L ỜI CAM ĐOAN
3.7.2 Điều khiển sử dụng mạng neuron
Ta có nhiều cấu trúc điều khiển sử dụng mạng neuron khác nhau. Có thể kể đến một số cấu trúc điều khiển như sau:
Hình 3.11. Điều khiển sử dụng mạng neuron + Điều khiển theo vòng kín
Hình 3.12. Điều khiển theo vòng kín
+ Điều khiển với mô hình tham chiếu và sai số lan truyền qua ĐTĐK
Hình 3.13. Điều khiển với mô hình tham chiếu + Điều khiển theo thời gian vượt quá (over time)
Hình 3.14. Điều khiển theo thời gian vượt quá + Bộ điều khiển với quyết định hỗ trợ của mạng neuron
Hình 3.15. Điều khiển quyết định
3.8 Kết luận
Sau khi đã nghiên cứu về mạng neuron nhân tạo, ta thấy mặc dù có rất nhiều cấu trúc mạng cũng như thuật toán huấn luyện mạng khác nhau nhưng giữa chúng vẫn có một vài điểm chung quan trọng như:
- Khả năng của mạng neuron nhân tạo không do lập trình sẵn mà đạt được từ quá trình huấn luyện mạng. Huấn luyện mạng là quá trình hiệu chỉnh các trọng số kết nối giữa các neuron trong mạng sao cho mạng có thể đáp ứng chính xác với các mẫu dữ liệu ngõ vào.
- Có hai kỹ thuật học được sử dụng chủ yếu là học giám sát và học không giám sát. Kỹ thuật học giám sát yêu cầu cần phải được cung cấp các cặp mẫu dữ liệu vào-ra.
- Một mạng sau khi được huấn luyện thành công có khả năng tổng quát hóa (đặc trưng hóa) cao: nó có thể đáp ứng chính xác với ngõ vào mà nó chưa từng gặp trước đó.
- Thời gian huấn luyện mạng còn tùy thuộc vào kiến trúc, thuật toán học và chức năng của mạng. Thông thường, việc huấn luyện mạng neuron đòi hỏi nhiều thời gian.
- Khả năng của mạng tùy thuộc vào số lượng neuron dùng trong mạng. Một cách tổng quát, mạng có càng nhiều neuron thì khả năng của mạng càng cao (nhưng thời gian huấn luyện mạng là rất lớn) và ngược lại.
CHƯƠNG 4
ỨNG DỤNG MẠNG NEURON NHÂN TẠO BÙ CÔNG SUẤT KHÁNG ĐIỀU CHỈNH ĐIỆN ÁP CHO MỘT NÚT TẢI
4.1 XÂY DỰNG MÔ HÌNH ĐƯỜNG DÂY CÓ SỬ DỤNG SVC: 4.1.1 Giới thiệu sơ đồ ứng dụng: 4.1.1 Giới thiệu sơ đồ ứng dụng:
Ứng dụng chương trình mô phỏng từ Matlab Toolbox để xây dựng chương trình mô phỏng hoạt động SVC, sử dụng sơ đồ HTĐ gồm một nguồn phát và hai nút tải: Uđm= 500KV, Ssc= 1000MVA
MBA 500/13.8KV, Sđm=150MVA Pload1= 200MVA, Pload2= 200MVA
Sau khi đặt tụ bù thì tổn thất điện áp giảm đi một lượng là:
ΔUb= % (4.1) Nếu biết trước ΔUb thì ta có công thức:
Qb= (4.2)
Từ công thức (5.2) ta có thể xác định dung lượng cần bù Qc. Tương tự, ta cũng xác định được dung lượng của cuộn kháng. Ta chọn công suất của bộ TCR và TSC như sau:
TCR= 80MVar, TSC= 3x25MVar
Hình 4.1. Thông số đường dây mô hình SVC
4.1.2 Sơ đồ thuật toán.
Để mô phỏng hoạt động của TCR, ta xây dựng sơ đồ thuật toán như sau:
Hình 4.3. Thuật toán điều khiển TCR Trong đó ý nghĩa của các khối là:
- Nhập số liệu: nhập thông số điện áp bị lệch. - ĐK SVC: tăng hoặc giảm góc mở α.
