Nhận dạng và phân loại các tín hiệu quá độ dựa vào mạng neuron kết hợp với phân tích wavelets

Nhận thấy được tầm quan trọng của các vấn đề trên, người thực hiện đã chọn đề tài Nhận Dạng và Phân Loại Các Tín Hiệu Quá Độ Dựa Vào Mạng Nơron Kết Hợp Với Phân Tích Wavelets để thực hiệ

MỤC LỤC

LỜI CẢM ƠN i

TÓM TẮT ii

MỤC LỤC iii

CHƯƠNG 1: MỞ ĐẦU 1.1 ĐẶT VẤN ĐỀ 1

1.2 GIẢI QUYẾT VẤN ĐỀ 1

1.3 GIỚI HẠN ĐỀ TÀI 1

1.4 BỐ CỤC CỦA LUẬN VĂN 2

CHƯƠNG 2: GIỚI THIỆU CÁC HIỆN TƯỢNG QUÁ ĐỘ TRÊN HỆ THỐNG ĐIỆN 2.1 KHÁI NIỆM 3

2.1.1 Định nghĩa chất lượng điện năng 3

2.1.2 Tầm quan trọng của chất lượng điện năng 3

2.2 CÁC HIỆN TƯỢNG QUÁ ĐỘ TRÊN HỆ THỐNG ĐIỆN 3

2.2.1 Dao động quá độ 3

2.2.2 Thay đổi áp thời gian dài 5

2.2.3 Thay đổi áp thời gian ngắn 5

2.2.4 Mất cân bằng điện áp 6

2.2.5 Méo họa tần 7

2.2.6 Nhấp nháy điện áp 8

2.3 ĐÁNH GIÁ CHẤT LƯỢNG ĐIỆN NĂNG 9

2.3.1 Giới thiệu 9

2.3.2 Đánh giá chất lượng điện năng 9

2.3.3 Thiết bị đo chất lượng điện năng 10

CHƯƠNG 3: WAVELETS và PHÂN TÍCH WAVELETS 3.1 GIỚI THIỆU VỀ WAVELETS 13

3.1.1 Định nghĩa Wavelets 13

3.1.2 Phân tích Wavlets 14

3.2 BIẾN ĐỔI WAVELETS 15

3.2.1 Biến đổi Wavelets liên tục 15

3.2.2 Biến đổi Wavelets rời rạc 18

CHƯƠNG 4: MẠNG NƠRON 4.1 GIỚI THIỆU VỀ MẠNG NƠRON 21

4.1.1 Định nghĩa mạng nơron 21

4.1.2 Hoạt động của mạng nơron 22

4.1.3 Các thành phần của mạng nơron 23

4.2 HUẤN LUYỆN MẠNG NƠRON 24

4.2.1 Học có giám sát/ Học có thầy 24

4.2.2 Học không giám sát/ Học không có thầy 25

4.2.3 Tốc độ học 25

4.2.4 Các luật học 25

4.3 GIỚI THIỆU CÁC LOẠI MẠNG NƠRON 25

4.3.1 Mạng Lan truyền ngược 25

4.3.2 mạng LVQ 27

4.3.3 Mạng Xác suất 28

4.3.4 Mạng Hopffield 29

4.3.5 Mạng Tự sắp xếp 30

CHƯƠNG 5: MÔ PHỎNG CÁC HIỆN TƯỢNG QUÁ ĐỘ 5.1 MÔ PHỎNG BẰNG PHẦN MỀM MATLAB 32

5.1.1 Giới thiệu về Power System Blockset Toolbox 32

5.1.2 Mạch mô phỏng 33

5.2 MÔ PHỎNG BẰNG PHẦN MỀM ATP 34

5.2.1 Giới thiệu về ATP 34

5.2.2 Mạch và kết quả mô phỏng 38

CHƯƠNG 6: ỨNG DỤNG PHÂN TÍCH WAVELETS và MẠNG NƠRON TRONG PHÂN TÍCH và PHÂN LOẠI QUÁ ĐỘ 6.1 ỨNG DỤNG PHÂN TÍCH WAVELETS 41

6.1.1 Phân tích đa phân giải 41

6.1.2 Định lý Parseval 42

6.1.3 Phân tích tín hiệu quá độ bằng Wavelets 42

6.2 PHÂN LOẠI TỰ ĐỘNG BẰNG MẠNG NƠRON 47

6.2.1 Mô hình mạng nơron Xác suất 47

6.2.2 Nhận dạng hiện tượng quá độ bằng mạng nơron Xác suất 49

CHƯƠNG 7: KẾT QUẢ PHÂN TÍCH VÀ NHẬN DẠNG 7.1 XÂY DỰNG GIẢI THUẬT 50

7.2 KẾT QUẢ PHÂN TÍCH VÀ NHẬN DẠNG 52

7.2.1 Nhận dạng qua các đặc trưng năng lượng 52

7.2.2 Mẫu huấn luyện và nhận dạng tự động 61

7.3 CHƯƠNG TRÌNH GIAO DIỆN 63

7.3.1 Giới thiệu về GUI 63

7.3.2 Phân tích và nhận dạng tín hiệu trên giao diện 65

CHƯƠNG 8: KẾT LUẬN 8.1 KẾT LUẬN 68

8.2 HƯỚNG PHÁT TRIỂN ĐỀ TÀI 68

TÀI LIỆU THAM KHẢO 69 PHỤ LỤC

Chương 1

MỞ ĐẦU

1.1 ĐẶT VẤN ĐỀ :

Các vấn đề về chất lượng điện năng được quan tâm ở nhiều nước trên thế giới và đã có rất nhiều tài liệu đề cập đến đề tài này Ơû Việt Nam hiện nay, tuy vấn đề về chất lượng điện năng chưa được quan tâm nhiều nhưng trong tương lai đây sẽ là một tiêu chí quan trọng để người tiêu dùng lựa chọn nhà cung cấp điện năng Do đó, tìm hiểu về chất lượng điện năng và các vấn đề liên quan là một công việc cần thiết trong thời gian này

Hiện nay có nhiều kỹ thuật mới để phân tích, xử lý và phân loại, nhận dạng các tín hiệu Đặc biệt kỹ thuật phân tích wavelets rất hiệu quả trong phân tích các tín hiệu động, không mang tính chu kỳ, và mạng nơron rất thích hợp cho việc phân loại tự động nhiều tín hiệu khác nhau

Nhận thấy được tầm quan trọng của các vấn đề trên, người thực hiện đã chọn

đề tài Nhận Dạng và Phân Loại Các Tín Hiệu Quá Độ Dựa Vào Mạng Nơron Kết Hợp Với Phân Tích Wavelets để thực hiện trong luận văn tốt nghiệp

Đề tài này dùng để nhận dạng và phân loại nhanh các hiện tượng quá độ trên hệ thống điện như: Võng điện áp, Tăng điện áp, Méo họa tần, Nhấp nháy điện áp, Mất điện áp và Đóng cắt tụ điện trên đường dây Khi nhận biết được các hiện tượng này sẽ giúp người vận hành hệ thống có những thao tác xử lý thích hợp để nâng cao chất lượng điện năng

1.2 GIẢI QUYẾT VẤN ĐỀ:

Được sự phân công của Phòng quản lý sau đại học và Ban chủ nhiệm ngành và với sự đồng ý của giáo viên hướng dẫn, người thực hiện đã giải quyết đề tài trên theo hướng kết hợp giữa nghiên cứu lý thuyết và mô phỏng trên máy tính

1.3 GIỚI HẠN ĐỀ TÀI:

Do thời gian thực hiện đề tài là 06 tháng và bị hạn chế về thiết bị nên người thực hiện phải thu hẹp phạm vi nghiên cứu của mình Nội dung đề tài được giới hạn trong việc mô phỏng kết quả phân loại một số tín hiệu có sẵn trên máy tính Chấp nhận dữ liệu của các tín hiệu quá độ cũng được tạo ra trên máy tính, chưa thử nghiệm được việc xử lý trong thời gian thực

Ngoài ra đề tài được giới hạn trong việc nhận biết các hiện tượng quá độ khác nhau, không quan tâm đến việc nhận biết khác biệt trong cùng một loại quá độ

1.4 BỐ CỤC CỦA LUẬN VĂN:

Vì nội dung đề tài nói về nhận dạng các hiện tượng quá độ trên hệ thống điện nên luận văn được trình bày theo hướng tìm hiểu, phân tích các vấn đề lý thuyết liên quan làm nền tảng cho việc lập trình mô phỏng trên máy tính

Cụ thể luận văn được sắp xếp tuần tự theo các nội dung sau:

- Chương 2 trình bày các vấn đề về chất lượng điện năng Từ đó nêu lên các hiện tượng quá độ trên hệ thống ảnh hưởng đến chất lượng điện năng Đây là các đối tượng sẽ được nhận dạng trong những phần sau

- Chương 3 trình bày khái niệm về wavelets và biến đổi wavelets Lý thuyết này làm nền tảng cho việc nghiên cứu các ứng dụng của wavelets

- Chương 4 giới thiệu về mạng nơron, về đặc điểm và hoạt động của các loại mạng nơron Lý thuyết này giúp cho việc chọn lựa tối ưu ứng dụng của từng loại mạng

- Chương 5 giới thiệu về hai phần mềm: ATP – EMTP và Matlab, đồng thời nêu lên cách thực hiện mô phỏng các dạng sóng của tín hiệu quá độ Những tín hiệu này làm dữ liệu cho chương trình phân tích và phân loại

- Chương 6 nêu cụ thể cách ứng dụng phân tích wavelets đa phân giải trong phân tích các tín hiệu quá độ Trình bày ứng dụng định lý Parseval vào biến đổi wavelets để trích các đặc trưng năng lượng của tín hiệu quá độ Điều này sẽ làm giảm bớt số lượng mẫu nhận dạng

Ngoài ra, chương này còn trình bày cách thực hiện mô hình mạng nơron xác suất để nhận dạng tín hiệu, cách lựa chọn dữ liệu huấn luyện mạng

- Chương 7 nêu lên toàn bộ kết quả mô phỏng đạt được, bao gồm kết quả nhận dạng qua các đặc trưng năng lượng của tín hiệu và kết quả huấn luyện và thử nghiệm nhận dạng của mạng nơron

Các đặc trưng về năng lượng của tín hiệu được biểu diễn qua đồ thị phân bố năng lượng của 13 cấp phân tích wavelets db4

- Cuối cùng, chương 8 nêu lên nhận xét, kết luận của người thực hiện đề tài, cùng với định hướng phát triển của đề tài trong tương lai

- Toàn bộ nội dung các chương trình mô phỏng, cùng với các số liệu liên quan được trình bày trong phần phụ lục của luận văn

