i LỜI CAM ðOAN Tôi xin cam ñoan ñây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng ñược ai công bố trong bất kỳ công trình nào khác. Tôi xin cam ñoan rằng mọi sự giúp ñỡ cho việc thực hiện Luận văn này ñã ñược cảm ơn và các thông tin trích dẫn trong Luận văn ñã ñược chỉ rõ nguồn gốc. Học viên thực hiện Luận văn (Ký và ghi rõ họ tên) Trần Quang Khải ii LỜI CÁM ƠN Trước hết, tôi xin gửi lời cảm ơn sâu sắc ñến TS. Võ Ngọc ðiều - người thầy ñã hướng dẫn tôi tận tình, chu ñáo và ñộng viên, khích lệ tôi trong quá trình làm luận văn. ðược làm việc với thầy là một vinh dự cho tôi - Thầy ñã truyền cho tôi những kinh nghiệm làm việc qu ý báu. Tôi xin gửi lời cảm ơn tới các thầy cô giáo và cán bộ Khoa ðiện – ðiện tử Trường ðại học Kỹ thuật công nghệ Thành phố Hồ Chí Minh ñã giúp ñỡ tôi trong những năm học tập vừa qua. Chân thành cám ơn thầy Tiến sĩ Võ Ngọc ðiều và ñồng nghiệp ñã hỗ trợ và giúp ñỡ cho tôi hoàn thành kết quả luận văn tốt nghiệp chuyên ngành kỹ thuật ñiện. Qua ñây kính chúc gia ñình thầy dồi dào sức khỏe trong công tác ñào tạo. Xin chân thành cám ơn Học viên thực hiện Luận văn (Ký và ghi rõ họ tên) Trần Quang Khải iii TÓM TẮT ðề tài luận văn này ñề xuất một hướng giả (pseudo-gradient) dựa trên thuyết tiến hóa bầy hạt (PGPSO) ñể giải quyết vấn ñề tối ưu hóa công suất kháng. ðề xuất PGPSO là tối ưu hóa bầy hạt với hệ số co thắt bằng hướng giả ñể có tìm kết quả tốt hơn. Thực hiện hướng giả trong PSO là xác ñịnh hướng phù hợp các hạt ñảm bảo rằng nó có thể dịch chuyển nhanh ñến giải pháp tối ưu nhất trong tổng thể. ðề xuất PGPSO ñã ñược thực hiện giải quyết vấn ñề ñiều ñộ công suất kháng với các mục tiêu khác nhau cũng như tối thiểu hóa tổn thất công suất, cải thiện ñiện áp cục bộ, tăng khả năng ổn ñịnh ñiện áp ñáp ứng các hạn chế giới hạn công suất kháng máy phát, bộ ñiều khiển tụ nhưng giới hạn ñiện áp, thời gian chuyển biến áp và giới hạn truyền tải. Phương pháp ñề xuất này ñã ñược thử nghiệm trên hệ thống IEEE 30 bus và ñã nhận kết quả so với các kết quả từ các PSO biến thể và các phương pháp khác. Các kết quả so sánh chỉ ra rằng phương pháp ñề xuất có thể nhận tổng tổn thất công suất, ñộ lệch ñiện áp hay chỉ số ổn ñịnh ñiện áp thấp hơn các phương pháp khác cùng thử nghiệm. Do ñó, phương pháp PGPSO có thể là một phương pháp thuận lợi ñể giải quyết vấn ñề ñiều ñộ công suất kháng. ðiều ñộ công suất kháng (ORPD) là xác ñịnh các biến ñiều khiển cũng như ñộ lớn ñiện áp máy phát, ñiều khiển tụ bù và cài ñặt thời gian chuyển ñổi biến áp mà hàm mục tiêu tối thiểu ñáp ứng ổn ñịnh máy phát và hệ thống ñiện [1]. Trong vấn ñề ORPD, mục tiêu có thể tổng tổn thất công suất, ñộ lệch ñiện áp trên thanh cái ñể cải thiện ñiện áp riêng lẻ [2] hay chỉ số ổn ñịnh ñiện nhằm tăng cường ổn ñịnh ñiện áp [3]. Vấn ñề ñã ñược giải quyết bằng nhiều phương pháp thông thường dựa trên các phương pháp trí tuệ nhân tạo. Một số phương pháp thông thường ñã cung cấp ñể giải quyết vấn ñề như lập trình tuyến tính (LP) [4], lập trình số nguyên hỗn hợp (MIP) [5], phương pháp ñiểm bên trong (IPM) [6], lập trình ñộng (QP) [8]. Những phương pháp này dựa trên tuyến tính hóa và sử dụng gradient cho nghiên cứu các hướng. Các phương pháp tối ưu hóa thông thường có thể gặp khó khăn xác ñịnh hàm mục tiêu bậc iv hai và các khó khăn khác. Tuy nhiên, có thể khó khăn trong cực tiểu cục bộ của vấn ñề ñộ công suất với nhiều cực tiểu [9]. Gần ñây, các phương pháp nghiên cứu dựa trên kinh nghiệm trở nên thông dụng ñể giải quyết ORPD do có thuận lợi là thực hiện ñơn giản và khả năng tìm giải pháp tối ưu gần nhất cho các vấn ñề tối ưu phức tạp. Các phương pháp này ñã ñược áp dụng ñể giải quyết vấn ñề cũng như lập trình tiến hóa (EP) [9], thuật toán di truyền (GA) [3], thuật toán tối ưu nội ñịa (ACOA) [10], khác biệt tiến hóa (DE) [11], nghiên cứu hài hòa (HS) [12]…Những phương pháp này có thể cải tiến giải pháp tối ưu cho vấn ñề ñiều ñộ thông dụng nhất ñược so sánh với phương pháp thông thường nhưng hiệu suất thấp. Trong số các phương pháp nghiên cứu, tối ưu hóa bầy hạt (PSO) là thông dụng nhất ñể giải quyết bài toán ñiều ñộ công suất kháng gồm một số thay ñổi cũng như PSO nhiều tác nhân [13], PSO tăng cường [2], PSO song song [14], PSO học hiểu [15] Phương pháp PSO thường thực hiện ñơn giản nhất, khả năng nghiên cứu mạnh mẽ và nhanh so với các phương pháp nghiên cứu khác dẫn ñến chất lượng giải pháp tối ưu ñược cải thiện. Thêm nữa các phương pháp ñơn giản, phương pháp lai cũng ñược cải tiến rộng rãi ñể giải quyết vấn ñề như lai GA [16], lai Ep [17], lai PSO [18]…ñể sử dụng thuận lợi ñơn giản . Phương pháp lai thường nhận chất lượng hơn phương pháp ñơn nhưng thời gian thực hiện CPU kéo dài hơn. . v ABSTRACT This topic proposes a pseudo gradient based particle swarm optimization (PGPSO) method for solving optimal reactive power dispatch (ORPD) problem. The proposes PGPSO is the particle swarm optimization with constriction factor guided by pseudo-gradient for better search ability. The implementation of the pseudo-gradient in PSO is to detemine the suitable direction for particles to guarantee that they can quickly move to global optimal solution. The proposed PGPSO has been implemented for the ORPD problem with different objectives such as minimizing the real power losses, improving the voltage profile, and enhancing the voltage stability satisfying various constrains of reactive power limits of generators, switchable capacitor banks, but voltage limits, transformer tap changer limits, and transmission line limits. The proposed method has been tested to the IEEE 30-bus system and the obtained results are compared to those from other PSO variants and other methods in the literature. The result comparison has indicated that the proposed method can obtain total power loss, voltage deviation or voltage stability index less than the others for the considered cases. Therefore, the proposed PGPSO can be a favorable solution method for dealing the ORPD problem. Optimal reactive power dispatch (ORPD) is to determine the control variables such as genarator voltage magnitudes, switchable VAR compensators and transformer tap settting so that the objective function of the problem is minimized while satisfying the unit and system constrains [1]. In the ORPD problem, the objective can total power loss, voltage deviation at load buses for voltage profile improvement [2], or voltage stability index for voltage stability enhancement [3] The problem has been solved by various techniques ranging from conventional methods to artificial intelligence based methods. Several conventional methods have been applied for solving the problem such as linear programming (LP) [4], mixed integer programming (MIP) [5], interior point method (IPM) [6], dynamic vi programming (QP) [8]. These methods are based on successive linearization and use gradient as search directions. The conventional optimization methods can properly deal with the optimization problems of deterministic quadratic objective function and differential constrains. However, they can be trapped in local minima of the ORPD problem with multiple minima [9]. Recently, meta – heuristic search methods have become popular for solving the ORPD problem due to their advantages of simple implementation and ability to find near optimum solution for complex optimization problems. Various meta-heuristic methods have been applied for solving the problem such as evolutionary programming (EP) [9], genetic algorithm (GA) [3], ant colony optimization algorithm (ACOA) [10], differential evolution (DE) [11], harmony search (HS) [12] etc These methods can improve optimal solutions for the most popular one for the ORPD problem compared to the conventional methods but with relatively slow performance. Among the meta-heuristic search methods, particle swarm optimization (PSO) is the most popular one for solving the ORPD problem including many variants such as multiagent-based PSO [13], enhanced PSO [2], parallel PSO [14], comprehensive learning PSO [15], etc. The PSO methods are generally simpler implementation, more powerful search ability, and faster performance then other meta- heuristic search methods, leading to solution quality for optimization problems considerably improved. In addition the single methods, hybrid methods have been also widely implemented for solving the problem such as hybrid GA [16], hybrid Ep [17], hybrid PSO [18], etc to utilize the advantages of the single methods. The hybrid methods usually obtain better solution quality than the single methods but they also suffer longer computational time. vii MỤC LỤC Trang số TÓM TẮT iii ABSTRACT v DANH MỤC CÁC TỪ VIẾT TẮT x DANH MỤC CÁC BẢNG xi DANH MỤC CÁC HÌNH xii Chương 1: MỞ ðẦU 1 1.1 GIỚI THIỆU 1 1.1.1 ðặt vấn ñề 1 1.1.2 Tính cấp thiết của ñề tài 2 1.2 MỤC TIÊU, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 3 1.2.1 Mục tiêu của ñề tài nghiên cứu 3 1.2.2 Nội dung ñề tài nghiên cứu 4 1.2.3 Phương pháp nghiên cứu 4 1.3TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN CỨU 5 1.4 CẤU TRÚC LUẬN VĂN 6 Chương 2 7 TỔNG QUAN VỀ CÔNG SUẤT PHẢN KHÁNG 7 VÀ ðIỀU ðỘ CÔNG SUẤT KHÁNG 7 2.1. Giới thiệu tổng quan về công suất kháng 7 2.1.1 Lưới phân phối 7 2.1.1.1 Vai trò của lưới phân phối 7 2.1.1.2 Phân phối theo một cấp ñiện áp trung áp 7 2.1.1.3 Phân phối theo hai cấp ñiện áp trung áp 8 2.1.1.4 ðặc ñiểm chung của lưới phân phối 9 2.1.1.5 ðặc ñiểm của lưới phân phối Việt Nam hiện nay 10 2.1.2 Công suất phản kháng 11 2.1.2.1 Công suất phản kháng của ñiện cảm 11 viii 2.1.2.2 Công suất phản kháng của ñiện dung 12 2.1.3 Các nguồn phát công suất phản kháng 14 2.1.3.1 Máy ñiện ñồng bộ 14 2.1.3.2 ðường dây tải ñiện 15 2.1.3.3 Tụ ñiện tĩnh 15 2.1.4 Nhu cầu công suất phản kháng ở một số phụ tải ñiện 17 2.1.4.1 ðộng cơ không ñồng bộ 17 2.1.4.2 Máy biến áp 17 2.1.4.3 ðèn huỳnh quang 18 2.2 Bù công suất phản kháng cho phụ tải 18 2.3 Các lợi ích khi thực hiện bù công suất phản kháng: 20 Chương 3 22 PHƯƠNG PHÁP TỐI ƯU HÓAVÀ SỬ DỤNG THUẬT TOÁN 22 PGPSO ðỂ GIẢI BÀI TOÁN ðIỀU ðỘ CÔNG SUẤT KHÁNG 22 3.1. Các phương pháp tối ưu hóa ñiều ñộ công suất phản kháng 22 3.2. Sử dụng thuật toán PGPSO giải quyết bài toán ñiều ñộ công suất kháng 23 3.3. Phương pháp tối ưu hóa bằng thuật toán tiến hóa bầy hạt 26 3.3.1.Thuật toán tiến hóa bầy hạt 26 3.3.2. Khái niệm Pseudo -Gradient 29 3.3.3. Thuật toán bầy hạt hướng giả (PGPSO) 31 3.4 Các bước thực hiện phương pháp PGPSO 33 Chương 4 KẾT QUẢ TÍNH TOÁN 37 4.1 Dữ liệu ban ñầu 37 4.2 Kết quả tính toán 40 4.2.1 Kết quả với mục tiêu tổn thất công suất Ploss nhỏ nhất 40 4.2.2 Kết quả với mục tiêu ñộ lệch ñiện áp nhỏ nhất 43 4.2.3 Kết quả với mục tiêu chỉ số ổn ñịnh ñiện áp nhỏ nhất 47 CHƯƠNG 5 52 KẾT LUẬN – THẢO LUẬN 52 ix THUẬT NGỮ VÀ ðỊNH NGHĨA: 53 TÀI LIỆU THAM KHẢO 53 PHỤ LỤC 56 Chương trình thực hiện hệ thống tổn thất công suất của PGPSO 56 x DANH MỤC CÁC TỪ VIẾT TẮT HPSO-TVAC: Hierarchical Paricle Swarm Optimizer with Time–varying acceleration coefficients HTð: Hệ thống ñiện ORPD: Optimmal Reactive Power Dispatch PGPSO: Pseudo- gradient Guided by Paricle Swarm Optimization PSO-CF:Paricle Swarm Optimization with constriction factor TVAC: Time –varying acceleration coefficients TVIW: Time – varying inertia weight VSI: Voltage Stability Index [...]... Phương pháp t i ưu hóa và s d ng thu t toán PGPSO ñ gi i bài toán ñi u ñ công su t kháng Chương 4: K t qu tính toán Chương 5: K t lu n – th o lu n 7 Chương 2 T NG QUAN V CÔNG SU T PH N KHÁNG VÀ ðI U ð CÔNG SU T KHÁNG 2.1 Gi i thi u t ng quan v công su t kháng ð c pñ nm ts v nñ : - Lư i phân ph i - Công su t ph n kháng - Các ph t i ñi n - ði u ñ công su t ph n kháng cho ph t i 2.1.1 Lư i phân ph i 2.1.1.1... Phương pháp gi i quy t bài toán xác ñ nh v trí c a t bù trong lư i phân ph i s d ng phương pháp tìm ki m th c nghi m Bài toán xác ñ nh v trí t bù t i ưu trong lư i phân ph i s d ng thu t toán di truy n – m … 6 1.4 C U TRÚC LU N VĂN Tên ñ tài: “S d ng thu t toán PGPSO ñ gi i bài toán ñi u ñ công su t kháng Chương 1 M ñ u Chương 2: T ng quan v công su t ph n kháng và ñi u ñ công su t kháng Chương 3: Phương... quy t bài toán ñi u ñ công su t ph n kháng lư i ñi n phân ph i trên cơ s ng d ng thu t toán nh m gi i quy t bài toán ñi u ñ công su t 4 ph n kháng ñ n ñ nh h th ng truy n t i h th ng lư i ñi n, ch t lư ng gi i pháp t t hơn so v i các phương pháp khác, gi m chi phí v n hành h th ng ñi n 1.2.2 N i dung ñ tài nghiên c u N i dung ñ tài nghiên c u là tìm hi u t i ưu hóa bài toán ñi u ñ công su t ph n kháng. .. v n hành h th ng ñi n, vai trò chính c a ñi u ñ công su t ph n kháng là duy trì ñi n áp trên thanh cái truy n t i trong ph m vi gi i h n ñ cung c p ch t lư ng ñi n năng ñ n khách hàng 1.2.3 Phương pháp nghiên c u Phương pháp nghiên c u là s d ng thu t toán PGPSO ñ gi i bài toán ñi u ñ công su t kháng trên h th ng lư i ñi n V n ñ t i ưu ñi u ñ công su t kháng (ORPD) v i các ch c năng là hư ng t i m c... kháng có m c tiêu là gi m b t góc l ch pha gi a dòng ñi n và ñi n áp V i cùng m t công su t tác d ng cung c p cho ph t i, khi h s công su t cos ϕ càng th p d n ñ n công su t ph n kháng truy n t i trên ñư ng dây ñ cung c p cho ph t i càng l n, t o ra t n th t công su t tác d ng và t n th t năng lư ng càng cao 19 Bù công su t ph n kháng có nghĩa là s d ng các thi t b có kh năng phát công su t ph n kháng. .. phương pháp ñơn gi n nhưng có th i gian th c hi n trong th i gian lâu hơn 3.2 S d ng thu t toán PGPSO ñ gi i quy t bài toán ñi u ñ công su t kháng V n ñ t i ưu ñi u ñ công su t kháng (ORPD) v i các ch c năng là hư ng t i m c ñích khác nhau ñ i v i h th ng ñi n như là ñi u ñ kinh t , ñi u khi n ñi n áp /công su t ph n kháng và các chi n lư c ñi u khi n ñ tranh nguy cơ m t n ñ nh ñi n áp Phương pháp t i ưu... lư ng công su t ph n kháng ñ t hóa lõi thép, t o ra t trư ng bi n thiên Tuỳ theo ñi n c m c a ch n lưu, h s công su t chưa ñư c hi u ch nh c a ch n lưu vào kho ng 0,5 2.2 Bù công su t ph n kháng cho ph t i Các ph t i dân d ng và công nghi p ph n l n là có tính c m kháng, ñi n áp vư t trư c dòng ñi n Góc l ch pha gi a ñi n áp và dòng ñi n càng l n thì h s công su t cos ϕ c a lư i ñi n càng nh Bù công. .. ng Công su t ph n kháng ñóng vai trò t o ra t trư ng, y u t trung gian c n thi t trong quá trình chuy n hoá bi n ñ i ñi n năng Nhu c u công su t ph n kháng c a t ng ph t i ñi n trong t ng nhu c u công su t ph n kháng c a h th ng có th ñư c phân chia m t cách g n ñúng theo t l : - ð ng cơ không ñ ng b s d ng t 60 ñ n 65% t ng công su t ph n kháng c a h th ng - Máy bi n áp s d ng t 22 ñ n 25% t ng công. .. nh áp l c v v n ñ u tư Gi m ñư c t n th t ñi n năng C i thi n ch t lư ng ñi n áp cung c p cho các ph t i C i thi n h s công su t 22 Chương 3 PHƯƠNG PHÁP T I ƯU HÓAVÀ S D NG THU T TOÁN PGPSO ð GI I BÀI TOÁN ðI U ð CÔNG SU T KHÁNG 3.1 Các phương pháp t i ưu hóa ñi u ñ công su t ph n kháng V n ñ này ñã ñư c gi i quy t b ng các k thu t khác nhau t các phương pháp thông thư ng ñ n các phương pháp ph c t... áp s d ng t 22 ñ n 25% t ng công su t ph n kháng c a h th ng - ðư ng dây t i ñi n và các ph t i khác s d ng 10% t ng công su t ph n kháng c a h th ng 2.1.4.1 ð ng cơ không ñ ng b ð ng cơ không ñ ng b là thi t b s d ng nhi u nh t lư ng công su t ph n kháng c a h th ng Công su t ph n kháng ñ ng cơ không ñ ng b bao g m 2 thành ph n: - Ph n l n công su t ph n kháng ñư c s d ng ñ t o ra t trư ng khe h . quan về công suất phản kháng và ñiều ñộ công suất kháng Chương 3: Phương pháp tối ưu hóa và sử dụng thuật toán PGPSO ñể giải bài toán ñiều ñộ công suất kháng Chương 4: Kết quả tính toán Chương. bù công suất phản kháng: 20 Chương 3 22 PHƯƠNG PHÁP TỐI ƯU HÓAVÀ SỬ DỤNG THUẬT TOÁN 22 PGPSO ðỂ GIẢI BÀI TOÁN ðIỀU ðỘ CÔNG SUẤT KHÁNG 22 3.1. Các phương pháp tối ưu hóa ñiều ñộ công suất phản. cứu Xây dựng và giải quyết bài toán ñiều ñộ công suất phản kháng lưới ñiện phân phối trên cơ sở ứng dụng thuật toán nhằm giải quyết bài toán ñiều ñộ công suất 4 phản kháng ñể ổn ñịnh