NGHIÊN CỨU ỨNG DỤNG CÁC MÔ HÌNH HỌC MÁY NHẰM PHÂN LOẠI VÀ ĐỊNH VỊ SỰ CỐ TRÊN ĐƯỜNG DÂY TRUYỀN TẢI

Tóm tắt

Nghiên cứu này đề xuất phương pháp phân loại và định vị sự cố trên đường dây truyền tải dựa trên các mô hình học máy. Dữ liệu huấn luyện cho các mô hình được tao ra từ việc mô phỏng lưới điện IEEE 9 nút trong phần mềm Matlab Simulink với các sự cố tạo ra trong nhiều điều kiện khác nhau. Các thuật toán học máy như Decision Tree, Logistic Regression, XGBoost, Support Vector Machine, Artificial Neural Network được sử dụng để phân loại sự cố, trong khi các mô hình mạng nơ ron hồi quy như Convolutional Neural Network, Long-Short Term Memory, Gated Recurrent Unit, mô hình kết hợp CNN-LSTM và CNN-GRU được sử dụng để định vị sự cố. Bằng cách sử dụng các mô hình học máy, nghiên cứu tập trung xem xét độ chính xác của việc phân loại và định vị sự cố trên đường dây truyền tải với mục tiêu nâng cao độ tin cậy và ổn định của hệ thống điện đồng thời góp phần giảm thời gian khắc phục sự cố. Kết quả cho thấy hiệu quả của các mô hình học máy, trong đó ANN đạt độ chính xác phân loại sự cố là 99,974%, còn CNN-GRU đạt sai số trung bình trong định vị sự cố là 0,029 km.