Tính toán phân bố tối ưu công suất trong hệ thống điện có xét đến ràng buộc an ninh và nhiệt độ dây dẫn sử dụng phương pháp tối ưu

I H C QU C GIA TP H CHÍ MINH TR NGă I H C BÁCH KHOA NGUY N TRUNG DUY T Iă UăCỌNGăSU T TRONG H TÍNH TỐN PHÂN B TH NGă I NăCịăXÉTă NHI Tă DÂY D N S N RÀNG BU C AN NINH VÀ D NGăPH NGăPHỄPăT Iă U SECURITY CONSTRAINED AND TEMPERATURE DEPENDENT OPTIMAL POWER FLOW USING OPTIMIZATION METHODS Chuyên ngành: Qu n lỦ n ng l Mã s ng : 8510602 LU NăV NăTH CăS TP H CHÍ MINH, tháng 07 n m 2022 CỌNG TRÌNH TR Cán b h NGă C HỒN THÀNH T I I H C BÁCH KHOA ậ HQG-HCM ng d n khoa h c: PGS TS Võ Ng c i u Cán b ch m nh n xét 1: TS Tr n Hoàng Khoa Cán b ch m nh n xét 2: PGS TS Tr Lu n v n th c s đ c b o v t i Tr ng Vi t Anh ng i h c Bách Khoa, HQG Tp HCM, ngày 16 tháng 07 n m 2022 Thành ph n H i đ ng đánh giá lu n v n th c s g m: (Ghi rõ h , tên, h c hàm, h c v c a H i đ ng ch m b o v lu n v n th c s ) TS Tr n HoƠng L nh - Ch t ch H i đ ng TS Lê Th T nh Minh - Th kỦ H i đ ng TS Tr n HoƠng Khoa - Cán b Ph n bi n PGS TS Tr - Cán b Ph n bi n ng Vi t Anh TS Tr n Thanh Ng c - y viên H i đ ng Xác nh n c a Ch t ch H i đ ng đánh giá lu n v n vƠ Tr ngành sau lu n v n đư đ CH ăT CHăH Iă ng Khoa qu n lý chuyên c s a ch a (n u có) NG TR NGăKHOA I Năậ I NăT C NGăHọAăXẩăH IăCH ăNGH AăVI TăNAM I H C QU C GIA TP.HCM TR NGă IăH CăBỄCHăKHOA căl pă- T ădoă- H nhăphúc NHI M V LU NăV NăTH CăS H tên h c viên: NGUY N TRUNG DUY MSHV: 2070198 NgƠy, tháng, n m sinh: 25/10/1995 N i sinh: Ti n Giang Chuyên ngành: Qu nălỦăn ngăl TểNă I PH Mã s : 8510602 TÀI: T I TÍNH TỐN PHÂN B XÉT ng U CỌNG SU T TRONG H TH NG N RÀNG BU C AN NINH VÀ NHI T NG PHÁP T I DÂY D N S I N CÓ D NG U SECURITY CONSTRAINED AND TEMPERATURE DEPENDENT OPTIMAL POWER FLOW USING OPTIMIZATION METHODS II NHI M V VÀ N I DUNG: - Nghiên c u gi i thu t lai gi a t i u b y đƠn vƠ ti n hóa vi phân; - Nghiên c u tốn phân b cơng su t t i u có xét đ n ràng bu c an ninh nhi t đ dây d n; - xu t m t s c i ti n đ nâng cao tính hi u qu c a ph ng pháp lai; ng d ng gi i thu t đ gi i toán phân b cơng su t t i u có xét đ n ràng bu c an ninh nhi t đ dây d n III NGÀY GIAO NHI M V : 14/02/2022 IV NGÀY HOÀN THÀNH NHI M V : 12/06/2022 V CÁN B H NG D N : PGS TS VÕ NG Că I U Tp HCM, ngày 16 tháng 07 n m 2022 CỄNăB ăH NGăD N TR CH ăNHI MăB ăMỌNă ĨOăT O NG KHOA I N ậ I N T i L I C Mă N L i đ u tiên, xin g i l i c m n chân thành đ n gia đình tơi vƠ nv n i công tác đư t o u ki n t t nh t cho v tinh th n v t ch t đ có th đ c ti p t c h c t p nghiên c u Cao h c t i Tr ng i h c Bách khoa TP H Ch́ Minh Tôi xin g i l i c m n chơn thƠnh vƠ sơu s c đ n th y PGS.TS Võ Ng c i u, ng t ng b i đư ln t n tình h c phát tri n v Ủ t ng d n, giúp đ , đôn đ c c ng nh theo sát ng đ tài lu n v n c a su t th i gian qua K t qu nghiên c u đ t đ c cho đ n th i m bây gi c ng ch́nh lƠ nh ng tâm huy t th i gian mà th y đư dƠnh cho v i nh ng l i ch d n nhi t tình Tơi xin c m n t t c cán b gi ng viên Tr ng i h c Bách Khoa TP HCM đư t n tình gi ng d y, giúp tơi có nh ng ki n th c b ích v c s lý thuy t c ng nh ph ng pháp nghiên c u su t trình h c t p t i đơy Cu i cùng, c m n b n bè đư bên c nh cho nh ng l i khuyên, đ ng viên đ ti p s c m nh tinh th n giúp tơi hồn thi n lu n v n nƠy Tôi xin trân tr ng c m n Tp H Chí Minh, tháng 07 n m 2022 Ng i th c hi n Nguy n Trung Duy ii TÓM T T LU NăV NăTH CăS Trong v n hành th i gian th c, thi t b n h th ng mang t i s làm phát sinh nhi t đ bên dây d n Vi c nhi t đ dây d n thay đ i làm cho giá tr n tr nhánh thay đ i theo Tuy nhiên nghiên c u v tốn phân b cơng su t phân b công su t t i u truy n th ng h u nh đ u b qua nh h ng c a thành ph n nhi t đ nh m đ đ n gi n vi c tính tốn Vì th k t qu đ t đ c th d phòng c n đ ng s có sai s Bên c nh đó, tr ng h p ràng bu c mang tính c xem xét nh m đ m b o an ninh h th ng Vì th , tốn phân b công su t t i u h th ng n có xét đ n ràng bu c an ninh nhi t đ dây d n (Security-Constrained Temperature-Dependent Optimal Power Flow – SC-TDOPF) đ c đ a nh m t v n đ thi t y u quan tr ng h th ng n gi i toán SC-TDOPF, lu n v n đ xu t ph ng pháp Gradient gi (Pseudo-Gradient) c a ng pháp lai (Hybrid) gi a ph thu t toán t i u b y đƠn (Particle Spawm Optimization – PSO) thu t tốn ti n hóa vi phân (Differential Evolution – DE) đ c g i tên PGPSO-DE ng d ng m ng n chu n IEEE 30 nút c tr ng h p bình th s c ng u nhiên Các k t qu mô ph ng s đ c so sánh v i ph d ng khác đư đ gi i thu t đ ng vƠ tr ng h p ng pháp ng c công b đ đ m b o tính xác th c c ng nh t́nh hi u qu c a c đ xu t iii ABSTRACT Conventional optimal power flow studies neglect the effect of temperature on resistance for simple calculation However, the branch resistance changes with the change of temperature Thus, the optimal power flow (OPF) should consider the temperature effect for accurate calculation Moreover, contingency cases should be considered to ensure system security Accordingly, the security-constrained temperature-dependent optimal power flow (SC-TDOPF) emerges as a critical and practical issue in power systems To deal with the SC-TDOPF problem, this study suggests a hybrid method, namely pseudo-gradient based particle swarm optimization and differential evolution method (PGPSO-DE) The suggested PGPSO-DE method is applied to the standard IEEE 30 bus system under normal condition as well as contingency condition The findings have shown that the PGPSO-DE method provides better solution quality than other studied optimization methods Consequently, the PGPSO-DE method proves its effectiveness in solving the complex SC-TDOPF problem iv L IăCAMă OAN Tôi xin cam đoan nghiên c u tơi th c hi n vƠ ch a đ c công b b t k cơng trình nghiên c u Các s li u, trích d n lu n v n nƠy đ m b o tính xác, trung th c tin c y Tp H Chí Minh, tháng 07 n m 2022 Ng i th c hi n Nguy n Trung Duy v M CL C M C L C vi DANH M C CÁC B NG vii DANH M C HÌNH NH viii CH VI T T T ix CH NGă1:ăGI I THI U CHUNG 1.1 t v n đ 1.2 M c tiêu nghiên c u 1.3 Ph m vi vƠ ph ng pháp nghiên c u 1.4 i t ng nghiên c u 1.5 ụ ngh a khoa h c 1.6 Ý ngh a th c ti n 1.7 B c c lu n v n CH NGă2:ăT NG QUAN 2.1 Bài tốn phân b cơng su t t i u có k đ n nhi t đ (TDOPF) 2.2 Bài toán phân b cơng su t t i u có rƠng bu c an ninh h th ng n nhi t đ (SC-TDOPF) 2.2.1 Các ch c n ng ch́nh c a an ninh HT [5] .5 2.2.2 Các ph ng pháp gi i tồn phân b cơng su t t i u (OPF) h th ng n 2.2.3 nh h ng nghiên c u CH NGă3:ăTHĨNHăL P BÀI TỐN PHÂN B CƠNG SU T T Iă UăCịă XÉTă N RÀNG BU C AN NINH VÀ NHI Tă 10 3.1 Mơ hình hóa ph n t h th ng n 10 3.1.1 ng dây máy bi n áp 10 3.1.2 Máy phát 10 3.1.3 Ph t i 10 3.1.4 Các ph n t bù 11 3.2 Mô hình ph n t có xét đ n nhi t đ 11 3.2.1 Mơ hình nhi t t ng qt 11 3.2.2 ng dây không 13 3.2.3 Cáp ng m 14 3.2.4 Máy bi n áp 14 3.3 Mơ hình toán k đ n nhi t đ 15 3.4 Mơ hình tốn phân b cơng su t t i u có xét rƠng bu c an ninh nhi t đ 17 CH NGă4:ăPH NGăPHỄPăLU N GI I QUY T BÀI TOÁN 22 vi 4.1 Ph ng pháp gradient gi c a thu t toán t i u b y đƠn (PGPSO) 22 4.2 Ph ng pháp ti n hóa vi phân (DE) 24 4.3 Ph ng pháp lai gi a thu t toán gradient gi c a t i u b y đƠn vƠ ti n hóa vi phân (PGPSO-DE) 25 4.4 Th c hi n ph ng pháp PGPSO-DE đ gi i toán SC-TDOPF 25 CH NGă5:ăK T QU TÍNH TỐN 30 5.1 Tr ng h p bình th ng 32 5.1.1 Hàm m c tiêu b c hai 32 5.1.2 Hàm m c tiêu v i VPEs 37 5.2 Tr ng h p s c 39 5.2.1 Hàm m c tiêu b c hai 40 5.2.2 Hàm m c tiêu v i VPEs 44 CH NGă6:ăK T LU N 48 6.1 K t lu n 48 6.2 nh h ng phát tri n 48 TÀI LI U THAM KH O 50 PH L C 54 vi DANH M C CÁC B NG B ng Thơng s u n c a tốn TDOPF b ng ph t ng ng v i tr ng pháp PGPSO-DE ng h p c th 32 B ng So sánh k t qu tính toán toán OPF h th ng n 30 nút 33 B ng Chi phí nhiên li u t n th t cơng su t sau gi i toán TDOPF v i hàm m c tiêu hàm b c hai 35 B ng Chi phí nhiên li u t n th t công su t đ i v i tốn TDOPF có xét nh h ng t i m van 37 B ng 5 Phân tích s c ng u nhiên c a m ng n IEEE 30 nút 39 B ng Chi phí nhiên li u t n th t công su t có đ TDOPF v i hàm m c tiêu hàm b c hai cho tr c toán SC- ng h p s c đ ng dây 1-2, 2-3 3-4 40 B ng Chi phí nhiên li u t n th t cơng su t có đ TDOPF v i hàm m c tiêu hàm b c hai cho tr c toán SC- ng h p s c đ ng dây 2-5 4- 41 B ng Chi phí nhiên li u t n th t cơng su t có đ TDOPF v i VPEs cho tr ng h p s c đ c toán SC- ng dây 1-2, 2-3 3-4 44 B ng Chi phí nhiên li u t n th t cơng su t có đ TDOPF v i hàm m c tiêu hàm b c hai cho tr c toán SC- ng h p s c đ ng dây 2-5 4- 45 B ng A H s chi phí c a t máy phát n v i hàm m c tiêu hàm b c hai 54 B ng A H s chi phí c a t máy phát n v i hàm m c tiêu VPEs 54 B ng A Gi i h n n áp 54 B ng A Thông s đ ng dây 55 B ng A Gi i h n đ ng dây 56 vii ng dơy 3-4 ng dơy 2-5 ng dây 4-6 Hình nh h ng c a nhi t đ gia t ng đ n chi phí nhiên li u (Fuel cost) t n th t công su t (Ploss) đ i v i toán SC-TDOPF v i hàm m c tiêu b c hai 43 Hình c tính h i t c a PGPSO-DE đ i v i toán SC-TDOPF v i hàm m c tiêu b c hai t ng ng t i Tratedrise = 300C HƠmăm cătiêuăv iăVPEs 5.2.2 Trong tr ng h p c a tốn SC-TDOPF hàm m c tiêu có xét đ n VPEs, th tốn SC-TDOPF tr thành tốn t i u khơng l i (non-convex) K t qu tính tốn bao g m chi phí nhiên li u t n th t công su t t thay đ i c a giá tr v i Tratedrise b ng ph ng pháp PGPSO-DE đ ng ng v i s c th hi n qua B ng 5.8 B ng 5.9 B ng Chi phí nhiên li u t n th t cơng su t có đ c toán SCTDOPF v i VPEs cho tr ng h p s c đ ng dây 1-2, 2-3 3-4 S ăc ngădơyă1-2 ngădơyă1-3 ngădơyă3-4 TRatedRise Chi phí nhiênăli u ($/h) T năth tă cơngăsu t (MW) Chi phí nhiênăli u ($/h) T năth tă cơngăsu t (MW) Chi phí nhiênăli u ($/h) T năth tă côngăsu t (MW) 1034.8118 5.3209 1030.2897 5.9945 1025.6910 6.3729 10 1034.9668 5.3466 1030.8810 6.0989 1026.3124 6.4584 20 1035.0830 5.3813 1031.1819 6.0967 1026.8841 6.5023 30 1035.2897 5.4093 1031.9249 6.1463 1027.5598 6.5637 40 1035.3090 5.4237 1032.1796 6.2157 1027.8454 6.5829 44 50 1035.3977 5.4380 1032.3729 6.1726 1028.4009 6.6460 60 1035.5541 5.5031 1032.9630 6.2767 1029.0285 6.7297 70 1035.6378 5.5070 1033.2300 6.2698 1029.4535 6.7469 80 1035.6697 5.5015 1033.7299 6.3547 1030.0198 6.8218 90 1035.8174 5.5395 1033.8801 6.3397 1030.5906 6.7837 100 1035.8552 5.5706 1034.2135 6.3244 1030.9578 6.8565 B ng Chi phí nhiên li u t n th t cơng su t có đ c tốn SCTDOPF v i hàm m c tiêu hàm b c hai cho tr ng h p s c đ ng dây 2-5 46 S ăc ngădơyă2-5 ngădơyă4-6 TRatedRise Chi phí nhiênăli u ($/h) T năth tă cơngăsu t (MW) Chi phí nhiênăli u ($/h) T năth tă cơngăsu t (MW) 961.4261 8.0992 952.1968 7.2400 10 961.4625 8.1205 952.6466 7.3755 20 961.7055 8.1547 952.7685 7.4288 30 961.7517 8.2767 953.0724 7.4499 40 961.8854 8.3563 953.2266 7.5389 50 961.9792 8.3842 953.3388 7.5391 60 962.0529 8.6210 953.5756 7.6115 70 962.4567 8.6214 953.7074 7.6258 80 962.5144 8.7538 953.9941 7.7289 90 962.5737 8.7589 954.1395 7.7605 100 962.7802 8.7871 954.3138 7.8437 V i Tratedrise b ng 00C, ph nhiên li u t t nh t đ i v i đ ng pháp PGPSO-DE đ xu t cho giá tr chi phí ng dây s c 1-2, 1-3, 3-4, 2-5 4-6 l n l t 1034.8118 ($/h), 1030.2897 ($/h), 1025.6910 ($/h), 962.5737 ($/h) 952.1968 ($/h) Các giá tr s t ng lên t ng ng m c 1035.8552 ($/h), 1034.2135 ($/h), 1030.9578 ($/h), 961.7055 ($/h), 954.3138 ($/h) i v i t n th t công su t, giá tr tính tốn t ph s c l nl Tratedrise b ng 1000C ng pháp lai tr ng h p t 5.3209 MW, 5.9945 MW, 6.3729 MW, 8.0992 MW, 7.2400 45 MW Tratedrise b ng 00C 5.5706 MW, 6.3244 MW, for 6.8565 MW, 8.7871 MW, 7.8437 MW Tratedrise b ng 1000C Hình 5.10 miêu t nh h ng c a vi c t ng nhi t đ lên giá tr chi phí nhiên li u t n th t công su t m ng n IEEE 30 nút đ i v i toán SC-TDOPF v i VPEs t ng ng v i t ng s c Xu h ng chung k t qu c a c chi phí nhiên li u t n th t công su t đ u t ng nhi t đ Tratedrise t ng Bên c nh đó, Hình 5.11 trình bày đ c tính h i t c a PGPSO-DE gi i toán SC-TDOPF v i tr ng h p s c đ ng dơy t ng ng v i Tratedrise = 300C m ng n IEEE 30 nút K t qu cho th y hàm m c tiêu v i t t c tr ng h p đ u h i t thu n l i v giá tr g n t i u sau 250 đ n 300 l n l p ng dơy 1-2 ng dơy 1-3 ng dơy 3-4 ng dơy 2-5 46 ng dây 4-6 Hình 10 nh h ng c a nhi t đ gia t ng đ n chi phí nhiên li u (Fuel cost) t n th t công su t (Ploss) đ i v i tốn SC-TDOPF v i VPEs Hình 11 c tính h i t c a PGPSO-DE đ i v i toán SC-TDOPF v i VPEs t ng ng t i Tratedrise = 300C 47 CH NG 6: K T LU N 6.1 K tălu n Nh v y, lu n v n đư gi i thi u khái quát v toán OPF h th ng n, đ ng th i xem xét đ n nh h ng c a y u t nhi t đ ràng bu c an ninh đ t ng đ xác cho tốn OPF Hàm m c tiêu c a bƠi toán đ c đánh giá, t́nh toán hàm b c hai vƠ hƠm có xét đ n hi u ng t i m van Vì th , tốn SCTDOPF tr thành tốn khơng n tính, khơng l i có quy mơ l n vi c tìm ph ph ng pháp PGPSO-DE đ gi i quy t toán t i u nƠy vƠ k t qu tính tốn th c t đ tr ng pháp gi i t i u lƠ m t thách th c r t l n Trong lu n v n đ xu t c ng d ng h th ng n IEEE 30 nút tr ng h p s c t đư cho th y đ ng h p bình th ng ng v i t ng hàm m c tiêu b c hai hàm m c tiêu VPEs c hi u qu ch t l ng l i gi i k t qu tính tốn D a k t qu tính tốn gi i toán TDOPF minh r ng, y u t nhi t đ có nh h s c a bƠi toán tr ng ch ng đư ch ng ng r t l n đ n toán OPF gây s sai c đơy b qua y u t Th c t , nhi t đ cƠng t ng cao hàm m c tiêu chi phí nhiên li u t n th t công su t c ng t ng theo m ct ng ng Vì v y, có th k t lu n r ng s r t c n thi t đ a y u t nhi t đ vƠo bƠi tốn OPF đ có th đ m b o tính xác gi a k t qu tính tốn th c t , t giúp cho vi c v n hành hay toán quy ho ch s đ nhăh 6.2 Ph c nơng cao h n ngăphátătri n ng pháp đ xu t lu n v n PGPSO-DE đư cho th y đ c hi u qu th c t vi c gi i toàn t i u ph c t p quy mô l n h th ng n ơy đ c xem lƠ b c đ u kh ng đ nh tính hi u qu c a ph ng pháp vƠ s tài li u tham kh o đ nghiên c u sau ng d ng phát tri n đ i v i toán t i u ph c t p h n Lu n v n ch d ng l i vi c th nghi m h th ng n IEEE 30 nút nên nghiên c u ti p theo có th phát tri n th nghi m h th ng n l n h n nh IEEE 57 nút, 118 nút… M t s kh ng đ nh gián ti p lu n v n lƠ ph ng pháp lai th t s có hi u qu vi c gi i toán t i u ph c t p quy mô l n nh bƠi tốn 48 SC-TDOPF Vì th , h ph ng pháp đư đ khác t ph ph l ng nghiên c u ti p theo t ng lai có th c i ti n c đ xu t lu n v n nƠy ho c xem xét ph ng pháp lai ng pháp “meta-heuristic” vƠ so sánh v i k t qu tính tốn t ng pháp đ xu t lu n v n PGPSO-DE đ tìm l i gi i t i u ch t ng cho toán OPF ph c t p h n, hƠm m c tiêu ph c t p h n vƠ quy mô l n h n 49 TÀI LI U THAM KH O [1] "Case_ieee30" Internet: https://matpower.org/docs/ref/matpower5.0/case_ieee30.html, Jan 26, 2015 [2] Y Shi, "Particle swarm optimization," IEEE Neural Networks Society, vol 2, pp 8-13, Feb 2004 [3] J R Santos, A G Exposito, and F P Sanchez, "Assessment of conductor thermal models for grid studies," IET Generation Transmission & Distribution, vol 1, no 1, pp 155–161, Jan 2007 [4] H Banakar, N Alguacil, and F D Galiana, "Electrothermal coordination part I: theory and implementation schemes," IEEE Transactions on Power Systems, vol 20, no 2, pp 798–805, May 2005 [5] A Wood and B Wollenberg, Power generation operation and control New York: John Wiley & Sons Inc, 1996 [6] A J Conejo, E Castillo, R M´ốnguez, and F Milano, "Locational marginal price sensitivities," IEEE Transactions on Power Systems, vol 20, no 4, pp 2026–2033, Nov 2005 [7] "IEEE Recommended Practice for Industrial and Commercial Power Systems Analysis." IEEE Std 399, 1997 [8] "IEEE Standard Test Code for Dry-Type Distribution and Power Transformers." IEEE Std C57.12.91, 2020 [9] "IEEE Recommended Practice for Establishing Liquid-Filled and Dry-Type Power and Distribution Transformer Capability When Supplying Nonsinusoidal Load Currents." IEEE Std C57.110, 2008 [10] S Frank, S Mohagheghi and J Sexauer, "Temperature-Dependent Power Flow," IEEE Transactions on Power Systems, vol 28, no 4, pp 4007–4018, Nov 2013 [11] S Frank, I Steponavice, and S Rebennack, "Optimal power flow: a bibliographic survey I," Energy Systems, vol 3, no 3, pp 221-258, Jan 2012 [12] D I Sun, B Ashley, B Brewer, A Hughes, and W F Tinney, "Optimal 50 Power Flow By Newton Approach," IEEE Transactions on Power Apparatus and Systems, vol PAS-103, no 10, pp 2864-2880, Oct 1984 [13] R Mota-Palomino and V H Quintana, "Sparse Reactive Power Scheduling by a Penalty Function - Linear Programming Technique," IEEE Transactions on Power Systems, vol PWRS-1, no 3, pp 31-39, Aug 1986 [14] O Alsac and B Stott, "Optimal Load Flow with Steady-State Security," IEEE Transactions on Power Apparatus and Systems, vol PAS-93, no 3, pp 745751, May 1974 [15] R C Burchett, H H Happ, and D R Vierath, "Quadratically Convergent Optimal Power Flow," IEEE Transactions on Power Apparatus and Systems, vol PAS-103, no 11, pp 3267-3275, Nov 1984 [16] Y Xihui and V H Quintana, "Improving an interior-point-based OPF by dynamic adjustments of step sizes and tolerances," IEEE Transactions on Power Systems, vol 14, no 2, pp 709-717, May 1999 [17] M Todorovski and D Rajicic, "An initialization procedure in solving optimal power flow by genetic algorithm," IEEE Transactions on Power Systems, vol 21, no 2, pp 480-487, May 2006 [18] M A Abido, "Optimal power flow using particle swarm optimization," International Journal of Electrical Power & Energy Systems, vol 24, no 7, pp 563-571, Jun 2002 [19] A Abou El Ela, M Abido, and S J E P S R Spea, "Optimal power flow using differential evolution algorithm," vol 80, no 7, pp 878-885, Jan 2010 [20] A.-A A Mohamed, Y S Mohamed, A A M El-Gaafary, and A M Hemeida, "Optimal power flow using moth swarm algorithm," Electric Power Systems Research, vol 142, pp 190-206, Oct 2017 [21] M Rezaei Adaryani and A Karami, "Artificial bee colony algorithm for solving multi-objective optimal power flow problem," International Journal of Electrical Power & Energy Systems, vol 53, pp 219-230, May 2013 [22] A A El-Fergany and H M Hasanien, "Single and Multi-objective Optimal 51 Power Flow Using Grey Wolf Optimizer and Differential Evolution Algorithms," Electric Power Components and Systems, vol 43, no 13, pp 1548-1559, Jul 2015 [23] G Chen, Z Lu, and Z Zhang, "Improved Krill Herd Algorithm with Novel Constraint Handling Method for Solving Optimal Power Flow Problems," Energies, vol 11, no 1, Jan 2018 [24] T Niknam, M R Narimani, and R Azizipanah-Abarghooee, "A new hybrid algorithm for optimal power flow considering prohibited zones and valve point effect," Energy Conversion and Management, vol 58, pp 197-206, May 2012 [25] M Ghasemi, S Ghavidel, S Rahmani, A Roosta, and H Falah, "A novel hybrid algorithm of imperialist competitive algorithm and teaching learning algorithm for optimal power flow problem with non-smooth cost functions," Engineering Applications of Artificial Intelligence, vol 29, pp 54-69, Dec 2014 [26] J Radosavljević, D Klimenta, M Jevtić, and N Arsić, "Optimal Power Flow Using a Hybrid Optimization Algorithm of Particle Swarm Optimization and Gravitational Search Algorithm," Electric Power Components and Systems, vol 43, no 17, pp 1958-1970, Aug 2015 [27] A Panda and M Tripathy, "Security constrained optimal power flow solution of wind-thermal generation system using modified bacteria foraging algorithm," Energy, vol 93, pp 816-827, Oct 2015 [28] L d M Carvalho, A M L d Silva, and V Miranda, "Security-Constrained Optimal Power Flow via Cross-Entropy Method," IEEE Transactions on Power Systems, vol 33, no 6, pp 6621-6629, Jun 2018 [29] C G Marcelino et al., "Solving security constrained optimal power flow problems: a hybrid evolutionary approach," Applied Intelligence, vol 48, no 10, pp 3672-3690, Apr 2018 [30] H T Jadhav and P D Bamane, "Temperature dependent optimal power flow 52 using g-best guided artificial bee colony algorithm," International Journal of Electrical Power & Energy Systems, vol 77, pp 77-90, May 2016 [31] D Prasad, A Mukherjee, and V Mukherjee, "Temperature dependent optimal power flow using chaotic whale optimization algorithm," Expert Systems, https://doi.org/10.1111/exsy.12685 vol 38, no 4, p e12685, Jan 2021 [32] P M Le, T L Duong, D N Vo, T T Le, S Q J I J o E E Nguyen, and Informatics, "An Efficient Hybrid Method for Solving Security-Constrained Optimal Power Flow Problem," International Journal on Electrical Engineering and Informatics, vol 12, no 4, pp 933-955, Dec 2020 [33] Q M Tr n "Phân b công su t t i u h th ng n có xét đ n nhi t đ ph n t ," Lu n v n Th c s , i h c Bách Khoa Thành ph H Chí Minh, TP H Chí Minh, 2021 [34] P M Le, T L Duong, D N Vo, T T Le, S Q J I J o E E Nguyen, and Informatics, "An Efficient Hybrid Method for Solving Security-Constrained Optimal Power Flow Problem," International Journal on Electrical Engineering and Informatics, vol 12, no 4, pp 933-955, Dec 2020 [35] D T Pham and G J E L Jin, "Genetic algorithm using gradient-like reproduction operator," vol 31, pp 1558-1559, Aug 1995 [36] J Wen, Q Wu, L Jiang, and S J E L Cheng, "Pseudo-gradient based evolutionary programming," Electronics Letters, vol 39, no 7, pp 631-632, Apr 2003 [37] R Storn, Price, Kenneth, "Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces," Journal of global optimization, vol 11, pp 341-359, Jan 1997 [38] B Rajanarayan Prusty, Bhagabati Prasad Pattnaik, Prakash Kumar Pandey and A Sai Santosh "Power System Security Analysis," International Journal of Scientific & Engineering Research, vol 5, iss 5, May 2014 53 PH L C D LI U H TH NGă I N IEEE 30 NÚT B ng A H s chi phí c a t máy phát n v i hàm m c tiêu hàm b c hai T máy H s chi phí P i,max P i,min Qi,max Qi,min (MW) (MW) (MVAr) (MVAr) a i ($/h) bi ($/MWh) ci ($/MW2h) 200 50 200 -20 2.00 0.00375 80 20 100 -20 1.75 0.01750 50 15 80 -15 1.00 0.06250 35 10 60 -15 3.25 0.00834 11 30 10 50 -10 3.00 0.02500 13 40 12 60 -15 3.00 0.02500 B ng A H s chi phí c a t máy phát n v i hàm m c tiêu VPEs T máy H s chi phí P i,max P i,min (MW) (MW) a i ($/h) bi ($/MWh) ci ($/MW2h) ei ($/h) fi (1/MW) 200 50 150 2.00 0.00160 50 0.063 80 20 25 2.50 0.01000 40 0.098 50 15 1.00 0.06250 0 35 10 3.25 0.00834 0 11 30 10 3.00 0.02500 0 13 40 12 3.00 0.02500 0 B ng A Gi i h n n áp i n áp ph n t Umin (p.u.) Umax (p.u.) N c phân áp MBA (Tk) 0.90 1.10 Nút cân b ng (Vg1) 0.90 1.10 Nút máy phát (Vgi) 0.90 1.10 Nút t i (Vli) 0.95 1.05 54 B ng A Thông s đ S ăđ ngădơy 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 ng dây Nútăđ u Nútăcu i 1 2 6 6 9 12 12 12 12 14 16 15 18 19 10 10 10 10 21 15 22 23 24 25 25 4 6 7 10 11 10 12 13 14 15 16 15 17 18 19 20 20 17 21 22 22 23 24 24 25 26 27 T ngăd năđ R (p.u) 0.0192 0.0452 0.057 0.0132 0.0472 0.0581 0.0119 0.046 0.0267 0.012 0 0 0 0.1231 0.0662 0.0945 0.221 0.0524 0.1073 0.0639 0.034 0.0936 0.0324 0.0348 0.0727 0.0116 0.1 0.115 0.132 0.1885 0.2544 0.1093 ngădơy X (p.u) 0.0575 0.1852 0.1737 0.0379 0.1983 0.1763 0.0414 0.116 0.082 0.042 0.208 0.556 0.208 0.11 0.256 0.14 0.2559 0.1304 0.1987 0.1997 0.1923 0.2185 0.1292 0.068 0.209 0.0845 0.0749 0.1499 0.0236 0.202 0.179 0.27 0.3292 0.38 0.2087 Tap (p.u) 1 1 1 1 1 0.978 0.969 1 0.932 1 1 1 1 1 1 1 1 1 1 55 S ăđ ngădơy 36 37 38 39 40 41 Nútăđ u Nútăcu i 28 27 27 29 27 29 30 30 28 28 B ng A Gi i h n truy n t i đ S ăđ ngădơy T ngăd năđ R (p.u) 0.2198 0.3202 0.2399 0.0636 0.0169 ngădơy X (p.u) 0.396 0.4153 0.6027 0.4533 0.2 0.0599 Tap (p.u) 0.968 1 1 ng dây 130 130 65 130 130 65 90 130 10 11 12 13 14 15 16 Sl,max (MVA) 130 32 65 32 65 65 65 65 S ăđ 17 18 19 20 21 22 23 24 Sl,max (MVA) 32 32 32 16 16 16 16 32 S ăđ 25 26 27 28 29 30 31 32 Sl,max (MVA) 32 32 32 32 32 16 16 16 S ăđ 33 34 35 36 37 38 39 40 Sl,max (MVA) 16 16 16 65 16 16 16 32 S ăđ 41 Sl,max (MVA) S ăđ ngădơy ngădơy ngădơy ngădơy ngădơy Sl,max (MVA) 32 56 LÝ L CH TRÍCH NGANG H tên: Nguy n Trung Duy NgƠy, tháng, n m sinh: 25/10/1995 a ch liên l c: 47 H Thành Biên, Ph N i sinh: Ti n Giang ng 4, Qu n 8, TP HCM QUÁ TRÌNH ÀO T O T n m 2013 – 2018: sinh viên đ i h c l p K s tài n ng chuyên ngành K i n– thu t i n T , Tr ng i h c Bách Khoa – i h c Qu c gia TP H Chí Minh T n m 2020 – nay: h c viên cao h c chuyên ngành Qu n lý N ng l Tr ng i h c Bách Khoa – ng, i h c Qu c gia TP H Chí Minh Q TRÌNH CƠNG TÁC T n m 2018 – nay: công tác t i Trung tâm i u đ H th ng n mi n Nam – T p đoàn i n l c Vi t Nam 57 ... có xét đ n ràng bu c an ninh nhi t đ dây d n; - xu t m t s c i ti n đ nâng cao tính hi u qu c a ph ng pháp lai; ng d ng gi i thu t đ gi i toán phân b cơng su t t i u có xét đ n ràng bu c an ninh. .. s Bên c nh đó, tr ng h p ràng bu c mang tính c xem xét nh m đ m b o an ninh h th ng Vì th , tốn phân b công su t t i u h th ng n có xét đ n ràng bu c an ninh nhi t đ dây d n (Security-Constrained... m liên quan c Phân b cơng su t t iă u? ?có? ?rƠngăbu c an ninh HT Phân b công su t t i u có rƠng bu c an ninh HT (SCOPF) s k t h p c a phân tích s c b t ng (contingnecy analysis) phân b công su t