Ứng Dụng Thuật Toán Tìm Kiếm Đồng Dạng Ngẫu Nhiên Để Xác Định VịTrí TụBù Tối Ưu Trên Lưới Điện Trung Thế

I.TÊN ĐỀ TÀI: Ứng Dụng Thuật Toán Tìm Kiếm Đồng Dạng Ngẫu Nhiên Để Xác Định Vị Trí Tụ Bù Tối Ưu Trên Lưới Điện Trung Thế. NHIỆM VỤ VÀ NỘI DUNG: -Tìm hiểu về bài toán tối ưu hóa vị trí tụ bù và các phương pháp giải bài toán. -Nghiên cứu thuật toán Stochastic Fractral Search Algorithm (SFSA). -Áp dụng thuật toán SFSA giải bài toán đặt tụ bù tối ưu trên lưới điện trung thế. -So sánh kết quả đạt được với các thuật toán khác. -Kết luận và đưa ra hướng phát triển của đề tài. Các bộ tụ bù được sử dụng rộng rãi ở các hệ thống lưới điện phân phối (LĐPP) để cắt giảm tổn thất công suất, cải thiện chỉ số điện áp nút, hiệu chỉnh hệ số công suất của hệ thống, cải thiện khả năng tải ở đường dây, v.v. Để đạt được những lợi ích vừa nêu, phân bổ tụ bù nên được cân nhắc và tính toán hợp lý. Ở trường hợp này, nút ứng viên cho vị trí kết nối tụ bù và dung lượng tụ bù tương ứng phải được tính toán tối ưu để tổn thất công suất và các chi phí liên quan được cực tiểu mà không vi phạm các ràng buộc vận hành của cả tụ bù và hệ thống khảo sát. Do đó, vấn đề đặt ra là phải tính toán tối ưu hóa dung lượng và vị trí của tụ bù trước khi tích hợp chúng vào LĐPP. Trong luận văn này đề xuất một thuật toán hoàn toàn mới – thuật toán tìm kiếm phân dạng ngẫu nhiên (SFSA) để giải quyết bài toán tối ưu hóa dung lượng và vị trí của tụ bù (OCP) với hàm mục tiêu là tối thiểu tổng chi phí hàng năm gồm chi phí tổn thất năng lượng, chi phí cài đặt cũng như chi phí vận hành và bảo trì tụ bù, đồng thời đáp ứng các ràng buộc về cân bằng công suất tại mỗi nút, giới hạn điện áp nút, giới hạn dung lượng tụ bù, giới hạn biên độ dòng điện trên các đường dây, giới hạn hệ số công suất của hệ thống, và giới hạn về mức thâm nhập của tụ bù. Luận văn này giới thiệu một phương pháp luận mới để tìm đồng thời vị trí nút ứng viên và dung lượng tụ bù dựa vào thuật toán SFSA. Thuật toán đề xuất được áp dụng trên hai hệ thống điện chuẩn IEEE – 15 nút và IEEE – 69 nút.

Công trình được hoàn thành tại Trường Đại học Công nghiệp TP Hồ Chí Minh

Người hướng dẫn khoa học: PGS TS Võ Ngọc Điều

Luận văn thạc sĩ được bảo vệ tại Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh ngày tháng năm

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KỸ THUẬT ĐIỆN

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: LÊ MINH CẨM MSHV: 16083671

Ngày, tháng, năm sinh: 16/10/1982 Nơi sinh: Quảng Ngãi

Chuyên ngành: Kỹ Thuật Điện Mã số: 8520201

I TÊN ĐỀ TÀI: Ứng Dụng Thuật Toán Tìm Kiếm Đồng Dạng Ngẫu Nhiên Để

Xác Định Vị Trí Tụ Bù Tối Ưu Trên Lưới Điện Trung Thế

NHIỆM VỤ VÀ NỘI DUNG:

- Tìm hiểu về bài toán tối ưu hóa vị trí tụ bù và các phương pháp giải bài toán

- Nghiên cứu thuật toán Stochastic Fractral Search Algorithm (SFSA)

- Áp dụng thuật toán SFSA giải bài toán đặt tụ bù tối ưu trên lưới điện trung thế

- So sánh kết quả đạt được với các thuật toán khác

- Kết luận và đưa ra hướng phát triển của đề tài

II NGÀY GIAO NHIỆM VỤ: Theo QĐ số 2660/QĐ-ĐHCN ngày 11/12/2018

III NGÀY HOÀN THÀNH NHIỆM VỤ: 18/06/2020

IV NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS Võ Ngọc Điều

Tp Hồ Chí Minh, ngày… tháng… năm…

TRƯỞNG KHOA KỸ THUẬT ĐIỆN

LỜI CẢM ƠN

Trong thực tế, không có sự thành công nào mà không gắn liền với những sự hỗ trợ, giúp

đỡ dù nhiều hay ít, dù trực tiếp hay gián tiếp của người khác Trong suốt thời gian từ khi bắt đầu học tập tại trường đến nay, tôi đã nhận được rất nhiều sự quan tâm, giúp đỡ của quý Thầy Cô, gia đình và bạn bè

Đầu tiên, em xin bày tỏ lòng biết ơn chân thành và sâu sắc nhất đến thầy, PGS TS Võ Ngọc Điều, người đã trực tiếp hướng dẫn, truyền đạt những kinh nghiệm quý báu, và tận tình giúp đỡ em trong suốt thời gian học tập, nghiên cứu và hoàn thành luận văn này Đồng thời, em cũng xin chân thành cảm ơn Khoa Kỹ Thuật Điện, Phòng Đào Tạo Sau Đại Học, trường Đại học Công nghiệp TP Hồ Chí Minh đã tạo mọi điều kiện thuận lợi cho em trong quá trình học tập và nghiên cứu

Cuối cùng, xin được gửi lời lòng biết ơn sâu sắc đến gia đình, người thân và bạn bè, những người luôn dành cho tôi sự quan tâm động viên, tình yêu thương và tạo mọi điều kiện tốt nhất để tôi có động lực học tập, phấn đấu trong suốt thời gian qua

Do thời gian và trình độ còn nhiều hạn chế nên luận văn chắc chắn sẽ không tránh khỏi những thiếu sót, rất mong nhận được sự đóng góp ý kiến của quý thầy cô và các bạn để luận văn được hoàn thiện hơn

Xin chân thành cảm ơn! Tp HCM, ngày tháng năm 2020

Học viên

Lê Minh Cẩm

TÓM TẮT LUẬN VĂN

Các bộ tụ bù được sử dụng rộng rãi ở các hệ thống lưới điện phân phối (LĐPP) để cắt giảm tổn thất công suất, cải thiện chỉ số điện áp nút, hiệu chỉnh hệ số công suất của hệ thống, cải thiện khả năng tải ở đường dây, v.v Để đạt được những lợi ích vừa nêu, phân

bổ tụ bù nên được cân nhắc và tính toán hợp lý Ở trường hợp này, nút ứng viên cho vị trí kết nối tụ bù và dung lượng tụ bù tương ứng phải được tính toán tối ưu để tổn thất công suất và các chi phí liên quan được cực tiểu mà không vi phạm các ràng buộc vận hành của cả tụ bù và hệ thống khảo sát Do đó, vấn đề đặt ra là phải tính toán tối ưu hóa dung lượng và vị trí của tụ bù trước khi tích hợp chúng vào LĐPP

