Áp dụng phương pháp PSO cải tiến cho bài toán phân bố công suất tối ưu với ràng buộc an ninh

Mục tiêu của đề tài Bài toán phân bố công suất tối ưu OPF đã có lịch sử phát triển từ rất lâu nó có ý nghĩa vô cùng quan trọng trong quy hoạch và điều khiển hệ thống điện.. Tuy nhiên ch

LỜI MỞ ĐẦU

Ngày nay, trong quá trình tái cơ cấu ngành điện, đang từng bước chuyển sang thị trường tự do cạnh tranh mua bán điện Trên phương diện đó, các nhà sản xuất điện luôn hoạch định cho mình một chiến lược về phương thức giá cả miên yết lên thị trường, tạo điều kiện thuận lợi cho các nhà đầu tư và thích hợp với hộ tiêu thụ điện Như đã biết, giá điện được hình thành từ các chi phí sản suất, truyền tải và dịch vụ Trong bài toán truyền tải, các nhà sản xuất cần đưa ra phương án tối ưu nhất cho bài toán truyền tải hay được gọi là tối ưu phân bố công suất (OPF) Từ nhiều ràng buộc về công suất phát, giới hạn truyền tải và nhu cầu phụ tải, tổn thất đường truyền Tất cả các yếu tố đó được xem xét trên hai trường hợp cơ sở và ràng buộc anh ninh truyền tải hay chính là độ tin cậy hệ thống

Thông thường, trong bài toán phân bố công suất, các biến điều khiển, các hàm mục tiêu dường như đã biết trước Trong một OPF, các giá trị của một số biến hoặc tất cả cần phải được biết để giảm tối thiểu hoặc tăng tối đa một mục tiêu cần phải được biết trước Ví dụ: Trên cơ bản chúng ta luôn biết rằng nếu không có gì xảy ra (sự cố máy phát, đường truyền, máy biến áp…thay đổi chi phí giá nhiên liệu, chi phí dịch vụ…), thay đổi phụ tải tăng hoặc giảm bất thường thì mọi thứ dường như được cho ra một đáp án chính xác như yêu cầu Nhưng nếu ngược lại, bài toán cần đặt ra cho tình huống này làm sao có thể dự báo được một cách nhanh nhất, chính xác nhất, rủi ro ít nhất, chi phí thấp nhất để nhằm tăng cường sự linh hoạt và đảm bảo độ tin cậy Điều này, OPF trở thành công cụ đắc lực cho việc xác định những tình huống rủi ro có thể xảy ra, giúp tăng cường hỗ trợ điểm suy yếu, nên hoặc không nên loại bỏ những hợp đồng song phương không có lợi, hoặc cắt giảm công suất truyền tải trên đường dây do ràng buộc giới hạn truyền tải, hoặc cắt giảm công suất máy phát nào đó (có thể do liên quan đến phát sinh chi phí nhiên liệu)

…v.v OPF có khả năng đáp ứng được nhiều yêu cầu từ an ninh hệ thống, công suất phát, chi phí đầu tư đến dịch vụ thương mại điện Chất lượng của các giải pháp phù thuộc vào độ chính xác của mô hình sử dụng Bản chất của OPF là xác định đúng mục tiêu đề ra ban đầu

Trải qua nhiều thế hệ phát triển ứng dụng bài toán OPF truyền thống làm cơ

sở vững chắc cho sự hình thành và phát triển tốt hơn các giải pháp sau này OPF không ngừng phát triển dựa trên các giải thuật toán học, các lý thuyết hiện đại và sự

bổ trợ của máy tính, giúp cho bài toán OPF chính xác và nhanh hơn trong các trường hợp Phương pháp truyền thống hay còn phương pháp thông thường đã được

sử dụng để giải quyết bài toán OPF một cách hiệu quả Tuy nhiên nó bị ràng buộc bởi quá nhiều phương pháp lập trình toán học, cũng đồng thời chưa thể giải quyết

triệt để hết các phương diện khác nhau của OPF Do đó, các phương pháp thông minh khác như: Phương pháp EP (Evolutionary programming), Phương pháp AM (Ant Manners), Phương pháp DE (Differential Evolution), Phương pháp GA (Genetic Algorithm), Phương pháp ACO (Ant Colony Optimization), Phương pháp

TS (Tabu Search), Phương pháp SA (Simulated Annealing), phương pháp PSO (Particle Swarm Optimal), được đưa ra để nâng cao vị thế của OPF

Đối với thuật toán PSO có những ưu điểm nổi bật như là:tốc độ hội tụ nhanh chóng, có thể được thực hiện đơn giản đối với việc điều chỉnh tham số ít hơn, dễ dàng đối phó với những hàm mục tiêu không lồi và không vi phân được, có tính linh hoạt để kiểm soát sự cân bằng giữa khảo sát địa phương và toàn cục của vùng khảo sát Từ đó nó được phát triển lên một cấp cao hơn với nhiều ưu việt hơn ở giải thuật “PSO cải tiến” trong việc giải quyết bài toán OPF

Ý tưởng áp dụng “PSO cải tiến” được dự kiến thực hiện trong luận văn là dạng kết hợp giữa thuật toán tối ưu bầy đàn với hệ số co và kỹ thuật gradient giả để tăng cường đẩy mạnh quá trình hội tụ Trong đó, kỹ thuật gradient giả sẽ định hướng sự chuyển động của các cá thể theo hướng tích cực để chúng có thể di chuyển nhanh chóng đến kết quả tối ưu, cải thiện tốc độ tính toán, áp dụng trong việc giải quyết bài toán OPF có ràng buộc an ninh

CHƯƠNG 1: GIỚI THIỆU CHUNG

1.1 Đặt vấn đề

Trong tình hình thế giới hiện nay đang phải đối mặt với nhiều vấn đề khó khăn của xã hội nào là vấn đề thiếu lương thực, y tế, khủng hoảng năng lượng (đặt biệt là năng lượng điện)… do sự gia tăng dân số quá nhanh, từ đó hệ thống điện cũng liên tục được mở rộng Như chúng ta biết năng lượng điện gần như không thể

dự trữ được do đó bài toán sử dụng năng lượng điện như thế nào tiết kiệm nhất và hiệu quả nhất nhằm đảm bảo cung cấp điện tin cậy cho quá trình sản xuất của xã hội

