Ứng dụng thuật toán tối ưu bầy đàn cải tiến nhằm phân bố tối ưu công suất trong lưới điện phân phối

Bài viết trình bày phương pháp phân bố tối ưu công suất bằng cách thay đổi trạng thái các thiết bị đóng cắt để tái cấu trúc lại lưới điện với mục đích giảm tổn thất điện năng và nâng cao điện áp trên lưới điện.

Trang 1

TẠP CHÍ KHOA HỌC

QUẢN LÝ VÀ CÔNG NGHỆ

ỨNG DỤNG THUẬT TOÁN TỐI ƯU BẦY ĐÀN CẢI TIẾN NHẰM PHÂN BỐ TỐI ƯU CÔNG SUẤT TRONG LƯỚI

ĐIỆN PHÂN PHỐI

1 Nguyễn Khánh Quang,

Khoa Điện-Điện tử - Trường Cao đẳng Công nghiệp Huế

70 Nguyễn Huệ, Phường Vĩnh Ninh, Thành phố Huế

Email: tienpt1@cpc.vn

2 Phạm Trung Tiến

Công ty Điện lực Kon Tum

184 Trần Hưng Đạo, Phường Thắng Lợi, Thành phố Kon Tum

Email: nkquang@hueic.edu.vn

Tóm tắt – Bài báo trình bày phương pháp phân bố tối ưu công suất bằng cách thay đổi trạng thái các thiết bị đóng cắt để tái cấu trúc lại lưới điện với mục đích giảm tổn thất điện năng và nâng cao điện áp trên lưới điện Để tối thiểu hóa tổn thất điện năng cũng như cải thiện điện áp, thuật toán tối ưu bầy đàn cải tiến (IPSO) được đề xuất và trình bày trong bài viết So với thuật toán bày đàn (PSO), trong IPSO các hệ số quán tính, hệ số quan hệ xã hội, hệ số kinh nghiệm của cá thể được điều chỉnh và giá trị vận tốc được giới hạn, do đó tốc độ hội tụ nhanh, nhưng vẫn duy trì được hiều quả cao và thuật toán cho kết quả tối

ưu nhất Thuật toán IPSO được kiểm tra mô phỏng trên bộ công cụ Matpower/Matlab với lưới điện mẫu IEEE-33 nút.

Từ khóa: PSO, Phân bố tối ưu công suất, Tái cấu hình lưới điện

I GIỚI THIỆU

Lưới điện phân phối đóng vai trò qua

trọng trong việc cung cấp điện, được thiêt kế

có cấu trúc mạch vòng kín nhưng vì lý do kỹ

thuật và điều kiện vận hành nên lưới điện luôn

được vận hành theo cấu trúc hình tia Các bài

toán vận hành lưới điện phân phối chủ yếu

tập trung vào giải quyết các vấn đề sau: Giảm

tổn thất công suất của lưới điện, cải thiện thời

gian tái lập, cải thiện độ tin cậy của hệ thống, cải thiện khả năng tải của lưới điện, cải thiện tình trạng không cân bằng tải, tối thiểu tổn thất công suất, giảm thiểu tổn thất của hệ thống lưới điện không cân bằng

Với yêu cầu ngày càng cao về giảm tổn thất điện năng trên lưới điện phân phối, nhiều nghiên cứu giải bài toán tái cấu trúc giảm tổn

Trang 2

4 TẠP CHÍ KHOA HỌC

thất bằng

nhiều thuật toán khác nhau được công bố

Với mục tiêu phân bố tối ưu công suất lưới

điện phân phối bằng cách thay đổi các trạng

thái đóng/mở của các khóa điện trên lưới

nhằm đạt mục tiêu chất lượng trong vận hành

lưới điện Vì đặc điểm phi tuyến và rời rạc của

bài toán nên rất khó để tìm lời giải bằng các

phương pháp giải tích truyền thống Có nhiều

phương pháp phân bố tối ưu công suất lưới

điện phân phối như sử dụng kỹ thuật thuần

heuristic, heuristic kết hợp giải tích mạng, trí

tuệ nhân tạo [8] Tuy nhiên, một trong những

nhược điểm chung của các phương pháp trên

là dễ bị rơi vào các cực trị địa phương Để

khắc phục nhược điểm này, các nghiên cứu

khoa học thường sử dụng giải thuật di truyền

(GA) trong bài toán tái cấu hình lưới điện

[9-11] Trong thời gian gần đây, giải thuật PSO

được ứng dụng rộng rãi trong các bài toán

hệ thống điện vì có nhiều ưu điểm như tốc

độ hội tụ nhanh, lập trình đơn giản [12,13] Ý

tưởng trong bài viết này là để nghiên cứu áp

dụng thuật toán tối ưu bầy đàn cải tiến (IPSO)

nhằm giảm tổn thất công suất và nâng cao

chất lượng điện áp trên lưới điện phân phối.

Thuật toán tối ưu bầy đàn (PSO) lần đầu

tiên được đề xuất bởi Eberhart và Kennedy

vào năm 1995 [7] PSO là một trong những

thuật toán tiến hóa, dựa trên khái niệm trí tuệ

bầy đàn để giải các bài toán tối ưu hóa PSO

có nhiều ứng dụng quan trọng trong tất cả

các lĩnh vực mà ở đó đòi hỏi phải giải quyết

các bài toán tối ưu hóa, đặc biệt là các bài

toán liên quan đến hệ thống mạng Ý tưởng

chính của PSO dựa trên nền tảng tâm lý bầy

đàn và tập tính xã hội của bầy chim hoặc đàn

cá Chúng di chuyển để tìm kiếm thức ăn với

một vận tốc và vị trí tương ứng Sự di chuyển

của chúng phụ thuộc vào kinh nghiệm của

chính nó và của các thành viên khác trong

bầy đàn PSO là một dạng của thuật toán tiến

hóa được lấy ý tưởng từ từ phương pháp tìm

kiếm thức ăn của đàn chim [15-18] So với

GA, PSO không có các cơ chế ghép chéo hay đột biến mà thiên về sử dụng sự tương tác giữa các cá thể trong một quần thể để khám phá không gian tìm kiếm Các bước cơ bản của thuật toán PSO như Hình 1:

PSO có ưu điểm là đơn giản, dễ dàng thực hiện và PSO có thể dễ dàng hoạt động với các giải pháp là số thực Ngoài ra, do không có

cơ chế ghép chéo và đột biến nên PSO tính toán nhanh hơn và sử dụng ít bộ nhớ máy tính hơn do trong quá trình tính toán, PSO không lưu trữ đường chuyển động của mỗi cá thể

mà chỉ dựa vào vận tốc của mỗi cá thể Tuy nhiên, do các cá thể trong quần thể di chuyển dựa trên cá thể tốt nhất trong quần thể và có

xu hướng tập trung về vị trí cá thể tốt nhất nên làm cho PSO có khuynh hướng hội tụ sớm và

các trạng thái đóng/mở của các khóa điện

trên lưới nhằm đạt mục tiêu chất lượng

trong vận hành lưới điện Vì đặc điểm phi

tuyến và rời rạc của bài toán nên rất khó

để tìm lời giải bằng các phương pháp giải

tích truyền thống Có nhiều phương pháp

phân bố tối ưu công suất lưới điện phân

phối như sử dụng kỹ thuật thuần heuristic,

heuristic kết hợp giải tích mạng, trí tuệ

nhân tạo [8] Tuy nhiên, một trong những

nhược điểm chung của các phương pháp

trên là dễ bị rơi vào các cực trị địa

phương Để khắc phục nhược điểm này,

các nghiên cứu khoa học thường sử dụng

giải thuật di truyền (GA) trong bài toán

tái cấu hình lưới điện [9-11] Trong thời

gian gần đây, giải thuật PSO được ứng

dụng rộng rãi trong các bài toán hệ thống

điện vì có nhiều ưu điểm như tốc độ hội

tụ nhanh, lập trình đơn giản [12,13] Ý

tưởng trong bài viết này là để nghiên cứu

áp dụng thuật toán tối ưu bầy đàn cải tiến

(IPSO) nhằm giảm tổn thất công suất và

nâng cao chất lượng điện áp trên lưới điện

phân phối

Thuật toán tối ưu bầy đàn (PSO) lần

đầu tiên được đề xuất bởi Eberhart và

Kennedy vào năm 1995 [7] PSO là một

trong những thuật toán tiến hóa, dựa trên

khái niệm trí tuệ bầy đàn để giải các bài

toán tối ưu hóa PSO có nhiều ứng dụng

quan trọng trong tất cả các lĩnh vực mà ở

đó đòi hỏi phải giải quyết các bài toán tối

ưu hóa, đặc biệt là các bài toán liên quan

đến hệ thống mạng Ý tưởng chính của

PSO dựa trên nền tảng tâm lý bầy đàn và

tập tính xã hội của bầy chim hoặc đàn cá

Chúng di chuyển để tìm kiếm thức ăn với một vận tốc và vị trí tương ứng Sự di chuyển của chúng phụ thuộc vào kinh nghiệm của chính nó và của các thành viên khác trong bầy đàn PSO là một dạng của thuật toán tiến hóa được lấy ý tưởng

từ từ phương pháp tìm kiếm thức ăn của đàn chim [15-18] So với GA, PSO không

có các cơ chế ghép chéo hay đột biến mà thiên về sử dụng sự tương tác giữa các cá thể trong một quần thể để khám phá không gian tìm kiếm Các bước cơ bản của thuật toán PSO như Hình 1:

Hình 1 Sơ đồ thuật toán PSO PSO có ưu điểm là đơn giản, dễ dàng thực hiện và PSO có thể dễ dàng hoạt động với các giải pháp là số thực Ngoài

ra, do không có cơ chế ghép chéo và đột biến nên PSO tính toán nhanh hơn và sử

Khới tạo vị trí và vận tốc quần thể cá thể ban đầu

Bắt đầu

Vòng lặp <= Vòng lặp max

- Tìm vị trí tốt nhất của mỗi cá thể

- Tìm vị trí tốt nhất của cả quần thể Cập nhật vận tốc và vị trí của các cá thể

Dừng Sai

Đánh giá mỗi cá thể bằng hàm thích nghi

Xuất kết quả (vị trí tốt nhất của quần thể) Vòng lặp = Vòng lặp + 1

Đúng

Trang 3

có thể làm cho giải pháp thu được không tối

ưu Trong bài báo này, PSO cải tiến được đề xuất để giải quyết vấn đề phân bố công suất bao gồm một giải pháp tối ưu để giảm tổn thất điện năng và nâng cao điện áp trong lưới điện phân phối Mô phỏng được thực hiện bằng cách sử dụng bộ công cụ Matpower/ Matlab [15-19] Kết quả đã chứng minh tính hiệu quả của thuật toán đề xuất để phân bố tối ưu công suất của lưới điện phân phối

II MÔ HÌNH TÁI CẤU TRÚC LƯỚI ĐIỆN PHÂN PHỐI

1 Hàm mục tiêu của bài toán

Trong nghiên cứu này, mục tiêu là tái cấu hình lưới điện phân bố tối ưu công suất nhằm giảm tổn thất điện năng và cải thiện chất lượng điện áp trên lưới Hàm mục tiêu của bài toán được thể hiện như sau:

Các bước thực thuật toán IPSO trong bài toán phân bổ tối ưu công suất được thực hiện như sau:

Bước 1: Nhập các thông số lưới điện (tổng trở đường dây, thông số phụ tải, các khóa điện) Bước 2: Xác định không gian tìm kiếm, bao gồm số lượng khóa mở, không gian tìm kiếm của mỗi khóa mở

dụng ít bộ nhớ máy tính hơn do trong quá

trình tính toán, PSO không lưu trữ đường

chuyển động của mỗi cá thể mà chỉ dựa

vào vận tốc của mỗi cá thể Tuy nhiên, do

các cá thể trong quần thể di chuyển dựa

trên cá thể tốt nhất trong quần thể và có

xu hướng tập trung về vị trí cá thể tốt nhất

nên làm cho PSO có khuynh hướng hội tụ

sớm và có thể làm cho giải pháp thu được

không tối ưu Trong bài báo này, PSO cải

tiến được đề xuất để giải quyết vấn đề

phân bố công suất bao gồm một giải pháp

tối ưu để giảm tổn thất điện năng và nâng

cao điện áp trong lưới điện phân phối Mô

phỏng được thực hiện bằng cách sử dụng

bộ công cụ Matpower/ Matlab [15-19]

Kết quả đã chứng minh tính hiệu quả của

thuật toán đề xuất để phân bố tối ưu công

suất của lưới điện phân phối

II MÔ HÌNH TÁI CẤU TRÚC

LƯỚI ĐIỆN PHÂN PHỐI

Trong nghiên cứu này, mục tiêu là tái

cấu hình lưới điện phân bố tối ưu công

suất nhằm giảm tổn thất điện năng và cải

thiện chất lượng điện áp trên lưới Hàm mục tiêu của bài toán được thể hiện như sau:

𝑓𝑓 = min(𝛥𝛥𝛥𝛥) = ∑ 𝑅𝑅𝑖𝑖𝑖𝑖(𝑃𝑃𝑖𝑖𝑖𝑖2+𝑄𝑄𝑖𝑖𝑖𝑖2

𝑉𝑉𝑖𝑖𝑖𝑖2 )

𝑁𝑁 𝑖𝑖𝑖𝑖=1 (1) Với điều kiện:

𝑉𝑉𝑖𝑖(𝑖𝑖)𝑚𝑚𝑖𝑖𝑚𝑚 ≤ 𝑉𝑉𝑖𝑖(𝑖𝑖) ≤ 𝑉𝑉𝑖𝑖(𝑖𝑖)𝑚𝑚𝑚𝑚𝑚𝑚 (2) Lưới điện phân phối luôn được vận hành hình tia, nên đây được xem như một trong những ràng buộc đẳng thức của bài toán Với ràng buộc này, tất cả các nút tải phải được cấp điện và cấu hình hình tia phải luôn được duy trì

2 Thuật toán tối ưu bầy đàn Thuật toán PSO (Particle Swarm Optimization) là một trong những thuật toán tiến hóa, dựa trên nền tảng tâm lý bầy đàn và tập tính xã hội của bầy chim hoặc đàn cá Chúng di chuyển để tìm kiếm thức ăn với một vận tốc và vị trí tương ứng Sự di chuyển của chúng phụ thuộc vào kinh nghiệm của chính nó và của các thành viên khác trong bầy đàn

(P best và G best)

𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏(𝑡𝑡 + 1) = {𝑥𝑥𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡) 𝑖𝑖𝑓𝑓 𝑓𝑓(𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)) ≤ 𝑓𝑓(𝑥𝑥𝑖𝑖(𝑡𝑡 + 1))

𝑖𝑖(𝑡𝑡 + 1) 𝑖𝑖𝑓𝑓 𝑓𝑓(𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)) > 𝑓𝑓(𝑥𝑥𝑖𝑖(𝑡𝑡 + 1)) (4)

Vị trí tốt nhất của G best tại t được tình như:

𝐺𝐺𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 = 𝑚𝑚𝑖𝑖𝑚𝑚{𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)} (5)

Vận tốc V k+1 và vị trí của chim hoặc cá được tính toán bằng biểu thức (6) và (7)

𝑉𝑉𝑖𝑖𝑘𝑘+1 = 𝜔𝜔𝑉𝑉𝑖𝑖𝑘𝑘 + 𝑐𝑐1𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑1× (𝛥𝛥𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑖𝑖𝑘𝑘− 𝑋𝑋𝑖𝑖𝑘𝑘) + 𝑐𝑐2𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑2× (𝐺𝐺𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) (6)

𝑋𝑋𝑖𝑖𝑘𝑘+1 = 𝑋𝑋𝑖𝑖𝑘𝑘 + 𝑉𝑉𝑖𝑖𝑘𝑘+1 (7) Các bước thực thuật toán IPSO trong bài toán phân bổ tối ưu công suất được thực

hiện như sau:

dụng ít bộ nhớ máy tính hơn do trong quá trình tính toán, PSO không lưu trữ đường chuyển động của mỗi cá thể mà chỉ dựa vào vận tốc của mỗi cá thể Tuy nhiên, do các cá thể trong quần thể di chuyển dựa trên cá thể tốt nhất trong quần thể và có

xu hướng tập trung về vị trí cá thể tốt nhất nên làm cho PSO có khuynh hướng hội tụ sớm và có thể làm cho giải pháp thu được không tối ưu Trong bài báo này, PSO cải tiến được đề xuất để giải quyết vấn đề phân bố công suất bao gồm một giải pháp tối ưu để giảm tổn thất điện năng và nâng cao điện áp trong lưới điện phân phối Mô phỏng được thực hiện bằng cách sử dụng

Kết quả đã chứng minh tính hiệu quả của thuật toán đề xuất để phân bố tối ưu công suất của lưới điện phân phối

Trong nghiên cứu này, mục tiêu là tái cấu hình lưới điện phân bố tối ưu công suất nhằm giảm tổn thất điện năng và cải

𝑓𝑓 = min(𝛥𝛥𝛥𝛥) = ∑ 𝑅𝑅𝑖𝑖𝑖𝑖 (𝑃𝑃𝑖𝑖𝑖𝑖2+𝑄𝑄𝑖𝑖𝑖𝑖2

𝑉𝑉𝑖𝑖𝑘𝑘+1 = 𝜔𝜔𝑉𝑉𝑖𝑖𝑘𝑘 + 𝑐𝑐1𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑1× (𝛥𝛥𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑖𝑖𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) + 𝑐𝑐2𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑2× (𝐺𝐺𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) (6)

𝑋𝑋𝑖𝑖𝑘𝑘+1 = 𝑋𝑋𝑖𝑖𝑘𝑘 + 𝑉𝑉𝑖𝑖𝑘𝑘+1 (7) Các bước thực thuật toán IPSO trong bài toán phân bổ tối ưu công suất được thực hiện như sau:

𝑉𝑉𝑖𝑖𝑘𝑘+1 = 𝜔𝜔𝑉𝑉𝑖𝑖𝑘𝑘 + 𝑐𝑐1𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑1 × (𝛥𝛥𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑖𝑖𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) + 𝑐𝑐2𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑2× (𝐺𝐺𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) (6)

Lưới điện phân phối luôn được vận hành hình tia, nên đây được xem như một trong những ràng buộc đẳng thức của bài toán Với ràng buộc này, tất cả các nút tải phải được cấp điện và cấu hình hình tia phải luôn được duy trì.

Thuật toán tối ưu bầy đàn Thuật toán PSO (Particle Swarm Optimization) là một trong những thuật toán tiến hóa, dựa trên nền tảng tâm lý bầy đàn

và tập tính xã hội của bầy chim hoặc đàn cá

Chúng di chuyển để tìm kiếm thức ăn với một vận tốc và vị trí tương ứng Sự di chuyển của chúng phụ thuộc vào kinh nghiệm của chính

nó và của các thành viên khác trong bầy đàn

𝑉𝑉𝑖𝑖𝑘𝑘+1 = 𝜔𝜔𝑉𝑉𝑖𝑖𝑘𝑘 + 𝑐𝑐1𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑1× (𝛥𝛥𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑖𝑖𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) + 𝑐𝑐2𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑2× (𝐺𝐺𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑘𝑘 − 𝑋𝑋𝑖𝑖𝑘𝑘) (6)

Trang 4

- Trong đó, β là số khóa điện mở trong lưới điện.

Bước 3 Khởi tạo ngẫu nhiên quần thể ban đầu với vị trí và vận tốc ngẫu nhiên trong không gian tìm kiếm (các cấu hình lưới có thể có)

Bước 4 Giải bài toán phân bố công suất bằng phương pháp Newton-Raphson với mỗi cá thể, nếu điện áp các nút nằm trong giới hạn cho phép, tính toán tổn thất công suất bằng bài toán phân bố tối ưu công suất

Bước 5 Tính toán các giá trị Bước 6 Cập nhật vận tốc và vị trí của cá thể theo biểu thức vận tốc và vị trí của các cá thể bằng (6) và (8) Vận tốc của các khóa mở thể hiện sự di chuyển của các khóa mở.

Bước 7: Lặp lại bước 4 cho đến khi thỏa mãn điều kiện ngừng lặp Bước 8: Xuất kết quả

Bước 1: Nhập các thông số lưới điện (tổng trở đường dây, thông số phụ tải, các khóa điện)

Bước 2: Xác định không gian tìm kiếm, bao gồm số lượng khóa mở, không gian tìm kiếm của mỗi khóa mở

X particle = {S1, S2, …Sβ} (8)

- Trong đó, β là số khóa điện mở trong lưới điện

Bước 5 Tính toán các giá trị P best và G best

Bước 6 Cập nhật vận tốc và vị trí của cá thể theo biểu thức vận tốc và vị trí của các

cá thể bằng (6) và (8) Vận tốc của các khóa mở thể hiện sự di chuyển của các khóa mở

III ÁP DỤNG THUẬT TOÁN IPSO VÀO BÀI TOÁN PHÂN BỔ TỐI ƯU

IEEE-33 NÚT

1 Lưới điện IEEE-33 nút Lưới điện IEEE-33 nút như Hình 2, phương thức vận hành ở mức có tổn thất cao để mô phỏng thử nghiêm cho bài toán phân bố tối ưu công suất Để kiểm tra sự hiệu quả của thuật toán đề xuất trong giải quyết vấn đề giảm tổn thất của lưới điện Lưới điện mẫu IEEE-33

có 33 nút và 37 nhánh, bao gồm 32 nhánh có các khóa điện thường đóng với

5 nhánh dự phòng với các khóa điện

thường mở và các thông số của lưới được thể hiện trong Bảng 1 Trong đó các khóa điện thường mở là s20, s34,

s35, s36, s37 Lưới điện có điện áp V max

= 1 p.u, V min = 1 p.u trong V max là điện áp

tối đa V min là điện áp tối thiểu và được đặt là giới hạn ràng buộc về điện áp của lưới điện Thông số của lưới điện

IEEE-33 như bảng 2 với công suất P = 3715

kW và Q = 2300 kVAr, với phương thức kết dây ban đầu các khóa điện s20, s34, s35, s36, s37 mở lưới điện có tổn thất điện năng ΔP = 233,202 kW, tỉ lệ tổn thất ban đầu 6,28% và lưới có điện

áp trung bình V av = 0,90406 p.u

IEEE-33 NÚT

III ÁP DỤNG THUẬT TOÁN IPSO VÀO BÀI TOÁN PHÂN BỔ TỐI ƯU CÔNG SUẤT CHO LƯỚI ĐIỆN IEEE-33 NÚT

1 Lưới điện IEEE-33 nút

Lưới điện IEEE-33 nút như Hình 2, phương thức vận hành ở mức có tổn thất cao

để mô phỏng thử nghiêm cho bài toán phân

bố tối ưu công suất Để kiểm tra sự hiệu quả của thuật toán đề xuất trong giải quyết vấn đề giảm tổn thất của lưới điện Lưới điện mẫu IEEE-33 có 33 nút và 37 nhánh, bao gồm 32 nhánh có các khóa điện thường đóng với 5 nhánh dự phòng với các khóa điện thường

mở và các thông số của lưới được thể hiện trong Bảng 1 Trong đó các khóa điện thường

mở là s20, s34, s35, s36, s37 Lưới điện có điện áp

Bước 1: Nhập các thông số lưới điện (tổng trở đường dây, thông số phụ tải, các khóa

điện)

Bước 2: Xác định không gian tìm kiếm, bao gồm số lượng khóa mở, không gian tìm

kiếm của mỗi khóa mở

Bước 3 Khởi tạo ngẫu nhiên quần thể ban đầu với vị trí và vận tốc ngẫu nhiên trong

không gian tìm kiếm (các cấu hình lưới có thể có)

Bước 4 Giải bài toán phân bố công suất bằng phương pháp Newton-Raphson với

mỗi cá thể, nếu điện áp các nút nằm trong giới hạn cho phép, tính toán tổn thất công

suất bằng bài toán phân bố tối ưu công suất

Bước 7: Lặp lại bước 4 cho đến khi thỏa mãn điều kiện ngừng lặp

Bước 8: Xuất kết quả

III ÁP DỤNG THUẬT TOÁN IPSO

VÀO BÀI TOÁN PHÂN BỔ TỐI ƯU

IEEE-33 NÚT

1 Lưới điện IEEE-33 nút

Lưới điện IEEE-33 nút như Hình 2,

phương thức vận hành ở mức có tổn thất

cao để mô phỏng thử nghiêm cho bài

toán phân bố tối ưu công suất Để kiểm

tra sự hiệu quả của thuật toán đề xuất

trong giải quyết vấn đề giảm tổn thất

của lưới điện Lưới điện mẫu IEEE-33

có 33 nút và 37 nhánh, bao gồm 32

nhánh có các khóa điện thường đóng với

= 1 p.u,

cá thể bằng (6) và (8) Vận tốc của các khóa mở thể hiện sự di chuyển của các khóa mở Bước 7: Lặp lại bước 4 cho đến khi thỏa mãn điều kiện ngừng lặp

IEEE-33 NÚT

= 1 p.u trong

cá thể bằng (6) và (8) Vận tốc của các khóa mở thể hiện sự di chuyển của các khóa mở Bước 7: Lặp lại bước 4 cho đến khi thỏa mãn điều kiện ngừng lặp

IEEE-33 NÚT

là điện áp tối đa

IEEE-33 NÚT

là điện áp tối thiểu và được đặt là giới hạn ràng buộc về điện áp của lưới điện Thông số của lưới điện IEEE-33 như bảng 2 với công suất P = 3715 kW và Q =

2300 kVAr, với phương thức kết dây ban đầu các khóa điện s20, s34, s35, s36, s37 mở lưới điện có tổn thất điện năng ΔP = 233,202 kW,

tỉ lệ tổn thất ban đầu 6,28% và lưới có điện áp trung bình

IEEE-33 NÚT

áp trung bình V av = 0,90406 p.u = 0,90406 p.u.

Hình 2 Sơ đồ kết nối trước khi tái cấu hình lưới Bảng 1: Thông số lưới mẫu IEEE-33 nút

STT Từ nút Đến nút R X P (KW) Q (KVAr)

1 1 2 0.0922 0.0470 100 60

2 2 3 0.4930 0.2511 90 40

3 3 4 0.3660 0.1864 120 80

4 4 5 0.3811 0.1941 60 30

5 5 6 0.8190 0.7070 60 20

6 6 7 0.1872 0.6188 200 100

7 7 8 0.7Il4 0.2351 200 100

8 8 9 1.0300 0.7400 60 20

9 9 10 1.0400 0.7400 60 20

10 10 11 0.1966 0.0650 45 30

11 11 12 0.3744 0.1238 60 35

12 12 13 1.4680 1.1550 60 35

13 13 14 0.5416 0.7129 120 80

14 14 15 0.5910 0.5260 60 10

15 15 16 0.7463 0.5450 60 20

16 16 17 1.2890 1.7210 60 20

17 17 18 0.7320 0.5740 90 40

18 2 19 0.1640 0.1565 90 40

19 19 20 1.5042 1.3554 90 40

20 20 21 0.4095 0.4784 90 40

21 21 22 0.7089 0.9373 90 40

22 3 23 0.4512 0.3083 90 50

23 23 24 0.8980 0.7091 420 200

24 24 25 0.8960 0.7011 420 200

25 6 26 0.2030 0.1034 60 25

26 26 27 0.2842 0.1447 60 25

27 27 28 1.0590 0.9337 60 20

2

3 4 5 6

12

13 14 15 16 17 18

26

27 28 29 30 31 32 33

23

24 25

20 21

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

26 27 28 29 30 31 32 36

23 24 37

19 20 21 35

33 18

22

Hình 2 Sơ đồ kết nối trước khi tái cấu hình lưới

Trang 5

Bảng 1: Thông số lưới mẫu IEEE-33 nút

Hình 2 Sơ đồ kết nối trước khi tái cấu hình lưới Bảng 1: Thông số lưới mẫu IEEE-33 nút

STT Từ nút Đến nút R X P (KW) Q (KVAr)

13 13 14 0.5416 0.7129 120 80

23 23 24 0.8980 0.7091 420 200

24 24 25 0.8960 0.7011 420 200

2

12

13 14 15 16 17 18

26

27 28 29 30 31 32 33

23

24 25

20 21

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

26 27 28 29 30 31 32 36

33 18

22

28 28 29 0.8042 0.7006 120 70

29 29 30 0.5075 0.2585 200 600

30 30 31 0.9744 0.9630 150 70

31 31 32 0.3105 0.3619 210 100

2 Kết quả mô phỏng

Kết quả mô phỏng của bài toán tái cấu hình lưới điện phân bố tối ưu với IPSO và PSO được thể hiện trong Bảng 2

Bảng 2: Kết quả tính toán sau khi tái cấu hình lưới

Thuật toán Khóa mở ΔP (kW) Vmin (p.u) Ban đầu s20, s34, s35, s36, s37 233.202 0.904

IPSO s7, s9, s14, s32, s37 138.927 0.942

PSO s7, s9, s13, s32, s37 142.460 0.940 Với PSO phương thức kết nối được

tại cấu hình lại như Hình 3 với các khóa

điện (s7, s9, s14, s32, s37), sau khi tái

cấu hình giảm xuống còn 142.4693 kW

giảm 38,9% so với tổn thất bang đầu

Điện áp thấp ban đầu là 0,90406 p.u

tăng lên 0.94234 p.u, đồ thị điện áp như

Hình 4 Sau khi mô phỏng bằng IPSO

phương thức kết nối lưới điện được tại

cấu hình lại như Hình 5 với các khóa điện (s7, s9, s14, s32, s37) Tổn thất điện công suất trước khi tái cấu hình lưới là 233,202 kW và sau khi tái cấu hình giảm xuống còn 138.9275 kW giảm 40.42 % so với tổn thất ban đầu Điện áp thấp ban đầu là 0,90406 p.u tăng lên 0,9404 p.u, đồ thi điện áp được trình diễn như Hình 6

Hình 3 Sơ đồ sau khi tái cấu hình lưới bằng PSO

Trang 6

2 Kết quả mô phỏng

Bảng 2: Kết quả tính toán sau khi tái cấu hình lưới

Với PSO phương thức kết nối được

tại cấu hình lại như Hình 3 với các khóa

điện (s7, s9, s14, s32, s37), sau khi tái

cấu hình giảm xuống còn 142.4693 kW

giảm 38,9% so với tổn thất bang đầu

Điện áp thấp ban đầu là 0,90406 p.u

tăng lên 0.94234 p.u, đồ thị điện áp như

Hình 4 Sau khi mô phỏng bằng IPSO

phương thức kết nối lưới điện được tại

cấu hình lại như Hình 5 với các khóa điện (s7, s9, s14, s32, s37) Tổn thất điện công suất trước khi tái cấu hình lưới là 233,202 kW và sau khi tái cấu hình giảm xuống còn 138.9275 kW giảm 40.42 % so với tổn thất ban đầu Điện áp thấp ban đầu là 0,90406 p.u tăng lên 0,9404 p.u, đồ thi điện áp được trình diễn như Hình 6

Hình 3 Sơ đồ sau khi tái cấu hình lưới bằng PSO

2 Kết quả mô phỏng

Với PSO phương thức kết nối được tại cấu hình lại như Hình 3 với các khóa điện (s7, s9, s14, s32, s37), sau khi tái cấu hình giảm xuống còn 142.4693 kW giảm 38,9% so với tổn thất bang đầu Điện áp thấp ban đầu là 0,90406 p.u tăng lên 0.94234 p.u, đồ thị điện

áp như Hình 4 Sau khi mô phỏng bằng IPSO phương thức kết nối lưới điện được tại cấu

Bảng 2: Kết quả tính toán sau khi tái cấu hình lưới

Hình 3 Đồ thị điện áp lưới điện IEEE-33 nút trước và sau khi tái

cấu hình lưới bằng PSO

hình lại như Hình 5 với các khóa điện (s7, s9, s14, s32, s37) Tổn thất điện công suất trước khi tái cấu hình lưới là 233,202 kW và sau khi tái cấu hình giảm xuống còn 138.9275 kW giảm 40.42 % so với tổn thất ban đầu Điện áp thấp ban đầu là 0,90406 p.u tăng lên 0,9404 p.u, đồ thi điện áp được trình diễn như Hình 6

Hình 4 Đồ thị điện áp lưới điện IEEE-33 nút trước và sau khi tái cấu hình lưới bằng

PSO

Hình 5 Sơ đồ sau khi tái cấu hình lưới bằng IPSO

2

3 4 5 6

12

13 14 15 16 17 18

26

27 28 29 30 31 32 33

23

24 25

20 21

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

26 27 28 29 30 31 32 36

23 24 37

19 20 21 35

33 18

22

Trang 7

Hình 4 Sơ đồ sau khi tái cấu hình lưới bằng IPSO

Hình 5 Đồ thì điện áp lưới điện IEEE-33 nút trước và sau khi tái

cấu hình lưới bằng IPSO

Hình 4 Đồ thị điện áp lưới điện IEEE-33 nút trước và sau khi tái cấu hình lưới bằng

PSO

Hình 5 Sơ đồ sau khi tái cấu hình lưới bằng IPSO

2

12

13 14 15 16 17 18

26

27 28 29 30 31 32 33

23

24 25

20 21

33 18

22

Hình 6 Đồ thì điện áp lưới điện IEEE-33 nút trước và sau khi tái cấu hình lưới bằng

IPSO

Trong bài báo này, tác giả đề xuất

thuật toán IPSO để tái cấu hình lưới

phân phối nhằm phân bố tối ưu công

suất với mục đích giảm tổn thất công

suất và nâng cao chất lượng điện áp trên

lưới điện phân phối Từ kết quả của hai

thuật toán PSO và IPSO chúng ta nhận thấy rằng thuật toán đề xuất IPSO đã khắc phục được những nhược điểm của thuật toán PSO truyền thống đó là ngăn ngừa sự hội tụ sớm vào cực trị địa phương của bài toán và cho kết quả tối

ưu hơn

Tài liệu tham khảo:

[1] A.Merlin and H Back, "Search for a

minimal-loss operating spanning tree configuration in an

urban power distribution system," Proc 5th Power

System Computation Conference (PSCC),

Cambridge, UK, 1975, pp.1-18

[2] D.Shirmohammadi and H W Hong,

“Reconfiguration of electric distribution for

resistive line loss reduction,” IEEE Trans Power

Del., vol 4, no 2, pp 1492–1498, Apr 1989

[3] S.Civanlar, J J Grainger,H.Yin, and S S H

Lee, “Distribution feeder reconfiguration for loss

reduction,” IEEE Trans Power Del., vol 3, no.3,

pp 1217–1223, Jul 1988

[4] J H Holland, “Adaptation in Natural and

Artificial Systems”, First edit Cambridge, MA:

MIT Press, 1975

[5] Kim, H., N Ko and K.-H Jung, “Artificial

Neural-Network Based Feeder Reconfiguration for

Loss Reduction in Distribution Systems”, IEEE

Trans on Power Del., 8-3, pp 1356-1366, 1993

[6] N Rugthaicharoencheep and S

Sirisumrannukul, “Feeder Reconfiguration for Loss

Reduction in Distribution System with Distributed

Generators by Tabu Search”, Int Journal Vol 3, pp

47 – 54, 2009

[7] R Eberhart and J Kennedy, “A new optimizer

using particle swarm theory,” in MHS’95 Proc of

the Sixth Int Symposium on Micro Machine and

Human Science, pp 39–43, 1995

[8] R.Srinivasa Rao, S.V.L.Narasimham,

M.Ramalingaraju “Optimization of Distribution

Network Configuration for Loss Reduction Using

Artificial Bee Colony Algorithm” Int Journal of

Electrical Power and Energy Systems Engineering 1;2, 2008

Reconfiguration for loss Reduction In Three Phase Power Distribution Systems”, 1992

[10] H M Khodr, M A Matos, and J Pereira

“Distribution Optimal Power Flow”, February

2004

[11] Flávio Vanderson Gomes, Sandoval Carneiro, Jr., Jose Luiz R Pereira, Marcio Pinho Vinagre, Paulo Augusto Nepomuceno Garcia, and Leandro Ramos de Araujo, “A New Distribution System Reconfiguration Approach Using Optimum Power Flow and Sensitivity Analysis for Loss Reduction”, IEEE Trans on Power Delivery, Vol 21, No 4,

2006

[12] W.M Liu, Chin H.C and Yu G.J "An Effective Algorithm for Distribution Feeder Loss Reduction by Switching Operations", IEEE Trasmission and Distribution Conference 1999

[13] W.M Lin and H.C Chin, “A New Approach for Distribution Reconfiguration for Loss Reduction and service Restoration”, IEEE trans On Power Delivery, Vol 13, No 3, July 1998

[14] Y K Wu, C Y Lee, L C Liu, and S H Tsai, “Study of reconfiguration for the distribution system with distributed generators,” IEEE Trans Power Deliv., vol 25, no 3, pp 1678–1685, 2010 [15] Nguyễn Thanh Thuận “Tái cấu hình lưới phân phối sử dụng các giải thuật tìm kiếm tối ưu”, Luận

án tiến sỹ kỹ thuật, 2016

Trang 8

IV KẾT LUẬN

Trong bài báo này, tác giả đề xuất thuật

toán IPSO để tái cấu hình lưới phân phối

nhằm phân bố tối ưu công suất với mục đích

giảm tổn thất công suất và nâng cao chất

lượng điện áp trên lưới điện phân phối Từ kết

quả của hai thuật toán PSO và IPSO chúng

ta nhận thấy rằng thuật toán đề xuất IPSO

đã khắc phục được những nhược điểm của

thuật toán PSO truyền thống đó là ngăn ngừa

sự hội tụ sớm vào cực trị địa phương của bài

toán và cho kết quả tối ưu hơn.

TÀI LIỆU THAM KHẢO:

[1] A.Merlin and H Back, "Search for

a minimal-loss operating spanning tree

configuration in an urban power distribution

system," Proc 5th Power System Computation

Conference (PSCC), Cambridge, UK, 1975,

pp.1-18.

[2] D.Shirmohammadi and H W Hong,

“Reconfiguration of electric distribution for

resistive line loss reduction,” IEEE Trans

Power Del., vol 4, no 2, pp 1492–1498, Apr

1989.

[3] S.Civanlar, J J Grainger,H.Yin, and S

S H Lee, “Distribution feeder reconfiguration

for loss reduction,” IEEE Trans Power Del.,

vol 3, no.3, pp 1217–1223, Jul 1988.

[4] J H Holland, “Adaptation in Natural

and Artificial Systems”, First edit Cambridge,

MA: MIT Press, 1975

[5] Kim, H., N Ko and K.-H Jung,

“Artificial Neural-Network Based Feeder

Reconfiguration for Loss Reduction in

Distribution Systems”, IEEE Trans on Power

Del., 8-3, pp 1356-1366, 1993.

[6] N Rugthaicharoencheep and S Sirisumrannukul, “Feeder Reconfiguration for Loss Reduction in Distribution System with Distributed Generators by Tabu Search”, Int Journal Vol 3, pp 47 – 54, 2009

[7] R Eberhart and J Kennedy, “A new optimizer using particle swarm theory,” in MHS’95 Proc of the Sixth Int Symposium on Micro Machine and Human Science, pp 39–

43, 1995 [8] R.Srinivasa Rao, S.V.L.Narasimham, M.Ramalingaraju “Optimization of Distribution Network Configuration for Loss Reduction Using Artificial Bee Colony Algorithm” Int Journal of Electrical Power and Energy Systems Engineering 1;2, 2008.

[9] Ray Daniel Zimmerman “Network Reconfiguration for loss Reduction In Three Phase Power Distribution Systems”, 1992 [10] H M Khodr, M A Matos, and

J Pereira “Distribution Optimal Power Flow”, February 2004.

[11] Flávio Vanderson Gomes, Sandoval Carneiro, Jr., Jose Luiz R Pereira, Marcio Pinho Vinagre, Paulo Augusto Nepomuceno Garcia, and Leandro Ramos

de Araujo, “A New Distribution System Reconfiguration Approach Using Optimum Power Flow and Sensitivity Analysis for Loss Reduction”, IEEE Trans on Power Delivery, Vol 21, No 4, 2006.

[12] W.M Liu, Chin H.C and Yu G.J

"An Effective Algorithm for Distribution Feeder Loss Reduction by Switching Operations", IEEE Trasmission and Distribution Conference 1999.

[13] W.M Lin and H.C Chin, “A New Approach for Distribution Reconfiguration for Loss Reduction and service Restoration”, IEEE trans On Power Delivery, Vol 13, No 3, July 1998.

Trang 9

[14] Y K Wu, C Y Lee, L C Liu,

and S H Tsai, “Study of reconfiguration

for the distribution system with distributed

generators,” IEEE Trans Power Deliv., vol

25, no 3, pp 1678–1685, 2010

[15] Nguyễn Thanh Thuận “Tái cấu

hình lưới phân phối sử dụng các giải thuật tìm

kiếm tối ưu”, Luận án tiến sỹ kỹ thuật, 2016

[16] N Gupta, A Swarnkar, and K

R Niazi, “Distribution network reconfiguration

for power quality and reliability improvement

using Genetic Algorithms,” Int J Electr Power

Energy Syst., vol 54, pp 664–671, 2014

[17] A Asrari, S Lotfifard, and M

Ansari, “Reconfiguration of Smart Distribution

Systems With Time Varying Loads Using

Parallel Computing,” IEEE Trans Smart Grid,

pp 1–11, 2016

[18] T T Nguyen and A V Truong,

“Distribution network reconfiguration for power loss minimization and voltage profile improvement using cuckoo search algorithm,” Int J Electr Power Energy Syst., vol 68, pp 233–242, 2015

[19] J Olamaei, T Niknam, and

G Gharehpetian, “Application of particle swarm optimization for distribution feeder reconfiguration considering distributed generators,” Appl Math Comput., vol 201,

no 1–2, pp 575–586, 2008

Định dạng
Số trang	9
Dung lượng	1,13 MB