Trong luận văn này đề xuất một thuật toán hoàn toàn mới – thuật toán tìm kiếm phân dạng ngẫu nhiên (SFSA) để giải quyết bài toán tối ưu hóa dung lượng và vị trí của tụ bù (OCP) với hàm mục tiêu là tối thiểu tổng chi phí hàng năm gồm chi phí tổn thất năng lượng, chi phí cài đặt cũng như chi phí vận hành và bảo trì tụ bù, đồng thời đáp ứng các ràng buộc về cân bằng công suất tại mỗi nút, giới hạn điện áp nút, giới hạn dung lượng

tụ bù, giới hạn biên độ dòng điện trên các đường dây, giới hạn hệ số công suất của hệ thống, và giới hạn về mức thâm nhập của tụ bù Luận văn này giới thiệu một phương pháp luận mới để tìm đồng thời vị trí nút ứng viên và dung lượng tụ bù dựa vào thuật toán SFSA Thuật toán đề xuất được áp dụng trên hai hệ thống điện chuẩn IEEE – 15 nút

và IEEE – 69 nút

ABSTRACT

Shunt capacitors are widely used in radial electrical distribution systems for reducing power loss, enhancing bus voltage profile, correcting system overall power factor, releasing lines loading capacity, and so on In order to obtain the above-mentioned benefits, allocating capacitors into the systems must be carefully considered In this sense, the candidate nodes for capacitor placements and corresponding capacitor ratings are selected to minimize power losses and relevant costs while fulfilling all operational constraints of both capacitor and system Therefore, the problem is to optimize the sizes and sittings of capacitors before integrating them into distribution systems

In this thesis, a novel meta-heuristic algorithm named stochastic fractal search algorithm (SFSA) has been proposed for the OCP problem solving The objective of the problem

is to minimize a totalannual costs including energy loss cost, installation cost, operation and maintenance costs Meanwhile, all constraints related to active and reactive power balance, bus voltage limits, capacitor’s rating limits, branch current limits, system overall power factor limits, and maximum permissible capacitor penetration limit are satisfied In addition, the thesis has offered a newly effective methodology to simultaneously determine location and rating of capacitors using the SFSA algorithm The feasibility and effectiveness of the proposed algorithm was tested on two IEEE standard radial distribution systems, namely IEEE-15 bus and IEEE-69 bus systems

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và kết luận nêu trong luận văn là trung thực và không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào Việc tham khảo tài liệu đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng theo yêu cầu

TP HCM, ngày tháng năm 2020

Học viên

MỤC LỤC

LỜI CẢM ƠN I TÓM TẮT LUẬN VĂN II ABSTRACT III

LỜI CAM ĐOAN iv

DANH MỤC HÌNH ẢNH vii

DANH MỤC BẢNG BIỂU viii

DANH MỤC TỪ VIẾT TẮT ix

MỞ ĐẦU 1

1 Đặt vấn đề 1

2 Hướng tiếp cận của đề tài 2

3 Mục tiêu nghiên cứu 2

4 Phạm vi nghiên cứu 3

5 Đối tượng nghiên cứu 3

6 Điểm mới của luận văn 3

7 Bố cục của luận văn 4

CHƯƠNG 1 TỔNG QUAN 5

1.1 Tổng quan về bài toán đặt tụ bù tối ưu 5

1.2 Phân bố công suất lưới điện phân phối 7

1.2.1 Giới thiệu 7

1.2.2 Giải phân bố công suất lưới điện phân phối bằng phương pháp Newton-Raphson 7

1.2.3 Các thuật toán đã sử dụng để giải bài toán đặt tụ bù tối ưu 12

1.2.3.1 Thuật toán GA 12

1.2.3.2 Thuật toán TS 16

1.2.3.3 Thuật toán PSO 18

1.3 Tóm lược các bài báo có liên quan đến đề tài 21

CHƯƠNG 2 THÀNH LẬP BÀI TOÁN TỐI ƯU HÓA VỊ TRÍ CỦA TỤ BÙ CHO

LƯỚI ĐIỆN PHÂN PHỐI 25

2.1 Cơ sở phát triển của bài toán 25

2.2 Thành lập bài toán OCP 26

2.2.1 Hàm mục tiêu 26

2.2.2 Các ràng buộc 27

CHƯƠNG 3 PHƯƠNG PHÁP LUẬN GIẢI QUYẾT BÀI TOÁN 29

3.1 Tổng quan 29

3.2 Thuật toán SFSA (Stochastic Fractal Search Algorithm) 30

3.2.1 Giới thiệu thuật toán SFSA 34

3.2.2 Mô tả code của thuật toán 37

3.3 Áp dụng thuật toán SFSA giải bài toán OCP trên lưới điện phân phối 39

3.3.1 Các thông số của thuật toán SFSA 40

3.3.2 Trình tự các bước thực hiện của thuật toán SFSA giải bài toán OCP 40

CHƯƠNG 4 KẾT QUẢ TÍNH TOÁN 45

4.1 Kết quả phân tích của hệ thống trước khi kết nối tụ bù 47

4.1.1 Hệ thống điện IEEE – 15 nút [48] 47

4.1.2 Hệ thống điện IEEE – 69 nút [49] 49

4.2 Kết quả thu được sau khi kết nối tụ bù 51

4.2.1 Hệ thống điện IEEE – 15 nút 51

4.2.2 Hệ thống điện IEEE – 69 nút 56

KẾT LUẬN VÀ KIẾN NGHỊ 62

1 Kết luận 62

2 Hướng phát triển đề tài 63

3 Lời kết 63

TÀI LIỆU THAM KHẢO 64

PHỤ LỤC 70

LÝ LỊCH TRÍCH NGANG 74

DANH MỤC HÌNH ẢNH

Hình 3.1 Phân dạng được tạo ra bởi phương pháp DLA [31] 30

Hình 3.2 Quá trình phóng điện nhánh hẹp [31] 31

Hình 3.3 Mô hình phóng điện phân nhánh hẹp của Niemeyer [31] 32

Hình 4.1 Chỉ số điện áp nút của hệ thống 15 nút trước khi kết nối tụ bù 48

Hình 4.2 Chỉ số điện áp nút của hệ thống 69 nút trước khi kết nối tụ bù 49

Hình 4.3 So sánh chi phí thấp nhất bởi các phương pháp ở hệ thống 15 nút 54

Hình 4.4 Tác động của các số lượng tụ bù đối với mục tiêu chi phí ở hệ thống 15 nút 54 Hình 4.5 Chỉ số điện áp của hệ thống 15 nút sau khi bù 55

Hình 4.6 Đặc tuyến hội tụ của thuật toán SFSA cho OPC của hệ thống 15 nút 55

Hình 4.7 So sánh chi phí thấp nhất bởi các phương pháp ở hệ thống 69 nút 59

Hình 4.8 Tác động của các số lượng tụ bù đối với mục tiêu chi phí ở hệ thống 69 nút 59 Hình 4.9 Chỉ số điện áp của hệ thống 15 nút sau khi bù 60

