HIỆU CHỈNH THÔNG số bộ PSS BẰNG GIẢI THUẬT đàn KIẾN ACO

Đư ng dây liên kết giữa các hệ thống điện lân cận là tương đối yếu khi so với hệ thống không có liên kết, nó dễ dẫn đến dao động tần số thấp trong nội vùng, những dao động không ổn định

vi

MỤC LỤC

Quyết định giao đề tài

Lý lịch cá nhân - i

L i cam đoan - ii

L i cảm ơn - iii

Tóm tắt - iv

Mục lục - vi

Danh sách các chữ viết tắt - ix

Danh sách các hình - x

Danh sách các bảng - xii

Ch ơng 1: TỔNG QUAN VỀ ỔN ĐỊNH H THỐNG ĐI N 1.1.Hệ thống điện và sự ổn định - 1

1.2 Kỹ thuật điều khiển hạn chế dao động trong hệ thống điện - 2

1.2.1.Điều khiển hạn chế trên đư ng dây truyền tải - 2

1.2.2 Bộ điều khiển giảm dao động đặt tại máy phát - 3

1.3 Mục tiêu nghiên c u - 4

1.4 Phương pháp nghiên c u - 4

1.5 Phạm vi nghiên c u - 4

1.6 Kết cấu luận văn - 5

Ch ơng 2: DAO ĐỘNG GịC T I TRONG H THỐNG ĐI N VÀ BỘ ỔN ĐỊNH H THỐNG ĐI N (PSS) 2.1 Vấn đề dao động góc tải trong HTĐ - 7

2.1.1 Định nghĩa góc tải (góc rotor) - 7

2.1.2 Cân bằng công suất trong HTĐ - 8

2.1.3 Nguyên nhân gây ra dao động góc tải - 9

2.1.4 Nâng cao ổn định HTĐ - 11

2.2 Bộ ổn định HTĐ (Power system stabilizer) - 12

2.3 Công suất giảm chấn trong máy phát được sinh ra để giảm dao động - 14

Ch ơng 3: GI I THUẬT TỐI U HịA ĐÀN KIẾN

3.1 Giới thiệu - 16

3.2 ng dụng thuật toán đàn kiến giải bài toán tìm đư ng “ Travelling Salesman Problem” (TSP) - 19

3.2.1.Bài toán TSP - 19

3.2.2 ng dụng thuật toán đàn kiến giải bài toán TSP - 20

3.3 Các nguyên tắc khi áp dụng tối ưu đàn kiến - 23

3.3.1 Số lượng kiến - 23

3.3.2 Xác định các vệt mùi - 24

3.3.3 Các thông tin heuristic - 24

3.3.4 Kết hợp tìm kiếm địa phương - 25

3.3.5 Điều chỉnh giữa sự học tăng cư ng và sự khám phá - 25

Ch ơng 4: HI U CHỈNH THÔNG SỐ BỘ PSS BẰNG GI I THUẬT KIẾN 4.1 Tạo nút và đư ng - 27

4.2 Hàm mục tiêu c a thuật toán - 28

4.3 Chọn đư ng đi theo xác suất - 29

4.4 Cập nhật lượng mùi - 30

4.5.Lưu đồ thuật toán - 31

4.6 Các bước thực hiện thuật toán - 32

Ch ơng 5: XỂY DỰNG MÔ HỊNH MÁY PHÁT ĐI N NỐI L ỚI 5.1 Phương trình góc công suất c a máy phát điện - 33

5.2 Phương trình độ lệch tốc độ - 34

5.3 Phương trình s c điện động quá độ trục q c a máy phát điện - 34

5.4 Phương trình tính s c điện động quá độ trục d (E’d) - 35

5.5 Phương trình công suất trên đầu cực máy phát - 35

5.6 Phương trình tính điện áp trục q c a máy phát - 36

5.7 Phương trình tính điện áp trục d c a máy phát - 36

5.8 Phương trình tính dòng điện trục d c a máy phát - 36

5.9 Phương trình tính dòng điện trục q c a máy phát - 36

viii

5.10 Bộ ổn định PSS thông thư ng theo IEEE chuẩn PSS1A - 38

Ch ơng 6: KẾT QỦA MÔ PH NG 6.1 Mô hình nghiên c u - 40

6.2 Kết quả mô phỏng - 41

6.2.1 Trư ng hợp 1 : thay đổi tải đột ngột - 41

6.2.2 Trư ng hợp 2: Ngắn mạch đầu cực máy phát - 43

Ch ơng 7: KẾT LUẬN VÀ H ỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 7.1 Kết luận - 46

7.2 Hạn chế - 47

7.3 Hướng phát triển c a đề tài - 47

TÀI LI U THAM KH O - 48

PHỤ LỤC A :THÔNG SỐ MÁY PHÁT-Đ ỜNG DỂY - 50

PHỤ LỤC B : CODE MATLAB - 51

DANH MỤC T VIẾT TẮT

IEEE : Institute of Electrical and Electronics

Engineers

x

DANH MỤC CÁC HỊNH VẼ, ĐỒ THỊ

Hình 2.1 Đặc tính công suất máy phát - 7

Hình 2.2 Phân loại ổn định HTĐ - 9

Hình 2.3 Dao động cục bộ - 10

Hình 2.4 Dao động liên khu vực - 10

Hình 2.5 Sơ đồ điều chỉnh kích từ có PSS - 11

Hình 2.6 Mô hình cơ khí giống như máy phát mang tải - 12

Hình 2.7 Sơ đồ khối tín hiệu bộ PSS cấp cho hệ thống kích từ - 12

Hình 2.8 Cấu trúc cơ bản c a bộ PSS - 13

Hình 2.9 Sơ đồ khối c a Bộ PSS theo tiêu chuẩn IEEE 412.5 - 14

Hình 2.10 Sơ đồ nguyên lý tạo ra công suất giảm chấn - 14

Hình 2.11 Cuộn dây giảm chấn D được đặt trên rotor máy phát - 15

Hình 2.12 Đư ng đi từ thông phần ng ở các trạng thái khác nhau - 15

Hình 3.1 Thí nghiệm chiếc cầu đôi - 16

Hình 3.2 Vòng quay Bánh xe sổ xố - 22

Hình 4.1 Biểu diễn các thông số c a bộ PSS trong hệ trục tọa độ Oxy - 28

Hình 4.2 Lưu đồ giải thuật đàn kiến ACO - 31

Hình 5.1 Sơ đồ tương đương máy phát điện đồng bộ - 33

Hình 5.2 Mô hình Simulink để tính góc công suất c a máy phát điện trong Matlab 34

Hình 5.3 Mô hình Simulink để tính thành phần s c điện động E’q - 35

Hình 5.4 Mô hình Simulink để tính thành phần E’d - 35

Hình 5.5 Mô hình Simulink để tính công suất trên đầu cực máy phát - 36

Hình 5.6 Mô hình Simulink để tính tính dòng điện id, iq c a máy phát - 37

Hình 5.7 Mô hình Simulink để tính điện áp trên đầu cực máy phát Vt - 37

Hình 5.8 Mô hình Simulink để tính công suất điện Pe trên đầu cực máy phát - 37 Hình 5.9 Mô hình Simulink Bộ PSS - 38

Hình 5.10 Mô hình mô phỏng tính góc công suất δ, công suất điện Pe, điện áp trên đầu cực máy phát Vt trong SIMULINK - 39

Hình 6.1 Mô hình máy phát nối vào hệ thống truyền tải - 40

Hình 6.2 Công suất điện Pe (pu) trên đầu cực máy phát khi công suất phụ tải thay đổi - 42

Hình 6.3 Góc công suất Delta c a máy phát khi công suất phụ tải thay đổi 42

Hình 6.4 Độ lệch tốc độ c a máy phát khi công suất phụ tải thay đổi - 43

Hình 6.5 Góc công suất delta c a máy phát trong trư ng hợp ngắn mạch - 44

Hình 6.6 Độ lệch tốc độ rotor trong trư ng hợp ngắn mạch - 44

Hình 6.7 Công suất điện Pe trong trư ng hợp ngắn mạch - 45

xii

DANH MỤC CÁC B NG

Bảng 6.1 Các tham số sử dụng trong giải thuật đàn kiến - 41Bảng 6.2 Các thông số c a bộ PSS - 41Bảng 6.1 Giới hạn ổn định động - 45

Ch ơng 1:

TỔNG QUAN VỀ ỔN ĐỊNH H THỐNG ĐI N

1.1 H th ng đi n và s n đ nh

Ngày nay, hệ thống điện (HTĐ) không còn là một hệ thống đơn lẻ mà là một

hệ thống liên kết Nó có thể bao gồm hàng ngàn thiết bị điện và trải rộng trên một khu vực rộng lớn, lợi ích c a việc liên kết HTĐ là [6]:

 Cung cấp một lượng lớn công suất và tăng độ tin cậy c a hệ thống

 Giảm số lượng máy phát theo yêu cầu vận hành đỉnh tải cũng như yêu cầu dự trữ quay c a hệ thống khi tải thay đổi đột ngột

 Cung cấp nguồn công suất kinh tế cho khách hàng

Mặt khác liên kết hệ thống cũng mang đến nhiều vấn đề mới Đư ng dây liên kết giữa các hệ thống điện lân cận là tương đối yếu khi so với hệ thống không có liên kết, nó dễ dẫn đến dao động tần số thấp trong nội vùng, những dao động không

ổn định thư ng xảy ra tại tần số thấp khi liên kết hệ thống

Nghiên c u ổn định HTĐ là một ch đề được quan tâm trong nghiên c u kỹ thuật điện, ổn định HTĐ có thể định nghĩa như sau:

Khả năng c a các máy phát điện đồng bộ trong hệ thống phản ng lại sự nhiễu loạn trong điều kiện vận hành bình thư ng để đưa hệ thống vận hành trở lại trạng thái bình thư ng

Nghiên c u ổn định phụ thuộc bản chất và đặc tính c a biên độ nhiễu, và được phân ra làm 3 loại:

Tr ng thái n đ nh lâu dài: để chỉ tính chất hoạt động c a một hệ thống

quanh một điểm vận hành cố định Hệ thống thay đổi nhỏ và từ từ theo điều kiện vận hành

Ổn đ nh đ ng là: đáp ng th i gian dài c a hệ thống đối với nhiễu loạn

tương đối nhỏ Nó khác với trạng thái ổn định tĩnh bởi vì hệ thống có thể ổn định ở trạng thái tĩnh và hệ thống phải có nhiễu loạn nhỏ

Ổn đ nh quá đ là: nếu một hệ thống vẫn giữ được đồng bộ sau khi có sự

nhiễu lớn chẳng hạn như: sự cố hệ thống truyền tải, sự thay đổi tải đột ngột, mất

nguồn phát hay đóng cắt đư ng dây Vấn đề ổn định quá độ được chia ra thành những phần nhỏ dao động là lúc những giây ban đầu sau khi nhiễu loạn, và nhiều dao động ổn định có th i gian nghiên c u hơn 10 giây

Đối với trạng thái ổn định động và ổn định lâu dài, hệ thống có thể được mô hình bằng các phương trình vi phân tuyến tính Đối với bài toán ổn định quá độ, hệ thống phải được biểu diễn bằng phương trình vi phân phi tuyến Nghiên c u tất cả các trạng thái ổn định với mục đích là Rotor c a máy phát dao động được đưa trở về tốc độ vận hành ổn định

1.2 Kỹ thu t đi u khi n đ h n ch dao đ ng trong h th ng đi n

Một vấn đề thông thư ng trong hệ thống điện lớn và nhỏ là bản chất vốn có

c a dao động không ổn định Trong những thập kỹ qua nhiều công trình nghiên c u

để cải thiện ổn định hệ thống, thư ng nói nhiều là phương pháp điều khiển hạn chế dao động được chia ra thành hai nhóm [11]:

 Tăng cư ng điều khiển để hạn chế dao động trong đư ng dây truyền tải

 Tăng cư ng điều khiển để hạn chế dao động tại ví trí nhà máy phát điện

1.2.1 Đi u khi n h n ch dao đ ng trên đ ng dây truy n t i

Truy n t i đi n m t chi u cao th (HVDC): có vai trò quan trọng trong

việc nâng cao ổn định HTĐ [6], là vì đối với HVDC không cần duy trì đồng bộ Mặc khác, HVDC có khả năng hạn chế dao động vì đư ng dây liên kết HVDC có thể thay đổi dòng công suất truyền tải phối hợp với hệ thống AC nhanh hơn bất kỳ nhà máy nhiệt điện nào Tác hại chính c a HVDC là giá thành và sự ph c tạp c a

bộ chỉnh lưu, mặc khác nó còn phát ra sóng hài vào hệ thống AC

H th ng truy n t i đi n xoay chi u AC linh ho t (FACTS): có khả năng

điều khiển truyền tải công suất với hệ thống điện có các thông số ràng buộc như tổng trở nối tiếp, tổng trở rẽ nhánh, góc pha v.v[6] Các bộ điều khiển FACTS gồm có:

 Bù công suất phản kháng tĩnh SVC dùng van Thyristor để nhanh chóng thêm hoặc cắt bớt điện cảm, điện dung mắc rẽ nhánh

 Thyristor điều khiển tụ nối tiếp (TCSC) có thể thay đổi tổng trở từ m c thấp đến m c tổng trở tự nhiên đư ng dây truyền tải

 Tụ tĩnh (Statcom) phát ra công suất phản kháng có thể là công suất c a tụ, hay công suất c a cuộn dây để điều khiển được điện áp trên lưới

 Bộ điều chỉnh góc pha thay đổi điện áp pha bằng cách thêm hoặc bớt một thành phần điện áp, thành phần này vuông góc với điện áp pha c a đư ng dây

Bộ HVDC được ưa chuộng hơn, trở ngại chính c a bộ điều khiển FACTS là giá thành cao

1.2.2 B đi u khi n gi m dao đ ng đặt t i máy phát

Điều khiển kích từ là một trong những kiểu điều khiển hạn chế dao động đặt tại máy phát vì những lý do sau:

 Hệ thống điện có hằng số th i gian nhỏ hơn hệ thống cơ khí c a máy phát

 Hệ thống điều khiển điện dễ ng dụng và kinh tế hơn hệ thống điều khiển cơ

khí

 Hằng số th i gian hồi tiếp nhỏ và một hệ thống điều khiển điện là một hệ thống tác động liên tục, vì thế nó làm cho hệ thống có đáp ng phẳng hơn Điều khiển kích từ cung cấp cho máy phát được xem như là Bộ ổn định hệ thống điện (Power System Stabilizer - PSS), nó được chọn đầu tiên để nâng cao việc giảm dao động c a hệ thống kích từ[6] Ch c năng chính c a một bộ PSS là

mở rộng giới hạn ổn định bằng cách điều chỉnh hệ thống kích từ để hạn chế dao động c a Rotor máy phát đồng bộ với các máy phát khác Đó là những dao động có tần số từ 0.2 đến 2 Hz và những dao động này làm giảm khả năng truyền công suất

Để ngăn ngừa dao động, Bộ ổn định HTĐ phải tạo ra được một mômen điện trong Rotor cùng pha với sự thay đổi tốc độ Tín hiệu đầu vào c a bộ PSS là một trong các thành phần bên dưới hoặc là tổ hợp c a chúng:

Bộ PSS đầu tiên được gọi là bộ PSS thông thư ng (CPSS)[6] được thiết kế dựa trên hàm truyền sử dụng lý thuyết điều khiển cổ điển Nó sử dụng hệ thống bù sớm trễ pha để bù sự dịch chuyển pha do dao động tần số thấp gây ra do sự nhiễu loạn trong hệ thống bằng cách điều chỉnh thích hợp các thông số hệ thống bù sớm trễ pha Nó có thể làm cho hệ thống giảm bớt dao động

Tuy nhiên hệ thống điện là một hệ thống phi tuyến Mô hình hệ thống tuyến tính hóa được sử dụng để thiết kế Bộ ổn định HTĐ thông thư ng chỉ được đánh giá tại th i điểm vận hành và tại đó hệ thống được tuyến tính hóa

Để có bộ PSS cung cấp mô men giảm chấn tốt trên điều kiện hoạt động rộng, các thông số c a nó cần được hiệu chỉnh để đáp ng tốt với tất cả các loại dao động,

mà đây là một công việc tốn rất nhiều th i gian Để đơn giản quá trình này, các thuật toán tối ưu thông minh như: Mạng neuron (Neuron Network), Thuật toán di truyền (Genetic Algorithm), Giải thuật bầy đàn (Particle Swarm Optimization) … được áp dụng để xác định các thông số tối ưu c a bộ PSS Cho đến nay trên thế giới cũng đã có nhiều công trình nghiên c u về vấn đề này Có thể kể đến một số nghiên

c u như:

- “Tuning of power system stabilizer using an artificial neuron network” c a nhóm tác giả Yuan-Yih Hsu, Chao-Rong Chen[8]

- “Tuning of power system stabilizers using genetic algorithms” c a nhón tác

giả Y.L Abdel-Magid , M.M Dawoud[9]

- “ ng dụng giải thuật PSO để xác định thông số tối ưu cho bộ PSS” c a

nhóm tác giả Nguyễn Minh Tâm, Nguyễn Hoàng Linh[10]

Các nghiên c u trên ng dụng thuật toán tối ưu thông minh mạng Noron, giải thuật Gen và giải thuật bầy đàn tối ưu hóa các tham số c a bộ PSS và mô phỏng trên hệ thống SMIB (Single Machine Infinity Bus) để ổn định các dao động tín hiệu nhỏ c a hệ thống Các kết quả mô phỏng trên phần mềm Matlab/Simulink c a các nghiên c u này cho thấy bộ PSS với các tham số được tối ưu bằng các thuật toán thông minh có đáp ng ổn định tốt hơn so với khi không có PSS và khi có bộ PSS truyền thống Tần số và biên độ c a các dao động thấp hơn, th i gian trở về trạng

thái ổn định ngắn hơn Qua đó, cho ta thấy tính hiệu quả khi áp dụng các thuật toán tối ưu thông minh trong việc hiệu chỉnh tối ưu các thông số c a bộ PSS

Trong luận văn này chúng tôi đề xuất một phương pháp tối ưu khác đó là dùng giải thuật đàn kiến (ACO) để hiệu chỉnh tìm thông số tối ưu cho bộ PSS và mô

phỏng trên hệ thống SMIB Kết quả sẽ được kiểm ch ng bằng mô phỏng trên phần mềm Matlab/Simulink

1.3 M c tiêu nghiên c u

ng dụng giải thuật đàn kiến (ACO - Ant Colony Optimization) để tìm kiếm các thông số tối ưu c a bộ PSS nhằm cải thiện trạng thái ổn định c a máy phát, nâng cao đặc tính ổn định động c a hệ thống

1.5 Ph m vi nghiên c u

Đề tài tập trung nghiên c u giải thuật đàn kiến (ACO) cho việc xác định thông số tối ưu c a bộ PSS nhằm cải thiện trạng thái ổn định c a máy phát, nâng cao đặc tính ổn định động c a hệ thống

1.6 K t cấu c a lu n văn

Luận văn này chia ra các phần nghiên c u như sau:

Chương 1: Tổng quan về hệ thống điện

 Chương này gồm những nội dung sau :

Chương 2: Dao động góc tải và Bộ ổn định HTĐ PSS

 Chương này tìm hiểu các vấn đề:

 Định nghĩa góc tải

 Cân bằng công suất trong hệ thống điện

 Nguyên nhân gây ra dao động góc tải

 Nâng cao ổn định hệ thống điện

 Bộ ổn định hệ thống điện

 Công suất giảm chấn trong máy phát

Chương 3: Thuật toán tối ưu hóa bầy kiến

 Chương này tìm hiểu các vấn đề:

 Lịch sử hình thành

 Mô tả thuật toán

 Đặc điểm và ng dụng c a giải thuật đàn

Chương 4: Hiệu chỉnh bộ PSS bằng giải thuật đàn kiến

 Chương này trình bày các bước thực hiện áp dụng thuật toán đàn kiến

để tìm bộ thông số tối ưu cho bộ PSS

Chương 5: Xây dựng mô hình máy phát điện

 Chương này tìm hiểu các vấn đề:

 Phương trình góc công suất máy phát điện

 Phương trình độ lệch tốc độ

 Phương trình s c điện động quá độ trục q c a máy phát điện

 Phương trình tính s c điện động quá độ trục d (E’d)

 Phương trình công suất trên đầu cực máy phát

 Phương trình tính điện áp trục q c a máy phát

 Phương trình tính điện áp trục d c a máy phát

 Phương trình tính dòng điện trục d c a máy phát

 Phương trình tính dòng điện trục q c a máy phát

 Bộ ổn định PSS theo IEEE chuẩn PSS1A

Chương 6: Kết quả mô phỏng

 Chương này trình bày các kết quả đạt được trong quá trình mô phỏng, đưa ra nhận xét

Chương 7: Kết luận và hướng phát triển c a đề tài

 Chương này trình bày các kết quả đạt được, hạn chế và hướng phát triển

đề tài

là Xe

Góc tải (góc rotor) � là góc giữa vector s c điện động bên trong ̃ do từ

thông dòng điện kích từ sinh ra với vector điện áp trên thanh cái đầu cực �̃ = � ∠

Hình 2.1b là sơ đồ thay thế lý tưởng (đã bỏ qua điện trở và điện dẫn các phần tử) để xác định mối quan hệ giữa công suất với góc Hình 2.1c biểu diễn đồ thị vector pha giữa máy phát và hệ thống chế độ xác lập công suất đầu ra c a máy phát cho bởi[12]:

Đáp ng c a mối quan hệ công suất và góc � được biểu diễn như hình 2.1d Với các mô hình được lý tưởng hoá sử dụng để biểu diễn máy phát đồng bộ (như đã

giả thiết), thì sự thay đổi công suất theo góc � có dạng hình sin Còn với các mô hình máy phát đòi hỏi sự chính xác cao như xét đến ảnh hưởng c a quá trình điện

từ, thì mối quan hệ công suất góc có thể lệch khỏi dạng sin, tuy nhiên dạng chung là giống nhau Khi góc bằng không, công suất bằng không Nếu góc tăng, công suất truyền tải sẽ tăng tới giá trị cực đại thư ng được đảm bảo bằng 900, sau đó nếu góc tiếp tục tăng công suất sẽ giảm Còn tiếp tục tăng góc nữa sẽ dẫn tới mất ổn định

2.1.2 Cân b ng công su ất trong HTĐ

Trong quá trình vận hành, khi bị nhiễu loạn bởi sự thay đổi đột ngột, tốc độ

và công suất c a máy phát sẽ biến đổi xung quanh điểm vận hành Mối quan hệ này

có thể được biểu diễn bởi phương trình chuyển động sau đây (trong hệ đơn vị tương đối) [12]:

�

�

= − Trong đó:

� – góc rotor (rad)

� – tốc độ góc rotor, giá trị cơ sở hoặc giá trị định m c bằng 2 rad/s

Tm – Moment cơ (p.u)

Te – Moment điện (p.u)

H – hằng số quán tính c a máy phát (MW-s/MVA)

Theo (2.2), ở chế độ xác lập c a HTĐ, có sự cân bằng giữa mô men cơ đầu vào và mô men điện đầu ra c a mỗi máy phát (Tm = Te) và góc tải, tốc độ rotor duy trì là hằng số Nếu hệ thống bị xáo trộn, điểm cân bằng sẽ bị thay đổi, kết quả làm cho rotor bị tăng tốc hay giảm tốc so với tần số hệ thống, khiến hoạt động c a máy phát có thể không ổn định

2.1.3 Nguyên nhân gây ra dao đ ng góc t i

Khi có tải yêu cầu đến một trạm có nhiều tổ máy, bộ phận phân phối công suất sẽ làm nhiệm vụ phân công suất cho các tổ máy để hướng tới sự cân bằng Tuy nhiên do động học c a mỗi máy phát là khác nhau, gây nên các luồng công suất trao đổi trong nội bộ trạm phát, hoặc giữa máy phát với hệ thống qua đư ng truyền Những tác động xen kênh này khiến cho rotor máy phát dao động xung quanh điểm làm việc

Một nguồn khác gây nên dao động góc tải là việc sử dụng các bộ kích từ đáp

ng nhanh với AVR hệ số khuếch đại lớn có tác dụng cải thiện giới hạn ổn định tĩnh

và ổn định động, nhưng lại làm giảm thành phần mô men damping, gây bất lợi với

ổn định tín hiệu nhỏ

Tác h i c a dao đ ng:

Khi góc tải dao động khiến tốc độ rotor không còn là tốc độ đồng bộ nữa, góc tải có thể vượt quá 900 điện (hình 2.1d), làm cho hoạt động máy phát bị mất đồng bộ, trong trư ng hợp không được khống chế kịp th i, nó rất có thể bị cộng hưởng với những dao động khác gây nên mất đồng bộ nghiêm trọng giữa các máy phát và lưới điện thậm chí gây tan rã HTĐ

Cách ti p c n nghiên c u n đ nh:

Trong cách phân loại ổn định HTĐ như hình 2.2 [12] thì ổn định góc tải chia

ra làm hai loại là ổn định tín hiệu nhỏ và ổn định quá độ

Lý thuyết ổn định tín hiệu nhỏ được dùng để nhận dạng và phân tích các dao động cơ điện (dao động tần số thấp) trong HTĐ Các dao động này làm cho góc rotor c a máy phát tăng lên hoặc giảm đi so với điểm làm việc và là nguyên nhân

c a sự thiếu mô men đồng bộ hoặc mô men damping [15] Dao động tần số thấp gồm có các dạng sau đây[16],[17]:

- Các dao động cục bộ: Những dao động này thư ng liên quan đến một hoặc nhiều máy phát đồng bộ quay với nhau tại một nhà máy điện so với một HTĐ lớn hay trung tâm phụ tải Tần số dao động trong khoảng 0,7–2Hz- Các dao động liên khu vực: Những dao động này thư ng liên quan đến việc kết hợp rất nhiều máy phát tại một phần c a HTĐ đối với phần khác c a HTĐ thông qua đư ng truyền yếu Tần số các dao động liên khu vực thư ng nhỏ hơn 0,5 Hz

- Các dao động toàn cầu: Những dao động này liên quan đến nhiều HTĐ lớn kết nối với nhau trên diện rộng Tần số dao động nhỏ hơn 0,2Hz

Ổn đ nh quá đ là: nếu một hệ thống vẫn giữ được đồng bộ sau khi có sự

nhiễu lớn chẳng hạn như: sự cố hệ thống truyền tải, sự thay đổi tải đột ngột, mất nguồn phát hay đóng cắt đư ng dây Vấn đề ổn định quá độ được chia ra thành những phần nhỏ dao động là lúc những giây ban đầu sau khi nhiễu loạn, và nhiều dao động ổn định có th i gian nghiên c u hơn 10 giây

Việc điều khiển dập dao động được thực hiện thông qua HTKT Trong máy phát điện đồng bộ ngư i ta cũng đã bố trí các vòng dây ngắn mạch trên rotor (cuộn cản), để tiêu tán năng lượng dao động và làm cho các dao động c a máy phát tắt nhanh hơn Tuy nhiên việc làm này không thể triệt tiêu hết các dao động Giải pháp cho vấn đề này là sử dụng thiết bị ổn định HTĐ PSS hoạt động thông qua các bộ điều chỉnh điện áp AVR, có sơ đồ nối vào hệ thống điều khiển như hình 2.5

2.1.4 Nâng cao đ n đ nh h th ng đi n

n định hệ thống điện là khả năng quay trở về trạng thái ban đầu sau khi hệ thống bị nhiễu loạn Thông số quan trọng trong cân bằng hệ thống điện là góc tải (công suất) n định góc tải c a hệ thống điện có thể nâng cao ổn định hệ thống điện, cải thiện ổn định động [12]

Hình 2.5 Sơ đồ điều khiển kích từ có PSS

Mô hình tương tự cho hệ thống máy phát nối vào thanh cái vô hạn:

Hình 2.6 Mô hình cơ khí giống như máy phát mang tải

Mô tả hệ thống cơ khí so với một máy phát điện được mang tải như sau: Một vật có khối lượng m được treo vào cái loxo k và một bộ giảm chấn c (tương tự như bộ giảm sóc xe gắn máy) Khi ta lấy bớt khối lượng m thì cái loxo sẽ

dao động mạnh nhưng nh bộ giảm chấn c nên loxo sẽ ít dao động hơn trước khi trở

về trạng thái cân bằng

Tương tự như trong hệ thống điện: tải P c a máy phát tương đương với khối lượng m khi ta giảm tải P đột ngột thì góc rotor c a máy phát sẽ dao động mạnh, nhưng nh bộ PSS (tương đương bộ giảm chấn c) góc tải ít dao động hơn Đây là

mục đích nghiên c u bộ PSS

2.2 B n đ nh h th ng đi n (Power System Stabilizer)

Bộ ổn định hệ thống điện (Power System Stabilizer – PSS) là một thiết bị dùng để thêm mạch điều khiển cho hệ thống tự động điều chỉnh điện áp AVR[12], như hình 2.7

Hình 2.7 Sơ đồ khối tín hiệu bộ PSS cấp cho hệ thống kích từ

Tín hiệu PSS cấp cho AVR máy phát điện để nâng cao ổn định hệ thống điện trong các trư ng hợp nhiễu loạn tín hiệu nhỏvà nhiễu loạn tín hiệu lớn

trạng thái ổn định, có sự nhiễu loạn tín hiệu nhỏ thì độ lệch tốc độ Δω là zero hay gần zero Không có tín hiệu từ PSS cấp cho AVR

trạng thái không ổn định tốc độ c a máy phát không còn là hằng số nữa, dao động c a rotor làm thay đổi góc lệch rotor Lúc này xuất hiện tín hiệu từ Bộ PSS cấp cho AVR, từ đó sinh ra công suất giảm chấn PD làm giảm dao động và cùng pha với Δω

Hình 2.8 Cấu trúc cơ bản c a PSS

Hình 2.8 là sơ đồ khối cơ bản c a PSS sự dụng trong hệ thống điện Cấu trúc

cơ bản c a một loại PSS dựa trên tín hiệu tốc độ thư ng gồm có:

- Bộ đo tốc độ đầu trục bằng cách dùng một cực từ và cách bố trí bánh răng

- Chuyển đổi tốc độ đo được sang dạng điện áp một chiều tỉ lệ với tốc độ

- Khâu lọc thông cao để loại bỏ m c tốc độ trung bình, điều này đảm bảo rằng PSS chỉ phản ng với những thay đổi trong tốc độ mà không thay đổi điện áp đặt đầu cực máy phát

- Áp dụng vượt pha để tạo ra tín hiệu bù chậm pha trong mạch vòng điều khiển điện áp

- Điều chỉnh hệ số khuếch đại c a tín hiệu cuối cùng đưa đến đầu vào AVR Hình 2.9 là sơ đồ khối c a bộ Bộ CPSS theo tiêu chuẩn IEEE 412.5[14]

+

Khâu lọc Khâu bù Lead-lag Khâu lọc xoắn Khâu giới hạn

Hình 2.9 Sơ đồ khối c a Bộ CPSS theo tiêu chuẩn IEEE 412.5

Trong đó: hệ số khuếch đại là Kpss, Tw là hằng số th i gian c a bộ lọc thông

Từ T1 đến T4 là hằng số th i gian c a khâu bù sớm-trễ Δω là tín hiệu đầu vào và

VPss là tín hiệu ổn định ngõ ra c a PSS

2.3 Công suất gi m chấn trong máy phát đ c sinh ra đ gi m dao đ ng

Hình 2.10 Sơ đồ nguyên lý tạo ra công suất giảm chấn

Có hai phần chính để sinh ra công suất giảm chấn đó là cuộn dây kích từ và cuộn dây giảm chấn[3], Cuộn dây giảm chấn D (damper wingding) là nguồn chính

để giảm chấn trong máy phát điện đồng bộ

Hình 2.10, nguyên lý tạo ra công suất giảm chấn PD trong cuộn dây giảm chấn, khi từ thông do cuộn dây kích từ biến thiên trong quá trình quá độ, thì trong cuộn dây giảm chấn xuất hiện dòng điện và sinh ra công suất giảm chấn, ở trạng thái bình thư ng từ thông xuyên qua cuộn dây giảm chấn không biến thiên nên

+ +

Cu n dây

gi m ch ấn

Cu n dây kích t

Δ

i Δ �

Hình 2.11 Cuộn dây giảm chấn D được đặt trên rotor máy phát

trạng thái trước quá độ cuộn dây này hoạt động như là màng chắn và làm thay đổi từ thông phần ng ϕa không xuyên qua chúng (như hình 2.12)

trạng thái quá độ từ thông móc vòng qua stator khe hở rotor nó sẽ quay cùng tốc độ đồng bộ, và xuyên qua cuộn dây giảm chấn cảm ng một s c điện động

và dòng điện trong nó Khi tốc độ rotor ω khác với tốc độ đồng bộ ωs Dòng điện cảm ng này sẽ sinh ra mô men giảm chấn, theo định luật Lent, Rotor có xu hướng phục hồi lại tốc độ đồng bộ

Việc cộng thêm môment giảm chấn này chỉ xuất hiện khi: ω ≠ ωs và tỉ lệ với

độ lệch tốc độ: Δω = dδ/dt, Công suất giảm chấn: PD= DΔω, trong đó D là hệ số

Ch ơng 3:

3.1 Gi i thi u

ACO (Ant Colony Optimization – Tối ưu đàn kiến) là một phương pháp nghiên

c u lấy cảm h ng từ việc mô phỏng hành vi c a đàn kiến trong tự nhiên nhằm giải quyết các bài toán tối ưu ph c tạp

Năm 1989, nhà bác học ngư i Đan Mạnh Deneubourg và các cộng sự công

bố kết quả nghiên c u về thí nghiệm trên đàn kiến Argentina (một loài kiến hiếm trên thế giới), gọi là thí nghiệm “Chiếc cầu đôi” (Double Bridge Experiment)[18][19]

Cụ thể, họ đã đặt một chiếc cầu đôi gồm hai nhánh (nhánh dài hơn có độ dài bằng hai lần nhánh ngắn hơn, như hình vẽ) nối tổ c a đàn kiến với nguồn th c ăn, sau đó thả một đàn kiến và bắt đầu quan sát hoạt động c a chúng trong một khoảng

th i gian đ lớn Kết quả là ban đầu các con kiến đi theo cả hai nhánh c a chiếc cầu với số lượng gần như ngang nhau, nhưng càng về cuối th i gian quan sát ngư i ta nhận thấy các con kiến có xu hướng chọn nhánh ngắn hơn để đi (80-100% số lượng)

Hình 3.1 Thí nghiệm chiếc cầu đôi (a) Hai nhánh có kích thước bằng nhau

(b) Một nhánh có kích thước gấp đôi nhánh kia

Kết quả được các nhà sinh học lý giải như sau: Do đặc tính tự nhiên và đặc tính hóa học, mỗi con kiến khi di chuyển luôn để lại một lượng hóa chất gọi là các vết mùi (pheromone trail) trên đư ng đi và thư ng thì chúng sẽ đi theo con đư ng

có lượng mùi đậm đặc hơn Các vết mùi này là những loại hóa chất bay hơi theo

th i gian, do vậy ban đầu thì lượng mùi ở hai nhánh là xấp sỉ như nhau, nhưng sau một khoảng th i gian nhất định nhánh ngắn hơn sẽ có lượng mùi đậm đặc hơn so

với nhánh dài hơn do cũng lượng mùi gần xấp sỉ như nhau khi phân bố ở nhánh dài hơn mật độ phân bố mùi ở nhánh này sẽ không dày bằng nhánh có độ dài ngắn hơn, thêm nữa cũng do lượng mùi trên nhánh dài hơn cũng sẽ bị bay hơi nhanh hơn trong cùng một khoảng th i gian [18] [19]

Điều thú vị quan sát được là khi một nhánh dài gấp đôi nhánh kia thì không phải tất cả các con kiến sử dụng nhánh ngắn hơn mà có một lượng nhỏ kiến chọn nhánh dài hơn Đây là cách để kiến có thể khám phá được những con đư ng mới

Hệ thống ACO lần đầu tiên được Marco Dorigo giới thiệu trong luận văn c a mình vào năm 1991, và được gọi là Hệ thống kiến (Ant System, hay AS) AS là kết quả c a việc nghiên c u trên hướng tiếp cận trí tuệ máy tính nhằm tối ưu tổ hợp mà Dorigo được hướng dẫn ở Politecnico di milano với sự hợp tác c a Alberto Colorni

và Vittorio Maniezzo AS ban đầu được áp dụng cho bài toán ngư i du lịch (TSP)

Cũng vào năm 1991, tại hội nghị sự sống nhân tạo lần đầu tiên ở châu Âu, Dorigo và các cộng sự đã công bố bài: sự tối ưu được phân bố bởi đàn kiến [19] Tiếp theo tại hội nghị quốc tế th hai về giải quyết các vấn đề song song trong tự nhiên ở Hà Lan (1992), ông và các cộng sự đã công bố bài: nghiên c u về các đặc tính c a một giải thuật kiến

Kể từ năm 1995 Dorigo, Gambardella và Stützle đã phát triển các sơ đồ AS khác nhau Dorigo và Gambardella đã đề xuất Hệ thống bầy kiến (Ant Colony System, hay ACS) trong khi Stützle and Hoos đề xuất MAX-MIN Ant System (MMAS) Tất cả đều áp dụng cho bài toán ngư i du lịch đối x ng hay không đối

x ng và cho kết quả mỹ mãn Dorigo, Gambardella and Stützle cũng đề xuất những phiên bản lai c a ACO với tìm kiếm địa phương

Vào năm 1995, L.M Gambardella và M Dorigo đã đề xuất hệ thống Ant-Q,

là một cách tiếp cận học tăng cư ng cho cho bài toán TSP

Tiếp đó, vào năm 1996, trong bài báo công nghệ c a mình tại Bruxelles M Dorigo và L.M Gambardella đã công bố hệ thống Ant Conoly System Đây là hệ

thống đề cập đến cách học phối hợp áp dụng cho bài toán TSP

Cũng trong năm 1996 này, T Stützle và H H Hoos đã đề xuất hệt thống

Max-Min Ant System Đây là một hệ thống cải tiến hệ thống AntSystem ban đầu

và được đánh giá là hệ thống tính toán trong tương lai

Sau đó, vào năm 1997, G Di Caro và M Dorigo đã đề xuất hệ thống AntNet Đây là cách tiếp cận về định hướng sự thích nghi Và phiên bản cuối cùng c a hệ thống AntNet về điều khiển mạng truyền thông đã được công bố vào năm 1998

Cũng trong năm 1997, hệ thống Rank-based Ant System, một hệ thống cải tiến hệ thống kiến ban đầu về nghiên c u hệ thống tính toán đã được đề xuất bởi B Bullnheimer, R F Hartl và C Strauss Phiên bản cuối cùng c a hệ thống này được công bố vào năm 1999

Vào năm 2001, C Blum, A Roli, và M Dorigo đã cho công bố về hệ thống kiến mới là Hyper Cube – ACO Phiên bản mở rộng tiếp đó đã được công bố vào năm 2004

Hầu hết các nghiên c u gần đây về ACO tập trung vào việc phát triển các thuật toán biến thể để làm tăng hiệu năng tính toán c a thuật toán Ant System ban đầu

Giải thuật kiến đã nhận được sự chú ý rộng lớn nh vào khả năng tối ưu c a

nó trong nhiều lĩnh vực khác nhau Khái niệm ACO lấy cảm h ng từ việc quan sát hành vi c a đàn kiến trong quá trình chúng tìm kiếm nguồn th c ăn Ngư i ta đã khám phá ra rằng, đàn kiến luôn tìm được đư ng đi ngắn nhất từ tổ c a chúng đến nguồn th c ăn Phương tiện truyền đạt tín hiệu được kiến sử dụng để thông báo cho những con khác trong việc tìm đư ng đi hiệu quả nhất chính là mùi c a chúng (pheromone) Kiến để lại vệt mùi trên mặt đất khi chúng di chuyển với mục đích đánh dấu đư ng đi cho các con theo sau[4]

Vệt mùi này sẽ bay hơi dần và mất đi theo th i gian, nhưng nó cũng có thể được c ng cố nếu những con kiến khác tiếp tục đi trên con đư ng đó lần nữa Dần dần, các con kiến theo sau sẽ lựa chọn đư ng đi với lượng mùi dày đặc hơn, và chúng sẽ làm gia tăng hơn nữa nồng độ mùi trên những đư ng đi được yêu thích hơn Các đư ng đi với nồng độ mùi ít hơn rốt cuộc sẽ bị loại bỏ và cuối cùng, tất cả đàn kiến sẽ cùng kéo về một đư ng đi mà có khuynh hướng trở thành đư ng đi ngắn nhất từ tổ đến nguồn th c ăn c a chúng

Các ng dụng gần đây có thể kể đến như các bài toán lập lịch, tô màu đồ thị, định hướng trong mạng truyền thông, v.v…

3.2 ng d ng thu t toán đàn ki n gi i bài toán tìm đ ng ắ Travelling Salesman ProblemẰ (TSP):

Năm 1991, dựa trên kết quả thí nghiệm trên, nhà khoa học ngư i Bỉ Marco Dorigo đã xây dựng thành công thuật toán đàn kiến (Ant Algorithm, hay còn gọi là

hệ kiến - Ant System) và ng dụng vào giải bài toán tìm đư ng cho du khách Kết quả nghiên c u này đã được công bố trong luận án tiến sĩ c a ông Hiện nay, Dorigo

và các cộng sự c a ông đã xây dựng được nhiều hệ kiến ph c tạp hơn ng dụng vào nhiều bài toán khó hơn và có nhiều ý nghĩa thực tiễn hơn Bài toán “Travelling Salesman Problem” là bài toán đầu tiên và cũng là bài toán tiêu biểu cho ng dụng

c a thuật toán đàn kiến

3.2.1 Bài toán TSP

Nội dung bài toán như sau: Một ngư i chào hàng xuất phát từ thành phố c a anh ta, anh ta muốn tìm một đư ng đi ngắn nhất đi qua tất cả các thành phố c a khách hàng mỗi thành phố đúng một lần sau đó trở về thành phố ban đầu TSP được phát biểu vào thế kỷ 17 bởi hai nhà toán học vương quốc Anh là Sir William Rowan Hamilton và Thomas Penyngton Kirkman, và được ghi trong cuốn giáo trình Lý thuyết đồ thị nổi tiếng c a Oxford Nó nhanh chóng trở thành bài toán khó thách

th c toàn thế giới bởi độ ph c tạp thuật toán tăng theo hàm số mũ (trong chuyên ngành thuật toán ngư i ta còn gọi chúng là những bài toán NP-khó) Ngư i ta bắt đầu thử và công bố các kết quả giải bài toán này trên máy tính từ năm 1954 (49 đỉnh), cho đến năm 2004 bài toán giải được với số đỉnh lên tới 24.978, và dự báo sẽ

còn tiếp tục tăng cao nữa Bài toán TSP có thể phát biểu dưới dạng đồ thị như sau: Cho G = (N, A) là đồ thị có hướng đầy đ có trọng số, trong đó N là tập hợp c a n=|N| nút (thành phố), � = { , | , ∈ � �} là tập tất cả các cung c a đồ thị

Mỗi cạnh , được gán một trọng số để biểu diễn khoảng cách giữa 2 thành phố i và j Bài toán TSP trở thành bài toán tìm chu trình Hamilton có độ dài ngắn nhất trên đồ thị G

3.2.2 ng d ng thu t toán đàn ki n gi i bài toán TSP

Đầu tiên là xây dựng đồ thị, n đỉnh biểu diễn cho n thành phố

Vệt mùi: mỗi cạnh , được gắn một vệt mùi �

Thông tin heuristic: là nghịch đảo khoảng cách giữa hai thành phố ,

= Trong phần lớn các thuật toán ACO cho bài toán TSP ngư i ta đều sử dụng thông tin heuristic như trên Có hai quá trình chính trong thuật toán AS là quá trình xây dựng l i giải và quá trình cập nhật các vệt mùi

Xây d ng l i gi i:

Có m con kiến nhân tạo được đặt khởi tạo ngẫu nhiên tại các đỉnh, và tại mỗi bước lặp c a thuật toán, mỗi con kiến sẽ xây dựng l i giải riêng c a nó bằng cách chọn một đỉnh mà chúng chưa thăm để đi Ban đầu các vệt mùi được khởi tạo bởi giá trị � , mỗi con kiến được đặt ngẫu nhiên tại một đỉnh xuất phát và lần lượt đi thăm các đỉnh còn lại để xây dựng đư ng đi theo quy tắc như sau (gọi là quy tắc random proportional), con kiến th k đang ở đỉnh i sẽ chọn đỉnh j tiếp theo với xác suất:

chọn, thuật toán trở nên giống với thuật toán heuristic thông thư ng, nếu = chỉ

có thông tin về cư ng độ vệt mùi được sử dụng mà không hề có bất kỳ một thông

tin heuristic nào làm cho kết quả tìm kiếm được nghèo nàn và bài toán dễ rơi vào

trư ng hợp cực tiểu địa phương

� là các láng giềng có thể đi c a con kiến k khi nó ở đỉnh i, đó là tập các đỉnh chưa được con kiến th k đi qua (xác suất chọn một đỉnh nằm ngoài � là

0).Với luật xác suất này, thì xác suất để chọn một cạnh (i,j) tăng lên khi mà

mùi � và thông tin heuristic tương ng c a cạnh đó tăng

Mỗi con kiến có một bộ nhớ Mkch a danh sách các thành phố mà chúng đã đến thăm theo th tự Nó được dùng để tính toán tập các láng giềng chưa thăm � trong công th c xác suất (3.2) ở trên Mk cũng cho phép các con kiến tính toán quãng đư ng mà nó đã đi được và giúp kiến xác định được cạnh nó đi qua để cập nhật mùi

Ta có thể hiểu thuật toán đàn kiến một cách đơn giản như sau: đỉnh tiếp theo trong hành trình c a một con kiến được lựa chọn ngẫu nhiên theo quy tắc xác suất, nghĩa là đỉnh có xác suất cao hơn sẽ có cơ hội được chọn nhiều hơn nhưng không có nghĩa là đỉnh có xác suất thấp không được chọn mà đỉnh này sẽ được chọn với xác suất thấp hơn mà thôi Ý tưởng này được thể hiện qua kỹ thuật bánh xe xổ số, đây là một kỹ thuật được sử dụng trong các bài toán tìm kiếm dựa vào xác suất

K ỹ thu t Bánh xe x s :

Giả sử tập � = { , , … , là tập láng giềng c a u và , , … , là xác

suất chọn đỉnh tiếp theo từ u tương ng c a , , … ,

Với điều kiện = ∑= , nghĩa là chắc chắn có một đỉnh trong tập đỉnh láng giềng được chọn để đi tiếp

Để đảm bảo ưu thế c a những đỉnh có xác suất cao nhưng vẫn đảm bảo cơ

hội c a những đỉnh có xác suất thấp hơn, chọn một số ngẫu nhiên ∈ , ] rồi

chọn i nhỏ nhất sao cho ∑ =

Cách làm này mô phỏng hoạt động c a một vòng quay xổ số (một vòng tròn được chia làm nhiều phần không đều nhau) Khi quay thì không biết kim sẽ rơi vào

ô nào nhưng rõ ràng phần có diện tích lớn hơn sẽ có khả năng cao hơn Vì vậy, kỹ thuật này được gọi là kỹ thuật “Bánh xe xổ số”

Hình 3.2 Vòng quay Bánh xe sổ xố Theo như hình 3.2 thì P7 là phần lớn nhất, do vậy xác suất kim rơi vào phần này là lớn nhất

Như vậy, một con kiến xuất phát từ một đỉnh thăm lần lượt các đỉnh còn lại theo quy tắc “Bánh xe xổ số” và trở về đỉnh ban đầu Quá trình này được lặp đi lặp lại và hành trình tốt hơn (hành trình có chiều dài ngắn hơn) sẽ được cập nhật để làm thông tin tìm kiếm cho hành trình tiếp theo cũng như để so sánh với kết quả c a những vòng lặp sau nhằm tìm ra hành trình tốt nhất Khi thõa mãn một yêu cầu cho trước hoặc đ số vòng lặp cho trước thì thuật toán sẽ dừng và cho kết quả tốt nhất

c a các vòng lặp đã thực hiện

C p nh t mùi

Sau khi tất cả các con kiến xây dựng xong các l i giải c a chúng, các vệt mùi

sẽ được cập nhật Đầu tiên tất cả các cạnh sẽ bị mất đi một lượng mùi (do bị bay hơi), sau đó những cạnh mà có các con kiến đi qua sẽ được tăng cư ng thêm một lượng mùi

Công th c th c bay hơi mùi:

� + = − × � , ∀ , �

Trong đó < là tỉ lệ bay hơi mùi, tham số được dùng để tránh sự tích lũy không có giới hạn c a các vết mùi và nó làm cho thuật toán quên đi những

quyết định tồi ở bước trước Nếu một cạnh không được chọn bởi bất kì con kiến nào thì cư ng độ mùi c a nó sẽ bị giảm theo hàm mũ c a số vòng lặp

Sau khi bay hơi mùi tất cả các con kiến sẽ tăng cư ng mùi cho những cạnh mà chúng đã đi qua theo công th c:

� là độ dài c a tuyến đư ng được xây dựng bởi con kiến k Với công

th c (3.5), tuyến đư ng c a những con kiến nào mà càng tốt hơn thì nó càng được tăng cư ng thêm nhiều mùi

Nh cập nhật lượng mùi mà sau mỗi vòng lặp (mỗi lần các con kiến đi hết một chu trình) nồng độ vết mùi trên cạnh sẽ thay đổi ảnh hưởng đến quyết định c a các con kiến trong chu trình tiếp theo Nh vậy thuật toán ACO có khả năng tìm được l i giải tốt, đặc biệt là trong những trư ng hợp có tập dữ liệu lớn

3.3 Các nguyên t c khi áp d ng t i u đàn ki n

Các chú ý sau đây làm tăng khả năng cho thuật toán ACO khi áp dụng vào các bài toán khác nhau Có nhiều vấn đề cần quan tâm khi ta áp dụng các thuật toán ACO để giải quyết một bài toán, chẳng hạn lựa chọn số lượng kiến, lựa chọn các tham số khác, xác định các vết mùi, xác định các thông tin heuristic và sử dụng tìm

kết hợp kiếm địa phương …

3.3.1 S l ng ki n

Số lượng kiến trong các bài toán khác nhau cần có những điều chỉnh khác nhau Nếu số lượng kiến quá nhiều thì quá trình tìm kiếm sẽ mất nhiều th i gian tính toán, đồng th i chưa chắc đã tăng hiệu quả tìm kiếm lên Tất nhiên là nếu số lượng kiến quá ít thì quá trình tìm kiếm sẽ rất khó khăn bởi vì với số ít các con kiến thì ít các đư ng đi được chọn tại mỗi vòng lặp và do đó, sự tích lũy các thông tin mùi là mất nhiều th i gian và số tuyến đư ng mà các con kiến lựa chọn cũng trở