ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
--------------------

TRẦN KHƯƠNG CƯỜNG

ĐÁNH GIÁ TRẠNG THÁI LƯỚI ĐIỆN
SỬ DỤNG TRÍ TUỆ NHÂN TẠO

Chuyên ngành:

KỸ THUẬT ĐIỆN

Mã số:

8520201

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 7 năm 2023


Cơng trình được hồn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM
Cán bộ hướng dẫn khoa học: TS. Huỳnh Quang Minh
Cán bộ chấm nhận xét 1: PGS. TS. Võ Ngọc Điều
Cán bộ chấm nhận xét 2: TS. Lê Văn Đại
Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM
ngày 15 tháng 7 năm 2023
Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:
1. Chủ tịch Hội đồng: PGS. TS. Vũ Phan Tú.
2. Thư Ký Hội đồng: TS. Huỳnh Quốc Việt.

3. Cán bộ Phản biện 1: PGS. TS. Võ Ngọc Điều.
4. Cán bộ Phản biện 2: TS. Lê Văn Đại.
5. Ủy viên Hội đồng: PGS. TS. Huỳnh Châu Duy.
Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên
ngành sau khi luận văn đã được sửa chữa (nếu có).
CHỦ TỊCH HỘI ĐỒNG

PGS. TS. Vũ Phan Tú

TRƯỞNG KHOA ĐIỆN – ĐIỆN TỬ


ĐẠI HỌC QUỐC GIA TP.HCM

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: TRẦN KHƯƠNG CƯỜNG...........MSHV: 2170985
Ngày, tháng, năm sinh: 15/12/1999.............................Nơi sinh: Quảng Trị
Chuyên ngành: Kỹ Thuật Điện....................................Mã số: 8520201
I. TÊN ĐỀ TÀI:
ĐÁNH GIÁ TRẠNG THÁI LƯỚI ĐIỆN SỬ DỤNG TRÍ TUỆ NHÂN TẠO
POWER SYSTEM STATE ESTIMATION USING ARTIFICIAL INTELLIGENCE
II. TÊN ĐỀ TÀI:
−


Nghiên cứu bài toán đánh giá trạng thái vận hành hệ thống điện;

−

Tìm hiểu mạng nơron nhân tạo;

−

Xây dựng mơ hình mạng nơ ron để đánh giá trạng thái lưới điện;

−

Kiểm chứng và áp dụng trên lưới điện IEEE 14 nút, IEEE 30 nút, IEEE 57 nút.

III. NGÀY GIAO NHIỆM VỤ: ngày 06/02/2023
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: ngày 11/6/2023
V. CÁN BỘ HƯỚNG DẪN: TS. Huỳnh Quang Minh
Tp. HCM, ngày …… tháng ….. năm 2023.
CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TS. Huỳnh Quang Minh

TS. Nguyễn Nhật Nam

TRƯỞNG KHOA ĐIỆN – ĐIỆN TỬ

i



LỜI CẢM ƠN
Trước tiên, tơi xin tỏ lịng biết ơn sâu sắc đến Thầy TS. Huỳnh Quang Minh người thầy đã tận tình hướng dẫn và giúp đỡ tơi trong suốt q trình thực hiện quyển
luận văn này.
Tơi xin chân thành cảm ơn tất cả quý Thầy Cô Khoa Điện – Điện tử nói chung
và các q Thầy Cơ trong bộ mơn Hệ thống Điện nói riêng cùng các cán bộ phịng
Đào tạo đã giúp đỡ tơi rất nhiều trong suốt q trình học tập và trong q trình hồn
thành quyển luận văn này.
Cuối cùng tôi xin chân thành cảm ơn những người thân, bạn bè và đồng nghiệp
đã luôn ở bên tôi và động viên tôi rất nhiều để tơi hồn thành khóa học này.
TP. Hồ Chí Minh, ngày … tháng 7 năm 2023
Học viên thực hiện

Trần Khương Cường

ii


iii

TĨM TẮT LUẬN VĂN
Trong q trình vận hành hệ thống điện, trạng thái của hệ thống là một vấn đề
được đặc biệt quan tâm cần phải xác định nhằm xem xét trạng thái vận hành có an
tồn hay khơng, có khả năng chịu được các sự cố ngẫu nhiên hay không. Trạng thái
vận hành của hệ thống điện được đặc trưng bằng các thông số trạng thái như: môđun
điện áp, góc pha điện áp, cơng suất tác dụng nút, cơng suất phản kháng nút, dịng
cơng suất tác dụng trên đường dây, dịng cơng suất phản kháng trên đường dây, dịng
điện trên đường dây, cấu rúc của hệ thống… Các thông số trạng thái này không độc
lập với nhau mà liên hệ với nhau thơng qua hệ phương trình trạng thái. Khi biết được
một số lượng thông số trạng thái nhất định ta có thể tính ra tất cả các thơng số còn lại.

Trạng thái của hệ thống điện được xác định bằng nhiều cách như lắp đặt trực tiếp các
thiết bị đo tại tất cả các nút và đường dây trên hệ thống để đo và thu thập các thông
số trạng thái. Tuy nhiên phương pháp này đòi hỏi một số lượng lớn các thiết bị đo,
hệ thống truyền tin với khối lượng dữ liệu rất lớn. Ngoài ra trong trường hợp lắp đặt
các thiết bị đo ở tất cả các nút và đường dây trên hệ thống để thu thập các thơng số
trạng thái thì vẫn gặp phải khó khăn về vấn đề sai số của thiết bị đo, lỗi thiết bị và
nhiễu hoặc lỗi khi truyền dữ liệu. Do đó, nghiên cứu đánh giá trạng thái hệ thống điện
đã được nghiên cứu phát triển.
Đánh giá trạng thái hệ thống điện (PSSE) được sử dụng để cung cấp cơ sở dữ
liệu thời gian thực cho các hệ thống điều khiển và giám sát lưới điện và hỗ trợ người
vận hành hệ thống đưa ra các quyết định hành động khắc phục với đầy đủ thông tin
trong trường hợp bất ngờ. Các kỹ thuật PSSE sử dụng các phép đo hệ thống điện như
dòng điện, điện áp nút (cường độ và góc pha) và dịng cơng suất đổ vào nút (thu được
từ hệ thống thu thập dữ liệu và điều khiển giám sát (SCADA)), để đánh giá các trạng
thái của hệ thống điện như biên độ điện áp và góc pha tại các nút trong hệ thống. Bài
toán đánh giá trạng thái hệ thống điện thường được xây dựng dựa trên phương pháp
bình phương bình phương cực tiểu có trọng số (WLS) và được giải bằng các phương
pháp lặp như phương pháp Gauss-Newton. Tuy nhiên, các phương pháp này rất nhạy
cảm với các điều kiện vận hành hệ thống điện phức tạp.


iv

Ngoài ra, sự gia tăng các nguồn năng lượng tái tạo khơng liên tục (ví dụ: nguồn
điện mặt trời và điện gió), các cơng nghệ carbon thấp phụ thuộc vào hệ thống điện
(ví dụ: xe điện) và nhu cầu tải trong lưới điện hiện đại đã dẫn đến điện áp thường
xuyên dao động đáng kể. Hơn nữa, vấn đề an ninh mạng và các sự kiện tự nhiên làm
trầm trọng thêm việc vận hành và kiểm soát các hệ thống điện. Các sự cố khơng thể
đốn trước đã nói ở trên của lưới điện làm cho các giải pháp thông thường cho PSSE,
như các phương pháp bình phương cực tiểu có trọng số (WLS) gây tốn kém về mặt

tính tốn và khơng tối ưu. Do đó, điều quan trọng là phải phát triển các giải pháp thay
thế khả thi về mặt kỹ thuật và hiệu quả về mặt tính tốn để đánh giá trạng thái hệ
thống điện nhằm giải quyết những khuyết điểm nêu trên.
Sự phát triển của các phương pháp máy học (Machine learning) và học sâu
(Deep learning) khác nhau đã dẫn đến việc sử dụng dữ liệu lớn trong các vấn đề hệ
thống điện phức tạp và PSSE không phải là một ngoại lệ. Phương pháp tiếp cận PSSE
dựa trên dữ liệu cung cấp tính linh hoạt và khả năng mở rộng tuyệt vời. Chúng cũng
có khả năng cải thiện hiệu quả thời gian chạy và độ chính xác của các phương pháp
ước tính trạng thái thơng thường.
Trong khuôn khổ luận văn, tác giả để xuất các phương pháp học máy MLP,
LSTM, CNN là những phương pháp học máy tiên tiến nhằm đánh giá trạng thái hệ
thống điện. Tập dữ liệu để dùng đào tạo cho các mô hình học máy dựa trên các phéo
đo giả tạo ra trên lưới IEEE 14 nút, IEEE 30 nút, IEEE 57 nút. Kết quả của nghiên
cứu là mơđun điện áp, góc pha điện áp tại mỗi nút sẽ được so sánh với giá trị thực
bằng cách tính tốn trào lưu cơng suất bằng phương pháp Newton Raphson.


v

ABSTRACT
During power system operation, the state parameters of the system is an issue
special attention needs to be determined to determine whether the operating state is
safe or not, and whether it is able to withstand random incidents or not. The operating
state of the power system is characterized by the state parameters such as: voltage
module, voltage phase angle, nactive power reactive power at the bus, power flow on
branch, current on the branch, structure of the system...These state parameters are not
independent of each other but are related to each other through a system of state
equations. Once we know a certain number of state parameters, we can calculate all
the remaining parameters. The status of the electrical system is determined in many
ways such as directly installing measuring devices at all buses and lines on the system

to measure and collect status parameters. However, this method requires a number of
measuring devices and communication systems with a very large amount of data. In
addition, in the case of installing measuring devices at all buses and lines on the
system to collect status parameters, there are still difficulties in measuring device
errors, device errors and noise or error during data transmission. Therefore, research
to evaluate the state of the power system has been researched and developed.
Power System State Estimation (PSSE) is used to provide a real-time database
for grid monitoring and control systems and to assist system operators in making
corrective action decisions. Recover with full information in case of unexpected
events. PSSE techniques use power system measurements such as current, voltage at
the bus (magnitude and phase angle), and power flow into the bus (obtained from a
supervisory control and data acquisition system (SCADA)), to evaluate the states of
the power system such as voltage amplitude and phase angle at all buses on the
system. The problem of assessing the state of the power system is often built based
on the weighted least squares (WLS) method and solved by iterative methods such as
the Gauss-Newton method. However, these methods are very sensitive to complex
power system operating conditions.
Additionally, the rise in intermittent renewable energy sources (e.g., solar and
wind power), power system-dependent low-carbon technologies (e.g., electric


