T ng quan v h ng nghiên c u
Bài toán phân b công suất tối ưu (OPF) có lịch sử phát triển lâu dài và đóng vai trò quan trọng trong quy hoạch và điều khiển hệ thống điện Mục tiêu chính của OPF là tối ưu hóa chi phí của hệ thống điện trong khi vẫn đảm bảo an toàn cho hệ thống, bao gồm việc duy trì các thiết bị trong phạm vi vận hành mong muốn và chính xác Để đạt được điều này, OPF cần thực hiện các điều kiện cần thiết cho việc điều khiển chính xác lưới điện, bao gồm điều kiện cho máy phát và hệ thống truyền tải Đối với máy phát, OPF sẽ điều chỉnh công suất tác dụng đầu ra và điện áp của máy phát, trong khi đối với hệ thống truyền tải, OPF cần thỏa mãn các điều kiện về phân áp của máy biến áp và góc dịch pha, cũng như điều kiện chuyển mạch đối với tất cả các thiết bị FACTS.
Bài toán tối ưu hóa công suất (OPF) là một hàm phi tuyến phức tạp với quy mô lớn, do phải giải quyết nhiều biến khác nhau ràng buộc hàm phi tuyến Điều này khiến OPF trở thành một thách thức đối với các phương pháp giải, đặc biệt là với các hàm mục tiêu không kh convex, nên không thể giải quyết bằng các phương pháp thông thường Hơn nữa, các máy phát điện cũng là nguồn phát thải các oxit lưu huỳnh (SOx), oxit nitơ (NOx) và carbon dioxide (CO2) vào khí quyển Việc thay đổi luật Không khí sạch vào năm 1990 đã thúc đẩy nhu cầu bảo vệ môi trường, do đó bài toán OPF cũng cần bao gồm các yếu tố phát thải trong quá trình tối ưu hóa.
Bài toán tối ưu hóa đa mục tiêu trong phân phối công suất (MOOPF) nhằm giảm thiểu chi phí và phát thải của máy phát điện khi áp dụng các ràng buộc của hệ thống Phương pháp tối ưu hóa dựa trên đàn chim với yếu tố kìm hãm (PG-PSOCF) được sử dụng để giải quyết bài toán này, giúp tối ưu hóa hiệu quả thông qua khả năng tìm kiếm mạnh mẽ PG-PSOCF tối ưu hóa bài toán MOOPF bằng cách giảm chi phí và phát thải của máy phát điện, đồng thời vẫn đảm bảo tuân thủ các ràng buộc như cân bằng công suất tác dụng, phân kháng, hạn chế điện áp, bù công suất phản kháng và truyền tải điện.
Các phương pháp truyền thống trong tối ưu hóa, như phương pháp dựa trên gradient, lập trình tuyến tính, lập trình phi tuyến tính, lập trình bậc hai, phương pháp Newton, lập trình semidefinite và phương pháp nội suy, thường hiệu quả trong việc tìm kiếm giải pháp tối ưu cho các bài toán quy mô nhỏ trong thời gian ngắn Tuy nhiên, nhược điểm chính của chúng là khó khăn khi áp dụng cho các bài toán tối ưu hóa không lồi với chức năng mục tiêu không khả vi và gặp khó khăn trong việc xử lý các bài toán có quy mô lớn do không gian tìm kiếm rộng lớn và thời gian tính toán kéo dài Trong khi đó, các phương pháp tìm kiếm meta-heuristic như Genetic Algorithm, simulated annealing, phương pháp Tabu Search, phương pháp evolutionary programming và phương pháp Differential Evolution đã được áp dụng rộng rãi để giải quyết bài toán OPF, đặc biệt là cho những hàm mục tiêu không khả vi.
15 particle swarm optimisation (IPSO) [17, 18], và thu t toán modified shuffle frog leaping algorithm (MSFLA) [19]
Các thuật toán tìm kiếm meta-heuristic có thể giải quyết các vấn đề mà không yêu cầu hàm mục tiêu là khả thi, nhưng chúng thường không tối ưu và chất lượng giải pháp có thể không cao khi giải quyết bài toán lớn và phức tạp Thời gian tính toán của các giải pháp này thường dài, vì vậy các phương pháp lai đã được phát triển, kết hợp những ưu điểm của các phương pháp meta-heuristic như lai TS/SA, lai GA-IPM, lai tối ưu hóa (hybrid differential evolution), lai m và PSO.
Phương pháp lai trong tính toán m (kỹ thuật lập trình mờ dựa trên gen) mang lại lợi ích đáng kể nhờ vào khả năng tìm ra các giải pháp tối ưu tốt hơn so với các phương pháp riêng lẻ Mặc dù các phương pháp lai có thể cung cấp chất lượng giải pháp cao hơn, thời gian tính toán thường lâu hơn do sự kết hợp của nhiều hoạt động Hơn nữa, hệ thống hybrid cũng phức tạp hơn so với các phương pháp phân tách.
