Tài liệu ứng dụng mạng neuron trong ổn định hệ thống điện

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA ------------------------------------- PHẠM ĐƯỢC ỨNG DỤNG MẠNG NEURAL TRONG ỔN ĐỊNH HỆ THỐNG ĐIỆN CHUYÊN NGÀNH: THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN LUẬN VĂN THẠC SĨ TP. Hồ Chí Minh, tháng 12 năm 2008 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH Cán bộ hướng dẫn khoa học: PGS.TS PHAN THỊ THANH BÌNH Cán bộ chấm nhận xét 1:………………………………………………… Cán bộ chấm nhận xét 2:………………………………………………… Luận văn thạc sĩ được bảo vệ tại: HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA TP. HỒ CHÍ MINH Ngày ……. tháng .…… năm 2008 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP - TỰ DO - HẠNH PHÚC TP. HCM, ngày …… tháng …… năm 2008 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ và tên học viên : PHẠM ĐƯỢC Phái : Nam Ngày, tháng, năm sinh : 03-02-1982 Nơi sinh : ĐAKLAK Chuyên ngành MSHV : Thiết bị, mạng và nhà máy điện : 01806480 I- TÊN ĐỀ TÀI: Ứng dụng mạng Neural trong ổn định hệ thống điện. II- NHIỆM VỤ VÀ NỘI DUNG: - Nghiên cứu các phương pháp khảo sát ổn định. - Nghiên cứu mô hình các cấu trúc mạng Neural khác nhau. - Khảo sát và mô phỏng kết quả tác dụng của mạng Neural vào CPSS trong điều khiển ổn định bằng Matlab. - Đánh giá mức độ cải thiện của bộ Neural ANN-PSS so với bộ CPSS. III- NGÀY GIAO NHIỆM VỤ : 21/01/2008 IV- NGÀY HOÀN THÀNH NHIỆM VỤ : 30/11/2008 V- CÁN BỘ HƯỚNG DẪN : PGS.TS PHAN THỊ THANH BÌNH CÁN BỘ HƯỚNG DẪN CN BỘ MÔN QL CHUYÊN NGÀNH PGS.TS Phan Thị Thanh Bình Nội dung và đề cương luận văn thạc sĩ đã được Hội đồng chuyên ngành thông qua. Ngày TRƯỞNG PHÒNG ĐT – SĐH tháng năm 2008 TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Đầu tiên, tôi xin bày tỏ lòng biết ơn chân thành và sâu sắc đến: PGS.TS Phan Thị Thanh Bình - về tất cả những hướng dẫn, ý kiến đóng góp tận tình của Cô đối với người thực hiện luận văn trong suốt quá trình nghiên cứu và thực hiện luận văn này. Với những kiến thức có được ngày hôm nay, đó là kết quả của một quá trình học tập và rèn luyện lâu dài, nhưng trên hết vẫn là những công ơn của tất cả quý Thầy, Cô Trường Đại Học Bách Khoa nói chung và các Thầy, Cô trong khoa Điện – Điện Tử nói riêng đã đem đến hành trang kiến thức cho tôi vào đời. Cuối cùng, tôi xin gửi lời cám ơn chân thành nhất đến bạn bè, đồng nghiệp và gia đình đã tạo điều kiện thuận lợi và hỗ trợ cho tôi rất nhiều trong quá trình học tập, công tác cũng như trong thời gian hoàn thành luận văn này. TP. Hồ Chí Minh, tháng 12 năm 2008 Người thực hiện: Phạm Được MỤC LỤC Đặt vấn đề ……………………………………………………….……………...7 Chương 1: Ổn định hệ thống điện ……………………………………………11 1.1. Ổn định hệ thống điện ……………………………………...……..11 1.2. Ổn định tĩnh và ổn định động ……………………………...……...11 1.2.1. Ổn định tĩnh ……………………………………………………….11 1.2.2. Ổn định động ………………………………………………….