Thuật toán cuckoo search và áp dụng vào bài toán điều độ kinh tế trong thị trường điện

HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA --- NGUYỄN SỸ ĐÔNG HẢI THUẬT TOÁN CUCKOO SEARCH VÀ ÁP DỤNG VÀO BÀI TOÁN ĐIỀU ĐỘ KINH TẾ TRONG THỊ TRƯỜNG ĐIỆN Chuyên ngành: THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆ

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

NGUYỄN SỸ ĐÔNG HẢI

THUẬT TOÁN CUCKOO SEARCH VÀ ÁP DỤNG VÀO BÀI TOÁN ĐIỀU ĐỘ KINH TẾ TRONG THỊ TRƯỜNG ĐIỆN

Chuyên ngành: THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN

Mã số: 60 52 50

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 06 năm 2014

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

NGUYỄN SỸ ĐÔNG HẢI

THUẬT TOÁN CUCKOO SEARCH VÀ ÁP DỤNG VÀO BÀI TOÁN ĐIỀU ĐỘ KINH TẾ TRONG THỊ TRƯỜNG ĐIỆN

Chuyên ngành: THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN

Mã số: 60 52 50

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 06 năm 2014

Công trình được hoàn thành tại: Trường Đại học Bách Khoa- ĐHQG-HCM

Cán bộ hướng dẫn khoa học : TS Huỳnh Quang Minh

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 1 :

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 2 :

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày tháng năm

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ) 1

2

3

4

5

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: NGUYỄN SỸ ĐÔNG HẢI MSHV: 12181134

Ngày, tháng, năm sinh: 11/04/1989 Nơi sinh: TP HCM

Chuyên ngành: Thiết bị, Mạng và Nhà máy điện Mã số : 60 52 50

I TÊN ĐỀ TÀI:

THUẬT TOÁN CUCKOO SEARCH VÀ ÁP DỤNG VÀO BÀI TOÁN ĐIỀU ĐỘ

KINH TẾ TRONG THỊ TRƯỜNG ĐIỆN

II NHIỆM VỤ VÀ NỘI DUNG:

-Tìm hiểu mô hình thị trường điện có xét đến các dịch vụ phụ trợ (các nhà máy phát) -Tìm hiểu thuật toán tối ưu Cuckoo Search, cách áp dụng vào bài toán ED trong Thị Trường Điện

-Giải quyết bài toán ED cho thị trường điện đơn giản là thị trường tập trung, các nhà máy là nhiệt điện Kết quả tính toán bằng phương pháp Cuckoo Search thực hiện dựa trên lập trình Matlab

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 20/06/2014

V CÁN BỘ HƯỚNG DẪN : TS HUỲNH QUANG MINH

LỜI CẢM ƠN

Tôi xin kính gửi lời cảm ơn sâu sắc đến TS Huỳnh Quang Minh, người Thầy trực tiếp hướng dẫn, nhiệt tình chỉ bảo và giúp tôi hoàn thành luận văn này

Tôi cũng xin chân thành cảm ơn đến quý thầy cô ở trường Đại học Bách Khoa

TP.HCM, là những người đã truyền đạt kiến thức, định hướng nghiên cứu và giúp đỡ tôi rất nhiều trong thời gian học tập tại trường

Tôi cũng nhận được sự giúp đỡ của các bạn cùng khoá, cùng Thầy hướng dẫn Xin cám ơn các bạn đã đóng góp cho tôi những ý kiến và những tài liệu giá trị

Cuối cùng, tôi xin kính gửi đến gia đình, đồng nghiệp, người yêu lòng biết ơn chân thành và sâu sắc nhất, những người đã luôn động viên ủng hộ tôi về tinh thần lẫn vật chất, tạo mọi điều kiện thuận lợi nhất cho tôi trong suốt quá trình học tập và nghiên cứu

TÓM TẮT LUẬN VĂN

Với mong muốn tìm ra lời giải tốt hơn cho bài toán điều độ kinh tế trong Thị trường Điện, một thuật toán tối ưu hoá Cuckoo Search (CSA) mới ra đời vào năm 2009 [6], [7] xin được đưa vào để giải Nội dung chính của luận văn sẽ được trình bày như sau:

-Chương I: Giới thiệu chung Giới thiệu chung về bài toán điều độ kinh tế trong

Thị trường Điện, tầm quan trọng của bài toán, mục tiêu của đề tài, phạm vi và nội dung nghiên cứu của luận văn

-Chương II: Tổng quan Trình bày tổng quan về bài toán điều độ kinh tế và một số

phương pháp tiêu biểu trước đây

-Chương III: Thành lập bài toán Thành lập bài toán điều độ kinh tế cho Thị

trường điện với nhiều ràng buộc khác nhau

-Chương IV: Phương pháp luận giải quyết bài toán Giới thiệu thuật toán Cuckoo

Search cũng như cách thức áp dụng thuật toán Cuckoo Search vào bài toán

-Chương V: Kết quả tính toán Trình bày kết quả bài toán điều độ kinh tế cho Thị

trường điện bằng thuật toán Cuckoo Search được viết bằng Matlab cho:

+Mô hình 03 nhà máy có xét đến ràng buộc cân bằng phụ tải và ràng buộc giới hạn phát, bỏ qua tổn thất và các ràng buộc khác

+Mô hình 10 nhà máy có xét đến ràng buộc cân bằng phụ tải và ràng buộc giới hạn phát, bỏ qua tổn thất và các ràng buộc khác

-Chương VI: Tổng kết và hướng nghiên cứu Trình bày kết luận về kết quả thu

được bằng phương pháp Cuckoo Search, từ đó đề xuất hướng nghiên cứu tiếp theo

Kết quả bằng Cuckoo Search được kiểm tra và so sánh với kết quả của các phương pháp khác trước đây Thuật toán Cuckoo Search đề xuất đã cho thấy hiệu quả trong giải quyết bài toán điều độ kinh tế trong Thị trường Điện với kết quả tốt hơn, độ hội tụ cao và thời gian tính toán nhanh hơn

