Áp dụng phương pháp PSO cải tiến cho bài toán phân bố công suất tối ưu với ràng buộc an ninh

1

LỜI MỞ ĐẦU
Ngày nay, trong quá trình tái cơ cấu ngành điện, đang từng bước chuyển
sang thị trường tự do cạnh tranh mua bán điện. Trên phương diện đó, các nhà sản
xuất điện luôn hoạch định cho mình một chiến lược về phương thức giá cả miên yết
lên thị trường, tạo điều kiện thuận lợi cho các nhà đầu tư và thích hợp với hộ tiêu
thụ điện. Như đã biết, giá điện được hình thành từ các chi phí sản suất, truyền tải và
dịch vụ. Trong bài toán truyền tải, các nhà sản xuất cần đưa ra phương án tối ưu
nhất cho bài toán truyền tải hay được gọi là tối ưu phân bố công suất (OPF). Từ
nhiều ràng buộc về công suất phát, giới hạn truyền tải và nhu cầu phụ tải, tổn thất
đường truyền. Tất cả các yếu tố đó được xem xét trên hai trường hợp cơ sở và ràng
buộc anh ninh truyền tải hay chính là độ tin cậy hệ thống.
Thông thường, trong bài toán phân bố công suất, các biến điều khiển, các
hàm mục tiêu dường như đã biết trước. Trong một OPF, các giá trị của một số biến
hoặc tất cả cần phải được biết để giảm tối thiểu hoặc tăng tối đa một mục tiêu cần
phải được biết trước. Ví dụ: Trên cơ bản chúng ta luôn biết rằng nếu không có gì
xảy ra (sự cố máy phát, đường truyền, máy biến áp…thay đổi chi phí giá nhiên liệu,
chi phí dịch vụ…), thay đổi phụ tải tăng hoặc giảm bất thường thì mọi thứ dường
như được cho ra một đáp án chính xác như yêu cầu. Nhưng nếu ngược lại, bài toán
cần đặt ra cho tình huống này làm sao có thể dự báo được một cách nhanh nhất,
chính xác nhất, rủi ro ít nhất, chi phí thấp nhất để nhằm tăng cường sự linh hoạt và
đảm bảo độ tin cậy. Điều này, OPF trở thành công cụ đắc lực cho việc xác định
những tình huống rủi ro có thể xảy ra, giúp tăng cường hỗ trợ điểm suy yếu, nên
hoặc không nên loại bỏ những hợp đồng song phương không có lợi, hoặc cắt giảm
công suất truyền tải trên đường dây do ràng buộc giới hạn truyền tải, hoặc cắt giảm
công suất máy phát nào đó (có thể do liên quan đến phát sinh chi phí nhiên liệu) …
v.v. OPF có khả năng đáp ứng được nhiều yêu cầu từ an ninh hệ thống, công suất
phát, chi phí đầu tư đến dịch vụ thương mại điện. Chất lượng của các giải pháp phù
thuộc vào độ chính xác của mô hình sử dụng. Bản chất của OPF là xác định đúng
mục tiêu đề ra ban đầu.

Trải qua nhiều thế hệ phát triển ứng dụng bài toán OPF truyền thống làm cơ
sở vững chắc cho sự hình thành và phát triển tốt hơn các giải pháp sau này. OPF
không ngừng phát triển dựa trên các giải thuật toán học, các lý thuyết hiện đại và sự
bổ trợ của máy tính, giúp cho bài toán OPF chính xác và nhanh hơn trong các
trường hợp. Phương pháp truyền thống hay còn phương pháp thông thường đã được
sử dụng để giải quyết bài toán OPF một cách hiệu quả. Tuy nhiên nó bị ràng buộc
bởi quá nhiều phương pháp lập trình toán học, cũng đồng thời chưa thể giải quyết


2

triệt để hết các phương diện khác nhau của OPF. Do đó, các phương pháp thông
minh khác như: Phương pháp EP (Evolutionary programming), Phương pháp AM
(Ant Manners), Phương pháp DE (Differential Evolution), Phương pháp GA
(Genetic Algorithm), Phương pháp ACO (Ant Colony Optimization), Phương pháp
TS (Tabu Search), Phương pháp SA (Simulated Annealing), phương pháp PSO
(Particle Swarm Optimal), được đưa ra để nâng cao vị thế của OPF.
Đối với thuật toán PSO có những ưu điểm nổi bật như là:tốc độ hội tụ nhanh
chóng, có thể được thực hiện đơn giản đối với việc điều chỉnh tham số ít hơn, dễ
dàng đối phó với những hàm mục tiêu không lồi và không vi phân được, có tính
linh hoạt để kiểm soát sự cân bằng giữa khảo sát địa phương và toàn cục của vùng
khảo sát. Từ đó nó được phát triển lên một cấp cao hơn với nhiều ưu việt hơn ở giải
thuật “PSO cải tiến” trong việc giải quyết bài toán OPF.
Ý tưởng áp dụng “PSO cải tiến” được dự kiến thực hiện trong luận văn là
dạng kết hợp giữa thuật toán tối ưu bầy đàn với hệ số co và kỹ thuật gradient giả để
tăng cường đẩy mạnh quá trình hội tụ. Trong đó, kỹ thuật gradient giả sẽ định
hướng sự chuyển động của các cá thể theo hướng tích cực để chúng có thể di
chuyển nhanh chóng đến kết quả tối ưu, cải thiện tốc độ tính toán, áp dụng trong
việc giải quyết bài toán OPF có ràng buộc an ninh.