đã trở thành vấn đề nóng bỏng mà các nhà khoa học đã, đang và sẽ tiếp tục nghiên cứu để tìm ra phương pháp tối ưu nhất để giải quyết bài toán này

Trong quá trình vận hành hệ thống điện, bài toán phân bố công suất tối ưu (OPF) được thành lập để giám sát, đánh giá những biểu hiện của hệ thống dựa trên những lập định cơ bản sẵn có Trong hệ thống máy phát, truyền tải và phân phối luôn luôn có những thời điểm hệ thống điện làm việc trên chế độ cơ bản hoặc bất thường Với vai trò là những người vận hành viên, chúng ta cần có những biện pháp điều chỉnh thông số hệ thống điện thích hợp có thể làm thay đổi trào lưu công suất

và làm giảm quá tải cho một số đường dây hoặc ngăn ngừa, cảnh báo an ninh hệ thống điện Việc sử dụng hiệu quả và tối ưu các nguồn cung cấp là một vấn đề cấp thiết các nhà nghiên cứu rất quan tâm

1.2 Tính cấp thiết của đề tài

Trong quá trình vận hành của một hệ thống điện, tầm quan trọng tương đối cho các hoạt động kiểm soát phòng ngừa và khắc phục sẽ phụ thuộc vào các chính sách lập kế hoạch, hoạt động của Công Ty Điện Lực, theo vốn và chi phí vận hành cung cấp một cách an ninh, xác suất và hiệu quả của kế hoạch dự phòng mất điện Điều này nhằm đảm bảo tính an toàn, ổn định hệ thống nâng cao chất lượng truyền tải phân phối điện trong tình hình phát triển ngành điện quốc gia hiện nay

Ngày nay, xu hướng cho các trung tâm điều khiển hiện đại với tối ưu đường dây truyền tải điện, linh hoạt phân bố tải là được trang bị với giám sát an ninh ổn định, cho điểm vận hành hệ thống hiện tại hoặc ngoại suy đánh giá các tác động khách quan Như là một yêu cầu và là phương tiện để tăng độ chính xác cao hơn cho giám sát an ninh điện

Trên cơ sở những tham số, những biến số, hàm mục tiêu của hệ thống điện được OPF đưa ra một thông điệp đến nhà hoạch định kế hoạch vận hành nhà máy, chiến lược của nhà đầu tư mua bán điện một cách có hiệu quả nhất trên trường hợp

cơ sở cũng như sự cố Thông qua OPF để có thể tự động đánh giá hoặc can thiệp kiểm soát hệ thống điện một cách trung thực như là liên quan đến công suất phát, bù công suất kháng, điều chỉnh tỉ lệ nấc máy biến áp, chi phí nhiên liệu… Điều này giúp người vận hành kịp thời đánh giá được mức độ tin cậy hệ thống điện cũng như đánh giá cấp độ an ninh Giám sát an ninh truyền các thông tin liên quan đến các kỹ

sư điều khiển, sau đó người này phải quyết định có nên tham gia hành động phòng ngừa, hoặc dựa vào sự kiện để khắc phục hành động

Phần mềm hỗ trợ truy cập nhanh chóng có thể được cung cấp để hỗ trợ các quyết định, trong trường hợp không giải quyết rõ ràng bởi các quy tắc vận hành hoặc kinh nghiệm của kỹ sư Những hỗ trợ cũng có thể thực hiện một chức năng quan trọng là “học tập”, theo đó các quy tắc và kinh nghiệm có thể được tăng cường Một trong những hỗ trợ đó là một chương trình dựa trên phương pháp PSO

để cải thiện OPF

1.3 Mục tiêu của đề tài

Bài toán phân bố công suất tối ưu (OPF) đã có lịch sử phát triển từ rất lâu nó

có ý nghĩa vô cùng quan trọng trong quy hoạch và điều khiển hệ thống điện Tuy nhiên cho đến nay nhiều vấn đề liên quan đến bài toán OPF vẫn còn đang trong quá trình nghiên cứu và hoàn thiện chẳng hạn như sự đảm bảo tính hội tụ đến lời giải tối

ưu đối với bài toán OPF không lồi dạng tổng quát cũng như độ tin cậy của thuật toán mà các phương pháp cổ điển và hiện tại chưa giải quyết triệt để được Bài toán

phân bố tối ưu công suất có ràng buộc an ninh (SCOPF) là sự kết hợp hoàn hảo trong việc giải quyết những vấn đề trái ngược như: tối đa lợi nhuận, vận hành an toàn và tăng cường an ninh

Bên cạnh đó, với sự phát triển mạnh mẽ của khoa học máy tính, nhiều phương pháp tính toán tối ưu dựa trên trí tuệ nhân tạo hay mô phỏng các mô hình tương tác xã hội cũng đang có nhiều thành tựu nổi bật Đáng chú ý trong những phương pháp đó, phương pháp tối ưu bầy đàn là thuật toán tối ưu đang được nghiên cứu và cải tiến mạnh mẽ trong thời gian gần đây

1.4 Phạm vi áp dụng của đề tài

Nghiên cứu phương pháp tối ưu bầy đàn dựa trên sự kết hợp của phương pháp này và khái niệm gradient giả để giải quyết bài toán phân bố công suất có xét đến điều kiện ràng buộc an ninh khi xảy ra sự cố hư hỏng thiết bị hoặc sữa chữa đường dây tốn nhiều thời gian

Áp dụng cho bài toán phân bố công suất tối ưu trong điều kiện hệ thống điện

là hệ thống 3 pha cân bằng và đang hoạt động ở chế độ xác lập Các mô hình nhà máy điện là những nhà máy nhiệt điện với hàm chi phí là dạng hàm bậc 2

