Nghiên cứu ứng dụng lý thuyết mờ trong tính toàn hệ thống điện ở lưới 220 kv

Thực tế cho thấy Logic mờ đã được ứng dụng rất nhiều trong các hệ điều khiển phức tạp, các thiết bị gia dụng, điều khiển quá trình, điều khiển kinh tế… Một hệ thống ít phức tạp có thể đư

Trang 1

Đại Học Quốc Gia Tp Hồ Chí Minh

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

NGUYỄN HOÀI ĐÔNG

NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT MỜ TRONG TÍNH TOÁN HỆ THỐNG ĐIỆN Ở LƯỚI 220KV

CHUYÊN NGÀNH: THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 06 năm 2009

Trang 2

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI

TRƯỜNG ĐẠI HỌC BÁCH KHOA

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học : PGS.TS_ NGUYỄN BỘI KHUÊ

Cán bộ chấm nhận xét 1 :

Cán bộ chấm nhận xét 2 :

Luận văn thạc sĩ được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN

THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng năm

Trang 3

TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM

Tp HCM, ngày 20 tháng 06 năm 2009

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên học viên: NGUYỄN HOÀI ĐÔNG Phái: Nam

Ngày, tháng, năm sinh: 20/05/1977 Nơi sinh: Bình Định Chuyên ngành: Thiết bị, mạng và nhà máy điện

MSHV: 01807726

1- TÊN ĐỀ TÀI: NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT MỜ TRONG TÍNH TOÁN

HỆ THỐNG ĐIỆN Ở LƯỚI 220KV

2- NHIỆM VỤ LUẬN VĂN:

– Nghiên cứu hệ thống lý thuyết mờ

– Xây dựng đặc tính mờ cho các đại lượng điện, số liệu được lấy thực tế tại Trạm biến

áp 500kV Tân Định

– Ứng dụng cơ sở lý thuyết mờ, số phức mờ kết hợp với lý thuyết về toán học khoảng

để giải quyết các bài toán trong hệ thống điện

3- NGÀY GIAO NHIỆM VỤ: 02/2009

4- NGÀY HOÀN THÀNH NHIỆM VỤ: 06/2009

5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS.TS_NGUYỄN BỘI KHUÊ

Nội dung và đề cương Luận văn thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua

CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN KHOA QL CHUYÊN NGÀNH

(Họ tên và chữ ký) QUẢN LÝ CHUYÊN NGÀNH (Họ tên và chữ ký)

(Họ tên và chữ ký)

NGUYỄN BỘI KHUÊ

Trang 4

LỜI CẢM ƠN

Trước tiên, tôi xin tỏ lòng biết ơn sâu sắc đến PGS_TS Nguyễn Bội Khuê, người thầy đã tận tình hướng dẫn, truyền đạt cho tôi những kiến thức cũng như những kinh nghiệm quý báu để tôi có thể hoàn thành luận văn này

Xin gởi lời cảm ơn đến các thầy cô Trường ĐHBK Thành phố Hồ Chí Minh đã giảng dạy và tạo điều kiện thuận lợi cho chúng tôi trong suốt khóa học này

Tôi xin cảm ơn bạn bè, đồng nghiệp đã chia sẻ và hỗ trợ cho tôi trong suốt thời gian vừa qua

Sau cùng, tôi muốn gởi lời cảm ơn đến gia đình và những người thân đã luôn quan tâm, động viên và tạo mọi điều kiện thuận lợi nhất để tôi toàn tâm thực hiện đề tài này cũng như theo đuổi những mục tiêu của mình

Xin chân thành cảm ơn!

Trang 5

Luận Văn Thạc Sĩ Thiết bị, Mạng và Nhà máy điện_K2007

rõ ràng hay khái niệm “mờ”

Khái niệm “mờ” bắt nguồn từ các hiện tượng không rõ ràng mà nó thường xuyên xảy ra trong thế giới tự nhiên Các khái niệm này được hình thành trong bộ não của con người cho việc nhận thức, thừa nhận hay phân loại các hiện tượng tự nhiên không rõ ràng Ranh giới giữa các khái niệm này thường rất mơ hồ Đây chính là nguyên nhân xuất hiện một quan điểm toán học mới nhằm bổ sung cho các quan điểm truyền thống trước đây Đó chính là “lý thuyết mờ” mà sẽ được nghiên cứu để áp dụng tính toán hệ thống điện trong nội dung của luận văn này

Lý thuyết mờ từ khi nó ra đời đã khắc phục được các nhược điểm trên Ngược lại với tên gọi của nó, kết quả đầu ra của việc tính toán hay mô tả một sự vật hiện tượng náo đó áp dụng lý thuyết mờ thì rất chính xác Chính vì những lý do đó, ngày nay việc

áp dụng kỹ thuật tính toán mờ trong tính toán, vận hành và điều khiển hệ thống điện nói riêng và cho các lĩnh vực khác nói chung là rất phổ biến