Hình 4.10 Đặc tuyến hội tụ của thuật toán SFSA cho OPC của hệ thống 69 nút 60

Hình 1 Sơ đồ đơn tuyến của LĐPP hình tia 15 nút 70

Hình 2 Sơ đồ đơn tuyến của LĐPP hình tia 69 nút 70

DANH MỤC BẢNG BIỂU

Bảng 3.1 Tiến trình tổng quát của thuật toán SFSA 38

Bảng 4.1 Lựa chọn thông số SFSA cho hệ thống 15 nút 46

Bảng 4.2 Lựa chọn thông số SFSA cho hệ thống 69 nút 47

Bảng 4.3 Kết quả chạy phân bố công suất cho hệ thống 15 nút 48

Bảng 4.4 Kết quả chạy phân bố công suất cho hệ thống 69 nút 50

Bảng 4.5 Kết quả so sánh của hệ thống 15 nút sau khi kết nối tụ bù 53

Bảng 4.6 Tổn thất CSTD trên đường dây của hệ thống 15-nút trước và sau khi bù 56

Bảng 4.7 Kết quả so sánh của hệ thống 69 nút sau khi kết nối tụ bù 58

Bảng 4.8 Kết quả thống kê cho hệ thống 15 nút và 69 nút bởi thuật toán SFSA sau 30 lần chạy thử nghiệm 58

Bảng 4.9 Tổn thất CSTD ở đường dây của lưới 69-nút trước và sau khi bù 61

Bảng 1 Dữ liệu đường dây của hệ thống IEEE – 15 nút 71

Bảng 2 Dữ liệu tải của hệ thống IEEE – 15 nút 71

Bảng 3 Dữ liệu hệ thống IEEE – 69 nút 72

Bảng 4 Dữ liệu hệ thống IEEE – 69 nút (tiếp theo) 73

DANH MỤC TỪ VIẾT TẮT ABC Artificial bee colony

ANN Artificial neural networks

BF Bacterial foraging

CPU Central processing unit

CSA Cuckoo search algorithm

CSPK Công suất phản kháng

CSTD Công suất tác dụng

DE Differential evolution

DLA Diffusion limited aggregation

DSA Direct search algorithm

IEEE Institute of Electrical and Electronics Engineers

IHA Improved harmony algorithm

LĐPP Lưới điện phân phối

LSF Loss sensitivity factor

MATLAB Matrix Laboratory

MDN Maximum diffusions number

NP Number of points

NST Nhiễm sắc thể

OCP Optimal capacitor placement

p.u per unit

PSO Particle swarm optimization

RAM Random access memory

SA Simulated annealing

SFSA Stochastic fractal search algorithm

TLBO Teaching-learning based optimization

VSI Voltage stability index

WCA Water cycle algorithm

MỞ ĐẦU

1 Đặt vấn đề

Tụ bù thường được sử dụng phổ biến ở các hệ thống lưới điện phân phối (LĐPP) hình tia nhằm để cắt giảm tổn thất công suất, cải thiện hệ số công suất, và điều khiển điện áp Đường dây phân phối có tỷ lệ R/X cao nên tổn thất công suất trên LĐPP được đặc biệt quan tâm Ở các hệ thống LĐPP, trung bình khoảng 13% tổn thất công suất gây ra bởi điện trở trên các đường dây [1, 2] Để cắt giảm tổn thất công suất trên các LĐPP, có nhiều phương pháp được đề xuất chẳng hạn lựa chọn kích thước đường dây tối ưu, tái cấu trúc, và lắp đặt tụ bù [3] Các nghiên cứu trước đây đã cho thấy rằng một trong những phương pháp phổ biến nhất để giảm thiểu tổn thất công suất ở các LĐPP là xác định vị trí nút ứng viên và dung lượng tối ưu tương ứng cho tụ bù Nếu vị trí và dung lượng tụ

bù được chọn phù hợp, sự kết nối của tụ bù sẽ giúp cải thiện đáng kể hiệu suất của hệ thống Hơn nữa, sự xâm nhập của tụ bù còn giúp cắt giảm nhu cầu công suất phản kháng,

do đó giúp cắt giảm tổn thất công suất Ngoài ra, bài toán OCP còn được xem xét ở một

số khía cạnh khác chẳng hạn vị trí tụ bù theo tiêu chí vận hành kinh tế và tin cậy [4], kết hợp bài toán phối hợp nguồn phân tán và tụ bù [5, 6], và tác động của các mô hình tải khác nhau [7] Để tận dụng lợi ích của tụ bù, đơn vị quy hoạch hệ thống phải tính toán tối ưu hóa dung lượng và vị trí của tụ bù trước khi tích hợp chúng vào LĐPP

Do đó, bài toán tối ưu hóa vị trí và dung lượng tụ bù (OCP) đã thu hút sự quan tâm của nhiều nhà nghiên cứu trong những năm qua Nhiều bài toán về vận hành tụ bù đã được đặt ra Các bài toán xoay quanh việc chứng minh sự có mặt của tụ bù trong hệ thống là

có lợi dựa trên các chỉ số mà họ đặt ra Tuy mỗi bài toán sử dụng các thuật toán khác nhau, đặt ra các hàm mục tiêu khác nhau, nhưng đều có chung một mục đích là xác định

vị trí đặt thích hợp và dung lượng cần thiết của tụ bù sao cho sự vận hành trong hệ thống

là tối ưu

2 Hướng tiếp cận của đề tài

Để đối phó với bài toán OCP, một số lượng đáng kể các phương pháp luận đã được đề xuất, có thể phân loại thành bốn nhóm như sau: giải tích, heuristic, phương pháp số, và các thuật toán tối ưu hóa meta-heuristic được lấy cảm hứng từ tự nhiên Mô tả chi tiết về những phương pháp này được đưa ra ở các tài liệu tham khảo [8-12] Những năm gần đây, để tìm lời giải cho bài toán này, nhiều nhà nghiên cứu đã nhờ đến các thuật toán tối

ưu hóa meta-heuristic, chẳng hạn GSA [13], SA [14], HS [15-17], WCA [18], BF [19],

GA [20-21], PSO [22], TS [23], TLBO [24], CSA [25-28], ABC [29-30], v.v Thực tế, các thuật toán meta-heuristic này sử dụng các mô hình ngẫu nhiên để khám phá không gian tìm kiếm, nhờ đó giúp nó tránh được các điểm cực trị địa phương của bài toán Do

đó, các thuật toán này có thể đối phó bài toán hiệu quả hơn so với các thuật toán cổ điển Thuật toán tìm kiếm phân dạng ngẫu nhiên (SFSA) là một trong những phương pháp như vậy, mới được nghiên cứu gần đây và công nhận vào năm 2015 bởi Salimi [31] Thuật toán SFSA được xây dựng dựa trên một khái niệm toán học cơ bản với tên gọi fractal (fratal là một vật thể hình học thường có hình dạng gấp khúc trên mọi tỷ lệ phóng đại, và có thể được tách ra thành từng phần: mỗi phần trông giống như hình tổng thể, nhưng ở tỷ lệ phóng đại nhỏ hơn) Dựa trên các cơ chế vận hành hiệu quả, SFSA sớm cho thấy khả năng vượt trội khi đối phó với các bài toán tối ưu hóa phức tạp thực tế Gần đây, SFSA đã được áp dụng rộng rãi để giải quyết các bài toán phức tạp ở nhiều lĩnh vực khác nhau [32-34], đây cũng là lý do chúng tôi lựa chọn thuật toán này để giải bài toán OCP

3 Mục tiêu nghiên cứu

Bài toán OCP đã được quan tâm nghiên cứu trong khoảng hơn một thập niên qua và có

