Phân bố công suất tối ưu đa mục tiêu giữa các nhà máy điện dùng phương pháp alhn

BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CHÂU TẤN TÀI
PHÂN BỐ CÔNG SUẤT TỐI ƯU ĐA MỤC TIÊU
GIỮA CÁC NHÀ MÁY ĐIỆN DÙNG PHƯƠNG PHÁP ALHN
Chuyên Ngành: Hệ Thống Điện
Mã Số Ngành: 2.06.07

LUẬN VĂN THẠC SĨ

Thành Phố Hồ Chí Minh, 07/2010


Cơng Trình Được Hồn Thành Tại Trường Đại Học Bách Khoa TPHCM
Cán bộ hướng dẫn khoa học: TS.Võ Ngọc Điều
………………………………………………………………………………
……………………………………………………………………………………
……………………………………………………………………………………
……………………………………………………………………………………
……………………………………………………………………………………
………………………………………………………………………..
Cán bộ chấm nhận xét 2:
………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………

…………………………………………………………………………………………
……………………………………………………………………….
Luận văn thạc sỹ được bảo vệ tại hội đồng chấm bảo vệ luận văn thạc sỹ
Trường ĐHBK, ngày

tháng

năm 2010.


ĐHQG TPHCM

Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam

Trường ĐHBK

Độc Lập-Tự Do-Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ và tên:Châu Tấn Tài

Giới tính:Nam

Sinh ngày 17 tháng 11 năm 1978
Chuyên ngành: Mạng và hệ thống điện
Khóa: 2008
1.Tên đề tài:Phân Bố Cơng Suất Tối Ưu Đa Mục Tiêu Giữa Các Nhà
Máy Điện Dùng Phương Pháp ALHN
2.Nhiệm vụ luận văn:
Tìm hiểu nguyên lý, phương pháp thuật toán ALHN vào giải bài

toán tối ưu
So sánh với các phương pháp khác
Sử dụng ngôn ngữ lập trình Matlab viết phần mềm ứng dụng để giải
bài tốn tối ưu.
3.Ngày giao nhiệm vụ:
4.Ngày hoàn thành nhiệm vụ:
5.Họ và tên cán bộ hướng dẫn:TS.Võ Ngọc Điều
Nội dung và đề cương luận văn thạc sĩ đã được hội đồng chuyên
ngành thông qua.
Cán bộ hướng dẫn

Chủ nhiệm Bộ Môn

(Họ tên và chữ ký)

Quản lý chuyên ngành
(Họ tên và chữ ký)


Lời Cảm Ơn
Trước tiên, Tôi xin gởi lời cảm ơn chân thành
đến tất cả thầy cô trường đại học bách khoa đã
truyền đạt cho tơi kiến thức trong q trình học tập
tại trường.
Hơn nữa, tôi xin ghi nhận trách nhiệm cao của
thầy Võ Ngọc Điều đã tận tâm hướng dẫn hoàn
thành luận văn này.
Cuối cùng, Xin gởi lời chúc sức khỏe đến gia
đình và bạn bè đã cổ vũ cho tơi có niềm tin trong
học tập.

Xin chào tất cả.


Các Chữ Viết Tắt Trong Luận Văn
ED

:

Economic dispatch

ALHN

:

Augmented lagrange hopfield network

PSO

:

Particle swarm optimization

OPF

:

Optimal power flow

GAS

:

Genetic Algorithms

SA

:

Simulated annealing

TS

:

Tabu search

QP

:

Quadratic programming

ANN

:

Artificial neural networks

IP

:

Interior point

EC

:

Evolutionary computation

LP

:

Linear programming

TF

:

Total fuel

TE

:

Total emission

NSGA

:

Non-dominated sorting genetic algorithm II


Các Hình Được Trình Bày Trong Luận Văn
Trang
Hình 1:Khí thải từ các nhà máy điện

4

Hình 2:Nồng độ khí S02 xung quanh các khu cơng nghiệp

4

Hình 3:Hình dạng của hàm Sigmoid

30

Hình 4:Sơ đồ ví dụ hệ thống gồm có 6 máy phát

33

Hình 5:Đường tối ưu Pareto sau khi chạy chương trình

47

Hình 6:Mơ hình lựa chọn giải pháp thoả hiệp

47

Hình 7:Kết quả đường cong Pareto

55

Hình 8:Mơ tả kết quả điểm thoả điểm

55

Hình 9:Cơng suất phát của máy phát thứ I

56

Hình 10:So sánh chi phí nhiên liệu giữa các phương pháp

57

Hình 11:So sánh mức phát thải giữa các phương pháp

57

Hình 12:Chi phí nhiên liệu ở máy phát thứ i

58

Hình 13:Mức phát thải ở máy phát thứ i

58

MỤC LỤC
Chương I : Mở Đầu

Trang

1.1

Ý nghĩa đề tài nghiên cứu

1

1.2

Mục tiêu nghiên cứu

1

1.3

Phạm vi nghiên cứu

1

1.4

Phương pháp luận nghiên cứu

2

Chương II: Tổng Quan Về Bài Toán ED Đa Mục Tiêu

3

2.1

Tổng quan

3

2.2

Giới thiệu về các phương pháp đã được áp dụng

5

2.2.1 Nhóm cổ điển

5

2.2.1.1 Phương pháp Quadratic programming

5

2.2.1.2 Phương pháp Interior point

6

2.2.1.3 Phương pháp Newton

7

2.2.1.4 Phương pháp Linear programming

7

2.2.1.5 Phương pháp lagrangian

8

2.2.2 Nhóm các phương pháp nhân tạo

9

2.2.2.1 Phương pháp Evolutionary computation

9

2.2.2.2 Phương pháp Artificial neural networks

10

2.2.2.3 Phương pháp PSO

12

2.2.2.4 Phương pháp Tabu search

14

2.2.2.5 Phương pháp Simulated annealing

15

2.2.2.6 Phương pháp thuật tốn di trun (Gas)

15

2.2.3 Nhóm các phương pháp lai
Chương III:

18

Thành Lập Bài Tốn

19

3.1

Bài tốn đa mục tiêu là gì

19

3.2

Ý nghĩa bài toán đa mục tiêu

19

3.3

Các hàm mục tiêu

20

3.4

Các phương trình ràng buộc

21


Chương IV:Giới Thiệu phương pháp ALHN và áp dụng giải bài toán
4.1

4.2

Giới thiệu phương pháp ALHN

22

4.1.1 Giới thiệu

22

4.1.2 Thuật toán

24

Áp dụng phương pháp ALHN để giải bài toán ED 28

Chương V: Kết Quả Số

33

5.1

Dữ liệu chương trình

5.2

Chương trình

5.3

Kết quả

35

5.4

So sánh kết quả với các phương pháp khác

56

Chương VI:Kết Luận và phương hướng phát triển

33

59

6.1

Kết luận

59

6.2

Phương hướng phát triển

59

6.3

Hạn chế.

60

6.4

Tổng kết

61

Phụ Lục

62

Tài Liệu Tham Khảo

65


CHƯƠNG I
MỞ ĐẦU
1.1 Ý nghĩa đề tài nghiên cứu
Việc nghiên cứu công suất tối ưu trong một hệ thống điện khơng những
nằm nâng cao tính kinh tế trong vận hành mà cịn đóng góp vào tính chính
xác và hợp lý khi quy hoạch, thiết kế hệ thống điện.
Từ những quan điểm trên đã hình thành bài tốn tối ưu đa mục tiêu, công
suất phát ra từ những nhà máy điện khơng những nhằm thoả mãn phụ tải
chung mà cịn có giá trị tối ưu theo những mục tiêu sau:
• Chi phí nhiên liệu trong tồn hệ thống là cực tiểu
• Tối thiểu khí thải ra mơi trường
• Độ dự trữ cơng suất cung cấp trong hệ thống phải đủ lớn
• Chất lượng điện năng phải đảm bảo
1.2 Mục tiêu nghiên cứu
Mục tiêu nghiên cứu phân bố công suất trong hệ thống điện là bài toán
cân đối nguồn phát đủ đáp ứng một giá trị tổng phụ tải biết trước sao cho
tổng chi phí là bé nhất, hạn chế tổn thất điện năng và hạn chế ảnh hưởng các
cơng trình nhiệt điện tác động đến môi trường và xã hội.Mục tiêu chính yếu
của giải thuật ALHN là tối thiểu chi phí hoạt động nhằm đáp ứng nhu cầu tải
của một hệ thống công suất trong khi vẫn đáp ứng điều kiện an ninh của hệ
thống điện.Chi phí này gồm tổng giá nhiên liệu và mức thải khí CO2, SO2 ra
mơi trường.
Để giảm chi phí nhiên liệu trong vận hành cần phải lập kế hoạch vận
hành chi tiết hệ thống điện trên cơ sở dự báo nhiên liệu, dự báo phụ tải dài
hạn, ngắn hạn và cả kế hoạch bảo dưỡng định kì thiết bị.

Page 1

Để giảm tổn thất điện năng cần thực hiện biện pháp quy hoạch thiết kế
hệ thống điện (như quy hoạch cấu trúc lưới điện, lựa chọn tiết diện dây
dẫn…) và thực hiện biện pháp trong vận hành (như phân bố công suất tối ưu,
điều chỉnh điện áp…).Ở đây chỉ xét biện pháp phân bố công suất tối ưu
trong vận hành.
1.3 Phạm vi nghiên cứu
Ở đây, xét hệ thống điện gồm nhiều nguồn nhiệt điện có nhu cầu tải
khơng đổi trong một thời gian cố định.Để giải bài toán tối ưu công suất giữa
các nhà máy cần phải xác định đặc tính chi phí sản xuất tối ưu từng nhà máy
và phụ thuộc khối lượng nhiên liệu, lưu trữ nhiên liệu và lượng khí thải ra
mơi trường.
Bài tốn phân bố cơng suất tối ưu có 03 dạng cơ bản:
- Phân bố công suất phát tối ưu giữa các nhà máy nhiệt điện
- Phân bố công suất phát tối ưu giữa các nhà máy nhiệt điện-thuỷ điện
- Phân bố công suất tối ưu đồng thời công suất tác dụng và phản kháng
Ở đây, chỉ xét bài tốn phân bố cơng suất tối ưu giữa các nhà máy nhiệt
điện.
1.4 Phương pháp luận nghiên cứu
Bài tốn dựa trên phương trình augmented lagrangian và giải thuật của
mạng ALHN và so sánh với các phương pháp khác như Simulated annealing
(SA), Evolutionary programming (EP), Genetic algorithm (GA), Tabu
search (TS), Quadratic programming (QP)…

