Áp dụng các thuật toán dựa trên tìm kiếm bầy đàn để tính toán điều độ tối ưu trong hệ thống điện có xét đến nguồn năng lượng gió (tt)

ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH
TRƢỜNG ĐẠI HỌC BÁCH KHOA
------------------

LÊ ANH DŨNG

ÁP DỤNG CÁC THUẬT TOÁN DỰA TRÊN TÌM
KIẾM BẦY ĐÀN ĐỂ TÍNH TOÁN ĐIỀU ĐỘ TỐI ƢU
TRONG HỆ THỐNG ĐIỆN CÓ XÉT ĐẾN NGUỒN
NĂNG LƢỢNG GIÓ

Chuyên ngành: Mạng và hệ thống điện
Mã số chuyên ngành: 62525005

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

TP HỒ CHÍ MINH NĂM 2018


Công trình được hoàn thành tại
ĐẠI HỌC BÁCH KHOA THÀNH PHỐ HỒ CHÍ MINH

Người hướng dẫn khoa học 1: PGS.TS VÕ NGỌC ĐIỀU
Người hướng dẫn khoa học 2: TS ĐINH HOÀNG BÁCH

Phản biện độc lập 1:
Phản biện độc lập 2:

Phản biện 1:
Phản biện 2:
Phản biện 3:

Luận án sẽ được bảo vệ trước Hội đồng chấm luận án tiến sĩ kỹ thuật
cấp Đại học Bách Khoa TP Hồ Chí Minh họp vào.......
giờ ngày ... tháng ... năm ... tại Đại học Bách Khoa TP Hồ chí Minh.

Có thể tìm hiểu luận án tại thư viện:
- Đại học Quốc gia TP Hồ Chí Minh.
- Đại học Bách Khoa TP Hồ Chí Minh.


DANH MỤC CÁC KÝ HIỆU

i

Góc điện áp tại nút i [rad]

j

Góc điện áp tại nút j [rad]

wi

Góc điện áp tại nút i khi có NMĐG [rad]

wj

Góc điện áp tại nút j khi có NMĐG [rad]

ij

Độ lệch góc điện áp giữa nút i và j [rad]

A

Diện tích gió thổi qua cánh quạt tua bin [m2]

ai, bi, ci

Hệ số chi phí của NMPĐ i [$/h], [$/MWh], [$/MW2h]

Bij, B0i, B00

Hệ số ma trận B tổn thất truyền tải

gli
Gij, Bij
Kp

Điện dẫn của nhánh l giữa nút i và nút j [1/Ω]
Điện dẫn và dung dẫn giữa nút i và nút j [1/Ω]
Hệ số phạt công suất phát của các tổ máy phát

Kq

Hệ số phạt công suất phản kháng máy phát

Ks
Kv

Hệ số phạt công suất truyền tải trên đường dây

Hệ số phạt điện áp nút tải

Li

Chỉ số ổn định điện áp ở nút i

Nb

Tổng số nút của hệ thống.

Nd
Nl
Nwg

Tổng số nút tải
Tổng số đường dây truyền tải
Tổng số tua bin gió trong NMĐG

Ng

Tổng số máy phát nhiệt điện

PD

Tổng phụ tải yêu cầu [MW]

PDi

Công suất yêu cầu tại nút i [MW]

Pgi

Công suất thực phát ra của máy phát thứ i [MW]

Pi,min, Pi,max

Công suất thực cực tiểu và cực đại máy phát thứ i [MW]

PL

Tổng tổn thất truyền tải [MW]

Ps

Công suất phát bù trừ của hệ thống [MW]
1


Pwgi

Công suất của tua bin gió thứ i trong NMĐG [MW]

Qci

Bù công suất phản kháng tại nút thứ i [MVAr]

QDi
Qg

Công suất phản kháng yêu cầu tại nút i [MVAr]

Công suất phản kháng máy phát [VAr]

SFi
Sl

Hàm mục tiêu theo Ploss, VD hoặc Lmax
Công suất biểu kiến trên đường dây l [MVA]

Sli

Công suất biểu kiến trên đường dây thứ i [MVA]

Sl
Tk

Công suất cực đại trên đường dây truyền tải [MVA]
Nấc điều chỉnh của máy biến áp thứ k

Tk, min, Tk, max

Vị trí bộ điều áp cực tiểu và cực đại.

vcut-in

Tốc độ gió tối thiểu phải dừng làm việc [m/s]

vcut-out

Tốc độ gió tối đa phải dừng làm việc [m/s]

Vg

Điện áp đầu cực máy phát [V]

Vgi
Vbi(j)

Điện áp của máy phát ở nút thứ i [V]
Điện áp tại nút thứ i (j) [V]

Vwi(j)

Điện áp tại nút thứ i(j) khi có NMĐG [V]

Vi, i

Biên độ điện áp và góc điện áp ở nút thứ i [V] [rad]

Vgi min, Vgi max

Điện áp cực tiểu và cực đại của máy phát thứ i [V]

Vli

Điện áp trên đường dây thứ i [V]

Vli,min, Vli,max

Điện áp cực tiểu và cực đại trên đường dây thứ i [V]

Vw

Tốc độ gió (m/s)