3

CHƯƠNG 1: GIỚI THIỆU CHUNG
1.1. Đặt vấn đề
Trong tình hình thế giới hiện nay đang phải đối mặt với nhiều vấn đề khó
khăn của xã hội nào là vấn đề thiếu lương thực, y tế, khủng hoảng năng lượng (đặt
biệt là năng lượng điện)… do sự gia tăng dân số quá nhanh, từ đó hệ thống điện
cũng liên tục được mở rộng. Như chúng ta biết năng lượng điện gần như không thể
dự trữ được do đó bài toán sử dụng năng lượng điện như thế nào tiết kiệm nhất và
hiệu quả nhất nhằm đảm bảo cung cấp điện tin cậy cho quá trình sản xuất của xã hội
đã trở thành vấn đề nóng bỏng mà các nhà khoa học đã, đang và sẽ tiếp tục nghiên
cứu để tìm ra phương pháp tối ưu nhất để giải quyết bài toán này.
Trong quá trình vận hành hệ thống điện, bài toán phân bố công suất tối ưu
(OPF) được thành lập để giám sát, đánh giá những biểu hiện của hệ thống dựa trên
những lập định cơ bản sẵn có. Trong hệ thống máy phát, truyền tải và phân phối
luôn luôn có những thời điểm hệ thống điện làm việc trên chế độ cơ bản hoặc bất
thường. Với vai trò là những người vận hành viên, chúng ta cần có những biện pháp
điều chỉnh thông số hệ thống điện thích hợp có thể làm thay đổi trào lưu công suất
và làm giảm quá tải cho một số đường dây hoặc ngăn ngừa, cảnh báo an ninh hệ
thống điện. Việc sử dụng hiệu quả và tối ưu các nguồn cung cấp là một vấn đề cấp
thiết các nhà nghiên cứu rất quan tâm.
1.2. Tính cấp thiết của đề tài
Trong quá trình vận hành của một hệ thống điện, tầm quan trọng tương đối
cho các hoạt động kiểm soát phòng ngừa và khắc phục sẽ phụ thuộc vào các chính
sách lập kế hoạch, hoạt động của Công Ty Điện Lực, theo vốn và chi phí vận hành
cung cấp một cách an ninh, xác suất và hiệu quả của kế hoạch dự phòng mất điện.
Điều này nhằm đảm bảo tính an toàn, ổn định hệ thống nâng cao chất lượng truyền
tải phân phối điện trong tình hình phát triển ngành điện quốc gia hiện nay.

4

Ngày nay, xu hướng cho các trung tâm điều khiển hiện đại với tối ưu đường
dây truyền tải điện, linh hoạt phân bố tải là được trang bị với giám sát an ninh ổn
định, cho điểm vận hành hệ thống hiện tại hoặc ngoại suy đánh giá các tác động
khách quan. Như là một yêu cầu và là phương tiện để tăng độ chính xác cao hơn
cho giám sát an ninh điện.
Trên cơ sở những tham số, những biến số, hàm mục tiêu của hệ thống điện
được OPF đưa ra một thông điệp đến nhà hoạch định kế hoạch vận hành nhà máy,
chiến lược của nhà đầu tư mua bán điện một cách có hiệu quả nhất trên trường hợp
cơ sở cũng như sự cố. Thông qua OPF để có thể tự động đánh giá hoặc can thiệp
kiểm soát hệ thống điện một cách trung thực như là liên quan đến công suất phát, bù
công suất kháng, điều chỉnh tỉ lệ nấc máy biến áp, chi phí nhiên liệu… Điều này
giúp người vận hành kịp thời đánh giá được mức độ tin cậy hệ thống điện cũng như
đánh giá cấp độ an ninh. Giám sát an ninh truyền các thông tin liên quan đến các kỹ
sư điều khiển, sau đó người này phải quyết định có nên tham gia hành động phòng
ngừa, hoặc dựa vào sự kiện để khắc phục hành động.
Phần mềm hỗ trợ truy cập nhanh chóng có thể được cung cấp để hỗ trợ các
quyết định, trong trường hợp không giải quyết rõ ràng bởi các quy tắc vận hành
hoặc kinh nghiệm của kỹ sư. Những hỗ trợ cũng có thể thực hiện một chức năng
quan trọng là “học tập”, theo đó các quy tắc và kinh nghiệm có thể được tăng
cường. Một trong những hỗ trợ đó là một chương trình dựa trên phương pháp PSO
để cải thiện OPF.
1.3. Mục tiêu của đề tài
Bài toán phân bố công suất tối ưu (OPF) đã có lịch sử phát triển từ rất lâu nó
có ý nghĩa vô cùng quan trọng trong quy hoạch và điều khiển hệ thống điện. Tuy
nhiên cho đến nay nhiều vấn đề liên quan đến bài toán OPF vẫn còn đang trong quá
trình nghiên cứu và hoàn thiện chẳng hạn như sự đảm bảo tính hội tụ đến lời giải tối
ưu đối với bài toán OPF không lồi dạng tổng quát cũng như độ tin cậy của thuật

toán mà các phương pháp cổ điển và hiện tại chưa giải quyết triệt để được. Bài toán