Page 2


CHƯƠNG II
TỔNG QUAN VỀ BÀI TOÁN ED ĐA MỤC TIÊU

2.1 Tổng Quan
Mỗi xã hội nhiệm vụ cung cấp đủ năng lượng điện là kinh tế nhất có
thể với một mức độ hợp lý về chất lượng và tính liên tục. Trong tình hình
kinh tế thị trường của đất nước đang ngày càng phát triển, vấn đề kinh tế-kỹ
thuật trong vận hành và thiết kế hệ thống điện là vô cùng quan trọng.Thực
chất chính là sự phân bố tối ưu giữa các nhà máy điện trong một hệ
thống.Một trong những bài toán kinh tế-kỹ thuật quan trọng trong hệ thống
điện là xác định phân bố tối ưu công suất phát giữa các nhà máy điện nhằm
thỏa mãn mục tiêu vận hành kinh tế trong điều kiện tồn tại những ràng buộc
vận hành khác nhau.Để vận hành kinh tế một hệ thống điện phải giải quyết
hai vấn đề là cực tiểu chi phí nhiên liệu và cực tiểu tổn thất điện năng.Muốn
thế phải có kế hoạch sử dụng nhiên liệu và các biện pháp trong vận
hành.Một trong những biện pháp đó là phân bố công suất tối ưu giữa các nhà
máy trong hệ thống điện.
Nhà máy điện truyền thống hoạt động trên cơ sở chiến lược là cực tiểu
chi phí nhiên liệu mà khơng quan tâm tình trạng ơ nhiễm mơi trường.Câu
hỏi đặt ra cho vấn đề bảo vệ môi trường là giảm thiểu ô nhiểm gây ra bởi các
nhà máy điện.Trong hệ thống năng lượng giảm thiểu giá chi phí hoạt động
tức là giải quyết nhu cầu tải kinh tế rất cần thiết.Tối thiểu khí thải tức là
giảm chất gây ơ nhiễm như SO2 và CO2.Thống kê cho thấy khi đốt 1 tấn
than sẽ sinh ra 66 kg S02, 11 kg bụi và nhiều khí độc hại khác.Lượng khí
CO2 do con người đốt nhiên liệu khống phế thải vào khơng khí là trên 5 tỉ
tấn/năm và lượng SO2 là 200 triệu tấn/năm.Khí thải của các nhà máy điện
lại góp phần làm thủng tầng ôzon của trái đất và gây ra hiệu ứng nhà kính
đe dọa mơi trường sống của nhân loại.

Page 3


Tại việt nam, các nhà máy điện thải ra khói bụi, khí C02, S02 tác động

khơng nhỏ đến mơi trường.Ơ nhiễm môi trường đang là vấn đề bức xúc đối
với môi trường đô thị, công nghiệp đến mức báo động ảnh hưởng đến sức
khẻo con người làm giảm chất lượng sống hiện tại và tương lai…

Hình 1:Khí thải từ các nhà máy điện
Thống kê mức bụi, khí S02 tại việt nam cho thấy như sau:

Hình 2:Nồng độ khí S02 xung quanh các khu cơng nghiệp
Do đó việc đánh giá vấn đề kinh tế-môi trường là vấn đề đa mục tiêu
với các mục tiêu mâu thuận nhau vì ơ nhiễm mâu thuẫn với chi phí tối thiểu
của các máy phát.Đánh giá chi phí tính tốn kinh tế dựa trên dữ liệu liên
quan chi phí nhiên liệu và năng lượng điện.Chi phí này là xấp xỉ bởi một

Page 4


phương trình bậc 2 với các hệ số chi phí.Các hệ số đánh giá kinh tế được giả
định là xác định nhưng trong thực tế đang bị thiếu chính xác và khơng chắc
chắn.Những sai lệch là do khơng chính xác trong quá trình đo, dự báo dự
liệu đầu vào và thay đổi về hiệu suất của các đơn vị trong thời gian giữa đo
lường và hoạt động.Vì điểm hoạt động trong thực tế sẽ khác nhau từ các
điểm điều hành kế hoạch, do đó sẽ ảnh hưởng đến giá nhiên liệu thực
tế.Tương tự hệ số phát thải cũng có thể chịu một số sai lệch kết quả là sự
khác biệt nhất định trong các hệ thống.Kết hợp ảnh hưởng của các thông số
hệ thống không chắc chắn thành đánh giá tối ưu điện năng.
Nhiên liệu là một phần quan trọng ở những đơn vị phát điện.Sự giải quyết
nhiên liệu đạt được từ những ràng buộc khác nhau như sự phân phát nhiên
liệu, lưu trữ nhiên liệu.Vấn đề ED là vấn đề tối ưu hóa phi tuyến đa mục tiêu
đồng thời cực tiểu tổng giá nhiên liệu và mức phát ở những đơn vị phát với
thời gian xảy ra thoả mãn cân bằng công suất, sự phân phát và lưu trữ nhiên

liệu.Các phương pháp có thể hạn chế mức thải là:
• Sau q trình đốt cháy các hệ thống làm sạch
• Chuyển đổi sang nhiên liệu có tiềm năng phát thải thấp
• Tối ưu cơng suất các máy phát để giảm thiểu lượng khí thải
2.2 Giới thiệu về các phương pháp đã được áp dụng
2.2.1 Nhóm cổ điển:như phương pháp Linear programming, Quadratic
programming, Interior point, Newton, Lagrangian relaxation…
2.2.1.1 Phương pháp Quadratic programming (QP):
Là phương pháp phổ biến cho các ứng dụng trong các vấn đề ED với
các hàm mục tiêu phi tuyến và ràng buộc tuyến tính.QP là trường hợp mở
rộng của phương pháp LP với hàm mục tiêu bậc 2.Vì thế, phương pháp QP
có thể thuận tiện và linh hoạt hơn LP được ứng dụng để tối ưu hóa vấn đề
nhưng QP chỉ phù hợp cho vấn đề quy mô vừa và nhỏ.Phương pháp này áp

