BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HUỲNH NGỌC NHẨN PHÂN BỐ TỐI ƯU CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN BẰNG THUẬT TOÁN PSO S K C 0 9 NGÀNH: THIẾT BỊ MẠNG VÀ NHÀ MÁY ĐIỆN - 605250 S KC 0 Tp Hồ Chí Minh, 2012 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HUỲNH NGỌC NHẨN PHÂN BỐ TỐI ƯU CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN BẰNG THUẬT TOÁN PSO NGÀNH :THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN-605250 Hướng dẫn khoa học: TS VŨ PHAN TÚ TP.HỒ CHÍ MINH -10/2012 LÝ LỊCH KHOA HỌC (Dùng cho nghiên cứu sinh & học viên cao học) I LÝ LỊCH SƠ LƯỢC Họ tên: HUỲNH NGỌC NHẨN Giới tính: Nam Ngày, tháng, năm sinh: 01– 11 – 1984 Nơi sinh: Đồng Tháp Quê quán: Đồng Tháp Dân tộc: Kinh Địa liên lạc: Nhà số 14, đường số 3, tổ 5, khu phố 6, phường Trường Thọ, quận Thủ Đức, thành phố Hồ Chí Minh Điện thoại: 0904786460 Email: hnnhan@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo: Từ năm 2002 đến năm 2007 Nơi học: Trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh Ngành học: Điện Khí Hóa Cung Cấp Điện Tên đồ án tốt nghiệp: Ứng dụng fuzy logic điều khiển tốc độ động điện chiều Thời gian bảo vệ đề tài tốt nghiệp: 12/2006, trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh Người hướng dẫn: Ths Lê Thanh Hoàng Cao học: Hệ đào tạo: Chính quy Thời gian đào tạo: Từ 2010 đến 2012 Nơi học: Trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh Ngành học: Thiết bị, mạng nhà máy điện i Tên luận văn tốt nghiệp: Phân bố tối ưu công suất hệ thống điện thuật toán PSO Thời gian bảo vệ luận văn tốt nghiệp: 10/2012, trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh Người hướng dẫn: Ts Vũ Phan Tú III QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC Thời gian Từ 4/2007 đến 3/2010 Nơi công tác Công ty Air Công việc đảm nhiệm liquide Kỹ sư điện Vietnam Lô I, 2A Khu công nghệ cao, Quận 9, thành phố Hồ Chí Minh Từ 4/2010 đến Chi nhánh Công ty Med- Kỹ sư phòng kỹ thuật aid, Inc 96 Tân Sơn Hòa Phường 2, Quận Tân Bình, thành phố Hồ Chí Minh Xác nhận quan Ngày (Ký tên, đóng dấu) tháng năm 2012 Người khai ký tên Huỳnh Ngọc Nhẩn ii LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu Các số liệu kết nêu luận văn trung thực chưa công bố công trình khác Xin kính chúc sức khỏe chân thành cảm ơn ! TP Hồ Chí Minh, tháng 10 năm 2012 Học viên thực Huỳnh Ngọc Nhẩn ii LỜI CẢM ƠN Tôi xin chân thành cảm ơn TS VŨ PHAN TÚ, người thầy đề phương hướng, hết lòng bảo, tận tình hướng dẫn dìu dắt suốt thời gian học tập thực luận văn tốt nghiệp Tôi xin chân thành cảm ơn quý Thầy Cô Ban Giám hiệu, Ban chủ nhiệm Khoa Điện – Điện tử, Phòng Quản lý Khoa học – Quan hệ quốc tế - Sau đại học thư viện Trường Đại học Sư phạm Kỹ thuật TP.Hồ Chí Minh nhiệt tình giúp đỡ tạo điều kiện thuận lợi cho hoàn thành luận văn tốt nghiệp Xin cảm ơn bố mẹ nuôi khôn lớn tạo điều kiện để học tập tốt suốt quãng đời vừa qua để có ngày hôm Xin cảm ơn người thân gia đình, bạn bè, đồng nghiệp bạn học khóa giúp đỡ, động viên, góp ý xây dựng thời gian nghiên cứu, học tập thực luận văn Xin kính chúc sức khỏe chân thành cảm ơn ! TP Hồ Chí Minh, tháng 10 năm 2012 Học viên thực Huỳnh Ngọc Nhẩn iii TÓM TẮT Luận văn giới thiệu vể thuật toán PSO, ứng dụng thuật toán số ngành kỹ thuật, phương pháp tối ưu phân bố công suất hệ thống điện Luận văn trình bày phương pháp thuật toán PSO Chaos-PSO để giải toán phân bố tối ưu hệ thống điện Thuật toán thành công việc tìm điểm tối ưu với tốc độ hội tụ nhanh chóng Luận văn áp dụng vào giải toán cho mạng điện IEEE 30bus từ source matpower4.1 Trong toán kết hợp PSO Chaos-PSO cụ thể so sánh, nhận xét kết hội tụ hàm chi phí phân bố công suất tối ưu nút tin cậy Kết đạt thuật toán cho thấy khả linh hoạt, mạnh mẽ thuật toán PSO Chaos-PSO việc giải tối ưu toàn cục mà phương pháp tối ưu số khó đạt Giải thuật toán hoàn toàn áp dụng mạng điện có số lượng nhà máy lớn Tuy nhiên, thuật toán PSO có nhược điểm kết tính toán phụ thuộc nhiều vào thông số cài đặt thuật toán kinh nghiệm người lập trình nhiều thời gian công sức để thử nghiệm kiểm tra iv ABSTRACT This thesis introduces the PSO algorithm, the application of the PSO algorithm in a number of engineering disciplines, the optimal flow power method in the power system This thesis presents methods PSO and Chaos-PSO algorithm to solve the problem of optimal flow power system The algorithm was successful in finding the optimal point with fast convergence speed This thesis applied to solve the problem for the IEEE 30bus system from source matpower4.1 In each case of combination PSO and Chaos-PSO specific comparison, review the results of the convergence of the cost function and the optimal flow power at the nodes are trusted The results of the algorithm show that flexibility, powerful Chaos-PSO and PSO algorithm in the global optimal solution that the optimal method is difficult to achieve Problem completely algorithms can be applied in large number of plant networks However, the PSO algorithm also has the drawback is that the calculation results depends on the settings and algorithms depends experienced programmers because it takes a lot of time and effort to test and inspect v DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 1.1 Biểu diễn đường cong hội tụ phương pháp Hình 2.1 Quá trình bơi đàn cá Hình 2.2 Quá trình bay đàn chim 10 Hình 2.3 Số lượng báo PSO năm tất lĩnh 12 Hình 2.4 Số lượng báo liên quan đến PSO năm lĩnh vực điện 13 Hình 2.5 Nguyên lý thay đổi vị trí thuật toán PSO 22 Hình 2.6 Trọng quán tính số thay đổi theo quy luật chaotic sequences 30 Hình 2.7 Minh họa vận hành chéo 30 Hình 4.1 Sự hội tụ hàm chi phí PSO-1 68 Hình 4.2 Sự hội tụ hàm chi phí PSO-2 69 Hình 4.3 Sự hội tụ hàm chi phí PSO-3 70 Hình 4.4 Sự hội tụ hàm chi phí Chaos-PSO-1 72 Hình 4.5 Sự hội tụ hàm chi phí Chaos-PSO-2 74 Hình 4.6 Sự hội tụ hàm chi phí Chaos-PSO-3 76 Hình 4.7 Sự hội tụ hàm chi phí Chaos-PSO-4 78 Hình 4.8 Sự hội tụ hàm chi phí Chaos-PSO-5 80 Hình 4.9 Sự hội tụ hàm chi phí Chaos-PSO-6 82 viii DANH SÁCH CÁC BẢNG BẢNG TRANG Bảng 1.1 Bảng so sánh kết với phương pháp khác Bảng 1.2 Các thông số thuật toán MPSO Bảng 1.3 So sánh với phương pháp khác Bảng 1.4 Kết thí nghiệm hệ thống IEEE 6- Bus Bảng 4.1Giới hạn điện áp công suất mạng IEEE 30 nút 62 Bảng 4.2 Các hệ số chi phí mạng IEEE 30 nút 63 Bảng 4.3 Công suất tối ưu nút trường hợp PSO-1 67 Bảng 4.4 Công suất tối ưu nút trường hợp PSO-2 69 Bảng 4.5 Công suất tối ưu nút trường hợp PSO-2 70 Bảng 4.6 Chọn thông số Chaos-PSO-1 71 Bảng 4.7 Công suất tối ưu nút trường hợp Chaos-PSO-1 72 Bảng 4.8 Chọn thông số Chaos-PSO-2 73 Bảng 4.9 Công suất tối ưu nút trường hợp Chaos-PSO-2 74 Bảng 4.10 Chọn thông số Chaos-PSO-3 75 Bảng 4.11 Công suất tối ưu nút trường hợp Chaos-PSO-3 76 Bảng 4.12 Chọn thông số Chaos-PSO-4 77 Bảng 4.13 Công suất tối ưu nút trường hợp Chaos-PSO-4 78 Bảng 4.14 Chọn thông số Chaos-PSO-5 79 Bảng 4.15 Công suất tối ưu nút trường hợp Chaos-PSO-5 80 Bảng 4.16 Chọn thông số Chaos-PSO-6 81 Bảng 4.17 Công suất tối ưu nút trường hợp Chaos-PSO-6 82 Bảng 4.18So sánh chi phítrongcáctrườnghợp 84 ix Hình 4.8 Sự hội tụ hàm chi phí Chaos-PSO-5 4.3.6 Trƣờng hợp – tạm gọi Chaos-PSO_6: - Hệ số c1, c2 tính theo random c1  ( c1 f  c1i ).rand ( 1,itermax )  c1i c2  ( c2 f  c2i ).rand ( 1,itermax )  c2i - Trọng số quán tính c k theo quy luật chaotic sequences kết hợp random k  max  ( max  min ).rand( 1,itermax ) c k  k  k  max  ( max  min )rand( 1,itermax )    k 1 (   k 1 ) Bảng 4.16 Chọn thông số Chaos-PSO-6 D Itermax max   c1i c2i c1f c2f CR 30 200 1.6 0.3 2.5 0.2 2.5 0.2 0.6 Sau 100 lần chạy chương trình kết tối ưu ghi nhận sau: 82 Bảng 4.17 Công suất tối ưu nút trường hợp Chaos-PSO-3 Tổng chi phí ($) 802.4406 83 Hình 4.9 Sự hội tụ hàm chi phí Chaos-PSO-6 4.4 So sánh kết trƣờng hợp Bảng4.18 So sánh kết chi phí trường hợp Tổng chi phí ($) NEWTON- RAPHSON 876.5027 PSO-1 802.5889 PSO-2 803.5884 PSO-3 802.5423 Chaos-PSO-1 802.4406 Chaos-PSO-2 802.4406 Chaos-PSO-3 802.4406 Chaos-PSO-4 802.4406 Chaos-PSO-5 802.4406 Chaos-PSO-6 802.4406 84 Bảng4.19 Kết so sánh mạng IEEE 30 bus từ báo [1] tháng 11 năm 2009 4.5 Nhận xét: Từ kết ta thấy, phương pháp kết hợp Chaos-PSO-5, giải toán phân bố công suất cho kết cực tiểu hàm chi phí thời gian tính toán tốt phương pháp kết hợp khác tốt phương pháp tính toán truyền thống Tốc độ hội trường hợp Chaos-PSO-5 nhanh nhất, tổng chi phí trường hợp sử dụng Chaos thay đổi trường hợp qua tài liệu tham khảo hệ thống số lượng máy phát nhiều rõ hiệu cực tiểu, tốc độ hội tụ hàm chi phí trường hợp 85 CHƢƠNG KẾT LUẬN 5.1 TỔNG KẾT ĐỀ TÀI Luận văn trình bày phương pháp thuật toán PSO Chaos-PSO để giải toán phân bố tối ưu hệ thống điện Thuật toán thành công việc tìm điểm tối ưu với tốc độ hội tụ nhanh chóng Luận văn trình bày có hệ thống, dẫn dắt toán từ đơn giản đến phức tạp, toán cụ thể so sánh, nhận xét, đánh giá với nhiều nguồn tài liệu khác để khẳng định tính xác tin cậy kết đạt luận văn Mặc dù luận văn áp dụng vào giải toán cho mạng điện máy, nhiên phương pháp đưa không bị hạn chế số lượng máy phát hay toán có cấu trúc phức tạp Do đó, giải thuật hoàn toàn áp dụng mạng điện có số lượng nhà máy lớn Kết tính toán cho thấy khả linh hoạt, mạnh mẽ thuật toán PSO Chaos-PSO việc xác định lời giải tối ưu toàn cục mà phương pháp tối ưu số khó đạt Đối với toán có hàm mục tiêu không khả vi, có biến số rời rạc thuật toán PSO cho thấy khả đặc biệt thích hợp việc giải toán cách dễ dàng Tuy nhiên, thuật toán PSO có nhược điểm giống phương pháp trí tuệ nhân tạo khác chưa có sở toán học vững (chỉ chủ yếu dựa vào lý thuyết xác xuất), kết tính toán phụ thuộc nhiều vào thông số cài đặt thuật toán kinh nghiệm người lập trình nhiều thời gian công sức để thử nghiệm kiểm tra Thuật toán PSO có nguyên lý sáng, dễ hiểu, phương pháp dễ ứng dụng Do phương pháp toán cụ thể làm cho người làm quen áp dụng vào toán cụ thể gặp khó khăn về: 86 - Phương pháp mã hoá biến với số lượng cá thể không phù hợp - Cách thức loại biến cần phải mã hoá toán cụ thể - Thông số cài đặt thuật toán như: số cá thể quần thể, hệ số quán tính, kinh nghiệm thân quan hệ cộng đồng cá thể - Cách thiết lập hàm mục tiêu thích hợp 5.2 HƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Từ kết đạt ưu khuyết điểm luận văn nêu đưa hướng phát triển đề tài: - Sử dụng thuật toán Chaos-PSO với hệ thống nhiều máy phát - Kết hợp thuật toán Chaos-PSO lai với phương pháp trí tuệ nhân tạo khác như: Genetic Algorithm, Fuzzy Logic, Neural Network, , để tăng tốc độ hội tụ độ xác kết tính toán - Tiến tới áp dụng thuật toán tối ưu cho toán khác như: toán quy hoạch phát triển hệ thống điện 5.3 LỜI KẾT Thời gian qua cho đề tài nghiên cứu không đủ dài đời công trình khoa học hoàn chỉnh, điều kiện tồn nhiều khó khăn khách quan định kinh nghiệm, tri thức bộn bề công việc sống, chắn không tránh khỏi sai sót Người thực hy vọng thiếu sót luận văn người đọc cảm thông, chia sẻ giúp đỡ để bổ sung, hoàn chỉnh tương lai 87 TÀI LIỆU THAM KHẢO [1] TS Võ Ngọc Điều (2010), Bài giảng “Phương pháp tối ưu”, chương [2] Weibing Lui, Min Li, Xianjia Wang, “An Improved Particle Swarm Optimization Algorithm For Optimal Power Flow,” IEEE 2009 [3] Hamzeh Hajian – Hoseinabadi, Seyed Hamid Hosseini, Mehdi Hajian “Optimal Power Flow by a Modified Particle Optimization Algorihm,” in Proc IEEE Power, 2009, [4] M.A Abido “Multiobjective Particle Optimization for Optimal Power Flow Problem”, 2008 [5] S.He, J.I.Men, E.Prempain, Q.H.Wu, J Fitch, S.Mann, “An Improve Particle Swarm Optimization for Optimal Power Flow,”Nov, 2009 [6] A I El-Gallad, M El-Hawary, A A Sallam, and A Kalas, “Swarm intelligence for hybrid cost dispatch problem,” in Proc Canadian Conf Elect Comput Eng., 2001, vol 2, pp 753-757 [7] A I El-Gallad, M El-Hawary, A A Sallam, and A Kalas, “Swarmintelligently trained neural network for power transformer protection,” in Proc Canadian Conf Elect Comput Eng., 2001, vol 1, pp 265-269 [8] A I S Kumar, K Dhanushkodi, J J Kumar, and C K C Paul, “Particle swarm optimization solution to emission and economic dispatch problem,” in Pro Conf Convergent Technol Asia-Pacific Region, 2003, vol 1, pp 435-439 [9] A H Mantawy and M S Al-Ghamdi, “A new reactive power optimization algorithm”, in Proc IEEE Power Tech Conf., 2003, vol 4, pp 6-11 [10] B Zhao, C X Guo, and Y J Cao, “A multiagent-based particle swarm optimization approach for optimal reactive power dispatch,” IEEE Trans, Power Syst., vol 20, no 2, pp 1070-1078, May 2005 [11] B Zhao, C X Guo, and Y J Cao, “Improved particle swarm optimization algorithm for OPF problems,” in Proc IEEE/PES Power 88 Syst Conf Expo., 2004, pp 233 – 238 [12] C A Koay and D Srinivasan, “Particle swarm optimizationbased approach for generator maintenance scheduling,” in Proc IEEE Swarm Intell Symp., 2003, pp 167-173 [13] C C Shen and C N Lu, “Feeder reconfiguration for power quality requirement and feeder service quality matching,” in Proc IEEE/PES Transmission Distrib Conf Exhib.: Asia-Pacific, 2002, vol 1, pp 226-231 [14] C Juang and C Lu, “Power system load frequency control by evolutionary fuzzy PI controller,” in Proc IEEE Int Conf Fuzzy Syst., 2004, vol 2, pp 715-719 [15] C M Huang, C J Huang, and M L Wang, “A particle swarm optimization to identifying the ARMAX model for short-term load forecasting,” IEEE Trans Power Syst., vol 20, no 2, pp 1126-1133, May 2005 [16] D C Walters and G B Sheble, “Genetic algorithm solution of economic dispatch with the valve point loading,” IEEE Trans Power Syst., vol 8, no 3, pp 1325–1332, Aug 1993 [17] G Coath, M Al-Dabbagh, and S K Halgamuge, “Particle swarm optimization for reactive power and votage control with grid-intergrated wind farms,” in Proc.IEEE Power Eng Soc General Meeting, 2004, pp.303-308 [18] G Wang and S He, “A quantitative study on detection and estimation of weak signals by using chaotic duffing oscillators,” IEEE Trans Cir-cuits Syst I, Fundam Theory Appl., vol 50, no 7, pp 945–953, Jul.2003 [19] H Yoshida, Y Fukuyama, S Takayama, and Y Nakanishi, “A particle swarm optimization for reactive power and voltage control in electric power systems considering voltage security assessment,” in Proc IEEE Int Conf Syst., Man, Cybern., 1999, vol 6, pp 497-502 [20] H Yoshida, K Kawata, Y Fukuyama, S Takayama, and Y Nakanishi, “A particle swarm optimization for reactive power and voltage 89 control considering voltage security assessment,” IEEE Trans Power Syst., vol 15, no 4, pp 1232- 1239, Nov 2000 [21] J Chuanwen and E.Bompard, “A hybrid method of chaotic particle swarm optimization and linear interior for reactive power optimization,” Mathematics and Computers in Simulation, vol 68, no 1, pp 57-65, Feb.2005 [22] Jong-Bae Park, Member, IEEE, Yun-Won Jeong, Joong-Rin Shin, Senior Member, IEEE, and Kwang Y.Lee, Fellow, “An Improved Particle Swarm Optimization for Nonconvex Economic Dispatch Problems”, Power Systems, IEEE Transactions on, vol 25, pp 156-166, Feb.2010 [23] J B Park, K S Lee, J R Shin, and K Y Lee, “A particle swarm optimization for economic dispatch with nonsmooth cost functions”, IEEE Trans Power Syst., vol 20, no 1, pp 34-42, Feb 2005 [24] Jong-Bae Park, Yun-Won Jeong, Joong-Rin Shin and Kwang Y.Lee, “An improved particle swarm optimization for nonconvex economic dispatch problems”, Power Systems, IEEE Transactions on, vol 25, pp 156-166, Feb.2010 [25] J Chuanwen and E Bompard, “A self-adaptive chaotic particle swarm algorithm for short term hydroelectric system scheduling in deregulated environment,” Energy Conversion Manage., vol 46, no 17, pp 2689-2696, Oct 2005 [26] J.Kennedy,R.Eberhart, “Particle Swarm Optimization”, Proc.IEEE Int.Conf.on Neural Networks,pp.1942-1948,1995 [27] Jizhong Zhu, Ph.D, Institute of Electrical and Electronics Engineers, “Optimization of Power System Operation” [28] John G Vlachogiannis and Kwang Y.Lee, Life fellow, IEEE, “Economic Load Dispatch – A Comparative Study on Heuristic Optimization Techniques with an Improved Coordinated Aggregation-Based PSO,” IEEE Transactions on power system, vol.24, No.2, May 2009 [29] Kwang Y Lee, Fellow, IEEE, and Jong-Bae Park, Member, IEEE, “Application of Particle Swarm Optimizaton to Economic Dispatch Problem : Advantages and Disadvantages”, IEEE 2006 [30] L Chun-Feng and J Chia-Feng, “Evolutionary fuzzy control of 90 flexible AC transmission system,” Inst Elect Eng Proc Generation, Transmission Distrib., vol 152, no 4, pp 441-448, 2005 [31] L S Coelho and V C Mariani, “Combining of chaotic differential evolution and quadratic programming for economic dispatch optimization with valve-point effect,” IEEE Trans Power Syst., vol 21, no 2, pp 989–996, May 2006 [32] L Shengsong, W Min, and H Zhijian, “Hybrid algorithm of chaos optimization and SLP for optimal power flow problems with multi-modal characteristic,” Proc Inst Elect Eng., Gen., Transm., Distrib., vol 150, no 5, pp 543–547, Sep 2003 [33] Marco Dorigo and Thomas Stutzle, Massachusetts Institute of Technology, “Ant Colony Optimization ”, 2004 [34] M A Abido, “Optimal power flow using particle swarm optimization,” Int J Elect Power Energy Syst., vol 24, no 7, pp 563-571, Oct 2002 [35] M A Abido, “Optimal design of power-system stabilizers using particle swarm optimization,” IEEE Trans Energy Conversion, vol 17, no 3, pp 406-413, Sep 2002 [36] Maurice Clert, “Particle Swarm Optimization”, ISTE Ltd, Fitzroy Square, London W1T 5DX, UK [37] M.R.AlRashidi and M.E El-Hawary, “A survey of Particle Swarm Optimization Applications in Electric Power Systems”, IEEE 2008 [38] N A Al-Musabi, Z M Al-Hatnouz, H N Al-Dwaish, and S AlBaiyat, “Variable structure load frequency controller using particle swarm optimization technique,” in Proc 10th IEEE Int Conf Electron., Circuits, Syst., 2003, vol 1, pp.380-383 [39] N Hirata, A Ishigame, and H Nishigaito, “Neuro stabilizing control based on Lyapunov method for power system,” in Proc 41st SICE Annu Conf., 2002, vol 5, pp 3169-3171 [40] N.Sinha, R.Chakrabarti, and P.K Chattopadhyay, “Evolutionary 91 programming techniques for economic load dispatch,” IEEE Trans Evol, Comput., vol.7, no.1, pp.83-94, Feb 2003 [41] Po-Hung Chen and Hong-Chan Chang, Member, “Large-Scale Economic Dispatch by Genetic Algorithm”, IEEE Transactions on Power Systems, Vol.10, No 4, November 1995 [42] P S Sensarma, M Rahmani, and A Carvalho, “A comprehensive method for optimal expansion planning using particle swarm optimization,” in Proc IEEE Power Eng Soc Winter Meeting, 2002, vol 2, pp 1317-1322 [43] R Caponetto, L Fortuna, S Fazzino, and M G Xibilia, “Chaotic sequences to improve the performance of evolutionary algorithms,” IEEE Trans Evol Computat., vol 7, no 3, pp 289–304, Jun 2003 [44] R F Chang and C N Lu, “Feeder reconfiguration for load factor improvement,” in Proc IEEE Power Eng Soc Winter Meeting, 2002, vol 2, pp.980-984 [45] S He, J Y Wen, E Prempain, Q H Wu, J Fitch, and S Mann, “An improved particle swarm optimization for optimal power flow,” in Proc Int Conf Power Syst Technol., 2004, vol 2, pp 1633-1637 [46] S M R Slochanal, S Kannan, and R Rengaraj, “Generation expansion planning in the competitive environment,” in Proc Int Conf Power Syst Technol., 2004, vol 2, pp 1546-1549 [47] S Kannan, S M R Slochanal, P Subbaraj, and N P Padhy, “Application of particle swarm optimization technique and its variants to generation expansion planning problem,” Electric Power Syst Res., vol 70, no 3, pp 203- 210, Aug 2004 [48] S Naka, T Genji, T Yura, and Y Fukuyama, “A hybrid particle swarm optimization for distribution state estimation,” IEEE Trans Power Syst., vol 18, no.1, pp 60-68, Feb 2003 [49] S P Ghoshal, “Optimizations 92 of PID gains by particle swarm optimizations in fuzzy based automatic generation control,” Electric Power Syst Res., vol 72, no 3, pp 203-212, Dec 2004 [50] T.Adhinarayanan and M.Sydulu, Dept of Electr Eng., Nat Inst Of Technol., Warangal, “A New Optimising Concept to Ramp-Rate Constrained Economic Dispatch with Prohibited Operating Zones”, IEEE 2007 [51] T A A Victoire and A E Jeyakumar, “Reserve constrained dynamic dispatch of units with valve-point effects,” IEEE Trans Power Syst., vol 20, no 3, pp 1273-1282, Aug 2005 [52] T A A Victoire and A E Jeyakumar, “Unit commitment by a tabu- search-based hybrid-optimisation technique,” Inst Elect Eng Proc Generation, Transmission Distrib., vol 52, no 4, pp 563-574, 2005 [53] T A A Victoire and A E Jeyakumar, “Hybrid PSO-SQL for economic dispatch with vavle-points effect,” Elect Power Syst Res., vol 71, no 1, pp 51-59, 2004 [54] T Okada, T Watanabe, and K Yasuda, “Parameter tuning of fixed structure controller for power system stability enhancement,” in Proc IEEE/PES Transmission Distrib Conf Exhib.: Asia Pacific, 2002, vol 1, pp 162-167 [55] V Mirada and N Fonseca, “EPSO-evolutionary particle swarm optimization, a new algorithm with applications in power systems,” in Proc IEEE/PES Transmission Distrib Conf Exhib., Asia-Pacific, 2002, vol 2, pp 745-750 [56] V Mirada and N Fonseca, “EPSO-evolutionary swarm optimization, best-of-two-worlds meta-heuristic applied particle to power system problems,” in Proc Congr Evol Comput., 2002, vol 2, pp 1080-1085 [57] W Kurutach and Y Tuppadung, “Feeder-switch relocation based upon risk analysis of trees-caused interruption and value-based distribution reliability assessment,” in Proc IEEE Region 10 Conf., 2004, vol C, pp 577-580 [58] W Zhang and Y Liu, “Reactive power optimization based on PSO 93 in a practical power system,” in Proc IEEE Power Eng Soc General Meeting, 2004, pp 239-243 [59] Y Fukuyama and H Yoshida, “A particle swarm optimization for reactive power and voltage control in electric power systems,” in Proc Congr Evol Comput., 2001, vol 1, pp 87-93 [60] Y Fukuyama, “State estimation and optimal setting of voltage regulator in distribution systems,” in Proc IEEE Power Eng Society Winter Meeting, 2001, vol 2, pp 930-935 [61] Y L Abdel-Magid and M A Abido, “AGC tuning of interconnected reheat thermal systems with particle swarm optimization,” in Proc 10th IEEE Int Conf Electron., Circuits Syst., 2003, vol 1, pp 376-379 [62] Y M K Nara, “Particle swarm optimization for fault state power supply reliability enhancement,” in Proc Intell Syst Appl Power Syst., 2001, pp 143-147 [63] Z.L.Gaing, “Particle swarm optimization to solving the economic dispatch considering the generator constraints,” IEEE Trans Power Syst vol 18, no 3, pp.1187-1195, Nov 2003 [64] Z L Gaing, “Constrained dynamic economic dispatch solution using particle swarm optimization,” in Proc IEEE Power Eng Soc General Meeting, 2004, pp 153-158 [65] A A Abido, “Particle swarm optimization for multimachine power system stabilizer design,” in Proc IEEE Power Eng Soc Summer Meeting, 2001, vol 3, pp 1346-1351 94 [...]... đề tối ưu hóa dòng phân bố công suất Đó là thuật toán PSO sửa đổi (MPSO) và kiểm chứng tính ưu điểm của phương pháp mới này Bài toán sẽ giảm đi số vòng lặp Tốc độ hội tụ sẽ nhanh hơn thuật toán PSO cổ điển So sánh kết quả và đóng góp của bài báo Việc đánh giá, thuật toán MPSO đã được thực hiện trên mạng điện IEEE 30 nút và được so sánh với thuật toán PSO cổ điển, thuật toán PSO cải tiến, thuật toán GA... thống điện Như đã nói trên, một trong những lĩnh vực ứng dụng thành công của PSO là vấn đề tối ưu hóa trong hệ thống điện Hình 4.3 biểu diễn số lượng bài báo về PSO được ứng dụng vào những lĩnh vực khác nhau của hệ thống điện (dựa trên dữ liệu của IEEE/IEE/Elsevier) [37] Số lượng bài báo Năm Hình 2.4 Số lượng bài báo liên quan đến PSO mỗi năm trong lĩnh vực hệ thống điện 13 Vấn đề tối ưu hệ thống điện. .. lĩnh vực khác trong hệ thống điện 17 2.5 Vận hành của thuật toán PSO 18 2.6 Biểu thức cơ bản của PSO 21 2.7 Giải thuật PSO 23 2.8 Giải thuật đề nghị 28 2.9 Thuật toán Chaos -PSO 29 2.9.1 Ứng dụng chao sequences trong PSO 29 2.9.2 Vận hành chéo 31 2.9.3 Thuật toán Chaos -PSO 31 Chương 3: Bài toán OPF trong hệ thống điện 3.1 Cơ... mục tiêu bằng cách gán hệ số phạt vào hàm tổn thất để tạo một hàm mục tiêu đơn giản 2.4.4 Điều khiển công suất phản kháng và giảm tổn thất công suất Trong phần này, PSO được sử dụng để tối ưu phân bố công suất phản kháng để cực tiểu tổn thất công suất thực Yoshida [19], [20], [24] và Fukuyama [59] đưa ra sáng kiến dùng PSO để tối ưu công suất phản kháng Mục tiêu của họ là tìm ra thiết lập tối ưu các... một kỹ thuật hỗn hợp kết hợp PSO với kỹ thuật tiến hóa [12] Trong nghiên cứu độ tin cậy hệ thống điện, PSO được ứng dụng đối với bài toán đặt lại vị trí đóng cắt nhánh trong hệ thống phân bố hình tia [57] Tác giả trong [57] sử dụng PSO để phân bố vị trí tương ứng để đặt thiết bị phân đoạn vào đường dây phân phối Hàm mục tiêu của bài toán này được phân loại như phi tuyến đặc tính không khả vi Trong [62]... kế hoạch hệ thống thủy điện ngắn hạn trong [25] Bài toán trong [48], [60], [25] được phát biểu như bài toán tối ưu phi tuyến liên tục Yu ứng dụng PSO để giải quyết bài toán đặt tụ tối ưu trong môi trường có nhiều tiếng ồn 2.5 Vận hành của thuật toán PSO PSO được khởi tạo với một hệ các giải pháp hợp lý ngẫu nhiên và tìm kiếm tối ưu bằng việc cập nhật vận tốc và vị trí Thuật toán PSO được khởi tạo với... 2.2 Đặc điểm của PSO 7 2.3 Ƣu điểm của PSO 7 2.4 Ứng dụng của PSO 8 2.4.1 Ứng dụng của PSO trong một số lĩnh vực 8 2.4.2 Ứng dụng PSO trong hệ thống điện 10 2.4.3 Điều độ kinh tế 14 2.4.4 Điều khiển công suất phản kháng và giảm tổn thất công suất 15 2.4.5 Tối ƣu phân bố công suất (OPF) 16 2.4.6 Thiết kế điều khiển hệ thống điện .16... khiển Một công thức toán khác được đưa ra bởi Coath, với việc xem tối thiểu tổn thất công suất phản kháng là hàm mục tiêu [17] Họ cũng xem ngõ ra công suất thực như một biến điều khiển 2.4.5 Tối ƣu phân bố công suất (OPF) Abido giới thiệu PSO để giải bài toán phân bố công suất [34] Trong OPF, mục đích là tìm ra thiết lập tối ưu của các biến điều khiển để tổng chi phí của các máy phát là tối thiểu Theo... gian mà vẫn đảm bảo được sự cân bằng mức tối ưu hợp lý nhất giữa 2 đối tượng Cụ thể là tối ưu đồng thời chi phí nhiên liệu và sự ổn định điện áp trong bài toán tối ưu dòng công suất Đây là sự chuyển đổi từ phương pháp PSO cổ điển sang phương pháp PSO nhiều đối tượng (MOPSO) đòi hỏi sự định nghĩa lại các cá thể tối ưu cục bộ và toàn cục trong miền tối ưu nhiều đối tượng Kỹ thuật tạo chùm đã được sử dụng,... tính toán độ phù hợp để trả về trực tiếp kết quả Chaos -PSO thích hợp với các hàm mục tiêu không liên tục, không khả vi tồn tại trong hệ thống điện 1.5 Phạm vi nghiên cứu của luận văn Nghiên cứu các phương pháp giải bài toán tối ưu công suất trong hệ thống điện Cơ sở lý thuyết và tính hiệu quả của phương pháp PSO cải tiến có kết hợp CHAOS _PSO_ TVAC khi áp dụng vào thực tế là giải bài toán OPF trong hệ thống