Phát triển phương pháp phần tử chuyển động cho một số bài toán động lực học kết cấu

Do đó nghiên cứu tập trung giải quyết các bài toán chính như sau: điều độ kinh tế hệ thống điện ED, điều độ tối ưu phân bố công suất OPF và điều độ tối ưu công suất phản kháng ORPD của h

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ ANH DŨNG

ÁP DỤNG CÁC THUẬT TOÁN DỰA TRÊN TÌM KIẾM BẦY ĐÀN ĐỂ TÍNH TOÁN ĐI ỀU Đ Ộ TỐI ƯU TRONG H Ệ THỐNG

ĐI ỆN CÓ XÉT Đ ẾN NGUỒN NĂNG LƯ ỢNG GIÓ

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Phản biện độc lập 1: GS-TS Lê Kim Hùng

Phản biện độc lập 2: PGS-TS Quyền Huy Ánh

Phản biện 1: PGS-TS Võ Viết Cường

Phản biện 2: TS Nguyễn Trung Nhân

Phản biện 3: PGS-TS Phạm Đình Anh Khôi

NGƯỜI HƯỚNG DẪN KHOA HỌC

1 PGS-TS Võ Ngọc Điều

2 TS Đinh Hoàng Bách

i

LỜI CAM ĐOAN

Tôi xin cam đoan báo cáo luận án này là công trình nghiên cứu của tự bản thân Các

kết quả nghiên cứu và các kết luận trong luận án này là trung thực, và không sao chép

từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào

Trong nghiên cứu này, việc tham khảo các nguồn tài liệu đã được thực hiện trích dẫn

và ghi nguồn tài liệu tham khảo đúng qui định

Tác giả

Lê Anh Dũng

ii

TÓM TẮT LUẬN ÁN

Hiện nay thị trường điện đang được nhiều nước trên thế giới áp dụng do có nhiều ưu

điểm, Việt Nam cũng đang bắt đầu hình thành và vận hành thị trường điện trên cả

nước Một trong các yếu tố quan trọng khi vận hành hệ thống điện theo thị trường điện

là phải tính được công suất phát của các NMPĐ và giá thành điện năng theo yêu cầu

của phụ tải từng giờ trước khi tham gia phát điện Hơn nữa, hệ thống điện vận hành

cần đến các yếu tố quan trọng như: tối ưu kinh tế, tối ưu phân bố công suất, tối ưu

công suất phản kháng để hệ thống phát điện với chi phí thấp nhất và vận hành ổn định

nhất

Năng lượng gió ngày nay được sử dụng nhiều trên thế giới do đây là nguồn năng

lượng tái tạo không ô nhiễm môi trường và không tốn chi phí nhiên liệu, tuy nhiên

năng lượng gió có chi phí đầu tư cao và khi tham gia vào vận hành hệ thống điện sẽ

làm thay đổi các chế độ vận hành đặc biệt là các vấn đề về tối ưu vận hành hệ thống

điện

Do đó nghiên cứu tập trung giải quyết các bài toán chính như sau: điều độ kinh tế hệ

thống điện (ED), điều độ tối ưu phân bố công suất (OPF) và điều độ tối ưu công suất

phản kháng (ORPD) của hệ thống điện có sự tham gia của nhà máy điện gió (NMĐG)

theo yêu cầu của phụ tải 24 giờ trước khi phát điện Các bài toán này nhằm tính giải

quyết các yêu cầu chính: công suất phát của các nhà máy với chi phí thấp nhất, công

suất tối ưu truyền tải trên đường dây, điện áp và tụ bù tại các nút trong hệ thống, tổn thất công suất thấp, nâng cao ổn định điện áp tại các nút Từ kết quả tính được lựa

chọn các nhà máy có công suất phát tối ưu, giá bán điện thấp và các điều kiện về ổn

định điện áp, công suất truyền tải, tổn thất công suất tốt nhất để tham gia vào hệ thống.Trong báo cáo chuyên đề 1 đã trình bày áp dụng thành công các phương pháp tìm

kiếm bầy đàn cho bài toán tối ưu với các hàm số chuẩn, từ đó lựa chọn các thông số

cài đặt tốt nhất cho các phương pháp tìm kiếm bầy đàn khi giải bài toán tối ưu Trong

báo cáo chuyên đề 2 tiếp tục phát triển các phương pháp tìm kiếm bầy đàn để áp dụng

giải các bài toán ED, OPF và ORPD cho hệ thống điện chuẩn IEEE 30 nút không có

tham gia của năng lượng gió, lập trình sử dụng phần mềm Matlab Từ các kết quả của

iii

chuyên đề 1 và chuyên đề 2, nghiên cứu tiếp tục thực hiện áp dụng các phương pháp tìm kiếm bầy đàn để giải bài toán ED, OPF và ORPD cho hệ thống điện chuẩn IEEE

30 nút có sự tham gia của NMĐG và yêu cầu của phụ tải 24 giờ Kết quả sau khi tính

toán có so sánh với các kết quả của các nghiên cứu được công bố trong ngoài nước về

vận hành tối ưu hệ thống điện có sự tham gia của NMĐG

Nghiên cứu khoa học gồm các phần chính sau:

Chương 1: Mở đầu

Chương 2: Tổng quan

Chương 3: Các phương pháp tìm kiếm tối ưu

Chương 4: Điều độ kinh tế trong hệ thống điện

Chương 5:Phân bố tối ưu công suất trong hệ thống điện

Chương 6: Điều độ tối ưu công suất phản kháng trong hệ thống điện

Chương 7: Kết luận và hướng phát triển

iv

ABSTRACT

Electricity deregulation is a popular issue of developed countries Vietnam will operate electricity deregulation in near future years The important problems in power deregulation system operation are power output of generations, load demands, cost of generators, power loss, power flow with compulsive constraints in system Three main subjects relate to this problems which are economic dispatch (ED), optimization power flow (OPF) and optimization reactive power dispatch (ORPD) Moreover, operational parameters of electricity system should calculate 24 hours load before a day, because power load can change following hours per day

Although wind farms have high investment cost however, wind energy has many advantages characteristics such as environmental friendly, non-emission, non-fuel operation In future, Vietnam should build many new wind farms because Vietnamese geography position has long beach and convenient weather condition to build wind farms

The targets of this research solve three problems about operational optimization of power system with wind farm and 24 hours load demand Three problems are economic dispatch, optimization power flow and optimization reactive power dispatch The research find out particle swarm optimization algorithms which can solve these problems with the best results which are power output of thermal generators, power output of wind turbines, minimum operation cost of thermal power plants and wind farms, 24 hours load demand, power flow, voltage of all bus in system, capacity of capacitor banks, minimum power loss and voltage stability index increasing

The research reports four particle swarm optimization algorithms to solve ED, OPF and ORPD problems Four algorithms are particle swarm optimization time varying acceleration coefficients (PSO-TVAC), pseudo gradient particle swarm optimization (PG-PSO), pseudo gradient particle swarm optimization constriction factor (PG-PSOCF) and cuckoo search (CS) These algorithms can help to solve ED, OPF, ORPD problems of power system with wind farms connecting and supply 24 hours load demand Combination of these methods and Matlab programming calculate the IEEE

v

30 bus system with wind farm Final results also are compared to scientific reports in international technique journals Chapter 1 introduces the subject of the research Chapter 2 reviews former reports about power system optimization and algorithms in solving ED, OPF and ORPD problems in power system In chapter 2, give assessment, comparison and definition for researching direction Chapter 3 shows particle swarm optimization methods such as PSO-TVAC, PG-PSOCF and CS This chapter details setting parameters for these methods to program exactly and best results Chapter 3 presents and draws the PSO, PSO improvement, CS flowcharts Chapter 4 collects 24 hours wind data from Phuyen province – Vietnam and builds wind power function, wind cost function following wind speed This chapter programs ED problem by IEEE

30 bus system with wind farm connecting The result of ED problem was compared and analyzed to select the best method From wind data and wind cost function of chapter 4, chapter 5 and chapter 6 continue to program and show the results OPF and ORPD problems of IEEE 30 bus system with wind farm combination The results of OPF and OPRD problems have been assessed and compare with scientific public report Chapter 7 generalizes all content of this research and analyzes results in chapter

4, 5 and chapter 6 In this chapter, includes particle swarm optimization algorithms application in ED, OPF and ORPD in Vietnam power system and larger electricity system in future

The author would like to thank Associate Professor – Doctor Dieu Ngoc Vo, Doctor Bach Hoang Dinh, all Lecturers and Staffs of Hochiminh City University of Technology for advice and support during my study period and this thesis completion

vi

LỜI CẢM ƠN

Tôi xin chân thành cảm ơn Phó giáo sư -Tiến sĩ Võ Ngọc Điều, Tiến sĩ Đinh Hoàng

Bách đã tận tình hướng dẫn và giúp đỡ tôi định hướng nghiên cứu thu thập và tham

khảo các tài liệu quí chuyên ngành trong ngoài nước, chỉ dẫn soạn thảo và hoàn chỉnh luận án này của tôi Tôi cũng xin trân trọng cảm ơn các Thầy Cô là giáo viên Bộ môn

Hệ thống điện và Khoa Điện Điện tử - Trường Đại học Bách Khoa Thành phố Hồ Chí

Minh đã trao đổi và đóng góp nhiều ý kiến quí giá để hoàn thành luận án này

Tôi cũng xin cảm ơn các Quí Thầy Cô công tác tại Phòng Đào tạo sau Đại học -

Trường Đại học Bách Khoa Thành phố Hồ Chí Minh đã tận tình trao đổi, cung cấp và

hướng dẫn tham khảo các biểu mẫu biên soạn theo đúng qui định, cũng như giúp đỡ

tôi trong các công tác liên quan để hoàn thành báo cáo luận án

Sau cùng tôi cũng xin chân thành biết ơn tất cả tập thể giáo viên Trường Đại học Bách Khoa Thành phố Hồ Chí Minh đã dạy dỗ và giúp đỡ tôi trong suốt thời gian là nghiên

cứu sinh tại Trường

vii

MỤC LỤC

DANH MỤC CÁC HÌNH VẼ x

DANH MỤC CÁC BẢNG BIỂU xii

DANH MỤC CÁC LƯU ĐỒ xiii

DANH MỤC CÁC TỪ VIẾT TẮT xiv

DANH MỤC CÁC KÝ HIỆU xvi

CHƯƠNG 1MỞ ĐẦU 1

1.1 Lý do chọn đề tài 1

1.2 Mục đích nghiên cứu 2

1.3 Đối tượng và phạm vi nghiên cứu 2

1.3.1 Đối tượng nghiên cứu 2

1.3.2 Phạm vi nghiên cứu 2

1.4 Phương pháp nghiên cứu 3

CHƯƠNG 2TỔNG QUAN 4

2.1 Giới thiệu 4

2.2 Thuật toán tìm kiếm bầy đàn và tối ưu hóa 5

2.3 Tua bin gió và tiềm năng điện gió ở Việt Nam 6

2.3.1 Tua bin gió 6

2.4 Điều độ tối ưu trong hệ thống điện 8

2.4.1 Điều độ kinh tế hệ thống điện 8

2.4.2 Điều độ phân bố tối ưu công suất 10

2.4.3 Điều độ tối ưu công suất phản kháng 15

2.5 Điều độ tối ưu hệ thống điện có tham gia của NMĐG 18

2.5.1 Điều độ kinh tế có tham gia của NMĐG 19

2.5.2 Điều độ phân bố tối ưu công suất có tham gia của NMĐG 24

2.5.3 Điều độ tối ưu công suất phản kháng có tham gia của NMĐG 29

2.6 Các khiếm khuyết cần khắc phục 32

2.7 Kết luận chương 2 34

CHƯƠNG 3CÁC PHƯƠNG PHÁP TÌM KIẾM TỐI ƯU 35

3.1 Tối ưu hoá bầy đàn (PSO) 35

3.2 Các bước xây dựng thuật toán PSO 37

3.3 Cácphương pháp PSO citến 37

3.3.1 Phương pháp PSO với hệ số gia tốc biến đổi thời gian PSO-TVAC 38

3.3.2 Phương pháp PSO với gradient giả PG (Pseudo - Gradient) 41

3.3.3 Phương pháp PSO với hệ số giới hạn (CF) 43

3.4 Phương pháp chim tu hú (Cuckoo Search) 46

viii

3.4.1 Hành vi chim tu hú 46

3.4.2 Thuật toán chim tu hú (CS) 46

3.4.3 Đặc tính Lévy flights 46

3.4.4 Các bước xây dựng thuật toán CS 47

3.4.5 Lưu đồ bài toán tối ưu dùng phương pháp CS 49

3.5 Lựa chọn thông số cài đặt cho các phương pháp 50

CHƯƠNG 4ĐIỀU ĐỘ KINH TẾ TRONG HỆ THỐNG ĐIỆN 51

4.1 Thành lập bài toán ED trường hợp không có năng lượng gió 51

4.2 Thành lập bài toán điều độ kinh tế (ED) trường hợp có năng lượng gió 52

4.2.1 Giá trị trung bình và xác suất tốc độ gió 52

4.2.2 Giá trị trung bình 52

4.2.3 Độ lệch chuẩn 52

4.2.4 Xác suất tốc độ gió 53

4.2.5 Tốc độ gió và hàm phân phối tốc độ gió 53

4.2.6 Công suất tua bin gió theo xác suất tốc độ gió 54

4.2.7 Hàm chi phí tua bin gió 55

4.2.8 Nhà máy điện gió (wind farm) 56

4.2.9 Hàm chi phí của hệ thống khi có sự tham gia của NMĐG 57

4.2.10 Điều kiện ràng buộc của tua bin gió và NMĐG 57

4.2.11 Bài toán ED có tham gia của năng lượng gió 58

4.3 Áp dụng các phương pháp giải bài toán ED 58

4.3.1 Trường hợp không có năng lượng gió 58

4.3.2 Trường hợp có năng lượng gió 63

4.4 Dữ liệu hệ thống tính toán 68

4.4.1 Dữ liệu gió 68

4.4.2 Dữ liệu phụ tải 24 giờ 69

4.4.3 Dữ liệu hệ thống IEEE 30 nút và các thông số cài đặt 70

4.5 Kết quả tính toán bài toán ED có năng lượng gió theo phụ tải 24 giờ 72

4.5.1 Phụ tải lúc 1 giờ 72

4.5.2 Phụ tải lúc 24 giờ 74

4.6 Đánh giá và so sánh kết quả bài toán ED 76

4.7 Kết luận chương 4 77

CHƯƠNG 5PHÂN BỐ TỐI ƯU CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN 79

5.1 Thành lập bài toán OPF 79

5.1.1 Trường hợp không có năng lượng gió 79

5.1.2 Trường hợp có năng lượng gió 82

5.2 Áp dụng các phương pháp giải bài toán OPF 83

ix

5.2.1 Bài toán OPF không có năng lượng gió 83

5.2.2 Bài toán OPF có năng lượng gió 86

5.3 Kết quả tính toán 88

5.3.1 Dữ liệu hệ thống tính toán 88

5.3.2 Kết quả phụ tải lúc 1 giờ 89

5.3.3 Kết quả phụ tải lúc 24 giờ 94

5.3.4 Đánh giá và so sánh kết quả bài toán OPF 100

5.4 Kết luận chương 5 105

CHƯƠNG 6ĐIỀU ĐỘ TỐI ƯU CÔNG SUẤT PHẢN KHÁNG TRONG HỆ THỐNG ĐIỆN 106

6.1 Bài toán ORPD không có năng lượng gió 106

6.1.1 Xây dựng bài toán ORPD không có năng lượng gió 106

6.1.2 Áp dụng các phương pháp giải bài toán ORPD không có năng lượng gió 109 6.2 Bài toán ORPD có năng lượng gió 112

