ƯỚC LƯỢNG TRẠNG THÁI BẰNG PHƯƠNG PHÁP BÌNH PHƯƠNG CỰC TIỂU CÓ TRỌNG SỐ 3.. ƯỚC LƯỢNG TRẠNG THÁI BẰNG TRÍ TUỆ NHÂN TẠO 4.. • Cấu trúc lưới• Thông số đo: điện áp, công suất nút, công suấ
Trang 1ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA
KHOA ĐIỆN – ĐIỆN TỬ
BỘ MÔN HỆ THỐNG ĐIỆN
BẢO VỆ LUẬN VĂN TỐT NGHIỆP
ƯỚC LƯỢNG TRẠNG THÁI LƯỚI ĐIỆN
POWER SYSTEM STATE ESTIMATION
GVHD : GVC.ThS Đặng Tuấn Khanh SVTH : Phạm Huỳnh Chí Bảo
Trang 21 GIỚI THIỆU BÀI TOÁN ƯỚC LƯỢNG TRẠNG THÁI LƯỚI ĐIỆN
2 ƯỚC LƯỢNG TRẠNG THÁI BẰNG PHƯƠNG PHÁP BÌNH
PHƯƠNG CỰC TIỂU CÓ TRỌNG SỐ
3 ƯỚC LƯỢNG TRẠNG THÁI BẰNG TRÍ TUỆ NHÂN TẠO
4 KẾT LUẬN VÀ KIẾN NGHỊ
Trang 3GIỚI THIỆU BÀI TOÁN ƯỚC LƯỢNG TRẠNG THÁI
LƯỢNG TRẠNG THÁI LƯỚI ĐIỆN
PHẦN 1
Trang 4Tại sao có lại có bài toán ước lượng trạng
thái lưới điện ?
• Lưới điện phát triển mạnh, lưới trở nên
phức tạp
• Cần thông số trạng thái của lưới để đánh
giá lưới có đang vận hành tốt hay không
Trang 5• Cấu trúc lưới
• Thông số đo: điện áp, công
suất nút, công suất nhánh,
Thông số đã biết Thông số cần tìm
1 – GIỚI THIỆU BÀI TOÁN ƯỚC LƯỢNG TRẠNG THÁI LƯỚI ĐIỆN
Trang 6GIỚI THIỆU BÀI TOÁN ƯỚC LƯỢNG TRẠNG THÁI
LƯỚI ĐIỆN
ƯỚC LƯỢNG BẰNG PHƯƠNG PHÁP
BÌNH PHƯƠNG TỐI THIỂU CÓ
TRỌNG SỐ
Trang 72 –ƯỚC LƯỢNG BẰNG PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU CÓ TRỌNG SỐ
Đầu vào:
Cấu trúc liên kết và thông số lưới
Vector bao gồm các giá trị đo
, – là số phép đo
Đầu ra:
Các giá trị trạng thái đã ước lượng vector
, – số giá trị trạng thái lưới
, – số nút giá trị điện áp và giá trị góc pha
,
Đầu vào:
Cấu trúc liên kết và thông số lưới
Vector bao gồm các giá trị đo
, – là số phép đo
Đầu ra:
Các giá trị trạng thái đã ước lượng vector
, – số giá trị trạng thái lưới
, – số nút giá trị điện áp và giá trị góc pha
Căn bản của phương trình
ước lượng trạng thái:
Điều kiện cần: M ≥ S
Trang 9Lưới IEEE 9 nút với vị trí 21 phép đo được đánh dấu như hình:
2 – ƯỚC LƯỢNG BẰNG PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU CÓ TRỌNG SỐ
Hình 2.1 Lưới IEEE 9 nút có đánh dấu phép đo
Trang 10Kết quả áp dụng với lưới IEEE 9 nút
Vị trí Giá trị chuẩn WLS Sai số %
Bảng 2.1 So sánh giá trị điện áp ước lượng trạng thái
bằng WLS với giá trị chuẩn IEEE9 nút Hình 2.2 Đồ thị so sánh điện áp ước lượng
trạng thái bằng WLS với giá trị chuẩn IEEE9
Trang 11Kết quả áp dụng với lưới IEEE 9 nút
2 – ƯỚC LƯỢNG BẰNG PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU CÓ TRỌNG SỐ
Bảng 2.2 So sánh giá trị góc pha ước lượng trạng thái
bằng WLS với giá trị chuẩn IEEE9 nút
Hình 2.3 Đồ thị so sánh góc pha ước lượng
trạng thái bằng WLS với giá trị chuẩn IEEE9
Vị trí Giá trị
Sai số
% Thanh cái 1 0.000 0.000 0.000
Trang 13Kết quả áp dụng với lưới IEEE 14 nút
2 – ƯỚC LƯỢNG BẰNG PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU CÓ TRỌNG SỐ
Hình 2.5 Đồ thị so sánh điện áp ước lượng
trạng thái bằng WLS với giá trị chuẩn IEEE14
Vị trí Giá trị
chuẩn WLS Sai số % Thanh cái 1 1.060 1.060 0.000
Bảng 2.3 So sánh giá trị điện áp ước lượng trạng thái
bằng WLS với giá trị chuẩn IEEE14
Trang 14Hình 2.6 Đồ thị so sánh góc pha ước lượng
Trang 16GIỚI THIỆU BÀI TOÁN ƯỚC LƯỢNG TRẠNG THÁI LƯỚI ĐIỆN
ƯỚC LƯỢNG BẰNG TRÍ TUỆ
NHÂN TẠO
Trang 173 – ƯỚC LƯỢNG BẰNG TRÍ TUỆ NHÂN TẠO
Phương pháp trí tuệ nhân tạo được sử dụng là multi-layer perceptron
Multi-layer perceptron là: Thuộc loại học máy có giám sát (supervising learning) Mạng thần kinh nhân tạo truyền thẳng (feed forward neural network)
Hình 3.1 Mạng thần kinh nhân tạo truyền thẳng
Trang 18Dựa vào dữ liệu x và y đã có (tính chất của học có giám sát) ta cập nhật các giá trị wi và a sao cho đầu ra được như mong muốn
Hình 3.2 Một node perceptron cơ bản
Trang 193 – ƯỚC LƯỢNG BẰNG TRÍ TUỆ NHÂN TẠO
Hàm mất mát
Trong đó:
là vectơ giá trị dự báo.
y là vectơ giá trị quan sát được.
là chính quy hóa L2 (giá tri này hổ trợ tránh tình trạng overfitting).
Trang 20Ý tưởng áp dụng:
Ptải, Qtải Phân bố công
suất
Phép đo trên lưới và điện áp,góc pha
Multi layer perceptron
90% Training
10% Test
Đánh giá kết quả:
Với:
Trang 213 – ƯỚC LƯỢNG BẰNG TRÍ TUỆ NHÂN TẠO
= 0.988514
Lưới IEEE 9 nút với 5000 điểm dữ liệu, số lớp ẩn là 3 với số node ở từng lớp lần lượt là 40,60,40
Hình 3.3 Đồ thị kết quả điện áp của MLP
và giá trị gốc lưới IEEE9
Vị trí Giá trị
chuẩn MLP
Sai số
% Thanh cái 1 1.000 1.000 0.000
Bảng 3.1 So sánh giá trị điện áp ước lượng trạng thái
bằng MLP với giá trị chuẩn IEEE9
Trang 22Hình 3.4 Đồ thị kết quả góc pha của MLP
và giá trị gốc lưới IEEE9
Vị trí Giá trị
chuẩn MLP Sai số % Thanh cái 1 0.000 0.000 0.103
Bảng 3.2 So sánh giá trị góc pha ước lượng trạng thái
bằng MLP với giá trị chuẩn IEEE9
Trang 233 – ƯỚC LƯỢNG BẰNG TRÍ TUỆ NHÂN TẠO
Lưới IEEE 14 nút với 10000 điểm dữ liệu, số lớp ẩn là 3 với số node ở từng
lớp lần lượt là 40,80,40
= 0.997272
Hình 3.5 Đồ thị kết quả điện áp của MLP
và giá trị gốc lưới IEEE14
Vị trí Giá trị chuẩn MLP Sai số % Thanh cái 1 1.060 1.060 0.000