…..12 1.3. Ổn định trung và dài hạn ……………………………………….....12 1.4. Ổn định điện áp trong hệ thống điện ……………………………...12 1.5. Các biện pháp nâng cao tính ổn định ……………………………...14 1.5.1. Các biện pháp về thiết kế ………………………………………….14 1.5.2 Các biện pháp về vận hành ………………………………………..15 Chương 2 Lý thuyết Neural Network ………………………………………...16 2.1. Định nghĩa …………………………………………………………16 2.2. Cấu tạo và mô hình của Neural ……………………………………16 2.2.1. Neural có 1 đầu vào đơn giản ……………………………………..16 2.2.2. Neural có nhiều đầu vào ...................................................................16 2.3. Mạng Neuron ……………………………………………………...19 2.4. Phương thức làm việc của mạng Neuron ………………………….20 2.5. Phương pháp học hướng ngược Gradient …………………………21 2.6. Hàm huấn luyện Trainrp và Trainscg ……………………………. 23 2.7. Phân loại mạng Neuron ……………………………………………23 2.8. Một số mạng Neuron …………………………………………….. 24 2.8.1. Mạng Adeline ……………………………………………………. 24 2.8.2. Neuron Hopfiel và mạng tuyến tính có ngưỡng-LTU …………….24 2.8.3. Mạng Perceptron …………………………………………………..25 2.8.4 Mạng MLP truyền thẳng …………………………………………..25 2.9. Kết luận ……………………………………………………………28 2.10. Ứng dụng mạng Neural trong một số lĩnh vực ……………………28 Chương 3 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. 3.7. Bộ ổn định hệ thống điện CPSS …………………………………..30 Giới thiệu chung …………………………………………………..30 Ổn định của hệ một máy phát làm việc với thanh cái vô hạn ……..30 Mô hình thay thế máy phát ………………………………………..31 Ảnh hưởng động học của mạch kích từ …………………………...34 Ảnh hưởng của sự thay đổi từ thông lên kích từ ổn định …………39 Ảnh hưởng của hệ thống kích từ …………………………………..41 Bộ ổn định CPSS ………………………………………………….44 Chương 4 Ứng dụng mạng Neural mô phỏng bộ CPSS ……………………...54 4.1. 4.1.1. Mô hình mô phỏng ………………………………………………...54 Khối CPSS ………………………………………………………...55 4.1.2. Khối kích từ ……………………………………………...……….56 4.1.3. Khối máy phát …………………………………………….……..57 4.1.4. Khối Neural Network ………………………………………....…...80 4.2. Phần mô phỏng ……………………………………………………84 4.3. Kết luận ……………………………………………………………93 Trang 7 ĐẶT VẤN ĐỀ Điều khiển và ổn định hệ thống điện đã được quan tâm nhiều trong thời gian qua. Trải qua lịch sử vận hành của nước ta và thế giới đã xảy ra những sự cố nghiêm trọng dẫn đến tan rã một phần hay toàn bộ hệ thống điện gây thiệt hại lớn cho nền kinh tế và ảnh hưởng đến an ninh năng lượng, an ninh quốc phòng cho quốc gia. Ngày nay, có nhiều phương pháp để ổn định hệ thống điện, các phương pháp này thường được kết hợp với nhau để đạt được hiệu quả tốt nhất. Những nghiên cứu gần đây cho thấy rằng việc sử dụng mạng Neural ANN (Artificial Neural Network) vào bộ CPSS ( Conventional Power System Stabilizer) điều khiển máy phát điện trong hệ thống là phương pháp đạt hiệu quả cao. Mạng Neural ngày càng trở nên hữu dụng vì những lí do sau đây : Thứ nhất ANN xử lí tín hiệu song song nên cho kết quả cực nhanh, thứ hai hiệu quả cao trong xử lí của ANN đối với ngõ vào và ngõ ra phi tuyến, thứ ba là ANN có thể điều khiển thích nghi với các điều kiện vận hành khác nhau. Ở nước ta, nền kinh tế đang trên đà phát triển mạnh mẽ nên nhu cầu phụ tải ngày càng tăng hệ thống điện ngày càng mở rộng và phức tạp hơn. Ngoài ra, trong xu thế hội nhập toàn cầu hóa, phát triển thị trường điện cạnh tranh thì việc điều khiển ổn định hệ thống điện càng được quan tâm nhiều hơn. Dập tắt các dao động trong hệ thống điện không chỉ ổn định được công suất hệ thống mà còn tăng khả năng truyền tải. Trong những năm gần đây, nhu cầu phụ tải tăng rất nhanh, quy mô hệ thống điện ngày càng lớn và phức tạp, việc này đòi hỏi vận hành hệ thống điện phaûi oån ñònh vaø coù ñoä tin caäy cao. Ổn