1 LỜI MỞ ĐẦU Ngày nay, trình tái cấu ngành điện, bước chuyển sang thị trường tự cạnh tranh mua bán điện Trên phương diện đó, nhà sản xuất điện hoạch định cho chiến lược phương thức giá miên yết lên thị trường, tạo điều kiện thuận lợi cho nhà đầu tư thích hợp với hộ tiêu thụ điện Như biết, giá điện hình thành từ chi phí sản suất, truyền tải dịch vụ Trong toán truyền tải, nhà sản xuất cần đưa phương án tối ưu cho toán truyền tải hay gọi tối ưu phân bố công suất (OPF) Từ nhiều ràng buộc công suất phát, giới hạn truyền tải nhu cầu phụ tải, tổn thất đường truyền Tất yếu tố xem xét hai trường hợp sở ràng buộc anh ninh truyền tải độ tin cậy hệ thống Thông thường, toán phân bố công suất, biến điều khiển, hàm mục tiêu dường biết trước Trong OPF, giá trị số biến tất cần phải biết để giảm tối thiểu tăng tối đa mục tiêu cần phải biết trước Ví dụ: Trên biết xảy (sự cố máy phát, đường truyền, máy biến áp…thay đổi chi phí giá nhiên liệu, chi phí dịch vụ…), thay đổi phụ tải tăng giảm bất thường thứ dường cho đáp án xác yêu cầu Nhưng ngược lại, toán cần đặt cho tình dự báo cách nhanh nhất, xác nhất, rủi ro nhất, chi phí thấp để nhằm tăng cường linh hoạt đảm bảo độ tin cậy Điều này, OPF trở thành công cụ đắc lực cho việc xác định tình rủi ro xảy ra, giúp tăng cường hỗ trợ điểm suy yếu, nên không nên loại bỏ hợp đồng song phương lợi, cắt giảm công suất truyền tải đường dây ràng buộc giới hạn truyền tải, cắt giảm công suất máy phát (có thể liên quan đến phát sinh chi phí nhiên liệu) … v.v OPF có khả đáp ứng nhiều yêu cầu từ an ninh hệ thống, công suất phát, chi phí đầu tư đến dịch vụ thương mại điện Chất lượng giải pháp phù thuộc vào độ xác mô hình sử dụng Bản chất OPF xác định mục tiêu đề ban đầu Trải qua nhiều hệ phát triển ứng dụng toán OPF truyền thống làm sở vững cho hình thành phát triển tốt giải pháp sau OPF không ngừng phát triển dựa giải thuật toán học, lý thuyết đại bổ trợ máy tính, giúp cho toán OPF xác nhanh trường hợp Phương pháp truyền thống hay phương pháp thông thường sử dụng để giải toán OPF cách hiệu Tuy nhiên bị ràng buộc nhiều phương pháp lập trình toán học, đồng thời chưa thể giải triệt để hết phương diện khác OPF Do đó, phương pháp thông minh khác như: Phương pháp EP (Evolutionary programming), Phương pháp AM (Ant Manners), Phương pháp DE (Differential Evolution), Phương pháp GA (Genetic Algorithm), Phương pháp ACO (Ant Colony Optimization), Phương pháp TS (Tabu Search), Phương pháp SA (Simulated Annealing), phương pháp PSO (Particle Swarm Optimal), đưa để nâng cao vị OPF Đối với thuật toán PSO có ưu điểm bật là:tốc độ hội tụ nhanh chóng, thực đơn giản việc điều chỉnh tham số hơn, dễ dàng đối phó với hàm mục tiêu không lồi không vi phân được, có tính linh hoạt để kiểm soát cân khảo sát địa phương toàn cục vùng khảo sát Từ phát triển lên cấp cao với nhiều ưu việt giải thuật “PSO cải tiến” việc giải toán OPF Ý tưởng áp dụng “PSO cải tiến” dự kiến thực luận văn dạng kết hợp thuật toán tối ưu bầy đàn với hệ số co kỹ thuật gradient giả để tăng cường đẩy mạnh trình hội tụ Trong đó, kỹ thuật gradient giả định hướng chuyển động cá thể theo hướng tích cực để chúng di chuyển nhanh chóng đến kết tối ưu, cải thiện tốc độ tính toán, áp dụng việc giải toán OPF có ràng buộc an ninh CHƯƠNG 1: GIỚI THIỆU CHUNG 1.1 Đặt vấn đề Trong tình hình giới phải đối mặt với nhiều vấn đề khó khăn xã hội vấn đề thiếu lương thực, y tế, khủng hoảng lượng (đặt biệt lượng điện)… gia tăng dân số nhanh, từ hệ thống điện liên tục mở rộng Như biết lượng điện gần dự trữ toán sử dụng lượng điện tiết kiệm hiệu nhằm đảm bảo cung cấp điện tin cậy cho trình sản xuất xã hội trở thành vấn đề nóng bỏng mà nhà khoa học đã, tiếp tục nghiên cứu để tìm phương pháp tối ưu để giải toán Trong trình vận hành hệ thống điện, toán phân bố công suất tối ưu (OPF) thành lập để giám sát, đánh giá biểu hệ thống dựa lập định sẵn có Trong hệ thống máy phát, truyền tải phân phối luôn có thời điểm hệ thống điện làm việc chế độ bất thường Với vai trò người vận hành viên, cần có biện pháp điều chỉnh thông số hệ thống điện thích hợp làm thay đổi trào lưu công suất làm giảm tải cho số đường dây ngăn ngừa, cảnh báo an ninh hệ thống điện Việc sử dụng hiệu tối ưu nguồn cung cấp vấn đề cấp thiết nhà nghiên cứu quan tâm 1.2 Tính cấp thiết đề tài Trong trình vận hành hệ thống điện, tầm quan trọng tương đối cho hoạt động kiểm soát phòng ngừa khắc phục phụ thuộc vào sách lập kế hoạch, hoạt động Công Ty Điện Lực, theo vốn chi phí vận hành cung cấp cách an ninh, xác suất hiệu kế hoạch dự phòng điện Điều nhằm đảm bảo tính an toàn, ổn định hệ thống nâng cao chất lượng truyền tải phân phối điện tình hình phát triển ngành điện quốc gia Ngày nay, xu hướng cho trung tâm điều khiển đại với tối ưu đường dây truyền tải điện, linh hoạt phân bố tải trang bị với giám sát an ninh ổn định, cho điểm vận hành hệ thống ngoại suy đánh giá tác động khách quan Như yêu cầu phương tiện để tăng độ xác cao cho giám sát an ninh điện Trên sở tham số, biến số, hàm mục tiêu hệ thống điện OPF đưa thông điệp đến nhà hoạch định kế hoạch vận hành nhà máy, chiến lược nhà đầu tư mua bán điện cách có hiệu trường hợp sở cố Thông qua OPF để tự động đánh giá can thiệp kiểm soát hệ thống điện cách trung thực liên quan đến công suất phát, bù công suất kháng, điều chỉnh tỉ lệ nấc máy biến áp, chi phí nhiên liệu… Điều giúp người vận hành kịp thời đánh giá mức độ tin cậy hệ thống điện đánh giá cấp độ an ninh Giám sát an ninh truyền thông tin liên quan đến kỹ sư điều khiển, sau người phải định có nên tham gia hành động phòng ngừa, dựa vào kiện để khắc phục hành động Phần mềm hỗ trợ truy cập nhanh chóng cung cấp để hỗ trợ định, trường hợp không giải rõ ràng quy tắc vận hành kinh nghiệm kỹ sư Những hỗ trợ thực chức quan trọng “học tập”, theo quy tắc kinh nghiệm tăng cường Một hỗ trợ chương trình dựa phương pháp PSO để cải thiện OPF 1.3 Mục tiêu đề tài Bài toán phân bố công suất tối ưu (OPF) có lịch sử phát triển từ lâu có ý nghĩa vô quan trọng quy hoạch điều khiển hệ thống điện Tuy nhiên nhiều vấn đề liên quan đến toán OPF trình nghiên cứu hoàn thiện chẳng hạn đảm bảo tính hội tụ đến lời giải tối ưu toán OPF không lồi dạng tổng quát độ tin cậy thuật toán mà phương pháp cổ điển chưa giải triệt để Bài toán phân bố tối ưu công suất có ràng buộc an ninh (SCOPF) kết hợp hoàn hảo việc giải vấn đề trái ngược như: tối đa lợi nhuận, vận hành an toàn tăng cường an ninh Bên cạnh đó, với phát triển mạnh mẽ khoa học máy tính, nhiều phương pháp tính toán tối ưu dựa trí tuệ nhân tạo hay mô mô hình tương tác xã hội có nhiều thành tựu bật Đáng ý phương pháp đó, phương pháp tối ưu bầy đàn thuật toán tối ưu nghiên cứu cải tiến mạnh mẽ thời gian gần 1.4 Phạm vi áp dụng đề tài Nghiên cứu phương pháp tối ưu bầy đàn dựa kết hợp phương pháp khái niệm gradient giả để giải toán phân bố công suất có xét đến điều kiện ràng buộc an ninh xảy cố hư hỏng thiết bị sữa chữa đường dây tốn nhiều thời gian Áp dụng cho toán phân bố công suất tối ưu điều kiện hệ thống điện hệ thống pha cân hoạt động chế độ xác lập Các mô hình nhà máy điện nhà máy nhiệt điện với hàm chi phí dạng hàm bậc 1.5 Giá trị thực tiễn đề tài Đề tài thực nghiên cứu bối cảnh ngành điện Việt Nam phát triển thị trường điện cạnh tranh Do đó, hướng nghiên cứu cho thấy quyền lợi ràng buộc hình phạt đối nhà đầu tư nhà cung cấp dự báo trước chi phí đầu tư, vận hành hệ thống có cố đường truyền Nó góp phần nâng cao ứng dụng giải vấn đề tối ưu phân bố công suất tình huống, nâng cao khả dự trù giá nhiên liệu bản, giá bán thị trường điện… 1.6 Kết cấu đề tài Kết cấu đề tài thực gồm chương: Chương 1: Giới thiệu chung Chương 2: Giới thiệu toán phân bố công suất tối ưu có ràng buộc an ninh Chuong 3: Giới thiệu phương pháp tối ưu bầy đàn giải pháp tối ưu bầy đàn cải tiến Chương 4: Áp dụng phương pháp tối ưu bầy đàn cải tiến giải toán Chương 5: Tổng kết CHƯƠNG 2: GIỚI THIỆU BÀI TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU CÓ RÀNG BUỘC AN NINH 2.1 Giới thiệu tổng quan toán phân bố công suất tối ưu Trong OPF, giá trị số tất biến cần phải kiểm soát nhằm tìm phương pháp tối ưu hoá giảm thiểu nhỏ tối đa hoá lớn cách khách quan Đó định nghĩa vô quan trọng thích hợp cần đưa từ đầu nhằm làm sáng tỏ vấn đề từ lúc bắt đầu Chất lượng giải pháp phụ thuộc vào độ xác nhanh mô hình nghiên cứu Mục tiêu phải mô hình đáp ứng thực tiễn với giải pháp Hàm mục tiêu với nhiều hình thức chi phí nhiên liệu, tổn thất đường truyền phân bổ nguồn công suất kháng Thông thường hàm mục tiêu quan tâm giảm thiểu tổng sản lượng chi phí đơn vị phát điện theo lịch trình Điều sử dụng phổ biến phản ánh giá thị trường cách thực chi phí vấn đề quan trọng số yêu cầu hoạt động hệ thống điện OPF nhằm mục đích tối ưu hoá mục tiêu định, tùy thuộc vào mạng lưới dòng chảy công suất, hệ thống điều hành giới hạn thiết bị Các điều kiện tối ưu đạt cách điều chỉnh biến điều khiển có sẵn hàm mục tiêu nhằm giảm thiểu tùy thuộc vào điều kiện vận hành yêu cầu an ninh Một vài vấn đề phổ biến xác định sau: Công suất tiêu thụ: - Phát kinh tế: chi phí thấp nhất, tổn thất phát MW tổn thất đường truyền - Môi trường phát - Công suất chuyển đổi tối đa Công suất kháng: MW MWAr tổn thất tối thiểu Mục tiêu chung: - Độ lệch tối thiểu từ mục tiêu đặt - Kiểm soát thay đổi nhỏ để hạn chế vi phạm - Kiểm soát Trong số mục tiêu sau sử dụng phổ biến nhất: - Nhiên liệu tối ưu hoá cho phí công suất tiêu thụ - Tổn thất công suất tiêu thụ thấp - Giảm thiểu chi phí bù công suất kháng Var Các mô tả toán học vấn đề OPF trình bày sau đây: 2.1.1 Hàm mục tiêu cho chi phí nhiên liệu tối thiểu OPF Vấn đề OPF xây dựng vấn đề tối ưu hoá sau: Hàm tổng chi phí nhiên liệu máy phát có dạng hàm bậc hai viết sau: (2.1) Hàm mục tiêu viết sau: (2.2) Tùy thuộc vào đáp ứng đẳng thức phi tuyến có ràng buộc sở cố (2.3) Và bất đẳng thức có ràng buộc sở cố (2.4) (2.5) (2.6) Trong đó, tổng hàm chi phí, mục tiêu vô hướng, đẳng thức phi tuyến ràng buộc (phương trình dòng chảy công suất), bất đẳng thức phi tuyến ràng buộc véc tơ tham số (điều kiện vận hành hệ thống) R = 1,…,N số cố cần tính toán Véc tơ x chứa biến trạng thái bao gồm: - Độ lớn điện áp góc pha - MVAr máy phát định cho điều khiển điện áp - Các thông số cố định góc tham chiếu - Không điều khiển công suất MW MVAr đầu máy phát - Không điều khiển công suất MW MVAr đầu tải - Điện áp thông số đường dây cố định Véc tơ u chứa biến điều khiển bao gồm: - Công suất tác dụng kháng máy phát - Pha – góc lệch - Sa thải tải MW MVAr, - Truyền tải dòng công suất DC - Cài đặt điều khiển điện áp, đầu phân áp máy biến áp T Đẳng thức bất đẳng thức ràng buộc: - Giới hạn tất biến điều khiển - Phương trình dòng chảy công suất - Cân công suất phát phụ tải - Giới hạn dòng chảy nhánh (MW, MVAr, MVA) 10 - Giới hạn điện áp - Giới hạn dự trữ công suất tiêu thụ kháng - Giới phát MVAr 2.1.2 Hàm mục tiêu cho chi phí nhiên liệu tối thiểu OPF có ràng buộc Giả sử mạng lưới IEEE 30 nút, có máy phát kết nối với 30 Cho hệ thống phụ tải định, tổng chi phí phát thấp xem xét Những đẳng thức ràng buộc trình bày phương trình dòng chảy công suất: (2.7) (2.8) Với: (2.9) (2.10) (2.11) Và phương trình cân phụ tải (2.12) Những bất đằng thức ràng buộc đại diện cho giới hạn tất biến, ràng buộc dòng chảy công suất: , i = 1,…, N (2.13) , i = 1,…, (2.14) , i = 1,…, (2.15) 43 Tính toán giá trị vị trí vận tốc theo ( 3.18), ( 3.19), ( 3.20 ) Xác định gradient giả theo(3.15), (3.16) (3.17) 44 4.3 Tính toán 4.3.1 Tính toán cho hệ thống chuẩn IEEE 30 nút Hình 4.1 : Sơ đồ mạng điện IEEE 30 nút (8/1993) Cấu trúc mạng điện IEEE 30 nút gồm tổ máy kết nối vào hệ thống nút 1, 2, 5, 8, 11 13, 41 đường dây dẫn trạm biến áp, tổng công suất phụ tải 283.4MW Trong đó, nút xem nút chuẩn hệ thống Các nút kết 45 nối với 41 đường dây trạm biến áp Công suất phụ tải cho bảng 4.1; hệ số chi phí nhiên liệu thông số khác tổ máy cho bảng 4.2 Thông số đường dây trạm biến áp thể bảng 4.3 Bảng 4.1: Công suất nút hệ thống điện IEEE 30 nút Tải Nút số 10 11 12 13 14 15 P(MW) 0.00 21.7 2.40 7.60 94.2 0.00 22.8 30.0 0.00 5.80 0.00 11.2 0.00 6.20 8.20 Q(MVAr) 0.00 12.7 1.20 1.60 19.0 0.00 10.9 30.0 0.00 2.00 0.00 7.50 0.00 1.60 2.50 Nút số 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Tải P(MW) 3.50 9.00 3.20 9.50 2.20 17.5 0.00 3.20 8.70 0.00 3.50 0.00 0.00 2.40 10.6 Q(MVAr) 1.80 5.80 0.90 3.40 0.70 11.2 0.00 1.60 6.70 0.00 2.30 0.00 0.00 0.90 1.90 Bảng 4.2: Các thông số liên quan tổ máy phát Máy phát số Pimin (MW) 50 20 15 10 10 12 Pimax (MW) 200 80 50 35 30 40 Qimin (MVAr) -20 -15 -15 -10 -15 Qimax (MVAr) 100 80 60 50 60 bi ci 0.00375 0.01750 0.06250 0.00834 0.02500 0.02500 2.00 1.75 1.00 3.25 3.00 3.00 0 0 0 46 Bảng 4.3: Thông số máy biến áp đường dây truyền tải Đường dây số 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Từ nút 1 2 6 6 9 12 12 12 12 14 16 15 18 19 10 10 10 10 21 15 22 23 24 25 25 28 Đến nút 4 6 7 10 11 10 12 13 14 15 16 15 17 18 19 20 20 17 21 22 22 23 24 24 25 26 27 27 Trở kháng nối tiếp(pu) R 0.01920 0.04520 0.05700 0.01320 0.04720 0.05810 0.01190 0.04600 0.02670 0.01200 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.12310 0.06620 0.09450 0.22100 0.08240 0.10700 0.06390 0.03400 0.09360 0.03240 0.03480 0.07270 0.01160 0.10000 0.11500 0.13200 0.18850 0.25440 0.10930 0.00000 X 0.05750 0.18520 0.17370 0.03790 0.19830 0.17630 0.04140 0.11600 0.08200 0.04200 0.20800 0.55600 0.20800 0.11000 0.25600 0.14000 0.25590 0.13040 0.19870 0.19970 0.19320 0.21850 0.12920 0.06800 0.20900 0.08450 0.07490 0.14990 0.02360 0.20200 0.17900 0.27000 0.32920 0.38000 0.20870 0.36900 ½ Dung dẫn đường dây(pu) 0.02640 0.02040 0.01840 0.00420 0.02090 0.01870 0.00450 0.01020 0.00850 0.00450 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 Tỉ lệ nấc đặt 1.0155 0.9629 1.0129 0.9581 MVA định mức 130 130 65 130 130 65 90 70 130 32 65 32 65 65 65 65 32 32 32 16 16 16 16 32 32 32 32 32 32 16 16 16 16 16 16 65 47 37 38 39 40 41 27 27 29 29 30 30 28 28 0.21980 0.32020 0.23990 0.06360 0.01690 0.41530 0.60270 0.45330 0.20000 0.05990 0.00000 0.00000 0.00000 0.02140 0.00650 - 16 16 16 32 32 Phương pháp tối ưu bầy đàn cải tiến áp dụng cho hệ thống điện IEEE 30 nút trường hợp: trường hợp bản, trường hợp đứt dây phải cắt điện đoạn dây trường hợp đứt dây phải cắt điện đoạn dây Trong tất trường hợp tính toán, giới hạn điện áp nút 1.1 0.95 giá trị tương đối Giới hạn đầu phân áp máy biến áp đặt khoảng từ 1.1 đến 0.9 đơn vị tương đối Đầu phân áp máy biến áp chỉnh định theo nấc, độ lệch điện áp nấc 0.01 đơn vị tương đối CÁC THUẬT NGỮ ai, bi, ci, ei, fi hệ số chi phí nhiên liệu máy i aik, bik, cik hệ số chi phí nhiên liệu k máy i Ng số máy phát Nb số nút (thanh cái) Nd số nút tải Nl số đường dây truyền tải Nt số máy biến áp với đầu phân áp Vi, θi : cường độ điện áp góc nút i, tương ứng Sl : công suất biểu kiến truyền tải đường dây i kết nối nút i nút j Pdi, Qdi : nhu cầu phụ tải tác dụng phản kháng nút i, tương ứng Pgi, Qgi : công suất đầu tác dụng phản kháng máy phát i tương ứng Gij, Bij : Chuyển đổi điện dẫn điện nạp nút i j, tương ứng Vgi : điện áp máy phát nút i Qgi : nguồn bù công suất phản kháng nút i Tk : nấc phân áp máy biến áp nhánh k 48 Ng : Số máy phát kết lưới ni : Số vùng điều hành bị cấm máy phát thứ i PD : Tổng số nhu cầu phụ tải hệ thống Pgi : công suất thực đầu máy i Pgi0 : công suất ban đầu đầu máy i Pgi.min, Pgi.max : giới hạn phát máy i tương ứng Pgi.high, Pgi.low : công suất đầu tối đa thấp máy i tương ứng Chương trình mô thực chương trình Matpower 4.1 chạy mô đường dẫn liên kết phần mềm ứng dụng Matlab 7.1, máy tính chip Intel, core i5 Kết ghi nhận sau 10 lần chạy chương trình Kết trường hợp so sánh với CPSO, PSO-TVAC, TSA, EP, EP song song DE tự thay đổi song song với phương pháp Augment nhân tử Lagrange Kết bao gồm chi phí tổng cộng tối thiểu thời gian tính toán đưa Bảng 4.4 Bảng 4.4 So sánh tổng chi phí thời gian tính toán trường hợp sở Phương pháp TS [4] EP [1] Parallel EPα [14] SADE - ALM [6] pSADE - ALM [6] PSO cổ điển [18] PSO –TVAC[18] PG -PSO Tổng chi phí nhiên liệu tốt 802.29 802.62 802.51 802.404 802.405 802.586 802.67 802.252 Thời gian tính toán NA NA 5.02 15.934 17.295 28.208 11.255 11.416 Trong trường hợp này, tổng chi phí từ PG-PSO so với phương pháp PSO TVAC rõ ràng phương pháp khác Thời gian tính toán phương pháp đề xuất nhanh pSADE - ALM PSO thông thường chậm so với PSO-TVAC 49 4.3.2 Tính toán cho hệ thống IEEE 30 nút có xét đến cố vị trí Trong trường hợp này, đường dây bị đứt phải cắt điện có số 1, 2, 3, Trong bảng 5.5, kết thực sau 10 lần chạy chương trình, với 20 cá thể, 250 lần lặp, giải pháp phương pháp đề xuất PG-PSO hoàn toàn tốt nhanh pSADE - ALM loại PSO Phương pháp PSO -TVAC cho thấy giải pháp tồi tệ nhanh so với PSO thông thường Bảng 4.5 So sánh tổng chi phí thời gian tính toán trường hợp có ràng buộc (sự cố đường dây) Phương pháp Tổng chi phí nhiên liệu tốt Thời gian tính toán(s) SADE – ALM [6] 826.979 46.896 pSADE – ALM [6] 826.242 119.812 PSO cổ điển[18] 827.186 175.245 PSO – TVAC[18] 828.012 130.59 PG - PSO 825.323 108.235 4.3.3 Tính toán cho hệ thống IEEE 30 nút có xét đến cố vị trí Chín đường dây bị đứt phải cắt điện trường hợp số 1, 2, 4, 5, 7, 33, 35, 37 38 Một lần nữa, giải pháp tối ưu phương pháp PG - PSO đề xuất tốt so với pSADE - ALM loại PSO, bảng 5.6 Tuy nhiên, thời gian tính toán lớn chút sau pSADE - ALM Mặc dù PSO -TVAC nhanh PSO thông thường lần nữa, giải pháp không tốt Bảng 4.6 So sánh tổng chi phí thời gian tính toán trường hợp có ràng buộc (sự cố đường dây) Phương pháp Tổng chi phí nhiên liệu tốt Thời gian tính toán(s) SADE – ALM [6] 834.547 82.932 50 pSADE – ALM [6] 826.978 157.401 PSO cổ điển[18] 833.504 637.528 PSO – TVAC[18] 837.728 417.145 PG - PSO 825.993 179.574 Bảng 4.7 Kết tối ưu cho trường hợp tính toán Giải pháp tối ưu Trường hợp sở đường dây cố đường dây cố PG1(MW) 176.0999 123.4180 123.4403 PG2(MW) 49.0638 64.0087 63.0167 PG5(MW) 21.5453 25.1732 24.9350 PG8(MW) 21.9843 35.0000 34.9047 PG11(MW) 12.1339 22.0315 21.0647 PG13(MW) 12.0143 20.1709 22.5725 VG1(pu) 1.0500 1.0500 1.0500 VG2(pu) 1.0377 1.0337 1.0279 VG5(pu) 1.0112 1.0054 0.9946 VG8(pu) 1.0197 1.0188 1.0047 VG11(pu) 1.0847 1.0676 1.0947 VG13(pu) 1.0864 1.0739 1.0556 T11(pu) 0.9962 0.9613 0.9974 T12(pu) 0.9640 1.0245 0.9164 T15(pu) 1.0013 0.9842 0.9537 T36(pu) 0.9439 0.9394 0.9443 Kết đưa cho tiêu chuẩn, cho thấy đề xuất PG-PSO không vi phạm ràng buộc giải pháp tối ưu Các giá trị chi tiết giải pháp tốt thể Bảng 4.7 51 Quan sát qua trường hợp nghiên cứu, phương pháp đề xuất PG - PSO cho thấy giải pháp tối ưu tốt so với pSADE - ALM, PSO thông thường PSO -TVAC, hình 4.2 Về thời gian tính toán, hình 4.3 minh họa đề xuất PG-PSO hội tụ nhanh so với PSO thông thường PSO -TVAC để cung cấp giải pháp tất trường hợp thử nghiệm So sánh với pSADE - ALM, phương pháp đề xuất nhanh trường hợp nghiên cứu nghiên cứu 2, với nhiều cố phức tạp hệ thống điện trường hợp nghiên cứu 3, chậm so với pSADE - ALM Hình 4.2 : So sánh điểm hội tụ chi phí nhiên liệu phương pháp 52 Hình 4.3: So sánh điểm hội tụ tổng thời gian tính phương pháp 4.4 Kết luận Phương pháp PSO cải tiến (PG-PSO) đề xuất áp dụng để giải toán phân bố công suất tối ưu với ràng buộc an ninh công cụ hiệu Phương pháp đề xuất phương thức thực đơn giản cho PSO với hệ số co cách sử dụng gradient giả cho toán với hàm mục tiêu không khả vi Gradient giả tăng tốc hạt không gian tìm kiếm trường hợp chúng hướng So sánh với PSO thông thường PSOTVAC, cho thấy rõ ràng PG-PSO với hệ số co nhanh hiệu so với loại PSO So với phương pháp pSADE - ALM, PG - PSO cho thấy giải pháp tốt tất tiêu chuẩn phương pháp nhanh phương pháp pSADE - ALM Do đó, đề xuất PG - PSO phương pháp hữu ích thuận lợi cho việc giải toán không khả vi hệ thống điện 53 CHƯƠNG 5: TỔNG KẾT 5.1 Tổng kết Như vậy, với giải pháp đưa toán OPF bước khẳng định phát triển phương pháp PSO Điều cho thấy lợi ích có áp dụng giải pháp PG-PSO vào toán phân bố công suất tối ưu có ràng buộc an ninh Cụ thể trở thành công cụ tiềm việc tính toán lợi cho việc dự đoán đầu tư chi phí cách hiệu trường hợp sở trường hợp cố xảy nút máy phát vào hệ thống lưới điện cố (đứt dây,…) đường dây Với nghiên cứu bước áp dụng vào quản lý, quy hoạch hệ thống điện với mô hình thị trường điện cạnh tranh nước Tuy nhiên, nghiên cứu phụ thuộc nhiều vào cấu trúc sở hạ tầng mạng lưới điện nước chưa đại hoá toàn hệ thống 5.2 Hướng phát triển đề tài Trong tương lai, việc áp dụng phương pháp “Bầy đàn cải tiến tối ưu” từ việc mô mạng điện mẫu IEEE 30 nút, chuyển sang thực thực tế lưới điện Việt Nam Đây yếu tố định vận dụng thành công giải thuật cho trường hợp cụ thể, thực tế với tình hình phát triển khoa học lý thuyết thực nghiệm quốc gia Góp phần nâng cao tính an toàn, linh hoạt tin cậy OPF, đẩy mạnh phát triển lành mạnh thị trường mua bán điện cạnh tranh nước 54 TÀI LIỆU THAM KHẢO [1] Jason Y & Kit P W (1999), “Evolutionary Programming Based Optimal Power Flow Algorithm”, IEEE Transactions on Power Systems, Vol 14, No 4, pp 1245-1250 [2] P Somasundaram, K Kuppusamy & R.P.K Devi (2004), “Evolutionary Programming based security constrained optimal poer flow”, Electric Power Research, Vol 72, pp 137-145 [3] Ongsakul, W., and Tantimaporn, T., “Optimal power flow by improved evolutionary programming” Elec Power Comp Syst., Vol 34, pp 79–95, 2006 [4] M A Abido (2002), “Optimal Power Flow Using Tabu Search Algorithm”, Electric Power Components and Systems, Vol 30, pp 469-483 [5] Nima A., Hossein S., (2011), “Security constrained optimal power flow considering detailed generator model by a new robust differential evolution algorithm”, Electric Power Systems Research, Vol 81, pp 740–749 [6] C Thitithamrongchai and B Eua-Arporn, “Security-constrained Optimal Power Flow: A Parallel Self-adaptive Differential Evolution Approach”, Electric power components and systems, Vol 33, No 10, 2008 [7] Victor J G M et al (2011), “Neural-Network Security-Boundary Constrained Optimal Power Flow”, IEEE Transactions on Power Systems, Vol 26, No 1, pp 63-72 [8] Pablo E.O.Y., Juan M R & Carlos A.C.C.,(2008) “Optimal Power Flow Subject to Security Constraints Solved With a Particle Swarm Optimizer”, IEEE Transactions On Power Systems, Vol 23, No 1, pp 33-40, [9] M R AlRashidi & M E El-Hawary, (10.2007) “Hybrid Particle Swarm Optimization Approach for Solving the Discrete OPF Problem Considering the Valve Loading Effects”, IEEE Transactions on Power Systems, Vol 22, No [10] J Kennedy and R Eberhart, (1995) “Particle swarm optimization,” in Proc Of IEEE Int Conf Neural Networks, pp 1942–1948 55 [11] Eberhart R.C., Shi Y (2000), “Comparing inertia weights and constriction factors in particle swarm optimization” Proc of the IEEE congress evolutionary computation, San Diego, CA, pp 84–88 [12] Pham, D T & Jin, G (1995) Genetic algorithm using gradient-like reproduction operator Electronic Letter, 31(18) 1558-1559 [13] Wen, J Y., Wu, Q H., Jiang, L & Cheng, S J (2003) “Pseudo-gradient based evolutionary programming”, Electronics Letters, Vol 39, No 7, pp 631-632 [14] Lo, C H., Chung, C Y., Nguyen, D H M., and Wong, K P., (2004) “Parallel evolutionary programming for optimal power flow,” IEEE International Conference on Electric Utility Deregulation, Restructuring and Power Technologies (DRPT2004), pp 190–195, Hong Kong [15] Alsac, O, and Stott B, (1974) “Optimal load flow with steady state security,” IEEE Trans PAS, Vol 93, No 3, pp 745–751, [16] Ratnaweera, A Halgamuge, S.K.; Watson, H.C (June 2004.) "Self-organizing hierarchical particle swarm optimizer with time-varying acceleration coefficients", Evolutionary Computation, IEEE Transactions on, vol.8, no.3, pp 240- 255 [17] Vo Ngoc Dieu, Peter Schegner and Weerakorn Ongsakul (2013), Control, Power and Optimizations: “Pseudo-Gradient Based Particle Swarm Optimization Method for Nonconvex Economic Dispatch”, vol 239, Springer Switzerland, pp1-19, [18] Dieu Ngoc Vo (et al 2013), Pseudo – Gradient Based Particel Swarm Optimization for Security Constrained Optimal Power Flow, ISAP [19] Daniel Merkle, Martin Middendorf (2008) Swarm Intelligence, Springer Switzerland, chapter 14, p401-345, [20] Rafael Parpinelli, Heitor S Lopes (2012) Theory and New Applications of Swarm Intelligence, Croatia [21] Russell C.Eberhert, Ju.Shi, J.Kenedy (04-2001), Swarm Intelligence, Elsevier 56 [22] Nadia Nedjah, Luiza de M.Mourelle (2006), Swarm Intelligent Systems, Springer [23] Mahesh P Mishra (3.2012): Solution to Economic Load Dispatch Using PSO (Thesis Master), Rourkela [24] Satyobroto Talukder, (2011) Mathematical Modelling and Applications of Particle Swarm Optimization (Thesis Master), Department of Mathematics and Science, BTH, Sweden [25] Swagatam Das (et al 2008), Particle Swarm Optimization and Differential Evolution Algorithms: Technical Analysis, Applications and Hybridization Perspectives, Studies in Computational Intelligence, Springer, 2008 57 PHỤ LỤC ... thiệu toán phân bố công suất tối ưu có ràng buộc an ninh Chuong 3: Giới thiệu phương pháp tối ưu bầy đàn giải pháp tối ưu bầy đàn cải tiến Chương 4: Áp dụng phương pháp tối ưu bầy đàn cải tiến. .. GIỚI THIỆU VỀ PHƯƠNG PHÁP TỐI ƯU BẦY ĐÀN VÀ GIẢI PHÁP TỐI ƯU BẦY ĐÀN CẢI TIẾN 3.1 Giới thiệu hoàn cảnh đời ý nghĩa phương pháp tối ưu bầy đàn Phương pháp tối ưu bầy đàn kỹ thuật tối ưu hóa phái... bầy đàn cải tiến giải toán Chương 5: Tổng kết CHƯƠNG 2: GIỚI THIỆU BÀI TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU CÓ RÀNG BUỘC AN NINH 2.1 Giới thiệu tổng quan toán phân bố công suất tối ưu Trong OPF, giá trị