- Tăng Qb: muốn tăng điện áp tại nút đặt SVC thì ta phải tăng lượng Qb bằng cách tăng hoặc mở α. Nếu muốn giảm góc điện áp thì ta giảm góc mở α.
Nhập số
U = [0.93 1.07]
Hiển thị thông số lên chương trình ĐK SVC STOP Tăng Qb Thay đổi thông số điệ á END α = α +Δα α = α -Δα
- Thay đổi thông số điện áp: khi quá trình điều khiển bị thay đổi dẫn đến kết quả chưa chính xác thì chương trình sẽ quay lại điều khiển SVC.
- Khi Qmin ≤ Q < 0: SVC th ực hiện bù công suất phản kháng dẫn đến điện áp tăng lên.
- Khi 0 < Q ≤ Q max: SVC tiêu thụ công suất phản kháng dẫn đến điện áp trên đường dây giảm xuống.
4.1.3 Bộ điều khiển SVC.
Thành phần bộ điều khiển SVC gồm có bốn khối chính:
Hình 4.4. Mô hình hệ điều khiển SVC bằng thuật toán
Measurement System: đo điện áp sơ cấp thứ tự thuận. Hệ thống này dùng kỹ thuật tính toán Fourier gián đoạn để ước lượng điện áp cơ bản. Đơn vị chỉ số điện áp đo được chạy bởi một chương trình lập sẵn để đưa vào trong sự thay đổi tính toán của tần số hệ thống.
Hình 4.5. Biểu tượng và thông số khối Measurement System
Voltage Regulator: dùng bộ điều chỉnh PI để điều chỉnh điện áp sơ cấp ở điện áp quy chiếu (1.0 p.u. xác định trong menu khối SVC Controller). Một điện thế rơi được sáp nhập trong điện thế điều chỉnh để thu được đặc tính V -I với độ nghiêng (0.01 pu/100 MVA trong trường hợp này). Do v ậy, khi điểm làm việc SVC thay đổi từ đầy dung (+75 Mvar) sang đầy cảm (-80 Mvar) điện áp SVC thay đổi giữa 1 - 0.07 = 0.93 p.u. và 1 + 0.07 = 1.07 pu.
Distribution Unit: dùng điện nạp sơ cấp tính toán Bsvc bằng bộ điều chỉnh điện áp để xác định góc mở α TCR và trạng thái (on/off) 3 nhánh TSC.
Góc mở α như là một hàm của TCR điện nạp BTCR được thực hiện bằng bảng giám sát từ phương trình sau:
BTCR = (4.3)
với BTCR là điện nạp TCR trong p.u. của côn g suất điện kháng định mức TCR (80 Mvar)
Hình 4.6. Biểu tượng và thông số khối Distribution Unit
Firing Unit: gồm có 3 hệ thống con độc lập, mỗi một hệ thống con là cho một pha (AB, BC và CA). Mỗi hệ thống con gồm có PLL đồng bộ trên điện áp thứ cấp dây- dây và một máy phát xung cho mỗi nhánh TCR và TSC. Máy phát xung dùng góc mở
α và trạng thái TSC có từ Distribution Unit để phát xung. Sự mở các nhánh TSC có thể đồng bộ hóa (gửi một xung ở các thyristors dương và âm ở mỗi chu kì) hoặc liên tục. Chế độ đồng bộ thường là phương pháp được sử dụng ưa thích vì giảm sóng hài nhanh hơn. Có thể chọn thay đổi chế độ mở Synchronized trong hộp hội thoại Firing Unit.
Hình 4.7. Biểu tượng và thông số khối Firing Unit
Bây giờ quan sát dạng sóng trạng thái ổn định và đáp ứng động SVC khi thay đổi điện áp hệ thống. Mở menu Programmable Voltage Source và thấy chương trình hóa thứ tự bước điện áp. Cũng vậy mở menu khối SVC Controller và kiểm tra là SVC ở trong chế độ điều chỉnh điện áp (Voltage regulation) với điện áp quy chiếu là 1.0 p.u. Chạy mô phỏng và quan sát dạng sóng trên khối Scope SVC, với thời gian thay đổi điện áp là 0.2s và 0.7s.
