Ứng dụng mạng nơ ron nhân tạo đánh giá mức độ ổn định của hệ thống điện

- 22 Đánh giá ổn định quá độ hệ thống điện 42.1 Một số định nghĩa cơ bản.
- 72.2 Ổn định hệ thống điện.
- 82.2.2 Các phân loại ổn định của hệ thống điện.
- 92.3 Đánh giá ổn định quá độ bằng phương pháp cân bằng diện tích .
- 26i Contents ii3 Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thốngđiện 283.1 Tổng quan về mạng nơ ron nhân tạo.
- 463.4 Ứng dụng mạng ANN trong đánh giá ổn định động của HTĐ.
- 484 Ứng dụng các công cụ trí tuệ nhân tạo đánh giá và phân loạimức độ ổn định 514.1 Quy trình tính toán.
- 182.5 Đặc tính công suất-góc theo phương pháp cân bằng diện tíchtrong trường hợp hệ thống ổn định.
- 202.6 Đặc tính công suất-góc theo phương pháp cân bằng diện tíchtrong trường hợp hệ thống mất ổn định.
- 252.9 Xác định mô phỏng mất ổn định dựa trên sự phân kỳ của gócmáy phát so với tâm quán tính.
- 614.7 Kịch bản mất ổn định máy phát G7.
- 624.8 Kịch bản mất ổn định máy phát G8.
- 624.9 Kịch bản mất ổn định máy phát G9.
- 65viii Các thuật ngữ viết tắtANN Mạng nơron nhân tạo (Artifical Neural Networks)CCT Thời gian cắt tới hạn (Critical Clearing Time)COA Tâm góc (Center Of Angle)COI Tâm quán tính (Center Of Inertia)EAC Phương pháp cân bằng diện tích (Equal Area Criterion)FA Cảnh báo sai sự cố không nguy hiểm (False Alarm)FD Loại trừ sai sự cố nguy hiểm (False Dismissal)HTĐ Hệ thống điệnMAPE Sai số trung bình phần trăm tuyệt đối (Mean Absolute Percent Error)QTQĐ Quá trình quá độSIME Mô hình đẳng trị một máy phát (Single Machine Equivalent)ix Chương 1Giới thiệu chungTrong quá trình lập phương thức vận hành cho hệ thống điện cũng như trongquá trình vận hành thời gian thực, việc đánh giá được chính xác và nhanh chóngmức độ ổn định của hệ thống theo các tiêu chuẩn khác nhau có ý nghĩa quantrọng.
- Ổn định quá độ là dạng ổn định của hệ thống điện khi có các kích độnglớn, dẫn điện biến động lớn về góc lệch của các máy phát.
- Giới thiệu 21.1 Mục tiêu nghiên cứuLuận văn đặt mục tiêu xây dựng một quy trình tạo số liệu huấn luyện các mạngtrí tuệ nhân tạo nhằm đánh giá mức độ ổn định quá độ của hệ thống điện, dựatrên số liệu của chế độ xác lập.
- Giới thiệu 3– Chương 1: Giới thiệu– Chương 2: Tổng quan về ổn định và ổn định quá độ, phương pháp đánhgiá ổn định quá độ của hệ thống điện– Chương 3: Giới thiệu về mạng nơ ron nhân tạo và các phương pháp trí tuệnhân tạo nhằm đánh giá ổn định hệ thống điện– Chương 4: Ứng dụng mạng nơ ron nhân tạo đánh giá ổn định một số hệthống điện mẫu.– Chương 5: Kết luận.
- Đánh giá ổn định quá độ hệ thống điện 5– Các phần tử điều chỉnh làm nhiệm vụ điều chỉnh và biến đổi trạng thái hệthống điện như bộ điều chỉnh kích từ máy phát điện đồng bộ, điều chỉnhtần số, bảo vệ rơle, máy cắt..
- Đánh giá ổn định quá độ hệ thống điện 6khác với các thông số hệ thống ở chỗ nó chỉ tồn tại khi hệ thoóng điện làm việc.Các thông số chế độ xác định hoàn toàn trạng thái làm việc của hệ thống điện.Các thông số chế độ quan hệ với nhau thông qua các thông số hệ thống điện,nhiều mối quan hệ này có dạng phi tuyến.