vi

vehicles), and load demand in modern power grids, voltage often fluctuates
significantly. Furthermore, cybersecurity issues and natural events aggravate the
operation and control of power systems. The aforementioned unpredictability of
power grids makes conventional solutions to PSSE, such as weighted least squares
(WLS) methods, computationally expensive and suboptimal. Therefore, it is
important to develop technically feasible and computationally efficient alternatives
for power system state assessment to address the above shortcomings.

The development of various machine learning and deep learning methods has
led to the use of big data in complex power system problems, and PSSE is not an
exception. The data-driven PSSE approach provides excellent flexibility and
scalability. They also have the potential to effectively improve the runtime and
accuracy of conventional state estimation methods.
Within the framework of the thesis, the author proposes machine learning
methods MLP, LSTM, CNN which are advanced machine learning methods to
evaluate the state of the power system. The data set for training machine learning
models is based on artificial measurements created on IEEE14-bus system, IEEE30bus system, IEEE57-bus system. The result of the study is that the voltage module
and voltage phase angle at all buses will be compared with the actual value by
calculating the power flow using the Newton Raphson method.


vii

LỜI CAM ĐOAN
Tơi cam đoan đây là cơng trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công
bố cơng trình nào khác.
TP. Hồ Chí Minh, ngày … tháng 7 năm 2023
Học viên thực hiện

Trần Khương Cường


viii

MỤC LỤC
LỜI CẢM ƠN ........................................................................................................... ii
TÓM TẮT LUẬN VĂN .......................................................................................... iii

ABSTRACT ...............................................................................................................v
LỜI CAM ĐOAN ................................................................................................... vii
MỤC LỤC .............................................................................................................. viii
DANH MỤC HÌNH ................................................................................................ xii
DANH MỤC CHỮ VIẾT TẮT .......................................................................... xviii
CHƯƠNG 1: GIỚI THIỆU ......................................................................................1
1.1. Tính cấp thiết của đề tài ...................................................................................1
1.2. Vấn đề sẽ được nghiên cứu ..............................................................................3
1.3. Đối tượng và phạm vi nghiên cứu ...................................................................4
1.4. Phương pháp thực hiện ....................................................................................5
1.5. Ý nghĩa thực tiễn và ý nghĩa khoa học của luận văn .......................................5
1.6. Cấu trúc của luận văn ......................................................................................6
CHƯƠNG 2: TỔNG QUAN VỀ ĐÁNH GIÁ TRẠNG THÁI LƯỚI ĐIỆN .......7
2.1. Giới thiệu .........................................................................................................7
2.2. Tại sao phải đánh giá trạng thái hệ thống điện ................................................9
2.3. Thiết bị đo và hệ thống đo lường ...................................................................11
2.4. Phương trình đánh giá trạng thái hệ thống điện.............................................13
2.5. Kết luận ..........................................................................................................15
CHƯƠNG 3: TỔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO .......................16
3.1. Giới thiệu về mạng nơ ron nhân tạo ..............................................................16
3.1.1. Mạng nơ ron nhân tạo.............................................................................16


ix

3.1.2. Các phương pháp học của mạng nơ ron nhân tạo ..................................19
3.1.3. Cấu trúc của mạng nơ ron nhân tạo ........................................................20
3.1.4. Hàm kích hoạt ........................................................................................22
3.1.5. Hàm mất mát ..........................................................................................26
3.1.6. Các cấu trúc mạng nơ ron nhân tạo ........................................................27

3.2. Mạng nơ-ron truyền thẳng (Feed-forward Neural Network - FNN) .............29
3.2.1. Thuật toán perceptron .............................................................................29
3.2.2. Mạng nơ-ron nhiều lớp truyền thẳng (Multilayer perceptron - MLP)
..........................................................................................................................30
3.3. Mạng nơ-ron hồi quy .....................................................................................31
3.3.1. Mạng nơ-ron hồi quy (RNN - Recurrent Neural Network) ...................31
3.3.2. Mạng bộ nhớ dài - ngắn (Long Short-Term Memory- LSTM) .............32
3.4. Mạng nơ-ron tích chập (Convolutional Neural Network - CNN) .................36
3.5. Kết luận ..........................................................................................................41
CHƯƠNG 4: GIỚI THIỆU CƠ SỞ DỮ LIỆU VÀ XÂY DỰNG MƠ HÌNH
ĐÁNH GIÁ TRẠNG THÁI LƯỚI ĐIỆN .............................................................42
4.1. Dữ liệu huấn luyện .........................................................................................42
4.1.1. Dữ liệu lưới điện IEEE 14 nút ................................................................44
4.1.2. Dữ liệu lưới điện IEEE 30 nút ................................................................45
4.1.3. Dữ liệu lưới điện IEEE 57 nút ................................................................46
4.2. Xây dựng mơ hình huấn luyện.......................................................................48
4.3. Kết luận ..........................................................................................................53
CHƯƠNG 5: KẾT QUẢ ĐÁNH GIÁ TRẠNG THÁI LƯỚI ĐIỆN ..................55
5.1. Xây dụng mô hình và đánh giá kết quả trên lưới điện IEEE 14 nút ..............55


x

5.1.1. Mơ hình mạng MLP ...............................................................................55
5.1.2. Mơ hình mạng LSTM .............................................................................58
5.1.3. Mơ hình mạng CNN ...............................................................................60
5.2. Xây dụng mơ hình và đánh giá kết quả trên lưới điện IEEE 30 nút ..............63
5.2.1. Mơ hình mạng MLP ...............................................................................63
5.2.2. Mơ hình mạng LSTM .............................................................................66
5.2.3. Mơ hình mạng CNN ...............................................................................69

5.3. Xây dụng mơ hình và đánh giá kết quả trên lưới điện IEEE 57 nút ..............72
5.3.1. Mơ hình mạng MLP ...............................................................................72
5.3.2. Mơ hình mạng LSTM .............................................................................75
5.3.3. Mơ hình mạng CNN ...............................................................................77
5.4. Tổng hợp đánh giá kết quả ............................................................................80
5.4.1. Trên lưới điện IEEE 14 nút ....................................................................80
5.4.2. Trên lưới điện IEEE 30 nút ....................................................................83
5.4.3. Trên lưới điện IEEE 57 nút ....................................................................85
5.5. Kết luận ..........................................................................................................88
CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ.........................................................89
6.1. Kết luận ..........................................................................................................89
6.2. Hướng nghiên cứu tiếp theo. .........................................................................89
TÀI LIỆU THAM KHẢO ......................................................................................90
PHỤ LỤC .................................................................................................................90
Phụ lục A: Thông số lưới điện IEEE 14 nút .........................................................92
Phụ lục B: Thông số lưới điện IEEE 30 nút .........................................................92
Phụ lục C: Thông số lưới điện IEEE 57 nút .........................................................94


xi

Phụ lục D: Kết quả trên lưới điện IEEE 14 nút ....................................................97
Phụ lục E: Kết quả trên lưới điện IEEE 30 nút .....................................................99
Phụ lục F: Kết quả trên lưới điện IEEE 57 nút ...................................................101
PHỤ LỤC TRÍCH NGANG .................................................................................104


xii

DANH MỤC HÌNH

Hình 2.1 Sơ đồ khối hệ thống EMS ............................................................................ 9
Hình 2.2 Phép đo kết hợp với hệ thống RTU-SCADA............................................. 11
Hình 2.3 Đồng bộ giữa các trạm biến áp sử dụng PMUs và GPS ............................ 13
Hình 3.1 Cấu tạo của tế bào nơ ron sinh học……………………………………….17
Hình 3.2 Mơ hình của nơ ron nhân tạo ..................................................................... 18
Hình 3.3 Một mạng nơ-ron điển hình ....................................................................... 21
Hình 3.4 Sơ đồ của một Perceptron .......................................................................... 22
Hình 3.5 Đồ thị của hàm ngưỡng .............................................................................. 23
Hình 3.6 Đồ thị của hàm Logistics Sigmoids ........................................................... 24
Hình 3.7 Đồ thị của hàm Tanh .................................................................................. 25
Hình 3.8 Đồ thị của hàm ReLU ................................................................................ 26
Hình 3.9 Mơ hình mạng nơ-ron hồi quy ................................................................... 29
Hình 3.10 Mạng nơ-ron MLP ................................................................................... 30
Hình 3.11 Mạng nơ-ron hồi quy RNN ...................................................................... 31
Hình 3.12 Mô-đun lặp lại trong RNN tiêu chuẩn chứa một lớp duy nhất. ............... 32
Hình 3.13 Mơ-đun lặp lại trong LSTM chứa bốn lớp tương tác ............................... 33
Hình 3.14 Mơ hình mạng CNN cơ bản ..................................................................... 37
Hình 4.1 Lưu đồ biểu diễn ý tưởng tạo dữ liệu…………………………………….43
Hình 4.2 Hình ảnh vị trí và các phép đo trên lưới IEEE 14 nút ................................ 45
Hình 4.3 Hình ảnh vị trí và các phép đo trên lưới IEEE 30 nút ................................ 46
Hình 4.4 Hình ảnh vị trí và các phép đo trên lưới IEEE 57 nút ................................ 48
Hình 4.5 Lưu đồ giải thuật huấn luyện và đánh giá các mơ hình máy học dùng thuật
toán MLP, LSTM, CNN............................................................................................ 49


xiii

Hình 5.1 Kiến trúc mạng MLP dùng cho lưới IEEE 14 nút………………………..55
Hình 5.2 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (MLP) và giá trị
trào lưu công suất (PF) trên lưới IEEE 14 nút .......................................................... 56

Hình 5.3 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 56
Hình 5.4 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 57
Hình 5.5 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (MLP) và giá trị trào lưu
cơng suất (PF) trên lưới IEEE 14 nút ........................................................................ 57
Hình 5.6 Kiến trúc mạng LSTM dùng cho lưới IEEE 14 nút ................................... 58
Hình 5.7 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (LSTM) và giá trị
trào lưu công suất (PF) trên lưới IEEE 14 nút .......................................................... 59
Hình 5.8 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (LSTM) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 59
Hình 5.9 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (LSTM) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 60
Hình 5.10 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (LSTM) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 60
Hình 5.11 Kiến trúc mạng CNN dùng cho lưới IEEE 14 nút ................................... 61
Hình 5.12 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (CNN) và giá trị
trào lưu công suất (PF) trên lưới IEEE 14 nút .......................................................... 61
Hình 5.13 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (CNN) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 62
Hình 5.14 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (CNN) và giá trị trào lưu
công suất (PF) trên lưới IEEE 14 nút ........................................................................ 62


xiv

Hình 5.15 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (CNN) và giá trị trào lưu
cơng suất (PF) trên lưới IEEE 14 nút ........................................................................ 63
Hình 5.16 Kiến trúc mạng MLP dùng cho lưới IEEE 30 nút ................................... 64
Hình 5.17 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (MLP) và giá trị

trào lưu công suất (PF) trên lưới IEEE 30 nút .......................................................... 64
Hình 5.18 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 65
Hình 5.19 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 65
Hình 5.20 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 66
Hình 5.21 Kiến trúc mạng LSTM dùng cho lưới IEEE 30 nút ................................. 67
Hình 5.22 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (LSTM) và giá trị
trào lưu công suất (PF) trên lưới IEEE 30 nút .......................................................... 67
Hình 5.23 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (LSTM) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 68
Hình 5.24 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (LSTM) và giá trị trào
lưu công suất (PF) trên lưới IEEE 30 nút.................................................................. 68
Hình 5.25 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (LSTM) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 69
Hình 5.26 Kiến trúc mạng CNN dùng cho lưới IEEE 30 nút ................................... 69
Hình 5.27 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (CNN) và giá trị
trào lưu công suất (PF) trên lưới IEEE 30 nút .......................................................... 70
Hình 5.28 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (CNN) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 70


xv

Hình 5.29 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (CNN) và giá trị trào lưu
cơng suất (PF) trên lưới IEEE 30 nút ........................................................................ 71
Hình 5.30 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (CNN) và giá trị trào lưu
công suất (PF) trên lưới IEEE 30 nút ........................................................................ 71
Hình 5.31 Kiến trúc mạng MLP dùng cho lưới IEEE 57 nút ................................... 72

Hình 5.32 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (MLP) và giá trị
trào lưu công suất (PF) trên lưới IEEE 57 nút .......................................................... 73
Hình 5.33 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 57 nút ........................................................................ 73
Hình 5.34 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (MLP) và giá trị trào lưu
công suất (PF) trên lưới IEEE 57 nút ........................................................................ 74
Hình 5.35 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (MLP) và giá trị trào lưu
cơng suất (PF) trên lưới IEEE 57 nút ........................................................................ 74
Hình 5.36 Kiến trúc mạng LSTM dùng cho lưới IEEE57 ........................................ 75
Hình 5.37 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (LSTM) và giá trị
trào lưu công suất (PF) trên lưới IEEE 57nút ........................................................... 75
Hình 5.38 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (LSTM) và giá trị trào lưu
cơng suất (PF) trên lưới IEEE 57 nút ........................................................................ 76
Hình 5.39 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (LSTM) và giá trị trào
lưu công suất (PF) trên lưới IEEE 57 nút.................................................................. 76
Hình 5.40 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (LSTM) và giá trị trào lưu
công suất (PF) trên lưới IEEE 57 nút ........................................................................ 77
Hình 5.41 Kiến trúc mạng CNN dùng cho lưới IEEE 57 nút ................................... 78
Hình 5.42 Đồ thị so sánh giá trị biên độ điện áp giữa giá trị dự báo (CNN) và giá trị
trào lưu công suất (PF) trên lưới IEEE 57 nút .......................................................... 78


xvi

Hình 5.43 Đồ thị sai số biên độ điện áp giữa giá trị dự báo (CNN) và giá trị trào lưu
cơng suất (PF) trên lưới IEEE 57 nút ........................................................................ 79
Hình 5.44 Đồ thị so sánh giá trị góc pha giữa giá trị dự báo (CNN) và giá trị trào lưu
công suất (PF) trên lưới IEEE 57 nút ........................................................................ 79
Hình 5.45 Đồ thị sai số giá trị góc pha giữa giá trị dự báo (CNN) và giá trị trào lưu
công suất (PF) trên lưới IEEE 57 nút ........................................................................ 80

Hình 5.46 Đồ thị giá trị biên độ điện áp giữa học máy (MLP, LSTM, CNN) và trào
lưu công suất (PF) trên lưới điện IEEE 14 nút .......................................................... 81
Hình 5.47 Đồ thị góc pha giữa giữa học máy (MLP, LSTM, CNN) và trào lưu công
suất (PF) trên lưới điện IEEE 14 nút ......................................................................... 81
Hình 5.48 Chỉ số RMSE và MAE của biên độ điện áp của các mơ hình học máy
(MLP, LSTM, CNN) trên lưới điện IEEE 14 nút ..................................................... 82
Hình 5.49 Chỉ số RMSE và MAE của góc pha của các mơ hình học máy (MLP,
LSTM, CNN) trên lưới điện IEEE 14 nút ................................................................. 82
Hình 5.50 Đồ thị giá trị biên độ điện áp giữa học máy (MLP, LSTM, CNN) và trào
lưu cơng suất (PF) trên lưới điện IEEE30 ................................................................. 83
Hình 5.51 Đồ thị góc pha giữa giữa học máy (MLP, LSTM, CNN) và trào lưu công
suất (PF) trên lưới điện IEEE 30 nút ......................................................................... 84
Hình 5.52 Chỉ số RMSE và MAE của biên độ điện áp của các mơ hình học máy
(MLP, LSTM, CNN) trên lưới điện IEEE 30 nút ..................................................... 84
Hình 5.53 Chỉ số RMSE và MAE của góc pha của các mơ hình học máy (MLP,
LSTM, CNN) trên lưới điện IEEE 30 nút ................................................................. 85
Hình 5.54 Đồ thị giá trị biên độ điện áp giữa học máy (MLP, LSTM, CNN) và trào
lưu công suất (PF) trên lưới điện IEEE 57 nút .......................................................... 86
Hình 5.55 Đồ thị góc pha giữa giữa học máy (MLP, LSTM, CNN) và trào lưu công
suất (PF) trên lưới điện IEEE 57 nút ......................................................................... 86


xvii

Hình 5.56 Chỉ số RMSE và MAE của biên độ điện áp của các mơ hình học máy
(MLP, LSTM, CNN) trên lưới điện IEEE 57 nút ..................................................... 87
Hình 5.57 Chỉ số RMSE và MAE của góc pha của các mơ hình học máy (MLP,
LSTM, CNN) trên lưới điện IEEE 57 nút ................................................................. 87



xviii

DANH MỤC CHỮ VIẾT TẮT
Chữ viết tắt

Tiếng anh

Tiếng Việt

ANN

Artificial Neural Network

Mạng nơ ron nhân tạo

CNN

Convolutional Neural Network

Mạng nơ ron tích chập

CSPK

Cơng suất phản kháng

CSTD

Cơng suất tác dụng

ĐG


Điện gió

ĐMT

Điện mặt trời

EMS

Energy Management System

Hệ thống quản lý năng
lượng

GRU

Mạng nơ ron nút hồi tiếp có cổng

Mạng nơ ron nút hồi tiếp có
cổng

LSTM

Long Short Term Memory networks

Mạng nơ ron Bộ nhớ ngắn
dài

MAPE


Mean Absolute Percentage Error

Sai số trung bình phần trăm
trị tuyệt đối

MLP

Multi Layer Perceptron

Đa lớp perceptron

NLTT

Năng lượng tái tạo


xix

p.u

Per-unit

Hệ đơn vị tương đối

RMSE

Root Mean Square Error

Sai số trung bình bình
phương


RNN

Recurrent Neural Network

Mạng thần kinh hồi quy

WLS

Weighted Least Squares

Bình phương cực tiểu có
trọng số

Voltage

Điện áp

Angle

Góc pha

degree

Độ


1

CHƯƠNG 1: GIỚI THIỆU

1.1. Tính cấp thiết của đề tài
Trong những năm gần đây, với các chính sách khuyến khích năng lượng tái tạo
(NLTT) của Chính phủ, nguồn năng lượng tái tạo có sự phát triển mạnh mẽ tại Việt
Nam với những con số ấn tượng. Theo số liệu của Tập đồn Điện lực Việt Nam, tính
đến hết năm 2022, tổng công suất đặt các nguồn NLTT đạt 20.670 MW, chiếm 27%
tổng cơng suất đặt tồn hệ thống (76.620 MW); sản lượng điện từ nguồn năng lượng
tái tạo đã đạt 31,508 tỷ kWh, chiếm 12,27% tổng sản lượng điện sản xuất tồn hệ
thống. Cụ thể về điện gió, Việt Nam có 70 dự án điện gió (ĐG) (cơng suất 3.987 MW)
đã vận hành thương mại, sản lượng điện sản xuất năm 2022 đạt 3,34 tỷ kWh, chiếm
1,3% tổng sản lượng điện sản xuất toàn hệ thống. Với điện mặt trời (ĐMT), riêng sản
lượng điện từ các nguồn ĐMT trong năm 2022 chiếm khoảng 10,8% tổng sản lượng
điện sản xuất toàn hệ thống. Tổng công suất lắp đặt điện sinh khối và rác là 321 MW
đến tháng 10/2022. Đặc biệt, các dự án ĐMT, điện gió chủ yếu tập trung ở miền Nam
và Nam Trung bộ - khu vực có phụ tải chiếm khoảng 50% cả nước. Vì vậy, phát triển
NLTT sẽ góp phần giảm thiếu hụt điện tại miền Nam, tăng cường an ninh cung ứng
điện và giảm căng thẳng trong vận hành hệ thống điện.
Tuy nhiên, bên cạnh những mặt tích cực, NLTT cũng gây khơng ít khó khăn
trong việc điều hành hệ thống điện. Có thể thấy, với đặc điểm thay đổi năng lực phát
điện (công suất) nhanh, khơng kiểm sốt, điều khiển được, điện mặt trời và điện gió
sẽ gây ra dao động đáng kể tới hệ thống điện mỗi khi bức xạ mặt trời, gió biến thiên,
hoặc ngừng. Nếu các nguồn điện khác không được đầu tư thêm để thay thế tại các
thời điểm đó, hoặc các nguồn điện hiện có khơng được điều chỉnh tăng (hay giảm)
công suất kịp thời để bù - trừ trong khi có ĐG và ĐMT tham gia, hệ thống điện sẽ
mất cân bằng nguồn cấp và phụ tải tiêu thụ. Khi đó điện áp và tần số hệ thống điện
sẽ trượt ra ngoài chỉ số định mức cho phép và các hệ thống bảo vệ kỹ thuật sẽ tác
động, hậu quả nặng nề là có thể rã lưới, mất điện trên diện rộng.
Cùng với đó, chính sách ủng hộ và khuyến khích phát triển các nguồn năng
lượng tái tạo như điện mặt trời, điện gió khiến nhiều nguồn năng lượng tái tạo nhỏ lẻ



2

xuất hiện và kết nối vào hệ thống lưới điện phân phối. Những điều này ảnh hưởng
trực tiếp đến trạng thái của lưới điện phân phối dẫn đến sự mất ổn định lớn, khó kiểm
sốt và vận hành cho hệ thống điện phân phối. Mà trạng thái của lưới điện được đặc
trưng bởi cường độ điện áp và góc pha tại mỗi nút [1].
Hệ thống lưới điện phân phối hiện nay chưa được quan tâm đúng mức so với hệ
thống điện truyền tải và có mật độ khá lớn. Số lượng nút là nhiều và cần một lượng
tài chính rất cao nếu muốn lắp đặt đầy đủ các máy móc để đo thông số tại các nút phụ
tải, chưa kể đến, do sự phức tạp và các đặc điểm đặc biệt như mạng hình tia, tải khơng
cân bằng, thiết bị đo hỏng và tỷ lệ X/R thấp, các kỹ thuật áp dụng cho lưới truyền tải
không thể được sử dụng trực tiếp trên lưới phân phối [2]. Với mục đích nâng cao độ
ổn định và độ tin cậy trong vận hành lưới điện phân phối, bài tốn Ước tính trạng thái
lưới điện phân phối được ra đời như một giải pháp đáng chú ý cho ngành điện ngày
nay.
Tuy nhiên bài tốn ước tính trạng thái hệ thống điện phụ thuộc nhiều vào khả
năng quan sát của hệ thống. Khả năng quan sát là khả năng giải bài tốn ước tính
trạng thái để đưa ra kết quả chính xác về trạng thái (điện áp, góc pha) [3] và phụ thuộc
rất lớn vào số lượng và chất lượng của thiết bị đo đếm trên hệ thống điện. Đối với hệ
thống lưới điện phân phối hiện nay có số lượng thiết bị đo điếm rất ít nên hệ thống
khơng có khả năng quan sát được vì vậy phương pháp WLS sẽ khơng thể áp dụng
được đối với một lưới phân phối rộng lớn [4]. Đã có nhiều thuật tốn được nghiên
cứu về ước tính trạng thái lưới điện đã được thực hiện cho đến nay như: thuật toán
Gaussian Mixture Model (GMM) [5], phương pháp Data-Riven [6] hay các phương
pháp trí tuệ nhân tạo như: Tăng cường ước tính trạng thái hệ thống phân phối sử dụng
Pruned Physics-Aware Neural Networks [7] được áp dụng.
Để giải quyết các vấn đề trên, lưới điện cần được giám sát liên tục để duy trì
hoạt động bình thường và đảm bảo an ninh. Cần có các biến trạng thái mơ tả hồn
tồn được các tình trạng của lưới và bộ đánh giá cần được sử dụng để đánh giá các
biến trạng thái để cung cấp cho Trung tâm Điều độ phương tiện để điều khiển và vận

hành một cách tối ưu hệ thống điện. Do đó đề tài được thực hiện để góp phần vào


3

việc thiết lập đánh giá trạng thái hệ thống điện phục vụ cho các điều độ viên trong
việc vận hành an toàn, ổn định và kinh tế.
1.2. Vấn đề sẽ được nghiên cứu
Lưới điện được xây dựng và thiết kế để đáp ứng các biến động và nhu cầu tăng
trưởng phụ tải dự kiến có thể trở nên phức tạp và khó kiểm sốt hơn do sự bùng nổ
nguồn NLTT trong thời gian gần đây. Trạng thái vận hành của hệ thống điện được
đặc trưng bằng các thông số trạng thái như: biên độ điện áp, góc pha điện áp, cơng
suất tác dụng nút, cơng suất phản kháng nút, dịng cơng suất tác dụng trên đường dây,
dịng cơng suất phản kháng trên đường dây, dòng điện trên đường dây, cấu trúc của
hệ thống. Những thông số này không độc lập với nhau mà liên quan với nhau trong
qua hệ phương trình trạng thái. Khi biết được một số thơng trạng thái nhất định ta sẽ
xác định được các thông số cịn lại.
Trạng thái lưới điện được xác định thơng qua các thiết bị điện tử thông minh
(IEDs). Đặc biệt, các thiết bị đo lường thường được đặt giới hạn ở trạm biến áp hoặc
được lắp đặt ở số lượng ít ở các nút trong lưới điện phân phối. Đó là thực tế hiện nay
trong lưới điện phân phối Việt Nam, và vấn đề kinh tế chính là rào cản lớn nên không
thể lắp đặt các thiết bị đo lường trong tất cả vị trí đo vì số lượng điểm đo tăng theo
cấp số nhân từ trạm biến áp đến khách hàng tiêu thụ điện. Xét đến yếu tố kỹ thuật,
việc lắp đặt số lượng rất lớn thiết bị bộc lộ rất nhiều hạn chế. Không thể đảm bảo rằng
dữ liệu thu thập được đo cùng lúc do giới hạn băng thơng, đường truyền và các vấn
đề đồng bộ hóa dữ liệu thông qua các kênh truyền tin. Hơn nữa, độ trễ khác nhau giữa
các thiết bị thông minh, như đồng bộ hóa các phép đo của số lượng lớn của thiết bị là
quá đắt đỏ. Trung tâm điều khiển phải xử lý lượng dữ liệu khổng lồ, điều này cũng
phát sinh chi phí để nâng cấp hạ tầng viễn thơng. Hơn nữa hiện tượng mất dữ liệu vẫn
xảy ra do tắt nguồn thiết bị đột xuất, lỗi giao tiếp giữa các thiết bị, lỗi đo lường.

Do đó, nghiên cứu đánh giá trạng thái hệ thống điện đã được nghiên cứu phát
triển. Mục tiêu của bài toán đánh giá trạng thái hệ thống điện dựa trên cơ sở dữ liệu
các thông số về cấu trúc và các thông số trạng thái đo được để ước lượng các thông
số trạng thái cơ bản của hệ thống bao gồm: môđun của điện áp Ui, góc pha điện áp θi


4

tại tất cả các nút [8]. Khi có tất cả các thơng số cơ bản này ta có thể tính tốn được
các thơng số cịn lại, đánh giá sự chuẩn xác của dữ liệu đo, của cấu trúc và đánh giá
được trạng thái của hệ thống là an toàn hay khơng.
1.3. Đối tượng và phạm vi nghiên cứu
Thuật tốn phổ biến sử dụng trong bài toán đánh giá trạng thái là bình phương
cực tiểu có trọng số (WLS), kết hợp với các tính tốn trào lưu cơng suất để xác định
các phần tử khơng nhìn thấy và loại bỏ các sai số. Phương pháp này được sử dụng
dựa trên các giả thiết sai số phép đo trên hệ thống độc lập nhau và tuân theo hàm phân
phối chuẩn. Phương pháp bình phương cực tiểu có trọng số có đặc điểm là sử dụng
quy luật chiếu dữ liệu xấu dựa trên phần dư có trọng số (weighted residuals) hoặc
phần dư được chuẩn hóa (normailized residuals).
Theo dịng chảy của cuộc cách mạng 4.0, trí tuệ nhân tạo ngày càng được phổ
biến và ứng dụng rộng rãi trong mọi lĩnh vực của cuộc sống, mặc dù được John
McCarthy – nhà khoa học máy tính người Mỹ đề cập lần đầu tiên vào những năm
1950 nhưng đến ngày nay thuật ngữ trí tuệ nhân tạo mới thực sự được biết đến rộng
rãi và được các “ông lớn” của làng công nghệ chạy đua phát triển [9]. AI là công nghệ
sử dụng đến kỹ thuật số có khả năng thực hiện những nhiệm vụ mà bình thường phải
cần tới trí thơng minh của con người, được xem là phổ biến nhất. Đặc trưng của công
nghệ AI là năng lực “tự học” của máy tính, do đó có thể tự phán đốn, phân tích trước
các dữ liệu mới mà không cần sự hỗ trợ của con người, đồng thời có khả năng xử lý
dữ liệu với số lượng rất lớn và tốc độ cao. Trí tuệ nhân tạo có khả năng tự thích nghi,
tự học và tự phát triển, tự đưa ra các lập luận để giải quyết vấn đề, có thể giao tiếp

như người…tất cả là do AI được cài một cơ sở dữ liệu lớn, được lập trình trên cơ sở
dữ liệu đó và tái lập trình trên cơ sở dữ liệu mới sinh ra. Trong lĩnh vực hệ thống điện,
trí tuệ nhân tạo là một phương pháp có rất nhiều ưu điểm và được sử dụng rộng rãi
để giải quyết các bài toán về dự đốn, ước tính, tìm kiếm,.. [10] [11]. Nhưng lại có
một khuyết điểm là tập dữ liệu huấn luyện là rất lớn. Đối với bài toán đánh giá trạng
thái lưới điện sử dụng AI phải cần thu thập rất nhiều dữ liệu từ quá khứ thông qua
các thiết bị đo thực tế trên lưới điện (bao gồm giá trị đo điện áp, công suất tại các nút