6.2.1 Xây dựng bài toán ORPD có năng lượng gió 112

6.2.2 Áp dụng các phương pháp giải bài toán ORPD có năng lượng gió 113

6.3 Kết quả tính toán 115

6.3.1 Dữ liệu hệ thống tính toán 115

6.3.2 Kết quả bài toán Ploss có tham gia của năng lượng gió 115

6.3.3 Kết quả bài toán VD có tham gia của năng lượng gió 120

6.3.4 Kết quả bài toán Lmax có tham gia của năng lượng gió 124

6.4 Đánh giá và so sánh kết quả bài toán ORPD 128

6.5 Kết luận chương 6 129

CHƯƠNG 7KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 131

7.1 Kết luận 131

7.2 Hướng phát triển 132

TÀI LIỆU THAM KHẢO 137

x

DANH MỤC CÁC HÌNH VẼ

Hình 2.1 Các vùng làm việc của tua bin gió 7

Hình 2.2 Hệ thống IEEE 30 nút bài toán ED [46] 10

Hình 2.3 Kết quả biểu diễn độ hội tụ nghiệm qua các phương pháp [54] 11

Hình 2.4 Kết quả độ hội tụ nghiệm bài toán OPF [55] 11

Hình 2.5 Hệ thống IEEE 30 nút bài toán OPF [59] 13

Hình 2.6 Hệ thống IEEE 30 nút bài toán ORPD [79] 16

Hình 2.7 Biểu diễn độ hội tụ nghiệm Ploss theo [71] 18

Hình 2.8 Biểu diễn độ hội tụ nghiệm OPF có NMĐG theo [103] 29

Hình 3.1 Di chuyển trong tự nhiên của bầy đàn [115] 36

Hình 4.1 Phân phối tốc độ gió theo Weibull [33] 54

Hình 4.2 Mô hình nhà máy điện gió 56

Hình 4.3 Đồ thị biểu diễn tốc độ gió 24 giờ ngày 16/04/2012 69

Hình 4.4 Biểu đồ phụ tải 24 giờ 70

Hình 4.5 Hệ thống điện IEEE 30 nút [149] 71

Hình 4.6 Đồ thị bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PSO 72

Hình 4.7 Biểu diễn độ lệch chuẩn bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PSO 72

Hình 4.8 Đồ thị bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PSO-TVAC 73

Hình 4.9 Biểu diễn độ lệch chuẩn bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PSO-TVAC 73

Hình 4.10 Đồ thị bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PG-PSO 73

Hình 4.11 Độ lệch chuẩn bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PG-PSO 73

Hình 5.1 Độ hội tụ nghiệm OPF dùng PSO với công suất NMĐG 40MW 101

Hình 5.2 Đồ thị độ lệch chuẩn bài toán OPF dùng PSO công suất NMĐG 40MW 101

Hình 5.3 Độ hội tụ nghiệm bài toán OPF dùng PSO TVAC với NMĐG 40MW 101

Hình 5.4 Đồ thị độ lệch chuẩn bài toán OPF dùng PSO TVAC với NMĐG 40MW 101

Hình 5.5 Độ hội tụ nghiệm OPF dùng PG-PSO với công suất NMĐG 40MW 101

Hình 5.6 Độ lệch chuẩn bài toán OPF dùng PG-PSO công suất NMĐG 40MW 101

Hình 5.7 Độ hội tụ nghiệm bài toán OPF dùng PG-PSOCF với NMĐG 40MW 102

Hình 5.8 Đồ thị độ lệch chuẩn bài toán OPF dùng PG-PSOCF với NMĐG 40MW 102

Hình 5.9 Độ hội tụ nghiệm bài toán OPF dùng CS với với NMĐG 40MW 102

Hình 5.10 Đồ thị độ lệch chuẩn bài toán OPF dùng CS với NMĐG 40MW 102

Hình 5.11 Độ hội tụ nghiệm bài toán OPF dùng PG-PSO với NMĐG 26MW 103

Hình 5.12 Độ lệch chuẩn bài toán OPF dùng PG-PSO NMĐG 26MW 103

Hình 5.13 Độ hội tụ nghiệm bài toán OPF dùng PG-PSOCF với NMĐG 26MW 103

xi

Hình 5.14 Đồ thị độ lệch chuẩn bài toán OPF dùng PG-PSOCF với NMĐG

26MW 103

Hình 5.15 Độ hội tụ nghiệm bài toán OPF dùng CS với NMĐG 26MW 103

Hình 5.16 Đồ thị độ lệch chuẩn bài toán OPF dùng CS với NMĐG 26MW 103

Hình 6.1 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PSO 116

Hình 6.2 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PSO 116

Hình 6.3 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PSO-TVAC 116

Hình 6.4 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PSO-TVAC 116

Hình 6.5 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PG-PSO 117

Hình 6.6 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PG-PSO 117

Hình 6.7 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PG-PSOCF 117

Hình 6.8 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng PG-PSOCF 117

Hình 6.9 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng CS 117

Hình 6.10 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải lúc 1 giờ dùng CS 117

Hình 6.11 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải 24 giờ dùng PSO 118

Hình 6.12 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải 24 giờ dùng PSO 118

Hình 6.13 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải 24 giờ dùng PSO-TVAC 118

Hình 6.14 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải 24 giờ dùng PSO-TVAC 118

Hình 6.15 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải 24 giờ dùng PG-PSO 119

Hình 6.16 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải 24 giờ dùng PG-PSO 119

Hình 6.17 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải 24 giờ dùng PG-PSOCF 119

Hình 6.18 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải 24 giờ dùng PG-PSOCF 119

Hình 6.19 Đồ thị bài toán Ploss có năng lƣợng gió phụ tải 24 giờ dùng CS 119

Hình 6.20 Độ lệch chuẩn Ploss có năng lƣợng gió phụ tải 24 giờ dùng CS 119

xii

DANH MỤC CÁC BẢNG BIỂU

Bảng 2.1 Tiềm năng gió ở Việt Nam [37] 8

Bảng 2.2 Kết quả bài toán ED qua các nghiên cứu đã công bố 9

Bảng 2.3 Kết quả tính bài toán OPF qua các phương pháp [58] [59] [60] 13

Bảng 2.4 Kết quả bài toán ORPD theo các phương pháp 17

Bảng 2.5 Kết quả tính ED có NMĐG hệ thống 15 nút và 6 nút IEEE theo [88][91][96] 23

