Tổng quan luận án

Phối hợp vận hành tối ưu hệ thống thủy nhiệt điện là một trong những bài toán cốt lõi trong kỹ thuật hệ thống điện nhằm xác định lịch trình phát công suất kinh tế của các nhà máy nhiệt điện và thủy điện trong một khoảng thời gian hoạch định xác định (từ 1 ngày đến 1 tuần). Mục tiêu chính của bài toán là giảm thiểu tổng chi phí nhiên liệu phát điện tại các nhà máy nhiệt điện (nơi sử dụng nhiên liệu hóa thạch đắt đỏ như than, khí, dầu) trong điều kiện chi phí vận hành nhiên liệu của các nhà máy thủy điện được xem là không đáng kể, đồng thời phải đảm bảo thỏa mãn toàn bộ các ràng buộc vận hành phức tạp của hệ thống điện và hệ thống thủy văn hồ chứa.

Tính cấp thiết và khoảng trống nghiên cứu của đề tài xuất phát từ các vấn đề thực tiễn và học thuật sau:

  • Về mặt vận hành hệ thống: Các nhà máy nhiệt điện có thời gian khởi động kéo dài (từ vài chục phút đến vài giờ) và quá trình tăng giảm công suất gây hao phí lớn nhiên liệu, do đó đóng vai trò đảm bảo an ninh năng lượng nền trong chu kỳ dài. Ngược lại, nhà máy thủy điện có khả năng thay đổi công suất gần như tức thời (vài phút) để đáp ứng biến động phụ tải nhưng phụ thuộc vào nguồn nước theo mùa. Nếu không được điều độ hợp lý, nguồn nước trong mùa mưa lũ buộc phải xả bỏ gây lãng phí năng lượng, trong khi mùa khô lại thiếu hụt nguồn nước phát điện.
  • Về mặt phương pháp luận tối ưu: Các phương pháp tiền định truyền thống (như Newton-Raphson, quy hoạch phi tuyến, phân rã Lagrange, mạng nơ-ron Hopfield cổ điển) phụ thuộc lớn vào việc tính đạo hàm và ma trận Jacobi, gặp nhiều khó khăn khi giải quyết các bài toán có hàm chi phí không khả vi (do hiệu ứng xả van - valve point loading effects) hoặc hệ thống có quy mô lớn. Trong khi đó, các phương pháp thông minh nhân tạo và meta-heuristic (như GA, EP, PSO, DE, AIS) tuy giải quyết được hàm phi tuyến và không khả vi nhưng thường gặp hiện tượng hội tụ chậm, dễ rơi vào cực trị địa phương, hoặc cho ra các nghiệm không khả thi do vi phạm các ràng buộc biên về thể tích hồ chứa và lưu lượng xả.
  • Về bài toán phân bố công suất tối ưu hệ thống thủy nhiệt điện (HTOPF): Đây là bài toán tích hợp giữa bài toán phối hợp thủy nhiệt điện (HTS) theo thời gian và bài toán trào lưu công suất tối ưu (OPF) trên lưới truyền tải. Các nghiên cứu trước đây chủ yếu dừng lại ở giai đoạn thập niên 1980–1990 với các phương pháp cổ điển nhằm tìm nghiệm khả thi đơn giản mà chưa giải quyết triệt để trên các lưới điện quy mô lớn với đầy đủ ràng buộc lưới và ràng buộc thủy văn bậc thang.

Mục tiêu nghiên cứu của luận án được xác định gồm 4 nội dung:

  1. Áp dụng các thuật toán Cuckoo Search cổ điển (CCSA), Cuckoo Search cải biên (MCSA) và mạng Hopfield Lagrange tăng cường (ALHN) để giải các bài toán phối hợp tối ưu hệ thống thủy nhiệt điện.
  2. Xây dựng thuật toán Cuckoo Search chọn lọc thích nghi (ASCSA) và áp dụng giải các bài toán phối hợp tối ưu hệ thống thủy nhiệt điện.
  3. Đánh giá tính hiệu quả của các phương pháp CCSA, MCSA, ASCSA và ALHN dựa trên kết quả hàm mục tiêu, tính khả thi của nghiệm tối ưu và thời gian tính toán so với các phương pháp đã công bố.
  4. Đề xuất phạm vi và phương thức áp dụng phù hợp của từng phương pháp cho từng bài toán cụ thể và hệ thống điện thực tế.

Luận án thiết lập và giải quyết 5 bài toán nghiên cứu cụ thể:

  1. Phối hợp hệ thống thủy nhiệt điện ngắn hạn với chiều cao cột nước không đổi và bỏ qua thể tích hồ chứa (SO-FH-ST-HTS).
  2. Phối hợp hệ thống thủy nhiệt điện ngắn hạn với chiều cao cột nước không đổi và xét thể tích hồ chứa (RC-FH-ST-HTS).
  3. Phối hợp hệ thống thủy nhiệt điện ngắn hạn với chiều cao cột nước biến đổi và xét hệ thống hồ thủy điện bậc thang (VH-ST-HTS).
  4. Phối hợp hệ thống thủy nhiệt điện ngắn hạn đa mục tiêu (chi phí và khí phát thải) với chiều cao cột nước cố định và bỏ qua thể tích hồ chứa (MO-FH-ST-HTS).
  5. Phân bố công suất tối ưu hệ thống thủy nhiệt điện (HTOPF) có xét đầy đủ ràng buộc lưới truyền tải và ràng buộc thủy lực.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các mô hình toán học điều độ tối ưu hệ thống thủy nhiệt điện ngắn hạn, mô hình phân bố công suất tối ưu thủy nhiệt điện, và các thuật toán tối ưu hóa thông minh nhân tạo (CCSA, MCSA, ASCSA, ALHN).
  • Phạm vi thời gian: Hoạch định ngắn hạn trong chu kỳ từ 1 ngày (24 giờ, chia 24 khoảng $m=1 \dots M$) đến 1 tuần (168 giờ).
  • Phạm vi không gian và hệ thống thử nghiệm: Các hệ thống thủy nhiệt điện chuẩn từ 1 máy nhiệt điện kết hợp 1–4 nhà máy thủy điện bậc thang đến các hệ thống nhiều tổ máy; lưới điện truyền tải chuẩn IEEE 30 nút và IEEE 118 nút.
  • Phạm vi mô hình hóa: Hàm chi phí nhiên liệu bậc hai và hàm chi phí phi tuyến không khả vi (xét hiệu ứng xả van); các ràng buộc cân bằng công suất có xét tổn thất truyền tải (hệ số B-matrix và phương trình trào lưu công suất AC), ràng buộc giới hạn máy phát, ràng buộc thủy lực (thể tích hồ chứa ban đầu/cuối kỳ, giới hạn thể tích, lưu lượng xả qua tuabin, lưu lượng nước về, thời gian trễ dòng chảy bậc thang), ràng buộc lưới truyền tải (giới hạn truyền tải nhánh, điện áp nút, nấc phân áp máy biến áp, dung lượng tụ bù bù ngang).

Tổng quan tài liệu và vị trí của luận án

Luận án đã thực hiện tổng quan hệ thống các công trình nghiên cứu trong nước và quốc tế về các bài toán điều độ tối ưu thủy nhiệt điện và phân loại theo các nhóm bài toán chính:

Nhóm bài toán Các phương pháp nghiên cứu đã được điểm lại Đánh giá hạn chế của các nghiên cứu trước
FH-ST-HTS (Cột nước cố định, bỏ qua thể tích hồ chứa) - Cổ điển/Tiền định: Newton-Raphson [1-2], Powell's hybrid [1], Newton-Raphson phân loại nhân tử Lagrange [3], LCEL [4], $\lambda$-$\gamma$ [2], Lagrangian relaxation [5], HNN [6].
- Thông minh nhân tạo: EP [7-8], AIS [8], PSO [8], DE [8], MBFA [9], OGB-GA [10], FGA [11], PPO [12].		 - Phương pháp tiền định phụ thuộc ma trận Jacobi, dễ phân kỳ khi hệ thống mở rộng.
- HNN cần tinh chỉnh phức tạp 4 nhân tử Lagrange, dễ hội tụ chậm và đòi hỏi tuyến tính hóa ràng buộc.
- Một số thuật toán tiến hóa (AIS, GA) hội tụ chậm hoặc bị giới hạn khi xét hàm chi phí không khả vi.
RC-FH-ST-HTS (Cột nước cố định, xét thể tích hồ chứa) - Cổ điển/Tiền định: Gradient Search (GS) [2], Newton-Raphson [3].
- Meta-heuristic: SA [15], EP [16-18], GA [19], FEP [20], IFEP [20], HEP [21], PSO [22], IBFA của Farhat et al. [23], SOH-PSO [24], RIFEP [25], IPSO [26-27], Clonal Selection (CS) [28], FIPSO [29].		 - GS chỉ áp dụng được cho hàm công suất thủy điện bậc hai đơn giản.
- SA nhạy cảm với việc chọn nhiệt độ ban đầu và tốc độ làm mát.
- Nhiều công trình (như FEP, IFEP [20], HEP [21], IPSO [26-27], FIPSO [29], IBFA [23]) công bố nghiệm tối ưu vi phạm ràng buộc lưu lượng xả tối thiểu hoặc cân bằng nước (nghiệm không khả thi).
VH-ST-HTS (Cột nước biến đổi, hồ bậc thang) - CEP/IFEP [18, 31], SA [31], PSO [31], MDE/HDE/MHDE [32-33], GCPSO/GWPSO/LCPSO/LWPSO [34], EGA/EPSO [35], IPSO [36], ABCA/CABCA/ACABCA [37], RCGA-AFSA [38], TPNN [39], CA [40], RCGA/BCGA [41], CSA [42], CHDE [43], HDE-SQP [44], HBMOA [45], BBO [46], DRQEA [47], GSA [48], ISPSO [49], MB-EPSO [50], TLBO/QOTLBO [51], ACRCGA [52], IDE [53], QMBBO [54], RCCRO [55], MCDEA [56], MDNLPSO [57]. - Bài toán có độ phức tạp cao do liên kết lưu lượng nước giữa các hồ bậc thang có trễ thời gian $\tau_{i,j}$.
- Nhiều nghiên cứu báo cáo kết quả tốt nhưng vi phạm ràng buộc: ACRCGA [52] vi phạm thể tích hồ 3 và 4; IDE [53] vi phạm lưu lượng xả tối thiểu ở hồ 4; CSA [42] báo cáo nghiệm không khả thi.
- Một số thuật toán lai đòi hỏi số lần chạy thử nghiệm lớn để chỉnh định tham số.
HTOPF (Phân bố công suất tối ưu thủy nhiệt điện) - Đa phần các nghiên cứu cổ điển sử dụng phương pháp quy hoạch phi tuyến từ thập niên 1980–1990. - Hầu như chỉ tập trung tìm nghiệm khả thi thỏa mãn ràng buộc hơn là so sánh hiệu quả kinh tế; thiếu các thuật toán meta-heuristic hiện đại xử lý đồng thời ràng buộc trào lưu công suất AC và ràng buộc thủy lực.

Khoảng trống nghiên cứu mà luận án lựa chọn giải quyết:

  • Thiết lập một thuật toán tối ưu hóa mới dựa trên Cuckoo Search có khả năng cân bằng giữa tìm kiếm toàn cục và cục bộ, tăng tốc độ hội tụ và giảm thiểu khả năng rơi vào cực trị địa phương.
  • Xây dựng quy trình xử lý ràng buộc chặt chẽ nhằm đảm bảo tất cả các nghiệm tìm được đều khả thi, không vi phạm bất kỳ ràng buộc nào về công suất, điện áp, phân áp, dung lượng bù cũng như giới hạn hồ chứa và lưu lượng xả.
  • Ứng dụng thành công các thuật toán meta-heuristic giải quyết bài toán HTOPF quy mô lớn trên hệ thống IEEE 30 nút và IEEE 118 nút.

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Cơ sở lý thuyết và các thuật toán tối ưu

Luận án dựa trên cơ sở lý thuyết tối ưu hóa toán học, lý thuyết mạng nơ-ron và các thuật toán meta-heuristic mô phỏng tự nhiên:

  • Thuật toán Cuckoo Search cổ điển (CCSA): Được Yang và Deb phát triển năm 2009 dựa trên tập tính ký sinh nuôi dưỡng của loài chim Cuckoo kết hợp với bước bay ngẫu nhiên Lévy flights. Ba quy luật cơ bản gồm: (1) Mỗi chim cuckoo đẻ 1 trứng vào một tổ ngẫu nhiên; (2) Các tổ tốt nhất mang trứng chất lượng cao sẽ chuyển sang thế hệ sau; (3) Xác suất chim chủ phát hiện trứng lạ là $P_a \in [0, 1]$. Phương trình cập nhật thế hệ thứ nhất theo Lévy flights: $$X_d^{(G)} = X_d^{(G-1)} + \alpha \otimes \text{Lévy}(\beta)$$ Trong đó $\alpha = \alpha_0 (X_d^{(G-1)} - X_{best}^{(G-1)})$. Phương trình tạo nghiệm thế hệ thứ hai theo cơ chế phát hiện trứng lạ (selective random walk): $$X_d^{new} = X_d + \text{rand} \cdot (X_{randper1} - X_{randper2}) \quad \text{khi } RN < P_a$$ Cơ chế chọn lọc cổ điển sử dụng so sánh cặp (pair comparison) giữa nghiệm mới và nghiệm cũ tại từng vị trí tổ.

  • Thuật toán Cuckoo Search cải biên (MCSA): Được Walton và cộng sự đề xuất năm 2011. Dân số được chia thành nhóm trứng tốt và nhóm trứng xấu theo tỷ lệ mặc định 1:3.

    • Nhóm trứng xấu: Cập nhật với hệ số $\alpha = 1/\sqrt{G}$ giảm dần theo số vòng lặp để thu hẹp không gian tìm kiếm.
    • Nhóm trứng tốt: Tạo bước nhảy dựa trên sự kết hợp thông tin giữa 2 trứng trong nhóm tốt thông qua các trường hợp so sánh giá trị thích nghi $F_d$ và $F_r$ với hệ số tỷ lệ vàng $\phi = (1+\sqrt{5})/2$.

