Kỹ thuật phân tích Wavelets kết hợp với Fuzzy Logic để nhận dạng nhiễu trong hệ thống điện

ủa định lý Parseval: 
P{i} = wrcoef('d',C,L,'db4',i); (2) 
 E(i)=((sum(P{i}.^2))/length(P{i}))^(1/2); (3) 
Áp dụng định lý Parseval nói trên, tính được giá trị 13 mức năng lượng của dạng sóng sin 
chuẩn (Hình 2). 
Các dạng sóng nhận được từ mô phỏng trong ATP-EMTP được chuyển sang Matlab để 
được phân tích tiếp theo, dùng kỹ thuật wavelets đa phân giải MRA, và sau đó tính tóan các 
phân bố năng lượng theo các mức khác nhau bằng cách dùng định lý Parseval. 
Với nhận xét là hai mức năng lượng 7 và 8 tương ứng với thành phần tần số cơ bản nên có 
giá trị năng lượng vượt trội, trong khi các mức năng lượng từ 1 đến 6 đại diện cho thành phần 
tần số cao của tín hiệu và các mức năng lượng từ 9 đến 13 cho thành phần của tần số thấp sẽ có 
giá trị thấp hơn nhiều. 
Bảng 1 trình bày 13 mức năng lượng của 8 dạng sóng khảo sát bằng phân tích wavelets 
của họ db4. 
4. ÁP DỤNG FUZZY LOGIC TRONG NHẬN DẠNG VÀ PHÂN LỌAI 
Logic mờ là một sự mở rộng của lý thuyết logic cổ điển. Trong logic cổ điển, giá trị chân lý 
của một mệnh đề chỉ có thể là 0 hoặc 1, còn đối với logic mờ thì giá trị chân lý của một mệnh 
đề là một số trong khoảng từ 0 đến 1. 
Giả sử tập mờ A được xác định trong không gian X và có hàm liên thuộc là )(xAμ và P là 
mệnh đề được phát biểu như sau: P: x ∈A 
Khi đó giá trị chân lý của mệnh đề P sẽ được xác định bởi hàm liên thuộc của tập mờ A:
 T(P) = )(xAμ 
Mức Năng lượng 
1 0.0001 
2 0.0004 
3 0.0007 
4 0.0018 
5 0.0064 
6 0.0586 
7 0.4219 
8 0.5577 
9 0.0537 
10 0.0308 
11 0.0181 
12 0.0087 
13 0.0047 
Hình 2. Giá trị 13 mức năng lượng của dạng sóng sin chuẩn 
Thành phần tần 
số cao 
Thành phần tần 
số thấp 
Science & Technology Development, Vol 9, No.5 - 2006 
Trang 36 
Căn cứ vào số liệu trong Bảng 1 thấy rằng chỉ có các mức năng lượng từ 5 đến 10 là đặc 
trưng cho các dạng sóng khác nhau, nên có thể dựa vào các số liệu này để phân biệt các dạng 
sóng với nhau. 
Bảng 1. Bảng số liệu 13 mức năng lượng của 8 dạng sóng bằng phân tích wavelets của họ db4. 
Mức
phân 
tích 
Sóng 
hình sin 
Sụt 
điện áp 
Tăng 
điện áp
Họa tần Gián 
đọan 
điện 
áp 
Chập 
chờn 
điện áp 
Đóng trạm 
tụ song 
song 
Đóng 
trạm tụ 
độc lập 
L.1 0.0001 0.0001 0.0001 0.0002 0.0002 0.0001 0.0020 0.0037 
L.2 0.0004 0.0005 0.0004 0.0012 0.0005 0.0005 0.0013 0.0035 
L.3 0.0007 0.0008 0.0007 0.0094 0.0010 0.0007 0.0026 0.0057 
L.4 0.0018 0.0019 0.0019 0.0451 0.0021 0.0020 0.0128 0.0336 
L.5 0.0064 0.0067 0.0070 0.0268 0.0082 0.0067 0.0904 0.1006 
L.6 0.0586 0.0542 0.0632 0.0540 0.0547 0.0590 0.1855 0.0618 
L.7 0.4219 0.3820 0.4532 0.3879 0.3620 0.4221 0.4572 0.4327 
L.8 0.5577 0.4884 0.6151 0.5131 0.4641 0.5549 0.6054 0.5724 
L.9 0.0537 0.0565 0.0583 0.0487 0.0705 0.1329 0.0598 0.0546 
L.10 0.0308 0.0412 0.0271 0.0262 0.0541 0.1005 0.0366 0.0315 
L.11 0.0181 0.0144 0.0214 0.0148 0.0143 0.0493 0.0253 0.0186 
L.12 0.0087 0.0040 0.0134 0.0076 0.0097 0.0037 0.0122 0.0089 
L.13 0.0047 0.0046 0.0047 0.0078 0.0046 0.0207 0.0058 0.0046 
Biến ngôn ngữ trong logic mờ được thành lập: 
 02.00 ≤≤ x : Rất thấp (VL) 
 065.002.0 ≤< x : Thấp (L) 
 1.0065.0 ≤< x : Hơi thấp (RL) 
 425.01.0 ≤< x : Trung bình (M) 
 555.0425.0 ≤< x : Hơi cao (RH) 
 58.0555.0 ≤< x : Cao (H) 
 158.0 ≤< x : Rất cao (VH) 
Hàm liên thuộc (Hình 3) ngõ vào được lựa chọn là hàm trapmf (hình thang), ngoài ra cũng 
có thể chọn các hàm khác như hàm gbelmf (hàm chuông), hàm gaussmf (hàm phân bố 
Gauss)... 