định hệ thống điện sẽ càng giảm nếu hệ thống có công suất truyền tải càng lớn, khoảng cách càng xa, phạm vi rộng. GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 8 Nguồn điện mới phát triển chậm hơn so với tốc độ tăng nhanh của phụ tải như hiện nay, do đó độ tin cậy hệ thống điện ngày càng giảm và trở thành vấn đề rất quan trọng đảm bảo an ninh hệ thống điện. Trong hệ thống điện thường xuất hiện nhiều loại dao động khác nhau, nhiều phương pháp ổn định đã được áp dụng. Bộ CPSS sử dụng mô hình hóa các bộ phận không tuyến tính trong máy phát thành các phần tử tuyến tính áp dụng vào điều khiển vận hành. Bộ CPSS có hạn chế là các thông số của khâu điều khiển chỉ áp dụng với điều kiện vận hành nhất định không thể áp dụng với nhiều điều kiện vận hành khác nhau, phụ tải khác nhau. Bài toán đặt ra là tìm kiếm mô hình Neural-PSS thay thế bộ điều khiển ổn định CPSS theo Kunder. Mạng Neural trình bày trong luận văn này có thể ổn định được hệ thống trong nhiều điều kiện vận hành khác nhau, nhiều loại sự cố, điều kiện phụ tải khác nhau, cho chúng ta kết quả tức thời nhanh chóng chính xác. Các công trình đã nghiên cứu liên quan: - “An Artificial Neural Network based Adaptive Power System Stabilizer”, Y.Zhang, G.P.Chen, O.P.Malik and G.S. Hope. Mạng Neural nhân tạo dựa trên nến tảng bộ ổn định hệ thống điện PSS và ứng dụng trong hệ thống điện được giới thiệu trong bài báo này. Bộ Neural nhân tạo ANN trên nền tảng PSS kết hợp những thuận lợi như tự tối ưu hóa, điều khiển thích nghi và đáp ứng nhanh của ANN để giới thiệu 1 thế hệ mới PSS. Một kiểu điển hình của ANN là mạng nhiều lớp Perceptron với phương pháp huấn luyện sai số là truyền ngược ( Back-Propagation) được áp dụng cho bộ PSS này. ANN được huấn luyện với dữ liệu được lấy từ bộ ổn định hệ thống điện thích nghi APSS (Adaptive Power System Stabilizer). Trong quá trình huấn luyện, bộ ANN được yêu cầu ghi nhớ và mô phỏng các phương pháp điều khiển của bộ APSS cho đến khi sự khác biệt nằm trong vùng cho phép. Kết quả cho thấy rằng bộ ANN trên nền tảng PSS có thể dập tắt tốt các dao động của hệ thống trong nhiều điều kiện vận hành khác nhau và cải thiện đáng kể ổn định động của hệ thống. GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 9 - “Experimental studies with a Generalized Neuron-Based Power System Stabilizer”, D.K.Chaturvedi, O.P.Malik, life Fellow, IEEE and P.K.Kalra. Mạng Neural nhân tạo được sử dụng như những bộ điều khiển thông minh để điều khiển phi tuyến, hệ thống động thông qua việc học mà dễ dàng thích nghi với các điều kiện phi tuyến và thời gian độc lập. Tuy nhiên, chúng yêu cầu thời gian huấn luyện dài và số lượng lớn Neural để giải quyết bài toán. Để khắc phục những nhược điểm trên, 1 bộ Neural mở rộng đã được phát triển, chúng yêu cầu dữ liệu huấn luyện ít hơn và thời gian huấn luyện cũng ngắn hơn. Bài báo này giới thiệu đưa những đặc điểm thuận lợi của bộ Neural mở rộng vào trong bộ ổn định PSS. Kết quả cho thấy bộ Neural mở rộng trên nền tảng PSS có thể dập tắt các dao động động tức thời của nhiều chế độ vận hành khác nhau. - “Intelligent dual input power system stabilizer for multi-machine system”, Avdhesh sharman and M.L Kothary SIMEEE. Bài báo này giải quyết bộ PSS hai ngõ vào cho hệ thống nhiều máy phát