Luận án Tiến sĩ Kỹ thuật Điện: Tái cấu trúc Lưới điện Phân phối với Thuật toán Tối ưu

Luận án tiến sĩ kỹ thuật phân tích kỹ thuật điện tái cấu trúc lưới điện phân phối sử dụng các thuật toán tối ưu, xây dựng cơ sở lý luận, kiểm chứng thực nghiệm, đóng góp tri thức

• Tác giả: Trần Thế Tùng
• Người hướng dẫn: PGS. Võ Ngọc Điều
• Trường học: Đại học Bách Khoa, ĐHQG TP. HCM
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Tái Cấu Trúc Lưới Điện Phân Phối Bằng Thuật Toán Tối Ưu Trong Nghiên Cứu Tiến Sĩ Kỹ Thuật Điện
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• TÓM TẮT LUẬN ÁN
• ABSTRACT
• LỜI CÁM ƠN
• 1. GIỚI THIỆU
• 1.1. Mục tiêu nghiên cứu
• 1.2. Phạm vi, đối tượng và phương pháp nghiên cứu
• 1.2.1. Phạm vi nghiên cứu
• 1.2.2. Đối tượng nghiên cứu
• 1.2.3. Phương pháp nghiên cứu
• 1.3. Các đóng góp của Luận án
• 1.4. Ý nghĩa khoa học và thực tiễn
• 1.4.1. Ý nghĩa khoa học
• 1.4.2. Ý nghĩa thực tiễn
• 1.5. Bố cục của Luận án
• 2. TỔNG QUAN
• 2.1. Tổng quan về tái cấu trúc lưới điện phân phối
• 2.2. Ảnh hưởng của nguồn phân tán đến lưới điện phân phối
• 2.3. Tổng quan về bài toán tái cấu trúc LĐPP
• 2.4. Các phương pháp nghiên cứu bài toán tái cấu trúc LĐPP
• 2.4.1. Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối
• 2.4.2. Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối có xét ảnh hưởng của nguồn phân tán
• 2.4.3. Các nghiên cứu giải bài toán tái cấu trúc LĐPP với hàm đa mục tiêu
• 2.5. Các vấn đề giải quyết trong luận án
• 2.5.1. Hàm mục tiêu
• 2.5.2. Phương pháp giải
• 2.5.3. Ràng buộc cấu trúc hình tia
• 3. CÁC PHƯƠNG PHÁP TỐI ƯU
• 3.1. Thuật toán Stochastic Fractal Search
• 3.1.1. Quá trình khuếch tán (Diffusion process)
• 3.1.2. Quá trình cập nhật (Updating process)
• 3.1.3. Các bước thực hiện của thuật toán SFS
• 3.2. Thuật toán SFS cải tiến dựa trên Chaotic
• 3.3. Thuật toán Symbiotic Organism Search
• 3.3.1. Giai đoạn hỗ sinh (Mutualism phase)
• 3.3.2. Giai đoạn hội sinh (Commensalism phase)
• 3.3.3. Giai đoạn ký sinh (Parasitism phase)
• 3.3.4. Các bước thực hiện của thuật toán SOS
• 3.4. Thuật toán Non-dominated Sorting Stochastic Fractal Search
• 3.4.1. Các định nghĩa tối ưu đa mục tiêu
• 3.4.2. Thuật toán NSSFS
• 3.5. Các mạng điện được nghiên cứu cho bài toán tái cấu trúc
• 3.5.1. Mạng điện 272 nút Tân Châu
• 4. TÁI CẤU TRÚC LĐPP VỚI HÀM ĐƠN MỤC TIÊU
• 4.1. Mô hình toán học bài toán tái cấu trúc LĐPP
• 4.1.1. Hàm mục tiêu
• 4.1.2. Các điều kiện ràng buộc
• 4.2. Phương pháp giải bài toán tái cấu trúc LĐPP
• 4.2.1. Xây dựng giải thuật kiểm tra lưới điện hình tia
• 4.2.2. Hệ số độ nhạy tổn thất
• 4.3. Áp dụng thuật toán CSFS cho bài toán tái cấu trúc LĐPP với hàm đơn mục tiêu và không xét ảnh hưởng DG
• 4.3.1. Áp dụng thuật toán CSFS cho bài toán tái cấu trúc
• 4.3.2. Kết quả áp dụng CSFS cho bài toán tái cấu trúc
• 4.4. Áp dụng thuật toán SFS cho bài toán tái cấu trúc có xét ảnh hưởng của DG với hàm đơn mục tiêu
• 4.4.1. Áp dụng thuật toán SFS cho bài toán tái cấu trúc
• 4.4.2. Kết quả áp dụng SFS cho bài toán tái cấu trúc xét ảnh hưởng của DG
• 4.5. Áp dụng thuật toán SOS cho bài toán tái cấu trúc có xét ảnh hưởng của DG với hàm đơn mục tiêu
• 4.5.1. Áp dụng thuật toán SOS cho bài toán tái cấu trúc
• 4.5.2. Kết quả áp dụng thuật toán SOS cho bài toán tái cấu trúc có xét ảnh hưởng của DG
• 4.6. Áp dụng các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc với LĐPP Tân Châu, Tây Ninh
• 4.6.1. Đặc điểm lưới điện Tân Châu, Tây Ninh
• 4.6.2. Kết quả áp dụng các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc không xét ảnh hưởng DG
• 4.6.3. Kết quả áp dụng các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc có xét ảnh hưởng DG
• 5. TÁI CẤU TRÚC LƯỚI ĐIỆN PHÂN PHỐI CÓ XÉT NGUỒN PHÂN TÁN VỚI HÀM ĐA MỤC TIÊU
• 5.1. Mô hình bài toán
• 5.2. Phương pháp giải
• 5.3. Kết quả tính toán và nhận xét
• 5.3.1. Các hàm đa mục tiêu tiêu chuẩn
• 5.3.2. Bài toán đa mục tiêu có xét DG
• 5.3.3. So sánh và phân tích kết quả
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6. Hướng phát triển luận án
• DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: THÔNG SỐ CÁC MẠNG ĐIỆN PHÂN PHỐI
• PHỤ LỤC 2: MẠNG ĐIỆN 272 NÚT TÂN CHÂU XT 475TH VÀ XT 477TH
• PHỤ LỤC 3: KẾT QUẢ BÀI TOÁN TÁI CẤU TRÚC MẠNG ĐIỆN 272 NÚT TÂN CHÂU, TÂY NINH SỬ DỤNG PHẦN MỀM PSS/ADEPT 5

Tóm tắt

I. Giới thiệu về tái cấu trúc lưới điện phân phối

Tái cấu trúc lưới điện phân phối (lưới điện phân phối) là một phương pháp quan trọng nhằm cải thiện hiệu suất và độ tin cậy của hệ thống điện. Mục tiêu chính của việc tái cấu trúc là giảm tổn thất công suất tác dụng và cải thiện chất lượng điện áp. Việc áp dụng các thuật toán tối ưu trong tái cấu trúc lưới điện giúp tối ưu hóa cấu hình lưới điện, từ đó nâng cao hiệu quả hoạt động của hệ thống điện. Luận án này tập trung vào việc phát triển các phương pháp tối ưu hóa để giải quyết bài toán tái cấu trúc lưới điện phân phối, đặc biệt là trong bối cảnh có sự hiện diện của nguồn phân tán (DG).

