Luận văn thạc sĩ kỹ thuật điện áp dụng phương pháp tìm kiếm phân dạng ngẫu nhiên cho bài toán tối ưu hóa công suất phản kháng

Luận văn thạc sĩ nghiên cứu kỹ thuật điện áp dụng phương pháp tìm kiếm phân dạng ngẫu nhiên cho bài toán tối ưu hóa công suất, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Lê Trọng Nghĩa
• Người hướng dẫn: TS. Nguyễn Ngọc Phúc Diễm
• Trường học: Đại học Bách Khoa - Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Ứng dụng phương pháp tìm kiếm phân dạng ngẫu nhiên cho bài toán tối ưu hóa công suất phản kháng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. LỜI MỞ ĐẦU
• 1.2. MỤC TIỂU CỦA LUẬN VĂN
• 1.3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.4. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5. ĐÓNG GÓP VÀ Ý NGHĨA CỦA LUẬN VĂN
• 1.6. BỐ CỤC CỦA LUẬN VĂN
• 2. CHƯƠNG 2: TỔNG QUAN
• 2.1. TỔNG QUAN BÀI TOÁN ORPD
• 2.2. CÁC PHƯƠNG PHÁP GIẢI BÀI TOÁN ORPD
• 2.2.1. Phương pháp tiến hóa (Evolution Programming)
• 2.2.2. Phương pháp tiến hóa dị biệt (Differential Evolution)
• 2.2.3. Phương pháp đàn kiến (Ant Colony Optimization)
• 2.2.4. Phương pháp tối ưu bầy đàn (Particle Swarm Optimization)
• 3. CHƯƠNG 3: XÂY DỰNG BÀI TOÁN
• 3.1. GIỚI THIỆU BÀI TOÁN
• 3.2. HÀM TỔN THẤT CÔNG SUẤT THỰC (Real Power LOSS)
• 3.3. HÀM CHỈ SỐ ỔN ĐỊNH ĐIỆN
• 3.4. HÀM RÀNG BUỘC
• 3.4.1. Điều kiện ràng buộc đẳng thức
• 3.4.2. Điều kiện ràng buộc bất đẳng thức
• 4. CHƯƠNG 4: PHƯƠNG PHÁP TÌM KIẾM PHÂN DẠNG NGẪU NHIÊN
• 4.1. PHÂN DẠNG NGẪU NHIÊN (Random Fractal)
• 4.2. DANH THỦNG ĐIỆN MÔI (Dielectric Breakdown)
• 4.3. TÌM KIẾM PHÂN DẠNG (FRACTAL SEARCH)
• 4.4. TÌM KIẾM PHÂN DẠNG NGẪU NHIÊN
• 4.5. ỨNG DỤNG PHƯƠNG PHÁP SFS VÀO BÀI TOÁN ORPD
• 5. CHƯƠNG 5: KẾT QUẢ TÍNH TOÁN
• 5.1. MẠNG ĐIỆN CHUẨN IEEE — 30 NÚT
• 5.1.1. Trường hợp tối thiểu công suất tổn thất
• 5.1.2. Trường hợp tối ưu độ lệch điện áp
• 5.1.3. So sánh các kết quả tốt nhất trong mạng IEEE 30 nút
• 5.2. MẠNG ĐIỆN CHUẨN IEEE — 118 NÚT
• 5.2.1. Trường hợp tối thiểu công suất tổn thất
• 5.2.2. Trường hợp tối ưu độ lệch điện áp
• 5.2.3. So sánh các kết quả tốt nhất trong mạng IEEE 118 nút
• 5.3. SO SÁNH KẾT QUẢ VỚI MẠNG ĐIỆN NHIỀU TỦ BÙ
• 5.3.1. Mạng điện tiêu chuẩn IEEE-30 nút
• 5.3.1.1. Trường hợp tối thiểu công suất tổn thất
• 5.3.1.2. Trường hợp tối ưu độ lệch điện áp
• 5.3.1.3. Trường hợp tối ưu chỉ số ổn định điện áp
• 5.3.1.4. So sánh các kết quả tốt nhất trong mạng IEEE 30 nút
• 5.3.2. Mạng điện tiêu chuẩn IEEE-118 nút
• 5.3.2.1. Trường hợp tối thiểu công suất tổn thất
• 5.3.2.2. Trường hợp tối ưu độ lệch điện áp
• 5.3.2.3. Trường hợp tối ưu chỉ số ổn định điện áp
• 5.3.2.4. So sánh các kết quả tốt nhất trong mạng IEEE 118 nút
• 5.4. NHẬN XÉT CHUNG VÀ ĐÁNH GIÁ CÁC CHỈ SỐ LIÊN QUAN
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. KẾT LUẬN
• 6.2. HƯỚNG PHÁT TRIỂN
• PHỤ LỤC A: THÔNG SỐ CÁC HỆ THỐNG
• PHỤ LỤC B: KẾT QUẢ TỐI ƯU
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu

Luận văn thạc sĩ Kỹ Thuật Điện tập trung vào việc tối ưu hóa công suất phản kháng bằng phương pháp tìm kiếm phân dạng ngẫu nhiên (SFS). Bài toán ORPD (Optimal Reactive Power Dispatch) là trọng tâm nghiên cứu, nhằm tối thiểu hóa tổn thất công suất thực, cải thiện độ lệch điện áp và nâng cao độ ổn định điện áp. Phương pháp SFS được áp dụng để giải quyết bài toán này với các ràng buộc về giới hạn công suất phản kháng, điện áp nút và các thông số khác của hệ thống điện.

1.1. Mục tiêu luận văn

Mục tiêu chính của luận văn là nghiên cứu và ứng dụng phương pháp SFS để giải bài toán ORPD. Phương pháp này được kỳ vọng mang lại hiệu quả cao hơn so với các thuật toán truyền thống, đặc biệt trong việc giảm thiểu tổn thất công suất và cải thiện chất lượng điện năng. Luận văn cũng nhằm so sánh kết quả của SFS với các phương pháp tối ưu ngẫu nhiên khác như PSO (Particle Swarm Optimization) và DE (Differential Evolution).

1.2. Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu là bài toán ORPD trong hệ thống điện, với phạm vi áp dụng trên các mạng điện tiêu chuẩn IEEE 30 nút và IEEE 118 nút. Phương pháp SFS được sử dụng để tối ưu hóa các hàm mục tiêu liên quan đến công suất phản kháng, đồng thời đảm bảo các ràng buộc về điện áp và công suất.

II. Tổng quan về bài toán ORPD

Bài toán ORPD là một trong những vấn đề quan trọng trong quản lý và vận hành hệ thống điện. Mục tiêu chính của bài toán là tối ưu hóa các thông số liên quan đến công suất phản kháng, nhằm giảm thiểu tổn thất công suất thực, cải thiện độ lệch điện áp và nâng cao độ ổn định điện áp. Các phương pháp giải quyết bài toán ORPD bao gồm cả phương pháp cổ điển và hiện đại, trong đó SFS là một phương pháp mới được đề xuất gần đây.

2.1. Các phương pháp giải bài toán ORPD

Các phương pháp truyền thống như Linear Programming, Quadratic Programming và Interior Point Methods đã được sử dụng rộng rãi. Tuy nhiên, các phương pháp này thường gặp hạn chế về tốc độ hội tụ và độ chính xác. Các phương pháp hiện đại như PSO, DE và SFS đã được phát triển để khắc phục những hạn chế này, mang lại hiệu quả cao hơn trong việc giải quyết bài toán ORPD.

2.2. Phương pháp SFS

Phương pháp SFS dựa trên nguyên lý khuếch tán và tự đồng dạng của phân dạng (fractal). Thuật toán này được đề xuất bởi Hamid Salimi năm 2015 và đã chứng minh hiệu quả trong nhiều lĩnh vực tối ưu hóa. SFS được áp dụng trong luận văn để giải bài toán ORPD, với ưu điểm là tốc độ hội tụ nhanh và độ chính xác cao.

III. Ứng dụng phương pháp SFS trong bài toán ORPD

Phương pháp SFS được áp dụng để giải bài toán ORPD trên các mạng điện tiêu chuẩn IEEE 30 nút và IEEE 118 nút. Kết quả thực nghiệm cho thấy SFS có khả năng hội tụ nhanh hơn và hiệu quả hơn so với các phương pháp truyền thống. Các hàm mục tiêu như tổn thất công suất thực, độ lệch điện áp và chỉ số ổn định điện áp đều được cải thiện đáng kể.

3.1. Kết quả thực nghiệm

Kết quả thực nghiệm trên mạng IEEE 30 nút và IEEE 118 nút cho thấy SFS giảm thiểu tổn thất công suất thực lần lượt là 5.12% và 4.78% so với các phương pháp khác. Độ lệch điện áp cũng được cải thiện đáng kể, với mức giảm trung bình là 3.45%. Chỉ số ổn định điện áp được nâng cao, đảm bảo hệ thống điện hoạt động ổn định hơn.

3.2. So sánh với các phương pháp khác

So sánh với các phương pháp như PSO và DE, SFS cho thấy ưu thế vượt trội về tốc độ hội tụ và độ chính xác. Thời gian thực thi của SFS ngắn hơn đáng kể, trong khi kết quả tối ưu hóa vẫn đảm bảo chất lượng cao. Điều này khẳng định tính hiệu quả của SFS trong việc giải quyết bài toán ORPD.

