(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet

(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet(Luận văn thạc sĩ) Nhận dạng sự cố trong trạm biến áp 110kV bằng mạng Nơ rôn và kĩ thuật Wavelet

iii

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công

bố trong bất kỳ công trình nào khác

Tp Hồ Chí Minh, ngày 24 tháng 5 năm 2019

(Ký tên và ghi rõ họ tên)

Phạm Văn Chí Công

iv

LỜI CẢM TẠ

Trước tiên, em xin bày tỏ lòng biết ơn sâu sắc đến Thầy TS Nguyễn Nhân Bổn,

giảng viên Khoa Điện – Điện tử, trường Đại học Sư phạm Kỹ thuật Tp HCM Người

đã tận tình chỉ bảo, hướng dẫn, động viên và giúp đỡ em trong suốt quá trình thực hiện luận văn

Ngoài ra, em xin gửi lời cảm ơn các quý Thầy Cô khoa Kỹ thuật điện, trường Đại học Sư phạm Kỹ thuật Tp HCM đã giảng dạy và truyền đạt kiến thức quý báu cho chúng

em trong suốt quá trình học tập tại trường

Cảm ơn bạn bè đã khuyến khích, góp ý và giúp đỡ tôi trong học tập và hoàn thiện kiến thức của mình

Cuối cùng, tôi muốn cảm ơn thật nhiều đến ba mẹ, anh chị trong gia đình và những người thân đã động viên tôi rất nhiều để tôi có thể hoàn thành khoá học này

Xin chân thành cảm ơn!

Tp Hồ Chí Minh, ngày 24 tháng 5 năm 2019

Người thực hiện luận văn

Phạm Văn Chí Công

v

TÓM TẮT

Ngày nay nền kinh tế nước ta đang trên đà phát triển rất nhanh, ngành điện sẽ ngày càng nắm một vai trò quan trọng và ảnh hưởng rất lớn đến sự tồn tại và phát triển của các loại hình công nghiệp, kinh tế, dịch vụ…Do đó, hệ thống điện Việt Nam phải ngày càng mở rộng, nâng cấp và phát triển để đảm nhận tốt vai trò của mình

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 điện 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 luận văn này sẽ trình bày một phương pháp nhận dạng phân tán sự cố trong trạm biến áp 110kV cũng như trong hệ thống điện dùng biến đổi Wavelet kết hợp với mạng Neuron 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

Luận văn đã thực hiện giới thiệu lý thuyết về mạng Neuron và kỹ thuật biến đổi Wavelet Đã thực hiện kết hợp Wavelet và Mạng Neuron để nhận dạng và điều khiển sự

cố tại trạm biến áp 110kV Bến Tre

In the electrical system, protection is extremely important, directly affecting the stability and operation of the overall electrical system The protection system works well, the new electrical system operates in a balanced and stable manner, quickly isolating the incident point In electrical system protection, problem of incident identification, type of incident, incident point is the most important

Therefore, this dissertation will present a method to identify incident dispersion in 110kV substation as well as in electric system using wavelet transform combined with Neuron network In particular, the voltage and current waves on the line are simulated

by Matlab simulink Wavelet means small wave, analyzing the signal into the sum of the basic version and ratio of wavelet (mother wavelet) The basic wavelet here is not the sine or cosine functions as in the Fourier transform but the small waves with the critical retention time and the mean value of zero

The thesis has introduced the theory of Neuron network and wavelet transform technique The combination of wavelet and neural network has been implemented to identify and control incidents at Ben Tre 110kV substation

vii

MỤC LỤC

Trang tựa

Quyết định giao đề tài

Biên bản chấm luận văn tốt nghiệp thạc sỹ_năm 2019_Ngành: kỹ thuật điện_khoá 2017-2019

Phiếu nhận xét luận văn thạc sỹ

Lý lịch khoa học i

Lời cam đoan iii

Lời cảm tạ iv

Tóm tắt v

Mục lục vii

Danh sách các chữ viết tắt ix

Dach sách các hình x

Danh sách các bảng xi

CHƯƠNG 1 PHẦN MỞ ĐẦU 1

1.1 Đặt vấn đề 1

1.2 Nhiệm vụ và mục tiêu của luận văn 2

1.3 Phạm vi nghiên cứu của luận văn 5

1.4 Nhữngđiểm mới của luận văn 5

1.5 Giá trị thực tiễn của luận văn 5

1.6 Nội dung của luận văn 6

CHƯƠNG 2 TỔNG QUAN 7

2.1 Bảo vệ hệ thống điện 7

2.2 Nhận dạng sự cố, biến đổi Wavelet nhận dạng sự cố hệ thống điện 8

2.3 Mạng Neuron nhận dạng và điều khiển sự cố hệ thống điện 8

2.4 Lợi ích 10

viii

CHƯƠNG 3 NHẬN DẠNG SỰ CỐ TRẠM BIẾN ÁP 110KV BẰNG MẠNG

NEURON VÀ PHÉP BIẾN ĐỔI WAVELET 15

3.1 Hệ thống lớn, hệ thống con và phương pháp điều khiển 15

3.1.1 Lý thuyết hệ thống 15

3.1.2 Điều khiển hệ thốngđiện 16

3.2 Lý thuyết mạng Neuron và Wavelet 17

3.2.1 Lý thuyết mạng Neuron 18

3.2.2 Phương thức làm việc của mạng Neuron 19

3.2.3 Phân loại mạng Neuron 20

3.2.4 Một số mạng Neuron 20

3.2.5 Lý thuyết biến đổi Wavelet 26

3.3 Mạng Wavelet – Neuron nhận dạng và điều khiển sự cố đường dây tải điện .33

3.4 Mạng Wavelet – Neuron nhận dạng và bảo vệ sự cố máy biến áp, thanh cái 37

CHƯƠNG 4 ÁP DỤNG MẠNG WAVELET – NEURON NHẬN DẠNG VÀ ĐIỀU KHIỂN PHÂN TÁN SỰ CỐ TRẠM BIẾN ÁP 110KV BẾN TRE 43

4.1 Sơ đồ nguyên lý, thông số, quy tắc điều khiển sự cố trạm Bến Tre…… 43

4.2 Mô phỏng, biến đổi Wavelet nhận dạng sự cố các phần tử trong trạm 47

4.3 Chương trình mạng Wavelet – Neuron nhận dạng và điều khiển sự cố 59

CHƯƠNG 5 KẾT LUẬN 69

TÀI LIỆU THAMKHẢO 72

PHỤC LỤC 1 73

PHỤC LỤC 2 75

PHỤC LỤC 3 79

PHỤC LỤC 4 88

ATP: Alternatic transient program

DFE: Digital fault recorders

ANN: Artificial neral networks

PQ: Power quality

EMTP: Electromagnetic Transients Program

WT: Wavelet Transform

MRA: MiltiResolution Analysis

DWT: Discrete Wavelet Transform

NM: Ngắn Mạch

x

DANH SÁCH CÁC HÌNH

Hình 1.1: Mô hình trạm biến áp 3

Hình 1.2: Mô hình mạng WN bảo vệ trạm biến áp 4

Hình 2.1: DWT và sơ đồ phân phối năng lượng của chuyển mạch tụ điện 13

Hình 2.2: Mô hình mạng Neuron cho các hiện tượng thoáng qua nhận biết tại trạm biến áp Nhà Bè 14