Chương 2

GIỚI THIỆU CÁC HIỆN TƯỢNG QUÁ ĐỘ

TRÊN HỆ THỐNG ĐIỆN

2.1 KHÁI NIỆM:

2.1.1 Định nghĩa chất lượng điện năng:

Bất kỳ sai lệch nào của dòng điện và điện áp so với dạng sóng sin chuẩn của nguồn cung cấp đều có thể gây ra hư hỏng hoặc tác động sai đối với các thiết bị Người sử dụng yêu cầu phải được cung cấp nguồn điện có chất lượng, dạng sóng sin chuẩn có biên độ ổn định và đảm bảo độ tin cậy cho các thiết bị điện tử có độ nhạy cao

Có thể định nghĩa khác nhau về chất lượng điện năng

- Các công ty cung cấp điện định nghĩa chất lượng điện năng là độ tin cậy trong cung cấp điện

- Nhà máy sản xuất thiết bị điện định nghĩa chất lượng điện năng là các đặc tính của nguồn cho phép thiết bị hoạt động phù hợp, các đặc tính này khác nhau đối với các loại thiết bị khác nhau và tùy vào từng nhà máy

- Tuy nhiên cuối cùng thì chất lượng điện năng sẽ do khách hàng đưa ra Do đó chất lượng điện năng được định nghĩa là các vấn đề trên hệ thống điện liên quan đến điện áp, dòng điện và tần số nhằm đảm bảo cho thiết bị hoạt động một cách hiệu quả

Thực tế, chất lượng điện năng chính là chất lượng của điện áp trên hệ thống điện Các tiêu chuẩn trong lãnh vực chất lượng điện năng được dành cho việc duy trì điện áp với các giới hạn xác định

2.1.2 Tầm quan trọng của chất lượng điện năng:

- Sự gia tăng của các thiết bị kỹ thuật số có độ nhạy cao đòi hỏi nghiêm ngặt về chất lượng nguồn cung cấp Các lãnh vực liên quan như công nghệ bán dẫn, máy tính điện tử, người máy, thiết bị điều khiển có lập trình Ngoài ra chính các thiết bị điện tử lại làm tăng ảnh hưởng đến chất lượng điện năng Thị trường điện tạo ra tính cạnh tranh cũng làm người ta quan tâm nhiều đến chất lượng điện năng

- Chất lượng của nguồn điện có thể ảnh hưởng trực tiếp lên nhiều nhà tiêu thụ trong công nghiệp, những người sử dụng các thiết bị tự động và hiện đại

- Lý do cuối cùng để ta quan tâm đến chất lượng điện năng là giá trị kinh tế, các ảnh hưởng về kinh tế lên các công ty điện, khách hàng, nhà cung cấp thiết bị

2.2 CÁC HIỆN TƯỢNG QUÁ ĐỘ TRÊN HỆ THỐNG ĐIỆN:

2.2.1 Dao động quá độ:

Khái niệm quá độ được dùng để chỉ các sự kiện ta không mong muốn xảy ra thoáng qua trên hệ thống điện Quá độ thường liên quan đến các hiện tượng dao động tắt dần của các mạch R, L và C

Quá độ được chia làm 2 loại: xung quá độ và dao động qua độ, tùy vào dạng sóng điện áp hoặc dòng điện quá độ

Xung quá độ:

Hình 2.1: Xung quá độ

Xung quá độ là sự thay đổi đột ngột điện áp hoặc dòng điện ở trạng thái xác lập, mang tính đơn cực

Xung quá độ thường được mô tả bằng thời gian xuất hiện và thới gian suy giảm của nó Ví dụ một xung quá độ 1.2x50s 2000V sẽ có biên độ tăng từ 0 đến max 2000V trong thời gian 1.2s, sau đó suy giảm biên độ trong thời gian 50s

Nguyên nhân gây ra xung quá độ là do sét đánh

Do có chứa các thành phần tần số cao nên hình dạng xung quá độ có thể thay đổi tùy theo các thành phần của mạch, và sẽ khác nhau đáng kể ở những vị trí khác nhau trên hệ thống

Xung quá độ có thể kích thích tần số cơ bản và gây ra dao động quá độ

Dao động quá độ:

Dao động quá độ là sự thay đổi đột ngột của điện áp hoặc dòng điện ở trạng thái xác lập trên hệ thống điện, mang tính lưỡng cực dương và âm

Dao động quá độ gồm các giá trị tức thời của điện áp hoặc dòng điện thay đổi cực tính liên tục Nó được mô tả bởi các thành phần chứa trong phổ tần, gồm tần số, thời gian và biên độ Dựa vào tần số người ta chia dao động quá độ ra thành 3 loại: tần số cao, tần số trung bình và tần số thấp

Hình 2.2 minh họa dạng sóng dao động quá độ do đóng cắt tụ

Hình 2.2: Dao động quá độ

Trong những hình vẽ ở các mục sau này, trục hoành có thể biểu diễn thời gian hoặc số điểm lấy mẫu của tín hiệu Tốc độ lấy mẫu là 256điểm/chu kỳ

- Các dao động quá độ có tần số >500KHz, thời gian tính bằng s, được xem là dao động quá độ tần số cao, chúng thường do đáp ứng của hệ thống đối với một xung quá độ

- Các dao động có tần số từ 5 – 500KHz với thời gian xảy ra hàng chục s, được xem là dao động quá độ tần số trung bình, thường do đóng cắt tụ và đóng cắt đường dây gây ra

- Các dao động quá độ có tần số < 5KHz, thời gian khoảng 0.3 – 50ms, được xem là dao động quá độ tần số thấp Các dao động này thường xuất hiện trên hệ thống truyền dẫn và phân phối, thường do nhiều sự kiện khác nhau gây ra

2.2.2 Thay đổi điện áp thời gian dài:

Các thay đổi làm lệch điện áp hiện dụng trong thời gian dài hơn 01 phút được gọi là thay đổi điện áp thời gian dài Chúng bao gồm quá điện áp và thấp điện áp

- Quá áp – Overvoltage:

Một hiện tượng được gọi là quá điện áp khi giá trị hiệu dụng tăng lớn hơn 110% định mức trong thời gian dài hơn 01 phút

Quá điện áp thường xảy ra do đóng cắt tải có giá trị lớn, sự nạp điện trên các tụ nhánh Ngoài ra việc cài đặt sai các đầu dây máy biến áp cũng có thể gây ra quá áp trên hệ thống

- Thấp áp – Undervoltage:

Một hiện tượng được xem là thấp áp khi giá trị hiệu dụng giảm nhỏ hơn 90% định mức trong thời gian dài hơn 01 phút

Thấp điện áp xảy ra do các sự kiện ngược với quá điện áp Việc đóng các tải có giá trị lớn hoặc cắt tụ nhánh có thể gây thấp điện áp

Thấp áp và quá áp sẽ gây ra các sự cố trên hệ thống làm ảnh hưởng đến các thiết bị điện tử công suất, máy tính, thiết bị xử lý

- Mất áp kéo dài – Sustained Interruption:

Hiện tượng điện áp hệ thống giảm về zero kéo dài trong thời gian quá 01 phút được gọi là mất điện áp kéo dài Hiện tượng này cũng thường xảy ra và cần phải có sự can thiệp của con người để phục hồi lại hệ thống

2.2.3 Thay đổi điện áp thời gian ngắn:

Thay đổi điện áp trong thời gian ngắn được chia làm nhiều loại tùy vào thời gian xảy ra, gồm: Instantaneous (3– 60s), Momentary (0.6– 3s), Temporary (0.1– 0.6s) Các thay đổi này xuất hiện do các điều kiện sự cố, do dòng khởi động các tải lớn Tùy vào vị trí xảy ra sự cố và các điều kiện của hệ thống mà sự cố có thể gây ra giảm áp tạm thời (sag), tăng áp tạm thời (swell), mất điện tạm thời (interruption)

- Mất điện tạm thời – Voltage Interruption:

Hiện tượng này xảy ra khi điện áp nguồn hoặc dòng điện tải giảm đến giá trị nhỏ hơn 0.1pu (power unit) trong thời gian ít hơn 01 phút Như hình vẽ 2.3

Hiện tượng này xảy ra do các sự cố trên hệ thống, sự cố tại thiết bị, điều khiển sai thiết bị Mất điện áp thường do sự cố ngắn mạch trên hệ thống điện gây ra Sự mất điện được đo bởi thời gian xảy ra trên hệ thống, từ lúc biên độ điện áp luôn nhỏ hơn 10% định mức Thời gian của mất điện được xác định là thời gian hoạt động của các thiết bị bảo vệ, các thời gian này có thể không đều nhau

Hình 2.3: Mất điện tạm thời

- Võng điện áp – Voltage Sag:

Là sự giảm điện áp hoặc dòng điện hiệu dụng còn lại trong khoảng 0.1 – 0.9 pu trong thời gian từ 0.5 đến 30 chu kỳ Như hình 2.4

Hình 2.4: Võng điện áp

Võng điện áp thường kèm theo sự cố trên hệ thống nhưng cũng có thể do sự đóng điện của các tải nặng hoặc do quá trình khởi động các động cơ lớn

Các công ty điện, người sử dụng, nhà sản xuất thiết bị có thể áp dụng nhiều biện pháp để giảm bớt các sự cố gây ra võng điện áp và giảm bớt ảnh hưởng của nó lên các thiết bị

- Tăng điện áp – Voltage Swell:

Là sự tăng dòng điện hoặc điện áp hiệu dụng đến giá trị khoảng 1.1 – 1.8 pu trong thời gian từ 0.5 đến 30 chu kỳ Như hình 2.5

Hình 2.5: Tăng điện áp

Giống như võng điện áp, tăng điện áp thường kèm theo sự cố trên hệ thống nhưng ít phổ biến hơn Tăng điện áp còn do sự gia tăng áp tức thời trên các pha không bị sự cố, của hệ thống 3 pha, trong sự cố ngắn mạch giữa 1 pha và đất Tăng điện áp được xác định bởi biên độ hiệu dụng và thời gian xảy ra nó Mức độ nghiêm trọng của tăng điện áp khi có sự cố sẽ tùy thuộc vào vị trí, trở kháng hệ thống và việc nối đất Trong hệ thống không nối đất, điện áp dây pha không

bị sự cố sẽ tăng rất ít hoặc không tăng do máy biến áp thường nối  - Trong hệ thống không nối đất, khi xảy ra sự cố giữa một pha và đất thì điện áp trên các pha còn lại sẽ tăng lên đến 1.73 pu Tuy nhiên tăng điện áp thường ít xảy ra trên hệ thống hơn so với võng và mất điện áp

2.2.4 Mất cân bằng điện áp:

Điều kiện không cân bằng được xác định bằng tỉ số giữa độ lệch cực đại và giá trị trung bình của điện áp hoặc dòng điện 3 pha, thường độ lệch tính theo %