1.5 Giá trị thực tiễn của đề tài

Đề tài thực hiện nghiên cứu trong bối cảnh ngành điện Việt Nam đang phát triển thị trường điện cạnh tranh Do đó, hướng nghiên cứu này chỉ ra cho thấy những quyền lợi cũng như những ràng buộc hình phạt đối nhà đầu tư cũng như nhà cung cấp được dự báo trước về chi phí đầu tư, vận hành hệ thống khi có sự cố đường truyền Nó góp phần nâng cao ứng dụng giải quyết vấn đề tối ưu phân bố công suất trong các tình huống, nâng cao khả năng dự trù giá nhiên liệu cơ bản, giá bán thị trường điện…

1.6 Kết cấu của đề tài

Kết cấu đề tài được thực hiện gồm 5 chương:

Chương 1: Giới thiệu chung

Chương 2: Giới thiệu bài toán phân bố công suất tối ưu có ràng buộc an ninh

Chuong 3: Giới thiệu về phương pháp tối ưu bầy đàn và giải pháp tối ưu bầy đàn cải tiến

Chương 4: Áp dụng phương pháp tối ưu bầy đàn cải tiến giải quyết bài toán

Chương 5: Tổng kết

CHƯƠNG 2: GIỚI THIỆU BÀI TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU CÓ

RÀNG BUỘC AN NINH

2.1 Giới thiệu tổng quan về bài toán phân bố công suất tối ưu

Trong một OPF, các giá trị của một số hoặc tất cả các biến cần phải được kiểm soát nhằm tìm ra phương pháp tối ưu hoá có thể là giảm thiểu nhỏ nhất hoặc tối đa hoá lớn nhất một cách khách quan Đó là một định nghĩa vô cùng quan trọng

và thích hợp cần đưa ra ngay từ đầu nhằm làm sáng tỏ mọi vấn đề từ lúc bắt đầu Chất lượng của các giải pháp phụ thuộc vào độ chính xác và nhanh nhất của mô hình nghiên cứu Mục tiêu phải được mô hình và đáp ứng thực tiễn với các giải pháp có thể

Hàm mục tiêu với nhiều hình thức như chi phí nhiên liệu, tổn thất đường truyền và phân bổ nguồn công suất kháng Thông thường hàm mục tiêu quan tâm là giảm thiểu tổng sản lượng chi phí của các đơn vị phát điện theo lịch trình Điều này được sử dụng phổ biến nhất vì nó phản ánh giá thị trường một cách hiện thực và chi phí luôn là vấn đề quan trọng nhất trong các chỉ số yêu cầu hoạt động của hệ thống điện

OPF nhằm mục đích tối ưu hoá một mục tiêu nhất định, tùy thuộc vào mạng lưới dòng chảy công suất, hệ thống điều hành và giới hạn thiết bị Các điều kiện tối

ưu đạt được bằng cách điều chỉnh các biến điều khiển có sẵn của hàm mục tiêu nhằm giảm thiểu tùy thuộc vào điều kiện vận hành và yêu cầu an ninh

Một vài vấn đề phổ biến có thể được xác định như sau:

Công suất tiêu thụ:

- Phát đi kinh tế: chi phí thấp nhất, tổn thất phát MW hoặc tổn thất đường truyền

- Môi trường phát đi

- Công suất chuyển đổi tối đa

Công suất kháng:

MW và MWAr tổn thất tối thiểu

Mục tiêu chung:

- Độ lệch tối thiểu từ một mục tiêu đặt ra

- Kiểm soát thay đổi nhỏ nhất để hạn chế vi phạm

- Kiểm soát

Trong số trên các mục tiêu sau đây là được sử dụng phổ biến nhất:

- Nhiên liệu hoặc tối ưu hoá cho phí công suất tiêu thụ

- Tổn thất công suất tiêu thụ thấp nhất

- Giảm thiểu chi phí bù công suất kháng Var

Các mô tả toán học của vấn đề OPF được trình bày sau đây:

2.1.1 Hàm mục tiêu cho chi phí nhiên liệu tối thiểu của OPF

Vấn đề OPF được xây dựng như là một vấn đề tối ưu hoá như sau:

Hàm tổng chi phí nhiên liệu máy phát có dạng hàm bậc hai được viết như sau:

(2.4)

Trong đó, là tổng hàm chi phí, là mục tiêu vô hướng,

là đẳng thức phi tuyến ràng buộc (phương trình dòng chảy công suất), là bất đẳng thức phi tuyến ràng buộc của véc tơ tham số (điều kiện vận hành hệ thống) và R = 1,…,N là số sự cố cần tính toán

Véc tơ x chứa biến trạng thái bao gồm:

- Độ lớn điện áp thanh cái và góc pha

- MVAr của máy phát được chỉ định cho điều khiển điện áp tại thanh cái

- Các thông số cố định cũng như góc tham chiếu tại thanh cái

- Không điều khiển được công suất MW và MVAr đầu ra của máy phát

- Không điều khiển được công suất MW và MVAr đầu ra của tải

- Điện áp thanh cái và thông số đường dây cố định

Véc tơ u chứa các biến điều khiển bao gồm:

- Công suất tác dụng và kháng của máy phát

- Pha – góc lệch

- Sa thải tải MW và MVAr,

- Truyền tải dòng công suất DC

- Cài đặt điều khiển điện áp, đầu phân áp máy biến áp T

Đẳng thức và bất đẳng thức ràng buộc:

- Giới hạn trên và dưới tất cả các biến điều khiển

- Phương trình dòng chảy công suất

- Cân bằng công suất phát và phụ tải

- Giới hạn dòng chảy nhánh (MW, MVAr, MVA)

- Giới hạn điện áp thanh cái

- Giới hạn dự trữ công suất tiêu thụ và kháng

Những đẳng thức ràng buộc được trình bày bởi phương trình dòng chảy công suất:

Bất đẳng thức 2.19 đại diện cho ràng buộc giới hạn phân áp đầu biến áp

2.1.3 Hàm mục tiêu tổn thất công suất tối thiểu của OPF

Hàm mục tiêu tối thiểu được đưa ra bởi tổng tổn thất đường dây,

2.1.4 Hàm mục tiêu tổn thất công suất tối thiểu của OPF có ràng buộc

Có thể điều khiển được số lượng lớn các máy phát MW, điều khiển được độ lớn điện áp, công suất kháng cấp vào từ công suất nguồn và đầu phân áp máy biến

áp Mục tiêu ở đây là giảm thiểu tổn thất đường truyền tải bằng cách tối ưu điều khiển các biến trong giới hạn của nó Do đó, không có vi phạm nào khác xảy ra về

số lượng trong điều kiện vận hành bình thường (công suất tổn thất trên đường dây MVA, độ lớn điện áp tại thanh cái, công suất phát MVAr) Đây là những ràng buộc trong hệ thống bởi những đẳng thức và bất đẳng thức sau:

- Đẳng thức ràng buộc cho bởi phương trình (2.7) – (2.12)

- Bất đẳng thức ràng buộc cho bởi phương trình (2.13) – (2.20)

2.1.5 Mục tiêu và yêu cầu của OPF

Mục tiêu:

Hiện nay các chương trình thương mại, OPF có thể giải quyết rất nhiều các vấn đề rộng lớn và phức tạp trong bài toán tối ưu một cách ngắn nhất Một vài giải pháp khác nhau có thể được đề nghị để giải quyết vấn đề OPF

Thông thường, trong bài toán phân bố công suất, các biến điều khiển dường như đã biết trước Trong một OPF, các giá trị của một số biến hoặc tất cả cần phải được biết để giảm tối thiểu hoặc tăng tối đa một mục tiêu cần phải được biết trước Tính toán OPF có được nhiều ứng dụng trong hệ thống điện, thời gian điều khiển thực, kế hoạch ngắn hạn và kế hoạch hoạt động dài hạn OPF được sử dụng nhiều trong vấn đề quản lý năng lượng hiện đại

OPF tiếp tục khẳng định sự phát triển lớn mạnh trong hệ thống và liên kết hệ thống Ví dụ, OPF trở nên là một công cụ thiết thực trong việc trợ giúp thông tin quyết định loại bỏ một hợp đồng song phương không có lợi hoặc tăng cường hỗ trợ trong trong việc đạt đến một thoả thuận yêu cầu tốt nhất Nó làm sáng tỏ trong việc tùy chọn khả năng kiểm soát và thiết lập công suất phát hoặc truyền tải đối với công tác quyết định thay mới các thiết bị hệ thống Vấn đề ưu tiên của quyền truyền tải

và giá Var hoặc tính toán các chi phí phụ để chấp nhận giá mua hoặc bán được thực hiện bằng OPF

Mục tiêu chính của OPF là giảm chi phí thoả mãn nhu cầu phụ tải của một hệ thống trong khi vẫn duy trì được sự an toàn của hệ thống Từ quan điểm của OPF,

việc duy trì an ninh hệ thống đòi hỏi mỗi thiết bị trong hệ thống phải được làm việc

ở trạng thái ổn định Điều này bao gồm công suất phát ra của máy phát là tối thiểu hoặc tối đa, tối đa công suất MVA trên đường dây truyền tải và máy biến áp cũng như giữ cho điện áp thanh cái ở phạm vi quy định

Mục tiêu thứ hai của OPF là xác định dữ liệu giá biên Dữ liệu giá biên này

có thể đánh giá chi phí giao dịch MW cũng như giá các dịch vụ hỗ trợ OPF có khả năng thực hiện tất cả các chức năng điều khiển cần thiết cho hệ thống điện Trong khi thông báo kinh tế của một hệ thống điện không điều khiển được công suất MW phát ra, OPF điều khiển nấc máy biến áp và chuyển đổi góc pha tốt hơn OPF cũng theo dõi bất thường của hệ thống bao gồm các vấn đề quá tải, quá áp hoặc thấp áp Nếu bất kỳ một vấn đề bất thường nào của hệ thống xuất hiện, OPF sẽ kiểm soát sự thay đổi đó để giải quyết chúng, lập tức thiết lập cảnh báo loại bỏ đường truyền quá tải đó

Chất lượng của các giải pháp phụ thuộc vào độ chính xác của mô hình sử dụng Bản chất của nó là xác định đúng mục tiêu đề ra ban đầu Không có cùng lúc hai hệ thống điện với cùng các thiết bị phụ được yêu cầu hoạt động Các mô hình OPF hiện tại cho phép dễ dàng phát triển, tùy chỉnh đưa đến các giải pháp khác nhau trong từng trường hợp nghiên cứu

đề không giải quyết được trong ngành công nghiệp hợp nhất theo chiều dọc đã đặt

ra yêu cầu lớn hơn trong việc đánh giá khả năng và tồn tại của OPF

Một vài yêu cầu trước khi OPF đặt ra khi trả lời được liệt kê như sau:

- Bởi vì việc xem xét một số lượng lớn các hạn chế và các mô hình toán học phi tuyến OPF đặt ra một yêu cầu lớn cho các nhà toán học cũng như các kỹ sư trong việc có được giải pháp tối ưu

- Thị trường điện phi điều tiết tìm kiếm câu trả lời từ OPF, để giải quyết hàng loạt các dạng khác nhau của người tham gia thị trường, yêu cầu mô hình dữ liệu, thời gian xử lý thực và lựa chọn chi phí thích hợp cho mỗi phân tích đánh giá loại hình dịch vụ

- Để đáp ứng với yêu cầu thời gian, tính chất yếu tố bên ngoài (trào lưu công suất, môi trường và sự thay đổi đồng thời) thực tế và độ nhạy của đường dây sử dụng

- Làm thế nào trong tương lai OPF cung cấp các biện pháp kiểm soát địa phương hoặc toàn bộ hệ thống trong việc hỗ trợ mô phỏng đánh giá tình huống nghiêm trọng, đe doạ điện áp hệ thống và ổn định góc