4.1.4 Mô tả cách hoạt động.
Sơ đồ mô hình SVC như trong hình 4 .4. Nó thể hiện 80 Mvar SVC nối với hệ thống truyền tải 500 kV.
SVC gồm máy biến áp đôi 500 kV/13.8 kV, 150 MVA, một tụ TCR 80 Mvar và 3 tụ TSC 25 Mvar (TSC1, TSC2, TSC3) nối bên phía thứ cấp máy biến áp.
Khóa TSC đóng mở cho phép thay đổi gián đoạn công suất điện kháng thứ cấp từ 0 đến 75 Mvar dung (ở 13.8 kV) bằng bước 25 Mvar, trong khi điều chỉnh pha TCR cho phép thay đổi liên tục từ 0 đến 80 Mvar. Tính đến điện kháng móc vòng máy biến áp (0.15 p.u.), thấy rằng điện nạp tương đương SVC từ phía sơ cấp có thể tha đổi liên tục từ -0.8 pu/100 MVA đến +0.75 pu/100 Mvar (đầy dung).
SVC Controller giám sát điện áp sơ cấp và gửi xung thích hợp đến 24 thyristors. Bây giờ quan sát dạng sóng trạng thái ổn định và đáp ứng động SVC khi thay đổi điện áp hệ thống. Mở menu Programmable Voltage Source và thấy chương trình hóa thứ tự bước điện áp. Cũng vậy mở menu khối SVC Controller và kiểm tra là SVC ở trong chế độ điều chỉnh điện áp (Voltage regulation) với điện áp quy chiếu là 1.0 p.u. Chạy mô phỏng và quan sát dạng sóng trên khối Scope SVC.
Ban đầu nguồn áp đặt là 1.004 pu, kết quả điện áp 1.0 p.u. ở các đầu cuối SVC khi SVC không làm việc. Như điện áp quy chiếu Vref đặt là 1.0 p.u, the SVC là không đáng lưu ý ban đầu. Điểm làm việc này có được với TSC1 làm việc và TCR hầu như đầy cảm.
Quan sát đường cuối cùng trên scope cách T SC thứ tự đóng và mở. Mỗi lần TSC mở, góc TCR thay đổi từ 1800(không cảm) đến 900(đầy cảm). Cuối cùng ở t = 0.7 s điện áp tăng lên đến 1.0 p.u. và công suất phản kháng SVC giảm xuống 0.
Trường hợp cuối cùng nghiên cứu chương trình mô phỏng TSC.
Mỗi lần TSC khóa một giá trị điện áp bị tụ TSC lưu lại. Nếu xem ở scope TSC1 Misfiring bên trong hệ thống con Signals & Scope, bạn có thể quan sát điện áp TSC1 (đường đầu tiên) và dòng TSC1 (đường 2) nhánh AB. Điện áp đi qua thyristor dương
(thyristor dẫn dòng dương) như ở đường 3 và các xung gửi đến thyristor này như ở đường 4.
Nếu lỗi xung mở không gửi đúng thời gian, có thể quan sát thấy quá dòng rất lớn trên valve TSC. Dùng khối Timer và khối OR để thêm xung thông thường từ Firing Unit.
• Điện áp [1.0 1.0 1.0] và thời gian t= [0 0.2 0.7]
• Điện áp [1.0 1.05 1.0] và thời gian t= [0 0.2 0.7]
• Điện áp [1.0 0.95 1.0] và thời gian t= [0 0.2 0.7]
Hình 4.10. Kết quả điều khiển thuật toán khi U=0.95pu
Với chương trình được xây dựng như trên, SVC có tác dụng phát công suất phản kháng khi điện áp đầu nguồn thấp hơn điện áp đặt nhờ các bô tụ TSC hoặc thu công suất phản kháng khi điện áp nguồn cao hơn điện áp đặt nhờ bộ TCR. Điện áp đầu nguồn luôn được giữ ở vị trí ổn định cho phép.
4.2 ỨNG DỤNG MẠNG NEURON NHÂN TẠO ĐIỀU KHIỂN SVC
+ Có khả năng đáp ứng nhanh khi có sự thay đổi của hệ thống điện. + Khả năng học các chương trình được đặt ra rất cao.
+ Quá trình huấn luyện mạng neuron tương đối dễ dàng. + Giúp đơn giản hóa các khối điều khiển phức tạp.
Với các đạc tính tiêu biểu nêu trên cúng với yêu cầu đáp ứng nhanh của hệ thống, ta chọn mạng neuron nhân tạo để thay thế cho các khối điều khiển của chương trình. Mạng neuron nhân tạo sẽ được thay thế cho các khối Voltage Regulator và khối Distribution Unit.
4.2.1 Xây dựng tập mẫu cho mạng neuron.
Dựa vào chương trình tính toán và mô phỏng như trên, ta xây dựng được tập mẫu dùng để huấn luyện mạng neuron. Đầu vào của bộ điều khiển là giá trị của điện áp U, tín hiệu đầu ra là góc mở α của bộ TCR, đồng thời điện áp sẽ là tín hiệu để các bộ TSC đóng hoặc mở, có thể phát hoặc hấp thụ lượng công suất phản kháng trên đường dây, ổn định điện áp. Đặc tính phát hoặc hấp thụ công suất phản kháng của SVC, ta có thể xác định góc mở α của SVC tương ứng với từng nấc thay đổi của tụ điện hoặc cuộn kháng.
QminSVC = (4.4) BTCR = (4.5) ILF(α) = (1 - α - sin(2α)) (4.6)
Khi điện áp đầu vào là 1.0pu thì góc α của bộ TCR là 178.880
, cứ tiếp tục như vậy ta xây dựng bảng tổng hợp tập mẫu như sau:
Bảng 4.1: Tổng hợp các tập mẫu STT Q (Mvar) Điện áp U (500KV/1p.u) Góc mở α Ghi chú 1 1 1 178.88 TCR
2 3 1.002 176.63 TCR 3 5 1.004 174.39 TCR 4 7 1.006 172.14 TCR 5 9 1.008 169.90 TCR 6 11 1.01 167.65 TCR 7 13 1.012 165.41 TCR 8 15 1.014 163.16 TCR 9 17 1.016 160.92 TCR 10 19 1.018 158.67 TCR 11 21 1.02 156.43 TCR 12 23 1.022 154.18 TCR 13 25 1.024 151.94 TCR 14 27 1.026 149.69 TCR 15 29 1.028 147.45 TCR 16 31 1.03 145.20 TCR 17 33 1.032 142.96 TCR 18 35 1.034 140.72 TCR 19 37 1.036 138.47 TCR 20 39 1.038 136.23 TCR 21 41 1.04 133.98 TCR 22 43 1.042 131.74 TCR 23 45 1.044 129.49 TCR 24 47 1.046 127.25 TCR 25 49 1.048 125.00 TCR 26 51 1.05 122.76 TCR 27 53 1.052 120.51 TCR 28 55 1.054 118.27 TCR 29 57 1.056 116.02 TCR 30 59 1.058 113.78 TCR 31 61 1.06 111.53 TCR 32 63 1.062 109.29 TCR
33 65 1.064 107.04 TCR 34 67 1.066 104.80 TCR 35 69 1.068 102.55 TCR 36 71 1.07 100.31 TCR 37 73 1.072 98.06 TCR 38 75 1.074 95.82 TCR 39 77 1.076 93.57 TCR 40 79 1.078 91.33 TCR
Từ các tổng hợp tập mẫu như trên ta có thể điều khiển lượng công suất phát hoặc hấp thụ để điều chỉnh điện áp tại vị trí đặt được ổn định.
Trước khi đưa ra mô hình huấn luyện mạng neuron ta cần đưa ra các yêu cầu cần thiết như sau:
- Khi điện áp của lưới giảm xuống dưới 1pu thì bộ TSC1 sẽ đóng vào. Do công suất của bộ TSC1 lớn hơn công suất cần thiết để làm điện áp nguồn trở về ban đầu, nên sau đó bộ TCR sẽ điều chỉnh nhuyễn để giảm bớt phần công suất thừa của bộ TSC1.