5

phân bố tối ưu công suất có ràng buộc an ninh (SCOPF) là sự kết hợp hoàn hảo
trong việc giải quyết những vấn đề trái ngược như: tối đa lợi nhuận, vận hành an
toàn và tăng cường an ninh.
Bên cạnh đó, với sự phát triển mạnh mẽ của khoa học máy tính, nhiều
phương pháp tính toán tối ưu dựa trên trí tuệ nhân tạo hay mô phỏng các mô hình
tương tác xã hội cũng đang có nhiều thành tựu nổi bật. Đáng chú ý trong những
phương pháp đó, phương pháp tối ưu bầy đàn là thuật toán tối ưu đang được nghiên
cứu và cải tiến mạnh mẽ trong thời gian gần đây.
1.4. Phạm vi áp dụng của đề tài
Nghiên cứu phương pháp tối ưu bầy đàn dựa trên sự kết hợp của phương
pháp này và khái niệm gradient giả để giải quyết bài toán phân bố công suất có xét
đến điều kiện ràng buộc an ninh khi xảy ra sự cố hư hỏng thiết bị hoặc sữa chữa
đường dây tốn nhiều thời gian.
Áp dụng cho bài toán phân bố công suất tối ưu trong điều kiện hệ thống điện
là hệ thống 3 pha cân bằng và đang hoạt động ở chế độ xác lập. Các mô hình nhà
máy điện là những nhà máy nhiệt điện với hàm chi phí là dạng hàm bậc 2.
1.5. Giá trị thực tiễn của đề tài
Đề tài thực hiện nghiên cứu trong bối cảnh ngành điện Việt Nam đang phát
triển thị trường điện cạnh tranh. Do đó, hướng nghiên cứu này chỉ ra cho thấy
những quyền lợi cũng như những ràng buộc hình phạt đối nhà đầu tư cũng như nhà
cung cấp được dự báo trước về chi phí đầu tư, vận hành hệ thống khi có sự cố
đường truyền. Nó góp phần nâng cao ứng dụng giải quyết vấn đề tối ưu phân bố
công suất trong các tình huống, nâng cao khả năng dự trù giá nhiên liệu cơ bản, giá
bán thị trường điện…
1.6. Kết cấu của đề tài

Kết cấu đề tài được thực hiện gồm 5 chương:
Chương 1: Giới thiệu chung


6

Chương 2: Giới thiệu bài toán phân bố công suất tối ưu có ràng buộc an ninh
Chuong 3: Giới thiệu về phương pháp tối ưu bầy đàn và giải pháp tối ưu bầy đàn cải
tiến
Chương 4: Áp dụng phương pháp tối ưu bầy đàn cải tiến giải quyết bài toán
Chương 5: Tổng kết


7

CHƯƠNG 2: GIỚI THIỆU BÀI TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU CÓ
RÀNG BUỘC AN NINH
2.1. Giới thiệu tổng quan về bài toán phân bố công suất tối ưu
Trong một OPF, các giá trị của một số hoặc tất cả các biến cần phải được
kiểm soát nhằm tìm ra phương pháp tối ưu hoá có thể là giảm thiểu nhỏ nhất hoặc
tối đa hoá lớn nhất một cách khách quan. Đó là một định nghĩa vô cùng quan trọng
và thích hợp cần đưa ra ngay từ đầu nhằm làm sáng tỏ mọi vấn đề từ lúc bắt đầu.
Chất lượng của các giải pháp phụ thuộc vào độ chính xác và nhanh nhất của mô
hình nghiên cứu. Mục tiêu phải được mô hình và đáp ứng thực tiễn với các giải
pháp có thể.
Hàm mục tiêu với nhiều hình thức như chi phí nhiên liệu, tổn thất đường
truyền và phân bổ nguồn công suất kháng. Thông thường hàm mục tiêu quan tâm là
giảm thiểu tổng sản lượng chi phí của các đơn vị phát điện theo lịch trình. Điều này
được sử dụng phổ biến nhất vì nó phản ánh giá thị trường một cách hiện thực và chi
phí luôn là vấn đề quan trọng nhất trong các chỉ số yêu cầu hoạt động của hệ thống

điện.
OPF nhằm mục đích tối ưu hoá một mục tiêu nhất định, tùy thuộc vào mạng
lưới dòng chảy công suất, hệ thống điều hành và giới hạn thiết bị. Các điều kiện tối
ưu đạt được bằng cách điều chỉnh các biến điều khiển có sẵn của hàm mục tiêu
nhằm giảm thiểu tùy thuộc vào điều kiện vận hành và yêu cầu an ninh.
Một vài vấn đề phổ biến có thể được xác định như sau:
Công suất tiêu thụ:
-

Phát đi kinh tế: chi phí thấp nhất, tổn thất phát MW hoặc tổn thất đường
truyền.

-

Môi trường phát đi.

-

Công suất chuyển đổi tối đa.


8

Công suất kháng:
MW và MWAr tổn thất tối thiểu.
Mục tiêu chung:
-

Độ lệch tối thiểu từ một mục tiêu đặt ra.

-

Kiểm soát thay đổi nhỏ nhất để hạn chế vi phạm.

-

Kiểm soát.

Trong số trên các mục tiêu sau đây là được sử dụng phổ biến nhất:
-

Nhiên liệu hoặc tối ưu hoá cho phí công suất tiêu thụ.

-

Tổn thất công suất tiêu thụ thấp nhất.

-

Giảm thiểu chi phí bù công suất kháng Var.

Các mô tả toán học của vấn đề OPF được trình bày sau đây:
2.1.1. Hàm mục tiêu cho chi phí nhiên liệu tối thiểu của OPF
Vấn đề OPF được xây dựng như là một vấn đề tối ưu hoá như sau:
Hàm tổng chi phí nhiên liệu máy phát có dạng hàm bậc hai được viết như
sau:
(2.1)
Hàm mục tiêu được viết như sau:
(2.2)
Tùy thuộc vào sự đáp ứng của các đẳng thức phi tuyến có ràng buộc cơ sở và

sự cố
(2.3)

Và bất đẳng thức có ràng buộc cơ sở và sự cố


9

(2.4)

(2.5)
(2.6)
Trong đó, là tổng hàm chi phí, là mục tiêu vô hướng, là đẳng thức phi
tuyến ràng buộc (phương trình dòng chảy công suất), là bất đẳng thức phi tuyến
ràng buộc của véc tơ tham số (điều kiện vận hành hệ thống) và R = 1,…,N là số sự
cố cần tính toán.
Véc tơ x chứa biến trạng thái bao gồm:
-

Độ lớn điện áp thanh cái và góc pha.

-

MVAr của máy phát được chỉ định cho điều khiển điện áp tại thanh cái.

-

Các thông số cố định cũng như góc tham chiếu tại thanh cái.

-

Không điều khiển được công suất MW và MVAr đầu ra của máy phát.

