MẠNG THẦN KINH NHÂN TẠO TRONG NHẬN DẠNG ỔN ĐỊNH ĐỘNG HỆ THỐNG ĐIỆN
ARTIFICIAL NEURAL NETWORK FOR POWER SYSTEM DYNAMIC STABILITY RECOGNITION 

Nguyễn Ngọc Âu, Quyền Huy Ánh, Nguyễn Văn Trọng 
Trường ĐH Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Ngày tòa soạn nhận bài 13/20/2015, ngày phản biện đánh giá 22/10/2015, ngày chấp nhận đăng 25/10/2015
TÓM TẮT
Lựa chọn biến đặc trưng là kỹ thuật xử lý dữ liệu rất quan trọng trong bài toán nhận dạng ổn định động hệ thống điện. Bài báo giới thiệu phương pháp xếp hạng lựa chọn biến dựa trên độ đo khoảng cách Fisher, Divergence, Bhattacharyya và hệ số tương quan. Mục đích là chọn các biến với độ tách biệt dữ liệu cao nhất. Mạng neural truyền thẳng được đề nghị áp dụng để nhận dạng ổn định động hệ thống điện. Tiếp cận đề nghị được kiểm tra trên sơ đồ hệ thống điện IEEE 30-bus. Nhiều thí nghiệm đã được thực thi nhằm tìm ra thông số để mạng nerual đạt hiệu suất tối ưu. So sánh giải thuật học Levenberg-Marquardt và Scaled Conjugate Gradient, kết quả cho thấy giải thuật học Levenberg-Marquardt với phương pháp chọn biến dựa và hàm Fisher cho số biến nhỏ hơn, độ chính xác nhận dạng cao hơn các phương pháp còn lại. 
Từ khóa: nhận dạng ổn định động, hệ thống điện, mạng neural nhân tạo, biến đặc trưng.

ABSTRACT
Feature selection is very important data-processing technique in dynamic stability recognition of power systems. This paper presents a ranking method for feature selection that bases on Fisher, Divergence, Bhattacharyya distance and Correlation coefficient. The aim is to select features with the highest data discrimination. Multilayer Feed-forward Neural Network has been applied for power system dynamic stability recognition. The proposed approach has been tested on the IEEE 30-bus power system. Many experiments have been done with the aim of finding parameters for optimal neural network performance. In comparison between Levenberg- Marquardt and Scaled Conjugate Gradient learning algorithms, results show that Levenberg-Marquardt algorithm with Fisher distance for feature selection yields less number of features and higher recognition accuracy than the others.
Keywords: dynamic stability recognition, power system, neural network, features.

Toàn văn bài báo ( Thầy/cô vui lòng đăng nhập bằng email ...@hcmute.edu.vn để xem)




Góp ý
Họ và tên: *  
Email: *  
Tiêu đề: *  
Mã xác nhận:
 
 
   
  
 
 
   
 *
Copyright © Tạp Chí Khoa Học Giáo Dục Kỹ Thuật - Trường Đại Học Sư Phạm Kỹ Thuật - TP.HCM  
Địa chỉ: Phòng 601B, 1 Võ Văn Ngân, Quận Thủ Đức, Thành Phố Hồ Chí Minh. 
Điện thoại: 08-3722.1223 (8168)
Email:
tapchikhgdkt@hcmute.edu.vn

                                      
                                

Truy cập tháng: 19,940

Tổng truy cập:246,879