Nghiên Cứu Phương Pháp Cải Tiến Thuật Toán Tiến Hóa Trong Điều Độ Kinh Tế Hệ Thống Điện

LỜI CAM ĐOAN

TÓM TẮT LUẬN ÁN

1. CHƯƠNG 1: TỔNG QUAN

1.1. Nhận xét chung và hướng tiếp cận

1.2. Mục tiêu của luận án

1.3. Điểm mới của đề tài

1.4. Giới hạn đề tài

1.5. Cấu trúc của luận án

2. CHƯƠNG 2: BÀI TOÁN ĐIỀU ĐỘ KINH TẾ VÀ ĐIỀU ĐỘ TỐI ƯU CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN

2.1. Bài toán điều độ kinh tế

2.2. Bài toán điều độ kinh tế truyền thống với hàm chi phí nhiên liệu dạng đường cong bậc hai

2.3. Hàm mục tiêu

2.4. Ràng buộc đẳng thức. Ràng buộc bất đẳng thức

2.5. Bài toán điều độ kinh tế với hàm chi phí nhiên liệu có xét ảnh hưởng của điểm van công suất

2.6. Đặc điểm của bài toán điều độ kinh tế với điểm van công suất

2.7. Biểu thức điều độ kinh tế với điểm van công suất

2.8. Bài toán điều độ kinh tế với hàm chi phí đa nhiên liệu

2.9. Bài toán điều độ kinh tế với hàm chi phí đa nhiên liệu có xét ảnh hưởng của điểm van công suất

2.10. Bài toán điều độ kinh tế với hàm chi phí đa nhiên liệu có xét vùng cấm vận hành của tổ máy

2.11. Bài toán điều độ tối ưu công suất trong hệ thống điện

2.11.1. Khái quát chung

2.11.2. Cơ sở toán học

2.11.3. Bài toán điều độ tối ưu trong mạng điện

2.11.4. Các phương trình liên hệ

2.11.5. Giải bài toán điều độ tối ưu

2.11.6. Sơ lược các phương pháp giải bài toán OPF

2.12. Bài toán điều độ tối ưu công suất trong hệ thống điện có thiết bị FACTS

2.12.1. Thiết bị FACTS và các mô hình

2.12.2. Mô hình của SVC

2.12.3. Mô hình của TCSC

2.12.4. Mô hình TCPST

2.12.5. Phương pháp lựa chọn vị trí đặt thích hợp thiết bị FACTS - TCSC

3. CHƯƠNG 3: MỘT SỐ THUẬT TOÁN TỐI ƯU

3.1. Thuật toán Particle Swarm Optimization cải tiến

3.1.1. Khái niệm chung

3.1.2. Biểu thức cơ bản của thuật toán PSO

3.1.3. Giải thuật PSO

3.1.4. Giải thuật PSO nguyên thủy

3.1.5. Lưu đồ giải thuật PSO

3.2. Thuật toán Particle Swarm Optimization with Time Varying Inertia Weight factor

3.3. Thuật toán Particle Swarm Optimization with Time Varying Acceleration Coefficients

3.4. Thuật toán Self Organizing Hierarchical Particle Swarm Optimizer with Time Varying Acceleration Coefficients

3.5. Thuật toán Stochastic Weight Trade-Off Particle Swarm Optimization

3.5.1. Cân bằng giữa hệ số kinh nghiệm của cá thể và hệ số quan hệ xã hội

3.5.2. Cân bằng giữa hệ số vận tốc trước, hệ số kinh nghiệm và hệ số quan hệ xã hội của cá thể

3.5.3. Cân bằng giữa hệ số tăng tốc

3.5.4. Sự đa dạng ngày càng tăng của các cá thể

3.5.5. Các bước tính toán của SWT-PSO

3.6. Thuật toán Improved Particle Swarm Optimization

3.6.1. Khái niệm về Pseudo-Gradient

3.6.2. Cải tiến PSO

3.6.3. Thuật toán IPSO giải bài toán OPF

3.7. Thuật toán Artificial Bee Colony

3.7.1. Khái niệm chung

3.7.2. Áp dụng thuật toán ABC giải bài toán phân bố công suất tối ưu trong hệ thống điện

