áp dụng thuật toán ipso để tính toán điều độ tối ưu cho nhà máy diện có chu trình hỗn hợp

Bài toán điều độ tối ưu sử dụng hảo trong việc giải quyết những vấn đề trái ngược như: tối đa lợi nhuận, vận hành an toàn và tăng cường an ninh năng lượng.Xây dựng phần mềm để giúp cho c

Trang 1

luận văn thạc sĩ

BỘ GIÁO DỤC VÀ ĐÀO TẠO

LUẬN VĂN THẠC SỸ

Chuyên ngành: Kỹ thuật điện

Trang 2

Giáo viên hướng dẫn

fgf fgxx fgfg45 fg fsdf gr fgf gfg fgf rt d gdf gdfg dh dff gdf dfddfg 54545 f df ddf d dfdf df dfd fd dfd ddgdgdd dd d d fdfd 454 dhfg fgfgf

gfsdsd sd sdsd dsd sd454 4545 4545xfdf def dtrrtrrtrt 454 454 545gd luan van do an khoa luan tot nghiep fdfd 454 dhfg fgfgf

Trang 3

Trang 4

Tính cấp thiết của đề tài 10

Mục tiêu của đề tài 11

Nội dung và phạm vi nghiên cứu 12

CHƯƠNG 2: TỔNG QUAN VỀ BÀI TOÁN VÀ CÁC PHƯƠNG PHÁP NGHIÊN CỨU 13

Tổng quan về tình hình nghiên cứu 13

Phương pháp Lambda Dispatch (LD) 13

Phương pháp quy hoạch tuyến tính (Linear Programing) 14

Phương pháp di truyền trong miền số thực (Real–coded Genetic Algorithm – RGA) 14

Phương pháp nghiên cứu cải tiến Harmony- Improved Harmony Search -(IHS) 15 Phương pháp tiến hóa khác-Differental Evolutionanry- (DE) 15

Phương pháp tối ưu bầy đầy đàn dạng cơ bản (PSO) 16

Thuật toán giải quyết PSO 17

Tổng quan một số cải tiến quan trọng của phương pháp tối ưu bầy đàn 21

2.9.1 Phương pháp tối ưu bày đàn với hệ số co 21

2.9.2 Phương pháp tối ưu bầy đàn với Kỹ thuật gradient giả 21

2.9.3 Ưu điểm và nhược điểm của phương pháp bày đàn 22

Đề xuất phương pháp tối ưu bầy đàn cải tiến 23

CHƯƠNG 3: ÁP DỤNG PHƯƠNG PHÁP TỐI ƯU BẦY ĐÀN CẢI TIẾN ĐỂ GIẢI QUYẾT BÀI TOÁN 25

Xây dựng thuật toán 25

3.1.1 Xây dựng hàm Fitness: 25

3.1.2 Lựa chọn biến tìm kiếm và khởi tạo các giá trị ban đầu 25

Áp dụng thuật toán bầy đàn cải tiến giải bài toán phân bố tối ưu công suất có xét đến ràng buộc an ninh 26

CHƯƠNG 4: GIỚI THIỆU VỀ NMĐ CHU TRÌNH HỖN HỢP PHÚ MỸ 2.1 & 2.1MR 29

Trang 5

HVTH: HOÀNG KIM LẬP

Các thông số hàm mục tiêu và các ràng buộc trong điều kiện vận hành của Nhà

máy điện Phú Mỹ 2.1 &2.1MR: 29

4.1.1 Hàm mục tiêu 29

4.1.2 Hàm ràng buộc 29

Giới thiệu về nhà máy điện Phú Mỹ 2.1 29

Giới thiệu về nhà máy điện Phú Mỹ 2.1MR: 33

Nguồn cung cấp khí gas 33

Điều độ tối ưu cho nhà máy điện có chu trình hỗn hợp: 35

CHƯƠNG 5: TÍNH TOÁN CHI PHÍ VẬN HÀNH 38

Tính chi phí khởi động cho Phú Mỹ 2.1: 38

5.1.1 Chu trình đơn 1GT 38

a Chi phí khởi động 38

b Đường cong chi phí khi khởi động: 39

c Hàm chi phí tương đương: 39

d Giới hạn tải và vùng cấm vận hành liên tục: 40

a Chi phí khởi động: 40

b Đường cong chi phí: 41

5.1.3 Chu trình hỗn hợp 1GT+ST: (1-1-1): 42

5.1.4 Chu trình hỗn hợp 2GT+ST (2-2-1) 43

+ Trường hợp 1: 43

+ Trường hợp 2: 44

Tính chi phí khởi động cho Phú Mỹ 2.1MR: 46

Trang 6

5.2.3 Chu trình hỗn hợp 1GT+ST: (1-1-1) Phú Mỹ 2.1MR: 49

5.2.4 Chu trình hỗn hợp 2GT+ST (2-2-1) 51

CHƯƠNG 6: KẾT QUẢ TÍNH TOÁN CHI PHÍ VẬN HÀNH THỰC TẾ SO SÁNH VỚI THUẬT TOÁN IPSO 54

Kết quả tính toán cho chu trình đơn 1GT 54

Kết quả tính toán cho chu trình đơn 2GT 54

Kết quả tính toán cho chu trình hỗn hợp 1GT+ST 55

Kết quả tính toán cho chu trình hỗn hợp 2GT+ST 56

CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 58

Kết luận: 58

Hướng phát triển đề tài 58

Tài liệu tham khảo 60

Phụ lục 61

Trang 7

Hình 4-1: Sơ đồ kết nối lưới điện NMĐ PM2.1& 2.1MR 30

Hình 4-2: Nhà máy điện Phú Mỹ 2.1 (450MWe) 31

Hình 4-3 Sơ đồ chu trình đơn và chu trình hỗn hợp 32

Hình 4-4 - Hệ thống cung cấp khí gas 34

Hình 4-5 Cấu hình 2-2-1 của Nhà máy điện Phú Mỹ 2.1 & 2.1MR 34

Hình 4-6 Đồ thị hàm tăng chi phí của CC unit 35

Trang 8

DANH MỤC CÁC BẢNG BIỂU

Bảng 4-1 Các trạng thái có thể vận hành với nhà máy 35

Bảng 5-1 Chi phí khởi động chu trình đơn 1GT của NMĐ PM2.1 38

Bảng 5-2 Chi phí khởi động chu trình đơn 2GT của NMĐ PM2.1 40

Bảng 5-3 Chi phí khởi động chu trình hỗn hợp 1GT+1ST của NMĐ PM2.1 42

Bảng 5-4 Chi phí khởi động chu trình hỗn hợp 2GT+1ST của NMĐ PM2.1 44

Bảng 5-5 Chi phí khởi động chu trình đơn 1GT của NMĐ PM2.1MR 46

Bảng 5-6 Chi phí khởi động chu trình đơn 2GT của NMĐ PM2.1MR 48

Bảng 5-7 Chi phí khởi động chu trình hỗn hợp 1GT+1ST của NMĐ PM2.1MR 50

Bảng 5-8 Chi phí khởi động chu trình hỗn hợp 2GT+1ST của NMĐ PM2.1MR 52

Bảng 6-1 So sánh chi phí vận hành thực tế và phương pháp IPSO trong chu trình đơn 1GT 54

Bảng 6-2 So sánh chi phí vận hành thực tế và phương pháp IPSO trong chu trình đơn 2GT 55

Bảng 6-3 So sánh chi phí vận hành thực tế và phương pháp IPSO trong chu trình hỗn hợp 1GT+ST 56

Bảng 6-4 So sánh chi phí vận hành thực tế và phương pháp IPSO trong chu trình hỗn hợp 2GT+ST 57

Trang 9

DANH MỤC CÁC TỪ VIẾT TẮT

EDCC Economic Dispatch with Combined Cycle units

Điều độ tối ưu cho nhà máy điện chu trình hỗn hợp

LD Lambda Dispatch

IPSO PSO

Improved Particle Swarm Optimization Particle Swarm Optimization

Tối ưu bầy đàn cải tiến Tối ưu bầy đàn

RGA Real–coded Genetic Algorithm Phương pháp di truyền trong miền số thực

IHS Improved Harmony Search Nghiên cứu Harmony cải tiến CCPP Combined Cycle Power Plant Nhà máy điện chu trình hỗn hợp CT/GT Combustion Turbine/ Gas Turbine Tua bin khí

HRSG Heat Recovery Steam Generator Lò thu hồi nhiệt

IEEE Institute of Electrical & Electronics Engineers

Hội kỹ sư điện và điện tử

Trang 10

Tại khu vực phía Nam thì cụm khí điện đạm Phú Mỹ với tổng công suất gần 4000 MW chiếm tỷ trọng đáng kể trong toàn bộ hệ thống Việc điều độ tối ưu các nguồn phát này sẽ mang lại lợi ích kinh tế không nhỏ trong lúc nguồn nhiên liệu hóa thạch ngày càng khan hiếm Nó còn giúp cho các tổ máy phát tăng tuổi thọ, hợp lý hóa quá trình ngừng máy, khởi động, bảo dưỡng định kỳ và tăng nguồn dự phòng cho hệ thống

Tính cấp thiết của đề tài

Cụm nhiệt điện Phú Mỹ bao gồm các nhà máy như sau:

Trang 11

Chi phí sản xuất nói chung bao gồm chi phí cố định và chi phí thay đổi Chi phí cố định rất quan trọng trong việc quyết định giá công suất khi thương thảo các hợp đồng Chi phí thay đổi (chi phí vận hành) là những chi phí liên quan đến việc huy động các tổ máy và phụ thuộc vào các chế độ khác nhau của hệ thống điện Các chi phí thay đổi phụ thuộc vào các quyết định vận hành của nhân viên vận hành Chi phí thay đổi bao gồm: chi phí bảo dưỡng thường xuyên, chi phí nhiên liệu, chi phí khởi động, dừng máy và chi phí dừng dự phòng

Chính vì thế cần có một công cụ để giúp cho vận hành viên theo dỏi, giám sát, ra quyết định để lựa chọn phù hợp các tổ máy phát nhằm giảm chi phí vận hành, giảm sự cố, để tối ưu hóa lợi nhuận

Mục tiêu của đề tài

Bài toán ED đã có lịch sử phát triển từ lâu đời, nó có ý nghĩa quan trọng trong quy hoạch và điều khiển hệ thống điện Tuy nhiên cho đến nay nhiều vấn đề liên quan đến bài toán ED vẫn còn đang trong quá trình nghiên cứu và hoàn thiện Chẳng hạn như sự đảm bảo tính hội tụ và tìm đến lời giải tối ưu đối với bài toán

Trang 12

ED không lồi dạng tổng quát cũng như độ tin cậy của thuật toán mà các phương pháp cổ điển và hiện tại chưa giải quyết được Bài toán điều độ tối ưu sử dụng

hảo trong việc giải quyết những vấn đề trái ngược như: tối đa lợi nhuận, vận hành an toàn và tăng cường an ninh năng lượng.

Xây dựng phần mềm để giúp cho các kỹ sư vận hành ra các quyết định mà trong đó có các trường hợp nằm ngoài quy trình vận hành hay các trường hợp không rõ ràng mà nó tích lũy từ kinh nghiệm của kỹ sư Những hỗ trợ cũng có thể thực hiện

một chức năng quan trọng là “học tập” các kinh nghiệm để có thể được củng cố

thêm các kịch bản nhằm giải quyết tốt hơn các vấn đề sẽ gặp trong tương lai Một trong những hỗ trợ đó là một chương trình dựa trên phương pháp IPSO để cải thiện phân bố công suất tối ưu Việc tính toán có khả năng thông báo, cập nhật cho các vận hành viên các kịch bản khả năng và nếu mất an ninh nó có thể phòng ngừa được bằng cách loại các mệnh lệnh ban hành không hợp lý.

Đề tài sẽ là công cụ cơ sở cho các vận hành viên ra quyết định cho khu vực cụm nhiệt điện Phú Mỹ, mà điển hình là nhà máy điện Phú Mỹ 2.1 và Phú Mỹ 2.1MR

Nội dung và phạm vi nghiên cứu

Nghiên cứu điều độ tối ưu dùng phương pháp IPSO để áp dụng cho việc điều độ các nhà máy điện Phú Mỹ 2.1 & 2.1MR Với số liệu thiết kế, các thông số vận hành thực tế và kinh nghiệm vận hành trong các năm qua của nhà máy điện Phú Mỹ 2.1 & 2.1MR sẽ được sử dụng để làm số liệu đầu vào cho bài toán.

Mô hình hóa các số liệu để đảm bảo sự phối kết hợp giữa lý thuyết và thực tiễn Đảm bảo tính đúng đắn của các kịch bản nhằm tạo tiền đề cho các nghiên cứu chuyên sâu và áp dụng thực tế.

Trang 13

Tổng quan về tình hình nghiên cứu

Bài toán điều độ tối ưu của nhà máy điện có chu trình hỗn hợp là một dạng bài toán mới trong nền công nghiệp năng lượng ngày nay Vì có sự kết hợp giữa các máy phát với nhau, nên công suất của hệ thống cũng phụ thuộc vào sự kết hợp này Do đó, người vận hành vừa phải tính toán việc vận hành vừa đảm bảo yêu cầu công suất của hệ thống, đồng thời phải đảm bảo phải tối ưu về mặt kinh tế Do là chu trình hỗn hợp nên hàm chi phí cũng khác so với các bài toán thông thường, nên ta phải sử dụng các phương pháp giải đặc biệt để giải quyết bài toán Một số phương pháp giải bài toán này như phương pháp đếm/lặp (Enumeration/Iteration), quy hoạch động (Dynamic Programing), phương pháp tiến hóa (Evolutionary Algorithm), phương pháp tối ưu bầy đàn cải tiến (IPSO) Mặc dù không có một phương pháp nào có thể đảm bảo kết quả đạt được là tối ưu, nhưng với đặc trưng của hệ thống thì các phương pháp trên có thể giải quyết được bài toán Với sự phát triển của phần cứng máy tính, lý thuyết mạng neural ra đời làm cho các hệ thống lớn được mô phỏng như một tổ chức thần kinh của con người, nhờ đó đã mang lại nhiều tiến bộ vượt bâc Áp dụng những thành tựu từ mạng neural, một phương pháp mới được đưa ra để giải quyết bài toán phân bố công suất tối ưu được gọi là phương pháp tối ưu bầy đàn cải tiến Trong đề tài luận văn này, tôi xin trình bày về thuật toán IPSO và ứng dụng của thuật toán vào trong bài điều độ tối ưu các máy phát có chu trình hỗn hợp Phần trình bày sau đây sẽ giới thiệu sơ lược một số phương pháp và ưu khuyết điểm của nó

Phương pháp Lambda Dispatch (LD)

Phương pháp Lambda Dispatch có lẽ là phương pháp được sử dụng rộng rãi nhất hiện nay Ưu điểm của phương pháp là khá nhanh và khái quát, đáp ứng được nhiều điều kiện vận hành Trong phương pháp này, bài toán EDCC được giải quyết thông qua một quá trình lặp đi lặp lại nhiều lần Mỗi vòng lặp bao gồm việc tạo ra giá trị mới của �, gọi là chi phí hệ thống kép → xác định công suất vận hành của các tổ máy → kiểm tra nhằm đảm bảo các yêu cầu của hệ thống

Phương pháp LD có thể được mở rộng bằng cách thêm vào những điều kiện

Trang 14

liên kết giữa các hệ thống thông qua những hệ số nhân Lagrange, mỗi điều kiện thêm vào là 1 số nhân Lagrange Lời giải cho bài toán mở rộng đòi hỏi phải liên tục ước lượng các hệ số nhân cho đến khi mọi điều kiện của bài toán đều được thỏa mãn Vì vậy, phương pháp LD khá dễ dàng mở rộng các bài toán điều độ kinh tế trong nhiều vùng Tuy nhiên khi các hệ số nhân tăng lên, quá trình giải sẽ trở nên phức tạp hơn và thường không thể giải được do kết quả không hội tụ

Phương pháp quy hoạch tuyến tính (Linear Programing)

Quy hoạch tuyến tính được nghiên cứ từ những năm 1940 Một số nhà khoa học có công trình đầu tiên về lĩnh vực này là nhà toán học Xô Viết L.V Kantorovich, và nhà toán học Mỹ G.B Dantzig – người đã đưa ra phương pháp đơn hình để giải các bài toán quy hoạch tuyến tính và đã trở thành cơ sở cho hầu hết các thuật toán giải bài toán quy hoạch tuyến tính được nghiên cứu sau này

Phương pháp quy hoạch tuyến tính (LP) thường được áp dụng để giải các bài toán EDCC bằng cách tuyến tính đường cong chi phí thành những đoạn gấp khúc Phương pháp LP khá lợi thế trong việc giải quyết những bài toán có điều kiện là những đẳng thức hoặc bất đẳng thức tuyến tính Bên cạnh đó, vấn đề hội tụ không là trở ngại lớn do phương pháp LP giải quyết dựa trên căn nguyên của bài toán

Khuyết điểm chính khi áp dụng phương pháp LP là quá trình tuyến tính hóa hàm chi phí, vì phương pháp này giải quyết cho các đoạn gấp khúc, nên mỗi đoạn sẽ có một sai số riêng làm cho kết quả bài toán không được như mong muốn ban đầu nếu như hệ thống phức tạp hơn và có nhiều đoạn gấp khúc hơn

Phương pháp di truyền trong miền số thực (Real–coded Genetic Algorithm –

RGA)

Genetic Algorithm (GA) là kỹ thuật tính toán nhằm tìm kiếm chính xác hoặc gần chính xác giải pháp tối ưu Quá trình tìm kiếm của GA là quá trình tìm kiếm song song thông qua việc đánh giá cùng lúc nhiều điểm trong không gian các lời giải Chính nhờ điểm đó mà GA rất có lợi thế nhờ việc giảm số lần lặp khi tính toán Một cách khái quát, GA có 5 thành phần như sau:

 Một gen đại diện cho các giải pháp của vấn đề

 Một cách thức để khởi tạo cộng đồng các giải pháp ban đầu  Một hàm để đánh giá mức độ thích hợp của giải pháp

Trang 15

Tuy nhiên, khuyết điểm lớn nhất của phương pháp GA là phải chỉ áp dụng được cho bài toán rời rạc Đối với những bài toán EDCC có không gian lời giải là liên tục, ta cần có quá trình biến đổi để đưa về dạng rời rạc

Phương pháp nghiên cứu cải tiến Harmony- Improved Harmony Search -

(IHS)

Phương pháp nghiên cứu cải tiến Harmony là một dạng của thuật toán tiến hóa, được phát triển bởi Z.W Geem, J.H Kim và G.V Loganathan khoảng 1 thập kỷ trở lại đây Phương pháp này áp dụng khá thành công để giải các bài toán tối ưu trong lĩnh vực xây dựng và cơ khí Tiếp tục phát triển phương pháp này, V Ravikumar Pandi và các đồng sự đã áp dụng vào bài toán vận hành tối ưu liên vùng với 4 vùng và 16 tổ máy

Phương pháp IHS mô phỏng theo quá trình sáng tác ngẫu hứng của các nhạc sỹ để tạo nên những giai điệu tuyệt vời Khi sáng tác, mỗi nhạc sĩ đều cố gắng cải tiến chất lượng âm thanh của nhạc cụ từ đó tìm ra những trạng thái hòa âm tốt hơn Cũng tương tự như vậy, IHS sử dụng những thông số điều khiển gọi là

“bandwidth” có thể thay đổi một cách thích nghi Quá trình cải tiến các Harmony

vector trong phương pháp IHS được thực hiện bằng cách những Harmony vector mới tạo thành dựa vào các thông số bandwidth sẽ được thay thế cho vector dở nhất trong bộ nhớ Harmony, nếu nó tốt hơn vector này Quá trình chỉ dừng lại khi đạt được số vòng lặp đã được đặt trước

Kết quả tính toán cho thấy phương pháp IHS khá hứa hẹn, có thể giải được các điều kiện vận hành khó như điều kiện vùng cấm vận hành hay kích thước bài toán khá lớn

Phương pháp tiến hóa khác-Differental Evolutionanry- (DE)

DE là phương pháp tối ưu hóa hàm đa chiều dựa trên quá trình tìm kiếm ngẫu nhiên để giải quyết bài toán tối ưu hóa toàn cục Đối với các vấn đề trong hệ thống điện DE đã được áp dụng để giải quyết một số bài toán phân bố công suất tối ưu Thuật toán DE được mô tả qua hình vẽ sau:

Trang 16

Hình 2-1 Thuật toán DE

Từ “cộng đồng” các lời giải đầu tiên, ta chọn ngẫu nhiên một lời giải và được

vun đắp nhờ không gian các thông số Qua mỗi “thế hệ” ��,�, DE sử dụng cả kỹ thuật đột biến và kỹ thuật tái sản xuất để tạo thành vector thử nghiệm ��,�+1 Sau đó thông qua quá trình chọn lọc sẽ được so sánh với vector mục tiêu để lựa chọn thế hệ kế tiếp Biểu thức tạo ra vector đột biến ��,�+1 như sau:

��,�+1 = ��3,� + �(��1,� − ��2,�) Trong đó:

F: là hằng số đột biến

��1,�, ��2,�, ��3,�: là những cá thể được lựa chọn ngẫu nhiên trong thế hệ hiện tại của “cộng đồng”

Phương pháp tối ưu bầy đầy đàn dạng cơ bản (PSO)

Phương pháp tối ưu bầy đàn là kỹ thuật tối ưu hóa được phát triển bởi Kennedy và Eberhart vào năm 1995 dựa trên sự mô phỏng xã hội của các động vật cấp thấp như cá, chim… PSO giải quyết một vấn đề tối ưu hóa bằng cách có một cá thể và di chuyển các cá thể đó trong không gian tìm kiếm của vấn đề sử dụng công thức toán học đơn giản hơn vị trí và tốc độ của các cá thể [11] Trong mỗi lần lặp, mỗi cá thể được cập nhật dựa trên hai giá trị tốt nhất Giá trị đầu tiên (tốt nhất cục bộ) là giải pháp tốt nhất mà các cá thể đạt được và cá thể cuối cùng (tốt nhất toàn cục) là giải pháp tốt nhất mà mật độ quần thể đạt được.

Ý tưởng của phương pháp bắt đầu bằng một trường hợp sự cố của các cá thể của cộng đồng dân cư trong không gian tìm kiếm Kết quả tối ưu toàn cục do sự hiệu chỉnh quỹ đạo của các cá thể sẽ dẫn đến vị trí tốt nhất và phần tử tối ưu nhất trong nhóm sau mỗi lần bước tính Ưu điểm của phương pháp tối ưu bầy đàn là tính đơn giản và khả năng hội tụ nhanh, đạt kết quả tốt.

Quỹ đạo của mỗi cá thể trong không gian tìm kiếm được hiệu chỉnh bằng cách

Trang 17

HVTH: HOÀNG KIM LẬP thay đổi vận tốc của từng cá thể, thông qua kinh nghiệm bay của nó và kinh nghiệm bay của những cá thể khác trong không gian tìm kiếm Vector vị trí và vector vận tốc của một cá thể thứ i trong không gian d chiều:

Xi 



xi1, xi2, , xid



Vi



vi1, vi2, , vid



Thông qua cách đặt hàm định nghĩa, chúng ta sẽ tìm ra được giá trị phù hợp nhất

phù hợp nhất tại thời điểm t là: Gbest =(pg1, pg2,…pgd) Sau đó, vận tốc mớivà vị trí mới của các cá thể được tính toán bằng 2 biểu thức sau:

vid  vid  c1  rand1 ( pid  xid )  c2  rand2 



pgd

xid



x

id

 x

id

 v

id

(2.4)Trong đó:

Ban đầu các cá thể sẽ được tạo ra bằng một vị trí và vận tốc ngẫu nhiên Sự phù hợp của các cá thể được ước lượng thông qua hàm mục tiêu Ở mỗi thời kỳ, vận tốc của từng cá thể được tính toán thông qua (2.3) và vị trí trong lần ước lượng tới được cập nhật bằng (2.4) Sau mỗi khoảng thời gian nếu các cá thể tìm ra vị trí tối ưu hơn vị trí trước thì vị trí của nó được lưu vào bộ nhớ Ta dùng khái

niệm “vận tốc lớn nhất” (Vmaxd) cho vector vận tốc của các cá thể để điều khiển

phạm vi trong không gian tìm kiếm do người dùng tự định nghĩa.

Thuật toán giải quyết PSO

Trong phần này sẽ trình bày thuật toán tối ưu giải quyết bài toán phân bổ công suất trên giải thuật PSO cơ bản Trên cơ sở đó là tiền đề cho sự phát triển các thế hệ sau tối ưu hơn.

Trang 18

Mô tả các yếu tố cơ bản cần thiết cho sự phát triển của Giải pháp thuật toán PSO cơ bản được trình bày dưới đây:

 Cá thể X(t): là một giải pháp đại diện bởi một vec- tơ m đa chiều, trong đó

tức là giá trị tối ưu tham số thứ k trong các giải pháp cá thể chọn lọc thứ ��ℎ.

 Quần thể ��(�): là tập hợp các cá thể � tại thời điểm �, tức là ��(�) =

 Bầy đàn (��): là của một quần thể gần như không trật tự di chuyển có xu hướng chụm lại với nhau, mà mỗi cá thể có vẻ là di chuyển theo một hướng ngẫu nhiên.

 Vận tốc cá thể �(�): vận tốc di chuyển của mỗi cá thể đại diện bởi một vec– tơ đa chiều � Tại thời điểm � cá thể thứ j (��ℎ) chuyển động với vận tốc

phần vận tốc của cá thể ��ℎ liên quan đến chiều thứ k (��ℎ).

 Quán tính trọng lượng �(�): là một tham số điều khiển để kiểm soát tác độngcủa vận tốc trước đó lên vận tốc hiện tại Do đó nó tác động đến sự thoả hiệp, thăm dò khả năng giữa các cá thể cục bộ và toàn thể, trọng lượng quán tính lớn để năng cao tính thăm dò toàn thể, được “tiến cử” ở trạng thái ban đầu cho đến trạng thái cuối cùng, trọng lượng quán tính giảm tính thăm dò cục bộ tốt hơn.

trị thích hợp tại vị trí hiện tại, đến giá trị thích hợp nhất đã có được bất kỳ lúc nào ngay lúc đó Vị trí tốt nhất đó liên quan đến giá trị thích hợp nhất (best fitness) cho đến khi được chọn là vị trí tốt nhất tại thời điểm t gọi là

thể được xác định và cập nhật trong suốt qua trình tìm kiếm Ví dụ, trong

Trang 19

Trang 20

a/ Số lần lặp, sự thay đổi ở giải pháp cuối cùng xảy ra tốt nhất lớn hơn đưuọc xác định ở lần trước đó Hoặc

b/ Số lần lặp đến số lượng tối đa cho phép Với sự mô tả các yếu tố cơ bản trên, các thuật toán giải pháp được phát triển đưa ra dưới đây:

+ Để thực hiện sự tìm kiếm thống nhất trong giai đoạn đầu và tìm kiếm ở các vùng cục bộ sau đó, một quy trình rèn luyện như sau Hàm suy giảm cho sự suy giảm quán tính trọng lượng được cho là �(�) = ��(� − 1), α là hằng số suy giảm nhỏ hơn nhưng gần bằng 1, được xem xét ở đây

+ Kiểm tra tính khả thi cho việc áp dụng các quy trình của vị trí cá thể, sau đó cập nhật vị trí và ngăn ngừa các cá thể khác từ không gian bay vào vị trí khả thi

+ Vận tốc của cá thể trong chiều không gian thứ k (��ℎ) bị giới hạn bởi một vài giá trị lớn nhất, �� Với giới hạn này, việc tăng cường thăm dò trong không gian cục bộ được thực hiện và mô phỏng thực tế này làm gia tăng sự thay đổi học hỏi của con người Để đảm bảo thống nhất vận tốc thông qua tất cả các chiều không gian, vận tốc lớn nhất của chiều thứ

� được viết như sau:

��,�� = (��,�� − ��,��)/�

Trong thuật toán PSO, quần thể có � cá thể, mỗi cá thể là một vec –tơ không gian đa chiều �, với � là thông số tối ưu Kết hợp với sự sửa đổi trên, việc tính toán dòng chảy công suất bằng thuật toán PSO theo từng bước như sau:

Trang 21

�,� �,

kiếm cho giá trị tốt nhất của hàm mục tiêu ��

 Thiết lập mối liên hệ liên quan đến cá thể tốt nhất toàn cầu, �∗ ∗ với hàm mục tiêu của �∗ ∗

 Thiết lập giá trị ban đầu của quán tính trọng lượng �(0)

��,�(�) = �(�)��,�(� − 1) + �1�1 (�∗ (� − 1) − ��,�(� − 1)) +�2�2(�∗ ∗ (� − 1) − ��,�(� − 1))

Với �1, �2 là hằng số vị trí, �1, �2 là giá trị đồng bộ phân phối ngẫu nhiên[0,1] Giá trị đề cập đến ở kỳ thứ 2 đại diện cho sự liên quan đến một phần của PSO, trong đó sự thay đổi vận tốc của cá thể dựa trên sự tư duy và trí nhớ của chính nó Đến lần thứ ba, nó đại diện cho một phần có tính chất thành viên của một xã hội của PSO trong đó sự thay đổi vận tốc của cá thể dựa trên sự thích nghi xã hội, kinh nghiệm của nó Nếu một cá thể vi phạm giới hạn tốc độ, thiết lập giới hạn vận tốc ngang bằng

Trang 22

Bước 7: Cập nhật vị trí tốt nhất toàn cầu

Việc tìm kiếm giá trị tối thiểu giữa �� và �∗, với �� là chỉ số của các cá thể với hàm mục tiêu tối thiểu, tức là, nếu �� ∈ {�; � = 1, … , �} Nếu �� < �∗ ∗

, sau đó cập nhật giá trị tốt nhất toàn cầu là �∗ ∗(�) = ��(�) và �∗ ∗= �� Đi tiếp bước 8, hoặc khác

Bước 8: Tiêu chí dừng

Nếu một trong tất cả các tiêu chí dừng lại đạt thì sẽ dùng, nếu không quay lại bước 2

Tổng quan một số cải tiến quan trọng của phương pháp tối ưu bầy đàn

2.9.1 Phương pháp tối ưu bày đàn với hệ số co

Vào nằm 2002, Clerc và Kennedy đã chứng tỏ rằng một hệ số co có thể giúp tăng cường tốc độ hội tụ Hệ số co đó được tạo thành bằng sự kết hợp giữa các giá trị c1

và c2 Khi đó, phương pháp tối ưu bầy đàn với hệ số co có biểu thức như sau: �� = �{�� + �1��1(�� − ��) + �2��2(�� − ��)}

2.9.2 Phương pháp tối ưu bầy đàn với Kỹ thuật gradient giả

Kỹ thuật gradient giả lần đầu được đề xuất bởi Pham, D T & Jin, G vào năm 1995 và được áp dụng cho thuật toán gen Ý tưởng chính cho kỹ thuật này là định hướng phát triển cho từng cá thể trong mỗi lần cập nhật vị trí Kỹ thuật này phù hợp cho các thuật toán tối ưu xây dựng dựa trên hành vị xã hội của cộng đồng dân cư và dùng để giải các dạng bài toán không liên tục, không khả vi tương tự như bài toán phân bố tối ưu công suất Lợi điểm của kỹ thuật này là cung cấp định hướng tốt cho các phần tử trong không gian tìm kiếm mà không đòi hỏi hàm mục tiêu là dạng hàm khả vi

Để hiểu rõ hơn sự khác biệt giữa biểu thức gradient và gradient giả, ta xét bài toán sau:

Trang 23

(2.7) ��1 ��

2

��

Gradient chỉ tốc độ thay đổi hướng tối đa của hàm mục tiêu tại một điểm trong không gian tìm kiếm Tuy nhiên, đối với các hàm không khả vi, ký hiệu gradient này không áp dụng được Vì vậy, cần thiết có một gradient để giải quyết các hàm không lồi, đó là gradient giả

Cho bài toán tối ưu n chiều không lồi, hàm mục tiêu f(x) không khả vi với � = [�1, �2, … , ��], gradient giả gp(x) của hàm mục tiêu f(x) được định nghĩa như sau:

Giả sử � = [��1, ��2, … , ��], là một điểm trong không gian tìm kiếm của bài toán và nó di chuyển đến điểm �� Có 2 khả năng của việc di chuyển này bởi việc xem xét giá trị của hàm mục tiêu tại 2 điểm

a/ Nếu �(��) < �(��), hướng từ ��đến ��được định nghĩa là hướng dương Gradient giả tại ��:

0, �ế� �� = ��

−1, �ế� �� < ��

2.9.3 Ưu điểm và nhược điểm của phương pháp bày đàn

Trang 24

Trang 25

Ưu điểm nổi bậc của PSO là tốc độ hội tụ nhanh chóng của nó

Thuật toán PSO có thể được thực hiện đơn giản đối với việc điều chỉnh tham số ít hơn

PSO có thể dễ dàng đối phó với những hàm mục tiêu không lồi và không vi phân được

PSO có tính linh hoạt để kiểm soát sự cân bằng giữa khảo sát địa phương và toàn cục của không gian tìm kiếm

+ Các giải pháp ứng cử trong PSO được mã hóa như một tập hợp các số thực Nhưng, phần lớn các biến kiểm soát như thiết lập phân áp đầu máy biến áp và các tụ bù shunt ngắt được thay đổi một cách rời rạc Mã hóa thực của các biến này đại diện cho sự hạn chế của các phương pháp PSO như việc tính toán làm tròn đơn giản có thể dẫn đến sai sót đáng kể

+ Làm chậm hội tụ trong giai đoạn tìm kiếm tinh tế hơn (khả năng tìm kiếm địa phương yếu)

Đề xuất phương pháp tối ưu bầy đàn cải tiến

Từ công thức toán cơ bản, giải thuật giải quyết và các bước tiến hành giải bài toán công suất tối ưu của PSO trên (mục 2.7, 2.8) được áp dụng và cải tiến cho một số phương pháp được trình bày trên (mục 2.9) Bên cạnh những ưu điểm vượt trội so với những giải pháp khác thì vẫn còn tồn đọng những hạn chế, đó là vấn đề cần giải quyết cho sự phát triển làm tăng thêm sự phong phú, vững mạnh của phương pháp PSO Vì vậy dựa trên cơ bản đó và những phương pháp đã có cho đề xuất

giải pháp tối ưu hơn được trình bày trong luận văn này: phương pháp tối ưu bầy

đàn cải tiến Được mô phỏng giải quyết bài toán phân bố tối ưu công suất có xét

đến ràng buộc an ninh

Ý tưởng cải tiến thuật toán tối ưu bầy đàn dự kiến thực hiện trong luận văn là dạng kết hợp giữa thuật toán tối ưu bầy đàn với hệ số co và kỹ thuật gradient giả để tăng cường đẩy mạnh quá trình hội tụ Trong đó, kỹ thuật gradient giả sẽ định hướng sự chuyển động của các cá thể theo hướng tích cực để chúng có thể di chuyển nhanh chóng đến kết quả tối ưu, cải thiện tốc độ tính toán

Trong phương pháp PSO với hệ số co và trọng số quán tính, vận tốc của hạt được định nghĩa như sau:

Trang 26

Thực hiện gradient giả trong PSO, hai vị trí xem xét với xk và xl trong không gian tìm kiếm của gradient giả là vị trí của hạt tại vòng lặp k và (k+1), ký hiệu là x(k) và x(k+1) Do đó, vị trí mới:

(�+1) �(�)

+ �(�(�+1)) |�(�+1)|, �ế� ��(�(�+1)) ≠ 0 ��

Trang 27

Dựa vào phát biểu bài toán đã nêu ở chương trước, hàm Fitness áp dụng cho bài toán phân bố tối ưu công suất có xét đến ràng buộc an ninh bao gồm hàm chi phí vận hành (2.1), (2.2) giới hạn công suất phát của tổ máy nối vào thanh góp chuẩn với i = 1 Khi đó, biểu thức của hàm Fitness được biểu diễn như sau:

�� = ∑�� (� ) + � [� − ��

(�� )]2

+ � ∑�� [� − ��

(�� )]2

+ �=1 � �

�

��1

� ∑�� [�− ��

(�� )]2

3.1.2 Lựa chọn biến tìm kiếm và khởi tạo các giá trị ban đầu

(3.2)

Các giá trị cần tìm của bài toán cũng chính là các biến điều khiển của hệ thống điện bao gồm công suất phát của các tổ máy trừ tổ máy nối với nút chuẩn Khi áp dụng phương pháp tối ưu bầy đàn cải tiến, chúng tôi sử dụng không gian tìm kiếm gồm 20 cá thể

Vị trí và vận tốc ban đầu của các cả thể được tạo ngẫu nhiên theo biểu thức sau: �(0) = �� + ��1(�� − ��) (3.3)

Trang 28

Áp dụng thuật toán bầy đàn cải tiến giải bài toán phân bố tối ưu công suất có

xét đến ràng buộc an ninh

Dựa vào ý tưởng cải tiến phương pháp tối ưu bầy đàn bằng kỹ thuật gradient giả đã trình bày trong chương 2 và kỹ thuật áp dụng thuật toán tối ưu vào bài toán phân bố tối ưu công suất như trình bày trong phần trên, ta xây dựng thuật toán hoàn chỉnh như sau:

- Bước 1: Khởi tạo các giá trị điều khiển cho thuật toán tối ưu bầy đàn cải tiến:

Số lượng cá thể NP = 20, số vòng lặp tối đa: Maxiter = 250, các hằng số gia tốc c1 = c2 = 2.05, các số phạt Kp, Kq, Kv, Ks được gán bằng 106

- Bước 2: Khởi tạo vị trí và tốc độ ban đầu cho các thuật toán tối ưu bầy đàn

theo công thức (4.3), (4.4)

- Bước 3: Tính giá trị ban đầu theo hàm Fitness của từng phần tử Ta sử dụng

phương pháp Newton-Raphson để tính phân bố công suất của hệ thống theo từng cá thể Từ đó xác định giá trị hàm Fitness dựa theo biểu thức (3.1) Giá trị ban đầu này của hàm Fitness được gán vào biến FTPbest

- Bước 4: Dùng biến Pbest để lưu trữ vị trí ban đầu của các phần tử và biến

Gbest để lưu trữ vị trí của phần tử tốt nhất dựa vào giá trị của hàm Fitness

FTGbest  min



FTPbest



- Bước 5: Gán giá trị ban đầu cho các gradient giả bằng 0 và khởi tạo biến đếm

Trang 29

- Bước 8: Tính lại giá trị hàm Fitness cho từng phần tử và so sánh với FTPbest

và FTGbest để cập nhật lại vị trí tốt nhất của từng phần tử và vị trí của phần tử tốt nhất trong quần thể tìm kiếm

- Bước 9: Xác định giá trị gradient giả cho từng cá thể theo biểu thức (2.8),

(2.9) và (2.10)

- Bước 10: Kiểm tra nếu k < Maxiter thì k = k + 1 và quay lại bước 6, ngược

lại thì dừng vòng lặp và xuất kết quả

- Để giải quyết cụ thể cho bài toán phân bố tối ưu công suất có xét đến ràng buộc an ninh, ta thực hiện theo trình tự theo các phần như sau:

- Phần 1: Giải bài toán phân bố tối ưu công suất trong trường hợp bình thường theo 10 bước thực hiện bên trên

- Phần 2: Giải lại bài toán phân bố tối ưu công suất với giá trị khởi tạo ban đầu của các cá thể là giá trị tính toán ở phần 1 (lặp lại 10 bước tính như trên) - Sơ đồ khối

- Sơ đồ khối giải quyết bài toán tổng thể:

Trang 30

Trang 31

Các thông số hàm mục tiêu và các ràng buộc trong điều kiện vận hành của

Nhà máy điện Phú Mỹ 2.1 &2.1MR:

4.1.1 Hàm mục tiêu

Với các tiêu chí như chi phí nhiên liệu, thời gian xử lý, thời gian đưa ra các quyết định, các tổn thất khác Trong đó hàm mục tiêu quan tâm là giảm chi phí tổng của các máy phát điện Đảm bảo các tổ máy làm việc an toàn, tin cậy và hiệu quả, đảm bảo chất lượng điện năng…Nằm trong giới hạn phát thải về NOx, SOx, CO2…

4.1.2 Hàm ràng buộc

Thời gian khởi động và ngừng máy với chu trình hỗn hợp:

 Khởi động lạnh (cold start): 180 phút từ lúc nhận lệnh đến lúc lên đầy tải  Khởi động ấm (warm start): 120 phút từ lúc nhận lệnh đến lúc lên đầy tải  Khởi động nóng (hot start): 90 phút từ lúc nhận lệnh đến lúc lên đầy tải  90MWe ≤ vận hành bình thường ≤ tải tối đa Điều kiện này bị ràng buộc

do phát thải NOx, SOx…

 Thời gian dừng hoàn toàn là 90 phút tính từ lúc bắt đầu giảm tải  Phú Mỹ 2.1MR có thời gian khởi động nhanh hơn PM2.1 do tốc độ trở

trục cao hơn

Thời gian khởi động và ngừng máy với chu trình đơn:

 Sau 13 phút (PM2.1MR) 30 phút (PM2.1) từ lúc nhận lệnh là nhà máy có thể hòa lưới mang tải

 Thời gian dừng hoàn toàn là 30 phút bắt đầu nhận lệnh

Điều kiện ràng buộc chung:

 Sau khi ngừng thì phải từ 2 đến 4 tiếng sau mới được phép khởi động lại, do yêu cầu từ sự ổn định nhiệt trong turbine khí và lò thu hồi nhiệt  Thời gian chuyển đổi từ chu trình đơn sang chu trình kép và ngược lại là

nhanh chóng do nhà máy có trang bị hệ thống by pass damper

Giới thiệu về nhà máy điện Phú Mỹ 2.1

Nhà máy nhiệt điện Phú Mỹ 2-1và 2.1MR là 1 trong 5 nhà máy điện nằm trong tổ hợp nhà máy điện Phú Mỹ, có tổng công suất là 450MWe với 2 turbine khí

Trang 32

 Công suất thiết kế: 144,1MW (Gas)/133,5 MW (DO)

 Công suất thiết kế có nâng công suất: +10,6 MW

 Suất hao nhiệt không nâng công suất:

 Suất tiêu hao nhiệt, base load (khí): 11.127 BTU/kWh  Suất tiêu hao nhiệt, base load (dầu): 251,88 g/kWh Hiệu suất trung bình, base load (khí): 34,2%

Toàn bộ lưới điện của PM2.1 &2.1MR được đấu nối lên trạm 220kV, được chuyển tải bởi cáp ngầm và đấu vào trạm 220kV của Phú Mỹ 1

Hình 4-1: Sơ đồ kết nối lưới điện NMĐ PM2.1& 2.1MR

Trang 33

Hình 4-2: Nhà máy điện Phú Mỹ 2.1 (450MWe)

Vào tháng 2 năm 1997 hai turbine khí được lắp đặt và vận hành với chu trình đơn, đây là hai turbine khí lớn nhất và hiện đại nhất Việt Nam vào lúc này Vào năm 2003 turbine hơi và lò thu hồi nhiệt được lắp đặt và đi vào hoạt động Nhà cung cấp thiết bị là ABB- ALSTOM (GT13E2)

Tiêu đề	Áp Dụng Thuật Toán IPSO Để Tính Toán Điều Độ Tối Ưu Cho Nhà Máy Điện Có Chu Trình Hỗn Hợp
Tác giả	Hoàng Kim Lập
Người hướng dẫn	TS. Võ Ngọc Điều
Trường học	Đại Học
Chuyên ngành	Kỹ Thuật Điện
Thể loại	Luận Văn Thạc Sĩ
Năm xuất bản	2015
Thành phố	TP. Hồ Chí Minh

Định dạng
Số trang	66
Dung lượng	5,01 MB