  • Thuật toán Cuckoo Search chọn lọc thích nghi (ASCSA): Là phương pháp do tác giả luận án đề xuất, cải tiến hai cơ chế cốt lõi của CCSA:

    1. Kỹ thuật chọn lọc mới: Thay vì so sánh cặp riêng rẽ, ASCSA gộp $N_p$ nghiệm cũ và $N_p$ nghiệm mới thành tập $2N_p$, sắp xếp toàn bộ theo thứ tự tăng dần của hàm thích nghi và giữ lại $N_p$ nghiệm tốt nhất. Điều này bảo toàn các nghiệm vượt trội, tránh loại bỏ nhầm nghiệm tốt ở các tổ có chất lượng ban đầu cao.
    2. Cơ chế phát hiện trứng lạ thích nghi: Đánh giá mức độ phân tán của nghiệm hiện tại so với nghiệm tốt nhất thông qua tỷ số chênh lệch hàm thích nghi: $$FDR_d = \frac{|FT_d - FT_{best}|}{FT_{best}}$$ So sánh $FDR_d$ với giá trị ngưỡng $\varepsilon$. Nếu $FDR_d < \varepsilon$ (nghiệm ở gần cực trị địa phương), thuật toán sử dụng bước nhảy kết hợp từ 4 nghiệm ngẫu nhiên để tăng khả năng thoát khỏi cực trị địa phương: $$X_{d,new2} = X_d + \text{rand} \cdot [(X_{randper1} - X_{randper2}) + (X_{randper3} - X_{randper4})]$$ Nếu $FDR_d \ge \varepsilon$ (nghiệm ở xa), thuật toán sử dụng bước nhảy 2 nghiệm ngẫu nhiên $X_d + \text{rand} \cdot (X_{randper1} - X_{randper2})$ nhằm tránh nhảy quá xa vùng nghiệm hứa hẹn.

  • Mạng Hopfield Lagrange tăng cường (ALHN): Phát triển bởi Điều và cộng sự (2008) từ mạng HNN kết hợp hàm Lagrange tăng cường, cập nhật biến liên tục qua phương trình động học nơ-ron và cập nhật nhân tử Lagrange tại mỗi vòng lặp mà không cần phân rã phức tạp.

  • Kỹ thuật tối ưu đa mục tiêu: Sử dụng phương pháp tập mờ (Fuzzy logic) để chuyển đổi các hàm mục tiêu chi phí $F_1$ và phát thải $F_2$ thành hàm mức độ thỏa mãn $\mu$, kết hợp phương pháp hệ số phạt để xác định tập nghiệm Pareto không trội (non-dominated solutions).

2. Phương pháp nghiên cứu và dữ liệu thực nghiệm

Luận án thực hiện theo phương pháp nghiên cứu định lượng mô phỏng số:

  • Công cụ và chỉ tiêu đánh giá: Đánh giá trên 100 lần chạy độc lập cho mỗi trường hợp thử nghiệm. Các chỉ tiêu thống kê gồm: Chi phí nhỏ nhất (CPNN / GTNN), Chi phí trung bình (CPTB / GTTB), Chi phí lớn nhất (CPLN / GTLN), Độ lệch chuẩn (DLC), Thời gian tính toán trung bình (TGTT), Thời gian quy đổi và Tỷ lệ thành công (TLTC).
  • Bộ dữ liệu kiểm chuẩn toán học: 3 hàm Benchmark chuẩn: Rosenbrock ($F_1$, $N=30$, miền $[-30, 30]$), Sphere ($F_3$, $N=25$, miền $[-5.12, 5.12]$), Griewangk ($F_5$, $N=25$, miền $[-600, 600]$).
  • Hệ thống thử nghiệm thủy nhiệt điện:
    • Hệ thống 1 đến Hệ thống 8 trong các bài toán HTS với các cấu hình số lượng tổ máy nhiệt điện và thủy điện khác nhau, có và không có hiệu ứng xả van ($e_{si}, f_{si}$).
    • Hệ thống lưới điện truyền tải chuẩn IEEE 30 nút (6 máy phát) và IEEE 118 nút (54 máy phát) tích hợp các tổ máy thủy điện và nhiệt điện.

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Trình bày bối cảnh kinh tế - kỹ thuật của hệ thống thủy nhiệt điện, sự khác biệt về đặc tính vận hành và nhiên liệu giữa nhiệt điện và thủy điện. Định nghĩa chi tiết 5 bài toán nghiên cứu, mục tiêu, các đóng góp khoa học chính, giới hạn phạm vi đề tài và bố cục 8 chương của luận án.

Chương 2: Tổng quan

Tổng quan toàn diện các công trình nghiên cứu trong và ngoài nước liên quan đến 5 bài toán điều độ tối ưu hệ thống thủy nhiệt điện. Phân tích ưu điểm, nhược điểm và giới hạn hội tụ của các nhóm phương pháp tiền định (Newton-Raphson, GS, LCEL, LR, HNN) và nhóm thông minh nhân tạo (GA, EP, PSO, DE, AIS, BBO, TLBO...). Chỉ rõ các trường hợp nghiên cứu trước đây báo cáo nghiệm vi phạm ràng buộc biên thủy lực hoặc cân bằng nước.

Chương 3: Các phương pháp Cuckoo Search và mạng Hopfield Lagrange tăng cường

Mô tả chi tiết nguyên lý sinh học, cơ sở toán học và lưu đồ thuật toán của 4 phương pháp: CCSA, MCSA, ASCSA và ALHN. Trình bày hai cải tiến của ASCSA (kỹ thuật chọn lọc mới và cơ chế phát hiện trứng lạ thích nghi dựa trên ngưỡng $FDR_d$ và $\varepsilon$).

Thực nghiệm so sánh hai phiên bản ASCSA-V1 (dùng bước nhảy 4 nghiệm) và ASCSA-V2 (dùng bước nhảy 6 nghiệm) trên 3 hàm toán Benchmark và 2 hệ thống thủy nhiệt điện (Hệ thống 1 không xét xả van, Hệ thống 6 có xét xả van) với 100 lần chạy độc lập:

Hàm kiểm chuẩn / Hệ thống Cài đặt thông số Kết quả ASCSA-V1 Kết quả ASCSA-V2 Đánh giá so sánh
Rosenbrock ($F_1$) $N_p=20, G_{max}=1500$ GTNN tốt nhất: 0.0008 GTNN tốt nhất: 1.0000 ASCSA-V1 đạt chất lượng nghiệm vượt trội ở hầu hết các ngưỡng $\varepsilon$.
Sphere ($F_3$) $N_p=20, G_{max}=200$ GTNN tốt hơn ở mọi ngưỡng $\varepsilon$ GTNN kém hơn ASCSA-V1 luôn đạt GTNN thấp hơn.
Griewangk ($F_5$) $N_p=20, G_{max}=500$ GTNN tốt hơn GTNN kém hơn ASCSA-V1 thể hiện khả năng tìm kiếm nghiệm toàn cục tốt hơn.
HTS Hệ thống 1 & Hệ thống 6 $N_p=30, G_{max}=50$ CPNN và DLC thấp hơn CPNN và DLC cao hơn ASCSA-V1 cho chi phí nhỏ nhất và độ ổn định cao hơn hẳn ASCSA-V2.

Từ kết quả thực nghiệm, cấu trúc ASCSA-V1 được lựa chọn làm thuật toán ASCSA chính thức cho toàn bộ luận án.

Chương 4: Áp dụng các phương pháp thông minh nhân tạo điều độ tối ưu hệ thống thủy nhiệt điện ngắn hạn xét chiều cao cột nước cố định và bỏ qua ràng buộc thể tích hồ chứa

Giải quyết bài toán FH-ST-HTS đơn mục tiêu và đa mục tiêu (chi phí và khí thải).

  • Mô hình toán: Hàm chi phí nhiệt điện dạng bậc hai hoặc xét hiệu ứng xả van, hàm tiêu hao nước là hàm bậc hai theo công suất phát thủy điện, ràng buộc cân bằng công suất có tổn thất đường dây (hệ số B-matrix), tổng thể tích nước sử dụng cố định.
  • Khảo sát độ nhạy tham số: Đánh giá ảnh hưởng của xác suất phát hiện trứng lạ $P_a$, số vòng lặp tối đa $G_{max}$, kích thước dân số $N_p$, ngưỡng $\varepsilon$ (cho ASCSA) và tỷ lệ phân chia nhóm trứng (cho MCSA).
  • Kết quả thực nghiệm:
    • Thử nghiệm trên Hệ thống 1 đến Hệ thống 8.
    • Đối với bài toán đơn mục tiêu và đa mục tiêu không xét hiệu ứng xả van (Hệ thống 1, 2), ALHN cho tốc độ hội tụ nhanh nhất và chi phí thấp nhất.
    • Khi xét hệ thống có hiệu ứng xả van (Hệ thống 6, 7, 8 - hàm mục tiêu không khả vi), ALHN không thể giải quyết trực tiếp; ASCSA cho kết quả vượt trội so với CCSA, MCSA và các phương pháp công bố trước đây (như GA, PSO, DE, AIS) về cả CPNN, CPTB và DLC.
    • Xác lập tập nghiệm Pareto không trội đa mục tiêu cho Hệ thống 1 và các hệ thống lớn.

Chương 5: Áp dụng các phương pháp Cuckoo Search điều độ hệ thống thủy nhiệt điện có xét đến thể tích hồ chứa

Giải quyết bài toán RC-FH-ST-HTS có xét đến tính liên tục của nguồn nước, thể tích hồ chứa đầu và cuối kỳ hoạch định, giới hạn thể tích lớn nhất/nhỏ nhất và lưu lượng xả qua tuabin.

  • Xử lý ràng buộc: Áp dụng kỹ thuật chọn biến điều khiển phù hợp kết hợp với phương pháp hệ số phạt để đảm bảo công suất tổ máy cân bằng và thể tích hồ chứa luôn nằm trong giới hạn cho phép.
  • Kết quả thực nghiệm:
    • Hệ thống 1 (không xét hiệu ứng xả van): ASCSA đạt chi phí nhỏ nhất và độ ổn định cao hơn CCSA, MCSA và các thuật toán trước đây (EP, GA, PSO, IBFA, CS).
    • Hệ thống 2 (có xét hiệu ứng xả van): ASCSA tiếp tục đạt hiệu quả cao nhất với nghiệm hoàn toàn khả thi, khắc phục triệt để lỗi vi phạm giới hạn lưu lượng xả mà một số công trình trước gặp phải.

Chương 6: Áp dụng các phương pháp Cuckoo Search điều độ tối ưu hệ thống thủy nhiệt điện xét chiều cao cột nước biến đổi

Giải quyết bài toán VH-ST-HTS phức tạp với hệ thống các hồ thủy điện bậc thang nối tiếp nhau, chiều cao cột nước thay đổi theo thời gian, công suất phát thủy điện phụ thuộc phi tuyến vào cả thể tích hồ chứa và lưu lượng xả, có xét thời gian trễ của dòng chảy $\tau_{i,j}$.

  • Thực nghiệm trên 4 hệ thống thử nghiệm:
    • 2 hệ thống không xét hiệu ứng xả van (Hệ thống 1 và 2).
    • 2 hệ thống có xét hiệu ứng xả van (Hệ thống 3 và 4).
  • Kết quả: ASCSA đạt chi phí nhiên liệu nhỏ hơn CCSA, MCSA và tất cả các phương pháp so sánh (như CEP, FEP, IFEP, PSO, MDE, MHDE, IDE, ACRCGA). Toàn bộ ràng buộc thể tích hồ cuối kỳ và lưu lượng xả đều được thỏa mãn 100%, thời gian tính toán quy đổi của ASCSA cạnh tranh và ổn định.

Chương 7: Áp dụng các phương pháp Cuckoo Search phân bố công suất tối ưu cho hệ thống thủy nhiệt điện

Nghiên cứu bài toán tích hợp HTOPF quy mô lớn, kết hợp đồng thời các ràng buộc vận hành thủy nhiệt điện theo thời gian và các ràng buộc vật lý của lưới truyền tải điện AC.

  • Các ràng buộc lưới truyền tải: Cân bằng công suất tác dụng và phản kháng tại các nút, giới hạn công suất phát $P_{gi}, Q_{gi}$, giới hạn điện áp nút $V_i$, giới hạn khả năng tải của đường dây truyền tải $S_{ij}$, nấc phân áp máy biến áp $T_k$, và nấc đóng cắt tụ bù $Q_{ci}$.
  • Kết quả thực nghiệm trên 2 hệ thống chuẩn:
    • Lưới điện IEEE 30 nút: ASCSA đạt chi phí vận hành thấp nhất so với CCSA và MCSA, các biến trạng thái điện áp và truyền tải nhánh đều nằm hoàn toàn trong giới hạn kỹ thuật.
    • Lưới điện IEEE 118 nút: Đánh giá trên hệ thống quy mô lớn với 54 máy phát; ASCSA thể hiện khả năng hội tụ ổn định, giảm thiểu chi phí phát điện mà không vi phạm bất kỳ ràng buộc nào của lưới điện truyền tải.

Chương 8: Tóm tắt

Tổng hợp toàn bộ các kết quả đạt được của luận án, so sánh tổng quan giữa 4 phương pháp áp dụng và đề xuất hướng phát triển tiếp theo của đề tài.

Kết quả và những đóng góp mới

1. Những đóng góp mới của luận án

  1. Về mặt thuật toán: Xây dựng thành công thuật toán Cuckoo Search chọn lọc thích nghi (ASCSA) với hai cải tiến kỹ thuật quan trọng (kỹ thuật chọn lọc $N_p$ nghiệm tốt nhất từ tập $2N_p$ và cơ chế phát hiện trứng lạ thích nghi dựa trên chỉ số $FDR_d$). Thuật toán đã khắc phục hiện tượng mất nghiệm tốt và nâng cao khả năng thoát khỏi cực trị địa phương.
  2. Về mô hình hóa bài toán: Xây dựng hoàn chỉnh mô hình bài toán Phân bố công suất tối ưu hệ thống thủy nhiệt điện (HTOPF), tích hợp đồng thời các ràng buộc động học thủy lực của chuỗi hồ chứa bậc thang và hệ thống ràng buộc trào lưu công suất phi tuyến của lưới truyền tải AC.
  3. Về giải pháp ứng dụng: Áp dụng thành công các thuật toán CCSA, MCSA và ASCSA cho bài toán HTOPF trên các lưới điện IEEE 30 nút và IEEE 118 nút, đảm bảo tính khả thi tuyệt đối của nghiệm tối ưu.
  4. Về hướng dẫn lựa chọn phương pháp: Đề xuất cụ thể phạm vi áp dụng tối ưu cho từng thuật toán dựa trên đặc tính của bài toán:
Thuật toán Phạm vi áp dụng hiệu quả nhất theo kết quả luận án Hạn chế / Phạm vi không phù hợp
ALHN Bài toán điều độ thủy nhiệt điện đơn giản (cột nước cố định, bỏ qua thể tích hồ chứa, hàm chi phí khả vi - không xét hiệu ứng xả van). Cho tốc độ hội tụ cực nhanh. Không áp dụng được cho hệ thống có hàm chi phí không khả vi (xét hiệu ứng xả van) hoặc bài toán hồ chứa phức tạp, bài toán HTOPF.
ASCSA Hiệu quả nhất cho toàn bộ 5 bài toán nghiên cứu, đặc biệt vượt trội trong các bài toán phức tạp (cột nước biến đổi, hồ bậc thang, có hiệu ứng xả van, bài toán HTOPF trên lưới IEEE 30 và 118 nút). Cần xác định tham số ngưỡng $\varepsilon$ và kích thước dân số phù hợp theo từng quy mô hệ thống.
MCSA Hiệu quả hơn CCSA ở hai bài toán đầu tiên và bài toán HTOPF cuối cùng. Kém hiệu quả hơn CCSA ở bài toán cột nước cố định xét thể tích hồ và bài toán cột nước biến đổi hồ bậc thang.
CCSA Phương pháp nền tảng, dễ cài đặt, cho kết quả tương đối tốt ở bài toán cột nước biến đổi so với MCSA. Tốc độ hội tụ chậm hơn ASCSA, dễ rơi vào cực trị địa phương ở các vòng lặp cuối do bước nhảy ngẫu nhiên triệt tiêu.

2. Kiến nghị và giải pháp đề xuất

  • Khi giải quyết các bài toán điều độ kinh tế thủy nhiệt điện có xét đến hiệu ứng xả van và các ràng buộc hồ chứa phức tạp, nên ưu tiên sử dụng thuật toán ASCSA với cơ chế chọn lọc toàn diện và bước nhảy thích nghi.
  • Trong cấu hình bài toán HTOPF, cần lựa chọn biến điều khiển là công suất phát của các nhà máy nhiệt điện/thủy điện, điện áp nút máy phát, nấc phân áp và nấc tụ bù; công suất tổ máy cân bằng (slack generator) phải được tính toán bù trừ tổn thất lưới một cách chính xác tại từng khoảng thời gian.

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế của nghiên cứu

  • Phương pháp ALHN tuy có tốc độ hội tụ nhanh nhưng phạm vi áp dụng bị hạn chế nghiêm ngặt, chỉ áp dụng hiệu quả cho bài toán điều độ ngắn hạn có chiều cao cột nước cố định, bỏ qua thể tích hồ chứa và hàm chi phí khả vi (không có hiệu ứng xả van).
  • Các mô hình trong luận án chủ yếu tập trung vào hệ thống điện truyền thống gồm các nhà máy nhiệt điện hóa thạch và thủy điện; chưa tích hợp các nguồn năng lượng tái tạo biến đổi (như điện gió, điện mặt trời).
  • Phạm vi thời gian nghiên cứu giới hạn trong điều độ ngắn hạn (từ 1 ngày đến 1 tuần), chưa mở rộng sang bài toán điều độ trung và dài hạn có xét đến yếu tố thủy văn bất định nhiều năm.

2. Hướng nghiên cứu tiếp (Mục 8.2)

  • Mở rộng ứng dụng thuật toán ASCSA cho bài toán điều độ kinh tế có xét đến năng lượng mới và năng lượng tái tạo cho các lưới điện nhỏ (Microgrid).
  • Nghiên cứu áp dụng thuật toán cho bài toán tái cấu trúc lưới điện phân phối, xác định vị trí và dung lượng tối ưu của các nguồn phân tán (Distributed Generation - DG) trên lưới điện.
  • Phát triển các mô hình tối ưu hóa điều độ thủy nhiệt điện trong điều kiện thị trường điện cạnh tranh và quản lý chống nghẽn mạch lưới điện truyền tải.

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao cho các nhóm đối tượng:

  • Nghiên cứu sinh và học viên cao học ngành Kỹ thuật điện, Tự động hóa và Toán ứng dụng: Có thể tham khảo chi tiết thuật toán ASCSA tại Chương 3, quy trình toán học thiết lập hàm mục tiêu và kỹ thuật xử lý ràng buộc hệ thống thủy nhiệt điện tại các Chương 4, 5, 6, 7.
  • Giảng viên và nhà nghiên cứu trong lĩnh vực Hệ thống điện: Sử dụng các mô hình toán học và bộ số liệu kiểm chuẩn (hệ thống thử nghiệm thủy nhiệt điện, lưới IEEE 30 và 118 nút) phục vụ giảng dạy và phát triển các thuật toán tối ưu hóa mới.
  • Kỹ sư vận hành và chuyên viên lập phương thức tại các Trung tâm Điều độ Hệ thống điện (A0, các Ax) và các Tổng công ty phát điện: Tham khảo giải pháp phối hợp tối ưu công suất thủy nhiệt điện nhằm giảm chi phí nhiên liệu than/khí, nâng cao hiệu quả tích trữ và phát điện của các hồ chứa bậc thang, đồng thời kiểm soát an toàn điện áp và dòng công suất trên lưới truyền tải.

Câu hỏi thường gặp

1. Thuật toán ASCSA đã thực hiện những cải tiến cụ thể nào so với CCSA cổ điển?

ASCSA thực hiện hai cải tiến cốt lõi:

  • Kỹ thuật chọn lọc mới: Gộp toàn bộ $N_p$ nghiệm cũ và $N_p$ nghiệm mới thành tập $2N_p$, sắp xếp tăng dần theo hàm thích nghi và chọn $N_p$ nghiệm tốt nhất giữ lại cho vòng lặp tiếp theo, khắc phục nhược điểm của phép so sánh cặp từng tổ trong CCSA.
  • Cơ chế phát hiện trứng lạ thích nghi: Tính tỷ số khoảng cách thích nghi $FDR_d = |FT_d - FT_{best}| / FT_{best}$ và so sánh với ngưỡng $\varepsilon$. Nếu $FDR_d < \varepsilon$, thuật toán áp dụng bước nhảy tổ hợp từ 4 nghiệm ngẫu nhiên nhằm tăng khả năng thoát cực trị địa phương; nếu $FDR_d \ge \varepsilon$, áp dụng bước nhảy từ 2 nghiệm ngẫu nhiên.

2. Phương pháp Mạng Hopfield Lagrange tăng cường (ALHN) có ưu điểm và phạm vi áp dụng như thế nào trong luận án?

ALHN có ưu điểm là tốc độ tính toán rất nhanh và hội tụ ổn định đối với các bài toán có hàm mục tiêu khả vi. Tuy nhiên, phạm vi áp dụng của ALHN bị giới hạn: phương pháp này chỉ đạt hiệu quả cao ở bài toán điều độ cột nước cố định bỏ qua thể tích hồ chứa (FH-ST-HTS) và hàm chi phí nhiệt điện không xét hiệu ứng xả van. ALHN không giải quyết được các hệ thống có hàm chi phí không khả vi hoặc các bài toán có ràng buộc thủy lực phức tạp.

3. Kết quả thử nghiệm so sánh giữa hai phiên bản ASCSA-V1 và ASCSA-V2 cho thấy điều gì?

Phiên bản ASCSA-V1 (sử dụng bước nhảy 4 nghiệm ngẫu nhiên) và ASCSA-V2 (sử dụng bước nhảy 6 nghiệm ngẫu nhiên) đã được thử nghiệm qua 100 lần chạy độc lập trên 3 hàm Benchmark (Rosenbrock, Sphere, Griewangk) và 2 hệ thống HTS. Kết quả cho thấy ASCSA-V1 đạt giá trị nhỏ nhất (GTNN/CPNN) tốt hơn hẳn ASCSA-V2 trên tất cả các hàm và hệ thống thử nghiệm (ví dụ trên hàm Rosenbrock, ASCSA-V1 đạt GTNN là 0.0008 trong khi ASCSA-V2 là 1.0000). Do đó, ASCSA-V1 được chọn làm mô hình chuẩn của ASCSA.

4. Bài toán Phân bố công suất tối ưu hệ thống thủy nhiệt điện (HTOPF) được kiểm chứng trên những hệ thống nào và hiệu quả ra sao?

Bài toán HTOPF được thử nghiệm trên lưới truyền tải chuẩn IEEE 30 nút và IEEE 118 nút với hàm mục tiêu cực tiểu chi phí phát điện nhiệt điện kết hợp ràng buộc thủy điện nhiều chu kỳ và ràng buộc lưới AC. Thuật toán ASCSA cho kết quả chi phí phát điện thấp nhất, đồng thời toàn bộ điện áp nút, trào lưu công suất đường dây, nấc phân áp và công suất tụ bù đều thỏa mãn giới hạn kỹ thuật, vượt trội hơn so với CCSA và MCSA.

5. Thứ tự hiệu quả tương đối giữa CCSA và MCSA thay đổi như thế nào qua các bài toán?

So sánh giữa hai thuật toán cho thấy MCSA hiệu quả hơn CCSA ở hai bài toán đầu tiên (cột nước cố định bỏ qua thể tích và cột nước cố định xét thể tích hồ) và bài toán cuối cùng (HTOPF), nhưng lại cho kết quả kém hơn CCSA ở bài toán thứ ba (cột nước biến đổi xét hồ bậc thang) và bài toán thứ tư. Trong khi đó, ASCSA luôn đạt hiệu quả cao nhất ở toàn bộ 5 bài toán.

Kết luận

Luận án đã nghiên cứu và ứng dụng thành công các thuật toán thông minh nhân tạo gồm CCSA, MCSA, ASCSA và ALHN để giải quyết toàn diện 5 bài toán điều độ phối hợp tối ưu hệ thống thủy nhiệt điện ngắn hạn và phân bố công suất tối ưu thủy nhiệt điện (HTOPF). Trọng tâm đóng góp của tác giả là đề xuất thuật toán mới Cuckoo Search chọn lọc thích nghi (ASCSA) với cơ chế chọn lọc gộp nghiệm và bước nhảy thích nghi theo mức độ hội tụ, giúp giải quyết triệt để các bài toán có hàm chi phí không khả vi và ràng buộc thủy lực bậc thang phức tạp. Kết quả thực nghiệm trên các hệ thống thử nghiệm chuẩn và lưới điện IEEE 30, IEEE 118 nút khẳng định tính vượt trội của ASCSA về chất lượng cực tiểu hóa chi phí phát điện, tốc độ hội tụ và độ tin cậy thỏa mãn 100% các ràng buộc kỹ thuật.