Lĩnh vực hệ thống và điều khiển mờ đang phát triển nhanh chóng trong những năm gần đây Từ những thành công trong thực tế về điều khiển mờ, việc nghiên cứu lý thuyết về hệ thống và điều khiển mờ ngày càng được quan tâm Thực tế cho thấy Logic

mờ đã được ứng dụng rất nhiều trong các hệ điều khiển phức tạp, các thiết bị gia dụng, điều khiển quá trình, điều khiển kinh tế…

Một hệ thống ít phức tạp có thể được mô tả một cách chính xác bằng các biểu thức toán học Tuy nhiên khi hệ thống trở nên phức tạp, dữ liệu đầu vào không đầy đủ

Trang 6

và thông tin phản ánh không rõ ràng thì phương pháp suy luận mờ cung cấp một cách hiểu đầy đủ hơn về hành vi của hệ thống Nó cho phép chúng ta nội suy một cách gần đúng giữa các trạng thái của đầu vào và đầu ra Hệ mờ có thể tập trung vào mô hình những bài toán được đặc trưng bởi những thông tin không chính xác, không đầy đủ và không rõ ràng

Trong các bài toán kinh điển của HTĐ trước đây, người ta thường sử dụng các dữ liệu đầu vào là các giá trị đơn, tạm gọi là các giá trị chính xác (tỏ) để giải các bài toán thỏa mãn các mục tiêu được đặt ra và kết quả của các biến đầu ra là các giá trị chính xác Tuy nhiên trong thực tế, các kết quả nhận được thường không chính xác Nguyên nhân chính là do dữ liệu đầu vào thường không đáng tin cậy và không chính xác Sự không chắc chắn xuất hiện ở dữ liệu đầu vào và đầu ra và trong chính bản thân của hệ thống Một vài nguyên nhân dẫn đến sự không chắc chắn này có thể kể đến như : đặc tính ngẫu nhiên của nhu cầu tải đối với công suất và điện năng tiêu thụ, ảnh hưởng của những yếu tố ngẫu nhiên trong hệ thống,…

Trong những trường hợp thực tế, những giới hạn được đặt vào các biến hệ thống (điện áp thanh cái, trào lưu công suất trên đường dây…) có thể được xem xét khi những phạm vi nhỏ những giới hạn này có thể chấp nhận được Thật vậy, một nghiệm tối ưu có thể bao gồm những phạm vi nhỏ những giới hạn này mà người vận hành hệ thống hài lòng chấp nhận vì lợi ích hoàn thành mục tiêu thích hợp hơn (chẳng hạn chi phí vận hành nhỏ hơn) Người vận hành HTĐ nói chung có quan điểm về những giới hạn có thể chấp nhận được trên những biến hệ thống như là điện áp thanh cái mà nó không gây ra bất kỳ nhiễu nào đối với chất lượng phục vụ và tính nguyên vẹn của hệ thống Vì vậy, một mô hình thích hợp có khả năng mô phỏng những giới hạn “mềm” hơn trên các biến cụ thể và thực hiện lý thuyết tập mờ để cung cấp một nghiệm tối ưu Nhờ vậy, việc áp dụng kỹ thuật tính toán mờ trong hệ thống điện sẽ làm cho vấn đề trở nên đơn giản hơn với một kết quả tương đối chính xác

Trang 7

Các luật cơ sở mờ được tạo bởi tri thức chuyên gia bao gồm các luật IF-THEN và các động cơ suy luận mờ đã tạo nên hệ mờ được dùng để điều khiển các thiết bị, hệ thống tuyến tính và phi tuyến,dự báo phụ tải…

Mục đích của đề tài này là để đánh giá tiềm năng ứng dụng của hệ thống học thuyết mờ trong lĩnh vực hệ thống điện Trong phạm vi nghiên cứu của đề tài, chúng ta

sẽ tìm cách xây dựng đặc tính mờ cho các đại lượng điện Tập số liệu để áp dụng tính toán chính được lấy tại một nút ở lưới điện 220kV tại Trạm biến áp Tân Định Nghiên cứu việc áp dụng phương pháp số phức mờ để tính toán các đại lượng của một mạch điện trên cơ sở các tập mờ đã được xây dựng Kết quả tính toán sẽ được đối chiếu với

số liệu thực tế để kiểm chứng tính xác thực của từng phương pháp Trên cơ sở đó, người làm công tác vận hành cũng như quy hoạch phát triển hệ thống điện có được một cái nhìn tổng quan khi các số liệu đầu vào không chắc chắn và không đầy đủ, từ đó có thể đưa ra những quyết định chính xác cho từng trường hợp cụ thể Đây chính là ý nghĩa thực tiễn của đề tài

Nội dung luận văn được chia thành các phần chính sau đây:

Chương 1: Sơ lược về lý thuyết tập mờ

Trang 8

II.1_Cơ sở luật mờ và động cơ suy luận mờ Trang 13

CHƯƠNG 3 XÂY DỰNG CÁC ĐẶC TÍNH MỜ CHO CÁC ĐẠI LƯỢNG TÍNH

III.1_Giới thiệu tập số liệu tính toán Trang 18

III.2_Xây dựng hàm thành viên cho các biến ngôn ngữ Trang 20

Trang 9

CHƯƠNG 1

SƠ LƯỢC VỀ LÝ THUYẾT MỜ

Toán học mờ cung cấp điểm khởi đầu và ngôn ngữ cơ bản cho hệ thống mờ và điều khiển mờ Toán học mờ là một lĩnh vực rất rộng mà ở đó các nguyên lý toán học

mờ được phát triển bởi sự thay thế các tập hợp cổ điển bằng các tập mờ Lý thuyết tập

mờ cung cấp cho chúng ta phương tiện để biểu diễn những thông tin không chắc chắn Một điểm quan trọng của lý thuyết tập mờ là nó có khả năng sử dụng ngôn ngữ tự nhiên và những hiểu biết của con người để truyền thông tin Bản chất của ngôn ngữ tự nhiên là sự gần đúng, phỏng đoán Tuy nhiên nó là hình thức rất mạnh cho sự liên lạc

và trao đổi thông tin của con người Con người có thể dễ dàng nắm bắt và hiểu được ý nghĩa của những thông tin mà không cần đến các biến định lượng

Phần này sẽ giới thiệu một số khái niệm cơ bản về tập mờ, các phép toán trên tập

mờ và các nguyên lý trong toán học mờ mà nó thường được áp dụng hiệu quả trong tính toán và điều khiển mờ

Ánh xạ μF được gọi là hàm thành viên của tập mờ F

Ví dụ một tập mờ F của các số tự nhiên nhỏ hơn 6 với hàm thành viên μF(x) có dạng như ở hình 1.1 định nghĩa trên tập nền X sẽ chứa các phần tử sau:

F = {(1,1), (2,1), (3,0.8), (4,0.1)}

Số 1 và 2 có độ phụ thuộc là μF(1) = μF(2) = 1

Trang 10

Các số tự nhiên 3 và 4 có độ phụ thuộc nhỏ hơn 1: μF(3) = 0.8 và μF(x) = 0.1 Những số không được liệt kê đều có độ phụ thuộc bằng 0

Hình 1.1: Hàm thành viên của tập mờ F

I.1.2_Các khái niệm cơ bản đi kèm với tập mờ

 Support của một tập mờ A trong tập nền X là một tập tỏ chứa tất cả các phần tử của X mà có giá trị hàm thành viên trong A khác không, ký hiệu:

 Fuzzy Singleton là một tập mờ mà support của nó là một điểm trong X

 Center của một tập mờ: Nếu tồn tại giá trị trung bình của tất cả các điểm mà ở đó

hàm thành viên của tập mờ đạt giá trị lớn nhất của nó, người ta định nghĩa giá trị trung bình này như là tâm của tập mờ

 Crossover point của một tập mờ là điểm trong tập nền X mà ở đó hàm thành viên

0.8

1

μF(x)

Trang 11

α-cut của một tập mờ A là một tập tỏ Aα chứa tất cả các phần tử trong tập nền X

mà có giá trị hàm thành viên trong A lớn hơn hoặc bằng α:

Khi tập nền X là một không gian Euclidean n chiều Rn, khái niệm tập lồi (convex)

có thể được tổng quát hóa với tập mờ Một tập mờ A được gọi là lồi nếu và chỉ nếu α-cut Aα của nó là một tập lồi cho bất kỳ mức cắt α nào trong khoảng (0,1]

Có thể diễn đạt một tập mờ lồi A trong R n như sau:

a) μA∪B(x) chỉ phụ thuộc vào μA(x) và μB(x)

b) μB(x)=0 với mọi x ⇒ μA∪B(x) = μA(x)

c) μA∪B(x) = μB∪A(x), tức là phép hợp có tính chất giao hoán

Trang 12

điều khiển mờ có thể có nhiều lời giải khác nhau khi ta sử dụng các phép hợp hai tập

mờ khác nhau Để tránh những mâu thuẫn xảy ra trong kết qủa, nhất thiết trong một bài toán điều khiển ta chỉ nên thống nhất sử dụng một loại công thức cho phép hợp

Các công thức sau có thể sử dụng để tính hàm thành viên μA∪B(x) của phép hợp giữa hai tập mờ [4]:

μA∪B(x) = max{μA(x), μB(x)} (Luật lấy max) (1.5)

μA∪B(x) = min{1, μA(x) + μB(x)} (Phép hợp Lukasiewicz) (1.6)

( ), ( min{

1

0 )}

( ), ( min{

)}

( ), ( max{

)

(

x x if

x x x

B A

B A B

A B

μμμ

μ

)()(1

)()()

(

x x

x

B A

B

μμ

μ

++

+

=

I.1.3.2_Phép giao hai tập mờ :