1.1. Tầm quan trọng của tái cấu trúc lưới điện

Tái cấu trúc lưới điện phân phối không chỉ giúp giảm tổn thất công suất mà còn cải thiện chất lượng điện áp, từ đó nâng cao độ tin cậy của hệ thống điện. Việc áp dụng các kỹ thuật điện hiện đại và các công nghệ điện mới giúp tối ưu hóa việc phân phối điện năng, đáp ứng nhu cầu ngày càng cao của người tiêu dùng. Các nghiên cứu trước đây đã chỉ ra rằng việc tái cấu trúc lưới điện có thể giảm thiểu chi phí vận hành và bảo trì, đồng thời cải thiện khả năng phục hồi của hệ thống điện trong các tình huống khẩn cấp.

II. Các phương pháp tối ưu trong tái cấu trúc lưới điện

Luận án đã áp dụng nhiều thuật toán tối ưu khác nhau để giải quyết bài toán tái cấu trúc lưới điện phân phối. Các thuật toán như Stochastic Fractal Search (SFS), Chaotic SFS, và Symbiotic Organism Search (SOS) đã được sử dụng để tìm kiếm giải pháp tối ưu cho bài toán đơn mục tiêu. Kết quả cho thấy các thuật toán này có khả năng giảm tổn thất công suất và cải thiện cấu hình điện áp một cách hiệu quả. Đặc biệt, phương pháp SOS đã chứng minh được tính hiệu quả khi áp dụng cho các mạng điện quy mô lớn, cho thấy tiềm năng ứng dụng của nó trong các bài toán tối ưu hóa khác trong hệ thống điện.

2.1. Thuật toán Stochastic Fractal Search

Thuật toán SFS là một trong những phương pháp tối ưu hóa được áp dụng trong nghiên cứu này. Nó sử dụng cơ chế tìm kiếm ngẫu nhiên để tìm kiếm giải pháp tối ưu cho bài toán tái cấu trúc lưới điện. Kết quả cho thấy thuật toán SFS có khả năng giảm tổn thất công suất đáng kể trong các mạng điện khác nhau, từ 33 nút đến 272 nút. Việc áp dụng thuật toán này không chỉ giúp cải thiện hiệu suất lưới điện mà còn giảm thiểu chi phí đầu tư cho các giải pháp khác.

III. Kết quả và phân tích

Kết quả nghiên cứu cho thấy các thuật toán tối ưu đã được áp dụng thành công trong việc tái cấu trúc lưới điện phân phối. Các bài toán đơn mục tiêu và đa mục tiêu đã được giải quyết với nhiều kịch bản khác nhau, cho thấy tính linh hoạt và hiệu quả của các phương pháp được đề xuất. Đặc biệt, thuật toán Nondominated Sorting Stochastic Fractal Search (NSSFS) đã chứng minh được khả năng tìm kiếm giải pháp Pareto tốt nhất cho bài toán đa mục tiêu, giúp cải thiện đồng thời nhiều chỉ tiêu như tổn thất công suất và chất lượng điện áp.

3.1. So sánh hiệu quả giữa các thuật toán

So sánh giữa các thuật toán cho thấy NSSFS cung cấp giải pháp tốt hơn so với các thuật toán khác như NSGA-II, MOPSO, và MOMVO. Điều này chứng tỏ tính hiệu quả của NSSFS trong việc giải quyết bài toán tái cấu trúc lưới điện phân phối, đặc biệt là trong bối cảnh có sự hiện diện của nguồn phân tán. Kết quả này không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn cao trong việc tối ưu hóa lưới điện phân phối hiện nay.

Nội dung chính

Tổng quan luận án

Lưới điện phân phối (LĐPP) là khâu trực tiếp cung cấp điện năng đến các khách hàng sử dụng điện, chiếm tổng chiều dài lớn nhất trong toàn bộ hệ thống điện Việt Nam. Do vận hành ở cấp điện áp thấp và truyền tải dòng điện lớn, tổn thất công suất trên LĐPP thường chiếm tỷ trọng đáng kể trong tổng tổn thất của hệ thống điện. Để giảm tổn hao và nâng cao chất lượng điện áp, các giải pháp truyền thống như nâng cấp cấp điện áp, tăng tiết diện dây dẫn hoặc lắp đặt tụ bù đòi hỏi chi phí đầu tư và lắp đặt thiết bị lớn. Trong bối cảnh đó, tái cấu trúc lưới điện phân phối là phương pháp không yêu cầu chi phí xây dựng cơ bản, được thực hiện thông qua việc thay đổi trạng thái đóng/mở của các khóa phân đoạn (sectionalizing switches) và khóa liên lạc (tie-line switches) có sẵn trên lưới nhằm phân bố lại dòng công suất, giảm tổn thất kỹ thuật và cải thiện điện áp nút mà vẫn duy trì cấu trúc vận hành hình tia.

Song song với sự gia tăng nhu cầu phụ tải, sự tích hợp của các nguồn điện phân tán (DG) quy mô từ vài kW đến 50 MW (bao gồm năng lượng mặt trời, điện gió, pin nhiên liệu, máy phát diesel) vào LĐPP ngày càng phổ biến. Sự tham gia của nguồn DG làm thay đổi đáng kể chiều và độ lớn của dòng công suất trên các nhánh, đòi hỏi việc tái cấu trúc LĐPP phải xét đến sự hiện diện, vị trí và công suất của DG để tránh làm tăng tổn thất hoặc gây mất ổn định điện áp. Tuy nhiên, bài toán tái cấu trúc LĐPP kết hợp định cỡ và chọn vị trí DG là bài toán tối ưu hóa phi tuyến nguyên hỗn hợp (mixed-integer nonlinear) với không gian tìm kiếm lên đến $2^n$ cấu hình khả thi ($n$ là số lượng khóa điện). Việc giải quyết đồng thời nhiều mục tiêu vận hành (giảm tổn thất, ổn định điện áp, cải thiện biên độ điện áp) trên các mạng điện quy mô lớn đặt ra yêu cầu phải có các công cụ thuật toán tối ưu hóa hiệu quả.

Luận án tiến sĩ kỹ thuật của tác giả Trần Thế Tùng, chuyên ngành Kỹ thuật điện (mã số 60520202), thực hiện tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh năm 2022 dưới sự hướng dẫn của PGS. Võ Ngọc Điều, tập trung vào 4 mục tiêu nghiên cứu cụ thể:

1. Xây dựng bài toán tái cấu trúc lưới điện phân phối với các hàm mục tiêu (đơn mục tiêu và đa mục tiêu) và các ràng buộc khác nhau. Mức độ phức tạp của các ràng buộc được tăng dần phù hợp với từng bài toán và các kịch bản.
2. Xây dựng thuật toán tìm kiếm phân dạng ngẫu nhiên (Stochastic Fractal Search - SFS), SFS cải tiến (Chaotic SFS - CSFS) và thuật toán tìm kiếm dựa trên quan hệ sinh vật cộng sinh (Symbiotic Organisms Search - SOS); áp dụng các thuật toán này vào bài toán tái cấu trúc lưới điện phân phối.
3. Phát triển thuật toán SFS thành phiên bản đa mục tiêu (Non-dominated Sorting Stochastic Fractal Search - NSSFS) để giải bài toán tái cấu trúc đa mục tiêu.
4. So sánh kết quả tính toán giữa các phương pháp áp dụng với các phương pháp đã được nghiên cứu trước đây để đưa ra nhận xét về tính hiệu quả và khả năng áp dụng của từng phương pháp cho từng bài toán cụ thể.