Yij

Thành phần ma trận tổng dẫn của nút ij

ρ

Mật độ không khí (kg/m3)

max

2


CHƢƠNG 1
1.1

MỞ ĐẦU

Lý do chọn đề tài

Thị trường điện và năng lượng gió tại Việt Nam hiện nay đã chính
thức đi vào vận hành, do đó việc tính toán các vấn đề về điều độ tối
ưu hệ thống điện là vấn đề rất quan trọng và cần thiết. Vì vậy, đề tài
nghiên cứu các thuật toán nhằm giải nhanh các bài toán điều độ tối
ưu hệ thống điện theo yêu cầu phụ tải 24 giờ với sự tham gia của
nguồn năng lượng gió. Từ đó có thể áp dụng vào vận hành thị trường

điện của Việt Nam hiện nay và trong tương lai.
1.2

Mục đích nghiên cứu
 Ứng dụng và chọn lựa các thuật toán để giải bài toán điều độ
tối ưu của hệ thống điện.
 Tính được công suất truyền tải trên đường dây, công suất và
công suất phản kháng của các nhà máy phát nhiệt điện và
NMĐG, dung lượng tụ bù, nấc điều chỉnh bộ điều áp tối ưu
với chi phí phát điện cực tiểu theo phụ tải 24 giờ.
 Tính tối ưu tổn thất công suất, tối ưu độ lệch điện áp tại các
nút tải, tối ưu ổn định điện áp của hệ thống có tham gia của
NMĐG theo phụ tải 24 giờ

1.3

Đối tƣợng và phạm vi nghiên cứu

1.3.1 Đối tượng nghiên cứu
 Cấu trúc của các thuật toán tìm kiếm bầy đàn: PSO, PSO-TVAC,
PG-PSO, PG-PSOCF và CS.
 Hàm chi phí của tua bin gió và NMĐG.
 Các vấn đề của bài toán ED, OPF và ORPD và xây dựng bài toán
ED, OPF và ORPD có NMĐG.
 Giải các bài toán ED, OPF, ORPD bằng các thuật toán PSO, PSOTVAC, PG-PSO, PG-PSOCF và CS theo yêu cầu phụ tải 24 giờ.

3


1.3.2 Phạm vi nghiên cứu




Chi phí vận hành của các NMPĐ và NMĐG là tối ưu nhất để
cung cấp đủ công suất yêu cầu của phụ tải 24 giờ.
Tối ưu: công suất phân bố tại các nút tải và trên đường dây,
điện áp tại các nút, dung lượng bù, tổn thất công suất, độ lệch
điện áp.



Áp dụng tính toán vận hành trên hệ thống IEEE 30.
Phƣơng pháp nghiên cứu

1.4




Nghiên cứu lý thuyết: thu thập các tài liệu có trước về thuật
toán tìm kiếm bầy đàn và các ứng dụng trước đây, nghiên cứu
về tua bin gió, NMĐG và chi phí của tua bin gió khi tham gia
vào hệ thống.
Nghiên cứu thực nghiệm mô hình toán học: lập trình trên
phần mềm Matlab và mô phỏng hệ thống điện IEEE 30 nút để
tính được kết quả các bài toán điều độ tối ưu kinh tế, tối ưu
phân bố công suất, tối ưu công suất phản kháng trong hệ
thống điện theo yêu cầu phụ tải 24 giờ.

CHƢƠNG 2

2.1

TỔNG QUAN

Giới thiệu

chương 2 của luận án nhằm tổng quan các tài liệu đã nghiên cứu
trước đây về các nội dung chính như sau: các thuật toán để tính toán
vận hành tối ưu hệ thống điện về các bài toán ED, OPF và ORPD
gồm các nhà máy nhiệt điện và nhà máy điện gió, các tài liệu về vận
hành hệ thống điện theo yêu cầu phụ tải 24 giờ để phù hợp với tính
toán hệ thống điện khi tham gia thị trường điện hiện đang được áp
dụng trên thế giới và Việt Nam [1-7].
2.2

Thuật toán tìm kiếm bầy đàn và tối ƣu hóa

Từ năm 1980, trí tuệ thông minh nhân tạo (AI) đã được các nhà khoa
học nghiên cứu phát triển và áp dụng nhiều trong lĩnh vực khoa học
4


máy tính. Có nhiều thuật toán thông minh nhân tạo được nghiên cứu
và ứng dụng, một số thuật toán tiêu biểu đó là: mạng neural (NN), hệ
mờ (FS), tính toán tiến hóa (EC), thuật toán di truyền (GA) và thuật
toán tìm kiếm bầy đàn (PSO) [7-10].
Năm 1995, thuật toán tìm kiếm bầy đàn (PSO) đã được J. Kennedy
và R. Eberhart nghiên cứu áp dụng trong các môn học tối ưu hóa,
thời gian này tối ưu hóa bầy đàn thường được áp dụng trong lĩnh vực
toán học và cơ khí [11][12]. Từ năm 1996 đến 2004, thuật toán tối ưu

hóa bầy đàn phát triển mạnh và cải tiến bằng cách thêm vào các hệ
số biến đổi nhằm mục đích tăng độ dốc của đặc tính đồ thị, giúp thời
gian tìm nghiệm nhanh cho các kết quả tối ưu [13-15], thời gian này
PSO đượcquan tâm để giải bài toán tối ưu vận hành kinh tế hệ thống
điện [16-30].
Theo [31] thuật toán chim tu hú (CS) và di chuyển Lévy flights được
ứng dụng trong ngành công nghệ thông tin từ năm 2009 và phát triển
trong nhiều ngành khác cho đến nay [32] .
2.3

Tua bin gió và tiềm năng điện gió ở Việt Nam

2.3.1 Tua bin gió
Công suất phát điện của tua bin gió được tính theo công thức [33]:

Pw 

1
2

. . A.C p (vw )

3

(1)

Đặc điểm làm việc của tua bin gió là công suất phát thay đổi theo tốc
độ gió trong ngày và theo mùa trong năm [34], khi đầu tư xây dựng
NMĐG cần khảo sát chi tiết đặc điểm của gió tại vị trí sẽ xây dựng
nhà máy, trong đó quan trọng là phải có lịch sử dữ liệu tốc độ gió của

nhiều năm trước để tính toán được vận tốc của gió của năm tiếp theo
[35].
Các vùng làm việc của tua bin gió được phân chia theo hình sau [36]
5


Power

II

I

III

vcut-in

vcut-out
vrate
Wind speed

Hình 2.1 Các vùng làm việc của tua bin gió
Bảng 2.1 Tiềm năng gió ở Việt Nam [37]
Tốc độ gió

<6m/s

6-7m/s

7-8m/s

8-9m/s

>9m/s

2

Diện tích (km )

197,242

100,367

25,679

2,178

1,11

Diện tích (%)

60,60%

30,80%

7,90%

0,70%

>2%

401.444

102.716

8.748

452

Tiềm năng (MW)
2.4

Điều độ tối ƣu hệ thống điện

2.4.1 Điều độ kinh tế hệ thống điện (ED)
Điều độ kinh tế (ED) tính toán được công suất thực phát ra từ các
máy phát điện là tối ưu với chi phí nhiên liệu thấp và phải thoả các
ràng buộc của hệ thống máy phát cũng như các ràng buộc của hệ
thống vận hành [38]. Một số thuật toán dùng để giải bài toán ED đã
công bố: thuật toán Hybrid Fuzzy Genetic Algorithm (HFGA) [39],
thuật toán Evoluationary Algorithm (EA) [40], thuật toán
Evolutionary Harmony Search Algorithm (EHSA) [41], thuật toán
Hybrid Differential Evolution and Harmony Search (HDEHS) [42],
phương pháp Differential Evolution Immunized Ant Colony
(DEIAC) [43], phương pháp Hybrid differential evolution sequential
quadratic programming (HDE-SQP) [44]. Các kết quả đã công bố
tính với nhiều vòng lặp nhằm chọn được nghiệm cực tiểu tốt nhất,
6


giá trị biểu diễn bằng đồ thị sau mỗi vòng lặp để dể dàng nhận biết

kết quả sau mỗi vòng lặp [46].
Bảng 2.2 Kết quả bài toán ED qua các nghiên cứu đã công bố
Công suất
phát[MW]

SGA
[45]

FGA
[45]

EA
[45][46]

SA
[46]

EP
[46]

WOA
[46]

P1

137,0804

137,2411

192,95

188,02

173,848

174,4379

P2

52,4502

57,6718

48,92

47,45

49,998

47,8294

P3

35,3219

27,3223

19,29

19,77

21,386

21,4578

P4

19,3034

12,8298

10,58

13,40

22,63

25,6931

P5

12,8986

23,8060

10,79

11,25

12,928

10,1262

P6

26,3435

24,5189

12,24

14,09

12,00

12,1515

Chi phí
($/h)

801,2817

795,5012

805,4500

804,4300

802,6200

800,2825

2.4.2 Điều độ phân bố tối ưu công suất
Từ năm 1960 vấn đề phân bố tối ưu công suất được đề cập đến đầu
tiên bởi hai nhà nghiên cứu Dommel và Tinney sau đó đã được nhiều
nghiên cứu và áp dụng trong quản lý và vận hành hệ thống điện [47]
Theo tài liệu [48-50], mục đích của bài toán phân bố tối ưu công suất
(OPF) là tìm được công suất phân bố trên đường dây truyền tải, công
suất phát của các NMPĐ, điện áp nút máy phát, điện áp nút tải, dung
lượng bù, nấc điều chỉnh bộ điều áp máy biến áp với nhiều ràng buộc
về công suất phụ tải, công suất máy phát và các ràng buộc về an ninh
hệ thống với chi phí nhiên liệu của NMPĐ thấp nhất.
Một số nghiên cứu được công bố về bài toán điều độ tối ưu phân bố
công suất (OPF) như sau: thuật toán Ant Colony Search (ACS) [51],
thuật toán Evolutionary Computation (EC) [51], thuật toán Bee
Colony Algorithm (BCA) [52], thuật toán Simulated Annealing
Metahuristic (ASM) [53], thuật toán Particle Swarm Optimization
7


(PSO) [54], thuật toán Conventional and Neural Networks (CNN)
[55]. Kết quả trình bày theo hình vẽ 2.2 và 2.3.