- Khi điện áp của lưới giảm xuống dưới 0.8pu thì bộ TSC2 sẽ đóng vào. Sau đó bộ TCR sẽ điều chỉnh nhuyễn để giảm bớt phần công suất thừa của bộ TSC2.
- Cũng tương tự như vậy khi điện áp của lưới giảm xuống dưới 0.7pu thì bộ TSC3 sẽ đóng vào. Sau đó bộ TCR sẽ điều chỉnh nhuyễn để giảm bớt phần công suất thừa của bộ TSC3.
- Riêng trường hợp điện áp nguồn khi đo được có điện áp lớn hơn 1pu thì tất cả các bộ TSC đều không đóng, lúc đó chỉ có bộ TCR sẽ hoạt động và sẽ hấp thụ phần công suất thừa trên lưới.
Với các yêu cầu đặt ra như trên, ta sẽ có phần huấn luyện mạng neuron.
4.2.2 Huấn luyện mạng neuron và mô hình điều khiển. 4.2.2.1 Huấn luyện mạng. 4.2.2.1 Huấn luyện mạng.
Căn cứ vào các tập mẫu được xây dựng như trên, khi điện áp tại nút đặt có thay đổi tăng hoặc giảm điện áp 0.2% so với điện áp yêu cầu thì bộ TCR sẽ thay đổi góc mở α để thay đổi điện dẫn TCR, ổn định điện áp.
Mạng neuron lan truyền ngược (backpropagation) là mạng neuron sau khi huấn luyện sẽ cho kết quả chính xác. Các tập mẫu với các tín hiệu đầu vào và đầu ra là một hàm phi tuyến, tín hiệu mong muốn nhận được từ sự thay đổi của điện áp nguồn. Với các yêu cầu trên, chúng ta sẽ chọn mạng lan truyền ngược để huấn luyện cho bộ TCR. Chi tiết huấn luyện sẽ trính bày ở phần phụ lục.
o Khi tín hiệu đầu vào là điện áp U thì tín hiệu đầu ra tương ứng là góc mở α. Do đó mạng neuron được áp dụng huấn luyện là mạng neuron lan t ruyền ngược (backpropagation).
o Một tín hiệu vào và một tín hiệu ra.
o Số lớp ần: 2 lớp
o Số neuron trong lớp ẩn thứ nhất: 50
o Số neuron trong lớp ẩn: 10
o Hàm huấn luyện: tansig và purelin
Hình 4.11. Mô hình huấn luyện mạng neuron cho TCR
Hình 4.12. Quá trình huấn luyện mang neuron cho TCR
o Kết quả huấn luyện:
Hình 4.14. Các trạng thái huấn luyện -Huấn luyện mạng neuron cho các bộ điều khiển thiết bị TSC:
Khi điện áp tại vị trí đặt giảm thì các bộ TSC sẽ phát nguồn công suất phản kháng vào hệ thống, ổn định điện áp. Chi tiết huấn luyện sẽ trính bày ở phần phụ lục.
o Do tính chất cần thực hiện điều khiển là đóng và mở nên khi có tín hiệu đầu vào thì mang neuron sẽ cho ra kết quả là 1 khi TSC đóng và kết quả là 0 khi TSC ngắt. Do đó mạng được áp dụng huấn luyện mạng là perceptron
o Một tín hiệu vào và một tín hiệu ra.
o Số lớp ần: 1 lớp
o Số neuron trong lớp ẩn: 25
o Quá trình huấn luyện:
Hình 4.16. Quá trình huấn luyện mang neuron cho TSC
4.2.2.2 Kiểm tra kết quả sau khi huấn luyện mạng neuron.
Cùng với mô hình đường dây như trên, nhưng bộ thiết bị bù tĩnh SVC sẽ được điều khiển bằng mạng neuron nhân tạo đã được huấn luyện như trên.
Mô hình đường dây:
Hình 4.17. Mô hình đường dây với điều khiển SVC bằng mạng neuron Bộ điều khiển SVC bằng mạng neuron nhân tạo: ta hay thế hai khối Voltage