-

MỤC LỤC

NHIỆM VỤ LUẬN VĂN THẠC SĨ

LỜI CẢM ƠN

TÓM TẮT LUẬN VĂN

MỤC LỤC i

DANH MỤC TỪ VIẾT TẮT iv

DANH SÁCH CÁC KÝ HIỆU v

DANH SÁCH CÁC HÌNH ẢNH vii

DANH SÁCH CÁC BẢNG viii

CHƯƠNG I 1

GIỚI THIỆU CHUNG 1

I.1 Tầm quan trọng 1

I.2 Mục tiêu của đề tài 2

I.3 Phạm vi nghiên cứu 2

I.4 Nội dung nghiên cứu 2

CHƯƠNG II 3

TỔNG QUAN 3

II.1 Tổng quan về bài toán điều độ kinh tế 3

II.2 Tổng quan các phương pháp giải đã được áp dụng 4

II.2.1 DP (Dynamic Programming) 4

II.2.2 EP (Evlolutionary Programming) 4

II.2.3 TS (Tabu Search) 4

II.2.4 GA (Gêntic Algorithm) 4

II.2.5 DE (Diferential Evolution) 5

II.2.6 HNN (Hopfield Neural Network) 5

II.2.7 ELANN (Enhanced Lagrangian Artificaial Neural Network) 5

II.2.8 PSO (Particle Swarm Optimization) 5

II.2.9 HS (Harmony Search) 6

II.2.10 BA (Bee Algorithm) 6

II.2.11 FA (Firefly Algorithm) 6

II.3 Tóm tắt 7

CHƯƠNG III 8

PHÁT BIỂU BÀI TOÁN 8

III.1 Hai mô hình doanh thu theo cách hoạt động của thị trường dự trữ quay 8

III.1.1 Thanh toán cho dự trữ quay được sử dụng ngay 8

III.1.2 Thanh toán cho trường hợp dự trữ quay phân bổ 9

III.2 Hàm mục tiêu 9

III.3 Các ràng buộc của bài toán 10

III.3.1 Ràng buộc về nhu cầu phụ tải và nhu cầu dự trữ quay 10

III.3.2 Ràng buộc về giới hạn phát của nhà máy 11

III.3.3 Ràng buộc về giới hạn độ dốc tốc độ 11

III.3.4 Ràng buộc về vùng cấm 11

CHƯƠNG IV 13

PHƯƠNG PHÁP LUẬN GIẢI QUYẾT BÀI TOÁN 13

IV.1 Cách thức giải quyết vấn đề 13

IV.2 Giới thiệu thuật toán Cuckoo Search 13

IV.2.1 Đặc tính Lévy Flight 14

IV.2.2 Thuật toán Cuckoo Search 15 IV.3 Thuật toán Cuckoo Search áp dụng vào bài toán điều độ kinh tế trong Thị trường Điện 19

IV.3.1 Một số vấn đề trong tính toán bài toán ED trong Thị trường Điện dùng Cuckoo

Search 19

IV.3.2 Thuật toán Cuckoo Search áp dụng vào bài toán ED trong Thị trường Điện 22

IV.4 Lập trình Thuật toán Cuckoo Search áp dụng vào bài toán điều độ kinh tế trong Thị trường Điện 28

CHƯƠNG V 30

KẾT QUẢ TÍNH TOÁN 30

V.1 Bài toán điều độ kinh tế cho Thị trường điện mô hình 03 nhà máy có xét đến ràng buộc cân bằng phụ tải và ràng buộc giới hạn phát, bỏ qua tổn thất và các ràng buộc khác 31

V.1.1 Trường hợp PD=800MW, RD=80MW 32

V.1.2 Trường hợp PD=1100MW, RD=100MW 38

V.2 Bài toán điều độ kinh tế cho Thị trường điện mô hình 10 nhà máy có xét đến ràng buộc cân bằng phụ tải và ràng buộc giới hạn phát, bỏ qua tổn thất và các ràng buộc khác 44

Trường hợp PD=1500MW, RD=150MW 46

CHƯƠNG VI 55

TỔNG KẾT VÀ HƯỚNG NGHIÊN CỨU 55

V.1 TỔNG KẾT ĐỀ TÀI 55

V.2 HƯỚNG NGHIÊN CỨU 56

TÀI LIỆU THAM KHẢO 57

LÝ LỊCH TRÍCH NGANG

DANH MỤC TỪ VIẾT TẮT

ACO: Ant Colony Optimization

ALHN: Augmented Lagrange Hopfield Network

BA: Bee Algorithm

CSA: Cuckoo Search Algorithm

DE: Differential Evolution

DP: Dynamic Programming

ED: Economic Dispatch

ELANN: Enhanced Lagrange Artificial Neural Network

EP: Evolutionary Programming

FA: Firefly Algorithm

GA: Genetic Algorithm

HNN: Hopfield Neural Network

HS: Harmony Search

PSO: Particle Swarm Optimization

TS: Tabu Search

DANH SÁCH CÁC KÝ HIỆU

[…] : Tài liệu tham khảo

(…) : biểu thức toán học

ai,bi,ci là các hệ số chi phí của nhà máy thứ i

Bij,B0i,B00: các hệ số của phương trình tổn hao truyền tải

DRi và URi: Giới hạn độ dốc đi xuống và đi lên

RD: nhu cầu dự trữ quay của hệ thống (MW)

PD: nhu cầu phụ tải của hệ thống (MW)

PL: tổng tổn hao trong mạng (MW)

: Hàm mục tiêu

TC: Hàm chi phí

RV1 : Hàm doanh thu với trường hợp dự trữ quay được bán để sử dụng ngay

RV2: Hàm doanh thu với trường hợp dự trữ quay được phân bổ chờ sử dụng

 : xác suất công suất dự trữ quay của nhà máy được sử dụng

DANH SÁCH CÁC HÌNH ẢNH

Hình 4.1: Chim cuckoo con lớn hơn cả chim chủ tổ 14 Hình 4.2 Lưu đồ giải thuật của thuật toán CS 17 Hình 5.1: Sự hội tụ khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 32 Hình 5.2: Kết quả tốt nhất khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=800,

RD=80, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 33 Hình 5.3: Sự hội tụ khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 35 Hình 5.4: Kết quả tốt nhất khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=800,

RD=80, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 36 Hình 5.5: Sự hội tụ khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=1100, RD=100, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 38 Hình 5.6: Kết quả tốt nhất khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=1100,

RD=100, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 39 Hình 5.7: Sự hội tụ khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=1100, RD=100,

mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 41 Hình 5.8: Kết quả tốt nhất khi chạy 100 lần bằng CS cho hệ thống 3 nhà máy với PD=1100,

RD=100, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 42 Hình 5.9: Sự hội tụ khi chạy 100 lần bằng CS cho hệ thống 10 nhà máy với PD=1500, RD=150,

mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 46 Hình 5.10: Kết quả tốt nhất khi chạy 100 lần bằng CS cho hệ thống 10 nhà máy với PD=1500,

RD=150, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 47 Hình 5.11: Sự hội tụ khi chạy 100 lần bằng CS cho hệ thống 10 nhà máy với PD=1500, RD=150,

mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 50 Hình 5.12: Kết quả tốt nhất khi chạy 100 lần bằng CS cho hệ thống 10 nhà máy với PD=1500,

RD=150, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 51

DANH SÁCH CÁC BẢNG

Bảng 5.1: Thông số của 03 nhà máy 31 Bảng 5.2: Kết quả sau 100 lần chạy bằng CS cho hệ thống 3 nhà máy với PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 33 Bảng 5.3: Kết quả phân bố công suất và dự trữ quay các nhà máy bằng CS cho hệ thống 3 nhà máy với PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 34 Bảng 5.4: Kết quả sau 100 lần chạy bằng CS cho hệ thống 3 nhà máy với PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 36 Bảng 5.5: Kết quả phân bố công suất và dự trữ quay các nhà máy bằng CS cho hệ thống 3 nhà máy với PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 37 Bảng 5.6: Kết quả so sánh lợi nhuận và thời gian xử lý bằng CS cho hệ thống 3 nhà máy với

PD=800, RD=80, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 37 Bảng 5.7: Kết quả sau 100 lần chạy bằng CS cho hệ thống 3 nhà máy với PD=1100, RD=100, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 39 Bảng 5.8: Kết quả so sánh phân bố công suất và dự trữ quay (kết quả tốt nhất) các nhà máy của các phương pháp cho hệ thống 3 nhà máy với PD=1100, RD=100, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 40 Bảng 5.9: Kết quả so sánh lợi nhuận và thời gian xử lý bằng CS cho hệ thống 3 nhà máy với

PD=1100, RD=100, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 40 Bảng 5.10: Kết quả sau 100 lần chạy bằng CS cho hệ thống 3 nhà máy với PD=1100, RD=100,

mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 42 Bảng 5.11: Kết quả so sánh phân bố công suất và dự trữ quay (kết quả tốt nhất) các nhà máy của các phương pháp cho hệ thống 3 nhà máy với PD=1100, RD=100, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 43 Bảng 5.12: Kết quả so sánh lợi nhuận và thời gian xử lý bằng CS cho hệ thống 3 nhà máy với

PD=1100, RD=100, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 43 Bảng 5.13: Thông số của 10 nhà máy 44 Bảng 5.14: Kết quả so sánh phân bố công suất và dự trữ quay (kết quả tốt nhất) các nhà máy của các phương pháp cho hệ thống 10 nhà máy với PD=1500, RD=150, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 48

Bảng 5.15: Kết quả so sánh lợi nhuận và thời gian xử lý bằng CS cho hệ thống 10 nhà máy với

PD=1500, RD=150, mô hình doanh thu cho trường hợp dự trữ quay được sử dụng ngay 49 Bảng 5.16: Kết quả so sánh phân bố công suất và dự trữ quay (kết quả tốt nhất) các nhà máy của các phương pháp cho hệ thống 10 nhà máy với PD=1500, RD=150, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 52 Bảng 5.17: Kết quả so sánh lợi nhuận và thời gian xử lý bằng CS cho hệ thống 10 nhà máy với

PD=1500, RD=150, mô hình doanh thu cho trường hợp dự trữ quay được phân bổ 53

CHƯƠNG I GIỚI THIỆU CHUNG

I.1 Tầm quan trọng

Ngành điện trên thế giới đang phải đương đầu với việc tái cơ cấu, tiến tới tư nhân hóa và mở đầu những cuộc cạnh tranh trong thị trường năng lượng điện Những cải cách ngành công nghiệp điện trên toàn thế giới được xem như là một điều kiện cần thiết để tăng tính hiệu quả sản xuất năng lượng điện, truyền tải, phân phối và cung cấp một mức giá hợp lý hơn, chất lượng cao hơn và sản phẩm an toàn hơn cho khách hàng

Hiện nay, HTĐ Việt Nam cũng đã kết nối với một số nước trong khu vực như Trung Quốc, Lào, Campuchia để mua bán, trao đổi điện và tương lai gần sẽ hình thành hệ thống truyền tải điện trong các nước ASEAN Các công ty điện nước ngoài đang và sẽ vào Việt Nam hoạt động kinh doanh, cạnh tranh với các công ty điện lực củaViệt Nam Ngược lại, các doanh nghiệp kinh doanh điện của Việt Nam, mà trước tiên là EVN cũng

có cơ hội để tham gia kinh doanh ở các quốc gia trong khu vực như tham gia mua bán điện trên thị trường điện khu vực, xây dựng các nhà máy điện …

Quá trình cải tổ cơ cấu ngành điện Việt Nam và xây dựng thị trường điện sẽ mở ra môi trường cạnh tranh lành mạnh giữa các doanh nghiệp kinh doanh điện trên thị trường điện Việt Nam Vì thị trường điện là một vấn đề rất mới đối với Việt Nam, cho nên cần thiết phải có những nghiên cứu về thị trường điện

Bài toán Điều độ Kinh tế (Economic Dispatch-ED) trong thị trường điện với mục đích tối ưu hoá lợi nhuận của các nhà máy trong hoàn cảnh này có ý nghĩa thực tiễn rất to lớn đối với ngành điện nói riêng và nền kinh tế nước ta nói chung Hiện chưa có luận văn, công trình nghiên cứu trong nước về áp dụng thuật toán Cuckoo Search mới ra đời vào bài toán Điều độ Kinh tế trong Thị Trường Điện Điều này cho thấy tầm quan trọng của bài toán trong việc tìm ra một lời giải tốt nhất, tối ưu nhất

Do đó luận văn sẽ tập trung tìm ra lời giải cho “Bài toán Điều độ Kinh tế trong

Thị Trường Điện áp dụng thuật toán Cuckoo Search”

I.2 Mục tiêu của đề tài

Tìm ra lời giải cho bài toán ED trong Thị Trường Điện: tối đa lợi nhuận của các nhà máy phát với thuật toán được đề xuất “Cuckoo Search”

I.3 Phạm vi nghiên cứu

Căn cứ vào mục tiêu đề tài và thời gian làm luận văn, việc nghiên cứu chỉ giới hạn trong phạm vi:

 Tìm hiểu mô hình thị trường điện có xét đến các dịch vụ phụ trợ (các nhà máy phát)

 Tìm hiểu thuật toán tối ưu Cuckoo Search, cách áp dụng vào bài toán ED trong Thị Trường Điện

 Giải quyết bài toán ED cho thị trường điện đơn giản là thị trường tập trung, các nhà máy là nhiệt điện Kết quả tính toán bằng phương pháp Cuckoo Search thực hiện dựa trên lập trình Matlab

I.4 Nội dung nghiên cứu

 Mô hình Thị trường điện có xét đến các dịch vụ phụ trợ

 Thuật toán Cuckoo Search

 Áp dụng thuật toán Cuckoo Search vào bài toán ED cho mô hình thị trường điện như trên

CHƯƠNG II TỔNG QUAN

II.1 Tổng quan về bài toán điều độ kinh tế

Bài toán điều độ kinh tế (ED) là phương pháp xác định cách vận hành hệ thống điện tin cậy với chi phí thấp và hiệu quả nhất bằng cách điều độ các nguồn phát có sẵn để cung cấp cho tải trên hệ thống [1] Mục tiêu chính của điều độ kinh tế là tối thiểu chi phí phát trong khi vẫn đảm bảo các ràng buộc trong vận hành các nguồn phát [2]

Trong môi trường của thị trường điện, các ràng buộc về độ an toàn của điều độ kinh tế giúp ích cho những người tiêu thụ điện qua việc tăng hiệu quả sử dụng của các máy phát Điều này dẫn đến việc sử dụng nhiên liệu tốt hơn, giảm thiểu khí thải so với thông thường

Điều độ kinh tế đòi hỏi người vận hành phải chú tâm vào các tình trạng của hệ thống

và duy trì vận hành lưới an toàn, do đó tăng tính tin cậy của vận hành mà không làm tăng chi phí [3] Bài toán có một ít thay đổi khi áp dụng vào thị trường điện, mục đích tối ưu chyển từ tối thiểu chi phí phát điện sang tối đa lợi nhuận phát điện, và các ràng buộc về tải trở nên ít nghiêm ngặt hơn [4]

Trong những năm gần đây, cùng với sự phát triển mạnh mẽ của khoa học máy tính và công nghệ trí tuệ nhân tạo, các phương pháp tối ưu có khuynh hướng nghiên về dạng mạng neuron và dạng heuristic do những lợi ích mà nó đem lại Các phương pháp tiêu biểu của khuynh hướng này như Lập trình tiến hóa (EP), Giải thuật di truyền (GA), Mạng Neuron Hopfield (HNN)… Tuy nhiên các phương pháp này vẫn có khuyết điểm chung là

số lần lặp lớn và bị ảnh hưởng bởi các thông số điều khiển Đến hiện nay, các phương pháp được nghiên cứu rộng rãi và phổ biến như GA, PSO cho thấy nhiều ưu điểm Riêng PSO giải quyết bài toán điều độ kinh tế thị trường điện rất tốt [5]

Mới đây, hai nhà toán học Xin-She Yang và Suash Deb đã đưa ra thuật toán mới Cuckoo Search được phát triển vào năm 2009 [6] Qua kiểm tra các hàm chuẩn, Cuckoo Search cho kết quả tốt hơn các phương pháp trước kia như GA, PSO [7] và cho thấy rất khả quan trong việc giải quyết vấn đề tối ưu nên đã đề xuất áp dụng vào bài toán ED trong thị trường điện

II.2 Tổng quan các phương pháp giải đã được áp dụng

II.2.1 DP (Dynamic Programming)

Phương pháp quy hoạch động DP ra đời vào những năm 1940 bởi Richard Bellman DP là một phương pháp kinh điển rất hiệu quả để giải các bài toán EP không liên tục và không tuyến tính bằng cách tối ưu theo nhiều bước Tuy nhiên bài toán DP dễ đưa đến tối ưu cục bộ và trong các bài toán lớn thì thời gian tính toán cực kỳ lớn

II.2.2 EP (Evlolutionary Programming)

Được đề xuất bởi Lawrence J.Fogel vào năm 1960, phương pháp lập trình tiến hóa

EP sau đó đã được chứng minh là giải được nhiều loại bài toán điều độ kinh tế khác nhau như bài toán điều độ kinh tế đa vùng, bài toán điều độ kinh tế có xét tới khí thải Phương pháp này có khả năng tìm đươc kết quả tối ưu hoặc gần tối ưu với bất kỳ hàm chi phí với ràng buộc khác nhau Thời gian tính toán bằng phương pháp EP tương đối nhanh

II.2.3 TS (Tabu Search)

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

II.2.4 GA (Genetic Algorithm)

Được biết tới vào 1975 bởi Hohn Holland, thuật toán di truyền là một phương pháp tối ưu ngẫu nhiên dựa trên nguyên lý chọn lọc tự nhiên và di truyền, Nó kết hợp sự ước lượng kết quả với những thay đổi đã được cấu trúc, đã được ngẫu nhiên hóa của thông tin di truyền giữa các kết quả để đạt được sự tối ưu Thông thường các kết quả này được biểu diễn dưới dạng chuỗi số nhị phân hoặc các ký hiệu mã hóa khác được gọi là nhiễm sắc thể GA có nhiều ưu điểm tính toán, như đơn giản và tổng quát hóa Ngoài ra,

nó còn tìm ra nhiều kết quả một cách đồng thời mà các phương pháp thông thường không làm được Vì thế, khả năng tìm ra kết quả tối ưu toàn cục được nâng lên Ưu điểm chính của GA là tim ra kết quả gần tối ưu trong thời gian ngắn so với các phương pháp dò tìm ngẫu nhiên khác như Simulated Annealing (SA) hay Qui hoạch động (DP),…Tuy nhiên,

GA phụ thuộc nhiều vào hàm tương thích, nhạy với tỉ lệ lai và đột biến, sơ đồ mã hóa các bit của nó, và độ dốc của đường cong không gian dò tìm dẫn đến lời giải Sau đó GA đã được cải tiến và kiểm chứng trong bài toán điều độ kinh tế hệ thống điện với nhiều dạng khác nhau cho thấy kết quả tốt hơn

II.2.5 DE (Differential Evolution)

DE là một thuật toán tiến hóa được đề xuất bởi Storn and Price vào năm 1997 Phương pháp DE cho thấy hiệu quả trong việc giải quyết bài toán tối ưu không tuyến tính với nhiều ràng buộc DE có ưu điểm hơn các phương pháp tiến hóa khác đó là cấu trúc đơn giản, gọn, ít thông số điều khiển, điểm hội tụ cao Với bài toán ED có hàm chi phí bậc hai theo từng đoạn có xét đến điểm van công suất, phương pháp DE cho kết quả tốt hơn nhiều so với phương pháp truyền thống Tuy nhiên, DE cũng dễ rơi vào tối ưu cục

bộ

II.2.6 HNN (Hopfield Neural Network)