Page 5


dụng thuật toán Wolfe để giải bài toán điều phối tối ưu mà không sử dụng
các hệ số phạt hay u cầu xác định kích cỡ bước gradient.Ngồi ra, phương
pháp này đã giải quyết bài toán tối ưu bốn mục tiêu gồm chi phí nhiên liệu,
tổn thất cơng suất tác dụng, công suất phản kháng và quy hoạch nguồn công
suất phản kháng mới bởi Burchett năm 1982.Mặc khác, QP giải bài toán tối
ưu điều khiển điện áp với ràng buộc công suất tác dụng, công suất phản
kháng và nấc phân áp máy biến áp.Năm 1986 EL-Kaly trình bày phương
pháp giải bài tốn phân bố cơng suất tối ưu điều khiển điện áp với các ràng
buộc gồm các nấc phân áp máy biến áp, công suất tác dụng và công suất
phản kháng.
2.2.1.2 Phương pháp Interior Point (IP):
Phương pháp điểm nội thất đã được áp dụng thành công cho các vấn
đề quy mô lớn với sự hội tụ tốt và thời gian thực hiện phương pháp hợp lý

được Karmakar phát minh vào đầu những năm 1980.IP cũng có thể giải
quyết các tổ hợp và trở thành phổ biến để giải quyết vấn đề lập lịch trình
trong hệ thống.Phương pháp IP giảm bớt gánh nặng tính tốn khi giải quyết
vấn đề bằng cách xác định các giải pháp tối ưu từ bên trong khu vưc nội thất
của không gian, giải pháp khả thi dựa trên các biến thể và đường dẫn.Lợi thế
của IP nhanh hơn LP và điều chỉnh các thông số tự do.Năm 1991 Clements
sử dụng (IP) với lập trình phi tuyến để giải bài toán ước lượng trạng thái hệ
thống điện cho việc phát hiện và nhận dạng các trạng thái vận hành
xấu.Ngoài ra, phương pháp này được ứng dụng giải quyết bài toán điều phối
nguồn phát phi tuyến được tuyến tính hóa và được giải bằng cách dự đốn
và hiệu chỉnh.Cũng vào 1991 Ponnambalam trình bày thuật tốn đối ngẫu
mới để giải bài toán điều phối thủy điện.

Page 6


2.2.1.3 Phương pháp Newton:
Phương pháp này giải quyết vấn đề tối ưu có thể dẫn đến ma trận kích
thước lớn.Vấn đề khó khăn của phương pháp Newton bao gồm tính nghịch
đảo của ma trận lớn, tình trạng bất lợi của ma trận Jacobian và trường hợp đi
trệch các phương pháp gây ra bởi các giá trị ban đầu.Sự tìm thừa số ma trận
trong phương pháp Newton được tốt hơn nhưng kích thước của ma trận cho
đến khi tìm kiếm rất lơn.Tìm độ dốc và phương pháp lặp được áp dụng cho
việc tìm kiếm lịch trình tối ưu hệ thống.Tuy nhiên, những phương pháp này
chỉ áp dụng cho các vấn đề lồi và được ưu thích vì đặc tính hội tụ bậc hai.
Phương pháp này tính phân bố cơng suất theo phương pháp NewtonRaphson và sử dụng ma trận Jacobi để thành lập và xác định suất tăng tổn
thất cho bài toán điều phối kinh tế nguồn phát bởi Happ năm 1974.Ngồi ra
phương pháp này được áp dụng cho bài tốn điều phối kinh tế với các ràng
buộc ổn định bởi Pereira năm 1987.
2.2.1.4 Phương pháp Linear programming (LP):

Là phương pháp lập trình tuyến tính đã được sử dụng trong hoạt động
hệ thống điện một thời gian dài.Phương pháp này có lẽ đã được sử dụng
rộng rải nhất trong kỹ thuật lập trình tốn học do mơ hình đơn giản và hiệu
quả.Sự đa dạng phương pháp LP trong lịch trình tối ưu quá trình phát đã
được đề xuất là phù hợp.LP cho các vấn đề với các cam kết giả định là đơn
vị giải quyết một cách riêng biệt trong sự cải tiến.Phương pháp có thể được
áp dụng để giải quyết vấn đề lồi phi tuyến.Phương pháp này đơn giản nhưng
thời gian tính tốn của nó thay đổi gần như là khối lập phương của số lượng
các khoảng thời gian.Do đó phương pháp này là thích hợp cho vấn đề kích
thước nhỏ với các ứng dụng chính xác.Ứng dụng của LP trong vấn đề quy
mơ lớn, tồn bộ vấn đề có thể được phân hủy thành vấn đề nhỏ bằng cách sử

