Luận văn Ứng dụng thuật toán DE vào giải bài toán phân bố công suất tối ưu trong hệ thống điện

H
U
TE

C
H

---------------------------

PHÂ

Chuyên ngành :
60 52 50

06

2012


H
U
TE

C
H

---------------------------

Chuyên ngành :
ngành: 60 52 50

PHÒNG QLKH -

-

-

TP. HCM, ngày 15 tháng 09

11

NAM
Ngày,

20/09/1970

Chuyên ngành:

MSHV: 1081031009

II-

H
U
TE

Nghiê

C
H

I-

:

-

;

, 30 nút;

-

EPSO, NPSO, Newton và Genetic;
IIIIVV-

15/19/2011

15/06/2012

cho


i

L

u trong L

H

U
TE

C
H

cơng trình nào khác.


ii

Công ngh

C
H

là

H
U
TE

–

–

g viên,


iii

TÓ

.
các
bài báo

. Các

H
U
TE

C
H

u. C

EPSO, NPSO, Newton và Genetic.

.


iv

Trang

QUAN

TỐN DE

1

1.1 . T ng quan v thu t tốn DE:
1.2 . Gi i thi u thu t toán DE:

2
3

GI I THI U BÀI TỐN PHÂN B
TRONG H TH
N

CƠNG SU T T

2.1

6
7

C
H

7

H
U
TE

2

erential Evolution

7
9
12
12
23
30
31
31
32
35
37

38


v

39
40
40
41
42
44

H
U
TE

C
H

47
47
48
52
52
56
59
61
86

90
91
92


vi

D

Trang

Hình 2.1.

8

Hình 2.2.

11

Hình 2.3.

16

Hình 2.4

22

Hình 3.1.

33

Hình 3.2.

34

Hình 4.1.

87

H
U
TE

C
H

atlab

89


vii

Trang
17

.2

24

.1 P

39
42

4.3.

44

4.4.

46

C
H

47

B

.

H
U
TE

- 8 máy phát
–

50
51
54
54
55

1.

55

12.

56

13.

58

14.

58
59
59

4.17 So sánh k

EPSO và NPSO

87

4.18 So sánh k

Newton và Genetic

89


C
H

1

:

H
U
TE

T NG QUAN THU T TOÁN DE (DIFFERENTIAL EVOLUTION)
Gi i thi u thu t toán DE

xu t thu

t gi i pháp trong vi c t

vi c phân bó cơng
su t trong h th
n.

gi i bài tốn phân b cơng su t OPF (Optimal Power Flow), áp
d ng trên các m ng tiêu chu
.


2
V i nh
tiêu th
ch t.

ng c a n n kinh t và s
ng khơng ng

tồn c u, nhu c u

th
c m r ng và phát tri n c
v ngu

ng dây truy n t i. Do tính ch t tiêu th
n các khu v c trong
t ng th
ng dây truy n t i liên
t c
i theo th i gian. Kinh nghi m v
y t i m t th
m
trên h th ng có nh
ng dây b quá t
ng dây khác non t i và
c l i. N u có nh ng bi
u ch nh thơng s
p có th làm
i trào l
t, làm gi m quá t i cho m t s
ng dây mà không c n ph i
c i t o nâng c p.
t ra bài tốn phân b cơng su t t
n l c ph i tìm cách gi i quy t t r

gi i thu t khác nhau.

C
H

Vì v

th
u lo i

H
U
TE

G
c công ngh thông tin xu t hi n gi i thu t DE
i
thu t có nhi
c ng d ng vào trong nhi
c, m t trong
nh
c ng d ng c a DE là trong h th
n.
1.1 . T ng quan v thu t toán DE:
Thu
xu t b i hai tác gi
t
t gi i pháp m i trong vi c t
c
t tên là DE. Các quy trình thu t tốn DE s t o ra cá th m i t cá th
u thơng
qua q trình lai t o và bi
i. Thu t toán này tr nên ph bi n b i vi c th c hi n
các quy trình chuy
i và l a ch n c a nó ch b
n.
Gi
c kh i t o t nhi u cá th ban
u. Các thu t toán ti n hoá (EAs) là nh ng k thu t t

a trên khái ni m s
ng các cá th ,
n hoá và lai t o
ch n ra s
ng cá th phù h p thông
qua các ho
ng mang tính xác su
t h p và lai t o. Nh ng cá th
c
nh có s chuy n hố t
c ch n l a và kh i t o s
ng cá th cho th h ti p theo.
Sau vài vòng l p, nh ng cá th m
ct
i tr ng thái và t o ra
giá tr t
nh ng vùng t
t
tốn này có kh
i quy t các v
t
ct
n quy
trình, hàm phi tuy n tính b
a, gi i thu t này có th gi i quy t v
r t
t ho c các giá tr mã nh phân. M t vài thu
c
phát tri n theo thu t toán ti n hoá EC (Evolutionary Computation) và là ti
nghiên

3

H
U
TE

C
H

c u c a thu
c phát tri n vào nh
a th p k 1960 khi
thu t toán EC b
c chú ý.
G
ng thành t
t
c c a các thu t toán ti
u có th
gi i quy
c các v
ph c t p và c i thi
ng s phát tri n cho các thu t tốn m
c mơ ph ng
các thu t tốn m i b ng thu t tính son
t tốn DE, t
ng b y
n (ACO) và tìm ki m các dãy h i t t i th

m th c
hi n và kh
nh vi c t
t tốn ti
t thành cơng
trong vi c t
th
n
c bi t là gi i quy
c m c tiêu kinh
t trong v n hành h th
n.
Thu
c ng d ng th c hi n gi i quy t m c tiêu t
c
phân b cơng su t. M
a thu t tốn là gi m thi u chi phí nhiên li u, gi i h n
công su t tác d ng và công su t ph n kháng c
n áp, các
u phân áp c a máy bi n th
ng truy n t
c
ti n hành th c hi n và mô ph ng trên h th ng m ng tiêu chu n IEEE 30 nút.
Thu
c th c hi n trên các giá tr th c d a trên quy trình phát tri n
t nhiên. S d ng m t s
ng cá th P trong m t s
ng cá th khác Np mà có th
s n sinh ra nhi u cá th
c gi i pháp t

c các
cá th
i trong su t quá trình t
i cá th ho c gi i thu
xu t
là m
a nhi u tham s
ns
o ra s
khác bi t cho hai cá th
c l a ch n ng u nhiên.
Thu t toán DE t o nên các cá th con m i b ng vi c bi
i m t mơ hình tiêu
bi u cho t ng cá th
is
ng cá th
u.
Quá trình t
c th c hi n v
n sau:
t bi n.
Lai t o.
L a ch n
t bi n t
t bi n b ng cách xáo tr n m i
c tiêu b
ng m nh vào hai cá th
c ch n l a ng u nhiên
o chéo t
n b ng cách tr n l n các cá th

c
t bi n b
c tiêu, b ng cách l a ch n các phân b có
th th c hi n cu i cùng, ho
ng ch n l
c hình thành cho kh
ng cá th k
ti p b ng cách ch n l a gi
c th c hi n t t
pv
th pt
hi n t i.
1.2.

Gi i thi u thu t toán DE:


4

Tóm t t m t s bài báo liên quan:

C
H

V in
tài thu
xu
gi i
bài tốn phân b cơng su t t
. Thu

ngh
i quy
c các v
ch y
m chi phí v n hành, gi m m c tiêu th nhiên li u và th i gian th c
hi n. Thu
u ki n thu n l i: ti p c n gi i pháp t
thu c vào các giá tr tham s kh
u, tính h p nh t c a thu t toán nhanh và ch s
d ng m t s
ng nh trong các tham s ki
a thu t toán DE r t
gi n trong vi c mã hoá và r t d s d ng.
tài này, thu
xu
gi i bài tốn phân b cơng su t
OPF (Optimal Power Flow)
c áp d ng trên các m ng tiêu chu
IEEE 3 nút, 5 nút, 6 nút và 30 nút. Các k t qu
c t thu
ngh
c so
sánh v i các thu
EPSO, NPSO, Newton và Genetic.
Bên c
xu t gi i cho phân b ELD
(Economic Load Dispatch) có tính
ng c
m van công su
c áp d ng trên các m ng tiêu chu

H
U
TE

Nhóm K.Vaisakh, P. Kanta Rao
“ Differential Evolution Based Optimal Reactive Power Dispatch for
Voltage Stability Enhancement”
c
n vi c dùng gi i thu t DE – làm n n t ng
th c hi n t i
t bao g m
n th ,
ng truy n t i gi i
h n so v i h công su t.
ng ti p c n c a gi i thu t DE là h u d ng cho
nh ng gi
n r t ít th i gian th c hi n so v i các
gi i thu t khác. M c tiêu là t i thi u hóa trong vi c phân b cơng su t
t
c mơ ph ng trên m
n IEEE 30 nút.
m
c a gi i thu t mà các tác gi
c
n là tính uy n chuy
an tồn và
nhanh chóng trong h i t , th i gian th c hi n k t n i th
c gi i
pháp khác.

Nhóm Rainer Storn, Keneth Price
“Differential Evolution – A Simple and Efficient Heuristic for Global
Optimization over Continuous Spaces”
Các tác gi
lên b ng k t qu c a quá trình th nghi m ch
th ng tồn c u.

k t h p nêu
i m trong t i


5
pc nm i

c tác gi th nghi m, ch ng minh

r
i này d ki m soát, nhanh, d s d ng, r t d k t
n i song song cùng các h th ng x khác.
Qua m t s bài báo trên cho th y các nhà khoa h c trên th gi
ng d ng
thu t toán DE vào trong h th
ng k t qu kh quan so v i các
gi i thu t khác.
ng dùng DE
phân b công su t th c trong m
ng ki m tra trên mô hình m
n IEEE chu n 13 nút, 30 nút và 40 nút.

y nhanh, và d dàng

n, giúp h th ng v n hành n

H
U
TE

C
H

M
m c a DE là gi i thu
n
có th k t n i song song v i các h th ng trong m
nh và t

n


H
U
TE
C
H

6

2:


7

2.1
2.1.1

tính tốn

H
U
TE

C
H

.

: hàm chi phí

t,

này

Trong c

.
2.1.2.

ng chi phí


8

2.1.2.1.

máy.
NG

min

Fi ( PG )
i

(2.1)

i 1

i, PG

i

H
U
TE

i và NG

C
H

Fi ( PG )

Hình 2.1

i

c


9

Fi ( PG )

ai

i

Tro

bi PG

i

ci PG2

(2.2)

i

a i , bi , c i

i.

2.1.2.2.
Ràng bu

PG

máy phát

PD

i

PL.
NG
i

PD

PL

C
H

PG

(2.3)

H
U
TE

i 1

.

NG NG

PL

NG

PG Bij PG
i

PG Bi 0 B00

i

i 1 j 1

i

(2.4)

j 1

Bij, Bi0, B00

B.

2.1.2.3.
PGmin

PGmax phát

i

i

:
PGmin
i

2.1.3.

PG

i

PGmax , i = 1,…, NG
i

(2.5)


10

nhà máy

nh

H
U
TE

2.1.3.1.

C
H

phí có


C
H

11

Hình 2.2

H
U
TE

2.1.3.2

thêm hàm sin vào h

Fi ( PG )
i

ai

bi PG

i

ai, bi, ci, di và ei

t

ci PG2
i

.

di sin ei PGmin
i

PG

i

(2.6)
i.

n máy phát
u.

SA (Simulated Annealing). K.

12

2.2.

OPF

2.2.1.
Cho hàm f(x) = 0
x*?
x(0):

Taylor hàm f(x)

f ( x (0) ) ( x x (0) ) f ' ( x (0) )

( x x (0) ) 2 '' (0)
f ( x ) ... 0.
2!

C
H

f ( x)

:

H
U

TE

f ( x (0) ) ( x x (0) ) f ' ( x (0) )

0.

(2.8)
:

Thay x = x(1):

x

(1)

x

(0)

f ( x (0) )
.
f ' ( x (0) )

x(1)

(2.9)

x(2)

x(k+1)

x

( k 1)

x( k

1)

x

(k )

x( k )

f ( x( k ) )
.
f ' ( x( k ) )

.

(2.10)

(2.11)

(2.7)


13

x* = x(k+1)

.
Newton – Raphson.
n

x:

F ( x) 0
f i ( x1 ,..., x j ,..., xn )
i 1, 2..., m. j 1, 2..., n. n

1)

x( k )

(2.12)

F ( x( k ) )
.
F ' ( x( k ) )

C
H

x( k

m.

H
U

TE

hay
x

(k )

x

( k 1)

x

F ( x( k ) )
F ' ( x( k ) )

(k )

F ' ( x( k ) ) x( k )

0 F ( x( k ) )

J ( k ) x( k )

F (k ) .

J(k) = F'(x(k))

F(k), F(k)

(2.13)

Jacobian

x(k)

F(x)

x(k).

F(x)

J(k)

f1
x1
J

(k )

'

(k )

F (x )

fi
xi

(k )

f1
x2

f1
xn

f2
x1

f2
x2

f2
xn

fm
x1

fm
x2

fm
xn

(k )

.

m n

(2.14)


14

0
0

f1 ( x)
f 2 ( x)

0

(k )

f1 ( x)
f 2 ( x)

f m ( x)

f1
x1

f2
x2
fm
x2

fm

xn

(k )

f2
xn

fm
x1

f m ( x)

f1
xn

f2
x1

(k )

f1
x2

.

x1
x2

(k )

.

xn
(2.15)

m n

(k)

x( k

1)

x( k )

x( k )

hay
x* = x(k+1) = x(k)

.

(k)

C
H

.

,h

:
f ( x, y , t )

u

g ( x, y ).

H
U
TE

x

:

(2.16)

x = [x1, x2, ... , xn]T

y = [y1, y2, ... , ym]T là bi
u = [u1,u2, ... , ur]T

x
u

f ( x, y )
g ( x, y ).

t:

(2.17)
x*, y*

b

:

x*

f ( x* , y * )

u*

g ( x* , y * ).

(2.18)


15

x(0),y(0)

x*

x (0)

x (0)

y*

y (0)

y (0) .

x (0)

x*

x (0)

u (0)

u * u (0)

0

f ( x (0) , y (0) )

0 g ( x (0) , y (0) ).

x*

x (0)

x (0)

f ( x (0)

x (0) ),( y (0)

y (0) )

u*

u (0)

u (0) = g ( x (0)

x (0) ),( y (0)

y (0) ) .

(2.19)

:
fi
(0)
xn
xn

fi
y1(0)
y1

u (0)
j

g i (0)
x1

x1

g i (0)
xn
xn

fi
(0)
ym i 1,..., n
ym

g i (0)
y1
y1

gi
(0)
ym j 1,..., m.
ym
(2.20)

C
H

f i (0)
x1
x1

H
U

TE

xi(0)

f1
x1

f1
xn

(0)

Fx(0)

f1
y1

f1
yr

(0)

, Fy(0)

fn
x1

fn
xn

g1
x1

g1
xn

fn
y1

x x( 0 )
(0)

G (0)
x

.
fn
yr
g1
y1

x x( 0 )

g1
ym

(0)

, G (0)
y

gm
x1

Fx
Gx

Fy
Gy

gm
xn

(0)

*
x x( 0 )

gm
y1

x x( 0 )

x (0)
y (0)

.

x (0)
.
u (0)

gm
ym

x x( 0 )

(2.21)