Tái cấu trúc lưới điện phân phối có xét đến nguồn điện phân tán

BỘ CÔNG THƯƠNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC KẾT QUẢ THỰC HIỆN ĐỀ TÀI NGHIÊN CỨU KHOA HỌCCẤP TRƯỜNG Tên đề tài: Tái cấu trúc lưới điện phân phối có xét đến nguồn điện phân tán Mã số đề tài: 21/1D01 Chủ nhiệm đề tài: Nguyễn Thanh Thuận Đơn vị thực hiện: Khoa Công nghệ Điện Tp Hồ Chí Minh, tháng năm 2022 LỜI CÁM ƠN Tơi xin chân thành cảm ơn Ban Giám Hiệu, Phòng Quản lý Khoa học Hợp tác quốc tế, Ban chủ nghiệm Khoa Công nghệ Điện Trường Đại Học Công nghiệp Thành phố Hồ Chí Minh tạo điều kiện tốt cho tơi hồn thành đề tài Tơi xin chân thành cảm ơn Quý Thầy Cô Khoa Công nghệ Điện Trường Đại Học Công nghiệp Thành phố Hồ Chí Minh đóng góp ý kiến q báu cho thực đề tài PHẦN I THƠNG TIN CHUNG I Thơng tin tổng qt 1.1 Tên đề tài: Tái cấu trúc lưới điện phân phối có xét đến nguồn điện phân tán 1.2 Mã số: 21/1D01 1.3 Danh sách chủ trì, thành viên tham gia thực đề tài Họ tên TT Đơn vị công tác Vai trò thực (học hàm, học vị) đề tài TS Nguyễn Thanh Thuận Khoa Công nghệ Điện Chủ nhiệm đề tài TS Dương Thanh Long Khoa Công nghệ Điện Thành viên TS Ngô Thanh Quyền Khoa Công nghệ Điện Thành viên 1.4 Đơn vị chủ trì: Khoa Cơng nghệ Điện 1.5 Thời gian thực hiện: 1.5.1 Theo hợp đồng: từ tháng năm 2021 đến tháng năm 2022 1.5.2 Gia hạn (nếu có): đến tháng năm 2022 1.5.3 Thực thực tế: từ tháng năm 2021 đến tháng năm 2022 1.6 Những thay đổi so với thuyết minh ban đầu (nếu có): (Về mục tiêu, nội dung, phương pháp, kết nghiên cứu tổ chức thực hiện; Nguyên nhân; Ý kiến Cơ quan quản lý) 1.7 Tổng kinh phí phê duyệt đề tài: 35 triệu đồng II Kết nghiên cứu Đặt vấn đề Lưới điện phân phối (LĐPP) thường vận hành cấp điện áp thấp nên tổn thất công suất LĐPP thường chiếm phần lớn tổng tổn thất hệ thống điện Do đó, giảm tổn thất cơng suất LĐPP có ý nghĩa quan trọng việc nâng cao hiệu LĐPP Có nhiều kỹ thuật để giảm tổn thất công suất LĐPP lắp đặt nguồn phân tán (DG), lắp đặt tụ bù, nâng cao điện áp vận hành, tăng tiết diện dây dẫn tái cấu trúc (TCT) Trong đó, TCT lắp đặt DG hai kỹ thuật thu hút nhiều ý liên quan trực tiếp đến chi phí thực bối cảnh phát triển mạnh nguồn điện sử dụng lượng tái tạo Tuy nhiên, việc thực riêng rẽ giải pháp LĐPP không đảm bảo giải pháp tối ưu thu kỹ thuật trước tối ưu sau kỹ thuật cịn lại thực Ngồi ra, toán tái cấu trúc LĐPP toán lắp đặt DG toán phi tuyến, rời rạc địi hỏi phải có phương pháp giải hiệu Do đó, đề tài nghiên cứu phát triển phương pháp giải tốn TCT có xét đến DG dựa thuật toán tối ưu tổng quát Phương pháp đề xuất đực thực phần mềm Matlab Hiệu phương pháp đề xuất đánh giá LĐPP mẫu so sánh với số nghiên cứu thực Mục tiêu a) Mục tiêu tổng quát Nghiên cứu toán TCT có xét đến DG phương pháp giải b) Mục tiêu cụ thể − Khảo sát nghiên cứu liên quan đến tốn TCT có xét đến DG − Đề xuất phương pháp giải tốn TCT có xét đến vị trí cơng suất DG − Tính tốn kết LĐPP mẫu − Phân tích chứng minh hiệu phương pháp đề xuất cho tốn TCT có xét đến DG việc so sánh kết với nghiên cứu thực Phương pháp nghiên cứu Nội dung 1: Khảo sát nghiên cứu liên quan đến tốn TCT có xét đến DG Cách tiếp cận: Tham khảo nghiên cứu liên quan Phương pháp nghiên cứu, kỹ thuật sử dụng: Phân tích tổng hợp ưu nhược điểm nghiên cứu Kết dự kiến: Bảng tổng hợp nghiên cứu thực Nội dung 2: Đề xuất phương pháp giải cho toán TCT có xét đến DG Cách tiếp cận: Trên sở bảng tổng hợp nghiên cứu thực hiện, nhóm tác giả xác định vấn đề tồn từ đề xuất phương pháp cho toán Phương pháp nghiên cứu, kỹ thuật sử dụng: Phân tích tổng hợp nghiên cứu đề xuất phương pháp Kết dự kiến: Bảng mô tả phương pháp đề xuất cho tốn TCT có xét đến DG Nội dung 3: Đánh giá phương pháp đề xuất Cách tiếp cận: Lập trình phương pháp đề xuất để giải tốn TCT có xét đến DG Phương pháp nghiên cứu, kỹ thuật sử dụng: Lập trình mơ phương pháp đề xuất cho tốn TCT có xét đến DG phần mềm Matlab Kết dự kiến: Kết phương pháp đề xuất cho toán TCT có xét đến DG kết so sánh với số nghiên cứu thực Nội dung 4: Viết báo khoa học báo cáo tổng kết Cách tiếp cận: Tổng hợp kết nghiên cứu từ nội dung 1, Phương pháp nghiên cứu, kỹ thuật sử dụng: Phân tích, viết báo cáo Kết dự kiến: Bài báo đăng danh mục Scopus báo cáo tổng kết đề tài Tổng kết kết nghiên cứu Đề xuất phương pháp cho toán kết hợp tái cấu hình với tối ưu vị trí cơng suất nguồn điện phân tán lưới điện phân phối Kết nghiên cứu báo danh mục SCOPUS Q2 Đánh giá kết đạt kết luận Kết đạt sản phẩm dạng 3: Bài báo Nơi công bố (IUH, ISI, TT Tên báo Wild geese SCOPUS) algorithm for Ghi the Scopus Q2 combination problem of network reconfiguration and distributed generation placement Kết đạt đề tài đáp ứng mục tiêu đặt Bài toán phương pháp đề xuất sử dụng giảng dạy số môn học Tối ưu hóa vận hành hệ thống điện dành cho hệ cao học Tóm tắt kết (tiếng Việt tiếng Anh) Tóm tắt Tổn thất cơng suất lưới điện phân phối (DN) gây thường cao so với phần khác hệ thống điện đặc tính vận hành điện áp thấp dịng điện cao Vì vậy, giảm tổn thất công suất nhiệm vụ quan trọng vận hành DN Đề tài trình bày phương pháp thực đồng thời tái cấu hình (REC) tối ưu lắp đặt nguồn điện phân tán (DGP) dựa thuật toán thông minh bầy đàn (SI) ngỗng hoang (WGA) để giảm tổn công suất xem xét việc cải thiện cấu hình điện áp dịng điện như thỏa mãn ràng buộc bao gồm cấu trúc lưới hình tia, giới hạn công suất phát nguồn phân tán cân công suất Hiệu phương pháp WGA đề xuất đánh giá hệ thống 33 nút 69 nút hai trường hợp REC REC-DGP Hiệu WGA so sánh với hai phương pháp dựa SI khác bao gồm tối ưu hóa bầy đàn tiếng (PSO) thuật tốn tìm đường phát triển gần (PFA) Các kết thu chứng minh REC REC-DGP giải pháp hiệu để giảm tổn thất công suất cải thiện cấu hình điện áp dịng điện DN, REC-DGP đạt hiệu cao so với REC Ngoài ra, kết thống kê cho thấy WGA vượt trội PSO PFA hai toán số xấu nhất, trung bình, giá trị độ lệch chuẩn hàm thích nghi thời gian tính tốn Các kết so sánh với phương pháp thực trước WGA đạt kết tốt phương pháp khác cho tốn REC REC-DGP Do đó, WGA phương pháp tiềm cho toán REC-DGP Abstract The power loss caused by the distribution network (NR) is usually higher than that of other parts of the power system due to its low voltage and high current operating characteristics Thus, power loss reduction is one of the important mission in operation the DN This paper presents a method of simultaneous execution of network reconfiguration (REC) and distributed generation placement (DGP) based on a new swarm intelligent (SI) namely wild geese algorithm (WGA) to reduce power loss considering the improvement of voltage and current profiles as well as satisfy the constraints including radial topology, distributed generation capacity limit and power balance The efficiency of the proposed WGA is evaluated on the 33-node and 69-node systems at two cases of REC and REC-DGP The performance of WGA is contrasted with two SI-based methods including well-known particle swarm optimization (PSO) and recent developed pathfinder algorithm (PFA) The obtained results demonstrate that REC and REC-DGP are effective solutions to reduce power loss and improve voltage and current profiles of the DN, wherein REC-DGP achieves higher efficiency than REC Furthermore, the statistical results show that WGA outperforms PSO and PFA for both problems in indexes of worst, average, standard deviation values of the fitness function and the computation time The contrasted results with the previous performed methods also point that WGA can reach the better results than other ones for the REC and REC-DGP problems Thus, WGA can be a potential method for the REC-DGP problem III Sản phẩm đề tài, công bố kết đào tạo 3.1 Kết nghiên cứu (sản phẩm dạng 1,2,3) Yêu cầu khoa học hoặc/và tiêu TT kinh tế - kỹ thuật Tên sản phẩm Thuan Thanh Nguyen, Thanh Long Đăng ký Đạt Scopus Q2 Scopus Q2 Duong, Thanh Quyen Ngo, “Wild Geese Algorithm for The Combination Problem of Network Reconfiguration and Distributed Generation Placement,” Journal on Electrical Engineering and Informatics, Vol 14 No 1, March 2022, doi: 10.15676/ijeei.2022.14.1.5 Ghi chú: - Các ấn phẩm khoa học (bài báo, báo cáo KH, sách chuyên khảo…) chấp nhận có ghi nhận địa cảm ơn trường ĐH Cơng Nghiệp Tp HCM cấp kính phí thực nghiên cứu theo quy định - Các ấn phẩm (bản photo) đính kèm phần phụ lục minh chứng cuối báo cáo (đối với ấn phẩm sách, giáo trình cần có photo trang bìa, trang trang cuối kèm thơng tin định số hiệu xuất bản) 3.2 Kết đào tạo TT Họ tên Thời gian Tên đề tài thực đề tài Tên chuyên đề NCS Tên luận văn Cao học Nghiên cứu sinh Đã bảo vệ Học viên cao học Sinh viên Đại học Ghi chú: - Kèm photo trang bìa chuyên đề nghiên cứu sinh/ luận văn/ khóa luận bằng/giấy chứng nhận nghiên cứu sinh/thạc sỹ học viên bảo vệ thành công luận án/ luận văn;( thể phần cuối báo cáo khoa học) IV Tình hình sử dụng kinh phí Kinh TT Nội dung chi A Chi phí trực tiếp Th khốn chun mơn Nguyên, nhiên vật liệu, Thiết bị, dụng cụ Cơng tác phí Dịch vụ th ngồi Hội nghị, hội thảo,thù lao nghiệm thu phí Kinh duyệt thực (triệu đồng) (triệu đồng) 34.866 34.866 0.134 0.134 kỳ In ấn, Văn phòng phẩm Chi phí khác B Chi phí gián tiếp Quản lý phí Chi phí điện, nước Tổng số 35 phí 35 Ghi V Kiến nghị ( phát triển kết nghiên cứu đề tài) Kết nghiên cứu đề tài phương pháp cho toán REC-DGP để thỏa mãn hàm đa mục tiêu Phương pháp đề xuất tiếp tục sử dụng cho toán REC, REC-DGP để thỏa mãn hàm mục tiêu khác áp dụng vào lưới điện thực tế VI Phụ lục sản phẩm (liệt kê minh chứng sản phẩm nêu Phần III) Bài báo Scopus Q2: Thuan Thanh Nguyen, Thanh Long Duong, Thanh Quyen Ngo, “Wild Geese Algorithm for The Combination Problem of Network Reconfiguration and Distributed Generation Placement,” Journal on Electrical Engineering and Informatics, Vol 14 No 1, March 2022, doi: 10.15676/ijeei.2022.14.1.5 Tp HCM, ngày 17 tháng năm 2022 Chủ nhiệm đề tài Phịng QLKH&HTQT KHOA CƠNG NGHỆ ĐIỆN Trưởng đơn vị TS Nguyễn Thanh Thuận TS Trần Thanh Ngọc Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 3.1 Kết luận Trong đề tài này, thuật tốn WGA dựa trí thơng minh bầy đàn điều chỉnh để giải thành công tốn kết hợp tái cấu hình tối ưu lắp đặt DG DN Mục tiêu xem xét trình REC-DGP cực tiểu tổn thất cơng suất xem xét đến cải thiện cấu hình điện áp dịng điện Ngồi ra, việc thực RECDGP phải trì cấu trúc hình tia DN đảm bảo giới hạn công suất DG cân công suất DN Phương pháp WGA đề xuất so sánh với hai thuật tốn dựa trí thơng minh bầy đàn khác bao gồm PSO PFA Hiệu phương pháp đánh giá DN 33 nút 69 nút cho hai toán bao gồm REC REC-DGP Những phát cơng trình tóm tắt sau: 1) WGA điều chỉnh thành cơng để tìm giải pháp tối ưu cho toán REC REC-DGP Các giải pháp đạt WGA có mức tổn thất cơng suất thấp so với cấu hình lưới điện ban đầu tốn REC, tổn thất cơng suất DN 33 nút 69 nút giảm 30.94% 56.16% so với trạng ban đầu DN Đối với toán REC-DGP, mức giảm thất thoát hai hệ thống lên đến 74.98% 84.37% Ngồi ra, cấu hình điện áp dòng điện cải thiện nhiều so với cấu trúc ban đầu 2) Sự cải thiện số DN đạt REC-DGP lớn nhiều so với việc thực REC, mức giảm tổn thất công suất đạt giải pháp REC-DGP cao 44.04% so với REC DN 33 nút cao 28.21% so với REC DN 69 nút 3) So sánh kết thống kê cho thấy WGA vượt trội PSO PFA hai toán REC REC-DGP số giá trị xấu nhất, trung bình, độ lệch chuẩn hàm thích nghi thời gian tính tốn Ngồi ra, kết so sánh với phương pháp thực trước hai hệ thống cho thấy WGA 52 phương pháp thích hợp cho hai tốn REC REC-DGP Dựa kết đạt được, WGA phương pháp hiệu đáng tin cậy cho vấn đề REC REC-DGP 3.2 Hướng phát triển đề tài Dựa toán phương pháp thực nghiên cứu này, số nội dung tiếp tục nghiên cứu bao gồm: Về tốn, tốn REC REC-DGP thực có xem xét đến yếu tố không chắn lưới điện nhu cầu phụ tải thay đổi biến động nguồn lượng sơ cấp DG xạ mặt trời, vận tốc gió Về mặt phương pháp giải, thuật tốn WGA sử dụng cho toán REC REC-DGP cho DN thực tế để đáp ứng mục tiêu kinh tế kỹ thuật khác 53 PHỤ LỤC Phụ lục Thông số lưới điện 33 nút Từ nút Đến nút R (Ω) X (Ω) P (MW) Q (MVAR) 0.0922 0.047 0.1 0.06 0.493 0.2512 0.09 0.04 0.3661 0.1864 0.12 0.08 0.3811 0.1941 0.06 0.03 0.819 0.707 0.06 0.02 0.1872 0.6188 0.2 0.1 0.7115 0.2351 0.2 0.1 1.0299 0.74 0.06 0.02 10 1.044 0.74 0.06 0.02 10 11 0.1967 0.0651 0.045 0.03 11 12 0.3744 0.1298 0.06 0.035 12 13 1.468 1.1549 0.06 0.035 13 14 0.5416 0.7129 0.12 0.08 14 15 0.5909 0.526 0.06 0.01 15 16 0.7462 0.5449 0.06 0.02 16 17 1.2889 1.721 0.06 0.02 17 18 0.732 0.5739 0.09 0.04 19 0.164 0.1565 0.09 0.04 19 20 1.5042 1.3555 0.09 0.04 20 21 0.4095 0.4784 0.09 0.04 21 22 0.7089 0.9373 0.09 0.04 23 0.4512 0.3084 0.09 0.05 23 24 0.898 0.7091 0.42 0.2 24 25 0.8959 0.7071 0.42 0.2 26 0.2031 0.1034 0.06 0.025 54 Từ nút Đến nút R (Ω) X (Ω) P (MW) Q (MVAR) 26 27 0.2842 0.1447 0.06 0.025 27 28 1.0589 0.9338 0.06 0.02 28 29 0.8043 0.7006 0.12 0.07 29 30 0.5074 0.2585 0.2 0.6 30 31 0.9745 0.9629 0.15 0.07 31 32 0.3105 0.3619 0.21 0.1 32 33 0.3411 0.5302 0.06 0.04 21 2 15 2 12 22 2 18 33 0.5 0.5 25 29 0.5 0.5 55 Phụ lục Thông số lưới điện 69 nút Từ nút Đến nút R (Ω) X (Ω) P (MW) Q (MVAR) 0.00050 0.00120 0 0.00050 0.00120 0 0.00150 0.00360 0 0.02510 0.02940 0 0.36600 0.18640 0.0026 0.0022 0.38110 0.19410 0.04 0.03 0.09220 0.04700 0.075 0.054 0.04930 0.02510 0.03 0.022 10 0.81900 0.27070 0.028 0.019 10 11 0.18720 0.06190 0.145 0.104 11 12 0.71140 0.23510 0.145 0.104 12 13 1.03000 0.34000 0.008 0.005 13 14 1.04400 0.34500 0.008 0.0055 14 15 1.0080 0.3496 0 15 16 0.19660 0.06500 0.0455 0.03 16 17 0.37440 0.12380 0.06 0.035 17 18 0.0047 0.0016 0.06 0.035 18 19 0.3276 0.1083 0 19 20 0.2106 0.0690 0.001 0.0006 20 21 0.3416 0.1129 0.114 0.081 21 22 0.0140 0.0046 0.005 0.0035 22 23 0.1591 0.0526 0 23 24 0.3463 0.1145 0.028 0.02 24 25 0.7488 0.2475 0 25 26 0.3089 0.1021 0.014 0.01 26 27 0.1732 0.0572 0.014 0.01 56 Từ nút Đến nút R (Ω) X (Ω) P (MW) Q (MVAR) 28 0.0044 0.0108 0.026 0.0186 28 29 0.0640 0.1565 0.026 0.0186 29 30 0.3978 0.1315 0 30 31 0.0702 0.0232 0 31 32 0.3510 0.1160 0 32 33 0.8390 0.2816 0.014 0.01 33 34 1.7080 0.5646 0.0195 0.014 34 35 1.4740 0.4873 0.006 0.004 36 0.0044 0.0108 0.026 0.01855 36 37 0.0640 0.1565 0.026 0.01855 37 38 0.1053 0.1230 0 38 39 0.0304 0.0355 0.024 0.017 39 40 0.0018 0.0021 0.024 0.017 40 41 0.7283 0.8509 0.0012 0.001 41 42 0.3100 0.3623 0 42 43 0.0410 0.0478 0.006 0.0043 43 44 0.0092 0.0116 0 44 45 0.1089 0.1373 0.03922 0.0263 45 46 0.0009 0.0012 0.03922 0.0263 47 0.0034 0.0084 0 47 48 0.0851 0.2083 0.079 0.0564 48 49 0.2898 0.7091 0.3847 0.2745 49 50 0.0822 0.2011 0.3847 0.2745 51 0.0928 0.0473 0.0405 0.0283 51 52 0.3319 0.1114 0.0036 0.0027 53 0.1740 0.0886 0.00435 0.0035 53 54 0.2030 0.1034 0.0264 0.019 57 Từ nút Đến nút R (Ω) X (Ω) P (MW) Q (MVAR) 54 55 0.2842 0.1447 0.024 0.0172 55 56 0.2813 0.1433 0 56 57 1.5900 0.5337 0 57 58 0.7837 0.2630 0 58 59 0.3042 0.1006 0.1 0.072 59 60 0.3861 0.1172 0 60 61 0.5075 0.2585 1.244 0.888 61 62 0.0974 0.0496 0.032 0.023 62 63 0.1450 0.0738 0 63 64 0.7105 0.3619 0.227 0.162 64 65 1.0410 0.5302 0.059 0.042 11 66 0.2012 0.0611 0.018 0.013 66 67 0.0047 0.0014 0.018 0.013 12 68 0.7394 0.2444 0.028 0.02 68 69 0.0047 0.0016 0.028 0.02 11 43 0.5000 0.5000 13 21 0.5000 0.5000 15 46 1.0000 0.5000 50 59 2.0000 1.0000 27 65 1.0000 0.5000 58 TÀI LIỆU THAM KHẢO [1] A Uniyal and S Sarangi, “Optimal network reconfiguration and DG allocation using adaptive modified whale optimization algorithm considering probabilistic load flow,” Electric Power Systems Research, no April 2019, p 106909, 2020, doi: 10.1016/j.epsr.2020.106909 [2] K Alanne and A Saari, “Distributed energy generation and sustainable development,” Renewable and Sustainable Energy Reviews, vol 10, no 6, pp 539–558, 2006, doi: 10.1016/j.rser.2004.11.004 [3] T Ackermann, G Andersson, and L Söder, “Distributed generation: A definition,” Electric Power Systems Research, vol 57, no 3, pp 195–204, 2001, doi: 10.1016/S0378-7796(01)00101-8 [4] W L Theo, J S Lim, W S Ho, H Hashim, and C T Lee, “Review of distributed generation (DG) system planning and optimisation techniques: Comparison of numerical and mathematical modelling methods,” Renewable and Sustainable Energy Reviews, vol 67, pp 531–573, 2017, doi: http://dx.doi.org/10.1016/j.rser.2016.09.063 [5] A Merlin and H Back, “Search for a minimal loss operating spanning tree configuration in an urban power distribution system,” Proceeding in 5th power system computation conf (PSCC), Cambridge, UK, vol 1, pp 1–18, 1975 [6] H Wu, P Dong, and M Liu, “Distribution Network Reconfiguration for Loss Reduction and Voltage Stability with Random Fuzzy Uncertainties of Renewable Energy Generation and Load,” IEEE Transactions on Industrial Informatics, vol 16, no 9, pp 5655–5666, 2020, doi: 10.1109/TII.2018.2871551 [7] A O Salau, Y W Gebru, and D Bitew, “Optimal network reconfiguration for power loss minimization and voltage profile enhancement in distribution systems,” Heliyon, vol 6, no 6, p e04233, 2020, doi: 10.1016/j.heliyon.2020.e04233 [8] C Gerez, L I Silva, E A Belati, A J Sguarezi Filho, and E C M Costa, 59 “Distribution Network Reconfiguration Using Selective Firefly Algorithm and a Load Flow Analysis Criterion for Reducing the Search Space,” IEEE Access, vol 7, pp 67874–67888, 2019, doi: 10.1109/ACCESS.2019.2918480 [9] J Wang, W Wang, Z Yuan, H Wang, and J Wu, “A chaos disturbed beetle antennae search algorithm for a multiobjective distribution network reconfiguration considering the variation of load and dg,” IEEE Access, vol 8, pp 97392–97407, 2020, doi: 10.1109/ACCESS.2020.2997378 [10] M A Tavakoli Ghazi Jahani, P Nazarian, A Safari, and M R Haghifam, “Multi-objective optimization model for optimal reconfiguration of distribution networks with demand response services,” Sustainable Cities and Society, vol 47, no November 2018, p 101514, 2019, doi: 10.1016/j.scs.2019.101514 [11] P Singh, N K Meena, S K Bishnoi, B Singh, and M Bhadu, “Hybrid Elephant Herding and Particle Swarm Optimizations for Optimal DG Integration in Distribution Networks,” Electric Power Components and Systems, vol 0, no 0, pp 1–15, 2020, doi: 10.1080/15325008.2020.1797931 [12] E E Elattar, E E Elattar, S K Elsayed, and S K Elsayed, “Optimal Location and Sizing of Distributed Generators Based on Renewable Energy Sources Using Modified Moth Flame Optimization Technique,” IEEE Access, vol 8, pp 109625–109638, 2020, doi: 10.1109/ACCESS.2020.3001758 [13] M Pesaran H.A., M Nazari-Heris, B Mohammadi-Ivatloo, and H Seyedi, “A hybrid genetic particle swarm optimization for distributed generation allocation in power distribution networks,” Energy, vol 209, p 118218, 2020, doi: 10.1016/j.energy.2020.118218 [14] A Eid, “Allocation of distributed generations in radial distribution systems using adaptive PSO and modified GSA multi-objective optimizations,” Alexandria Engineering Journal, vol 59, pp 4771–4786, 2020, doi: 10.1016/j.aej.2020.08.042 [15] M A Nezhadpashaki, F Karbalaei, and S Abbasi, “Optimal placement and 60 sizing of distributed generation with small signal stability constraint,” Sustainable Energy, Grids and Networks, vol 23, p 100380, 2020, doi: 10.1016/j.segan.2020.100380 [16] H B Tolabi, A L Ara, and R Hosseini, “A new thief and police algorithm and its application in simultaneous reconfiguration with optimal allocation of capacitor and distributed generation units,” Energy, vol 203, p 117911, 2020, doi: 10.1016/j.energy.2020.117911 [17] A Jafar-Nowdeh et al., “Meta-heuristic matrix moth–flame algorithm for optimal reconfiguration of distribution networks and placement of solar and wind renewable sources considering reliability,” Environmental Technology and Innovation, vol 20, p 101118, 2020, doi: 10.1016/j.eti.2020.101118 [18] A Bagheri, M Bagheri, and A Lorestani, “Optimal reconfiguration and DG integration in distribution networks considering switching actions costs using tabu search algorithm,” Journal of Ambient Intelligence and Humanized Computing, pp 1–20, 2020, doi: 10.1007/s12652-020-02511-z [19] K S Sambaiah and T Jayabarathi, “Optimal reconfiguration and renewable distributed generation allocation in electric distribution systems,” International Journal of Ambient Energy, vol 2019, pp 1–29, 2019, doi: 10.1080/01430750.2019.1583604 [20] A M Shaheen, A M Elsayed, R A El-Sehiemy, and A Y Abdelaziz, “Equilibrium optimization algorithm for network reconfiguration and distributed generation allocation in power systems,” Applied Soft Computing, vol 98, no xxxx, p 106867, 2020, doi: 10.1016/j.asoc.2020.106867 [21] U Raut and S Mishra, “Enhanced Sine–Cosine Algorithm for Optimal Planning of Distribution Network by Incorporating Network Reconfiguration and Distributed Generation,” Arabian Journal for Science and Engineering, vol 46, no 2, pp 1029–1051, 2021, doi: 10.1007/s13369-020-04808-9 [22] V K Thunuguntla and S K Injeti, “Ɛ-constraint multiobjective approach for optimal network reconfiguration and optimal allocation of DGs in radial 61 distribution systems using the butterfly optimizer,” International Transactions on Electrical Energy Systems, vol 30, no 11, pp 1–20, 2020, doi: 10.1002/2050-7038.12613 [23] O Badran, J Jallad, H Mokhlis, and S Mekhilef, “Network reconfiguration and DG output including real time optimal switching sequence for system improvement,” Australian Journal of Electrical and Electronics Engineering, vol 17, no 3, pp 157–172, 2020, doi: 10.1080/1448837X.2020.1800556 [24] M Azam Muhammad, H Mokhlis, K Naidu, A Amin, J Fredy Franco, and M Othman, “Distribution Network Planning Enhancement via Network Reconfiguration and DG Integration Using Dataset Approach and Water Cycle Algorithm,” Journal of Modern Power Systems and Clean Energy, vol 8, no 1, pp 86–93, 2020, doi: 10.35833/mpce.2018.000503 [25] H Teimourzadeh and B Mohammadi-Ivatloo, “A three-dimensional group search optimization approach for simultaneous planning of distributed generation units and distribution network reconfiguration,” Applied Soft Computing Journal, vol 88, p 106012, 2020, doi: 10.1016/j.asoc.2019.106012 [26] A Mohamed Imran, M Kowsalya, and D P Kothari, “A novel integration technique for optimal network reconfiguration and distributed generation placement in power distribution networks,” International Journal of Electrical Power and Energy Systems, vol 63, pp 461–472, 2014, doi: 10.1016/j.ijepes.2014.06.011 [27] U Raut and S Mishra, “An improved sine–cosine algorithm for simultaneous network reconfiguration and DG allocation in power distribution systems,” Applied Soft Computing Journal, vol 92, p 106293, 2020, doi: 10.1016/j.asoc.2020.106293 [28] M F Abd El-salam, E Beshr, and M B Eteiba, “A new hybrid technique for minimizing power losses in a distribution system by optimal sizing and siting of distributed generators with network reconfiguration,” Energies, vol 11, no 62 12, 2018, doi: 10.3390/en23123351 [29] D H Wolpert and W G Macready, “No free lunch theorems for optimization,” IEEE Transactions on Evolutionary Computation, vol 1, no 1, pp 67–82, 1997, doi: 10.1109/4235.585893 [30] A Y Abdelaziz, F M Mohamed, S F Mekhamer, and M A L Badr, “Distribution system reconfiguration using a modified Tabu Search algorithm,” Electric Power Systems Research, vol 80, no 8, pp 943–953, 2010, doi: 10.1016/j.epsr.2010.01.001 [31] T Thanh Nguyen, T T Nguyen, and N A Nguyen, “Optimal Network Reconfiguration to Reduce Power Loss Using an Initial Searching Point for Continuous Genetic Algorithm,” Complexity, vol 2020, p 2420171, 2020, doi: 10.1155/2020/2420171 [32] M Ghasemi, A Rahimnejad, R Hemmati, E Akbari, and S A Gadsden, “Wild Geese Algorithm: A novel algorithm for large scale optimization based on the natural life and death of wild geese,” Array, vol 11, no June, p 100074, 2021, doi: 10.1016/j.array.2021.100074 [33] J Kennedy and R C Eberhart, “Particle swarm optimization,” Proceedings of ICNN’95 - International Conference on Neural Networks, pp 39–43, 1995, doi: 10.1109/ICNN.1995.488968 [34] H Yapici and N Cetinkaya, “A new meta-heuristic optimizer: Pathfinder algorithm,” Applied Soft Computing Journal, vol 78, pp 545–568, 2019, doi: 10.1016/j.asoc.2019.03.012 [35] H M H Farh, A M Eltamaly, A M Al-Shaalan, and A A Al-Shamma’a, “A novel sizing inherits allocation strategy of renewable distributed generations using crow search combined with particle swarm optimization algorithm,” IET Renewable Power Generation, vol 15, no 7, pp 1436–1450, 2021, doi: 10.1049/rpg2.12107 [36] S Tiwari and A Kumar, “Reconfiguration and Optimal Micro-Phasor Unit Placement in a Distribution System Using Taguchi-Binary Particle Swarm 63 Optimization,” Arabian Journal for Science and Engineering, 2020, doi: 10.1007/s13369-020-04973-x [37] L Wang and C Singh, “Stochastic economic emission load dispatch through a modified particle swarm optimization algorithm,” Electric Power Systems Research, vol 78, no 8, pp 1466–1476, 2008, doi: 10.1016/j.epsr.2008.01.012 [38] H Yapici, “Solution of optimal reactive power dispatch problem using pathfinder algorithm,” Engineering Optimization, vol 53, no 11, pp 1946– 1963, 2021, doi: 10.1080/0305215X.2020.1839443 [39] P Subburaj, K Ramar, L Ganesan, and P Venkatesh, “Distribution System Reconfiguration for Loss Reduction using Genetic Algorithm,” Journal of Electrical Systems, vol 2, no 4, pp 198–207, 2006 [40] M Sedighizadeh, M Dakhem, M Sarvi, and H H Kordkheili, “Optimal reconfiguration and capacitor placement for power loss reduction of distribution system using improved binary particle swarm optimization,” International Journal of Energy and Environmental Engineering, vol 5, no 1, p 73, 2014, doi: 10.1007/s40095-014-0073-9 [41] L Li and C Xuefeng, “Distribution Network Reconfiguration Based on Niche Binary Particle Swarm Optimization Algorithm,” Energy Procedia, vol 17, pp 178–182, 2012, doi: 10.1016/j.egypro.2012.02.080 [42] N S Vadivoo and S M R Slochanal, “Distribution System Restoration Using Genetic Algorithm with Distributed Generation,” Modern Applied Science, vol 3, no 4, pp 98–110, 2009 [43] R D Zimmerman, C E Murillo-Sanchez, and R J Thomas, “MATPOWER: Steady-State Operations, Planning, and Analysis Tools for Power Systems Research and Education,” IEEE Transactions on Power Systems, vol 26, no 1, pp 12–19, 2011, doi: 10.1109/TPWRS.2010.2051168 [44] M E Baran and F F Wu, “Network reconfiguration in distribution systems for loss reduction and load balancing,” IEEE Transactions on Power Delivery, 64 vol 4, no pp 1401–1407, 1989, doi: 10.1109/61.25627 [45] H.-D Chiang and R Jean-Jumeau, “Optimal network reconfigurations in distribution systems: Part 2: Solution algorithms and numerical results,” IEEE Transactions on Power Delivery, vol 5, no 3, pp 1568–1574, 1990, doi: 10.1109/61.58002 [46] T T Nguyen and T T Nguyen, “An improved cuckoo search algorithm for the problem of electric distribution network reconfiguration,” Applied Soft Computing, vol 84, p 105720, 2019, doi: 10.1016/j.asoc.2019.105720 65 PHẦN III PHỤ LỤC ĐÍNH KÈM (Tất văn có sẵn, chủ nhiệm cần photo đính kèm sau nội dung trên, sử dụng lý hợp đồng với phịng kế tốn Khi lý, báo cáo in thành 03 cuốn, đó, 01 đóng bìa mạ vàng, 02 đóng bìa cứng thường) Hợp đồng thực đề tài nghiên cứu khoa học Thuyết minh đề tài phê duyệt Quyết định nghiệm thu Hồ sơ nghiệm thu (biên họp, phiếu đánh giá, bảng tổng hợp điểm, giải trình, phiếu phản biện) Sản phẩm nghiên cứu: Bài báo Thuan Thanh Nguyen, Thanh Long Duong, Thanh Quyen Ngo, “Wild Geese Algorithm for The Combination Problem of Network Reconfiguration and Distributed Generation Placement,” Journal on Electrical Engineering and Informatics, Vol 14 No 1, March 2022, doi: 10.15676/ijeei.2022.14.1.5 66 ... Chương MƠ HÌNH BÀI TỐN TÁI CẤU HÌNH LƯỚI ĐIỆN PHÂN PHỐI CĨ XÉT ĐẾN NGUỒN ĐIỆN PHÂN TÁN 1.1 Tổng quan toán tái cấu hình kết hợp với tối ưu vị trí công suất nguồn điện phân tán Cấp điện áp thấp tổn thất... MƠ HÌNH BÀI TỐN TÁI CẤU HÌNH LƯỚI ĐIỆN PHÂN PHỐI CĨ XÉT ĐẾN NGUỒN ĐIỆN PHÂN TÁN 18 1.1 Tổng quan toán tái cấu hình kết hợp với tối ưu vị trí công suất nguồn điện phân tán 18... phương pháp giải toán tái cấu trúc lưới có xét đến vị trí cơng suất nguồn điện phân tán 19 1.2 Mơ hình tốn tái cấu hình kết hợp với tối ưu vị trí công suất nguồn điện phân tán