Hình 3. Hàm liên thuộc dạng hình thang của các biến ngôn ngữ. 
TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 9, SỐ 5 -2006 
Trang 37 
Từ các biến ngôn ngữ trên xây dựng tập luật cho từng dạng sóng như sau: 
1. If (level5 is VL) and (level6 is L) and (level7 is M) and (level8 is RH) and (level9 is 
L) and (level10 is L) then (waveform is Sag) 
2. If (level5 is VL) and (level6 is L) and (level7 is M) and (level8 is H) and (level9 is 
L) and (level10 is L) then (waveform is Sine) 
 3. If (level5 is VL) and (level6 is RL) and (level7 is RH) and (level8 is VH) and (level9 
is L) and (level10 is L) then (waveform is Swell) 
 4. If (level5 is L) and (level6 is L) and (level7 is M) and (level8 is RH) and (level9 is L) 
and (level10 is L) then (waveform is Harmonic) 
 5. If (level5 is VL) and (level6 is L) and (level7 is M) and (level8 is H) and (level9 is 
RL) and (level10 is L) then (waveform is Flicker) 
 6. If (level5 is VL) and (level6 is L) and (level7 is M) and (level8 is H) and (level9 is 
RL) and (level10 is L) then (waveform is Interruption) 
 7. If (level5 is RL) and (level6 is M) and (level7 is RH) and (level8 is VH) and (level9 
is L) and (level10 is L) then (waveform is Back to Back) 
 8. If (level5 is M) and (level6 is RL) and (level7 is RH) and (level8 is H) and (level9 is 
L) and (level10 is L) then (waveform is Isolated Bank) 
Phương pháp giải mờ được lựa chọn ở đây là phương pháp centroid (phương pháp trọng 
tâm). 
5. KẾT QUẢ MÔ PHỎNG VÀ NHẬN XÉT 
Với số lượng mẫu khảo sát là 80 (mỗi dạng sóng 10 mẫu) qua Bảng 2 cho thấy rằng 
chương trình nhận dạng được số lượng mẫu đúng đạt tỷ lệø 95%. 
Dễ dàng nhận xét là các mẫu nhận dạng không đúng rơi vào các trường hợp chập chờn điện 
áp. Đây là các dạng sóng hình sin có biên độ được biến điệu rất chậm chạp theo hình sin với tần 
số rất thấp (vài Hz). 
Hình 4. Giao diện của chương trình “nhandang” 
Chương trình “nhandang” (Hình 4) được 
xây dựng trong môi trường Matlab để nhận 
dạng các dạng sóng quá độ khảo sát. Trong 
đó, tín hiệu đưa vào là các dạng sóng được tạo 
ra từ phần mềm mô phỏng quá độ ATP-
EMTP, chương trình sẽ phân tích tín hiệu ra 
các mức năng lượng. Dựa vào các mức năng 
lượng này bộ suy diễn mờ sẽ cho biết tín hiệu 
đó thuộc lọai tín hiệu nào trong các lọai trên. 
Science & Technology Development, Vol 9, No.5 - 2006 
Trang 38 
Bảng 2. Kết quả nhận dạng của chương trình 
Dữ liệu 
(Dạng sóng) 
Số mẫu nhận dạng 
đúng 
Số mẫu nhậ 
dạng sai Tổng số mẫu 
Sin chuẩn 10 0 10 
Sụt điện áp 10 0 10 
Tăng điện áp 10 0 10 
Họa tần 10 0 10 
Gián đọan điện áp 10 0 10 
Chập chờn điện áp 6 4 10 
Đóng trạm tụ bù độc 
lập 
10 0 10 
Đóng trạm tụ bù song 
song 
10 0 10 
6. KẾT LUẬN 
Qua kết quả nhận dạng và phân lọai của chương trình cho thấy phép biến đổi wavelets có 
thể được dùng như một công cụ mạnh để phân tích các tín hiệu quá độ do nhiễu trên lưới điện, 
ngòai ra giá trị năng lượng của các mức là một trong những thông số đặc trưng cho tín hiệu đó. 