- Đánh giá ổn định quá độ hệ thống điện 8– Các yêu cầu của hệ thống điện được xem xét đến khi thiết kế và được đảmbảo bằng cách điều chỉnh thường xuyên trong quá trình vận hành hệ thốngđiện.2.2 Ổn định hệ thống điện2.2.1 Sự cân bằng công suấtĐiều kiện cần để chế độ xác lập có thể tồn tại là sự cân bằng tác dụng và côngsuất phản kháng.
- Đánh giá ổn định quá độ hệ thống điện 91.
- Đánh giá ổn định quá độ hệ thống điện 10Ổn định tĩnh là khả năng của hệ thống điện khôi phục lại chế độ ban đầu hoặcrất gần chế độ ban đầu sau khi bị kích động nhỏ.
- Đánh giá ổn định quá độ hệ thống điện 11máy phát điện sẽ xuất hiện dao động không tắt, đây là dạng mất ổn địnhdao động.• Ổn định điện áp: Là quá trình ổn định liên quan đến khả năng HTĐ duytrì điện áp tại các nút trong và sau các kích động lớn và nhỏ.
- Trên nguyêntắc, ổn định điện áp có thể xảy ra trong các quá trình quá độ ngắn hạn,nếu cấu trúc HTĐ có các động cơ lớn.
- IEEE [2] đề xuất khôngsử dụng thuật ngữ ổn định quá độ (Transient Stability) để mô tả các quátrình mất ổn định điện áp.
- Các nội dung lýthuyết cơ bản của ổn định quá độ sẽ được trình bày trong phần sau.
- Đánh giá ổn định quá độ hệ thống điện 15Hình 2.2: Đồ thị đặc tính công suất máy phát theo góc áp dụng phương phápcân bằng diện tích.Ở công suất cơ ban đầu Pm0, δ = δ0và hệ thống làm việc tại điểm a.
- Phương phápcân bằng diện tích cho phép xác định ổn định của hệ thống dựa trên đồ thị đặctính công suất máy phát theo góc.
- Do đó, điều kiện ổn định động:ω0HδZδ0(Pm− Pe)dδ Chương 2.
- Đánh giá ổn định quá độ hệ thống điện 17Điều này nghĩa là diện tích của hàm Pm− Petheo δ phải bằng 0, hay diện tíchAaccbằng diện tích Adec.
- Đánh giá ổn định quá độ hệ thống điện 18• δm: Góc lớn nhất,• δu: góc giới hạn mất ổn định của máy phát.
- Đánh giá ổn định quá độ hệ thống điện 19Giá trị diện tích của hai miền này (Aacc, Adec) phụ thuộc vào trị số của góc cắtchậm nhất δcc.
- Đánh giá ổn định quá độ hệ thống điện 20Hình 2.5: Đặc tính công suất-góc theo phương pháp cân bằng diện tích trongtrường hợp hệ thống ổn định.Hình 2.6: Đặc tính công suất-góc theo phương pháp cân bằng diện tích trongtrường hợp hệ thống mất ổn định.
- Đánh giá ổn định quá độ hệ thống điện 21Với mô hình máy phát điện đơn giản và các đặc tính công suất - góc như trênhình 2.4, có thể viết được biểu thức giải tích của diện tích tăng tốc cũng nhưdiện tích hãm tốc, dựa trên góc cắt δcc.
- Mặt khác, sựlàm việc của hệ thống tự động điều chỉnh kích từ (TĐK) có ảnh hưởng đáng kểđến độ ổn định của hệ thống.Với lý do trên, nhìn chung để đánh giá ổn định quá độ của hệ thống điện, cầnsử dụng các chương trình tích phân số để có được kết quả chính xác nhất.
- Tuynhiên, tiêu chuẩn cân bằng diện tích vẫn là một phương pháp phân tích rất cóích vì nó cho ta biết được một cách định tính các yếu tố ảnh hưởng đến khảnăng ổn định quá độ của hệ thống điện.