-

Không điều khiển được công suất MW và MVAr đầu ra của tải.

-

Điện áp thanh cái và thông số đường dây cố định.

Véc tơ u chứa các biến điều khiển bao gồm:
-

Công suất tác dụng và kháng của máy phát.

-

Pha – góc lệch.

-

Sa thải tải MW và MVAr,

-

Truyền tải dòng công suất DC.

-

Cài đặt điều khiển điện áp, đầu phân áp máy biến áp T.

Đẳng thức và bất đẳng thức ràng buộc:
-

Giới hạn trên và dưới tất cả các biến điều khiển.

-

Phương trình dòng chảy công suất.

-

Cân bằng công suất phát và phụ tải.

-

Giới hạn dòng chảy nhánh (MW, MVAr, MVA).


10

-

Giới hạn điện áp thanh cái.

-

Giới hạn dự trữ công suất tiêu thụ và kháng.

-

Giới phát MVAr.

2.1.2. Hàm mục tiêu cho chi phí nhiên liệu tối thiểu của OPF có ràng
buộc
Giả sử trong một mạng lưới IEEE 30 nút, có 6 máy phát kết nối với 30 thanh
cái. Cho một hệ thống phụ tải nhất định, tổng chi phí phát thấp nhất có thể được
xem xét.
Những đẳng thức ràng buộc được trình bày bởi phương trình dòng chảy công
suất:
(2.7)
(2.8)
Với:
(2.9)
(2.10)
(2.11)
Và phương trình cân bằng phụ tải
(2.12)
Những bất đằng thức ràng buộc đại diện cho giới hạn tất cả các biến, ràng
buộc dòng chảy công suất:
, i = 1,…, N

(2.13)

, i = 1,…,

(2.14)

, i = 1,…,

(2.15)


11

, l = 1,…,

(2.16)

, l = 1,…,

(2.17)

i, j là số nút của dường dây l
, i = 1,…,

(2.18)

, k = 1,…,

(2.19)

(2.20)
Bất đẳng thức 2.19 đại diện cho ràng buộc giới hạn phân áp đầu biến áp.
2.1.3. Hàm mục tiêu tổn thất công suất tối thiểu của OPF
Hàm mục tiêu tối thiểu được đưa ra bởi tổng tổn thất đường dây,
(2.21)
Tổn thất từng đường dây có thể được biểu diễn bởi điện áp và góc pha như
sau:

(2.22)
Hàm mục tiêu có thể được viết lại như sau:
(2.23)
2.1.4. Hàm mục tiêu tổn thất công suất tối thiểu của OPF có ràng buộc
Có thể điều khiển được số lượng lớn các máy phát MW, điều khiển được độ
lớn điện áp, công suất kháng cấp vào từ công suất nguồn và đầu phân áp máy biến
áp. Mục tiêu ở đây là giảm thiểu tổn thất đường truyền tải bằng cách tối ưu điều
khiển các biến trong giới hạn của nó. Do đó, không có vi phạm nào khác xảy ra về
số lượng trong điều kiện vận hành bình thường (công suất tổn thất trên đường dây


12

MVA, độ lớn điện áp tại thanh cái, công suất phát MVAr). Đây là những ràng buộc
trong hệ thống bởi những đẳng thức và bất đẳng thức sau:
-

Đẳng thức ràng buộc cho bởi phương trình (2.7) – (2.12).

-

Bất đẳng thức ràng buộc cho bởi phương trình (2.13) – (2.20).

2.1.5. Mục tiêu và yêu cầu của OPF
Mục tiêu:
Hiện nay các chương trình thương mại, OPF có thể giải quyết rất nhiều các
vấn đề rộng lớn và phức tạp trong bài toán tối ưu một cách ngắn nhất. Một vài giải
pháp khác nhau có thể được đề nghị để giải quyết vấn đề OPF.
Thông thường, trong bài toán phân bố công suất, các biến điều khiển dường
như đã biết trước. Trong một OPF, các giá trị của một số biến hoặc tất cả cần phải

được biết để giảm tối thiểu hoặc tăng tối đa một mục tiêu cần phải được biết trước.
Tính toán OPF có được nhiều ứng dụng trong hệ thống điện, thời gian điều khiển
thực, kế hoạch ngắn hạn và kế hoạch hoạt động dài hạn. OPF được sử dụng nhiều
trong vấn đề quản lý năng lượng hiện đại.
OPF tiếp tục khẳng định sự phát triển lớn mạnh trong hệ thống và liên kết hệ
thống. Ví dụ, OPF trở nên là một công cụ thiết thực trong việc trợ giúp thông tin
quyết định loại bỏ một hợp đồng song phương không có lợi hoặc tăng cường hỗ trợ
trong trong việc đạt đến một thoả thuận yêu cầu tốt nhất. Nó làm sáng tỏ trong việc
tùy chọn khả năng kiểm soát và thiết lập công suất phát hoặc truyền tải đối với công
tác quyết định thay mới các thiết bị hệ thống. Vấn đề ưu tiên của quyền truyền tải
và giá Var hoặc tính toán các chi phí phụ để chấp nhận giá mua hoặc bán được thực
hiện bằng OPF.
Mục tiêu chính của OPF là giảm chi phí thoả mãn nhu cầu phụ tải của một hệ
thống trong khi vẫn duy trì được sự an toàn của hệ thống. Từ quan điểm của OPF,
việc duy trì an ninh hệ thống đòi hỏi mỗi thiết bị trong hệ thống phải được làm việc
ở trạng thái ổn định. Điều này bao gồm công suất phát ra của máy phát là tối thiểu


