Đặt vấn đề Ngày nay điện năng giữ một vai trò chủ lực trong sự phát triển của nền kinh tế xã hội toàn cầu nói chung và nƣớc ta nói riêng. Lƣới phân phối thƣờng đƣợc phân bố trên diện rộng, gồm nhiều nhánh nút phụ tải, vì vậy khi truyền năng lƣợng trên đƣờng dây đến các hộ tiêu thụ sẽ gây nên tổn thất công suất, tổn thất điện năng, làm giảm chất lƣợng điện năng …; Trong khi đó nhu cầu tiêu thụ điện năng ngày càng cao, đòi hỏi đáp ứng đầy đủ kịp thời không chỉ về số lƣợng mà cả về chất lƣợng. Để hạn chế các vấn đề trên, ngƣời ta đƣa ra phƣơng pháp nhƣ hoàn thiện cấu trúc lƣới, điều chỉnh điện áp, quy hoạch công suất phản kháng… Từ đó, Đòi hỏi hệ thống cung cấp điện không những phải làm việc liên tục, ổn định để đáp ứng kịp thời nhu cầu sử dụng mà còn phải đảm bảo tính an toàn và chất lƣợng. Quy hoạch công suất phản kháng là một nhiệm vụ rất quan trọng trong ngành điện, thƣờng đƣợc thực hiện sau khi quy hoạch nguồn điện.
Nhiệm vụ chính của quy hoạch công suất phản kháng là xác định kích thƣớc và phân bố tối ƣu, đảm bảo yêu cầu dự đoán phụ tải dài hạn với tổng chi phí đầu tƣ thấp nhất. Các thiết kế tối ƣu của quy hoạch công suất phản kháng là một phần quan trọng của nhiệm vụ quy hoạch tổng thể của hệ thống điện trong thị trƣờng điện cạnh tranh. Tuy nhiên, nó rất khó khăn để quyết định một cách hợp lý các tiêu chuẩn độ tin cậy tối ƣu của một hệ thống truyền tải cũng nhƣ quy hoạch công suất phản kháng.2 Hƣớng tiếp cận của đề tài Từ những ƣu điểm của bài toán RPP mang lại, trong những thập niên vừa qua đã có rất nhiều công trình nghiên cứu của các nhà khoa học đã tìm ra nhiều thuật toán để giải quyết bài toán RPP. Có nhiều cách tiếp cận để giải bài toán quy hoạch công suất phản kháng với nhiều thuật toán khác nhau từ cổ điển đến trí tuệ nhân tạo chẳng hạn nhƣ: thuật toán tìm kiếm hài hòa “harmony search algorithm”, thuật toán di truyền “Genetic algorithm”, lập trình tiến hóa “Evolutionary programming”, mạng nơ ron nhân tạo “Artificial CBHD: TS.
Võ Ngọc Điều HVTH: Mai Thanh Tùng Trang 2 Neural Network”, “Nonlinear programming”, “Decomposition method”, Thuật toán “Biogeography-Based optimization” … Trong đó thuật toán BBO là thuật toán dựa trên sự di cƣ và nhập cƣ của các loài trong môi trƣờng sống và chia xẻ các đặc tính có lợi của các loài với nhau. Thuật toán BBO đƣợc đề xuất bởi Dan Simon vào năm 2008 đƣợc áp dụng trong nhiều lĩnh vực và có tính ƣu việt cao đã đƣợc áp dụng để giải quyết vấn đề phân bố công suất phản kháng tối ƣu trên hệ thống điện tiêu chuẩn IEEE 30 nút và 57 nút để tốn thất công suất thực nhỏ nhất mang lại hiệu quả kinh tế cao. Thuật toán BBO tƣơng đối đơn giản, dễ thực hiện, chạy chƣơng trình nhanh kết quả chính xác hơn các phƣơng pháp khác vì vậy tôi “áp dụng Biogeography-based optimization giải bài toán quy hoạch công suất phản kháng” để nghiên cứu cho luận văn. Mục tiêu nghiên cứu Bài toán quy hoạch công suất phản kháng (RPP) đã có lịch sử phát triển từ nhiều thập niên qua và có ý nghĩa rất quan trọng trong điều khiển hệ thống điện.