- Đánh giá ổn định quá độ hệ thống điện 222.3.3 Phương pháp xác định thời gian cắt tới hạn CCTdựa trên mô phỏngCác phân tích trong phần trước cho thấy rằng góc cắt tới hạn, hay thời gian cắttới hạn có thể được dùng như một tiêu chí đánh giá mức độ ổn định góc lệch củamột chế độ làm việc.
- Vì vậy đối với các sự cố tronghệ thống điện, đây là thời gian cắt tới hạn nhỏ nhất cho phép, nếu muốn duytrì ổn định cho hệ thống.
- Việc xác định thời gian cắt tới hạn, hay CCT là mộtcông việc cần thiết trong quá trình đánh giá ổn định của chế độ làm việc.Như đã trình bày trong phần 2.3.2, phương pháp cân bằng diện tích chỉ có thểáp dụng được với mô hình HTĐ đơn giản trong đó máy phát được mô tả bằnghệ phương trình bậc 2.
- Đánh giá ổn định quá độ hệ thống điện 231.
- Chọn thời gian giải trừ sự cố ban đầu đủ lớn để hệ thống mất ổn định (tu),chọn một thời gian giải trừ sự cố đủ nhỏ để hệ thống ổn định (tst)2.
- Nếu hệ thống mất ổn định thì đặt tu= te.
- Sơ đồ khối của phương pháp này được minh họa trênhình 2.7.Một tiêu chí cần xác định trong quy trình đánh giá CCT như trên hình 2.7 là:Làm thế nào để xác định một đáp ứng quá độ đã mất ổn định/đã ổn định, quađó cho phép kết thúc mô phỏng? Để đánh giá độ ổn định của hệ thống điện tacăn cứ vào việc quỹ đạo góc lệch của các máy phát sau sự cố có giữ được đồngbộ với nhau hay không (coherency index.
- Đánh giá ổn định quá độ hệ thống điện 240tt Mô phỏngEndỔn địnhKhông ổn địnhChọn đủ lớn.
- Đánh giá ổn định quá độ hệ thống điện 25Thông thường, nếu ∆δi,kvượt quá giá trị 1800, có thể coi là máy phát i đã mấtđồng bộ so với phần còn lại của hệ thống.
- Đánh giá ổn định quá độ hệ thống điện 26Một cách định tính, phương pháp vừa mô tả nêu trên theo dõi sự phân kỳ củagóc máy phát cần quan tâm δi,kso với góc của tâm quán tính.
- Nếu sự phân kỳxảy ra, có thể kết luận máy đã bị mất đồng bộ so với phần còn lại của hệ thống.Hình 2.9 trình bày kết quả mô phỏng mất ổn định của máy phát 9 trong lướiIEEE 39 nút.
- Đánh giá ổn định quá độ hệ thống điện 27định thời gian cắt tới hạn CCT.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 29Trong chương này, tác giả nghiên cứu khả năng sử dụng mạng nơ ron nhân tạođánh giá phân loại chế độ vận hành dựa trên tiêu chuẩn thời gian cắt tới hạn.3.1 Tổng quan về mạng nơ ron nhân tạoMạng nơ ron nhân tạo ANN (Artifical Neural Networks) là mô hình xử lý thôngtin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật,bao gồm số lượng lớn các nơ ron được gắn kết để xử lý thông tin.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 30Hình 3.1: Mô hình nơ ron nhân tạo– Tập các liên kết: Mỗi liên kết được thể hiện bởi một trọng số liên kết(weight).
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 31Xét về mặt toán học, cấu trúc của một nơ ron i, được mô tả bằng cặp biểu thứcsau:yk= f (uk− bk)uk=NP0wkixi(3.1)Trong đó véc tơ đầu vào x = [x1, x2.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 32thông qua "bộ lọc" (filter) các trọng số.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 33Hình 3.3: Mạng phản hồi3.1.3 Huấn luyện mạng ANNMột mạng nơ ron được huyấn luyện sao cho với một tập các vector đầu vào X,mạng có khả năng tạo ra tập các vector đầu ra mong muốn Y của nó.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 34trong đó: x = (x1, x2.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 35Phương pháp này cụ thể như sau: với vector đầu vào, quan sát vector đầu ra domạng tính được.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 36nó.- Đầu ra của nơ ron tầng trước là đầu vào của nơ ron thuộc tầng liền sau nó.Hoạt động của mạng MLP như sau: tại tầng đầu vào các nơ ron nhận tín hiệuvào xử lý (tính tổng trọng số, gửi tới hàm truyền) rồi cho ra kết quả (là kết quảcủa hàm truyền).