Page 7


dụng nguyên tắc Dautzig-wolfe và mỗi vấn đề có thể được giải quyết bằng
LP.
Phương pháp lập trình tuyến tính xét bài tốn có hàm mục tiêu và các
ràng buộc tuyến tính với các biến khơng âm.Phương pháp đơn hình cải biên
được sử dụng phổ biến.Năm 1987 Santos-Nieto áp dụng kỹ thuật lập trình
tuyến tính để giải bài tốn phân bố tối ưu công suất phản kháng sử dụng hàm
phạt với hàm mục tiêu cực tiểu tổn thất công suất và độ lệch điện áp.Mặc
khác, Năm 1968 Wells áp dụng phương pháp lập trình tuyến tính để giải bài
tốn điều phối nguồn phát với các ràng buộc ổn định chủ yếu dựa trên thuật
tốn phân tích Dantzig-Wolfe.
2.2.1.5 Phương pháp Lagrangian (LR)
Phương pháp LR là phương pháp phổ biến và thành công được áp dụng
cho các vấn đề tối ưu hố vì nó có thể giải quyết các vấn đề quy mơ lớn và
phức tạp.LR dựa trên sự quan sát nhiều vấn đề khác nhau có thể lập trình
theo mơ hình tốn học bởi các tập ràng buộc.Đặc biệt là giải quyết vấn đề tối

ưu, LR phân tích vấn đề lớn thành những vấn đề nhỏ và giải quyết độc
lập.Phương pháp này dựa trên đối nghịch lập trình tốn học, trong đó có một
giải pháp tối ưu thu được gần như khoảng cách giữa các vấn đề nhỏ chấp
nhận được.Tuy nhiên, sự tồn tại của khoảng cách giữa các vấn đề làm cho nó
khó đạt được giải pháp khả thi để thoả đáng vấn đề nguyên.Điều này là đặc
biệt đúng khi một hệ thống điện được miêu tả bởi những ràng buộc phi tuyến
tính và những hoạt động phức tạp.Hơn nữa rất khó để chọn một phương
pháp cập nhật thích hợp cho nhân tử Lagrange.Sự lựa chọn không phù hợp
các bước cho nhân tử Lagrange có thể dẫn đến sự sai số lớn trong q trình
hội tụ.Vì thế khơng thể đảm bảo giải pháp tối ưu cho vấn đề.

Page 8


2.2.2 Nhóm các phương pháp thơng minh nhân tạo:như Artificial neural
networks,

Simulated

annealing,

Tabu

search,

Genetic

algorithms,

Evolutionary computation, Particle swarm optimization…

2.2.2.1 Phương pháp Evolutionary Computation:
Trong số các phương pháp tìm kiếm bằng cách đánh giá kinh nghiệm,
tính tiến hóa (EC) đã nhận được sự quan tâm nhiều hơn do khả năng tìm giải
pháp tối ưu, sự bổ sung tính linh hoạt trong việc giải quyết các vấn đề phức
tạp và đơn giản trong thực hiện kỹ thuật EC dựa trên sự tiến hóa tự nhiên,
trong đó hội tụ để tối ưu giải pháp vấn đề có được sau khi một số lượng đủ
của các thế hệ tiến hóa đại diện cho giải pháp, các thế hệ kế tiếp tiến hóa đại
diện cho giải pháp được tạo ra từ một lựa chọn xác suất và hoạt động tiến
hóa tiếp diễn và đột biến bắt đầu tạo ra ngẫu nhiên từ một thế hệ ban
đầu.Chiến lược tiến hóa, tối ưu tiến hóa, lập trình tiến hóa và tiến hóa khác
đã được áp dụng để giải quyết các thế hệ lập trình tối ưu.Một hợp tác xã
đồng tiến hóa là một phần mở rộng của truyền thống EP cho giải quyết vấn
đề bảo vệ mơi trường.Trong đó quần thể các giải pháp phát triển thông qua
những thay đổi ngẫu nhiên, cạnh tranh và lựa chọn.EP được sử dụng rộng rải
để giải quyết vấn không min ED và các vấn đề ED khác.Trong đó kỹ thuật
EP phát triển nhanh chóng dựa vào Cauchy hoặc kết hợp Gaussion.Một
nhược điểm của EP việc giải quyết một vấn đề tối ưu đa phương thức là hội
tụ chậm đến gần tối ưu và đột biến là một bài tốn tìm kiếm quan trọng, tạo
ra các giải pháp mới từ giải pháp hiện tại, ED có thể được cải tiến hơn bằng
cách cải thiện đột biến hoặc kết hợp với các phương khác.
Phương pháp kết hợp lập trình tiến hóa với lập trình bậc 2 để giải bài
tốn điều phối kinh tế nguồn phát.Trong đó, Phương pháp lập trình tiến hóa
được dùng để xác định lời giải cơ sở gần tối ưu toàn cục và phương pháp lập
trình bậc hai tìm kiếm cục bộ được dùng để xác định lời giải tối ưu toàn

Page 9


cục.Mỗi cá thể trong quần thể biểu diễn một lời giải trong khơng gian tìm
kiếm.

2.2.2.2 Phương pháp Artificial Neural networks (ANNs)
Mạng neural nhân tạo (Artificial Neural Network) là hệ thống được
xây dựng dựa trên nguyên tắc cấu tạo của bộ não con người, có cấu trúc gồm
nhiều neuron nằm trong các lớp khác nhau. Tín hiệu ở lớp vào và lớp ra liên
hệ với nhau qua các neuron trung gian nằm trên một hoặc một số lớp ẩn
thông qua ma trận trọng số mạng. Nó cho chúng ta một hướng mới trong
việc nghiên cứu hệ thống thông tin. Mạng neural nhân tạo có thể thực hiện
các bài tốn nhận và phân loại mẫu; Tính tốn gần đúng các hàm số; Thực
hiện các bài toán tối ưu; Nhận dạng và điều khiển đối tượng... hiệu qủa hơn
so với các phương pháp tính tốn truyền thống. Giống với bộ não con người,
mạng neuron muốn đạt được kiến thức phải trải qua quá trình học tập. Hầu
hết các giải thuật học đều dựa trên sai lệch giữa kết quả thực hiện bởi mạng
neuron với kết quả mong muốn. Đó là một q trình sửa sai theo giải thuật
tổng quát gọi là lan truyền ngược sai lệch.Trong quá trình học, giá trị đầu
vào được đưa vào mạng và theo dòng chảy trong mạng cho giá trị ở đầu ra.
Tiếp theo là quá trình so sánh giá trị tạo ra bởi mạng neuron với giá trị
ra mong muốn. Nếu hai giá trị này giống nhau thì khơng thay đổi gì cả. Tuy
nhiên, nếu có một sai lệch giữa hai giá trị này thì đi ngược mạng từ đầu ra về
đầu về đầu vào để thay đổi một số kết nối.Đây là một quá trình lặp liên tục
và có thể khơng dừng khi khơng thể tìm các giá trị w sao cho đầu ra tạo bởi
mạng neuron bằng đúng đầu ra mong muốn. Do đó trong thực tế người ta
phải thiết lập tiêu chuẩn dừng dựa trên một giá trị sai số nào đó của hai giá
trị này, hay dựa trên một số lần lặp xác định.

Page
10


Mạng nơron nhân tạo (ANN) dựa trên mơ hình hành vi của các mạng
nơron sinh hoc và được sử dụng rộng rải trong kỹ thuật hệ thống điện, trong

đó HNN là phổ biến nhất để sử dụng trong tối ưu hoá hệ thống điện.Khả
năng giải quyết vấn đề tổ hợp của mạng hopfield rời rạc được khám phá để
giải quyết vấn đề UC và thu được kết quả rất khả quan.Mạng hopfield giải
quyết vấn đề ED với phương trình giá bậc 2.Đó là chương trình mà mạng
nơron có thể cung cấp giải quyết vấn đề ED.Tuy nhiên, mạng hopfield
thường hội tụ rất chậm.Tiếp theo sau mạng nơron hopfield đã được đề xuất
cho tăng tốc sự hội tụ của mạng hopfield bởi phương trình tuyến tính hóa
sigmoid.Một cải thiện mạng rất nhanh trong tính tốn nhưng nó có thể áp
dụng cho vấn đề đơn giản.Thích ứng mạng nơron hopfield cho tăng tốc hội
tụ và xử lý nhiều vấn đề phức tạp đã được đề xuất.Trong phương pháp này,
độ dốc của phương trình sigmoid và độ xiên của các nơron thích ứng được
cập nhật vì thời gian hội tụ giảm đáng kể so với các phương pháp thơng
thường.
Một mơ hình Hopfield mới cho bài toán điều phối tối ưu .Để giải bài
toán, tác giả xác định hàm năng lượng bao gồm độ lệch cơng suất, tổng chi
phí nhiên liệu và tổn thất truyền tải.Các trọng số trong hàm năng lượng có
thể chọn thích hợp hoặc ước lượng trực tiếp theo mơ hình đề xuất.Để cực
tiểu hàm năng lượng thủ tục tính tốn bao gồm một chuỗi các bước điều

Page
11


chỉnh trọng số liên quan đến tổn thất truyền tải và cập nhật công suất phát
của các tổ máy cũng như tổn thất công suất.
2.2.2.3 Phương pháp Particle Swarm optimization (PSO)
Là một trong những thuật toán heuristic phát triển nhất theo thể thức
thi đua của một hành vi xã hội đơn giản hóa của sinh vật như cá và chim.Đó
là một dân số dựa trên thuật tốn tiến hóa để được hiệu quả trong việc giải
quyết liện tục vấn đề phi tuyến tính bởi Eberhart và Kennedy 1995.PSO

cung cấp một tìm kiếm dựa trên thủ tục dân số.Trong đó cá nhân thay đổi vị
trí của họ với thời gian và sử dụng một vectơ vận tốc dựa trên hành vi xã hội
của cá nhân để cập nhật các vị trí hiện tại của mỗi hạt bay trong khơng gian
tìm kiếm đa chiều của vấn đề.Trong suốt chuyến bay, mỗi hạt với một vận
tốc là tự điều chỉnh theo kinh nghiệm bay của các hạt riêng và láng giềng để
tận dụng vị trí tốt nhất gặp phải của chính nó và các láng giềng.Kỹ thuật
PSO có thể cung cấp giải pháp chất lượng cao trong thời gian ngắn hơn với
đặc điểm tính hội tụ ổn định hơn so với phương pháp khác.PSO được sử
dụng rộng rãi để giải quyết vấn đề hạn chế chi phí ED có chức năng khơng
phức tạp và hạn chế đường truyền, điện áp, môi trường và an ninh.
Phương pháp tối ưu bầy đàn là một trong những thuật tốn xây dựng
dựa trên khái niệm trí tuệ bầy đàn để tìm kiếm lời giải cho các bài tốn tối
ưu trên một khơng gian tìm kiếm.PSO là kết quả của sự mơ hình hóa việc
đàn chim bay đi tiềm kiếm thức ăn cho nên nó thường được xếp vào các loại
thuật tốn có sử dụng trí tuệ bầy đàn, được giới thiệu vào năm 1995 tại hội
nghị của IEEE bởi James Kenedy.Để minh họa cho thuật toán PSO xem ví
dụ đơn giản về q trình tiềm kiếm thức ăn của một đàn chim.Khơng gian
tìm kiếm lúc này là tồn bộ khơng gian ba chiều mà chúng ta đang sinh
sống.Tại thời điểm bắt đầu tìm kiếm cả đàn bay theo một hướng nào đó, có
thể ngẫu nhiên.Tuy nhiên sau một thời gian tìm kiếm một số cá thể trong đàn

Page
12


bắt đầu tìm ra được nơi có chứa thức ăn.Tùy theo số lượng thức ăn vừa tìm
kiếm mà có thể gởi tín hiệu đến các cá thể khác đang tìm kiếm ở vùng lân
cận.Tín hiệu này lan truyền trên tồn quần thể.Dựa vào thơng số nhận được
mỗi cá thể có thể điều chỉnh hướng bay và vận tốc theo hướng về nơi có
nhiều thức ăn nhất.Như vậy đàn chim đã dùng trí tuệ, kiến thức, kinh

nghiệm của cả đàn để nhanh chóng tìm ra nơi chứa thức ăn.Tương tự, xét bài
tốn tối ưu của hàm F trong khơng gian n chiều.Mỗi vị trí trong khơng gian
là một điểm tọa độ n chiều.Hàm F là hàm mục tiêu xác định trong khơng
gian n chiều và nhận giá trị thực.Mục đích là tìm ra điểm cực tiểu của hàm F
trong miền xác định nào đó.
Năm 2007 Tarek Bouktir trình bày phương pháp PSO để giải quyết
vấn đề tối ưu OPF.Mục tiêu là cực tiểu tổng giá nhiên liệu và lượng khí thải
ra môi trường dựa trên các nhà máy nhiệt điện.
Năm 2000 H.Yoshida và Y.Nakanishi cùng với các cộng sự áp dụng
phương pháp PSO để tối ưu hố dịng cơng suất dịng công suất phản kháng
trong mạng điện để giảm thiểu tổn thất công suất thực trong hệ thống điện.
Năm 2003 Zwe-Lee Giang áp dụng PSO để giải quyết vấn đề tối ưu
kinh tế truyền thống và xem xét các đặc tính phi tuyến của máy phát như
giới hạn tốc độ và vùng cấm hoạt động cho hệ thống điện thực tế.
Năm 2006 T.Bouktir cùng các cộng sự trình bày ứng dụng PSO cho
vấn đề OPF trong hệ thống qui mô lớn.Phương trình mục tiêu quan tâm ở
cùng thời điểm giá của công suất phát, tổn thất truyền tải và độ lệch điện áp.
Giải thuật OPF được định nghĩa là vấn đề tối ưu phi tuyến tĩnh mà
trong đó các biến điều khiển được điều chỉnh để tối thiểu hàm mục tiêu tức
là tối thiểu cả chi phí máy phát điện lẫn tối thiểu tổn thất của hệ thống.

Page
13


2.2.2.4. Phương pháp tìm kiếm TaBu (TS):
Phương pháp TS được đưa ra đầu tiên bởi Glover vào năm 1986, ý
tưởng này được đề nghị bởi Hansan năm 1986 sau đó được những nhà
ngiêng cứu bổ sung để mang lại hiệu quả cao trong việc tìm kiếm.TS là một
kỹ thuật tránh việc các quá trình tìm kiếm rời rạc bị tắc trong các cực tiểu

địa phương.TS là một trong những phương pháp meta-heuritic phát triển ban
đầu của vấn đề tối ưu tổ hợp.Phương pháp TS tối ưu mạnh mẽ bằng cách sử
dụng lịch sử tiềm kiếm và chứng tỏ là một chiến lược thành cơng cho các
vấn đề tối ưu hóa tổ hợp với khả năng tránh nhầm trong ý tưởng địa
phương.Mục đích chính của TS là việc sử dung bộ nhớ thích ứng, ngăn ngừa
hội tụ để tối ưu hóa địa phương, do điều kiện tìm kiếm đến các bộ phận khác
của khơng gian tiềm kiếm.Tuy nhiên, TS có thể mang lại một lượng lớn các
khu vực lân cận khi từ được chọn là rất dài, dẫn đến làm chậm hội tụ.
Giải thuật tìm kiếm Tabu cơ bản là sử dụng một danh sách lưu trữ các
lời giải đã đi qua để bảo đảm rằng sẽ không viếng thăm một giải hai lần khi
giải thuật vươn tới một đỉnh tối ưu cục bộ, việc tìm kiếm sẽ di chuyển xung
quanh các lời giải có đỉnh này và nhờ lưu trữ các lời giải đi qua, việc tiềm
kiếm sẽ tránh bị lặp vịng để thốt khỏi vùng tối ưu cục bộ.Trong giải thuật
tìm kiếm Tabu-list hết sức quan trọng.Chiều dài Tabu-list phải đủ lớn để
đảm bảo thoát khỏi vùng tối ưu cục bộ nhưng phải đủ ngắn để tránh bỏ qua
các lời giải có khả năng.Đây là tham số ảnh hưởng đến hiệu quả của việc
tiềm kiếm và có thể thêm kỹ thuật thích nghi để thay đổi kích thước tabu-list
trong q trình tiềm kiếm.
Tabu search là phương pháp meta-heuristic có thể được sử dụng để
giải quyết vấn đề tối ưu hóa tổ hợp.Nó có kiểm sốt một cách linh hoạt và
những thành công đáng kể trong việc giải quyết một số vấn đề khó, làm cải
thiện các ứng dụng một cách đột ngột.Phương pháp này tìm kiếm khu láng

Page
14


giềng và dùng ký ức nhớ ngắn hạn và dài hạn để phân biệt tìm kiếm địa
phương và tìm kiếm khác.Thêm vào danh sách tìm kiếm, một ký ức dài hạn
và các thông tin khác về giải pháp trước khi có thể sử dụng để cải thiện việc

tăng cường và đa dạng hóa các tìm kiếm.Nó có thể xác nhận rằng chiến lược
tăng cường và đa dạng hóa là rất quan trọng ở một số thời điểm.Ý tưởng
chính là tự động điều chỉnh số lượng các yếu tố tăng cường và các yếu tố đa
dạng hóa các thành viên trong hợp tác.
2.2.2.5 Phương pháp Simulated annealing (SA)
Giả lập luyện thép (SA) là một thuật tốn tìm kiếm xác xuất.Mơ
phỏng luyện kim được giải quyết vấn đề tối ưu hóa bằng cách giả lập ủ kim
loại.Phương pháp này được áp dụng để giải quyết nhỏ vấn đề xác định ngắn
hạn và nó được trình bày mà SA nhanh hơn thời gian tính tốn so với
phương pháp SA gradient.SA có thể được dùng để tìm tối ưu nhưng có được
giải pháp tối ưu hóa địa phương nếu ủ khơng phải là một điều chỉnh một
cách cận thận.Hơn nữa, một thiết lập phù hợp cho điều kiện thơng số trên cơ
sở thuật tốn SA và tốc độ hội tụ thuật toán thường chậm khi áp dụng cho
các hệ thống điện thực tế có kích thước mặc dù nó có nhiều tính năng mạnh
khác như độc lập với giải pháp ban đầu và toán học phức tạp.
2.2.2.6 Phương pháp thuật toán di truyền (Genetic algorithms:GAs)
Thuật toán di truyền đã được một số nhà sinh vật học tìm ra từ thập
niên 50, 60.Tuy nhiên mãi đến năm 1962, nguyên lý cơ bản của thuật toán di
truyền được J.H.Holland công bố lần đầu tiên vào năm 1962.Tư tưởng sơ
khởi ban đầu là bài toán leo đồi nghĩa là càng về sau càng tiến tới lời giải tốt
hơn.Thuật toán này được ứng dụng chủ yếu vào hai lĩnh vực chính là tối ưu
hóa và máy thơng minh.Bản chất của thuật tốn di truyền là tìm kiếm ngẫu
nhiên kết hợp với tìm kiếm theo định hướng.Bằng cơ chế mã hóa thích nghi,
Gas xử lý các chuỗi bit nhị phân gọi là các cá thể hay nhiễm sắc thể và

Page
15


chúng biểu diễn những điểm trong khơng gian tìm kiếm.Kết quả thuật toán

nhận được là độ phù hợp của các cá thể được tạo ra và định hướng việc chọn
cá thể có độ phù hợp cao hơn chuẩn bị cho khuynh hướng tái sinh quần thể
mới.
Giải thuật của thuật toán di truyền
Bắt đầu

Tạo quần thể gốc
gồm nhiều cá thể

Xác định độ phù
hợp mỗi cá thể
Chọn lọc cá thể
theo độ phù hợp
Lọc bỏ cá thể có
độ phù hợp kém
Tạo quần thể mới
Gen> MaxGen

Yes

Stop

No

Gen=Gen+1

Để thực hiện quá trình, đầu tiên genetic sẽ sinh ra ngẫu nhiên một quần
thể bao gồm nhiều cá thể được mã hố.Sau đó dựa vào hàm tính tốn để xác
định giá trị thích nghi của từng cá thể.Cá thể nào có hệ số thích nghi cao thì
có cơ hội được lựa chọn.Để cho thế hệ sau có hệ số thích nghi tốt hơn thế hệ

trước, GA đưa ra quá trình đột biến tức là gây một sự thay đổi trên một phần
chuỗi nhiễm sắc thể và quần thể mới được tạo ra trong q trình này.Q
trình tiến hố được lặp lại cho đến khi tiến đến giá trị toàn cục mà trong quá

Page
16


trình tiến hố khơng bị kẹt ở những cực trị cục bộ.
Phương pháp Gen di truyền(Gas) đã trở thành phổ biến để giải quyết vấn
đề tối ưu vì sự bền vững trong tìm kiếm tối ưu và cung cấp điểm cực trị toàn
cục. GAs khác với các phương pháp khác ở những điểm sau:
- GAs làm việc với quần thể gồm nhiều NST( tập hợp nhiều lời giải) ,
tìm kiếm nhiều điểm cực trị cùng một lúc. Bằng các phép tốn di
truyền , GAs trao đổi thơng tin giữa các cực trị, do đó hạn chế rơi vào
cực trị địa phương.
- GAs làm việc với chuỗi NST chứ không làm việc với các thông số.
- GAs chỉ cần đánh giá hàm mục tiêu để định hướng quá trình tìm kiếm
mà khơng cần bất cứ thơng tin gì khác.
Bản chất tốn học của GA là giải thuật tìm kiếm theo xác suất. GAs mơ
phỏng 3 q trình cơ bản của tiến hóa tự nhiên: chọn lọc tự nhiên, lai ghép,
và đột biến.
Một bài tốn giải bằng GAs được mơ tả như sau:

Page
17