Đối tượng và phạm vi nghiên cứu của luận án được xác định rõ:

• Phạm vi nghiên cứu: Bài toán tái cấu trúc LĐPP vận hành hình tia với giả định phụ tải và công suất phát của nguồn DG là các đại lượng tĩnh tại một thời điểm khảo sát. Hàm đơn mục tiêu tập trung vào giảm tổn thất công suất tác dụng ($P_L$). Hàm đa mục tiêu tối ưu đồng thời ba chỉ tiêu: cực tiểu hóa tổn thất công suất tác dụng ($P_L$), giảm độ lệch điện áp nút ($VD$) và nâng cao chỉ số ổn định điện áp ($VSI$).
• Đối tượng nghiên cứu: Các hệ thống mạng điện phân phối chuẩn thử nghiệm và thực tế gồm:
  • Mạng điện chuẩn IEEE: IEEE 33 nút, IEEE 69 nút và IEEE 119 nút.
  • Mạng điện thực tế nước ngoài: mạng 84 nút (Đài Loan) và mạng 136 nút (Brazil).
  • Mạng điện thực tế tại Việt Nam: mạng điện 272 nút thuộc xuất tuyến 475TH và 477TH của lưới điện huyện Tân Châu, tỉnh Tây Ninh.

Tổng quan tài liệu và vị trí của luận án

Luận án đã phân loại và điểm lại toàn diện các giai đoạn phát triển của các phương pháp giải bài toán tái cấu trúc LĐPP từ cổ điển đến hiện đại:

Nhóm phương pháp	Tác giả, công trình và năm công bố	Đặc điểm và hạn chế ghi nhận trong văn bản
Phương pháp Heuristic và Giải tích kinh điển	- Merlin và Back (1975) - Shirmohammadi và Hong (1989) - Civanlar (1988) - Baran và Wu (1989) - Jeon và Goswami (1993)	- Merlin & Back lần lượt ngắt các nhánh có dòng bé nhất để tạo cấu trúc hở nhưng không tính toán mức giảm $\Delta P$ ở từng bước chuyển tiếp. - Shirmohammadi & Hong cải tiến bằng kỹ thuật "bơm/rút dòng điện không đổi", xét điện áp và khả năng tải nhánh nhưng phải giải lại bài toán phân bố công suất sau mỗi thao tác đóng/cắt, tốn thời gian tính toán với mạng lớn. - Civanlar phát triển kỹ thuật đổi nhánh trong vòng kín. - Baran & Wu đưa ra 2 phép tính gần đúng cho dòng công suất và sụt áp nhưng dễ mắc kẹt tại các cực tiểu địa phương. - Jeon & Goswami dùng thuật toán tìm kiếm Tabu (TS) với hàm phạt nhưng số lần lặp lớn.
Trí tuệ nhân tạo và Meta-heuristic đơn mục tiêu	- Nara (1992) - King và Radha - Rajabioun (2011), Nguyễn Thanh Thuận (CSA) - Nguyễn Thanh Thuận (AEO)	- GA (Nara) mã hóa nhiễm sắc thể theo khóa mở, dễ sinh cá thể vi phạm tính hình tia hoặc gây cô lập nút. - Logic mờ kết hợp GA (King & Radha) cải thiện khả năng hội tụ. - Thuật toán đàn kiến (ACS), tối ưu bầy đàn (PSO - 1995), đàn ong nhân tạo (ABC), tìm kiếm hòa âm (HSA). - Thuật toán Cuckoo Search (CSA) và Tối ưu hóa hệ sinh thái nhân tạo (AEO) giảm tổn thất công suất trên các lưới 14, 69, 136 nút.
Tái cấu trúc có xét nguồn phân tán (DG)	- HSA và PSO (2018) - Firework Algorithm - FWA (2019) - Cuckoo Search kết hợp Graph Theory (2020) - Analytical Approach (Exact loss formula) - PSMA, CSGA, CMBHHO	- Nghiên cứu dùng HSA và PSO kết hợp hệ số độ nhạy định vị DG. - FWA dùng chỉ số ổn định điện áp VSI để chọn nút đặt DG trên lưới 33 và 69 nút. - CSA tích hợp lý thuyết đồ thị kiểm tra điều kiện hình tia. - PSMA tối ưu 4 mục tiêu; CSGA áp dụng tìm kiếm hỗn loạn trên mạng 33, 69, 84, 118 nút; CMBHHO kết hợp đột biến chéo định vị và chọn dung lượng DG.
Tái cấu trúc với hàm đa mục tiêu	- MOIWO - Runner-root Algorithm (RRA) - DPSO–HBMO - MOHBB-BC - EGSA - SFLA–PSO	- MOIWO giải bài toán đa mục tiêu trên mạng 33 và 84 nút dùng phân loại không bị chi phối. - RRA giải bài toán giảm tổn thất, cân bằng tải, hạn chế chuyển mạch trên mạng 33 và 70 nút bằng phương pháp max-min. - DPSO-HBMO tối ưu dựa trên khoảng cách chuẩn (norm). - MOHBB-BC lưu trữ tập nghiệm Pareto và dùng fuzzy chọn nghiệm thỏa hiệp. - EGSA xét tính ổn định quá độ của DG. - SFLA-PSO tối ưu đồng thời tổn thất, chỉ số VSI và số lần đóng cắt trên mạng 33 và 95 nút.

Thông qua việc tổng quan tài liệu, luận án chỉ ra các khoảng trống nghiên cứu chính:

1. Đa số các công trình trước đây tập trung vào bài toán đơn mục tiêu giảm tổn thất công suất tác dụng; các nghiên cứu đa mục tiêu còn ít và chủ yếu dùng phương pháp tổng trọng số (weighted sum). Phương pháp tổng trọng số có nhược điểm lớn là phải gán trọng số chủ quan, biến đổi hàm đa mục tiêu thành đơn mục tiêu và đòi hỏi phải chạy thuật toán nhiều lần với các bộ trọng số khác nhau từ 0 đến 1 mới lập được tập nghiệm, làm tiêu tốn khối lượng tính toán.
2. Quá trình tối ưu hóa bằng các thuật toán meta-heuristic ngẫu nhiên thường sinh ra tỷ lệ lớn các cá thể vi phạm cấu trúc hình tia hoặc làm mất điện cục bộ các nút phụ tải, gây lãng phí thời gian tính toán.
3. Việc kết hợp đồng thời tái cấu trúc mạng điện và tối ưu vị trí, dung lượng nguồn DG trên các hệ thống điện thực tế quy mô lớn (trên 200 nút) còn hạn chế về khả năng tìm kiếm nghiệm tối ưu toàn cục và tốc độ hội tụ.

