Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural
NHẬN DẠNG SỰ CỐ TRẠM BIẾN ÁP TRUYỀN TẢI
BẰNG WAVELET VÀ MẠNG NEURAL
IDENTIFYING THE TRANSMITTER OF THE TRANSMITTER
BY WAVELET AND NEURAL NETWORK
Nguyen Duc Toan1, Nguyen Nhan Bon2
1Trường Trung cấp Kinh tế - Kỹ thuật Tiền Giang
2Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh
TÓM TẮT
Trong hệ thống điện, vấn đề bảo vệ là vô cùng quan trọng, ảnh hưởng trực tiếp đến sự ổn
định, quá trình vận hành của tổng thể hệ thống. Hệ thống bảo vệ có hoạt động tốt thì hệ thống
điện mới vận hành cân bằng và ổn định, cô lập nhanh điểm sự cố. Trong bảo vệ hệ thống điện thì
vấn đề nhận dạng sự cố, loại sự cố, điểm sự cố là quan trọng nhất. Do đó bài báo này sẽ trình bày
một phương pháp nhận dạng phân tán sự cố trong trạm biến áp cũng như trong hệ thống điện
dùng biến đổi Wavelet kết hợp với mạng Neural. Trong đó, các sóng điện áp và dòng điện trên
đường dây được mô phỏng bằng Matlab simulink. Wavelet có nghĩa là sóng nhỏ, phân tích tín hiệu
thành tổng của các phiên bản dịch và tỷ lệ của Wavelet cơ bản (Wavelet mẹ). Wavelet cơ bản ở đây
không phải là các hàm sine hay cosine như trong biến đổi Fourier mà là các sóng nhỏ có thời gian
duy trì tới hạn và giá trị trung bình bằng không.
Từ khóa: Nhận dạng sự cố hệ thống điện; trạm biến áp; wavelte và mạng neural.
ABSTRACT
In the electrical system, the protection is extremely important, directly affecting the stability and
operation of the overall system. Protection system works well, the new electrical system operates balanced
and stable, quickly isolating trouble spots. In the protection of the electrical system, problem identification,
type of incident, trouble spots are most important. This article will present a method for identifying incident
dispersion identities in substations as well as in wavelet transformed electrical systems in conjunction with
Neural networks. In that, the voltage waves and currents on the line are simulated by the Matlab simulink.
Wavelet means small waves, signal analysis into the sum of the translated versions and the proportion of
the basic wavelet (parent wavelet). The basic wavelets here are not as sine or cosine functions as in Fourier
transforms but rather as small waves with critical retention times and zero mean values.
Keywords: Identification of power system failures; substation; wavelte and neural networks
1. Tổng quan
Các sự cố trong trạm biến áp gồm: ngắn
mạch 1 pha, ngắn mạch 2 pha, ngắn mạch 2
pha chạm đất, ngắn mạch 3 pha tại thanh cái
hay đường dây vào trạm, đứt dây, sự cố nội bộ
máy biến áp, sự cố lộ ra, sự cố điện áp, tần số.
Với mỗi phần tử trong trạm có các mạng
Wavelet – Neural nhận dạng và điều khiển
khác nhau. Mạng Wavelet – Neural nhận dạng
và điều khiển phân tán sự cố trạm biến áp là
phải nhận biết được dạng sự cố, điểm sự cố và
Hình 1.1: Ngọn cây dầu dính vào dây
dẫn Pha C cách trạm 500kV Tân Định 2,5
km đường dây 500kV Tân Định (573, 574) -
Di Linh (571, 572) (sự cố lúc 13g50, ngày 22
tháng 05 năm 2013-PTC4)
đưa ra tín hiệu điều khiển phù hợp đảm bảo cô
lập được sự cố, ổn định trạm cũng như toàn hệ
thống.
