Luận án tiến sĩ Kỹ thuật điện: Tái cấu trúc lưới điện phân phối sử dụng các thuật toán tối ưu

Trang 1

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Trang 2

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Phản biện: GS TS Lê Kim Hùng Phản biện: TS Nguyễn Trung Nhân Phản biện: TS Đinh Hoàng Bách

NGƯỜI HƯỚNG DẪN: PGS TS Võ Ngọc Điều

Trang 3

i

LỜI CAM ĐOAN

Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả Các kết quả nghiên cứu và các kết luận trong luận án này là trung thực, và không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào Việc tham khảo các nguồn tài liệu đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định

Tác giả luận án

Trần Thế Tùng

Trang 4

ii

TÓM TẮT LUẬN ÁN

Luận án trình bày việc tái cấu trúc lưới điện phân phối (LĐPP) sử dụng các thuật toán tối ưu với mục tiêu giảm tổn thất công suất tác dụng, cải thiện chất lượng điện áp thỏa mãn các ràng buộc của hệ thống điện Trong Luận án này, bài toán tái cấu trúc lưới điện phân phối được xây dựng với hàm đơn và đa mục tiêu, đồng thời có xét đến ảnh hưởng của nguồn phân tán (DG) Luận án đã đưa ra nhiều kịch bản cho các bài toán đề xuất và mức độ phức tạp của các ràng buộc cũng tăng dần để kiểm tra tính hiệu quả của phương pháp áp dụng

Đối với bài toán tái cấu trúc LĐPP đơn mục tiêu, Luận án áp dụng các thuật toán tìm kiếm phân dạng ngẫu nhiên (Stochastic Fractal Search (SFS)), thuật toán Chaotic SFS, và thuật toán tìm kiếm dựa trên quan hệ sinh vật cộng sinh (Symbiotic Organism Search (SOS)) để giải bài toán Hiệu quả của các thuật toán này được kiểm tra trên các hệ thống điện 33 nút, 69 nút, 84 nút, 119 nút, 136 nút, và 272 nút với các kịch bản khác nhau Bên cạnh đó, kết quả cũng được so sánh với các nghiên cứu trước đây để đưa ra nhận xét về tính hiệu quả Kết quả cho thấy trong hầu hết các trường hợp so sánh, kết quả từ phương pháp SFS, SOS tốt hơn kết quả từ các phương pháp khác về tổn thất công suất và cải thiện cấu hình điện áp Đặc biệt, hiệu quả của phương pháp SOS đã được kiểm chứng thông qua mạng điện quy mô lớn lên đến 272 nút, phương pháp SOS có thể là một phương pháp triển vọng để giải quyết tái cấu trúc LĐPP phức tạp và cũng có thể áp dụng cho các bài toán tối ưu hóa khác trong hệ thống điện

Đối với bài toán tái cấu trúc LĐPP đa mục tiêu, thuật toán SFS được phát triển thành phiên bản đa mục tiêu để giải bài toán này Thuật toán mới là thuật toán tìm kiếm phân dạng ngẫu nhiên dựa trên sự sắp xếp không vượt trội (Non-dominated Sorting Stochastic Fractal Search (NSSFS)) Thuật toán NSSFS kết hợp kỹ thuật sắp xếp nhanh không vượt trội (fast non-dominated sorting), phương pháp dùng khoảng cách mật độ (crowding distance), và cơ chế lựa chọn (selection mechanism) vào thuật toán SFS để tìm kiếm lời giải Pareto tốt nhất Thuật toán NSSFS được kiểm tra ban đầu với tám hàm đa nhiệm vụ tiêu chuẩn với kích thước và loại khác nhau Sau đó, thuật toán NSSFS được ứng dụng giải bài toán tái cấu trúc LĐPP đa mục tiêu có xét đến nguồn phân tán DG với các hàm

Trang 5

iii

mục tiêu là giảm tổn thất công suất tác dụng, cải thiện chất lượng điện áp, và nâng cao ổn định điện áp Các thuật toán đa mục tiêu khác như là NSGA-II, MOPSO, và MOMVO cũng được ứng dụng vào cùng bài toán tái cấu trúc đa mục tiêu để so sánh với kết quả từ thuật toán NSSFS Sự so sánh kết quả cho thấy thuật toán NSSFS cung cấp lời giải tốt hơn thuật toán NSGA-II, MOPSO, và MOMVO, chứng minh tính hiệu quả của thuật toán NSSFS trong việc giải bài toán tái cấu trúc đa mục tiêu

Trang 6

iv

ABSTRACT

The thesis presents the research results on distribution network reconfiguration (DNR) by using optimization algorithms with the aim of reducing active power loss, improving voltage profile while satisfying the operation constraints of the power system In this thesis, the DNR problem was formulated with single and multi-objective functions, while considering the presence of distributed generation (DG) The thesis considered many scenarios for the proposed problems and the complexity of the constraints also increases to test the effectiveness of the applied method

For the single-objective DNR problems, the thesis applies Stochastic Fractal Search (SFS) algorithm, Chaotic SFS algorithm, and Symbiotic Organism Search (SOS) algorithm to find the optimal solution The efficiency of these algorithms was tested on 33-node, 69-node, 84-node, 119-node, 136-node, and 272-node distribution networks with different scenarios Besides, the obtained results were also compared with previous studies to make comments on the effectiveness The results showed that, in most of the compared cases, SFS and SOS methods were better than other methods in terms of power loss and improved voltage profile In particular, the effectiveness of the SOS method was verified through a large-scale power network of up to 272 nodes The SOS method can be a promising method to solve complex DNR and can also be applied for other optimization problems in power systems

For the objective DNR problems, the SFS algorithm was developed to a objective version to solve this problem The new algorithm is a Non-dominated Sorting Stochastic Fractal Search (NSSFS) algorithm The NSSFS algorithm combines fast non-dominated sorting technique, crowding distance method, and selection mechanism into SFS algorithm to search for best Pareto solution The NSSFS algorithm was initially tested with eight standard multi-objective functions of different sizes and types Then, the NSSFS algorithm was applied to solve the multi-objective DNR problem considering the presence of DGs with the objective functions of reducing all active power loss, improving voltage profile, and improving voltage stability index Other multi-objective algorithms such as NSGA-II, MOPSO, and MOMVO were also applied

Trang 7

multi-v

to the same multi-objective problems to compare with the results from the NSSFS algorithm The comparison of results shows that the NSSFS algorithm provides better solution than NSGA-II, MOPSO, and MOMVO algorithms, proving the effectiveness of the NSSFS algorithm for solving multi-objective DNR problem

Trang 8

vi

LỜI CÁM ƠN

Tôi xin chân thành cảm ơn PGS TS Võ Ngọc Điều đã tận tình hướng dẫn và giúp đỡ tôi định hướng nghiên cứu thu thập và tham khảo các tài liệu chuyên ngành trong và ngoài nước, chỉ dẫn soạn thảo và hoàn chỉnh luận án này của tôi Tôi cũng xin trân trọng cảm ơn các Thầy Cô Bộ môn Hệ thống điện và Khoa Điện – Điện tử - Trường Đại học Bách Khoa, ĐHQG TP HCM đã trao đổi và đóng góp nhiều ý kiến để tôi hoàn thành luận án này

Tôi cũng xin cảm ơn các Thầy Cô tại Phòng Đào tạo Sau Đại học - Trường Đại học Bách Khoa, ĐHQG TP HCM đã tận tình trao đổi, cung cấp và hướng dẫn tham khảo các biểu mẫu biên soạn theo đúng quy định, cũng như giúp đỡ tôi trong các công tác liên quan để hoàn thành báo cáo luận án

Sau cùng, tôi cũng chân thành cảm ơn đồng nghiệp, gia đình và bạn bè đã luôn hỗ trợ, động viên tôi trong quá trình học tập nghiên cứu sinh tại Trường

Trang 9

vii

MỤC LỤC

DANH MỤC CÁC HÌNH ẢNH xii

DANH MỤC BẢNG BIỂU xvi

DANH MỤC CÁC TỪ VIẾT TẮT xviii

GIỚI THIỆU 1

Đặt vấn đề 1

Mục tiêu nghiên cứu 2

Phạm vi, đối tượng và phương pháp nghiên cứu 2

1.3.1 Phạm vi nghiên cứu 2

1.3.2 Đối tượng nghiên cứu 3

1.3.3 Phương pháp nghiên cứu 3

2.1.1 Tổng quan về tái cấu trúc lưới điện phân phối 6

2.1.2 Ảnh hưởng của nguồn phân tán đến lưới điện phân phối 7

Tổng quan về bài toán tái cấu trúc LĐPP 9

Trang 10

viii

Các phương pháp nghiên cứu bài toán tái cấu trúc LĐPP 10

2.3.1 Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối 10

2.3.2 Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối có xét ảnh hưởng của nguồn phân tán 16

2.3.3 Các nghiên cứu giải bài toán tái cấu trúc LĐPP với hàm đa mục tiêu 18

Các vấn đề giải quyết trong luận án 20

Thuật toán Stochastic Fractal Search 23

3.2.1 Quá trình khuếch tán (Diffusion process) 24

3.2.2 Quá trình cập nhật (Updating process) 24

3.2.3 Các bước thực hiện của thuật toán SFS 25

Thuật toán SFS cải tiến dựa trên Chaotic 27

Thuật toán Symbiotic Organism Search 30

3.4.1 Giai đoạn hỗ sinh (Mutualism phase) 30

3.4.2 Giai đoạn hội sinh (Commensalism phase) 31

3.4.3 Giai đoạn ký sinh (Parasitism phase) 31

3.4.4 Các bước thực hiện của thuật toán SOS 32

Trang 11

ix

Thuật toán Non-dominated Soritng Stochastic Fractal Search 34

3.5.1 Các định nghĩa tối ưu đa mục tiêu 35

4.2.2 Các điều kiện ràng buộc 49

Phương pháp giải bài toán tái cấu trúc LĐPP 51

4.3.1 Xây dựng giải thuật kiểm tra lưới điện hình tia 51

Trang 12

x

4.4.2 Kết quả áp dụng CSFS cho bài toán tái cấu trúc 55

Áp dụng thuật toán SFS cho bài toán tái cấu trúc có xét ảnh hưởng của DG với hàm đơn mục tiêu 66

4.5.1 Áp dụng thuật toán SFS cho bài toán tái cấu trúc 66

4.5.2 Kết quả áp dụng SFS cho bài toán tái cấu trúc xét ảnh hưởng của DG 69

Áp dụng thuật toán SOS cho bài toán tái cấu trúc có xét ảnh hưởng của DG với hàm đơn mục tiêu 96

4.6.1 Áp dụng thuật toán SOS cho bài toán tái cấu trúc 96

4.6.2 Kết quả áp dụng thuật toán SOS cho bài toán tái cấu trúc có xét ảnh hưởng của DG 101

Áp dụng các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc với LĐPP Tân Châu, Tây Ninh 123

4.7.1 Đặc điểm lưới điện Tân Châu, Tây Ninh 123

4.7.2 Kết quả áp dụng các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc không xét ảnh hưởng DG 123

4.7.3 Kết quả áp dụng các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc có xét ảnh hưởng DG 126

Trang 13

xi

5.4.1 Các hàm đa mục tiêu tiêu chuẩn 138

5.4.2 Bài toán đa mục tiêu có xét DG 143

5.4.3 So sánh và phân tích kết quả 154

Tổng kết 156

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 157

Kết luận 157

Hướng phát triển luận án 159

DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ 161

TÀI LIỆU THAM KHẢO 163

PHỤ LỤC 1: THÔNG SỐ CÁC MẠNG ĐIỆN PHÂN PHỐI 171

PHỤ LỤC 2: MẠNG ĐIỆN 272 NÚT TÂN CHÂU XT 475TH VÀ XT 477TH 191

PHỤ LỤC 3: KẾT QUẢ BÀI TOÁN TÁI CẤU TRÚC MẠNG ĐIỆN 272 NÚT TÂN CHÂU, TÂY NINH SỬ DỤNG PHẦN MỀM PSS/ADEPT 5.0 193

Trang 14

xii

DANH MỤC CÁC HÌNH ẢNH

Hình 2.1 Sơ đồ lưới điện truyền tải – phân phối 7

Hình 2.2 Kết nối DG vào LĐPP 8

Hình 3.1 Lưu đồ giải thuật SFS 27

Hình 3.2 Gauss/mouse chaotic map 28

Hình 3.3 Lưu đồ giải thuật SOS 34

Hình 3.4 Lời giải non-dominated và dominated cho hai hàm mục tiêu 36

Hình 3.5 Pseudocode của Kỹ thuật sắp xếp không vượt trội 38

Hình 3.6 Khoảng cách mật độ của bài toán tối ưu hai mục tiêu 39

Hình 3.7 Giản đồ của cơ chế chọn lựa chọn 40

Hình 3.8 Pseudocode của thuật toán NSSFS 41

Hình 4.1 Sơ đồ đơn tuyến của một mạng điện 2 nút 52

Hình 4.2 Đặc tính hội tụ của tổn thất công suất cho mạng điện 33 nút 57

Hình 4.3 Đặc tính hội tụ của sai lệch điện áp cho mạng điện 33 nút 57

Hình 4.4 Cấu hình điện áp của mạng điện 33 nút trước và sau khi tái cấu trúc 58

Trang 15

xiii

Hình 4.14 Lưu đồ giải thuật SFS cho bài toán tái cấu trúc 69

Hình 4.15 Tỷ lệ giảm tổn thất công suất của 7 trường hợp cho mạng điện 33 nút 75

Hình 4.16 Đặc tính hội tụ của 7 trường hợp cho mạng điện 33 nút 75

Hình 4.17 So sánh cấu hình điện áp của 7 trường hợp cho mạng điện 33 nút 76

Hình 4.24 Tỷ lệ giảm tổn thất công suất của 7 trường hợp mạng điện 119 nút 89

Trang 16

xiv

Hình 4.26 So sánh chất lượng điện áp nút của 7 trường hợp cho mạng điện 119 nút 90

Hình 4.27 Tỷ lệ giảm tổn thất công suất của 7 trường hợp mạng điện 136 nút 94

Hình 4.29 So sánh chất lượng điện áp nút của 7 trường hợp cho mạng điện 136 nút 95

Hình 4.30 Lưu đồ giải thuật SOS cho bài toán tái cấu trúc 100

Hình 4.31 So sánh chất lượng điện áp của 7 trường hợp cho mạng điện 33 nút 105

Hình 4.33 Kết quả phân bố DG của trường hợp 7 cho mạng điện 33 nút 107

Hình 4.36 Kết quả phân bố DG của trường hợp 7 cho mạng điện 69 nút 112

Hình 4.39 So sánh chất lượng điện áp nút của 7 trường hợp cho mạng điện 119 nút 121Hình 4.40 Đặc tính hội tụ của 7 trường hợp cho mạng điện 119 nút 121

Hình 4.41 Chất lượng điện áp nút bởi ba thuật toán SFS, CSFS, và SOS cho mạng điện 272 nút Tân Châu 126

Hình 4.42 Đặc tính hội tụ của ba thuật toán SFS, CSFS, SOS cho trường hợp cho mạng điện 272 nút Tân Châu 126

Hình 4.43 Chất lượng điện áp nút bởi ba thuật toán SFS, CSFS, và SOS cho mạng điện 272 nút Tân Châu có xét đến nguồn phân tán DG 128

Hình 4.44 Đặc tính hội tụ của ba thuật toán SFS, CSFS, SOS cho trường hợp cho mạng điện 272 nút Tân Châu có xét đến nguồn phân tán 129

Trang 17

xv

Hình 5.1 Sơ đồ điển hình của một nhánh trong LĐPP 133Hình 5.2 Front Pareto tối ưu thu được bởi NSSFS cho hàm ZDT1, ZDT2, ZDT3, và ZDT6 142Hình 5.3 Front Pareto tối ưu thu được bởi NSSFS for cho các hàm KUR, LAU, MUR, và POL 143Hình 5.4 Front Pareto tối ưu thu của NSSFS ở Trường hợp 1 cho mạng điện 33 nút 144Hình 5.5 Front Pareto tối ưu của NSSFS ở Trường hợp 2 cho mạng điện 33 nút 145Hình 5.6 Front Pareto tối ưu của NSSFS ở Trường hợp 3 cho mạng điện 33 nút 147Hình 5.7 Chất lượng điện áp của hệ thống ở Trường hợp 1-3 cho mạng điện 33 nút 148Hình 5.8 Giá trị VSI tại các nút ở Trường hợp 1-3 cho mạng điện 33 nút 149Hình 5.9 Front Pareto tối ưu của NSSFS ở Trường hợp 1 mạng điện 69 nút 149Hình 5.10 Front Pareto tối ưu của NSSFS cho Trường hợp 2 với mạng điện 69 nút 151Hình 5.11 Front Pareto tối ưu của NSSFS ở Trường hợp 3 cho mạng điện 69 nút 152Hình 5.12 Điện áp của hệ thống ở Trường hợp 1-3 cho mạng điện 69 nút 153Hình 5.13 VSI tại các nút ở Trường hợp 1-3 cho mạng điện 69 nút 153

