Luận án tiến sĩ: Nghiên cứu ứng dụng thuật toán Cuckoo Search trong quy hoạch và vận hành hệ thống điện

• Tác giả: Nguyen Phuc Khai
• Người hướng dẫn: Prof. Goro Fujita
• Trường học: Shibaura Institute of Technology
• Chuyên ngành: Regional Environment Systems
• Đề tài: Ứng dụng thuật toán Cuckoo Search trong quy hoạch và vận hành hệ thống điện
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2017
• Địa điểm: Tokyo

• Abstract
• Acknowledgements
• Contents
• 1. CHƯƠNG 1: Introduction
• 1.1. Economic operation
• 1.2. Process of economic operation in the control of a generating unit
• 2. CHƯƠNG 2
• 2.1. Apply a meta-heuristic for solving a problem
• 2.2. Effectiveness of meta-heuristics
• 3. CHƯƠNG 3: Self-Learning Cuckoo search algorithm
• 3.1. Cuckoo search Algorithm
• 3.1.1. Cuckoos breeding behavior
• 3.1.2. Lévy flight
• 3.1.3. Conventional Cuckoo search algorithm
• 3.2. Proposed Self-learning Cuckoo Search Algorithm
• 3.3. Evaluation on tested benchmarks
• 3.4. Applications on engineering problems
• 4. CHƯƠNG 4: Multi-Area Economic dispatch problem
• 4.1. Multi-area economic dispatch
• 4.1.1. Real balanced-power constraint
• 4.1.2. Limitation of output power
• 4.1.3. Limitation of transmission lines
• 4.1.4. Prohibited operating zone constraint
• 4.2. Previous works on Multi-area economic dispatch problem
• 4.3. Implementation for Multi-area economic dispatch problem
• 4.3.1. Determining output power of slack generator in each area
• 4.3.2. Overall procedure of the proposed method for MAED
• 5. CHƯƠNG 5: Optimal power flow problem
• 5.1. Power balance constraint
• 5.2. Limited constraints of generators
• 5.3. Shunt-VAR compensators capacity
• 5.4. Limitation of tap changers of transformers
• 5.5. Limitation of load bus voltages
• 5.6. Capacity of transmission lines
• 5.7. Previous works on optimal power flow studies
• 5.8. Implementation of Self-learning Cuckoo Search for OPF
• 5.8.1. Controllable and dependent variables
• 5.8.2. Example of Optimal power flow problem
• 5.8.2.1. Case study 1: IEEE 30-bus system
• 5.8.2.2. Case study 2: IEEE 57-bus system
• 5.8.2.3. Continuous variables of capacitors
• 5.8.2.4. Case study 3: IEEE 118-bus system
• 5.8.2.5. Case study 4: IEEE 300-bus system
• 6. CHƯƠNG 6: Optimal Reactive Power Dispatch
• 6.1. Previous works on optimal reactive power dispatch
• 6.2. Power balance constraint
• 6.3. Limitation constrains of generators
• 6.4. Limitation of shunt-VAR compensators
• 6.5. Limitation of transformer load changers
• 6.6. Limitation of load bus voltages
• 6.7. Limitation of transmission lines
• 6.8. Implementation of Self-Learning Cuckoo Search for ORPD
• 6.8.1. Case study 1: IEEE 30-bus system
• 6.8.2. Case study 2: IEEE 57-bus system
• 6.8.3. Case study 3: IEEE 118-bus system
• 7. CHƯƠNG 7: Optimal sizing and placement of shunt VAR compensators
• 7.1. Previous works on optimal reactive power dispatch
• 7.2. Objectives and operational constraints
• 7.2.1. The active power losses
• 7.2.2. The voltage deviation
• 7.2.3. The investment cost
• 7.3. Power balance constraint
• 7.4. Limitation of SVC devices
• 7.5. Limitation of bus voltages
• 7.6. Implementation and the fitness function
• 7.6.1. Limitation of solution vector and initialization
• 7.7. Case study 1: IEEE 30-bus system
• 7.8. Case study 2: IEEE 57-bus system
• 7.9. Case study 3: IEEE 118-bus system
• 7.10. Alignment with research issues
• A Data of Multi-Area Economic Dispatch
• B Data of the IEEE 30-bus system
• C Data of the IEEE 57-bus system
• D Data of the IEEE 118-bus system
• E Data of the IEEE 300-bus system
• F Matlab code of Self-Learning Cuckoo search algorithm for Example 4.1
• Bibliography
• List of Publications
• List of Figures
• List of Tables
• Abbreviations

I. Thuật toán Cuckoo Search

Thuật toán Cuckoo Search là một phương pháp meta-heuristic được phát triển bởi Yang và Deb từ năm 2009. Thuật toán này dựa trên phân phối Lévy để tạo ra các giải pháp mới và mô phỏng quá trình sinh sản của chim Cuckoo. Trong luận án này, Self-Learning Cuckoo Search Algorithm (SLCSA) được đề xuất nhằm cải thiện hiệu suất bằng cách cho phép trứng Cuckoo tự điều chỉnh theo các giải pháp tốt hơn. Một yếu tố học tập (pl) được sử dụng để kiểm soát giai đoạn điều chỉnh và ngăn chặn việc rơi vào các điểm tối ưu cục bộ. Thuật toán này được đánh giá trên các bài toán kinh tế trong hệ thống điện, cho thấy hiệu quả vượt trội so với thuật toán Cuckoo Search truyền thống.

1.1. Cơ sở lý thuyết

Thuật toán Cuckoo Search dựa trên hành vi sinh sản của chim Cuckoo và phân phối Lévy. Phân phối Lévy giúp tạo ra các bước nhảy ngẫu nhiên, giúp thuật toán khám phá không gian tìm kiếm hiệu quả. Self-Learning Cuckoo Search Algorithm thêm yếu tố học tập để cải thiện khả năng tìm kiếm toàn cục, đặc biệt trong các bài toán phức tạp.

1.2. Ứng dụng thực tế

Thuật toán được áp dụng trong quy hoạch hệ thống điện và vận hành hệ thống điện, đặc biệt trong các bài toán như Multi-Area Economic Dispatch (MAED) và Optimal Power Flow (OPF). Kết quả thử nghiệm cho thấy SLCSA vượt trội trong việc giải quyết các bài toán quy mô lớn, đặc biệt là hệ thống IEEE 300-bus.

II. Quy hoạch hệ thống điện

Quy hoạch hệ thống điện là quá trình tối ưu hóa việc phân bổ nguồn điện để đảm bảo hiệu quả kinh tế và ổn định hệ thống. Luận án tập trung vào các bài toán như Multi-Area Economic Dispatch (MAED), nơi mục tiêu là tối thiểu hóa chi phí nhiên liệu khi kết hợp các hệ thống điện từ nhiều khu vực. Self-Learning Cuckoo Search Algorithm được áp dụng để giải quyết các bài toán này, đặc biệt là các hàm chi phí nhiên liệu phi lồi như hàm chi phí đa nhiên liệu và hàm chi phí có hiệu ứng điểm van.

2.1. Multi Area Economic Dispatch

Bài toán MAED yêu cầu tối ưu hóa chi phí nhiên liệu trong khi đảm bảo cân bằng công suất giữa các khu vực. SLCSA được đánh giá trên các hệ thống từ 2 đến 5 khu vực, cho thấy khả năng vượt trội trong việc tìm kiếm giải pháp tối ưu so với các phương pháp truyền thống.

2.2. Tối ưu hóa hệ thống điện

Quy hoạch năng lượng và quản lý năng lượng là các khía cạnh quan trọng trong quy hoạch hệ thống điện. SLCSA được áp dụng để tối ưu hóa các thông số như công suất phát, điện áp và vị trí các thiết bị bù công suất phản kháng, giúp giảm thiểu tổn thất điện năng và chi phí vận hành.

III. Vận hành hệ thống điện

Vận hành hệ thống điện đòi hỏi sự cân bằng giữa sản xuất và tiêu thụ điện năng. Luận án tập trung vào các bài toán như Optimal Power Flow (OPF) và Optimal Reactive Power Dispatch (ORPD), nơi mục tiêu là tối thiểu hóa chi phí nhiên liệu và tổn thất công suất. Self-Learning Cuckoo Search Algorithm được đánh giá trên các hệ thống từ 30 đến 300 bus, cho thấy khả năng giải quyết các bài toán quy mô lớn một cách hiệu quả.

3.1. Optimal Power Flow

Bài toán OPF xác định công suất và điện áp của các máy phát để tối thiểu hóa chi phí nhiên liệu. SLCSA được đánh giá trên hệ thống IEEE 300-bus, cho thấy khả năng vượt trội trong việc giải quyết các bài toán quy mô lớn so với các phương pháp truyền thống.

3.2. Optimal Reactive Power Dispatch

Bài toán ORPD tập trung vào việc tối thiểu hóa tổn thất công suất phản kháng. SLCSA được đánh giá trên các hệ thống 30-, 57- và 118-bus, cho thấy khả năng cung cấp các giải pháp tối ưu hơn so với các phương pháp khác.

IV. Tối ưu hóa hệ thống điện thông minh

Hệ thống điện thông minh đòi hỏi sự tích hợp của các công nghệ tiên tiến để tối ưu hóa hiệu suất và độ tin cậy. Luận án đề xuất việc áp dụng Self-Learning Cuckoo Search Algorithm trong các bài toán như tối ưu hóa vị trí và kích thước các thiết bị bù công suất phản kháng. Kết quả thử nghiệm cho thấy SLCSA vượt trội trong việc tối ưu hóa các thông số hệ thống, đặc biệt trong các bài toán đa mục tiêu.

4.1. Tối ưu hóa thiết bị bù công suất

Bài toán tối ưu hóa vị trí và kích thước các thiết bị bù công suất phản kháng được giải quyết bằng SLCSA. Kết quả thử nghiệm trên các hệ thống 30-, 57- và 118-bus cho thấy khả năng vượt trội của SLCSA trong việc tối thiểu hóa tổn thất công suất và chi phí đầu tư.

4.2. Phân tích dữ liệu điện

Phân tích dữ liệu điện là một phần quan trọng trong việc tối ưu hóa hệ thống điện. SLCSA được sử dụng để phân tích và dự đoán các thông số hệ thống, giúp cải thiện hiệu suất vận hành và độ tin cậy của hệ thống điện.