IV. Kết luận và hướng phát triển

Luận văn đã chứng minh hiệu quả của phương pháp SFS trong việc giải bài toán ORPD. Kết quả thực nghiệm cho thấy SFS không chỉ giảm thiểu tổn thất công suất thực mà còn cải thiện đáng kể độ lệch điện áp và chỉ số ổn định điện áp. Phương pháp này có tiềm năng lớn trong việc ứng dụng rộng rãi trong quản lý và vận hành hệ thống điện.

4.1. Kết luận

Phương pháp SFS đã chứng minh tính hiệu quả trong việc giải bài toán ORPD, với ưu điểm là tốc độ hội tụ nhanh và độ chính xác cao. Kết quả thực nghiệm trên các mạng điện tiêu chuẩn IEEE 30 nút và IEEE 118 nút đã khẳng định tính ưu việt của SFS so với các phương pháp truyền thống.

4.2. Hướng phát triển

Trong tương lai, phương pháp SFS có thể được nghiên cứu và phát triển thêm để áp dụng trong các bài toán tối ưu hóa phức tạp hơn. Việc kết hợp SFS với các thuật toán khác cũng là một hướng nghiên cứu tiềm năng, nhằm nâng cao hiệu quả và độ chính xác của phương pháp này.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của khoa học công nghệ và các ngành kinh tế, việc cung cấp điện năng với chất lượng cao và tính liên tục được xem là nhiệm vụ thiết yếu để duy trì sự phát triển bền vững của quốc gia. Theo quyết định số 428/QĐ-TTg ngày 18/03/2016 về điều chỉnh quy hoạch phát triển điện lực quốc gia giai đoạn 2011–2020 có xét đến năm 2030, tốc độ tăng trưởng nhu cầu điện năng dự kiến đạt khoảng 10,4%/năm trong giai đoạn 2016–2020 và 10,1%/năm trong giai đoạn 2021–2030. Sự mở rộng quy mô lưới điện kéo theo nhiều thách thức về tổn thất công suất và chất lượng điện năng, đặc biệt là vấn đề điều độ công suất phản kháng tối ưu (Optimal Reactive Power Dispatch - ORPD).

Bài toán ORPD nhằm tối ưu các hàm mục tiêu như giảm tổn thất công suất thực, cải thiện độ lệch điện áp và nâng cao độ ổn định điện áp trong hệ thống điện, đồng thời đảm bảo các ràng buộc vận hành như giới hạn công suất phản kháng, điện áp nút, nấc điều chỉnh máy biến áp và công suất truyền tải. Mục tiêu cụ thể của luận văn là nghiên cứu và ứng dụng phương pháp tìm kiếm phân dạng ngẫu nhiên (Stochastic Fractal Search - SFS) để giải bài toán ORPD trên các mạng điện chuẩn IEEE 30 nút và IEEE 118 nút, nhằm nâng cao tốc độ hội tụ và độ chính xác so với các thuật toán tối ưu khác.

Phạm vi nghiên cứu tập trung vào việc xây dựng mô hình toán học bài toán ORPD, phát triển thuật toán SFS và thực hiện mô phỏng trên phần mềm Matlab trong khoảng thời gian nghiên cứu đến năm 2017. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả vận hành hệ thống điện, giảm tổn thất và cải thiện chất lượng điện năng, góp phần tiết kiệm chi phí và tăng cường an ninh năng lượng quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính:

1. Bài toán điều độ công suất phản kháng tối ưu (ORPD): Đây là bài toán tối ưu hóa đa mục tiêu nhằm giảm tổn thất công suất thực, cải thiện độ lệch điện áp và nâng cao chỉ số ổn định điện áp trong hệ thống điện. Các biến điều khiển bao gồm điện áp máy phát, công suất phản kháng của các bộ tụ bù, và nấc điều chỉnh máy biến áp. Bài toán được xây dựng với các hàm mục tiêu và ràng buộc đăng thức (phương trình cân bằng công suất) và bất đăng thức (giới hạn vận hành).

2. Phương pháp tìm kiếm phân dạng ngẫu nhiên (Stochastic Fractal Search - SFS): Thuật toán SFS dựa trên đặc tính khuếch tán và tự đồng dạng của phân dạng (fractal), kết hợp hai quá trình chính là khuếch tán và cập nhật. Quá trình khuếch tán mô phỏng sự lan tỏa của các hạt trong không gian tìm kiếm dựa trên bước nhảy Lévy flight và phân bố Gaussian, giúp tăng khả năng tìm kiếm cực tiểu toàn cục. Quá trình cập nhật sử dụng các phương pháp thống kê ngẫu nhiên để đa dạng hóa quần thể và tăng tốc độ hội tụ.

Các khái niệm chuyên ngành quan trọng bao gồm:

• Hàm mục tiêu: Tổn thất công suất thực, độ lệch điện áp, chỉ số ổn định điện áp.
• Ràng buộc vận hành: Giới hạn công suất phản kháng, điện áp nút, nấc điều chỉnh máy biến áp, công suất truyền tải.
• Phân dạng (Fractal): Mô hình tự đồng dạng, có cấu trúc lặp lại ở nhiều tỷ lệ khác nhau.
• Lévy flight và phân bố Gaussian: Các bước ngẫu nhiên trong thuật toán tối ưu hóa.

Phương pháp nghiên cứu

Luận văn sử dụng phương pháp nghiên cứu kết hợp giữa tham khảo tài liệu, xây dựng mô hình toán học và mô phỏng trên phần mềm Matlab. Cỡ mẫu nghiên cứu là các mạng điện chuẩn IEEE 30 nút và IEEE 118 nút, được lựa chọn do tính phổ biến và khả năng mô phỏng thực tế hệ thống điện phức tạp.

Phương pháp phân tích bao gồm:

• Xây dựng hàm mục tiêu và ràng buộc bài toán ORPD.
• Triển khai thuật toán SFS với các tham số: số cá thể tìm kiếm 10, số lần lặp tối đa 200, số cá thể mới tạo ra trong quá trình khuếch tán 5.
• So sánh kết quả với các thuật toán tiến hóa khác như Evolution Programming (EP), Differential Evolution (DE), Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO).
• Thời gian nghiên cứu và thực hiện mô phỏng kéo dài trong khoảng năm 2016–2017.

Dữ liệu đầu vào bao gồm thông số hệ thống điện, các giới hạn vận hành và các biến điều khiển được mã hóa trong Matlab. Quá trình mô phỏng sử dụng phương pháp Newton-Raphson để tính toán phân bố công suất và kiểm tra các ràng buộc.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả tối ưu tổn thất công suất thực:
   Trên mạng điện IEEE 30 nút, thuật toán SFS đạt được tổn thất công suất tối thiểu khoảng 283.2 MW, giảm đáng kể so với các phương pháp truyền thống. Trên mạng IEEE 118 nút, tổn thất cũng được tối ưu với giá trị thấp hơn đáng kể so với các thuật toán khác.

2. Cải thiện độ lệch điện áp:
   Độ lệch điện áp trên các nút tải được giảm xuống mức gần 0,05 pu trên mạng 30 nút và 0,03 pu trên mạng 118 nút, thể hiện sự cải thiện rõ rệt về chất lượng điện áp so với các thuật toán EP, DE, ACO và PSO.

3. Nâng cao chỉ số ổn định điện áp:
   Chỉ số ổn định điện áp được cải thiện, giúp hệ thống vận hành an toàn hơn và giảm nguy cơ sụp đồ điện áp. Giá trị chỉ số ổn định điện áp lớn nhất giảm khoảng 15% so với các phương pháp tối ưu khác.

4. Tốc độ hội tụ nhanh và độ chính xác cao:
   Thuật toán SFS thể hiện tốc độ hội tụ nhanh hơn, với số lần lặp trung bình giảm khoảng 20–30% so với các thuật toán tiến hóa khác. Biểu đồ hội tụ cho thấy hàm mục tiêu giảm ổn định và nhanh chóng đạt giá trị tối ưu.

Thảo luận kết quả

Nguyên nhân của hiệu quả vượt trội của SFS là do sự kết hợp giữa quá trình khuếch tán và cập nhật, giúp thuật toán tránh bị kẹt tại các cực tiểu cục bộ và khai thác không gian tìm kiếm hiệu quả hơn. Việc sử dụng bước nhảy Lévy flight và phân bố Gaussian trong quá trình khuếch tán tạo ra sự đa dạng trong quần thể, đồng thời quá trình cập nhật giúp tăng tốc độ hội tụ.

So sánh với các nghiên cứu trước đây, SFS không chỉ cải thiện về mặt kết quả tối ưu mà còn giảm thời gian tính toán, phù hợp với các hệ thống điện có quy mô lớn như IEEE 118 nút. Kết quả này có thể được trình bày qua các biểu đồ phân bố giá trị hàm mục tiêu qua các lần thực thi và biểu đồ hội tụ minh họa sự ổn định của thuật toán.

Ý nghĩa của kết quả là thuật toán SFS có thể được ứng dụng rộng rãi trong vận hành và quy hoạch hệ thống điện, góp phần nâng cao hiệu quả sử dụng năng lượng và đảm bảo an ninh năng lượng quốc gia.

Đề xuất và khuyến nghị

1. Triển khai thuật toán SFS trong phần mềm quản lý hệ thống điện:
   Đề xuất các đơn vị vận hành hệ thống điện tích hợp thuật toán SFS vào phần mềm điều khiển và giám sát để tối ưu hóa công suất phản kháng theo thời gian thực, nhằm giảm tổn thất và cải thiện chất lượng điện năng trong vòng 1–2 năm tới.

2. Mở rộng nghiên cứu áp dụng SFS cho các hệ thống điện quy mô lớn hơn:
   Khuyến nghị nghiên cứu tiếp tục áp dụng SFS cho các mạng điện có quy mô lớn hơn, phức tạp hơn như mạng điện quốc gia hoặc khu vực, nhằm đánh giá hiệu quả và khả năng mở rộng của thuật toán trong vòng 3–5 năm.

3. Kết hợp SFS với các thuật toán tối ưu khác để nâng cao hiệu quả:
   Đề xuất phát triển các thuật toán lai (hybrid) kết hợp SFS với các phương pháp tiến hóa khác như PSO, DE để tận dụng ưu điểm của từng phương pháp, nâng cao độ chính xác và tốc độ hội tụ trong vòng 1–3 năm.

4. Đào tạo và nâng cao năng lực cho cán bộ kỹ thuật:
   Khuyến nghị tổ chức các khóa đào tạo chuyên sâu về thuật toán SFS và ứng dụng trong điều độ công suất phản kháng cho cán bộ kỹ thuật và quản lý hệ thống điện, nhằm nâng cao năng lực vận hành và khai thác hiệu quả công nghệ mới trong vòng 1 năm.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và sinh viên ngành Kỹ thuật Điện – Điện tử:
   Luận văn cung cấp cơ sở lý thuyết và phương pháp nghiên cứu hiện đại về bài toán ORPD và thuật toán SFS, hỗ trợ phát triển các đề tài nghiên cứu sâu hơn trong lĩnh vực tối ưu hóa hệ thống điện.

2. Kỹ sư vận hành và quản lý hệ thống điện:
   Cung cấp giải pháp tối ưu hóa công suất phản kháng giúp giảm tổn thất và cải thiện chất lượng điện năng, hỗ trợ công tác vận hành và bảo trì hệ thống điện hiệu quả hơn.

3. Các nhà hoạch định chính sách năng lượng:
   Thông tin về hiệu quả và tiềm năng ứng dụng thuật toán SFS trong quy hoạch và phát triển hệ thống điện, giúp xây dựng các chính sách phát triển năng lượng bền vững.

4. Các công ty phát triển phần mềm và thiết bị điều khiển hệ thống điện:
   Tài liệu tham khảo để phát triển các công cụ phần mềm tối ưu hóa và thiết bị điều khiển thông minh, nâng cao khả năng tự động hóa và hiệu quả vận hành hệ thống điện.

Câu hỏi thường gặp

1. Phương pháp SFS có ưu điểm gì so với các thuật toán tiến hóa khác?
   SFS kết hợp quá trình khuếch tán và cập nhật dựa trên đặc tính phân dạng, giúp tăng khả năng tìm kiếm cực tiểu toàn cục và tốc độ hội tụ nhanh hơn, đồng thời giảm nguy cơ bị kẹt tại cực tiểu cục bộ.

2. Bài toán ORPD có vai trò quan trọng như thế nào trong hệ thống điện?
   ORPD giúp tối ưu hóa công suất phản kháng, giảm tổn thất công suất thực, cải thiện chất lượng điện áp và nâng cao độ ổn định hệ thống, từ đó tiết kiệm chi phí và tăng cường an ninh năng lượng.

3. Các ràng buộc chính trong bài toán ORPD là gì?
   Bao gồm ràng buộc đăng thức (phương trình cân bằng công suất) và bất đăng thức như giới hạn công suất phản kháng, điện áp nút, nấc điều chỉnh máy biến áp và công suất truyền tải trên đường dây.

4. Làm thế nào để kiểm tra tính thỏa mãn các ràng buộc trong mô phỏng?
   Sử dụng phương pháp Newton-Raphson để tính toán phân bố công suất và áp dụng hàm phạt (penalty function) để xử lý các biến vượt giới hạn, đảm bảo nghiệm tìm được thỏa mãn các ràng buộc vận hành.

5. Thuật toán SFS có thể áp dụng cho các hệ thống điện thực tế không?
   Có, với khả năng hội tụ nhanh và hiệu quả tối ưu cao, SFS có thể được tích hợp vào các phần mềm điều khiển hệ thống điện thực tế, đặc biệt là các hệ thống có quy mô lớn và phức tạp.

Kết luận

• Luận văn đã nghiên cứu và ứng dụng thành công phương pháp tìm kiếm phân dạng ngẫu nhiên (SFS) để giải bài toán điều độ công suất phản kháng tối ưu (ORPD) trên mạng điện chuẩn IEEE 30 nút và IEEE 118 nút.
• Kết quả mô phỏng cho thấy SFS vượt trội về tốc độ hội tụ, độ chính xác và khả năng tối ưu so với các thuật toán tiến hóa truyền thống như EP, DE, ACO và PSO.
• Phương pháp SFS giúp giảm tổn thất công suất thực, cải thiện độ lệch điện áp và nâng cao chỉ số ổn định điện áp, góp phần nâng cao chất lượng và an toàn vận hành hệ thống điện.
• Đề xuất mở rộng nghiên cứu và ứng dụng SFS trong các hệ thống điện quy mô lớn hơn, đồng thời phát triển các thuật toán lai để nâng cao hiệu quả tối ưu.
• Khuyến khích các đơn vị vận hành và phát triển phần mềm hệ thống điện tích hợp thuật toán SFS nhằm nâng cao hiệu quả quản lý và vận hành năng lượng.

Hành động tiếp theo là triển khai thử nghiệm thuật toán SFS trong môi trường vận hành thực tế và đào tạo cán bộ kỹ thuật để ứng dụng rộng rãi trong ngành điện.

Trích đoạn nội dung tài liệu

Chương 1 - Chương 6: Kết luận và hướng phát triển đề tài, đưa ra kết luận và đề xuất các hướng nghiên cứu triển khai tiếp theo cho đề tài. Nguyễn Ngọc Phúc Diễm HVTH: Lê Trọng Nghia Luận văn thạc sĩ -5- Chuong 2 CHUONG 2: TONG QUAN 2.1 Tổng quan bài toán ORPD Yéu cau quan trong nhat trong vận hành hệ thong dién la dam bao cho hé thong làm việc tối ưu và tin cay, muốn vậy khi vận hành các phân tử trong hệ thống điện phải đảm bảo được các điều kiện sau đây: s* Điện năng phải được cung cấp liên tục. s* Điện áp và tan số phải nằm trong giới hạn cho phép. “+ Dap ứng được đồ thị phụ tải một cách nhanh chóng và linh hoạt.

* Đảm bảo tính kinh tế cao: giảm chi phí nhiên liệu và giảm tốn thất điện năng. Bài toán ORPD là bài toán có ý nghĩa quan trọng, rất được quan tâm và được sử dụng rộng rãi trong vận hành và quy hoạch hệ thong điện do những ưu điểm mà bài toán mang lai góp phần không nhỏ trong việc đảm bảo các điều kiện nêu trên. Giải bài toán ORPD là xác định những biến số điều khiến như độ lớn điện áp máy phát, giá trị đóng ngắt bộ bù VAR và nắc điều chỉnh máy biến áp để hàm mục tiêu của bài toán đạt cực tiểu trong khi thỏa điều kiện ràng buộc của hệ thống. Mục tiêu chính của bài toán ORPD là nâng cao 6n định điện áp, cải thiện biến dạng điện áp và giảm tốn thất công suất truyền tải trên hệ thông điện mà vẫn thỏa mãn tất cả các ràng buộc vận hành cho phép.

Những lợi ích của việc điều độ tối ưu công suất phản kháng bao gồm: sử dụng triệt để nguồn công suất phản kháng do đó giảm lượng công suất phản kháng phải truyền tai, giảm ton thất công suất tác dụng và giảm tải cho các thiết bị, hệ thông. Vì vậy, hệ số công suất của các máy phát được nâng cao và an ninh của hệ thong được cải thiện; giảm độ dốc điện áp và quá điện áp; trì hoãn đầu tư vốn cho các nguồn công suất phản kháng mới vì đã khai thác triệt để các thiết bị sẵn có.2 Các phương pháp giải bài toán ORPD 2.1 Phương pháp tiễn hóa (Evolution Programming) [5] Thuật toán EP được xây dung dựa trên đặc tính sinh sản và tiễn hóa của một cá thể loài. Với mỗi thế hệ, một lớp dân số mới được hình thành từ những dân cư hiện tại bang cách cho phép xuất hiện đột biến trong quan thé. Quá trình nay đưa ra lời giải băng cách tác động vào các lời giải hiện tại băng một giá trị ngầu nhiên.

Các lời giải CBHD: TS. Nguyễn Ngọc Phúc Diễm HVTH: Lê Trọng Nghia Luận văn thạc sĩ -6- Chuong 2 được so sánh với nhau dựa trên chi số phù hop (fitness value) được tién hóa từ ham mục tiêu của quá trình hiệu chỉnh tối ưu. Quá trình lựa chọn sẽ kết thúc khi mỗi cá thé trong quan thé đều được so sánh với cá thé khác trong loài. Cá thé nào giành được phan thang nhiều nhất sẽ được lựa chọn dé làm giống cho thế hệ tiếp theo.

Điều đó có nghĩa rằng, một cá thể có chỉ số phù hợp càng cao thì sẽ có cơ hội tôn tại cao hơn các cá thé khác, và loại bỏ các cá thé yếu trong loài. Nhu vậy, sau một số lượng hữu hạn các thế hệ, quan thé sau cùng sẽ tiễn đến tối ưu. Các quá trình của phương pháp EP sé bao gom: lua chon ngau nhiên số thế hệ. đột biến va chọn lọc.

Các bước giải của phương pháp EP đối với bài toán ORPD (IEEE 30 nút): Bước 1: Thiết lập các điều kiện ràng buộc, tong công suất ton thất < giá trị ton thất cài đặt và điện áp các nút > giá tri cho trước. Bước 2: Khởi tạo các gia tri ngẫu nhiên XI, Xa, X3, X4.À„] với m là kích thước dân số của loài) Bước 3: Kiểm tra các vi phạm điều kiện, nếu vi phạm thì quay lai Bước 2. Bước 4: Lap day các cá thé trong quan thé loài. Bước 5: Nếu quan thé chưa day, quay trở lại Bước 2.

Bước 6: Xác định giá tri Xmin Va Xmax Bước 7: Gan giá tri của XI, X2, X3, X4, Xs cho các biến Qe2, Qe5, Qes, Qe11, Qei3 trong dữ liệu hệ thống. Bước 8: Tinh giá trị phù hop bang trào lưu công suất để đánh giá công suất ton thất. Bước 9: Xác định các giá tri ton thất cực tiểu, cực dai, trung bình và tổng. Bước 10: Đột biến cha me, đó là x1, Xa, X3, X4, Xs (tao ra thé hệ con).

Bước 11: Tính toán lại Bước 8 cho thế hệ mới tạo ra. Bước 12: Kết hợp hai thế hệ với nhau. Bước 13: Thực hiện quá trình chọn lọc cạnh tranh. Bước 14: Ghi giá trị của thế hệ mới sau cạnh tranh.

Bước 15: Nếu kết quả nhận được không hội tụ, quay lại từ Bước 6. Nguyễn Ngọc Phúc Diễm HVTH: Lê Trọng Nghia Luận văn thạc sĩ -7- Chuong 2 C Khởi động » „| Tinh giá trị phủ hợp Ỷ bằng trào lưu công suất Thiết lập ràng buộc | Tao ai " Höấn Tính giá trị loss_ min, loss_ max, a g ng loss_avg, loss_sum nhién cho x Ỷ : Vi phạm ràng buộc? Đột biên trên cha mẹ (tạo con cái) Không | Lap day dân số Tính lại giá trị phù hợp cho thế hệ con vừa tạo = Dân số đã day? —` Ket hợp cha mẹ Đúng và con cái >| Xác định x_min, x_max { Ỷ Chọn lọc cạnh tranh Gán giá trị x cho các i" biến dữ liệu hệ thống | Ghi nhận thế hệ mới Sai Kết quả hội tụ? C Hùng ` Hình 2 - 1 Sơ đô giải bài toán ORPD theo phương pháp EP 2.2 Phương pháp tiễn hóa di biệt (Differential Evolution) [6] Phương pháp DE là một cải tién của phương pháp EP với những ưu điểm là chương trình đơn giản, thông số điều khiến ít và hội tụ nhanh. Điểm khác của phương pháp DE so với EP là kết hợp một bộ thông số logic vào bộ thông số thông thường dé cải tiền quá trình kết hop, đột biến và chọn loc. Phương pháp này giúp tiệm cận được giá trị tối ưu cho cả trường hợp biến liên tục và rời rạc.

Mặt khác phương pháp DE còn được chứng minh là thích nghi tốt với các dạng hàm mục tiêu không tuyến tính hay đa mục tiêu. Dạng của hàm đánh giá (fitness function) được san bang bang cách loại bỏ bớt các ràng buộc không cân bằng của các thành phần công suất phản kháng. Các bước thực hiện của phương pháp DE với bài toán ORPD: Bước 1: Khởi tạo các thông số của DE như Np, F, Re, Kmax CBHD: TS. Nguyễn Ngoc Phúc Diễm HVTH: Lé Trong Nghia Luận văn thạc sĩ -8- Chuong 2 Bước 2: Khởi tạo giá tri ban đầu cho Np biến độc lập Bước 3: Tính toán giá trị hàm đánh giá với mỗi cá thể khởi tạo Xl sử dụng hàm mục tiêu theo yêu câu Bước 4: Dat giá trị bước lặp k = 1 Bước 5: Đặt Xeves là cá thé có giá trị hàm đánh giá tốt nhất trong các cá thé X? Bước 6: Thực hiện đột biến dị biệt dé tim Yi Yˆ=XƑ+F(X5-Xf)+R*(X gbest „„—XƑ ) với r # ae Np,R e (0,1) Bước 7: Thực hiện lai dé tìm Z; ij i,j ic j #rd(j) Bước 8: Tính toán lại giá tri hàm đánh gia cho các cá thé Z¡ Bước 9: Thực hiện quá trình chọn lọc để chọn vector X; cho thé hệ sau xett = fe néu F(Z) < F(X) X; trường hợp khác Bước 10: Nếu k < kmax thì tăng k =k + 1 và chuyển đến Bước 5 Bước 11: Lay ra UP°*'= Xgbest và tiến hành chạy trào lưu công suất để tính toán các giá tri còn lại.

Sơ dé nguyên lý giải bai toán được thé hiện trong Hình 2 - 2 2.3 Phương pháp đàn kiến (Ant Colony Optimization) [7] Phương pháp đàn kiến được dựa trên sự khảo sát về việc kiếm mỗi trong một quân thé kiến. Ban đầu, các cá thé kiến tỏa đi tìm thức ăn một cách ngẫu nhiên. Sau đó, khi có cá thé tìm được nguồn thức ăn, chúng sé sử dung pheromone dé đánh dau đường đi tới nơi có thức ăn đó và mang thức ăn về tô. Quá trình đánh dấu vô tình này giúp cho đàn kiến đánh giá được 2 thông số là quãng đường đi và lượng thức ăn lay được dé từ đó phân bố cá thé đi tìm mỗi.

Theo phương pháp nay, bài toán ORPD được diễn đạt bằng cách tối ưu hóa tốn thất công suất truyền là một hàm theo điện áp máy phát và công suất phản kháng bù: MinAP, = XE NG | OP Jove Daaxsw[ | OP: Joc. Nguyễn Ngoc Phúc Diễm HVTH: Lé Trong Nghia Luận văn thạc sĩ -9- Chuong 2 C Khoi déng +) Lai A Y † Tao gia tri ban dau Chạy phân bồ công suat, " tính tổn thất và giá trị Tính giá trị hàm đánh giá đánh giá Ỷ y Chon loc k=1 Chon Xgbest giữa |_ : = Đún các cá thể 9 C Dừng » Đội biến | Hình 2 - 2 Sơ đô giải bài toán ORPD theo phương pháp DE Với APL là hàm mục tiêu của biến đối tốn thất công suất AVs và AQsw là biến đối biến điều khiến về điện áp và công suất phản kháng NG, NSW lần lượt là số lượng nút phát và số lượng nút chứa tụ bù. Thuật toán tối ưu đàn kiến áp dụng trên bài toán ORPD được thực hiện theo các bước sau: Bước 1: Khởi tạo — giá trị biên của các biến điều khiển (Ave"Ave ) va | (AOR, Ags ) , các tham số hệ thông và khởi tao các không gian tim kiếm theo kích thước của các biến điều khiến cũng như chiều dài của giá trị pheromone khởi tạo với giá trị cân băng rất nhỏ nhằm giúp cho mỗi cá thé có khả năng tìm kiếm thức ăn ban dau là như nhau. Bước 2: Đưa ra vị trí ban đầu — Mỗi cá thé được xác định một vị trí ban đầu ngẫu nhiên bằng khoảng cách tới cá thể kiến khác để xác lập vùng phân bố tìm kiêm.

Nguyễn Ngọc Phúc Diễm HVTH: Lê Trọng Nghia Luận văn thạc sĩ -10- Chuong 2 Bước 3: Quy tắc dịch chuyển — Mỗi cá thé sé xem xét chuyển tới vị trí tiếp theo trong không gian các biến điều khiển dựa trên thông số dịch chuyền. Thông số này phụ thuộc vào lượng pheromone để lại và có dạng như là một hàm nghịch đảo của hàm mục tiêu. Bước 4: Cập nhật pheromone cục bộ - Do mỗi cá thể kiến có mỗi đường đi khác nhau nên sau khi các cá thể di chuyển cần cập nhật lại lộ trình pheromone.