3.7.3. Thành lập bài toán OPF

3.7.4. Thiết lập các thông số của thuật toán ABC

3.7.5. Trình tự các bước thực hiện của thuật toán ABC giải bài toán OPF

3.8. Thuật toán lai giữa Differential Evolution và Harmony Search

3.8.1. Thuật toán Differential Evolution

3.8.2. Thuật toán Harmony Search

3.8.3. Thuật toán lai giữa Differential Evolution và Harmony Search

3.9. Thuật toán lai giữa Differential Evolution và Gravitational Search Algorithm

3.9.1. Thuật toán Gravitational Search Algorithm

3.9.2. Thuật toán lai giữa Differential Evolution và Gravitational Search Algorithm

3.10. So sánh các thuật toán đề xuất dựa trên khả năng tính toán bài toán điều độ kinh tế với hàm chi phí có xét ảnh hưởng của điểm van công suất

3.10.1. Mô hình bài toán dùng để so sánh các thuật toán

3.10.2. Thông số cài đặt các thuật toán

3.10.3. Kết quả áp dụng các thuật toán cải tiến vào tính toán hệ thống 40 nhà máy có xét ảnh hưởng điểm van công suất

4. CHƯƠNG 4: ỨNG DỤNG MỘT SỐ THUẬT TOÁN CẢI TIẾN TÍNH TOÁN ĐIỀU ĐỘ TỐI ƯU TRONG HỆ THỐNG ĐIỆN

4.1. Giải bài toán điều độ kinh tế có số lượng máy phát lớn với đường cong chi phí đa nhiên liệu có xét ảnh hưởng của điểm van công suất

4.1.1. Hệ thống 10 nhà máy

4.1.2. Hệ thống lớn

4.2. Ứng dụng một số thuật toán cải tiến giải bài toán điều độ công suất tối ưu truyền thống

4.2.1. Mạng điện IEEE 30 nút

4.2.2. Mạng điện IEEE 57 nút

4.2.3. Mạng điện IEEE 118 nút

4.3. Ứng dụng một số thuật toán cải tiến giải bài toán điều độ công suất tối ưu có xét ảnh hưởng của điểm van công suất

4.4. Ứng dụng một số thuật toán cải tiến giải bài toán điều độ công suất tối ưu có xét thiết bị FACTS

4.4.1. Giải mạng điện IEEE 30 nút có xét thiết bị TCSC

4.4.2. Giải mạng điện IEEE 30 nút có xét thiết bị SVC

4.4.3. Giải mạng điện IEEE 30 nút có xét thiết bị TCSC và SVC

4.4.4. Giải mạng điện IEEE 30 nút có xét thiết bị SVC, TCSC và TCPST

5. CHƯƠNG 5: TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN

5.1. Tổng kết đề tài

5.2. Kết quả đạt được

5.3. Một số hạn chế

5.4. Hướng phát triển của đề tài

TÀI LIỆU THAM KHẢO

I. Tổng Quan Về Điều Độ Kinh Tế và Thuật Toán Tiến Hóa

Bài toán điều độ kinh tế trong hệ thống điện là một bài toán tối ưu quan trọng. Mục tiêu là xác định lịch trình phát điện tối ưu cho các nhà máy điện, sao cho tổng chi phí sản xuất điện là nhỏ nhất, đồng thời đáp ứng nhu cầu phụ tải và các ràng buộc kỹ thuật của hệ thống. Thuật toán tiến hóa là một họ các thuật toán tìm kiếm và tối ưu hóa dựa trên các cơ chế của tiến hóa sinh học, như di truyền, đột biến, và chọn lọc tự nhiên. Các thuật toán này đã chứng minh được hiệu quả trong việc giải quyết nhiều bài toán tối ưu phức tạp, trong đó có bài toán điều độ kinh tế. Luận án này trình bày một số phương pháp cải tiến thuật toán tiến hóa để giải quyết bài toán điều độ kinh tế và điều độ tối ưu trong hệ thống điện có và không có thiết bị FACTS.

1.1. Tầm quan trọng của điều độ kinh tế hệ thống điện

Điều độ kinh tế đóng vai trò then chốt trong việc đảm bảo cung cấp điện ổn định và hiệu quả. Việc tối ưu hóa lập lịch điều độ kinh tế giúp giảm chi phí sản xuất điện, tăng hiệu quả kinh tế của hệ thống và giảm thiểu tác động môi trường. Theo luận án, việc sử dụng thuật toán tiến hóa mang lại hiệu quả cao hơn so với các phương pháp truyền thống.

1.2. Giới thiệu về thuật toán tiến hóa và ứng dụng

Thuật toán tiến hóa mô phỏng quá trình tiến hóa tự nhiên để tìm kiếm giải pháp tối ưu. Các thuật toán phổ biến bao gồm thuật toán di truyền, thuật toán đàn kiến, thuật toán bầy ong. Các thuật toán này được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm kỹ thuật điện, tối ưu hóa mạng lưới và điều khiển hệ thống. Luận án này tập trung vào việc ứng dụng thuật toán tiến hóa để giải quyết bài toán điều độ kinh tế.