- Trong tương lai OPF có thể giải quyết hàng loạt các chế độ vận hành và lập kế hoạch cung cấp những điều kiện thuận lợi, dịch vụ truyền tải và phân bổ từ các nguồn khác

2.2 Sự điều chỉnh hệ thống sau sự cố (Phân bố công suất có ràng buộc an

- Máy phát 1: 500MW

- Máy phát 2: 700MW

- Giới hạn tối đa của dây truyền tải: 400MW

Ở trạng thái vận hành cơ sở, hệ thống hoạt động bình thường:

MÁY 2

Hình 2.1 Truyền tải điện tối ưu của 2 đường dây song song

Nếu có một trong 2 dây truyền tải bị mất điện bởi sự cố Hiện tượng quá tải

sẽ xuất hiện trên dây truyền tải còn lại

MÁY 2

Hình 2.2: Truyền tải điện của 2 đường dây song song khi 1 đường dây bị ngắt ra

Giả sử trong ví dụ này chúng ta không muốn sự cố quá tải xảy ra Chúng ta sẽ điều chỉnh trạng thái với việc giảm công suất phát của máy phát 1 còn 400MW

MÁY 2

Hình 2.3: Truyền tải điện an ninh của 2 đường dây song song

Nếu một vài phân tích sự cố được thực hiện, trạng thái sau sự cố:

Hình 2.4: Truyền tải điện an ninh của 2 đường dây song song khi 1 đường dây bị ngắt ra

Bằng việc điều chỉnh công suất phát tại máy phát 1 và 2, chúng ta đã ngăn chặn được trạng thái vận hành sau sự cố với việc quá tải của dây truyền tải, thực

chất đây được gọi là “Sự hiệu chỉnh an ninh” Việc kiểm soát điều khiển vận hành

trong trường hợp cơ sở hay sự cố để ngăn chặn các vi phạm giới hạn được gọi là

“Phân bố công suất tối ưu có ràng buộc an ninh” hay gọi tắt là SCOPF (Security constraint optimal power flow) Với SCOPF, chúng ta có thể tính được số các sự cố, tính toán và điều chỉnh công suất máy phát, điện áp máy phát, máy biến áp…

2.3 Tổng quan về các phương pháp đã áp dụng giải bài toán phân bố tối

ưu công suất

Trải qua hàng loạt các nghiên cứu đã được trình bày, tính đến nay có giải pháp về phương pháp luận có thể nhóm lại hai phương pháp cụ thể như sau:

- Phương pháp thông thường (cổ điển)

- Phương pháp thông minh

Phân loại mỗi phương pháp được trình bày theo sơ đồ hệ thống như sau:

MÁY 2

OPF Method

Generalised Reduced Fuzzy Logic Reduced Gradient Evolutionary Programming

Newton – based

Linear Programming

Quadratic Programming

Interior Point

Phương pháp truyền thống hay còn phương pháp thông thường được sử dụng

để giải quyết bài toán OPF một cách hiệu quả Việc áp dụng tích cực các phương pháp này trong lĩnh vực nghiên cứu thời gian qua Các phương pháp cổ điển dựa trên phương pháp lập trình toán học và được sử dụng để giải quyết các mô phạm khác nhau của OPF Để đáp ứng các yêu cầu khác nhau của hàm mục tiêu, các loại hình ứng dụng và tính chất của sự ràng buộc, các phương pháp phổ biến thông thường được phân chia như sau:

- Gradient Method

- Newton Method

- Linear Programming Method

- Quadratic Programming Method

- Interior Point Method

Mặc dù đã có những tiến bộ tuyệt vời trong phương pháp cổ điển, song vẫn còn những nhược điểm như sau: trong hầu hết các trường hợp các công thức toán học phải được đơn giản hoá để có những giải pháp bởi vì rất hạn chế khả năng giải quyết những vấn đề thật thụ động tồn tại trong một hệ thống rộng lớn Nó gặp phải những hạn chế trong bài toán ràng buộc an ninh Điểm hội tụ kém, có thể gặp khó khăn ở tối ưu cục bộ, chỉ tìm thấy những giải pháp ở mô phỏng đơn, chúng trở nên yếu kém khi xử lý hệ thống lớn và đắt tiền

Để khắc phụ những thiếu sót và hạn chế trên, phương pháp thông minh có kỹ thuật dựa trên trí tuệ nhân tạo (AI) được phát triển trong thời gian qua Những phương pháp này có thể được tóm tắt liệt kê như sau:

2.3.1 Phương pháp EP (Evolutionary programming)

EP là một chiến lược tối ưu sự cố nhấn mạnh đến sự liên kết hành vi giữa bố

mẹ và con cái Đây là phương pháp tối ưu không phụ thuộc vào đạo hàm bậc nhất

và bậc hai của hàm mục tiêu và những điều kiện ràng buộc của bài toán Ưu điểm quan trọng nhất của EP là nó chỉ sử dụng thông tin hàm mục tiêu và do đó không chịu ảnh hưởng bởi bản chất của không gian tìm kiếm như độ trơn, độ lồi Thuật toán tối ưu dựa trên EP xoay quanh ba quá trình: chọn lọc tự nhiên, đột biến và cạnh tranh Tùy thuộc vào đặc tính của bài toán tối ưu, mỗi quá trình có thể được điều chỉnh và định hình để đạt được kết quả khả quan nhất

Báo cáo trình bày một thuật toán hiệu quả và đáng tin cậy dựa trên EP cho phép giải bài toán phân bố công suất tối ưu có ràng buộc an ninh (SCOPF) Phương pháp đề nghị để giải bài toán SCOPF nhắm đến điều kiện ràng buộc và giới hạn cân bằng năng lượng trên việc kiểm soát các biến số khác nhau gọi là công suất phát tác dụng, độ lớn điện áp kiểm soát được, tụ điện shunt ngắt được và tỉ lệ biến áp, những giới hạn trên các biến phụ thuộc gọi là công suất phát phản kháng và độ lớn điện áp trên tải và giới hạn trên những tải MVA như là các điều kiện ràng buộc không cân

bằng trong trường hợp cơ bản cũng như sự cố Một hệ thống IEEE 30 nút được dùng để nghiên cứu Kết quả SCOPF đạt được bằng EP được so sánh với việc giải

bài toán SCOPF truyền thống

2.3.2 Phương pháp AM (Ant Manners)

Bài báo trình bày phương pháp tính toán dựa trên hành vi của đàn kiến và cách thu nhận tin tức của chúng Phương pháp này được ứng dụng vào việc giải bài toán phân bố công suất tối ưu để cực tiểu chi phí nhiên liệu máy phát với các ràng buộc giới hạn công suất thực và công suất phản kháng máy phát, điện áp các nút, đầu phân áp, tụ bù và dòng công suất trên các đường dây Mô hình lựa chọn để tính toán là mạng điện IEEE 30 nút và kết quả được so sánh với các phương pháp EP,

GA

2.3.3 Phương pháp DE (Differential Evolution)

Bài báo trình bày ứng dụng giải thuật DE vào việc giải bài toán phân bố công suất tối ưu DE là một thuật toán tiến hóa được đề xuất bởi Storn and Price vào năm

1997 Phương pháp DE cho thấy hiệu quả trong việc giải quyết bài toán tối ưu không tuyến tính với nhiều ràng buộc DE có ưu điểm hơn các phương pháp tiến hóa khác đó là cấu trúc đơn giản, gọn, ít thông số điều khiển, điểm hội tụ cao Hàm mục tiêu có dạng bậc hai dùng để tính toán là cực tiểu chi phí nhiên liệu máy phát với các ràng buộc giới hạn công suất thực và công suất phản kháng máy phát, điện

áp các nút, đầu phân áp và dòng công suất trên các đường dây Phương pháp đề xuất được ứng dụng vào giải mạng điện IEEE 30 nút và kết quả được so sánh với các

phương pháp: EP, TS, SA

2.3.4 Phương pháp GA (Genetic Algorithm)

Bài báo trình bày việc giải bài toán phân bố công suất tối ưu trong mạng điện lớn sử dụng phương pháp giải thuật gen Thuật toán GA(Genetic Algorithm) được phát minh bởi Holland vào đầu những năm 1970 là phương pháp tìm kiếm toàn cục

sự cố mà dựa theo sự đánh giá di truyền tự nhiên GA hoạt động trên quần thể của những lời giải ứng viên giải mã chuỗi hữu hạn gọi là nhiễm sắc thể (NST) Thông

thường các kết quả này được biểu diễn dưới dạng chuỗi số nhị phân hoặc các ký hiệu mã hóa khác được gọi là nhiễm sắc thể 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 Hàm mục tiêu dùng để tính toán là cực tiểu chi phí nhiên liệu máy phát với các ràng buộc công suất máy phát, điện áp các nút, tụ bù, đầu phân áp nằm trong giới hạn cho phép Thời gian tính toán có thể giảm xuống bằng cách phân chia các ràng buộc tối ưu thành ràng buộc tích cực để thao tác trực tiếp bằng giải thuật

GA, duy trì các ràng buộc thụ động trong giới hạn mềm sử dụng bài toán dòng công suất truyền thống Mạng IEEE 30 nút được ứng dụng để kiểm tra sự hiệu quả của giải thuật Kết quả được so sánh với các cách giải khác của giải thuật GA và phương pháp EP

GA có nhiều ưu điểm trong tính toán, như 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 thế, khả năng tìm ra kết quả tối ưu toàn cục được nâng lên Ưu điểm chính của GA là tìm ra kết quả gần tối ưu trong thời gian ngắn so với các phương pháp dò tìm sự cố khác như Simulated annealing (SA) hay Qui hoạch động (DP) … Tuy nhiên, GA phụ thuộc nhiều vào hàm tương thích, nhạy với tỉ lệ lai và đột biến, sơ đồ mã hóa các bit của nó, và độ dốc của đường cong không gian

dò tìm dẫn đến lời giải GA đã được cải tiến và kiểm chứng trong bài toán điều độ kinh tế hệ thống điện với nhiều dạng khác nhau cho thấy kết quả khá tốt

2.3.5 Phương pháp ACO (Ant Colony Optimization)

Một trong những phương pháp tiến hóa dựa trên trí thông minh nhân tạo được giới thiệu gần đây là phương pháp ACO được đề xuất bởi Marco Dorigo năm

1992

ACO đưa ra cách tiếp cận mới mạnh mẽ và hiệu quả hơn cho những bài toán tối ưu hóa phức tạp, thuật toán này tiêu biểu cho việc sử dụng mô hình xác suất để tìm ra lời giải tối ưu Phương pháp này dựa trên cách cử xử của đàn kiến đi tìm thức

ăn Trong khi tìm thức ăn các cá thể kiến tự động khởi tạo xung quanh khu vực tổ

của chúng các thói quen riêng Ngay khi có 1 cá thể kiến tìm được nguồn thức ăn,

nó sẽ đánh giá chất lượng và số lượng thức ăn đó và mang về tổ số thức ăn tìm được Trong suốt quá trình quay về tổ cá thể kiến này sẽ để lại trên lối về loại pheromone do nó tiết ra Lượng pheromone để lại có thể phụ thuộc vào chất lượng

và số lượng thức ăn, lượng pheromone này sẽ dẫn các cá thể kiến khác tới nguồn thức ăn này Sự truyền đạt không trực tiếp này giữa các cá thể kiến qua chất pheromone để lại trên lối mòn cho phép chúng tìm được đường đi ngắn nhất giữa tổ của chúng và nguồn thức ăn đó

Nói chung phương pháp ACO giải quyết bài toán tối ưu hóa bằng cách lặp lại 2 bước sau:

- Lời giải ứng viên được xây dựng dựa trên mô hình chất pheromone đặc trưng của loài kiến mà sự phân bố tần suất được thông số hóa qua không gian bài toán

- Lời giải ứng viên được sử dụng để thay đổi các giá trị của chất đặc trưng với cách mà được nghĩ rằng thiên về sự lấy mẫu hơn là về lời giải chất lượng cao

Phương pháp ACO được ứng dụng thành công trong nhiều bài toán khác nhau như: bài toán người bán hàng du lịch, định tuyến xe cộ, mạng lưới viễn

thông…

2.3.6 Phương pháp TS (Tabu Search)

Phương pháp TS là phương pháp tìm kiếm để tìm giải pháp tối ưu dựa trên

bộ nhớ linh động của máy tính Phương pháp ra đời năm 1986 bởi Fred W Glover Đầu tiên TS chọn kết hợp tất cả các hàm chi phí của các tổ máy Kết quả tính toán được mã hóa ở dạng thập phân và được lưu vào bộ nhớ máy tính Ưu đểm của TS là thời gian tính toán nhỏ Phương pháp này đã được chứng minh là giải quyết tốt bài toán điều độ kinh tế với nhiều ràng buộc khác nhau

Sự thuận lợi của thuật toán TS là việc nó sử dụng sự ghi nhớ uyển chuyển của lịch sử tìm kiếm để ngăn ngừa dao động và tránh bị kẹt ở giá trị tối ưu cục bộ

TS có thể giải quyết được các bài toán không lồi, không phẳng…

2.3.7 Phương pháp SA (Simulated Annealing)

SA(Simulated Annealing) là phương pháp được đề xuất bởi Kirt Patrick, Gelatt và Vecchi năm 1983 SA đã được kiểm chứng trong một số bài toán tối ưu hóa và cho kết quả rất tốt

SA là phương pháp dựa trên việc tìm kiếm cục bộ mỗi bước di chuyển được chấp nhận nếu cải thiện được năng lượng hệ thống Một lời giải khác có thể chấp tùy theo tiêu chí tần suất mà sự phân bố tần suất dựa trên quy trình luyện kim và chúng được thu lại như hàm nhiệt độ của hệ thống

Chiến thuật SA khởi đầu với nhiệt độ cao đưa ra tần suất phân bố cao để chấp nhận với các bước di chuyển không được cải thiện Nhiệt độ và mức độ phân

bố giảm bớt đáng kể như sự cải thiện của thuật toán về lời giải tối ưu

(Riêng đối với phương pháp PSO (Particle Swarm Optimal)được trình bày

rõ ở chương sau)

2.4 Tổng kết

Hiện nay, với sự tiến bộ mạnh mẽ của khoa học máy tính, các thuật toán tối

ưu ngày càng phát triển rực rỡ và không ngừng đạt đến những đỉnh cao mới Nhiều phương pháp đã được áp dụng vào lĩnh vực vận hành trong hệ thống điện Tuy nhiên, mỗi phương pháp đều có thế mạnh cũng như khuyết điểm riêng Đối với các phương pháp giải tích được, thời gian tính toán nhanh chóng, chất lượng hội tụ tốt; nhưng do bị giới hạn trong phạm vi khả vi, khả tích của hàm mục tiêu và các điều kiện ràng buộc, những phương pháp này bị hạn chế trong nhiều lĩnh vực áp dụng Đối với các thuật toán tối ưu dựa trên phương pháp tìm kiếm ngẫu nhiên như thuật toán gen, thuật toán di truyền, thuật toán bầy đàn,… đã cho thấy thế mạnh của nó là khả năng giải quyết mọi bài toán do không phụ thuộc vào bản chất toán học của

hàm mục tiêu hay điều kiện ràng buộc Tuy nhiên, khuyết điểm của các phương pháp này là tính không ổn định trong lời giải tối ưu, dễ bị sa vào các giá trị tối ưu cục bộ Đồng thời, thời gian tính toán cũng chậm hơn hẳn so với các phương pháp giải tích được

CHƯƠNG 3: GIỚI THIỆU VỀ PHƯƠNG PHÁP TỐI ƯU BẦY ĐÀN

VÀ GIẢI PHÁP TỐI ƯU BẦY ĐÀN CẢI TIẾN

3.1 Giới thiệu hoàn cảnh ra đời và ý nghĩa của phương pháp tối ưu bầy đàn

Phương pháp tối ưu bầy đàn là kỹ thuật tối ưu hóa được phái triển bởi Kennedy và Eberhart vào năm 1995, dựa trên sự mô phỏng xã hội của các động vật cấp thấp như cá, chim, v.v Ý tưởng của phương pháp bắt đầu bằng một trường hợp

sự cố của các cá thể của cộng đồng dân cư trong không gian tìm kiếm

OPF, tìm kiếm cho một giải pháp tối ưu bằng cách sử dụng quần thể của bầy đàn, mỗi cá thể đại diện cho một giải pháp ứng cử tối ưu hoá vấn đề Mỗi cá thể thay đổi vị trí của nó bằng cách bay lượn trong không gian đa chiều bằng cách làm theo những cá thể vượt trội (tối ưu) cho đến khi xác định được vị trí tương đối không thay đổi đã được tìm thấy hoặc thực hiện được hoặc cho đến khi tính toán được những hạn chế - ràng buộc đã vượt qua Mỗi cá thể sẽ tự điều chỉnh quỹ đạo hướng tới vị trí tốt nhất của chính nó trước đó cho đến khi hướng đến quỹ đạo tốt nhất của quần thể đạt được sau đó OPF rất dễ thực hiện, cung cấp nhanh điểm hội

tụ cho một số vấn đề tối ưu và thu được rất nhiều sự chú ý trong vấn đề giải quyết

hệ thống điện ngày nay

Hệ thống được khởi tạo với một quần thể của giải pháp ngẫu nhiên và tìm kiếm tối ưu bằng cách nâng cấp các thế hệ Tuy nhiên, không giống như giải thuật

GA, PSO không vận hành hoạt động chéo và đột biến Trong PSO, giải pháp tiềm năng, được gọi là cá thể, vấn đề là bay xuyên trong không gian theo những cá thể tối ưu hiện hành Như vậy, trong PSO mỗi cá thể tự cho mình quyết định hành động theo kinh nghiệm của mình cùng với kinh nghiệm của cá thể vượt trội lân cận

Xây dựng bài toán: Quỹ đạo của mỗi cá thể trong không gian tìm kiếm được hiệu chỉnh bằng cách thay đổi vận tốc của từng cá thể thông qua kinh nghiệm bay Vector vị trí và vector vận tốc của một cá thể thứ i trong không gian d chiều:

(3.1)

(3.2)

Thông qua cách đặt hàm định nghĩa, chúng ta sẽ tìm ra được giá trị phù hợp

nhất đạt được bởi một phần tử tại thời điểm t là:

và cá thể phù hợp nhất tại thời điểm t là Sau đó, vận tốc

mới và vị trí mới của các cá thể được tính toán bằng 2 biểu thức sau:

(3.3)

(3.4)

Trong đó

- là những hằng số gia tốc

- là dạng tạo số ngẫu nhiên trong đoạn [0;1] (2 hàm này

có mối liên hệ đồng dạng với nhau)

Phần đầu tiên trong công thức (3.3) đại diện cho vận tốc trước đó, để tạo đà cho

cá thể tiếp tục đi lang trong không gian tìm kiếm Thành phần thứ 2 là thành phần

đại diện cho suy tính nhân tạo của các cá thể, chính thành phần này sẽ hướng các cá

thể đến vị trí tốt nhất của từng cá thể Thành phần thứ 3 là thành phần “xã hội” của

các cá thể trong quá trình tìm kiếm lời giải tối ưu toàn cục Chính thành phần xã hội

sẽ lôi kéo các cá thể hướng đến giá trị tối ưu toàn cục

Ban đầu các cá thể sẽ được tạo ra bằng một vị trí ngẫu nhiên, các vận tốc

ngẫu nhiên ban đầu cũng được ấn định cho từng cá thể Sự phù hợp của các cá thể

được ước lượng thông qua hàm mục tiêu Ở mỗi thời kỳ, vận tốc của từng cá thể

được tính toán thông qua (3.3) và vị trí trong lần ước lượng tới được cập nhật bằng

(3.4) Sau mỗi khoảng thời gian nếu các cá thể tìm ra vị trí tối ưu hơn vị trí trước

thì vị trí của nó được lưu vào bộ nhớ Ta dùng khái niệm “vận tốc lớn nhất”

cho vector vận tốc của các cá thể để điều khiển phạm vi trong không gian tìm kiếm

do người dùng tự định nghĩa

3.2 Biểu thức cơ bản của phương pháp tối ưu bầy đàn

Vấn đề OPF là tối ưu hoá hiệu suất trạng thái ổn định của một hệ thống điện trong một điều kiện của hàm mục tiêu khi đáp ứng một số đẳng thức và bất đẳng thức ràng buộc an ninh Về mặt toán học, các vấn đề OPF có thể được đại diện bởi các phương trình toán học (2.1) – (2.6)

- là véc tơ biến điều khiển, bao gồm công suất thực của tất cả máy phát

PG (ngoại trừ máy phát chuẩn), điện áp của tất cả máy phát VG, nấc phân

áp T và bù shunt VAR (QC ) Véc tơ có thể biểu diễn dưới dạng:

] (3.6)

Với NT, NC là số lượng máy biến áp điều chỉnh và số lượng bù shunt tương ứng J là hàm mục tiêu tối thiểu, g là đẳng thức ràng buộc đại diện cho bởi cân bằng dòng chảy công suất, h là đẳng thức ràng buộc đại diện cho bởi điều kiện vận hành

hệ thống, ràng buộc cho bởi sau:

a/ Ràng buộc máy phát: Điện áp máy phát, công suất thực phát ra, công suất kháng phát ra bị giới hạn trên và dưới của chính nó, được diễn đạt bởi các bất phương trình (2.12) – (2.20)

b/ Ràng buộc bù shunt VAR: Bù shunt bị giới hạn dung lượng bởi chính nó như sau:

Do đó hàm mục tiêu có thể được mở rộng như sau :

Với là các hệ số phạt và là giới hạn của biến phụ thuộc

x cho bởi:

3.3 Thuật toán giải quyết PSO

Trong phần này sẽ trình bày thuật toán tối ưu giải quyết bài toán phân bổ công suất trên giải thuật PSO cơ bản Trên cơ sở đó là tiền đề cho sự phát triển các thế hệ sau tối ưu hơn

Mô tả các yếu tố cơ bản cần thiết cho sự phát triển của Giải pháp thuật toán PSO cơ bản được trình bày dưới đây:

- Cá thể X(t): là một giải pháp đại diện bởi một véc tơ m đa chiều, trong đó

m là số lượng tham số tối ưu Tại thời điểm t, cá thể thứ ở vị trí

cá thể liên quan đến chiều (không gian) thứ , tức là giá trị tối ưu tham

số thứ k trong các giải pháp cá thể chọn lọc thứ

- Quần thể : là tập hợp các cá thể tại thời điểm , tức là

- Bầy đàn ( : là của một quần thể gần như không trật tự di chuyển

có xu hướng chụm lại với nhau, mà mỗi cá thể có vẻ là di chuyển theo một hướng ngẫu nhiên

- Vận tốc cá thể : vận tốc di chuyển của mỗi cá thể đại diện bởi một vec tơ đa chiều Tại thời điểm cá thể thứ j chuyển động với vận tốc

thành phần vận tốc của cá thể thứ liên quan đến chiều thứ k

- Quán tính trọng lượng : là một tham số điều khiển để kiểm soát tác động của vận tốc trước đó lên vận tốc hiện tại Do đó nó tác động đến sự thoả hiệp, thăm dò khả năng giữa các cá thể cục bộ và toàn thể, trọng