Giao của hai tập mờ A và B có cùng tập nền X là một tập mờ, ký hiệu A∩B cũng xác định trên tập nền X có hàm thành viên μA∩B(x) thỏa mãn [4]:

a) μA∩B(x) chỉ phụ thuộc vào μA(x) và μB(x)

b) μB(x) = 1 với mọi x ⇒ μA∩B(x) = μA(x)

c) μA∩B(x) = μB∩A(x), tức là phép giao có tính chất giao hoán

Trang 13

b) Nếu x∈A thì x∉AC và ngược lại, hay μA(x)=1 ⇔ μA c(x)=0

c) Nếu A⊆B thì AC⊇BC, hay μA(x) ≤ μB(x) ⇒ μAc(x) ≥ μBc(x)

Do hàm thành viên μAc(x) của AC chỉ phụ thuộc vào μA(x) nên ta có thể xem

μA c(x) như là một hàm của μA(x) Từ đó ta có định nghĩa tổng quát hơn về phép bù mờ như sau:

Tập bù của tập mờ A định nghĩa trên nền X là một tập mờ AC cũng xác định trên tập nền X với hàm thành viên μ(μA): [0, 1] → [0, 1] thỏa mãn:

Quan hệ mờ là một tập mờ được định nghĩa trong tích Cartesian của các tập tỏ U1,

U2,…, Un Một quan hệ mờ Q trong U1 × U2 ×…× Un được định nghĩa như một tập mờ sau:

Q = {((u1, u2, …, un), μQ(u1, u2, …, un)) | (u1, u2, …, un) ∈ U1xU2 x…xUn } (1.13) trong đó: μQ: U1 x U2 x…x Un → [0,1]

Trang 14

Như một trường hợp đặc biệt, quan hệ mờ nhị phân là một tập mờ được định nghĩa trong tích Cartesian của hai tập tỏ Một quan hệ nhị phân trên một tích Cartesian hữu hạn thường được biểu diễn bằng một ma trận quan hệ mờ mà mỗi phần tử của nó

là giá trị hàm thành viên của các cặp tương ứng thuộc quan hệ mờ Ví dụ sau đây chỉ cho ta biết cách diễn đạt một ma trận quan hệ mờ

Ví dụ: Cho U = {San Francisco, Hong Kong, Tokyo} và V = {Boston, Hong Kong} Giả sử chúng ta muốn định nghĩa một khái niệm quan hệ “rất xa” giữa hai tập thành phố này Nếu ta sử dụng một số trong khoảng [0,1] để diễn đạt cấp độ “rất xa”, thì khái niệm rất xa có thể được trình bày bởi một ma trận quan hệ mờ sau:

Trang 15

Trong kỹ thuật tính toán mờ, mỗi đại lượng có thể được thể hiện dưới dạng biến vật lý với các giá trị rõ và biến ngôn ngữ với các giá trị mờ Ví dụ đại lượng dòng điện

có thể được diễn đạt ở dạng biến vật lý với các giá trị rõ như I=0.2pu, I=0.55pu,

I=0.9pu,… hay ở dạng biến ngôn ngữ với các giá trị mờ như nhỏ, trung bình,

lớn,…Minh họa việc mô tả các giá trị ngôn ngữ bằng tập mờ như hình 1.2

Tổng quát, nếu một biến có thể lấy các từ trong ngôn ngữ tự nhiên như là những giá trị của nó thì người ta gọi nó là một biến ngôn ngữ, trong đó những từ được đặc trưng bởi các tập mờ

Một biến ngôn ngữ được đặc trưng bởi (X, T, U, M), trong đó:

X là tên của biến ngôn ngữ

Trang 16

F F F F T T T Bảng 1.1: Bảng chân lý cho 5 phép toán ứng với các mệnh đề p và q

Trong logic mờ, các mệnh đề được thể hiện dưới dạng các tập mờ Mục tiêu cuối cùng của logic mờ là để thiết lập những lập luận gần đúng với những mệnh đề không rõ ràng bằng cách sử dụng lý thuyết về tập mờ Hai quy luật suy luận thường được sử dụng để làm nguyên lý cơ bản trong logic mờ là Modus Ponens và Modus Tollens tổng quát [12]

Modus Ponens tổng quát (GMP) được phát biểu như sau:

Giả thiết 1: x là A’

Giả thiết 2: IF x là A THEN y là B

Kết luận: y là B’

Hàm thành viên của mệnh đề kết luận:

)]

,(),

([sup)

' y t A x A B x y

U x

([sup)

' x t B y A B x y

V y

Trang 17

thành viên của mệnh đề quan hệ kéo theo (diễn đạt giả thiết IF x là A THEN y là B)μA→B ( y x, )

Gọi A và B lần lượt là các tập mờ trong U và V Quan hệ kéo theo mờ, ký hiệu A→B, là một tập mờ trong tích U×V có hàm thành viên được xác định theo một trong các cách sau:

Theo Dienes: μA→B(x,y)=max[1−μA(x),μB(y)] (1.16)

Theo Lukasiewics:μA→B(x,y)=min[1,1−μA(x)+μB(y)] (1.17)

Theo Zadeh: μA→B(x,y)=max[min(μA(x),μB(y)),1−μA(x)] (1.18)