Độ lệch (%) =max(V) / Vtrung bình

Tỉ số giữa thành phần thứ tự ngược hoặc thứ tự không và thứ tự thuận cũng có thể dùng để xác định % mất cân bằng điện áp

Nguyên nhân gây ra mất cân bằng áp nhỏ hơn 2% là do sử dụng các tải một pha trên hệ thống ba pha Ngoài ra, mất cân bằng điện áp cũng có thể xảy ra do nổ các cầu chì trên một pha của nhánh tụ ba pha

Mất cân bằng điện áp được xem là nghiêm trọng khi độ lệch lớn hơn 5%

2.2.5 Méo dạng sóng:

Là sự lệch dạng sóng, ở trạng thái xác lập, so với dạng sóng sin lý tưởng ở tần số

cơ bản của nguồn, nó được mô tả bằng phổ tần

Méo dạng sóng bao gồm 5 loại: lệch áp DC (DC offset), họa tần (Harmonics), liên hoạ tần (Interharmonic), Notching và nhiễu (Noise)

- Lệch áp DC – DC offset:

Sự xuất hiện của điện áp hoặc dòng điện DC trên hệ thống AC gọi là DC offset Nguyên nhân là do nhiễu địa từ hoặc do các bộ chỉnh lưu một chiều

Dòng DC trong mạng AC có thể ảnh hưởng làm bảo hoà máy biến áp ở điều kiện làm việc bình thường Điều này sẽ làm phát sinh nhiệt và làm tăng tổn hao máy biến áp

Dòng DC này còn có thể gây ra ăn mòn điện phân đối với các điện cực nối đất và các đầu nối khác

- Họa tần – Harmonic:

Là các điện áp hoặc dòng điện hình sin có lẫn các tần số bằng số nguyên lần tần số cơ bản của hệ thống, làm méo dạng sóng sin chuẩn, như hình 2.6 Các dạng sóng bị méo được phân tích thành tổng của thành phần cơ bản và các họa tần

Hình 2.6: Méo họa tần

Nguyên nhân gây ra họa tần là do các đặc tính phi tuyến của các thiết bị và tải trên hệ thống

Các mức độ méo được mô tả bằng toàn bộ phổ họa tần với biên độ và góc pha của từng thành phần

Thường dùng đại lượng Độ méo hoạ tần tổng THD – Total Harmonic Distortion để đo giá trị ảnh hưởng của méo họa tần Các cấp độ méo có thể được mô tả bởi giá trị THD, nhưng có thể gây ra sai lầm trong một số trường hợp Ví dụ như dòng điện ngả vào của các bộ truyền động điều chỉnh tốc độ sẽ có giá trị THD cao khi chúng vận hành với các tải nhẹ Điều này lại không phù hợp vì biên độ của dòng hài thấp cho dù méo hài cao

Để khắc phục việc này, sử dụng thêm đại lượng Độ méo nhu cầu tổng TDD – Total Demand Distortion Đại lượng này tương tự như THD ngoại trừ việc biểu diễn độ méo theo % của tỉ lệ dòng điện tải so với biểu diễn theo % của biên độ dòng điện cơ bản

- Interharmonic – Liên họa tần:

Các điện áp và dòng điện có các thành phần tần số khác với số nguyên lần tần số nguồn được gọi là liên họa tần Chúng xuất hiện dạng các tần số rời rạc hoặc phổ băng rộng Nguyên nhân chính gây ra méo liên họa tần là các bộ biến tần, động cơ cảm ứng, thiết bị hồ quang Ngoài ra các đường dây điện mang tín hiệu cũng có thể xem như các liên họa tần

Aûnh hưởng của liên họa tần thì không đáng kể đối với hệ thống điện Chúng chỉ ảnh hưởng trên đường dây mang tín hiệu và làm nhấp nháy các thiết bị hiển thị như các màn hình phóng tia điện tử

- Notching:

Là các nhiễu loạn điện áp mang tính tuần hoàn do các thiết bị điện tử công suất gây ra khi dòng điện chuyển đổi từ pha này sang pha khác Vì Notching xảy ra liên tục nên nó được mô tả thông qua phổ họa tần của điện áp bị ảnh hưởng Tuy nhiên Notching được xem là một trường hợp đặc biệt Tần số của Notching cao và ta không thể nhận biết ngay bằng các thiết bị phân tích họa tần thông thường

- Nhiễu – Noise:

Là các tín hiệu điện không mong muốn có dãi tần rộng, nhỏ hơn 200KHz, cộng thêm vào điện áp hoặc dòng điện của hệ thống trong các dây pha, dây trung tính hoặc dây dẫn tín hiệu

Nguyên nhân gây ra nhiễu là các thiết bị điện tử công suất, mạch điều khiển, thiết bị tạo hồ quang, bộ chỉnh lưu, thao tác đóng cắt nguồn

Aûnh hưởng của nhiễu sẽ tăng lên khi việc nối đất không phù hợp, vì không dẫn nhiễu ra khỏi hệ thống được Ta không thể phân loại nhiễu như họa tần hay quá độ vì nhiễu gồm nhiều méo dạng không mong muốn của tín hiệu nguồn

Khi hệ thống bị nhiễu sẽ làm nhiễu loạn các thiết bị điện tử như máy tính, các bộ điều khiển có lập trình Ta có thể sử dụng các bộ lọc, biến áp cách ly, bộ điều hòa đường dây để hạn chế nhiễu

2.2.6 Voltage Flicker – Nhấp nháy điện áp:

Là sự thay đổi mang tính hệ thống của hình bao điện áp hoặc những chuỗi thay đổi điện áp ngẫu nhiên, có biên độ giới hạn trong khoảng từ 0.9 đến 1.1pu, như hình 2.7 Nhấp nháy điện áp được đo theo độ nhạy của mắt người

Nguyên nhân gây ra nhấp nháy điện áp là những tải có dòng điện thay đổi nhanh và liên tục Một nguyên nhân khác cũng thường gây ra nhấp nháy điện áp trên hệ thống truyền dẫn và phân phối là lò hồ quang

Hình 2.7: Nhấp nháy điện áp

2.3 ĐÁNH GIÁ CHẤT LƯỢNG ĐIỆN NĂNG:

2.3.1 Giới thiệu:

Đánh giá chất lượng điện năng là quá trình thu nhận, phân tích và chuyển đổi dữ liệu đo được thành các thông tin có ích Quá trình thu nhận dữ liệu được thực hiện bằng phép đo liên tục điện áp và dòng điện Còn quá trình phân tích và chuyển đổi thì được thực hiện theo nhiều cách: trước kia thực hiện bằng tay, hiện nay được thực hiện tự động bằng cách áp dụng các hệ thống xử lý tín hiệu và trí tuệ nhân tạo

Những cuộc điều tra về chất lượng điện năng thường đòi hỏi việc kiểm tra để xác định chính xác sự cố và đánh giá các giải pháp đã thực hiện Trước khi bắt tay vào các chương trình kiểm tra mở rộng, cần phải tìm hiểu về khả năng của khách hàng, thiết bị đang bị ảnh hưởng, việc nối dây và nối đất, hoạt động của hệ thống Thông thường các vấn đề về chất lượng điện năng có thể được giải quyết mà không cần việc kiểm tra mở rộng, thông qua các câu hỏi thích hợp đối với khách hàng và qua việc khảo sát tại chỗ ban đầu

Cuộc khảo sát cần thực hiện sao cho nhận được càng nhiều thông tin càng tốt về khả năng của khách hàng và về các sự cố đã xảy ra Các thông tin này gồm:

- Bản chất của các sự cố

- Đặc tính của các thiết bị có độ nhạy cao xảy ra sự cố

- Thời điểm xảy ra sự cố

- Các sự cố trùng hợp hay các hoạt động xảy ra cùng thời điểm

- Những nguyên nhân có thể làm thay đổi chất lượng điện năng như thiết bị điện tử công suất, đóng cắt tụ, khởi động động cơ

- Các thiết bị đang được sử dụng

- Dữ liệu về hệ thống

Mỗi lần trao đổi với khách hàng, công ty điện sẽ nhận được các dữ liệu trên, khi đó một cuộc khảo sát sẽ được thực hiện để đánh giá lại các sơ đồ đơn tuyến, dữ liệu của hệ thống, việc nối dây và nối đất

2.3.2 Đánh giá chất lượng điện năng:

Sau cuộc khảo sát ban đầu người ta sẽ thực hiện việc đánh giá chất lượng điện năng để mô tả các thay đổi về chất lượng nguồn điện tại các vị trí xác định trong một khoảng thời gian nào đó Các yêu cầu cho việc đánh giá tùy thuộc vào sự cố đã xảy ra

Việc đánh giá chất lượng điện năng được thực hiện qua các bước sau:

- Chọn vị trí xem xét: cách tốt nhất là nên bắt đầu ở vị trí càng gần thiết bị đang chịu ảnh hưởng bởi các thay đổi về chất lượng điện năng càng tốt Khi đó máy sẽ ghi nhận cùng một thay đổi với thiết bị Các quá độ tần số cao sẽ có những thay đổi đáng kể nếu ta đặt máy kiểm tra ở xa thiết bị Một vị trí quan trọng khác là ngay đường dây chính của hệ thống Các quá độ và những thay đổi về điện áp tại vị trí này đều ảnh hưởng lên tất cả các thiết bị

- Ghi sự cố vào mẫu có sẵn: cần phải yêu cầu khách hàng thực hiện thường xuyên việc ghi các sự cố xảy ra vào một dạng mẫu có sẵn

- Kết nối máy kiểm tra nhiễu loạn: nên lấy tín hiệu cho máy kiểm tra từ mạch điện khác với mạch đang được kiểm tra Việc nối đất của máy kiểm tra cũng cần được quan tâm, máy phải có đường nối đất của tín hiệu đo và đường nối đất của nguồn cung cấp Để an toàn, nên nối các đường này xuống mặt đất

- Cài đặt ngưỡng cho máy kiểm tra: vì các máy kiểm tra được dùng để phát hiện các điều kiện bất thường nên cần phải xác định phạm vi được xem là bình thường Một số máy được đặt trước các ngưỡng làm điểm bắt đầu Phương pháp tốt nhất để chọn ngưỡng là làm chúng phù hợp với các đặc điểm kỹ thuật của thiết bị

- Định lượng phép đo: khi kiểm tra đánh giá về các nhiễu loạn chỉ cần đo điện áp của hệ thống, nhưng đối với họa tần cần phải đo cả điện áp và dòng điện

Đo dòng điện để mô tả tổng quát họa tần sinh ra do các tải phi tuyến của hệ thống Còn kết quả đo điện áp được dùng để mô tả đáp ứng của hệ thống đối với dòng điện họa tần

- Chuyển đổi kết quả đo: để phân tích vấn đề chất lượng điện năng từ các kết quả đo, cần tìm quan hệ giữa các đặc tính của nhiễu và nguyên nhân gây ra chúng Dạng sóng và các kết quả đo khác sẽ được chuyển đổi sang nhiều biến khác nhau phục vụ cho việc đánh giá chất lượng điện năng

- Tìm ra nguyên nhân gây sự cố: bước đầu tiên để tìm nguồn gây ra nhiễu là tìm mối tương quan giữa dạng sóng nhiễu và các nguồn nhiễu có sẵn Mỗi lần xác định được một loại nhiễu thì việc tìm nguyên nhân sẽ được thực hiện dễ dàng

2.3.3 Thiết bị đo chất lượng điện năng:

Các vấn đề về chất lượng điện năng bao gồm nhiều loại nhiễu và các điều kiện khác nhau trên hệ thống, từ các quá điện áp xảy ra rất nhanh đến việc mất điện kéo dài Ngoài ra còn có cả các hiện tượng ở trạng thái xác lập như méo họa tần và các hiện tượng không liên tục như nhấp nháy điện áp Với nhiều hiện tượng xảy ra như trên đòi hỏi phải có nhiều thiết bị đo khác nhau, làm cho việc tạo ra các thiết bị đo lường theo tiêu chuẩn gặp nhiều khó khăn

Mặc dù đã có nhiều thiết bị dùng đo các nhiễu loạn trên hệ thống để đánh giá chất lượng điện năng, vẫn cần phải phát triển thêm nhiều loại khác tùy thuộc vào các hiện tượng gặp phải trong quá trình điều tra

Một số loại thiết bị thường sử dụng trong đo kiểm tra chất lượng điện năng, gồm:

Máy kiểm tra nối dây và nối đất: rất nhiều sự cố được ghi nhận là do việc

nối dây và nối đất không đúng, có thể sử dụng thiết bị kiểm tra nối dây và nối đất cho các mục đích sau:

- Đo trở kháng đất và dây trung tính

- Kiểm tra cách điện

- Kiểm tra việc nối sai giữa dây pha và trung tính hoặc đất

Đồng hồ đo vạn năng: sau khi kiểm tra toàn bộ việc nối dây, cần phải kiểm

tra nhanh áp và dòng trên thiết bị Thiết bị dùng cho mục đích này là đồng hồ đo vạn năng, dùng để đo:

- Điện áp pha và đất

- Điện áp pha và trung tính

- Điện áp trung tính và đất

- Dòng điện pha

- Dòng điện trung tính

Có thể dùng thiết bị này đo giá trị trung bình, hiệu dụng, đỉnh của tín hiệu

Dao động ký: là thiết bị đo dạng sóng điện áp hoặc dòng điện ở thời gian

thực, giúp thu nhận các thông tin về những gì đang diễn ra kể cả phân tích hài và méo dạng sóng

Có nhiều loại dao động ký Các dao động ký số có thể lưu trữ và phân tích dữ liệu, kết nối với máy tính Loại mới hiện nay là thiết bị cầm tay có khả năng đo dạng sóng và xử lý tín hiệu

Máy phân tích nhiễu loạn: đây là loại thiết bị được chế tạo chuyên dùng

cho đo lường về chất lượng điện năng Chúng có thể đo các nhiễu loạn về điện áp quá độ trong thời gian rất ngắn đến các thấp áp hoặc mất áp kéo dài

Có 2 loại máy phân tích:

- Máy phân tích thường: dùng tóm tắt các sự kiện kèm theo các thông tin riêng như biên độ quá áp và thấp áp, biên độ và thời gian quá độ, …

- Máy phân tích dựa vào hình ảnh: có thể lưu trữ và in dạng sóng thực cùng với các thông tin về chúng như là máy phân tích thông thường

Máy phân tích họa tần và phân tích phổ: các thiết bị phân tích nhiễu loạn

bị giới hạn về khả năng phân tích họa tần, do đó cần có thiết bị được thiết kế đặc biệt cho phân tích phổ và họa tần Máy này có các chức năng sau:

- Có thể đo cùng lúc cả điện áp và dòng điện để cung cấp thông tin về dòng công suất họa tần

- Có thể đo riêng biệt biên độ và góc pha các thành phần họa tần

- Tốc độ đồng bộ và lấy mẫu phải đủ nhanh để phép đo chính xác lên đến thành phần thứ 37

- Có thể mô tả bản chất của các bậc méo họa tần

Đồng hồ đo nhấp nháy điện áp: có nhiều phương pháp khác nhau để đo

nhấp nháy điện áp, từ các đồng hồ đo giá trị hiệu dụng với đặc tuyến nhấp nháy cho tới các đồng hồ đo nhấp nháy sử dụng các bộ lọc cộng hưởng và phân tích thống kê để ước lượng chính xác mức độ nhấp nháy

Máy biến năng: khi đánh giá chất lượng điện năng trên hệ thống điện cần

có các máy biến năng để chuyển đổi mức điện áp và dòng điện phù hợp Điện áp đo trên hệ thống thứ cấp có thể kết nối trực tiếp nhưng vẫn cần có các máy biến dòng

Phần lớn các thiết bị đo kiểm tra đánh giá chất lượng điện năng đều được thiết kế với đầu vào có điện áp 600V và dòng điện 5A hiệu dụng Các máy biến điện áp và dòng điện được chọn để cung cấp các giá trị này

Có 2 đặc điểm quan trọng cần quan tâm khi chọn máy biến năng:

- Các mức tín hiệu: chọn thiết bị sau cho khi đo toàn thang không làm tín hiệu

bị méo dạng hay bị cắt

- Đáp ứng tần số: cần được quan tâm khi đo kiểm tra méo dạng sóng và quá độ ở tần số cao

Chương 3

WAVELETS VÀ PHÂN TÍCH WAVELETS

3.1 GIỚI THIỆU VỀ WAVELETS:

Hình 3.1: Sóng sin và wavelest

Các tính chất quan trọng của wavelets:

3.1.2 Phân tích Wavelets:

Phân tích wavelets là một công cụ toán học dùng để phân tích các tín hiệu động, phân chia một tín hiệu thành các phiên bản dịch chuyển và tỉ lệ của wavelets ban đầu Phân tích wavelets một tín hiệu là biến đổi tín hiệu đó thành nhiều tỉ lệ theo thời gian và tần số khác nhau

Biến đổi wavelets của hàm f(t), được tính theo hệ số biến đổi và hệ số tỉ lệ, là f(u,s) bằng cách cho nó tương quan với một phần tử wavelets

(3.6) Phân tích wavelets khắc phục được một số khuyết điểm của phân tích Fourier đối với các tín hiệu thay đổi nhiều theo thời gian (gọi là tín hiệu động)

Ưu điểm của phân tích wavelets là khả năng phân tích cục bộ, tức là có thể phân tích một vùng nhỏ trong một tín hiệu lớn Vì vậy phân tích wavelets khắc phục được nhược điểm của phân tích Fourier và phân tích Fourier thời gian ngắn

Phân tích Fourier khi chuyển sang miền tần số thì mất thông tin về thời gian, không thể biết thời gian xảy ra các sự kiện trong tín hiệu

Phân tích wavelets dùng kỹ thuật cửa sổ với miền kích thước có thể thay đổi được Phân tích wavelets cho phép sử dụng các khoảng thời gian dài khi cần thông tin chính xác ở tần số thấp, và thời gian ngắn hơn ở tần số cao

Phân tích wavelets không sử dụng quan hệ miền Thời gian–Tần số như phân tích Fourier thời gian ngắn mà sử dụng miền quan hệ Thời gian–Tỉ lệ, như hình 3.2

Hình 3.2: Phân tích wavelets

Như vậy có thể dùng phân tích wavelets để làm gì?

Vì ưu điểm của wavelets là thực hiện phân tích cục bộ nên có thể dùng để phân tích từng phần trong toàn bộ tín hiệu lớn

Xét một tín hiệu sin có một đứt đoạn nhỏ hay gặp trong thực tế như hình 3.3

Hình 3.3: Sóng sin có gián đoạn

Nếu dùng các hệ số phân tích Fourier sẽ không thấy sự khác biệt Tuy nhiên khi dùng các hệ số phân tích wavelets sẽ thấy chính xác thời gian xảy ra gián đoạn, như hình vẽ 3.4

Phân tích wavelets có khả năng thể hiện đặc tính của dữ liệu mà các kỹ thuật khác không có Nó còn có thể nén hoặc khử nhiễu cho tín hiệu mà không làm mất đi tính chất của tín hiệu đó

Hình 3.4: So sánh phân tích Wavelets và Fourier

3.2 BIẾN ĐỔI WAVELETS:

3.2.1 Biến đổi wavelets liên tục:

Biến đổi wavelets liên tục của hàm f(t) là phân tích hàm này thành một tập hợp các hàm cơ sở (t)

(3.7) dấu * ký hiệu cho giá trị liên hiệp phức

Biến đổi wavelets liên tục là lấy tổng của các tích giữa tín hiệu và các phiên bản đã lấy tỉ lệ và đã dịch chuyển của wavelets trên toàn bộ thời gian xét Quá trình này sẽ tạo ra các hệ số wavelets, là các hàm theo tỉ lệ và vị trí

Kết quả của CWT tạo ra rất nhiều hệ số wavelets C – là hàm theo tỉ lệ và vị trí, được tính theo công thức (3.8) – được biểu diễn ở hình 3.5

- Đặt tỉ lệ:

Đặt tỉ lệ cho wavelets là kỹ thuật kéo ra hoặc nén nó lại

Để mô tả rỏ hơn về đặt tỉ lệ, người ta dùng hệ số tỉ lệ ‘a’ Xét ảnh hưởng của a đối với sóng sin trong hình 3.6 Tỉ lệ a thay đổi sẽ làm thay đổi chu kỳ sóng sin Tương tự đối với wavelets trong hình 3.7 Tuy không cho thấy ý nghĩa về biến đổi chu kỳ nhưng các hệ số tỉ lệ cũng cho thấy sự nén và giãn của tín hiệu

Hình 3.6: Aûnh hưởng hệ số tỉ lệ với sóng sin

Hình 3.7: Aûnh hưởng hệ số tỉ lệ đối với wavelets

- Dịch chuyển tín hiệu:

Dịch chuyển wavelets đơn giản là làm trễ với chính bản thân nó Về mặt toán học, hàm trễ của f(t) là hàm f(t – k)

Hình 3.8: Dịch chuyển tín hiệu

* Các bước thực hiện biến đổi Wavelets liên tục:

Có 5 bước biến đổi wavelets liên tục:

- Bước 1: chọn một wavelets và so sánh nó với đoạn bắt đầu của tín hiệu gốc, như hình 3.9

Hình 3.9: Chọn một wavelets

- Bước 2: tính giá trị C để biểu diễn cách mà wavelets này tương quan chặt chẽ với đoạn của tín hiệu gốc Giá trị C càng cao thì độ giống nhau càng nhiều Hơn nữa, nếu năng lượng của tín hiệu và wavelets bằng nhau thì C là hệ số tương quan Kết quả đạt được sẽ phụ thuộc vào dạng wavelets được chọn

- Bước 3: dịch wavelets về bên phải và lặp lại bước 1, 2 cho đến hết tín hiệu

Hình 3.10: Dịch wavelets

- Bước 4: định tỉ lệ wavelets và lặp lại các bước 1, 2 và 3

Hình 3.11: Định tỉ lệ wavelets

- Bước 5: lặp lại các bước từ 1 đến 4 cho mọi tỉ lệ

Sau khi hoàn thành sẽ có các hệ số do các đoạn khác nhau của tín hiệu tạo ra Các hệ số này sẽ tạo ra những kết quả hồi qui của tín hiệu gốc được thực hiện trên wavelets Làm cách nào để nhận ra các hệ số này?

Có thể vẽ một đồ thị, với trục x biểu diễn các vị trí dọc theo tín hiệu (thời gian) và trục y biểu diễn tỉ lệ Màu sắc của mỗi điểm x-y sẽ biểu diễn độ lớn của hệ số wavelets C

Hình 3.12: Biểu diễn tỉ lệ theo thời gian

- Tỉ lệ và Tần số:

Hình 3.13: Tỉ lệ của tín hiệu và wavelets

Theo hình 3.12, trục tỉ lệ tỉ lệ thay đổi từ 1 đến 31 (trục y – scale) Tỉ lệ cao ứng với wavelets được kéo dãn hơn Wavelets càng được kéo dãn thì tín hiệu sẽ dài hơn, nên các hệ số wavelets sẽ thể hiện các đặc điểm thô hơn của tín hiệu Có sự tương quan giữa các hệ số wavelets và tần số được thể hiện trong phân tích wavelets, như hình 3.13:

- Tỉ lệ a thấp tương ứng với wavelets được nén, các chi tiết thay đổi nhanh, tần số  cao

- Tỉ lệ a cao tương ứng với wavelets được dãn, các đặc trưng thô thay đổi chậm, tần số  thấp

3.2.2 Biến đổi wavelets rời rạc:

Tính toán các hệ số wavelets ở mọi tỉ lệ là công việc khá lớn và tạo ra nhiều dữ liệu, chỉ nên chọn một tập con các tỉ lệ và vị trí để tính toán Nếu chọn các tỉ lệ và vị trí theo hàm bậc hai – còn gọi là các tỉ lệ và vị trí dyadic – thì việc phân tích sẽ hiệu quả và vẫn đảm bảo chính xác Cách thực hiện như trên gọi là phép biến đổi wavelets rời rạc (DWT – Discrete Wavelets Transform)

Sự khác biệt trong biến đổi wavelets rời rạc so với liên tục là các hệ số tỉ lệ s và hệ số biến đổi  không còn liên tục nữa, mà chúng được thay bằng các số nguyên j và k

(3.9) Khi đó phương trình (3.2) trở thành:

(3.10) Biến đổi DWT của hàm f(t) là:

dt t t

f k

j f

- Các xấp xỉ và các chi tiết:

Đối với nhiều tín hiệu, nội dung tần số thấp là phần quan trọng nhất, nó giúp xác định tín hiệu đó Còn nội dung tần số cao chỉ làm tăng thêm sắc thái tín hiệu Chẳng hạn tiếng nói con người, nếu lọc bỏ phần tần số cao thì vẫn hiểu được, nhưng nếu lọc bỏ tần số thấp đến một mức nào đó thì không còn hiểu được nữa

Trong phân tích wavelets, thường đề cập đến xấp xỉ và chi tiết:

Các xấp xỉ là tỉ lệ cao, ứng với các thành phần tần số thấp của tín hiệu Các chi tiết là tỉ lệ thấp, ứng với các tần số cao của tín hiệu

Quá trình lọc tại mức cơ bản của một tín hiệu có dạng như hình 3.14

Tín hiệu gốc s đi qua 2 bộ lọc bổ phụ, chia thành 2 tín hiệu A và D Nếu thực hiện việc này với tín hiệu số thực thì sẽ thu được dữ liệu gấp đôi

Hình 3.14: Lọc bổ phụ tín hiệu s

Các tín hiệu A và D rất có ích, nhưng khi đó dữ liệu tăng gấp đôi so với lúc đầu Có một cách tốt hơn để thực hiện việc phân tích là sử dụng wavelets Bằng cách xem xét cẩn thận việc tính toán, chỉ cần giữ lại một điểm trong hai của mỗi mẫu

được tạo ra mà vẫn có đầy đủ thông tin Việc này gọi là hạ mẫu và sẽ tạo ra 2

chuỗi gọi là cA và cD

Hình 3.15: Hạ mẫu tín hiệu sau khi lọc

Trên hình 3.15 bên trái, có 2000 mẫu so với 1000 mẫu ban đầu Nhưng ở hình bên phải do sử dụng hạ mẫu nên chỉ có 1000 mẫu ra Quá trình này sẽ tạo ra các hệ số wavelets rời rạc

Để minh họa rỏ hơn về quá trình này, hãy thực hiện biến đổi DWT đối với một tầng của tín hiệu Chọn tín hiệu sin có các nhiễu tần số cao Thực hiện theo sơ đồ hình 3.16

Biểu diễn trên hình này cho thấy rằng các hệ số chi tiết cD có giá trị nhỏ và chứa chủ yếu thành phần nhiễu, còn các hệ số xấp xỉ cA chứa ít nhiễu hơn so với tín hiệu sin ban đầu

Hình 3.16: Biến biến đổi DWT sóng sin có nhiễu tần số cao

- Phân tích đa cấp:

Quá trình phân tích có thể lặp lại làm cho các xấp xỉ được lần lượt tách ra, do đó một tín hiệu được chia thành nhiều thành phần phân giải thấp hơn Gọi là cây phân tích wavelets, biểu diễn trên hình 3.17

Hình 3.17: Phân tích đa cấp

Quá trình phân tích có thể được lặp lại không xác định, nhưng thật sự việc phân tích chỉ tiếp tục cho đến khi các chi tiết riêng chứa đến một mẫu

Trong thực tế, chọn số cấp phù hợp dựa trên bản chất của tín hiệu hoặc dựa vào một tiêu chuẩn phù hợp nào đó

Chương 4

MẠNG NƠRON

4.1 GIỚI THIỆU VỀ MẠNG NƠRON:

4.1.1 Định nghĩa Mạng Neuron:

Mạng nơron là một hệ thống liên kết nhiều phần tử hoạt động song song nhau Những phần tử này được mô phỏng theo hệ thống thần kinh sinh học con người Chức năng của mạng được xác định bởi sự kết nối giữa các phần tử Mạng có thể được huấn luyện bằng cách hiệu chỉnh các giá trị kết nối (gọi là các trọng số) giữa các phần tử trong mạng để thực hiện một chức năng nào đó

Các phần tử của mạng hoạt động giống như các tế bào thần kinh của con người, được gọi là các nơron

Hình 4.1: Cấu trúc một phần tử của mạng nơron

Trong đó:

X=(xo, x1, …, xn) biểu diễn cho tập hợp các ngả vào của phần tử xử lý

W=(w1,w2,…,wn) biểu diễn cho vectơ trọng số ứng với vectơ vào X

Mỗi ngả vào có một trọng số wi đặc trưng cho cường độ kết nối

Các ngả vào có trọng số được lấy tổng tại phần tử xử lý theo công thức (4.1)

4.1.2 Hoạt động của mạng rơron:

Mạng nơron được hiệu chỉnh, còn gọi là huấn luyện, sao cho ứng với một ngả vào sẽ có một ngả ra riêng biệt Mạng được hiệu chỉnh dựa vào kết quả so sánh giữa ngả ra và giá trị mẫu, cho đến khi ngả ra phù hợp với mẫu

Một mạng nơron được tạo ra bằng cách kết hợp nhiều lớp nơron với nhau Dạng tổng quát như hình vẽ 4.3

Hình 4.3: Kết nối các lớp của mạng nơron

Trong mạng này một số nơron sẽ giao tiếp với thế giới thực để nhận dữ liệu vào Một số nơron khác sẽ xuất kết quả ở ngả ra Các nơron còn lại tồn tại ở dạng ẩn trong mạng

Thông thường một mạng nơron sẽ có 3 lớp: lớp vào, lớp ẩn và lớp ra Mỗi nơron trong lớp ẩn sẽ nhận tín hiệu từ tất cả các nơron phía trước nó, với mạng có 3 lớp thì lớp trước lớp ẩn là lớp vào, sau khi xử lý nó sẽ chuyển ngả ra tới các nơron phía sau, với mạng có 3 lớp thì lớp sau lớp ẩn là lớp ra

Một cách kết nối khác là hồi tiếp (feedback), như hình 4.4, trong đó ngả ra của nơron sau sẽ nối ngược lại nơron phía trước Cách các nơron kết nối nhau có ảnh hưởng đáng kể đến hoạt động của mạng

Hình 4.4: Mạng nơron có hồi tiếp

4.1.3 Các thành phần chính của mạng nơron:

Một mạng nơron gồm có 7 thành phần chính:

Trọng số:

Một nơron sẽ nhận cùng lúc nhiều dữ liệu vào, mỗi ngả vào sẽ có trọng số kết nối riêng tạo ra ảnh hưởng lên ngả vào và nó cần có hàm tổng của phần tử xử lý Một số ngả vào được làm cho quan trọng hơn các ngả vào khác để chúng có ảnh hưởng lớn hơn lên phần tử xử lý khi chúng kết hợp với nhau để tạo ra một đáp ứng của nơron

Các trọng số là những hệ số thích nghi dùng để xác định mật độ của tín hiệu vào Chúng là phép đo cường độ kết nối của một ngả vào Cường độ này có thể được thay đổi đáp ứng cho nhiều tập huấn luyện khác nhau, và theo một cấu trúc riêng của mạng hoặc qua các tập huấn luyện khác nhau

Hàm tổng:

Bước đầu tiên trong hoạt động của phần tử xử lý là tính tổng có trọng số của tất cả các ngả vào Về mặt toán học, các ngả vào và trọng số của chúng đều là các vectơ, gọi là vectơ (i1, i2, …, in) và vectơ (w1, w2, …, wn) Tổng ngả vào là tích số của 2 vec tơ này, là một điểm Hàm tổng được tìm bằng cách nhân mỗi phần tử của vectơ i với phần tử tương ứng của vectơ w, rồi lấy tích các tổng này