Mục đích chung của bài toán RPP là cực tiểu chi phí đầu tƣ các nguồn công suất phản kháng đầu tƣ mới và tổng tổn thất năng lƣợng để đáp ứng nhu cầu vận hành hệ thống điện nhƣng phải duy trì độ an toàn của hệ thống (mỗi thiết bị của hệ thống nằm trong phạm vi vận hành mong muốn ở chế độ xác lập). Điều này công suất phản kháng phát cực đại và cực tiểu của máy phát, công suất phản kháng bơm vào mạng cực đại và cực tiểu của các thiết bị bù, máy biến áp và điện áp nút của hệ thống cũng nằm trong giới hạn xác định. Do đó, đã có nhiều công trình nghiên cứu tìm kiếm lời giải cho bài toán RPP ngày càng tối ƣu hơn. Bài toán RPP là một vấn đề phi tuyến không lồi do đó đƣợc xem là một vấn đề rất phức tạp.
Để đáp ứng đƣợc các vấn đề phức tạp trên phƣơng pháp BBO là phù hợp để giải bài toán RPP và loại bỏ các vấn đề khó khăn. Thuật toán này linh động, thích hợp tốt so với các phƣơng pháp khác. Kết quả áp dụng thuật toán BBO giải bài toán phân bố công suất đƣợc so sánh với các kết quả của những thuật toán khác trong các bài báo để thấy đƣợc tính hiệu quả và điểm mạnh của thuật toán BBO. Võ Ngọc Điều HVTH: Mai Thanh Tùng Trang 3 1.
Đối tƣợng nghiên cứu - Tìm hiểu về lợi ích kinh tế của bài toán quy hoạch công suất phản kháng cho hệ thống điện. - Thực hiện áp dụng phƣơng pháp Biogeography-Based Optimization để giải bài toán huy hoạch công suất phản kháng. - Sử dụng phần mềm MATLAB để mô phỏng kết quả. Phạm vi nghiên cứu Mục đích nghiên cứu chủ yếu tập trung vào việc áp dụng phƣơng pháp “Biogeography-Based Optimization” để giải bài toán quy hoạch công suất phản kháng.
Hàm mục tiêu đƣợc đặt ra trong đề tài là cực tiểu tổng chi phí năng lƣợng và chi phí đầu tƣ các nguồn Var nhƣng phải thỏa các ràng buộc về công suất phản kháng của máy phát, nguồn bù Var, điện áp, nấc chuyển máy biến áp. Thuật toán đƣợc áp dụng trên mạng điện chuẩn IEEE – 30 nút và IEEE – 118 nút. Tóm lƣợc các bài báo có liên quan đến đề tài * “Survey of Reactive Power Planning Methods” (tác giải Wenjuan Zhang và Leon M. [1] Bài báo đã giới thiệu các công thức toán học và những lợi thế và nhƣợc điểm chính của các phƣơng pháp quy hoạch công suất phản kháng, đƣợc chia thành hai nhóm là phƣơng pháp tối ƣu hóa thông thƣờng và phƣơng pháp tối ƣu hóa tiên tiến.
Nhóm đầu tiên của phƣơng pháp này thƣờng bị hạn chế ở một giải pháp tối ƣu hóa cục bộ, nhóm thứ hai có thể đãm bảo sự tối ƣu toàn cục nhƣng cần nhiều thời gian tính toán hơn. Hàm mục tiêu chung là cực tiểu tổng chi phí công suất thực và công suất phản kháng máy phát, các điều kiện ràng buộc cân bằng công suất thực, công suất phản kháng máy phát; điện áp nút, dòng công suất trên đƣờng dây truyền tải và công suất phản kháng các nguồn Var cài đặt. Các phƣơng pháp đƣợc giới thiệu nhƣ sau: - Lập trình phi tuyến “Nonlinear Programming” - Lập trình tuyến tính “Learn Programming” - Lập trình hỗn hợp số nguyên “Mixed Integer Programming” - Phƣơng pháp phân hủy “Decomposition Metond” - Phƣơng pháp phỏng đoán “Heuristic Methond” CBHD: TS. Võ Ngọc Điều HVTH: Mai Thanh Tùng Trang 4 - Mô phỏng luyện kim “Simulated Annealing” - Thuật toán tiến hóa “Evolutionary Algorithms” - Mạng nơron nhân tạo “Artificial Neural Network” - Phân tích độ nhạy “Sensitivities Analysis” * “Optimization Methond for Reactive Power Planning by Using a Modified Simple Genetic Algorithm” (tác giả Kwang Y.
