Ước lượng dòng điện phụ tải trạm điện kéo đường sắt đô thị

Dự báo dòng tải điện kéo có ý nghĩa quan trọng trong vận hành và quản lý năng lượng của các tuyến đường sắt đô thị. Đó là căn cứ để xây dựng các chiến lược phân phối và điều khiển dòng năng lượng cung cấp cho phụ tải đoàn tàu một cách hiệu quả, giúp tiết kiệm năng lượng, giảm sự dao động và biên độ dao động điện áp. Bài viết đề xuất một phương pháp dự báo dòng điện DC tại thanh cái trạm điện kéo sử dụng thuật toán học máy có giám sát.
Nội dung trích xuất từ tài liệu:
Ước lượng dòng điện phụ tải trạm điện kéo đường sắt đô thịDOI: 10.31276/VJST.65(11).47-51 Khoa học Kỹ thuật và Công nghệ /Kỹ thuật điện, kỹ thuật điện tử, kỹ thuật thông tin Ước lượng dòng điện phụ tải trạm điện kéo đường sắt đô thị Trần Văn Khôi* Trường Đại học Giao thông Vận tải, 3 Cầu Giấy, phường Láng Thượng, quận Đống Đa, Hà Nội, Việt Nam Ngày nhận bài 15/8/2022; ngày chuyển phản biện 18/8/2022; ngày nhận phản biện 8/9/2022; ngày chấp nhận đăng 12/9/2022 Tóm tắt: Dự báo dòng tải điện kéo có ý nghĩa quan trọng trong vận hành và quản lý năng lượng của các tuyến đường sắt đô thị. Đó là căn cứ để xây dựng các chiến lược phân phối và điều khiển dòng năng lượng cung cấp cho phụ tải đoàn tàu một cách hiệu quả, giúp tiết kiệm năng lượng, giảm sự dao động và biên độ dao động điện áp. Bài báo đề xuất một phương pháp dự báo dòng điện DC tại thanh cái trạm điện kéo sử dụng thuật toán học máy có giám sát. Số liệu đầu vào kết hợp giá trị lịch sử của dòng điện thanh cái và dòng điện của các feeder. Bên cạnh đó, cấu hình mạng nơ-ron và số chu kỳ huấn luyện được xác định để đạt được độ chính xác mong muốn. Phương pháp đề xuất được tiến hành kiểm nghiệm dựa trên số liệu vận hành thực tại trạm điện kéo ga Láng ngày 24/6/2022. Kết quả dự báo so sánh với số liệu đo lường từ hệ thống giám sát đã minh chứng rằng, sai số tuyệt đối lớn nhất không quá 5 A, sai số tương đối lớn nhất không quá 0,005; sai số bình phương trung bình không quá 0,01 trong toàn thời gian vận hành một ngày, từ 4h45’ tới 22h45’. Từ khóa: dự báo phụ tải trạm điện kéo, mạng nơ-ron thần kinh, quản lý năng lượng, tàu điện đô thị. Chỉ số phân loại: 2.2 1. Đặt vấn đề bộ phụ tải [7, 8]. K. Shaloudegi và cs (2012) [9] đã phát triển cấu trúc liên kết ANN để ước tính tải điện tại một giờ cụ thể Tàu điện đô thị là phương tiện vận tải có sức chở hành trong ngày bằng cách sử dụng dữ liệu phụ tải của 4 giờ trước. khách lớn, vận hành liên tục trên tuyến đường riêng, do vậy Phương pháp dựa trên kỹ thuật hồi quy tuyến tính dự báo công chúng mang lại hiệu quả cao. Tuy nhiên, mức tiêu thụ năng suất yêu cầu của phụ tải phương tiện giao thông điện đã được lượng của hệ thống tàu điện ở mức lớn cũng gây ảnh hưởng thực hiện [10]. Phương pháp này đưa ra khuyến cáo lựa chọn đáng kể tới các khía cạnh kinh tế và môi trường. Do vậy, vấn đề bậc mô hình bằng 3, tương ứng với 3 dữ liệu công suất lịch sử tiết kiệm năng lượng trên các tuyến đường sắt chạy điện là chủ cần thiết để thực hiện quy trình dự báo giá trị công suất yêu cầu đề thu hút nhiều sự quan tâm của các nhà nghiên cứu cũng như tại từng thời điểm. V. Veeramsetty và cs (2020) [4] đã xây dựng các đơn vị quản lý vận hành các tuyến đường sắt chạy điện. mô hình dự báo công suất phụ tải của trạm trung áp 33/11 kV, Do đó, các nghiên cứu gần đây về việc giảm công suất đỉnh sử dụng dữ liệu lịch sử của 3 giờ trước, đồng thời sử dụng dữ bằng cách lắp đặt các thiết bị tích trữ năng lượng trên các đoàn liệu lịch sử cùng giờ của 4 ngày trước đó để ước lượng công tàu hoặc trong trạm điện kéo đang được triển khai ở các tuyến suất tải trong giờ hiện tại. Kết quả của nghiên cứu cho thấy, đường sắt đô thị [1-3]. Để có được chiến lược điều khiển giảm trung bình bình phương sai số của tất cả các mẫu có thể đạt 0,2. công suất đỉnh phù hợp và hiệu quả, việc dự báo dòng điện phụ Trên hệ thống đường sắt đô thị chạy điện, phụ tải tàu điện tải cần được thực hiện chính xác. có độ dao động công suất tức thời lớn do đặc điểm của nó là Trí tuệ nhân tạo (AI: Artificial intelligence) phân tích hệ phụ tải chuyển động. Quá trình cấp điện được thực hiện song thống và đưa ra dự đoán dựa trên dữ liệu lịch sử có sẵn trước song từ các trạm điện kéo liền kề cho đồng thời cả tuyến lên đó đang trở thành một công cụ hữu ích và không thể thiếu trong và xuống. Từ đó tạo ra kết nối vật lý, gây nên những tương tác lĩnh vực ứng dụng hệ thống điện [4]. Nhiều nhà khoa học đã qua lại về mặt năng lượng giữa tuyến lên và tuyến xuống trong và đang nghiên cứu về dự báo phụ tải điện hoạt động với các cùng một phân đoạn, cũng như giữa chúng trong hai phân đoạn phương pháp và mô hình dự báo k ...