Do đó, cần thiết phải tìm ra vị trí sự cố
chính xác để nhanh chóng đưa ra phương án
sửa chữa và khôi phục lại cung cấp điện, giảm
thiểu thời gian mất điện, tiết kiệm được thời
gian và công sức tìm kiếm. Đó là mục tiêu
hướng đến của các Công ty Truyền tải điện nói
chung. Nghiên cứu các phương pháp “Nhận
dạng sự cố trạm biến áp truyền tải bằng
Wavelet và mạng Neural” là một điều cần thiết
trong việc quản lý vận hành một hệ thống điện.
trạng thái thỏa một số tiêu chuẩn nào đó (Nhận
Dạng – Hoàng Kiếm, Nguyễn Ngọc Kỷ, Bạch
Hưng Khang, Quách Tuấn Ngọc, Lê Tự
Thành, Lương Chi Mai – Nhà xuất bản Thống
Kê).
Một đối tượng hay một quá trình, nhìn
chung có vô số các nét đặc trưng để mô tả.
Trong thực tế người ta chỉ khai thác một số
các biểu diễn ứng với một số hữu hạn các nét
đặc trưng. Như vậy, ta chỉ xem xét hình chiếu
của đối tượng lên một không gian hữu hạn có
các chiều ứng với các nét đặc trưng.
Bài báo sẽ thiết kế, huấn luyện mạng
Wavelet – Neural nhận dạng và điều khiển
phân tán sự cố trạm biến áp. Điều khiển phân
tán ở đây là trạm biến áp được phân nhỏ thành
các phần tử là đường dây (đi vào hay đi ra),
thanh cái, máy biến áp và các lộ ra. Với mỗi
phần tử như vậy ta có một mạng Wavelet –
Neural nhận dạng loại sự cố, vị trí sự cố và
điều khiển cô lập sự cố. Các sự cố được bảo
vệ cấp 2 cho máy cắt (Breaker Fault) bằng
cách đi cắt máy cắt cao hơn (phía nguồn tới)
trong trạm hay gửi tín hiệu cắt máy cắt ở trạm
khác.
Sơ đồ nguyên lý của quá trình nhận dạng:
Hình 2.1: Sơ đồ một quá trình nhận dạng
Có nhiều đối tượng cần nhận dạng như nhận
dạng và phân tích ảnh, nhận dạng chữ viết và
tài liệu, nhận dạng đường cong tín hiệu, nhận
dạng tiếng nói. Trong phần này ta chỉ trình bày
một số khái niệm về nhận dạng đường cong
tín hiệu.
Hình 1.2: Mô hình trạm biến áp
Tương ứng với mạng WN:
2.2 Mạng Neural, áp dụng cho nhận
dạng và điều khiển sự cố
Trong cuốn sách “Điều khiển học, hay
điều chỉnh và sự truyền thông trong cơ thể
sống, trong máy móc” của tác giả Nobert
Wieners xuất bản năm 1948 đã đề cập đến
việc điều khiển học phải đặt ra mục đích
nghiên cứu là áp dụng nguyên lý làm việc của
hệ thần kinh động vật. Tuy trí tuệ nhân tạo và
mạng Neural đã được phát minh trước đó
nhưng đến thời điểm này nó mới được chú ý
phát triển và áp dụng vào thực tế. Các hệ
chuyên gia, sự kết hợp giữa logic Mờ và mạng
Neural trong thiết kế hệ thống điều khiển tự
động là hướng phát triển mới, thiết kế hệ điều
khiển thông minh - một hệ thống mà bộ điều
khiển có khả năng tư duy như bộ não người.
Hình 1.3: Mô hình mạng WN bảo vệ trạm
biến áp
2. Lý thuyết nhận dạng, biến đổi wavelet
và mạng neural áp dụng cho nhận
dạng sự cố
2.1 Lý thuyết nhận dạng, biến đổi
Wavelet áp dụng cho nhận dạng sự
cố
Trong quá trình hoạt động và tư duy của
con người, nhận dạng đóng một vai trò rất
quan trọng. Về bản chất, nhận dạng là xây
dựng các thủ tục phân loại một tập các đối
tượng. Việc giải quyết vấn đề này đòi hỏi một
số giả thiết, chủ yếu là giả thiết tồn tại một
Mạng Neural:
góc pha của tín hiệu.
Relay khoảng cách kỹ thuật số đã có
những cải tiến cơ bản. Xử lý tín hiệu là khâu
quan trọng nhất của relay khoảng cách kỹ
thuật số. Thời gian gần đây, phương pháp
phân tích Fourier và bộ lọc Kalman trở thành
phương pháp chính trong sử lý tín hiệu của
relay khoảng cách. Việc tác động hay không
tác động được cải tiến khi so sánh tình trạng
cơ điện và trạng thái relay. Tuy nhiên relay
làm việc có chính xác không còn phụ thuộc
vào loại sự cố, sự xuất hiện các thành phần tần
số cao và thành phần DC.
Hình 2.2: Một số mạng Neural thông
thường
Phương thức làm việc của mạng Neural:
Phương thức làm việc của một mạng
Neural nhân tạo có thể chia làm 2 giai đoạn:
3.2 Mạng Wavelet – Neural nhận dạng và
bảo vệ sự cố máy biến áp, thanh cái
1- Tự tái tạo lại (reproduction)
2- Giai đoạn học (learning phase)
Phương pháp bảo vệ so lệch được áp
dụng cho bảo vệ máy biến áp và thanh cái.
Bảo vệ so lệch phải phân biệt được sự cố trong
vùng, sự cố ngoài vùng bảo vệ và chỉ có sự cố
trong vùng bảo vệ mới được tác động cắt máy
cắt cô lập máy biến áp, thanh cái.
Ở mạng Neural có cấu trúc bền vững có
nghĩa là vectơ hàm trọng lượng đầu vào, khâu
tạo đáp ứng và khâu tạo tín hiệu ra đều cố định
về cấu trúc cũng như tham số thì mạng có một
quá trình xử lý xác định, chắc chắn. Tính chất
tĩnh hay động phụ thuộc vào cấu tạo của các
Neural trong mạng. Khi đầu vào nhận được
một thông tin, mạng Neural dựa vào tri thức
của mình và cho ra ở đầu ra một đáp ứng
tương ứng, xác định. Đối với mạng Neural
truyền đạt tĩnh thì đáp ứng xuất hiện tức thời
còn đối với mạng Neural truyền đạt động thì
phải qua một thời gian quá độ mới xuất hiện
đáp ứng. Quá trình làm việc như vậy được gọi
là quá trình tái diễn lại.
Ta có thể tính toán dòng điện so lệch giữa
sơ cấp và thứ cấp máy biến áp. Đo các dòng
điện phía sơ cấp IAp, IBp, ICp, INp (p:
primary) và các dòng điện phía thứ cấp IAs,
IBs, ICs, INs (s: secondary), sau đó ta tính các
dòng điện so lệch: IAsl = (IAp + k.IAs), IBsl
= (IBp + k.IBs), ICsl = (ICp + k.ICs), INsl =
(INp + k.INs) theo đúng cực tính và góc lệch
pha giữa sơ cấp và thứ cấp. Ở đây k là tỷ số:
(số vòng dây cuộn thứ cấp)/(số vòng dây cuộn
sơ cấp). Khi máy biến áp vận hành bình
thường hay khi có sự cố ngoài vùng bảo vệ,
các đại lượng dòng điện so lệch bằng zero, khi
có sự cố trong vùng bảo vệ thì các đại lượng
dòng so lệch sẽ tăng cao. Tiến hành phân tích
Wavelet rời rạc cho các dòng so lệch này.
Nhận dạng sự cố máy biến áp tương tự như
phương pháp nhận dạng sự cố trên đường dây
áp dụng với các dòng điện so lệch máy biến
áp sẽ cho ra được máy biến áp có bị sự cố hay
không.
3. Nhận dạng sự cố trạm biến áp truyền tải
bằng wavelet và mạng neural
3.1 Mạng Wavelet – Neural nhận dạng và
điều khiển sự cố đường dây tải điện
Có rất nhiều phương pháp bảo vệ đường
dây và cho kết quả tốt. Đường dây truyền tải
có bảo vệ chính là bảo vệ khoảng cách.
Nguyên tắc của bảo vệ là tính toán tổng trở
ngắn mạch ở tần số cơ bản từ điểm đặt bảo vệ
tới điểm ngắn mạch, từ đó xác định được sự
cố nằm trong vùng hay ngoài vùng bảo vệ.
Tính toán tổng trở sự cố từ việc đo đếm dòng
điện và điện áp bảo vệ. Các tín hiệu đo thường
chứa đựng các họa tần bậc cao và thành phần
DC, ảnh hưởng đến độ chính xác về độ lớn và
Đối với bảo vệ thanh cái, ta coi thanh cái
như là một nút có tổng tất cả các dòng điện đi
vào và đi ra bằng zero. Khi xẩy ra ngắn mạch
tại thanh cái tổng các dòng điện này sẽ khác
zero. Như vậy, bảo vệ so lệch thanh cái là tính
toán dòng điện so lệch bằng tổng tất cả các
dòng điện đi vào và đi ra thanh cái có tính đến
tỷ số các biến dòng đo lường và cực tính.
Nhận dạng sự cố thanh cái tương tự như
phương pháp nhận dạng sự cố trên đường dây
áp dụng với các dòng điện so lệch thanh cái sẽ
cho ra được thanh cái có bị sự cố hay không.
4. Áp dụng mạng wavelet – neural nhận
dạng và điều khiển phân tán sự cố trạm
biến áp 110kv gò công
Hình 4.2: Sơ đồ mô phỏng trạm biến áp
110KV Gò Công trên Matlab
4.1. Sơ đồ nguyên lý, thông số, quy tắc
điều khiển sự cố trạm 110KV Gò Công
Mô phỏng trạm biến áp 110KV Gò Công
với thời gian từ 0 đến 0.12s (6 chu kỳ) với sự
cố ngắn mạch xẩy ra trong 3 chu kỳ cuối (từ
0.06 đến 0.12s). Lập trình tính toán giá trị
nhận dạng sự cố ngắn mạch theo công thức
trong thời gian 1 chu kỳ (chu kỳ 4 - từ 0.06
đến 0.08s) cho các mạng WNT1, WNC41,
WN471, WN473, WN475, WN477, WN479,
WN401, WN412 và trong 2 chu kỳ (chu kỳ 4,
5 - từ 0.06 đến 0.1s) cho các mạng WN131,
WN431 bằng phân tích Wavelet các dòng điện
đo lường, từ đó xác định giá trị ngưỡng nhận
dạng sự cố.
Trạm biến áp 110KV Gò Công thuộc địa
phận thị xã Gò Công. Là một trạm phân
phối trung áp biến đổi từ cấp điện áp cao
áp 110KV xuống cấp điện áp phân phối
22KV, tuy vậy trạm chỉ khai thác tải ở cấp,
cấp 22KV để hở. Trạm nhận điện từ 2
nguồn 110KV:
- Nguồn 1: Nối với đường dây Gò Công
Tây
- Nguồn 2: Nối với đường dây Cần Đước
Trạm bao gồm 1 thanh cái 110KV C11,
máy cắt 110KV 131, máy biến áp 115/23-
15.75KV T1. Dàn tủ điện hợp bộ 22KV
gồm thanh cái C41, máy cắt tổng 431, các
phát tuyến lộ ra 471 , 473, 475 , 477, 479,
401, 412, máy cắt tụ bù 401 và ngăn tủ tự
dùng.
Như vậy, từ kết quả trên ta hoàn toàn có
thể áp dụng mạng Wavelet – Neural để bảo vệ
trạm biến áp Gò Công thay thế cho bảo vệ
bằng relay. Một ưu điểm nổi bật khác của
mạng Wavelet – Neural là ta có thể lập trình,
thay đổi phương thức, chế độ bảo vệ một cách
dễ dàng chứ không cứng nhắc về mạch và trị
số cài đặt như bảo vệ bằng relay.
5. Kết luận
Luận văn đã thực hiện được nhiệm vụ kết
hợp biến đổi Wavelet và mạng Neuron nhận
dạng và điều khiển phân tán sự cố trạm biến
áp cũng như hệ thống điện. Với các tín hiệu
điện áp, dòng điện đo lường từ điểm bảo vệ,
thực hiện biến đổi Wavelet các dòng điện với
Wavelet mẹ db1, tính toán trị số nhận dạng
||D1|| cho các pha và trung tính từ các hệ số
chi tiết mức 1 để nhận dạng sự cố ngắn mạch.
Thực hiện biến đổi Wavelet điện áp các pha
với Wavelet mẹ db4 để nhận dạng sự cố điện
áp. Kết quả từ mạng Wavelet được đi đến ngõ
vào mạng Neuron nhận dạng sự cố, loại sự cố
và đưa ra tín hiệu điều khiển và báo hiệu phù
hợp.
Hình 4.1: Sơ đồ nguyên lý trạm 110KV Gò
Công
4.2. Mô phỏng, biến đổi Wavelet nhận
dạng sự cố các phần tử trong trạm
Sơ đồ mô phỏng trạm biến áp 110KV Gò
Công trên Matlab:
Từ kết quả nhận dạng sự cố đường dây,
máy biến áp, thanh cái trong chương 4 cũng
như kết quả nhận dạng sự cố trạm biến áp
110KV Gò Công trong chương 4, mặc dù
phương pháp nhận dạng ở đây là tuyến tính
nhưng ta có thể kết luận rằng sự kết hợp biến
đổi Wavelet và mạng Neuron để bảo vệ phân
tán sự cố trạm biến áp cũng như hệ thống điện
là chính xác và tin cậy, đảm bảo nhận dạng và
điều khiển tốt sự cố trên đường dây và trạm
điện.
mạng Nơ ron kết hợp với phân tích Wavelets
được đề xuất.
- Thực hiện biến đổi wavelet để tách các
đặc trưng năng lượng cho tín hiệu nhiễu loạn
điện thu được, đây là phương pháp phổ biến
và có hiệu quả cao hiện nay khi phâ tích các
tín hiệu có đặc trưng thời gian- tần số cần thu
nhận.
- Sử dụng mạng nơ ron để nhận dạng các
đặc trưng năng lượng đã phân tích được bằng
phương pháp biến đổi wavelet.
Từ những kết quả đã đạt được trong các
nghiên cứu đã được đưa ra như trong phần
trên, luận văn " Nhận dạng sự cố trạm biến áp
truyền tải bằng Wavelet và mạng Neural" đề
xuất hướng nghiên cứu như sau:
- Nghiên cứu thực hiện các phép biến đổi
wavelet cũng như nhận dạng bằng mạng nơ
ron trên phần mềm Matlab 2015 để có thể tự
động nhận dạng và phân loại các tín hiệu quá
độ đầu vào.
- Thiết lập các tín hiệu nhiễu loạn về chất
lượng điện năng tương ứng với từng hiện
tượng nhiễu loạn, đây là nguồn dữ liệu quan
trọng cho các phương pháp nhận dạng và
phương pháp các tín hiệu quá độ dựa vào
- Xây dựng giao diện người dùng thân
thiện để kiểm tra đánh giá kết quả thu được từ
giải thuật cũng như làm tài liệu nghiên cứu sau
này.
TÀI LIỆU THAM KHẢO
[1]. Nguyễn Hữu Phúc, Nguyễn Tấn Đời. Nhận dạng và phân loại các hiện tượng quá độ trên hệ
thống điện bằng mạng nơron kết hợp với phân tích wavelet. Tạp chí phát triển KH&CN, tập 9, số 2
-2006.
[2]. Nguyễn Hữu Phúc, Trương Đình Nhơn. Kỹ thuật phân tích wavelets kết hợp với fuzzy logic để
nhận dạng nhiễu trong hệ thống điện. Tạp chí phát triển KH&CN, tập 9, số 5 -2006.
