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.
