tốn lƠ tìm ra m t phân chia l n nh tăđ tách hai nhóm d li u v i nhau. Kho ng cách gi aăđi m g n nh t c a m i nhómăđ n m t phân chia nƠy g i lƠ margin. BƠi tốn t iă uăSVMăchính lƠ bƠi tốn tìm m t phân chia v i margin l n nh t.
Hình 4.6 Ph ngăpháp SVM
LS-SVM (Least Square Support Vector Machine) là m t phiên b năđ c s aăđ i c aăSVMăđ gi m b t gánh n ngătínhătốn.ăTrongăqătrìnhăđƠoăt o c a LS-SVM, m t hàm sai s bìnhăph ngănh nh tăđ căđ ngh đ cóăđ c m t t p tuy n tính cácăph ngătrìnhătrongăkhơngăgianăḱp.ăDoăđó,ăv năđ hu n luy n d li u gi m xu ng ch còn gi i quy t m t t p h păcácăph ngătrìnhătuy n tính thay vì b căhaiănh ătrongă SVM. Các nghiên c uăđưăch ng minh s t ngăquát,ăđ chính xác d đốnăvƠătínhătốn nhanh c a LS-SVM.
4.3.3. M ng neuron t́ch ch p (Convolutional Neural Networks ậ CNN) [21]
M t trong các ng d ng quan tr ng c a m ngăn -ron tích ch păđóălƠăchoăph́păcácă máy tính có kh n ngăắnhìn”ăvƠăắphơnătích”.ăNóăđ c l y c m h ng t v não th giác.ăCNNăđ c s d ngăđ nh n d ng hình nh b ngăcáchăđ aănóăquaăm ngăn -ron
v i nhi u layer, m i layer là các b l c tích ch p.ăSauăkhiăđiăquaăcácălayerănƠyăchúngă taăcóăđ căđ cătr ngăvƠăd̀ngănóănh n d ngăraăđ iăt ng.
M i khi chúng ta nhìn th y m tăcáiăgìăđó,ăm t lo t các l p t bào th năkinhăđ c kích ho t, và m i l p th n kinh s phát hi n m t t p h păcácăđ cătr ngănh ăđ ng th ng, c nh, màu s c,v.v.v c aăđ iăt ng. L p th n kinh càng cao s phát hi n các đ cătr ngăph c t păh năđ nh n ra nh ngăgìăchúngătaăđưăth y.
Thu t tốn CNN g m các l pănh ăsau:
- L păđ u vƠo (Input layer): các tín hi uăđ u vƠo mi n th iăgianăđ c chuy năđ i thƠnh nh tr ngăđenăl uă l păđ u vƠo.
- L p tích ch p (Convolutional layer): các hình nh tr ngăđenătr i qua quá trình l y m u s d ng b l c hai chi u v i kíchăth c xácăđ nhătr c. B l c s tr t d n d n đ l y các tích ch p c a b l c v i giá tr d li u. V iătr ng h p d li u nhi u chi u s d ng nhi u b l c, m i giá tr tích ch păđ u ra c a các b l căđ c c ng l i v i nhau vƠ c ng v i giá tr đ l ch (bias). L p tích ch păđ m b o d li u v năđ c gi nguyên v n m c d̀ kíchăth c d li uăđ c thu nh .
- L p g p (Pool layer): có vai trị gi m chi u kíchăth c sau l p tích ch p vƠ kh các giá tr nhi u. Có haiăph ngăpháp g p chính: g p c căđ i (max pooling) vƠ g p trung bìnhă(averageăpooling).ăTrongăđó g p c căđ i tr v giá tr l n nh t trong m ng bao ph b i b l căđ căđánh giá ho tăđ ng t tăh năsoăv i g p trung bình ậ tr v giá tr trung bình c a m ng bao ph b i b l c.
- L p gi m b (Drop-outălayer):ăđ tránhătr ng h p xu t hi n các các giá tr quá