[3]. Nguyễn Hữu Phúc, Trương Quốc Khánh, Nguyễn Nhân Bổn. Ứng dụng kỹ thuật wavelet trong
trong việc phân tích và nhận dạng các vấn đề chất lượng điện năng. Tạp chí phát triển KH&CN, tập
9, số 1 -2006.
[4]. Hồ Văn Nhật Chương, Võ Ngọc Thiện. Ứng dụng Wavelet trong việc nhận dạng quá điện áp.
Tạp chí phát triển KH&CN Trường ĐH Bách Khoa – ĐHQG-HCM.
[5]. P.S.Wright,”Short time fourier transform and wigner-ville distributions applied to the calibration
of power frequency harmonic analyzers,” IEEE Trans.instrum.meas. (1999) 475-478
[6]. Y.Gu,M.Bollen, “Time Frequency and
Time Scale Domain Analysis of
Voltage Disturbances,” IEEE Transactions on Power Delivery, Vol 15, No 4, October 2000, pp
12791284.
[7]. Gaing, Z.-L. (2004). Wavelet-based neural network for power disturbance recognition and
classification, IEEE Transaction on Power Delivery, Vol. 9, No.4, (October 2004), pp. (1560-568),
ISSN 0885-8977
[8]. Ming Zhang. "DSP-FPGA based real-time power quality disturbances classifier". Transmission
and Distribution Conference and Exposition, 2010 IEEE PES
[9]. T.X Zhu and S.K Tso, Wavelet-Based Fuzzy Reasoning Approach to Power Quality
Disturbances Recognition, IEEE Transactions on Power Delivery, Vol.19, No.4, 2004.
[10]. Zwe-Lee Gaing, Wavelet-Based Neural Network for Power Disturbances Recognition and
Classification, IEEE Transactions on Power Delivery, Vol.19, No.4, 2004.
[11]. M Silva, M Oleskovicz, D V Coury “A Fault Location for Transmission Lines Using
Traveling Waves and Wavelet Transform Theory” 2004 The Institution of Electrical Engineers.
[12]. Zhong Yang, J.Z.Liu, Dong Xinzhou, Z.Q.Bo, N.F.Chin “A New Technique for Power
Trnsformer Using Discrete Dyadic Wavelet transform” Developments in Power System Protection
No.479 IEE 2001.
[13]. Rosa M de Castro Fernandez, Horacio Nelson Diaz Rojas, An Overview of Wavelet
Transforms Applications in Power Systems, IEEE Transactions on Power Delivery, pp. 24 - 28 June
2002.
[14]. Rosa Ma de Castro Fernández, Horacio Nelson Díaz Rojas “An Overview of Wavelet
Transforms Application in Power Systems” PSCC, Sevilla, 24-28 June 2002.
[15]. A.H.Osman “Transmission Line Distance Protection Based on Wavelet Transform” IEEE
Transactions on Power Delivery, Vol.19, No.2, April 2004.
[16]. M.M.Eissa “Novel Digital Directional Transformer Protection Technique Based on Wavelet
Packet” IEEE Transactions on Power Delivery, Vol.20, No.3, April 2005..
Tác giả chịu trách nhiệm bài viết:
Họ tên: Nguyễn Đức Toàn
Đơn vị: Trường Trung cấp Kinh tế - Kỹ thuật Tiền Giang
Điện thoại: 0904274561
Email: [email protected]m
BÀI BÁO KHOA HỌC
THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ
Bài báo khoa học của học viên
có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn
Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ
Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam.
Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý
của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.
ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN!
Thực hiện theo MTCL & KHTHMTCL Năm học 2018-2019 của Thư viện Trường Đại học
Sư phạm Kỹ thuật Tp. Hồ Chí Minh.
7 trang
09/01/2024
17760
Free
Bạn đang xem tài liệu "Nhận dạng sự cố trạm biến áp truyền tải bằng Wavelet và mạng Neural", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- nhan_dang_su_co_tram_bien_ap_truyen_tai_bang_wavelet_va_mang.pdf
