Tối ưu lịch phát điện của lưới điện siêu nhỏ ứng dụng thuật toán tiến hóa sai lệch

Bài viết Tối ưu lịch phát điện của lưới điện siêu nhỏ ứng dụng thuật toán tiến hóa sai lệch trình bày việc đề xuất hệ thống quản lý năng lượng (EMS) dựa trên thuật toán Tiến hóa Sai lệch (DE) để tối ưu hóa hiệu suất của lưới điện siêu nhỏ khi có nguồn năng lượng tái tạo. Hệ lưới điện siêu nhỏ bao gồm máy phát điện phân tán (DG), Pin năng lượng mặt trời (PV) và Pin lưu trữ (batt).

Lê Tuân, Dương Minh Quân, Nguyễn Bình Nam, Nguyễn Văn Tấn, Lê Xuân Châu 90 TỐI ƯU LỊCH PHÁT ĐIỆN CỦA LƯỚI ĐIỆN SIÊU NHỎ ỨNG DỤNG THUẬT TOÁN TIẾN HÓA SAI LỆCH OPTIMIZATION OF GENERATION SCHEDULING USING DIFFERENTIAL EVOLUTION ALGORITHM Lê Tuân1, Dương Minh Quân1*, Nguyễn Bình Nam1, Nguyễn Văn Tấn1, Lê Xuân Châu2 Trường Đại học Bách khoa – Đại học Đà Nẵng Học viện Hải quân Tác giả liên hệ: dmquan@dut.udn.vn (Nhận bài: 19/9/2020; Chấp nhận đăng: 14/11/2020) * Tóm tắt - Nghiên cứu đề xuất hệ thống quản lý lượng (EMS) dựa thuật tốn Tiến hóa Sai lệch (DE) để tối ưu hóa hiệu suất lưới điện siêu nhỏ có nguồn lượng tái tạo Hệ lưới điện siêu nhỏ bao gồm máy phát điện phân tán (DG), Pin lượng mặt trời (PV) Pin lưu trữ (batt) Ngoài ra, hệ kết nối với hệ thống (Utility) nhằm trao đổi cơng suất chi phí mua bán phù hợp Hiệu suất EMS tối ưu hóa cách giảm thiểu chi phí vận hành lưới điện đồng thời tối đa lợi nhuận từ lưới siêu nhỏ trao đổi công suất với hệ thống Kết thu phân tích kỹ lưỡng MATLAB, bao gồm công suất phát máy phát điện lưu trữ dựa liệu đầu vào ngày Qua cho thấy, thuật tốn đề xuất DE vượt trội chất lượng tốc độ hội tụ Abstract - This work proposes a Differential Evolution (DE) algorithm based energy management system (EMS) to optimize the performance of a microgrid when the presence of renewable energy sources The Micro-Grid system consists of a generator (DG), a Photovoltaic (PV) and a storage battery (batt) In addition to the Micro-grid system is connected to the system (Utility) to trading energy The EMS efficiency is optimized by minimizing the operating costs, maximizing profit from the Micro-Grid when exchanging with the system using the DE algorithm The obtained results will be analyzed by MATLAB, including the generating capacity of the generator and the storage system based on the input data in a day This allows DE to overcome the algorithm of convergence quality and speed Từ khóa - Tối ưu hóa; Microgrid; lập lịch phát điện; quản lý lượng; thuật tốn tiến hóa sai lệch Key words - Optimization; Microgrid; generation scheduling; energy management system; differential evolution algorithm Đặt vấn đề Nhu cầu lượng ngày tăng dẫn đến quan tâm việc đáp ứng nhu cầu Các nghiên cứu rằng, 20 đến 30 phần trăm nhu cầu lượng đáp ứng thơng qua việc vận hành đơn vị phát điện tập trung kết hợp quản lý nhu cầu phụ tải [1] Một cách tiếp cận gần để giải vấn đề sử dụng lượng triển khai lưới điện siêu nhỏ tích hợp nguồn Năng lượng tái tạo, với việc cung cấp hệ thống quản lý lượng có khả tối ưu chi phí vận hành hạn chế khí thải môi trường Các nguồn lượng tái tạo cung cấp đủ lượng để đáp ứng nhu cầu phụ tải chúng có vấn đề khơng chắn cơng suất khả dụng, điều đặt thách thức việc sử dụng lượng tái tạo Do tính chất đặc biệt này, sản lượng điện thời gian thực khơng hồn tồn khớp so với dự báo Từ đó, việc quản lý lưới điện trở nên khó khăn nhà vận hành hệ thống phải sử dụng nguồn dự phòng để cung cấp điện liên tục Nguồn lượng dự phòng thường huy động cách sử dụng thêm tổ máy phát điện mua lượng từ lưới chính, việc làm có quan hệ mật thiết với yếu tố kinh tế gia tăng phát thải môi trường [2] Tuy nhiên, hệ thống quản lý tối ưu cho huy động nguồn dự phòng cách hiệu quả, đảm bảo cân cung cầu Một hệ thống lưới siêu nhỏ có EMS đề xuất nghiên cứu [3], tác giả sử dụng phương pháp tối ưu ngẫu nhiên để lập lịch dự phòng quản lý lượng xét yếu tố phản hồi từ phụ tải Với việc sử dụng chương trình DR khác mơ hình hóa bất định nguồn lượng gió lượng mặt trời, kết luận với lợi ích việc khách hàng tham gia vào chương trình quản lý phụ tải, tiết kiệm điện giảm phát thải môi trường Quản lý vận hành lưới siêu nhỏ đề cập [4] tác giả đặt mục tiêu tối ưu hóa chi phí vận hành cách sử dụng thuật toán Tối ưu Bầy đàn (PSO) Trong [5], tác giả sử dụng chương trình quản lý phụ tải cho việc lập lịch phát điện hệ thống gồm tuabin gió bơm nhiệt Một hệ thống quản lý lượng chuyên gia [6] đề xuất tác giả phân tích khơng chắn công suất khả dụng lượng tái tạo nhằm tối thiểu phát thải chất ô nhiễm chi phí vận hành Trong nghiên cứu này, tác giả sử dụng thuật tốn tiến hóa sai lệch nhằm tối ưu lịch phát điện lưới điện siêu nhỏ Với mục tiêu cực tiểu chi phí vận hành lưới điện có kết nối với hệ thống thơng qua việc điều khiển công suất phát phần tử lưới Công suất phát phần tử hệ thống trình bày rõ nghiên cứu từ phục vụ việc lập lịch vận hành lưới điện siêu nhỏ The University of Danang - University of Sciences and Technology (Le Tuan, Minh Quan Duong, Nguyen Binh Nam, Tan Nguyen Van) Naval Academy (Le Xuan Chau) ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 19, NO 4.2, 2021 Hệ th ố ng t MG P  PMG, max 91 (4) Công suất phát lưu trữ bị giới hạn công nghệ sau: t max Pbatt  Pbatt ~ Bộ lưu tr ữ PV i Ở Pdg,min giá trị nhỏ công suất thực Ph ụ t ải Diesel i max DG cung cấp Trong Pdg,max , PMG, max Pbatt giới hạn tối đa DG, lưới lưu trữ tương ứng 2.3 Lưu trữ Các mức lượng ebatt ,t đơn vị lưu trữ phải phù Nhà vậ n hành hợp với công suất phát tất bị giới hạn dung lượng lưu trữ Ebatt Hình Cấu trúc lưới điện siêu nhỏ Mơ hình hóa Trong phần phương trình tốn mơ hình trình bày cụ thể, chúng triển khai tính tốn ngơn ngữ MATLAB Nghiên cứu nhắm đến việc ứng dụng thuật toán tối ưu hóa sai lệch để tối ưu chi phí vận hành lưới điện siêu nhỏ Trong đó, cấu trúc lưới điện siêu nhỏ trình bày Hình Các phần tử có khả điều phối lưới điện siêu nhỏ giả định trao đổi cơng suất cho tối ưu Vì để tối ưu việc chi phí vận hành lưới với hệ thống, hàm mục tiêu trình bày sau: (1) batt Trong đó: t cơng suất mua từ hệ thống thời gian t PMG pgt giá điện lưới bên thời điểm t C ( Pdgi , t ) hàm chi phí tiêu hao máy phát Diesel i ,t thứ i phụ thuộc vào công suất phát Pdg thời điểm t [5] t công suất phát lưu trữ thời điểm t Pbatt     i ,t t i ,t t t   Pdg  + Pbatt +   Ppv  − Pload − PMG = i = i =     npv (2) với P công suất tác dụng tiêu thụ phụ tải thời điểm t t load 2.2 Giới hạn công suất phát Công suất phát Diesel thứ i bị giới hạn bởi: i i Pdg,min  Pdgi ,t  Pdg,max (6) Phần dương phần âm giá trị ký hiệu +/−  − = max/ min( , 0) Các thiết bị lưu trữ có tổn thất rị rỉ 0 , thời gian sạc 1 , thời gian xả 2 Mức lượng đặt ebatt ,t =0 = Ebatt Dữ liệu đầu vào Lưới điện sử dụng nghiên cứu bao gồm máy phát điện diesel, nguồn lượng mặt trời lưu trữ, thơng qua góp cung cấp công suất cho phụ tải cấp lưới điện siêu nhỏ trao đổi với hệ thống cần thiết Các thành phần lưới điện siêu nhỏ quản lý nhà vận hành thông qua hệ thống EMS, nhà vận hành có quyền giám sát điều khiển tất thành phần lưới điện siêu nhỏ Các thành phần lưới điện siêu nhỏ thể Hình Để lập lịch vận hành lưới điện siêu nhỏ, nhà vận hành phải thu thập liệu dự báo liệu phụ tải điện mặt trời trước ngày Dữ liệu sử dụng nghiên cứu tác giả trình bày Hình 500 Cả hàm chi phí phải chịu ràng buộc sau: 2.1 Cân công suất tác dụng Điện sản xuất tiêu thụ cân thời điểm t ng − + −1 e  batt ,t +1 = 0  ebatt ,t − 1  Pbatt ,t +1  − 2  Pbatt ,t +1    ebatt ,t +1  Ebatt Phụ tải Cơng suất PV Tải rịng 400 Công suất (kW) ng  t  t t P  p + Ci ( Pdgi ,t ) + Pbatt     MG g PMG , Pdg , t =1  i =1   t P T t i ,t (5) 300 200 100 -100 -200 10 12 14 16 18 20 22 24 Thời gian (giờ) Hình Đồ thị phụ tải và công suất PV (3) Công suất truyền tải Microgrid bị giới hạn giới hạn trao đối lưới với hệ thống ( PMG, max ) sau: Đối với giá thầu máy phát điện phân tán diesel, chi phí tiêu hao nhiên liệu, giới hạn hệ máy phát hoạt động định giá thời gian thực, tác giả tham khảo [7] Lê Tuân, Dương Minh Quân, Nguyễn Bình Nam, Nguyễn Văn Tấn, Lê Xuân Châu 92 j j j xij,0 = xmin + rand(0,1)  ( xmax − xmin ), (7) j = 1, 2, , D với rand(0,1) đại diện cho giá trị ngẫu nhiên có phân phối chuẩn phạm vi [0, 1] 4.1 Đột biến cá thể Sau khởi tạo, DE tạo vector đột biến Vi ,G tương ứng với cá thể X i ,G , hay gọi vector mục tiêu, thể hệ Ứng với vector mục tiêu X i ,G , hệ G , có vector đột biến Vi ,G = vi1,G , vi2,G , , viD,G  Hình Đường cong chi phí các máy phát Diesel Hệ thống lưu trữ trữ (BATT) sử dụng có đặc tính trình bày Bảng Việc đánh giá ảnh hưởng lưu trữ làm rõ ý tưởng việc kết hợp vận hành lưu trữ, PV trao đổi công suất với hệ thống lưới điện siêu nhỏ Bảng Thông số hệ thống lưu trữ [7] Công suất (kW) Dung lượng (kWh) Vòng đời (cycle) SOC ban đầu 100 250 3000 0,3 SOC SOC max 1,0 0,3 Hiệu suất 0,95/0,95 Công suất trao đổi lưới điện siêu nhỏ hệ thống tương ứng với chi phí định ngày (TOU), chi phí thay đổi theo thời gian ngày Nhằm hạn chế nhu cầu điện lớn cao điểm khuyến khích sử dụng điện thấp điểm từ giảm gánh nặng cho hệ thống tương ứng Các vector đột biến tạo số phương pháp định Nghiên cứu sử dụng phương pháp “DE/rand/1” sau: Vi ,G = X ri ,G + F  ( X r i ,G − X r i ,G ) (8) Ký hiệu r 1i , r i2 , r i3 số nguyên không trùng tạo ngẫu nhiên phạm vi 1, NP  , tương tự cá thể i chúng không trùng Các số tạo ngẫu nhiên lần cho vector đột biến Hệ số tỉ lệ F nhằm kiểm soát ảnh hưởng vector sai lệch 4.2 Crossover Sau trình đột biến, DE tiến hành trình Crossover cho cặp vector đích X i ,G vector đột biến tương ứng Vi ,G để tạo vector thử nghiệm U i ,G = ( ui1,G , ui2,G , , uiD,G ) Nghiên cứu sử dụng phương pháp Crossover nhị thức định nghĩa sau: vij,G , uij,G =  j  xi ,G , rand j 0,1)  CR  j = jrand (9) với j = 1, 2, , D Trong công thức (9), CR số chọn khoảng 0,1) nhằm kiểm soát phần giá trị tham số chép từ vector đột biến; jrand số nguyên ngẫu nhiên chọn phạm vi 1, D Toán tử Crossover nhị thức chép tham số thứ j vector đột biến Vi ,G sang phần tử tương ứng vector thử nghiệm Ui ,G rand j 0,1)  CR j = jrand Ngược lại, lấy giá Hình Chi phí trao đổi cơng suất thay thời gian (Time of Use) Thuật toán DE Thuật toán DE nhằm mục đích phát triển tập hợp NP gồm cá thể có D chiều, cá thể X i ,G =  xi1,G , , xiD,G  , i = 1, NP có khả nghiệm tối ưu chúng hướng đến điểm tối ưu toàn cục Việc khởi tạo các thể ban đầu nên bao phủ khơng gian tìm kiếm nhiều tốt, cách sử dụng phân phối chuẩn lên cá thể giới hạn cực đại D D X max =  x1max , , xmax  cực tiểu X =  x1min , , xmin  tham số trị tương ứng vector đích X i ,G Điều kiện j = jrand đưa để đảm bảo rằng, vector thử nghiệm khác với vector mục tiêu tương ứng tham số 4.3 Lựa chọn cá thể Nếu giá trị số tham số vector thử nghiệm tạo vượt điều kiện ràng buộc tương ứng, DE điều chỉnh chúng cách ngẫu nhiên phạm vi ràng buộc Sau đó, giá trị hàm mục tiêu tất vector thử nghiệm đánh giá trình lựa chọn thực Giá trị hàm mục tiêu vector thử nghiệm f (U i ,G ) so sánh với vector đích tương ứng f ( X i ,G ) quần thể Nếu vector thử ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 19, NO 4.2, 2021 nghiệm có giá trị hàm mục tiêu nhỏ với vector đích tương ứng, vector thử nghiệm thay vector đích gia nhập vào quần thể hệ Kết nghiên cứu 5.1 Lập lịch phát điện Lập lịch phát điện bước quan trọng việc vận hành tối ưu hệ thống điện Việc lập lịch xác định công suất phát trạng thái đối tượng lưới, từ nhà vận hành điều phối hệ thống cách thuận lợi, xác tối ưu Sau mơ hình hóa hệ microgrid với ba máy phát diesel, hệ thống lượng mặt trời hệ thống lưu trữ Kết tối ưu cho thấy, để đáp ứng cơng suất tải rịng (netload) ngày ta cần phối hợp toàn diện thành phần lưới Hình trình bày cơng suất phát nguồn diesel trao đổi công suất với hệ thống (utility) nhằm đáp ứng nhu cầu phụ tải (netload) Trong đó, netload phụ tải thực sau trừ cơng suất lượng mặt trời Kết từ Hình cho thấy, đường cong netload thay đổi không đồng đều, lõm xuống khoảng thời gian 12 tăng lên sau vài tiếng, ngun lượng mặt trời đóng góp lượng lớn cơng suất cho phụ tải, chí thừa gần 200kWh điện lúc 12 Lượng điện phát ngược lên lưới nhằm bán cho hệ thống tương ứng với mức giá TOU Bên cạnh đó, máy phát diesel kết hợp với trao đổi công suất với hệ thống đóng vai trị chủ chốt việc đáp ứng phụ tải rịng khoảng thời gian khơng có nắng Xuyên xuốt 24 máy phát diesel làm việc liên tục, mặt đáp ứng phụ tải rịng microgrid, tối ưu hóa lợi nhuận từ việc bán điện cho hệ thống với chi phí TOU lúc phụ tải cao điểm khoảng 12-15 Đường cong trao đổi công suất với lưới (utility) thay đổi phụ thuộc theo chi phí TOU Hình 4, thời điểm có giá điện cao microgrid tăng cường phát cơng suất lên hệ thống nhằm tối đa hóa lợi nhuận thu từ việc bán điện Các thời điểm cịn lại việc trao đổi cơng suất tương tự dịch vụ phụ trợ từ hệ thống, phần đỉnh đồ thị phụ tải hệ thống cung cấp công suất hỗ trợ điều tần lưới Microgrid 93 hệ thống lưu trữ microgrid Sự hoạt động lưu trữ phần lớn ảnh hưởng chi phí phát điện diesel chi phí trao đổi cơng suất với hệ thống Ta thấy khoảng thời gian đầu, với chi phí TOU thấp, lưu trữ tích cực tích trữ điện đến nạp đầy (SOC = 100%) Đến trước 12 ngày nhu cầu lượng tăng cao dẫn đến mức giá TOU tăng, hệ lưu trữ phát tồn cơng suất lên hệ thống nhằm tối ưu hóa chi phí hệ thống Tại thời điểm 12 giờ, chi phí TOU giảm nhẹ ngun xâm nhập mạnh lượng mặt trời, khuyến khích lưu trữ tích trữ lượng Sau chi phí TOU tăng, hệ lưu trữ máy phát diesel phát công suất lên hệ thống cách tối ưu Hình Trạng thái hoạt động BATT 5.2 Sự hội tụ Để đánh giá hiệu thuật toán, ta sử dụng đường cong hội tụ Hình Đường cong hội tụ thuật toán Tối ưu Sai lệch cho việc lập lịch phát điện có dạng đường cong logarit Sau khoảng 4000 lần lặp toán gần xác định điểm tối ưu Ở vịng lặp thứ 6000 thấy mơ hình xác định gần điểm tối ưu hóa Từ vịng lặp thứ 8000 trở đi, kết không thay đổi nhiều chứng tỏ nghiệm lúc xấp xỉ tối ưu hóa Hình Sự hội tụ bài toán tối ưu Hình Lịch phát công suất máy phát Diesel Hệ thống lưu trữ sử dụng mơ hình có cơng suất 55kW, dung lượng 88kWh, để đảm bảo tuổi thọ tế bào lưu trữ nghiên cứu yêu cầu giữ lại 20% lượng hệ Ở Hình 6, trình bày 24 hoạt động Kết luận Lập lịch phát điện ngày công việc quan trọng việc vận hành hệ thống điện, đặc biệt lưới điện có nhiều thành phần đặc biệt hệ thống lưu trữ chi phí trao đổi công suất với hệ thống Để vận hành tối Lê Tuân, Dương Minh Quân, Nguyễn Bình Nam, Nguyễn Văn Tấn, Lê Xuân Châu 94 ưu hệ microgrid nghiên cứu đề xuất giải pháp khả thi hiệu Bên cạnh đó, khả ứng dụng thuật tốn tối ưu hóa tiến hóa sai lệch khai thác lĩnh vực lập lịch phát điện Từ đó, nhà vận hành lưới khai thác để gia tăng tối ưu vận hành hệ thống điện Lời cảm ơn: Nghiên cứu tài trợ Quỹ Phát triển Khoa học Công nghệ Quốc gia (NAFOSTED) đề tài mã số 102.02-2020.07 Bảng Lưu đồ thuật toán Tối ưu hóa Sai lệch việc tối ưu lịch phát điện lưới điện siêu nhỏ  Bước 1: Đặt giá trị hệ G = 0, khởi tạo ngẫu nhiên quần thể gồm NP cá thể PG = X1,G , , X NP ,G  với D X i ,G =  xi1,G , , xiD,G  , i = 1, , NP có phân phối chuẩn khoảng  X , X max  , với X =  x1min , , xmin  D X max =  x1max , , xmax  Bước 2: WHILE điều kiện dừng chưa thõa mãn DO Bước 2.1 Đột biến cá thể /* Tạo vector đột biến Vi ,G = vi1,G , , viD,G  cho vector đích X i,G */ FOR i = to NP Tạo vector đột biến Vi ,G = vi1,G , , viD,G  cho vector đích X i,G thông qua công thức (9) END FOR Bước 2.2 Crossover /* Tạo vector thử nghiệm U i ,G = ui1,G , , uiD,G  cho vector đích X i,G */ /* Crossover nhị phân*/ FOR i = to NP j rand = rand ( 0,1) * D FOR j = to D j i ,G u vij,G , = j  xi ,G , rand j 0,1)  CR j = jrand  END FOR END FOR Bước 2.3 Lựa chọn cá thể /* Lựa chọn*/ FOR i = to NP Đánh giá vector thử nghiệm Ui ,G IF f (U i ,G )  f ( X i ,G ) and ( Ui ,G thoãn mãn ràng buộc vật lý), THEN X i ,G+1 = Ui ,G , f ( X i,G+1 ) = f (Ui,G ) IF f (U i ,G )  f ( X best ,G ) , THEN X best ,G = Ui ,G , f ( X best ,G ) = f (Ui ,G ) END IF END IF END FOR Bước 2.4 Tăng giá trị G = G + Bước 3: END WHILE TÀI LIỆU THAM KHẢO [1] [2] [3] [4] N Tiwari and L Srivastava, “Generation scheduling and micro-grid energy management using differential evolution algorithm”, in 2016 International Conference on Circuit, Power and Computing Technologies (ICCPCT), Mar 2016, pp 1–7, doi: 10.1109/ICCPCT.2016.7530218 A S Gazafroudi, K Afshar, and N Bigdeli, “Assessing the operating reserves and costs with considering customer choice and wind power uncertainty in pool-based power market”, Int J Electr Power Energy Syst., vol 67, pp 202–215, 2015 A Zakariazadeh, S Jadid, and P Siano, “Stochastic multi-objective operational planning of smart distribution systems considering demand response programs”, Electr Power Syst Res., vol 111, pp 156–168, 2014 D T Viet, V Van Phuong, M Q Duong, and Q T Tran, “Models for Short-Term Wind Power Forecasting Based on Improved Artificial Neural Network Using Particle Swarm Optimization and Genetic Algorithms”, Energies, vol 13, no 11, p 2873, 2020 [5] A Zakariazadeh, S Jadid, and P Siano, “Economic-environmental energy and reserve scheduling of smart distribution systems: A multiobjective mathematical programming approach”, Energy Convers Manag., vol 78, pp 151–164, 2014 [6] M Motevasel and A R Seifi, “Expert energy management of a micro-grid considering wind energy uncertainty”, Energy Convers Manag., vol 83, pp 58–72, 2014 [7] G R Aghajani, H A Shayanfar, and H Shayeghi, “Presenting a multi-objective generation scheduling model for pricing demand response rate in micro-grid energy management”, Energy Convers Manag., vol 106, pp 308–321, 2015  ... tối ưu chi phí vận hành lưới điện siêu nhỏ Trong đó, cấu trúc lưới điện siêu nhỏ trình bày Hình Các phần tử có khả điều phối lưới điện siêu nhỏ giả định trao đổi công suất cho tối ưu Vì để tối ưu. .. Châu 94 ưu hệ microgrid nghiên cứu đề xuất giải pháp khả thi hiệu Bên cạnh đó, khả ứng dụng thuật tốn tối ưu hóa tiến hóa sai lệch khai thác lĩnh vực lập lịch phát điện Từ đó, nhà vận hành lưới. .. lưới điện siêu nhỏ quản lý nhà vận hành thông qua hệ thống EMS, nhà vận hành có quyền giám sát điều khiển tất thành phần lưới điện siêu nhỏ Các thành phần lưới điện siêu nhỏ thể Hình Để lập lịch