sử dụng mạng fuzzy thích ứng (ANFIS). ANFIS được huấn luyện để tính toán các thông số tối ưu của bộ PSS hai ngõ vào trong điều kiện tải biến đổi trong thời gian thực. Phương pháp giải quyết vấn đề có hệ thống cho việc thiết kế các bộ PSS thông minh cho hệ thống nhiều máy phát được giới thiệu. Những nghiên cứu cho thấy rằng đặc tính của các bộ PSS thông minh trong hệ thống nhiều máy phát hoàn toàn có thể hoạt động tốt trong điều kiện tải biến động lớn. - “ A Multi-input Power System Stabilizer Based on Artificial Neural Networks”, Y.Zhang, G.P.Chen, O.P.Malik and G.S.Hope. Mạng Neural nhân tạo ANN với nhiều ngõ vào được huấn luyện để điều khiển nhà máy điện được giới thiệu trong bài báo này. Độ lệch tốc độ và độ lệch công suất điện được sử dụng làm đầu vào cho bộ PSS. Đề xuất mạng Neural nhiều đầu vào ANN PSS sử dụng Neural nhiều lớp với với phương pháp huấn luyện truyền ngược và có nhiều tác động nhiễu khác nhau. Dữ liệu dùng để huấn luyện ANN PSS bao gồm dữ liệu điều khiển đầu vào và đáp ứng của máy phát đồng bộ với bộ điều khiển thích nghi APSS điều khiển máy phát. Bộ ANN được huấn luyện để ghi nhớ những dữ liệu đầu vào và GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 10 đầu ra trước đó. Kết quả mô phỏng cho thấy bộ PSS đề xuất có thể dập tắt tốt các dao động có trong hệ thống. Nhiệm vụ và mục tiêu của đề tài Nghiên cứu các phương pháp khảo sát ổn định. Nghiên cứu mô hình các cấu trúc mạng Neural khác nhau. Khảo sát và mô phỏng kết quả tác dụng của mạng Neural vào CPSS trong điều khiển ổn định bằng Matlab. Đánh giá mức độ cải thiện của bộ Neural ANN-PSS so với bộ CPSS. Luận văn này trình bày ứng dụng mạng Neural vào bộ CPSS cho hệ thống 1 máy phát nối với thanh cái vô cùng lớn, có thể ổn định được hệ thống điện khi có nhiều loại sự cố khác nhau, ở nhiều thời điểm đóng cắt khác nhau. Nội dung của đề tài: Chương 1: Ổn định hệ thống điện Chương 2: Lý thuyết Neural Network Chương 3: Bộ ổn định hệ thống điện CPSS Chương 4: Ứng dụng mạng Neural mô phỏng bộ CPSS GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 11 CHƯƠNG 1 ỔN ĐỊNH HỆ THỐNG ĐIỆN 1.1/ Ổn định hệ thống điện Hệ thống điện là tập hợp các phần tử phát, dẫn, phân phối có mối quan hệ tương tác lẫn nhau rất phức tạp. Tồn tại vô số các nhiễu tác động lên hệ thống. Hệ thống phải đảm bảo được tính ổn định khi có tác động của những nhiễu này. Ổn định hệ thống điện là khả năng trở lại vận hành bình thường hoặc ổn định sau khi chịu tác động nhiễu. Nó là điều kiện thiết yếu để hệ thống có thể tồn tại và vận hành. Như ở chế độ xác lập chẳng hạn, để tồn tại cần phải có sự cân bằng công suất trong hệ (khi đó thông số của hệ mới giữ không đổi) và đồng thời phải duy trì được độ lệch nhỏ của các thông số định mức dưới những kích động tự nhiên nhỏ (làm các thông số này lệch khỏi điểm cân bằng). Hoặc do tác động của những thao tác đóng cắt, hệ thống điện cần phải chuyển từ chế độ xác lập này sang chế độ xác lập mới thành công. Hậu quả của mất ổn định Khi hệ thống mất ổn định có thể phải cắt hàng loạt các tổ máy, các phụ tải, có thể làm tan rã hệ thống và gây thiệt hại nghiêm trọng cho nền kinh tế. Do đó, cần nghiên cứu ổn định trong khi thiết kế và vận hành hệ thống nhằm đảm bảo: - Ổn định trong mọi tình huống vận hành bình