Bảng 2.6 Kết quả tính bài toán OPF có NMĐG [100] [101] 26

Bảng 2.7 Kết quả tính bài toán OPF có NMĐG theo [102] 27

Bảng 2.8 Kết quả ORPD có NMĐG theo tài liệu tham khảo [111] 31

Bảng 2.9 Kết quả ORPD có NMĐG theo tài liệu tham khảo [114] 31

Bảng 2.10 Kết quả ORPD có NMĐG theo tài liệu tham khảo [109] 32

Bảng 4.1 Dữ liệu tốc độ gió (m/s) [147] 68

Bảng 4.2 Vận tốc gió cực tiểu, cực đại và trung bình [147] 68

Bảng 4.3 Phụ tải 24 giờ hệ thống IEEE 30 nút 69

Bảng 4.4 Thông số tua bin gió 71

Bảng 4.5 Kết quả bài toán ED có năng lượng gió phụ tải lúc 1 giờ 72

Bảng 4.6 Kết quả bài toán ED có năng lượng gió phụ tải 24 giờ 74

Bảng 4.7 So sánh kết quả bài toán ED qua các phương pháp với tải 289,3 MW 76

Bảng 4.8 So sánh kết quả bài toán ED qua các phương pháp với tải 189,2 MW 77

Bảng 5.1 Kết quả bài toán OPF có năng lượng gió phụ tải lúc 1 giờ 89

Bảng 5.8 Kết quả bài toán OPF có năng lượng gió phụ tải 24 giờ 94

Bảng 5.15 Kết quả bài toán OPF với công suất NMĐG 40 MW 100

Bảng 5.16 Kết quả bài toán OPF với công suất NMĐG 26 MW 102

Bảng 5.17 Bảng so sánh kết quả bài toán OPF qua các phương pháp 104

Bảng 6.1 Kết quả bài toán ORPD theo Ploss phụ tải lúc 1 giờ 116

Bảng 6.2 Kết quả bài toán ORPD theo Ploss phụ tải 24 giờ 118

Bảng 6.3 Kết quả bài toán ORPD theo VD phụ tải lúc 1 giờ 120

Bảng 6.4 Kết quả bài toán ORPD theo VD phụ tải 24 giờ 122

Bảng 6.5 Kết quả bài toán ORPD theo Lmax phụ tải lúc 1 giờ 124

Bảng 6.6 Kết quả bài toán ORPD theo Lmax phụ tải 24 giờ 126

Bảng 6.7 So sánh kết quả bài toán ORPD theo Ploss qua các phương pháp 129

Bảng 6.8 So sánh kết quả bài toán ORPD theo Lmax qua các phương pháp 129

Bảng 6.9 So sánh kết quả bài toán ORPD theo VD qua các phương pháp 129

xiii

DANH MỤC CÁC LƯU Đ Ồ

Lưu đồ 3.1 Lưu đồ bài toán tối ưu dùng phương pháp PSO-TVAC 40

Lưu đồ 3.2 Lưu đồ bài toán tối ưu dùng phương pháp PG-PSOCF 45

Lưu đồ 3.3 Lưu đồ giải bài toán tối ưu dùng phương pháp CS 49

Lưu đồ 4.1 Lưu đồ bài toán ED có năng lượng gió dùng phương pháp PSO

xiv

DANH MỤC CÁC TỪ VI Ế T TẮ T

ACS Ant Colony Search

AI Artificial Intelligent

BA Bat Algorithm

BCA Bee Colony Algorithm

BDA Bacterial Dynamics Algorithm

BHOA Black Hole Optimization A lgorithm

CCP Chance Constrained Programming

CNN Conventional and Neural Networks

GGABC Gbest GuidedArtificial BeeColony

GWO Grey Wolf Optimizer

HDEHS Hybrid Differential Evolution and Harmony Search HDE-SQP Hybrid DE sequential quadratic programming

HFGA Hybrid Fuzzy Genetic Algorithm

HLG Hybrid Loop Genetic

IEP Improved Evolutionary Programming

IFEP Improved Fast Evolutionary Programming

IGA-MU Improved Genetic Algorithm with Multiplier Updating IPSO Improved Particle Swarm Optimization

KOA Khumsoptimizationalgorithm

LMM Lagrange multipliers method

LH Lagrange Hopfield

LP Linear Programming

MAKWO Modified Artificial Killer Whale Optimization

MBO Multiobject Bees Optimization

MPSO Modified Particle Swarm Optimization

NP Nonlinear Programming

OBP Optimal Bus Placement

OPF Optimization Power Flow

ORPD Optimization Reactive Power Dispatch

PIO Probability Interval Optimization

PG-PSO Pseudo Gradient PSO

PG-PSOCF Pseudo Gradient PSO Constriction Factor

PGSA Plant Growth Simulation Algorithm

PSO Particle Swarm Optimization

PSO-IIW Particle swarm optimization with improved inertia weight PSO-TVAC PSO Time-Varying Acceleration Coefficients

xvi

DANH MỤC CÁC KÝ HIỆU

i Góc điện áp tại nút i [rad]

j Góc điện áp tại nút j [rad]

wi Góc điện áp tại nút i khi có NMĐG tham gia vào hệ thống [rad]

wj Góc điện áp tại nút j khi có NMĐG tham gia vào hệ thống [rad]

ij Độ lệch góc điện áp giữa nút i và j [rad]

A Diện tích gió thổi qua cánh quạt của tua bin [m2]

a i , b i , c i Hệ số chi phí của NMPĐ điện thứ I [$/h], [$/MWh], [$/MW2h]

B ij , B 0i , B 00 Hệ số ma trận B tổn thất truyền tải

g li Điện dẫncủa nhánh l đấu nối vào giữa nút i và nút j [1/Ω]

G ij ,B ij Điện dẫn và dung dẫn giữa nút i và nút j [1/Ω]

K p Hệ số phạt công suất phát của các tổ máy phát

K q Hệ số phạt công suất phản kháng máy phát

K s Hệ số phạt công suất truyền tải trên đường dây

K v Hệ số phạt điện áp nút tải

N d Tổng số nút tải

N wg Tổng số tua bin gió trong NMĐG

P D Tổng phụ tải yêu cầu [MW]

P Di Công suất yêu cầu tại nút i [MW]

P gi Công suất thực phát ra của máy phát nhiệt điện thứ i [MW]

P i,min ,P i,max Công suất thực cực tiểu và cực đại của máy phát thứ i [MW]

P L Tổng tổn thất truyền tải [MW]

P s Công suất phát bù trừ của hệ thống [MW]

P wgi Công suất của tua bin gió thứ i trong NMĐG [MW]

Q ci Bù công suất phản kháng tại nút thứ i [MVAr]

Q Di Công suất phản kháng yêu cầu tại nút i [MVAr]

Q g Công suất phản kháng máy phát [VAr]

SF i Hàm mục tiêu theo Ploss, VD hoặc Lmax

xvii

S l Công suất biểu kiến trên đường dây l giữa nút i và nút j [MVA]

S li Công suất biểu kiến trên đường dây truyền tải thứ i [MVA]

S l

max

Công suất cực đại trên đường dây truyền tải [MVA]

T k, min , T k, max Vị trí bộ điều áp cực tiểu và cực đại

v cut-in Tốc độ gió tối thiểu phải dừng làm việc [m/s]

v cut-out Tốc độ gió tối đa phải dừng làm việc [m/s]

V g Điện áp đầu cực máy phát [V]

V gi Điện áp của máy phát ở nút thứ i [V]

V bi(j) Điện áp tại nút thứ i (j) [V]

V wi(j) Điện áp tại nút thứ i(j) khi có NMĐG tham gia vào hệ thống [V]

V i ,  i Biên độ điện áp và góc điện áp ở nút thứ i [V] [rad]

V gi min , V gi max Điện áp cực tiểu và cực đại của máy phát thứ i [V]

V li Điện áp trên đường dây thứ i [V]

V li,min , V li,max Điện áp cực tiểu và cực đại trên đường dây thứ i [V]

Y ij Thành phần ma trận tổng dẫn của nút ij

ρ Mật độ không khí (kg/m3)

nhà máy phát điện (NMPĐ), nhiều phụ tải, hoặc các trạm biến áp, trạm tụ bù, trạm

điều áp… Khi vận hành cung cấp điện từ nhà máy đến phụ tải do các NMPĐ đặt ở các

vị trí khác nhau nên khoảng cách từ các NMPĐ đến phụ tải thường không bằng nhau,

do đó khi tham gia phát điện vào hệ thống, vấn đề đặt ra là các nhà máy phát được

phát với công suất bao nhiêu ứng với nhu cầu phụ tải đòi hỏi để chi phí vận hành là

thấp nhất Việc tính toán này đơn giản nếu chỉ có một hoặc vài nhà máy phát tham gia

phát điện cung cấp cho một hoặc hai phụ tải, nhưng nếu có nhiều phụ tải và có nhiều nhà máy phát cùng tham gia vào hệ thống thì việc tính toán khó hơn rất nhiều

Khi có nhiều dạng NMPĐ tham gia vào vận hành như: nhiệt điện, thuỷ điện, sinh khối,

năng lượng tái tạo và do đặc tính đường cong chi phí của các nhà máy phát khác nhau

từng thời điểm, phi tuyến và không liên tục và thêm nhiều điều kiện ràng buộc khác nhau từ đó làm cho bài toán càng phức tạp và nhiều biến Xác định các thông số để