I.5_SỐ MỜ

Một số mờ M được định nghĩa như là một tập mờ lồi có hàm thành viên liên tục với chỉ một điểm x0 có μM (x 0 )=1 Trong các ứng dụng thực tế, chúng ta thường cho phép

sử dụng các hàm thành viên có dạng hình thang để biểu diễn một số mờ

Số mờ dương (âm): là số mờ mà hàm thành viên của nó bằng 0 cho tất cả các giá trị âm (dương) của biến độc lập x Có thể diễn đạt số mờ dương (âm) như sau:

b x b

a for a

b

b x

b a x a for a

b

a x

a x for

1

2/)(2

b x for a b b x S

b x for b

a b x S b

a

x

),

;(1

),

;()

,

:

Trang 18

CHƯƠNG 2

HỆ THỐNG MỜ

Một hệ thống mờ bao gồm 4 thành phần chính: cơ sở luật mờ, động cơ suy luận

mờ, bộ mờ hóa và giải mờ như hình 2.1 Chương này sẽ giới thiệu tóm tắt từng thành phần cấu thành trong hệ thống mờ

Hình 2.1: Cấu trúc cơ bản của hệ thống mờ

II.1_CƠ SỞ LUẬT MỜ VÀ ĐỘNG CƠ SUY LUẬN MỜ

Xét hệ thống mờ như hình 2.1, trong đó U = U1 × U2 × × Un ⊂ Rn và V⊂ R Ta chỉ xét trường hợp hệ thống có nhiều đầu vào và một đầu ra bởi vì một hệ có nhiều đầu

ra có thể phân tích thành một nhóm của nhiều hệ thống có một đầu ra

II.1.1_Cơ sở luật mờ

Một cơ sở luật mờ bao gồm một tập hợp các luật IF-THEN mờ, cụ thể [12]:

Ru(l): IF x1 là l AND AND xn là , THEN y là B l (2.1)

Bộ mờ hóa

Trang 19

Một tập hợp của các luật IF-THEN mờ được gọi là đầy đủ nếu cho bất kỳ x∈U, tồn tại ít nhất một luật trong cơ sở luật mờ sao cho:

i

x i

A l( )≠ 0 ∀

II.1.2_Động cơ suy luận mờ

Trong động cơ suy luận mờ, các nguyên lý logic mờ được sử dụng để kết hợp với luật IF-THEN mờ trong cơ sở luật mờ thành một ánh xạ từ tập mờ A’ trong U tới tập

mờ B’ trong V

Trong điều khiển mờ có nhiều loại động cơ suy luận mờ Tùy từng trường hợp cụ thể mà người ta quyết định sử dụng loại động cơ suy luận mờ nào cho hợp lý Một số động cơ suy luận mờ phổ biến thường được sử dụng trong hệ thống và điều khiển mờ

sẽ được giới thiệu sau đây [12]

 Động cơ suy luận kết quả: Cho tập mờ A’ trong U, tập mờ đầu ra B’ trong V là:

))]

()()

((sup[max)

(

1

' 1

n

i

i A A

U x

M l

sup[max)

1 '

U x

M l

((min1),(min(

supmin{

)

(

1 '

1

n i A

U x

M l

)),(),(), ,(max(min(

),(min(

sup{min)

(

1

1 '

1

i A n i

B n A A

A U

x

M l B

x

y x

x x

y

l

l l

n l

μ

μ μ

Trang 20

 Động cơ suy luận Dienes-Rescher:

))]}

()),((min1max(

),(min[

sup{min)

(

1 '

1

n i A

U x

M l

II.2_BỘ MỜ HÓA VÀ GIẢI MỜ

Như đã trình bày ở phần trên, động cơ suy luận mờ kết hợp tất cả các quy luật trong cơ sở luật mờ thành một ánh xạ từ tập mờ A’ trong U tới tập mờ B’ trong V Trong hầu hết các ứng dụng, đầu vào và đầu ra của hệ thống mờ là các giá trị rõ Do đó chúng ta phải xây dựng một giao diện giữa động cơ suy luận mờ và các môi trường khác Các giao diện này là các bộ mờ hóa và giải mờ

*1

'( ) 1

1 1

a x x a

x x

x x b

x x

n n A

0

,1,

|

|)

|

|1(

)

|

|1()

(

1 1 1

1 1 '

oo

Trang 21

Trong các công thức trên, ai, bi là các tham số dương; biểu thị cho bất kỳ phép toán t-norm nào

o

II.2.2_Giải mờ

Bộ giải mờ được định nghĩa như một ánh xạ từ tập mờ ngõ ra B’ trong V⊂R tới một điểm rõ y* ∈V Ba bộ giải mờ sau đây thường được đề xuất sử dụng trong hệ thống và điều khiển mờ [12]:

B

dy y

dy y y y

)(

M

l

l l

w

w y y

|{

Trang 22

Khi đó bộ giải mờ cực đại định nghĩa y* là một phần tử tùy ý trong hgt(B’) Nếu hgt(B’) chứa một điểm thì y* được xác định là duy nhất Nếu hgt(B’) chứa nhiều điểm thì chúng ta có thể sử dụng nguyên lý cận trái, nguyên lý cận phải và nguyên

lý trung bình của bộ giải mờ cực đại để tính toán

)' (

B hgt

dy ydy

Trang 23

CHƯƠNG 3 XÂY DỰNG CÁC ĐẶC TÍNH MỜ CHO CÁC ĐẠI LƯỢNG

TÍNH TOÁN III.1_GIỚI THIỆU TẬP SỐ LIỆU TÍNH TOÁN

Sơ đồ nhất thứ Trạm biến áp Tân Định:

Phía 500/220kV:

Trang 24

Phía 220/110kV:

Hình 3.1: Sơ đồ nhất thứ Trạm biến áp Tân Định:

Trạm biến áp Tân Định nằm ở thị xã Thủ Dầu Một_tỉnh Bình Dương với công suất lắp đặt là 700MW Trạm Tân Định có 02 máy biến áp lực (01 MBA 500/220kV công suất 450MW và 01 MBA 220/110kV với công suất 250MW),02 tuyến đường dây 500kV (Tân Định – Phú Lâm và Tân Định – Di Linh), 04 tuyến đường dây 220kV (Tân Định – Bình Hòa mạch 1&2, Tân Định – Mỹ Phước và Tân Định – Trảng Bàng) và 02 tuyến đường dây 110kV (Tân Định – Bàu Bèo mạch 1&2)

Trạm biến áp Tân Định được đưa vào vận hành từ năm 2003 Đây là trạm biến áp tích hợp, sử dụng công nghệ hiện đại Hệ thống máy tính điều khiển tại Trạm có thể ghi lại các các thông số vận hành một cách tự động nên đảm bảo tính xác thực và đồng bộ

về mặt thời gian Chính vì lý do đó, số liệu phục vụ cho tính toán trong đề tài này được lấy từ Trạm biến áp 500kV Tân Định Đó là các thông số vận hành P, Q, U, I được ghi

Trang 25

nhận hàng giờ mà hệ thống máy tính thu thập từ các thiết bị đo của các ngăn lộ tại thanh cái 220kV cho các ngày từ 11/11/2008 đến 13/11/2008 (xem Phụ lục 1)

III.2_XÂY DỰNG HÀM THÀNH VIÊN CHO CÁC BIẾN NGÔN NGỮ

Một đặc trưng của phương pháp tập mờ là nó có khả năng sử dụng ngôn ngữ để

mô tả một biến nào đó, ví dụ như khi nói đến tình trạng của hệ thống người ta có thể diễn đạt “tải nặng”, “quá tải”,…Đây là một điểm mạnh của lý thuyết vì nó rất phù hợp cho việc mô tả các giới hạn ngôn ngữ không chắc chắn như thế

Phần này sử dụng các biến ngôn ngữ như là các biến mờ đầu vào và hàm thành viên của nó để ước lượng tải cho các phát tuyến trên thanh cái 220kV Trạm Tân Định

mà giả định là chúng ta chỉ biết được thông số vận hành của một ngăn lộ tổng Kết quả tính toán sẽ được so sánh với các số liệu đo được để kiểm chứng tính xác thực của phương pháp tính toán này Trên cơ sở đó đề xuất phạm vi áp dụng cho một số lưới điện cụ thể

Phương pháp phổ biến để thực hiện việc ước lượng tải được dựa trên sự tiêu thụ của các phụ tải có quy luật biến đổi tương đương Ví dụ tải đỉnh của các phụ tải công nghiệp có thể xuất hiện vào buổi chiều trong khi với tải cung cấp cho các khu thương mại thì tải đỉnh có thể xảy ra vào buổi tối Các chuyên gia có khuynh hướng sử dụng các biến ngôn ngữ để diễn đạt những điều chưa biết hoặc không chắc chắn Ví dụ

chúng ta có thể nói “tải của một phát tuyến nào đó vào lúc 11a.m thì nặng” Như vậy

bằng cách nào đó chúng ta phải mô tả được cách diễn đạt bằng ngôn ngữ như trên Ta

thấy rằng cách diễn đạt như “nặng”, “bình thường”,… là không rõ ràng về mặt định

lượng

Như đã giới thiệu ở chương 1, bất kỳ một biến không chắc chắn nào cũng có thể được biểu diễn như sau:

X = {(x, μ(x)) | x là các giá trị có thể của biến X} (3.1)

μ(x) là hàm thành viên, chỉ mức độ phụ thuộc mà biến X có giá trị x

Trang 26

Trong phần này ta ứng dụng lý thuyết tập mờ để tính toán ước lượng các thông số

P, Q của các ngăn lộ nên biến X trong (3.1) có thể là công suất tác dụng P hoặc công suất phản kháng Q

Để ước lượng tải của các phát tuyến, đầu tiên ta xây dựng biểu đồ tải hằng giờ trong ngày cho các phát tuyến Các phát tuyến cùng loại tải được giả định là có cùng mẫu biểu đồ tải hằng giờ trong ngày Theo các số liệu ghi nhận trong quá khứ thì quy luật biến thiên của tải là khác nhau với các ngày khác nhau trong tuần nên ta cần phải phân chia biểu đồ tải cho các ngày này thành từng nhóm riêng, cụ thể:

