Chương 1: Giới thiệu tổng quan về vấn đề trong luận văn, về mục tiêu và phạm vi nghiên cứu của đề tài. Chương 2: Giới thiệu tổng quan về bài toán điều độ thủy nhiệt cũng như các phương pháp đã được áp dụng để giải quyết bài toán. Chương 3: Giới thiệu về phương pháp Augmented Lagrange Hopfield Network (ALHN) Chương 4: Thành lập bài toán điều độ thủy nhiệt. Chương 5: Áp dụng phương pháp ALHN để giải bài toán điều độ thủy nhiệt.
Chương 6: Kết quả tính toán. Chương 7: Kết luận chung và hướng phát triển của đề tài 4 CHƯƠNG 2: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP GIẢI BÀI TOÁN ĐIỀU ĐỘ THỦY NHIỆT 2. GIỚI THIỆU: Phối hợp hoạt động giữa các nhà máy nhiệt điện và thủy điện trong thời gian ngắn hạn là việc sử dụng hiệu quả nhất nguồn tài nguyên trong các nhà máy điện trong thời gian lập kế hoạch (1 ngày hoặc 1 tuần). Điều này đồng nghĩa với việc xác định công suất phát tối ưu của các nhà máy điện nhằm làm cực tiểu tổng chi phí phát điện của các nhà máy.
Trong hoạt động và điều khiển nhà máy điện, cực tiểu chi phí phát điện là mục tiêu quan trọng nhất. Ngoài ra, một số điều kiện cũng cần đạt được như yêu cầu về độ tin cậy, an ninh năng lượng và các điều kiện về nguồn nước và nhiệt như: cân bằng công suất, giới hạn công suất phát, lưu lượng xả nước, lượng nước có ban đầu - kết thúc và tỷ lệ nước tràn ở các nhà máy thủy điện cũng rất quan trọng. Vì vậy, bài toán điều độ thủy nhiệt là bài toán phi tuyến lớn và phức tạp với nhiều điều kiện đi kèm. Bài toán tối ưu hóa điều độ thủy nhiệt có hàm mục tiêu có thể được xây dựng một cách tổng quát như sau [1]: MinF T F j P s j ,t T N t 1 j 1 Với là hàm chi phí sản xuất điện; là công suất phát điện của nhà máy nhiệt điện j tại thời điểm t; là chi phí sản xuất điện của ; N là số lượng nhà máy nhiệt điện; T là số lượng khoảng thời gian.
Hàm chi phí của nhà máy nhiệt điện được cho như sau: F j P s j ,t a j b j P s j ,t c j P s j ,t 2 5 Khi các nhà máy điện hoạt động đều có các điều kiện đi kèm, các điều kiện được cho như sau: Điều kiện cân bằng công suất: M M P H (i ,t ) P s ( j ,t ) P D (t ) P L (t ) 0 i 1 j 1 Với M là số lượng các nhà máy thủy điện; là công suất phát điện của nhà máy thủy điện i tại thời điểm t; là phụ tải yêu cầu tại thời điểm t; là tổng công suất tổn thất tại thời điểm t. Giới hạn công suất phát của các nhà máy thủy điện và nhiệt điện: P s ( j ,t ) P s ( j ) min max P s( j ) P h (i ,t ) P h (i ) min max P h (i ) Với là công suất phát tối thiểu của nhà máy nhiệt điện j; là công suất phát tối đa của nhà máy nhiệt điện j; là công suất phát tối thiểu của nhà máy thủy điện i; là công suất phát tối đa của nhà máy thủy điện i. Tổng lượng nước xả: T Q tot (i ) q (i ,t ) t 1 Với là lượng nước xả của nhà máy thủy điện i tại thời điểm t. Lượng nước trong hồ chứa: V (i ,t ) V (i ,t 1) [r (i ,t ) q (i ,t ) s (i ,t )]n t Với là lượng nước lưu trữ trong hồ chứa i tại cuối thời điểm t; là lượng nước xả của nhà máy thủy điện i trong thời điểm t; là lượng 6 nước chảy vào hồ chứa nhà máy thủy điện i trong thời điểm t; là lượng nước tràn khỏi hồ chứa nhà máy thủy điện i trong thời điểm t; là khoảng thời gian t.