ý nghĩa vô cùng quan trọng trong vận hành và điều khiển hệ thống điện Mục tiêu chính của bài toán là để xác định vị trí và dung lượng tối ưu của tụ bù trên LĐPP nhằm tối thiểu tổng chi phí trong khi xem xét các ràng buộc về cân bằng công suất tác dụng (CSTD) và cân bằng công suất phản kháng (CSPK) tại mỗi nút, giới hạn điện áp nút của

hệ thống, giới hạn biên độ dòng điện nhánh, giới hạn dung lượng và mức độ xâm nhập của tụ bù, cũng như ràng buộc hệ số công suất của hệ thống Do đó, đã có nhiều công trình nghiên cứu để tìm kiếm lời giải tối ưu hơn cho bài toán này Bài toán OCP là một bài toán phi tuyến phức tạp

Để giải quyết được các vấn đề phức tạp nêu trên, thuật toán SFSA là một giải pháp phù hợp Kết quả áp dụng thuật toán SFSA giải bài toán OCP được so sánh với các kết quả của những thuật toán khác từ các nghiên cứu trước đây để thấy được tính hiệu quả và điểm mạnh của thuật toán SFSA

4 Phạm vi nghiên cứu

Mục đích nghiên cứu của đề tài là ứng dụng thuật toán SFSA để giải bài toán tối ưu hóa

vị trí và dung lượng của tụ bù trên LĐPP Hàm mục tiêu được đặt ra trong đề tài là tối thiểu tổng chi phí liên quan trên LĐPP trong khi đáp ứng các ràng buộc về vận hành Thuật toán được áp dụng trên mạng điện chuẩn IEEE – 15 nút và IEEE – 69 nút

5 Đối tượng nghiên cứu

 Phân bố công suất bằng phương pháp Newton-Raphson

 Áp dụng thuật toán SFSA để giải bài toán tìm thông số tối ưu của tụ bù nhằm giảm tổng chi phí trên LĐPP

 Sử dụng phần mềm MATLAB để mô phỏng kết quả

6 Điểm mới của luận văn

 Đề xuất cách áp dụng thuật toán SFSA giải quyết bài toán tối ưu hóa vị trí và dung lượng của tụ bù cho LĐPP

 Tìm được số lượng tụ bù tối ưu cho hai hệ thống IEEE 15 nút và 69 nút

 Lời giải thu được bởi thuật toán SFSA có chất lượng tốt hơn so với lời giải tìm được bởi các thuật toán trước đây

7 Bố cục của luận văn

Luận văn được thực hiện bao gồm các chương sau:

 Chương 1 Tổng quan

 Chương 2 Thành lập bài toán tối ưu hóa vị trí của tụ bù cho lưới điện phân phối

 Chương 3 Phương pháp luận giải quyết bài toán

 Chương 4 Kết quả tính toán

 Kết luận và kiến nghị

 Tài liệu tham khảo

 Phụ lục

 Lý lịch trích ngang

CHƯƠNG 1 TỔNG QUAN

1.1 Tổng quan về bài toán tối ưu hóa vị trí và dung lượng của tụ bù

Việc truyền tải điện năng từ nguồn điện đến các phụ tải thông qua các mạng lưới truyền tải và phân phối sẽ kèm theo tổn thất Phần lớn các tổn thất này xảy ra ở LĐPP Vị trí đặt tụ bù trên LĐPP có thể làm giảm tổn thất điện năng Bài toán tổng quát được đặt ra

là xác định số lượng, vị trí, dung lượng, và số lần đóng – ngắt tối ưu của các bộ tụ bù cần được kết nối lên LĐPP để tối đa việc tiết kiệm chi phí kèm theo các ràng buộc vận hành

Do đó, bài toán tối ưu hóa có thể được xây dựng như một bài toán ràng buộc tổng quát

Nói chung bài toán tối ưu hóa bao gồm n biến điều khiển, k hàm mục tiêu và m các ràng

buộc Như vậy, về mặt toán học, mục tiêu chúng ta tìm kiếm để đạt được là:

Bài toán tối ưu hóa thường đòi hỏi một vài mục tiêu được tối ưu hóa, ví dụ như:

 Phân bố công suất tối ưu để giảm thiểu tổn thất hệ thống

 Vị trí đặt tụ bù tối ưu để cải thiện hệ số công suất hệ thống

 Tối ưu các thông số máy phát để tăng hiệu suất của nó

 Cực tiểu hóa chi phí thiết kế và cực đại hóa hiệu suất, v.v

Đối với bài toán đặt tụ bù tối ưu, vấn đề tối ưu có thể khái quát như sau:

 F(x) thì đại diện cho hàm mục tiêu, tìm cách để giảm thiểu tổn thất kỹ thuật trên LĐPP

Hàm mục tiêu tổn thất kỹ thuật là tổng của:

Tổn hao đồng của đường dây trên không và cáp ngầm của mạng LĐPP khảo sát

Tổn hao đồng của các dây quấn sơ và thứ cấp của máy biến áp Đối với tất cả các máy biến áp (hai cuộn dây và ba cuộn dây) trên LĐPP đang được xem xét

Tổn thất lõi sắt của máy biến áp

 x là biến điều khiển, xác định vị trí và dung lượng của tụ bù đảm bảo cực tiểu tổn thất

kỹ thuật F(x)

 g(x) là vector của các ràng buộc không cân bằng phi tuyến ví dụ một kỹ sư vận hành

có thể muốn cài đặt một tụ bù để đảm bảo điện áp và duy trì hệ số công suất trong giới hạn mong muốn để cung cấp điện với chất lượng tốt nhất cho các tải nhạy cảm

 h(x) là vector của các ràng buộc cân bằng

 x min và x max là các vector chứa giới hạn dưới và giới hạn trên của các biến điều khiển,

ví dụ nó có thể không khả thi để đặt tụ bù ở một vài nút của hệ thống

Do tính phức tạp của bài toán, các phương pháp giải đã đề xuất một số giả định sau đây: một xuất tuyến duy nhất, chỉ số điện áp không đổi, chi phí bộ tụ bù tuyến tính, dung lượng bộ tụ bù không rời rạc, xuất tuyến hình tia Các giả định thường được sử dụng phổ biến nhất là coi bộ tụ chỉ ảnh hướng đến thành phần dòng điện phản kháng Một vài phương pháp chỉ xem xét bộ tụ bù tĩnh trong khi số khác xem xét cả bộ tụ bù tĩnh và bộ

tụ bù ứng động Trong số các phương pháp áp dụng với bộ tụ bù ứng động, có thể có những hạn chế về số lần đóng cắt

Tùy thuộc vào kích thước và cấu trúc của LĐPP, tính chính xác của kết quả, dữ liệu hệ thống sẵn có, và nguồn nhân lực mà chọn thuật toán cho phù hợp Các phương pháp để tìm lời giải cho bài toán vị trí đặt tụ bù có thể được phân thành bốn loại sau đây:

1.2 Phân bố công suất lưới điện phân phối

1.2.1 Giới thiệu

Phân tích phân bố công suất đóng vai trò quan trọng trong thiết kế và vận hành hệ thống điện Lời giải phân bố công suất thì cần thiết cho các bài toán quy hoạch, vận hành, điều độ kinh tế, v.v Hơn nữa, phân tích phân bố công suất còn được yêu cầu bởi nhiều phân tích khác như ổn định quá độ và các nghiên cứu về sự cố [35] Bài toán phân bố công suất liên quan đến hai phương trình phi tuyến về cân bằng CSTD và công suất phản kháng Do đó, lời giải của bài toán này có thể thu được bởi các phương pháp lặp

