Cải tiến giải thuật tối ưu bầy đàn để tối ưu hóa lợi nhuận của nhà máy nhiệt điện trong các mô hình doanh thu khác nhau

Trong nghiên cứu này, ba phiên bản của giải thuật tối ưu bầy đàn (PSO) bao gồm tối ưu bầy đàn cổ điển, tối ưu bầy đàn với vận tốc quán tính, và tối ưu bầy đàn với hệ số giới hạn được áp dụng để xử lý bài toán tối ưu hóa lợi nhuận của nhà máy nhiệt điện.

JOURNAL OF TECHNICAL EDUCATION SCIENCE Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn ISSN: 1859-1272 Improve Particle Swarm Optimization Algorithm to Optimize the Profit of a Thermal Power Plant Using Different Revenue Models Nguyen Ngoc Thiem1, Phan Minh Tan2, Nguyen Trung Thang2, Le Chi Kien3* 1Industrial University of Ho Chi Minh City, Vietnam Duc Thang University, Vietnam 3Ho Chi Minh City University of Technology and Education, Vietnam 2Ton * Corresponding author Email: kienlc@hcmute.edu.vn ARTICLE INFO Received: 22/12/2021 Revised: 15/2/2022 Accepted: 12/3/2022 Published: 30/8/2022 KEYWORDS Particle swarm optimization; Inertia weight; Constriction factor; Revenue model; Converge speed ABSTRACT In this research, three versions of particle swarm optimization algorithm such as conventional particle swarm optimization (PSO), particle swarm optimization with inertia weight and particle swarm optimization with constriction factor are applied for handling the economic load dispatch problem under the competitive electric market The main work of the PSO algorithms is to determine the most optimal power output of generators to obtain total profit as much as possible for the power companies without violation of constraints These algorithms are tested on three and ten generators system using two different revenue models The results obtained from the algorithm simulation are compared to each other as well as to the other methods to evaluate the algorithm efficiency and robustness As a result, the improved PSO algorithms are very strong to solve the economic load dispatch problem for profit optimization because they can obtain the highest profit, fast converge speed and simulation time Cải Tiến Giải Thuật Tối Ưu Bầy Đàn Để Tối Ưu Hóa Lợi Nhuận Của Nhà Máy Nhiệt Điện Trong Các Mơ Hình Doanh Thu Khác Nhau Nguyễn Ngọc Thiêm1, Phan Minh Tân2, Nguyễn Trung Thắng2, Lê Chí Kiên3* 1Trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh, Việt Nam 2Trường Đại học Tôn Đức Thắng, Việt Nam 3Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, Việt Nam * Tác giả liên hệ Email: kienlc@hcmute.edu.vn THÔNG TIN BÀI BÁO Ngày nhận bài: 22/12/2021 Ngày hoàn thiện: 15/2/2022 Ngày chấp nhận đăng: 12/3/2022 Ngày đăng: 30/8/2022 TỪ KHÓA Tối ưu bầy đàn; Vận tốc qn tính; Hệ số giới hạn; Mơ hình doanh thu; Tốc độ hội tụ TÓM TẮT Trong nghiên cứu này, ba phiên giải thuật tối ưu bầy đàn (PSO) bao gồm tối ưu bầy đàn cổ điển, tối ưu bầy đàn với vận tốc quán tính, tối ưu bầy đàn với hệ số giới hạn áp dụng để xử lý tốn tối ưu hóa lợi nhuận nhà máy nhiệt điện Nhiệm vụ giải thuật PSO xác định công suất phát công suất dự trữ tối ưu tổ máy phát điện để có tổng lợi nhuận cao cho công ty sản xuất mà không vi phạm ràng buộc Các giải thuật áp dụng hai hệ thống ba mười tổ máy với hai mơ hình doanh thu khác Kết thu từ việc lập trình giải thuật PSO so sánh với để đánh giá hiệu độ mạnh giải thuật, đồng thời so sánh với kết nghiên cứu trước để đánh giá hiệu giải thuật cải tiến Từ kết so sánh dẫn đến kết luận giải thuật PSO cải tiến công cụ mạnh để giải toán tối ưu hóa lợi nhuận nhà máy nhiệt điện thu lợi nhuận cao nhất, tốc độ hội tụ nhanh với thời gian mô ngắn Doi: https://doi.org/10.54644/jte.71B.2022.1103 This is an open access article distributed under the terms and conditions of the Creative Commons Attribution-NonCommercial 4.0 International License which permits unrestricted use, distribution, and reproduction in any medium for non-commercial purpose, provided the original work is properly cited Copyright © JTE JTE, Issue 71B, August 2022 56 JOURNAL OF TECHNICAL EDUCATION SCIENCE ISSN: 1859-1272 Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn Giới thiệu Giải thuật tối ưu bầy đàn (Particle Swarm Optimization - PSO) xây dựng Kennedy Eberhart vào năm 1995 Nó phương pháp tính tốn nhằm tối ưu hóa vấn đề cách lặp lặp lại để cải thiện giải pháp liên quan đến thước đo chất định (Meta-heuristic) Khả hiệu PSO chứng minh qua nhiều tốn tối ưu hóa hệ thống điện Tuy PSO nhiều hạn chế nên nghiên cứu [1] cải tiến giải thuật để giải toán tối ưu phức tạp liên quan đến phối hợp phát nhiệt phát điện nhà máy nhiệt điện Nghiên cứu [2] áp dụng PSO để tối ưu thông số điều khiển PID Nghiên cứu [3] đưa cải tiến cho PSO chứng minh hiệu Nghiên cứu [4] tiến hành so sánh hai cải tiến PSO cho tốn khác Như vậy, bước trình phát triển giải thuật học hỏi, mô lại đặc tính tự nhiên Sau đó, áp dụng giải thuật vào tốn cụ thể kỹ thuật khảo sát, đánh giá mức độ hiệu giải thuật Tiếp theo, nhà nghiên cứu lại cải tiến điều chỉnh thông số cho phù hợp để đạt hiệu cao Đó việc làm mà cơng trình nghiên cứu thực Tương tự vậy, báo trình bày chi tiết thuật tốn PSO cổ điển hai phiên cải tiến PSO có xét đến vận tốc quán tính (Particle Swarm Optimization with Inertia Weight – IWPSO) PSO có xét đến hệ số giới hạn (Particle Swarm Optimization with Constriction Factor – CFPSO) Nhiệm vụ nghiên cứu báo áp dụng phiên thuật toán PSO để xử lý toán điều phối tải kinh tế hệ thống điện môi trường cạnh tranh nhằm tối đa lợi nhuận nhà máy phát điện Các phương pháp thử nghiệm hệ thống ba tổ máy hệ thống mười tổ máy với ràng buộc khác liên quan đến thị trường điện Bài báo thực đánh giá độ hiệu thuật tốn so sánh tính hiệu phương pháp với Các kết mô tổng lợi nhuận thu từ phiên PSO so sánh với phương pháp khác Differential Evolution Algorithm (DE) [5], Augmented Lagrange Hopfield Network (ALHN), Cuckoo Search Algorithm (CSA) [6], Lagrange Hopfield Network (HLN) để đánh giá hiệu giải thuật cải tiến Bài báo đóng góp thuật tốn cải tiến từ PSO cổ điển sử dụng cho mơ hình doanh thu khác với độ tin cậy cao Giải thuật tối ưu bầy đàn cổ điển cải tiến 2.1 Giải thuật tối ưu bầy đàn cổ điển Giải thuật PSO ứng dụng nhiều lĩnh vực kỹ thuật khác Về mặt chất, giải thuật PSO sử dụng trình dịch chuyển cá thể để đánh giá học hỏi tìm nghiệm tốt Mỗi cá thể đại diện vị trí vận tốc Q trình cập nhật vận tốc ảnh hưởng vị trí vận tốc cá thể thứ d, vị trí vận tốc cá thể tốt Mơ hình vận tốc vị trí cá thể giải thuật PSO biểu diễn sau Vdnew = Vd + α1 r1 (XBest − X d ) + α2 r2 (XGBest − X d ); d = 1, … , Np (1) new new X d = X d + Vd ; d = 1, … , Np (2) Cơng thức thể q trình dịch chuyển cá thể PSO phụ thuộc vào đặc trưng vận tốc Vdnew xác định dựa cá thể tốt bầy GBest vị trí tốt XBest cơng thức (1) X GBest vị trí cá thể tốt bầy Vị trí X dnew xác định dựa Xd vận tốc theo công thức (2) Lưu đồ giải thuật PSO cổ điển trình bày Hình 2.2 Giải thuật tối ưu bầy đàn có xét đến vận tốc qn tính PSO thơng thường biết đến công cụ mạnh mẽ nhanh chóng việc giải tốn tối ưu hóa có số nhược điểm việc dễ dàng bị mắc kẹt vùng cục hội tụ chậm cho hệ thống lớn điều kiện ràng buộc hoạt động phức tạp Vì lý đó, báo ứng dụng phiên khác cải tiến PSO cách xét đến vận tốc quán tính tức xem xét tỉ lệ đóng góp vận tốc bước trước đến vận tốc bước (IWPSO) trình bày chi tiết Trong giải thuật IWPSO, trọng số tỉ lệ vận tốc w thêm vào công thức vận tốc PSO ban đầu để cân tìm kiếm tồn cầu địa phương Trong báo này, w đề xuất dạng mơ hình hồn tồn Giá trị thay đổi số lần lặp thay đổi Vì vậy, mơ hình vận tốc trọng số w trình bày sau JTE, Issue 71B, August 2022 57 JOURNAL OF TECHNICAL EDUCATION SCIENCE Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn ISSN: 1859-1272 Vdnew = wVd + α1 r1 (XBest − X d ) + α2 r2 (XGBest − X d ); d = 1, … , Np w −wmin w = wmax max L; L = 1, … , MaxL 𝑀𝑎𝑥 𝐿 (3) (4) Trong 1, 2: hệ số đóng góp thuật tốn r1, r2: giá trị ngẫu nhiên wmax : giới hạn lớn hệ số w wmin : giới hạn nhỏ hệ số w Quá trình dịch chuyển cá thể giải thuật IWPSO phụ thuộc vào đặc trưng vận tốc Vdnew xác định công thức (3) dựa cá thể tốt bầy GBest vị trí tốt XBest lại có thêm yếu tố trọng số khối lượng w tính cơng thức (4) cịn vị trí X dnew xác định dựa Xd vận tốc cập nhật tương tự MaxL số vòng lặp tối đa Lưu đồ giải thuật IWPSO trình bày Hình Hình Giải thuật PSO cổ điển Hình Giải thuật IWPSO Hình Giải thuật CFPSO 2.3 Giải thuật tối ưu bầy đàn có xét đến hệ số giới hạn Hệ số F hệ số giới hạn khác áp dụng nghiên cứu cách thêm hai số gia tốc Sự thay đổi việc áp dụng hệ số trình bày sau Vdnew = F[Vd + α1 r1 (Xbest − X d ) + α2 r2 (XGbest − X d )]; d = 1, … , Np (5) F = 2⁄|2 − β − √β2 − 4β| ; β = α1 + α2 ; α1 = α2 = 2.05 (6) Ở giải thuật CFPSO trình dịch chuyển cá thể khác với hai phiên công thức cập nhật vận tốc (5) Vận tốc lúc nhân với hệ số giới hạn F tính cơng thức (6) vị trí X dnew xác địn tương tự Lưu đồ giải thuật IWPSO trình bày Hình 3 Mơ hình tốn 3.1 Hàm mục tiêu Hàm mục tiêu cho toán phân bố tải kinh tế (ELD) trình bày bên Maximum TPF = TR − TFC (7) JTE, Issue 71B, August 2022 58 JOURNAL OF TECHNICAL EDUCATION SCIENCE Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn ISSN: 1859-1272 Trong TPF: tổng lợi nhuận thu TR: tổng doanh thu TFC: tổng chi phí nhiên liệu 3.1.1 Mơ hình doanh thu Trong mơ hình doanh thu người mua hợp đồng xác định công suất lớn mua giá Để đảm bảo tính ổn định cho hệ thống, nhà máy phải dự trữ lượng công suất cho trường hợp khách hàng sử dụng vượt hợp đồng Vì khác hàng dùng lố nên giá trả cho lượng dự trữ điện đắt giá hợp đồng mua công suất nhiều Để mơ hình tốn cho vấn đề báo [3] đưa hệ số xác xuất (ω) cho biết xác suất lượng dự trữ sử dụng N TR = FSB ∑N k=1 Pk + ωFRP ∑k=1 RPk (8) Trong đó, FSP: giá cho cơng suất phát FRP: giá cho công suất dự trữ Pk: công suất phát tổ máy thứ k RPk: công suất phát dự trữ tổ máy thứ k N: số tổ máy phát 3.1.2 Mơ hình doanh thu Trong trường hợp này, nhà máy nhiệt điện hợp đồng mua thêm lượng dự trữ với giá thấp giá mua công suất phát mặt dù lượng dự trữ không sử dụng Nhưng lượng dự trữ sử dụng khách hàng trả tiền cho lượng công suất vượt với giá mua cơng suất phát Vì vậy, giá điện dự trữ so với mơ hình Tổng doanh thu tính cơng thức bên N TR = FSB ∑N (9) k=1 Pk + [(1 − ω)FRP + ωFSB] ∑k=1 RPk 3.1.3 Tổng chi phí nhiên liệu Khi xét đến ảnh hưởng thị trường điện hàm mục tiêu cho ELD có thêm phần công suất dự trữ tổ máy thứ k FCk (Pk + RPk ) = C1k + C2k (Pk + RPk ) + C3k (Pk + RPk )2 (10) Trong FCk: chi phí nhiên liệu tổ máy thứ k C1k, C2k, C3k: hệ số hàm chi phí nhà máy nhiệt điện Chí phí có tác động xác suất khách hàng sử dụng lượng dự trữ nên cơng thức để tính tổng chi phí nhiên liệu viết lại bên N TFCk = (1 − ω) ∑N k=1 FCk (Pk ) + ω ∑k=1 FCk (Pk + RPk ) 3.2 Các điều kiện ràng buộc (11) 3.2.1 Ràng buộc công suất yêu cầu Ràng buộc cân công suất tốn tổng cơng suất phát phải tổn thất điện công suất tải yêu cầu, tổng cơng suất đầu tổ máy phát phải nhỏ công suất tải yêu cầu (FPD) ∑N k=1 Pk ≤ FPD (12) 3.2.2 Ràng buộc công suất dự trữ Tổng công suất dự trữ tất tổ máy thấp nhu cầu dự trữ (FRD) miễn tổng lợi nhuận cao cơng ty sản xuất mua dự trữ thấp nhu cầu dự trữ dự báo ∑N k=1 RPk ≤ FR D JTE, Issue 71B, August 2022 (13) 59 JOURNAL OF TECHNICAL EDUCATION SCIENCE ISSN: 1859-1272 Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn 3.2.3 Giới hạn công suất phát Công suất phát tổ máy phát phải nằm giới hạn nhỏ giới hạn lớn Giới hạn nhỏ giới hạn tính kinh tế, phát nhỏ nhà máy lỗ giới hạn giới hạn liên quan đến khả vật lý máy phát, công suất định mức máy phát biểu diễn: Pkmin ≤ Pk ≤ Pkmax (14) Trong Pkmin : giới hạn cơng suất phát nhỏ tổ máy phát thứ k Pkmax : giới hạn công suất phát lớn tổ máy phát thứ k 3.2.4 Giới hạn công suất dự trữ Công suất dự trữ tổ máy phát phụ thuộc vào công suất phát khả phát cịn lại tổ máy nên cơng suất dự trữ bị ràng buộc điều kiện bên sau ≤ RPk ≤ Pkmax − Pkmin Pk + RPk ≤ Pkmax 3.3 Áp dụng giải thuật tối ưu bầy đàn để giải toán (15) (16) 3.3.1 Khởi tạo vị trí cá thể Trong phiên PSO có chung thơng số Np cá thể cá thể đại diện cho vị trí vận tốc Vị trí cá thể Xd (d=1 Np) chứa biến công suất đầu công suất dự trữ tổ máy phát Số biến phụ thuộc vào số máy phát hệ thống Xd = {P1,d PNG,d, RP1,d RPNG,d} (17) Trong NG: số lượng tổ máy phát P1,d: công phát của tổ máy số cá thể thứ d PNG,d: công phát của tổ máy số NG cá thể thứ d RP1,d: công dự trữ của tổ máy số cá thể thứ d RPNG,d: công dự trữ của tổ máy số NG cá thể thứ d Công suất phát công suất dự trữ khởi tạo công thức bên nhằm đảm bảo biến khởi tạo nằm giới hạn cho phép Pk,d = Pkmin + rand(Pkmax − Pkmin ); 𝑘 = 1, … , 𝑁𝐺 RPk,d = RPkmin + rand(RPkmax − RPkmin ); 𝑘 = 1, … , 𝑁𝐺 Trong rand giá trị ngẫu nhiên khoảng từ đến Vận tốc thể khởi tạo tương tự có dạng cơng thức sau Vd = {VP1,d VPNG,d, VRP1,d VRPNG,d} Trong Vd: vận tốc cá thể thứ d VP1,d: biến vận tốc công suất phát tổ máy phát số cá thể thứ d VPNG,d: biến vận tốc công suất phát tổ máy phát số NG cá thể thứ d VRP1,d: biến vận tốc công suất dự trữ tổ máy phát số cá thể thứ d VRPNG,d: biến vận tốc công suất dự trữ tổ máy phát số NG cá thể thứ d Các biến khởi tạo theo công thức với k giá trị biến thứ k, khoảng từ tới NG VPk,d = VPkmin + rand(VPkmax − VPkmin ); 𝑘 = 1, … , 𝑁𝐺 VRPk,d = VRPkmin + rand(VRPkmax − VRPkmin ); 𝑘 = 1, … , 𝑁𝐺 Do biến điều khiển có giới hạn nhỏ giới hạn lớn (18) (19) (20) k thuộc (21) (22) VPkmin: vận tốc biến công suất phát máy phát thứ k nhỏ VPkmax: vận tốc biến công suất phát máy phát thứ k lớn VRPkmin: vận tốc biến công suất dự trữ máy phát thứ k nhỏ VRPkmax: vận tốc biến công suất dự trữ máy phát thứ k lớn JTE, Issue 71B, August 2022 60 JOURNAL OF TECHNICAL EDUCATION SCIENCE Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn ISSN: 1859-1272 Các giới hạn toán xác định từ đầu công thức sau dựa giới hạn công suất phát công suất dự trữ lớn VPkmax = Pkmax ; VPkmin = −VPkmax VRPkmax = RPkmax ; VRPkmin = −VRPkmax (23) (24) 3.3.2 Tính giá trị hàm mục tiêu Hàm mục tiêu toán xây dụng bên 2 𝑁𝐺 𝐹𝑖𝑡𝑛𝑒𝑠𝑠𝑑 = (𝑇𝑅 − 𝑇𝐹𝐶) + 𝑃𝐹[∑𝑁𝐺 𝑘=1(𝑃𝑘,𝑑 ) − 𝐹𝑃𝐷 ] + 𝑃𝐹[∑𝑘=1(𝑃𝑅𝑘,𝑑 ) − 𝐹𝑅𝐷 ] + max 𝑃𝐹[∑𝑁𝐺 (25) ] 𝑘=1(𝑃𝑘,𝑑 + 𝑃𝑅𝑘,𝑑 ) − Pk Trong TR–TFC dùng để đánh giá tổng doanh thu thuật tốn tối ưu tìm hàm đánh giá với mục tiêu cực tiểu Cịn tốn cực đại nên ta phải đảo dấu giá trị mục tiêu lại 3.3.3 Cập nhật vận tốc, vị trí thể Trong phiên PSO, nghiệm tạo thông qua việc cập nhật vận tốc vị trí cá thể Giá trị vận tốc phụ thuộc vào bốn tham số vận tốc, vị trí cá thể, vị trí tốt cá thể vị trí tốt tồn bầy vịng lặp trước Sau lần tạo nghiệm mới, nghiệm ràng buộc giới hạn Nếu thấp giá trị tối thiểu, chúng gán thành giá trị tối thiểu cao giá trị tối đa, chúng gán thành giá trị tối đa Kết Các mơ hình doanh thu số khảo sát hệ thống: tổ máy 10 tổ máy Kết tính tốn trình bày bên 4.1 Mơ hình doanh thu 4.1.1 Hệ thống tổ máy Để khảo sát thơng số, giá trị vịng lặp lớn chọn từ 10 đến 100 Với giá trị vòng lặp lớn nhất, báo khảo sát 50 lần thành công cho PSO, IWPSO and CFPSO Giá trị cực đại lợi nhuận thu từ phiên thuật toán PSO biểu diễn Hình Hình kết thu giá trị vòng lặp lớn chọn 10 đến 100 Với giá trị vòng lặp tối đa ta có khảo sát 50 lần thành công cho giải thuật PSO, IWPSO, CFPSO, giá trị tốt 50 lần chạy vẽ đồ thị hình Từ Hình ta thấy hai phiên cải tiến IWPSO CFPSO đường màu xanh dương xanh có khả tìm kiếm giá trị cực đại lợi nhuận cao PSO đường màu đen số vòng lặp tối đa khoảng 10 đến 50 Từ kết cho thấy số vòng lặp tối đa có giá trị từ 20 trở IWPSO CFPSO tìm giá trị cực đại ổn định không dao động nữa, giải thuật PSO lại cịn dao động cho thấy khả tìm kiếm tối ưu PSO cổ điển thấp 4.1.2 Hệ thống 10 tổ máy Trong trường hợp này, số vòng lặp tối đa chọn 60 đặc tính hội tụ thể Hình cho ta thấy khả tìm kiếm thuật toán IWPSO tốt PSO cổ điển CFPSO đường biểu biễn ln cao hai đường lại Điều cũng chứng minh số lần thành công IWPSO nhiều phương pháp cịn lại 4.2 Mơ hình doanh thu 4.2.1 Hệ thống tổ máy Kết đặc tính hội tụ tốt 100 lần chạy thành công Hình cho ta thấy hội tụ nhanh PSO cổ điển giá trị cực tiểu lại tốt hai phương pháp cải tiến chứng tỏ khả tìm kiếm kết tối ưu ba cho hệ thống JTE, Issue 71B, August 2022 61 JOURNAL OF TECHNICAL EDUCATION SCIENCE Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn ISSN: 1859-1272 4.2.2 Hệ thống 10 tổ máy Giống hệ thống 10 tổ máy trên, thông số liệu áp dụng tương tự hàm mục tiêu sử dụng mơ hình doanh thu số Bài báo tiến hành khảo sát thu kết cho trường hợp đạt giá trị tối ưu số vòng lặp lớn 200 Kết thu Hình Bảng Đặc tính hội tụ Hình cho thấy thuật tốn PSO cao hai phương pháp lại giá trị nằm vùng cục chưa phải nghiệm toàn cục Như thuật tốn tìm nghiệm cục khả cao tìm nghiệm lại khơng phải nghiệm tốt Cịn hai phiên cải tiến có cải thiện bước nhảy nên vùng cục để tìm nghiệm tối ưu tồn cục làm thuật tốn lạc hướng khơng thể quay nghiệm tối ưu nào, giá trị trung bình đường hội tụ thấp thuật tốn PSO Bảng So sánh kết hệ thống tổ máy mơ hình doanh thu Giải thuật Số vòng Số nghiệm lặp tối đa tạo Lợi nhuận cực đại Bảng So sánh kết hệ thống tổ máy mơ hình doanh thu Giải thuật Số vòng Số nghiệm Lợi nhuận cực lặp tối đa tạo đại PSO 50 150 1.102,4437 PSO 10 50 1.003,32 CFPSO 25 75 1.102,4502 CFPSO 10 50 1.020,58 IWPSO 20 60 1.102,4502 IWPSO 10 50 1.035,42 Bảng So sánh kết hệ thống 10 tổ máy mơ hình doanh thu Bảng So sánh kết hệ thống 10 tổ máy mơ hình doanh thu Giải thuật Giải thuật Số vòng Số nghiệm lặp tối đa tạo Lợi nhuận cực đại Số vòng Số nghiệm lặp tối đa tạo Lợi nhuận cực đại PSO 60 2400 14.337,03 PSO 200 2500 13.266,39 CFPSO 60 2400 14.319,77 CFPSO 200 2500 13.226,50 IWPSO 60 2400 14.479,18 IWPSO 200 2500 13.149,22 Hình Lợi nhuận cực đại thu hệ thống tổ máy mơ hình doanh thu JTE, Issue 71B, August 2022 Hình Lợi nhuận cực đại thu hệ thống 10 tổ máy mơ hình doanh thu 62 JOURNAL OF TECHNICAL EDUCATION SCIENCE Ho Chi Minh City University of Technology and Education Website: https://jte.hcmute.edu.vn/ Email: jte@hcmute.edu.vn ISSN: 1859-1272 Hình Lợi nhuận cực đại thu hệ thống tổ máy mơ hình doanh thu Hình Lợi nhuận cực đại thu hệ thống 10 tổ máy mô hình doanh thu Kết luận Kết so sánh ba giải thuật PSO, CFPSO, IWPSO áp dụng cho hai hệ thống thử nghiệm tổ máy 10 tổ máy sử dụng mơ hình doanh thu thứ giải thuật IWPSO giải thuật tốt nhất, đặc biệt khả tìm kiếm vượt trội giải thuật Hơn nữa, giải thuật IWPSO phương pháp ổn định nhanh có độ lệch chuẩn có số lần tạo nghiệm nhỏ so với nghiên cứu trước Vì lý này, nhận xét giải thuật IWPSO sử dụng kỹ thuật tối ưu hóa tốt cho tốn điều độ tải kinh tế thị trường điện cạnh tranh cho mơ hình doanh thu số 1, coi IWPSO kỹ thuật đại diện cho giải thuật PSO để so sánh với phương pháp khác Đối với mơ hình doanh thu thứ 2, kết cho thấy lợi nhuận cao ba giải thuật PSO phương pháp nghiên cứu trước tương đương cho hệ thống tổ máy áp dụng cho hệ thống 10 tổ máy, CFPSO tốt so với phiên PSO Do CFPSO kỹ thuật tối ưu hóa đề xuất để giải tốn tối ưu sử dụng mơ hình doanh thu Bài báo cho thấy đóng góp áp dụng ba giải thuật PSO để quản lý toán phân bố tải kinh tế thị trường điện cạnh tranh, đồng thời cho thấy điểm mạnh hai giải thuật cải tiến so với PSO cổ điển Ngoài ra, báo định tham số điều khiển thích hợp cho hệ thống thử nghiệm Lời cảm ơn Cơng trình nghiên cứu thuộc đề tài mã số B2020-SPK-02 Bộ Giáo dục Đào tạo Việt Nam tài trợ Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh chủ trì TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] Nguyen T T, and Vo D N, “Improved particle swarm optimization for combined heat and power economic dispatch”, Scientia Iranica Transaction D, Computer Science & Engineering, Electrical, Vol 23, No 3, pp.1318-1334, 2016 Dubey B K, Singh N K, and Bhambri S, “Optimization of PID controller parameters using PSO for two area load frequency control”, IAES International Journal of Robotics and Automation, Vol, 8, No.4, pp.256, 2019 Abdul-Adheem W R, “An enhanced particle swarm optimization algorithm”, International Journal of Electrical and Computer Engineering, Vol 9, No 6, pp.4904-4907, 2019 Meziane M A, Mouloudi Y, Draoui A, “Comparative study of the price penalty factors approaches for Bi-objective dispatch problem via PSO”, International Journal of Electrical and Computer Engineering, Vol 10, No 4, pp.3343-3349, 2020 Vo D N, Ongsakul W, and Nguyen K P, “Augmented Lagrange Hopfield network for solving economic dispatch problem in competitive environment”, AIP Conference Proceedings, Vol 1499, No 1, pp.46-53, 2012 Duong T L., Nguyen P D., Phan V D., Vo N D and Nguyen T T., “Optimal load dispatch in competitive electricity market by using different models of hopfield lagrange network”, Energies, Vol 12, No 15, pp.2932, 2019 JTE, Issue 71B, August 2022 63 JOURNAL OF TECHNOLOGY EDUCATION SCIENCE ISSN: 1859-1272 Ho Chi Minh City of Technology and Education Website: https://jte.hcmute.edu.vn/index.php/jte/index Email: jte@hcmute.edu.vn Nguyen Ngoc Thiem received the B.Eng degree in electrical engineering from the Ho Chi Minh City University of Technology, Ho Chi Minh City, Vietnam, in 2000 and the M.Eng degree in electrical engineering from the Ho Chi Minh City University of Engineering and Technology, Ho Chi Minh City, Vietnam, in 2015 He is currently working as a Lecturer in Faculty of Electrical Engineering Technology, Industrial University of Ho Chi Minh City, Vietnam His research interest includes the thermal power plants, renewable energy, electricity transmission, and power system stability Phan Minh Tan received his M.Eng degree in electrical engineering from Ton Duc Thang University in 2020 in Vietnam Currently, he is teaching at Faculty Electrical and Electronics Engineering, Ton Duc Thang university He has published about five papers He is interested in the field of optimization algorithms, power system optimization, and renewable energies Nguyen Trung Thang received his M.Eng and Ph.D degree in electrical engineering from Ho Chi Minh City University of Technology and Education (HCMUTE), Vietnam, in 2010 and 2018 respectively Currently, he is a research and head of power system optimization research group at Faculty Electrical and Electronics Engineering, Ton Duc Thang University He has published over seventy papers including higher than forty ISI papers His research fields are power system optimization, optimization algorithms, and renewable energies Le Chi Kien received the B.Eng degree in electrical engineering from Ho Chi Minh City University of Technology and Education, Ho Chi Minh City, Vietnam, in 1997, the M.Eng degree in electrical engineering and the Ph.D degree in energy-environment science from Nagaoka University of Technology, Nagaoka City, Japan, in 2002 and 2005 respectively From 2005 he has worked at Ho Chi Minh City University of Technology and Education, Vietnam and published over 30 journal papers He is presently an associate professor in the Faculty of Electrical and Electronics Engineering, Ho Chi Minh City University of Technology and Education, Vietnam His research interest includes magnetohydrodynamics, power generation system, power system optimization, optimization algorithms, and renewable energies JTE, Issue xx, February 20xx 64 ... (HLN) để đánh giá hiệu giải thu? ??t cải tiến Bài báo đóng góp thu? ??t tốn cải tiến từ PSO cổ điển sử dụng cho mơ hình doanh thu khác với độ tin cậy cao Giải thu? ??t tối ưu bầy đàn cổ điển cải tiến 2.1 Giải. .. trình bày Hình Hình Giải thu? ??t PSO cổ điển Hình Giải thu? ??t IWPSO Hình Giải thu? ??t CFPSO 2.3 Giải thu? ??t tối ưu bầy đàn có xét đến hệ số giới hạn Hệ số F hệ số giới hạn khác áp dụng nghiên cứu cách thêm... thống tổ máy mơ hình doanh thu Giải thu? ??t Số vòng Số nghiệm lặp tối đa tạo Lợi nhuận cực đại Bảng So sánh kết hệ thống tổ máy mơ hình doanh thu Giải thu? ??t Số vòng Số nghiệm Lợi nhuận cực lặp tối đa