Hình 2.3 Kết quả biểu diễn độ hội tụ nghiệm OPF qua các phương pháp [54]

Hình 2.4 Kết quả độ hội tụ nghiệm bài toán OPF [55]
Theo tài liệu [56-60] công suất truyền tải trên đường dây là thông số
quan trọng cần phải tính được đối với bài toán OPF
2.4.3 Điều độ tối ưu công suất phản kháng
Điều độ tối ưu công suất phản kháng (ORPD) nhằm mục đích cải

thiện tổn thất công suất (Ploss) [61] [62], tối ưu cực tiểu độ lệch điện
áp (VD) [63] [64], cực đại hệ số ổn định điện áp (Lmax) [65] [66].
Các tài liệu đã công bố về bài toán ORPD: thuật toán Linear
Programming (LP) để tính tối ưu Ploss [67], thuật toán Hybrid Loop
Genetic (HLG) để tính tối ưu Ploss [68], thuật toán Bat Algorithm
(BA) để tính tối ưu Ploss và VD [69], thuật toán Ant Colony (AC) tính
và so sánh các kết quả bài toán ORPD [70], thuật toán Evolutionary
Algorithm (EA) để tính Ploss và VD [71], sử dụng Hybrid PSO
(HPSO) để tính tối ưu VD [80] và Improve Particle Swarm
8


Optimization (IPSO) để tính Ploss [72]. Theo [73] cần phải tìm được
thuật toán có thể giải bài toán ORPD để tăng ổn định an ninh hệ
thống.

Hình 2.7 Biểu diễn độ hội tụ nghiệm Ploss theo [71]
Bảng 2.3 Kết quả bài toán ORPD theo các phương pháp
Các phương pháp

2.5

Biến số

EA
[74]

MOPSO
[70]

ICSE
[71]

DE
[72]

QSCSA
[69]

Ploss (MW)

5,1167

4,9849

4,990

4,456

4,532

VD (p.u)

1,1435

0,7096

-

0,544

-

Điều độ tối ƣu hệ thống điện có tham gia của NMĐG

2.5.1 Điều độ kinh tế có tham gia của NMĐG
Hàm chi phí của bài toán ED liên quan đến công suất của các NMPĐ
trong đó có công suất phát của NMĐG thay đổi theo từng giờ hoặc
tùy theo thời tiết các mùa trong năm [77] gây khó khăn trong việc
xác định công suất phát của các NMĐG để tính bài toán ED trong hệ
thống điện [78].
2.5.1.1 Xác định công suất phát của tua bin gió
Qua nghiên cứu tài liệu đang được công bố hiện có một số phương
pháp để xác định công suất của tua bin gió tham gia vào hệ thống
điện như sau:
9


 Tạo ma trận tua bin gió và chọn véc tơ trong ma trận để tính công
suất phát của NMĐG [79].
 Xây dựng kịch bản phát điện của NMĐG theo 15%, 25%, 50%,
75% hoặc 90% của tổng công suất NMĐG [80] [81].
 Cho tua bin gió phát ngẫu nhiên theo phân phối Weibull [82].
 Xây dựng công suất phát của tua bin gió theo xác suất Gauss [83].
 Kế hoạch phát ưu tiên của tua bin gió có tính đến hệ số phạt [84].
 Kế hoạch phát điện của tua bin gió có tính đến hệ số phạt [84][88].
Theo [88] nếu NMĐG phát công suất thấp hơn công suất đăng ký
sẽ chịu chi phí phạt như sau
d n (t)  C rwj E

t

Y 
oej

1  exp   v   exp   v 





 c 
 c 

t

E (Yoej )  W j



 Wv

v v
r

in

r

k

k

in

out

k

k

 wj
in

  exp   v   exp   v
  

  c 
 c
k

k

r

j

k

k

  1v    1
 1       1 
  k c    k
k



Wr c
vr  v

j

t
n






vr
c

(2)

k






2.5.1.2 Hàm chi phí của bài toán ED có tham gia của NMĐG
Chi phí của tua bin gió chủ yếu là chi phí phí vận hành và bảo trì của
tua bin gió [85]. Theo tài liệu [86] hàm chi phí của bài toán ED của
hệ thống nhà máy phát nhiệt điện có sự tham gia của NMĐG là:
N

N

Fmin   C .Pg (t )   C .( Pw (t )  d n (t ))
g

Ng  n

w

(3)

Nw  n

Theo [87] hàm chi phí của bài toán ED có tham gia của NMĐG là:
Min F  F
(t )  F (t )
diesel , i
w, i

(4)

10

F (t )  b P (t )
w, i
i w, i

F
 t   ai bi Pdiesel , i (t )  ci Pdiesel , i  t 
diesel , i

0

vv
 r
cut  in
P (t )   P (t ).
w, i
w, i
r
v v

cut  in

0
2.5.1.3 Các thuật toán dùng để giải bài toán ED có NMĐG
Một số tài liệu đã công bố: thuật toán Plant Growth Simulation
Algorithm (PGSA) [88], thuật toán Genetic Algorithm Solution
(GAS) [89], thuật toán Particle Swarm Optimization (PSO) [90]. Kết
quả ED có NMĐG hệ thống 15 nút IEEE theo bảng 2.5
Bảng 2.4 Kết quả tính ED có NMĐG hệ thống 15 nút và 6 nút IEEE

theo [88][91][96]

P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
P11
P12
P13
P14
P15
PWind

GA
415,31
359,72
104,42
74,98
380,28
426,79
341,31
124,78
133,14
89,25

60,05
50,00
38,77
41,94
22,64
-

Không có NMĐG
PSO
PGSA
439,11
450,38
407,97
357,37
119,63
124,01
129,99
128,28
151,06
169,56
459,99
401,48
424,56
417,50
98,57
90,33
113,49
142,72
101,11
114,93

33,91
77,35
79,96
76,69
25,00
44,45
41,41
33,19
35,61
34,36
-

11

Có NMĐG
GA
FAC
367,69
351,7814
357,74
100,0248
124,15
50,0248
93,91
156,00
456,02
369,23
106,39
105,64
65,80

75,84
79,83
51,53
26,71
44,30
175,12
98,1691


Time
Cost
W-Cost

Không có NMĐG
GA
PSO
PGSA
2668,40
2662,40
2662,70
33113,00
32858,00 32937,70
-

Có NMĐG
GA
FAC
2655,97
31092,30
6514,4

875,64

2.5.2 Điều độ phân bố tối ưu công suất có tham gia của NMĐG
Khác với bài toán ED, hàm mục tiêu của bài toán OPF gồm có: chi
phí nhiên liệu các nhà máy nhiệt điện, chi phí các tua bin gió tham
gia phát điện, công suất truyền tải trên đường dây, công suất phản
kháng truyền tải trên đường dây, điện áp tại các nút, công suất biểu
kiến trên đường dây [92][93].
2.5.2.1 Hàm mục tiêu của bài toán OPF có NMĐG
Theo tài liệu [93] công suất phát của tua bin gió và hàm mục tiêu bài
toán OPF có tham gia của NMĐG là:

0,

3
a  bv ,
Pw  
 Pra ,
0,

0  v  vci
vci  v  vra

(5)

vra  v  vco
v  vco

Theo tài liệu [94][95] hàm mục tiêu của bài toán OPF có NMĐG là:
Cwr ( Pwr )  d r Pwr

Ng

Nw

Min ( F )   ( ai  bi PGi  ci PGi )   C wri ( Pwri )
2

i 1

(6)

i 1

2.5.2.2 Các thuật toán áp dụng giải bài toán OPF có NMĐG
Một số thuật toán đã được áp dụng: Khums Optimization Algorithm
(KOA) and Black Hole Optimization Algorithm (BHOA) [96],
thuật toán Bacterial Dynamics Algorithm (BDA) [97], thuật toán
Probability Interval Optimization (PIO) [98], thuật toán Grey Wolf
Optimizer (GWO) [99], thuật toán Gbest Guided Artificial Bee
12


Colony (GABC) [100], thuật toán Optimal Bus Placement (OBP)
[101]. Kết quả tính trình bày theo bảng 2.6 và 2.7
Bảng 2.5 Kết quả tính bài toán OPF có NMĐG [100][101]
Thông số tính
G1(MW)
Cost($/h)
G2 (MW)
Cost($/h)

G5 (MW)
Cost($/h)
G8 (MW)
Cost($/h)
G11 (MW)
Cost($/h)
G13 (MW)
Cost($/h)
V1 (p.u)
V2 (p.u)
V5 (p.u)
V8 (p.u)
V11 (p.u)
V13 (p.u)
Tap1 (p.u)
Tap2 (p.u)
Tap3 (p.u)
G1(MVAr)
G1(MVAr)
G1(MVAr)
G1(MVAr)
G1(MVAr)
G1(MVAr)

GWO
85,4
284,62
73,73
224,17
37,97

132,91
28,43
78,95
29,7
103,94
32,3
132,91
1,0407
1,0245
1,0228
1,0064
1,0463
1,05
1,068
0,9768
0,9864
16,7
0
37,8
40,49
10,69
25,97

GA
87,3
292,57
76,22
235,06
43,77
153,21

28,07
77,32
33,37
116,81
18,78
153,21
1,0369
0,9684
0,9790
1,0012
1,0139
1,0486
1,0833
1,0305
0,9595
-

BDA
58,12
36,16
52,74
75,32
96,51
43,51
1447,01

2.5.3 Điều độ tối ưu công suất phản kháng có NMĐG
Bài toán ORPD có tham gia của NMĐG tập trung ba mục tiêu chính
 Cực tiểu tổn thất công suất (Ploss)
 Cực tiểu độ lệch điện áp (VD)

13


 Cực đại hệ số ổn định điện áp (Lmax)
Khi có tham gia của NMĐG sẽ ảnh hưởng đến sự phân bố công suất
phản kháng và độ ổn định điện áp của hệ thống, dẫn đến thay đổi tổn
thất điện áp của hệ thống [104].
2.5.3.1 Hàm mục tiêu của bài toán ORPD có NMĐG
Hàm mục tiêu theo tài liệu [105]
Nk

Ploss   Gk ( i , j ) Vi  V j  2Vi VJ cos( i   j ) 
2

2

k 1

(7)

 n

VD    VNi  Vi  / n
 i 1

Theo tài liệu [106] hàm mục tiêu được xây dựng như sau
n
 nl

Fob    LSK   Qi 

 K 1

i 1

2

(8)

2.5.3.2 Các thuật toán để giải ORPD có tham gia của NMĐG
Các nghiên cứu đã công bố sử dụng các thuật toán sau: Adaptive
Aalgorith (AGA) [106], Particle Swarm Optimization (PSO) [107],
Multi-agent Based System (MABS) [108], Chance Constrained
Programming (CCP) và Robust Programming (RP) [109]. Kết quả
trình bày bảng 2.8
Bảng 2.6. Kết quả ORPD có NMĐG theo tài liệu tham khảo [111]
Tốc độ gió (m/s)
4
6
8
10
12
13.5

Ploss
0,2182
0,2179
0,2173
0,2168
0,2165
0,2163

MinF
0,0418
0,0413
0,0410
0,0405
0,0403
0,0402

14

VD
0,0213
0,0210
0,0209
0,0206
0,0204
0,0203

Lmax
-


Bảng 2.7 Kết quả ORPD có NMĐG theo tài liệu tham khảo [114]
Thông số
(pu)
V1
V2
V5
V8

V11
V13

2.6

Kịch bản
1
1,06
1,0378
0,9907
0,9976
1,0519
1,0444

Kịch bản
2
1,0378
1,004
0,996
1,002
1,0271
1,06

Thông số
(pu)
T(6-9)
T(6-10)
T(4-12)
T(27-28)

Kịch bản
1
0,9966
1,0092
0,9813
0,9915

Kịch bản
2
1,035
0,9
0,987
0,9717

Các khiếm khuyết cần khắc phục

Qua phân tích các ưu khuyết điểm trình bày trong mục 2.5, nghiên
cứu cần thực hiện các vấn đề chính như sau:
 Xây dựng hàm chi phí của tua bin gió.
 Phát triển và cải thiện thuật toán PSO cụ thể là PSO-TVAC, PGPSO và PG-PSOCF.
 Áp dụng thuật toán Cuckoo Search (CS) để giải bài toán ED, OPF
và ORPD có tham gia của NMĐG.
 Tính bài toán ED, OPF và ORPD theo yêu cầu phụ tải 24 giờ, có
tính độ lệch chuẩn và thời gian giải bài toán của từng thuật toán
CHƢƠNG 3
3.1

CÁC PHƢƠNG PHÁP TÌM KIẾM TỐI ƢU

Tối ƣu hoá bầy đàn (PSO)

Vâ ̣n tố c và vi ̣trí mới câ ̣p nhâ ̣t của bầ y sau mỗi vòng lă ̣p đươ ̣c xác
đinh
̣ theo phương trình sau:

vi  v( i 1)  c1  rand1 ( pbest  xi )  c2  rand 2 ( g best  xi )

xi  1  xi  vi
3.2

(9)
(10)

Các phƣơng pháp PSO c ải tiến.

15


3.2.1 Phương pháp PSO với hệ số gia tốc thời gian PSO-TVAC
Hệ số gia trọng w kiể m soát vận tốc mỗi bầy
v

( k 1 )

w

id

x

( k 1 )
id

( k 1 )

x



 v  c  rand  pbest  x
(k)

id

(k)
id

v

1

1

(k)

(k)

id

id

  c  rand   gbest
1

2

(k)
i

x

(k)
id



( k 1 )

(12)

id

3.2.2 Phương pháp PSO với gradient giả (PG)
3.2.2.1 Khái niệm gradient giả (PG)
1/. Nếu f(xl) < f(xk), hướng từ xk tới xl là hướng di chuyển tích cực.
PG tại điểm xl được tính bởi công thức:

g p ( xl )   ( xl 1 ),  ( xl 2 ), ...,  ( xln ) 

T

(13)

2/. Nếu f(xl)  f(xk), hướng xk tới xl là hướng tiêu cực. PG tại xl là

g p ( xl )  0

(14)

3.2.2.2 Gradient giả chỉ dẫn hướng cho PSO
Vị trí mới cập nhật
( k 1)

xid

 xid( k )   ( xid( k 1) )  vid( k 1)

(k )
( k 1)
xid  vid


( k 1)

if g p ( xid )  0

(15)

otherwise

3.2.3 Phương pháp PSO với hệ số giới hạn (CF)
Hệ số giới hạn C được tính theo công thức (16), vị trí mới của bầy
được cập nhật theo công thức (15)
( k  1)

vid



(k )




(k)

(k)

 C  vid  c1  rand1  pbest id  xid



(k )

(11)

(k)

 c2  rand 2  gbest i  xid

16



(16)


2

C 
2  

; where   c  c ,   4
1

  4

2

2

(17)

3.2.4 Thuật toán chim tu hú (CS)
 Trứng chất lượng tốt nhất sẽ nở ra chim tu hú con.
 Trong tổng số tổ chim mẹ, số trứng chim tu hú bị phát hiện với
xác xuất rất nhỏ là Pa   0,1 chim mẹ sẽ đẩy trứng chim tu hú,
hoặc bỏ đi và làm một tổ mới.
Phân bố Lévy flights
Levy(t) ~ u  t

1  

(0    2)

(18)

Giải pháp trứng mới được xác định
( t  1)

xi

3.3

 xi    Lévy (t )
t

(19)

Lựa chọn thông số cài đặt cho các phƣơng pháp

Đối với phương pháp PSO, PSO-TVAC, PG-PSO và PG-SPOCF
chọn: hệ số phạt K= 10-4 - 10-6, tổng số bầy Np = 10, hệ số cá thể c 1=
2, hệ số quần thể c 2= 2, Hệ số gia trọng cực tiểu wmin = 0,4, hệ số gia
trọng cực đại wmax = 0,9, tổng số vòng lặp ITmax = 100
Đối với phương pháp CS chọn: tổng số tổ NP = 15, số trứng trong tổ
NP = 10, số trứng xấu pa = 0,25, hệ số bước α = 1 , Tổng số vòng lặp
ITmax = 100
CHƢƠNG 4 ĐIỀU ĐỘ KINH TẾ TRONG HỆ THỐNG ĐIỆN
4.1

Thành lập bài toán ED trƣờng hợp không có NMĐG

Hàm mục tiêu bài toán ED không có năng lượng gió:

a  b P
Ng

Min F 

i

i

gi

 ci Pgi

2



(20)

i 1

17


Ràng buộc:

Ng

P

 PD  PL



(21)

i 1

Tổn thất công suất PL tính với hệ số ma trận B
Ng

Ng

Ng

i 1

j 1

i 1

PL   Pgi Bij Pgj   B0 i Pgi  B00

Pgi ,min  Pgi  Pgi ,max
4.2

(22)
(23)

Thành lập bài toán ED trƣờng hợp có NMĐG

4.2.1 Giá trị trung bình
Giá trị trung bình của tập dữ liệu được tính theo công thức:



1

k

v

(24)

l

k l 1
Độ lệch chuẩn được tính theo công thức


1
k

 (v
k

l

 )

(25)

2

l 1

4.2.2 Xác suất tốc độ gió

PRvi 

1



2

 (v   ) 
exp 
 2 
2

li

2

4.2.3 Tốc độ gió và hàm phân phối tốc độ gió

Hàm phân phối tốc độ gió theo Weibull [132] và Rayleigh [133]

18

(26)


 1  v
f (v)W  k   1   
 k  Vavg
  v
2v
f (v ) R  2 exp   
Vavg
  Vavg

k 1

 v

 1    V
  1    e 
 k 
2
 
 
 

avg

 1  
  1  
 k  

k

(27)

(28)

Đồ thị biểu diễn tốc độ gió theo Weibull với k là hệ số bề mặt vùng
gió thổi qua [33]

Hình 4.1 Phân phối tốc độ gió theo Weibull [33]
Từ giá trị tốc độ gió theo công thức (1) và hàm phân phối tốc độ gió
(26), thành lập công thức tính công suất phát điện của tua bin gió như
sau [136]


Pwi  . . A.C p 

2

1



f (v )dv   Fw . 





3

vmax



vmin

vmax



vmin


f (v )dv 



3

(29)

4.2.4 Hàm chi phí tua bin gió
Chi phí trung bình sản xuất điện năng ($/kWh) của tua bin gió được
tính theo công thức sau [137] [138]
19

COE 

ICC * FRC  LRC

O&M

(30)

AEP
NET

4.2.5 Chi phí vận hành của NMĐG
Theo [33] chi phí vận hành và bảo trì của tua bin gió chiếm từ 0,005
$/kWh đến 0,007 $/kWh, chọn chi phí vận hành trung bình của tua
bin gió là 0,006 $/kWh hay 6 $/MWh để làm cơ sở tính toán. Vậy chi
phí vận hành của tua bin gió là:


C wi  6.Pwi  6. Fw . 



vmax



vmin



f ( v )dv 



3

(31)

4.2.6 Nhà máy điện gió (wind farm)
Nhà máy điện gió (NMĐG) được kết nối từ nhiều tua bin gió, các tua
bin này có thể đấu nối song song hoặc nối tiếp với nhau sau đó kết
nối vào hệ thống [139] [140]
Từ (28) và (30) xây dựng công thức chi phí vận hành của NMĐG là:


Cw  6 Pwi  6 ( Fwi ) 

i 1
i 1

Nw

Nw


fi (v )dv 



vmax



vmin

3

(32)

4.2.7 Hàm chi phí của hệ thống khi có tham gia của NMĐG
Từ (19) và (31) hàm chi phí của các nhà máy nhiệt điện và NMĐG là

a
Ng

Min F 

i

 bi ( Pgi )  ci (Pgi )

2

  Cwi

i 1

20

(33)

4.2.8 Điều kiện ràng buộc của tua bin gió và NMĐG
Các ràng buộc khi có NMĐG tham gia [141]:
 Công suất tua bin gió theo tốc độ gió.
Nw

Pw  
i 1






3


fi (vi )dv  vcut in  vr  vcut out



vmax



vmin

(34)

 An ninh hệ thống điện: ổn định điện áp, đảm bảo công suất phát
ra đúng yêu cầu, công suất phản kháng trong phạm vi cho phép,
độ tin tưởng công suất phát dự phòng khi có yêu cầu.
 Cân bằng hệ thống: đảm bảo tổng công suất phát ra bằng với tổng
phụ tải cộng với tổn thất công suất [142] [143].
Ng

Nw

i 1

i 1

 Pgi   Pwgi  PD  PL
4.3

(35)

Áp dụng các phƣơng pháp giải bài toán ED

4.3.1 Trường hợp không có năng lượng gió
Tính công suất phát bù trừ Ps của hệ thống N nhà máy phát
Ng

Ps  PD  PL 

P

(36)



i 1
is

 N

N
N
N

PL  Bss Ps  2 Bsi Pi  B0 s  Ps    Pgi Bij Pgj   B0 i Pgi  B00
 i 1

i 1 j 1
i 1
is js
 is

g

g

g

2

A.P  B.P  C  0

(38)

A  Bss

(39)

2

s

s

Ng

B2

B P  B
si

i

0s

1

(40)

i 1
is

21

(37)


Ng

C


i 1
is

Ps 

Ng

Ng

Pgi Bij Pgj 

j 1
js

B 



Ng

B0 i Pgi  B00  PD 

P

i 1

B  4. A.C

gi

i 1
is

(41)

2

, B  4. A.C  0
2

(42)

2. A

4.3.1.1 Các bước giải ED không có NMĐG gió sử dụng PSO-TVAC
Bƣớc 1: Bắt đầu: xác định số NMPĐ Ngi có trong hệ thống, xác định
các thông số vận hành của máy phát nhiệt điện: ai, bi, ci, ei, fi, xác
định các ràng buộc bài toán ED theo (20)(21) và (22). Chọn các
thông số K, Np, c1, c2, w, ITmax của phương pháp PSO-TVAC theo 3.3.
Bƣớc 2: Khởi tạo ban đầu
Số đàn ban đầu X = [X1, X2, X3,...,Xd,..., XNp], ứng với mỗi bầy Xd =

[Pd1, Pd2,..., Pdi,...,PdNp]. Với Pdi là công suất phát của các nhà máy
nhiệt điện và d = (1, 2, ..., N). N: tổng số máy phát nhiệt điện trong
hệ thống. Khởi tạo bầy Xd theo công thức:
X di  Pi , min  rand1 * ( Pi , max  Pi , min )

(43)

Từ bầy Xdi ban đầu đánh giá theo hàm khả dụng sau:
N gi



FFinf   Fi ( X di )  K  Psdc  Ps

lim



2

(44)

i 1

Với: Psdc là công suất điều chỉnh tính theo (41), Pslim phụ thuộc vào
công suất điều chỉnh tính theo công thức sau:

 Ps ,max if Psdc  Ps ,max

lim

Ps   Ps ,min if Psdc  Ps ,min
P
if Ps ,min  Psdc  Ps ,max
 sdc
Tiếp tục tính bài toán ED theo mục 4.3.1.1 của báo cáo luận án.
22

(45)


4.3.1.2 Các bước giải ED không có NMĐG gió sử dụng PG-PSOCF
Thực hiện theo mục 4.3.1.2 của báo cáo luận án.
4.3.1.3 Các bước giải ED không có NMĐG gió sử dụng CS
Thực hiện theo mục 4.3.1.3 của báo cáo luận án.
4.3.2 Trường hợp có năng lượng gió
4.3.2.1 Các bước giải ED sử dụng phương pháp PSO-TVAC
Bƣớc 1: Bắt đầu
Xác định số NMPĐ Ngi có trong hệ thống bao gồm nhiệt điện và
NMĐG. Xác định các thông số vận hành của máy phát nhiệt điện: ai,
bi, ci, ei, và của tua bin gió: cwi. Xác định các ràng buộc bài toán ED
có năng lượng gió theo (33)(34), chọn các thông số cài đặt của
phương pháp PSO-TVAC theo 3.3
Bƣớc 2: Khởi tạo ban đầu
Số đàn ban đầu X = [X1, X2, X3,...,Xd,..., XNp], ứng với mỗi bầy Xd =
[Pd1, Pd2,..., Pdi,...,PdNp]. Với Pdi là công suất phát của các nhà máy
nhiệt điện và NMĐG và d = (1, 2, ..., N). N: tổng số máy phát nhiệt
điện và NMĐG trong hệ thống.
Sau đó thực hiện các bước tiếp theo tương tự mục 4.3.1.1
4.3.2.2 Các bước giải bài toán ED có NMĐG dùng PG-PSOCF
Bƣớc 1: Tương tự bước 1 mục 4.3.2.1, lựa chọn các thông số cài đặt

phương pháp PG-PSO theo 3.5
Bƣớc 2: thực hiện tương tự bước 2 mục 4.3.2.1
Sau đó thực hiện các bước tiếp theo tương tự mục 4.3.1.2 của báo
cáo luận án.
4.3.2.3 Các bước giải bài toán ED sử dụng phương pháp CS
Khởi tạo tổ chim ban đầu theo công thức
23