13

hoặc tối đa, tối đa công suất MVA trên đường dây truyền tải và máy biến áp cũng
như giữ cho điện áp thanh cái ở phạm vi quy định.
Mục tiêu thứ hai của OPF là xác định dữ liệu giá biên. Dữ liệu giá biên này
có thể đánh giá chi phí giao dịch MW cũng như giá các dịch vụ hỗ trợ. OPF có khả
năng thực hiện tất cả các chức năng điều khiển cần thiết cho hệ thống điện. Trong
khi thông báo kinh tế của một hệ thống điện không điều khiển được công suất MW
phát ra, OPF điều khiển nấc máy biến áp và chuyển đổi góc pha tốt hơn. OPF cũng
theo dõi bất thường của hệ thống bao gồm các vấn đề quá tải, quá áp hoặc thấp áp.
Nếu bất kỳ một vấn đề bất thường nào của hệ thống xuất hiện, OPF sẽ kiểm soát sự
thay đổi đó để giải quyết chúng, lập tức thiết lập cảnh báo loại bỏ đường truyền quá

tải đó.
Chất lượng của các giải pháp phụ thuộc vào độ chính xác của mô hình sử
dụng. Bản chất của nó là xác định đúng mục tiêu đề ra ban đầu. Không có cùng lúc
hai hệ thống điện với cùng các thiết bị phụ được yêu cầu hoạt động. Các mô hình
OPF hiện tại cho phép dễ dàng phát triển, tùy chỉnh đưa đến các giải pháp khác
nhau trong từng trường hợp nghiên cứu.
Yêu cầu:
Yêu cầu của công cụ OPF ngày càng gia tăng để đánh giá trạng thái cũng
như khuyến cáo các hành động kiểm soát cho cả hai trạng thái nghiên cứu on-line
và off-line kể từ khi nghiên cứu được trình bày vào những năm thập niên 1960. Lực
đẩy cho OPF giải quyết vấn đề của ngành công nghiệp phi điều tiết hiện nay và vấn
đề không giải quyết được trong ngành công nghiệp hợp nhất theo chiều dọc đã đặt
ra yêu cầu lớn hơn trong việc đánh giá khả năng và tồn tại của OPF.
Một vài yêu cầu trước khi OPF đặt ra khi trả lời được liệt kê như sau:
-

Bởi vì việc xem xét một số lượng lớn các hạn chế và các mô hình toán
học phi tuyến OPF đặt ra một yêu cầu lớn cho các nhà toán học cũng như
các kỹ sư trong việc có được giải pháp tối ưu.


14

-

Thị trường điện phi điều tiết tìm kiếm câu trả lời từ OPF, để giải quyết
hàng loạt các dạng khác nhau của người tham gia thị trường, yêu cầu mô
hình dữ liệu, thời gian xử lý thực và lựa chọn chi phí thích hợp cho mỗi
phân tích đánh giá loại hình dịch vụ.

-

Để đáp ứng với yêu cầu thời gian, tính chất yếu tố bên ngoài (trào lưu
công suất, môi trường và sự thay đổi đồng thời) thực tế và độ nhạy của
đường dây sử dụng.

-

Làm thế nào trong tương lai OPF cung cấp các biện pháp kiểm soát địa
phương hoặc toàn bộ hệ thống trong việc hỗ trợ mô phỏng đánh giá tình
huống nghiêm trọng, đe doạ điện áp hệ thống và ổn định góc.

-

Trong tương lai OPF có thể giải quyết hàng loạt các chế độ vận hành và
lập kế hoạch cung cấp những điều kiện thuận lợi, dịch vụ truyền tải và
phân bổ từ các nguồn khác.

2.2. Sự điều chỉnh hệ thống sau sự cố (Phân bố công suất có ràng buộc an
ninh)
Để hiểu rõ hơn các trường hợp sự cố được đề cập, ta xét ví dụ dưới đây để
hiểu hơn về ràng buộc sự cố đứt dây:
Giả sử hệ thống điện với 2 máy phát, 1 tải và 2 dây truyền tải. Bỏ qua tổn thất
công suất, hệ thống đang vận hành trong điều độ kinh tế với các giá trị cho trước
sau:
-

Máy phát 1: 500MW

-

Máy phát 2: 700MW

-

Giới hạn tối đa của dây truyền tải: 400MW

Ở trạng thái vận hành cơ sở, hệ thống hoạt động bình thường:


15

500MW

700MW
250MW

MÁY 1

MÁY 2
250MW

1200MW

Hình 2.1. Truyền tải điện tối ưu của 2 đường dây song song
Nếu có một trong 2 dây truyền tải bị mất điện bởi sự cố. Hiện tượng quá tải
sẽ xuất hiện trên dây truyền tải còn lại.

500MW

700MW
0MW

MÁY 1

MÁY 2
500MW (QUÁ T? I)

1200MW

Hình 2.2: Truyền tải điện của 2 đường dây song song khi 1 đường dây bị ngắt ra
Giả sử trong ví dụ này chúng ta không muốn sự cố quá tải xảy ra. Chúng ta sẽ điều
chỉnh trạng thái với việc giảm công suất phát của máy phát 1 còn 400MW.

400MW

800MW
200MW

MÁY 1

MÁY 2
200MW

1200MW

Hình 2.3: Truyền tải điện an ninh của 2 đường dây song song


16

Nếu một vài phân tích sự cố được thực hiện, trạng thái sau sự cố:

400MW

800MW
0MW

MÁY 1

MÁY 2
400MW

1200MW

Hình 2.4: Truyền tải điện an ninh của 2 đường dây song song khi 1 đường dây bị
ngắt ra.
Bằng việc điều chỉnh công suất phát tại máy phát 1 và 2, chúng ta đã ngăn
chặn được trạng thái vận hành sau sự cố với việc quá tải của dây truyền tải, thực
chất đây được gọi là “Sự hiệu chỉnh an ninh”. Việc kiểm soát điều khiển vận hành
trong trường hợp cơ sở hay sự cố để ngăn chặn các vi phạm giới hạn được gọi là
“Phân bố công suất tối ưu có ràng buộc an ninh” hay gọi tắt là SCOPF (Security
constraint optimal power flow). Với SCOPF, chúng ta có thể tính được số các sự cố,
tính toán và điều chỉnh công suất máy phát, điện áp máy phát, máy biến áp…
2.3. Tổng quan về các phương pháp đã áp dụng giải bài toán phân bố tối
ưu công suất
Trải qua hàng loạt các nghiên cứu đã được trình bày, tính đến nay có giải pháp về
phương pháp luận có thể nhóm lại hai phương pháp cụ thể như sau:

17

-

Phương pháp thông thường (cổ điển).

-

Phương pháp thông minh.

Phân loại mỗi phương pháp được trình bày theo sơ đồ hệ thống như sau:


18

OPF Method
Phương pháp cổ điển
Gradient Methods

Phương pháp thông minh
Artificial Neural Networks

Generalised Reduced

Fuzzy Logic

Reduced Gradient

Evolutionary Programming

Conjugate Gradient

Ant Colony

Hessian – based

Particle Swarm Optimisation

Newton – based
Linear Programming
Quadratic Programming
Interior Point
Phương pháp truyền thống hay còn phương pháp thông thường được sử dụng
để giải quyết bài toán OPF một cách hiệu quả. Việc áp dụng tích cực các phương
pháp này trong lĩnh vực nghiên cứu thời gian qua. Các phương pháp cổ điển dựa
trên phương pháp lập trình toán học và được sử dụng để giải quyết các mô phạm
khác nhau của OPF. Để đáp ứng các yêu cầu khác nhau của hàm mục tiêu, các loại
hình ứng dụng và tính chất của sự ràng buộc, các phương pháp phổ biến thông
thường được phân chia như sau:
-

Gradient Method.

-

Newton Method.

-

Linear Programming Method.

-

Quadratic Programming Method.

-

Interior Point Method.

Mặc dù đã có những tiến bộ tuyệt vời trong phương pháp cổ điển, song vẫn
còn những nhược điểm như sau: trong hầu hết các trường hợp các công thức toán
học phải được đơn giản hoá để có những giải pháp bởi vì rất hạn chế khả năng giải


19

quyết những vấn đề thật thụ động tồn tại trong một hệ thống rộng lớn. Nó gặp phải
những hạn chế trong bài toán ràng buộc an ninh. Điểm hội tụ kém, có thể gặp khó
khăn ở tối ưu cục bộ, chỉ tìm thấy những giải pháp ở mô phỏng đơn, chúng trở nên
yếu kém khi xử lý hệ thống lớn và đắt tiền.
Để khắc phụ những thiếu sót và hạn chế trên, phương pháp thông minh có kỹ
thuật dựa trên trí tuệ nhân tạo (AI) được phát triển trong thời gian qua. Những
phương pháp này có thể được tóm tắt liệt kê như sau:
2.3.1. Phương pháp EP (Evolutionary programming)
EP là một chiến lược tối ưu sự cố nhấn mạnh đến sự liên kết hành vi giữa bố
mẹ và con cái. Đây là phương pháp tối ưu không phụ thuộc vào đạo hàm bậc nhất
và bậc hai của hàm mục tiêu và những điều kiện ràng buộc của bài toán. Ưu điểm
quan trọng nhất của EP là nó chỉ sử dụng thông tin hàm mục tiêu và do đó không
chịu ảnh hưởng bởi bản chất của không gian tìm kiếm như độ trơn, độ lồi... Thuật
toán tối ưu dựa trên EP xoay quanh ba quá trình: chọn lọc tự nhiên, đột biến và cạnh

tranh. Tùy thuộc vào đặc tính của bài toán tối ưu, mỗi quá trình có thể được điều
chỉnh và định hình để đạt được kết quả khả quan nhất.
Báo cáo trình bày một thuật toán hiệu quả và đáng tin cậy dựa trên EP cho
phép giải bài toán phân bố công suất tối ưu có ràng buộc an ninh (SCOPF). Phương
pháp đề nghị để giải bài toán SCOPF nhắm đến điều kiện ràng buộc và giới hạn cân
bằng năng lượng trên việc kiểm soát các biến số khác nhau gọi là công suất phát tác
dụng, độ lớn điện áp kiểm soát được, tụ điện shunt ngắt được và tỉ lệ biến áp, những
giới hạn trên các biến phụ thuộc gọi là công suất phát phản kháng và độ lớn điện áp
trên tải và giới hạn trên những tải MVA như là các điều kiện ràng buộc không cân
bằng trong trường hợp cơ bản cũng như sự cố. Một hệ thống IEEE 30 nút được
dùng để nghiên cứu. Kết quả SCOPF đạt được bằng EP được so sánh với việc giải
bài toán SCOPF truyền thống.


20

2.3.2. Phương pháp AM (Ant Manners)
Bài báo trình bày phương pháp tính toán dựa trên hành vi của đàn kiến và
cách thu nhận tin tức của chúng. Phương pháp này được ứng dụng vào việc giải bài
toán phân bố công suất tối ưu để cực tiểu chi phí nhiên liệu máy phát với các ràng
buộc giới hạn công suất thực và công suất phản kháng máy phát, điện áp các nút,
đầu phân áp, tụ bù và dòng công suất trên các đường dây. Mô hình lựa chọn để tính
toán là mạng điện IEEE 30 nút và kết quả được so sánh với các phương pháp EP,
GA.
2.3.3. Phương pháp DE (Differential Evolution)
Bài báo trình bày ứng dụng giải thuật DE vào việc giải bài toán phân bố công
suất tối ưu. DE là một thuật toán tiến hóa được đề xuất bởi Storn and Price vào năm
1997. Phương pháp DE cho thấy hiệu quả trong việc giải quyết bài toán tối ưu
không tuyến tính với nhiều ràng buộc. DE có ưu điểm hơn các phương pháp tiến
hóa khác đó là cấu trúc đơn giản, gọn, ít thông số điều khiển, điểm hội tụ cao. Hàm

mục tiêu có dạng bậc hai dùng để tính toán là cực tiểu chi phí nhiên liệu máy phát
với các ràng buộc giới hạn công suất thực và công suất phản kháng máy phát, điện
áp các nút, đầu phân áp và dòng công suất trên các đường dây. Phương pháp đề xuất
được ứng dụng vào giải mạng điện IEEE 30 nút và kết quả được so sánh với các
phương pháp: EP, TS, SA.
2.3.4. Phương pháp GA (Genetic Algorithm)
Bài báo trình bày việc giải bài toán phân bố công suất tối ưu trong mạng điện
lớn sử dụng phương pháp giải thuật gen. Thuật toán GA(Genetic Algorithm) được
phát minh bởi Holland vào đầu những năm 1970 là phương pháp tìm kiếm toàn cục
sự cố mà dựa theo sự đánh giá di truyền tự nhiên GA hoạt động trên quần thể của
những lời giải ứng viên giải mã chuỗi hữu hạn gọi là nhiễm sắc thể (NST). Thông
thường các kết quả này được biểu diễn dưới dạng chuỗi số nhị phân hoặc các ký
hiệu mã hóa khác được gọi là nhiễm sắc thể. Để thu được sự tối ưu, mỗi NST phải
trao đổi thông tin bằng cách sử dụng những toán tử mượn từ gen tự nhiên để làm ra


21

lời giải tối ưu. Hàm mục tiêu dùng để tính toán là cực tiểu chi phí nhiên liệu máy
phát với các ràng buộc công suất máy phát, điện áp các nút, tụ bù, đầu phân áp nằm
trong giới hạn cho phép. Thời gian tính toán có thể giảm xuống bằng cách phân chia
các ràng buộc tối ưu thành ràng buộc tích cực để thao tác trực tiếp bằng giải thuật
GA, duy trì các ràng buộc thụ động trong giới hạn mềm sử dụng bài toán dòng công
suất truyền thống. Mạng IEEE 30 nút được ứng dụng để kiểm tra sự hiệu quả của
giải thuật. Kết quả được so sánh với các cách giải khác của giải thuật GA và phương
pháp EP.
GA có nhiều ưu điểm trong tính toán, như đơn giản và tổng quát hóa. Ngoài
ra, nó còn tìm ra nhiều kết quả một cách đồng thời mà các phương pháp thông
thường không làm được. Vì thế, khả năng tìm ra kết quả tối ưu toàn cục được nâng
lên. Ưu điểm chính của GA là tìm ra kết quả gần tối ưu trong thời gian ngắn so với

các phương pháp dò tìm sự cố khác như Simulated annealing (SA) hay Qui hoạch
động (DP) … Tuy nhiên, GA phụ thuộc nhiều vào hàm tương thích, nhạy với tỉ lệ
lai và đột biến, sơ đồ mã hóa các bit của nó, và độ dốc của đường cong không gian
dò tìm dẫn đến lời giải. GA đã được cải tiến và kiểm chứng trong bài toán điều độ
kinh tế hệ thống điện với nhiều dạng khác nhau cho thấy kết quả khá tốt.
2.3.5. Phương pháp ACO (Ant Colony Optimization)
Một trong những phương pháp tiến hóa dựa trên trí thông minh nhân tạo
được giới thiệu gần đây là phương pháp ACO được đề xuất bởi Marco Dorigo năm
1992.
ACO đưa ra cách tiếp cận mới mạnh mẽ và hiệu quả hơn cho những bài toán
tối ưu hóa phức tạp, thuật toán này tiêu biểu cho việc sử dụng mô hình xác suất để
tìm ra lời giải tối ưu. Phương pháp này dựa trên cách cử xử của đàn kiến đi tìm thức
ăn. Trong khi tìm thức ăn các cá thể kiến tự động khởi tạo xung quanh khu vực tổ
của chúng các thói quen riêng. Ngay khi có 1 cá thể kiến tìm được nguồn thức ăn,
nó sẽ đánh giá chất lượng và số lượng thức ăn đó và mang về tổ số thức ăn tìm
được. Trong suốt quá trình quay về tổ cá thể kiến này sẽ để lại trên lối về loại


22

pheromone do nó tiết ra. Lượng pheromone để lại có thể phụ thuộc vào chất lượng
và số lượng thức ăn, lượng pheromone này sẽ dẫn các cá thể kiến khác tới nguồn
thức ăn này. Sự truyền đạt không trực tiếp này giữa các cá thể kiến qua chất
pheromone để lại trên lối mòn cho phép chúng tìm được đường đi ngắn nhất giữa tổ
của chúng và nguồn thức ăn đó.
Nói chung phương pháp ACO giải quyết bài toán tối ưu hóa bằng cách lặp lại 2
bước sau:
-

Lời giải ứng viên được xây dựng dựa trên mô hình chất pheromone đặc

trưng của loài kiến mà sự phân bố tần suất được thông số hóa qua không
gian bài toán.

-

Lời giải ứng viên được sử dụng để thay đổi các giá trị của chất đặc trưng
với cách mà được nghĩ rằng thiên về sự lấy mẫu hơn là về lời giải chất
lượng cao.

Phương pháp ACO được ứng dụng thành công trong nhiều bài toán khác
nhau như: bài toán người bán hàng du lịch, định tuyến xe cộ, mạng lưới viễn
thông…
2.3.6. Phương pháp TS (Tabu Search)
Phương pháp TS là phương pháp tìm kiếm để tìm giải pháp tối ưu dựa trên
bộ nhớ linh động của máy tính. Phương pháp ra đời năm 1986 bởi Fred W. Glover.
Đầu tiên TS chọn kết hợp tất cả các hàm chi phí của các tổ máy. Kết quả tính toán
được mã hóa ở dạng thập phân và được lưu vào bộ nhớ máy tính. Ưu đểm của TS là
thời gian tính toán nhỏ. Phương pháp này đã được chứng minh là giải quyết tốt bài
toán điều độ kinh tế với nhiều ràng buộc khác nhau.
Sự thuận lợi của thuật toán TS là việc nó sử dụng sự ghi nhớ uyển chuyển
của lịch sử tìm kiếm để ngăn ngừa dao động và tránh bị kẹt ở giá trị tối ưu cục bộ.
TS có thể giải quyết được các bài toán không lồi, không phẳng…


23

2.3.7. Phương pháp SA (Simulated Annealing)
SA(Simulated Annealing) là phương pháp được đề xuất bởi Kirt Patrick,
Gelatt và Vecchi năm 1983. SA đã được kiểm chứng trong một số bài toán tối ưu
hóa và cho kết quả rất tốt.

SA là phương pháp dựa trên việc tìm kiếm cục bộ mỗi bước di chuyển được
chấp nhận nếu cải thiện được năng lượng hệ thống. Một lời giải khác có thể chấp
tùy theo tiêu chí tần suất mà sự phân bố tần suất dựa trên quy trình luyện kim và
chúng được thu lại như hàm nhiệt độ của hệ thống.
Chiến thuật SA khởi đầu với nhiệt độ cao đưa ra tần suất phân bố cao để
chấp nhận với các bước di chuyển không được cải thiện. Nhiệt độ và mức độ phân
bố giảm bớt đáng kể như sự cải thiện của thuật toán về lời giải tối ưu.
(Riêng đối với phương pháp PSO (Particle Swarm Optimal)được trình bày
rõ ở chương sau)
2.4. Tổng kết
Hiện nay, với sự tiến bộ mạnh mẽ của khoa học máy tính, các thuật toán tối
ưu ngày càng phát triển rực rỡ và không ngừng đạt đến những đỉnh cao mới. Nhiều
phương pháp đã được áp dụng vào lĩnh vực vận hành trong hệ thống điện. Tuy
nhiên, mỗi phương pháp đều có thế mạnh cũng như khuyết điểm riêng. Đối với các
phương pháp giải tích được, thời gian tính toán nhanh chóng, chất lượng hội tụ tốt;
nhưng do bị giới hạn trong phạm vi khả vi, khả tích của hàm mục tiêu và các điều
kiện ràng buộc, những phương pháp này bị hạn chế trong nhiều lĩnh vực áp dụng.
Đối với các thuật toán tối ưu dựa trên phương pháp tìm kiếm ngẫu nhiên như thuật
toán gen, thuật toán di truyền, thuật toán bầy đàn,… đã cho thấy thế mạnh của nó là
khả năng giải quyết mọi bài toán do không phụ thuộc vào bản chất toán học của
hàm mục tiêu hay điều kiện ràng buộc. Tuy nhiên, khuyết điểm của các phương
pháp này là tính không ổn định trong lời giải tối ưu, dễ bị sa vào các giá trị tối ưu


24

cục bộ. Đồng thời, thời gian tính toán cũng chậm hơn hẳn so với các phương pháp
giải tích được.

25

CHƯƠNG 3: GIỚI THIỆU VỀ PHƯƠNG PHÁP TỐI ƯU BẦY ĐÀN
VÀ GIẢI PHÁP TỐI ƯU BẦY ĐÀN CẢI TIẾN
3.1. Giới thiệu hoàn cảnh ra đời và ý nghĩa của phương pháp tối ưu bầy
đàn
Phương pháp tối ưu bầy đàn là kỹ thuật tối ưu hóa được phái triển bởi
Kennedy và Eberhart vào năm 1995, dựa trên sự mô phỏng xã hội của các động vật
cấp thấp như cá, chim, v.v. Ý tưởng của phương pháp bắt đầu bằng một trường hợp
sự cố của các cá thể của cộng đồng dân cư trong không gian tìm kiếm.
OPF, tìm kiếm cho một giải pháp tối ưu bằng cách sử dụng quần thể của bầy
đàn, mỗi cá thể đại diện cho một giải pháp ứng cử tối ưu hoá vấn đề. Mỗi cá thể
thay đổi vị trí của nó bằng cách bay lượn trong không gian đa chiều bằng cách làm
theo những cá thể vượt trội (tối ưu) cho đến khi xác định được vị trí tương đối
không thay đổi đã được tìm thấy hoặc thực hiện được hoặc cho đến khi tính toán
được những hạn chế - ràng buộc đã vượt qua. Mỗi cá thể sẽ tự điều chỉnh quỹ đạo
hướng tới vị trí tốt nhất của chính nó trước đó cho đến khi hướng đến quỹ đạo tốt
nhất của quần thể đạt được sau đó. OPF rất dễ thực hiện, cung cấp nhanh điểm hội
tụ cho một số vấn đề tối ưu và thu được rất nhiều sự chú ý trong vấn đề giải quyết
hệ thống điện ngày nay.
Hệ thống được khởi tạo với một quần thể của giải pháp ngẫu nhiên và tìm
kiếm tối ưu bằng cách nâng cấp các thế hệ. Tuy nhiên, không giống như giải thuật
GA, PSO không vận hành hoạt động chéo và đột biến. Trong PSO, giải pháp tiềm
năng, được gọi là cá thể, vấn đề là bay xuyên trong không gian theo những cá thể
tối ưu hiện hành. Như vậy, trong PSO mỗi cá thể tự cho mình quyết định hành động
theo kinh nghiệm của mình cùng với kinh nghiệm của cá thể vượt trội lân cận.
Xây dựng bài toán: Quỹ đạo của mỗi cá thể trong không gian tìm kiếm được
hiệu chỉnh bằng cách thay đổi vận tốc của từng cá thể thông qua kinh nghiệm bay
Vector vị trí và vector vận tốc của một cá thể thứ i trong không gian d chiều: