I. Giới thiệu đề tài
Bài toán điều độ tối ưu công suất phản kháng (ORPD) là một vấn đề quan trọng trong quy hoạch và điều khiển hệ thống điện. Mục tiêu của bài toán này là cực tiểu tổn thất công suất tác dụng trong hệ thống, đồng thời đảm bảo các điều kiện ràng buộc. Tuy nhiên, nhiều phương pháp truyền thống gặp phải những khó khăn như không tìm ra lời giải tối ưu hoặc bị kẹt ở các điểm tối ưu cục bộ. Để giải quyết những hạn chế này, phương pháp Pseudo-gradient Particle Swarm Optimization (PGPSO) đã được đề xuất. PGPSO là một dạng cải tiến của thuật toán Particle Swarm Optimization (PSO), sử dụng hệ số co và vận tốc được tăng cường bởi pseudo-gradient nhằm tăng tốc độ hội tụ của bài toán. Điều này cho phép tìm ra lời giải tối ưu nhanh hơn và hiệu quả hơn.
1.1. Mục tiêu của đề tài
Mục tiêu của đề tài là ứng dụng thuật toán PGPSO để giải bài toán ORPD, nhằm cực tiểu tổn thất công suất tác dụng trong hệ thống điện. Đề tài sẽ nghiên cứu và phân tích các phương pháp điều độ công suất phản kháng, xác định các hàm mục tiêu và điều kiện ràng buộc. Các thông số kiểm soát của hệ thống điện như điện áp thanh cái, cài đặt nấc máy biến áp và các bộ tụ bù sẽ được tối ưu hóa để đảm bảo hiệu suất hoạt động tối đa. Sự cải tiến này không chỉ giúp tối ưu hóa công suất mà còn nâng cao độ ổn định điện áp, một yếu tố quan trọng trong quản lý hệ thống điện.
II. Tổng quan các phương pháp giải bài toán ORPD
Trong chương này, các phương pháp giải bài toán ORPD sẽ được trình bày, bao gồm các phương pháp tiến hóa như Differential Evolution (DE), Ant Colony Optimization (ACO), và Genetic Algorithm (GA). Mỗi phương pháp có những ưu điểm và nhược điểm riêng, tuy nhiên, phương pháp PSO và các biến thể của nó, đặc biệt là PGPSO, đã chứng minh được hiệu quả vượt trội trong việc giải quyết bài toán này. PGPSO không chỉ giúp cải thiện tốc độ hội tụ mà còn có khả năng tìm ra các giải pháp tối ưu trong không gian tìm kiếm phức tạp của bài toán ORPD. Việc so sánh hiệu quả của PGPSO với các phương pháp khác sẽ được thực hiện thông qua các mạng điện chuẩn như IEEE 30 nút, IEEE 57 nút và IEEE 118 nút.
2.1. Phương pháp PSO
PSO là một thuật toán tối ưu dựa trên hành vi của các đàn chim trong việc tìm kiếm thức ăn. Thuật toán này hoạt động bằng cách duy trì một quần thể các cá thể, mỗi cá thể đại diện cho một giải pháp khả thi. Các cá thể này sẽ chia sẻ thông tin về vị trí tốt nhất mà chúng đã tìm thấy, từ đó điều chỉnh vị trí của chính mình trong không gian tìm kiếm. Trong bối cảnh của bài toán ORPD, PSO giúp tối ưu hóa công suất phản kháng bằng cách điều chỉnh các thông số như điện áp và công suất phản kháng của các máy phát điện. Sự cải tiến PGPSO đã được phát triển để tăng tốc độ hội tụ và cải thiện chất lượng giải pháp.
III. Ứng dụng thuật toán PGPSO vào bài toán ORPD
Thuật toán PGPSO được ứng dụng để giải bài toán ORPD với nhiều hàm mục tiêu khác nhau như cực tiểu tổn thất công suất và cải thiện độ ổn định điện áp. Các hàm mục tiêu này được ràng buộc bởi các điều kiện như giới hạn công suất phản kháng của máy phát, giới hạn điện áp nút và giới hạn thay đổi nấc máy biến áp. Kết quả thu được từ việc áp dụng PGPSO cho các mạng điện chuẩn cho thấy sự cải thiện đáng kể về tốc độ hội tụ và chất lượng giải pháp so với các phương pháp truyền thống. Điều này chứng minh rằng PGPSO không chỉ là một công cụ mạnh mẽ trong việc tối ưu hóa công suất phản kháng mà còn có thể được áp dụng rộng rãi trong các hệ thống điện hiện đại.
3.1. Kết quả so sánh
Kết quả từ việc áp dụng PGPSO trên các mạng điện IEEE 30, IEEE 57 và IEEE 118 cho thấy rõ ràng sự vượt trội của phương pháp này. Các phép so sánh với các phương pháp khác như DE, ACO, và GA cho thấy PGPSO đạt được kết quả tối ưu hơn về cả tốc độ hội tụ lẫn chất lượng giải pháp. Điều này không chỉ khẳng định giá trị của PGPSO trong việc giải quyết bài toán ORPD mà còn mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực tối ưu hóa công suất phản kháng.