điều độ tối ưu hệ thống điện là cần thiết để đảm bảo hệ thống điện vận hành tối ưu về

chi phí, hiệu quả, an toàn và an ninh Hiện nay để tính toán và vận hành tối ưu hệ

thống điện, người ta dùng một số thuật toán truyền thống với sự hỗ trợ của máy tính để

tính điều độ tối ưu hệ thống điện

Áp dụng thuật toán mới để giải các bài toán về vận hành tối ưu hệ thống điện là đóng

góp thêm các giải pháp để tính tối ưu vận hành hệ thống điện, từ đó có cơ sở so sánh

và lựa chọn các thuật toán có nhiều ưu điểm hơn Hiện nay năng lượng tái tạo được

xây dựng và đưa vào vận hành chung với các NMPĐ để đáp ứng nhu cầu phụ tải ngày

càng tăng và nguồn năng lượng hóa thạch đang cạn dần Thị trường điện đang hình

thành và sẽ chính thức vận hành trong tương lai gần ở Việt Nam

Vì vậy, đề tài nghiên cứu với mong muốn tìm ra các thuật toán nhằm giải các bài toán

điều độ tối ưu hệ thống điện theo yêu cầu phụ tải 24 giờ với sự tham gia của nguồn

2

năng lượng gió Từ kết quả nghiên cứu này hy vọng có thể vận dụng vào vào tính toán

vận hành tối ưu hệ thống điện thực tế trong tương lai

1.2 Mục đích nghiên cứu

Mục đích nghiên cứu của đề tài gồm các phần chính sau:

Ứng dụng và chọn lựa các thuật toán để giải bài toán điều độ tối ưu của hệ thống

điện

Tính được công suất truyền tải trên đường dây, công suất và công suất phản

kháng của các nhà máy phát nhiệt điện (NMPNĐ) và nhà máy điện gió (NMĐG),

dung lượng tụ bù, nấc điều chỉnh bộ điều áp tối ưu với chi phí phát điện cực tiểu

theo phụ tải 24 giờ

Tính tối ưu tổn thất công suất, tối ưu độ lệch điện áp tại các nút tải, tối ưu ổn định điện áp của hệ thống có tham gia của NMĐG theo phụ tải 24 giờ

1.3 Đố i tượng và ph ạm vi nghiên cứu

1.3.1 Đối tư ợng nghiên cứu

Cấu trúc của các thuật toán tìm kiếm bầy đàn: PSO, PSO-TVAC, PSO,

PG-PSOCF và CS

Hàm chi phí của tua bin gió và NMĐG

Các vấn đề của bài toán ED, OPF và ORPD và xây dựng bài toán ED, OPF và

ORPD có NMĐG

Giải các bài toán ED, OPF, ORPD bằng các thuật toán PSO, PSO-TVAC,

PG-PSO, PG-PSOCF và CS theo yêu cầu phụ tải 24 giờ

1.3.2 Phạ m vi nghiên cứu

Nghiên cứu tập trung giải quyết các vấn đề chính về:

Chi phí vận hành của các NMPĐ và NMĐG là tối ưu nhất để cung cấp đủ công

suất yêu cầu của phụ tải 24 giờ

3

Tối ưu: công suất phân bố tại các nút tải và trên đường dây, điện áp tại các nút,

dung lượng bù, tổn thất công suất, độ lệch điện áp

Áp dụng tính toán vận hành trên hệ thống điện IEEE 30 nút

1.4 Phương pháp nghiên cứu

Nghiên cứu lý thuyết: thu thập các tài liệu có trước về thuật toán tìm kiếm bầy đàn và các ứng dụng trước đây, nghiên cứu về tua bin gió, NMĐG và chi phí phát điện của

tua bin gió khi tham gia vào hệ thống Từ đó nâng cao cải tiến các thuật toán để áp

dụng hiệu quả vào giải quyết các vấn đề về điều độ tối ưu kinh tế, tối ưu phân bố công

suất, tối ưu công suất phản kháng của hệ thống điện theo yêu cầu phụ tải 24 giờ để đáp

ứng tính toán các nhà máy phát của hệ thống điện khi tham gia thị trường điện

Nghiên cứu thực nghiệm mô hình toán học: lập trình trên phần mềm Matlab và mô

phỏng hệ thống điện IEEE 30 nút để tính được kết quả các bài toán điều độ tối ưu kinh

tế, tối ưu phân bố công suất, tối ưu công suất phản kháng trong hệ thống điện

4

CHƯƠNG 2 TỔNG QUAN

2.1 Giới thiệu

môn kỹ thuật điện cho đến các vấn đề liên quan khác Trong đó phương pháp tối ưu

hóa đã được áp dụng hiệu quả cho kỹ thuật và vận hành hệ thống điện, thực tế đã đóng

vai trò rất quan trọng trong hoạt động kinh tế của các hệ thống điện Giá trị đóng góp

kiệm hàng năm cho các tiện ích lớn từ chi phí nhiên liệu, độ tin cậy hoạt động và an ninh [1]

Hiện nay hệ thống điện đã phát triển lớn hơn và phức tạp hơn do sự gia tăng nhu cầu

tải, dẫn đến tiêu thụ nhiều nhiên liệu hóa thạch cho các nhà máy nhiệt điện và giải phóng khí thải nhiều hơn vào môi trường Xu hướng hiện nay là sử dụng các nguồn

năng lượng tái tạo như nước, gió, mặt trời kết hợp vào hệ thống để giảm chi phí vận

hành và giảm lượng khí thải [2][3]

Theo tài liệu [4-6] khi hệ thống điện gồm các nhà máy nhiệt điện và các NMPĐ từ các

nguồn năng lượng tái tạo thì việc tính toán tối ưu vận hành là một công việc rất quan trọng, cần phải nhanh chóng chính xác để đảm bảo an ninh vận hành, tiết kiệm chi phí

nhiên liệu mà vẫn đảm bảo cung cấp điện năng đúng theo yêu cầu phụ tải của hệ

thống

Do đó, nội dung chương 2 của luận án nhằm tổng quan các tài liệu đã nghiên cứu trước

đây về các nội dung chính như sau: các thuật toán để tính toán vận hành tối ưu hệ

thống điện về các bài toán ED, OPF và ORPD gồm các nhà máy nhiệt điện và nhà máy

điện gió, các tài liệu về vận hành hệ thống điện theo yêu cầu phụ tải 24 giờ để phù hợp

với tính toán hệ thống điện khi tham gia thị trường điện hiện đang được áp dụng trên

thế giới và Việt Nam

Cấu trúc chương tổng quan gồm tóm tắt các nghiên cứu đã công bố về thuật toán tìm

kiếm bầy đàn, áp dụng các thuật này để giải vấn đề vận hành tối ưu hệ thống điện Các nghiên cứu đã công bố về năng lượng gió và công suất của tua bin gió, kết hợp các bài

5

toán ED, OPF và ORPD với sự tham gia của nhà máy điện gió theo yêu cầu của phụ

tải 24 giờ Báo cáo tổng quan gồm các nội dung đã được nghiên cứu từ thời gian xa

cho đến gần đây để đảm bảo tính thực tiễn khoa học Từ đó, tìm ra các khiếm khuyết

cần bổ sung hay sửa đổi để hoàn thiện và báo cáo luận án

2.2 Thuật toán tìm kiếm bầ y đàn và tối ưu hóa

Từ năm 1980, trí tuệ thông minh nhân tạo (AI) đã được các nhà khoa học nghiên cứu

phát triển và áp dụng nhiều trong lĩnh vực khoa học máy tính Có nhiều thuật toán

thông minh nhân tạo được nghiên cứu và ứng dụng, một số thuật toán tiêu biểu đó là:

mạng neural (NN), hệ mờ (FS), tính toán tiến hóa (EC), thuật toán di truyền (GA) và

thuật toán tìm kiếm bầy đàn (PSO) Thời gian này, các thuật toán thông minh nhân tạo

đã được nghiên cứu và ứng dụng để giải quyết vấn đề tối ưu hóa, do tối ưu hóa được

áp dụng trong nhiều lĩnh vực khoa học, đặc biệt là để giải các bài toán tìm nghiệm tối

ưu cực tiểu hay cực đại của các vấn đề kỹ thuật như: điện, cơ khí, máy tính, chế tạo

máy, giao thông vận tải [7]

Trướđây, đểgiảbàitoán không lên tụcvàphiuyến thường dùng cch tuyến tnh

hóa thành từng phân đoạn nhỏ và giải bằng các phương pháp truyền thống như: qui

hoạch tuyến tính (LP), qui hoạch phi tuyến (NP) [8], phương pháp đơn hình (SA),

phương pháp Lagrange (LMM), phương pháp Newton (NM) [9] Tuy nhiên việc giải

bài toán bằng các phương pháp này sẽ gặp khó khăn đối với những hệ thống lớn và

phức tạp [10]

Năm 1995, thuật toán tìm kiếm bầy đàn (PSO) đã được James Kennedy và Russell

Eberhart nghiên cứu áp dụng trong các môn học tối ưu hóa, thời gian này tối ưu hóa

bầy đàn thường được áp dụng trong lĩnh vực toán học và cơ khí [11][12]

Từ năm 1996 đến 2004, thuật toán tối ưu hóa bầy đàn thực sự phát triển mạnh và cải

tiến bằng cách thêm vào các hệ số biến đổi nhằm mục đích tăng độ dốc của đặc tính đồ

thị, giúp thời gian tìm nghiệm nhanh cho các kết quả tối ưu nhất [13-15] Các phương

pháp cải tiến là: PSO với hệ số gia tốc biến đổi thời gian (PSO-TVAC) [15][16], PSO

với gradient giả (PGPSO) [17], PSO với hệ số giới hạn (PG-PSOCF) [18] Tuy nhiên,

thời gian này các thuật toán tối ưu hóa bầy đàn vẫn chưa được áp dụng đến vấn đề tối

6

ưu vận hành hệ thống điện, đa số được ứng dụng trong các lĩnh vực khoa học máy

tính, cơ khí chế tạo máy và tối ưu hóa [19][20]

Từ năm 2004, thuật toán bầy đàn được quan tâm để giải bài toán tối ưu vận hành kinh

tế hệ thống điện [21] Thuật toán này ngày càng có nhiều ưu điểm do có thể giải các

hàm số không lồi [22], các hàm số dạng này có nhiều tại các hàm chi phí của các nhà

máy điện như nhiệt điện, thủy điện [23-25] Hơn nữa thuật toán tối ưu hóa bầy đàn có

thể giải các bài toán qui mô lớn nhiều nút bao gồm nhiều nhà máy phát, nhiều phụ tải,

nhiều bộ tụ bù và bộ điều áp trong hệ thống [25][26] Khi hệ thống điện phát triển sẽ

phát sinh thêm nhiều yêu cầu ràng buộc về an ninh, về tổn thất công suất, công suất trên đường dây [27][28], khi đó cần các thuật toán mới để đáp ứng giải nhanh và hiệu

quả các bài toán về vận hành tối ưu hệ thống điện [29][30]

Theo [31] thuật toán chim tu hú (CS) và di chuyển Lévy flights được ứng dụng trong

ngành công nghệ thông tin từ năm 2009 và phát triển trong nhiều ngành khác cho đến nay Thuật toán CS có nhiều ưu điểm hơn các thuật toán tối ưu bầy đàn khác như thời

gian xử lý nhanh, kết quả nghiệm chính xác, đặc tính đồ thị có độ dốc tốt, hội tụ nghiệm nhanh, tuy nhiên có rất ít nghiên cứu về áp dụng thuật toán chim tu hú để giải

quyết vấn đề tối ưu vận hành kinh tế hệ thống điện [32]

2.3 Tua bin gió và tiềm năng điện gió ở Việt Nam

2.3.1 Tua bin gió

Công suất phát điện của tua bin gió được tính theo công thức sau [33]

3

1

( )2

Với: Pw là công suất của tua bin gió [W]

Ρ là mật độ không khí [kg/m3]

A là diện tích cánh quạt tua bin gió [m2]

Cp là hiệu suất rotor [Cp = 0,3 - 0,5]

vw là vận tốc của gió [m/s]

7

Đặc điểm làm việc của tua bin gió là công suất phát thay đổi theo tốc độ gió trong

ngày và theo mùa trong năm [34], và đặc biệt là khi có mưa bão thì tốc độ gió rất lớn

có thể làm gãy cánh quạt của tua bin gió, hoặc ngược lại khi có gió quá yếu không đủ

làm quay cánh quạt tua bin cũng làm gây lãng phí chi phí đầu tư do không sản xuất

được điện năng Do đó khi đầu tư xây dựng NMĐG cần khảo sát chi tiết đặc điểm của

gió tại vị trí sẽ xây dựng nhà máy, trong đó quan trọng là phải có lịch sử dữ liệu tốc độ gió của nhiều năm trước để tính toán được vận tốc của gió của năm tiếp theo [35]

Các vùng làm việc của tua bin gió được phân chia theo hình vẽ sau [36]

 Vùng 1 là tốc độ gió nhỏ hơn tốc độ cho phép tương ứng v cut-in, bộ phận điều khiển

của tua bin tác động cánh quạt tạm dừng hoạt động

 Vùng 2 là tốc độ gió trong giới hạn cho phép tương ứng v rate, tua bin hoạt động bình

thường

 Vùng 3 là tốc độ gió lớn hơn tốc độ cho phép tương ứng v cut-out, bộ phận điều khiển

của tua bin tác động cánh quạt tạm dừng hoạt động

Theo [37] Việt Nam là nước có tiềm năng gió lớn nhất trong 4 nước trong khu vực

Đông Nam Á: hơn 39% tổng diện tích của Việt Nam được ước tính là có tốc độ gió

trung bình hàng năm lớn hơn 6m/s ở độ cao 65m, tương đương với tổng công suất

512GW Đặc biệt, hơn 8% diện tích Việt Nam được xếp hạng có tiềm năng gió rất tốt

Tiềm năng gió ở Việt Nam rất lớn do đặc điểm địa hình gần biển và đồng bằng, tốc độ

gió qua khảo sát và mô phỏng rất thích hợp để phát triển xây dựng các NMĐG [37],

tốc độ gió trung bình tại độ cao 65 m được trình bày theo bảng 2.1

Tương đối cao 7-8m/s

Cao 8-9m/s

Rất cao

>9m/s Diện tích (km2

) 197.242 100.367 25.679 2.178 111 Diện tích (%)60,60% 30,80% 7,90% 0,70% >2%

Tiềm năng (MW)401.444 102.716 8.748 452

2.4 Điều độ tối ưu trong hệ thống điện

2.4.1 Đi ề u đ ộ kinh tế hệ thố ng đi ệ n

Điều độ kinh tế (ED) là vấn đề quan tâm hiện nay trong vận hành hệ thống điện Đó là

phải tính toán được công suất thực phát ra từ các máy phát điện là tối ưu với chi phí

nhiên liệu thấp và phải thoả các ràng buộc của hệ thống máy phát cũng như các ràng buộc của hệ thống vận hành [38] Hiện nay đa số dùng các thuật toán thông minh nhân

tạo hoặc tối ưu hóa bầy đàn để giải bài toán ED của hệ thống điện Một số thuật toán

dùng để giải bài toán ED đã công bố: thuật toán Hybrid Fuzzy Genetic Algorithm

(HFGA) [39], thuật toán Evoluationary Algorithm (EA) [40], thuật toán Evolutionary

Harmony Search Algorithm (EHSA) [41], thuật toán Hybrid Differential Evolution

and Harmony Search (HDEHS) [42], phương pháp Differential Evolution Immunized

Ant Colony (DEIAC) [43], phương pháp Hybrid differential evolution sequential

quadratic programming (HDE-SQP) [44]

Hàm mục tiêu của bài toán ED là [39]

VớiFC(PG) là tổng chi phí nhiên liệu của tất cả các nhà máy phát điện [$/h]

FC(PGi) là chi phí nhiện liệu của nhà máy phát điện thứ i [$/h]

Ràng buộc cân bằng của bài toán ED [41][42]

i j

 

VớiPi là tổng công suất phát của các nhà máy phát điện [MW]

PD là công suất yêu cầu của phụ tải [MW]

PLoss là tổn thất công suất của hệ thống [MW]

Bảng 2.2 trình bày các kết quả đã công bố sử dụng các thuật toán khác nhau để giải bài

toán ED của hệ thống IEEE 30 nút, với P1, P2, P3, P4, P5, P6 là công suất của các nhà

máy phát nhiệt điện tại các nút 1, 2, 3, 4, 5 và 6

Bảng 2.2 Kết quả bài toán ED qua các nghiên cứu đã công bốCông suất

phát

SGA [45]

FGA [45]

EA [45][46]

SA [46]

EP [46]

WOA [46]

Với: P(1-6) là công suất phát của các nhà máy phát tại các nút (1-6) [MW]

Mục đích của bài toán ED là tính được công suất phát của NMPNĐ đảm bảo cung cấp

theo yêu cầu phụ tải với chi phí vận hành thấp nhất và đáp ứng các yêu cầu ràng buộc khác của hệ thống [45] Các kết quả đã công bố thường dùng phương pháp tính với

nhiều vòng lặp nhằm chọn được nghiệm cực tiểu tốt nhất, giá trị nghiệm được biểu

10

diễn bằng đồ thị sau mỗi vòng lặp để dể dàng nhận biết kết quả sau mỗi vòng lặp [46]

Các công bố được tính trên hệ thống IEEE 30 nút [46]

2.4.2 Đi ề u đ ộ phân bố tối ưu công su ất

Phân bố tối ưu công suất là một trong những dụng cụ quan trọng trong tính toán lập kế hoạch, kiểm soát và vận hành hệ thống điện, từ năm 1960 vấn đề phân bố tối ưu công suất được đề cập đến đầu tiên bởi hai nhà nghiên cứu Dommel và Tinney sau đó đã

được nhiều nghiên cứu và áp dụng trong quản lý và vận hành hệ thống điện [47]

Theo tài liệu [48], mục đích của bài toán phân bố tối ưu công suất (OPF) là tìm được:

công suất phân bố trên đường dây truyền tải, công suất phát của các NMPĐ, điện áp

nút máy phát, điện áp nút tải, dung lượng bù, nấc điều chỉnh bộ điều áp máy biến áp với nhiều ràng buộc về công suất phụ tải, công suất máy phát và các ràng buộc về an ninh hệ thống với chi phí nhiên liệu của NMPĐ thấp nhất

Hình 2.2 Hệ thống IEEE 30 nút bài toán ED [46]

11

Ngày nay lưới điện truyền tải và phân phối cung cấp cho khách hàng ngày càng rộng

lớn và phức tạp, từ đó đòi hỏi công suất truyền tải trên đường dây phải tính toán chính xác vừa đáp ứng yêu cầu phụ tải vừa đảm bảo ổn định công suất các máy phát và ổn

định vận hành đường dây [49] Khi tính toán tối ưu phân bố công suất của các nhà máy

nhiệt điện mà các hàm chi phí là hàm số tổng hoặc không lồi phải dùng các phương

pháp thông minh nhân tạo hoặc tối ưu bầy đàn để tính toán [50]

Hiện tại đã có một số nghiên cứu được công bố về bài toán điều độ tối ưu phân bố

công suất (OPF) sử dụng các thuật toán thông minh nhân tạo như sau: thuật toán Ant

Colony Search (ACS) [51], thuật toán Evolutionary Computation (EC) [51], thuật toán

Bee Colony Algorithm (BCA) [52], thuật toán Simulated Annealing Metahuristic

(ASM) [53], thuật toán Particle Swarm Optimization (PSO) [54], thuật toán

Conventional and Neural Networks (CNN) [55] Kết quả một số các phương pháp

được trình bày theo hình vẽ 2.3 và 2.4

Theo hình vẽ 2.3 và 2.4 nhận thấy mỗi phương pháp đều có đặc tính và độ dốc hội tụ

nghiệm khác nhau, giá trị chi phí vận hành cũng khác nhau Theo tài liệu [56][57]

Hình 2.3 Kết quả biểu diễn độ hội tụ nghiệm qua các phương pháp [54]

Hình 2.4 Kết quả độ hội tụ nghiệm bài toán OPF [55]

12

công suất truyền tải trên đường dây là thông số quan trọng cần phải tính được đối với

bài toán OPF, vì dựa vào thông số này sẽ điều tiết và vận hành hệ thống điện tối ưu nhất với chi phí nhiên liệu thấp nhất Tuy nhiên các kết quả đã công bố đa số tính công

suất máy phát điện, công suất phản kháng máy phát điện, dung lượng bù tại các nút,

điện áp tại các nút Hàm mục tiêu và các ràng buộc bài toán OPF như sau [57][58]

Vớia i , b i , c i là hệ số chi phí của NMPĐ điện thứ i[$/h], [$/MWh], [$/MW2h]

PGi là công suất của nhà máy phát điện thứ i [MW]

Các ràng buộc cân bằng và bất cân bằng [58][59]

VớiPGi là công suất phát của NMPĐ tại nút i [MW]

PDi là công suất của tải tại nút i [MW]

QGi là công suất phản kháng của NMPĐ tại nút i [MVAr]

QDi là công suất phản kháng của tải tại nút i [MVAr]

ilà góc điện áp tại nút i [rad]

j là góc điện áp tại nút j [rad]

ij là độ lệch góc điện áp giữa nút i và j [rad]

13

[MVAr]

VGi là điện áp tại nút i [p.u]

Hệ thống IEEE 30 nút theo tài liệu đã công bố [59]

Hình 2.5 Hệ thống IEEE 30 nút bài toán OPF [59]

Bảng 2.3 Kết quả tính bài toán OPF qua các phương pháp [58][59][60]

VớiP(1-13) là công suất phát của các NMPĐ tại các nút 1-13 [MW]

Q(1-13) là công suất phản kháng của các NMPĐ tại các nút 1-13 [MVAR] Q(10-29) là dung lƣợng tụ bù tại các nút 10 -29 [MVAr]

áp các nút tải và dung lượng bù tại các nút Tuy nhiên kết quả của một vài phương

pháp không giống nhau và một số kết quả đã công bố không có các thông số như: điện

áp nút, chi phí, thời gian xử lý bài toán

2.4.3 Đi ề u đ ộ tối ưu công su ất phản kháng

Điều độ tối ưu công suất phản kháng (ORPD) là vấn đề quan trọng và phức tạp trong

vận hành tối ưu hệ thống điện nhằm mục đích cải thiện tổn thất công suất (Ploss) nâng

cao hiệu quả kinh tế, giảm tổn thất điện năng của hệ thống [61][62] Bài toán điều độ

tối ưu công suất phản kháng còn nhằm mục đích tối ưu cực tiểu độ lệch điện áp (VD)

của các nút trong hệ thống [63][64], ngoài ra bài toán điều độ tối ưu công suất phản

kháng cũng nhằm cực đại hệ số ổn định điện áp (Lmax) của hệ thống [65][66]

Các tài liệu đã công bố về bài toán ORPD sử dụng các thuật toán thông minh nhân tạo

hoặc tối ưu bầy đàn như sau: thuật toán Linear Programming (LP) để tính tối ưu Ploss

[67], thuật toán Hybrid Loop Genetic (HLG) để tính tối ưu Ploss [68], thuật toán Bat

Algorithm (BA) để tính tối ưu Ploss và VD [69], thuật toán Ant Colony (AC) tính và so

sánh các kết quả bài toán ORPD [70], thuật toán Evolutionary Algorithm (EA) để tính

Ploss và VD [71], sử dụng Hybrid PSO (HPSO) để tính tối ưu VD [80] và Improve

Particle Swarm Optimization (IPSO) để tính Ploss [72] Theo tài liệu [78][72] hàm mục

tiêu của bài toán ORPD theo tổn thất công suất và độ lệch điện áp là



Vớinl là tổng số đường dây truyền tải

gk là điện dẫn của đường dây thứ k [1/Ω]

16

i là góc điện áp tại nút i [rad]

j là góc điện áp tại nút j [rad]

ij là độ lệch góc điện áp giữa nút i và j [rad]

Vi là điện áp tại nút i [V]

Vj là điện áp tại nút j [V]

VD là độ lệch điện áp của hệ thống

NL là tổng số nút tải của hệ thống

Vk là điện áp tại nút tải thứ k [p.u]

Hình vẽ hệ thống IEEE 30 nút theo tài liệu công bố [79]

Hình 2.6 Hệ thống IEEE 30 nút bài toán ORPD [79]Các ràng buộc cân bằng và bất cân bằng bài toán ORPD theo [72][78][80]

là điện áp, điện áp cực tiểu, điện áp cực đại của máy phát [V]

QGi, QGimin, QGimax là công suất phản kháng, công suất phản kháng cực tiểu và

cực đại của máy phát [MVAr]

Ti, Timin, Timax là vị trí nấc bộ điều áp, vị trí cực tiểu và vị trí cực đại [p.u]

Qci, Qcimin, Qcimax là dung lượng bộ tụ bù, dung lượng bộ tụ bù cực tiểu và cực

đại [MVAr]

Theo [73] Các phương pháp áp dụng để giải bài toán ORPD đều có ưu và khuyết điểm

riêng, tuy nhiên cần phải tìm được thuật toán nào có thể giải bài toán với tổn thất công suất Ploss thấp nhất để tăng hiệu quả kinh tế khi vận hành hệ thống, độ lệch điện áp

thấp nhất và cực đại độ ổn định điện áp để tăng ổn định an ninh hệ thống

Bảng 2.4 Kết quả bài toán ORPD theo các phương pháp

Biến số

Các phương pháp

EA [74]

MOPSO [70]

ICSE [71]

DE [72]

QSCSA [69]

V1 (p.u) 1,050 1,0708 1,040 1,029 1,1 V2 (p.u) 1,041 1,0630 1,041 1,054 1,063 V5 (p.u) 1,018 1,0415 1,043 1,035 1,054 V8 (p.u) 1,017 1,0405 1,032 0,998 1,042 V11 (p.u) 1,084 1,0744 1,003 1,024 1,063 V13 (p.u) 1,079 1,0620 1,040 1,032 1,043 T11 (p.u) 1,002 1,07 1,05 0,988 1,017 T15 (p.u) 0,951 1,06 1,02 1,003 1,059 T16 (p.u) 0,990 1,03 1,0 0,958 - Qc10 (MVAr) - 0,05 3 3,984 - Qc12 (MVAr) - - 4 1,012 - Qc15 (MVAr) - - 2 0,002 -

18

Biến số

Các phương pháp

EA [74]

MOPSO [70]

ICSE [71]

DE [72]

QSCSA [69]

Qc17 (MVAr) - - 0 3,956 - Qc20 (MVAr) - - 3 3,836 - Qc23 (MVAr) - - 4 3,992 0,062 Qc24 (MVAr) - 0 4 3,012 - Qc29 (MVAr) - - 4 2,984 - Ploss (MW) 5,1167 4,9849 4,990 4,456 4,532

VD (p.u) 1,1435 0,7096 - 0,544 - VớiV(1-13) là điện áp nút các máy phát tại các nút (1-13) [p.u]

T(11-16) là điện áp đầu ra bộ điều áp dưới tải tại các nút (11-16) [p.u]

Qc(10-29) là dung lượng bộ tự bù tại các nút (10-29) [MVAr]

Ploss là tổn thất công suất của hệ thống [MW]

VD là độ lệch điện áp của hệ thống [p.u]

Từ hình vẽ 2.7 và bảng kết quả 2.4 nhận thấy các kết quả tính Ploss có giá trị từ 4,5

(MW) đến lớn hơn 5 (MW), VD có giá trị từ 0,544 (pu) trở lên, các phương pháp đều không xét đến thời gian giải bài toán, một số phương pháp không xét đến đồ thị độ hội

tụ nghiệm của hàm mục tiêu Ploss

2.5 Điều độ tối ưu hệ thống điện có tham gia của NMĐG

Hình 2.7 Biểu diễn độ hội tụ nghiệm Ploss theo [71]

19

2.5.1 Đi ề u đ ộ kinh tế có tham gia của NMĐG

Hàm chi phí của bài toán ED liên quan đến công suất của các NMPĐ trong đó có công

suất phát của NMĐG Năng lượng gió có đặc điểm không ổn định, tốc độ gió thay đổi

theo từng giờ hoặc tùy theo thời tiết các mùa trong năm [77], dẫn đến công suất phát

của NMĐG thay đổi liên tục đều này gây khó khăn trong việc xác định công suất phát

của các NMĐG để tính bài toán ED trong hệ thống điện [78]

2.5.1.1 Xác đ ị nh công suấ t phát củ a tua bin gió

Việc xác định công suất phát của tua bin gió rất khó do không biết trước được tốc độ gió tại thời điểm đang xét, qua nghiên cứu tài liệu đang được công bố hiện có một số

phương pháp để xác định công suất của tua bin gió tham gia vào hệ thống điện như

sau:

Xây dựng ma trận tua bin gió theo thực tế vị trí của tua bin gió: hình chữ nhật hoặc hình vuông Sau đó chọn véc tơ trong ma trận tua bin gió để tính công suất phát của

NMĐG [79]

 Từ công suất thiết kế của từng tua bin gió tính công suấtphát của NMĐG bằng tổng

công suất của số tua bin gió cộng lại, sau đó xây dựng kịch bản phát điện của

NMĐG theo 15%, 25%, 50%, 75% hoặc 90% của tổng công suất NMĐG [80][81]

 Cho tua bin gió phát ngẫu nhiên theo phân phối Weibull để tính công suất phát của

NMĐG [82]

Xây dựng công suất phát của tua bin gió theo phân phối xác suất Gauss [83]

Kế hoạch phát điện của tua bin gió có tính đến hệ số phạt [84][88] Theo tài liệu

[88] nếu NMĐG phát công suất thấp hơn công suất đăng ký sẽ chịu chi phí phạt

theo công thức sau:

20

 (t)

Vớidn(t) là chi phí phạt của nhà máy điện gió [$/h]

Crwj là chi phí khi phát điện của tua bin gió khác so với kế hoạch [$/MWh]

Et(Yoej) là công suất phát của tua bin gió tại thời điểm t [MW]

Wj là công suất phát theo kế hoạch của tun bin gió [MW]

Wr là công suất phátcực đại của tua bin gió [MW]

vn

t

là tốc độ gió tại thời điểm t [m/s]

vin là vận tốc gió giới hạn cực tiểu của tua bin gió [m/s]

vout là vận tốc gió giới hạn cực đại của tua bin gió [m/s]

vr là vận tốc gió cho công suất phát cực đại của tua bin gió [m/s]

k, c,  là các hệ số của hàm số Weibull phân phối tốc độ gió

2.5.1.2 Hàm chi phí củ a bài toán ED có tham gia củ a NMĐG

Các bài toán ED có xét đến NMĐG đều quan tâm đến hàm chi phí của bài toán trong

đó có chi phí của tua bin gió, do chi phí nhiên liệu của tua bin gió là bằng không nên

hàm chi phí của tua bin gió chủ yếu là chi phí phí vận hành và bảo trì của tua bin gió[85][86]

Theo tài liệu [85][86][94] hàm chi phí của bài toán ED của hệ thống nhà máy phát

nhiệt điện có sự tham gia của NMĐG là: