Áp dụng thuật toán stochastic fractl search để giải bài toán tái cấu trúc lưới điện phân phối có xét đến ảnh hưởng của nguồn phân tán

TÓM TẮT Luận văn sử dụng thuật toán Stochastic Fractal Search SFS để giải quyết bài toán tái cấu trúc lưới điện phân phối LĐPP có xét đến ảnh hưởng của nguồn phân tán nhằm giảm tổn thất

Trang 1

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ THANH TÙNG

ÁP DỤNG THUẬT TOÁN STOCHASTIC FRACTAL SEARCH

ĐỂ GIẢI BÀI TOÁN TÁI CẤU TRÚC LƯỚI ĐIỆN PHÂN PHỐI

CÓ XÉT ĐẾN ẢNH HƯỞNG CỦA NGUỒN PHÂN TÁN

Chuyên ngành: Kỹ Thuật Điện

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 06 năm 2017

Trang 2

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

Cán bộ hướng dẫn khoa học : TS Nguyễn Nhật Nam

Cán bộ chấm nhận xét 1 : TS Trần Hoàng Lĩnh

Cán bộ chấm nhận xét 2 : PGS TS Huỳnh Châu Duy

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 12 tháng 07 năm 2017

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 PGS TS Phan Thị Thanh Bình

2 TS Trần Hoàng Lĩnh

3 PGS TS Huỳnh Châu Duy

4 TS Huỳnh Quang Minh

Trang 3

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

I TÊN ĐỀ TÀI:

“Áp dụng thuật toán Stochastic Fractal Search để giải bài toán tái cấu trúc lưới điện phân phối có xét đến ảnh hưởng của nguồn phân tán”

NHIỆM VỤ VÀ NỘI DUNG:

- Tìm hiểu bài toán tái cấu trúc lưới điện phân phối

- Tìm hiểu thuật toán Stochastic Fractal Search

- Áp dụng thuật toán Stochastic Fractal Search để giải bài toán tái cấu trúc lưới

điện phân phối có xét đến ảnh hưởng của nguồn phân tán

- So sánh kết quả đạt được với các thuật toán khác

- Kết luận và đưa ra hướng phát triển cho đề tài

III NGÀY HOÀN THÀNH NHIỆM VỤ: 18 /06 /2017

Trang 4

LỜI CẢM ƠN

Lời đầu tiên, tôi xin chân thành cảm ơn sự hướng dẫn tận tình của thầy TS Nguyễn Nhật Nam và thầy Th.S Trần Thế Tùng, các thầy hướng dẫn tôi thực hiện luận văn này Trong suốt thời gian thực hiện luận văn, mặc dù công việc rất bận rộn nhưng thầy vẫn dành nhiều thời gian và tâm huyết trong việc hướng dẫn tôi thực hiện luận văn

Xin cảm ơn quý thầy cô giáo trường Đại học Bách Khoa TP.HCM đã tận tình chỉ dạy cho tôi những kiến thức quý báu trong những năm tháng học tập tại trường Vốn kiến thức được tiếp thu trong quá trình học không chỉ là nền tảng cho quá trình nghiên cứu, mà còn là hành trang quí báu để tôi bước tiếp trong cuộc sống một cách vững chắc và tự tin

Xin cảm ơn gia đình, những người thân yêu và bạn bè đồng nghiệp đã luôn là nguồn cổ vũ, động viên, tạo điều kiện và chăm lo cho tôi về cả vật chất lẫn tinh thần

để tôi có thể yên tâm thực hiện tốt việc học tập

Cuối cùng tôi kính chúc quý Thầy, Cô dồi dào sức khỏe và thành công trong

sự nghiệp cao quý

Tp Hồ Chí Minh, tháng 06 năm 2017

Học viên

Lê Thanh Tùng

Trang 5

TÓM TẮT

Luận văn sử dụng thuật toán Stochastic Fractal Search (SFS) để giải quyết bài toán tái cấu trúc lưới điện phân phối (LĐPP) có xét đến ảnh hưởng của nguồn phân tán nhằm giảm tổn thất công suất tác dụng Thuật toán SFS được dựa trên thuật toán Fractal Search (FS) và được cải tiến nhằm nâng cao khả năng giải quyết của bài toán tối ưu và tốc độ hội tụ Thuật toán SFS đề xuất để giải bài toán tái cấu trúc LĐPP cho mạng điện 33 nút, 69 nút, 84 nút và 119 nút

Các kết quả thu được trong quá trình tính toán cho thấy rằng thuật toán SFS đề xuất tốt hơn về hiệu quả tính toán Bên cạnh đó, luận văn cũng đề xuất các hướng phát triển nghiên cứu, hướng tiếp cận mới để tiếp tục cải thiện thuật toán SFS, đưa đến kết quả tốt hơn

Thông qua các kết quả khảo sát trên LĐPP từ mạng điện chuẩn cho thấy sau khi tái cấu trúc, tổn thất công suất giảm đáng kể và từ đó nâng cao độ tin cậy cung cấp điện cho khách hàng Điều này thể hiện hiệu quả của giải thuật đề xuất

Trang 6

ABSTRACT

This thesis proposes a Stochastic Fractal Search (SFS) algorithm for solving the optimal distribution network reconfiguration (DNRC) problem consider distributed generation (DG) for active power loss minimization The SFS algorithm is based on the Fractal Search (FS) algorithm and improved for the ability to solve optimization problems and speed of convergence The SFS algorithm is proposed to solve the DNRC problem with 33, 69, 84 and 119 bus power systems

The results obtained during calculations are better at computation efficiency Besides, the thesis also proposes developing research directions, new approaches to further improve the SFS algorithm, brought to better results, as well as applications

on the practical DNRC problem in the power system

According to calculating results on distribution network from 33, 69, 84 and

119 bus test systems, power loss is reduced considerably and there by improve power supply reliability for customers Therefore, these results illustrate the efficiency of the proposed SFS algorithm

Trang 7

LỜI CAM ĐOAN

Tôi cam đoan luận văn này hoàn toàn do tôi thực hiện dưới sự hướng dẫn khoa học của TS Nguyễn Nhật Nam

Các đoạn trích dẫn trong luận văn đều được dẫn nguồn, chính xác và kết quả nêu trong luận văn là nghiên cứu của tôi và chưa từng công bố trên bất kỳ công trình nào khác

Học viên

Lê Thanh Tùng

Trang 8

MỤC LỤC NHIỆM VỤ LUẬN VĂN THẠC SĨ I LỜI CẢM ƠN II TÓM TẮT III LỜI CAM ĐOAN IV MỤC LỤC VI DANH MỤC CÁC HÌNH X DANH MỤC CÁC BẢNG XII

CHƯƠNG 1: GIỚI THIỆU CHUNG 1

1.1 Lý do chọn đề tài 1

1.2 Mục tiêu của đề tài 1

1.3 Đối tượng và phạm vi nghiên cứu 2

1.4 Phương pháp nghiên cứu 2

1.5 Nội dung của luận văn 2

CHƯƠNG 2: TỔNG QUAN 3

2.1 Tổng quan về lưới điện phân phối 3

2.2 Đặc điểm của lưới điện phân phối 4

2.3 Ảnh hưởng của nguồn phân tán đến lưới lưới điện phân phối 5

2.4 Tổng quan về bài toán tái cấu trúc lưới điện phân phối 7

2.4.1 Giới thiệu bài toán tái cấu trúc LĐPP 7

2.4.2 Các phương pháp nghiên cứu bài toán tái cấu trúc LĐPP 9

2.4.2.1 Các giải thuật Heuristics 9

2.4.2.2 Các giải thuật dựa trên trí thông minh nhân tạo 10

2.4.3 Tóm lược các bài báo về tái cấu trúc LĐPP có xét đến ảnh hưởng của DG 12

CHƯƠNG 3: BÀI TOÁN TÁI CẤU TRÚC LƯỚI ĐIỆN PHÂN PHỐI 15

3.1 Cơ sở xây dựng bài toán tái cấu trúc LĐPP có xét đến nguồn phân tán 15

3.2 Mô hình toán học bài toán tái cấu trúc LĐPP có xét đến nguồn phân tán 15

CHƯƠNG 4: ÁP DỤNG THUẬT TOÁN STOCHASTIC FRACTAL SEARCH GIẢI BÀI TOÁN TÁI CẤU TRÚC LƯỚI ĐIỆN PHÂN PHỐI CÓ XÉT ĐẾN NGUỒN PHÂN TÁN 18

Trang 9

4.1 Đặt vấn đề 18

4.2 Thuật toán Stochastic Fractal Search 18

4.2.1 Tìm kiếm Fractal 18

4.2.2 Tìm kiếm ngẫu nhiên Fractal 20

4.3 Áp dụng thuật toán SFS vào bài toán tái cấu trúc LĐPP có xét đến ảnh hưởng của DG 28

4.3.1 Khởi tạo ban đâu 28

4.3.2 Xây dựng vòng độc lập 30

4.3.3 Xây dựng giải thuật kiểm tra lưới điện hình tia 35

4.3.4 Hệ số độ nhạy tổn thất 37

4.3.5 Các bước thực hiện áp dụng giải thuật SFS và bài toán tái cấu trúc LĐPP có xét đến DG 38

CHƯƠNG 5: KẾT QUẢ TÍNH TOÁN 42

5.1 Xác định thông số 42

5.2 Mạng điện 33 nút 44

5.2.1 Kịch bản 2: Chỉ áp dụng tái cấu trúc lưới điện 44

5.2.2 Kịch bản 3: Phân bố và tối ưu dung lượng DG vào trường hợp lưới điện ở trạng thái mặc định ban đầu 45

5.2.3 Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 46

5.2.4 Kịch bản 5: Thực hiện tái cấu trúc lưới sau khi đã phân bố và tối ưu dung lượng DG Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 47

5.2.5 Kịch bản 6: Thực hiện đồng thời tái cấu trúc lưới điện và tối ưu dung lượng DG 48

5.2.6 Kịch bản 7: Thực hiện đồng thời tái cấu trúc, phân bố và tối ưu dung lượng DG 49

5.3 Mạng điện 69 nút 51

5.3.1 Kịch bản 2: Chỉ áp dụng tái cấu trúc lưới điện 52

5.3.2 Kịch bản 3: Phân bố và tối ưu dung lượng DG vào trường hợp lưới điện ở trạng thái mặc định ban đầu 53

Trang 10

5.3.3 Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 54 5.3.4 Kịch bản 5: Thực hiện tái cấu trúc lưới sau khi đã phân bố và tối ưu dung lượng DG Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 55 5.3.5 Kịch bản 6: Thực hiện đồng thời tái cấu trúc lưới điện và tối ưu dung lượng DG 56 5.3.6 Kịch bản 7: Thực hiện đồng thời tái cấu trúc, phân bố và tối ưu dung lượng DG 57 5.4 Mạng điện 84 nút 59 5.4.1 Kịch bản 2: Chỉ áp dụng tái cấu trúc lưới điện 61 5.4.2 Kịch bản 3: Phân bố và tối ưu dung lượng DG vào trường hợp lưới điện ở trạng thái mặc định ban đầu 62 5.4.3 Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 63 5.4.4 Kịch bản 5: Thực hiện tái cấu trúc lưới sau khi đã phân bố và tối ưu dung lượng DG Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 64 5.4.5 Kịch bản 6: Thực hiện đồng thời tái cấu trúc lưới điện và tối ưu dung lượng DG 65 5.4.6 Kịch bản 7: Thực hiện đồng thời tái cấu trúc, phân bố và tối ưu dung lượng DG 66 5.5 Mạng điện 119 nút 69 5.5.1 Kịch bản 2: Chỉ áp dụng tái cấu trúc lưới điện 70 5.5.2 Kịch bản 3: Phân bố và tối ưu dung lượng DG vào trường hợp lưới điện ở trạng thái mặc định ban đầu 72 5.5.3 Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 73 5.5.4 Kịch bản 5: Thực hiện tái cấu trúc lưới sau khi đã phân bố và tối ưu dung lượng DG Kịch bản 4: Phân bố và tối ưu dung lượng DG sau khi đã thực hiện tái cấu trúc lưới điện 74

Trang 11

5.5.5 Kịch bản 6: Thực hiện đồng thời tái cấu trúc lưới điện và tối ưu dung

lượng DG 75

5.5.6 Kịch bản 7: Thực hiện đồng thời tái cấu trúc, phân bố và tối ưu dung lượng DG 75

CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 79

6.1 Kết luận 79

6.2 Hướng phát triển đề tài 79

6.3 Lời kết 80

TÀI LIỆU THAM KHẢO 81

PHỤ LỤC 86

LÝ LỊCH TRÍCH NGANG 95

Trang 12

DANH MỤC CÁC HÌNH

Hình 2.1: Sơ đồ lưới điện truyền tải – phân phối 3

Hình 2.2: Kết nối DG vào LĐPP 6

Hình 4.1: Sự khuếch tán 19

Hình 4.2: Quá trình khuếch tán 21

Hình 4.3: Lưu đồ giải thuật SFS 26

Hình 4.4: Lưu đồ giải thuật quá trình khuếch tán 27

Hình 4.5: Lưu đồ giải thuật hai quá trình cập nhật 28

Hình 4.6: Mạng điện 33 nút 30

Hình 4.8: Mô tả phương pháp xác định vòng độc lập cho nhánh 14 32

Hình 4.9: Lưu đồ giải thuật xác định vòng độc lập 34

Hình 4.10: Lưu đồ giải thuật kiểm tra lưới điện hình tia 36

Hình 4.11: Sơ đồ đơn tuyến của một LĐPP 2 nút 37

Hình 4.12: Lưu đồ giải thuật SFS áp dụng vào bài toán tái cấu trúc 41

Hình 5.2: Đặc tính hội tụ của kịch bản 2, mạng điện 33 nút 45

Hình 5.8: Chất lượng điện áp của 7 kịch bản, mạng điện 33 nút 51

Trang 13

Trang 14

DANH MỤC CÁC BẢNG

Bảng 5.1: Thông số của thuật toán SFS áp dụng vào bài toán 43

Bảng 5.2: Vòng độc lập mạng điện 33 nút 44

Bảng 5.3: Kết quả kịch bản 2, mạng điện 33 nút 45

Bảng 5.17: So sánh kết quả tái cấu trúc mạng điện 84 nút (kịch bản 2) 61

Bảng 5.25: So sánh kết quả tái cấu trúc mạng điện 119 nút (kịch bản 2) 71

Trang 15

Bảng A: Dữ liệu hệ thống mạng điện 33 nút 86

Bảng B: Dữ liệu hệ thống mạng điện 69 nút 87

Bảng C: Dữ liệu hệ thống mạng điện 84 nút 89

Bảng D: Dữ liệu hệ thống mạng điện 119 nút 92

Trang 16

CHƯƠNG 1: GIỚI THIỆU CHUNG

1.1 LÝ DO CHỌN ĐỀ TÀI

Lưới điện phân phối (LĐPP) là hệ thống trực tiếp cung cấp điện cho khách hàng, có tổng chiều dài lưới chiếm 95% tổng chiều dài toàn bộ lưới điện Việt Nam

[1] Do đó giảm tổn thất trên LĐPP có ý nghĩa rất quan trọng trong việc giảm tỉ lệ

tổn thất trên toàn bộ hệ thống điện

Nhiều phương pháp để giảm tổn thất công suất và nâng cao độ tin cậy trên LĐPP đã được thực hiện nhưng lại tốn các chi phí đầu tư và lắp đặt thiết bị như: nâng cao điện áp vận hành lưới điện phân phối, tăng tiết diện dây dẫn, hoặc lắp đặt tụ bù nhằm giảm truyền tải công suất phản kháng trên lưới điện Trong khi đó, tái cấu trúc lưới là phương pháp không cần chi phí để cải tạo lưới điện, bằng cách đóng hoặc mở các cặp khóa điện có sẵn trên lưới cũng làm giảm tổn thất điện năng đáng kể, khi đạt được cân bằng công suất giữa các tuyến dây Không chỉ dừng lại ở mục tiêu giảm tổn thất điện năng, tái cấu trúc LĐPP còn có thể nâng cao khả năng tải của lưới điện, giảm sụt áp cuối lưới và giảm thiểu số lượng hộ tiêu thụ bị mất điện khi có sự cố hay khi cần sửa chữa đường dây

Gần đây với sự phát triển của các nguồn điện phân tán (nguồn máy phát Diesel, các nguồn năng lượng tái tạo…), yêu cầu tái cấu trúc LĐPP còn cần phát xét đến sự ảnh hưởng của các nguồn phân tán Do đó, cần tìm ra một biện pháp hiệu quả

để giải quyết một vấn đề này một cách tối ưu Và đó cũng là lý do mà đề tài : “Áp

dụng thuật toán SFS (Stochastic Fractal Search) để giải bài toán tái cấu trúc lưới điện phân phối có xét đến ảnh hưởng của nguồn phân tán” được chọn

1.2 MỤC TIÊU CỦA ĐỀ TÀI

1.2.2 Mục tiêu chung

Ứng dụng thuật toán SFS (Stochastic Fractal Search) để giải bài toán tái cấu trúc LĐPP có xét đến ảnh hưởng của các nguồn phân tán, đảm bảo các yêu cầu về chất lượng điện năng, vận hành an toàn và giảm tổn thất công suất

Trang 17

1.3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

Đối tượng nghiên cứu của luận văn là giảm tổn thất công suất tác dụng trên LĐPP

Phạm vi nghiên cứu của luận văn là tập trung vào bài toán: “Áp dụng thuật toán SFS để giải bài toán tái cấu trúc lưới điện phân phối có xét đến ảnh hưởng của nguồn phân tán”

1.4 PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp giải quyết bài toán sẽ gồm 3 bước như sau:

+ Nghiên cứu về thuật toán SFS

+ Xây dựng giải thuật dựa trên thuật toán SFS để giải bài toán tái cấu trúc LĐPP có xét đến nguồn phân tán

+ So sánh kết quả với các kết quả đã được công bố trước đây

1.5 NỘI DUNG LUẬN VĂN

Chương 1: Giới thiệu chung

Chương 2: Tổng quan

Chương 3: Bài toán tái cấu trúc LĐPP

Chương 4: Áp dụng giải thuật SFS để giải bài toán tái cấu trúc LĐPP có xét

đến nguồn phân tán

Chương 5: Kết quả tính toán

Chương 6: Kết luận và hướng phát triển

Tài liệu tham khảo

Phụ lục

Lý lịch trích ngang

Trang 18

CHƯƠNG 2: TỔNG QUAN

2.1 TỔNG QUAN VỀ LƯỚI ĐIỆN PHÂN PHỐI

Lưới điện phân phối (LĐPP) là lưới điện trực tiếp chuyển tải điện năng từ các trạm biến thế trung gian đến khách hàng Khác với đường dây truyền tải thường được vận hành mạch vòng, để đảm bảo yêu cầu vận hành an toàn, tiết kiệm và nâng cao độ tin cậy cung cấp điện, LĐPP được cấu hình vận hành hình tia trong mọi trường hợp

Để tái cung cấp điện cho khách hàng sau sự cố, hầu hết các tuyến dây đều có các mạch vòng liên kết với các đường dây kế cận Việc khôi phục lưới được thông qua thao tác đóng/cắt các cặp khóa điện nằm trên các mạch vòng đó, do đó, trên lưới phân phối có rất nhiều khóa điện

Hình 2.1: Sơ đồ lưới điện truyền tải – phân phối

Trang 19

Khi xuất hiện nguồn điện phân tán (DG – Distributed Generation) kết nối vào LĐPP, phân bố dòng điện trên các nhánh đường dây sẽ thay đổi và ảnh hưởng đến cấu hình tối ưu của LĐPP, điều đó đặt nhiệm vụ là: cần phải tìm cấu hình tối ưu mới (tái cấu trúc LĐPP có nguồn DG) nhằm đảm bảo các mục tiêu: cải thiện chất lượng điện áp các nút trên LĐPP, giảm tổn thất công suất, nâng cao độ tin cậy cung cấp điện, chống quá tải đường dây…

Trong quá trình vận hành, thực tế việc tái cấu hình lưới điện nhằm giảm tổn thất năng lượng thường nằm trong các điều kiện thỏa mãn những ràng buộc kỹ thuật, cộng với có hàng trăm khóa điện dọc trên LĐPP là điều vô cùng khó khăn cho nhân viên vận hành và điều độ viên Do đó, luôn cần một phương pháp phân tích phù hợp với LĐPP thực tế và một giải thuật đủ mạnh áp dụng cho việc tái cấu trúc lưới điện nhằm thõa mãn các yêu cầu vận hành

Trong các thập niên gần đây, với sự tiến bộ vượt bậc của khoa học trong lĩnh vực trí tuệ nhân tạo, các nhà khoa học đã liên tục đưa ra các giải pháp để giải bài toán nan giải này ngày càng được hoàn thiện hơn Trước đây cũng đã có rất nhiều công trình nghiên cứu xung quanh vấn đề tối ưu cấu hình lưới điện, tuy nhiên mỗi công trình đều có những ưu điểm và những mặt hạn chế nhất định Do đó việc cố gắng tìm

ra một giải pháp tốt hơn, khắc phục các nhược điểm của các giải pháp hiện hữu là một nhu cầu cấp thiết Hòa theo ý tưởng đó, tôi đề nghị ứng dụng thuật toán SFS (Stochastic Fractal Search) để giải bài toán tái cấu trúc LĐPP có xét đến ảnh hưởng của nguồn phân tán với hy vọng tìm ra một giải pháp tối ưu hơn các giải pháp hiện hữu

2.2 ĐẶC ĐIỂM LƯỚI ĐIỆN PHÂN PHỐI

Phân phối điện là giai đoạn cuối cùng trong việc truyền tải điện đến hộ tiêu dùng LĐPP sẽ nhận điện từ hệ thống lưới truyền tải và chuyển nó đến hộ tiêu dùng Dòng công suất sẽ đi từ nguồn (hệ thống lưới truyền tải) qua LĐPP đến cung cấp cho phụ tải khách hàng Vì vậy, việc truyền tải điện năng từ nhà máy điện đến khách hàng tiêu thụ sẽ sinh ra tổn hao trên lưới truyền tải và LĐPP

Trang 20

Khác với lưới truyền tải, phần lớn tổn thất là trên đường dây, LĐPP trực tiếp phân phối điện năng tới từng khách hàng, do số lượng khách hàng được cấp điện qua LĐPP là rất lớn nên vấn đề tổn thất tại LĐPP của các công ty Điện lực không chỉ là tổn thất kỹ thuật trên đường dây hay cách thức vận hành hệ thống mà còn là phương thức, cách thức quản lý khách hàng sử dụng điện, điều đó dẫn đến một khái niệm là tổn thất phi kỹ thuật

Tổn thất trên LĐPP được phân thành tổn thất kỹ thuật và tổn thất phi kỹ thuật:

 Tổn thất kỹ thuật bao gồm:

+ Tổn thất công suất trên đường dây

+ Tổn hao máy biến thế, các thiết bị đóng cắt, các mối nối xấu…

+ Tổn hao do hệ số công suất thấp, sụt áp…

 Tổn thất phi kỹ thuật bao gồm:

+ Khách hàng sử dụng điện không qua đo đếm, các hành vi tác động, gây sai lệch hệ thống đo đếm…

+ Sai số điện kế, hệ thống đo lường (TU, TI)

+ Chất lượng ghi chỉ số, sai lệch giữa ngày điện nhận và ngày thương phẩm trong công tác tính toán tổn thất

2.3 ẢNH HƯỞNG CỦA NGUỒN PHÂN TÁN ĐẾN LƯỚI ĐIỆN PHÂN PHỐI

Nguồn phân phối DG ngày càng được ứng dụng nhiều trong lưới điện phân phối vì những lý do chính sau:

- Thị trường điện đã mở cửa cho các nhà đầu tư tham gia ở tất cả các dạng nguồn năng lượng

- Các nguồn năng lượng hóa thạch đang ngày càng cạn kiệt trong khi ý thức bảo

vệ môi trường của người dân đang tăng lên

Trang 21

- Một lý do nữa, đó là tình trạng quá tải của các mạng điện đang hiện hữu cùng với sự phát triển rất nhanh với nhu cầu phụ tải trong khi đó việc xây dựng các nhà máy điện có công suất lớn cần nhiều thời gian

Bài toán tái cấu trúc lưới điện phân phối mà đặc biệt là lưới điện phân phối có liên kết DG là một sự lựa chọn hấp dẫn đối với việc lập kế hoạch mở rộng và phát triển lưới điện phân phối trong tương lai Những nguồn phát phân phối (DG) cùng với cấu trúc phù hợp của LĐPP sẽ góp phần giảm tổn thất năng lượng, cải thiện chất lượng điện áp và nâng cao độ tin cậy cung cấp điện,…

Nguồn phân tán (DG) là nguồn điện kết nối trực tiếp vào LĐPP hoặc lưới điện phía sau hệ thống đo đếm của khách hàng Có rất nhiều định nghĩa khác nhau về DG, tùy thuộc vào mỗi quốc gia, tổ chức Cơ quan năng lượng quốc tế (IEA - International Energy Agnecy) định nghĩa: DG là một nhà máy phát điện phục vụ trực tiếp cho khách hàng hoặc hỗ trợ cho LĐPP, kết nối vào lưới điện tại cấp điện áp phân phối [28] CIGRE định nghĩa DG là một nguồn điện có các đặc điểm: không phân

bố tập trung, không được điều độ tập trung, thường kết nối vào LĐPP, có dung lượng nhỏ từ 50 – 100 MW [29] Các tổ chức khác như Viện nghiên cứu năng lượng (Electric Power Reseach Institue) định nghĩa DG là những máy phát có dung lượng vài kW tới 50 MW [30] Như vậy, có thể hiểu đơn giản DG chính là các máy phát điện có dung lượng nhỏ

Hình 3.1: Kết nối DG vào lưới điện

Trang 22

Hiện nay, có rất nhiều công nghệ DG đang được sử dụng trên thị trường Ngoài các máy phát điện chạy bằng dầu diezel, xăng… phổ biến, các công nghệ mới

về DG như micro tubine chạy bằng năng lượng gió, sức nước hay nguồn năng lượng mặt trời, pin nhiên liệu… cũng đang được áp dụng rộng rãi hơn

Khi có sự tham gia của DG vào LĐPP, phân bố công suất trên lưới thay đổi, các đặc tính về dòng điện, điện áp sẽ thay đổi dẫn theo sự thay đổi về tổn thất công suất trên lưới Nhiều nghiên cứu trước đây chỉ ra rằng việc xác định dung lượng cũng như vị trí đặt DG không chính xác sẽ dẫn đến lượng công suất tổn thất lớn hơn so với trước khi đặt DG [25, 26] Bằng cách tính toán xác định dung lượng và vị trí tối ưu của DG sẽ giảm thiểu được tổn thất công suất và nâng cao chất lượng điện năng, cải thiện độ tin cậy cung cấp điện

2.4 TỔNG QUAN VỀ BÀI TOÁN TÁI CẤU TRÚC LĐPP

2.4.1 Giới thiệu bài toán tái cấu trúc LĐPP

Tái cấu trúc lưới điện là quá trình vận hành các khóa điện để thay đổi cấu hình của lưới điện nhằm đảm bảo các mục tiêu vận hành cũng như giảm thiểu chi phí Đối với LĐPP, chi phí chủ yếu được tối thiểu hóa là chi phí tổn thất điện năng

Các bài toán vận hành LĐPP mô tả các hàm mục tiêu tái cấu trúc lưới điện:

 Bài toán 1: Xác định cấu hình lưới điện theo đồ thị phụ tải trong một thời đoạn

để chi phí vận hành bé nhất

Hàm mục tiêu này phù hợp với LĐPP phức tạp, được trang bị các khóa điện hiện đại, có khả năng đóng mở có tải, được điều khiển từ xa như recloser, hay nói cách khác, bài toán 1 phù hợp với LĐPP có chi phí chuyển tải thấp, linh hoạt trong vận hành, cấu trúc lưới có thể thay đổi nhiều lần trong ngày

 Bài toán 2: Xác định cấu hình lưới điện không thay đổi trong thời đoạn khảo sát

để tổn thất năng lượng bé nhất

Trang 23

Trong thực tế, ngay cả ở những nước công nghiệp tiên tiến, chi phí chuyển tải ảnh hưởng rất lớn đến quyết định thay đổi cấu trúc lưới Vì thế, trong vận hành, cấu trúc lưới chỉ thay đổi khi:

 Phải cô lập sự cố và tái cấu trúc lưới chống quá tải lưới, máy biến thế nguồn

 Mức giảm tổn thất năng lượng ít nhất đủ bù đắp các chi phí chuyển tải

Vì vậy, xuất hiện bài toán 2 – Xác định cấu trúc lưới điện không đổi trong thời gian khảo sát để tổn thất năng lượng bé nhất

 Bài toán 3: Xác định cấu hình lưới điện tại một thời điểm để tổn thất công suất bé

nhất

Nghiên cứu các giải thuật giải bài toán 1 và bài toán 2 là hết sức phức tạp Để cho đơn giản hơn, mục tiêu được điều chỉnh lại là cực tiểu tổn thất công suất Đây chính là lý do xuất hiện thêm bài toán 3 “Xác định cấu trúc LĐPP có tổn thất công suất bé nhất” Đã có rất nhiều các nghiên cứu giải quyết bài toán 3 trên LĐPP mà tiêu biểu nhất là lời giải của Civanlar hay Merlin & Back ,chúng tạo thành hai hướng nghiên cứu chính trong bài toán tái cấu trúc lưới điện phân phối

Bài toán tái cấu trúc LĐPP với hàm mục tiêu giảm tổn thất công suất tác dụng – bài toán 3 là một bài toán quan trọng, làm nền tảng hầu như cho tất cả các bài toán khác trong hệ thống các bài toán tái cấu trúc lưới

 Bài toán 4: Tái cấu hình lưới điện cân bằng tải (giữa các đường dây, máy biến

thế nguồn ở các trạm biến áp) để nâng cao khả năng truyền tải của lưới điện Giải thuật này áp dụng phù hợp cho những khu vực thường xuyên bị quá tải hay có phụ tải không ổn định Khi đó, để tránh quá tải đường dây và máy biến áp nguồn cần phải có cấu trúc lưới điện phù hợp để tải được lượng công suất lớn nhất

mà số lượng các phần tử quá tải trong lưới điện là bé nhất

 Bài toán 5: Khôi phục lưới điện sau sự cố hay cắt điện sửa chữa

Trang 24

Đây là mục tiêu được đông đảo các nhà khoa học đề cập trong các nghiên cứu của mình Tuy có nhiều hướng nghiên cứu riêng biệt nhưng chủ yếu các giải thuật vẫn theo trình tự như sau:

 Loại bỏ phần tử bị sự cố trên lưới

 Tái cấu trúc lưới để cấp điện với số khách hàng tối đa mà không gây quá tải

 Bài toán 6: Xác định cấu hình lưới điện theo nhiều mục tiêu như: tổn thất công

suất bé nhất, mức độ cân bằng tải cao nhất, số lần chuyển tải ít nhất, sụt áp cuối

lưới bé nhất cùng đồng thời xảy ra (hàm đa mục tiêu)

Trong vận hành LĐPP có rất nhiều mục tiêu vận hành mà người điều khiển tại khu vực mà mình đang trực tiếp vận hành Tuy nhiên, việc chọn duy nhất một mục tiêu điền khiển theo từng thời điểm tỏ ra không có tính thuyết phục đối với người vận hành hơn khi cùng lúc thỏa mãn nhiều mục tiêu cùng lúc

 Bài toán 7: Xác định cấu hình lưới điện để đảm bảo mục tiêu giảm năng lượng

do việc ngừng cung cấp điện hay nâng cao độ tin cậy cung cấp điện

Các bài toán xác định cấu trúc vận hành của một LĐPP cực tiểu tổn thất năng lượng hay cực tiểu chi phí vận hành thỏa mãn các điều kiện kỹ thuật vận hành luôn là

bài toán quan trọng và kinh điển trong vận hành hệ thống điện Trong đó bài toán 3 là

một bài toán quan trọng, làm nền tảng cho việc giải các bài toán khác trong hệ thống các bài toán tái cấu trúc lưới

2.4.2 Các phương pháp nghiên cứu bài toán tái cấu trúc LĐPP

2.4.2.1 Các giải thuật Heuristics

 Kỹ thuật vòng kín – Giải thuật của Merlin và Back [31]

Merlin và Back cho rằng với mạch vòng, LĐPP luôn có mức tổn thất công suất bé nhất Vì vậy, để có LĐPP vận hành hình tia, Merlin và Back lần lượt loại bỏ những nhánh có tổn thất công suất nhỏ nhất, quá trình sẽ chấm dứt khi lưới điện đạt được trạng thái vận hành hở Trong quá trình thực hiện, thuật toán không tính mức giảm ΔP khi phân bố lại phụ tải cho từng bước mà chỉ xét đến dòng chạy qua khóa điện Thuật toán không tính tổn thất ΔP để so sánh lựa chọn cấu trúc tối ưu vì đã xuất

Trang 25

phát từ điều kiện mở nhánh có dòng công suất bé nhất để mức tổn thất ΔP là bé nhất Các giải thuật tìm kiếm nhánh và biên ứng dụng luật heuristic này mất rất nhiều thời gian do có khả năng xảy ra đến 2n cấu trúc lưới điện nếu có n đường dây được trang

bị khóa điện

Kỹ thuật này được phát biểu như sau: “ Đóng tất cả các khóa điện lại – tạo thành một lưới kín, sau đó giải bài toán phân bố công suất và tiến hành mở lần lượt các khóa có dòng chạy qua là bé nhất cho đến khi lưới điện dạng hình tia ”

 Kỹ thuật đổi nhánh – Giải thuật của Civanlar [3]

Giải thuật của Civanlar dựa trên heuristics để tái cấu hình LĐPP Kỹ thuật đổi nhánh thể hiện ở quá trình thay thế một khóa mở bằng một khóa đóng trong một vòng kín để giảm tổn thất công suất Vòng được chọn để đổi nhánh là vòng có cặp khóa đóng/mở có mức giảm tổn thất công suất lớn nhất Quá trình được lặp lại cho đến khi không thể giảm được tổn thất nữa

2.4.2.2 Các giải thuật dựa trên trí thông minh nhân tạo

 Giải thuật Gen (GA - Genetic Algorithm)

Đối với mạng phân phối, khi đóng một khóa điện sẽ tạo ra một vòng kín Thuật toán đề nghị bắt đầu bằng việc đóng tất cả các khóa điện để tạo một mạng vòng Mạng vòng này bao gồm nhiều vòng đóng và mỗi vòng phải có một điểm

“mở” tốt nhất để cực tiểu tổn thất cho mạch hở Mở một khóa điện trong mỗi vòng sẽ

có được cấu trúc mạng hình tia Tiếp theo là các biểu diễn chuỗi:

- Mỗi gen biểu diễn một khóa mở trong vòng, độ dài của chuỗi bằng số vòng

- Nếu chuỗi có một gen thì mạng có một vòng, mỗi gen trong chuỗi là khác nhau

- Nếu chuỗi có hay hay nhiều gen là khóa điện thông thường trong hai vòng khác nhau thì mạng có một nút bị cách ly

 Giải thuật đàn kiến (ACS – Ant Colony Algorithm)

Trang 26

Ban đầu, số kiến bắt đầu từ tổ kiến để đi tìm đường đến nơi có thức ăn Từ tổ kiến sẽ có rất nhiều con đường khác nhau để đi đến nơi có thức ăn, nên một con kiến

sẽ chọn ngẫu nhiên một con đường để đi đến nơi có thức ăn Quan sát loài kiến, người ta nhận thấy chúng tìm kiếm nhau dựa vào “dấu chân” (chất hóa học pheromone) mà chúng để lại trên đường đi Sau một thời gian lượng “dấu chân” của mỗi chặng đường sẽ khác nhau Do sự tích lũy “dấu chân” của mỗi chặng đường cũng khác nhau, đồng thời với sự bay hơi của “dấu chân” ở đoạn đường kiến ít đi Sự khác nhau này ảnh hưởng đến sự di chuyển của những con kiến về sau đi trên mỗi đoạn đường Nếu “dấu chân” để lại trên đường nhiều thì sẽ có khả năng thu hút các con kiến khác di chuyển trên đường đi đó, những chặng đường còn lại do không thu hút được lượng kiến di chuyển sẽ có xu hướng bay hơi “dấu chân” sau một thời gian nhất định

Điều đặc biệt trong cách hành xử loài kiến là lượng “dấu chân” trên đường đi

có sự tích lũy càng lớn thì cũng đồng nghĩa với việc đoạn đường đó là ngắn nhất từ

tổ kiến đến nới có thức ăn Phương pháp này đưa ra để giải quyết các bài toán có không gian nghiệm lớn để tìm ra lời giải có nghiệm là tối ưu nhất trong không gian nghiệm đó với thời gian cho phép hay không gian tìm ra cấu trúc tối ưu hơn thì dừng Phương pháp này cũng rất thích hợp để giải bài toán tái cấu trúc để có thể tìm ra trong các cấu trúc có thể của mạng phân phối có một cấu trúc có tổn thấy công suất

là bé nhất

 Giải thuật tối ưu hóa bầy đàn (PSO – Particle Swarm Optimization)

PSO là một bầy đàn dựa trên kỹ thuật tính toán tiến hóa lấy cảm hứng từ hành

vi xã hội của loài chim liên kết lại hoặc liên minh cá Kể từ khi phát minh đầu tiên vào năm 1995, PSO đã trở thành một trong những phương pháp phổ biến nhất được

áp dụng trong các vấn đề tối ưu hóa khác nhau do sự đơn giản và khả năng tìm thấy gần các giải pháp tối ưu của nó Trong PSO, một cá thể của bầy di chuyển trong không gian tìm kiếm các vấn đề tiếp cận với các mục tiêu tối ưu Sự di chuyển của mỗi cá thể trong bầy được xác định thông qua vị trí và vận tốc của nó Trong quá trình di chuyển, vận tốc của các cá thể được thay đổi theo thời gian và vị trí của

Trang 27

chúng sẽ được cập nhật cho phù hợp Vị trí tối ưu nhất là vị trí mà phần lớn các cá thể tập hợp lại

 Giải thuật tìm kiếm chim Cuckoo (CSA – Cuckoo Search Algorithm)

Giải Thuật CSA được đưa ra bởi Ramin Rajabioun, được đăng trên tạp chí Applied Soft Computing vào cuối năm 2011 [19] Đây là một giải thuật tối ưu lấy cảm hứng từ đời sống của quần thể chim Cuckoo Những điểm đặc biệt trong cách sinh sống, cách đặt trứng và phát triển của chúng là nền tảng cho việc phát triển giải thuật mới này Chim Cuckoo đẻ trứng nhưng không ấp và nuôi dưỡng chim non, sau khi đẻ trứng chúng sẽ gắp trứng bỏ vào tổ của loài chim khác, nếu không bị phát hiện chim Cuckoo non sẽ được ấp và nuôi dưỡng bởi loài chim khác

Giống như những giải thuật tiến hóa khác, CS bắt đầu bởi một quần thể ban đầu Quần thể Cuckoo ở những môi trường sống khác nhau bao gồm 2 đối tượng là chim Cukoo và trứng Trong suốt quá trình đấu tranh sinh tồn một số con Cuckoo hoặc trứng của nó bị tiêu diệt, số còn lại sẽ di chuyển tới môi trường sống tốt hơn rồi tiếp tục quá trình sinh sản và đặt trứng Sự cố gắng thích nghi với môi trường sống của chim Cuckoo hy vọng sẽ hội tụ lại tại một môi trường sống duy nhất và tốt nhất (vị trí có cùng giá trị lợi nhuận và là giá trị lợi nhuận cao nhất) Đây cũng chính là lời giải cần tìm trong các bài toán tối ưu hóa

Ứng dụng của giải thuật CS đã được thử nghiệm trên các hàm toán học chuẩn

và các vấn đề thực tế Điều này chứng minh khả năng giải quyết các vấn đề tối ưu hóa có mức độ khó cao của giải thuật

2.4.3 Tóm lược các bài báo về tái cấu trúc LĐPP có xét đến ảnh hưởng của DG

 Optimal network reconfiguration and loss minimization using harmony search

algorithm in the presence of distributed generation - Pardhavi Sai Sree.T,

Poorna Chandra Rao.N [5]

Bài báo giới thiệu một phương để giải bài toán tái cấu trúc lưới điện có sự hiện diện của nguồn phân tán, mục tiêu là cực tiểu công suất tác dụng và cải thiện chất lượng điện áp trên lưới Giải thuật HSA (Harmony Search Algorithm) được sử dụng để đồng thời thực hiện tái cấu trúc và xác định vị trí tối ưu để đặt DG trên lưới

Trang 28

Hệ số độ nhạy được sử dụng để xác định vị trí đặt DG tại các kịch bản giả định khác nhau Tác giả đồng thời sử dụng cả hai giải thuật là HSA và PSO áp dụng vào mạng điện 33 và 69 nút để kiểm tra tính hiệu quả của hai giải thuật

 A Novel integration technique for optimal network reconfiguration and

distributed generation placement in power distribution networks – A

Mohamed Imran, M Kowsalya, D.P Kothari [6]

Bài báo giới thiệu một kỹ thuật mới áp dụng vào bài toán tái cấu trúc lưới điện

và phân bố DG trong LĐPP với mục tiêu giảm tổn thất công suất và nâng cao độ ổn định điện áp Giải thuật Firework Algorithm (FWA) được sử dụng để đồng thời tái cấu trúc lưới điện và phân bố tối ưu DG FWA là một giải thuật mới dựa trên cơ sở trí thông minh bầy đàn, giải thuật mô tả hiện tượng nổ pháo hoa để thực hiện việc tìm kiếm vị trí tối ưu cho các tia lửa từ pháo hoa phát tán ra Hệ số ổn định điện áp (VSI – Voltage Stability Index) được sử dụng để xác định trước vị trí đặt DG Giải thuật FWA áp dụng mô phỏng trên mạng điện IEEE 33 và 69 nút với 6 kịch bản tái cấu trúc lưới và tối ưu DG Đồng thời tác giả cũng so sánh với các giải thuật khác, cho thấy sự vượt trội của FWA

 A novel method based on adaptive cuckoo search for optimal network

reconiguration and distributed generation allocation in distribution network –

Thuan Thanh Nguyen, Anh Viet Truong, Tuan Anh Phung [7]

Tác giả bài báo đề xuất một phương pháp mới dựa trên đặc tính của loài chim Cuckoo (CSA – Cuckoo Search Algorithm) để áp dụng vào bài toán tái cấu trúc lưới điện và tối ưu vị trí, dung lượng DG trên LĐPP Đồng thời để giảm khối lượng tính toán, lý thuyết đồ thị (Graph Theory) được áp dụng để xây dựng giải thuật kiểm tra lưới điện hình tia, loại bỏ các trường hợp lưới điện không đủ điều kiện Để đánh giá hiệu quả của phương pháp, giải thuật áp dụng mô phỏng đối với 3 mạng điện mẫu và

7 kịch bản đánh giá khác nhau Kết quả đạt được cho thấy sự vượt trội của phương pháp khi áp dụng giải bài toán tái cấu trúc lưới điện và tối ưu vị trí, dung lượng của

DG

 Optimal location and size of distributed generation in distribution system by

Artificial Bees Colony algorithm – Nguyen Tung Linh, Dam Xuan Dong [8]

Trang 29

Bài báo đề xuất áp dụng phương pháp sử dụng giải thuật đàn ong (ABC – Artificial Bees Colony Algorithm) để xác định vị trí và dung lượng DG tối ưu đặt vào LĐPP Phương pháp được kiểm tra trên mạng điện chuẩn IEEE 33 nút để đánh giá tác động của DG đối với lưới điện qua các thông số: độ tin cậy, tổn thất năng lượng…

 An analytical approach for DG allocation in primary distribution network –

Naresh Acharya, Purkar Mahad, N Mihulananthan [4]

Bài báo đề xuất phương pháp giải tích để tính toán dung lượng và xác định vị trí đặt DG tối ưu với mục tiêu cực tiểu tổn thất trên lưới điện Phương pháp giải tích được dựa trên phương trình tổn thất chính xác (Exact loss fomula) Để đánh giá hiệu quá của phương pháp giải tích xác định dung lượng và vị trí DG, tác giả áp dụng tính toán trên 3 mạng điện và kết quả được so sánh với các phương pháp khác

Trang 30

CHƯƠNG 3: BÀI TOÁN TÁI CẤU TRÚCLƯỚI ĐIỆN PHÂN PHỐI

CÓ XÉT ĐẾN NGUỒN PHÂN TÁN

3.1 CƠ SỞ XÂY DỰNG BÀI TOÁN TÁI CẤU TRÚC LĐPP CÓ XÉT ĐẾN NGUỒN PHÂN TÁN

Tái cấu trúc là bài toán dùng phương pháp thay đổi các khóa điện trên lưới để

từ cấu hình lưới ban đầu theo đó là các đặc tính dòng điện, điện áp… thành một cấu hình lưới điện mới với các đặc tính dòng điện, điện áp thay đổi nhằm tối ưu một hay nhiều mục tiêu Trong luận văn, mục tiêu của bài toán là cực tiểu công suất tác dụng

Việc tối ưu phân bố, dung lượng DG trên lưới cũng ảnh hưởng tới các đặc tính dòng điện, điện áp Từ đó thay đổi giá trị của hàm mục tiêu Vì vậy kết hợp việc tối

ưu phân bố và dung lượng DG vào bài toán tái cấu trúc là một hàm mục tiêu cực tiểu công suất tác dụng với 3 biến đầu vào, có thể được mô tả theo công thức:

Trong đó: hàm f là hàm mục tiêu, có thể là một hoặc nhiều mục tiêu khác nhau

(tổn thất công suất, ổn định điện áp, chi phí …)

x, u, v là các biến đầu vào (trạng thái khóa mở, vị trí DG, dung lượng

DG…)

3.2 MÔ HÌNH TOÁN HỌC BÀI TOÁN TÁI CẤU TRÚC LĐPP CÓ XÉT ĐẾN NGUỒN PHÂN TÁN

Các thuật ngữ:

Pi Công suất tác dụng ngõ ra tại nút i

Qi Công suất phản kháng ngõ ra tại nút i

Pj Công suất tác dụng ngõ ra tại nút j

Qj Công suất phản kháng ngõ ra tại nút j

PLi Công suất tác dụng của tải tại nút i

QLi Công suất phản kháng của tải tại nút i

Trang 31

PLj Công suất tác dụng của tải tại nút j

QLj Công suất phản kháng của tải tại nút j

Vi,min Điện áp nhỏ nhất tại nút i

Vi,max Điện áp lớn nhất tại nút i

PT,Loss Tổng công suất tổn thất

IDG Dòng điện DG bơm vào

PDGi Công suất tác dụng của DG tại nút i

QDGi Công suất phản kháng của DG tại nút i

PDGi,max Công suất tác dụng lớn nhất của DG tại nút i

QDGi,min Công suất phản kháng lớn nhất của DG tại nút i

Mục tiêu của bài toán là cực tiểu hàm tổn thất công suất tác dụng bằng cách thay đổi trạng thái đóng mở các khóa điện tại các nhánh

Bài toán được thành lập chi tiết như sau:

Trang 32

 Hàm mục tiêu:

 Các điều kiện ràng buộc:

+ Điều kiện cân bằng công suất:

𝑃𝑆𝑈𝐵 = ∑𝑛𝑖=1𝑃𝐿𝑖 + 𝑃𝑇,𝐿𝑜𝑠𝑠 i = 1,…, nb (3.3)

𝑄𝑆𝑈𝐵 = ∑𝑛𝑖=1𝑄𝐿𝑖 + 𝑄𝑇,𝐿𝑜𝑠𝑠 i = 1,…, nb (3.4) + Điện áp giới hạn:

𝑉𝑖,𝑚𝑖𝑛 ≤ 𝑉𝑖 ≤ 𝑉𝑖,𝑚𝑎𝑥 i = 1,…, nb (3.5) + Dòng điện giới hạn:

𝐼𝑖𝑗,𝑚𝑖𝑛 ≤ 𝐼𝑖𝑗 ≤ 𝐼𝑖𝑗,𝑚𝑎𝑥 i = 1,…, nb (3.6)

+ Giới hạn công suất phát của DG:

𝑃𝐷𝐺𝑖,𝑚𝑖𝑛 ≤ 𝑃𝐷𝐺𝑖 ≤ 𝑃𝐷𝐺𝑖,𝑚𝑎𝑥 i = 1,…, nb (3.7)

𝑄𝐷𝐺𝑖,𝑚𝑖𝑛 ≤ 𝑄𝐷𝐺𝑖 ≤ 𝑄𝐷𝐺𝑖,𝑚𝑎𝑥 i = 1,…, nb (3.8) Mục tiêu của bài toán là tối ưu dung lượng DG theo công suât tác dụng (cosφ

= 1), do đó phần công suất phản kháng bỏ qua

+ Cấu trúc hình tia của lưới điện:

Để đảm bảo cấu trúc lưới điện hình tia, số khóa mở tương ứng phải bằng số vòng độc lập:

Trang 33

CHƯƠNG 4: ÁP DỤNG THUẬT TOÁN STOCHASTIC FRACTAL SEARCH

GIẢI BÀI TOÁN TÁI CẤU TRÚC LƯỚI ĐIỆN PHÂN PHỐI

CÓ XÉT ĐẾN NGUỒN PHÂN TÁN

4.1 ĐẶT VẤN ĐỀ

Mục tiêu của bài toán tái cấu trúc LĐPP là tìm ra một cấu trúc lưới có lợi ích

về kinh tế nhất nhưng vẫn đảm bảo về mặt kỹ thuật để LĐPP vận hành ổn định trong điều kiện vận hành bình thường cũng như sự cố Những lợi ích về mặt kinh tế bao gồm chi phí cho tổn thất trên lưới điện, chi phí chuyển tải (đóng cắt khóa điện), chi phí thiệt hại của khách hàng do bị ngừng cung cấp điện, và cả chi phí không bán được điện của công ty điện lực Như vậy, tìm lời giải cho bài toán tái cấu trúc LĐPP

để giảm tổn thất công suất cũng chính là tìm ra cấu trúc lưới phân phối có chi phí vận hành thấp nhất Mỗi cấu trúc LĐPP được tạo ra từ cấu trúc hiện tại bằng cách thay đổi trạng thái đóng/mở các khóa điện (tie switch, selection switch)

LĐPP được tái cấu trúc bằng cách mở các khóa điện phân đoạn và đóng các khóa điện chuyển mạch sao cho cấu trúc lưới vẫn là hình tia và tất cả khách hàng vẫn đảm bảo cung cấp điện Do đó dòng công suất đi qua các nút, tổn thất công suất, và

độ tin cậy cung cấp điện của lưới điện cũng thay đổi

Trong luận văn, mục tiêu chính được xác định cụ thể là tái cấu trúc LĐPP nhằm giảm tổn thất công suất tác dụng

4.2 THUẬT TOÁN STOCHASTIC FRACTAL SEARCH

Thuật toán tìm kiếm ngẫu nhiên Fractal (SFS – Stochastic Fractal Search) được đề xuất bởi Hamid Samili vào năm 2014 [16] Thuật toán SFS dựa trên lý thuyết Fractal lần đầu được sử dụng bởi Benoit Mandelbrot vào năm 1975 Mandelbrot đã sử dụng lý thuyết Fractal để mô tả các mô hình hình học trong tự nhiên

4.2.1 Tìm kiếm Fractal

Thuật toán tìm kiếm Fractal (FS-Fractal Search) sử dụng 3 quy tắc cơ bản để tìm kết quả:

Trang 34

- Mỗi điểm được tích một điện thế năng

- Mỗi điểm khuếch tán và tạo ra một vài điểm khác, năng lượng của điểm được phân chia trong quá trình khuếch tán

- Một vài điểm tốt nhất được giữ lại trong mỗi lần khuếch tán, các điểm còn lại

bị loại bỏ

Hình 4.1: Sự khuếch tán

Giả sử có P điểm (với 1≤ P ≤ 20) được dùng để tìm kiếm giải pháp giải quyết vấn đề Ban đầu mỗi điểm Pi sẽ có vị trí ngẫu nhiên trong không gian tìm kiếm với năng lượng bằng Ei theo công thức:

i

E E

P



(4.1) Với: E là điện thế năng lớn nhất

Để vận hành tối ưu, mỗi điểm sẽ khuếch tán trong mỗi thế hệ và điểm mới được tạo ra dựa trên bước Levy flight Levy flight là một dạng riêng của chuyển động Brownian bao gồm các bước nhảy ngẫu nhiên ở nhiều cấp độ, mà trong đó thỉnh thoảng ngẫu nhiên vài đối tượng bất ổn có bước nhảy vọt vào vùng không gian khác

Kết quả của quá trình khuếch tán là một số điểm mới được tạo ra Để tạo ra mỗi điểm trong trong quá trình khuếch tán thì cả Levy flight và phân bố Gaussian đều được áp dụng

Trang 35

Để sử dụng ưu điểm của cả bước nhảy Gaussian và Levy flight, thuật toán FS hoán đổi ngẫu nhiên giữa chúng Đó là bởi vì Levy flight đảm bảo cho thuật toán có tốc độ hội tụ nhanh, trong khi đó bước Gaussian cho kết quả tính toán cuối cùng tốt hơn

Sau khi khuếch tán, vấn đề chính gặp phải đó là làm thế nào để phân bố năng lượng cho những điểm được tạo ra Và một ý tưởng rất đơn giản được đưa ra để phân

bố năng lượng đó là: điểm thích hợp hơn thì nhận được nhiều năng lượng hơn Gọi q

là số hạt được tạo ra do sự khuếch tán của hạt Pi có năng lượng Ei Mỗi hạt được

khuếch tán sẽ có một giá trị tương ứng (fitness value) f j với j = 1, 2, …, q Công thức

phân bố năng lượng sẽ được định nghĩa như sau:

j j

Với: f i là giá trị tương ứng của điểm chính trước khi khuếch tán

Mặc dù mô hình này thực hiện tốt cho cả tìm kiếm cục bộ và toàn cục nhưng trong quá trình lặp thì việc tìm kiếm trở nên phức tạp hơn do việc tạo ra các hạt mới dựa trên sự khuếch tán Để giải quyết vấn đề này, chỉ có một vài hạt tốt nhất được tham gia vào thế hệ tiếp theo (không đến 10% tổng số hạt trong mỗi thế hệ) Năng lượng thu được từ việc loại bỏ những hạt này sẽ được dùng cho những hạt còn lại và tạo ra những hạt mới

4.2 Tìm kiếm ngẫu nhiên Fractal

Mặc dù thuật toán FS thực hiện tìm kiếm hiệu quả, nhưng phương pháp này vẫn còn một số hạn chế Hạn chế lớn nhất là có rất nhiều tham số cần để mô tả vấn

đề và một hạn chế khác là sự trao đổi thông tin giữa các điểm không khả thi Nếu thông tin được trao đổi giữa các điểm một cách hiệu quả, thuật toán FS sẽ có tốc độ hội tụ nhanh hơn Nhưng thuật toán FS lại không có sự trao đổi giữa các điểm với nhau, vì vậy từng yếu tố trong FS hoạt động một cách độc lập Mặt khác FS là một thuật toán động với các yếu tố trong thuật toán bị biến động, chúng ta phải đối mặt với yêu cầu cân bằng giữa độ chính xác và thời gian thực hiện Vì vậy để giải quyết

Trang 36

vấn đề trên, một thuật toán mới được đưa ra, là một bản thể của thuật toán FS, gọi là thuật toán tim kiếm ngẫu nhiên Fractal (SFS)

SFS bao gồm hai quá trình chính:

- Quá trình khuếch tán

- Quá trình cập nhật

Trong quá trình thứ nhất, tương tự như FS, mỗi điểm khuếch tán xung quanh

vị trí ban đầu Quá trình này làm tăng xác suất tìm thấy cực tiểu toàn cục, tránh các bẫy cực tiểu địa phương

Hình 4.2: Quá trình khuếch tán

Trong quá trình cập nhật, thuật toán mô phỏng cách mà một điểm cập nhật vị trí của mình dựa trên vị trí các điểm khác trong nhóm Không như giai đoạn khuếch tán của FS làm tăng số lượng các điểm tham gia, chúng ta cần cân nhắc cho quá trình khuếch tán của SFS một cách ổn định Điều đó có nghĩa là những điểm tốt nhất được tạo ra cần được giữ lại và các điểm còn lại bị loại bỏ Để tăng hiệu quả cho quá trình tìm kiếm trong không gian tìm kiếm, SFS sử dụng các bước ngẫu nhiên trong quá trình cập nhật

Để tạo ra điểm mới trong quá trình khuếch tán, SFS sử dụng hai bước nhảy là: Levy flight và Gaussian Trong các nghiên cứu trước đây, bước Levy flight cho độ hội tụ nhanh hơn so với Gaussian trong một vài thế hệ Tuy nhiên, bước Gaussian lại hứa hẹn cho việc tìm kiếm cực tiểu toàn cục Vì thế, khác với thuật toán FS sử dụng Levy flight, SFS lại sử dụng bước Gaussian Tổng quát, chuỗi các bước Gaussian tham gia vào quá trình khuếch tán được thống kế theo các phương trình:

Trang 37

GW1 = Gaussian(µBP,σ) + ( ε x BP – ε’ x Pi ) (4.3)

Với: ε và ε’

là số phân bố đều ngẫu nhiên trong khoảng [0,1]

BP và P i là vị trí tốt nhất và vị trí của điểm thứ i trong nhóm

μBP và μP có giá trị tương ứng |BP| và |Pi|

Độ lệch của Gaussian chuẩn được tính bằng phương trình:

j

(4.6)

Với: UB, LB tương ứng là vector giới hạn trên và dưới

Sau khi đã khai báo tất cả các điểm, hàm tương ứng của mỗi điểm sẽ được tính toán và đưa ra điểm tốt nhất (BP) trong số tất cả các điểm Theo đặc tính thăm

dò trong quá trình khuếch tán, tất cả các điểm sẽ khuếch tán xung quanh vị trí hiện tại để khai thác không gian tìm kiếm Mặt khác, do đặc tính thăm dò nên hai phương pháp thống kê làm cho việc khai thác không gian tìm kiếm tốt hơn Phương pháp thống kê đầu tiên thực hiện cho mỗi chỉ số vector cá thể và phương pháp thống kê thứ hai được áp dụng sau đó cho tất cả các điểm

Trang 38

Đối với phương pháp thống kê thứ nhất, tất cả các điểm trước tiên cần được sắp xếp theo giá trị hàm thích hợp Sau đó mỗi điểm i trong nhóm sẽ được gán một giá trị xác suất tuân theo phân bố đều như phương trình sau:

 

rank i

i

P Pa

Với: Pi’ là vị trí mới được sửa đổi của điểm Pi

Pr, Pt là 2 điểm được chọn ngẫu nhiên trong nhóm

ε là một số ngẫu nhiên được chọn từ phân bố đều và có giá trị [0, 1]

Phương pháp thống kê đầu tiên được thực hiện trên các thành phần của điểm, phương pháp thứ hai nhằm thay vị trí của một điểm có xét đến vị trí các điểm khác trong nhóm Đặc tính này giúp cải thiện chất lượng khai thác và thỏa mãn tính chất

đa dạng hóa Tương tự phương pháp thống kê đầu tiên, nếu điều kiện Pai < ε thỏa với điểm mới Pi’ thì vị trí hiện tại của Pi’ sẽ được sửa đổi theo phương trình (4.9) và (4.10), ngược lại sẽ không có sự cập nhật diễn ra

Trang 39

Với: Pt’ và Pt’ là hai điểm được chọn ngẫu nhiên từ phương pháp thứ nhất

ˆ là một số được tạo ra ngẫu nhiên bởi phân bố Gaussian

Điểm mới Pi” sẽ thay thế điểm Pi’ nếu giá trị hàm thích hợp tốt hơn điểm Pi’

Mô hình giải thuật cho thuật toán SFS được mô tả qua đoạn code và lưu đồ giải thuật sau [16]:

Trang 40

Khởi tạo số quần thể gồm N điểm

While g < số vòng lặp tối đa (hoặc điều kiện dừng) Do

} }

Call quá trình cập nhật:

{

Quá trình cập nhật thứ nhất

Đầu tiên, tất cả các điểm được xếp hạng theo phương trình (4.7)

For mỗi điểm Pi trong hệ thống Do

}

Định dạng
Số trang	110
Dung lượng	4,43 MB