Luận án lựa chọn giải quyết các khoảng trống trên bằng việc áp dụng các thuật toán SFS, CSFS, SOS cho bài toán đơn mục tiêu; phát triển thuật toán NSSFS dựa trên tập nghiệm Pareto cho bài toán đa mục tiêu; đồng thời ứng dụng kỹ thuật vòng cơ bản (fundamental loop) từ lý thuyết đồ thị để loại bỏ các cấu hình không hình tia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và mô hình toán học

Mô hình bài toán tái cấu trúc LĐPP được xây dựng với các hàm mục tiêu và hệ thống ràng buộc kỹ thuật:

• Hàm đơn mục tiêu: Cực tiểu hóa tổng tổn thất công suất tác dụng của hệ thống: $$\min P_L = \sum_{i=1}^{N_{br}} R_i \cdot I_i^2$$ Trong đó $N_{br}$ là tổng số nhánh của mạng điện, $R_i$ và $I_i$ lần lượt là điện trở và dòng điện chạy trên nhánh thứ $i$.
• Hàm đa mục tiêu: Tối ưu hóa đồng thời 3 hàm mục tiêu kỹ thuật:
  1. Cực tiểu hóa tổng tổn thất công suất tác dụng ($P_L$).
  2. Cực tiểu hóa tổng sai lệch điện áp nút ($VD$): $$\min VD = \sum_{j=1}^{N_{bus}} |V_j - V_{rated}|$$
  3. Cực đại hóa chỉ số ổn định điện áp ($VSI$), tương đương cực tiểu hóa đại lượng $(VSI^{-1})$ nhằm nâng cao độ an toàn điện áp tại các nút tải xa nguồn.
• Các ràng buộc kỹ thuật:
  • Ràng buộc cân bằng công suất nút tại mọi nút của lưới điện.
  • Ràng buộc giới hạn điện áp tại tất cả các nút: $V_j^{min} \le V_j \le V_j^{max}$ (thông thường từ 0.90 pu đến 1.05 pu hoặc 0.95 pu đến 1.05 pu tùy lưới).
  • Ràng buộc khả năng mang tải của các nhánh đường dây: $I_i \le I_i^{max}$.
  • Ràng buộc cấu trúc vận hành hình tia (radial topology) và không có phụ tải nào bị mất kết nối (cô lập).
  • Ràng buộc về giới hạn số lượng, vị trí lắp đặt và công suất phát cực đại/cực tiểu của các nguồn DG tích hợp.

Thuật toán và công cụ tối ưu hóa

Luận án triển khai và phát triển 4 thuật toán tối ưu hóa thông minh nhân tạo:

1. Thuật toán tìm kiếm phân dạng ngẫu nhiên (SFS): Được Hamid Samili xây dựng năm 2015 mô phỏng hiện tượng khuếch tán phân dạng (fractal diffusion). Thuật toán gồm hai quá trình:
   • Quá trình khuếch tán (Diffusion process): Sử dụng bước nhảy phân bố Gaussian để tạo ra các điểm mới xung quanh cá thể hiện tại, giúp khai thác không gian tìm kiếm cục bộ và tránh rơi vào cực trị địa phương: $$X_{i,new} = \text{Gaussian}(\mu_{Xbest}, \sigma) + (\varepsilon \cdot X_{best} - \varepsilon' \cdot X_i) \quad \text{nếu } rand \le W$$ Trong đó độ lệch chuẩn Gaussian $\sigma$ được co giảm dần theo số vòng lặp $\frac{\log(Iter)}{Iter} \cdot (X_i - X_{best})$.
   • Quá trình cập nhật (Updating process): Gồm hai giai đoạn thống kê. Các cá thể được gán xác suất theo thứ hạng $P_{ai} = \frac{\text{rank}(X_i)}{N}$ ($N$ là tổng số cá thể) để cập nhật vị trí theo các cá thể ngẫu nhiên khác trong quần thể.
2. Thuật toán SFS kết hợp hỗn độn (CSFS): Nhằm nâng cao tốc độ hội tụ và chất lượng nghiệm, hệ số ngẫu nhiên $\varepsilon'$ trong quá trình khuếch tán của SFS được thay thế bằng hệ số hỗn loạn ($cv$) sinh ra từ bản đồ hỗn loạn Gauss/mouse chaotic map: $$x_{i+1} = \begin{cases} 1 & \text{nếu } x_i = 0 \ \frac{1}{\text{mod}(x_i, 1)} & \text{trường hợp khác} \end{cases}$$
3. Thuật toán tìm kiếm dựa trên quan hệ sinh vật cộng sinh (SOS): Mô phỏng các tương tác sinh học tự nhiên giữa các sinh vật trong hệ sinh thái thông qua 3 pha tuần tự:
   • Giai đoạn hỗ sinh (Mutualism phase): Hai cá thể cùng hỗ trợ nhau tăng mức thích nghi dựa trên vector tương hỗ ($Mutual_Vector$).
   • Giai đoạn hội sinh (Commensalism phase): Một cá thể hưởng lợi từ cá thể kia mà không gây hại cho đối tác.
   • Giai đoạn ký sinh (Parasitism phase): Tạo ra vector ký sinh ($Parasite_Vector$) để cạnh tranh và thay thế cá thể kém thích nghi hơn trong quần thể.
4. Thuật toán tối ưu đa mục tiêu NSSFS (Non-dominated Sorting SFS): Được luận án phát triển bằng cách tích hợp vào SFS ba kỹ thuật:
   • Kỹ thuật phân loại sắp xếp nhanh không vượt trội (fast non-dominated sorting) để xác định các mặt biên Pareto.
   • Kỹ thuật tính khoảng cách mật độ (crowding distance) để duy trì tính đa dạng của tập nghiệm.
   • Cơ chế lựa chọn (selection mechanism) giúp lọc ra các nghiệm Pareto tối ưu trong một lần chạy duy nhất.

Dữ liệu và kỹ thuật xử lý

• Xử lý ràng buộc hình tia: Luận án áp dụng phương pháp lập vòng cơ bản (fundamental loop) dựa trên lý thuyết đồ thị (Graph Theory). Khi tất cả các khóa thường mở đóng lại tạo thành các vòng độc lập, mỗi vòng bắt buộc phải mở chính xác một khóa phân đoạn để đảm bảo lưới luôn hình tia và toàn bộ phụ tải đều được cấp điện liên tục, triệt tiêu các cấu hình không hợp lệ trước khi giải bài toán phân bố công suất.
• Hệ số độ nhạy tổn thất (Loss Sensitivity Factor - LSF): Dùng để xác định trước các vị trí nút tiềm năng nhất cho việc lắp đặt nguồn DG.
• Công cụ tính toán và kiểm chứng:
  • Kiểm nghiệm thuật toán đa mục tiêu NSSFS trên 8 hàm thử nghiệm chuẩn: ZDT1, ZDT2, ZDT3, ZDT6, KUR, LAU, MUR, POL.
  • Đánh giá hiệu năng đa mục tiêu thông qua 4 chỉ số: Khoảng cách thế hệ (GD - Generational Distance), Độ phân bố khoảng cách (SP - Spacing), Độ trải rộng biên ($\Delta$) và Thể tích siêu vi (HV - Hypervolume).
  • Thuật toán đối chứng đa mục tiêu: NSGA-II, MOPSO, MOMVO.
  • Dữ liệu mạng 272 nút Tân Châu được kiểm chứng và tính toán trên phần mềm phân tích hệ thống điện PSS/ADEPT 5.0 (trình bày tại Phụ lục 3 của luận án).

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương 1 thiết lập tính cấp thiết của đề tài tái cấu trúc LĐPP trong bối cảnh tỷ lệ tổn thất kỹ thuật của lưới phân phối cao và sự gia tăng thâm nhập của nguồn điện phân tán DG. Tác giả xác định 4 mục tiêu nghiên cứu cụ thể, phạm vi nghiên cứu (lưới điện tĩnh hình tia, hàm đơn mục tiêu giảm tổn thất công suất và hàm đa mục tiêu), đối tượng áp dụng (mạng IEEE 33, 69, 119 nút; mạng 84 nút Đài Loan, 136 nút Brazil; mạng 272 nút Tân Châu - Tây Ninh), ý nghĩa khoa học và thực tiễn, cùng bố cục tổng thể gồm 6 chương của luận án.

Chương 2: Tổng quan

Chương 2 trình bày tổng quan cấu trúc LĐPP, vai trò của các khóa phân đoạn và khóa liên lạc, phân tích tác động kỹ thuật (cải thiện điện áp, giảm tổn hao đường dây) và kinh tế (giảm chi phí nhiên liệu, trì hoãn đầu tư) của nguồn DG. Tác giả phân loại 7 bài toán tái cấu trúc LĐPP trong vận hành hệ thống điện. Chương này khảo cứu chi tiết các nghiên cứu trước đây theo từng nhóm phương pháp: Heuristic kinh điển (Merlin & Back, Shirmohammadi & Hong, Civanlar, Baran & Wu), tối ưu hóa nguyên hỗn hợp (Tabu Search), các giải thuật trí tuệ nhân tạo (GA, Logic mờ, ACS, PSO, CSA, ABC, HSA, AEO), các phương pháp tái cấu trúc có xét DG (HSA, FWA, CSA, ABC, Analytical, PSMA, CSGA, CMBHHO) và các giải thuật đa mục tiêu (MOIWO, RRA, Heuristic cải tiến, DPSO-HBMO, MOHBB-BC, EGSA, SFLA-PSO). Từ đó, tác giả chỉ ra các hạn chế hiện hữu và xác định hướng tiếp cận sử dụng SFS, CSFS, SOS, phát triển NSSFS và ứng dụng lý thuyết đồ thị kiểm tra điều kiện hình tia.

Chương 3: Các phương pháp tối ưu

Chương 3 trình bày chi tiết nền tảng toán học và quy trình thực hiện của các thuật toán tối ưu hóa được sử dụng:

• Cấu trúc thuật toán SFS nguyên bản với quá trình khuếch tán Gaussian, quá trình cập nhật 1 và cập nhật 2 dựa trên xác suất xếp hạng $P_{ai}$.
• Cải tiến thuật toán SFS thành CSFS thông qua việc tích hợp bản đồ hỗn loạn Gauss/mouse map nhằm định hướng tìm kiếm và tránh kẹt tại cực tiểu địa phương.
• Nguyên lý thuật toán SOS thông qua 3 giai đoạn tương tác sinh thái: hỗ sinh, hội sinh và ký sinh.
• Xây dựng thuật toán đa mục tiêu NSSFS trên nền tảng SFS tích hợp kỹ thuật sắp xếp nhanh không vượt trội, khoảng cách mật độ và cơ chế lựa chọn Pareto.
• Mô tả các thông số kỹ thuật, cấu trúc topo và vị trí khóa liên lạc của các mạng điện thử nghiệm chuẩn và thực tế: IEEE 33 nút, 69 nút, 84 nút, 119 nút, 136 nút và mạng thực tế 272 nút Tân Châu.

Chương 4: Tái cấu trúc lưới điện phân phối với hàm đơn mục tiêu

Chương 4 thiết lập mô hình toán học đơn mục tiêu cực tiểu hóa tổn thất công suất tác dụng và trình bày giải thuật kiểm tra cấu trúc hình tia bằng phương pháp lập vòng cơ bản kết hợp hệ số độ nhạy tổn thất. Nội dung chương chia thành 4 phần thực nghiệm chính:

1. Áp dụng thuật toán CSFS cho bài toán không xét DG: Kiểm nghiệm trên các mạng 33 nút, 84 nút, 119 nút và 136 nút. Kết quả cho thấy CSFS tìm được cấu hình tối ưu giúp giảm đáng kể tổn thất công suất và cải thiện đường cong phân bố điện áp so với trạng thái ban đầu và các phương pháp đối chứng.
2. Áp dụng thuật toán SFS cho bài toán có xét DG: Khảo sát trên các mạng 33, 69, 84, 119 và 136 nút qua 7 kịch bản vận hành (từ chỉ tái cấu trúc không DG, chỉ tối ưu vị trí/công suất DG, đến thực hiện đồng thời tái cấu trúc và tích hợp DG với các số lượng nguồn khác nhau). SFS đạt tỷ lệ giảm tổn thất công suất cao và nâng cao mức điện áp nút thấp nhất ($V_{min}$).
3. Áp dụng thuật toán SOS cho bài toán có xét DG: Triển khai thuật toán SOS trên các mạng 33, 69, 84 và 119 nút với 7 kịch bản tương tự. Thuật toán SOS thể hiện đặc tính hội tụ tốt, xác định chính xác công suất phát và vị trí đặt DG tối ưu.
4. Áp dụng SFS, CSFS và SOS cho mạng thực tế 272 nút Tân Châu (Tây Ninh): Tính toán trên lưới điện thực tế gồm 2 xuất tuyến 475TH và 477TH cho cả hai trường hợp có và không có nguồn DG. Kết quả cho thấy cả 3 thuật toán đều giảm mạnh tổn thất công suất và giải quyết hiện tượng sụt áp cuối nguồn trên lưới điện thực tế.

Chương 5: Tái cấu trúc lưới điện phân phối có xét nguồn phân tán với hàm đa mục tiêu

Chương 5 xây dựng mô hình toán học bài toán tái cấu trúc đa mục tiêu xét đến nguồn DG với 3 hàm mục tiêu thành phần: giảm tổn thất công suất tác dụng ($P_L$), giảm tổng sai lệch điện áp ($VD$) và cực tiểu hóa đại lượng $(VSI^{-1})$:

• Kiểm chứng thuật toán NSSFS trên 8 hàm đa mục tiêu chuẩn (ZDT1, ZDT2, ZDT3, ZDT6, KUR, LAU, MUR, POL) cho thấy NSSFS đạt các giá trị chỉ số khoảng cách thế hệ (GD), độ phân bố khoảng cách (SP), độ trải rộng ($\Delta$) vượt trội so với các thuật toán khác.
• Áp dụng NSSFS giải bài toán tái cấu trúc có xét DG trên mạng điện chuẩn IEEE 33 nút và IEEE 69 nút qua 3 trường hợp:
  • Trường hợp 1: Tối ưu đồng thời tổn thất công suất ($P_L$) và sai lệch điện áp ($VD$).
  • Trường hợp 2: Tối ưu đồng thời tổn thất công suất ($P_L$) và chỉ số ổn định điện áp ($VSI^{-1}$).
  • Trường hợp 3: Tối ưu đồng thời cả ba mục tiêu ($P_L$, $VD$ và $VSI^{-1}$).
• So sánh hiệu năng của NSSFS với các thuật toán tối ưu đa mục tiêu NSGA-II, MOPSO và MOMVO thông qua các chỉ số Hypervolume (HV) và Spacing (SP), khẳng định NSSFS cung cấp tập biên Pareto có tính phân bố đều và độ bao phủ rộng hơn.