thường và sau sự cố - Có thể vận hành bình thường trong mọi tình huống thao tác vận hành và kích động của sự cố. 1.2/ Ổn định tĩnh và ổn định động 1.2.1/ Ổn định tĩnh Ổn định tĩnh (Steady-State Stability) là khả năng của hệ thống sau những kích động nhỏ (nhiễu nhỏ) như phụ tải thay đổi tăng giảm đột ngột, hệ thống phục hồi được chế độ ban đầu. GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 12 1.2.2/ Ổn định động Ổn định động của hệ thống là khả năng của hệ phục hồi được trạng thái ban đầu hoặc gần với trạng thái ban đầu sau những kích động lớn (nhiễu lớn). Như trên đã nói, nếu có thể chuyển được sang chế độ xác lập mới thì hệ sẽ có tính ổn định động. Các kích động lớn ở đây có thể được hiểu như: - Ngắn mạch trên các phần tử của lưới điện - Đóng cắt các phần tử lưới điện - Tăng giảm tải đột ngột Giả sử như có một máy phát điện đang phát công suất P0 nay do nhu cầu cần phải tăng ngay công suất lên P1. Ở thời điểm này sẽ có sự gia tăng đột ngột công suất cơ ∆P = P1 – P0 nên máy phát quay nhanh lên. Nếu sự tăng tải này đảm bảo cho máy phát theo thời gian hãm tốc lại và trở về vị trí cân bằng ổn định mới thì ta nói hệ có tính ổn định động. Ngược lại, nếu máy phát liên tục tăng tốc, nó sẽ rời khỏi đồng bộ và bắt buộc phải được cắt ra khỏi lưới, khi ấy hệ mất ổn định động. 1.3/ Ổn định trung và dài hạn. Ổn định ngắn hạn thời gian kéo dài từ 0 đến 10s là dao động quá độ của máy phát. Ổn định trung hạn kéo dài từ 10s đến vài phút. Giả sử dao động công suất của các máy phát trong hệ thống được xác lập, tần số của hệ thống được đồng bộ ngay sau đó. Các hiện tượng kéo dài và rút ngắn kèm theo mất cân bằng công suất như: Đáp ứng động học của nồi hơi nhà máy nhiệt điện, đáp ứng động học của đường dẫn áp lực và cửa van của nhà máy thủy điện, hệ thống điều khiển máy phát, hệ thống điều khiển và đường dây truyền tải, hiện tượng bão hòa mạch từ. 1.4/ Ổn định điện áp trong hệ thống điện Ổn định điện áp là khả năng của hệ thống duy trì mức điện áp chấp nhận tại các nút sau khi có nhiễu. Sụp đổ điện áp có những kịch bản sau: (từ loạt sự cố nghiêm trọng của một số hệ thống điện): - Khi có một số máy phát lớn gần tâm tải bị hỏng, dẫn tới một số đường dây GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 13 siêu cao bị quá tải nên làm cho nguồn công suất vô công Q bị giới hạn tối đa. - Khi mất một số đường dây, các đường dây còn lại bị quá tải, tổn thất vô công Q trên đường dây tăng và dẫn tới nhu cầu tải cao trong hệ thống. Đặc trưng của sụp đổ điện áp: - Do tăng tải, do nhiễu lớn … là những hiện tượng ban đầu. Hệ thống không có khả năng đáp ứng nhu cầu Q. Sụp đổ điện áp thường thể hiện qua sự giảm dần điện áp. Thời gian sụp đổ có thể vài phút. - Sụp đổ điện áp chịu ảnh hưởng lớn của tình trạng và đặc tuyến của hệ. Ví dụ như: khoảng cách lớn về điện giữa tải và nguồn phát, điều chỉnh phân áp dưới tải do điện áp hạ thấp, các đặc tuyến bất lợi của tải, phối hợp không tốt giữa điều khiển và hệ thống bảo vệ. - Sụp đổ điện áp có thể do ảnh hưởng của tụ mắc shunt Phân tích ổn định điện áp: phân tích ổn định điện áp thường dẫn tới khảo sát 2 khía cạnh: + Chỉ số gần tới mất ổn định điện áp: hệ còn cách bao xa tới giới hạn về ổn định điện áp ? + Cơ cấu mất ổn định điện áp: Nguyên nhân và cách thức của sự mất ổn định. Vùng yếu nhất về điện áp ở đâu? Biện pháp nào để cải thiện ổn định điện áp? Ổn định điện áp thường được xem xét như bài toán ổn định tĩnh cho các phần tử tĩnh trong hệ thống. Khả năng truyền tải Q từ nơi sản xuất đến nơi tiêu thụ trong vận hành tĩnh là khía cạnh chính của ổn định điện áp. Mất ổn định điện áp tạo ra sự giảm (tăng) áp một cách không ngừng và thường xảy ra dưới dạng không chu kỳ. Mất ổn định điện áp có thể xảy ra từ vài giây cho tới hàng chục phút. Có thể chia làm 2 loại: Ổn định quá độ (thời gian tới khoảng 10 giây) và ổn định lâu dài (tới vài phút). Những năm gần đây loại thứ 2 gây chú ý hơn cả trong lưới phân phối. Do vậy, ở đây chỉ xem xét tới loại thứ 2. Ổn định điện áp thường liên quan tới tải và còn gọi là ổn định phụ tải. GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 14 1.5/ Các biện pháp nâng cao tính ổn định: 1.5.1/Các biện pháp về thiết kế: Chọn kích cỡ, vị trí các thiết bị bù cần được nghiên cứu tỉ mỉ để tránh sụp đổ điện áp. Tiêu chuẩn thiết kế dựa trên sụt áp cho phép trong điều kiện sự cố thường không thỏa mãn nhìn từ tiêu chuẩn về ổn định điện áp. Bù nhuyễn (SVC): Bằng cách điều khiển nhanh điện áp và công suất phản kháng bộ SVC thay đổi góp phần nâng cao tính ổn định động hệ. Hệ thống kích từ tốc độ cao: Việc tăng nhanh kích từ máy phát làm tăng điện áp máy phát và giảm tăng tốc rotor. Việc sử dụng phối hợp với các bộ điều khiển kích từ như power system stabilizer(PSS) giảm hiện tượng dao động. PSS : Chức năng của PSS là làm giảm hiện tượng dao động máy phát. Các tính hiệu đầu vào có thể là tốc độ, tần số, hay tích phân công suất. Dùng các bộ tự động điều chỉnh điện áp phía điện áp cao của máy biến áp nâng áp sẽ ảnh hưởng tốt tới ổn định điện áp. Các bộ điều áp dưới tải dùng kỹ thuật vi xử ý cho sự thay đổi rộng các đặc tuyến tải. Ví dụ như việc giảm điện áp trạm cung cấp chủ yếu cho tải dân dụng sẽ có tác dụng làm giảm tải, ngược lại nếu cấp điện cho tải công nghiệp – khi tăng áp sẽ không ảnh hưởng nhiều tới tải, song lại tăng công suất phát từ tụ điện gắn tại tải. Sử dụng tự động sa thải tải theo điện áp. Biện pháp này ngăn chặn hiện tượng sụp đổ hệ thống tổng thể. Sơ đồ sa thải cần được thiết kế để có thể phân biệt được các điều kiện sự cố, sụt áp thoáng qua, giảm áp dẫn tới sụp đổ điện áp. Cắt nhanh sự cố: việc cắt nhanh sự cố làm giảm lượng động năng tích lũy trong quá trình tăng tốc và do đó làm tăng cơ hội ổn định hệ thống khi có nhiễu lớn. Do sự phát triển công nghệ các máy cắt hiện đại có thể cắt trong vòng vài chu kỳ, thậm chí một chu kỳ đầu sau khi có sự cố. Giảm điện kháng lưới truyền tải: việc giảm cảm kháng lưới truyền tải sẽ giúp nâng cao khả năng truyền tải chế độ sau sự cố, cụ thể là nâng cao công suất truyền tải sau sự cố, tăng diện tích max. Điều này được thực hiện nhờ bù dọc. Tuy nhiên khi có sự cố cần nối tắt bộ tụ và sau khi có sự cố cần đóng trở lại bộ tụ một cách GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 15 nhanh chóng. Việc đóng nhanh bộ tụ gặp một số trở ngại do tốc độ của các cầu dao đổi nối ở những năm trước đây. Ngày nay nhờ sử dụng điện trở phi tuyến ôxyt chì (Zinc) việc tái đóng bộ tụ có thể gần như tức thời. Hãm động : Hãm động được coi như tạo một tải nhân tạo trên máy phát