- Ngày đầu của các tuần trong tháng (thứ 2): xây dựng một mẫu biểu đồ tải riêng

- Các ngày giữa tuần (thứ 3-4-5) tải có quy luật thay đổi giống nhau nên ta xây dựng một mẫu biểu đồ tải chung cho các ngày này

- Ngày thứ sáu của các tuần trong tháng: xây dựng một mẫu biểu đồ tải riêng

- Các ngày nghỉ (thứ 7, chủ nhật, lễ): xây dựng một mẫu biểu đồ tải riêng

Ngoài ra, quy luật biến thiên của tải cũng thay đổi theo mùa, chẳng hạn quy luật biến thiên của tải trong mùa mưa khác với mùa khô nên ta phải xây dựng mẫu biểu đồ

tải riêng cho các tháng mà phụ tải có xu hướng thay đổi khác nhau

Biểu đồ ngày làm việc toàn quốc:

Trang 27

Biểu đồ ngày điển hình miền Nam:

Hình 3.2: Minh họa một vài mẫu biểu đồ tải điển hình

(nguồn: Tập đoàn Điện Lực Việt Nam)

III.2.1_Đặc tính công suất tác dụng mờ

500/220kV

F01 F03 F08 F11

PΣ F10

Hình 3.3: Sơ đồ tương đương mạch điện phía 220kV Trạm biến áp 500kV Tân Định

Từ các số liệu tải ghi nhận được trong quá khứ (xem Phụ lục 1) ta có thể xây dựng mẫu biểu đồ tải hàng giờ trong ngày cho các ngăn lộ F01, F03, F08, F11 Mẫu đồ thị tải này được xây dựng cho các ngày giữa tuần (thứ 3-4-5) và áp dụng cho các tháng cuối năm

Trang 28

P1/P 1đm

Ngăn F03 P3/P 3đm

Ngăn F08 P8/P 8đm

Ngăn F11 P11/P 11đm

Trang 29

Hình 3.4: Mẫu biểu đồ công suất tác dụng đặc trưng của các ngăn F01, F03, F08, F11 Chia đồ thị tải thành 5 mức:

Trang 30

2

1

1)

=

α

μ

m x

Trang 31

Trong đó m là kỳ vọng toán, bằng trung bình của tất cả các giá trị nằm trong mức tải đó; α là phương sai Như vậy mỗi mức tải có một tham số m và α riêng cho hàm thành viên của nó Ví dụ hàm thành viên cho mức tải nhỏ có mN và αN là:

2

1

1 )

=

N N

N

m x x

α

0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Trang 32

2

1

1)

=

Pi Pi

Pi

m y x

α

trong đó :

Pi i

i Pi

n i

i i

i i Pi

m m

P P m

P m m

Bảng 3.3: Các tham số hàm thành viên m và α của 5 biến ngôn ngữ

Từ bảng 3.3 ta có thể vẽ được hàm thành viên của của các biến ngôn ngữ cho từng ngăn lộ như ở hình 3.6

Trang 33

Trang 34

Hình 3.6: Đồ thị hàm thành viên của các ngăn F01, F03, F08, F11

Giả sử bây giờ ta tính toán ước lượng công suất cho các ngăn F01, F03, F08, F11 tại thời điểm 15 giờ ngày 13/11/2008 ứng với công suất ngăn tổng F10 đo được là 351.9MW:

Bảng 3.4: Số liệu tải trung bình (đặc trưng) của các ngăn lộ vào lúc 15 giờ

9 Tính toán ước lượng cho ngăn lộ F01:

MW

MW m

0

505431.0

•+

Trang 35

Số liệu tính toán được ghi ở bảng sau:

mPi (MW) 27.03 141 100.48 83.41

αPi (MW) 1.4614 4.4037 3.0367 7.6188 Bảng 3.5: Kết quả tính toán tải các ngăn lộ lúc 15 giờ ngày 13/11/2008

Tính toán tương tự cho tất cả các giờ trong ngày, ta vẽ được biểu đồ tải hàng giờ trong ngày cho các ngăn lộ đó như hình 3.6 dưới đây:

Hình 3.7: Biểu đồ công suất tác dụng P các ngăn lộ (theo giá trị đo lường và theo

giá trị tính toán) tính cho ngày 13/11/2008

Ngăn F01

Ngăn F03

Ngăn F08

Ngăn F11

Trang 36

III.2.2_Đặc tính công suất phản kháng mờ

Q1/Q 1đm

Ngăn F03 Q3/Q 3đm

Ngăn F08 Q8/Q 8đm

Ngăn F11 Q11/Q 11đm

Trang 37

Bảng 3.6: Công suất Q đặc trưng hàng giờ cho các ngăn lộ

Giả sử bây giờ ta ước lượng công suất phản kháng các ngăn lộ 220kV cho ngày 12/11/2008 Bằng phương pháp tính toán tương tự như trên ta vẽ được biểu đồ tải hàng giờ trong ngày cho các ngăn lộ đó như hình 3.8 dưới đây:

Ngăn F01

Ngăn F03

Ngăn F08

Ngăn F11

Hình 3.8: Biểu đồ công suất phản kháng Q các ngăn lộ (theo giá trị đo lường và

theo giá trị tính toán) tính cho ngày 12/11/2008

Trang 38

Như vậy, quy trình xây dựng đặc tính mờ cho các đại lượng theo phương pháp biến ngôn ngữ để tính toán ước lượng tải có thể được tóm tắt như sau:

Hình 3.9: Quy trình tính toán ước lượng tải

Nhận xét:

9 Do ở lưới điện 220kV, quy luật biến thiên của tải tại mỗi thời điểm trong ngày phụ thuộc nhiều vào chế độ vận hành của lưới điện, biên độ dao động P, Q giữa các ngày tương đối lớn nên việc tính toán ước lượng bằng phương pháp trung bình như trên cho kết quả có sai số lớn Mặt khác, việc xây dựng mẫu biểu đồ tải đặc trưng cho các ngăn lộ cũng ảnh hưởng nhiều đến kết quả tính toán Một mẫu biểu đồ tải gần giống với quy luật biến thiên của tải trong thực

tế sẽ cho kết quả có sai số nhỏ hơn Để làm được điều này đòi hỏi người tính toán phải có thật nhiều số liệu vận hành trong quá khứ của các ngăn lộ đó để

Bắt đầu

Đọc tham số ngăn lộ tổng (P, Q)

Ghi lại công suất định mức từng ngăn lộ

Thiết lập mẫu biểu đồ phụ tải từng ngăn lộ

Xác định mi và αi cho từng ngă

mỗi mức tải n lộ ứng với

Tính mPi, αPi hoặc mQi, αQi cho tứng với mỗi mức tải theo (3.ừng ngăn 4)

Kết thúc

Trang 39

có cơ sở phân tích tìm ra quy luật thay đổi thích hợp của tải ứng với từng thời điểm khác nhau

9 Trong thực tế, phụ tải các đường dây phân phối (ví dụ như tải công nghiệp, tải thương mại, tải khu nhà ở,…) thường có quy luật thay đổi nhất định nên việc xây dựng các mẫu biểu đồ tải đặc trưng là tương đối chính xác và dễ dàng Mặt khác, các đường dây phân phối thường có rất nhiều nhánh rẽ mà ở đó người vận hành chỉ biết được các thông số vận hành như dòng, áp, công suất của đường dây trục chính Việc ước lượng tải sử dụng phương pháp mờ như trên áp dụng hiệu quả cho lưới điện phân phối, thuận lợi cho công tác vận hành lưới điện

III.3_HỆ THỐNG MỜ Ê-LÍP

Ở phần II, chúng ta đã xây dựng được đặc tính mờ cho P và Q theo các biến ngôn ngữ Phần này sẽ giới thiệu cách xây dựng các đặc tính mờ theo một quy luật mà các vùng mờ của nó có hình dạng của một ê-líp

III.3.1_Hệ thống mờ mở rộng

Hình 3.10: Vùng quy lật mờ “Nếu X là tập mờ A1 thì Y là tập mờ B1” là một tích

Cartesian A1 × B1 trong không gian tích vào-ra X × Y

Trang 40

Một hệ thống mờ có thể tính xấp xỉ một hàm số bằng cách bao phủ đồ thị của nó bởi các vùng mờ và tính trung bình các vùng đè lên nhau Việc tính xấp xỉ một hàm số

sẽ cho kết quả càng chính xác nếu số vùng mờ tăng lên và kích thước của các vùng mờ

co hẹp lại

Hệ thống mờ mở rộng cộng thêm các phần “THEN” của các luật “IF-THEN” Các tập phần “THEN” này sau đó sẽ được kết hợp lại thông qua một hệ thống mờ khác Một hệ thống mờ thường có các quy luật dạng “Nếu các điều kiện đầu vào thành lập thì các điều kiện đầu ra thành lập” hoặc “Nếu X là A thì Y là B” cho các tập mờ A và B Mỗi quy luật xác định một vùng mờ hoặc một tích Cartesian A × B như ở hình 3.10

Hệ thống mờ này bao bọc đồ thị của một hàm liên tục với các vùng mờ của nó

Hình 3.11: Cấu trúc hệ thống mờ mở rộng

Hệ thống mờ mở rộng kích hoạt tất cả các quy luật được kết nối song song và trung bình cộng các tập hợp đầu ra để thu được tập mờ đầu ra B như được mô tả ở hình 3.11 Mỗi tập đầu ra Bj có độ phụ thuộc a j (x) mà quy luật “IF A j , THEN B j” được

thực hiện Bộ giải mờ trọng tâm (Centroidal Defuzzifier) cho giá trị đầu ra y hoặc F(x) dựa trên các véctơ đầu vào x∈R n

'

j B

dy y yb B

Centroid x

F

y

) (

) ( )

( )

(

Định dạng
Số trang	129
Dung lượng	3,19 MB