Hình 3.1: Một số mạng Neuron thông thường 19

Hình 3.2: Mô hình mạng Neuron Perceptron 22

Hình 3.3: Mạng MLP truyền thẳng 23

Hình 3.4: Cây phân tích Wavelet gói 29

Hình 3.5: Wavelet Haar 43

Hình 3.6: Wavelet db4 36

Hình 3.7: Sơ đồ mạch điện tính toán 38

Hình 3.8: Lưu đồ tính toán phân tích Wavelet gói 39

Hình 3.9: Mô hình mạng Wavelet-Neuron nhận dạng sự cố máy biến áp 40

Hình 4.1: Sơ đồ chỉ danh trạm biến áp 110kV Bến Tre 44

Hình 4.2: Sơ đồ mô phỏng trạm biến áp Bến Tre trên Matlab 47

Hình 4.3: Sơ đồ mô phỏng phát tuyến 471 trạm biến áp Bến Tre trên Matlab 48

Hình 4.4: Sơ đồ thiết kế mạng Wavelet-Neuron nhận dạng và điều khiển phân tán sự cố toàn trạm 50

xi

DANH SÁCH CÁC BẢNG

Bảng 3.1: Phương pháp xác định sự cố dựa vào các ngõ ra scA, scB, scC, scN khi phân tích Wavelet các tín hiệu dòng điện 35 Bảng 3.2: Xác định sự cố điện áp trong các chế độ vận hành 36 Bảng 3.3: Tập mẫu huấn luyện mạng neuron bảo vệ máy biến áp 41

là cơ hội nhưng cũng là thách thức cho ngành điện với việc phát triển điện năng, phục

vụ nhu cầu của xã hội Một yêu cầu thiết yếu đặt ra đó chính là đòi hỏi phải có nguồn điện năng ngày một chất lượng và ổn định hơn Để thực hiện được việc này, yêu cầu đặt

ra là bảo vệ hệ thống điện phải được đặc biệt quan tâm, nếu để xảy ra sự cố dù là nhỏ, thời gian khắc phục ngắn thì cũng sẽ ảnh hưởng không nhỏ đến sản xuất, dịch vụ, người tiêu dùng…

Với những yêu cầu đó mà hệ thống điện tại Việt nam hiện nay còn rất lạc hậu, chưa đáp ứng đủ nhu cầu của người tiêu dùng về số lượng cũng như chất lượng điện năng

Đó là do tầm nhìn của ngành điện chúng ta còn hạn chế, dự báo phụ tải của chúng ta chưa thật sự chính xác và còn phụ thuộc quá nhiều vào thủy điện Vấn đề về ổn định, đảm bảo chất lượng điện vẫn chưa được quan tâm cao, tổn thất điện năng còn quá lớn

Hệ thống điện với các thiết bị đã cũ, dễ hư hỏng, hệ thống bảo vệ hoạt động không được tin cậy, chưa đồng bộ và chọn lọc cao Bảo vệ hệ thống điện chủ yếu dùng relay bảo vệ, với relay kỹ thuật số làm việc tin cậy nhưng sự liên kết trong hệ thống bảo vệ relay là rất khó khăn Do đó đòi hỏi phải phát triển, áp dụng các kỹ thuật mới, hiện đại trong bảo

vệ hệ thống điện mới đáp ứng được nhu cầu về điện mà xã hội đang đòi hỏi

Hiện nay, với sự phát triển mạnh của khoa học, kỹ thuật trong lĩnh vực mạng Neuron, trí tuệ nhân tạo, biến đổi Wavelet và được áp dụng rộng rãi trong các lĩnh vực nhận dạng, thiết kế, quy hoạch, dự báo, điều khiển… Do đó, áp dụng biến đổi Wavelet

và mạng Neuron từng bước thay thế cho relay bảo vệ hệ thống điện nói chung và trạm

2

biến áp nói riêng là cần thiết Khi việc nhận dạng đúng điểm sự cố, điều khiển tốt hệ thống lúc sự cố một cách tin cậy thì mạng Wavelet – Neuron hoàn toàn có thể bảo vệ ổn định trạm biến áp cũng như hệ thống điện

Mặt khác, hiện nay hệ thống điện Việt Nam đang dần dần chuyển sang lưới điện thống minh bằng hệ thống SCADA, việc liên kết các bảo vệ phân tán trong hệ thống điện và trạm biến áp của mạng biến đổi Wavelet - Neuron là dễ dàng, chính xác nhờ truyền dẫn tín hiệu bằng SCADA và sự phối hợp bảo vệ

Trên hệ thống điện tại Việt Nam hiện nay sự cố trong trạm biến áp có các dạng sự

cố ngắn mạch 1 pha chạm đất, ngắn mạch 2 pha, ngắn mạch 2 pha chạm đất, ngắn mạch

3 pha, đứt dây, sự cố nội bộ máy biến áp, sự cố điện áp, tần số, Với mỗi phần tử trong trạm mạng Wavelet – Neuron nhận dạng và điều khiển khác nhau Mạng Wavelet – Neuron nhận dạng và điều khiển phân tán sự cố trạm biến áp là phải nhận biết được dạng sự cố, điểm sự cố và đưa ra tín hiệu điều khiển phù hợp đảm bảo cô lập được sự

cố, ổn định nguồn điện tại trạm cũng như toàn hệ thống

1.2 Nhiệm vụ và mục tiêu của luận văn

Hướng nghiên cứu trong luận văn là nghiên cứu kết hợp biến đổi Wavelet và mạng Neuron để nhận dạng và điều khiển phân tán sự cố trạm biến áp 110kV

Nhiệm vụ của luận văn:

1 Giới thiệu tổng quan về trạm biến áp, nhận dạng và điều khiển một trạm biến

áp, biến đổi Wavelet và mạng Neuron

2 Áp dụng kỹ thuật Wavelet nhận dạng sự cố trên đường dây, máy biến áp, thanh cái

3 Xây dựng mạng kết hợp Wavelet – Neuron để nhận dạng và điều khiển sự cố đường dây, máy biến áp, thanh cái

4 Thực hành áp dụng mô hình mạng Wavelet – Neuron đểbảo vệ trạm biến áp 110kV Bến Tre

3

5 Nhận xét đánh giá và kết luận

Luận văn sẽ nghiên cứu và thiết kế mạng Wavelet – Neuron để nhận dạng và điều khiển phân tán sự cố trạm biến áp110kV Điều khiển phân tán ở đây là trạm biến áp được phân nhỏ thành các phần tử là đường dây (đường dây đi vào hay đi ra thanh cái 110kV), thanh cái, máy biến áp và các lộ ra 22kV Với mỗi phần tử như vậy ta có một mạng Wavelet – Neuron nhận dạng loại sự cố, vị trí sự cố và điều khiển cô lập sự cố Các sự cố được bảo vệ bằng 2 cấp Chính tại máy cắt bảo vệ ngay thành phần cần bảo

vệ và cấp phụ là máy cắt cấp cao hơn (phía nguồn cấp) trong trạm hay máy cắt đầu nguồn ở trạm khác

Hình 1.1: Mô hình trạm biến áp

4

Tương ứng với mạng WN:

Hình 1.2: Mô hình mạng WN bảo vệ trạm biến áp

Sự thu thập thông tin về trạng thái vận hành, thông số sự cố của mạng Wavelet – Neuron thông qua truyền dẫn các tín hiệu đo lường về trung tâm điều khiển, tín hiệu ngõ

ra được truyền đi để cắt máy cắt cô lập sự cố Quan hệ giữa các mạng Wavelet – Neuron

từ cao xuống thấp là quan hệ có giám sát, phản hồi và phối hợp

Nhận dạng loại sự cố, vị trí sự cố được thực hiện bằng cách biến đổi Wavelet các sóng tín hiệu điện áp và dòng điện, kết quả đầu ra của biến đổi Wavelet được đưa đến ngõ vào mạng Neuron Mạng Neuron được huấn luyện để xác định sự cố, nếu có sự cố, mạng Neuron sẽ tác động cắt máy cắt liên quan cô lập điểm sự cố, báo hiệu sự cố và gởi tín hiệu đi các mạng Wavelet – Neuron cao hơn

Khi mạng Wavelet – Neuron nhận dạng và điều khiển được sự cố trạm biến áp, đánh giá sai số, chất lượng và độ tin cậy của mạng và từ đó áp dụng vào thực tế bảo vệ trạm biến áp Điều này giảm được đáng kể chi phí đầu tư, tránh phụ thuộc vào sự hoạt động không tin cậy của từng relay bảo vệ Mặt khác, do có sự liên lạc bảo vệ dễ dàng trong toàn trạm mà mạng Wavelet – Neuron có thể phối hợp bảo vệ chính xác, cô lập nhanh điểm sự cố, tránh lây lan sự cố trong trạm và ra ngoài hệ thống

5

1.3 Phạm vi nghiên cứu của luận văn

Luận văn sẽ trình bày lý thuyết về biến đổi Wavelet, mạng Neuron, lý thuyết nhận dạng và nhận dạng các loại sự cố trong trạm biến áp Tín hiệu ngõ vào, ngõ ra cho biến đổi Wavelet và mạng Neuron, phương pháp huấn luyện mạng Neuron để nhận dạng và điều khiển phân tán sự cố trong trạm biến áp

Phần thực hành sẽ thiết kế mạng Wavelet – Neuron bảo vệ phân tán sự cố trạm biến áp 110kV Bến Tre – Chi nhánh điện cao thế Bến Tre – Công ty Lưới điện cao thế Miền Nam trên phần mềm Matlab MatLab 2016a-64bit

1.4 Những điểm mới của luận văn

Luận văn sẽ trình bày phương pháp nhận dạng loại sự cố, điểm sự cố trong trạm biến áp bằng mạng Wavelet – Neuron, tín hiệu điều khiển của từng mạng Wavelet – Neuron trong một mạng cũng như sự phối hợp bảo vệ giữa chúng

Mạng Wavelet – Neuron bảo vệ phân tán sự cố trạm biến áp nói riêng và hệ thống điện nói chung là một yêu cầu cần thiết Tính nổi bật của mạng Wavelet – Neuron là tập trung, truyền dẫn tất cả các thông số về một phòng điều khiển trung tâm, từ đó mạng Wavelet – Neuron nhận dạng loại sự cố, vị trí sự cố và đưa ra tín hiệu điều khiển, cô lập phần tử bị sự cố ra khỏi hệ thống

1.5 Giá trị thực tiễn của luận văn

Mạng Wavelet – Neuron nhận dạng và điều khiển phân tán sự cố trạm biến áp 110kV khi được huấn luyện có ngõ ra đáp ứng các yêu cầu vận hành lúc sự cố, được áp dụng trong thực tiễn bảo vệ trạm biến áp cũng như phát triển thêm để có thể bảo vệ toàn

hệ thống điện Sự mã hóa các thông số vận hành, thông số chế độ về nhị phân {0,1} và truyền dẫn Scada về trung tâm sẽ không làm sai lệch đánh giá Từ đó các tín hiệu điều khiển từ mạng Wavelet – Neuron là tin cậy và chọn lọc

6

Theo nhận định áp dụng lý thuyết nhận dạng và điều khiển bằng mạng Wavelet – Neuron bảo vệ hệ thống điện sẽ là một hướng đi đúng, đáp ứng được nhu cầu hiện phát triển hệ thống điện thông minh

1.6 Nội dung luận văn

Chương 1 PHẦN MỞ ĐẦU

Chương 2 TỔNG QUAN

Chương 3 NHẬN DẠNG SỰ CỐ TRẠM BIẾN ÁP 110KV BẰNG MẠNG

NEURON VÀ PHÉP BIẾN ĐỔI WAVELET

- Hệ thống lớn, hệ thống con và phương pháp điều khiển

- Lý thuyết nhận dạng, biến đổi Wavelet áp dụng cho nhận dạng sự cố

- Mạng Neuron áp dụng cho nhận dạng và điều khiển sự cố

- Mạng Wavelet – Neuron nhận dạng và điều khiển sự cố đường dây tải điện

- Mạng Wavelet – Neuron nhận dạng và điều khiển sự cố máy biến áp, thanh cái

Chương 4 ÁP DỤNG MẠNG WAVELET – NEURON NHẬN DẠNG VÀ ĐIỀU

KHIỂN PHÂN TÁN SỰ CỐ TRẠM BIẾN ÁP 110kV BẾN TRE

- Sơ đồ nguyên lý, thông số, quy tắc điều khiển sự cố trạm 110kV Bến Tre

- Mô phỏng, biến đổi Wavelet nhận dạng sự cố các phần tử trong trạm

- Chương trình mạng Wavelet – Neuron nhận dạng và điều khiển sự cố

- Kết quả nhận dạng và điều khiển phân tán sự cố

Chương 5 KẾT LUẬN

- Đánh giá phương pháp nhận dạng và điều khiển bằng mạng Wavelet - Neuron

- Các vấn đề đã được thực hiện trong luận văn

- Một số vấn đề còn hạn chế

Công việc thiết kế hệ thống bảo vệ phân tán trong các phân cấp hệ thống là vô cùng quan trọng Yêu cầu của bảo vệ là chỉ cô lập điểm sự cố ra khỏi hệ thống và lượng tải mất điện là nhỏ nhất, do đó cần phải có sự phối hợp bảo vệ phân tán trong hệ thống

từ cấp điện áp cao xuống cấp điện áp thấp, giữa mạng hình vòng và mạng hình tia Bảo

vệ cấp cao phải nhìn bảo vệ cấp thấp hơn để bảo vệ dự phòng cấp 2 (Backup) trong trường hợp bảo vệ cấp thấp không phát hiện được sự cố hay bị hư hỏng, không tác động cũng như trường hợp máy cắt không cắt được (Breaker Failure – BF) Sự phối hợp bảo

vệ có chính xác thì hệ thống làm việc mới tối ưu, tin cậy

Bảo vệ hệ thống điện cần đo đếm, phân tích các tín hiệu đo lường để biết được sự

cố, vị trí sự cố và tác động điều khiển cô lập sự cố Hệ thống bảo vệ relay hiện nay là đo đếm độ lớn, góc pha của dòng điện, điện áp qua các TI, TU, tính toán và nhận biết sự

cố Ta cũng có thể nhận dạng sự cố bằng cách phân tích các tín hiệu đo lường, lập trình

và tính toán trên máy vi tính để nhận dạng sự cố, kết hợp với các thiết bị đầu cuối, hoàn toàn có thể điều khiển được hệ thống khi sự cố

8

2.2 Nhận dạng sự cố, biến đổi Wavelet nhận dạng sự cố hệ thống điện

Hiện nay, với sự phát triển và ứng dụng rất mạnh của phương pháp phân tích Wavelet ta có thể áp dụng để nhận dạng và điều khiển sự cố trạm biến áp cũng như hệ thống điện Điểm mạnh của phương pháp phân tích Wavelet là phân tích tín hiệu trên cả hai miền thời gian và tần số Do đó mọi sự thay đổi của tín hiệu như tăng cao, dao động đều được phát hiện một cách chính xác Từ các hệ số khi phân tích Wavelet tín hiệu dòng điện và điện áp, tổng hợp nhận dạng sự cố và đưa đến ngõ vào của mạng Neuron

để huấn luyện xác định sự cố, loại sự cố, vị trí sự cố và đưa ra tín hiệu điều khiển phù hợp

2.3 Mạng Neuron nhận dạng và điều khiển sự cố hệ thống điện

Mạng Neuron được sử dụng là mạng Perceptron (tri thức) với đặc điểm là dễ huấn luyện và cho kết quả hội tụ cao

Xác định vị trí sự cố trong đường dây sử dụng mạng Neuron và biến đổi Wavelet được thể hiện trong bài báo số [1] Bài báo này trình bày một phương pháp mới xác định

vị trí sự cố trong đường dây Phương pháp này dựa trên phân tích các sóng di chuyển phản xạ từ điểm đứt gãy Về phản ứng tần số yếu của đầu ra thông thường của máy biến thế điện áp (VT), phương pháp đề xuất nhận sóng đi từ đầu ra PLC của VT, đáp ứng tần

số tốt cho sóng đi tần số cao Tín hiệu nhận được được xử lý bằng biến đổi wavelet, và các đặc tính tín hiệu được sử dụng làm đầu vào cho mạng Neuron Sau khi huấn luyện bằng mạng Neuron, thuật toán ước tính vị trí của sự cố với độ chính xác hợp lý Thuật toán độc lập với cấu hình mạng hoặc độ dài của đường dây, và được huấn luyện một lần cho mỗi mức điện áp Các nghiên cứu số cho thấy hiệu quả và độ chính xác của thuật toán cho các cấu hình khác nhau

Khi một máy biến áp được cấp nguồn, dòng khởi động từ hóa xảy ra ở phía sơ cấp Tầm quan trọng của dòng xâm nhập này có thể rất cao tối đa mười lần dòng biến áp đánh giá gây ra sự cố của hệ thống bảo vệ so lệch Vì vậy, nó là cần thiết để phân biệt xâm nhập hiện tại từ lỗi Trong bài báo [2], một cách tiếp cận phân biệt mới giữa các

9

dòng lỗi và dòng khởi động được đề xuất dựa trên biến đổi sóng theo gói Phương pháp này hiệu quả giúp trong việc phát triển rơle bảo vệ so lệch để tự động phát hiện và phân biệt các lỗi nội bộ từ các dòng xâm nhập từ hóa Cách tiếp cận được đề xuất được thử nghiệm cho việc truyền tín hiệu bằng cách sử dụng MATLAB cho dữ liệu được thu thập

từ chương trình Transient Program / Alternative Transient Program (EMPT / ATP) của máy biến áp ba pha cho các trường hợp khác nhau bao gồm hoạt động bình thường, dòng điện khởi động và dòng lỗi bên trong Kết quả thu được từ MATLAB thể hiện rõ ràng rằng phương pháp đề xuất tạo điều kiện cho sự phân biệt chính xác giữa các dòng khởi động và lỗi trong bảo vệ so lệch biến áp Nó ngăn cản sai vấp của relay khác biệt do xâm nhập hiện tại

Trong bài báo này, một cách tiếp cận mới được đề xuất để nhận biết và phân biệt các dòng lỗi từ dòng khởi động Hệ thống được đề xuất này rất hữu ích và có lợi cho việc ngăn chặn sai lệch bảo vệ sai lệch Ngoài độ chính xác phù hợp, phương pháp đề xuất có thể phân biệt lỗi từ dòng khởi động nhanh, ít hơn một phần tư chu kỳ sau khi nhiễu Biến đổi Wavelet phá vỡ tín hiệu trong miền tần số thời gian, với loại phân tích này, các dòng inrush và lỗi có thể được tách ra rất dễ dàng vì sự phân bố năng lượng theo tần số và miền thời gian cho hai dòng này rất khác nhau Phương pháp đề xuất này rất đáng tin cậy, phương pháp dễ dàng có thể được sử dụng trong bảo vệ so lệch của máy biến thế ba pha

Trong bài báo số [4] “An expert system for transmission substation event analysis” một hệ thống chuyên gia cho phân tích sự kiện trạm biến áp Máy ghi lỗi kỹ thuật số (DFR) được sử dụng trong các trạm biến áp để ghi lại các bản ghi rối loạn khác nhau và các sự cố lỗi Kỹ sư bảo vệ sử dụng các bản ghi âm này để xác định lý do cho hoạt động

cụ thể của rơle bảo vệ và bộ phận ngắt mạch Trong thực hiện nhiệm vụ này, các kỹ sư bảo vệ sử dụng chuyên môn của họ liên quan đến điều kiện hệ thống điện cụ thể, trang

bị cho các hoạt động và tư duy Bài viết này mô tả việc thực hiện một hệ thống chuyên

10

gia tự động phát hiện và chẩn đoán lỗi và có thể hỗ trợ các nhà khai thác trong nhiệm

vụ phân tích các rối loạn và các sự kiện lỗi

Dựa trên những phát triển được báo cáo trong bài báo này, những điều sau đây có thể được kết luận:

Phát hiện và chẩn đoán lỗi là các hoạt động tốn thời gian đòi hỏi chuyên môn cụ thể đối với các hoạt động vận hành hệ thống và đặc điểm thiết bị đã cho

Công nghệ hệ thống chuyên gia có thể được sử dụng để tự động hóa quá trình phát hiện và chẩn đoán lỗi

Các sự kiện hệ thống điện có thể được phân loại theo số lượng và thời gian nhiễu loạn chất lượng điện Bài báo này đã trình bày một phương pháp để phát hiện và phân loại các dạng sóng điện áp bị nhiễu của tốc độ lấy mẫu tùy ý và số chu kỳ

áp được thể hiện trong bào báo [3] Bài báo này trình bày một nghiên cứu mới về nhận dạng lỗi tạm thời của hệ thống điện bằng cách sử dụng kỹ thuật phân tích đa độ phân giải Wavelet được tích hợp với mạng nơron Phương pháp được đề xuất đòi hỏi ít số tính năng hơn so với cách tiếp cận thông thường để nhận dạng Tính năng được trích xuất qua wavelet được đào tạo bởi một mạng nơron xác suất để phân loại các sự kiện Sau khi đào tạo mạng thần kinh, trọng lượng thu được được sử dụng để phân loại các vấn đề về Chất lượng điện (PQ) Các kỹ thuật này được áp dụng để nhận biết các sai số khác nhau trong điện áp cung cấp của hệ thống điện miền Nam Việt Nam tại trạm NHABE Kết quả nghiên cứu chứng minh các kỹ thuật có thể được sử dụng để phát hiện

và phân loại một loạt các lỗi điện khác nhau xảy ra trong các hệ thống điện với tỷ lệ chính xác cao Các kết quả mô phỏng có sự cải thiện đáng kể so với các phương pháp hiện có trong phát hiện tín hiệu và phân loại

Ngắn mạch xảy ra trong lưới điện, gây ra một sự thay đổi đáng kể trong các biến

hệ thống như quá dòng, quá áp, hệ số công suất, trở kháng, tần số, trên hoặc dưới nguồn

và nguồn và hướng dòng Xử lý tín hiệu số đã là một vai trò quan trọng trong phân tích

12

và kiểm soát các hệ thống điện, với tầm quan trọng ngày càng tăng hiện nay trong bối cảnh phát triển lưới điện thông minh Công trình được nghiên cứu này đã tập trung vào việc nhận diện lỗi mới bằng cách sử dụng kỹ thuật dựa trên wavelet và mạng nơron giả tạo Nhiệm vụ công nhận và đánh giá các sự cố này với độ chính xác cao do đó là một phần của nỗ lực toàn diện trong việc cải thiện hiệu suất lưới điện Bài báo bao gồm 5 phần, trong đó phần 1 là nội dung, phần 2 là với việc xác định các hiện tượng thoáng qua bằng cách sử dụng kỹ thuật Phân tích đa độ phân giải Phần 3 là về một phương pháp được đề xuất dựa trên mạng Neural và kỹ thuật Wavelet xác suất Phần 4 là việc

áp dụng các phương pháp phát triển trong việc nhận diện các hiệu ứng điện áp trong một phần của hệ thống điện miền Nam Vietnam Kết luận là trong phần 5.Biểu diễn toán học

đệ quy của MRA như sau:

Thuật ngữ đầu tiên bên phải (2) biểu thị công suất trung bình của phiên bản xấp

xỉ của tín hiệu bị phân hủy, trong khi thuật ngữ thứ hai biểu thị rằng phiên bản chi tiết của tín hiệu bị phân tách Thuật ngữ thứ hai cho các tính năng phân phối năng lượng của phiên bản chi tiết của tín hiệu méo sẽ được sử dụng để trích xuất các tính năng của nhiễu điện

Như đã thấy trong (2), năng lượng của tín hiệu méo có thể được phân chia ở các mức độ phân giải khác nhau theo những cách khác nhau tùy thuộc vào vấn đề chất lượng điện Do đó, hệ số của phiên bản chi tiết ở mỗi mức độ phân giải sẽ được kiểm tra để trích xuất các tính năng của tín hiệu méo mó để phân loại các vấn đề về chất lượng điện khác nhau Quá trình này có thể được biểu diễn bằng toán học

Trong bài báo này, một phân tích 13 cấp của mỗi tín hiệu bị méo rời rạc sẽ được hoàn thiện để có được các đồng nghĩa phiên bản chi tiết WI ~ WJ3 Đồng thời, với công

thức (3) - (4), có thể thu được từng sự phân bố năng lượng chi tiết (P 1 D ~P 13 D )

13

Hình 1 cho thấy các kết quả phân tích cụ thể của tín hiệu chuyển mạch tụ điện, hiển thị thời gian nhiễu và mức phân bố năng lượng lõi trong các cực

Hình 2.1: DWT và sơ đồ phân phối năng lượng của chuyển mạch tụ điện

Có ba lớp trong mô hình mạng nơron xác suất (PNN), trong Hình 2, với đầu vào tín hiệu trong lớp đầu tiên, tính toán hình thành tín hiệu này cho các mẫu bị nhuộm Lớp thứ hai tính toán sự phân biệt xác suất của tín hiệu đầu vào Sau đó lớp thứ ba xác định phân phối xác suất lớn nhất của tín hiệu đầu vào, và gắn giá trị 1, nếu không thì giá trị của O Sơ đồ hệ thống nhận dạng được hiển thị trên Hình 2, loại bảy loại lỗi tại trạm biến áp NHA BE

14

Hình 2.2 Mô hình mạng Nơron cho các hiện tượng thoáng qua nhận biết tại

trạm biến áp NHA BE

15

CHƯƠNG 3 NHẬN DẠNG SỰ CỐ TRẠM BIẾN ÁP 110KV BẰNG MẠNG

NEURON VÀ PHÉP BIẾN ĐỔI WAVELET 3.1 Hệ thống lớn, hệ thống con và phương pháp điều khiển

3.1.1 Lý thuyết hệ thống

Định nghĩa: Hệ thống là một cấu trúc thực thể gồm nhiều phần tử, thành phần,

bộ phận, công việc… trong một tổ chức chặt chẽ Mỗi bộ phận có một chức năng, mục tiêu riêng và chung nhằm đảm bảo sự tồn tại của chúng và của hệ thống, mang tính chất

tổng thể (tổng quan về lý thuyết hệ thống - Nguyễn Đình Phư – nhà xuất bản Đại Học

Quốc Gia TP Hồ Chí Minh)

Ma trận quan hệ trong hệ thống: Giả sử S là một hệ thống mẹ có n hệ thống con

Si (i = 1: n), mỗi hệ thống con lại có m hệ thống con nữa Sij (j = 1: m) khi đó ta có thể biểu diễn ma trận hệ thống S như sau:

n

m m

S S

S

S S

S

S S

2 22

21

1 12

11

Mỗi thành phần, bộ phận của hệ thống phải thực hiện chức năng của mình một cách nhịp nhàng theo mục tiêu thống nhất của tổng thể hệ thống Mọi hệ thống do vận động nội tại và chịu ảnh hưởng từ bên ngoài nên thường xuyên xẩy ra sự thay đổi trạng thái của hệ thống Hệ thống có tính cân bằng và mất ổn định, có 2 tính chất cân bằng là cân bằng động: là sự cân bằng nằm trong sự thay đổi trạng thái của hệ thống, và cân bằng tĩnh: là sự cân bằng nằm trong sự đứng yên, thụ động có sức ỳ cao của trạng thái

hệ thống Sự mất ổn định cũng có 2 loại là mất ổn định tích cực: là mất ổn định dẫn đến

sự thay đổi thành hệ thống mới năng động hơn, tốt đẹp hơn, nhiều mục tiêu hơn… và

16

mất ổn định tiêu cực là mất ổn định dẫn tới phá vỡ hệ thống hoặc làm cho hệ thống ngày một tồi tệ, mất chức năng, hạn chế mục tiêu toàn cục

Các bước thiết kế một hệ thống: 1- Chọn mục tiêu; 2- Xác định nhu cầu; 3- Phân

tích và tổng hợp; 4- Điều chỉnh và tối ưu

Nguyên lý trật tự hệ thống: Mọi hệ thống luôn tồn tại và tuân thủ các nguyên lý

trật tự sau: 1- Toàn bộ các bộ phận phải hoàn tất chức năng riêng và chung của hệ thống; 2- Các trạng thái biến đổi không ngừng; 3- Tồn tại mối quan hệ chặt chẽ trên cấu trúc

hệ thống; 4- Mọi biến đổi đều có nguyên nhân (đầu vào) và kết quả (đầu ra)

Ổn định hệ thống: Một trạng thái hay một quá trình luôn chịu tác động của các

điều kiện xung quanh, các kích động thường xuyên gây nhiễu đến quá trình, làm cho quá trình biến đổi trạng thái, thay đổi sai lệch hệ thống Hệ thống ổn định là hệ thống khi bị nhiễu dưới tác động của các kích động mà vẫn duy trì được trạng thái hoạt động, đáp ứng ngõ ra của hệ thống

Muốn hệ thống ổn định, muốn có duy trì đáp ứng ngõ ra ta phải điều khiển hệ thống Các bước xây dựng bài toán điều khiển một hệ thống: 1- Chọn mô hình hệ thống (rời rạc, liên tục, tuyến tính, phi tuyến…); 2- Xem xét các dữ liệu ràng buộc cho trước (điều kiện đầu vào, đầu ra với các tính chất mong muốn); 3- Xác lập được lớp điều khiển chấp nhận được (xác lập điều khiển mà dước tác động của nó hệ đạt được mục đích)

3.1.2 Điều khiển hệ thống điện

Hệ thống điện được chia ra làm 3 khâu vận hành đồng bộ là sản suất, truyền tải

và phân phối Yêu cầu trong vận hành hệ thống điện là tính ổn định và liên tục Tuy nhiên hệ thống điện rất dễ bị sự cố, và còn phải sửa chữa, thí nghiệm định kỳ… đòi hỏi phải cô lập thiết bị ra khỏi hệ thống Do đó để đảm bảo vận hành hệ thống điện ổn định

và liên tục ta phải liên kết các hệ thống nhỏ lại thành 1 hệ thống lớn hơn, để đảm bảo hơn việc cung cấp điện liên tục cho hộ tiêu thụ Ví dụ hệ thống điện của các nước liên minh châu Âu, hệ thống điện của Mỹ và Canada…

17

Hệ thống điện bao gồm các thành phần như nhà máy điện, đường dây truyền tải, các trạm biến áp ở nhiều cấp điện áp khác nhau Các thành phần trên lại bao gồm các thiết bị nhỏ hơn như máy phát, máy biến áp, máy cắt, tụ bù, thanh cái, các bộ điều khiển

tự động, các thiết bị bảo vệ relay… Các hệ thống điện cũng có thể liên kết với nhau bằng các đường dây siêu cao áp tạo thành liên hệ thống Hệ thống điện cũng được phân ra theo vùng như bắc, trung, nam Như vậy khi nói đến hệ thống điện là nói đến hệ thống lớn và hệ thống con

Muốn hệ thống điện vận hành ổn định ta phải điều khiển hệ thống điện Với một khả năng sản suất điện tương đối tập trung của các nhà máy điện và một lượng tải phân

bố rộng khắp ta phải điều khiển lượng điện sản suất ra, truyền tải và phân phối sao cho

đủ lượng công suất, điện áp, tần số ở tất cả các nút trong hệ thống Điều khiển hệ thống điện là đưa vào vận hành hay cô lập vận hành các thiết bị như công suất máy phát, máy biến áp, đường dây, tải… điều khiển công suất truyền tải trên đường dây

Trong nhà máy điện, các bộ điều khiển máy phát luôn điều khiển lượng công suất phát phù hợp với khả năng phát và lượng tải tiêu thụ, điều khiển giữ tần số hệ thống ổn định, kết hợp điều khiển ổn định công suất phản kháng Đối với đường dây truyền tải,

ta phải điều khiển sao cho không bị quá tải, điều khiển các tụ bù, máy bù để giữ ổn định điện áp đường dây Trạm biến áp gồm các đường dây đến và đi, các máy biến áp, thanh cái, điều khiển lượng công suất truyền trong trạm sao cho máy biến áp không bị quá tải, công suất nhận và phát ở các đường dây là định mức…

Điều khiển hệ thống điện lúc sự cố là một công việc khó khăn và rất quan trọng

Hệ thống điện có được điều khiển ổn định hay không phụ thuộc nhiều vào các phương

án dự phòng và việc điều khiển lúc sự cố vì lúc này hệ thống điện rất dễ xẩy ra quá tải

và thiếu hụt công suất Bảo vệ relay sẽ tác động cắt các máy cắt, cô lập điểm sự cố ra khỏi hệ thống Khi sự cố, chắc chắn phải có một phần tải bị mất điện, yêu cầu phải điều khiển sao cho lượng tải đó và thời gian mất điện là nhỏ nhất

3.2 Lý thuyết mạng Neuron và Wavelet:

18

3.2.1 Lý thuyết mạng Neuron:

Neuron như là một khối truyền đạt và xử lý tín hiệu dạng MISO (Multi Input Single Output), có đặc tính tuyền đạt tĩnh trừ khi chọn khâu chức năng đáp ứng kiểu BSB 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 01 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 mạch 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 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:

19

Hình 3.1: Một số mạng Neuron thông thường

3.2.2 Phương thức làm việc của mạng Neuron

Phương thức làm việc của một mạng Neuron nhân tạo có thể chia làm 2 giai đoạn:

1- Tự tái tạo lại (reproduction)

2- Giai đoạn học (learning phase)

Ở mạng Neuron 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 Neuron trong mạng Khi đầu vào nhận được một thông tin, mạng Neuron dựa vào tri thức của mình và cho ra ở đầu ra một đáp ứng tương ứng, xác định Đối với mạng Neuron truyền đạt tĩnh thì đáp ứng xuất hiện tức thời còn đối với mạng Neuron 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

Mạng Neuron khi mới hình thành chưa có tri thức, tri thức của mạng hình thành dần sau quá trình học Mạng Neuron được dạy bằng cách đưa vào đầu vào những kích thích và mạng hình thành những đáp ứng tương ứng, những đáp ứng phù hợp sẽ được lưu giữ lại Mục đích của quá trình học là tạo ra một tri thức cho mạng thông qua rèn

20

luyện Nếu một mạng Neuron có cấu trúc và các phần tử Neuron cố định thì nguyên tắc học là thay đổi giá trị các phần tử trong vectơ hàm trọng lượng Giá trị các phần tử này được chọn sao cho quá trình truyền đạt mong muốn được xấp xỉ một cách đủ chính xác như bài toán yêu cầu

Để đạt được mục đích đó, người ta cho tác động vào đầu vào mạng Neuron hàng

loạt các tác động mẫu x (k), k = 1, 2, … có khả năng lặp lại trong quá trình mạng làm việc Các đáp ứng  k

y

~ của tác động mẫu được so sánh với đáp ứng mẫu mong muốn y k , các phần tử trong vectơ hàm trọng lượng được hiệu chỉnh sao cho sai lệch đáp ứng ra thỏa sai số mong muốn Như vậy, học chính là quá trình giải bài toán tối ưu tham số là độ sai lệch giữa  k

y và ~y k , k = 1, 2, …

3.2.3 Phân loại mạng Neuron

Phân loại theo phương thức truyền có: 1- mạng truyền thẳng; 2- mạng hồi tiếp Phân loại theo đặc tuyến đáp ứng có: 1- đáp ứng tĩnh; 2- đáp ứng động

Phân loại theo thuật toán huấn luyện có: 1- học có giám sát (học có thầy); 2- học không có giám sát; 3- học có điều chỉnh

3.2.4 Một số mạng Neuron

m

x x x

x 1 2 và n

n

y y y

y ~ ~ ~

~

2 1

 Như vậy mạng có n Neuron Gọi vectơ trọng lượng của Neuron

im i

y y y

~

2 1

ứng với tác động         k T

m k k k

x x x

x  1 2 được gần giống như mẫu         k T

n k k k

y y y

y  1 2 mong muốn, tức là:

i k i k

y ~   ; 1,2, ,  ~ 

1 2

p

k

k k

x W y y

y E

Như vậy với mức học s ta có:

k k

k ij

w

x W x W y s w

E s w

1 1

Vì w ij chỉ ảnh hưởng tới Neuron i

Nhược điểm của công thức (18) là để hiệu chỉnh trọng số w ij ta phải có ngay một

lúc toàn bộ p mẫu học Nhằm khắc phục nhược điểm này, năm 1962 Widnow đẵ đưa ra một công thức cải biên ở bước học thứ k thành:           k

j k k i k i k

ij k

w 1  

Neuron Hopfield và mạng truyến tính có ngưỡng – LTU:

Gần giống như mạng Adeline, mạng tuyến tính với y~i sgn w T i x , i1,2, ,n

được gọi là mạng với Neuron Hopfield

Hàm mục tiêu:         sgn(   ) min

2

1

~ 2

1 2

p

k

k k

x W y

y y E

Như vậy với mức học s và với công thức cải biên của Widnow ta có:

cho

y y khi x

sy x

x w y

s w

k i k i k

j k i k

j k T i k

i k

ij

0

~ 2

y y khi x

sy w

k i k i k

j k i k

ij

0

~ 2

Dạng cách tổng quát của mô hình mạng tuyến tính một lớp là mạng LGU (Linear Graded Units) có hàm truyền tổng quát: y~i  w T i x  c i , i1,2, ,n

01

lim

b Wp khi

b Wp khi b

Wp hard

a

Trong đó, W là ma trận trọng lượng, b là ngưỡng, p là ma trận ngõ vào

Mô hình mạng Neuron Perceptron:

Hình 3.2: Mô hình mạng Neuron Perceptron

Ứng dụng Matlab để tạo và huấn luyện mạng Perceptron bằng các lệnh sau:

>> p = [ ]; % nhập tập mẫu ngõ vào

>> t = [ ]; % nhập tập mẫu ngõ ra mong muốn

23

>> net = ([mim max;mim max], 10); % tạo mạng, mim max: giới hạn giá trị ngõ vào, 10: số Neuron

>> net.trainParam.epochs = 20; % số bước huấn luyện

>> net = train(net, p, t); % huấn luyện mạng

>> weights = net.iw{1, 1} % lấy ma trận trọng lượng

>> bias = net.b{1} % lấy ngưỡng

>> A = sim(net, p) % kiểm tra kết quả huấn luyện, nếu A = t huấn luyện tốt, nếu A  t huấn luyện chưa tốt, cần tăng bước huấn luyện

>> err = t – a % tính sai số huấn luyện

q m

j

j j q

c

1 1





Lớp Neuron thứ 2 có n Neuron với n đầu ra: ~y1,~y2, ,~y n ta có:

i l

q

q iq

c

1 1

i

k i k

1

là nhỏ nhất

Ta có thể áp dụng thuật toán ngược gradient của E để giải, nhưng lúc đó lại cần

phải có ngay một lúc toàn bộ mẫu học Để khắc phục nhược điểm này ta giải bài toán lan truyền ngược như sau:

Từ mẫu học cụ thể   k  k 

y

x , và các trọng số đã có của mạng, ví dụ w , k v k ở mạng 2 lớp, ta xác định đầu ra thực  k

y

~ Sau đó trên cơ sở so sánh với mẫu học  k

y , các trọng số của lớp Neuron đầu ra, ví dụ  k

k i k i k

dc

d y y s w

k i

k i k i oi

dc

d y

   ~ là sai lệch của Neuron đầu ra thứ i w iq k phụ thuộc vào

zq, để tính zq ta sử dụng các trọng số cũ hiện có của mạng là v k :

iq k

w 1  

 cho trọng số cũ  k

j q

v của Neuron thuộc

k iq i

k i k i k

j

dc

d w dc

d y y s v

k q

q c

q

k iq i

k i k i

dc

d dc

d w dc

d y y

k q k

q

1 1



Và v q k j1 v q k j v q k j

Xét một cách tổng quát, mạng MLP truyền thẳng với m đầu vào x j , j = 1, 2, …,

m và n đầu ra ~y i,i1,2, ,n gồm Q lớp với mỗi lớp có n p Neuron, p = 1, 2, …, Q Gọi

Q p

i p

z0j  j, 0  , i Q ~i, Q Giả sử đang có các trọng số p k

n

j

p j k p ij k

dc

d z y

k Q i

c Q i

Q i k i

26

j pi k

p ij k

, 1

,

1 , 1 , 2 , ,

, 1

p ij pj c

p i i

dc

d

k p i







3.2.5 Lý thuyết biến đổi Wavelet:

Biến đổi Wavelet là chia tách tín hiệu thành các phiên bản dịch và tỷ lệ của Wavelet cơ bản (Wavelet mẹ) Với khả năng định vị tốt trong cả miền thời gian và tần

số, phép biến đổi Wavelet là một phép phân tích tín hiệu tối ưu Biến đổi Wavelet được

áp dụng trong nhiều lĩnh vực khác nhau như toán học ứng dụng, xử lý tín hiệu số và ứng dụng máy tính

Các tín hiệu có những đặc điểm khác nhau về thời gian và tần số, những thành phần tần số cao thường có thời gian tồn tại ngắn hơn những thành phần tần số thấp Phân tích và tổng hợp tín hiệu bằng Wavelet là chia tách tín hiệu thành các phiên bản dịch vị

và tỷ lệ của Wavelet cơ bản mẹ  Dạng sóng của hàm Wavelet cơ bản mẹ có thời gian duy trì tới hạn và giá trị trung bình bằng không, thỏa điều kiện sau:

dt t





Về cơ bản, phân tích Wavelet có thể áp dụng cho dữ liệu nhiều chiều nhưng trên thực tế chủ yếu áp dụng phân tích Wavelet 1 chiều (cho tín hiệu 1 chiều) và 2 chiều (cho phân tích hình ảnh) Các phương pháp phân tích Wavelet gồm phân tích Wavelet liên tục với hàm cơ sở là hàm liên tục, phân tích Wavelet rời rạc với hàm cơ sở là hàm rời rạc và phân tích Wavelet gói

3.2.5.1 Biến đổi Wavelet liên tục

Biến đổi Wavelet liên tục – CWT (Continous Wavelet Transform) được xác

định là tổng trên toàn khoảng thời gian của tín hiệu nhân theo tỷ lệ (scale) a (a  R +) và

vị trí (position) b (b  R) của hàm Wavelet mẹ  :

b a

là phiên bản kéo giãn của hàm Wavelet mẹ tương ứng với thành phần tần số thấp Đặt

tỷ lệ Wavelet đơn giản là kéo hoặc nén Wavelet mẹ  và vị trí được hiểu là làm trễ Wavelet mẹ  Khi nhân Wavelet mẹ với các hệ số theo tỷ lệ và vị trí tương ứng sẽ cho

ta tín hiệu nguyên thủy:

0

, 1

1

a

da db b a CWT a

b t a C

Trong đó, () là phổ Fourier của hàm (t)

5 bước thực hiện biến đổi Wavelet liên tục:

1- Chọn một Wavelet mẹ và so sánh với khởi đầu của tín hiệu

2- Tính toán giá trị C đặc trưng cho tương quan gần của Wavelet mẹ với đoạn

đầu của tín hiệu

3- Dịch Wavelet về phía bên phải và lặp lại bước 1 và 2 cho đến hết tín hiệu 4- Định tỷ lệ Wavelet và lặp lại các bước từ 1 đến 3

5- lặp lại các bước từ 1 đến 4 cho mọi tỷ lệ

Sự tương quan giữa tỷ lệ Wavelet và tần số trong phân tích Wavelet:

28

- Mức a thấp  Wavelet được nén  chi tiết thay đổi nhanh  tần số  cao

- Mức a cao  Wavelet được dãn  chi tiết thay đổi chậm, thô hơn  tần số  thấp

3.2.5.2 Biến đổi Wavelet rời rạc

Biến đổi Wavelet liên tục tạo ra rất nhiều dữ liệu, làm cồng kềnh trong tính toán

và việc khôi phục lại tín hiệu gốc thêm khó khăn Để khắc phục nhược điểm này ta thực hiện phép biến đổi Wavelet rời rạc – DWT (Discrete Wavelet Transform) với việc thay thế các tỷ lệ aa0m a0 0,1 và vị trí bnb0a0m b0 0 với m, n là các số nguyên:

, t a a m t nb

m n

+ Các xấp xỉ và chi tiết

Phân tích Wavelet rời rạc sẽ tạo ra các hệ số xấp xỉ (a) và chi tiết (d) Hệ số xấp

xỉ a phản ánh thành phần tỷ lệ cao, tần số thấp của tín hiệu, ngược lại hệ số d phản ánh thành phần tần số cao, tỷ lệ thấp Để khôi phục lại hàm f(t) từ các hệ số rời rạc nếu các Wavelet tạo thành một cơ sở trực chuẩn, điều này đạt được khi a 0 =2 và b 0 =1 Khi đó:

 t  m t n

m n

m

Ta có thể thực hiện phân tích Wavelet rời rạc đa mức: từ tín hiệu S  ca1, cd1; ca1 

ca2, cd2; ca2  ca3, cd3 khi đó:

S = ca3 + cd3 + cd2 + cd1

3.2.5.3 Phân tích Wavelet gói

29

Phân tích Wavelet gói là sự khái quát của phân tích Wavelet, tạo ra 1 khả năng phong phú hơn trong phân tích tín hiệu Khi phân tích Wavelet rời rạc, một tín hiệu được chia thành một xấp xỉ và chi tiết, xấp xỉ đó lại được phân tích thành xấp xỉ và chi tiết mức 2 Quá trình tiếp tục được lặp lại, khi phân tích n mức có n + 1 cách để phân tách hoặc mã hóa tín hiệu Trong phân tích Wavelet gói, các chi tiết cũng được phân tích và tạo ra đến 2 1

2 n cách khác nhau để tách hoặc mã hóa tín hiệu Lúc đó ta có cây phân tách Wavelet gói như sau:

Hình 3.4: Cây phân tích Wavelet gói

Và khi đó tín hiệu S có thể được biểu diễn bởi: S = A1 + AAD3 + DAD3 + DD2

3.2.5.4 Họ các hàm Wavelet

- Wavelet Haar: là một hàm rời rạc có cơ sở là hàm bước

- Daubechies: bao gồm 10 dạng hàm từ db1 đến db10 db1 là hàm Wavelet Haar

- Biorthogonal (song trực giao): bao gồm 14 dạng hàm Wavelet

- Coiflets: gồm 5 dạng hàm từ coif1 đến coif5

- Symlets: gồm 7 dạng từ sym2 đến sym6

30

3.2.5.5 Wavelet và Matlab

Matlab là một phần mềm đa ứng dụng, với Matlab ta có thể lập trình tính toán

kỹ thuật, phân tích dữ liệu, mô phỏng trạng thái hệ thống… Hộp công cụ và các lệnh Wavelet trong Matlab cung cấp công cụ để thống kê, phân tích và tổng hợp tín hiệu cũng như hình ảnh Hộp công cụ này cung cấp hai phương tiện:

+ Các hàm theo dòng lệnh: Là các lệnh, các hàm ứng dụng riêng, thực hiện phân

tích, tổng hợp tín hiệu Các hàm ứng dụng thường ở dạng M-file

+ Công cụ giao diện đồ họa: bao gồm các công cụ giao diện đồ họa có khả năng

truy nhập các hàm mở rộng Thực hiện giao điện đồ họa này khi gõ wavemenu ở cửa sổ Command

Hộp công cụ Wavelet cho phép thực hiện:

- Kiểm tra và khám phá các đặc tính của Wavelet riêng và Wavelet gói

- Kiểm tra tính thống kê của các tín hiệu và thành phần tín hiệu

- Thực hiện phép biến đổi Wavelet liên tục của tín hiệu 1 chiều

- Thực hiện phân tích và tổng hợp rời rạc của tín hiệu 1 và 2 chiều

- Thực hiện phân tích Wavelet gói của tín hiệu 1 và 2 chiều

- Nén và khử nhiễu trong các tín hiệu và hình ảnh

- Hiển thị tín hiệu, miền hiển thị, màu sắc hiển thị

Sau đây sẽ trình bày phương pháp phân tích Wavelet liên tục, Wavelet rời rạc và Wavelet gói đơn mức một chiều bằng Matlab dùng cho phân tích tín hiệu

3.2.5.6 Phân tích Wavelet liên tục 1 chiều

+ Thực hiện phân tích bằng dòng lệnh

- Tải tín hiệu:

>> load tên tín hiệu;

Tên tín hiệu được save ở dạng: tên tín hiệu.m

31

- Biến đổi Wavelet liên tục:

>> c = cwt(tên tín hiệu,m:n:k,’db4’,’plot’);

c : có dạng ma trận chứa các hệ số ở các mức khác nhau

cwt : lệnh Matlab thực hiện biến đổi Wavelet liên tục

m : thực, dương là tỷ lệ đầu k : thực, dương là tỷ lệ cuối

n : thực, dương là bước nhẩy plot : lệnh vẽ các hệ số

+ Phân tích Wavelet liên tục dùng giao diện đồ họa

Thực hiện các thao tác: wavemenu/ enter/Continuous W 1-D/ file/ load signal/ MATLAB7/ toolbox/ Wavelet/ wavemenu/ tên tín hiệu / chọn Wavelet db4, tỷ lệ 1:1:48/ Analyze

3.2.5.7 Phân tích Wavelet rời rạc 1 chiều

+ Thực hiện phân tích dùng dòng lệnh

- Tải tín hiệu:

>> load tên tín hiệu;

>> s = tên tín hiệu(1:n) % rời rạc hoá tín hiệu; n: nguyên dương là chiều dài rời rạc hoá

>> l_s = length(s); % chiều dài tín hiệu

- Biến đổi Wavelet rời rạc đơn mức 1 chiều

>> [ca1,cd1] = dwt(tên tín hiệu rời rạc,’Wavelet mẹ’); % dwt: lệnh Matlab

sẽ tạo ra các hệ số của xấp xỉ mức 1 (ca1) và chi tiết mức 1 (cd1)

- Xây dựng các xấp xỉ và chi tiết từ các hệ số

>> A1 = upcoef(‘a’,ca1,’db1’,1,l_s);

>> D1 = upcoef(‘d’,cd1,’db1’,1,l_s);

upcoef : lệnh Matlab cd1 : hệ số của chi tiết mức 1