và do đó giảm được sự tăng tốc của rotor. Một trong các dạng của hãm động là các điện trở mắc shunt, chúng được đóng vào sau 0,5s sau khi sự cố .Ví dụ như bộ điện trở 240 kV có công suất khoảng 1400MW tây bắc Thái bình dương . Các bộ hãm này hiện nay thường được áp dụng cho các máy phát thủy điện, lý do các máy này có khả năng chịu được các cú sốc bất ngờ do đóng bộ hãm. Máy cắt đơn cực: Các sự cố trên đường dây truyền tải thường gặp là loại một pha, 2 pha. Sử dụng máy cắt đơn cực cho phép tiếp tục truyền tải một lượng công suất nào đó trên các pha lành lặn, do đó góp phần nâng cao ổn định của hệ. 1.5.2/Các Biện Pháp Về Vận Hành: Cần có sự phân chia công suất nguồn Q hợp lý để có thể có một độ dự trữ tương hợp về ổn định điện áp. Dự trữ nóng công suất phản kháng cần được đảm bảo nhờ kích từ và các tụ bù ngang. Nhân viên điều phối cần nhận biết đúng các triệu chứng mất ổn định và có biện pháp kịp thời điều khiển Q, cắt tải… GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 16 CHƯƠNG 2 LÝ THUYẾT NEURAL NETWORK 2.1/ Định nghĩa: Mạng Neural xử lý thông tin song song. Chúng lưu trữ thông tin trong bộ nhớ và dùng thông tin đó để nhận biết đầu vào và cho đầu ra giá trị cần thiết. Bộ nhớ có hai khía cạnh. + Lưu trữ thông tin thông qua việc dạy + So sánh thông tin nhận được và thông tin lưu trữ 2.2/ Cấu tạo và mô hình của Neural 2.2.1/ Neural có 1 đầu vào đơn giản - Đầu vào có thêm bias Hình 2.1 Trong đó : p : đầu vào (input) w : trọng số n : đối số của hàm f a : đối số a =f(wp + b) b : hằng số f : hàm truyền 2.2.2/ Neural có nhiều đầu vào Hình 2.2 GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 17 Trong đó : n = w11.p1 + w12.p2 + . . . + w1r.pr + b (2.1) a = f(wp+b) (2.2) định nghĩa các thông số + Bias : Là hằng số được đưa trực tiếp vào mạng Neural thông qua bộ tổng, cũng có thể đưa vào mạng thông qua input với trọng số nhân với nó là w = 1. Bias cho phép thay đổi đường phân chia về phía dưới, hoặc trên gốc toạ độ. + Hàm truyền (hàm kích hoạt,hàm hoạt động) Hàm truyền của Neural được biểu diễn bởi hàm f(x). Nó định nghĩa tín hiệu output của Neural nếu tín hiệu input đã được biết trước . Tác dụng của hàm truyền là làm cho các tín hiệu nhập gần với tín hiệu xuất chuẩn. + Trọng số : Các kết nối giữa các Neural trong mạng gọi là trọng số kết nối, chúng có thể điều chỉnh được. Khi các tín hiệu được đưa vào Neural để xử lý thì nó được nhân với hệ số ảnh hưởng của mạng giữa hai lớp, gọi là hệ số trọng số w và sau đó được biến đổi bởi hàm phi tuyến (hàm truyền) - Các đầu vào của mạng Neural tác động vào Neural được biểu diễn qua trọng số w tương ứng với độ kích thích của từng đầu vào. Tổng giá trị kích thích của i đầu vào được thực hiện qua một bộ cộng, đó là giá trị đo kích thích đầu vào tác động vào mạng Neural . - Đầu ra của bộ cộng được đưa đến khâu tiền đáp ứng C. Khâu này không chỉ có chứa năng tạo ra đáp ứng tức thời n mà còn có khả năng lưu trữ các đáp ứng theo thời gian. Thành phần này làm việc theo nguyên lý nhớ động . - Neural bị kích thích trong thời gian vượt quá ngưỡng, mô hình Neural network sẽ ở trạng thái tích cực. Quan hệ này được thực hiện nhờ khâu tạo tín hiệu hàm ra f , nó chức năng của khâu tạo tín hiệu ngưỡng, xác định sự phụ thuộc của tín hiệu ra a vào các