Giới hạn lưu trữ nước: + Giới hạn lưu trữ: + Lượng nước ban đầu: + Lượng nước kết thúc: Lưu lượng xả nước: + Giới hạn xả nước + Lưu lượng xả nước cố định: Một số phương pháp và kỹ thuật tối ưu hóa đã được đề xuất để giải quyết bài toán tối ưu hóa hoạt động của hệ thống điện và các nhà máy điện từ nhiều thế kỷ trước. Hiện nay, một vài phương pháp và thuật toán mới đã được sử dụng để giải quyết bài toán tối ưu hóa hệ thống điện. Những phương pháp này bao gồm phương pháp toán học, phương pháp lặp, các công cụ trí tuệ nhận tạo và các kỹ thuật lai. Trong những năm qua, các phương pháp khác nhau đã được áp dụng.
Với sự phát triển của toán học và các kỹ thuật tính toán, các bài toán đã dần được giải quyết.1 trình bày số lượng các tài liệu nghiên cứu được công bố mỗi năm liên quan đến các chủ đề trong bài toán điều độ thủy nhiệt trong 15-20 năm qua (dựa trên cơ sở dữ liệu IEE/IET/Elesevier) [2] 7 Hình 2.1: Số lượng các tài liệu nghiên cứu được công bố mỗi năm liên quan đến bài toán điều độ thủy nhiệt. CÁC PHƯƠNG PHÁP TỐI ƯU HÓA ÁP DỤNG GIẢI BÀI TOÁN ĐIỀU ĐỘ THỦY NHIỆT: Một loạt các kỹ thuật tối ưu hóa đã được áp dụng để giải bài toán điều độ thủy nhiệt. Các phương pháp tối ưu hóa được áp dụng có thể là các thuật toán toán học như phương pháp lập trình phi tuyến hoặc lập trình tuyến tính, phương pháp quy hoạch động,… Ngoài ra còn có các phương pháp khác là các kỹ thuật trí tuệ nhân tạo như mạng neuron, hệ thống mờ và các phương pháp tính toán tiến hóa như thuật toán di truyền, thuật toán mô phỏng luyện kim. Các phương pháp được phân tích trong chương tổng quan được liệt kê như sau: Phương pháp Lagrange relaxation và các phương pháp Lagrange mở rộng (Lagrangian relaxation and Benders decomposition-based methods).
Phương pháp quy hoạch nguyên- bộ phận (mixed- integer programming) Phương pháp quy hoạch động. Phương pháp xác định bao gồm: Phương pháp Lagrange relaxation và các phương pháp Lagrange mở rộng, quy hoạch nguyên- bộ phận, quy hoạch động và phương pháp điểm trong. Phương pháp thuật toán di truyền, phương pháp tối ưu hóa bầy đàn và các phương pháp tính toán tiến hóa khác là thuộc nhóm phương pháp tự tìm tòi. Hầu hết các phương pháp đang được sử dụng để giải bài toán điều độ thủy nhiệt đều được phát hiện từ tự nhiên.
Tuy nhiên, các phương pháp tự tìm tòi đang nhận được nhiều sự quan tâm trong việc giải quyết các bài toán tối ưu kích thước lớn. Để tìm kiếm các giải pháp tối ưu, các phương pháp xác định cổ điển, hay còn được gọi là các phương pháp tối ưu hóa dựa trên phương pháp đạo hàm, thường áp dụng kỹ thuật lagrange và Hessian. Các phương pháp xác định sử dụng phương pháp tìm kiếm trên 1 con đường duy nhất (single path search methods) còn các phương pháp tự tìm tòi sử dụng kỹ thuật tìm kiếm theo số đông (population-based search techniques) để tìm kiếm kết quả tốt nhất. Trên thực tế, sự khác biệt này là một lợi thế cho các phương pháp tự tìm tòi vì điều này giúp tìm kiếm được trong không gian không mịn (non-smooth characteristics).
Điều này cũng cải thiện tính hội tụ của các phương pháp tự tìm tòi và làm cho các phương pháp này ít phụ thuộc vào các giá trị cài đặt ban đầu. Ngoài ra, các phương pháp hiện đại được áp dụng cho các bài toán tối ưu không phụ thuộc vào hàm mục tiêu hay điều kiện là tuyến tính hay phi tuyến. Ngược lại, các phương pháp xác định khác được sử dụng để giải các bài toán tối ưu khác. Một khác biệt nửa giữa hai nhóm phương pháp là phương pháp tự tìm tòi sử dụng các kỹ thuật ngẫu nhiên và bao gồm ngẫu nhiên trong việc di chuyển từ giải pháp này sang giải pháp kia trong khi nhóm phương pháp xác định di chuyển theo các quy tắc chuyển đổi xác định.
Điều này, tất nhiên, là một lợi thế cho các phương pháp tự tìm tòi trong việc tránh cực tiểu địa phương (local minima). Mặc dù có những lợi thế trong nhóm phương pháp tự tìm tòi, nhưng những phương pháp xác định vẫn được sử dụng nhiều vì hiệu quả được giải quyết trong các bài toán tối ưu hóa, nền tảng toán học vững chắc và sự sẵn có của các công cụ phần mềm.2 trình bày số lượng các bài báo, tài liệu nghiên cứu về việc sử dụng các phương pháp khác nhau để giải bài toán điều độ thủy nhiệt [2].2: Số lượng các bài báo công bố sử dụng các phương pháp tối ưu khác nhau.1 Phương pháp Lagrange Relaxation và các phương pháp Lagrange mở rộng: Phương pháp LR là phương pháp phổ biến và thành công nhất để áp dụng cho các bài toán tối ưu, bởi vì phương pháp này có thể giải quyết hầu hết những bài toán lớn với các điều kiện phức tạp. Nhưng phương pháp có khuyết điểm là chỉ giải được bài toán với các hàm mục tiêu và các điều kiện phải là hàm tuyến tính. Một cách khái quát, khi giải quyết các bài toán tối ưu, phương pháp LR phân rã bài toán thành một bài toán chính và nhiều bài toán phụ có thể giải quyết độc lập bằng các phương pháp cổ điển khác.
Phương pháp LR hoạt động dựa vào lý thuyết đối ngẫu, trong đó, một giải pháp gần tối ưu được chấp thuận nếu như khoảng cách đối ngẫu giữa bài toán chính và các bài toán phụ nhỏ hơn mức cho phép. Tuy nhiên, ta rất khó tìm được những kết quả phù hợp, thỏa mãn các điều kiện đối với những bài toán có dạng hàm không trơn hay không khả đạo. Đặc biệt, trong lĩnh vực hệ thống 10 điện, những bài toán dạng tương tự rất thường gặp do các điều kiện vận hành phức tạp và không tuyến tính. Hơn nữa, một trở ngại khác khi áp dụng phương pháp này là cách lựa chọn bước cập nhật cho các hệ số nhân Lagrange.
Nếu ta lựa chọn bước cập nhật không đúng sẽ dẫn đến dao động trong quá trình hội tụ và không đảm bảo tính tối ưu của kết quả tìm được. Phương pháp LR cổ điển rất khó áp dụng cho những bài toán có các nhà máy điện đồng nhất với nhau. Đã có một số cải tiến để giải quyết vấn đề này, tuy nhiên phương pháp LR cần tiếp tục nghiên cứu để áp dụng triệt để cho các dạng toán khác.