Để đối phó với các phương trình đại số phi tuyến, ba phương pháp lặp phổ biến có thể được sử dụng, gồm phương pháp NR, GS và FD Trong số ba phương pháp, GS là phương pháp đầu tiên được áp dụng để giải bài toán phân bố công suất cho một hệ thống điện tương đối lớn Tuy nhiên, GS cho thấy khả năng hội tụ tương đối yếu Sau đó, phương pháp NR được phát triển để cải thiện khả năng hội tụ của phương pháp GS, nhưng ban đầu được cho là không khả thi với các hệ thống điện thực tế cỡ lớn bởi vì phương pháp lặp NR phải đối phó với một ma trận có kích thước lớn

Đối với luận văn này, phương pháp NR được sử dụng Phương pháp này được sử dụng rộng rãi nhất để giải đồng thời phương trình đại số phi tuyến NR là phương pháp xấp xỉ liên tục sử dụng chuỗi Taylor Nghiên cứu bắt đầu bằng việc tìm lời giải cho bài toán chỉ với hai phương trình và hai biến

1.2.2 Giải phân bố công suất lưới điện phân phối bằng phương pháp

 Đối với nút tải, đặt điện áp bằng với điện áp nút cân bằng hay 0

1.0 0

 Đối với nút máy phát, góc điện áp được đặt bằng 0

Bước 2 Tính toán công suất sai lệch (power mismatch)

 Đối với nút tải, tính toán P, Q bơm vào sử dụng điện áp của hệ thống đã biết và đã

đánh giá

 Đối với nút máy phát, tính toán công suất P bơm vào

 Tính toán các sai lệch công suất, P và Q

Bước 3 Thành lặp ma trận Jacobi

Sử dụng các phương trình khác nhau cho các đạo hàm riêng phần theo biên độ và góc điện áp

Bước 4 Tìm lời giải ma trận (chọn a hay b sau đây)

a) Nghịch đảo ma trận Jacobi và nhân với độ lệch công suất

b) Thực hiện khử Gauss trên ma trận Jacobi với vector b bằng với công suất sai lệch Tính toán  và V

Bước 5 Tìm các đánh giá mới cho các biên độ và góc điện áp

P 

[ ]k i

Q 

Định luật Kirchhoff về dòng điện:

P c

[ ]

k k

k inj

x = initial estimate of xsolution (1-19) Phương trình lặp:

[ ] [ 1] [ ]

Thuật toán GA [21] được phát minh bởi Holland vào đầu những năm 1970 là thuật toán

di truyền tìm kiếm nghiệm dựa trên chọn lọc tự nhiên và quá trình thích nghi Thuật toán được áp dụng cho các vấn đề phức tạp với lời giải chính xác hoặc gần đúng Thuật toán

GA được lấy cảm hứng từ tiến hóa sinh học di truyền, đột biến, lựa chọn và tái kết hợp

GA hoạt động trên quần thể của những lời giải ứng viên giải mã chuỗi hữu hạn gọi là nhiễm sắc thể (NST) Để thu được sự tối ưu, mỗi NST phải trao đổi thông tin bằng cách

sử dụng những toán tử mượn từ gen tự nhiên để làm ra lời giải tối ưu

Thuật toán GA có nhiều ưu điểm trong tính toán: tìm được kết quả gần tối ưu trong thời gian ngắn, đơn giản và tổng quát hóa Ngoài ra, nó còn tìm ra nhiều kết quả một cách đồng thời mà các phương pháp thông thường không làm được vì vậy khả năng tìm ra kết quả tối ưu toàn cục được nâng lên

Thuật toán GA đã được áp dụng để giải quyết đồng thời hai vấn đề về cải thiện chất lượng điện năng và tối ưu hóa vị trí và dung lượng của các bộ tụ bù tĩnh ở LĐPP hình tia với sự hiện diện của sóng hài điện áp và dòng điện Hàm mục tiêu bao gồm chi phí tổn thất công suất, tổn thất năng lượng của các bộ tụ bù Các giới hạn bao gồm giới hạn điện áp, dung lượng và vị trí của tụ bù được lắp đặt và giới hạn chất lượng điện năng

Áp dụng của thuật toán GA cho bài toán nêu trên được trình bày như sau:

F loss : Chi phí do tổn thất năng lượng

F cost : Chi phí của bộ tụ bù tĩnh

P loss : Tổn thất của cả hệ thống

V (h): Vector điện áp nút ở hài bậc h

L: Mức hài cao nhất được xem xét

C: Dung lượng của bộ tụ bù được kết nối

K A: Số tiền tiết kiệm trên mỗi MW do cắt giảm tổn thất

THD v: Tổng độ méo dạng hài của điện áp

u max và U max: Lần lượt là số lượng tụ bù tối đa cho phép ở mỗi nút và toàn bộ xuất tuyến

u fi : Số tụ bù tĩnh ở nút i

SC: Tập hợp các nút ứng viên có thể để đặt tụ bù

Các bước của thuật toán GA:

Bước 1 Nhập các thông số hệ thống Nhập quần thể ban đầu với N chrom NST

Bước 2 Đặt số vòng lặp và giá trị thông số ban đầu (N ch = N it = N R = 1 và F MIN = a high number)

Bước 3 Tiến trình Fitness

3A Chạy phân bố công suất cho NST N ch và lưu kết quả

3B Tính toán hàm phạt sử dụng kết quả phân bố công suất ở trên Tính toán hàm fitness

cho NST N ch Đặt N ch = N ch + 1

3C Nếu N ch N chrom thì quay lại bước 3A

Bước 4 Tiến trình tái tạo (Reproduction process)

4A Xác định tổng fitness (tổng của tất cả các giá trị fitness cho tất cả các NST)

4B Chọn tỷ lệ phần trăm của “roulette wheel” cho mỗi NST, tương đương tỷ lệ giá trị fitness của mỗi NST trên tổng giá trị fitness

4C Cải thiện thế hệ bằng cách quay “roulette wheel” N chrom lần Chọn một tổ hợp NST mới

Bước 5 Tiến trình crossover

5A Chọn một số ngẫu nhiên (RND 1) cho ghép đôi hai NST bố mẹ

5B Nếu RND 1 giữa 0.6 và 1.0 thì khi đó kết hợp 2 NST bố mẹ, tạo 2 NST con và đi đến bước 5D

5C Ngược lại, chuyển NST mà không có crossover

5D Lặp lại từ bước 5A đến 5C cho tất cả NST

Bước 6 Tiến trình Mutation

6A Chọn một số ngẫu nhiên RND 2 cho đột biến một NST

6B Nếu RND 2 giữa 0.01 và 0.1 khi đó áp dụng tiến trình đột biến tại một vị trí ngẫu nhiên và đi đến bước 6D

6C Ngược lại, chuyển NST mà không có đột biến

6D Lặp lại từ bước 6A đến 6C đối với tất cả NST

Bước 7 Cập nhật quần thể: Thay thế quần thể cũ bằng quần thể mới đã cải tạo Kiểm tra

tất cả NST, nếu có bất kỳ NST nào với F THDv = 1, F v = 1 và F F < F MIN , đặt F MIN = F F và

lưu lại Đặt N it = N it + 1

Bước 8 (Kiểm tra điều kiện dừng) Nếu tất cả NST đều giống nhau hoặc số vòng lặp tối

đa đạt được (N it = N max), khi đó xuất kết quả và dừng, ngược lại quay trở lại bước 2

1.2.3.2 Thuật toán TS

Thuật toán TS [23] được giới thiệu bởi Fred Glover năm 1980 Thuật toán này tìm kiếm giải pháp tối ưu dựa trên bộ nhớ linh động của máy tính Kết quả tính toán được mã hóa

ở dạng thập phân và được lưu vào bộ nhớ máy tính Những ưu điểm chính của thuật toán

TS là việc nó sử dụng sự ghi nhớ linh hoạt về thông tin lịch sử trong quá trình tìm kiếm

để ngăn ngừa dao động và tránh bị kẹt lại ở lời giải tối ưu cục bộ TS có thể giải quyết được các bài toán không lồi

TS đã được đề xuất cho việc xác định vị trí tụ bù trên LĐPP Vị trí tụ bù là một bài toán tối ưu hóa phức hợp, bài toán yêu cầu xác định vị trí và dung lượng tối ưu của các bộ tụ

bù nhằm cực tiểu các tổn thất truyền tải trong khi đáp ứng giới hạn trên và dưới của biên độ điện áp Mô hình áp dụng của thuật toán TS được trình bày như sau:

Hàm mục tiêu: cực tiểu hàm chi phí liên quan đến tổn thất truyền tải hoặc chi phí cài đặt

z ij: 0 (hoặc 1) biến thể hiện trạng thái ngắt (hoặc đóng) của bộ tụ bù

r cij: Hệ số chi phí cho mỗi tụ thành phần của bộ tụ shunt

q ij: Lượng CSPK được cài đặt

Hàm ràng buộc:

g(x,q) = 0 (Phương trình phân bố công suất) (1-40)

V V : Giới hạn dưới (trên) của biên độ điện áp nút tại nút i

Hàm chi phí với các hàm phạt của ràng buộc (2.41) và (2.42) được định nghĩa như sau:

Các bước của thuật toán TS để tìm vị trí đặt tụ bù tối ưu có thể tóm tắt như sau:

Bước 1 Đặt các điều kiện ban đầu; bộ đếm bước lặp k = 0 và điều kiện ban đầu của lời

Bước 4 Đánh giá các lời giải ứng viên trong từng subneighborhood

Bước 5 Chọn lời giải tốt nhất trong tất cả các subneighborhood và đặt nó như lời giải

1.2.3.3 Thuật toán PSO

Thuật toán PSO [22] là kỹ thuật tối ưu hóa được phái triển bởi Kennedy và Eberhart vào năm 1995 Động cơ thúc đẩy sự phát triển của thuật toán này dựa trên sự mô phỏng xã hội của các loài động vật như cá, chim, v.v

Thuật toán PSO sử dụng sự tương tác giữa các cá thể trong một quần thể để khám phá không gian tìm kiếm Vì vậy, kết quả tối ưu toàn cục do sự hiệu chỉnh quỹ đạo của các

cá thể sẽ dẫn đến vị trí tốt nhất và phần tử tối ưu nhất trong nhóm sau mỗi bước tính Thuật toán PSO đang trở nên phổ biến vì tính đơn giản, khả năng hội tụ nhanh và đạt kết quả tốt Tuy nhiên, thuật toán PSO cũng có những nhược điểm của nó, đó là dễ rơi vào tình trạng tối ưu cục bộ, hạn chế khi tìm kiếm các điểm ở gần vô cùng, thiếu cơ chế hiệu quả để giải quyết các ràng buộc

Áp dụng của PSO cho bài toán đặt tụ bù tối ưu được khái quát như sau: bài toán đặt tụ

bù tối ưu được giải quyết bởi hệ số độ nhạy và thuật toán PSO Hệ số độ nhạy cung cấp thông tin quan trọng về thứ tự của các nút tiềm năng để đặt tụ bù Các hệ số này được xác định bằng cách chạy phân bố công suất trường hợp cơ sở PSO được sử dụng để ước lượng mức độ yêu cầu tụ bù shunt để cải thiện chất lượng điện áp của hệ thống

Hệ số độ nhạy được xác định như sau:

(2 [ ] [ ])( [ ])

eff lineloss

eff

Q q R k P

eff lineloss

Q eff [q]: Tổng CSPK mong đợi được cung cấp bên ngoài nút q

R[k]: Điện trở đường dây thứ k

X[k]: Điện kháng đường dây thứ k

Chọn nút ứng viên sử dụng hệ số độ nhạy:

Hệ số độ nhạy ( lineloss

eff

P Q



 ) trong phương trình (2.44) được tính toán từ kết quả phân bố

công suất cho trường hợp cơ sở và các giá trị này được sắp xếp theo thứ tự giảm dần cho

tất cả các đường dây Sau đó, lưu các vị trí nút tương ứng vào vector bpos[i] Biên độ điện áp danh định của tất cả các nút được tính toán bởi (norm[i] = V[i]/0.95) Nút mà giá trị norm[i] của nó nhỏ hơn 1.01 được xem xét như các nút ứng viên để đặt tụ bù Còn

dung lượng của tụ bù thì được xác định bằng cách sử dụng thuật toán PSO

Mô hình thuật toán PSO được trình bày như sau:

Bước 1 Chạy phân bố công suất cho trường hợp cơ sở và xác định tổn thất CSTD

Bước 2 Xác định nút ứng viên cho vị trí đặt tụ bù sử dụng các hệ số độ nhạy

Bước 3 Khởi tạo ngẫu nhiên n cá thể, trong đó mỗi cá thể được đại diện bởi particle[i]

= {Q c1 ,Q c2 ,…,Q ci}

Bước 4 Khởi tạo vận tốc cá thể v[i] giữa giá trị -v max và v max

Trong đó:

v max = (capmax – capmin)/N

capmax: Dung lượng lớn nhất của tụ (kVAr)

capmin: Dung lượng nhỏ nhất của tụ (kVAr)

N: Số bước để di chuyển cá thể từ vị trí này đến vị trí khác

Bước 5 Đặt bộ đếm bước lặp, iter = 1

Bước 6 Chạy phân bố công suất cho trường hợp đặt cá thể i tại nút ứng viên để bù CSPK

và lưu lại tổn thất CSTD (pl)

Bước 7 Đánh giá giá trị fitness (dựa trên pl) của cá thể thứ i và so sánh với giá trị của

cá thể tốt nhất trước đó (p best ) Nếu giá trị fitness hiện tại lớn hơn giá trị p best thì lấy giá

trị p best này là giá trị hiện tại

Bước 8 Xác định giá trị tốt nhất toàn cục hiện tại g best trong số các giá trị p best

Bước 9 So sánh g best với g best trước đó Nếu g best hiện tại lớn hơn trước đó, thì đặt g best là

Bước 10 Cập nhật vận tốc sử dụng công thức:

v[i][j] = K*(w*v[i][j] + c1*rand1*(pbestparticle[i][j] – particle[i][j]) + c2*rand2*(gbestparticle[j] – particle[i][j])) (1-46) Trong đó:

c1, c2: Hệ số nhận thức, hệ số xã hội

w: Trọng số quán tính

particle[i]: Vị trí của cá thể i

pbestparticle[i]: Vị trí tốt nhất của cá thể i

gbestparticle: Vị trí tốt nhất trong bầy đàn

v[i]: Vận tốc của cá thể i

Bước 11 Nếu vận tốc v[i][j] vi phạm giới hạn của nó (-v max , v max), đặt nó tại giới hạn thích hợp của nó

Bước 12 Cập nhật vị trí của cá thể bằng cách thêm v[i][j] vào nó

Bước 13 Chạy phân bố công suất và xác định pl với cá thể đã cập nhật

Bước 14 Lặp lại từ bước 7 đến bước 9

Bước 15 Lặp lại tiến trình tương tự cho mỗi cá thể từ bước 6 đến bước 13

Bước 16 Lặp lại từ bước 6 đến bước 13 đến khi thỏa điều kiện dừng

1.3 Tóm lược các bài báo có liên quan đến đề tài

* Optimum shunt capacitor placement in distribution system—A review and comparative study (tác giả: M M Aman và các cộng sự) [36]

Bài báo này đã trình bày một đánh giá chi tiết về các phương pháp đã sử dụng để giải quyết bài toán Optimal capacitor placement (OCP) Có thể được phân loại thành nhóm các phương pháp sau: giải tích, lập trình số, heuristic và các phương pháp thông minh nhân tạo Ngoài ra, các tác giả còn thực hiện một khảo sát với quy mô ở bài toán OCP bằng cách sử dụng sáu kỹ thuật khác nhau để đạt lần lượt được mục tiêu về cực tiểu tổn

thất công suất, cải thiện chỉ số điện áp, và cực đại khả năng tải của hệ thống Kết quả khảo sát cho thấy rằng bài toán OCP với mục tiêu giảm thiểu tổn thất giúp cắt giảm thành phần dòng điện phản kháng, trong khi đáp ứng ràng buộc về biên độ dòng điện cho phép trên nhánh Ngoài ra, bằng cách sử dụng các kỹ thuật cắt giảm tổn thất công suất, các mục tiêu về cải thiện chỉ số điện áp nút và cực đại khả năng tải của hệ thống cũng đạt được Bên cạnh đó, bài báo này còn rút kết được một kết luận quan trọng nhằm khuyến cáo việc sử dụng phương pháp lai (dựa trên chỉ số độ nhạy về áp và mục tiêu cực tiểu tổn thất công suất) và phương pháp cực đại khả năng tải của hệ thống, có thể dẫn tới dòng điện kháng tăng không kiểm soát ở một số đường dây

* Capacitor placement in radial distribution system for loss reduction (tác giả: M M Haque) [37]

Trong bài báo này, các tác giả đã đề xuất phương pháp giải tích để tìm lời giải cho bài toán OCP với mục tiêu cực tiểu tổn thất công suất Phương pháp đề xuất đã xem xét bài toán OCP với hai trường hợp, gồm một vị trí bù và nhiều vị trí bù Ở trường hợp một vị trí bù, chọn một nút trong hệ thống và tìm giá trị tiết kiệm tổn thất lớn nhất và dung lượng tụ bù tương ứng tại nút đó Lặp lại tiến trình này cho tất cả các nút của hệ thống khảo sát, ngoài trừ nú nguồn Xác định nút có tiết kiệm tổn thất cao nhất Đặt tụ bù với dung lượng được tính toán tương ứng tại nút có giá trị tiết kiệm cao nhất này Tiến hành lặp các bước trên để xác định vị trí tiếp theo cho tụ bù Tiến trình này được lặp cho đến khi tiết kiệm tổn thất thu được không đáng kể sau khi thêm vị trí tụ bù Các tác giả đã thử nghiệm phương pháp này trên hai hệ thống phân phối hình tia tiêu chuẩn 15 nút và

33 nút Kết quả thu được cho thấy vị trí và dung lượng tụ bù thu được bởi phương pháp

đề xuất dẫn đến tiết kiệm tổn thất đáng kể

* Capacitor allocation in radial distribution system for maximal energy savings (tác giả:

P Vijay Babu và S P Singh) [38]

Một thuật toán mới dựa trên một tiến trình hai giai đoạn được giới thiệu ở bài báo này cho bài toán OCP để đạt được tiết kiệm năng lượng tối đa Ở giai đoạn đầu, nút ứng viên cho vị trí tụ bù được xác định dựa trên hệ số độ nhạy tổn thất (LSF) Giai đoạn tiếp theo, một phương pháp giải tích mới được đề xuất để tìm dung lượng tối ưu tương ứng của tụ

bù tại các nút ứng viên vừa tìm được Tính khả thi và hiệu quả của thuật toán đề xuất được kiểm chứng trên ba LĐPP hình tia tiêu chuẩn gồm 15 nút, 34 nút, và 69 nút Kết quả thử nghiệm cho thấy thuật toán đề xuất có thể đối phó hiệu quả bài toán này

* An efficient method for solving the optimal sitting and sizing problem of capacitor banks based on cuckoo search algorithm (Tác giả: K R Devabalaji, T Yuvaraj, và K Ravi) [28]

Ở nghiên cứu này, một phương pháp mới để xác định vị trí và dung lượng tối ưu của tụ

bù được đề xuất và hàm mục tiêu được thành lập để cực tiểu tổn thất công suất và cải thiện chỉ số điện áp nút, đồng thời xem xét các ràng buộc cân bằng và không cân bằng của hệ thống Chỉ số ổn định điện áp (VSI) được sử dụng để xác định vị trí tối ưu cho kết nối tụ bù Sau đó, giải thuật tìm kiếm cuckoo search (CSA) được áp dụng để tìm dung lượng tối ưu của tụ bù tại các nút ứng viên thu được

Để đánh giá tính khả thi của phương pháp luận đề xuất, các tác giả đã áp dụng thuật toán

đề xuất trên hai hệ thống điện chuẩn 34 nút và 69 nút xem xét các kịch bản tải khác nhau Dựa trên các kết quả thu được, các tác giả đã khẳng định thuật toán đề xuất có thể áp dụng cho các LĐPP hình tia cỡ lớn khác

* Multi-objective capacitor allocations in distribution networks using artificial bee colony algorithm (tác giả: A El-Fergany và A Y Abdelaziz) [30]

Nghiên cứu này trình bày ứng dụng của thuật toán bầy ong nhân tạo (Artificial Bee Colony – ABC) để tìm vị trí và dung lượng tối ưu của tụ bù tĩnh và ứng động ở các mức tải khác nhau Để đối phó với bài toán OCP, hệ số độ nhạy về tổn thất và hệ số độ nhạy

về điện áp được kết hợp để tìm danh sách nút ứng viên cho vị trí kết nối tụ bù Tiếp đến,

giải thuật ABC được áp dụng để xác định dung lượng tối ưu tương ứng của tụ bù tại các nút ứng viên được chọn nhằm cải thiện chỉ số ổn định điện áp cũng như tối đa tiết kiệm chi phí hằng năm Thuật toán đề xuất được thử nghiệm trên một LĐPP hình tia chuẩn 34 nút và một lưới cỡ lớn 118 nút Kết quả thu được cho thấy thuật toán đề xuất vượt trội hơn so với các phương pháp trước đó về chất lượng lời giải và hiệu suất tính toán

* Stochastic Fractal Search: A powerful metaheuristic algorithm (Tác giả: Hamid Salimi) [31]

Bài báo này đã trình bày một thuật toán meta-heuristic mới gọi là thuật toán tìm kiếm phân dạng ngẫu nhiên (SFSA) Thuật toán SFSA dựa trên cơ sở nguyên lý toán học của

“fractal” để phỏng theo tiến trình phát triển của tự nhiên Nó tìm lời giải tối ưu với hàm toán học được cực tiểu hoặc cực đại cho các bài toán tối ưu hóa bằng cách thực thi hai giai đoạn, cụ thể giai đoạn khuếch tán và giai đoạn cập nhật Để đánh giá hiệu suất của SFSA, các thử nghiệm được tiến hành cho cả hàm toán học chuẩn không ràng buộc và

có ràng buộc Đối với hàm toán học với ràng buộc, ba bài toán thiết kế tối ưu hóa được khảo sát Với các hàm toán học không có ràng buộc, các hàm toán học cổ điển thuộc phân nhóm unimodal và multimodal cũng như các hàm toán học hiện đại CEC 2010 được nghiên cứu khảo sát

Ứng dụng của nó đối với các bài toán ví dụ đã chứng minh SFSA có khả năng tìm kiếm lời giải với chất lượng tốt hơn nhiều so với các thuật toán meta-heuristic khác

CHƯƠNG 2 THÀNH LẬP BÀI TOÁN TỐI ƯU HÓA VỊ TRÍ CỦA

TỤ BÙ CHO LƯỚI ĐIỆN PHÂN PHỐI

2.1 Cơ sở phát triển của bài toán

Tụ bù ngang đã được sử dụng rộng rãi ở các hệ thống lưới điện phân phối hình tia nhằm giảm thiểu tổn thất công suất, cải thiện hệ số công suất, và điều chỉnh điện áp Tỷ lệ R/X đối với cấp điện áp phân phối thì cao hơn so với cấp điện áp truyền tải, điều này gây ra tổn thất công suất lớn và sụt giảm biên độ điện áp dọc theo các đường dây phân phối hình tia Tổn thất ở các LĐPP thì cao hơn đáng kể so với tổn thất ở các lưới điện truyền tải Theo báo cáo ở [39], trung bình khoảng 13% tổn thất công suất ở hệ thống phân phối

có liên quan đến điện trở đường dây Để cắt giảm tổn thất công suất, có một vài phương pháp có thể được áp dụng như tối ưu kích thước đường dây, tái cấu trúc, và phân bổ tụ

bù Các nghiên cứu trước đó cho thấy rằng một trong những cách phổ biến nhất để cắt giảm tổn thất ở hệ thống phân phối là xác định vị trí và dung lượng tối ưu của tụ bù bằng cách sử dụng các thuật toán tối ưu hóa Lắp đặt tụ bù gần tải có thể cải thiện hiệu suất của hệ thống nếu vị trí và dung lượng của các tụ bù này được chọn phù hợp Ngoài ra,

sự kết nối của tụ bù góp phần cắt giảm nhu cầu công suất phản kháng, điều này dẫn đến cắt giảm tổn thất công suất Vì vậy, bài toán tối ưu hóa vị trí tụ bù (OCP) đã thu hút sự quan tâm của nhiều nhà nghiên cứu trong khoảng thời gian qua

Bài toán OCP điển hình thì giải quyết vấn đề xác định ví trí và dung lượng tối ưu của tụ

bù để kết nối vào LĐPP hiện hữu, đáp ứng ràng buộc vận hành hệ thống điện, ràng buộc vận hành tụ bù và ràng buộc đầu tư OCP là một bài toán tối ưu hóa phi tuyến kết hợp số nguyên phức tạp Bên cạnh đó, bài toán OCP xem xét phương trình phân bố công suất như hàm ràng buộc cân bằng để đạt được một hàm mục tiêu nhất định như trình bày trong phần trên Mô hình này, tối ưu hóa một hàm mục tiêu trong khi có liên quan tới phân bố công suất như một ràng buộc, được gọi là mô hình phân bố công suất tối ưu (OPF)

Bài toán có thể được thành lập như sau:

 f(x,u): Hàm mục tiêu Trong bài toán OCP, hàm mục tiêu f có thể là tối thiểu tổn thất

công suất, giảm thiểu chi phí lắp đặt, cải thiện chỉ số điện áp, giảm nghẽn mạch đường dây, nâng cao ổn định điện áp, nâng cao độ tin cậy và một vài khía cạnh kỹ thuật khác

 x: Vector các biến phụ thuộc (biến trạng thái) bao gồm: điện áp nút V i và góc điện áp

i

 , vì thế x được biểu diễn như sau: xT = [V i, i]

 u: Vector các biến độc lập (biến điều khiển) bao gồm: nút ứng viên cho vị trí tụ bù

Lo SC , dung lượng của tụ bù Q SC , vì thế u được biểu diễn như sau: uT = [Lo SC , Q SC]

 g(x,u): Các ràng buộc cân bằng như là phương trình phân bố CSTD và phương trình

phân bố CSPK

 h(x,u): Các ràng buộc không cân bằng có thể bao gồm: giới hạn điện áp nút; giới hạn

đường dây; giới hạn dung lượng của tụ bù; giới hạn hệ số công suất hệ thống; và giới hạn mức độ xâm nhập của tụ bù Ngoài ra, còn có ràng buộc về độ tin cậy; giới hạn

về nguồn vốn; số lượng tối đa của tụ bù

2.2 Thành lập bài toán Optimal capacitor placement ( OCP)

2.2.1 Hàm mục tiêu

Mục đích của bài toán OCP là tìm tổng chi phí cực tiểu thỏa các điều kiện ràng buộc cân bằng và không cân bằng Hàm mục tiêu về tổng chi phí có thể được thành lập như sau [40]:

CB K Q K CB K D T P K

CB

i i C C I

 Q C,I là dung lượng của tụ bù tại nút i th

 K C chi phí tụ bù mỗi kVAr (K C = 25 $/kVAr)

 K o chi phí vận hành (K o = 300 $/năm/vị trí)

2.2.2 Các ràng buộc

Các điều kiện ràng buộc cân bằng:

 Cân bằng công suất tác dụng (CSTD) và công suất phản kháng (CSPK) tại mỗi nút:

D CB

i i C

Q

, ,

1

Trong đó: P slack , Q slack lần lượt là CSTD và CSPK tại nút cân bằng; P D,i , Q D,i là nhu cầu

CSTD và CSPK tại nút thứ i tương ứng; P Loss,j , Q Loss,j là tổn thất CSTD và CSPK trên

đường dây thứ i tương ứng; Q C,i là dung lượng của tụ bù tại nút thứ i; n l và n br lần lượt

là số nút tải và số đường dây của hệ thống

Các điều kiện ràng buộc không cân bằng:

Trong đó: V i,min và V i,maxlà giới hạn dưới và giới hạn trên của biên độ điện áp tại nút i; V i

là biên độ điện áp tại nút i

 Giới hạn dung lượng của tụ bù:

Dung lượng của tụ bù phải thỏa mãn giới hạn theo sau:

CB j

Q Q

Q Cmin,j  C,j  Cmax,j;  2 , , (2-8) Trong đó: min

, j

Q và Q Cmax, j là giới hạn dung lượng nhỏ nhất và lớn nhất của tụ bù tại nút i;

Q C,j là dung lượng của tụ bù tại nút j

 Giới hạn tổng dung lượng của tụ bù:

Ràng buộc này giới hạn tổng dung lượng của tụ bù được phép đấu nối vào LĐPP

j j

Q

1 , 1