II. Thách Thức Trong Điều Độ Kinh Tế và Thuật Toán Hiện Tại

Bài toán điều độ kinh tế ngày càng trở nên phức tạp do sự gia tăng của các nguồn năng lượng tái tạo, sự phát triển của lưới điện thông minh, và yêu cầu về độ tin cậy cao. Các thuật toán truyền thống có thể gặp khó khăn trong việc xử lý các bài toán có quy mô lớn và không tuyến tính. Thuật toán tiến hóa mặc dù hiệu quả, nhưng vẫn tồn tại một số hạn chế, như tốc độ hội tụ chậm và khả năng mắc kẹt trong các cực trị địa phương. Do đó, việc cải tiến thuật toán hiện tại là cần thiết để đáp ứng các yêu cầu ngày càng khắt khe của hệ thống điện hiện đại.

2.1. Các yếu tố ảnh hưởng đến độ phức tạp của bài toán

Sự thay đổi của năng lượng tái tạo (gió, mặt trời) làm tăng tính bất định của hệ thống. Các ràng buộc về môi trường và kỹ thuật cũng làm tăng độ phức tạp của bài toán. Hàm chi phí có xét đến điểm van công suất hay đa nhiên liệu cũng tăng thêm độ phức tạp cho bài toán. Mô hình hệ thống điện cần phải phản ánh chính xác các yếu tố này để đảm bảo tính khả thi của giải pháp.

2.2. Hạn chế của thuật toán tiến hóa truyền thống

Các thuật toán tiến hóa có thể hội tụ chậm hoặc mắc kẹt trong cực trị địa phương, đặc biệt đối với các bài toán có không gian tìm kiếm lớn và phức tạp. Việc lựa chọn tham số phù hợp cho thuật toán cũng là một thách thức lớn. Các thuật toán cần được tối ưu hóa để đạt được hiệu suất tốt nhất. Một số thuật toán được nhắc đến trong luận án bao gồm thuật toán di truyền, thuật toán đàn kiến, thuật toán bầy ong.

III. Phương Pháp Cải Tiến Thuật Toán Tiến Hóa Điều Độ

Luận án này đề xuất một số phương pháp cải tiến thuật toán tiến hóa để giải quyết bài toán điều độ kinh tế. Các phương pháp này tập trung vào việc cải thiện tốc độ hội tụ, tăng cường khả năng tìm kiếm toàn cục, và xử lý các ràng buộc phức tạp. Các thuật toán cải tiến bao gồm PSO TVIW, PSO TVAC, SOH PSO TVAC, SWT-PSO, IPSO, ABC, DEHS, và DEGSA. Các thuật toán này được ứng dụng vào tính toán điều độ kinh tế và điều độ tối ưu trong hệ thống điện.

3.1. Cải tiến thuật toán tối ưu bầy đàn PSO Ứng dụng

Các cải tiến PSO bao gồm việc điều chỉnh hệ số quán tính và hệ số kinh nghiệm theo thời gian (PSO TVIW, PSO TVAC), tự tổ chức bầy đàn (SOH PSO TVAC), và cân bằng ngẫu nhiên giữa các hệ số (SWT-PSO). Các cải tiến này giúp tăng cường khả năng tìm kiếm toàn cục và tránh mắc kẹt trong cực trị địa phương. Thuật toán IPSO cũng được đề xuất để cải thiện hiệu suất.

3.2. Lai ghép thuật toán DEHS và DEGSA hiệu quả cao

Phương pháp lai giữa thuật toán tiến hóa vi phân và tìm kiếm hài hòa (DEHS) và giữa tiến hóa vi phân và tìm kiếm theo lực hấp dẫn (DEGSA) được đề xuất. Các phương pháp này kết hợp ưu điểm của các thuật toán khác nhau để tạo ra các thuật toán mạnh mẽ hơn. Kết quả cho thấy DEHS, DEGSA vượt trội về giá trị cực tiểu, thời gian tính toán.

IV. Ứng Dụng Thực Tế Đánh Giá Thuật Toán Cải Tiến Điều Độ

Các thuật toán cải tiến được áp dụng vào các bài toán điều độ kinh tế và điều độ tối ưu thực tế, với các hệ thống điện có quy mô khác nhau. Kết quả cho thấy các thuật toán cải tiến có hiệu suất tốt hơn so với các thuật toán truyền thống, đặc biệt đối với các bài toán có hàm mục tiêu phức tạp và nhiều ràng buộc. Luận án so sánh hiệu suất của các thuật toán trên các mạng điện IEEE 30 nút, IEEE 57 nút và IEEE 118 nút.

4.1. Điều độ kinh tế với số lượng máy phát lớn và chi phí phức tạp

Các thuật toán DEGSA, DEHS, và SWT-PSO được thử nghiệm trên các hệ thống có 10, 20, 40, 80, 160 nhà máy, có xét đến ảnh hưởng của điểm van công suất và đa nhiên liệu. Kết quả được so sánh với các phương pháp khác như IEP, MPSO, CEP, FEP, IFEP, ELANN, CGA, IGA_AMUM, CGA_MU, IGA_MU, GA, CPSO, MSFLA. Thể hiện rõ khả năng tính toán các bài toán phức tạp của thuật toán mới.

4.2. Điều độ công suất tối ưu trên mạng điện IEEE lớn

Các thuật toán cải tiến được áp dụng để giải bài toán điều độ công suất tối ưu trên các mạng điện IEEE 30, 57 và 118 nút. Kết quả được so sánh với các phương pháp khác như IHDE, DSA, CS, ISA, HCSA, MOALO. Kết quả cho thấy thuật toán đề xuất hoạt động tốt trên mạng lưới quy mô lớn.

V. Tối Ưu Điều Độ Điện Ưu Điểm Khi Kết Hợp Thiết Bị FACTS

Thiết bị FACTS (Flexible AC Transmission System) đóng vai trò quan trọng trong việc cải thiện hiệu suất và độ tin cậy của hệ thống điện. Luận án này nghiên cứu việc ứng dụng các thuật toán cải tiến để giải bài toán điều độ công suất tối ưu có xét đến thiết bị FACTS, như TCSC (Thyristor Controlled Series Capacitor) và SVC (Static VAR Compensator). Kết quả cho thấy việc kết hợp thiết bị FACTS giúp giảm chi phí sản xuất điện và cải thiện độ ổn định của hệ thống.

5.1. Ứng dụng DEHS DEGSA điều khiển FACTS trên IEEE 30

Thuật toán DEHS và DEGSA được ứng dụng vào tính toán các trường hợp mạng điện IEEE 30 nút có xét thiết bị TCSC, SVC, và TCPST (Thyristor Controlled Phase Shifting Transformer). Kết quả được so sánh với trường hợp không có thiết bị FACTS và các phương pháp khác như TS/SA, PSO.

5.2. So sánh hiệu quả giữa DEHS và DEGSA khi có FACTS

Kết quả cho thấy thuật toán DEHS vượt trội hơn so với thuật toán DEGSA cũng như kết quả các thuật toán tham khảo từ các bài báo trước đây, đặc biệt khi có sự hiện diện của thiết bị FACTS. Chứng minh được hiệu quả của DEHS trong điều kiện thực tế.

VI. Kết Luận Hướng Nghiên Cứu Phát Triển Thuật Toán Mới

Luận án đã trình bày một cách có hệ thống các phương pháp cải tiến thuật toán tiến hóa để giải quyết bài toán điều độ kinh tế và điều độ tối ưu trong hệ thống điện. Các thuật toán đề xuất đã chứng minh được hiệu quả và tính linh hoạt trong việc giải quyết các bài toán phức tạp. Hướng nghiên cứu tiếp theo có thể tập trung vào việc phát triển các thuật toán lai mới, kết hợp các ưu điểm của nhiều thuật toán khác nhau, và ứng dụng các thuật toán này vào các hệ thống điện thông minh và năng lượng tái tạo.

6.1. Tổng kết các kết quả đạt được hạn chế

Luận án đã đạt được nhiều kết quả đáng kể trong việc cải tiến thuật toán tiến hóa và ứng dụng vào bài toán điều độ kinh tế. Tuy nhiên, vẫn còn một số hạn chế, như cần nhiều thời gian tính toán cho các bài toán có quy mô lớn. Cần tiếp tục nghiên cứu để cải thiện hiệu suất.

6.2. Hướng phát triển và nghiên cứu trong tương lai

Hướng phát triển trong tương lai có thể tập trung vào việc phát triển các thuật toán lai mới, kết hợp các ưu điểm của nhiều thuật toán khác nhau, và ứng dụng các thuật toán này vào các hệ thống điện thông minh và năng lượng tái tạo. Nghiên cứu phân tích độ nhạy và phân tích độ ổn định cũng rất quan trọng để đảm bảo tính tin cậy của giải pháp.