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 37Hình 3.5: Bài toán phân lớp tuyến tínhHàm tuyến tính phân biệt hai lớp như sau:f(x.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 38- H−đi qua x−và song song với H0,H+: hw • xii + b = 1 (3.5)H−: hw • xii + b = −1 (3.6)sao cho:hw • xii + b ≥ 1 nếu yi= 1hw • xii + b ≤ 1 nếu yi= −1SVM tiếp cận giải quyết vấn đề này thông qua khái niệm gọi là lề (margin).
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 39Theo lý thuyết đại số vectơ, khoảng cách từ một điểm xiđến mặt siêu phẳnghw • xi + b = 0 là:|hw • xii|kwk(3.7)trong đó kwk là độ dài của vectơ wkwk =phw • wi =qw21+ w22.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 40Cực tiểu hóa :hw • wi2với điều kiện: yihw • xii + b ≥ 1, ∀i = 1.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 41phân lớp cho một điểm dữ liệu mới sẽ chỉ phụ thuộc vào các support vector.Còncác điểm dữ liệu còn lại (không phải vectơ hỗ trợ) thì αi= 0.Trong trường hợp tổng quát, các điều kiện Karush-Kuhn-Tucker là cần đối vớimột lời giải tối ưu, nhưng chưa đủ.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 42hợp của mạng nơ ron nhân tạo (ANN).
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 43• Node lá: mang tên lớp Ci(hình tròn).Hình 3.7: Ví dụ về cây quyết địnhĐể phân lớp mẫu dữ liệu chưa biết, giá trị các thuộc tính của mẫu được đưa vàokiểm tra trên cây quyết định.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 44độ chính xác của cây quyết định bằng cách loại bỏ sự phụ thuộc vào mứcđộ lỗi (noise) của dữ liệu đào tạo mang tính chất thống kê, hay những sựbiến đổi mà có thể là đặc tính riêng biệt của dữ liệu đào tạo.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 45Độ lợi thông tin dựa trên phân nhánh bằng thuộc tính A là:Gain(A.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 463.3 Một số công cụ trí tuệ nhân tạo khácHiện nay, các công cụ trí tuệ nhân tạo đang có bước phát triển rất mạnh mẽ.Những năm gần đây chứng kiến sự phát triển vượt bậc về tính chính xác củacác giải thuật máy học.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 47• Khối tiền xử lý số liệu: Trên hình 3.8, khối này được biểu diễn bằng khối"Excecute Python Script".
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 48Hình 3.8: Giao diện Azure Web Portal.3.4 Ứng dụng mạng ANN trong đánh giá ổnđịnh động của HTĐCác nghiên cứu về mạng nơron nhân tạo nói chung và mạng MLP nói riêng đãchỉ ra rằng mạng MLP có khả năng xấp xỉ hàm số với độ phức tạp cao (universalapproximator).
- Trong lĩnh vực HTĐ, mạng MLP đã được sử dụng để xấp xỉ hóavà phân loại ranh giới ổn định của hệ thống điện.
- Các nghiên cứu này cho thấy mạng MLP cóthể được huấn luyện để đánh giá ổn định động của HTĐ thông qua việc đánhgiá thời gian cắt tới hạn CCT của chế độ làm việc.
- Các phương pháp trí tuệ nhân tạo đánh giá ổn định hệ thống điện 49Việc sử dụng mạng MLP đánh giá ổn định động có ý nghĩa trợ giúp người vậnhành ra quyết định trong quá trình vận hành lưới điện, nhằm nâng cao ổn định.Bên cạnh việc xấp xỉ hàm số, mạng MLP có quan hệ đầu vào-đầu ra là một ánhxạ phi tuyến, liên tục và khả vi.
- Qua đó, có thể tính được độ nhạycủa giới hạn ổn định theo các thông số của chế độ xác lập.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 52Nhập số liệu HTĐ mẫuThay đổi thông số CĐXL theo (4.1)Tính CĐXL.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 53quyết định bởi các tham số ∆PL, ∆QL, ∆PGvà ∆UG.Số liệu sử dụng để huấn luyện mạng nơ ron được chia thành các nhóm số liệuchính như sau:• Pg: Công suất tác dụng của các máy phát điện.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định Hình 4.3: Sơ đồ lưới điện IEEE 9 nút.Đối với lưới điện này, sự cố được xem xét là ngắn mạch 3 pha tại đầu cực máyphát số 2.
- Tachọn 180s (giá trị này nằm giữa miền phân bố hơn so với giá trị 205ms) là gianhgiới để phân loại giữa chế độ ổn định và không ổn định.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định Thời gian cắt tới hạn (s)Số mẫuHình 4.4: Phân bố các giá trị CCT của các chế độ làm việc, lưới IEEE 9 nút.Bảng 4.2 minh họa bộ số liệu huấn luyện được tạo ra sau khi tiến hành tạo sốliệu theo quy trình đã mô tả trong phần 4.1.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 57Bảng 4.2: Số liệu CCT của máy phát G2, lưới IEEE 9 nút.Pg1 Pg2 Pg3 Vg1 Vg2 Vg3 P5 P6 P8 CCT(MW) (MW) (MW) (pu) (pu) (pu) (MW) (MW) (MW) (s Chương 4.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 584.2.1 Kết quả phân loại với công cụ Neural NetworkToolbox (MATLAB)Khi sử dụng công cụ phân loại dựa trên mạng nơ ron của MATLAB NeuralNetwork, kết quả đánh giá phân loại được liệt kê rất chi tiết như trên hình 4.51.Trong hình 4.5, nhóm 1 là các chế độ làm việc không ổn định, nhóm 2 là các chếđộ ổn định.
- Đối với lưới điện IEEE9 nút, giá trị CCT = 180ms đượcsử dụng để phân loại giữa các chế độ ổn định và không ổn định.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 59Bảng 4.3: Kết quả phân loại CCT với mạng nơ ron, lưới IEEE 9 nút.Đầu vàoKết quả phân loạiTỉ lệ phân loại đúng Tỉ lệ phân loại sai False Alarm False DismissalPg, Qg Pg U, θ Pg, θ Pg, Ug Kết quả phân loại với công cụ Support Vector Ma-chineTrong luận án này, công cụ SVM được sử dụng là phần mềm miễn phí LibSVM[17].
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 614.3 Lưới điện IEEE 39 nút4.3.1 Mô tả chung về lưới điệnLưới điện IEEE 39 nút là lưới điện được sử dụng rất phổ biến trong các nghiêncứu về ổn định quá độ của hệ thống điện.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 62Các kịch bản mất ổn định điển hình của các máy phát này được minh họa trênhình Time [s]Speed [pu]Hình 4.7: Kịch bản mất ổn định máy phát G Time [s]Speed [pu]Hình 4.8: Kịch bản mất ổn định máy phát G Time [s]Speed [pu]Hình 4.9: Kịch bản mất ổn định máy phát G9.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 63Đây là các kịch bản mô phỏng sự cố ngắn mạch đầu cực máy phát G7, G8 vàG9, với thời gian sự cố là 200ms, riêng máy phát G9 mô phỏng với thời gian sựcố 100ms.Qua các đáp ứng mô phỏng sự cố đầu cực các máy phát, có thể thấy rằng sự cốmáy phát G7 và G8 là các sự cố phức tạp.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 64Bảng 4.7: Kết quả phân loại CCT lưới IEEE 39, sự cố đầu cực máy phát G7.Đầu vàoKết quả phân loạiTỉ lệ phân loại đúng Tỉ lệ phân loại sai False Alarm False DismissalTwo-class Boosted Decision Tree (AZUREML)Pg Pg, Qg U, θ Pg, θ Pg, Ug Mạng nơ ron nhân tạo (MATLAB)Pg Pg, Qg U, θ Pg, θ Pg, Ug Mạng SVMPg Pg, Qg U, θ Pg, θ Pg, Ug Chương 4.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 664.3.3 Một số phân tích định tínhĐể có một đánh giá định tính sự ảnh hưởng của các thông số chế độ xác lập đếnthời gian cắt tới hạn CCT, hình 4.10 và 4.12 biểu diễn các cặp giá trị biến đầuvào.