Vào(2) = i 2 *w 2 , (4.3) Hàm tổng = i 1 *w 1 + i 2 *w 2 + + i n *w n (4.4)

Chú ý kết quả đạt được là một số, không phải là một vectơ

Về mặt hình học, tích bên trong của các vectơ được xem xét như độ tương đồng giữa chúng Nếu các vectơ cùng hướng thì tích này sẽ cực đại, các vectơ ngược hướng thì tích cực tiểu

Các hệ số vào và trọng số có thể kết hợp theo nhiều cách khác nhau trước khi đưa tới hàm truyền Bằng cách chọn mô hình và cấu trúc mạng sẽ xác định được thuật toán riêng cho sự kết hợp các ngả vào

Một số hàm tổng có thêm quá trình xử lý kết quả trước khi chuyển nó tới hàm truyền Quá trình này gọi là hàm kích hoạt Mục đích của việc sử dụng hàm kích hoạt là cho phép ngả ra của hàm tổng thay đổi theo thời gian

Hàm truyền:

Kết quả của hàm tổng được biến đổi thành ngả ra bằng một thuật toán xử lý gọi là hàm truyền Trong hàm truyền, tổng số hàm tổng được so sánh với một ngưỡng để xác định ngả ra của nơron Nếu tổng lớn hơn giá trị ngưỡng thì phần tử xử lý tạo ra một tín hiệu Nếu tổng nhỏ hơn ngưỡng thì không tạo tín hiệu ra Ngưỡng này, hay hàm truyền, là phi tuyến Hàm tuyến tính sẽ bị loại trừ vì làm cho ngả ra tỉ lệ với ngả vào

Mạng có thể tạo ra giá trị zero và 1, hoặc 1 và -1, hoặc +1 và -1 Hàm truyền có thể là một ‘giới hạn cứng’ hay là một hàm bước

Lấy tỉ lệ và định giới hạn:

Sau hàm truyền của phần tử xử lý, kết quả có thể qua các quá trình phụ đó là lấy tỉ lệ và giới hạn Việc lấy tỉ lệ chỉ là nhân hệ số tỉ lệ với một giá trị truyền, rồi thêm vào một hệ số bù Việc định giới hạn để bảo đảm rằng kết quả lấy tỉ lệ không vượt quá một biên trên và biên dưới

Hàm ngả ra:

Mỗi phần tử xử lý được phép tạo một tín hiệu ra để nối tới hàng trăm nơron khác Thường ngả ra này tương đương với kết quả của hàm truyền Tuy nhiên, một số cấu trúc mạng sẽ điều chỉnh kết quả truyền cho hợp với tính cạnh tranh giữa các phần tử gần nhau Các nơron được phép cạnh tranh với từng nơron khác và có thể kiềm chế các phần tử xử lý trừ khi chúng có cường độ rất lớn Sự cạnh tranh có thể xảy ra ở một hoặc cả hai mức Thứ nhất, cạnh tranh sẽ xác định nơron nào kích hoạt, thứ hai sẽ xác định phần tử nào tham gia vào quá trình học

Hàm lỗi:

Trong phần lớn các mạng đang học, sự khác biệt giữa ngả ra hiện tại và ngả ra mẫu sẽ được tính Sai số này sau đó được biến đổi bằng hàm lỗi cho phù hợp với từng loại mạng riêng biệt Phần lớn các cấu trúc cơ bản sử dụng trực tiếp sai số này, một số khác sẽ bình phương chúng nhưng vẫn giữ lại dấu hiệu của nó, một số khác lại lấy lũy thừa ba sai số Các mô hình khác thì biến đổi sai số cho phù hợp với mục đích riêng của chúng Sai số của nơron sau đó được truyền tới hàm học của phần tử khác Sai số này được gọi là sai số hiện tại

Hàm học:

Mục đích của hàm học là thay đổi các trọng số ở ngả vào của mỗi phần tử theo các thuật toán nơron Quá trình thay đổi trọng số ngả vào để đạt được kết quả theo mong muốn gọi là hàm thích nghi, hay chế độ học

Có hai loại học: học có giám sát và không có giám sát Học có giám sát cần phải có thầy giáo, là tập dữ liệu huấn luyện mạng, để xếp loại sự thực hiện kết quả của mạng Khi không có thầy giáo, hệ thống phải tự sắp xếp theo các tiêu chuẩn được thiết kế bên trong của mạng Đây là quá trình học bằng hành động

4.2 HUẤN LUYỆN MẠNG NƠRON:

4.2.1 Học có giám sát / Học có thầy:

Học có giám sát là quá trình trong đó dữ liệu được đưa tới ngả vào và ngả ra của mạng Mạng sẽ xử lý dữ liệu vào để tạo ngả ra tương ứng rồi so sánh ngả ra này với dữ liệu ra mẫu Sai số sẽ được truyền ngược qua hệ thống làm cho nó điều chỉnh trọng số để điều khiển mạng Quá trình này lặp lại vì các trọng số

liên tục Tập hợp các dữ liệu dùng để huấn luyện gọi là ‘tập huấn luyện’, hay

‘tập học’ Trong quá trình huấn luyện mạng, tập học được xử lý nhiều lần để làm tinh các trọng số

Nếu mạng không giải quyết được bài toán thì người thiết kế phải xem lại ngả vào và ngả ra, số lớp, số phần tử của lớp, sự kết nối các lớp, hàm tổng, hàm truyền, hàm huấn luyện, và cả các trọng số ban đầu, có thể thay đổi các thành phần trên để tạo ra mạng hoàn chỉnh

Huấn luyện không phải là một kỹ thuật mà là sự nhận biết và phân tích có ý thức nhằm đảm bảo mạng không bị quá tải Ban đầu mạng tự định hình bằng khuynh hướng thống kê dữ liệu Sau đó nó tiếp tục học các dữ liệu khác

Khi hệ thống được huấn luyện thích hợp thì các trọng số sẽ được ổn định Một số hệ thống có thể chuyển mạng sau cùng sang phần cứng để hoạt động nhanh hơn

4.2.2 Học không giám sát / Học không thầy:

Ơû dạng này mạng sẽ được cung cấp dữ liệu vào nhưng không biết dữ liệu ra Tự nó phải quyết định dùng những đặc trưng nào để tập hợp dữ liệu vào, được gọi là sự thích nghi hay tự sắp xếp Mạng này được giới hạn ở mạng tự sắp xếp, chưa được sử dụng rộng rãi

Học không giám sát còn được gọi là học tự giám sát Mạng không điều chỉnh trọng số theo các ảnh hưởng bên ngoài mà chúng sẽ giám sát bên trong hoạt động của chúng Mạng sẽ tìm kiếm sự cân đối hoặc hướng đến các ngả vào để tạo ra các thích nghi theo hàm của mạng Thậm chí không cần được dạy là đúng hay sai, mạng vẫn phải có thông tin về cách tự sắp xếp Thông tin này được gắn vào các cấu trúc mạng và các luật học

Thuật toán học không giám sát nhấn mạnh đến sự hợp tác giữa các nhóm phần tử xử lý Các nhóm này sẽ làm việc với nhau, nếu tín hiệu vào kích hoạt một nút bất kỳ trong nhóm thì hoạt động của nhóm sẽ tăng lên, và ngược lại

Sự cạnh tranh giữa các phần tử cũng tạo ra cơ sở cho việc học Việc huấn luyện các nhóm cạnh tranh sẽ làm tăng đáp ứng của các nhóm đối với các kích hoạt

4.2.3 Tốc độ học:

Tốc độ học của mạng nơron tùy thuộc vào nhiều hệ số có thể điều khiển được Tốc độ thấp sẽ tốn nhiều thời gian học để tạo ra một hệ thống được huấn luyện thỏa đáng Tuy nhiên, với tốc độ học nhanh hơn thì có thể mạng sẽ không thể phân biệt tốt như mạng học với tốc độ thấp

4.2.4 Các luật học:

Có nhiều luật học được sử dụng trong quá trình huấn luyện mạng nơron, sau đây là nội dung một số luật quan trọng:

- Luật Delta:

Luật này là sự biến đổi của luật Hebb Đây là một trong những luật được sử dụng nhiều nhất Luật Delta dựa trên ý tưởng làm thay đổi liên tục cường độ kết nối của ngả vào để giảm sự khác biệt giữa ngả ra thực và ngả ra mẫu của một phần tử xử lý Nó thay đổi trọng số theo cách cực tiểu sai số trung bình bình phương

Luật Delta còn gọi là luật Widrow-Hoff và luật học trung bình bình phương nhỏ nhất (LMS – Least Mean Square Learning Rule)

- Luật giảm Gradient:

Luật này tương tự luật Delta trong việc dùng đạo hàm của hàm truyền để điều chỉnh sai số trước khi đưa tới các trọng số Tuy nhiên một hằng số tỉ lệ trong tốc độ học được thêm vào hệ số điều chỉnh sau cùng để tác động lên trọng số Luật này cũng thường được sử dụng dù tốc độ hội tụ tới điểm ổn định của nó chậm

- Luật Kohonen:

Trong luật này, các phần tử xử lý sẽ cạnh tranh tìm cơ hội để học, hoặc cập nhật trọng số của chúng Phần tử có ngả ra lớn nhất được cho là chiến thắng và có khả năng cấm các đối thủ của nó và kích hoạt các phần tử lân cận Chỉ có phần tử chiến thắng mới được phép tạo ngả ra và chỉ có nó cùng với các phần tử lân cận có thể điều chỉnh các trọng số của chúng

Vì phần tử chiến thắng được xác định là phần tử phù hợp nhất với mẫu vào nên mạng Kohonen tạo ra mô hình cho phân bố các ngả vào Mạng này phù hợp với việc tạo ra mô hình theo cấu trúc hoặc theo thống kê cho dữ liệu Mạng còn được gọi là mạng tự sắp xếp

4.3 GIỚI THIỆU CÁC LOẠI MẠNG NƠRON:

4.3.1 Mạng lan truyền ngược:

Mạng lan truyền ngược có cấu tạo như hình 4.5

Hình 4.5: Mạng lan truyền ngược

Cấu trúc truyền thẳng, lan truyền ngược là dạng hiệu quả và thông dụng nhất để thực hiện các mạng nhiều lớp, phức tạp Nó được sử dụng cho nhiều ứng dụng khác nhau Cấu trúc này đã tạo ra một số lượng lớn các loại mạng với

nhiều cấu trúc và phương pháp huấn luyện khác nhau Mặt mạnh của nó là các nghiệm phi tuyến đối với các bài toán không rỏ ràng Mạng có lớp vào, lớp ra và ít nhất một lớp ẩn Số lớp ẩn là không giới hạn nhưng thường chỉ có một hoặc hai lớp Mỗi một lớp trong mạng sẽ kết nối hoàn toàn với lớp kế tiếp Có 3 luật quan trọng cần dùng để giải các bài toán với mạng lan truyền ngược:

- Luật 1: khi tính phức tạp trong quan hệ giữa dữ liệu vào và ngả ra mẫu tăng thì số phần tử trong lớp ẩn cũng tăng

- Luật 2: nếu mô hình xử lý là riêng biệt thành nhiều tầng thì có thể cần thêm các lớp ẩn

- Luật 3: số lượng dữ liệu huấn luyện có sẵn sẽ đặt biên trên cho các phần tử trong lớp ẩn Để tính giá trị biên này ta dùng số đôi mẫu vào ra trong tập huấn luyện rồi chia cho tổng số phần tử vào và ra trong mạng Sau cùng chia kết quả cho một hệ số tỉ lệ giữa 5 và 10

Quá trình huấn luyện mạng thường dùng các biến của luật Delta, bắt đầu bằng sự khác biệt giữa ngả ra thực và ngả ra mẫu Ưùng dụng sai số này, các trọng số được tăng tỉ lệ với sai số theo một hệ số tỉ lệ đối với độ chính xác toàn cục Thực hiện điều này đối với một nút có nghĩa là các ngả vào, ngả ra và ngả ra mẫu đều phải được đưa tới cùng một phần tử xử lý

Có nhiều thay đổi tới luật học đối với mạng lan truyền ngược Các hàm truyền, hàm lỗi khác nhau và thậm chí việc thay đổi phương pháp lấy đạo hàm của hàm truyền cũng có thể được sử dụng

Có những giới hạn đối với mạng truyền thẳng, lan truyền ngược Mạng lan truyền ngược cần huấn luyện nhiều lần với nhiều mẫu vào–ra Thêm vào đó, kết cấu bên trong không hiểu rỏ nên không đảm bảo hệ thống sẽ hội tụ ở nghiệm chấp nhận được Đôi khi việc học bị hạn chế ở cực tiểu nội bộ nên làm hạn chế nghiệm tốt nhất Điều này xảy ra khi hệ thống gặp một sai số thấp hơn các khả năng xung quanh nhưng cuối cùng không có được sai số nhỏ nhất có thể

4.3.2 Mạng Vectơ lượng tử LVQ – Learning Vector Quantity:

Cấu trúc mạng này được Tuevo Kohonen đưa ra, sau mạng tự sắp xếp Các mạng này dựa vào luật học Kohonen, cho phép sắp xếp thông tin thành những nhóm thích hợp bao gồm các phần tử tương tự nhau Mô hình mạng LVQ được dùng cho cả hai dạng bài toán: phân loại và phân đoạn ảnh

Về mặt cấu trúc, mạng gồm lớp vào, lớp Kohonen và lớp ra như hình 4.6

Hình 4.6: Mạng LVQ

Lớp ra có số phần tử bằng với số nhóm riêng biệt Số phần tử trong lớp Kohonen được tập hợp theo các nhóm riêng biệt này Số phần tử trong lớp tùy thuộc vào độ phức tạp của quan hệ vào–ra Thường mỗi nhóm sẽ có cùng số phần tử trong một lớp Lớp Kohonen sẽ học và thực hiện sự phân loại với sự trợ giúp của một tập huấn luyện Mạng này sử dụng các luật học có giám sát Tuy nhiên, chúng có thay đổi đáng kể so với luật lan truyền ngược Để tối ưu hàm học và hàm gọi lại, lớp vào sẽ chứa chỉ một phần tử cho mỗi thông số

Ơû chế độ học, mạng sử dụng lớp Kohonen để tính khoảng cách từ một vectơ huấn luyện tới mỗi phần tử, và phần tử gần nhất được cho là chiến thắng Trong một lớp chỉ có một phần tử chiến thắng, và phần tử này chỉ cho phép một phần tử ra kích hoạt, thông báo loại của vectơ vào Nếu phần tử chiến thắng ở trong nhóm mong muốn của vectơ huấn luyện thì nó sẽ được tăng cường tới vectơ huấn luyện Ngược lại, các trọng số đưa vào phần tử xử lý sẽ được lấy ra khỏi vectơ huấn luyện

Ơû chế độ gọi lại, mạng sẽ tính khoảng cách giữa vectơ vào và từng phần tử Phần tử gần nhất được cho là chiến thắng và tạo một ngả ra, biểu diễn cho một nhóm tìm được

Mạng LVQ có một số hạn chế Đối với bài toán phân loại phức tạp thì mạng cần có lớp Kohonen lớn với nhiều phần tử cho mỗi nhóm

4.3.3 Mạng xác suất:

Mạng xác suất (PNN – Probabilistic Neural Networks) được Donald Specht đưa

ra Mạng này đề xuất giải pháp cho bài toán phân loại mẫu dựa vào phương pháp thống kê, gọi là bộ phân loại Bayes Lý thuyết Bayes tính đến khả năng xảy ra của các sự kiện và sử dụng thông tin ưu tiên để cải thiện dự đoán Mô hình mạng còn sử dụng các bộ ước lượng Pazen để tạo ra các hàm mật độ xác suất cho lý thuyết Bayes

Dạng tiêu biểu của mạng xác suất PNN như hình vẽ 4.7

Hình 4.7: Mạng Xác Suất

Mạng PNN sử dụng tập huấn luyện có giám sát để tạo ra các hàm phân bố trong một lớp mẫu Những hàm này, ở chế độ gọi lại, dùng để ước lượng khả năng xảy ra của một vectơ vào đang là một bộ phận của một nhóm được học Các mẫu học được lấy trọng số theo một xác suất ưu tiên, gọi là tần số liên quan, của mỗi nhóm để xác định nhóm giống nhất với vectơ vào Nếu tần số liên quan của các nhóm này được biết thì tất cả các nhóm được xem là như nhau và sự xác định nhóm sẽ dựa vào sự giống nhau của vectơ đặc trưng đối với hàm phân bố của một nhóm

Mạng có 3 lớp: lớp vào, lớp mẫu và lớp ra Lớp vào có số phần tử bằng với số lượng các thông số cần thiết để mô tả vật được phân loại Lớp mẫu dùng để sắp xếp tập huấn luyện sau cho mỗi phần tử xử lý sẽ biểu diễn cho một vectơ vào Lớp ra, còn gọi là lớp tổng, có số phần tử bằng với số nhóm cần phân loại Mỗi phần tử trong lớp ra sẽ kết hợp với các phần tử trong lớp mẫu có cùng nhóm và phân loại cho ngả ra

Lớp mẫu biểu diễn sự thực hiện một phiên bản của bộ phân loại Bayes, với hàm mật độ xác suất phụ thuộc được xấp xỉ bằng bộ ước lượng Parzen Phương pháp này tạo ra một bộ phân loại mẫu tối ưu về mặt cực tiểu sự rủi ro của việc phân biệt sai một vật Với bộ ước lượng này, phương pháp thực hiện sẽ gần hơn với hàm mật độ nhóm thật vì số mẫu huấn luyện tăng lên, miễn là tập huấn luyện biểu diễn đầy đủ sự phân biệt nhóm Trong lớp mẫu có một phần tử xử lý cho mỗi vectơ vào của tập huấn luyện Thông thường, số phần tử trong mỗi nhóm ra sẽ bằng nhau Mặt khác, một hoặc nhiều nhóm có thể bị lệch và mạng sẽ tạo ra những kết quả sai

Mỗi phần tử trong lớp mẫu được huấn luyện một lần Một phần tử được huấn luyện sẽ tạo một giá trị ra cao khi vectơ vào phù hợp với vectơ huấn luyện Hàm huấn luyện có một hệ số san bằng toàn cục để tổng quát hóa tốt hơn kết quả phân loại Trong trường hợp bất kỳ, vectơ huấn luyện không buộc phải ở

trong một thứ tự đặc biệt nào của tập huấn luyện, vì loại của một vectơ được chỉ định bởi ngả ra mẫu ứng với một ngả vào

Lớp mẫu hoạt động mang tính cạnh tranh, vectơ vào phù hợp nhất sẽ chiến thắng và tạo một ngả ra Theo cách này, chỉ có một loại được tạo ra đối với một vectơ cho trước bất kỳ Nếu ngả vào không phù hợp với bất kỳ mẫu nào có trong lớp mẫu thì sẽ không có ngả ra

Huấn luyện mạng xác suất đơn giản hơn mạng lan truyền ngược Tuy nhiên, lớp mẫu có thể rất lớn nếu sự khác biệt giữa các nhóm bị thay đổi và ở cùng thời điểm sự tương tự thật sự là các vùng riêng biệt

4.3.4 Mạng Hopffield:

Mạng Hopffield có dạng như hình vẽ 4.8

Mỗi phần tử trong mạng hoạt động ở dạng nhị phân Đó là do các phần tử tính tổng có trọng số của các ngả vào và lượng tử hóa ngả ra bằng 0 hoặc 1 Hạn chế này sẽ được giảm bớt bằng cách dùng hàm truyền Sigmoid trong mô hình để phân biệt nhóm tốt hơn

Hình 4.8: Mạng Hopffield

Mạng Hopfield có 3 lớp: lớp đệm ngả vào, lớp Hopfield và lớp ra Các lớp có cùng số phần tử Ngả vào của lớp Hopfield được nối với ngả ra của phần tử tương ứng trong lớp đệm qua các biến trọng số Ngả ra của lớp Hopfield lại nối ngược lại ngả vào của mỗi phần tử khác chấp nhận nó Chúng cũng được nối với các phần tử tương ứng trong lớp ra

Trong hoạt động gọi lại, mạng sẽ áp các dữ liệu từ lớp vào, qua các trọng số học, tới lớp Hopfield Lớp Hopfield sẽ dao động cho đến khi hoàn tất một số chu kỳ cố định, và trạng thái hiện tại của lớp này sẽ được đưa tới ngả ra Trạng thái này thích hợp với một mẫu đã được lập trình trong mạng

Việc học của mạng Hopfield có yêu cầu là một mẫu huấn luyện được đưa tới lớp vào và lớp ra cùng lúc Tính chất đệ qui của lớp Hopfield cung cấp một phương tiện điều chỉnh tất cả các trọng số Luật học này là luật Hopfield

Mạng Hopfield có 2 giới hạn chính khi sử dụng như bộ nhớ định địa chỉ được Thứ nhất, số lượng mẫu và độ chính xác bị giới hạn Nếu chứa quá nhiều mẫu thì mạng sẽ hội tụ tại một mẫu mới không chính xác với mẫu đã được lập trình

Thứ hai, mạng có thể không ổn định nếu số mẫu dùng chung quá giống nhau Vấn đề này có thể khắc phục bằng cách điều chỉnh tập mẫu trực giao với nhau

4.3.5 Mạng tự sắp xếp:

Mạng này do Tuevo Kohonen đưa ra Dữ liệu được đưa tới một lớp 2 chiều Sự khác biệt giữa mạng này và các mạng khác là nó học không giám sát Tuy nhiên, khi cấu trúc này được phối hợp với các lớp nơron khác để dự đoán hoặc phân loại thì mạng sẽ học không giám sát trước, sau đó chuyển sang học có giám sát đối với những phần thêm vào

Mạng có hai lớp: lớp vào kết nối hoàn toàn với lớp 2 chiều Kohonen, lớp ra dùng cho bài toán phân loại và biểu diễn nhóm của vectơ vào Lớp ra sử dụng luật Delta để học và hoạt động tương tự mô hình mạng lan truyền ngược

Mỗi phần tử lớp Kohonen sẽ đo khoảng cách giữa các trọng số của nó và các giá trị vào Trong khi gọi lại, phần tử Kohonen có khoảng cách nhỏ nhất sẽ chiến thắng và tạo giá trị ngả ra Khi đó các phần tử khác bị buộc phải bằng zero đối với vectơ vào đó Vì vậy phần tử chiến thắng sẽ là phần tử gần nhất nên sẽ đưa giá trị vào mạng 2 chiều Kohonen Do đó dữ liệu vào phải được biểu diễn ở dạng vectơ 2 chiều

Cấu trúc mạng như hình 4.9

Hình 4.9: Mạng Tự Sắp Xếp

Trong khi huấn luyện, phần tử Kohonen có khoảng cách nhỏ nhất sẽ điều chỉnh trọng số của nó gần hơn các giá trị dữ liệu vào Các phần tử lân cận phần tử chiến thắng cũng điều chỉnh trọng số của chúng đạt gần hơn với cùng một vectơ vào Sự điều chỉnh của các phần tử lân cận này là một công cụ để bảo toàn bậc của không gian vào Việc huấn luyện được thực hiện bằng luật học cạnh tranh Kohonen

Có một hạn chế là một phần tử chiếm một vùng và biểu diễn quá nhiều dữ liệu vào có thể tồn tại trong mô hình này Vấn đề này được giải quyết bằng cơ chế trong sạch gắn vào trong hàm học Cơ chế này sẽ giúp lớp Kohonen đạt được lợi ích tốt nhất

CHƯƠNG 5

MÔ PHỎNG CÁC HIỆN TƯỢNG QUÁ ĐỘ

TRÊN HỆ THỐNG ĐIỆN

Do không có điều kiện về thiết bị, hạn chế về thời gian nên đề tài chỉ được thực hiện trong giới hạn đã đưa ra, đó là chấp nhận kết quả mô phỏng các dạng sóng quá độ trên máy tính thay thế cho các tín hiệu thực trên hệ thống điện

Các dạng sóng quá độ có thể được mô phỏng bằng nhiều phần mềm khác nhau Trong chương này giới thiệu 2 phần mềm thông dụng là Matlab và ATP–EMTP Tuy nhiên, xét về mặt chuyên dụng thì ATP–EMTP phù hợp hơn trong việc thực hiện phân tích quá độ, mạch đơn giản hơn Do đó, phần mô phỏng trong Simulink của Matlab chỉ mang tính tham khảo, kết quả sau cùng được chọn trong phân tích của ATP–EMTP

5.1 MÔ PHỎNG BẰNG PHẦN MỀM MATLAB:

Người thực hiện đã sử dụng công cụ Power System Blockset Toolbox trong phần mềm Matlab 6.5 để tạo ra dạng sóng sin chuẩn (tần số 50Hz, biên độ 1pu) và

các tín hiệu méo dạng Các dạng sóng này gồm: võng điện áp, tăng điện áp, méo họa tần, nhấp nháy điện áp, mất điện tạm thời và đóng cắt tụ điện

5.1.1 Giới thiệu về Power System Blockset Toolbox:

Power System Blockset Toolbox là công cụ hỗ trợ trong thiết kế, xây dựng các mô hình mô phỏng hệ thống điện trong môi trường Simulink của Matlab 6.5 Công cụ này có các thư viện chứa nhiều loại mô hình tiêu biểu cho hệ thống điện như: máy biến áp, đường dây, các loại tải, thiết bị điện tử công suất, giúp người sử dụng dễ dàng thực hiện các mô phỏng về hệ thống điện

Việc thực hiện mô phỏng hệ thống điện với Power System Blockset Toolbox

được bắt đầu với các thư viện powerlib và simulink như hình vẽ 5.1 và 5.2

Hình 5.1: Thư viện powerlib

Hình 5.2: Thư viện simulink

5.1.2 Mạch mô phỏng:

Dựa vào các đặc tính của dạng sóng quá độ, người thực hiện chọn các thành

phần trong thư viện powerlib và simulink để xây dựng mạch mô phỏng

Hình vẽ 5.3 minh họa mạch mô phỏng hiện tượng võng điện áp - Voltage Sag

Hình 5.3: Mạch tạo ra võng điện áp

CB trên đường dây hình  được chọn đóng lại sau 3 chu kỳ và mở ra sau 5 chu kỳ tiếp theo Tải nối tiếp trên đóng vai trò là tải nặng gây sụt áp Như vậy tải

này được đóng vào đường dây trong 5 chu kỳ, sau đó mở ra Kết quả là sẽ tạo ra võng điện áp trong 5 chu kỳ

Kết quả mô phỏng hình 5.3 được biểu diễn trên hình 5.4

Hình 5.4: Võng điện áp 5 chu kỳ

Ngoài ra, Simulink còn hỗ trợ chức năng ‘save to file’ cho phép lưu dạng sóng

quá độ dưới dạng dữ liệu rời rạc tương thích với kỹ thuật phân tích wavelets trong phần sau Dữ liệu này được lưu ở dạng tập tin *.mat

5.2 MÔ PHỎNG BẰNG PHẦN MỀM ATP-EMTP:

5.2.1 Giới thiệu về ATP-EMTP:

ATP – EMTP là phần mềm chuyên về vẽ và mô phỏng các mạch điện có xảy ra quá độ trên hệ thống điện Phần mềm này gồm 4 phần chính: ATPDraw, PlotXY, GTPPLOT, ATP Control Center

ATPDraw:

- Giới thiệu:

ATPDraw là chương trình dùng để tạo các mô hình và mô phỏng mạch quá độ Chương trình này có thao tác đơn giản vì chỉ cần chọn các phần tử có sẵn bằng cách Click và Drag

Chương trình gồm 4 tập tin chính:

ATPDraw.exe: chạy chương trình vẽ mạch

ATPDraw.scl: thư viện

ATPDraw.cnt: chứa nội dung tập tin Help

ATPDraw.help: chạy tập tin Help

Màn hình giao diện vẽ mạch như hình vẽ 5.5

Click phải vào cửa sổ vẽ mạch để chọn các phần tử cho mạch cần mô phỏng

Hình 5.5: Màn hình vẽ mạch của ATPDraw

- Các phần tử chính khi vẽ mạch:

 Branch Linear:

Điện trở, cuộn dây, tụ điện, tổ hợp RLC

RLC 3 pha đối xứng và không đối xứng

Cuộn dây và tụ điện có điều kiện đầu

 Branch Nonlinear:

Điện trở, cuộn dây phi tuyến

Điện trở phụ thuộc dòng điện

Điện trở phụ thuộc thời gian

 Lines/Cables:

Mạch hình T và hình 

 Công tắc và linh kiện đóng cắt:

Công tắc điều khiển theo thời gian, theo điện áp

Diode, Thyristor, Triac

Máy cắt

 Nguồn:

Nguồn DC

Bộ tạo xung

Nguồn AC 1 pha và 3 pha

 Máy biến áp:

Máy biến áp 1 pha và 3 pha

- Các bước mô phỏng mạch:

 Vào File, New để tạo mới mạch mô phỏng (lưu tập tin với tên là *.adp)

 Click phải chuột trên cửa sổ vẽ mạch để chọn linh kiện

 Chọn và sắp xếp các linh kiện cho phù hợp Thay đổi thông số linh kiện

 Nối dây các linh kiện

 Vào Tool, Option, Preferences để chọn chế độ mô phỏng

 Vào ATP, Setting, Simulation cài đặt bước thời gian và tổng thời gian của quá trình mô phỏng

 Chọn ATP, Run ATP hoặc nhấn F2 để thực hiện mô phỏng

Kết thúc quá trình mô phỏng, chương trình sẽ tạo ra tập tin có tên *.pl4 chứa các

dữ liệu kết quả trong thư mục ATPDraw/ATP

PlotXY:

- Đây là chương trình dùng để hiển thị các dữ liệu kết quả

Các tập tin chạy trên PlotXY có dạng:

*.pl4: tập tin từ ATPDraw

*.mat: tập tin từ Matlab

- Giao diện của PlotXY được trình bày trên hình 5.6

Hình 5.6: Giao diện của PlotXY

Click vào Load để chọn dữ liệu cần vẽ PlotXY hỗ trợ công cụ vẽ dạng sóng theo thời gian (chọn Plot) và vẽ phân tích Fourier (chọn Four )

GTPPLOT:

- Đây là chương trình vẽ như PlotY, nhưng được thực hiện trên giao diện DOS Nó cho phép xuất dữ liệu kết quả của ATPDraw thành nhiều định dạng khác nhau: WMF, Matlab,

- Giao diện của GTPPLOT được biểu diễn trên hình 5.7

Hình 5.7: Giao diện của GTPPLOT

- Các bước thực hiện xuất tập tin trong ATPDraw (*.pl4) thành dữ liệu định dạng cho Matlab (*.mat)

 Khi được kích hoạt chương trình luôn gởi thông báo bằng lệnh PL4

 Nhập đường dẫn đến tập tin *.pl4

 Nhập lệnh Choice để hiển thị các biến trong tập tin này ( là các kết quả xuất ra từ chương trình ATPDraw)

 Nhập lệnh #1,2, …, n để định thứ tự các biến cần xuất

 Nhập lệnh Matlab để xác định dữ liệu cần xuất là tập tin Matlab *.mat

 Nhập lệnh Go để thực hiện

ATP Control Center:

Là trung tâm điều khiển, kích hoạt các chương trình khác: ATPDraw, PlotXY, GTPPLOT Nó không hỗ trợ các tên đường dẫn dài, có khoảng trống

Chọn Settings, ATP Programs Settings, ATPDraw/Plot prg/Editor để chọn chương trình thích hợp