Phương pháp tối ưu bầy đàn (PSO) là một giải pháp hiệu quả cho các bài toán tối ưu hóa dựa trên trí thông minh nhân tạo PSO thích hợp với nhiều loại bài toán và có khả năng xử lý các vấn đề phức tạp một cách linh hoạt.
Phương pháp tối ưu hóa đàn kiến (PSO) đóng góp quan trọng vào nghiên cứu khoa học bằng cách giải quyết bài toán tối ưu phân bố công suất với các tiêu chí chi phí và phát thải cho nhà máy điện So với các phương pháp khác, PSO mang lại kết quả tối ưu hơn và giúp tìm ra lời giải nhanh chóng hơn Điều này chứng tỏ tầm quan trọng của PSO trong việc xác định giải pháp tốt nhất và hiệu quả nhất cho các bài toán tối ưu hóa.
Thu t toán này c áp d ng gi i bài toán trên h th ng i n IEEE
30 nút và nút sánh v i các ph ơng pháp trí tu nhân t o khác
Trong nghiên cứu này, chúng tôi áp dụng phương pháp PSO để xây dựng mô hình toán học cho bài toán g"m hàm chi phí và phát triển Chúng tôi đã tính toán bài toán PG-PSOCF trên hệ thống điện chuẩn theo IEEE và so sánh với các phương pháp khác nhằm làm rõ sự ưu việt của tài liệu Sử dụng phần mềm Matlab, chúng tôi thực hiện các thuật toán tối ưu để đạt được kết quả tốt nhất.
Ch ơng 1: Gi i thi u chung
Ch ơng 2: T'ng quan v phân b công su t t i u
Ch ơng 3: Thành l p bài toán MOOPF trong h th ng i n
Ch ơng 4: Áp d ng ph ơng pháp PSO c i ti n vào bài toán MOOPF
Ch ơng 5: K t qu tính toán
Ch ơng 6: K t lu n và h ng phát tri n c a tài
T NG QUAN V CÁC PH NG PHÁP GI I
Yêu cầu quan trọng nhất trong vận hành hệ thống thông tin (HT) là đảm bảo cho hệ thống làm việc hiệu quả và tin cậy Để đạt được điều này, khi vận hành các phần tử trong hệ thống, cần phải đảm bảo các điều kiện sau:
- m b o ch t l ng i n n ng: gi cho i n áp và t n s n m trong gi i h n cho phép
- m b o áp ng c th ph t i m t cách linh ho t
- m b o c tính kinh t cao: gi m chi phí nhiên li u và gi m t n th t i n n ng
Giảm chi phí nhiên liệu là một yếu tố quan trọng trong việc tối ưu hóa nguồn năng lượng, đặc biệt là khi áp dụng các công nghệ mới tại các nhà máy nhiệt điện Việc phối hợp hiệu quả giữa các nhà máy nhiệt điện và tối ưu hóa quy trình sản xuất sẽ giúp giảm thiểu chi phí sản xuất năng lượng.
Giảm tải hệ thống là quá trình tối ưu hóa hoạt động của hệ thống thông tin, nhằm nâng cao hiệu suất và hiệu quả Việc giảm tải này bao gồm việc phân bổ tài nguyên hợp lý và tổ chức lại cấu trúc hệ thống, giúp các thành phần trong hệ thống hoạt động một cách đồng bộ và hiệu quả hơn.
Bài toán phân b công suất tối ưu (OPF) đóng vai trò quan trọng trong vận hành và quy hoạch hệ thống điện Modul OPF sử dụng các kỹ thuật điều chỉnh thông minh để tối ưu hóa hoạt động của hệ thống, đồng thời đảm bảo tuân thủ các điều kiện vận hành và dòng phân bố theo các ràng buộc hiện có.
Bài toán OPF c xem nh là bài toán ghép ôi c a i u ph i kinh t (Economic Dispatch – ED) và i u ph i t i u công su t ph n kháng (Optimal
Mục tiêu chính của bài toán phân phối công suất phản kháng (ORPD) là xác định cách phát công suất phản kháng tối ưu nhằm nâng cao chất lượng điện áp và giảm tổn thất công suất truyền tải trên hệ thống điện, đồng thời đảm bảo tuân thủ tất cả các ràng buộc vận hành của hệ thống Việc tối ưu hóa công suất phản kháng không chỉ giúp cải thiện độ ổn định của điện áp mà còn góp phần vào việc giảm chi phí vận hành hệ thống điện.
Mục tiêu chính của bài toán OPF là tối ưu hóa chi phí nhiên liệu của máy phát điện trong khi đảm bảo an toàn cho hệ thống Bài toán OPF duy trì an toàn của hệ thống điện bằng cách điều chỉnh các thông số hoạt động của thiết bị trong phạm vi mong muốn và chính xác nhất Nó bao gồm giới hạn công suất phát của máy phát, dòng công suất lớn nhất trên các đường dây truyền tải và áp suất tại các nút trong không gian giới hạn an toàn.
M c tiêu th hai c a bài toán OPF là xác nh d li u chi phí biên c a h th ng
2.2 Các ph ng pháp ã s d ng gi i bài toán OPF
Tr i qua hàng lo t các nghiên c u ã c trình bày, tính n nay có gi i pháp v ph ơng pháp lu n có th nhóm l i hai ph ơng pháp c th nh sau:
- Ph ơng pháp thông th #ng (c i n)
- Ph ơng pháp thông minh
Phân lo i m%i ph ơng pháp c trình bày theo sơ h th ng nh sau:
Hình 2.1 Sơ h th ng các ph ơng pháp gi i bài toán OPF
2.2.1 Ph ng pháp Newton-Raphson (NR)
Ý ngh a khoa h c
Phương pháp tối ưu hóa PSO (Particle Swarm Optimization) được áp dụng để giải quyết bài toán tối ưu hóa phân bổ công suất nhằm đạt được mục tiêu chi phí và phát triển cho nhà máy điện So với các phương pháp khác, PSO mang lại kết quả tối ưu nhanh hơn, chứng tỏ tầm quan trọng của nó trong việc tìm ra giải pháp tốt nhất và hiệu quả nhất cho bài toán này.
Thu t toán này c áp d ng gi i bài toán trên h th ng i n IEEE
30 nút và nút sánh v i các ph ơng pháp trí tu nhân t o khác.
Ph m vi và ph ng pháp nghiên c u
Bài viết này trình bày nghiên cứu về phương pháp PSO cải tiến, xây dựng mô hình toán học cho bài toán tối ưu hàm chi phí và phát triển Nghiên cứu áp dụng thuật toán PG-PSOCF trên hệ thống điện chuẩn theo IEEE và so sánh với các phương pháp khác nhằm làm rõ sự ưu việt của tài liệu Các thuật toán tối ưu được triển khai bằng phần mềm Matlab.
Ch ơng 1: Gi i thi u chung
Ch ơng 2: T'ng quan v phân b công su t t i u
Ch ơng 3: Thành l p bài toán MOOPF trong h th ng i n
Ch ơng 4: Áp d ng ph ơng pháp PSO c i ti n vào bài toán MOOPF
Ch ơng 5: K t qu tính toán
Ch ơng 6: K t lu n và h ng phát tri n c a tài
T NG QUAN V CÁC PH NG PHÁP GI I
Yêu cầu quan trọng nhất trong vận hành hệ thống thông tin (HT) là đảm bảo cho hệ thống làm việc hiệu quả và tin cậy Để đạt được điều này, khi vận hành các phần tử trong HT, cần phải đảm bảo các điều kiện sau:
- m b o ch t l ng i n n ng: gi cho i n áp và t n s n m trong gi i h n cho phép
- m b o áp ng c th ph t i m t cách linh ho t
- m b o c tính kinh t cao: gi m chi phí nhiên li u và gi m t n th t i n n ng
Giảm chi phí nhiên liệu là một yếu tố quan trọng trong việc tối ưu hóa hiệu suất của các nguồn năng lượng tái tạo Cần phải áp dụng các giải pháp hợp lý để sử dụng hiệu quả các nguồn năng lượng này, đồng thời phải cân nhắc sự kết hợp giữa các nhà máy nhiệt điện với nhau Mục tiêu là giảm thiểu chi phí sản xuất điện năng một cách tối ưu nhất.
Giảm tải hệ thống là quá trình giảm bớt khối lượng công việc trên hệ thống nhằm tối ưu hóa hiệu suất Giảm tải không chỉ bao gồm việc phân bổ lại tài nguyên mà còn là cấu trúc hợp lý và phân công công việc hiệu quả giữa các thành phần trong hệ thống.
Bài toán phân b công suất tối ưu (OPF) đóng vai trò quan trọng trong vận hành và quy hoạch hệ thống điện Modul OPF là công cụ thông minh sử dụng các kỹ thuật tối ưu hóa để điều chỉnh công suất trong hệ thống, đồng thời đảm bảo đáp ứng các điều kiện vận hành và dòng phân bố theo các ràng buộc hiện có.
Bài toán OPF c xem nh là bài toán ghép ôi c a i u ph i kinh t (Economic Dispatch – ED) và i u ph i t i u công su t ph n kháng (Optimal
Mục tiêu chính của bài toán Dispatch công suất phản kháng (ORPD) là xác định cách phát công suất phản kháng tối ưu nhằm giảm thiểu chi phí vận hành hệ thống, đồng thời không vi phạm bất kỳ ràng buộc vận hành nào của hệ thống như quá tải dây hay sai lệch điện áp Để đạt được điều này, mục tiêu của việc tối ưu công suất phản kháng là nâng cao độ ổn định điện áp và giảm tổn thất công suất truyền tải trên hệ thống, trong khi vẫn đảm bảo tuân thủ tất cả các ràng buộc vận hành.
Mục tiêu chính của bài toán OPF là tối ưu hóa chi phí nhiên liệu của máy phát điện trong khi đảm bảo an toàn cho hệ thống Bài toán OPF không chỉ duy trì an toàn mà còn đảm bảo rằng các thiết bị vận hành trong hệ thống hoạt động trong phạm vi mong muốn và chính xác Nó bao gồm giới hạn các tiêu chí, công suất phát ra của máy phát, dòng công suất lớn nhất trên đường dây truyền tải và máy biến áp, cũng như giới hạn điện áp tại các nút trong không gian giới hạn an toàn.
M c tiêu th hai c a bài toán OPF là xác nh d li u chi phí biên c a h th ng
2.2 Các ph ng pháp ã s d ng gi i bài toán OPF
Tr i qua hàng lo t các nghiên c u ã c trình bày, tính n nay có gi i pháp v ph ơng pháp lu n có th nhóm l i hai ph ơng pháp c th nh sau:
- Ph ơng pháp thông th #ng (c i n)
- Ph ơng pháp thông minh
Phân lo i m%i ph ơng pháp c trình bày theo sơ h th ng nh sau:
Hình 2.1 Sơ h th ng các ph ơng pháp gi i bài toán OPF
2.2.1 Ph ng pháp Newton-Raphson (NR)
Phương pháp Newton-Raphson (NR) là một kỹ thuật phát triển lâu đời trong giải tích, nổi bật với độ chính xác cao và khả năng hội tụ nhanh Phương pháp này thường yêu cầu khoảng 2-5 bước lặp và không phụ thuộc vào kích thước của bài toán Chính vì vậy, NR thường được áp dụng phổ biến cho các hệ phương trình và bài toán phức tạp.
Phương pháp NR có ưu điểm là khả năng phân tích ban đầu phù hợp với lý giải cho phương pháp hồi quy, tuy nhiên điều này không quan trọng lắm vì dựa vào kinh nghiệm, chúng ta vẫn có thể thu được những phân tích tốt Mô hình của phương pháp NR được trình bày như sau:
Xét bài toán trong HT có N nút và NG máy phát M c tiêu là c c ti u t ng chi phí v n hành c a nhà máy i n có hàm chi phí nh sau :
Hàm ràng bu c b ng nhau
P i : công su t th c bơm vào nút i và là hàm c a V ,δ i v i nút t i thì i = (NG +1), (NG + 2), N và Pgi = 0
Q i : công su t ph n kháng bơm vào nút i và là hàm c a V ,δ
Q gi : công su t ph n kháng phát t i nút i
Hàm ràng bu c không b ng nhau
- Gi i h n v phát công su t th c
P gi min ≤ P gi ≤ P gi max v i: i = 1 ,2, NG (2.4)
- Gi i h n v phát công su t ph n kháng
Q gi min ≤ Q gi ≤ Q gi max v i: i = 1, 2, NG (2.5)
- Gi i h n v góc pha i n áp δ i min ≤ δ i ≤ δ i max v i : i = 1,2, N (2.7)
- Công su t ph n kháng bơm vào nút i
Bài toán t i u hóa có ràng bu c có th c chuy n sang bài toán t i u hóa không ràng bu c b ng cách làm t ng ràng bu c dòng t i vào hàm m c tiêu
Bài toán t i u hóa c gi i quy t n u các ph ơng trình sau c th a mãn:
B c 1: Kh&i t o l#i gi i bài toán OPF
- D oán ban u v gi i h n trên và gi i h n d i c a hàm ràng bu c không b ng nhau
- D oán ban u v i n áp và góc pha i n áp, công su t u ra c a máy phát, n c thay i i n áp, các nhân t trong hàm Lagrange
B c 2: Đánh giá các hàm ràng buộc không bằng nhau và áp dụng thông tin từ Lagrange để xử lý các ràng buộc khó, đồng thời thực hiện đánh giá trực tiếp với hàm ràng buộc d*.
B c 3: Xác nh các giá tr c a l#i gi i OPF m b o r ng ít nh t m t máy phát không vi ph m gi i h n
B c 4: Tính toán gradient và Hessian c a Lagrangian
B c 7: Ki m tra ∆