- Tuy nhiên, sự ổn định của sự cố này lại đượctăng thêm khi tăng công suất phản kháng phát ra ở đầu cực máy G9.
- Đây làkết quả phản ánh chính xác quy luật định tính của phương pháp diện tích.Công suất tác dụng máy G9 (MW)Không ổn định Ổn định Hình 4.10: Phân bố các điểm làm việc theo P9-Q9.Để đánh giá khả năng của các công cụ trí tuệ nhân tạo trong việc "học" đượcquy luật trên, có thể tiến hành đánh giá độ nhạy của các mạng trí tuệ nhân Chương 4.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 67tạo theo sự dao động của các thông số đầu vào.
- Có thể xác định được một ranh giới ổn định dựa trên haitham số P8 và P9, như trên hình 4.12.
- Tuy vậy cách phân loại này cũng tạo rakhá nhiều ngoại lệ: một số chế độ làm việc có P8 và P9 khá nhỏ nhưng vẫn cóđáp ứng không ổn định.
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định Công suất máy G8 (MW)Không ổn định Ổn địnhHình 4.12: Phân bố các điểm làm việc theo P8-P9.Tương tự như trường hợp đánh giá CCT của máy G9, hình 4.13 trình bày kếtquả đánh giá độ nhạy của mạng SVM đánh giá CCT máy số 8, theo các yếu tốđầu vào đã được chuẩn hóa (công suất các máy từ G1 đến G10).
- Ứng dụng công cụ trí tuệ nhân tạo đánh giá ổn định 69Biến đầu vàoĐộ nhạyP8P U8U9Hình 4.13: Độ nhạy của mạng SVM khi dự báo CCT sự cố máy phát G8 vớicác biến đầu vào.mạng trí tuệ nhân tạo, không những ta được một công cụ đánh giá mức độ ổnđịnh, mà một số quy luật định tính liên quan đến tương quan giữa đầu vào vàđầu ra cũng được thể hiện qua việc đánh giá độ nhạy.
- Thông quađó, mức độ ổn định của các chế độ làm việc mới có thể được đánh giá một cáchtương đối chính xác mà không cần tiến hành mô phỏng dựa trên các phươngpháp tích phân số.
- Luận văn đã tiến hành thử nghiệm việc sử dụng các mạngtrí tuệ nhân tạo trong việc phân loại các chế độ làm việc theo điều kiện ổn địnhquá độ.Các kết quả thử nghiệm cho thấy mạng trí tuệ nhân tạo có thể phân loại đượcvới độ chính xác tương đối cao mức độ ổn định quá độ của hệ thống điện.
- Vì vậy, có thể kết luận việc70 Kết luận 71sử dụng các công cụ trí tuệ nhân tạo nhằm phân loại các chế độ làm việc theođiều kiện ổn định quá độ là khả thi.
- Quy trình thực hiện trong luận văn trêncó thể được mở rộng cho việc phân loại chế độ làm việc theo các dạng ổn địnhkhác như ổn định điện áp.Trong luận văn đã tiến hành thử nghiệm với rất nhiều công cụ trí tuệ nhân tạokhác nhau, bởi các nguồn khác nhau.
- Việc đánh giá sự ưu việt của mộtmạng trí tuệ nhân tạo so với các mạng khác cần các nghiên cứu chi tiết hơn.Các hướng phát triển tiếp theo của luận văn bao gồm mở rộng quy trình môphỏng và phân loại chế độ làm việc theo các điều kiện ổn định khác như ổn địnhđiện áp.
- Út, Phân tích và điều khiển ổn định Hệ thống điện.
- Bách, Ổn định của hệ thống điện

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt