áp dụng thuật toán gravitational search algorithm tính toán phân bố công suất tối ưu trong hệ thống điện
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (4.32 MB, 97 trang )
<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">
luận văn thạc sĩ
</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">luận văn thạc sĩ
</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">luận văn thạc sĩ
CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
<b>TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM </b>
<b>Cán bộ hướng dẫn khoa học : PGS.TS.NGÔ CAO CƯỜNG </b>
Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Công nghệ TP. HCM ngày 25 tháng 09 năm 2016.
Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm:
1 PGS.TS.Quyền Huy Ánh Chủ tịch 2 TS.Nguyễn Hùng Phản biện 1 3 TS.Võ Công Phương Phản biện 2 4 PGS.TS.Đồng Văn Hướng Ủy viên 5 TS.Võ Viết Cường Ủy viên, Thư ký
Xác nhận của Chủ tịch Hội đồng đánh giá Luận sau khi Luận văn đã được sửa chữa (nếu có).
<b>Chủ tịch Hội đồng đánh giá Luận văn </b>
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">luận văn thạc sĩ
<b>NHIỆM VỤ LUẬN VĂN THẠC SĨ </b>
Họ tên học viên: Võ Khánh Dương. Giới tính: Nam. Ngày, tháng, năm sinh: 16/10/1991. Nơi sinh: Quảng Ngãi. Chuyên ngành: Kỹ Thuật Điện. MSHV:1441830033.
<b>I- Tên đề tài: </b>
Áp dụng thuật tốn Gravitational Search Algorithm tính tốn phân bố cơng suất tối ưu trong hệ thống điện.
<b>II- Nhiệm vụ và nội dung: </b>
Nghiên cứu lý thuyết về thuật tốn GSA từ những cơng trình đã cơng bố trước đây trên tạp chí khoa học thế giới.
Nghiên cứu cách áp dụng thuật tốn GSA vào tính toán trong hệ thống điện.
Xây dựng giải thuật GSA giải bài tốn điều phối kinh tế cơng suất ED. Lập trình tính tốn điều phối tối ưu trong mạng điện.
Nhận xét, đánh giá kết quả thu được, so sánh với kết quả dùng các giải thuật khác đã công bố trên tạp chí khoa học trên thế giới.
<b>IV- Ngày hồn thành nhiệm vụ : 31/07/2016. </b>
</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">luận văn thạc sĩ
Ngày sinh: 16/10/1991. Nơi sinh: Quảng Ngãi. Trúng tuyển đầu vào năm: 2014
<b>Là tác giả luận văn: Áp dụng thuật tốn Gravitational Search Algorithm tính </b>
<b>tốn phân bố cơng suất tối ƣu trong hệ thống điện. </b>
<b>Chuyên ngành: Kỹ Thuật Điện. Mã ngành: 60520202. Bảo vệ ngày: 25 tháng 09 năm 2016. </b>
<b>Điểm bảo vệ luận văn: 8,7. </b>
Tôi cam đoan chỉnh sửa nội dung luận văn thạc sĩ với đề tài trên theo góp ý của Hội đồng đánh giá luận văn Thạc sĩ. Các nội dung đã chỉnh sửa:
- Chỉnh sửa bố cục lời mở đầu và chương 1 của đề tài khơng cịn bị trùng lắp về mặt nội dung.
- Bổ sung sơ đồ nhất thứ tổng quan của các mạng điện 3 nút, 13 nút và 40 nút.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">luận văn thạc sĩ
<b>LỜI CAM ĐOAN </b>
<b>Tôi xin cam đoan Luận văn tốt nghiệp: “Áp dụng thuật toán Gravitational </b>
<b>Search Algorithm tính tốn phân bố cơng suất tối ưu trong hệ thống điện” là đề </b>
tài nghiên cứu do bản thân tôi tự thực hiện, không sao chép dưới bất kỳ hình thức nào.
Những kết quả và các số liệu trong Luận văn đều được lấy từ những nguồn tài liệu chính thống và có uy tín đã được tơi trích dẫn đầy đủ và ghi chép rõ ràng trong phần tài liệu tham khảo. Tơi hồn tồn chịu trách nhiệm trước nhà trường về sự cam đoan này.
TP.HCM, Ngày 31 tháng 07 năm 2016 Học viên thực hiện
<b>VÕ KHÁNH DƯƠNG </b>
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">luận văn thạc sĩ
Em cũng xin chân thành cảm ơn Thầy Ngô Cao Cường và Thầy Lê Đình Lương, những người đã tận tình dìu dắt, bổ sung những kiến thức thực tế, nhiệt tình giúp đỡ và hướng dẫn em trong suốt thời gian làm Luận văn tốt nghiệp.
Cuối cùng, Em xin chúc các Thầy Cô giáo ở trường lời chúc sức khỏe và công tác tốt. Chúc các thầy, cô trong Phòng Quản lý khoa học và Đào tạo sau đại học lời chúc tốt đẹp nhất.
TP.HCM, Ngày 31 tháng 07 năm 2016 Học viên thực hiện
<b>VÕ KHÁNH DƯƠNG </b>
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">luận văn thạc sĩ
Luận văn này trình bày lý thuyết về thuật toán Gravitational Search Algorrithm (GSA) và nêu tổng quan các thuật toán tối ưu khác đã được áp dụng để giải bài toán ED. Trên cơ sở đó, áp dụng thuật tốn Gravitational Search Algorithm (GSA) giải các bài toán điều phối kinh tế trong hệ thống điện như sau:
Bài toán ED hệ thống 3 nút xét đến điểm van cơng suất có tổng công suất nhu cầu của phụ tải PD = 850 (MW), tổn thất PL = 0 (MW).
Bài toán ED hệ thống 13 nút xét đến điểm van cơng suất có tổng cơng suất nhu cầu của phụ tải PD = 1800 (MW), tổn thất PL = 0 (MW).
Bài toán ED hệ thống 40 nút xét đến điểm van cơng suất có tổng cơng suất nhu cầu của phụ tải PD = 10500 (MW), tổn thất PL = 0 (MW).
Tiến hành so sánh kết quả tính tốn của thuật tốn GSA với kết quả của các thuật toán khác rút ra nhận xét và kinh nghiệm lập trình để áp dụng cho phù hợp với các bài toán khác.
Vạch ra những hướng phát triển nghiên cứu, hướng tiếp cận mới để tiếp tục cải thiện thuật toán GSA đưa đến kết quả tốt hơn, cũng như ứng dụng vào các bài tốn có quy mơ lớn và phức tạp hơn trong hệ thống điện.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">luận văn thạc sĩ
This thesis presents the theory of algorithms Gravitational Search Algorrithm (GSA) and provides an overview of different optimization algorithms which have been applied to solve the ED problem. Based on which, apply the Gravitational Search Algorithm algorithm (GSA) to solve the problems of economic coordination (ED) in the electrical system as follows:
The problem of ED 3-units system considering the capacity valve points with the total capacity of the load demand PD = 850 (MW), losses PL = 0 (MW). The problem of ED 13-units system considering the capacity valve points
with the total capacity of the load demand PD = 1800 (MW), losses PL = 0 (MW).
The problem of ED 40-units system considering the capacity valve points with the total capacity of the load demand PD = 10500 (MW), losses PL = 0 (MW).
Conducted comparing the results of the algorithm calculates the GSA with the results of other algorithms draws comment and programming experience to apply for matching other problems.
