Xây dựng hệ thống phân loại tự động các kịch bản làm việc của tấm pin năng lượng mặt trời
Số trang: 3
Loại file: pdf
Dung lượng: 362.41 KB
Lượt xem: 47
Lượt tải: 0
Xem trước 1 trang đầu tiên của tài liệu này:
Thông tin tài liệu:
Bài viết Xây dựng hệ thống phân loại tự động các kịch bản làm việc của tấm pin năng lượng mặt trời trình bày việc phát hiện và đánh giá lỗi chậm trễ có thể dẫn đến phá hủy hệ thống năng lượng mặt trời và các thiết bị bảo vệ của hệ thống điện. Việc ra đời của học máy đã đóng góp quan trọng trong việc phát hiện lỗi tự động.
Nội dung trích xuất từ tài liệu:
Xây dựng hệ thống phân loại tự động các kịch bản làm việc của tấm pin năng lượng mặt trời Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 XÂY DỰNG HỆ THỐNG PHÂN LOẠI TỰ ĐỘNG CÁC KỊCH BẢN LÀM VIỆC CỦA TẤM PIN NĂNG LƯỢNG MẶT TRỜI Lê Thị Hương Trường Đại học Thủy lợi 1. GIỚI THIỆU CHUNG Chỉ số Precision là tỉ lệ số điểm true positive trong số những điểm được phân loại Phát hiện và đánh giá lỗi chậm trễ có thể là positive: dẫn đến phá hủy hệ thống năng lượng mặt TP trời và các thiết bị bảo vệ của hệ thống điện. Precision = (1) TP FP Việc ra đời của học máy đã đóng góp quan Chỉ số Recall là tỉ số điểm true positive trọng trong việc phát hiện lỗi tự động. Từ các trong số điểm thực sự là positive: kịch bản làm việc tấm pin PV của hệ thống TP năng lượng mặt trời được phân tích ở [1], tác Recall = (2) TP FN giả sử dụng học máy để phân loại 3 kịch bản Chỉ số F1-score là nhiễu trung bình làm việc dựa trên mạng nơron [2]: hệ thống harmonic mean của precision và recall: hoạt động bình thường, sự cố ngắn mạch, 2 1 1 hiện tượng partial shading. (3) F1 precision recall Thuật ngữ: (1): Độ chính xác; (2): Độ phủ; (3): Điểm F1; Precision cao đồng nghĩa với độ chính xác Phương pháp đánh giá bài toán phân loại: của các điểm tìm được cao. Recall cao đồng Độ chính xác: Tính tỉ lệ giữa số điểm nghĩa với việc tỉ lệ dương tính thật cao. được dự đoán đúng và tổng số điểm trong tập F1_score có giá trị nằm trong nửa khoảng dữ liệu kiểm thử. (0, 1]. F1 càng cao, bộ phân lớp càng tốt. Ma trận nhầm lẫn: Cách dựa vào độ 2. PHƯƠNG PHÁP NGHIÊN CỨU chính xác ở trên không chỉ ra được cụ thể mỗi loại được phân loại như thế nào, lớp nào Hệ thống phân loại gồm 5 bước: được phân loại đúng nhiều nhất, và dữ liệu Xác định mô hình: Lựa chọn mô hình thuộc lớp nào thường bị phân loại nhầm vào thuật toán, lựa chọn cấu trúc mạng nơron, xác các lớp khác. Ma trận nhầm lẫn thể hiện có định số lượng lớp ẩn trong mạng, số lượng bao nhiêu điểm dữ liệu thực sự thuộc vào unit trong mỗi lớp và loại hàm kích hoạt. một class, dự đoán điểm rơi vào một class. Biên dịch mô hình: Lựa chọn hàm mất Precision(1), Recall(2), F1-score(3) mát để tối ưu, lựa chọn learning rate. Huẩn luyện mô hình: Lựa chọn số lượng Bảng 1. Ma trận nhầm lẫn epoch, kích thước của batch. Dự đoán Dự đoán Đánh giá kết quả: Ước lượng độ chính dương tính âm tính xác, xây dựng learning curve, ma trận nhầm Dương Dương tính Âm tính giả lẫn, các hệ số F1, precision, recall… tính thật(TP) (FN) Dự đoán: Dự đoán kết quả từ một đầu vào mới. Âm tính Âm tính giả(FP) Âm tính thật Theo [1] sử dụng Matlab/Simulink để (TN) tiến hành mô phỏng hệ thống với 3 kịch bản 273 Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 làm việc: Bình thường, ngắn mạch, partial Dữ liệu gồm có 567 giá trị được chia đều shading. Thông số mô phỏng: Thời gian mô vào 3 lớp, mỗi lớp có 189 giá trị. phỏng: 1s, thời gian trích mẫu: 5.e-5s. Điều Mạng neural được minh họa trên Hình 3 kiện mô phỏng: Cường độ ánh sáng thay đổi W (1) W (2) W (3) từ 600W/m2 tới 1000 W/m2 với mỗi lần thay đổi là 50W/m2, nhiệt độ thay đổi trong dải từ 20oC tới 40oC mỗ lần thay đổi 1oC, mỗi lần mô phỏng nhiệt độ cố định và thay đổi cường ánh sáng. Nguyên lý mô phỏng như Hình 1. Chuẩn bị số liệu: Thu thập giá trị điện áp và dòng điện tại điểm công suất cực đại nhờ mô phỏng 3 kịch bản của Hình 1, sau đó Input Hidden 1 Hidden 2 Output chuẩn hóa về khoảng giá trị (0,1): Vmpp Hình 3. Cấu trúc mạng nơron Vnorm (4) N s xVOC Chia dữ liệu: Chia dữ liệu 70% thành dữ I mpp I norm (5) liệu dùng để huẩn luyện mô hình và 30% N p xI SC dùng để kiểm chứng Trong đó NS: số tấm pin mắc nối tiếp trong Cấu trúc mạng: Đầu vào: có 2 nút do dữ 1 string, Np: số string nối song song với nhau. liệu đầu vào là điện áp và dòng điện tại điểm ...
Nội dung trích xuất từ tài liệu:
Xây dựng hệ thống phân loại tự động các kịch bản làm việc của tấm pin năng lượng mặt trời Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 XÂY DỰNG HỆ THỐNG PHÂN LOẠI TỰ ĐỘNG CÁC KỊCH BẢN LÀM VIỆC CỦA TẤM PIN NĂNG LƯỢNG MẶT TRỜI Lê Thị Hương Trường Đại học Thủy lợi 1. GIỚI THIỆU CHUNG Chỉ số Precision là tỉ lệ số điểm true positive trong số những điểm được phân loại Phát hiện và đánh giá lỗi chậm trễ có thể là positive: dẫn đến phá hủy hệ thống năng lượng mặt TP trời và các thiết bị bảo vệ của hệ thống điện. Precision = (1) TP FP Việc ra đời của học máy đã đóng góp quan Chỉ số Recall là tỉ số điểm true positive trọng trong việc phát hiện lỗi tự động. Từ các trong số điểm thực sự là positive: kịch bản làm việc tấm pin PV của hệ thống TP năng lượng mặt trời được phân tích ở [1], tác Recall = (2) TP FN giả sử dụng học máy để phân loại 3 kịch bản Chỉ số F1-score là nhiễu trung bình làm việc dựa trên mạng nơron [2]: hệ thống harmonic mean của precision và recall: hoạt động bình thường, sự cố ngắn mạch, 2 1 1 hiện tượng partial shading. (3) F1 precision recall Thuật ngữ: (1): Độ chính xác; (2): Độ phủ; (3): Điểm F1; Precision cao đồng nghĩa với độ chính xác Phương pháp đánh giá bài toán phân loại: của các điểm tìm được cao. Recall cao đồng Độ chính xác: Tính tỉ lệ giữa số điểm nghĩa với việc tỉ lệ dương tính thật cao. được dự đoán đúng và tổng số điểm trong tập F1_score có giá trị nằm trong nửa khoảng dữ liệu kiểm thử. (0, 1]. F1 càng cao, bộ phân lớp càng tốt. Ma trận nhầm lẫn: Cách dựa vào độ 2. PHƯƠNG PHÁP NGHIÊN CỨU chính xác ở trên không chỉ ra được cụ thể mỗi loại được phân loại như thế nào, lớp nào Hệ thống phân loại gồm 5 bước: được phân loại đúng nhiều nhất, và dữ liệu Xác định mô hình: Lựa chọn mô hình thuộc lớp nào thường bị phân loại nhầm vào thuật toán, lựa chọn cấu trúc mạng nơron, xác các lớp khác. Ma trận nhầm lẫn thể hiện có định số lượng lớp ẩn trong mạng, số lượng bao nhiêu điểm dữ liệu thực sự thuộc vào unit trong mỗi lớp và loại hàm kích hoạt. một class, dự đoán điểm rơi vào một class. Biên dịch mô hình: Lựa chọn hàm mất Precision(1), Recall(2), F1-score(3) mát để tối ưu, lựa chọn learning rate. Huẩn luyện mô hình: Lựa chọn số lượng Bảng 1. Ma trận nhầm lẫn epoch, kích thước của batch. Dự đoán Dự đoán Đánh giá kết quả: Ước lượng độ chính dương tính âm tính xác, xây dựng learning curve, ma trận nhầm Dương Dương tính Âm tính giả lẫn, các hệ số F1, precision, recall… tính thật(TP) (FN) Dự đoán: Dự đoán kết quả từ một đầu vào mới. Âm tính Âm tính giả(FP) Âm tính thật Theo [1] sử dụng Matlab/Simulink để (TN) tiến hành mô phỏng hệ thống với 3 kịch bản 273 Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0 làm việc: Bình thường, ngắn mạch, partial Dữ liệu gồm có 567 giá trị được chia đều shading. Thông số mô phỏng: Thời gian mô vào 3 lớp, mỗi lớp có 189 giá trị. phỏng: 1s, thời gian trích mẫu: 5.e-5s. Điều Mạng neural được minh họa trên Hình 3 kiện mô phỏng: Cường độ ánh sáng thay đổi W (1) W (2) W (3) từ 600W/m2 tới 1000 W/m2 với mỗi lần thay đổi là 50W/m2, nhiệt độ thay đổi trong dải từ 20oC tới 40oC mỗ lần thay đổi 1oC, mỗi lần mô phỏng nhiệt độ cố định và thay đổi cường ánh sáng. Nguyên lý mô phỏng như Hình 1. Chuẩn bị số liệu: Thu thập giá trị điện áp và dòng điện tại điểm công suất cực đại nhờ mô phỏng 3 kịch bản của Hình 1, sau đó Input Hidden 1 Hidden 2 Output chuẩn hóa về khoảng giá trị (0,1): Vmpp Hình 3. Cấu trúc mạng nơron Vnorm (4) N s xVOC Chia dữ liệu: Chia dữ liệu 70% thành dữ I mpp I norm (5) liệu dùng để huẩn luyện mô hình và 30% N p xI SC dùng để kiểm chứng Trong đó NS: số tấm pin mắc nối tiếp trong Cấu trúc mạng: Đầu vào: có 2 nút do dữ 1 string, Np: số string nối song song với nhau. liệu đầu vào là điện áp và dòng điện tại điểm ...
Tìm kiếm theo từ khóa liên quan:
Hệ thống phân loại tự động Tấm pin năng lượng mặt trời Hệ thống điện Hệ thống năng lượng mặt trời Tấm pin PVTài liệu có liên quan:
-
56 trang 320 0 0
-
96 trang 318 0 0
-
ĐỒ ÁN TỐT NGHIỆP: THIẾT KẾ HỆ THỐNG CUNG CẤP ĐIỆN CHO NHÀ MÁY SẢN XUẤT GẠCH MEN SHIJAR
63 trang 273 0 0 -
Luận văn: Thiết kế xây dựng bộ đếm xung, ứng dụng đo tốc độ động cơ trong hệ thống truyền động điện
63 trang 240 0 0 -
Luận văn đề tài : Thiết kế phần điện áp một chiều cho bộ UPS, công suất 4KVA, điện áp ra 110KV
89 trang 224 0 0 -
Luận văn: Thiết kế, xây dựng hệ thống phun sương làm mát tự động
68 trang 220 0 0 -
ĐỒ ÁN: THIẾT KẾ HỆ THỐNG CUNG CẤP ĐIỆN CHO NHÀ MÁY CƠ KHÍ TRUNG QUY MÔ SỐ 2
91 trang 193 0 0 -
65 trang 185 0 0
-
Mô hình các phần tử trong lưới điện nhỏ
5 trang 162 0 0 -
Mô hình điện mặt trời cho Việt Nam
3 trang 157 0 0