HNN là một phương pháp dựa trên mạng Neural Hopfiel để giải bài toán ED Phương pháp dựa trên HNN cho thấy rất thành công trong việc giải bài toán ED với hàm chi phí bậc hai theo từng đoạn Hạn chế của phương pháp này là tốc độ hội tụ chậm, ngoài ra số vòng lặp lại lớn và kết quả dao động khi giải quyết bài toán tối ưu Về sau, phương pháp dựa trên mạng HNN được tăng cường và cải tiến (ELHNN) cho thấy triển vọng giải quyết bài toán ED lớn với nhiều ràng buộc phức tạp hơn

II.2.7 ELANN (Enhanced Lagrangian Artificaial Neural Network)

Mạng noron nhân tạo Lagrange tăng cường ELANN được áp dụng để giải các bài toán ED với hàm chi phí gồm nhiều đoạn bậc hai và các ràng buộc không tuyến tính ELANN không nhạy với sự lựa chọn các thông số tốc độ, đặc tính hội tụ ổn định và nhanh Tốc độ hội tụ được tăng lên bởi việc áp dụng phương pháp động lượng và việc cung cấp các tiêu chuẩn cho sự lựa chọn các thông số tốc độ học ELANN cho thấy nhiều hứa hẹn trong bài toán ED lớn và phức tạp

II.2.8 PSO (Particle Swarm Optimization)

Thuật toán tối ưu hóa bầy đàn PSO được khởi xướng bởi Kennedy và Eberhart vào năm 1995 Thuật toán mô phỏng hành vi của đàn chim và cá tìm thức ăn, Tại thời điểm bắt đầu tìm kiếm thức ăn, cả đàn bơi theo một hướng nào đó một cách ngẫu nhiên Sau một thời gian tìm kiếm, một số các thể trong đàn bắt đầu tìm ra được nơi có thức ăn Tùy theo số lượng thức ăn vừa tìm được, các cá thể gởi tín hiệu đến các cá thể khác đang tìm kiếm ở vùng lân cận, tín hiệu này nhanh chóng lan truyền toàn quần thể Dựa vào thông tin nhận được, mỗi cá thể sẽ điều chỉnh hướng, thay đổi vận tốc và vị trí dựa trên kinh nghiệm của bản thân và kinh nghiệm của quần thể để hướng về nơi có nhiều thức ăn nhất

Thuật toán PSO được áp dụng cho nhiều loại bài toán ED khác nhau như: phân bố kinh tế đa khu vực, phân bố kinh tế với hàm chi phí gồm nhiều đoạn bậc hai, phân bố kinh tế kết hợp với môi trường…

Các kết quả thử nghiệm đã cho thấy được nhiều ưu điểm của PSO Trong phương pháp PSO, chỉ có một quần thể trong mỗi vòng lặp tiến đến điểm tối ưu toàn cục Phương pháp PSO hội tụ tới điểm tối ưu toàn cục hay gần toàn cục bất kể hình dạng của hàm chi phí, chẳng hạn hàm chi phí không liên tục, hàm chi phí không phẳng lồi Hiệu quả tính toán và đặc tính hội tụ của phương pháp PSO tốt hơn đã cho thấy rằng nó có khả năng được áp dụng rộng rãi trong nhiều bài toán tối ưu Tuy nhiên, PSO lại nhạy với việc thay đổi các thông số Về sau, các phương pháp PSO cải tiến cho thấy nhiều ưu điểm hơn, tính toán nhanh hơn Nói chung PSO cho kết quả tốt nhất so với các phương pháp trước

II.2.9 HS (Harmony Search)

Thuật toán HS mô phỏng ngẫu hứng của người nhạc sĩ để tìm kiếm một sự hài hòa, được đề xuất bởi Geem năm 2001 Thuật toán HS giải quyết bài toán ED với nhiều ràng buộc ban đầu cho thấy kết quả đầy hưa hẹn Tuy nhiên thời gian tính toán vẫn còn lâu

II.2.10 BA (Bee Algorithm)

Lấy cảm hứng từ hành vi của loài ong mật trong việc lấy mật hoa, được đề xuất bởi Nakrani và Tovey năm 2004 BA mới được áp dụng vào bài toán ED gần đây và cho thấy tính hiệu quả, linh hoạt và mạnh mẽ của BA, thời gian tính toán bằng BA tương đối nhanh

II.2.11 FA (Firefly Algorithm)

Lấy cảm hứng từ hành nhấp nháy của đom đóm, FA được đề xuất bởi XIn- She Yang vào năm 2008 Các kết quả thử nghiệm cho thấy tính hiệu quả của thuật toán FA trong bài toán ED đa mục tiêu với nhiều ràng buộc phức tạp FA phụ thuộc nhiều vào thông số lựa chọn Đây là thuật toán mới, hứa hẹn vì thuật toán đơn giản và cho kết quả nhanh hơn các thuật toán trước đó

II.3 Tóm tắt

Các thuật toán nói chung đều có những ưu và khuyết điểm nhất định Các phương pháp dựa trên nền tảng các quy luật tiến hoá như EP, GA, DE thường cho kết quả nhanh

và tốt hơn các phương pháp truyền thống, tuy nhiên vẫn còn hạn chế là số vòng lặp lớn

và nhạy với các thông số đầu vào nên khi giải bài toán lớn có nhiều điểm tối ưu thì lời giải có thể rơi vào tối ưu cục bộ

HNN và ELANN có khả năng áp dụng trong giải quyết bài toán lớn và phức tạp Tuy nhiên, HNN gặp khó khan trong xử lý các ràng buộc bất đẳng thức, những bài toán lớn có nhiều ràng buộc, sự hội tụ của HNN cũng phụ thuộc vào sự lựa chọn các hệ số cho ràng buộc; cả HNN và ELANN đều có số vòng lặp lớn để hội tụ và thường dao động trong suốt quá trình quá độ

Thuật toán dạng metaheuristic mô phỏng theo hành vi thiên nhiên như PSO, HS,

BA, FA cho thấy kết quả khả quan hơn và đặc biệt là phương pháp gần đây FA cho thấy kết quả đầy triển vọng Phương pháp PSO hiện đang được nghiên cứu cải tiến để cho kết quả tốt hơn đặc biệt là giải quyết hệ thống điện phức tạp

Trong luận văn này, phương pháp mới Cuckoo Search dựa theo hành vi của loài chim cuckoo sẽ được nghiên cứu để giải quyết bài toán ED

CHƯƠNG III PHÁT BIỂU BÀI TOÁN

Mục tiêu của bài toán điều độ kinh tế trong Thị Trường Điện là tối đa lợi nhuận của các nhà máy phát trong điều kiện vận hành thoả mãn một số ràng buộc của hệ thống Lợi nhuận trong trường hợp này được tính từ hiệu số giữa doanh thu và chi phí của hệ thống, chỉ số doanh thu lúc này được tính theo hai cách mà thị trường dự trữ quay vận hành [10]

III.1 Hai mô hình doanh thu theo cách hoạt động của thị trường dự trữ quay

Nguồn năng lượng dự trữ quay là hàng hóa khác biệt cơ bản so với thị trường năng lượng điện giao ngay Khác với điện năng thương mại trong thị trường giao ngay đã được lên kế hoạch để sử dụng từ trước, nguồn năng lượng dự trữ quay là điện năng có sẵn trong mạng dùng để dự phòng tức thời trong các trường hợp sự cố xảy ra (ở máy phát hoặc đường dây truyền tải) Một thị trường cho nguồn năng lượng dự trữ quay sẽ vận hành đồng thời với thị trường điện giao ngay, mặc dù giá của 2 loại là khác nhau Cũng như các loại thị trường khác, giá của năng lượng dự trữ quay phản ảnh sự cân bằng giữa cung và cầu Nhu cầu của dự trữ quay có thể đến từ bất kỳ nguồn nào, phụ thuộc vào độ tin cậy bảo trì của thi trường Một ISO (cơ quan vận hành hệ thống độc lập) có thể tính toán và mua tất cả các dự trữ quay cần thiết cho một hệ thống khu vực để duy trì một tiêu chuẩn nhỏ nhất Nói cách khác, các nhóm máy phát có thể hợp đồng với nhau để cung cấp dự trữ quay cho nhau thông qua các giao dịch; trong trường hợp này, nhà cung cấp điện đồng thời là nguồn cung và cầu của dự trữ quay

Giá của dự trữ quay có thể lớn hay nhỏ hơn giá giao ngay, phụ thuộc vào các cách thanh toán dự trữ quay là cho mục đích cung cấp điện ngay hay dự trữ để cung cấp

III.1.1 Thanh toán cho dự trữ quay được sử dụng ngay

Trong cách thanh toán này, máy phát bán điện dự trữ chỉ được trả tiền khi mà dự trữ đó được sử dụng Giá dự trữ quay lúc này cao hơn giá giao ngay Nhà máy nhận được lợi nhuận trên doanh thu bán dự trữ quay chỉ khi mà dự trữ quay cần được dùng để phát,

và không nhận được thanh toán khi dự trữ quay không được yêu cầu Doanh thu trong trường hợp này được tính:

) (

III.1.2 Thanh toán cho trường hợp dự trữ quay phân bổ

Trong cách thanh toán này, nhà máy nhận được tiền trên mỗi giá trị dự trữ quay (theo giá bán dự trữ quay) khi chúng được phân bổ và không sử dụng Nếu chúng được

sử dụng, nhà máy sẽ nhận được tiền theo giá bán giao ngay Bởi vì dự trữ quay được mong chờ là rất ít khi dùng đến, nên chi phí cơ hội của chúng rất nhỏ, và do đó giá bán

dự trữ quay sẽ nhỏ hơn giá giao ngay rất nhiều Nhà máy thu được một lợi nhuận nhỏ cho mỗi lúc dự trữ quay được bán nhưng không xài; tuy nhiên nhà máy sẽ chịu hao phí khi

mà dự trữ quay được yêu cầu Giá dự trự quay sẽ cao vừa đủ để nhà máy có được một lợi nhuận tổng theo thời gian dài Doanh thu trong trường hợp này được tính:

] ) )

1 ((

[1



 TC RV Min

C TC

1

)]

( )

( ) 1

(3.2)

) (

1 ((

[1

RV1 : Hàm doanh thu với trường hợp dự trữ quay được bán để sử dụng ngay

RV2: Hàm doanh thu với trường hợp dự trữ quay được phân bổ chờ sử dụng

N: tổng số nhà máy

i: nhà máy thứ i

Pi : công suất đầu ra của nhà máy thứ i (MW)

Ri : dự trữ quay của nhà máy thứ i (MW)

P

 : giá bán điện của nhà máy ($/MWh)

R

 : giá bán điện dự trữ của nhà máy ($/MWh)

 : xác suất công suất dự trữ quay của nhà máy được sử dụng

)( i

i P

C : hàm chi phí của nhà máy thứ i

Hàm chi phí thông thường của nhà máy là hàm bậc 2 có dạng:

i i i i i i

) ( (3.5) Với ai,bi,ci là các hệ số chi phí của nhà máy thứ i

III.3 Các ràng buộc của bài toán

III.3.1 Ràng buộc về nhu cầu phụ tải và nhu cầu dự trữ quay

Với RD: nhu cầu dự trữ quay của hệ thống

Trong đó tổn thất của hệ thống có thể xác định theo mô hình:

ij i

III.3.2 Ràng buộc về giới hạn phát của nhà máy

Mỗi nhà máy có giói hạn phát ở mức thấp nhất và cao nhất

max min

i i

P   ; i=1,…,N (3.9)

max

i i i

P    (3.10)

III.3.3 Ràng buộc về giới hạn độ dốc tốc độ

Công suất phát của nhà máy có thể tăng hay giảm đột ngột với tốc độ giới hạn phụ thuộc vào độ dốc tốc độ

i i

0  Ri  URi (3.12)

0

i

P : Công suất phát khởi động của nhà máy i

DRi và URi: Giới hạn độ dốc đi xuống và đi lên

1 min

i i up z i

jlow i i up j i

low i i i

i

P P P

P P P

P P P

1 min

i i i up z i

jlow i i i up j i

low i i i i

i i

P R P P

P R P P

P R P P

R

P

i

j=2,3,…,zi (3.14)

Với P i jlow: giới hạn dưới vùng cấm thứ j của nhà máy i (MW)

Pi jup: giới hạn trên vùng cấm thứ j của nhà máy thứ i (MW)

Zj : số vùng cấm

*** Tuỳ theo yêu cầu bài toán mà có thế có một hay nhiều ràng buộc trong các ràng buộc trên

CHƯƠNG IV PHƯƠNG PHÁP LUẬN GIẢI QUYẾT BÀI TOÁN

IV.1 Cách thức giải quyết vấn đề

Với bài toán tối ưu đơn giản thì ta có thể tính trực tiếp hay dùng các phương pháp

cổ điển Bài toán ED thuộc dạng bài toán lớn, phi tuyến với nhiều ràng buộc phức tạp Nếu giải bằng các phương pháp cổ điển thì thời gian tính toán sẽ lâu và bài toán có thể không tìm ra kết quả Những năm gần đây, các phương pháp sử dụng thuật toán tối ưu hóa dạng metaheuristic để giải bài toán ED đã cho kết quả tốt hơn

Nhiệm vụ chính của ED trong Thị Trường Điện là cực tiểu lợi nhuận âm Các thuật toán nói chung đều có ưu và khuyết điểm Tùy theo hàm mục tiêu cùng các ràng buộc mà các thuật toán có ưu điểm khác nhau Nếu một thuật toán giải tốt bài toán dạng này thì chưa chắc giải tốt bài toán dạng kia và ngược lại

Thuật toán Cuckoo Search là thuật toán mới ra đời thuộc dạng metaheuristic đã được thử nghiệm với nhiều hàm chuẩn cho kết quả tốt hơn các phương pháp trước như

GA, PSO [7] Kết quả kiểm nghiệm bằng CS trong [7] cũng cho kết quả tốt với hàm dạng bậc hai gần giống với hàm mục tiêu ED Từ đó, CS có thể áp dụng vào bài toán tối ưu hóa ED

IV.2 Giới thiệu thuật toán Cuckoo Search

Ngày càng nhiều thuật toán dạng metaheuristic ra đời từ cảm hứng với thiên nhiên Các thuật toán dựa vào hành vi của một số sinh vật như cá và chim (PSO), con kiến (ACO), con ong (BA), con đom đóm (FA)… Mới đây, hai nhà toán học Xin-She Yang và Suash Deb đã đưa ra thuật toán mới Cuckoo Search (CS) được phát triển năm 2009 [6] Thuật toán CS lấy cảm hứng từ hành vi của loài chim Cuckoo kết hợp với đặc tính Lévy flight

Hình 4.1: Chim cuckoo con lớn hơn cả chim chủ tổ Chim cuckoo mẹ ký gởi con của nó bằng cách đẻ trứng vào tổ của chim khác, thường thì cùng giống Trứng của chim cuckoo có hoa văn rất giống như trứng của chim chủ trong tổ và sau đó trứng chim cuckoo nở ra thay thế chim con khác bằng cách đẩy các chim con đó ra khỏi tổ Để trứng của chim cuckoo nở ra thành công và được chim chủ kia nuôi tốt thì chim mẹ cuckoo phải đẻ ngay khi chim chủ kia làm tổ và trứng phải giống trứng của chim chủ kia Trứng của chim cuckoo thường nở sớm hơn một chút so với trứng của chim khác trong tổ và đặc biệt khi nở ra cũng rất giống chim con kia trong

tổ

Chim con cuckoo lớn rất nhanh và theo bản năng tự nhiên, nó sẽ đẩy chim con khác trong tổ ra khỏi Nếu chim chủ tổ phát hiện ra trứng hay con không phải là của nó thì chim mẹ chủ tổ sẽ hất đi hoặc bỏ tổ để làm tổ mới

IV.2.1 Đặc tính Lévy Flight

Nhiều nghiên cứu đã chứng minh hành vi của nhiều động vật và côn trùng có đặc tính của Lévy flight [8] Lévy flight, tên của nhà toán học Pháp Paul Pierre Lévy, là một loại hình bước đi ngẫu nhiên trong đó gia số được phân phối theo quy luật tập trung về

phía sau Lévy flight là một chuổi Markov, sau một số lượng lớn bước đi, khoảng cách từ điểm xuất phát có khuynh hướng phân bố theo một quy luật ổn định Đặc biệt có hàm phân phối dạng lũy thừa u=t-1-β (0<β<2)

Gần đây, đặc tính Lévy flight đã được áp dụng vào trong lĩnh vực tối ưu hóa và cho kết quả ban đầu rất khả quan [9]

IV.2.2 Thuật toán Cuckoo Search

Thuật toán Cuckoo Search dựa theo hành vi của chim Cuckoo và đặc tính Lévy flight

Thuật toán CS dựa theo ba quy luật và được phát biểu như sau:

 Mỗi chim cuckoo đẻ một trứng tại một thời điểm vào một tổ bất kỳ được chọn

trước trong các tổ chủ ban đầu

 Trứng với chất lượng tốt nhất sẽ được truyền lại cho thế hệ sau

 Số tổ chim chủ là cố định; trứng được đẻ bởi chim cuckoo bị chim chủ phát hiện với một xác suất rất nhỏ Pa  [0,1], trong trường hợp này chim chủ quăng trứng

chim cuckoo đi hoặc bỏ tổ và làm một tổ mới

Chất lượng của trứng tương ứng với hàm mục tiêu Trong trường hợp đơn giản có thể hiểu giải thuật như sau:

 Mỗi trứng trong tổ đại diện cho một giải pháp và trứng chim cuckoo đại diện

cho giải pháp mới

 Mục tiêu là sử dụng giải pháp mới tốt hơn (trứng cuckoo) thay thế giải pháp không

-

Bắt đầu

- Hàm mục tiêu f(x), x = (x1, , xd)T;

- Tạo số tổ chủ (số giải pháp) ban đầu xi (i = 1, 2, , n);

Vòng lặp while: Trong khi số lần lặp t<tmax (hoặc chuẩn dừng khác)

- Tạo một trứng cuckoo (giải pháp mới) ngẫu nhiên bằng phép Lévy flight,

- Đánh giá chất lượng của trứng cuckoo mới tạo được Fi,

- Chọn 1 tổ ngẫu nhiên thứ j trong n tổ ban đầu,

- Nếu Fi>Fj thì thay tổ j bằng giải pháp mới,

- Một phần nhỏ pa tổ tồi tệ (giải pháp xấu) được bỏ và xây mới

- Giữ lại những giải pháp tốt nhất (tổ có chất lượng tốt),

- Sắp xếp lại các giải pháp tốt và tìm giải pháp tốt nhất tất cả

Hình 4.2 Lưu đồ giải thuật của thuật toán CS

Giải pháp mới

) 1 (t

i

x (trứng cuckoo) được tạo ra theo Lévy flight:

) (

) 1 (

t Lévy x

xi t  i t   

(4.1) Trong đó α>0 là kích thước của bước cập nhật; dấu là dấu nhân mảng Trong hầu hết trường hợp ta có thể sử dụng α = O(1) [6] Phương trình (4.1) mô tả phỏng chừng bước đi ngẫu nhiên, là một chuỗi Markov nối tiếp trong đó vị trí tiếp theo phụ thuộc vào vị trí trước đó

Lévy fight cung cấp một bước đi ngẫu nhiên trong khi chiều dài bước đi ngẫu nhiên được rút ra từ phân phối Lévy:

) 2 0

( ,

t u

Trong đó t là chiều dài bước đi, phân phối Lévy thì thay đổi vô hạn

CS nhìn qua có vẻ gần giống với GA và PSO, tuy nhiên CS dựa theo bước đi ngẫu nhiên với phân phối Lévy tập trung về phía sau và CS có các tham số điều chỉnh ít hơn

Do đó thuật toán đơn giản hơn nhiều, hứa hẹn thời gian tìm lời giải nhanh chóng Mặt khác, mỗi tổ có thể đại diện cho một tập các giải pháp nên CS có thể được mở rộng hơn

*** Cuckoo Search thuộc phương pháp dạng metaheuristics, CS tạo ra giá trị ban đầu ngẫu nhiên rồi từng bước xử lý giá trị này để đạt kết quả mong muốn CS

sử dụng phương pháp dò tìm và sẽ hiệu chỉnh lại các thông số trong trường hợp vi phạm các ràng buộc đặt ra như về giới hạn công suất phát, vùng cấm, độ dốc… Tổng quát, khi có giá trị tính toán vi phạm các ràng buộc trên đều được xử lý bằng cách hiệu chỉnh lại trong thuật toán CS

IV.3 Thuật toán Cuckoo Search áp dụng vào bài toán điều độ kinh tế trong Thị trường Điện

IV.3.1 Một số vấn đề trong tính toán bài toán ED trong Thị trường Điện dùng Cuckoo Search

Phương pháp Cuckoo Search thuộc dạng meta-heuristic, cấu trúc của CS bao gồm

2 hoạt động chính: tìm kiếm trực tiếp dựa trên đặc tính Lévy Flight và tìm kiếm ngẫu nhiên dựa trên xác suất chim chủ tổ phát hiện trứng khác loại trong tổ của mình Bằng cách kết hợp 2 hoạt động đó, phương pháp CS hiệu quả hơn so với các phương pháp khác

IV.3.1.1 Tính công suất phát của nhà máy điều chỉnh s

Trong Cuckoo Search, các giá trị công suất ban đầu của N-1 nhà máy ban đầu được tạo ra ngẫu nhiên, công suất của nhà máy điều chỉnh s được tính từ (3.6):

0

1 1 0

1

2

)2

P B P

N

s i i

i i N

s i i N

s j j

j ij i s

s N

s i i

i si s

i

siP B B

N

s i i

i i N

s i i N

s j j

j ij

P C

1

00 1

0

Công suất phát của nhà máy s được tính bằng cách giải phương trình bậc hai (4.5):

A

xAxC B

 ; với điều kiện B2 4xAxC  0 (4.9)

IV.3.1.2 Ràng buộc về giới hạn phát công suất của nhà máy

Trong tính toán, nếu giá trị Pi và (Pi+Ri) vi phạm Pimax và Piminthì sẽ được hiệu chỉnh:

,

max , min

,

max , max

i i i

i

i i i

i

P P P

P P P

P

P P P

,

; 0

;

P R P

P R P P P

R

i i

i i i i i

i i i

i i

i i i

i

UR P

P UR P

DR P

P DR P

P

0 0

0 0

6 /

; 6 /

i

i i

i i

R

UR R

) , ( ,

;

0

0

jup i

jlow i i i i

jup i

jup i

jlow i i i i

jlow i i

P P P P P P

P P

P P P P

;

) , ( ,

;

0

0

jup i

jlow i i i i i i i

jup i

jup i

jlow i i i i i i i

jlow i i

P P

R P P R P P P

P P

R P P R P P P

*** Tổng quát, trong tính toán mà giá trị công suất phát cần tính vi phạm vào

rang buộc thì sẽ được hiệu chỉnh lại cho thích hợp Trong trường hợp nhiều ràng buộc, bài toán ED sẽ trở nên phức tạp hơn do hiệu chỉnh nhiều lần

IV.3.2 Thuật toán Cuckoo Search áp dụng vào bài toán ED trong Thị trường Điện

Giải quyết bài toán ED tức cực tiểu hàm mục tiêu (3.1), với hàm chi phí (3.2) và các hàm doanh thu (3.3) và (3.4) để tìm ra giá trị công suất phát Pi của các nhà máy

Trong giới hạn luận văn, ta chỉ tập trung vào ràng buộc cân bằng phụ tải (3.6)

và dự trữ quay (3.7) cùng với các ràng buộc về giới hạn phát (3.9) và (3.10) , bỏ qua tổn thất (3.8) và các ràng buộc khác

Thuật toán CS cho bài toán ED trong thị trường điện được thực hiện như sau:

Bước 1: Bắt đầu

- Xác định số lượng nhà máy có trong hệ thống điện: N.

- Xác định các hệ số hàm chi phí của nhà máy: ai, bi, ci

- Xác định các ràng buộc ED theo phương trình : (3.6)-(3.10), bỏ qua (3.8)

- Cài đặt thông số cho CS: số tổ chim cuckoo Nd, hệ số α, xác suất phần tổ bị bỏ để làm mới pa, số lần lặp cực đại N max

CS được kiểm nghiệm với nhiều hàm chuẩn với đề xuất Nd=25, α=1, pa=0,25 cho kết quả tốt và nhanh nhất Ở đây, với bài toán này, ta sẽ khảo sát them một số giá trị Nd, α

và pa xung quanh giá trị đã được đề xuất trong [7]

Bước 2: Khởi tạo số chủ tổ ban đầu

-Khởi tạo Nd số tổ chim ban đầu X= [XPid; XRid], trong đó

XPid= [Pd1, Pd2,…, Pdi, , PdN]T

XRid= [Rd1, Rd2,…, Rdi, , RdN]T

Với d=(1,2,…,Nd)

max min di i

P   ; Rimin  Rdi  Rimax

Pdi, Rdi: những giá trị có thể có của công suất phát và dự trữ quay của nhà máy di

và được tạo ngẫu nhiên như sau: