Nghiên cứu công nghệ xây dựng nhà máy điện năng lượng mặt trời tại tỉnh ninh thuận 2

Luận văn này giới thiệu thuật toán ACO và các ứng dụng của thuật toán trong một số nghành kỹ thuật, các phương pháp tối ưu phân bố công suất trong hệ thống điện.. Thông qua sự phát triển

Luận văn này giới thiệu thuật toán ACO và các ứng dụng của thuật toán trong một số nghành kỹ thuật, các phương pháp tối ưu phân bố công suất trong hệ thống điện

Luận văn trình bày thuật toán ACO để giải quết bài toán phân bố tối ưu công suất trong hệ thống điện Thuật toán đã thành công trong việc tìm điểm tối ưu với tốc độ hội tụ nhanh chóng Luận văn áp dụng giải bài toán cho mạng điện IEEE 30 nút Trong bài toán so sánh, nhận xét kết quả hội tụ của hàm chi phí và phân bố công suất tối ưu tại các nút là tin cậy kết quả đạt được của thuật toán cho thấy khả năng linh hoạt mạnh mẽ của thuật toán ACO trong việc giải bài toán tối ưu toàn cục

mà các phương pháp tối ưu khác khó đạt được Giải thuật bài toán hoàn toàn có thể

áp dụng trong mạng điện có số lượng nhà máy lớn

Tuy nhiên, thuật toán ACO cũng có những nhượt điểm là kết quả tính toán phụ thuộc nhiều vào thông số cài đặt thuật toán và kinh nghiệm của người lập trình,

do đó mất nhiều thời gian và công sức để thử nghiệm và kiểm tra

This thesis introduces the ACO algorithm, the application of the ACO algorithm in a number of engineering disciplines the optimal flow power method in the power system

This thesis presents the ACO algorithm to solve the problem inclination optimal power flow in the power system Algorithm was successful in finding the optimum point with rapid convergence rate Thesis solve applied to IEEE 30 buses system.In comparison problems, comments convergence result of the cost function and optimal power distribution at the node is trusted Results of the algorithm shows robust flexibility of ACO algorithms in solving global optimization problems that other optimization methods difficult to achieve Algorithm problem can perfectly apply in electricity networks have a large number of plants

However, the ACO algorithm also has the drawback is that the calculation results depends on the settings and algorithms depends experienced programmers because it takes a lot of time and effort to test and inspect

Lý lịch khoa học i

Lời cam đoan ii

Lời cảm ơn iii

Tóm tắt luận văn iv

Abstract v

Mục lục vi

Danh sách các hình viii

Danh sách các bảng ix

Chữ viết tắt trong luận văn x

CHUƠNG 1 TỔNG QUAN 1

1.1 Đặt vấn đề 1

1.2.Tóm tắt sơ lược các bài báo khoa học có liên quan đến đề tài 2

1.3.Kết luận 6

1.4 Ý nghĩa khoa học và điểm mới của luận văn 6

1.5 Phạm vi nghiên cứu của luận văn 7

1.6 Mục tiêu cần đạt được của luận văn 7

CHƯƠNG 2 GIỚI THIỆU BÀI TOÁN OPF TRONG HỆ THỐNG ĐIỆN 8

2.1 Giới thiệu 8

2.2 Cơ sở toán học của bài toán OPF 9

2.2.1.Bài toán OPF theo định nghĩa 9

2.2.2.Biễu diễn toán học của bài toán OPF trong hệ thống điện 9

2.2.3 Tổng quan về các phương pháp cổ điển đã được áp dụng để giải bài toán OPF 11

2.2.4.Phương pháp dựa trên trí tuệ nhân tạo và tiến hóa 23

CHƯƠNG 3 GIỚI THIỆU THUẬT TOÁN ACO 28

3.3 Ưu điểm của thuật toán 30

3.4 Ứng dụng thuật toán ACO 31

3.5 Mô hình bài toán OPF áp dụng thuật toán ACO 31

3.5.1 Hàm mục tiêu 32

3.5.2 Ràng buộc cân bằng 33

3.5.3 Ràng buộc không cân bằng 33

3.6 Mô tả phương pháp tối ưu của đàn kiến 34

3.7 ACO áp dụng vào bài toán OPF 37

CHƯƠNG 4 ỨNG DỤNG THUẬT TOÁN ACO VÀO GIẢI BÀI TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU 42

4.1 Phân bố công suất tối ưu trong mạng điện IEEE 30 nút[29] 42

4.2 Phân bố công suất tối ưu trong mạng điện IEEE 26 nút [1] 52

4.3 Dữ Liệu Công Suất Phụ Tải và Công Suất Máy Phát 55

4.4 Dữ Liệu Đường Dây 56

4.5 Bảng so sánh ACO-OPF với GA-OPF [32] 60

CHƯƠNG 5 KẾT LUẬN 61

5.1.Tổng kết 61

5.2 Hướng Phát Triển Đề Tài 61

5.3 Lời Kết 62

TÀI LIỆU THAM KHẢO 63

PHẦN PHỤ LỤC 67

Hình 1.1: Biểu diễn mức điện áp ở mỗi nút của mạng IEEE 30 nút 3

Hình 1.2: Biểu diễn mức điện áp cho mạng điện IEE 57 nút 4

Hình 3.1: Cách kiến thực tìm một con đường ngắn nhất 29

Hình 3.2: Lưu đồ giải thuật ACO áp dụng vào giải bài toán OPF 41

Hình 4.1: One line diagram – IEEE – 30 bus system 49

Hình 4.2: Hình vẽ mạng điện IEEE 26 – bus 60

Bảng 1.1: Bảng so sánh kết quả với các phương pháp khác 2

Bảng1.2: Comparison of the ACO-OPF with different evolutionary methods of optimization, viewpoint cost, losses and times of convergence 4

Bảng 1.3: So sánh kết quả và đóng góp của bài báo 5

Bảng 4.1: Giới hạn công suất tác dụng phát mạng IEEE 30 buses[29] 43

Bảng 4.2: Dữ liệu nút điều chỉnh điện áp 43

Bảng 4.3: Đầu phân áp cho trong bảng, nút bên trái được giả thiết nút có đầu phân áp 43

Bảng 4.4: Số liệu công suất kháng tụ bù ngang 44

Bảng 4.5: Dữ liệu công suất phụ tải & công suất máy phát 44

Bảng 4.6: Dữ liệu đường dây 45

Bảng 4.7: Kết quả so sánh mạng IEEE – 30 bus từ bài báo [30] July-December 2008 51

Bảng 4.8: So sánh ACO-OPF với các phương pháp Genetic-OPF và EP-OPF[30] 52 Bảng 4.9: Dữ liệu nút điều chỉnh điện áp[1] 53

Bảng 4.10: Đầu phân áp, nút bên trái được giả thiết là nút có đầu phân áp 53

Bảng 4.11: Số liệu công suất kháng tụ bù ngang 54

Bảng 4.12: Giới hạn công suất tác dụng phát 54

ACO : Ant Colony Optimization

ELD : Economic Load Dispatch

OPF : Optimal Power Flow

Song song đó, hệ thống điện cũng liên tục được mở rộng và phát triển cả về nguồn và các đường dây truyền tải Trong khi đó vấn đề khủng hoảng năng lượng

và môi trường là hai bài toán cần được xem xét hàng đầu khi phát triển nguồn năng lượng điện Bên cạnh phát triển thêm nguồn mới thì việc vận hành các tổ máy sao cho hiệu quả và tin cậy nhất cũng là bài toán vô cùng quan trọng Vận hành và điều khiển tốt hệ thống điện không chỉ mang lại hiệu quả về mặt kinh tế mà càng giúp phát triển bền vững cho nền năng lượng vua này

Do đặc điểm phân bố và nhu cầu phụ tải ở nước ta là không đồng đều về không gian và thời gian Phụ tải tập trung ở các thành phố lớn và các khu công nghiệp, thưa thới ở nông thôn và miền núi Cho nên dòng phân bố công suất trên đường dây truyền tải cũng không đồng đều và thay đổi liên tục theo thời gian Theo

số liệu quan sát từ các công ty điện lực thì cùng một thời điểm trên hệ thống truyền tải có một số đường dây bị quá tải trong khi các đường dây khác vận hành non tải

Vì vậy người ta đặc ra bài toán phân bố công suất tối ưu trong hệ thống điện.Đó là bài toán mà ngành điện lực phải tìm cách giải quyết từ rất lâu và đã dùng nhiều giải thuật khác nhau

Thông qua sự phát triển vượt bậc của công nghệ thông tin xuất hiện nhiều giải thuật khác nhau,giải thuật ACO, đây là giải thuật có nhiều ưu điểm và đã được ứng dụng vào nhiều lĩnh vực, một trong những ứng dụng của thuật toán ACO là trong hệ thống điện

Do vậy, việc sử dụng các thuật toán vận hành tối ưu tổn thất công suất trong

hệ thống điện đang là hướng nghiên cứu rất được nhiều người quan tâm

1.2.Tóm tắt sơ lược các bài báo khoa học có liên quan đến đề tài:

 Optimal Power Flow Solution Using Ant Manners for Electrical

Ưu điểm của thuật toán

Bài báo cho thấy phương pháp tối ưu đàn kiến hội tụ một cách nhanh chóng

để tối ưu toàn cầu

So sánh kết quả và đóng góp của bài báo

Bảng 1.1: Bảng so sánh kết quả với các phương pháp khác

Pmin [MW]

Pmax [MW]

Hình 1.1: Biểu diễn mức điện áp ở mỗi nút của mạng IEEE 30 nút

 Ant Colony Optimization Applied on Combinatorial Problem for

Optimal Power Flow Solution(của tác giả Brahim GASBAOUI and Boumediène

ALLAOUA.)[3]

Trong bài báo này hiệu quả và đáng tin cậy dựa trên phương pháp tiến hóa để giải quyết vấn đề tối ưu dòng công suất (OPF) Phương pháp đề xuất sử dụng thuật toán tối ưu đàn kiến(ACO) để tối ưu thiết lập các biến kiểm soát vấn đề OPF Hàm mục tiêu khác nhauđã được xem xét để giảm thiểu chi phí nhiên liệu, điện áp vàđể tăng cường ổn định điện áp Phương pháp đề xuất đã được thử nghiệm và kiểm tra vớimục tiêu khác nhau để chứng minh hiệu quả và mạnh mẽ của thuật toán Kết quả xác nhậntiềm năng của phương pháp đề xuất và cho thấy hiệu quả và tính ưu việt của phương pháp so với phương pháp cổ điển và thuật toán di truyền.Phương pháp

đề xuất đã được kiểm tra và thử nghiệm trên hệ thống tiêu chuẩn IEEE 57 bus, với 7 máy phát

Ưu điểm của giải thuật mà tác giả đã đề cập là độ an toàn và nhanh chóng hội tụ, thời gian thực hiện kết nối thấp hơn so với các giải thuật khác

So sánh kết quả và đóng góp của bài báo

Áp dụng thuật toán ACO vào hệ thống điện IEEE 57 nút

Bảng1 2: Comparison of the ACO-OPF with different evolutionary methods of

optimization, viewpoint cost, losses and times of convergence

Hình 1.2: Biểu diễn mức điện áp cho mạng điện IEE 57 nút

Từ việc so sánh kết quả về chi phí nhiên liệu, công suất máy phát, tổn thất công suất và thời gian xử lý thuật toán ACO với thuật toán di truyền (GA) đã thể hiện đƣợc những ƣu điểm của thuật toán ACO

 Optimal Power Flow of the Algerian Electrical Network using an Ant Colony Optimization Method (của tác giả Tarek BOUKTIR and Linda SLIMANI) [4]

Bài báo này trình bày giải pháp vấn đề tối ưu dòng công suất(OPF) của hệ thống điện thông qua phương pháp Mata-heuristic tối ưu đàn kiến(ACO) Mục tiêu

là để giảm thiểu tổng chi phi nhiên liệu của các máy phát điện kết quả mô phỏng trên mạng điện Algerian cho thấy phương pháp ACO hội tụ nhanh chóng

Bảng 1.3:So sánh kết quả và đóng góp của bài báo

buộc như một vấn đề tối ưu tổ hợp Là thuật toán phân phối bao gồm một tập hợp các đàn kiến nhân tạo gọi là các kiến sự hợp tác giữa chúng để tìm giải pháp tối ưu cho vấn đề trào lưu công suất có ràng buộc Một ma trận pheromone đóng vai trò bộ nhớ toàn cầu cung cấp sự hợp tác giữa các kiến Thuật toán ACS áp dụng cho mạng điện IEE 14 –bus và mang điện IEE 136-bus Kết quả được so sánh với với phương pháp khác đã thể hiện tính ưu việt và linh hoạt của thuật toán

Đa số các bài báo thường dùng thuật toán ACO để phân bố công suất thực trong mạng điện và thường kiểm tra trên mô hình mạng điện IEEE chuẩn 14nút, 30 nút, 57 nút

Ưu điểm của ACO là giải thuật đơn giản, số biến điều khiển nhỏ, chương trình chạy nhanh, giúp hệ thống vận hành ổn định và tối ưu

1.4 Ý nghĩa khoa học và điểm mới của luận văn

Qua nghiên cứu thực tiễn các nhà khoa học đả đưa ra các ưu điểm của thuật toán ACO khi áp dụng vào giải bài toán OPF:

* Thuật toán đơn giản và dễ dàng thực hiện

* Hàm cập nhật giúp cho chuơng trình chạy nhanh hơn

* ACO sử dụng hàm mục tiêu không liên tục, không khả vi tồn tại trong hệ

1.5 Phạm vi nghiên cứu của luận văn

Nghiên cứu các phương pháp giải bài toán tối ưu công suất trong hệ thống điện

Cơ sở lý thuyết và tính hiệu quả của phương pháp ACO khi áp dụng vào thực

tế để giải bài toán OPF trong hệ thống điện

Ứng dụng vào hệ thống điện chuẩn 30 nút

So sánh kết quả thu được của phương pháp ACO với các phương pháp khác

để thấy được ưu điểm của thuật toán

1.6 Mục tiêu cần đạt được của luận văn

Trình bày cơ sở lý thuyết và ứng dụng của thuật toán ACO

Áp dụng vào giải trong hệ thống điện chuẩn IEEE 30 nút

So sánh kết quả đạt được của thuật toán

Việc giảm chi phí nhiên liệu: Sử dụng hiệu quả các nguồn nước của các nhà máy thủy điện, phối hợp hài hòa việc điều độ công suất phát giữa các nhà máy thủy điện với các nhà máy nhiệt điện cũng như giữa các nhà máy nhiệt điện với nhau v.v… sao cho chi phí sản xuất điện năng là nhỏ nhất

Việc giảm tổn thất điện năng:Giảm tổn thất điện năng có ý nghĩa rất lớn trong vận hành hệ thống điện Giảm tổn thất điện năng bao gồm thiết lập chế độ sử dụng điện, lựa chọn các thiết bị vận hành hợp lý và phân bố dòng công suất tối ưu giữa các phần tử trong hệ thống điện

Trong bài toán phân bố dòng công suất tối ưu OPF( optimal power plow) là bài toán có ý nghĩa hết sức quan trọng trong vận hành hệ thống điện

Bài toán tối ưu dòng phân bố công suất OPF ban đầu được áp dụng trong hệ thống điện với mong muốn tối thiểu chi phí vận hành nguồn phát với tải cho trước Vào năm 1962,Carpentier đề xuất mô hình qui hoạch phi tuyến tổng quát bài toán điều độ kinh tế bao hàm ràng buộc điện áp và các ràng buộc vận hành khác Bài toán OPF vào đầu những năm 60 thế kỷ 20, thì xét đến sự thay đổi các ràng buộc vận hành và điều khiển

Thường chỉ xét mục tiêu chi phí vận hành nhỏ nhất Ngày nay bài toán điều

độ kinh tế được xem xét dưới các khía cạnh sau:

* Bảo tồn các loại nhiên liệu

* tối ưu chi phí

*Các ràng buộc đảm bảo tối ưu an ninh hệ thống

* Vận hành kết hợp nhà máy nhiệt điện và nhà máy thủy điện

2.2 Cơ sở toán học của bài toán OPF

2.2.1.Bài toán OPF theo định nghĩa:

y: các biến điều khiển

g(x,y): các phương trình dòng chảy công suất (ràng buộc bằng nhau) h(x,y): giới hạn các biến điều khiển và vận hành cho các phần tử trong hệ thống điện (ràng buộc không bằng nhau)

f(x,y): hàm đối tượng vô hướng được cực tiểu hóa

2.2.2.Biễu diễn toán học của bài toán OPF trong hệ thống điện

Xét hệ thống điện có N máy phát điện với:

PGi: công suất máy phát thứ i

Pload: công suất tải tiêu thụ

Skm: dòng chảy công suất từ nút k đến nút m

Xmax,min: ký hiệu cho biên max, min của một biến

Hàm mục tiêu:Trong bài toán OPF hàm mục tiêu thường là hàm tổng chi phí vận hành của mỗi máy phát:

fi: hàm chi phí vận hành của máy phát thứ i là hàm chi phí nhiên liệu có dạng hàm bậc 2

𝑓𝑖 = 𝑎𝑖 + 𝑏𝑖𝑃𝑔𝑖 + 𝑐𝑖𝑃𝑔𝑖2($/h) (2.5)

ở đây ng là số máy phát ra gồm cả bus

Pgi là công suất tác dụng ở thanh bus thứ i

ai, bi và ci là các đơn vị chi phí đường cong cho máy phát điện thứ i

 Ràng buộc dạng đẳng thức

Pk = 0

g(x) Qk = 0 cân bằng công suất tại nút k

Vi – Viset = 0 điện áp đặt tại máy phát thứ i

Pint – Psch = 0 công suất trao đổi giữa các vùng

 Ràng buộc bất đẳng thức

Giới hạn công suất máy phát thứ i

PGimin≤ 𝑃𝐺𝑖 ≤ 𝑃𝐺𝑖𝑚𝑎𝑥Giới hạn điện áp thanh cái thứ i

Vimin≤ 𝑉𝑖 ≤ 𝑉𝑖𝑚𝑎𝑥Giới hạn nấc máy biến áp nối vào thanh cái k,m

tk m min≤ 𝑡𝑘 𝑚 ≤tk m max Giới hạn độ dịch pha máy biến áp nối vào thanh cái k, m

𝛼𝑘 𝑚 𝑚𝑖𝑛 ≤ 𝛼𝑘 𝑚 ≤ 𝛼𝑘 𝑚 𝑚𝑎𝑥

Các hàm đối tượng, các ràng buộc và các biến điều khiển của bài toán OPF trong hệ thống điện được phân theo như sau:

Các hàm đối tượng

Tối thiểu chi phí phát và giao dịch điện năng

Tối thiểu tổn thất truyền tải

Tối thiểu thay đổi biên điều khiển

Các ràng phương trình Các ràng buộc dòng chảy công suất

Các ràng buộc cân bằng công suất tại các nút

Các ràng buộc bất phương

trình

Giới hạn trên tất cả các biến điều khiển

Giới hạn dòng chảy công suất trên các nhánh

Giới hạn điện áp trên các thanh cái

Giới hạn truyền tải(công suất trên đường dây)

Các biến điều khiển

Công suất tác dụng và công suất phản kháng(P và Q) của máy phát

Nấc máy biến áp, độ dịch pha máy biến áp

Quản lý trao đổi công suất giữa các vùng

2.2.3 Tổng quan về các phương pháp cổ điển đã được áp dụng để giải bài toán OPF

Trong đó:

PGi: Công suất tác dụng của nguồn phát chảy vào nút thứ i

QGi: Công suất phản kháng của nguồn phát chảy vào nút thứ i

PDi: Công suất tác dụng tiêu thụ tại nút thứ i

QDi: Công suất phản kháng tiêu thụ tại nút thứ i

fi: Hàm chi phí nhiên liệu máy phát

Trong đó phương trình (2.7) và (2.8) có thể được viết lại như sau:

L(X)=F(X)+ 𝑁𝑖=1𝑟𝑃𝑖𝑊𝑃𝑖2 𝑋 + 𝑟𝑄𝑖𝑊𝑄𝑖2 𝑋 + 𝑟𝑉𝑖𝑊𝑉𝑖2(𝑋) (2.23)

ở đây:

X: là vector với hai biến là V và 𝜃

WPi: Bao gồm tất cả các ràng buộc có liên quan đến biến công suất tác dụng

WQi: Bao gồm tất cả các ràng buộc có liên quan đến biến công suất tác phản kháng như đã thể hiện ở các phương trình (2.21) và (2.22)

WVi: Bao gồm tất cả các ràng buộc có liên quan đến biến điện áp như đã thể hiện ở các bất phương trình (2.23) và (2.24)

rPi:Hệ số hàm phạt thể hiện cho biến công suất tác dụng Nếu ta bỏ qua các yếu tố ràng buộc thì rPi=0

rQi:Hệ số hàm phạt thể hiện cho biến công suất phản kháng Nếu ta bỏ qua các yếu tố ràng buộc thì rQi=0

rVi:Hệ số hàm phạt thể hiện sự ràng buộc cho biến điện áp Nếu ta bỏ qua các yếu tố ràng buộc thì rVi=0

N: Tổng số nút mà ta xét trong hệ thống

Giải bằng phương pháp Hessian và Gradient

Từ các phương trình ở trên chúng ta có thể viết lại dưới dạng Gradient và ma trận Hessian như sau:

𝑁 𝑖=1

𝑁 𝑖=1

𝜕𝑄𝑖

𝜕𝑉𝑗

𝜕𝑄𝑖

𝜕𝜃 𝑖2 + 𝜕𝑄𝑖

𝜕𝜃𝑖2

2 𝑁

(2.43)

𝑉𝑗 𝜕2𝑄𝑖

𝜕𝑉𝑗 𝜕𝜃 𝐽 = 𝑉𝑖𝑉𝑗 −𝐺𝑖𝑗 cos 𝜃𝑖𝑗 − 𝐵𝑖𝑗 sin 𝜃𝑖𝑗 𝑖 ≠ 𝑗

−𝑉𝑗2𝐺𝑖𝑗 + 𝑃𝑖 𝑖 = 𝑗 (2.44)

 Có quan tâm đến các ràng buộc hệ thống

Bất phương trình thể hiện sự ràng buộc công suất:

rpl: Hệ số hàm phạt có tính ràng buộc hệ thống Nếu bỏ qua ràng buộc thì rpl

Với tổng dẫn của đường dây là 𝑔𝑗𝑘 + 𝑗𝑏𝑗𝑘, và nếu ta bỏ qua tổng dẫn của tải

Ta sẽ viết lại biểu thức phân bố dòng công suất như sau:

 Giải bài toán OPF bỏ qua các bất đẳng thức ràng buộc

Giải bài toán tối ƣu dòng phân bố công suất bỏ qua các yếu tố ràng buộc, có thể đƣợc thể hiện biểu thức nhƣ sau:

𝐷𝑡𝑟ê𝑛 𝑚ỗ𝑖 𝑏𝑢𝑠 𝑃𝑉 𝑃𝐺

𝑄𝐺

(2.74)

Đối với các thông sốtrong vector Y, một vài biến thì chúng ta có thể điều chỉnh nhƣ là công suất đầu ra của máy và giá trị điện áp tại các bus Và một số biến thì cố định nhƣ: P và Q trên mỗi bus tải vì vậy vec tơ Y có thể đƣợc chia thành dạng vec tơ cột nhƣ sau:

Y = 𝑈

Với: vector U điều khiển các biến có thể thay đổi

Vector W điều khiển các biến cố định

Sau đó các phương trình dòng công suất có thể được viết lại như sau: g(x,y)=

Hàm Lagrange cho bài toán OPF được viết lại

L(X,U,W) = f(X,U)+𝛾 g(X,U,W) (2.79) L(X,U,W)= 𝑁𝐺𝑖=𝑟𝑒𝑓 𝑖 = 𝑙𝑓𝑖 𝑃𝐺𝑖 + 𝑓𝑟𝑒𝑓 𝑃𝑟𝑒𝑓 𝑉, 𝜃 +

Khi hàm mục tiêu đã đƣợc thiết lập thì:

Điều kiện cân bằng công suất tác dụng trong mạng:

Pi(|V|,𝛿) – Pgi – Ploadi =0 với i=1,2… N (2.85) Trong đó:

Pi là công suất tác dụng bơm vào nút thứ i và là hàm của (|v|,𝛿) Đối với nút tải thì:

I = (NG+1),(NG+2), ….N và Pgi=0 Điều kiện cân bằng công suất phản kháng trong mạng:

Qi(|v|,𝛿) – Qgi –Qloadi = 0 với i = (NG+1),(NG+2),….N (2.86)

Với:

Qi:công suất phản kháng bơm vào nút tải thứ i và là hàm (|v|,𝛿)

Qgi:công suất phản kháng phát tại nút i

 Ràng buộc không cân bằng:

Ràng buộc về an toàn trong vận hành hệ thống điện

Giới hạn về sự phát công suất thực

𝜕𝛿𝑖] = 0 với i = 1,2,…N (2.94) Trong đó:

giá di truyền tự nhiên GA hoạt động trên một quần thể thông qua các phần tử là các nhiễm sắc thể Để thu đƣợc kết quả tối ƣu, mỗi nhiễm sắc thể sẽ trao đổi thông tin bằng cách sử dụng những toán tử mƣợn từ gen tự nhiên để tìm ra lời giải tối ƣu.GA khác với những thuật toán tìm kiếm và tối ƣu khác ở những điểm sau:

 GA làm việc với một tập các thông số mà không phải bản thân các thông số

đó

 GA tìm kiếm từ quần thể nhiều điểm mà không phải điểm đơn Vì vậy GA

có thể cung cấp kết quả cho lời giải tối ƣu toàn cục

 GA sử dụng di nhất thông tin hàm mục tiêu, không đạo hàm hoặc kiến thức

hỗ trợ Vì thế GA có thể giải bài toán mà các biến không liên tục tazồn tại trong thực tế

 GA sử dụng qui luật chuyển tiếp theo xác suất mà không theo qui luật xác định

* Mô hình bài toán OPF trong thuật toán GA

Pgi:lƣợng công suất phát ra tại máy phát thứ i

CPGi=ai+biPgi+ciPgi2 là hàm đặc tính chi phí của máy phát thứ I có dạng bậc 2

ai, bi, ci: hể số chi phí của máy phát thứ i

Ng: tổng số máy phát

 Ràng buộc bằng nhau:

Ràng buộc về cân bằng công suất tác dụng và công suất phản kháng tại một nút

∆𝑄𝑝 = 𝑄𝐺𝑝 − 𝑄𝑐𝑝 − 𝑁𝑔𝑞=1𝑉𝑝𝑉𝑞𝑉𝑝𝑞 sin 𝛿𝑝 − 𝛿𝑞 − 𝜃𝑝𝑞 (2.97)

PGp, Pcp: công suất thực và công suất phản kháng tiêu thụ tại nút p

Vp, Vq: là biên độ điện áp tại nút p và q

𝛿𝑝, 𝛿𝑞: là góc điện áp tại nút p và q

𝜃𝑝𝑞: góc tổng dẫn

Ng: Tổng số nút

P= 1,2,…Ng; q=1,2,…Ng

 Ràng buộc không bằng nhau:

Sự giới hạn về công suất phát của máy phát:

PL, QL: tổn thất công suất tác dụng và công suất phản kháng

PC, Qc: công suất tác dụng và công suất phản kháng yêu cầu của phục tải

NL: tổng số nút

2.2.4.2.Phương pháp DE

Thuật toán DE (Differential Evolution) được đề xuất bởi hai tác giả Price và Storn vào năm 1995 DE là một thuật toán tính toán tiến hóa nhờ có các đặc điểm hội tụ và một vài tham số điều khiển.Thuật toán này giải quyết vấn đề rất có giá trị dựa trên các nguyên lý về tiến hóa tự nhiên bằng cách sử dụng một quần thể P có NP

cá thể số thực được mã hóa, tiến hóa qua các G thế hệ để hướng tới một giải pháp tối ưu Sau vài vòng lặp, những cá thể mới được tạo ra được thay đổi trạng thái và tạo ra giá trị tối ưu

Quá trình tối ưu này được thực hiện với ba bước cơ bản sau:

Đột biến

Lai tạo

Lựa chọn

 Mô hình bài toán OPF áp dụng phương pháp DE

Hàm mục tiêu:

Mục tiêu của bài toán là cực tiểu tổng chi phí vận hành vơi F(x) là hàm tổng chi phí vận hành máy phát

F(x)= 𝑁𝑔𝑖=1𝐹𝑖 = 𝑎𝑁𝑔𝑖 𝑖𝑃𝑔𝑖2+ 𝑏𝑖𝑃𝑔𝑖 + 𝑐𝑖 $/Hr (2.101) Với:

Ng: số máy phát

Pi: công suất tác dụng phát ra tại máy phát thứ i

ai, bi, ci: hể số chi phí của máy phát thứ i

Các ràng buộc:

g(x,u)=0, h(x,u)<=0 (2.102) Các biến phụ thuộc:

𝑋𝑇 = 𝑃𝐺1, 𝑉𝐿, 𝑄𝐺, 𝑆𝑙 (2.103)

𝑋𝑇 = 𝑃𝐺1, 𝑉𝐿1, … 𝑉𝐿𝑁𝑝𝑞, 𝑄𝐺1, … 𝑄𝐺𝑁𝑔, 𝑆𝑙1,…𝑆𝑙𝑁𝑙

Trong đó:

X là vector biến phụ thuộc bao gồm slack bus công suất PG1, bus tải điện áp

VL, công suất phản kháng ra QG, và công suất truyền tải trên đường dây Sl

Npq, Ng, Nl tương ứng là số bus tải, số máy phát và số đường dây truyền tải Các biến độc lập:

U=[ VG, PG, T] (2.104)

𝑢𝑇 = 𝑉𝐺1, … … … 𝑉𝐺𝑁𝑔, 𝑃𝐺2, … … … 𝑃𝐺𝑁𝑔 ,𝑇1, … … 𝑇𝑁𝑡 U: là vector biến độc lập bao gồm điện áp phát VG, công suất thực PG, ngoại trừ ở slack bus PG1

ACO được giới thiệu bởi Marco Dorigo vào năm 1992,và mở rộng trong công việc nghiên cứu ACO là một phương pháp nghiên cứu lấy cảm hứng từ việc

mô phỏng hành vi của đàn kiến trong tự nhiên nhằm mục tiêu giải quyết các bài toán tối ưu phức tạp[5,6,7]

Một vài thuật toán tốt nhất đã được phát triển trong lĩnh vực tính toán tiến hóa

là Genetic Algorithms(GA), Evolutionary Programming(EP), và Evolution Strategies(ES) Các thuật toán này đã được trình bày lần đầu vào năm 1960 thì việc tính toán tiến hóa bắt đầu được chú ý đến Gần đây những thành tựu đạt được từ các thuật toán tiến hóa trong việc giải quyết các vấn đề phức tạp và nâng cao trong tính toán đã khơi dậy sự phát triển của các giải thuật mới như: Differential Evolution(DE), Particle Swarm Optimization(PSO), Ant Colony Optimization(ACO) được thể hiện qua các đặc điểm hội tụ cao và khả năng đem lại tối ưu hóa toàn diện Các thuật toán tiến hóa đã được áp dụng thành công cho nhiều vấn đề tối ưu trong các hệ thống năng lượng

3.2 Thuật toán ACO

Thuật toán ACO là một thuật toán rất mạnh trong tính toán tiến hóa nhờ có các đặc điểm hội tụ và một vài tham số điều khiển Giải thuật kiến đã nhận được sự chú ý rộng lớn nhờ vào khả năng tối ưu của nó trong nhiều lĩnh vực khác nhau Khái niệm ACO lấy cảm hứng từ việc quan sát hành vi của đàn kiến trong quá trình chúng tìm kiếm nguồn thức ăn Người ta đã khám phá ra rằng, đàn kiến luôn tìm được đường đi ngắn nhất từ tổ của chúng đến nguồn thức ăn Phương tiện truyền đạt

đường đi hiệu quả nhất chính là mùi của chúng(pheromone) Kiến để lại vệt mùi trên mặt đất khi chúng di chuyển với mục đích đánh dấu đường đi cho các con theo sau Vệt mùi này sẽ bay hơi dần và mất đi theo thời gian, nhưng nó cũng có thể được củng cố nếu những con kiến khác tiếp tục đi trên con đường đó lần nữa Dần dần, các con kiến theo sau sẽ lựa chọn đường đi với lượng mùi dày đặc hơn, và chúng sẽ làm gia tăng hơn nữa nồng độ mùi trên những đường đi được yêu thích hơn Các đường đi với lượng mùi ít hơn rốt cuộc sẽ bị loại bỏ và cuối cùng, tất cả đàn kiến sẽ cùng kéo về một đường đi mà có khuynh hướng trở thành đường đi ngắn nhất từ tổ đến nguồn thức ăn của chúng[9]

Hình 3.1: Cách kiến thực tìm một con đường ngắn nhất 3.1a kiến đến một điểm nhất định

3.1b một số kiến chọn con đường trên và một số kiến chọn con đường dưới sự lựa chọn là ngẫu nhiên

3.1c từ khi kiến di chuyển khoảng một tốc độ không đổi

3.1d mùi tích lũy với tốc độ cao hơn trên con đường ngắn hơn

ACO được đặc tính bởi sử dụng một (thông số) mô hình xác suất được sử dụng để tạo ra các giải pháp cho vấn đề xem xét Mô hình xác suất gọi là mô hình

pheromone Mô hình pheromone bao gồm một tập hợp các thông số mô hình được gọi là các thông số pheromone trail Thông số pheromone trail có giá trị gọi là giá trị pheromone ở thời gian hoạt động thuật toán ACO tiến hành cập nhật các giá trị pheromone như là một xác suất để tạo ra các giải pháp chất lượng cao vượt qua thời gian

Nói chung mục đích ACO tiếp cận để giải quết vấn đề tối ưu hóa bằng cách lặp lại hai bước như sau:

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

- Lời giải bài toán được sử dụng để bổ trợ cho những giá trị pheromone mang tính chất đặt trưng với cách thiên về cách lấy mẫu trong tương lai và đưa ra lời giải chất lượng cao

3.3.Ưu điểm của thuật toán

ACO là một kỹ thuật tiến hóa có nhiều ưu điểm nổi bật hơn so với các kỹ thuật tối ưu khác như:

- ACO có nhiều khả năng hội tụ đối với các giải pháp toàn cầu bởi vì đồng thời nó đánh giá nhiều điểm trong không gian thông số

- Là thuật toán không cần phải giả định rằng không gian tìm kiếm là khả vi hoặc liên tục

- Đẩy nhanh quá trình ACO-OPF, các biến có thể điều khiển tách rời để giới hạn công suất tác dụng và công suất phản kháng điều đó đạt đến hàm chi phí

- Thông số slack bus sẽ được tính lại trong quá trình dòng tải để có hiệu quả ràng buộc công suất phản kháng

3.4 Ứng dụng thuật toán ACO

Ứng dụng của ACO trong một số lĩnh vực

ACO đã ứng dụng thành công trong nhiều lĩnh vực Có nhiều bài báo đã đăng các ứng dụng thành công của ACO[9] Có thể điển hình một số lĩnh vực đã ứng dụng ACO thành công như nhân viên bán hàng du lịch[8]; ứng dụng trong sinh học; ứng dụng trong vấn đề định tuyến xe[12, 13, 14]; ứng dụng trong mạng viễn thông [15]; ứng dụng trong bài toán lập kế hoạch sản xuất[19, 20, 21]; ứng dụng vẽ

đồ thị [16];ứng dụng trong vẽ đồ thị Hamiton[18];vấn đề tối ưu hóa tổ hợp; ứng dụng trong lãnh vực tái cấu trúc lưới điện phân phối

ACO cũng giống như thuật toán tiến hóa khác có thể được ứng dụng để giải quyết vấn đề một cách tối ưu nhất và các vấn đề này có thể được chuyển thành các bài toán tối ưu

Trong bài toán điều độ kinh tế thuật toán ACO theo [33] giải bài toán ED, hàm mục tiêu được thành lập dựa trên sự kết hợp hàm chi phí bậc hai gián đoạn với những vùng không khả vi, vận hành kinh tế như tác động của điểm valve và các loại nhiên liệu hàm mục tiêu ED có dạng:

𝐹𝑖(𝑃𝑖) = 𝑎𝑖𝑃𝑖2 + 𝑏𝑖𝑃𝑖 + 𝑐𝑖 + [𝑔𝑖sin{𝑔𝑖 𝑑𝑖 − 𝑃𝑚𝑖𝑛

𝑖 }]

gi và hi hệ số các điểm valve di chi phí gia tăng dường cong điểm valve ACO giải bài toán khả vi hay liên tục

3.5 Mô hình bài toán OPF áp dụng thuật toán ACO

Theo tiêu chuẩn vấn đề OPF có thể được viết dưới dạng sau:

h(x) đại diện cho ràng buộc cân bằng

g(x) đại diện cho ràng buộc không cân bằng

x là vector của biến điều khiển, đó là những biến mà có thể thay đổi bởi một trung tâm điều khiển( phát ra công suất tác dụng, công suất phản kháng, biên độ điện áp bus v.v )

Bản chất của vấn đề tối ưu dòng công suất nằm ở chỗ giảm hàm mục tiêuvà đồng thời đáp ứng các phương trình dòng tải(ràng buộc cân bằng)mà không vi phạm các ràng buộc không cân bằng

3.5.1 Hàm mục tiêu

Mục tiêu thường được sử dụng nhất trong việc xây dựng bài toán OPF là giảm tối thiểu tổng chi phí công suất thực phát ra Chi phí từng máy phát tạo ra là tổng của hàm mục tiêu, sự phát công suất tác dụng và là đại diện cho đường cong bậc hai của phương trình bậc hai Hàm mục tiêu cho toàn bộ hệ thống điện có thể được viết như tổng của các mô hình chi phí bậc hai tại mỗi máy phát:

F(x)= 𝑛𝑔𝑖=1(𝑎𝑖 + 𝑏𝑖𝑝𝑔𝑖 + 𝑐𝑖𝑝𝑔𝑖2) (3.2)

Với:

Ng: số máy phát bao gồm cả nút chuẩn

Pgi: công suất tác dụng phát ra tại bus thứ i

ai, bi và ci là các hệ số của hàm chi phí máy phát thứ i

Theo tiêu chuẩn của vấn đề OPF có thể được mô tả toán học như một mục tiêu với hai ràng buộc như:

𝑃𝑖(𝑉, 𝜃) = 𝑛𝑏𝑢𝑠𝑗 =1 𝑉𝑖𝑉𝑗(𝑔𝑖𝑗 cos 𝜃𝑖𝑗 + 𝑏𝑖𝑗 sin 𝜃𝑖𝑗) ; i= 2, nbus (3.6)

𝑄𝑖(𝑉, 𝜃) = 𝑛𝑏𝑢𝑠𝑗 =1 𝑉𝑖𝑉𝑗(𝑔𝑖𝑗 sin 𝜃𝑖𝑗 − 𝑏𝑖𝑗 cos 𝜃𝑖𝑗); i= npv+1,nbus (3.7)

Trong đó: gij là điện dẫn

bij là điện nạp

Vi là biên độ điện áp ở bus thứ i

𝜃𝑖𝑗 là góc pha điện áp bus

3.5.3 Ràng buộc không cân bằng

Những ràng buộc không cân bằng của OPF phản ánh giới hạn trên các thiết

bị trong hệ thống điện như là giới hạn được tạo ra để đảm bảo hệ thống an toàn Loại ràng buộc không cân bằng thường được sử dụng nhiều nhất là giới hạn điện áp bus ở máy phát và các bus tải, giới hạn dưới điện áp bus ở các bus tải Giới hạn