Bảng 3.3 So sánh giá trị điện áp ước lượng trạng thái
bằng MLP với giá trị chuẩn IEEE14
Trang 24lớp lần lượt là 40,80,40
Hình 3.6 Đồ thị kết quả góc pha của MLP
và giá trị gốc lưới IEEE14
Vị trí Giá trị chuẩn MLP Sai số % Thanh cái 1 0.000 0.000 0.000
Trang 25Đánh giá :
Qua hai trường hợp áp dụng trên lưới IEEE 9 nút và IEEE 14 nút thì ta thấy kết quả cho ra có độ chính xác cao (trung bình trên 97%)
Phương pháp áp dụng dễ dàng không cần cấu trúc lưới nhưng cần nhiều dữ liệu
3 – ƯỚC LƯỢNG BẰNG TRÍ TUỆ NHÂN TẠO
Trang 26GIỚI THIỆU BÀI TOÁN ƯỚC LƯỢNG TRẠNG THÁI
Trang 274 – KẾT LUẬN VÀ KIẾN NGHỊ
Kết luận
Cả 2 phương pháp đều đã áp dụng tính toán cho ra kết quả độ chính xác cao với các ưu nhược điểm riêng Có khả năng vụ phục trong việc ước lượng trạng thái ở lưới truyền tải.
Kiến nghị
Mở rộng nghiên cứu tìm hiểu xem phương pháp mạng trí tuệ nhân tạo nào thích hợp và tối ưu nhất hoặc tìm ra cách tối ưu trong việc chọn số lớp và số node cho multi layer perceptron.
Đối với phương pháp bình phương cực tiểu có trọng số thì mô hình hóa chi tiết hơn áp dụng được vào lưới phân phối từ đó có cơ sở đối chiếu với phương pháp khác
Trang 28[1] A Abur and A.Gomez-Exposito, Power System State Estimation: Theory and Implementation, 2014
[2] L Wang, Q Zhou, and S Jin, "Physics-guided Deep Learning for Power System State Estimation," in Journal of Modern Power Systems and Clean Energy, vol 8, no 4, SGEPRI, July 2020, pp 607 - 615
[3] M Meriem, C Bouchra, B Abdelaziz et al., "Study of State Estimation Using Weighted-Least Squares Method (WLS)," Marrakech & Bengrir, Morocco, 2016
[4] A Primadianto and C Lu, "A Review on Distribution System State Estimation," IEEE Transactions on Power Systems, vol 32, no 5,
pp 3875 - 3883, Sept 2017
[5] N H Tuân, Sách Deep Learning cơ bản, 2020
[6] V H Tiệp, Machine Learning cơ bản, 2020
[7] T T Sơn, Đ T Huyền and K T T Hoa, "Power System State Estimation by Weighted Least Square Method," Tạp chí Khoa học và Công nghệ năng lượng, vol 15, no ISSN: 1859 - 4557, 2/2018
[8] R D Zimmerman, C E Murillo-Sanchez, and R J Thomas, "MATPOWER: Steady-State Operations, Planning and Analysis Tools for Power Systems Research and Education," IEEE Transactions on Power Systems, vol 26, no 1, pp 12-19, Feb 2011
[9] Pedregosa et al., "Scikit-learn: Machine Learning in Python," Journal of Machine Learning Research, vol 12, pp 2825-2830, 2011
Trang 29CẢM ƠN
SỰ LẮNG NGHE CỦA HỘI
ĐỒNG