Outlines the development of research, new approaches to further improve GSA algorithm leads to better results, as well as apply to the more complex problem in the power system.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">luận văn thạc sĩ
<b>1.4 MỤC TIÊU CỦA ĐỀ TÀI ... 5 </b>
<b>1.5 ĐIỂM MỚI CỦA ĐỀ TÀI ... 5 </b>
<b>CHƯƠNG 2 GIỚI THIỆU BÀI TOÁN ĐIỀU PHỐI KINH TẾ TRONG HỆ THỐNG ĐIỆN ... 6 </b>
<b>2.1 THUẬT TOÁN TỐI ƯU: ... 6 </b>
<b>Hình 2.1: Minh hoạ tối ưu tồn cục hàm Peaks. ... 7 </b>
<b>2.2 BÀI TOÁN ĐIỀU PHỐI KINH TẾ CỔ ĐIỂN: ... 7 </b>
<b>2.2.3 Ràng buộc về công suất truyền tải: ... 11 </b>
<b>2.2.4 Bài toán điều phối kinh tế với hàm chi phí nhiên liệu khơng trơn: ... 11 </b>
<b>2.2.4.1 Bài tốn điều phối kinh tế có điểm van công suất: ... 12 </b>
<b>2.2.4.2 Biểu thức điều phối kinh tế với điểm van công suất: ... 12 </b>
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">luận văn thạc sĩ
<b>2.3 TỔNG QUAN CÁC PHƯƠNG PHÁP ĐÃ ĐƯỢC ÁP DỤNG ĐỂ GIẢI </b>
<b>BÀI TOÁN ĐIỀU PHỐI KINH TẾ (ED): ... 13 </b>
<b>2.3.1 DE ( Differential Evolution ) [22][23] ... 13 </b>
<b>2.3.2 PSO ( Particle Swarm Optimization ) [24][25][26] ... 13 </b>
<b>2.3.3 ABC (Thuật toán Artificial Bee Colony) [27][28][29] ... 13 </b>
<b>2.3.4 HNN ( Hopfield Neuron Network ) [30][31] ... 14 </b>
<b>2.3.5 ELANN ( Enhanced Lagrangian Artificial Neural Network) [32].14 2.3.6 HS (Harmony Search) [33] ... 14 </b>
<b>2.3.7 CS (Cuckoo Search) [34][35][36][37] ... 15 </b>
<b>CHƯƠNG 3 THUẬT TOÁN GRAVITAIONAL SEARCH ALGORITHM ... 16 </b>
3.1 THUẬT TOÁN GSA CỔ ĐIỂN: ... 16
<b>3.2 CÁC BƯỚC TRONG THUẬT TOÁN GSA ... 21 </b>
<b>3.3 CÁC ĐẶC TÍNH CỦA GIẢI THUẬT GSA ... 23 </b>
3.4 ẢNH HƯỞNG CỦA CÁC THAM SỐ TRONG GSA ... 23
<b>4.1.1 Các bước áp dụng thuật toán GSA giải bài toán ED: ... 26 </b>
<b>4.1.2 Lưu đồ giải thuật của thuật toán GSA: ... 28 </b>
<b>4.1.3 Hàm mục tiêu của bài toán ED: ... 30 </b>
<b>4.2 GIẢI BÀI TOÁN ED MẠNG 3 NÚT: ... 31 </b>
<b>4.3 GIẢI BÀI TOÁN ED MẠNG 13 NÚT: ... 34 </b>
<b>4.4 GIẢI BÀI TOÁN ED 40 MẠNG NÚT: ... 38 </b>
</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">luận văn thạc sĩ
</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">luận văn thạc sĩ
<b>IP </b> Interior Point Methods
<b>DE </b> Different Evolution
<b>DP </b> Dynamic Programming
<b>ABC </b> Artificial Bee Colony
<b>ACO </b> Ant Colony Optimization
<b>HM </b> Harmony Memory
<b>GA </b> Genetic Algorithm
<b>CS </b> Cuckoo Search
<b>GSA </b> Gravitational Search Algorithm
<b>HNN </b> Hopfield Neuron Network
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">luận văn thạc sĩ
<b>DANH MỤC CÁC BẢNG BIỂU </b>
Bảng 4.1: Các thơng số của bài tốn ED mạng 3 nút... 31
Bảng 4.2: Thông số của thuật toán GSA áp dụng giải bài toán ED mạng 3 nút. ... 31
Bảng 4.3: Kết quả tính tốn bài toán ED mạng 3 nút. ... 31
Bảng 4.4: So sánh kết quả tính tốn bài tốn ED mạng 3 nút. ... 32
Bảng 4.5: Các thông số của bài tốn ED mạng 13 nút... 34
Bảng 4.6: Thơng số của thuật toán GSA áp dụng giải bài toán ED mạng 13 nút. .... 35
Bảng 4.7: Kết quả tính toán bài toán ED mạng 13 nút. ... 35
Bảng 4.8: So sánh kết quả tính tốn bài tốn ED mạng 13 nút. ... 35
Bảng 4.9: Các thông số của bài toán ED mạng 40 nút... 39
Bảng 4.10: Thơng số của thuật tốn GSA áp dụng giải bài toán ED mạng 40 nút. 39 Bảng 4.11: Kết quả tính tốn bài tốn ED mạng 40 nút. ... 39
Bảng 4.12: So sánh kết quả tính tốn bài toán ED mạng 40 nút. ... 41
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">luận văn thạc sĩ
<b>DANH MỤC CÁC HÌNH </b>
Hình 2.1: Minh hoạ tối ưu tồn cục hàm Peaks ... 7
Hình 2.2: Đường cong chi phí phổ biến của nhà máy nhiệt điện. ... 9
Hình 2.3: Đồ thị biểu diễn vùng cấm của nút nhiệt cơ bản ... 11
Hình 2.4 Hàm chi phí nhiên liệu của nhà máy nhiệt điện với điểm van cơng suất ... 12
Hình 3.1 Lực và gia tốc tương tác lên vật thể 1 do các vật thể khác sinh ra [10]. .... 19
Hình 3.2 Nguyên lý của giải thuật GSA [10]. ... 21
Hình 4.1: Lưu đồ giải thuật GSA cho bài toán ED. ... 29
Hình 4.2: Sơ đồ mạng nhất thứ các nhà máy điện phân phối công suất đến phụ tải thông qua hệ thống truyền tải điện ... 30
Hình 4.3: Đồ thị giá trị hàm chi phí của bài tốn ED mạng 3 nút. ... 32
Hình 4.4: Đồ thị phân bố cơng suất tại các nút của bài tốn ED mạng 3 nút. ... 33
Hình 4.5: Giao diện tính toán của bài toán ED mạng 3 nút ... 33
Hình 4.6: Đồ thị giá trị hàm chi phí của bài tốn ED mạng 13 nút ... 36
Hình 4.7: Đồ thị phân bố công suất tại các nút của bài tốn ED mạng 13 nút. ... 37
Hình 4.8: Giao diện tính tốn của bài tốn ED mạng 13 nút. ... 37
Hình 4.9: Đồ thị giá trị hàm chi phí của bài tốn ED mạng 40 nút ... 42
Hình 4.10: Đồ thị phân bố cơng suất tại các nút của bài toán ED mạng 40 nút. ... 42
Hình 4.11: Giao diện tính tốn của bài tốn ED mạng 40 nút. ... 43
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">luận văn thạc sĩ
Phân bố công suất tối ưu trong hệ thống điện là một trong những vấn đề quan trọng nhất được những người vận hành hệ thống công suất sử dụng phổ biến mỗi ngày. Cơng việc này nhằm tìm kiếm, phân phối thông số trạng thái vận hành tối ưu công suất thực và cơng suất phản kháng làm giảm chi phí và cải thiện hiệu suất cho toàn hệ thống. Vấn đề này có thể được trình bày rõ ràng và giải quyết thành hai vấn đề riêng lẻ. Thứ nhất, điều phối kinh tế làm giảm chi phí hệ thống bằng cách phân phối hợp lý công suất thực cho các máy phát hiện hành. Thứ hai, điều phối công suất phản kháng làm giảm tổn thất và cải thiện điện áp hệ thống bằng cách phân phối hợp lý công suất phản kháng.
Lưới điện bao gồm máy phát điện, máy biến áp, đường dây truyền tải, thiết bị đóng cắt, rơ le bảo vệ và thiết bị bù công suất phản kháng…. Các hệ thống truyền tải được sử dụng để truyền công suất đi xa. Việc kiểm soát các mục tiêu khác nhau như vận hành và thiết kế trong những hệ thống như vậy đòi hỏi về tối ưu hóa. Đối với hệ thống phi tuyến, giải pháp cho vấn đề tối ưu hóa lại càng cần thiết. Hơn thế nữa, cần phải chú ý các vấn đề sau:
- Các kỹ thuật tối ưu hóa được lựa chọn nên phù hợp với vấn đề nghiên cứu.
- Tất cả các khía cạnh khác nhau của vấn đề phải được kể đến. - Tất cả các ràng buộc của hệ thống phải được trình bày chính xác. - Phải xác định được hàm mục tiêu.
Tối ưu hóa chiếm một vị trí quan trọng trong hệ thống năng lượng và là một
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">luận văn thạc sĩ
phân bố lại công suất thực và công suất phản kháng nhằm làm giảm chi phí nhiên liệu, giảm lượng khí thải gây ảnh hưởng trực tiếp đến môi trường xung quanh và cải thiện hiệu quả toàn bộ hệ thống. Việc mơ hình hóa bài tốn điều phối cơng suất phát là chỉ tiêu để đạt tới được kết quả tối ưu. Trong bài điều phối kinh tế, công thức cổ điển thể hiện các khiếm khuyết do mơ hình q đơn giản. Trong bài công suất phản kháng, phương pháp thơng thường là mơ hình hóa các máy biến thế và dàn tụ điện thành các biến liên tục thay vì các biến rời rạc.Để cải thiện vấn đề này, các mơ hình mới vẫn liên tục được phát triển cho việc vận hành hệ thống thêm hiệu quả. Mức độ phức tạp của bài tối ưu cũng được nâng lên do liên kết các ràng buộc trở nên phi tuyến tính.
Các biện pháp để giảm chi phí nhiên liệu trong vận hành là:
- Tăng lượng công suất phát ra của các nhà máy nhiệt điện gần phụ tải nhằm giảm tổn hao truyền tải, do đó làm giảm chi phí tiêu hao nhiên liệu trên toàn bộ hệ thống.
- Tăng lượng công suất phát tại các nhà máy nhiệt điện có đặc tính tiêu hao nhiên liệu thấp.
- Phối hợp giữa các nhà máy nhiệt điện với nhau sao cho chi phí sản xuất điện năng là nhỏ nhất.
Vì vậy người ta đặt ra bài tốn điều phối tối ưu để nâng cao khả năng tận dụng hệ thống điện hiện có. Đây là bài tốn mà ngành điện lực phải tìm cách giải quyết từ rất lâu, đã dùng nhiều thuật toán cổ điển như: Linear Programming (Lập trình tuyến tính) [2, 3], Nonlinear Programming (Lập trình phi tuyến), Newton- Raphson [4]. Những cải tiến gần đây trong việc giải quyết các bài toán tối ưu phức tạp với kết quả chính xác hơn đã làm phát triển các kỹ thuật mới mang tên Thuật tốn tiến hóa. Thuật tốn Tiến hóa là kỹ thuật tối ưu dựa trên nền tảng tìm kiếm đáp án ngẫu nhiên bằng việc sử dụng mơ hình được đơn giản hóa trong tiến trình tiến hóa, cho ra được kết quả tối ưu tồn bộ, đặc biệt trong các khoảng không đáp án không liên tục, khơng lồi và phi tuyến tính cao. Nó dựa theo quần thể, thám hiểm khoảng không đáp án ngẫu nhiên bằng cách sử dụng một vài đáp án đề cử thay cho cách ước lượng đáp án đơn lẻ được sử dụng trong nhiều kỹ thuật cổ điển. Sự thành cơng của thuật tốn này nằm ở khả năng tìm kiếm đáp án theo cách thám hiểm ngẫu
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">luận văn thạc sĩ
nhiên trong khu vực khả thi chứ không phải thám hiểm tồn bộ khu vực. Kết quả tìm được theo cách này nhanh hơn, tiêu tốn ít tài nguyên phần cứng máy tính hơn mà vẫn cho được khả năng tối ưu toàn bộ. Một vài kỹ thuật tiến hóa đã được phát triển trong lĩnh vực tính tốn tối ưu hóa mà phổ biến nhất là các kỹ thuật: Genetic Algorithm (Thuật toán Di truyền) [5, 6], Differential Evolution (Thuật tốn tiến hóa) [7], Ant Colony Optimization (Tối ưu hóa đàn kiến) [8], Interior Point Methods (Phương pháp điểm nội) [9], Particle Swarm Optimization (Thuật toán bầy đàn) [13] … Trong sự phát triển của trí tuệ nhân tạo, gần đây trong lĩnh vực công nghệ thông tin xuất hiện thuật toán Gravitational Search Algorithm [10], đây là thuật tốn có tuổi đời khá non trẻ nhưng đã được ứng dụng vào một số các lĩnh vực nghiên cứu, một trong những lĩnh vực ứng dụng của GSA là lĩnh vực hệ thống điện. Một số nhà khoa học trên thế giới đã triển khai đưa thuật toán GSA vào ứng dụng giải bài toán điều phối kinh tế trong hệ thống điện và đã cho ra những kết quả tốt.
<b> Nhóm Esmat Rashedi </b>
<b>- Bài báo: “GSA: A Gravitational Search Algorithm”. Tác giả Esmat </b>
Rashedi, Hossein Nezamabadi-pour, Saeid Saryazdi. [10]
Trong bài báo này, một thuật toán tối ưu hóa mới dựa trên định luật hấp dẫn và khối lượng tương tác được giới thiệu. Trong các thuật toán đề xuất, các đại lý tìm kiếm là một tập hợp quần chúng tương tác với nhau dựa trên các lực hấp dẫn Newton và định luật chuyển động. Các phương pháp được đề xuất đã được so sánh với một số phương pháp tìm kiếm heuristic nổi tiếng. Các kết quả thu được xác nhận hiệu suất cao của phương pháp được đề xuất trong việc giải quyết các chức năng phi tuyến khác nhau.
<b> Nhóm Norlina Mohd Sabri, Mazidah Puteh, and Mohamad Rusop </b>
<b>Mahmood </b>
<b>- Bài báo: “A Review of Gravitational Search Algorithm”. Tác giả </b>
Norlina Mohd Sabri, Mazidah Puteh, and Mohamad Rusop Mahmood. [11]
Bài viết này nhằm mục đích để khám phá thuật tốn GSA và xác định thuật toán đã được cải tiến như thế nào cho đến nay, các nghiên cứu và phát triển đã được
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">luận văn thạc sĩ
tích các cơng trình liên quan đến GSA, để xem xét tiến bộ GSA và hiệu suất của thuật toán này, xem xét các ứng dụng và để đưa ra những thách thức và tính khả thi trong tương lai.
<b>- Bài báo: “Gravitational Search Algorithm for Optimal Economics </b>
<b>Dispatch”. Tác giả P.K.Swain, N.C.Sahu, P.K.Hota. [12] </b>
Bài báo này trình bày một phương pháp tối ưu hóa mới để tìm kiếm lời giải tối ưu cho bài toán điều độ kinh tế (ED) bằng phương pháp sử dụng thuật tốn tìm kiếm hấp dẫn (GSA). Điều phối kinh tế xác định năng lượng điện được tạo ra bởi các đơn vị phát điện đã cam kết trong một hệ thống điện do đó chi phí trong hệ thống được giảm thiểu trong khi đáp ứng nhu cầu các phụ tải. Bài viết này trình bày một thuật tốn mới dựa trên định luật hấp dẫn và tương tác khối lượng để giải quyết kinh tế vấn đề tải công văn (ED) bởi một thuật tốn tối ưu hóa mới gọi là thuật tốn Tìm kiếm hấp dẫn (GSA). Các kết quả mô phỏng cho thấy kỹ thuật này được thực hiện dễ dàng, hội tụ với thời gian thực hiện ít hơn và giải pháp rất tối ưu cho bài tốn điều độ kinh tế với chi phí tối thiểu mà hệ thống có thể đạt được. Mơ phỏng kết quả đã được thực hiện trên các hệ thống điện khác nhau với số lượng nguồn phát khác nhau và so sánh với các phương pháp tiếp cận phổ biến khác. Những phát hiện này đã khẳng định sự vững mạnh, hội tụ nhanh so với phương pháp đề xuất trên các kỹ thuật hiện có khác.
Thực tế, khi giải quyết bất kỳ bài toán nào người giải đều mong muốn có phương án tốt nhất theo một hoặc một vài tiêu chí nào đó như tiết kiệm thời gian nhất, chi phí nhỏ nhất, năng suất lớn nhất, quãng đường đi ngắn nhất, thiết kế kết cấu với trọng lượng vật liệu nhỏ nhất…. Tuy nhiên trong phần lớn các bài toán tối ưu, người sử dụng thường có băn khoăn đó là: Kết quả nhận được từ q trình tính tốn đã thật sự là phương án tốt nhất chưa? Vì vậy, việc phát triển các thuật toán tối ưu đủ mạnh luôn được người làm kỹ thuật quan tâm. Các phương pháp cổ điển trước đây chỉ thích hợp được với những bài tốn tìm kiếm tối ưu trong khơng gian tìm kiếm nhỏ nên để tìm được nghiệm tối ưu trong khơng gian tìm kiếm lớn cần phải có những phương pháp tìm kiếm đặc biệt hơn mà nổi bật trong số đó là thuật tốn Gravitational Search Algorithm (GSA). Bằng việc sử dụng phần mềm
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">luận văn thạc sĩ
Giải thuật GSA có ưu điểm là đơn giản, ổn định và có khả năng thích ứng nên có thể ứng dụng trong nhiều bài tốn tối ưu. Khả năng tìm kiếm tồn cục của GSA cũng tốt hơn các giải thuật nổi tiếng khác trong hầu hết các trường hợp
Ứng dụng thuật toán Gravitional Search Algorithrm vào giải bài tốn điều phối kinh tế cơng suất (ED) giữa các nhà máy điện.
Áp dụng thuật toán GSA giải mạng điện hàm chi phí nhiên liệu có xét ảnh hưởng của điểm van công suất nhằm tạo ra chương trình có thể tính tốn tốt hơn, nhanh hơn khi so sánh với kết quả tính tốn của các thuật toán khác. Đối chiếu và đánh giá kết quả tính tốn được bằng thuật tốn GSA với một số thuật toán khác.
Xây dựng giải thuật GSA giải bài tốn điều phối kinh tế cơng suất ED. Lập trình tính tốn điều phối tối ưu trong mạng điện.
Nhận xét, đánh giá kết quả thu được, so sánh với kết quả dùng các giải thuật khác đã cơng bố trên tạp chí khoa học trên thế giới.
</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21">luận văn thạc sĩ
<b>CHƯƠNG 2 GIỚI THIỆU BÀI TOÁN ĐIỀU PHỐI KINH TẾ TRONG HỆ THỐNG ĐIỆN </b>
<b>2.1 THUẬT TOÁN TỐI ƯU: </b>
Trong kỹ thuật, khi giải quyết bất kỳ nhiệm vụ nào chúng ta đều mong muốn có phương án tốt nhất theo một hoặc một vài tiêu chí nào đó. Có thể liệt kê rất nhiều những ví dụ cụ thể như: tiết kiệm thời gian nhất, chi phí nhỏ nhất, năng suất lớn nhất, quãng đường đi ngắn nhất, thiết kế kết cấu với trọng lượng vật liệu nhỏ nhất… Để giải được những bài toán này, toán học đã cho ra đời một ngành là “Quy hoạch toán học” hay “tối ưu hóa” [14], [15].
Bài tốn tối ưu nói chung được viết dưới dạng tốn học như sau: Tìm giá trị cực tiểu (hoặc cực đại) hàm:
Hàm f(x) trong biểu thức (2.1) được gọi là hàm mục tiêu hoặc tiêu chuẩn tối ưu, biểu diễn mối quan hệ giữa tiêu chuẩn chất lượng của quá trình khảo sát và các biến độc lập x.
Các hàm số g<sub>i</sub>(x), h<sub>i</sub>(x) là các điều kiện ràng buộc của bài toán tối ưu dưới dạng đẳng thức và bất đẳng thức. Trong không gian các biến, các hàm số này tạo ra miền giới hạn D các khả năng cho phép của hàm f(x).
Nếu như D R<sup>n</sup> (với R là số chiều của hàm mục tiêu), có nghĩa là không tồn tại bất kỳ một điều kiện giới hạn nào ta nói rằng bài tốn quy hoạch phi tuyến khơng có điều kiện ràng buộc.
Tuy nhiên trong phần lớn các bài toán tối ưu, người sử dụng thường có băn khoăn đó là: kết quả nhận được từ q trình tính đã thật sự là phương án tốt nhất
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">luận văn thạc sĩ
chưa. Để minh họa vấn đề này ta có thể xét ví dụ như hàm Peaks (2.4) - hai biến là
<b>hàm đơn điệu đa cực trị, được biểu diễn bằng đồ thị như trên Hình 2.1. </b>
2 (-x 2-(x +1)2) <sup>x</sup>1 3 5 (-x2-x2) 1 (-(x +1)2-x2) f(x) = 3.(1- x
1<sup>) .e 1 </sup> 2 -10.( - x
1 <sup>- x</sup>2).e 1 2 - .e 1 2
(2.4)
<i><b>Hình 2.1: Minh hoạ tối ưu tồn cục hàm Peaks. </b></i>
Như trên hình 2.1, xung quanh phương án tốt nhất (ở đây chọn là điểm thấp nhất - điểm A) cịn có một điểm đạt cực trị địa phương là điểm B và một số điểm nghi ngờ có cực tiểu khác. Trong quá trình giải, rất có khả năng kết quả giải bài toán tối ưu của chúng ta bị "kẹt" tại một cực trị nào đó (khơng phải điểm A) và khơng thốt ra được. Vì vậy, việc phát triển các thuật tốn đủ mạnh tiệm cận được giá trị tối ưu luôn được người làm kỹ thuật quan tâm.
Để hệ thống điện hoạt động hiệu quả và tin cậy thì một số kỹ thuật đã được phát triển để tính tốn xác định dự báo công suất và mức công suất phát. Điều phối công suất là một trong các kỹ thuật trên để điều chỉnh biến điều khiển và phân phối công suất cho hệ thống điện hoạt động tối ưu. Điều phối cơng suất có hai cách: điều phối cơng suất thực và điều phối cơng suất phản kháng. Bài tốn điều phối kinh tế tìm điểm hoạt động tối ưu để phân phối công suất thực giữa các nhà máy nhằm giảm thấp nhất chi phí sản xuất. Điều phối cơng suất phản kháng dùng để cực tiểu tổn thất hệ thống, nâng cao hiệu suất và khả năng tận dụng nguồn.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23">luận văn thạc sĩ
Mơ hình phổ biến cải tiến bài tốn điều phối kinh tế bao gồm: hàm chi phí có xét ảnh hưởng của điểm van công suất, vùng hoạt động không liên tục và sự chuyển đổi các loại nhiên liệu; các loại ràng buộc an ninh hệ thống điện như giới hạn dịng cơng suất, dự trữ cơng suất máy phát và cấu hình điện áp. Trong chương này chúng tơi trình bày hệ thống các biểu thức của bài tốn điều phối kinh tế với hàm chi phí trơn dạng bậc hai cổ điển và hàm chi phí có xét ảnh hưởng của điểm van công suất.
Hàm mục tiêu của bài toán điều phối kinh tế cổ điển là cực tiểu tổng chi phí hệ thống điện (1) bằng cách hiệu chỉnh công suất phát của mỗi nhà máy kết nối với lưới điện. Tổng chi phí được biểu diễn bằng hàm tổng của các chi phí ở mỗi nhà máy.
Xét một hệ thống có N nhà máy, mỗi nhà máy đảm nhận một lượng công suất P<sub>i</sub> MW. Các nhà máy nên phát công suất sao cho tổng chi phí nhiên liệu F là nhỏ nhất.
</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">luận văn thạc sĩ
<i><small>i G </small></i>
<i><b>Hình 2.2: Đường cong chi phí phổ biến của nhà máy nhiệt điện. </b></i>
Mỗi hàm chi phí của nhà máy thiết lập mối quan hệ giữa nhà máy và hệ thống thông qua khả năng phát công suất với chi phí phát của nhà máy. Thông thường các nhà máy được mơ hình bằng hàm chi phí trơn như trong (2.6) để đơn giản bài toán tối ưu và khả năng ứng dụng các kỹ thuật truyền thống để tính tốn.
<i><small>i </small>bằng với tổng tải trong hệ thống P<sub>D</sub> cộng thêm </i>
<i>một lượng tổn hao P<sub>L</sub> được biểu diễn như trong (2.7). <small>NG </small></i>
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">luận văn thạc sĩ
<i>P P </i>
<b>2.2.2.1 Giới hạn công suất thực phát ra: </b>
Giới hạn cơng suất thực phát ra: Mỗi nhà máy có giới hạn thấp nhất <i><sub>G</sub></i><sup>min </sup><i><sub>i </sub></i>giới hạn cao nhất <i><sub>G</sub></i><sup>max </sup><i><sub>i </sub></i> phát cơng suất vì nó phụ thuộc vào cấu trúc của máy phát. Các giới hạn trên được định nghĩa bằng một cặp của ràng buộc bất đẳng thức (2.9).
Vùng cấm của một nút có thể được trình bày qua cơng thức sau:
Trong đó: <i><sub>i,k </sub><sup>L </sup><sub>i,k </sub><sup>U </sup></i>
(2.11) là giá trị giới hạn dưới và giới hạn trên của vùng cấm thứ k của nút thứ i ; k là hệ số của vùng cấm.
và
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">luận văn thạc sĩ
<i> P ; k </i>
<i><b>Hình 2.3: Đồ thị biểu diễn vùng cấm của nút nhiệt cơ bản. </b></i>
<b>2.2.3 Ràng buộc về công suất truyền tải: </b>
Ràng buộc về công suất truyền tải của đường dây được trình bày như sau:
P<sub>Lf,k</sub> : cơng suất thực của đường dây thứ k và L là số lượng đường dây truyền tải.
<b>2.2.4 Bài toán điều phối kinh tế với hàm chi phí nhiên liệu không trơn: </b>
Các nhà máy phát thường được mơ hình hóa sử sụng hàm chi phí trơn để biểu diễn mối quan hệ giữa công suất phát ra và chi phí sản xuất. Hàm chi phí loại này có ưu điểm là làm đơn giản bài toán điều phối kinh tế và khả năng sử dụng nhiều kỹ thuật áp dụng vào để giải bài toán này. Trong một số trường hợp, biểu diễn dưới dạng bậc hai khơng mơ hình hết được đặc điểm của nhà máy điện, do đó cần mơ hình chính xác hơn để cho kết quả tốt hơn trong việc giải bài toán điều phối kinh tế. Mơ hình chính xác hơn thường có dạng hàm phi tuyến hơn, không trơn và nằm trong miền lõm. Một số ví dụ của hàm chi phí khơng trơn là: hàm chi phí có xét ảnh hưởng điểm van công suất, hàm bậc hai liên tục từng khúc gồm hàm có nhiều loại nhiên liệu và hàm có vùng hoạt động khơng liên tục. Trong đó, hàm chi phí nhiên liệu có xét ảnh hưởng điểm van cơng suất được sử dụng khá phổ biến trên thế giới.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">luận văn thạc sĩ
<b>2.2.4.1 Bài tốn điều phối kinh tế có điểm van cơng suất: </b>
Nhà máy điện thường sử dụng nhiều van để điều khiển công suất phát của nhà máy [16-21]. Trong giai đoạn đầu khi van nạp hơi nước được mở trong nhà máy nhiệt điện, chi phí do tổn hao gia tăng một cách đột ngột làm cho hàm chi phí có độ nhấp nhơ như hình 2. Hiệu ứng này được gọi là điểm van cơng suất. Loại bài tốn này vơ cùng khó giải quyết với những kỹ thuật thơng thường bởi vì tồn tại sự thay đổi đột ngột và không liên tục trong sự gia tăng của hàm chi phí.
<i><b>Hình 2.4 Hàm chi phí nhiên liệu của nhà máy nhiệt điện với điểm van công suất. </b></i>
<b>2.2.4.2 Biểu thức điều phối kinh tế với điểm van công suất: </b>
Điều phối kinh tế với điểm van công suất dùng để cực tiểu chi phí hệ thống (2.8) dựa trên hàm chi phí có xét ảnh hưởng của vị trí van. Vị trí van công suất
<b>thường được mô hình bằng cách thêm hàm sin vào hàm chi phí bậc hai cổ điển </b>
(2.13).
<i>F (P ) </i><i> a </i><i> b P</i> <i> c P</i><small>2 </small><i> d sin</i>
<i>e </i>
<i>P</i><small>min </small><i> P </i>
<i><small>i G</small><sub>i </sub><small>i i G</small><sub>i </sub><small>i G</small><sub>i </sub><small>i i G</small><sub>i </sub><small>G</small><sub>i </sub></i>
(2.13)
<i>Trong đó a<sub>i</sub>, b<sub>i</sub>, c<sub>i</sub>, d<sub>i</sub> và e<sub>i</sub> là hệ số chi phí của nhà máy thứ i. </i>
Biểu thức cơ bản của bài toán này là các vấn đề ràng buộc cân bằng công suất (2.9) và giới hạn máy phát (2.10). Những ràng buộc khác có thể thêm vào tùy thuộc vào mơ hình u cầu. Bài tốn điều phối kinh tế với điểm van cơng suất đã được một số nhà khoa học nghiên cứu. Sheblé và Walters [18] sử dụng GA để giải bài tốn này. Ngồi ra, K. Wong và Y. Wong đã đề xuất cách giải bài toán điều phối
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">luận văn thạc sĩ
kinh tế với điểm van công suất sử dụng GA và giải thuật luyện kim SA (Simulated Annealing). K. Wong cùng với B. Lau và A. Fry [20] đã trình bày phương pháp dùng mạng noron giải bài toán điều phối kinh tế có xét ảnh hưởng của điểm van công suất. Nguyên lý cơ bản của điểm van công suất và hàm chi phí của nó được trình bày trong [16, 17].
<b>2.3 TỔNG QUAN CÁC PHƯƠNG PHÁP ĐÃ ĐƯỢC ÁP DỤNG ĐỂ GIẢI BÀI TOÁN ĐIỀU PHỐI KINH TẾ (ED): </b>
<b>2.3.1 DE ( Differential Evolution ) [22][23] </b>
DE là thuật tốn tiến hóa được đề xuất bởi Storn và Price. Phương pháp này rất hiệu quả trong những bài tốn tối ưu khơng tuyến tính với nhiều ràng buộc. Ưu điểm của DE so với các phương pháp tiến hóa khác là cấu trúc đơn giản và gọn, ít thơng số điều khiển, điểm hội tụ cao. Do khả năng dị tìm tin cậy và mạnh nên nó được ứng dụng trong nhiều lĩnh vực khác nhau như cơ khí, cơng nghệ sinh học, điện tử… Đặc biệt là ứng dụng để giải bài toán ED trong các trường hợp khác nhau. Với bài tốn ED có xét đến điểm van công suất, phương pháp này cho các kết quả tốt hơn so với các phương pháp khác từ trước đến giờ. Sự mạnh mẽ của phương pháp được chứng minh bởi việc thay đổi các nhu cầu phụ tải của bài toán. Với bài toán ED có hàm chi phí bậc hai theo từng đoạn, DE cho ra kết quả tốt hơn các phương pháp truyền thống khác. Đối với các bài tốn có xét đến tổn hao thì DE cho ra kết quả tốt hơn nhiều so với các phương pháp truyền thống khác.
<b>2.3.2 PSO ( Particle Swarm Optimization ) [24][25][26] </b>
Thuật toán PSO được giới thiệu đầu tiên bởi Eberhart và Kennedy. Thuật toán này phỏng đoán hành vi của đàn chim hay đàn cá tìm thức ăn. Mỗi cá thể thay đổi vận tốc và vị trí dựa trên kinh nghiệm của bản thân và kinh nghiệm của cả quần thể. Thuật toán PSO được áp dụng cho nhiều bài toán ELD khác nhau như bài toán điều độ kinh tế đa vùng, bài toán điều độ kinh tế với hàm chi phí gồm nhiều đoạn bậc thang… Phương pháp PSO hội tụ tới điểm tối ưu toàn cục hay gần tồn cục bất kể hình dạng của hàm chi phí như hàm chi phí khơng liên tục, hàm chi phí lồi… Hiệu quả tính tốn và đặc tính hội tụ của phương pháp PSO rất tốt và nó được áp dụng rộng rãi trong nhiều bài toán tối ưu.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">luận văn thạc sĩ
ABC là kỹ thuật thông minh lấy cảm hứng từ hành vi tìm kiếm thức ăn của lồi ong mật. Lý thuyết này lần đầu tiên được phát triển bởi Karaboga năm 2005. Trong tự nhiên bầy ong mật tìm kiếm thức ăn theo quy trình sau: Đầu tiên các ong do thám sẽ được cử đi thăm dò các vùng thức ăn tiềm năng; các ong do thám sẽ di chuyển ngẫu nhiên từ bụi hoa này sang bụi hoa khác; sau đó chúng quay về tổ và thơng tin cho cả bầy về hướng di chuyển, khoảng cách từ tổ đến vùng thức ăn và chất lượng của các vùng thức ăn; những thông tin này sẽ làm cho bầy ong bay đến các vùng thức ăn nhanh chóng và chính xác hơn. Một vấn đề tự nhiên nhưng là điểm trọng tâm cho ý tưởng thuật tốn bầy ong là: Nơi nào có thức ăn dồi dào hơn thì nơi đó sẽ có nhiều ong được cử đến hơn.
<b>2.3.4 HNN ( Hopfield Neuron Network ) [30][31] </b>
HNN là một phương pháp dựa trên mạng Neuron Hopfield để giải bài toán ED. Phương pháp này rất thành công trong việc giải bài tốn ED với hàm chi phí bậc hai theo từng đoạn. HNN có thể áp dụng dễ dàng trong trường hợp số tổ máy lớn. Tuy nhiên, hạn chế của HNN là tốc độ hội tụ của nó rất chậm. Ngồi ra, số vòng lặp lớn và sự dao động là nhược điểm của HNN khi giải các bài toán tối ưu.
<b>2.3.5 ELANN ( Enhanced Lagrangian Artificial Neural Network) [32] </b>
ELANN được áp dụng để giải các bài toán ED với hàm chi phí gồm nhiều đoạn bậc hai và các ràng buộc khơng tuyến tính. Tốc độ hội tụ của ELANN tăng lên bởi việc áp dụng phương pháp động lượng và việc cung cấp các tiêu chuẫn cho sự lựa chọn các thông số tốc độ. Nhược điểm của ELANN là có số vịng lặp lớn và thường dao động trong suốt quá trình quá độ.
<b>2.3.6 HS (Harmony Search) [33] </b>
HS được đề xuất bởi Zong Woo Geem, lấy cảm hứng từ việc nghe nhạc Jazz để sáng tạo nên một thuật toán tối ưu. Việc nhạc sĩ ngẫu hứng chơi một khúc nhạc, bằng cảm quan âm nhạc nhạc sĩ ấy tìm thấy sự hịa hợp của các nốt nhạc và sáng tác nên một khác nhạc cũng giống như ngẫu nhiên tạo ra một phương án cho một bài tốn rồi tìm kiếm trạng thái tốt nhất trong số các phương án đó. Phương pháp HS đã tìm ra mối tương đồng thú vị và đáng kinh ngạc này.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">luận văn thạc sĩ
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">luận văn thạc sĩ
<b>Gravitational Search Algorithm (GSA) là một trong những giải thuật tối ưu mới </b>
nhất được Rashedi đề xuất năm 2009. Như trong [10], các tác giả đã khẳng định, không một giải thuật tối ưu nào là tốt hơn hẳn các phương pháp khác, nên trong chương này sẽ tìm hiểu giải thuật GSA và GSA cải tiến để áp dụng giải điều phối kinh tế.
Người ta có thể nhận ra hai qui luật phổ biến trong thuật toán: thăm dò và khai thác. Các thăm dò là khả năng mở rộng khơng gian tìm kiếm, nơi khai thác là khả năng của việc tìm kiếm một giải pháp tốt. Trong lần lặp đầu, một thuật tốn tìm kiếm tiến hóa khám phá khơng gian tìm kiếm để tìm giải pháp mới. Để tránh bẫy trong một tối ưu hóa địa phương, các thuật tốn phải sử dụng các thăm dị trong vài lần lặp đầu tiên. Do đó, việc thăm dò là một vấn đề quan trọng trong một thuật toán heuristic dựa vào cá thể. Để có một tìm kiếm hiệu suất cao, một chìa khóa quan trọng là một sự cân bằng thích hợp giữa thăm dị và khai thác. Nói cách khác, tất cả các thuật tốn tìm kiếm có một khn khổ chung [10].
Bài tốn điều phối kinh tế (ED) liên quan đến việc lập kế hoạch phát tối ưu của các nhà máy phát điện trong một hệ thống điện nhằm mục đích giảm thiểu tổng chi phí nhiên liệu trong khi đáp ứng nhu cầu phụ tải và hạn chế hoạt động. ED đóng một vai trò quan trọng trong việc lập kế hoạch và kiểm soát việc hoạt động của hệ thống điện hiện đại Trong vài năm qua, một số phương pháp lập trình tốn học cổ điển đã được phát triển để giải quyết ED. Các phương pháp tối ưu cổ điển rất nhạy cảm với điểm khởi đầu và thường xuyên hội tụ về với giải pháp tối ưu hóa địa phương hoặc phân tách hồn tồn. Phương pháp lập trình tuyến tính nhanh chóng và
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">luận văn thạc sĩ
đáng tin cậy nhưng có nhược điểm là cho ra các chi phí gần đúng từng phần theo tuyến tính [17]. Phương pháp lập trình phi tuyến liên quan đến vấn đề hội tụ và độ phức tạp của thuật toán. Gần đây, để các phương pháp thuận tiện hơn cho việc giải quyết các bài tốn tối ưu hóa hiện đại , bài tốn ED được xem như một bài tốn tối ưu hóa khơng trơn. Một thuật tốn tìm kiếm heuristic mới, cụ thể là thuật tốn tìm kiếm hấp dẫn (GSA) dựa trên luật hấp dẫn và các định luật về chuyển động đã được đề xuất bởi Rashedi [10]. Mục tiêu chính của nghiên cứu này nhằm để trình bày việc sử dụng các kỹ thuật tối ưu hóa GSA cho hoạt động kinh tế của hệ thống điện.
Giải thuật tối ưu GSA lần đầu tiên được Rashedi đề xuất năm 2009 [10], giải thuật này lấy cảm hứng từ luật trọng trường của Newton. Trong giải thuật này, các cá thể có đặc tính của chúng được đo bởi các khối lượng. Tất cả các vật thể hấp dẫn nhau bởi lực trọng trường, lực này tạo ra chuyển động của tất cả vật thể và các vật thể có xu hướng dịch chuyển đến các vật thể có khối lượng nặng hơn. Các vị trí của vật thể có khối lượng nặng được xem là những lời giải tốt của bài toán [12].
<i><b>Trong GSA, mỗi vật thể được đặc trưng bởi 4 thông số: vị trí, khối lượng </b></i>
<i><b>quán tính, khối lượng trọng trường chủ động, khối lượng trọng trường thụ động. </b></i>
Trong đó, vị trí của vật thể tương ứng với lời giải của bài toán, khối lượng qn tính và trọng trường được xác định thơng qua tính tốn hàm mục tiêu của vật thể đó. Nói cách khác là mỗi vật thể đại diện cho một lời giải và sau mỗi lần lặp giải thuật sẽ điều chỉnh khối lượng của các vật thể, các vật thể sẽ bị hấp dẫn bởi vật có khối
<i><b>lượng nặng nhất. Vật thể nặng nhất này sẽ biểu thị lời giải tối ưu trong khơng gian </b></i>
tìm kiếm [10].
Trong giải thuật GSA, các vật thể được xem như trong một hệ cách ly, trong đó các vật thể chuyển động theo luật trọng trường và luật chuyển động của Newton. Cụ thể:
<i><b>+ Luật trọng trường: Mỗi phần tử hấp dẫn các phần tử khác và lực trọng </b></i>
trường giữa chúng là tỷ lệ thuận với tích của các khối lượng và tỷ lệ nghịch với khoảng cách giữa chúng,R. Các tác giả đề nghị sử dụng ở đây là R thay vì R<small>2</small>, bởi vì theo những kết quả thí nghiệm, R tạo ra kết quả tốt hơn R<small>2</small> trong tất cả các trường hợp thí nghiệm [10].
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">luận văn thạc sĩ
<i><b>+Luật chuyển động: Vận tốc tức thời của bất cứ vật thể nào bằng tổng của </b></i>
vận tốc trước đó và sự thay đổi vận tốc. Sự thay đổi vận tốc hay gia tốc của vật thể bằng lực tác động lên hệ chia cho khối lượng qn tính [10].
Bây giờ, xét một hệ có N phần tử (agents). Chúng ta định nghĩa vị trí của phần tử thứ i là:
X (x<sup>1</sup>, x <sup>2</sup>..., x<sup>d</sup> ,..., x<sup>n</sup> ) với i = 1,2,…,N (3.1) Trong đó <small>x</small><sup>d</sup>là vị trí của vật thể i theo chiều d.
Tại thời điểm t, ta định nghĩa lực tác dụng lên vật thể i từ vật thể j là: F<sup>d</sup> (t) G(t). <sup>M</sup><sup>pi </sup><sup>(t)xM</sup><sup>aj</sup><sup>(t) </sup>(x<sup>d</sup> (t) x<sup>d</sup> (t)) <sub>(3.2) </sub>
<small>ij </small>
Trong đó:
R<sub>ij</sub>(t)
+ M<sub>aj</sub><i> là khối lượng hấp dẫn chủ động của vật thể j </i>
+ M<sub>pi</sub><i> là khối lượng hấp dẫn thụ động của vật thể i </i>
<i>+ G(t) là hằng số trọng trường tại thời điểm t </i>
<i><b>Trong đó: rand</b></i><sub>j</sub> là một số ngẫu nhiên trong đoạn [0, 1].
Theo luật chuyển động, gia tốc của vật thể i, theo hướng d, ở thời điểm t là <small>d</small> F<sup>d</sup> (t)
<small>a </small><sup>d</sup><small> ( t ) </small>: a (t) <sup>i</sup> (3.5)
M<sub>ii </sub>(t)
<i><b>Trong đó: M</b></i><sub>ii</sub><i> là khối lượng quán tính (inertial mass) của vật thể i. </i>
<i>Ngoài ra, vận tốc thời điểm tiếp theo của một vật thể là một phần của vận tốc </i>
<i>hiện tại cộng thêm gia tốc. Cho nên, vị trí và vận tốc của vật thể ở thời điểm tiếp </i>
theo được tính như sau:
</div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">luận văn thạc sĩ
<i><b>Trong đó: rand</b></i><sub>i</sub> là một biến ngẫu nhiên chuẩn (uniform random variable) trong đoạn [0,1].
<i><b>Hình 3.1 Lực và gia tốc tương tác lên vật thể 1 do các vật thể khác sinh ra [10]. </b></i>
Thuật tốn tìm kiếm dựa vào số lượng cá thể phải vượt qua ba bước trong mỗi lần lặp để nhận ra các khái niệm về thăm dị và khai thác: tự thích ứng, hợp tác và cạnh tranh. Trong tự thích ứng bước, mỗi thành viên (agent) cải thiện hiệu quả của nó. Trong bước hợp tác, các cá thể cộng tác với nhau bằng cách truyền tải thông tin. Cuối cùng, ở bước cạnh tranh, các thành viên cạnh tranh để tồn tại. Những bước này có các hình thức thường ngẫu nhiên, và có thể được thực hiện theo những cách khác nhau [10].
<i><b>Hằng số trọng trường G, được khởi tạo lúc bắt đầu và sẽ bị giảm dần theo </b></i>
thời gian để điều khiển độ chính xác tìm kiếm (search accurary). Nói cách khác, G là một hàm của giá trị ban đầu G<sub>0</sub> và thời gian t :
G(t) = G(G<sub>0</sub>, t). (3.8)
<i><b>Khối lượng quán tính và trọng trường được tính tốn đơn giản nhờ đánh giá </b></i>
giá trị hàm mục tiêu (fitness evaluation). Khối lượng càng nặng nghĩa là vật thể càng hiệu quả trong việc làm lời giải. Điều này nghĩa là khối lượng tốt hơn có lực
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">luận văn thạc sĩ
<small>N </small>
<i>tính và trọng trường bằng nhau, giá trị của các khối lượng được tính thơng qua giá </i>
<i>trị hàm mục tiêu. Chúng ta cập nhật các khối lượng quán tính và trọng trường bởi </i>
+ fit<small>i(t) là giá trị fitness của vật thể i tại thời điểm t. </small>
+ worst(t), best(t) được định nghĩa (trong bài tốn tìm Min) như sau :
<small>best( t) min fit j ( t), j 1..N worst( t) maxfit </small><sub>j </sub><small>( t), j 1..N </small>
(3.12) (3.13)
<i>Để tránh việc kẹt ở cực trị địa phương thì ban đầu giải thuật sẽ thực hiện việc </i>
mở rộng khơng gian tìm kiếm (exploration). Dần dần theo các lần lặp về sau giải thuật giảm khả năng exploration và tăng khả năng phân tích - exploitation [10].
Để cải thiện hiệu suất của GSA nhờ điều chỉnh khơng gian tìm kiếm và tốc
<i>độ tìm kiếm chỉ có những vật thể trong tập Kbest mới hấp dẫn những vật thể khác. </i>
Số lượng các vật thể trong Kbest một phụ thuộc vào thời gian (số lần lặp), ban đầu có giá trị khởi tạo K<sub>0</sub> và giảm dần theo thời gian. Ví dụ, lúc đầu tất cả các vật thể đều tác dụng lực lên nhau, và sau đó thì Kbest giảm dần dần, đến lần lặp cuối còn lại một số vật thể nặng nhất tác dụng lực đến các vật thể khác [10]. Cho nên phương trình (3.4) có thể được chỉnh sửa lại là:
</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">luận văn thạc sĩ
<i><b>Hình 3.2 Nguyên lý của giải thuật GSA [10]. </b></i>
<i><b>Bước 1- Khởi tạo vị trí các vật thể </b></i>
Khởi tạo một tập hợp các vật thể có vị trí ngẫu nhiên trong khơng gian bài tốn D chiều sử dụng hàm phân bố xác suất. Để làm điều này GSA xem hệ thống N phần tử , vị trí thứ i được định nghĩa như (3.15) sau:
X
(3.15)
(x
<sup>1</sup>, x
<sup>2</sup>..., x
<sup>d</sup>,..., x
<sup>n</sup>)
với i = 1,2,…,N.Ở đây x<sub>i</sub><small>d</small> là vị trí của vật thể i theo chiều d và D là số chiều không gian.
<i><b>Bước 2: Đánh giá hàm mục tiêu của các vật thể. </b></i>
<i><b>Bước 3: Cập nhật G(t), best(t), worst(t), Mi(t) đối với i=1...N: </b></i>
Trong GSA, hằng số trọng trường G, lúc đầy lấy một giá trị khởi tạo G<sub>0</sub>, sau đó sẽ được giảm dần theo thời gian:
</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">luận văn thạc sĩ
worst(t) min fit <sub>j </sub>(t), j 1..N
<i><b>Bước 4: Tính toán lực tổng hợp theo các hướng khác nhau: </b></i>
(3.19) (3.20)
Lực tổng hợp của tập các vật thể có khối lượng nặng hơn sẽ tác dụng lên vật thể i được tính dựa vào lực trọng trường:
+ rand<sub>j</sub> là giá trị ngẫu nhiên từ [0,1]
+ ε là một số nhỏ và Rij(t) là khoảng cách Euclidian giữa 2 vật thể i và j + Kbest là tập hợp các phần tử có khả năng tác dụng lực lên các phần tử cịn
<i><b>Bước 5: Tính tốn gia tốc và vận tốc: </b></i>
Gia tốc của vật thể được tính nhờ luật chuyển động
<i>Trong đó rand<sub>j</sub> là số ngẫu nhiên trong đoạn [0,1] </i>
Vận tốc mới của vật thể bằng vận tốc cũ của vật thể cộng gia tốc:
</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">luận văn thạc sĩ
Lặp lại từ bước 2 đến bước 6 đến khi gặp điều kiện dừng, thường điều kiện dừng là hàm mục tiêu đủ tốt hoặc số lần lặp đến tối đa.
+ Do mỗi phần tử có thể quan sát đặc tính của các phần tử khác, cho nên lực trọng trường là công cụ truyền thông tin.
+ Do lực này tác dụng lên mỗi phần tử từ các phần tử lân cận, nên nó có thể quan sát được khơng gian xung quanh nó.
+ Một vật thể nặng có bán kính tương tác hiệu quả lớn vì thế nó có cường độ hấp dẫn mạnh. Cho nên các vật thể có hiệu quả cao hơn thì có khối lượng trọng trường lớn hơn. Kết quả là các vật thể có khuynh hướng di chuyển về phần tử tốt nhất.
+ Khối lượng quán tính của vật thể đặc trưng cho sự chống lại sự chuyển động và làm cho sự chuyển động của vật thể chậm. Vì vậy, vật thể có khối lượng qn tính lớn sẽ chuyển chậm lại giúp cho việc tìm kiếm địa phương tốt hơn.
+ Hằng số trọng trường hiệu chỉnh độ chính xác tìm kiếm, cho nên nó được giảm theo thời gian.
+ GSA là giải thuật không cần nhớ, tức là nó cập nhật vận tốc, vị trí dựa trên thông tin của hiện tại của vật thể. Điều này khác với PSO là cần thông tin quá khứ của cá thể là Pbesti, G<small>best. Tuy nhiên GSA lại làm việc hiệu quả giống như giải thuật </small>cần nhớ.
+ Trong giải thuật này, tác giả giả sử khối lượng quán tính và khối lượng trọng trường là một. Tuy nhiên, ở một số bài tốn khác nhau thì chúng có thể được sử dụng. + Khối lượng quán tính lớn sẽ làm vật thể di chuyển chậm cho nên tăng độ chính xác tìm kiếm, ngược lại, khối lượng trọng trường lớn sẽ hấp dẫn các vật thể khác mạnh khiến cho tốc độ hội tụ nhanh.
Ta biết rằng, một giải thuật stochastic search optimization (tối ưu hóa tìm kiếm ngẫu nhiên) thì giai đoạn đầu phải exploration (mở rộng khơng gian tìm kiếm) cịn giai đoạn sau là exploitation (tìm kiếm chi tiết). Việc lựa chọn cá tham số điều khiển của giải thuật tác động trực tiếp đến các quá trình này, cho nên cần lựa chọn
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">luận văn thạc sĩ
<b>3.4.2 Hệ số suy giảm α : </b>
Hằng số trọng trường G0 quyết định việc exploration, nhưng giai đoạn này kéo dài lâu hay mau thì phụ thuộc vào hệ số α. Khi α càng lớn thì tốc độ suy giảm G càng lớn, điều này có nghĩa là giai đoạn exploration nhanh chóng, cịn Explotation dài hơn, và ngược lại khi α nhỏ thì tốc độ suy giảm G chậm, exploration chậm, còn exploration nhanh. Chọn một giá trị α phù hợp sẽ quyết định đến chất lượng tìm kiếm.
<b>3.4.3 Số cá thể trong tập hợp N: </b>
Hai thông số G<sub>0</sub>, α ảnh hưởng đến việc exploration, exploitation theo cách khác với tham số N ảnh hưởng. Việc phân bố N phần tử ban đầu của việc tìm kiếm được nhiều bài báo nghiên cứu, nó ảnh hưởng đến chất lượng tìm kiếm và nhất là thời gian tìm kiếm. Thời gian tìm kiếm phụ thuộc vào thời gian tính tốn, khi số cá thể tăng lên thì số lượng phép tính tăng lên nhiều lần. Đối với một giải thuật thì việc tăng số lượng cá thể lên cũng khơng cải thiện được nhiều đối với chất lượng lời giải trong khi đó thời gian tính tốn tăng lên nhiều.
Mặc dù thực tế rằng GSA vẫn là một thuật toán gần đây, sự phát triển của các nghiên cứu liên quan GSA đã được hứa hẹn. Tại thời điểm viết bài, có những biến thể khác nhau của GSA mà đã được phát triển và các thuật toán đã được áp dụng trong việc giải quyết vấn đề khác nhau như trong xử lý ảnh, phân loại, phân
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40">luận văn thạc sĩ
nhóm, tối ưu hóa mạng đa mục tiêu, mơ hình bộ lọc, thiết kế bộ điều khiển,. Dựa trên đánh giá, có thể thấy rằng GSA sẽ được ứng dụng rộng rãi trong việc giải quyết các vấn đề kỹ thuật đặc biệt là các vấn đề liên quan đến hệ thống điện và thiết kế bộ điều khiển.
Các biến thể GSA khác nhau đã được đề xuất để khắc phục những điểm yếu của GSA. Dựa trên các tài liệu, các GSA ban đầu có một số điểm yếu như sử dụng các toán phức tạp và thời gian tính tốn lâu dài [38]. GSA cũng bị từ tốc độ tìm kiếm chậm trong các lần lặp cuối cùng [39]. Một vấn đề khác là khó khăn cho việc lựa chọn thích hợp của tham số hằng số hấp dẫn, G. Tham số điều khiển tìm kiếm chính xác và khơng đảm bảo một giải pháp hoàn hảo ở tất cả các mốc thời gian [40]. Mặc dù có những điểm yếu, GSA đã được chấp nhận rộng rãi do nó dễ dàng thực hiện và khả năng giải quyết vấn đề tối ưu hóa của hệ thống kỹ thuật phi tuyến phức tạp [41]. Các nghiên cứu đã chỉ ra rằng GSA có thể thực hiện hiệu quả về thời gian tính tốn của CPU và cho ra kết quả phù hợp hơn với độ chính xác cao hơn [42]. GSA đã được chứng minh để làm tốt hơn tối ưu hóa khác các thuật toán như PSO về tốc độ hội tụ và tránh được các cực tiểu địa phương [39] và có thể tạo ra giải pháp chất lượng tốt hơn trong thời gian tính tốn ngắn và đặc tuyến hội tụ ổn định hơn so với PSO và GA [40].
Xét về phạm vi của các ứng dụng, vẫn còn nhiều lĩnh vực có thể ứng dụng được GSA. Nó được quan sát thấy rằng ứng dụng GSA chưa thâm nhập nhất định vào các lĩnh vực như tài chính, kinh tế, quân sự và các lĩnh vực y tế. nhiều nghiên cứu nên được thực hiện bởi cộng đồng khoa học để kiểm tra khả năng GSA trong các lĩnh vực. Do đó, trong những năm tới, dự kiến sẽ có nhiều chủ đề được nghiên cứu dựa trên GSA trong nhiều lĩnh vực đa dạng hơn.
fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf
<small> gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf </small>
</div>