kích thích đầu vào. Cách thành lập mạng Neural như vậy cho ra nhiều loại Neural khác nhau. Việc GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 18 lựa chọn khâu cộng tín hiệu vào, khâu tiền đáp ứng n và khâu tạo tín hiệu đáp ứng hàm f, sẽ cho ra các kiểu Neural khác nhau và tương ứng là mô hình mạng khác nhau Khâu cộng ( ∑ ) : Khâu cộng tín hiệu vào có chức năng thực hiện phương trình sau: m n = ∑ wi pi (2.3) i =1 Khâu tạo đáp ứng f : Giá trị ra a của 1 Neural biểu diễn trạng thái kích thích đến các Neural tiếp theo trong mạng. Tín hiệu ra a phụ thuộc vào độ kích thích của Neural, thông thường được so sánh theo kiểu cắt ngưỡng. Thông thường giá trị đầu ra a phải thay đổi liên tục theo sự thay đổi của tiền đáp ứng n nếu n > giá trị ngưỡng của hàm f ( trạng thái Neural bị kích thích) hoặc ngược lại. Có các loại hàm hoạt động sau : có nhiều loại hàm truyền nhưng ở đây chỉ giới thiệu một số hàm thông dụng trong bảng 2.1 sau : Bảng 2.1 Loaïi haøm Phöông trình Hình veõ Haøm tuyeán tính F(x)=x Hình 2.7 Haøm ngöôõng F(x)= Hình 2.4 Haøm sigmoid Hình 2.5 Haøm tansig Hình 2.10 GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 19 Hình 2.3 : Hàm hard-limit Hình 2.4 : Hàm symetric hard - limit Hình 2.5 : Hàm log-sigmoid Hình 2.6 : Hàm positive linear Hình 2.7 : Hàm linear Hình 2.8 : Hàm radial basis Hình 2.9 : Hàm satlin Hình 2.10 : Hàm tan-signoid 2.3/ Mạng Neuron Neuron như là một khối truyền đạt và xử lý tín hiệu dạng MISO (Multi Input Single Output). GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được Trang 20 Do đặc tính phi tuyến ở khâu tiền đáp ứng và khâu tạo đáp ứng mà Neuron là một hệ có đặc tính phi tuyến mạnh. Một Neuron MISO chỉ thực hiện được 1 nhiệm vụ, để thiết kế được bộ điều khiển lớn hơn ta phải liên kết nhiều Neuron lại và tạo thành một mạng Neuron. Các Neuron trong một mạng thường được chọn cùng một loại và thường chia thành 3 lớp với 3 nhiệm vụ khác nhau: 1- lớp đầu vào (input layer) giữ vai trò nhận thông tin từ bên ngoài; 2- lớp trung gian (hidden layer) có chức năng xử lý thông tin, tạo tiền đáp ứng; 3- lớp đầu ra (output layer) nhận thông tin từ lớp trung gian, tạo đáp ứng và cho tín hiệu điều khiển ra môi trường ngoài. Mạng Neuron mắc nối tiếp từ đầu vào đến đầu ra là mạng không hồi tiếp, ta gọi mạng này là mạng truyền thẳng. Mạng Neuron có đường phản hồi từ đầu ra của một Neuron tới đầu vào của Neuron cùng lớp hoặc thuộc lớp phía trước gọi là mạng hồi tiếp. Mạng Neuron có nhiều lớp trung gian gọi là mạng nhiều lớp MLP (multilayer perceptrons network) và đôi khi mạng Neuron chỉ có một lớp. Mạng Neuron có cấu trúc là mạng ghép nối hoàn toàn, bất cứ một Neuron nào trong mạng đều được kết nối với một hoặc vài Neuron khác. Trong trường hợp các Neuron trong mạng có khâu tạo chức năng đáp ứng là khâu tuyến tính, tính phi tuyến chỉ nằm ở khâu tạo chức năng ra thì việc mắc nối tiếp các Neuron trong mạng không còn ý nghĩa nữa và lúc đó ta hoàn toàn có thể thay thế mạng Neuron nhiều lớp thành mạng Neuron một lớp. Một số mạng Neuron thông thường: Hình 2.11: Một số mạng Neuron thông thường 2.4. Phương thức làm việc của mạng Neuron Phương thức làm việc của một mạng Neuron nhân tạo có thể chia làm 2 giai đoạn: GVHD: PGS.TS. Phan Thị Thanh Bình HVTH: Phạm Được