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết toàn bộ các kết quả đạt được của luận án về mặt thuật toán và ứng dụng giải bài toán tái cấu trúc LĐPP đơn mục tiêu và đa mục tiêu có xét DG. Đồng thời, chương chỉ rõ định hướng phát triển nghiên cứu mở rộng sang bài toán vận hành động xét đồ thị phụ tải và công suất phát DG biến thiên theo chu kỳ 24 giờ.

Kết quả và những đóng góp mới

Luận án tự tổng kết các đóng góp mới về mặt lý luận khoa học và thực tiễn ứng dụng như sau:

Đóng góp về mặt lý luận và phương pháp

• Ứng dụng thành công các thuật toán tối ưu hóa thông minh nhân tạo SFS, SOS và CSFS để giải bài toán tái cấu trúc LĐPP đơn mục tiêu với các ràng buộc kỹ thuật phức tạp trên các hệ thống điện quy mô từ nhỏ đến lớn.
• Phát triển thành công thuật toán thông minh nhân tạo đa mục tiêu NSSFS (Non-dominated Sorting Stochastic Fractal Search) trên cơ sở kết hợp thuật toán SFS với kỹ thuật sắp xếp nhanh không vượt trội, khoảng cách mật độ và cơ chế lựa chọn Pareto; giải quyết hiệu quả bài toán tối ưu hóa đa mục tiêu trong hệ thống điện.
• Xây dựng mô hình bài toán tái cấu trúc LĐPP tích hợp nguồn DG với nhiều kịch bản vận hành khác nhau, kết hợp phương pháp lập vòng cơ bản từ lý thuyết đồ thị giúp loại trừ triệt để các cấu hình không thỏa mãn cấu trúc hình tia, giảm đáng kể thời gian tính toán.

Đóng góp về mặt thực tiễn

• Cung cấp một công cụ tính toán hiệu quả dựa trên các thuật toán tối ưu hóa thông minh nhân tạo hỗ trợ các nhà quản lý lưới điện trong công tác quy hoạch và vận hành LĐPP.
• Cho phép xác định đồng thời cấu hình đóng/mở khóa điện tối ưu và lựa chọn chính xác vị trí lắp đặt, dung lượng phát của các nguồn điện phân tán DG, giúp giảm tổn thất điện năng kỹ thuật, cải thiện chất lượng điện áp và nâng cao độ ổn định điện áp toàn lưới.
• Việc đề xuất nhiều kịch bản vận hành giúp các đơn vị quản lý vận hành có nhiều phương án lựa chọn linh hoạt, từ đó xây dựng kế hoạch đầu tư, nâng cấp và bảo trì lưới điện phân phối với chi phí hợp lý.

Hạn chế và hướng nghiên cứu tiếp

Theo nội dung trình bày trong luận án:

• Hạn chế: Bài toán tái cấu trúc trong luận án được giải quyết như một bài toán thiết kế tĩnh tại một thời điểm xác định, trong đó phụ tải và công suất phát của các nguồn phân tán DG được giả định là không thay đổi theo thời gian.
• Hướng nghiên cứu tiếp:
  • Phát triển bài toán tái cấu trúc LĐPP tĩnh thành bài toán vận hành lưới điện động theo thời gian thực (real-time operation), xét đến đồ thị phụ tải biến thiên và đặc tính phát điện thay đổi của các nguồn năng lượng tái tạo (như bức xạ mặt trời, tốc độ gió) trong chu kỳ 24 giờ.
  • Tích hợp thêm các hàm mục tiêu và ràng buộc về độ tin cậy cung cấp điện, chi phí vận hành chuyển mạch và tuổi thọ của các thiết bị đóng cắt trên lưới.

Giá trị tham khảo

Công trình luận án mang lại giá trị tham khảo cho các đối tượng:

• Nghiên cứu sinh, học viên cao học và giảng viên ngành Kỹ thuật điện: Tham khảo mô hình toán học tái cấu trúc LĐPP đơn và đa mục tiêu, nguyên lý cài đặt thuật toán SFS, CSFS, SOS, thuật toán đa mục tiêu NSSFS, cũng như giải thuật kiểm tra tính hình tia dựa trên lý thuyết đồ thị.
• Các Công ty Điện lực, Tổng công ty Điện lực: Ứng dụng phương pháp tái cấu trúc và thuật toán tối ưu để tính toán phương thức vận hành lưới điện phân phối thực tế, giảm tổn thất điện năng kỹ thuật trên các xuất tuyến trung áp mà không cần đầu tư cải tạo đường dây.
• Các Công ty Tư vấn Thiết kế Điện: Sử dụng phương pháp luận để quy hoạch vị trí và công suất kết nối tối ưu cho các nguồn điện phân tán (như các dự án điện mặt trời mái nhà, nguồn điện phân tán vừa và nhỏ) vào lưới điện hiện hữu.

Câu hỏi thường gặp

1. Điểm khác biệt cốt lõi giữa thuật toán CSFS và thuật toán SFS nguyên bản là gì?
Trong thuật toán SFS nguyên bản, các hệ số ngẫu nhiên $\varepsilon$ và $\varepsilon'$ được tạo ra từ phân bố đồng đều trong khoảng $[0, 1]$. Trong thuật toán CSFS, hệ số ngẫu nhiên $\varepsilon'$ ở quá trình khuếch tán được thay thế bằng hệ số hỗn loạn ($cv$) sinh ra từ bản đồ hỗn loạn Gauss/mouse map theo công thức $x_{i+1} = 1$ nếu $x_i = 0$, ngược lại $x_{i+1} = 1 / \text{mod}(x_i, 1)$. Việc tích hợp này giúp cải thiện tốc độ hội tụ và hướng các cá thể về vị trí nghiệm tối ưu tốt nhất.

2. Thuật toán đa mục tiêu NSSFS được phát triển dựa trên những kỹ thuật nào?
NSSFS được phát triển từ thuật toán SFS kết hợp với ba kỹ thuật cốt lõi: (1) Kỹ thuật sắp xếp nhanh không vượt trội (fast non-dominated sorting), (2) Phương pháp khoảng cách mật độ (crowding distance) và (3) Cơ chế lựa chọn (selection mechanism). Kỹ thuật này cho phép tìm kiếm trực tiếp tập nghiệm biên Pareto tối ưu trong một lần chạy mà không cần sử dụng phương pháp tổng trọng số.

3. Làm thế nào luận án xử lý ràng buộc cấu trúc hình tia để tránh sinh ra các cấu hình không hợp lệ?
Luận án sử dụng phương pháp lập vòng cơ bản (fundamental loop) dựa trên lý thuyết đồ thị (Graph Theory). Khi tất cả các khóa mở được đóng lại để tạo thành các vòng khép kín độc lập, giải thuật bắt buộc mở chính xác một khóa phân đoạn trong từng vòng khép kín. Điều này giúp loại trừ các nghiệm không hợp lệ (như lưới kín mạch vòng hoặc làm mất kết nối nút tải), giảm thiểu không gian tìm kiếm và tiết kiệm thời gian tính toán.

4. Luận án đã thử nghiệm trên những hệ thống điện cụ thể nào?
Luận án kiểm chứng các phương pháp trên 6 hệ thống mạng điện: 3 mạng điện chuẩn IEEE (IEEE 33 nút, IEEE 69 nút, IEEE 119 nút); 2 mạng điện thực tế nước ngoài (84 nút Đài Loan, 136 nút Brazil); và 1 mạng điện thực tế tại Việt Nam là lưới điện 272 nút thuộc xuất tuyến 475TH và 477TH của huyện Tân Châu, tỉnh Tây Ninh.

5. Vì sao luận án chọn điều kiện dừng là số vòng lặp tối đa thay vì khoảng cách giữa các nghiệm?
Do các thuật toán meta-heuristic khởi tạo quần thể ban đầu ngẫu nhiên và giải bài toán tối ưu phi tuyến nguyên hỗn hợp quy mô lớn, không lồi, nghiệm tìm được là các nghiệm gần tối ưu (near-optimum solution). Khoảng cách giữa các nghiệm qua các lần chạy có thể không đồng nhất, do đó việc cố định số vòng lặp tối đa ($maxIter$) là điều kiện dừng phù hợp và đảm bảo quá trình tìm kiếm được thực hiện đầy đủ.

Kết luận

Luận án của tác giả Trần Thế Tùng đã xây dựng và giải quyết bài toán tái cấu trúc lưới điện phân phối đơn mục tiêu và đa mục tiêu có xét đến sự hiện diện của nguồn điện phân tán DG. Bằng việc ứng dụng và phát triển các thuật toán tối ưu hóa thông minh nhân tạo SFS, CSFS, SOS và NSSFS kết hợp với lý thuyết đồ thị xử lý ràng buộc hình tia, công trình đã đưa ra giải pháp giảm tổn thất công suất tác dụng, cải thiện độ lệch điện áp và nâng cao chỉ số ổn định điện áp trên các hệ thống điện thử nghiệm chuẩn và mạng thực tế 272 nút Tân Châu - Tây Ninh. Kết quả nghiên cứu cung cấp cơ sở phương pháp luận và công cụ tính toán phục vụ công tác quy hoạch và vận hành tối ưu lưới điện phân phối.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu Chương 2: Tổng quan. Chương 3: Các phương pháp tối ưu Chương 4: Tái cấu trúc lưới điện phân phối với hàm đơn mục tiêu Chương 5: Tái cấu trúc lưới điện phân phối với hàm đa mục tiêu có xét ảnh hưởng của nguồn phân tán Chương 6: Kết luận Tài liệu tham khảo Các công trình đã công bố Phụ lục 5 TỔNG QUAN Giới thiệu 2.1 Tổng quan về tái cấu trúc lưới điện phân phối Lưới điện phân phối (LĐPP) là phần quan trọng trong một hệ thống điện. LĐPP có vai trò truyền tải điện năng từ các trạm biến thế trung gian đến khách hàng (Hình 2. Tổn hao công suất trong LĐPP thường lớn do có điện áp thấp và dòng điện cao so với lưới điện truyền tải.

Hiện nay, LĐPP đang phải đối mặt với sự phát triển rất nhanh chóng của phụ tải. Việc phát triển nhanh của phụ tải đã làm tăng thêm gánh nặng và tăng sụt áp lên LĐPP. Để giảm tổn thất công suất và ổn định điện áp, nhiều phương pháp đã được ứng dụng như tái cấu trúc lưới điện, lắp đặt tụ bù, tăng kích thước dây dẫn, và thay đổi nấc máy biến áp. Trong các phương pháp này, tái cấu trúc LĐPP yêu cầu ít chi phí đầu tư nhất vì nó dùng cơ sở hạ tầng sẵn có, trong khi các phương pháp khác cần chi phí đầu tư và lắp đặt.

Khác với đường dây truyền tải thường được vận hành mạch vòng, LĐPP được thiết kế mạch vòng nhưng vận hành theo cấu trúc hình tia trong mọi trường hợp để phối hợp bảo vệ hiệu quả, giảm sự cố, và nâng cao độ tin cậy cung cấp điện. Trong LĐPP có hai loại khóa điện là khóa thường đóng (sectionalizing switches) và khóa thường mở (tie-line switches). Việc đóng mở các khóa điện này ảnh hưởng lớn đến LĐPP về tổn hao công suất và ổn định điện áp. Đóng mở các khóa điện hợp lý sẽ tạo ra được một LĐPP mới có tổn hao công suất thấp và điện áp ổn định.

Giải bài toán tái cấu trúc LĐPP là việc đi tìm cấu trúc tối ưu mới của lưới điện bằng cách thay đổi trạng thái đóng/mở của các khóa điện để từ đó tổn thất công suất là ít nhất nhưng vẫn đảm các điều kiện ràng buộc vận hành của hệ thống. Vấn đề tái cấu trúc LĐPP giúp ích rất nhiều trong việc quy hoạch hệ thống điện, giúp trì hoãn chi phí đầu tư mở rộng hệ thống điện, và tăng khả năng vận hành hiệu quả hệ thống điện.1 Sơ đồ lưới điện truyền tải – phân phối 2.2 Ảnh hưởng của nguồn phân tán đến lưới điện phân phối Trong những năm gần đây, nguồn điện phân tán (DG – Distribution Generator) kết nối vào LĐPP đang được triển khai nhanh chống trên thế giới do sự cạn kiệt của nhiện liệu hóa thạch, vấn đề môi trường, và thị trường điện tự do. Do đó bái toán tái cấu trúc LĐPP cần xét đến ảnh hưởng của nguồn điện phân tán. Khi xuất hiện nguồn điện phân tán trong LĐPP, phân bố dòng điện trên các nhánh đường dây sẽ thay đổi và ảnh hưởng đến cấu hình tối ưu của LĐPP, điều đó đặt nhiệm vụ là: cần phải tìm cấu hình tối ưu mới (tái cấu trúc LĐPP có nguồn DG) nhằm đảm bảo các mục tiêu: cải thiện chất lượng điện áp các nút trên LĐPP, giảm tổn thất công suất, nâng cao độ tin cậy cung cấp điện, chống quá tải đường dây… Nguồn phân tán – DG được biết đến như là nguồn phát có công suất nhỏ từ vài kW – 50 MW, được kết nối trực tiếp vào LĐPP hoặc đặt gần phía hộ tiêu thụ [1].

DG có thể là nguồn năng lượng tái tạo hoặc nguồn năng lượng không tái tạo. DG bao gồm pin mặt trời, tuabin gió, tuabin siêu nhỏ, pin nhiên liệu, máy phát diesel, v.2 Kết nối DG vào LĐPP Hiện nay, có rất nhiều công nghệ DG đang được sử dụng trên thị trường. Ngoài các máy phát điện chạy bằng dầu diezel, xăng…, các công nghệ mới về DG như micro tubine chạy bằng năng lượng gió, sức nước hay nguồn năng lượng mặt trời, pin nhiên liệu… cũng đang được áp dụng rộng rãi hơn. Những lợi ích mà DG mang lại khi tham gia vào LĐPP bao gồm lợi ích kỹ thuật và lợi ích kinh tế: Các lợi ích kỹ thuật: ❖ Giảm tổn hao đường dây ❖ Cải thiện điện áp ❖ Giảm sự ô nhiễm môi trường ❖ Tăng hiệu suất điện năng ❖ Tăng cường độ tin cậy và sự an toàn ❖ Cải thiện chất lượng điện năng ❖ Đảm bảo tính cung cấp điện liên tục Các lợi ích kinh tế: ❖ Trì hoãn sự đầu tư trong việc nâng cấp các thiết bị ❖ Giảm chi phí vận hành ❖ Tăng cường hoạt động sản xuất ❖ Giảm chi phí nhiên liệu ❖ Tăng độ an toàn cho những tải quan trọng trong LĐPP Khi có sự tham gia của DG vào LĐPP, phân bố công suất trên lưới thay đổi, các đặc tính về dòng điện, điện áp sẽ thay đổi dẫn theo sự thay đổi về tổn thất công suất trên 8 lưới.

Nhiều nghiên cứu trước đây chỉ ra rằng việc xác định dung lượng cũng như vị trí đặt DG không chính xác sẽ dẫn đến lượng công suất tổn thất lớn hơn so với trước khi đặt DG [2], [3]. Bằng cách tính toán xác định dung lượng và vị trí tối ưu của DG sẽ giảm thiểu được tổn thất công suất và nâng cao chất lượng điện năng, cải thiện độ tin cậy cung cấp điện. Tổng quan về bài toán tái cấu trúc LĐPP Tái cấu trúc lưới điện là quá trình vận hành các khóa điện để thay đổi cấu hình của lưới điện nhằm đảm bảo các mục tiêu vận hành cũng như giảm thiểu chi phí. Đối với LĐPP, chi phí chủ yếu được tối thiểu hóa là chi phí tổn thất điện năng.

Các bài toán vận hành LĐPP mô tả các hàm mục tiêu tái cấu trúc lưới điện: • Bài toán 1: Xác định cấu hình lưới điện theo đồ thị phụ tải trong một thời đoạn để chi phí vận hành bé nhất. • Bài toán 2: Xác định cấu hình lưới điện không thay đổi trong thời đoạn khảo sát để tổn thất năng lượng bé nhất. • Bài toán 3: Xác định cấu hình lưới điện tại một thời điểm để tổn thất công suất bé nhất. • Bài toán 4: Tái cấu hình lưới điện cân bằng tải (giữa các đường dây, máy biến thế nguồn ở các trạm biến áp) để nâng cao khả năng truyền tải của lưới điện.

• Bài toán 5: Khôi phục lưới điện sau sự cố hay cắt điện sửa chữa. • Bài toán 6: Xác định cấu hình lưới điện theo nhiều mục tiêu như: tổn thất công suất bé nhất, mức độ cân bằng tải cao nhất, số lần chuyển tải ít nhất, sụt áp cuối lưới bé nhất cùng đồng thời xảy ra (hàm đa mục tiêu). • Bài toán 7: Xác định cấu hình lưới điện để đảm bảo mục tiêu giảm năng lượng do việc ngừng cung cấp điện hay nâng cao độ tin cậy cung cấp điện. Các bài toán xác định cấu trúc vận hành của một LĐPP cực tiểu tổn thất năng lượng hay cực tiểu chi phí vận hành thỏa mãn các điều kiện kỹ thuật vận hành luôn là bài toán quan trọng và kinh điển trong vận hành hệ thống điện.

Trong đó, bài toán 3 là bài toán quan trọng, làm nền tảng cho việc giải các bài toán khác trong hệ thống các bài toán tái cấu trúc LĐPP. 9 Các phương pháp nghiên cứu bài toán tái cấu trúc LĐPP 2.1 Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối 2.1 Phương pháp Heuristic Năm 1975, Merlin và Back [4] đề xuất một phương pháp heuristic có ràng buộc để xác định các cấu trúc lưới cho tổn thất tối thiểu trên đường dây. Để có cấu trúc hình tia, tác giả đã lần lượt loại bỏ những nhánh có dòng công suất chạy qua bé nhất, quá trình sẽ kết thúc khi lưới điện đạt được trạng thái vận hành hở. Trong quá trình thực hiện, thuật toán không tính mức giảm ΔP khi phân bố lại phụ tải cho từng bước mà chỉ xét đến dòng chạy qua khóa điện.

Thuật toán không tính tổn thất ΔP để so sánh lựa chọn cấu hình tối ưu vì đã xuất phát từ điều kiện mở nhánh có dòng bé nhất để mức tổn thất ΔP là bé nhất. Dựa trên cơ sở thuật toán này, rất nhiều nghiên cứu về sau đã phát triển, chỉnh sửa cho phù hợp với thực tế vận hành lưới điện cũng như yêu cầu về giảm khối lượng tính toán và nâng cao chất lượng điện năng. Điển hình cho các nghiên cứu đó là thuật toán của Shirmonohammadi và Hong đã cải tiến phương pháp của Merlin & Back và đã thu được kết quả khả quan trong việc tìm kiếm giải pháp tối ưu hoặc gần tối ưu và trạng thái của các khóa điện không phụ thuộc vào cấu trúc lưới [5]. Tác giả Shirmohammadi là người đầu tiên sử dụng kỹ thuật “bơm vào/rút ra” một lượng dòng điện không đổi để mô tả thao tác phân bố lại phụ tải trong LĐPP với giả thiết dòng điện bơm vào/rút ra là một đại lượng liên tục.

Phương pháp này khắc phục được tất cả các nhược điểm chính của Merlin & Back. Xuất phát từ lưới điện ban đầu là lưới điện kín (sau khi đóng tất cả các khóa điện trên lưới), giải bài toán PBCS sẽ lựa chọn nhánh có dòng điện bé nhất trong các vòng độc lập. Sau khi mở nhánh có dòng bé nhất trong lưới điện, giải lại bài toán PBCS cho lưới điện mới, đồng thời kiểm tra các điều kiện về chất lượng điện áp nút, khả năng mang tải của các tuyến dây còn lại. Trong trường hợp không vi phạm chất lượng điện áp các nút và khả năng tải của nhánh, sẽ lặp lại các bước như trên cho đến khi lưới điện hoàn toàn hình tia và các phụ tải đều được cấp điện.

Trong trường hợp khóa điện vừa mở vi phạm điều kiện vận hành, sẽ phải đóng khóa điện vừa mở và mở khóa điện có dòng bé nhất 10 tiếp theo trong LĐPP. Sau đó giải lại bài toán PBCS và tiếp tục kiểm tra điều kiện vận hành cho đến khi lưới điện có cấu trúc tia. Với cách thực hiện như trên dễ nhận thấy rằng thuật toán của Shirmohammadi có xét đến điều kiện chất lượng điện áp và khả năng tải đường dây (điều này khác với thuật toán của Merlin & Back), do đó cấu trúc LĐPP theo thuật toán này đảm bảo được chất lượng điện năng tốt hơn so với thuật toán của Merlin & Back. Tuy nhiên, sau mỗi lần mở khóa điện, phải tiến hành giải lại bài toán PBCS nên tốn nhiều thời gian tính toán.