Ngòai ra, từ các kết quả nhận được, bài báo đã đề nghị được một trình tự phân tích tự động 
các hiện tượng quá độ trên lưới, qua việc phân tích các hiện tượng quá độ trên nền ATP-EMTP, 
chuyển các kết quả phân tích qua môi trường Matlab, kế tiếp kỹ thuật wavelets được dùng để 
tính tóan các mức năng lượng khác nhau, và cuối cùng kỹ thuật fuzzy logic được dùng trong 
việc phân tích, nhận dạng và phân lọai tự động các dạng sóng quá độ trong lưới điện qua một 
chương trình nhận dạng. 
Hiện nay, mạng nơron đang được ứng dụng khá rộng rãi trong vấn đề nhận dạng vì có khả 
năng tự học, tuy vậy việc ứng dụng Fuzzy Logic cũng mang lại những kết quả khá khả quan, 
nếu so sánh với các kết quả trong [6]. Hiệu quả nhận dạng của chương trình sẽ cao hơn nếu có 
sự kết hợp giữa những ưu điểm của mạng nơron và logic mờ là khả năng tự học và kinh 
nghiệm. Đây cũng chính là hướng phát triển của các phân tích trong tương lai nhằm đạt độ 
chính xác cao hơn . 
FUZZY REASONING BASED RECOGNITION AND CLASSIFICATION OF 
TRANSIENTS IN POWER GRIDS 
Nguyen Huu Phuc (1), Truong Dinh Nhon (2) 
(1) University of Technology – VNU- HCM 
 (2) HCMC University of Technical Education. 
ABSTRACT: The paper presents a fuzzy reasoning based method to recognize and 
classify various transients affecting the power grid quality. Different power grid transient 
disturbances are considered and simulated by means of ATP-EMTP program, then analyzed 
by the multiresolution analysis wavelets technique with calculated energy pattern 
corresponding to different decomposition levels using Parseval’s theorem. The energy 
distribution pattern based on fuzzy logic reasoning was then applied along with linguistic 
TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 9, SỐ 5 -2006 
Trang 39 
rules to recognize and classify various transient phenomena. To facilitate the automatic 
process of recognition and classification of transients in power grid a user-friendly program 
was developed. The analysis conducted and results obtained show the merit of method in use 
and prospective applications of the wavelets technique to power disturbance assessments. 
TÀI LIỆU THAM KHẢO 
[1]. Min Wang, Automatic Recognition of Power Quality Disturbances, IEEE Transactions 
on Power Delivery, Vol. 19, August 9, 2001 
[2]. T.X. Zhu, Senior Member, IEEE, S.K. Tso, Senior Member, IEEE, and K.L. Lo, 
Wavelet-Based Fuzzy Reasoning Approach to Power-Quality Disturbance Recognition, 
IEEE Transactions on Power Delivery, Vol. 19, No.4, October 2004. 
[3]. Resende, J.W., Chaves, M.R.L.,Penna, C, Identificaion of Power Quality Disturbances 
Using the Matlab Wavelet Transform Toolbox, Universidade Federal de Uberlandia 
(MC)- Brazil. 
[4]. Shyh-Jier Huang, Cheng-Tao Hsieh, Ching-Lien Huang, Application Of Wavelet To 
Classify Power System Disturbances, A report by Department of Electrical Engineering, 
National Cheng-Kung University, Tainan, 70101, Taiwan, ROC. March 1998. 
[5]. Rosa M de Castro Fernandez, Horacio Nelson Diaz Rojas, An Overview of Wavelet 
Transforms Application in Power Systems, IEEE Transactions on Power Delivery, pp. 
24 - 28 June 2002. 
[6]. Zwe-Lee Gaing, Wavelet-Based Neural Network for Power Disturbances Recognition 
and Classification, IEEE Transactions on Power Delivery, Vol.19, No.4, 2004. 
[7]. Jaideva C. Goswami, Andrew K. Chan, Fundamentals of Wavelets, Theory, Algorithms, 
and Applications, John Wiley & Sons Inc., ISBN: 0-471-19748-3 Hardcover 324 pages, 
February 1999