Tổng quan về điều khiển tốc độ tuabin trong hệ thống thủy điện liên kết vùng để ổn định tần số lưới

hằng số A3 P3k Ak
 thời gian khởi tạo của nước (Tw) trong đường ống áp lực 
 thay đổi và mô hình hệ thống tuabin thủy lực có dạng Hình 1. Hệ thống thủy điện đa liên kết gồm n vùng 
 tuyến tính. 3. CẤU TRÚC ĐIỀU KHIỂN THÔNG MINH ỨNG DỤNG 
 Nghiên cứu của Clifton và các đồng nghiệp [16] đã trình LOGIC MỜ VÀ MẠNG NƠ-RON 
 bày phương pháp mô hình hóa tối ưu bộ điều tốc, theo đó 3.1. Điều khiển logic mờ loại PI 
 các tác giả chỉ ra rằng có thể nâng cao hiệu suất của tuabin 
 Kiến trúc mờ loại PI (PI-type fuzzy logic) là một trong 
 thủy lực bằng cách sử dụng mô hình bộ điều tốc bậc cao. 
 những bộ điều khiển logic mờ phổ biến nhất có thể đạt 
 Nghiên cứu Lansberry JE, Wozniak L [12] đã sử dụng được chất lượng điều khiển tốt. Mô hình cơ bản của chiến 
 thuật toán di truyền (GA) để tối ưu hóa bộ điều tốc tuabin lược logic mờ loại PI áp dụng cho nhà máy điều khiển được 
 thủy lực. Thuật toán tự chỉnh thích nghi được xây dựng dựa trình bày trong hình 4. Đầu ra của bộ điều khiển đã cho u(t) 
 trên sự thay đổi của hằng số thời gian Tw và phụ tải điện. có liên quan đến tín hiệu điều khiển của nhà máy điều 
 Qua các tài liệu đã nghiên cứu của các tác giả trong và khiển theo hệ số tỷ lệ Gu. Trong hầu hết các trường hợp, 
 ngoài nước có liên quan cho thấy các công trình nghiên mỗi bộ điều khiển logic mờ là ánh xạ phi tuyến tính của 
 cứu này đều nhằm nâng cao chất lượng điều khiển bộ điều đầu vào và đầu ra, do đó, nguyên tắc của kiến trúc logic mờ 
 tốc của tuabin thủy điện phát độc lập, ổn định tần số trong như vậy được đưa ra như sau: 
 các nhà máy, lưới điện lớn và nhiều thành phần, chưa có t
 nghiên cứu đầy đủ nào về điều khiển tốc độ tuabin để áp u()() t u τ dτ
 n
 dụng cho thủy điện liên kết vùng để ổn định tần số lưới. 0 (1) 
 Nhóm tác giả đề xuất các nghiên cứu tiếp theo dùng bộ t
 G...()..() g G g e τ G g ce τ dτ
 điều khiển FLC loại PI kết hợp thuật toán PSO, GA là một u u e e ce ce 
 trong những chiến lược điều khiển nhằm nâng cao chất 0
 lượng, mô hình ANN-NARMA kiểm soát tốt giải pháp điều Trong đó, ge, gce và gu là các hệ số tỷ lệ bên trong cho 
 khiển thông minh nhằm kiểm soát tần số - phụ tải cho thủy suy luận logic mờ. Trong khi đó, Ge, Gce và Gu là những hệ số 
 điện liên kết. tỷ lệ bên ngoài, có thể được điều chỉnh để thiết kế kiến trúc 
 2. MÔ HÌNH HỆ THỐNG THỦY ĐIỆN ĐA LIÊN KẾT VÙNG logic mờ đang xét. Sử dụng toán tử Laplace trong miền tần 
 số, phương trình (1) có thể được biểu thị như sau: 
 Hệ thống thủy điện đa liên kết vùng như thể hiện trên 
 hình 1 thường bao gồm nhiều vùng, mỗi vùng là một cấu K 'i 
 U()'() s Kp E s (2) 
 trúc phát điện hoàn thiện có ba thành phần chính: điều tốc, s 
 tuabin nước và máy phát điện. Trong mô hình đơn giản của 
 ' ..
 hệ thống điện liên kết gồm n vùng điều khiển trên hình 1, Kp G u g u G e g e
 Trong đó . 
 mỗi vùng điều khiển được kết nối với nhau bằng một '
 Ki G u.. g u G ce g ce
 đường dây truyền tải để trao đổi công suất. Do sự liên kết 
 giữa các vùng với nhau, khi tốc độ của mỗi máy phát thay Hai hệ số trên, tương ứng với các hệ số tỷ lệ và tích phân 
 đổi, và do đó tần số đầu ra của vùng tương ứng cũng thay của bộ điều chỉnh PI truyền thống. Tương tự như bộ điều 
 đổi, sẽ ảnh hưởng đến tần số lưới. Do mối quan hệ tỷ lệ chỉnh PI, hai thông số này ảnh hưởng mạnh đến hiệu suất 
 giữa tần số lưới điện và công suất tác dụng trao đổi giữa điều khiển của hệ thống điều khiển, và do đó chúng cần 
 các vùng, khi tần số lưới thay đổi do sự thay đổi của phụ tải được chỉnh định thành công khi thiết kế bộ điều khiển mờ 
 sẽ dẫn đến sự thay đổi của công suất này. Bài toán điều kiểu PI cho bài toán điều khiển đang xét. 
40 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Tập 56 - Số 2 (4/2020) Website: https://tapchikhcn.haui.edu.vn 
P-ISSN 1859-3585 E-ISSN 2615-9619 SCIENCE - TECHNOLOGY 
 PI-type Fuzzy 4. ĐỀ XUẤT CHIẾN LƯỢC ĐIỀU KHIỂN TỐC ĐỘ TUABIN 
 Knowledge
 logic controller
 base HỆ THỐNG THỦY ĐIỆN LIÊN KẾT VÙNG 
 Fuzzification Defuzzification 4.1. Điều khiển tốc độ tuabin hệ thống thủy điện hai 
 e() t E(t) interface interface
 un(t)
 Ge Decision- u(t) vùng liên kết ứng dụng logic mờ 
 d making Gu 
 G Xét mô hình hệ thống thủy điện liên kết hai vùng điều 
 dt ce logic U(t)
 ce(t) CE(t) khiển (trích từ mô hình đã vẽ ở hình 1 khi n = 2). Mô hình 
 này sử dụng các kiến trúc điều khiển mờ kiểu PI đã trình 
 bày ở phần trên. Mỗi vùng điều khiển sử dụng một bộ điều 
 r(t) e(t) Fuzzy logic u(t) Control y(t)
 _
 controller plant khiển mờ, tín hiệu điều khiển đầu ra của khâu mờ này được 
 Setpoint đưa đến bộ điều tốc để điều khiển góc mở cánh hướng của 
 ym(t) tuabin thủy lực tương ứng, qua đó ổn định tốc độ máy phát 
 Sensor & [14, 15]. 
 transmitter
 FLC 1 CONTROL-AREA 1 ∆P
 Hình 2. Bộ điều khiển logic mờ loại PI L1
 ACE1(t) ∆f1
 Để thiết kế một FLC dựa trên PI hiệu quả, nghiên cứu Governor Turbine Generator
này đề xuất một phương pháp kiểm soát mới áp dụng 
thuật toán PSO để điều chỉnh các hệ số chỉnh định của bộ 
 Compute
điều khiển mờ. 
 ∆Ptie12
3.2. Bộ điều khiển tần số dựa trên ANN-NARMA 
 Trong những năm gần đây, các kỹ thuật ứng dụng ACE (t)
 2 Governor Turbine Generator
mạng nơ-ron đã trở thành các giải pháp điều khiển hữu ích 
 ∆f2
bên cạnh phương pháp ứng dụng logic mờ để thay thế các ∆P
 FLC 2 L2
bộ điều khiển cổ điển, đặc biệt nó hiệu quả hơn trong các CONTROL-AREA 2 
hệ thống điều khiển phức tạp. Mạng nơ-ron có chức năng Hình 4. Bộ điều khiển logic mờ liên kết 2 nhà máy 
thông minh của bộ não con người để giải quyết các vấn đề 
 Với mỗi bộ điều khiển mờ loại PI đã đề xuất theo cấu 
điều khiển đòi hỏi các tiêu chí kỹ thuật có chất lượng cao. 
 trúc đã trình bày ở phần 3 của bài báo này, các hàm thuộc 
Do mạng nơ-ron có cấu trúc tự nhiên song song tương tự 
 loại Gaussian được sử dụng cho cả hai đầu vào và một đầu 
như mạng lưới thần kinh của con người, nó có thể hoạt 
 ra. Bảy mức độ logic, bao gồm NB (Âm lớn), NM (âm trung 
động trong thời gian thực nhanh hơn và hiệu quả hơn các 
 bình), NS (âm nhỏ), ZE (không), PS (dương nhỏ), PM (dương 
phương pháp điều khiển thông thường. Ngoài ra, do khả 
năng huấn luyện ngoại tuyến, ANN đa lớp có thể giảm thời trung bình), PB (dương lớn), được sử dụng cho từng hàm 
gian tính toán để thiết kế các mô hình gần đúng để thiết kế thuộc của đầu vào và đầu ra của bộ điều khiển logic mờ 
các chiến lược điều khiển tần số. Do đó, kỹ thuật điều khiển loại PI được đề xuất. Bảng 1 đưa ra ma trận quy tắc được sử 
dựa trên mạng nơ-ron cũng có thể được áp dụng hiệu quả dụng cho các bộ điều khiển logic mờ loại PI được đề xuất 
 theo mô hình Mamdani. 
để thiết kế một bộ điều khiển tần số cho hệ thống thủy 
điện liên kết vùng trong [19]. Bảng 1. Ma trận quy tắc điển hình được đề xuất cho bộ điều khiển logic mờ 
 loại PI [1] 
 de(t) 
 e(t) 
 NB NM NS ZE PS PM PB 
 NB PB PB PB PM PM PS ZE 
 NM PB PM PM PM PS ZE NS 
 NS PB PM PS PS ZE NS NM 
 ZE PM PM PS ZE NS NM NM 
 PS PM PS ZE NS NS NM NB 
 PM PS ZE NS NM NM NM NB 
 PB ZE NS NM NM NB NB NB 
 Ở đây, thuật toán PSO được sử dụng để tối ưu hóa ba hệ 
 số là Ge, Gce và Gu, bằng cách nhân từng hệ số này với các hệ 
 số cập nhật tương ứng ke, kce và ku. Ba hệ số cập nhật được sử 
 dụng để tạo ra ba hệ số chỉnh định mới. Từ đó, bộ điều khiển 
 Hình 3. Kiến trúc của bộ điều khiển ANN-NARMA mờ loại PI có thể đạt được kết quả điều khiển mong muốn 
 Website: https://tapchikhcn.haui.edu.vn Vol. 56 - No. 2 (Apr 2020) ● Journal of SCIENCE & TECHNOLOGY 41
 KHOA H ỌC CÔNG NGHỆ P - ISSN 1859 - 3585 E - ISSN 2615 - 961 9 
 khi các hệ số chỉnh định này đã được tối ưu hóa thông qua tương ứng trong vùng đó. Bộ điều khiển NARMA sẽ sử 
 cơ chế tối ưu hóa bầy đàn PSO. Hình 5 mô tả sơ đồ khối dụng tín hiệu phản hồi của đối tượng điều khiển (như đã 
 nguyên lý của cấu trúc điều khiển lai ứng dụng logic mờ kiểu thảo luận trong mục 3 của bài báo) chính là tín hiệu sai lệch 
 PI kết hợp với giải thuật tối ưu hóa bầy đàn PSO cho bài toán vùng ACE. Do nguyên lý làm việc dựa trên việc tuyến tính 
 ổn định tốc độ tuabin cho mỗi vùng điều khiển. hóa đối tượng điều khiển (thông qua các hàm f và g trong 
 cấu trúc của mô hình NARMA trên hình 3) để tính ra tín hiệu 
 Knowledge
 PI-type fuzzy logic controller điều khiển u(t) nên kiến trúc điều khiển ứng dụng bộ ANN-
 base
 NARMA đề xuất ở đây có thể mang lại kết quả điều khiển 
 e(t) E(t) rất khả thi. 
 G
 e  UN(t) U(t)
 Decision- u(t) 5. KẾT LUẬN 
 ke
 making Gu  Bài báo này trình bày tổng quan các kết quả nghiên cứu 
 ce(t) u (t)
 du CE() t logic N đã có của các tác giả trong và ngoài nước về điều khiển tốc 
 G Fuzzification
 ce  ku
 dt D efuzzification độ tuabin thủy điện để ổn định tần số tải trong một nhà 
 máy thủy điện. Từ đó, bài báo đã phân tích những nghiên 
 kce cứu đã đạt được, những đóng góp cho khoa học về chuyên 
 môn những mặt còn hạn chế cần được nghiên cứu để hoàn 
 PSO algorithm thiện hơn. Xuất phát từ những hạn chế của các nghiên cứu 
 đã có, bài báo đồng thời cũng đề xuất các giải pháp điều 
 Fitness function khiển thông minh cho bài toán ổn định tốc độ tuabin thủy 
 evaluation
 r(t) C ontrol signal điện cho hệ thống điện đa liên kết vùng. Hai sơ đồ điều 
 Setpoint _ khiển khả thi ứng dụng cấu trúc logic mờ kiểu PI lai với giải 
 thuật tối ưu hóa bầy đàn PSO và bộ điều khiển ANN-
 y(t) NARMA đã được đề xuất trong bài báo. Công việc tiếp theo 
 Plant
 từ bài báo tổng quan này, các tác giả sẽ triển khai mô hình 
 hóa hệ thống thủy điện đa liên kết vùng, đồng thời thực 
 Hình 5. FLC loại PI dựa trên PSO được đề xuất 
 hiện các mô phỏng số để đánh giá chi tiết hiệu quả của các 
 4.2. Điều khiển tốc độ tuabin hệ thống thủy điện hai chiến lược điều khiển đã đề xuất. 
 vùng liên kết ứng dụng mạng nơ-ron theo kiến trúc 
 LỜI CẢM ƠN 
 NARMA 
 Nghiên cứu này được tài trợ bởi Công ty cổ phần tư vấn 
 NARMA 1
 CONTROL-AREA 1 ∆PL1 công nghệ cao Duy Hoàng theo hợp đồng số 10/DH- TQTĐ 
 ACE1(t) Hydro ∆f1 năm 2018. 
 Governor Generator
 turbine 
 Compute
 ∆Ptie12 TÀI LIỆU THAM KHẢO 
 [1]. Nguyễn Như Hiển, Lại Khắc Lãi, 2007. Điều khiển mờ và nơron. NXB 
 ACE (t) Hydro 
 2 Governor Generator khoa học kỹ thuật. 
 turbine
 ∆f2 [2]. Nguyễn Trung Thi, Đoàn Quang Vinh, 2010. Chỉnh định mờ tham số PID 
 ∆PL2
 NARMA 2 CONTROL-AREA 2 cho bộ điều tốc turbine nhà máy thủy điện. Tạp chí Khoa học và Công nghệ, Đại 
 học Đà Nẵng - số 4(39), 324-331. 
 Hình 6. Hệ thống thủy điện liên kết hai vùng ứng dụng các bộ điều khiển 
 ANN-NARMA để ổn định tốc độ tuabin [3]. Nguyễn Hồng Quang, 2013. Nghiên cứu thiết kế chế tạo thiết bị điều khiển 
 nhúng ứng dụng cho các trạm thủy điện. Đề tài độc lập cấp Nhà nước mã số 
 Một trong những ứng dụng quan trọng nhất của kỹ 43/2009G/HĐ-ĐTĐL. 
 thuật mạng nơ-ron là thiết kế bộ điều khiển cho nhiều hệ 
 [4]. Nguyễn Chí Ngôn, Đặng Tín, 2011. Điều khiển PID một nơron thích nghi 
 thống điều khiển bao gồm các yếu tố phi tuyến và bất 
 dựa trên bộ nhận dạng mạng nơron mờ hồi qui áp dụng cho hệ thanh và bóng. Tạp 
 định. Bộ điều khiển NARMA ứng dụng mạng nơ-ron như đã 
 chí Khoa học Trường Đại học Cần Thơ 2011:20a, 159-168. 
 đề cập đến ở phần trước hoàn toàn có thể sử dụng để thiết 
 kế các bộ điều khiển tần số - phụ tải cho hệ thống thủy [5]. Nguyễn Đắc Nam, 2017. Nghiên cứu ứng dụng mạng mờ nơ-ron để xây 
 điện đa liên kết vùng. Hình 6 mô tả kiến trúc điều khiển tốc dựng thuật toán điều khiển hệ điều tốc tuabin - máy phát thủy điện. Luận án 
 độ tuabin thủy lực cho một hệ thống điện liên kết hai vùng tiến sĩ. 
 sử dụng các bộ điều khiển ANN-NARMA. Tương tự như cấu [6]. Đặng Tiến Trung, 2019. Nghiên cứu ứng dụng các giải pháp đo lường và 
 trúc điều khiển sử dụng các bộ điều khiển logic mờ kiểu PI điều khiển hiện đại nhằm nâng cao chất lượng ổn định tần số trong nhà máy thủy 
 như đã trình bày ở trên, trong kiến trúc điều khiển ứng điện vừa và nhỏ. Luận án tiến sĩ. 
 dụng mạng nơ-ron này, mỗi vùng điều khiển sẽ sử dụng [7]. Vũ Duy Thuận, 2018. Nghiên cứu ổn định và tối ưu hệ thống phức hợp 
 một bộ điều khiển NARMA để ổn định tốc độ của tuabin nhiều thành phần ứng dụng cho hệ thống điện. Luận án tiến sĩ. 
42 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Tập 56 - Số 2 (4/2020) Website: https://tapchikhcn.haui.edu.vn 
P-ISSN 1859-3585 E-ISSN 2615-9619 SCIENCE - TECHNOLOGY 
 [8]. Iwan Setiawan, Ardyono Priyadi, Mauridhi Hery Purnomo, 2013. 
Controlling of Non-Minimum Phase Micro Hydro Power Plant B ased on Adaptive B 
- Spline Neural Networld. IEEE 978-1-4799-0425-9/13. 
 [9]. Orelind, Wozniak, et al., 1989. G.Orelind, L.Wozniak, J.Medanic, 
T.Whittemore, Optimal PID Gain Schedule for Hydrogenerators-Design and 
Application. IEEE Trans. on Energy Conversion, Vol. 4, No. 3, pp. 300-307. 
 [10]. Gagan Singh and D.S. Chauhan, 2011. Development and Simulation of 
Mathematical Modelling of Hydraulic Turbine. ACEEE Int. J. on Control System and 
Instrumentation, Vol. 02, No. 02, pp. 55-58. 
 [11]. Dorf and Bishop, 2005. Modern Control Systems. ISBN-13: 978-0-13- 
602458-3. 
 [12]. Lansberry JE, Wozniak L., 1992. Optimal hydro generator governor 
tuning with a genetic algorithm. IEEE Trans Energy Conv 1992;7:623–630. 
 [14]. ProyectoCICYT TAP97-0969-C03-01, Internal Report, February 1998. 
 [14]. Chen Jian, Liang Gui-shu, Dong Qing, 2008. Design of Additional Mix 
Robust Governor Control for Hydraulic Turbine Generator. DRPT, -9 April 2008 
Nanjing China. 
 [15]. Cheng Y-C, Ye Lu-Q, Chuang Fu, Cai W-Y., 2002. Anthropormorphic 
intelligent PID control and its application in the hydro turbine governor. In: 1st 
International Conference on Machine Learning and Cybernetics, vol.1, pp. 391–
395. 
 [16]. Clifton L., 1988. Optimal governing of reaction turbines. Water Power 
Dam Const, 22–28. 
 [17]. Dewi Jones and Sa’ad Mansoor, 2004. Predictive Feedforward Control 
for a Hydroelectric Plan. IEEE transactions on control systems technology, vol. 12, 
no. 6. 
 [18]. Dhaliwal NS, Wichert HE, 1978. Analysis of PID governors in 
multimachine system. IEEE Trans Power ApparSyst 1978;97:456–463. 
 [19]. Kumpati SN, Snehasis M., 1997. Adaptive control using neural networks 
and approximate models. IEEE Transactions on neural networks 8:475-485. 
 [20]. İlyas Eker, et al., 2003 Robust governor design for hydro turbines using a 
multivariable- cascade control approach. The Arabian Journal for Science and 
Engineering, Volume 28, Number 2B, pp 195-209. 
 AUTHORS INFORMATION 
 Nguyen Duy Trung1, Le Hung Lan2, Nguyen Van Tiem2, 
 1 3 4 
 Nguyen Ngọc Khoat , Dao Thi Mai Phuong , Hoang Thi Thu Huong 
 1
 Faculty of Control and Automation, Electric Power University 
 2
 Department of Cybernetics, University of Transport and Communication 
 3
 Faculty of Electrical Engineering, Hanoi Unviversity of Industry 
 4
 Power Project Management Board 2, Vietnam Electricity Corporation 
 Website: https://tapchikhcn.haui.edu.vn Vol. 56 - No. 2 (Apr 2020) ● Journal of SCIENCE & TECHNOLOGY 43