Trang 18

xvi

DANH MỤC BẢNG BIỂU

Bảng 4.1 Thông số của thuật toán CSFS áp dụng vào bài toán tái cấu trúc 55

Bảng 4.2 Tổng hợp kết quả tối ưu của các thuật toán cho mạng điện 33 nút 56

Bảng 4.6 Thông số của thuật toán SFS áp dụng vào bài toán tái cấu trúc có xét DG 71

Bảng 4.9 Tổng hợp kết quả tối ưu của thuật toán SFS cho mạng điện 84 nút 83

Bảng 4.10 So sánh kết quả tối ưu của Trường hợp 2 mạng điện 84 nút 86

Bảng 4.15 Thông số thuật toán SOS áp dụng vào bài toán tái cấu trúc có xét DG 101

Bảng 4.18 Tổng hợp kết quả tối ưu của thuật toán SOS cho mạng điện 84 nút 114

Bảng 4.20 Tổng hợp kết quả tối ưu của thuật toán SOS cho mạng điện 119 nút 118

Trang 19

xvii

Bảng 4.21 So sánh kết quả tối ưu của Trường hợp 2 mạng điện 119 nút 122Bảng 4.22 Thông số cài đặt của các thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc LĐPP Tân Châu, Tây Minh 123Bảng 4.23 Tổng hợp kết quả tối ưu của các thuật toán cho vấn đề tái cấu trúc cho mạng điện 272 nút 125Bảng 4.24 Tổng hợp kết quả thu được của thuật toán SFS, CSFS, và SOS cho bài toán tái cấu trúc LĐPP Tân Châu 272 nút xét đến ảnh hưởng của nguồn phân tán DG 127Bảng 5.1 Thông số cài đặt ban đầu của NSSFS, NSGA-II, MOPSO, và MOMVO 139Bảng 5.2 Kết quả chỉ số GD, SP, và ∆ của các thuật toán đa mục tiêu 139Bảng 5.3 Kết quả tối ưu cho mục tiêu riêng (PL và VD) và kết quả thỏa hiệp tốt nhất ở Trường hợp 1 cho mạng điện 33 nút 145Bảng 5.4 Kết quả tối ưu cho mục tiêu riêng (PL và VSI-1) và kết quả thỏa hiệp tốt nhất ở Trường hợp 2 cho mạng điện 33 nút 146Bảng 5.5 Kết quả tối ưu cho mục tiêu riêng (PL, VD, và VSI-1) và kết quả thỏa hiệp tốt nhất ở trường hợp 3 cho mạng điện 33 nút 148Bảng 5.6 Kết quả tối ưu cho mục tiêu riêng (PL và VD) và kết quả thỏa hiệp tốt nhất ở Trường hợp 1 cho mạng điện 69 nút 150Bảng 5.7 Kết quả tối ưu cho mục tiêu riêng (PL và VSI-1) và kết quả thỏa hiệp tốt nhất cho Trường hợp 2 với mạng điện 69 nút 151Bảng 5.8 Kết quả tối ưu cho mục tiêu riêng (PL, VD, và VSI-1) và kết quả thỏa hiệp tốt nhất ở Trường hợp 3 cho mạng điện 69 nút 152Bảng 5.9 So sánh kết quả của các thuật toán đa mục tiêu dựa trên chỉ số HV và SP cho mạng điện 33 nút 154Bảng 5.10 So sánh kết quả của các thuật toán đa mục tiêu dựa trên chỉ số HV và SP cho mạng điện 69 nút 155

Trang 20

xviii

DANH MỤC CÁC TỪ VIẾT TẮT

Trang 21

xix

algorithm

Trang 22

1

GIỚI THIỆU

Đặt vấn đề

Lưới điện phân phối (LĐPP) là hệ thống trực tiếp cung cấp điện cho khách hàng, có

tổng chiều dài lớn nhất trong toàn bộ lưới điện Việt Nam Do đó giảm tổn thất trên LĐPP

có ý nghĩa rất quan trọng trong việc giảm tỉ lệ tổn thất trên toàn bộ hệ thống điện Nhiều phương pháp để giảm tổn thất công suất và nâng cao độ tin cậy trên LĐPP đã được thực hiện nhưng lại tốn các chi phí đầu tư và lắp đặt thiết bị như: nâng cao điện áp vận hành lưới điện phân phối, tăng tiết diện dây dẫn, hoặc lắp đặt tụ bù nhằm giảm truyền tải công suất phản kháng trên lưới điện Trong khi đó, tái cấu trúc lưới là phương pháp không cần chi phí để cải tạo lưới điện, bằng cách đóng hoặc mở các cặp khóa điện có sẵn trên lưới để giảm tổn thất điện năng và thỏa các yêu cầu vận hành hệ thống điện Tái cấu trúc LĐPP có thể nâng cao khả năng tải của lưới điện, giảm sụt áp cuối đường dây và giảm thiểu số lượng hộ tiêu thụ bị mất điện khi có sự cố hay khi cần sửa chữa đường dây Cùng với sự phát triển của kinh tế - xã hội, nhu cầu về điện năng cũng ngày càng tăng, việc mở rộng của nguồn điện và hệ thống truyền tải bị hạn chế nên không thể đáp ứng kịp; các thủy điện đã được khai thác triệt để và các nguồn năng lượng hóa thạch ngày càng cạn kiệt Do đó, các nguồn năng lượng tái tạo là một trong những sự lựa chọn ưu tiên để đối phó với sự cạn kiệt của nguồn nhiên liệu hóa thạch Những nguồn năng lượng tái tạo thường được sử dụng như những nguồn phát nhỏ có công suất từ vài kW đến khoảng 50 MW và được đặt gần nơi tiêu thụ điện năng Viện nghiên cứu năng lượng (EPRI) định nghĩa các nguồn phát nhỏ này như là các nguồn điện phân tán (DG) Việc kết nối DG vào LĐPP trở nên phổ biến hơn bởi vì những tác động tích cực đến LĐPP mà nó đem lại chẳng hạn như giảm tổn thất công suất, tăng cường độ tin cậy và cải thiện chất lượng điện áp của hệ thống Hiện nay, đã có rất nhiều phương pháp từ cổ điển đến trí tuệ nhân tạo được áp dụng cho các bài toán tái cấu trúc lưới điện phân phối, các phương pháp với nhiều cải tiến để giải các bài toán phức tạp hơn về hàm mục tiêu, các ràng buộc và độ lớn của hệ thống Vì vậy, cần tìm ra một biện pháp hiệu quả để giải

Trang 23

2

quyết bài toán tái cấu trúc lưới điện phân phối có xét ảnh hưởng của nguồn phân tán với các hàm mục tiêu và kịch bản khác nhau

Mục tiêu nghiên cứu

Luận án nghiên cứu tập trung vào các mục tiêu chính:

• Xây dựng bài toán tái cấu trúc lưới điện phân phối với các hàm mục tiêu (đơn mục tiêu và đa mục tiêu) và các ràng buộc khác nhau Mức độ phức tạp của các ràng buộc được tăng dần phù hợp với từng bài toán và các kịch bản

• Xây dựng thuật toán Stochastic Fractal Search Algorithm (SFS), SFS cải tiến và Symbiotic Organisms Search Algorithm (SOS); áp dụng thành công các thuật toán này vào bài toán tái cấu trúc lưới điện phân phối

• Phát triển thuật toán SFS thành phiên bản đa mục điêu để giải bài toán tái cấu trúc đa mục tiêu

• So sánh kết quả tính toán giữa các phương pháp áp dụng với các phương pháp đã được nghiên cứu trước đây để đưa ra nhận xét về tính hiệu quả và khả năng áp dụng của từng phương pháp cho từng bài toán cụ thể

Mục tiêu của bài toán tái cấu trúc trong Luận án này là một bài toán thiết kế vì tải và nguồn phân tán DG được giả định là tĩnh Luận án này giới thiệu các phương pháp giải thuật mới để giải bài toán tái cấu trúc LĐPP Đây là bài toán tái cấu trúc LĐPP cơ bản để làm nền tảng cho bài toán vận hành lưới điện Khi xét đến phụ tải và nguồn phân tán DG thay đổi theo thời gian 24h, việc tái cấu trúc lưới điện cũng sẽ thực hiện theo sự thay đổi thời gian của tải và nguồn phân tán DG Khi đó, bài toán tái cấu trúc sẽ là bài toán vận hành lưới điện

Phạm vi, đối tượng và phương pháp nghiên cứu

Trang 24

3

+ Hàm đơn mục tiêu: là hàm cơ bản giảm tổn thất công suất tác dụng

+ Hàm đa mục tiêu: giảm tổn thất công suất tác dụng, giảm độ lệch điện áp, và tăng chỉ số ổn định điện áp

• Nghiên cứu áp dụng cho bài toán tái cấu trúc lưới điện phân phối giảm tổn thất công suất tác dụng có xét ảnh hưởng của nguồn phân tán DG Các ràng buộc về dung lượng và số lượng DG được xét theo từng bài toán cụ thể Các nguồn DG được giả định là nguồn DG tĩnh

1.3.2 Đối tượng nghiên cứu

• Nghiên cứu áp dụng cho các mạng điện chuẩn: IEEE – 33 nút, 69 nút, 119 nút • Nghiên cứu áp dụng cho mạng điện thực tế: 84 nút (Đài Loan), 136 nút (Brazil) • Nghiên cứu áp dụng cho mạng điện thực tế: 272 nút (xuất tuyến 475TH và 477TH,

lưới điện Tân Châu, Tây Ninh, Việt Nam)

1.3.3 Phương pháp nghiên cứu

• Đối với bài toán tái cấu trúc LĐPP đơn mục tiêu, Luận án nghiên cứu sử dụng các phương pháp meta-heuristic như là: phương pháp Stochastic Fractal Search (SFS); Chaotic SFS (CSFS); và Phương pháp Symbiotic Organisms Search (SOS) để giải các bài toán đề ra Trong đó,

+ Phương pháp SFS và SOS: áp dụng cho bài toán tái cấu trúc LĐPP có xét ảnh hưởng của DG với hàm đơn mục tiêu

+ Phương pháp CSFS: áp dụng cho bài toán tái cấu trúc LĐPP với hàm đơn mục tiêu

+ Cả 3 phương pháp SFS, SOS, và CSFS trên được áp dụng cho bài toán tái cấu trúc LĐPP thực tế với hàm đơn mục tiêu Mạng điện áp dụng là mạng điện thực tế 272 nút ở huyện Tân Châu, Tây Ninh, Việt Nam

• Đối với bài toán tái cấu trúc LĐPP đa mục tiêu, Luận án phát triển giải thuật đa mục tiêu Nondominated sorting SFS (NSSFS) bằng cách kết hợp kỹ thuật sắp xếp nhanh không vượt trội (fast non-dominated sorting), phương pháp dùng khoảng cách mật độ (crowding distance), và cơ chế lựa chọn (selection mechanism) vào thuật toán

Trang 25

4

SFS để tìm kiếm lời giải Pareto tốt nhất Bên cạnh đó, các thuật toán MOPSO, NSGA-II và MOMVO cũng được áp dụng để so sánh với thuật toán NSSFS

Các đóng góp của Luận án

Luận án có những đóng góp chính như sau:

• Áp dụng thành công các phương pháp thông minh nhân tạo SFS, SOS, và CSFS để giải bài toán cấu trúc đơn mục tiêu, đặc biệt cho mạng điện lớn và phức tạp

• Phát triển thành công thuật toán thông minh nhân tạo đa nhiệm vụ NSSFS để giải bài toán tối ưu đa mục tiêu Áp dụng thành công thuật toán NSSFS để giải bài toán tái cấu trúc đa mục tiêu có xét ảnh hưởng của nguồn phân tán DG

• Xây dựng thành công bài toán “Tái cấu trúc lưới điện phân phối” xét đến nguồn điện phân tán DG với nhiều kịch bản khác nhau và các mạng điện lớn phức tạp Xử lý tốt các ràng buộc và lựa chọn tối ưu các tham số thuật toán, áp dụng hiệu quả các phương pháp cho bài toán cụ thể

• Các thuật toán SFS, CSFS, SOS, và thuật toán đa mục tiêu NSSFS được ứng dụng thành công cho vấn đề tái cấu trúc LĐPP đơn và đa mục tiêu Điều này giúp mạng lại một công cụ tính toán hiệu quả dựa trên các thuật toán thông minh nhân tạo cho các nhà quản lý lưới điện trong việc quy hoạch và vận hành LĐPP Nhà quản lý có thể tính toán cấu hình mạng điện tái cấu trúc tối ưu đồng thời cũng có thể tính toán vị trí đặt và công suất phát tối ưu của các nguồn phân tán DG Từ đó nhà quản lý có được chính sách quy hoạch lưới điện hiệu quả giúp tiết kiệm chi phí đầu tư, vận hành, và bảo trì lưới điện Hơn nữa, việc chỉ ra nhiều kịch bản của vấn đề tái cấu trúc cũng mang lại cho nhà quản lý nhiều sự lựa chọn khác nhau, từ đó quy hoạch và vận hành LĐPP hiệu quả hơn

Ý nghĩa khoa học và thực tiễn

1.5.1 Ý nghĩa khoa học

Luận án đóng góp các thuật toán thông minh là SFS, CSFS, và SOS để giải bài toán cấu trúc đơn mục tiêu, và thuật toán NSSFS để giải bài toán cấu trúc đa mục tiêu Việc tìm

Trang 26

Bố cục của Luận án

Luận án được trình bày gồm 6 chương, với nội dung chính như sau: Chương 1: Giới thiệu

Chương 2: Tổng quan

Chương 3: Các phương pháp tối ưu

Chương 4: Tái cấu trúc lưới điện phân phối với hàm đơn mục tiêu

Chương 5: Tái cấu trúc lưới điện phân phối với hàm đa mục tiêu có xét ảnh hưởng của nguồn phân tán

Chương 6: Kết luận Tài liệu tham khảo

Các công trình đã công bố Phụ lục

Trang 27

6

TỔNG QUAN

Giới thiệu

2.1.1 Tổng quan về tái cấu trúc lưới điện phân phối

Lưới điện phân phối (LĐPP) là phần quan trọng trong một hệ thống điện LĐPP có vai

trò truyền tải điện năng từ các trạm biến thế trung gian đến khách hàng (Hình 2.1) Tổn

hao công suất trong LĐPP thường lớn do có điện áp thấp và dòng điện cao so với lưới điện truyền tải Hiện nay, LĐPP đang phải đối mặt với sự phát triển rất nhanh chóng của phụ tải Việc phát triển nhanh của phụ tải đã làm tăng thêm gánh nặng và tăng sụt áp lên LĐPP Để giảm tổn thất công suất và ổn định điện áp, nhiều phương pháp đã được ứng dụng như tái cấu trúc lưới điện, lắp đặt tụ bù, tăng kích thước dây dẫn, và thay đổi nấc máy biến áp Trong các phương pháp này, tái cấu trúc LĐPP yêu cầu ít chi phí đầu tư nhất vì nó dùng cơ sở hạ tầng sẵn có, trong khi các phương pháp khác cần chi phí đầu tư và lắp đặt

Khác với đường dây truyền tải thường được vận hành mạch vòng, LĐPP được thiết kế mạch vòng nhưng vận hành theo cấu trúc hình tia trong mọi trường hợp để phối hợp bảo vệ hiệu quả, giảm sự cố, và nâng cao độ tin cậy cung cấp điện Trong LĐPP có hai loại khóa điện là khóa thường đóng (sectionalizing switches) và khóa thường mở (tie-line switches) Việc đóng mở các khóa điện này ảnh hưởng lớn đến LĐPP về tổn hao công suất và ổn định điện áp Đóng mở các khóa điện hợp lý sẽ tạo ra được một LĐPP mới có tổn hao công suất thấp và điện áp ổn định

Giải bài toán tái cấu trúc LĐPP là việc đi tìm cấu trúc tối ưu mới của lưới điện bằng cách thay đổi trạng thái đóng/mở của các khóa điện để từ đó tổn thất công suất là ít nhất nhưng vẫn đảm các điều kiện ràng buộc vận hành của hệ thống Vấn đề tái cấu trúc LĐPP giúp ích rất nhiều trong việc quy hoạch hệ thống điện, giúp trì hoãn chi phí đầu tư mở rộng hệ thống điện, và tăng khả năng vận hành hiệu quả hệ thống điện

Trang 28

7

Hình 2.1 Sơ đồ lưới điện truyền tải – phân phối

2.1.2 Ảnh hưởng của nguồn phân tán đến lưới điện phân phối

Trong những năm gần đây, nguồn điện phân tán (DG – Distribution Generator) kết nối vào LĐPP đang được triển khai nhanh chống trên thế giới do sự cạn kiệt của nhiện liệu hóa thạch, vấn đề môi trường, và thị trường điện tự do Do đó bái toán tái cấu trúc LĐPP cần xét đến ảnh hưởng của nguồn điện phân tán

Khi xuất hiện nguồn điện phân tán trong LĐPP, phân bố dòng điện trên các nhánh đường dây sẽ thay đổi và ảnh hưởng đến cấu hình tối ưu của LĐPP, điều đó đặt nhiệm vụ là: cần phải tìm cấu hình tối ưu mới (tái cấu trúc LĐPP có nguồn DG) nhằm đảm bảo các mục tiêu: cải thiện chất lượng điện áp các nút trên LĐPP, giảm tổn thất công suất, nâng cao độ tin cậy cung cấp điện, chống quá tải đường dây…

Nguồn phân tán – DG được biết đến như là nguồn phát có công suất nhỏ từ vài kW – 50 MW, được kết nối trực tiếp vào LĐPP hoặc đặt gần phía hộ tiêu thụ [1] DG có thể là nguồn năng lượng tái tạo hoặc nguồn năng lượng không tái tạo DG bao gồm pin mặt trời, tuabin gió, tuabin siêu nhỏ, pin nhiên liệu, máy phát diesel, v.v

Trang 29

8

Hình 2.2 Kết nối DG vào LĐPP

Hiện nay, có rất nhiều công nghệ DG đang được sử dụng trên thị trường Ngoài các máy phát điện chạy bằng dầu diezel, xăng…, các công nghệ mới về DG như micro tubine chạy bằng năng lượng gió, sức nước hay nguồn năng lượng mặt trời, pin nhiên liệu… cũng đang được áp dụng rộng rãi hơn

Những lợi ích mà DG mang lại khi tham gia vào LĐPP bao gồm lợi ích kỹ thuật và lợi ích kinh tế:

❖ Trì hoãn sự đầu tư trong việc nâng cấp các thiết bị ❖ Giảm chi phí vận hành

❖ Tăng cường hoạt động sản xuất ❖ Giảm chi phí nhiên liệu

❖ Tăng độ an toàn cho những tải quan trọng trong LĐPP

Khi có sự tham gia của DG vào LĐPP, phân bố công suất trên lưới thay đổi, các đặc tính về dòng điện, điện áp sẽ thay đổi dẫn theo sự thay đổi về tổn thất công suất trên

Trang 30

9

lưới Nhiều nghiên cứu trước đây chỉ ra rằng việc xác định dung lượng cũng như vị trí đặt DG không chính xác sẽ dẫn đến lượng công suất tổn thất lớn hơn so với trước khi đặt DG [2], [3] Bằng cách tính toán xác định dung lượng và vị trí tối ưu của DG sẽ giảm thiểu được tổn thất công suất và nâng cao chất lượng điện năng, cải thiện độ tin cậy cung cấp điện

Tổng quan về bài toán tái cấu trúc LĐPP

Tái cấu trúc lưới điện là quá trình vận hành các khóa điện để thay đổi cấu hình của lưới điện nhằm đảm bảo các mục tiêu vận hành cũng như giảm thiểu chi phí Đối với LĐPP, chi phí chủ yếu được tối thiểu hóa là chi phí tổn thất điện năng

Các bài toán vận hành LĐPP mô tả các hàm mục tiêu tái cấu trúc lưới điện:

• Bài toán 1: Xác định cấu hình lưới điện theo đồ thị phụ tải trong một thời đoạn để chi phí vận hành bé nhất

• Bài toán 2: Xác định cấu hình lưới điện không thay đổi trong thời đoạn khảo sát để tổn thất năng lượng bé nhất

• Bài toán 3: Xác định cấu hình lưới điện tại một thời điểm để tổn thất công suất bé nhất

• Bài toán 4: Tái cấu hình lưới điện cân bằng tải (giữa các đường dây, máy biến

thế nguồn ở các trạm biến áp) để nâng cao khả năng truyền tải của lưới điện

• Bài toán 5: Khôi phục lưới điện sau sự cố hay cắt điện sửa chữa

• Bài toán 6: Xác định cấu hình lưới điện theo nhiều mục tiêu như: tổn thất công suất bé nhất, mức độ cân bằng tải cao nhất, số lần chuyển tải ít nhất, sụt áp cuối

lưới bé nhất cùng đồng thời xảy ra (hàm đa mục tiêu)

• Bài toán 7: Xác định cấu hình lưới điện để đảm bảo mục tiêu giảm năng lượng

do việc ngừng cung cấp điện hay nâng cao độ tin cậy cung cấp điện

Các bài toán xác định cấu trúc vận hành của một LĐPP cực tiểu tổn thất năng lượng hay cực tiểu chi phí vận hành thỏa mãn các điều kiện kỹ thuật vận hành luôn là bài toán quan

trọng và kinh điển trong vận hành hệ thống điện Trong đó, bài toán 3 là bài toán quan

trọng, làm nền tảng cho việc giải các bài toán khác trong hệ thống các bài toán tái cấu trúc LĐPP

Trang 31

10

Các phương pháp nghiên cứu bài toán tái cấu trúc LĐPP

2.3.1 Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối

2.3.1.1 Phương pháp Heuristic

Năm 1975, Merlin và Back [4] đề xuất một phương pháp heuristic có ràng buộc để xác định các cấu trúc lưới cho tổn thất tối thiểu trên đường dây Để có cấu trúc hình tia, tác giả đã lần lượt loại bỏ những nhánh có dòng công suất chạy qua bé nhất, quá trình sẽ kết thúc khi lưới điện đạt được trạng thái vận hành hở Trong quá trình thực hiện, thuật toán không tính mức giảm ΔP khi phân bố lại phụ tải cho từng bước mà chỉ xét đến dòng chạy qua khóa điện Thuật toán không tính tổn thất ΔP để so sánh lựa chọn cấu hình tối ưu vì đã xuất phát từ điều kiện mở nhánh có dòng bé nhất để mức tổn thất ΔP là bé nhất Dựa trên cơ sở thuật toán này, rất nhiều nghiên cứu về sau đã phát triển, chỉnh sửa cho phù hợp với thực tế vận hành lưới điện cũng như yêu cầu về giảm khối lượng tính toán và nâng cao chất lượng điện năng Điển hình cho các nghiên cứu đó là thuật toán của Shirmonohammadi và Hong đã cải tiến phương pháp của Merlin & Back và đã thu được kết quả khả quan trong việc tìm kiếm giải pháp tối ưu hoặc gần tối ưu và trạng thái của các khóa điện không phụ thuộc vào cấu trúc lưới [5] Tác giả Shirmohammadi là người đầu tiên sử dụng kỹ thuật “bơm vào/rút ra” một lượng dòng điện không đổi để mô tả thao tác phân bố lại phụ tải trong LĐPP với giả thiết dòng điện bơm vào/rút ra là một đại lượng liên tục Phương pháp này khắc phục được tất cả các nhược điểm chính của Merlin & Back

Xuất phát từ lưới điện ban đầu là lưới điện kín (sau khi đóng tất cả các khóa điện trên lưới), giải bài toán PBCS sẽ lựa chọn nhánh có dòng điện bé nhất trong các vòng độc lập Sau khi mở nhánh có dòng bé nhất trong lưới điện, giải lại bài toán PBCS cho lưới điện mới, đồng thời kiểm tra các điều kiện về chất lượng điện áp nút, khả năng mang tải của các tuyến dây còn lại Trong trường hợp không vi phạm chất lượng điện áp các nút và khả năng tải của nhánh, sẽ lặp lại các bước như trên cho đến khi lưới điện hoàn toàn hình tia và các phụ tải đều được cấp điện Trong trường hợp khóa điện vừa mở vi phạm điều kiện vận hành, sẽ phải đóng khóa điện vừa mở và mở khóa điện có dòng bé nhất

Trang 32

Cũng trên cơ sở thuật toán này, rất nhiều nghiên cứu gần đây ứng dụng cho bài toán tái cấu trúc LĐPP có DG, trong đó DG được xem như nguồn phát có công suất hoàn toàn xác định, hàm mục tiêu là tối thiểu tổn thất công suất với hàng loạt các ràng buộc về: Cân bằng tải, chất lượng điện áp, độ tin cậy cung cấp điện…

Các nghiên cứu điển hình khác của Jeon, Goswami với tìm kiếm Tabu (Tabu Search – TS) sử dụng kỹ thuật chuyển đổi nhánh để tái cấu trúc LĐPP Phương pháp Tabu là phương pháp giải quyết vấn đề bằng cách đánh giá kinh nghiệm và tìm đến giải pháp bằng các phép thử và rút ra sai lầm Trong phương pháp này, bài toán tái cấu trúc được phát biểu dưới dạng bài toán tối ưu phi tuyến nguyên hỗn hợp, hàm mục tiêu là tối thiểu ΔP Các ràng buộc được đánh giá thông qua hệ số phạt Việc lựa chọn thông số phạt phải phù hợp để sao cho với giải pháp tối ưu thì chất lượng điện năng là tốt nhất Mặc dù Tabu cho kết quả tìm kiếm khá hiệu quả nhưng nhược điểm là số lần lặp lớn [6] Civanlar đã phát triển kỹ thuật đổi nhánh thể hiện ở quá trình thay thế 01 khóa mở bằng 01 khóa đóng trong cùng một vòng để giảm tổn thất công suất Vòng được chọn để đổi nhánh là vòng có cặp khóa đóng/mở có mức giảm tổn thất công suất lớn nhất Quá trình được lặp lại cho đến khi không thể giảm được tổn thất nữa [7]

Baran và Wu đã cải tiến giải thuật của Civanlar bằng hai phép tính gần đúng cho dòng công suất và sụt áp trong quá trình chuyển tải [8] Công suất tính toán trên nhánh theo Baran và Wu chỉ gồm thành phần công suất phụ tải, bỏ qua tổn thất của các nhánh trước

Trang 33

12

đó Thông qua việc sử dụng phương pháp này, các khó khăn liên quan đến quá tải đường dây và sụt áp được xác định ngay trong giải thuật chứ không phải sau khi kết thúc bài toán Baran và Wu dễ bị rơi vào các cực tiểu địa phương vì trình tự thay đổi nhánh có tính chất tổ hợp

2.3.1.2 Các giải thuật dựa trên trí tuệ nhân tạo

Thời gian gần đây, trí tuệ nhân tạo đã trở nên phổ biến đưa đến sự nở rộ của nhiều kỹ thuật như: hệ thần kinh nhân tạo (ANN), giải thuật gen (GA) và hệ chuyên gia (ES) đã được ứng dụng để tái cấu trúc hệ thống mặc dù việc sử dụng các kỹ thuật dựa trên cơ sở của trí tuệ nhân tạo đã tỏ ra có giá trị trong nhiều ứng dụng, nhưng vẫn chưa thể chứng minh là đã tìm ra được các giải pháp tốt nhất Với tốc độ phát triển của công nghệ máy tính như hiện nay, chắc chắn trí tuệ nhân tạo sẽ được ứng dụng nhiều hơn trong các bài toán tái cấu trúc hệ thống Các kỹ thuật áp dụng đồng thời ANN và GA (giải thuật lai) mở ra nhiều triển vọng trong việc giảm đáng kể thời gian tính toán

❖ Thuật toán di truyền – Genetic Algorithm (GA)

Nara sử dụng các thuật toán di truyền (GA) là một thuật toán tìm kiếm dựa trên cơ chế chọn lọc tự nhiên và di truyền tự nhiên Nó kết hợp sự thích nghi giữa bản chất của di truyền học tự nhiên hoặc quá trình tiến hóa của các cơ quan với chức năng tối ưu hóa Các tính năng đơn giản của GA làm cho nó phù hợp cho nhiều đối tượng khác nhau khi giải quyết vấn đề tối ưu hóa Các vấn đề trong việc sử dụng GA dựa trên một nguyên tắc mã hóa và giải mã hiệu quả, cơ chế của nhiễm sắc thể đại diện cho mạng lưới phân phối [9] Mỗi gen biểu diễn một khóa mở trong vòng, độ dài của chuỗi bằng số vòng; nếu chuỗi có cùng một gen thì mạng có một vòng, mỗi gen trong chuỗi khác nhau; nếu chuỗi có hai hay nhiều gen là khóa điện thông thường trong hai vòng khác nhau thì mạng có một nút bị cách ly Trong quá trình tái sản sinh, chọn một tập hợp các chuỗi cũ để sản sinh một tập các chuỗi mới dựa theo những quy luật hợp lý Trong quá trình lai hóa, chọn hai chuỗi một cách ngẫu nhiên từ dân số ở cùng một thời điểm Chọn một hay nhiều vị trí trên hai chuỗi và hoán đổi cho nhau (lai hóa đơn giản hoặc phức tạp) Quá trình đột biến được thực hiện rất hạn chế, sau mỗi chuyển đổi từ 100 – 1000 bit trong quá trình lai hóa, thay đổi một vị trí bit ngẫu nhiên bằng các khóa điện khác nhau trong vòng cho một chuỗi được chọn ngẫu nhiên từ dân số Phép toán này được sử dụng để

Trang 34

13

thoát khỏi một cực tiểu địa phương Tuy nhiên trong quá trình này, chuỗi mới tạo ra có thể vi phạm các ràng buộc hình tia và cách ly

❖ Phương pháp logic mờ - Fuzy logic

King và Radha sử dụng một bộ điều khiển logic mờ để thích ứng hoàn toàn và xác suất xảy ra đột biến dựa trên chức năng thể lực Các ưu điểm chính của hệ thống kiểm soát mờ đối với các phương pháp truyền thống là: khả năng mô hình hóa định lượng các khía cạnh của kiến thức và quá trình lý luận của con người, mô hình hóa ước tính miễn phí, mạnh mẽ, và dễ dàng thực hiện Logic mờ điều khiển GA luôn luôn tìm ra tối ưu toàn cục và đã được chứng tỏ có sự hội tụ nhanh hơn so với một GA thông thường [10] ❖ Giải thuật đàn kiến (ACS – Ant Colony Algorithm)

Ban đầu, số kiến bắt đầu từ tổ kiến để đi tìm đường đến nơi có thức ăn Từ tổ kiến sẽ có rất nhiều con đường khác nhau để đi đến nơi có thức ăn, nên một con kiến sẽ chọn ngẫu nhiên một con đường để đi đến nơi có thức ăn Quan sát loài kiến, người ta nhận thấy chúng tìm kiếm nhau dựa vào “dấu chân” (chất hóa học pheromone) mà chúng để lại trên đường đi Sau một thời gian lượng “dấu chân” của mỗi chặng đường sẽ khác nhau Do sự tích lũy “dấu chân” của mỗi chặng đường cũng khác nhau, đồng thời với sự bay hơi của “dấu chân” ở đoạn đường kiến ít đi Sự khác nhau này ảnh hưởng đến sự di chuyển của những con kiến về sau đi trên mỗi đoạn đường Nếu “dấu chân” để lại trên đường nhiều thì sẽ có khả năng thu hút các con kiến khác di chuyển trên đường đi đó, những chặng đường còn lại do không thu hút được lượng kiến di chuyển sẽ có xu hướng bay hơi “dấu chân” sau một thời gian nhất định

Điều đặc biệt trong cách hành xử loài kiến là lượng “dấu chân” trên đường đi có sự tích lũy càng lớn thì cũng đồng nghĩa với việc đoạn đường đó là ngắn nhất từ tổ kiến đến nới có thức ăn Phương pháp này đưa ra để giải quyết các bài toán có không gian nghiệm lớn để tìm ra lời giải có nghiệm là tối ưu nhất trong không gian nghiệm đó với thời gian cho phép hay không gian tìm ra cấu trúc tối ưu hơn thì dừng Phương pháp này cũng rất thích hợp để giải bài toán tái cấu trúc để có thể tìm ra trong các cấu trúc có thể của mạng phân phối có một cấu trúc có tổn thất công suất là bé nhất [11]

❖ Giải thuật tối ưu hóa bầy đàn (PSO – Particle Swarm Optimization)

Trang 35

14

PSO là một bầy đàn dựa trên kỹ thuật tính toán tiến hóa lấy cảm hứng từ hành vi xã hội của loài chim liên kết lại hoặc liên minh cá Kể từ khi phát minh đầu tiên vào năm 1995, PSO đã trở thành một trong những phương pháp phổ biến nhất được áp dụng trong các vấn đề tối ưu hóa khác nhau do sự đơn giản và khả năng tìm thấy gần các giải pháp tối ưu của nó Trong PSO, một cá thể của bầy di chuyển trong không gian tìm kiếm các vấn đề tiếp cận với các mục tiêu tối ưu Sự di chuyển của mỗi cá thể trong bầy được xác định thông qua vị trí và vận tốc của nó Trong quá trình di chuyển, vận tốc của các cá thể được thay đổi theo thời gian và vị trí của chúng sẽ được cập nhật cho phù hợp Vị trí tối ưu nhất là vị trí mà phần lớn các cá thể tập hợp lại [12]

❖ Giải thuật tìm kiếm chim Cuckoo (CSA – Cuckoo Search Algorithm)

Giải Thuật CSA được đưa ra bởi Ramin Rajabioun, được đăng trên tạp chí Applied Soft Computing vào cuối năm 2011 [13] Đây là một giải thuật tối ưu lấy cảm hứng từ đời sống của quần thể chim Cuckoo Những điểm đặc biệt trong cách sinh sống, cách đặt trứng và phát triển của chúng là nền tảng cho việc phát triển giải thuật mới này Chim Cuckoo đẻ trứng nhưng không ấp và nuôi dưỡng chim non, sau khi đẻ trứng chúng sẽ gắp trứng bỏ vào tổ của loài chim khác, nếu không bị phát hiện chim Cuckoo non sẽ được ấp và nuôi dưỡng bởi loài chim khác

Giống như những giải thuật tiến hóa khác, CS bắt đầu bởi một quần thể ban đầu Quần thể Cuckoo ở những môi trường sống khác nhau bao gồm 2 đối tượng là chim Cukoo và trứng Trong suốt quá trình đấu tranh sinh tồn một số con Cuckoo hoặc trứng của nó bị tiêu diệt, số còn lại sẽ di chuyển tới môi trường sống tốt hơn rồi tiếp tục quá trình sinh sản và đặt trứng Sự cố gắng thích nghi với môi trường sống của chim Cuckoo hy vọng sẽ hội tụ lại tại một môi trường sống duy nhất và tốt nhất (vị trí có cùng giá trị lợi nhuận và là giá trị lợi nhuận cao nhất) Đây cũng chính là lời giải cần tìm trong các bài toán tối ưu hóa

Ứng dụng của giải thuật CS đã được thử nghiệm trên các hàm toán học chuẩn và các vấn đề thực tế Điều này chứng minh khả năng giải quyết các vấn đề tối ưu hóa có mức độ khó cao của giải thuật

Trang 36

15

Ở bài báo [14], tác giả Nguyễn Thanh Thuận đã áp dụng thuật toán Cuckoo search cải tiến để tối ưu cấu hình LĐPP nhằm giảm công suất tác dụng

❖ Giải thuật đàn ong nhân tạo (ABC- Artificial Bee Colony)

Thuật toán đàn ong nhân tạo (ABC) mô phỏng hành vi tìm kiếm thông minh của bầy ong mật Thuật toán sử dụng hành vi của các nhóm ong trong quá trình đi lấy mật bao gồm: ong thợ, ong trinh sát, và ong thất nghiệp Hành vi của đàn ong mật sử dụng một số kỹ thuật như nhảy lúc lắc để xác định nguồn thức ăn tốt nhất và tìm các nguồn mới Việc này khiến chúng trở thành phương án tốt cho việc phát triển thuật toán tìm kiếm thông minh mới

Trong bài báo [15], các tác giả đã áp dụng giải thuật ABC cho bài toán tối ưu hàm mục tiêu giảm chi phí vận hành và chi phí ngưng cấp điện Hiệu quả của ABC cho bài toán tái cấu trúc được kiểm tra trên lưới điện mẫu của IEEE

❖ Giải thuật tìm kiếm hòa âm (HSA- Harmony Search Algorithm)

Phương pháp tối ưu hóa tìm kiếm hòa âm (HSA) được lấy cảm hứng từ quá trình ứng biến và ghi nhớ của các nhóm nhạc, trong đó mỗi biến quyết định của bài toán tối ưu hóa tương đương với một nhạc cụ, trong khi chức năng phù hợp hoặc mục tiêu tương ứng trước sự tán thưởng của người nghe Quá trình lặp lại của quá trình giải pháp tương tự như sự ngẫu hứng của các nhạc sĩ trong việc tìm kiếm các bản hòa âm mới, và giải pháp tối ưu của vấn đề tương ứng với sự hòa hợp hoàn hảo đạt được

Trong bài báo [16], nhóm đã giải đã cải tiến thuật toán HSA bằng việc thêm vào Path Relinking để tăng sự hội tụ của thuật toán Thuật toán cải tiến được áp dụng để giải bài toán tái cấu trúc

❖ Giải thuật tối ưu hóa dựa trên hệ sinh thái nhân tạo (AEO- Artificial based Optimization)

Ecosystem-Trong bài báo [17], tác giả Nguyễn Thanh Thuận đã đề nghị một phương pháp tối ưu hóa dựa trên hệ sinh thái nhân tạo (AEO- Artificial Ecosystem-based Optimization) cho vấn đề tái cấu trúc Mục tiêu được xem xét của vấn đề tái cấu trúc là giảm tổn thất công suất Hiệu suất của phương pháp AEO đề xuất được đánh giá trên mạng phân phối 14 nút, 69 nút và 136 nút

Trang 37

16

2.3.2 Các nghiên cứu giải bài toán tái cấu trúc lưới điện phân phối có xét ảnh hưởng của nguồn phân tán

❖ Giải thuật tìm kiếm hòa âm (HSA- Harmony Search Algorithm)

Bài báo giới thiệu một phương để giải bài toán tái cấu trúc lưới điện có sự hiện diện của nguồn phân tán, mục tiêu là cực tiểu công suất tác dụng và cải thiện chất lượng điện áp trên lưới Giải thuật HSA (Harmony Search Algorithm) được sử dụng để đồng thời thực hiện tái cấu trúc và xác định vị trí tối ưu để đặt DG trên lưới Hệ số độ nhạy được sử dụng để xác định vị trí đặt DG tại các kịch bản giả định khác nhau Tác giả đồng thời sử dụng cả hai giải thuật là HSA và PSO áp dụng vào mạng điện 33 và 69 nút để kiểm tra tính hiệu quả của hai giải thuật [18]

❖ Giải thuật Firework Algorithm

Bài báo giới thiệu một kỹ thuật mới áp dụng vào bài toán tái cấu trúc lưới điện và phân bố DG trong LĐPP với mục tiêu giảm tổn thất công suất và nâng cao độ ổn định điện áp Giải thuật Firework Algorithm (FWA) được sử dụng để đồng thời tái cấu trúc lưới điện và phân bố tối ưu DG FWA là một giải thuật mới dựa trên cơ sở trí thông minh bầy đàn, giải thuật mô tả hiện tượng nổ pháo hoa để thực hiện việc tìm kiếm vị trí tối ưu cho các tia lửa từ pháo hoa phát tán ra Hệ số ổn định điện áp (VSI – Voltage Stability Index) được sử dụng để xác định trước vị trí đặt DG Giải thuật FWA áp dụng mô phỏng trên mạng điện IEEE 33 và 69 nút với 6 kịch bản tái cấu trúc lưới và tối ưu DG Đồng thời tác giả cũng so sánh với các giải thuật khác, cho thấy sự vượt trội của FWA [19] ❖ Giải thuật Cuckoo Search

Tác giả bài báo đề xuất một phương pháp mới dựa trên đặc tính của loài chim Cuckoo (CSA – Cuckoo Search Algorithm) để áp dụng vào bài toán tái cấu trúc lưới điện và tối ưu vị trí, dung lượng DG trên LĐPP Đồng thời để giảm khối lượng tính toán, lý thuyết đồ thị (Graph Theory) được áp dụng để xây dựng giải thuật kiểm tra lưới điện hình tia, loại bỏ các trường hợp lưới điện không đủ điều kiện Để đánh giá hiệu quả của phương pháp, giải thuật áp dụng mô phỏng đối với 3 mạng điện mẫu và 7 kịch bản đánh giá khác nhau Kết quả đạt được cho thấy sự vượt trội của phương pháp khi áp dụng giải bài toán tái cấu trúc lưới điện và tối ưu vị trí, dung lượng của DG [20]

Trang 38

17 ❖ Giải thuật Artificial Bees Colony

Bài báo đề xuất áp dụng phương pháp sử dụng giải thuật đàn ong (ABC – Artificial Bees Colony Algorithm) để xác định vị trí và dung lượng DG tối ưu đặt vào LĐPP Phương pháp được kiểm tra trên mạng điện chuẩn IEEE 33 nút để đánh giá tác động của DG đối với lưới điện qua các thông số: độ tin cậy, tổn thất năng lượng… [21]

❖ Giải thuật Analytical Approach

Bài báo [22] đề xuất phương pháp giải tích để tính toán dung lượng và xác định vị trí đặt DG tối ưu với mục tiêu cực tiểu tổn thất trên lưới điện Phương pháp giải tích được dựa trên phương trình tổn thất chính xác (Exact loss fomula) Để đánh giá hiệu quả của phương pháp giải tích xác định dung lượng và vị trí DG, tác giả áp dụng tính toán trên 3 mạng điện và kết quả được so sánh với các phương pháp khác

❖ Các giải thuật mới

Bài báo [23] đã đề xuất một giải pháp cho vấn đề tái cấu trúc mạng phân phối với nguồn phân tán (DG) dựa trên thuật toán khuôn chất nhờn song song (PSMA- Parallel Slime Mould Algorithm) Thứ nhất, nhóm tác giả đã xây dựng bốn mục tiêu tối ưu hóa là tổn thất điện năng hoạt động, chỉ số ổn định điện áp, mức độ cân bằng tải và thời gian hoạt động chuyển mạch Mô hình tái cấu trúc được xây dựng xét đến các loại DG khác nhau Tiếp theo, nhóm tác giả đề xuất thuật toán PSMA dựa trên chiến lược truyền thông nhóm và trọng số quán tính

Bài báo [24] đã đề xuất một thuật toán nhóm tìm kiếm hỗn loạn mới (CSGA - Chaotic Search Group Algorithm) để cấu hình lại mạng điện phân phối đồng thời xét đến nguồn điện phân tán DG với mục tiêu là tổn thất công suất thực tối thiểu trong mạng phân phối hình tia.Thuật CSGA là một thuật toán metaheuristic được cải tiến, trong đó chiến lược tìm kiếm cục bộ hỗn loạn được kết hợp với SGA ban đầu, để nâng cao hiệu suất tìm kiếm của nó CSGA đề xuất đã được nghiên cứu trên các mạng điện 33 nút, 69 nút, 84 nút và 118 nút với ba mức tải khác nhau Sau khi tái cấu trúc, cấu hình điện áp và tổn thất công suất thực của hệ thống đã được cải thiện đáng kể

Trang 39

18

Trong bài báo [25], kỹ thuật tối ưu hóa Harris Hawk dựa trên đột biến chéo đã được (CMBHHO - Crossover Mutation Based Harris Hawk Optimization) đề xuất để cấu hình lại mạng điện phân phối có xét đến vị trí và kích thước tối ưu của nguồn điện phân tán DG Tính mới của phương pháp được đề xuất là hiệu suất kết hợp của cả thuật toán HHO) và toán tử đột biến chéo (crossover mutation) Kỹ thuật được đề cập là kỹ thuật tối ưu hóa, được sử dụng để tối ưu hóa vị trí và dung lượng tối ưu của DG cho mạng điện phân phối hình tia

2.3.3 Các nghiên cứu giải bài toán tái cấu trúc LĐPP với hàm đa mục tiêu

Tái cấu trúc mạng điện phân phối không chỉ tác động đến tổn thất công suất tác dụng hoặc điện áp nút mà còn ảnh hưởng đến nhiều yếu tố của mạng điện phân phối Do đó, việc tái cấu trúc mạng điện có xét đa mục tiêu đã thu hút được nhiều sự quan tâm của các nhà nghiên cứu

❖ Giải thuật Multi-Objective Invasive Weed Optimization

Nghiên cứu áp dụng thuật toán Multi-Objective Invasive Weed Optimization (MOIWO) để giải bài toán tái cấu trúc lưới điện phân phối với hàm đa mục tiêu: giảm tổn thất công suất, cải thiện độ lệch điện áp, số lần chuyển khóa mở và chỉ số cân bằng tải Để áp dụng thuật toán MOIWO để giải quyết vấn đề đa mục tiêu, nghiên cứu sử dụng kỹ thuật phân loại không bị chi phối và khoảng cách tập trung được sử dụng để xếp hạng các giải pháp Thuật toán đề nghị được tính toán cho mạng điện 33 nút và 84 nút, kết quả tính toán tạo ra giải pháp Pareto chất lượng cao và tìm ra cấu hình tối ưu và được so sánh với các nghiên cứu khác [26]

❖ Giải thuật Runner-root

Luận án [27] trình bày phương pháp Runner-root Algorithm (RRA) cho vấn đề tái cấu trúc LĐPP với hàm mục tiêu giảm tổn thất công suất, cân bằng tải giữa các nhánh, cân bằng thanh cái, số lượng khóa mở và sai lệch điện áp nút Nghiên cứu sử dụng phương pháp max-min để lựa chọn giải pháp thỏa hiệp cuối cùng RRA được áp dụng trong cả hàm đơn mục tiêu và hàm đa mục tiêu và được thử nghiệm trên mạng điện phân phối 33 nút và 70 nút

Trang 40

19 ❖ Giải thuật Heuristic cải tiến

Nghiên cứu đề xuất phương pháp heuristic dựa trên phương pháp trao đổi nhánh đã được đề xuất để giải quyết vấn đề tái cấu trúc nhằm tối ưu hóa chi phí tổn thất, chi phí khóa mở và chi phí lợi ích của việc cải thiện chất lượng điện áp Hiệu quả của phương pháp đề xuất được chứng minh trên hệ thống phân phối thử nghiệm cân bằng và không cân bằng [28]

❖ Giải thuật lai Honey Bee Mating Optimization và Discrete Particle Swarm Optimization (DPSO–HBMO) [29]

Nghiên cứu giới thiệu một thuật toán tiến hóa kết hợp tìm kiếm để giải quyết bài toán tái cấu trúc lưới điện phân phối với hàm đa mục tiêu: giảm thiểu tổn thất công suất, cải thiện độ lệch điện áp, số lần hoạt mở khóa và cân bằng tải trên các nhánh/nguồn Do các mục tiêu khác nhau và không có tính tương xứng nên rất khó để giải quyết vấn đề bằng các phương pháp tiếp cận thông thường để tối ưu hóa một mục tiêu duy nhất Nghiên cứu này trình bày một cách tiếp cận mới dựa trên norm3 cho vấn đề tái cấu trúc lưới điện Trong phương pháp đề xuất, các hàm mục tiêu được coi là một vectơ và mục đích để tối đa khoảng cách (norm2) giữa vectơ hàm mục tiêu và vectơ hàm mục tiêu xấu nhất trong khi thỏa các ràng buộc Phương pháp lai Honey Bee Mating Optimization và Discrete Particle Swarm Optimization (DPSO–HBMO) được áp dụng để giải bài toán đa mục tiêu, kết quả tính toán được thử nghiệm với các mạng điện khác nhau

❖ Thuật toán Multi-objective lai Big Bang-Big Crunch

Nghiên cứu [30] xét bài toán đa mục tiêu với giảm tổn thất công suất, chi phí vận hành, phát thải ô nhiễm và độ lệch điện áp theo các ràng buộc khác nhau của hệ thống điện Nghiên cứu áp dụng giải thuật lai giữa Multi-objective và Big Bang-Big Crunch (MOHBB-BC) MOHBB-BC tạo ra một tập hợp các lời giải Pareto không vượt trội và tích lũy chúng trong một kho lưu trữ Tính đa dạng của các giải pháp Pareto được bảo tồn bằng cách áp dụng toán tử khoảng cách đám đông, giải pháp Pareto thỏa hiệp tốt nhất được chọn bằng cách sử dụng công cụ fuzzy Phương pháp đề xuất được kiểm tra trên hai hệ thống thử nghiệm 33 nút và 25 nút trong các trường hợp khác nhau, kết quả thu được từ các trường hợp thử nghiệm cho thấy MOHBB-BC tạo ra các giải pháp Pareto đa dạng và thực tế hơn