Lee Xiaomin Bai và Young-Moon Park) [2] Bài báo này trình bày một cải tiến thuật toán di truyền đơn giản và phát triển cho việc quy hoạch công suất phản kháng của hệ thống, lập trình tuyến tính liên tiếp đƣợc sử dụng để giải quyết các vấn đề nhỏ về vận hành tối ƣu hóa. Phƣơng pháp lựa chọn số lƣợng và máy phát mới đƣợc sử dụng vết cắt Bender đƣợc trình bày trong tờ báo này. Đó là mong muốn để tìm ra giải pháp tối ƣu trong vài lần lặp, đặc biệt trong một vài trƣờng hợp thử nghiệm mà các kết quả tối ƣu dự kiến đã có đƣợc dễ dàng. Tuy nhiên, thuật toán di truyền đơn giảng (SGA) có thất bại trong tìm kiếm giải pháp trừu tƣợng qua nhiều vòng lặp.
Số lƣợng máy phát khác nhau và các phƣơng pháp chéo cũng đƣợc thử nghiệm và thảo luận. Phƣơng pháp đƣợc thử nghiệm cho hệ thống 6 nút và 30 nút cho thấy hiệu quả của nó. Hơn nửa việc cải thiện phƣơng pháp cũng đƣợc thảo luận. Trong bài báo này, cho thấy MSGA là thuật toán mạnh cho kết quả tốt, SGA cần nhiều thời gian hơn so với một phƣơng pháp phân tích tối ƣu.
Tuy nhiên, SGA thì linh hoạt, mạnh mẽ và dễ dàng cho việc sửa đổi do đó MSGA hứa hẹn một công cụ hữu ích cho các vấn đề quy hoạch công suất phản kháng. * “A New Model for Transmission Network Expansion and Reactive Power Planning in a Deregulated Environment” (tác giả Amin Mahmoudabadi, masoud Rashidinejad và Majid Zeinaddini-Maymand) [3] Bài báo này đã thể hiện một mô hình toán học kết hợp để giải quyết vấn đề mở rộng mạng truyền tải và quy hoạch công suất phản kháng (TEPRPP) cùng một lúc. Mô hình đƣợc đề xuất là vấn đề không lồi có tính chất phi tuyến hỗn hợp số nguyên trong đó giải pháp ứng cử viên đƣợc đánh giá là tăng theo cấp số nhân tùy theo kích thƣớc của hệ thống. Hàm mục tiêu của TEPRPP bao gồm chi phí đầu tƣ của mạch mới và chi CBHD: TS.
Võ Ngọc Điều HVTH: Mai Thanh Tùng Trang 5 phí sản xuất cũng nhƣ cắt giảm tiền phạt của tải. Một thuật toán RGA nhằm mục đích đạt đƣợc một giải pháp chất lƣơng đáng kể để xử lý một vấn đề phức tạp đã đƣợc sử dụng, một phƣơng pháp điểm nội (IPM) đã đƣợc áp dụng để giải quyết vấn đề tối ƣu hóa đồng thời đề xuất các bƣớc trong giải pháp của mô hình TEPRPP và bãi bỏ những quy định trong môi trƣờng. Bài báo này đề xuất một phƣơng pháp mới cho vị trí tốt nhất cũng nhƣ khả năng của các nguồn Var nó đã đƣợc thử ngiệm trên hai hệ thống đã đƣợc biết đến là hệ thống Garver (hệ thống 6 nút) và hệ thống IEEE 24 nút, kết quả thu đƣơc cho thấy khả năng và tính khả thi của mô hình TEPRPP kết hợp với các điều kiện vận hành, mặt khác kết quả từ những trƣờng hợp nghiên cứu khác nhau đƣợc so sánh với kết quả của mô hình truyền thống có sẵn tại thời điểm nghiên cứu này. Trong bài báo này cũng đã chứng minh rằng bằng cách thực hiện mô hình đề xuất thì tổng các chi phí của chi phí đầu tƣ và chi phí sản xuất có thể giảm đáng kể.
Hơn nữa đánh giá về kinh tế các kết quả cho thấy một tiết kiệm đáng kể về tổng vốn đầu tƣ. * “Multi-Objective Reactive Power Planning: A Pareto Optimization Approach” (tác giả: Steven M. Small và Benjamin Jeyasurya) [4] Mục tiêu chính của bài báo này là trình bày lời giải cho bài toán quy hoạch công suất phản kháng đa mục tiêu bằng cách áp dụng NSGA-II (Non-Dominated Sorting Genetic Algorithm II). Thuật toán đƣợc thử nghiệm trên hệ thống điện chuẩn IEEE.