Luận văn Thạc sĩ Kỹ thuật: Nhận dạng ổn định động hệ thống điện bằng mạng nơron

NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN BẰNG MẠNG NƠRON

Tác giả: PHẠM THẾ HOÀNG

Lĩnh vực: Kỹ thuật điện

Nội dung tài liệu:

Luận văn này tập trung vào việc nghiên cứu và ứng dụng mạng nơron nhân tạo (ANN) kết hợp với kỹ thuật lựa chọn biến đặc trưng để đánh giá nhanh trạng thái ổn định động của hệ thống điện. Các phương pháp phân tích truyền thống thường tốn nhiều thời gian, gây chậm trễ trong việc ra quyết định, do đó, việc đề xuất phương pháp mới có khả năng đánh giá nhanh trạng thái ổn định hệ thống điện là yêu cầu cấp thiết. Luận văn đã xây dựng tập dữ liệu học và kiểm tra cho hệ thống điện IEEE 10 máy 39 bus thông qua mô phỏng sự cố. Ba phương pháp lựa chọn biến đặc trưng (Fisher, Divergence, Relief) và hai loại mạng nơron (GRNN, MLPNN) đã được sử dụng để đánh giá hiệu quả nhận dạng. Kết quả cho thấy mạng nơron GRNN với phương pháp chọn biến Relief mang lại độ chính xác cao và thời gian huấn luyện nhanh hơn.

Mục lục chi tiết:

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• DANH MỤC VIẾT TẮT
• DANH SÁCH CÁC BẢNG
• DANH MỤC CÁC BẢNG BIỂU, ĐỒ THỊ, HÌNH ẢNH
• CHƯƠNG MỞ ĐẦU
• CHƯƠNG 1 TỔNG QUAN
• 1.1. Tổng quan về lĩnh vực nghiên cứu
• 1.2. Nhiệm vụ của luận văn
• 1.3. Phương pháp nghiên cứu
• 1.4. Ý nghĩa khoa học và giá trị thực tiễn của luận văn
• CHƯƠNG 2 ĐÁNH GIÁ ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
• 2.1. Các chế độ hệ thống điện
• 2.2. Ổn định hệ thống điện
• 2.3. Phương trình dao động
• 2.4. Đơn giản hóa mô hình máy phát
• 2.5. Ổn định hệ nhiều máy
• 2.6. Đánh giá ổn định hệ thống điện theo phương pháp ANN
• 2.7. Kết luận chương 2
• CHƯƠNG 3 MẠNG NƠRON NHÂN TẠO (ANN)
• 3.1. Khái niệm cơ bản của các mạng nơron nhân tạo
• 3.1.1. Giới thiệu
• 3.1.2. Thiết kế triết học của một hệ thống nơron nhân tạo
• 3.1.3. Huấn luyện hệ thống nơron (Training system)
• 3.1.4. Sự tự cải tiến (Self modification)
• 3.1.5. Mô hình hóa hệ thống nơron
• 3.1.6. Điện áp dịch (Bias voltages), Axon, Synapse và hệ số trọng lượng (Weighting factor)
• 3.1.7. Mô hình toán đơn giản của mạng nơron
• 3.2. Các mô hình cơ bản và các qui tắc học của mạng nơron nhân tạo
• 3.2.1 Các phần tử xử lý (Processing Elements – PEs)
• 3.2.2. Các sự kết nối (Connections)
• 3.2.3. Các qui tắc học (Learning rules)
• 3.3. Phân loại mạng nơron
• 3.3.1. Phân loại theo cấu trúc
• 3.3.2. Phân loại theo phương pháp học tập
• 3.4. Khái quát về lý thuyết của các mạng nơron
• 3.4.1. Mạng Perceptron nhiều lớp
• 3.4.2. Mạng hàm truyền xuyên tâm (RBFN)
• 3.5. Các giai đoạn trong một mô hình nhận dạng
• 3.6. Mô hình nhận dạng
• 3.7. Kết luận chương 3
• CHƯƠNG 4 LỰA CHỌN BIẾN ĐẶC TRƯNG
• 4.1. Tổng quan
• 4.2. Lựa chọn biến đặc trưng
• 4.2.1. Khái niệm
• 4.2.2. Các phương pháp lựa chọn biến đặc trưng
• 4.3. Quy trình lựa chọn biến đặc trưng
• 4.3.1. Lựa chọn biến đặc trưng ban đầu
• 4.3.2. Tìm kiếm biến đặc trưng ứng viên
• 4.3.3. Đánh giá biến đặc trưng ứng viên
• 4.3.3.1. Hàm khoảng cách Fisher
• 4.3.3.2. Hàm khoảng cách Divergence
• 4.3.3.3. Thuật toán Relief
• 4.3.4. Tiêu chuẩn dừng
• CHƯƠNG 5 ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN IEEE 10 MÁY 39 BUS
• 5.1. Mô tả hệ thống điện IEEE 10 máy 39 bus (New England)
• 5.2. Trình tự đánh giá ổn định động hệ thống điện sử dụng mạng nơron
• 5.3. Tạo cơ sở dữ liệu ổn định động
• 5.4. Xây dựng tập mẫu học
• 5.5. Xác định biến đầu vào và biến đầu ra
• 5.6. Chuẩn hóa dữ liệu
• 5.7. Chia tập dữ liệu
• 5.8. Kết quả tính toán xếp hạng biến
• 5.9. Kết quả chọn số nơron trong lớp ẩn cho MLPNN và chọn hệ số spread cho GRNN
• 5.10. Đánh giá độ chính xác nhận dạng
• 5.11. Kết luận chương 5
• CHƯƠNG 6 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU PHÁT TRIỂN
• 6.1. Kết luận
• 6.2. Hướng nghiên cứu phát triển
• TÀI LIỆU THAM KHẢO