Luận án tiến sĩ Mạng và hệ thống điện: Áp dụng các thuật toán dựa trên tìm kiếm bầy đàn để tính toán điều độ tối ưu trong hệ thống điện có xét đến nguồn năng lượng gió

Do đó nghiên cứu tập trung giải quyết các bài toán chính như sau: điều độ kinh tế hệthống điện ED, điều độ tối ưu phân bố công suất OPF và điều độ tối ưu công suấtphan kháng ORPD của hệ

ĐẠI HỌC QUỐC GIA TP HỖ CHÍ MINHTRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ ANH DUNG

ÁP DỤNG CÁC THUẬT TOÁN DỰA TREN TÌM KIEM BẢYDAN DE TÍNH TOÁN DIEU ĐỘ TOI UU TRONG HE THONG

DIEN CO XET DEN NGUON NANG LUONG GIO

LUAN AN TIEN SI KY THUAT

TP HO CHI MINH NAM 2019

ĐẠI HỌC QUỐC GIA TP HỖ CHÍ MINHTRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ ANH DUNG

ÁP DỤNG CÁC THUẬT TOÁN DỰA TREN TÌM KIEM BẢYDAN DE TÍNH TOÁN DIEU ĐỘ TOI UU TRONG HE THONG

DIEN CO XET DEN NGUON NANG LUONG GIO

Chuyén nganh: Mang va hé thong diénMã số chuyên ngành: 62525005

NGƯỜI HƯỚNG DÂN KHOA HỌC1 PGS-TS Võ Ngọc Điều

2 TS Dinh Hoàng Bach

TP HO CHÍ MINH NAM 2019

ĐẠI HỌC QUỐC GIA TP HỖ CHÍ MINHTRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ ANH DỮNG

ÁP DỤNG CÁC THUẬT TOÁN DỰA TREN TÌM KIEM BẢYDAN DE TÍNH TOÁN DIEU ĐỘ TOI UU TRONG HE THONG

DIEN CO XET DEN NGUON NANG LUONG GIO

Chuyén nganh: Mang va hé thong diénMã số chuyên ngành: 62525005

Phản biện độc lập 1: GS-TS Lê Kim Hùng

Phản biện độc lập 2: PGS-TS Quyền Huy Ánh

Phản biện 1: PGS-TS Võ Viết Cường

Phản biện 2: TS Nguyễn Trung Nhân

Phản biện 3: PGS-TS Phạm Đình Anh Khôi

NGƯỜI HƯỚNG DÂN KHOA HỌC1 PGS-TS Võ Ngọc Điều

2 TS Dinh Hoàng Bach

TP.HO CHÍ MINH NĂM 2019

LỜI CAM ĐOAN

Tôi xin cam đoan báo cáo luận án nay là công trình nghiên cứu của tự bản thân Cackét quả nghiên cứu và các kết luận trong luận án này là trung thực, và không sao chéptừ bat kỳ một nguồn nao và dưới bat kỳ hình thức nào.

Trong nghiên cứu này, việc tham khảo các nguồn tài liệu đã được thực hiện trích dân

và ghi nguồn tài liệu tham khảo đúng qui định

Tác giả

Lê Anh Dũng

TÓM TẮT LUẬN ÁNHiện nay thị trường điện đang được nhiều nước trên thế giới áp dụng do có nhiều ưuđiểm, Việt Nam cũng đang bắt đầu hình thành và vận hành thị trường điện trên cảnước Một trong các yếu tố quan trọng khi vận hành hệ thống điện theo thị trường điệnlà phải tính được công suất phát của các NMPĐ và giá thành điện năng theo yêu cầucủa phụ tải từng giờ trước khi tham gia phát điện Hơn nữa, hệ thống điện vận hànhcần đến các yếu tố quan trọng như: tối ưu kinh tế, tối ưu phân bố công suất, tối ưucông suất phản kháng dé hệ thống phát điện với chi phí thấp nhất va vận hành 6n địnhnhất.

Năng lượng gió ngày nay được sử dụng nhiều trên thế giới do đây là nguồn nănglượng tái tạo không ô nhiễm môi trường và không tốn chi phí nhiên liệu, tuy nhiênnăng lượng gió có chi phí đầu tư cao và khi tham gia vào vận hành hệ thống điện sẽlàm thay đổi các chế độ vận hành đặc biệt là các van dé về tối ưu vận hành hệ thống

điện.

Do đó nghiên cứu tập trung giải quyết các bài toán chính như sau: điều độ kinh tế hệthống điện (ED), điều độ tối ưu phân bố công suất (OPF) và điều độ tối ưu công suấtphan kháng (ORPD) của hệ thống điện có sự tham gia của nhà máy điện gió (NMDG)theo yêu cầu của phụ tai 24 giờ trước khi phát điện Các bai toán này nhằm tính giảiquyết các yêu cầu chính: công suất phát của các nhà máy với chỉ phí thấp nhất, côngsuất ti ưu truyền tải trên đường dây, điện áp và tụ bu tại các nút trong hệ thống, tonthất công suất thấp, nâng cao ôn định điện áp tại các nút Từ kết quả tính được lựachọn các nha máy có công suất phát tối ưu, giá bán điện thấp và các điều kiện về ônđịnh điện áp, công suất truyền tải, tốn thất công suất tốt nhất dé tham gia vào hệ thống.Trong báo cáo chuyên dé 1 đã trình bay áp dụng thành công các phương pháp tìmkiếm bây đàn cho bài toán tối ưu với các hàm số chuẩn, từ đó lựa chọn các thông sỐcài đặt tốt nhất cho các phương pháp tìm kiếm bay dan khi giải bài toán tối ưu Trongbáo cáo chuyên dé 2 tiếp tục phát triển các phương pháp tìm kiếm bay đàn dé áp dụnggiải các bài toán ED, OPE và ORPD cho hệ thống điện chuẩn IEEE 30 nút không cótham gia của năng lượng gió, lập trình sử dụng phần mềm Matlab Từ các kết quả của

ii

chuyên dé 1 và chuyên dé 2, nghiên cứu tiếp tục thực hiện áp dụng các phương pháptìm kiếm bay đàn dé giải bài toán ED, OPF và ORPD cho hệ thống điện chuẩn IEEE30 nút có sự tham gia của NMDG và yêu cau của phụ tải 24 giờ Kết quả sau khi tínhtoán có so sánh với các kết quả của các nghiên cứu được công bồ trong ngoài nước vềvận hành tối ưu hệ thong điện có sự tham gia cua NMDG.

Nghiên cứu khoa học gồm các phân chính sau:

Chương 1: Mở đầu.Chương 2: Tổng quan.Chương 3: Các phương pháp tìm kiếm tối ưu.Chương 4: Điều độ kinh tế trong hệ thong dién.Chương 5:Phân bố tối ưu công suất trong hệ thông điện.Chương 6: Điều độ tối ưu công suất phản kháng trong hệ thống điện.Chương 7: Kết luận và hướng phát triển

Electricity deregulation is a popular issue of developed countries Vietnam will operateelectricity deregulation in near future years The important problems in powerderegulation system operation are power output of generations, load demands, cost ofgenerators, power loss, power flow with compulsive constraints in system Three mainsubjects relate to this problems which are economic dispatch (ED), optimization powerflow (OPF) and optimization reactive power dispatch (ORPD) Moreover, operationalparameters of electricity system should calculate 24 hours load before a day, becausepower load can change following hours per day.

Although wind farms have high investment cost however, wind energy has manyadvantages characteristics such as environmental friendly, non-emission, non-fueloperation In future, Vietnam should build many new wind farms because Vietnamesegeography position has long beach and convenient weather condition to build windfarms.

The targets of this research solve three problems about operational optimization ofpower system with wind farm and 24 hours load demand Three problems areeconomic dispatch, optimization power flow and optimization reactive power dispatch.The research find out particle swarm optimization algorithms which can solve theseproblems with the best results which are power output of thermal generators, poweroutput of wind turbines, minimum operation cost of thermal power plants and windfarms, 24 hours load demand, power flow, voltage of all bus in system, capacity ofcapacitor banks, minimum power loss and voltage stability index increasing.

The research reports four particle swarm optimization algorithms to solve ED, OPFand ORPD problems Four algorithms are particle swarm optimization time varyingacceleration coefficients (PSO-TVAC), pseudo gradient particle swarm optimization(PG-PSO), pseudo gradient particle swarm optimization constriction factor (PG-PSOCF) and cuckoo search (CS) These algorithms can help to solve ED, OPF, ORPDproblems of power system with wind farms connecting and supply 24 hours loaddemand Combination of these methods and Matlab programming calculate the IEEE

iV

30 bus system with wind farm Final results also are compared to scientific reports ininternational technique journals Chapter 1 introduces the subject of the research.Chapter 2 reviews former reports about power system optimization and algorithms insolving ED, OPF and ORPD problems in power system In chapter 2, give assessment,comparison and definition for researching direction Chapter 3 shows particle swarmoptimization methods such as PSO-TVAC, PG-PSOCE and CS This chapter detailssetting parameters for these methods to program exactly and best results Chapter 3presents and draws the PSO, PSO improvement, CS flowcharts Chapter 4 collects 24hours wind data from Phuyen province — Vietnam and builds wind power function,wind cost function following wind speed This chapter programs ED problem by IEEE30 bus system with wind farm connecting The result of ED problem was comparedand analyzed to select the best method From wind data and wind cost function ofchapter 4, chapter 5 and chapter 6 continue to program and show the results OPF andORPD problems of IEEE 30 bus system with wind farm combination The results ofOPF and OPRD problems have been assessed and compare with scientific publicreport Chapter 7 generalizes all content of this research and analyzes results in chapter4,5 and chapter 6 In this chapter, includes particle swarm optimization algorithmsapplication in ED, OPF and ORPD in Vietnam power system and larger electricitysystem in future.

The author would like to thank Associate Professor — Doctor Dieu Ngoc Vo, DoctorBach Hoang Dinh, all Lecturers and Staffs of Hochiminh City University ofTechnology for advice and support during my study period and this thesis completion.

LOI CAM ONTôi xin chân thành cảm ơn Phó giáo sư -Tién si Võ Ngọc Điều, Tiến sĩ Dinh HoangBách đã tận tình hướng dẫn và giúp đỡ tôi định hướng nghiên cứu thu thập và thamkhảo các tài liệu quí chuyên ngành trong ngoài nước, chỉ dẫn soạn thảo và hoàn chỉnhluận án này của tôi Tôi cũng xin trân trọng cảm ơn các Thầy Cô 1a giáo viên Bộ mônHệ thống điện và Khoa Điện Điện tử - Trường Đại học Bách Khoa Thành phố Hồ ChíMinh đã trao đôi và đóng góp nhiều ý kiến quí giá để hoàn thành luận án này.

Tôi cũng xin cảm ơn các Quí Thầy Cô công tác tại Phòng Đào tạo sau Đại học Trường Dai học Bách Khoa Thành phố Hỗ Chí Minh đã tận tình trao đối, cung cấp vàhướng dẫn tham khảo các biểu mẫu biên soạn theo đúng qui định, cũng như giúp đỡ

-tôi trong các công tác liên quan đê hoàn thành báo cáo luận án.

Sau cùng tôi cũng xin chân thành biết ơn tất cả tập thể giáo viên Trường Đại học BáchKhoa Thành phố Hỗ Chí Minh đã day dé và giúp đỡ tôi trong suốt thời gian là nghiên

cứu sinh tại Trường.

VỊ

MỤC LỤC

DANH MỤC CÁC HINH VẼP - G- S12 21 91 111g HH nh Hà HT TH rưchọ X

DANH MỤC CAC BANG BIEU QG S1 re XI

DANH MỤC CÁC LƯU ĐÔ -:c 55c 2+2 tre xiiiDANH MỤC CAC TỪ VIET TAT uu.ccececccccccescesseceececsecsscesceccseseceecsesscsaceasavaceaceeeees XỈV

DANH MỤC CAC KY HIFU G G SG + 1 0110101011 11 1n XVI

90)00/9)I9008.090557.1001001177 |1.1 Lý do chọn để tài E22 1 12121 1 51111111 51111010101 1101010101111 010101 0 1 H0 |

1.2 Mule dich nghién CUu oe 2

1.3 Đối tượng và phạm vi nghiên CỨU ¿- - cessesescscsessssescecsesssssscseseeeseenseees 21.3.1 Đối tượng nghiên cứỨu -© ¿5-5 E2 SE E113 1E 111121 E11 cree 2

1.3.2 Phạm vi nghiÊn CỨU - Gv nh 21.4 Phương pháp nghiÊn CỨU << << 5 << c3 31311111111 11 ng nhe 3

CHƯƠNG 2 TONG QUAN CS S121 5 5111 1 11 31511111 111101 111101 11T rệt 4

QL Con m'IẶI'ĂÃ sa +

2.2 Thuật toán tìm kiếm bay đàn và tối ưu hóa ¿+ + 5222 S2 2 +E£*££sEzEskrerscee 52.3 Tua bin gió và tiềm năng điện gió ở Việt Nam ¿ 2 2 52s zc+czesececscee 6

2.3 Tua DIN BIÓ Gà 6

2.4 Điều độ tối ưu trong hệ thống 3:0 824.1 Điều độ kinh tế hệ thống điện oo e ec ccceecececessescecsesesssscssseseeees 8

24.2 Điêu độ phân bô tôi ưu công Suât - - 5 5-5-5 5 {52+ +keeeeke 1024.3 Điêu độ tôi ưu công suât phản kháng << eeeks 15

2.5_ Điều độ tối ưu hệ thống điện có tham gia của NMDG c3 182.5.1 Điều độ kinh tế có tham gia của NMĐG - 5 5c 2c ceczcscsece2 19

2.5.2 Điêu độ phan bô tôi ưu công suât có tham gia của NMDĐG 242.5.3 Điêu độ tôi ưu công suât phan kháng có tham gia của NMDG 29

2.6 Các khiếm khuyết cần khắc phục ¿-¿ ¿+ 2252 E123 £E£2E2E2E£E£EEEErErkrerrcee 322.7 Kết luận chương 2 - ¿E151 3 5 51111252111 11111111 1110101010 1111111 re 34CHUONG 3 CÁC PHƯƠNG PHÁP TÌM KIEM TÔI ƯU 5-55 353.1 Tối ưu hoá bay đàn (PSO) - :- - Sc S111 1 1 51 111111101 111111010 1111111011 ri 35

3.2 Các bước xây dựng thuật toán PSO 0.0 eee eeeeeeeeeceecceceecceceeeaeaanaeaeeseeeseeeeeees 37

3.3 Các phương pháp PSO cải tiẾn - E22 S1 12121 1 511111111212 11 11111 errkg 373.3.1 Phương pháp PSO với hệ số gia tốc biến đổi thời gian PSO-TVAC 38

3.3.2 Phương pháp PSO với gradient gia PG (Pseudo - Gradient) 413.3.3 Phương pháp PSO với hệ sô giới han (CTF) 7s ss << <<<<<+ssss2 433.4 Phương pháp chim tu hú (Cuckoo Search) - - cv v v 46

3.4.1 Hanh vi Chim tu hÚ 2 eee ececcccccececcccscececcccecsceccescscecesesesceceees 463.4.2 Thuật toán chim tu hú (CS) - nghe 463.4.3 Đặc tinh Lévy li hitS eeeceecceceecceceeeeeeeeaeaaeaesseeeeceseesesees 463.44 Cac bước xây dựng thuật toán CS TS ng re, 47

3.4.5 Lưu đồ bài toán tối ưu dùng phương pháp CS - ¿552 cece 493.5 Lựa chọn thông số cài đặt cho các phương pháp - 52 2 2 +s+s+s£z£+ezs2 50CHUONG 4 DIEU ĐỘ KINH TẾ TRONG HE THONG ĐIỆN 5-52 51

4.1 Thành lập bài toán ED trường hop không có năng lượng gió - - 51

4.2 Thành lap bai toán điều độ kinh tế (ED) trường hop có năng lượng gió 5242.1 Giá trị trung bình và xác suất tốc độ gió - + + sec cv rcee 52

4.2.2 — Giá trị trung bình cọ HH TH HH và 52

4.2.3 Độ lệch chuẩn - St thttgtrrtrrrrrrrrrrrrrrrirrrrrred 524.2.4 — Xác suất tốc độ giÓ cScc ST HH1 T TH TT HH TH HH He rưệu 5342.5 Tốc độ gió và hàm phân phối tốc độ gió - +2 2 2 55 +s+s << c2 5342.6 Công suất tua bin gió theo xác suất tốc độ gió - 55+: 54

4.2.7 Hàm chi phí tua DIN BIÓ SG 1 Y9 và 554.2.8 Nhà máy điện gid (Wind farm) ce eeeeeeeeeeeeceeeececeeceeeeneeeeeeeeeeeeeeees 56

4.2.9 Hàm chi phí của hệ thông khi có sự tham gia của NMĐG 574.2.10 Điều kiện ràng buộc của tua bin gió và NMDG 5-5: 57

4.2.11 Bài toán ED có tham gia của năng lượng G10 5c << << << <5 58

4.3 Áp dụng các phương pháp giải bài toán ED -.- ¿5552 S2 E2 re 58

43.1 Trường hợp không có năng lượng gIÓ - S3 584.3.2 Trường hop có năng lượng gIÓ - - << - << cv vn 63

AA Dữ liệu hệ thong tính toán +: + + E222 2 5EE321 8 515111 1E 1112515 1 1xx 68

“ăn )ì an 684.4.2 Dit liệu phụ tải 24 ĐIỜ HH n ng ng HH vờ 69

44.3 Dữ liệu hệ thông IEEE 30 nút và các thông số cài đặt 704.5 Kết quả tính toán bài toán ED có năng lượng gió theo phụ tải 24 giờ 72

A5S.1 nỉ e H 724.5.2 Phụ tải lúc 24 BIỜ TQ Tnhh HH vờ 74

4.6 Đánh giá và so sánh kết quả bài toán EÌD 5-2 +5 522 E2 S2 £+E+2££z£zezszee 764⁄7 Kết luận chương 4 -c c1 1 3S 191112515 1111111111 111101010100 11 010101 H11 gx 77CHƯƠNG 5 PHAN BO TOI UU CONG SUAT TRONG HE THONG ĐIỆN 79

5.1 Thành lập bài toán OPPIE Ăn ng 795.1.1 Trường hợp không có năng lượng gIÓ << {+ eeks 795.1.2 Truong hợp có năng lượng giÓ - - - S St 32

5.2 Áp dụng các phương pháp giải bài toán OPE -5- ¿52 + 2 2222 2 cEzerszsrece 83

Vill

5.2.1 Bài toán OPF không có năng lượng B16 - S2 835.2.2 Bài toán OPF có năng lượng gIÓ - SG S SH hvvrkg S6

5.3 Kết quả tính toán ¿5< E21 S 111 1 3 11111211111 1111010 11110101010 E1 1111 tr re 885.3.1 Dir liệu hệ thống tính toán ¿ ¿2 2< SE E+E+EE#E£EEeErkrererreerred 88

5.3.2 Ket quả phụ tải lic 1 ĐIỜ c2 9 9 xu 895.3.3 Ket quả phụ tải lúc 24 ĐIỜ HH HH ng, 945.3.4 Đánh giá và so sánh kết quả bài toán OPF - << eses 100

54 Kết luận chương 5 c1 s13 51 1 5111111111 115111 5111011111111 1xx rưệu 105CHUONG 6 DIEU ĐỘ TOI UU CONG SUAT PHAN KHANG TRONG HE

THONG DIEN 00 1066.1 Bài toán ORPD không có năng lượng gIÓ BS SS S11 1s 1066.1.1 Xây dựng bai toán ORPD không có năng lượng gió 1066.1.2 Ap dụng các phương pháp giải bài toán ORPD không có năng lượng gió

1096.2 Bài toán ORPD có năng lượng B10 - ng se 112

6.2.1 Xây dựng bài toán ORPD có năng lượng gió «<< <<52 1126.2.2 Ap dụng các phương pháp giải bài toán ORPD có năng lượng gió 113

6.3 Kết quả tính toán -¿ ¿<1 Sẻ 111 1 511151111511 111111110 111110101000 11 11 re 1156.3.1 Dữ liệu hệ thống tính toán ¿-© ¿+2 22+ E23 EzEEeErkrrrrrered 115

6.3.2 Kêt quả bài toán Pu, có tham gia của năng lượng gió 1156.3.3 Kêt qua bài toán VD có tham gia cua năng lượng gió 1206.3.4 Kêt quả bài toán Lạy có tham gia của năng lượng giÓ 124

6.4 Đánh giá và so sánh kết quả bài toán OR.PD 5-2 2 2222 2£ zEcezscscee 1286.5 Kết luận chương Ó c E133 51 1 511111 111 315111 5111011 11111 1kg 129CHƯƠNG 7 KET LUẬN VÀ HƯỚNG PHAT TRIEN 5 5 56 sex x2s<s2 1317.1 KOt luận Q1 SH HT ng TH TH TH TH TH ng TH ng ren 1317.2 Hướng phat triỂn ¿ - EE SE S 5153 5 5151111325 11111111 111011101010 1 gx 132TÀI LIEU THAM KHHẢO - G2 E138 98 9895653 98 9155191 51 v9 23 vn ca 137

DANH MỤC CÁC HÌNH VẼ

Hình 2.1 Các vùng làm việc của tua DIN ØHÓ SH 7

Hình 2.2 Hệ thống IEEE 30 nút bài toán ED |46] -¿ 2 2 2 5252 £z£z£zzzz c2 10

Hình 2.3 Kết quả biéu diễn độ hội tụ nghiệm qua các phương pháp [54] 11

Hình 2.4 Kết quả độ hội tụ nghiệm bài toán OP [ŠŠ] 7 555555 << << << <<<<<<s+ssss I1Hình 2.5 Hệ thống IEEE 30 nút bài toán OPF [59] 5+ 2 5 222 £zEzEzszzcscee 13Hình 2.6 Hệ thống IEEE 30 nút bài toán ORPD [79] ¿ + 5552 £2££+£+s+z£zc+2 l6Hình 2.7 Biéu diễn độ hội tụ nghiệm Ploss theo [71] - «<< xe 18Hình 2.8 Biéu diễn độ hội tu nghiệm OPF có NMDG theo [03] - 29

Hình 3.1 Di chuyền trong tự nhiên của bay đàn [115] - ¿5552 5s5s5s5<5< 36Hình 4.1 Phân phối tốc độ gió theo Weibull [3⁄3 ] - ¿+ 2 + 2 ++c+s+s+x+s+szs se 54Hình 4.2 Mô hình nha máy điện 8Ó - - 5 - 5 5 5s nnre 56Hình 4.3 Đô thị biểu diễn tốc độ gió 24 giờ ngày 16/04/2012 -: 5555: 69Hình 4.4 Biểu đồ phụ tải 24 giờ Ác S1 1 1212121212111 1111111010101 110101 re 70Hình 4.5 Hệ thống điện IEEE 30 nút [149] - 5-2 2 +22 E2 E+E££E+E+E£eE+Ez£zeexrecse 71Hình 4.6 Đô thị bai toán ED có NMĐG phụ tải lúc 1 giờ dùng PSO 72

Hình 4.7 Biéu diễn độ lệch chuẩn bài toán ED có NMĐG phụ tải lúc | giờ dùng0 72Hình 4.8 D6 thị bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PSO-TVAC 73

Hình 4.9 Biểu diễn độ lệch chuẩn bài toán ED có NMDG phụ tải lúc | giờdùng PSO-TVV ÁC -.- s21 S1 11111111112 010101 011101010101 110101010 H100 73Hình 4.10 Đồ thị bài toán ED có NMĐG phụ tải lúc 1 giờ dùng PG-PSO 73

Hình 4.11 Độ lệch chuẩn bài toán ED có NMĐG phụ tải lúc 1 giờ dùng 0 73Hình 5.1 Độ hội tụ nghiệm OPF dùng PSO với công suất NMĐG 40MW 101

PG-Hình 5.2 Đồ thi độ lệch chuẩn bài toán OPF dùng PSO công suất NMDGAOMW 0 101Hình 5.3 Độ hội tu nghiệm bai toán OPF ding PSO TVAC với NMDG 40MW 101

Hình 5.4 Đồ thị độ lệch chuẩn bài toán OPF dùng PSO TVAC với NMĐGAOMW 0 101Hình 5.5 Độ hội tụ nghiệm OPF dùng PG-PSO với công suất NMĐG 40MW 101

Hình 5.6 Độ lệch chuẩn bài toán OPF dùng PG-PSO công suất NMDG 40MW 101

Hình 5.7 Độ hội tụ nghiệm bài toán OPF dùng PG-PSOCF với NMĐG 40MW 102

Hình 5.8 Đồ thị độ lệch chuẩn bài toán OPF dùng PG-PSOCF với NMĐGAOMW 0 102Hình 5.9 Độ hội tụ nghiệm bài toán OPF dùng CS với với NMĐG 40MW 102

Hình 5.10 Đồ thị độ lệch chuẩn bài toán OPF dùng CS với NMĐG 40MW 102

Hình 5.11 Độ hội tụ nghiệm bài toán OPF dùng PG-PSO với NMĐG 26MW 103

Hình 5.12 Độ lệch chuẩn bài toán OPF dùng PG-PSO NMDG 26MW 103

Hình 5.13 Độ hội tụ nghiệm bài toán OPF dùng PG-PSOCF với NMĐG 26MW 103

Hình 5.14 Đồ thị độ lệch chuẩn bài toán OPF dùng PG-PSOCF với NMĐG

“0/0 103

Hình 5.15 Độ hội tụ nghiệm bài toán OPF dùng CS với NMDG 26MW 103

Hình 5.16 Đồ thị độ lệch chuẩn bài toán OPF dùng CS với NMĐG 26MW 103

Hình 6.1 D6 thị bài toán P,,., có năng lượng gió phụ tải lúc 1 giờ dùng PSO 116

Hình 6.2 Độ lệch chuẩn P,,., có năng lượng gió phy tai lúc 1 giờ dùng PSO 116

Hình 6.3 Đồ thị bai toán P,,., có năng lượng gió phụ tải lúc | giờ dùng 2 0 4 116

Hình 6.4 Độ lệch chuẩn Pigs có năng lượng gió phụ tải luc 1 giờ dùng 2 0 4 116

PSO-Hình 6.5 Đồ thi bài toán P;; có năng lượng gió phụ tải lúc 1 giờ dùng PG-PSO 117

Hình 6.6 Độ lệch chuẩn P,,., có năng lượng gió phụ tải lúc | giờ dùng PG-PSO 117

Hình 6.7 Đồ thị bài toán P,,., có năng lượng gió phụ tai lúc 1 giờ dùng 0 0 I17Hình 6.8 Độ lệch chuẩn P,,,, có năng lượng gió phụ tải lúc | giờ dùng PG-0 0 I17Hình 6.9 D6 thị bài toán P¿„„„ có năng lượng gió phụ tải lúc 1 giờ dùng CS I17Hình 6.10 Độ lệch chuẩn P,,., có năng lượng gió phụ tải lúc 1 giờ dùng CS I17Hình 6.11 Đồ thị bài toán P,,,, có năng lượng gió phụ tải 24 giờ dùng PSO 118

PG-Hình 6.12 Độ lệch chuẩn P.„„„ có năng lượng gió phụ tải 24 giờ dùng PSO 118

Hình 6.13 Dd thi bài toán P;,,, có năng lượng gió phụ tai 24 giờ dùng 2 0 4 118

Hình 6.14 Độ lệch chuẩn P,,., có năng lượng gió phụ tải 24 giờ dùng 2 0 4 118

PSO-Hình 6.15 Đồ thi bài toán P,,,, có năng lượng gió phụ tải 24 giờ dùng PG-PSO 119

Hình 6.16 Độ lệch chuẩn P,,., có năng lượng gió phụ tải 24 giờ dùng PG-PSO 119

Hình 6.17 Đồ thị bài toán P,„„ có năng lượng gió phụ tải 24 giờ dùng 0 0 119

Hình 6.18 Độ lệch chuẩn Pros có năng lượng gió phụ tải 24 giờ dùng 0 0 119

PG-Hình 6.19 Đồ thi bài toán P.„„ có năng lượng gió phụ tai 24 giờ dùng CS 119

Hình 6.20 Độ lệch chuẩn P.„„„ có năng lượng gió phụ tải 24 giờ dùng CS 119

DANH MỤC CÁC BANG BIEU

Bang 2.1 Tiềm năng gió ở Việt Nam [37] + ¿+ + 2E 2222 2 SE EEE1EE 2 E1 EEErvrkree, 8Bảng 2.2 Kết quả bài toán ED qua các nghiên cứu đã công bồ - 5-55: 9

Bảng 2.3 Kết quả tính bài toán OPF qua các phương pháp [58] [59] [60] 13

Bang 2.4 Kết quả bài toán ORPD theo các phương pháp - 5 555s 55+: 17Bảng 2.5 Kết quả tính ED có NMĐG hệ thống 15 nút và 6 nút IEEE theoF11216 1202 23

Bang 2.6 Kết quả tính bài toán OPF có NMDG [100] [101] - 55-55: 26Bang 2.7 Kết quả tính bài toán OPF có NMĐG theo [102] - 2 555555555: 27Bảng 2.8 Kết quả ORPD có NMDG theo tài liệu tham khảo [ I II ] - 31

Bang 2.9 Két quả ORPD có NMDG theo tai liệu tham khảo [ l 14| - 31

Bảng 2.10 Kết quả ORPD có NMDG theo tài liệu tham khảo [109] 32

Bảng 4.1 Dữ liệu tốc độ GIO (M/S) [LAT] - << - 9931 v x 68Bang 4.2 Van tốc gid CỰC tiểu, cực đại và trung bình [147] -««««ss«<<<++ 68Bang 4.3 Phụ tải 24 giờ hệ thong IEEE 30 nút 25525252 E222 £zEcerszzrscee 69Bảng 4.4 Thông số tua DIN 8iÓ - G- C 1212321232121 1 1211115111111 11 1101 xe 71Bảng 4.5 Kết quả bai toán ED có năng lượng gió phụ tải lúc 1 giờ 72

Bảng 4.6 Kết quả bai toán ED có năng lượng gió phụ tải 24 giờ - 74

Bang 4.7 So sánh kết qua bài toán ED qua các phương pháp với tải 289,3 MW 76

Bang 4.8 So sánh kết quả bài toán ED qua các phương pháp với tải 189.2 MW 77

Bảng 5.1 Kết quả bài toán OPF có năng lượng gió phụ tải lúc 1 giờ 89

Bang 5.8 Kết quả bài toán OPF có năng lượng gió phụ tải 24 giờ - 94

Bảng 5.15 Kết quả bài toán OPF với công suất NMĐG 40 MW 100

Bảng 5.16 Kết quả bài toán OPF với công suất NMĐG 26 MW 102

Bang 5.17 Bảng so sánh kết quả bài toán OPF qua các phương pháp 104

Bang 6.1 Két qua bài toán ORPD theo Pu; phụ tải lúc 1 giờ <<: 116Bang 6.2 Két qua bài toán ORPD theo P,,,, phụ tải 24 81Ò: - 2< <<<<<2 118Bảng 6.3 Kết quả bài toán ORPD theo VD phụ tải lúc 1 giờ - 120

Bang 6.4 Kết qua bài toán ORPD theo VD phụ tải 24 giờ 5c 252cc 55c 122Bảng 6.5 Kết quả bai toán ORPD theo Lyax phụ tải lúc 1 giờ : - 124

Bảng 6.6 Kết quả bài toán ORPD theo Lyax phụ tải 24 giờ - 555555552 126Bang 6.7 So sánh kết qua bài toán ORPD theo P,,,, qua các phương pháp 129

Bang 6.8 So sánh kết qua bài toán ORPD theo L„„„ qua các phương pháp 129

Bang 6.9 So sánh kết quả bài toán ORPD theo VD qua các phương pháp 129

XI

DANH MỤC CÁC LƯU ĐỎLưu d6 3.1 Lưu đồ bài toán tối ưu dùng phương pháp PSO-TV AC -: 40Lưu đồ 3.2 Lưu đồ bài toán tối ưu dùng phương pháp PG-PSOCTF - 45Lưu đồ 3.3 Lưu đồ giải bài toán tối ưu dùng phương pháp CS - -5 49Lưu đồ 4.1 Lưu đồ bai toán ED có năng lượng gió dùng phương pháp PSO-

DE

DEIAC

DP

EAEC

ED

EAC

FSGAGGABCGWOHDEHSHDE-SQPHFGAHLG

IEPIFEP

IGA-MUIPSOKOA

LMMLHLPMABS

MAKWOMBOMPSONP

DANH MUC CAC TU VIET TATAnt Colony Search

Artificial IntelligentBat AlgorithmBee Colony AlgorithmBacterial Dynamics AlgorithmBlack Hole Optimization AlgorithmChance Constrained ProgrammingConventional and Neural NetworksCuckoo Search

Modified Cuckoo SearchDifferential EvolutionDifferential Evolution Immunized Ant ColonyDynamic Programming

Evolutionary AlgorithmEvolutionary ComputationEconomic Dispatch

Finite-time consensus

Fuzzy system

Genetic AlgorithmGbest GuidedArtificial BeeColonyGrey Wolf Optimizer

Hybrid Differential Evolution and Harmony SearchHybrid DE sequential quadratic programmingHybrid Fuzzy Genetic Algorithm

Hybrid Loop GeneticImproved Evolutionary ProgrammingImproved Fast Evolutionary ProgrammingImproved Genetic Algorithm with Multiplier UpdatingImproved Particle Swarm Optimization

Khumsoptimizational gorithmLagrange multipliers methodLagrange Hopfield

Linear ProgrammingMulti-agent Based SystemModified Artificial Killer Whale OptimizationMultiobject Bees Optimization

Modified Particle Swarm OptimizationNonlinear Programming

XIV

NMPDNMPND

OBPOPFORPDPIOPG-PSOPG-PSOCFPGSAPSOPSO-IIWPSO-TVACQP

RECGA

RP

SASAMTSVD

Neural NetworkNewton MethodNhà máy điện gió

Nhà máy phát điệnNhà máy phát nhiệt điện

Optimal Bus PlacementOptimization Power FlowOptimization Reactive Power DispatchProbability Interval OptimizationPseudo Gradient PSO

Pseudo Gradient PSO Constriction FactorPlant Growth Simulation AlgorithmParticle Swarm Optimization

Particle swarm optimization with improved inertia weightPSO Time-Varying Acceleration Coefficients

Quadratic AnnealingReal code Extended Compact Genetic AlgorithmRobust Programming

Simplex AlgorithmSimulated Annealing MetahuristicTabu Search

Volage Deviation

di, Di C¡

Bi, Bo Boo

SliB

ip? ij

> ma na RO

mm

P LHHH P Lmax

DANH MUC CAC KY HIEU

Goc dién ap tai nut i [rad]Goc dién ap tai nut j [rad]

Góc điện áp tại nút i khi có NMĐG tham gia vào hệ thống [rad]Góc điện áp tại nút j khi có NMĐG tham gia vào hệ thống [rad]

Độ lệch góc điện áp giữa nút i và j [rad]

Diện tích gió thôi qua cánh quạt của tua bin [m7]Hệ số chi phí của NMPD điện thứ I [$/h], [$/MWh], [$MW”h]Hệ số ma tran B tốn thất truyền tải

Điện dẫncủa nhánh | dau nối vào giữa nut i và nút j [1/O]Điện dan va dung dẫn giữa nut i và nút j [1/O]

Hệ số phạt công suất phát của các tổ máy phátHệ số phạt công suất phản kháng máy phátHệ số phạt công suất truyền tải trên đường dâyHệ số phạt điện áp nút tải

Chỉ số 6n định điện áp ở nút iTổng số nút của hệ thống.Tổng số nút tai

Tổng số đường dây truyén tảiTổng số tua bin gió trong NMĐGTổng số máy phát nhiệt điệnTổng phụ tải yêu cầu [MW]Công suất yêu cau tại nút i [MW]Công suất thực phát ra của máy phát nhiệt điện thứ ¡ [MW]Công suất thực cực tiểu và cực đại của máy phát thứ i [MW]Tổng tôn thất truyền tải [MW]

Công suất phát bù trừ của hệ thống [MW]Công suất của tua bin gió thứ i trong NMĐG [MW]Bù công suất phản kháng tại nút thứ ¡ [MVAr]Công suất phản kháng yêu cầu tại nút ¡ [MVAr]Công suất phản kháng máy phát [VAr]

Hàm mục tiêu theo P),,,, VD hoặc Linax

XVI

Si Công suất biểu kiến trên đường day | giữa nut i va nút j [MVA]Sự Công suất biểu kiến trên đường dây truyền tải thứ i [MVA]sp Công suất cực đại trên đường day truyền tải [MVA]

Ty Nac điều chỉnh của máy biến áp thứ k

Tx, min The max Vi trí bộ điêu áp cực tiêu và cực dai.

Veut-in Tốc độ gió tối thiểu phải dừng làm việc [m/sỊVeut-out Tốc độ gió tối da phải dừng làm việc [m/s]V Dién ap dau cuc may phat [V]

Voi Điện áp cua may phát ở nút thii[V]

Vig) Điện ap tai nút thứ i (Gj) [VỊ

Vũ) Điện áp tại nút thứ i(j) khi có NMDG tham gia vào hệ thống [V]

Vị, @ Biên độ điện áp và góc điện áp ở nút thứ i [VỊ [rad]

Voi min Veimax — Điện ap cực tiéu va cuc dai cua máy phát thứ i [VỊVì, Điện áp trên đường dây thứ 1 [VỊ

Vhmim VỊ; may Điện áp cực tiểu và cực đại trên đường dây thứ i [VỊV,, Tốc độ gid (m/s)

Yi; Thanh phan ma tran tong dan cua nut ijp Mật độ không khí (kg/m”)

CHUONG 1 MO ĐẦU

1.1 Lý do chọn dé tài

Điều độ tối ưu hệ thống điện là vấn dé rất quan trọng và cần thiết trong vận hành hệthống điện Lý do là hệ thông điện bao gồm nhiều nút, mỗi nút tương ứng với nhiềunha máy phát điện (NMPĐ), nhiều phụ tải, hoặc các trạm biến áp trạm tụ bù, trạmđiều áp Khi vận hành cung cấp điện từ nhà máy đến phụ tải do các NMPĐ đặt ở cácvị trí khác nhau nên khoảng cách từ các NMPĐ đến phụ tải thường không bằng nhau,do đó khi tham gia phát điện vào hệ thống, van dé đặt ra là các nha máy phát đượcphat với công suất bao nhiêu ứng với nhu cau phụ tải đòi hỏi dé chi phí vận hành làthấp nhất Việc tính toán này đơn giản nếu chỉ có một hoặc vải nhà máy phát tham giaphát điện cung cấp cho một hoặc hai phụ tải, nhưng nếu có nhiều phụ tải và có nhiềunhà máy phát cùng tham gia vào hệ thống thì việc tính toán khó hơn rất nhiều

Khi có nhiều dạng NMPĐ tham gia vào vận hành như: nhiệt điện, thuỷ điện, sinh khối,

năng lượng tái tạo và do đặc tính đường cong chi phí của các nhà máy phát khác nhau

từng thời điểm, phi tuyến và không liên tục và thêm nhiều điều kiện ràng buộc khácnhau từ đó làm cho bai toán cảng phức tạp và nhiều biến Xác định các thông số đểđiều độ tối ưu hệ thống điện là cần thiết để đảm bảo hệ thống điện vận hành tối ưu vềchi phí, hiệu quả, an toàn và an ninh Hiện nay dé tính toán và vận hành tối ưu hệthống điện, người ta dùng một số thuật toán truyền thống với sự hỗ trợ của máy tính đểtính điều độ tối ưu hệ thống điện

Áp dụng thuật toán mới để giải các bài toán về vận hành tối ưu hệ thống điện là đónggóp thêm các giải pháp dé tính tối ưu vận hành hệ thống điện, từ đó có cơ sở so sánhvà lựa chọn các thuật toán có nhiều ưu điểm hơn Hiện nay năng lượng tái tạo đượcxây dựng và đưa vào vận hành chung với các NMPD dé đáp ứng nhu cầu phụ tải ngàycàng tăng va nguồn năng lượng hóa thạch đang can dan Thị trường điện đang hìnhthành và sẽ chính thức vận hành trong tương lai gần ở Việt Nam

Vì vậy, dé tài nghiên cứu với mong muôn tìm ra các thuật toán nhăm giải các bài toán

điều độ tối ưu hệ thống điện theo yêu cầu phụ tải 24 giờ với sự tham gia của nguồn

năng lượng gió Từ kết quả nghiên cứu này hy vọng có thé vận dụng vào vào tính toánvận hành tối ưu hệ thống điện thực tế trong tương lai.

1.2 Mục đích nghiên cứu

Mục đích nghiên cứu của đề tài gồm các phần chính sau:° Ứng dụng và chọn lựa các thuật toán để giải bài toán điều độ tối ưu của hệ thống

điện.

e Tính được công suất truyền tải trên đường dây, công suất và công suất phản

kháng của các nha máy phát nhiệt điện (NMPND) và nhà máy điện gió (NMDG),

dung lượng tụ bù, nac điều chỉnh bộ điều áp tối ưu với chi phí phát điện cực tiểu

theo phụ tải 24 giờ.

e Tính tôi ưu tôn that công suat, tôi ưu độ lệch điện áp tại các nút tải, tôi ưu ôn

định điện áp của hệ thống có tham gia của NMĐG theo phụ tải 24 giờ.1.3 Đối tượng và phạm vi nghiên cứu

1.3.1 Đối trợng nghiên cứue Cấu trúc của các thuật toán tìm kiếm bay dan: PSO, PSO-TVAC, PG-PSO, PG-

PSOCE và CS.

e Hàm chi phí của tua bin gió và NMDG.

e Các van dé của bài toán ED, OPF và ORPD và xây dựng bài toán ED, OPF va

e Tôi ưu: công suât phân bô tại các nút tải và trên đường dây, điện áp tại các nút,

dung lượng bù, ton thất công suất, độ lệch điện áp.e Ap dung tính toán vận hành trên hệ thống điện IEEE 30 nút

1.4 Phuong pháp nghiên cứu

Nghiên cứu lý thuyết: thu thập các tải liệu có trước về thuật toán tìm kiém bay đàn vàcác ứng dụng trước đây, nghiên cứu về tua bin gió, NMĐG và chi phi phát điện củatua bin gió khi tham gia vào hệ thống Từ đó nâng cao cải tiễn các thuật toán để ápdụng hiệu quả vào giải quyết các van đề về điều độ tối ưu kinh tế, tối ưu phân bố côngsuất, tối ưu công suất phản kháng của hệ thống điện theo yêu cầu phụ tải 24 giờ để đápứng tính toán các nhà máy phát của hệ thống điện khi tham gia thi trường điện

Nghiên cứu thực nghiệm mô hình toán học: lập trình trên phần mềm Matlab và môphỏng hệ thống điện IEEE 30 nút dé tính được kết quả các bài toán điều độ tối ưu kinhtế, tối ưu phân bố công suất, tối ưu công suất phản kháng trong hệ thống điện

CHUONG 2 TONG QUAN

2.1 Giới thiệu

Hệ thông điện có lịch sử phải trién lâu đời gầm nhiều lĩnh vực khác nhau tử chuyềnmôn kỹ thuật điện cho đến các van dé liên quan khác, Trong đó phương pháp tối ưuhóa đã được áp dụng hiệu qua cho ky thuật và vận hành hệ thống điện, thực tế đã đóngvai trò rất quan trọng trong hoạt động kinh tế của các hệ thống điện Giá trị đông gópcủa việc tôi ưu hóa hệ thống điện là đáng kế trong kinh tế với hàng trăm triệu đô la tiết

kiệm hàng năm cho các tiện ich lớn từ chi phí nhiên liệu, độ tin cậy hoạt động va anmình [1].

Hiện nay hệ thông điện đã phát triển lớn hơn và phức tạp hơn do sự gia tăng như cautai, dan đến tiêu thụ nhiều nhiên liệu hóa thạch cho các nhà máy nhiệt điện va giảiphóng khí thái nhiều hơn vào môi trường, Xu hướng hiện nay là sứ dụng các nguồnnăng hượng tái tạo như nước, gió, mặt trời kết hợp vao hệ thống để giảm chi phí vận

hành va giảm lượng khí thái [23].

Theo tài liệu [4-6] khi hệ thông điện gồm các nha máy nhiệt điện và các NMPD từ cácnguồn năng lượng tái tao thi việc tính toán tốt wa vận hành là một công VIỆC rất quantrọng, cần phải nhanh chúng chính xác để đảm bảo an ninh vận hành, tiết kiệm chỉ phìnhiên liệu mà vẫn đảm bảo cung cấp điện năng đúng theo yêu cầu phụ tải của hệthống

Do đó, nội dung chương 2 của luận án nhằm tổng quan các tài liệu đã nghiên cứu trướcđây về các nội dung chính như sau: các thuật toán dé tính toán vận hành tối ưu hệthống điện về các bài toán ED, OPF và ORPD gồm các nhà máy nhiệt điện và nhà máyđiện gió, các tài liệu về vận hành hệ thống điện theo yêu cầu phụ tải 24 giờ để phù hợpvới tính toán hệ thống điện khi tham gia thị trường điện hiện đang được áp dụng trênthế giới và Việt Nam

Câu trúc chương tông quan gôm tóm tat các nghiên cứu đã công bô về thuật toán timkiêm bây đàn, áp dụng các thuật này đê giải vân đề vận hành tôi ưu hệ thông điện Cácnghiên cứu đã công bô vê năng lượng gió và công suât cua tua bin gió, kêt hợp các bài

toán ED, OPF và ORPD với sự tham gia của nhà máy điện gió theo yêu cầu của phụtải 24 giờ Báo cáo tổng quan gồm các nội dung đã được nghiên cứu từ thời gian xacho đến gan day dé dam bao tính thực tiễn khoa hoc Từ đó, tìm ra các khiém khuyết

cân bô sung hay sửa đôi đê hoàn thiện và báo cáo luận án.

2.2 _ Thuật toán tìm kiêm bây đàn và tôi ưu hóa

Từ năm 1980, trí tuệ thông minh nhân tạo (AI) đã được các nhà khoa học nghiên cứu

phát triển và áp dụng nhiều trong lĩnh vực khoa học máy tính Có nhiều thuật toánthông minh nhân tạo được nghiên cứu và ứng dụng, một số thuật toán tiêu biéu đó là:mang neural (NN), hệ mờ (FS), tính toán tiến hóa (EC), thuật toán di truyền (GA) vàthuật toán tìm kiếm bây dan (PSO) Thời gian này, các thuật toán thông minh nhân tạođã được nghiên cứu và ứng dung để giải quyết van dé tôi ưu hóa, do tối ưu hóa đượcáp dụng trong nhiều lĩnh vực khoa học, đặc biệt là để giải các bài toán tìm nghiệm tốiưu cực tiểu hay cực đại của các van dé kỹ thuật như: điện, cơ khí, máy tinh, chế tạo

máy, giao thong vận tải [7].

Trước đây, để giải bài toán không liên tục và phi tuyến thường dùng cách tuyến tínhhóa thành từng phân đoạn nhỏ và giải bang các phương pháp truyền thống như: quihoạch tuyến tính (LP), qui hoạch phi tuyến (NP) [8], phương pháp đơn hình (SA),

phương pháp Lagrange (LMM), phương pháp Newton (NM) [9] Tuy nhiên việc giải

bài toán bang các phương pháp nay sẽ gặp khó khăn đối với những hệ thống lớn va

phức tạp [10].

Năm 1995, thuật toán tìm kiếm bay đàn (PSO) đã được James Kennedy va RussellEberhart nghiên cứu áp dụng trong các môn học tối ưu hóa, thời gian này tối ưu hóabay đàn thường được áp dung trong lĩnh vực toán học và cơ khí [11][12]

Từ năm 1996 đến 2004, thuật toán tối ưu hóa bầy đàn thực sự phát triển mạnh và cảitiễn băng cách thêm vào các hệ số biến đổi nhằm mục đích tăng độ dốc của đặc tính đồthị, giúp thời gian tìm nghiệm nhanh cho các kết quả tối ưu nhất [13-15] Các phươngpháp cải tiến là: PSO với hệ số gia tốc biến đổi thời gian (PSO-TVAC) [15][16], PSOvới gradient giả (PGPSO) [17], PSO với hệ số giới hạn (PG-PSOCF) [18] Tuy nhiên,

thời gian này các thuật toán tôi ưu hóa bây đàn vân chưa được áp dụng đền vân đề tôi

5

ưu vận hành hệ thống điện, đa số được ứng dụng trong các lĩnh vực khoa học máytính, cơ khí chế tạo máy và tối ưu hóa [19][20].

Từ năm 2004, thuật toán bay dan được quan tâm để giải bài toán tối ưu vận hành kinhtế hệ thống điện [21] Thuật toán này ngày cảng có nhiều ưu điểm do có thé giải cáchàm số không lỗi [22], các hàm số dạng này có nhiều tại các hàm chỉ phí của các nhàmáy điện như nhiệt điện, thủy điện [23-25] Hơn nữa thuật toán tối ưu hóa bay dan cóthể giải các bài toán qui mô lớn nhiều nút bao gồm nhiều nhà máy phát, nhiều phụ tải,nhiều bộ tụ bù và bộ điều áp trong hệ thống [25][26] Khi hệ thống điện phát triển sẽphát sinh thêm nhiều yêu cầu ràng buộc về an ninh, về ton thất công suất, công suấttrên đường dây [27][28] khi đó cần các thuật toán mới để đáp ứng giải nhanh và hiệuquả các bài toán về vận hành tối ưu hệ thống điện [29][30]

Theo [31] thuật toán chim tu hú (CS) và di chuyển Lévy flights được ứng dụng trongngành công nghệ thông tin từ năm 2009 va phát triển trong nhiều ngành khác cho đếnnay Thuật toán CS có nhiều ưu điểm hơn các thuật toán tối ưu bầy đàn khác như thờigian xử lý nhanh, kết quả nghiệm chính xác, đặc tính đồ thị có độ dốc tốt, hội tụnghiệm nhanh, tuy nhiên có rất ít nghiên cứu về áp dụng thuật toán chim tu hú để giảiquyết van đề tối ưu vận hành kinh tế hệ thống điện [32]

2.3 Tua bin gió và tiềm năng điện gió ở Việt Nam

2.3.1 Tua bin gió

Công suất phát điện của tua bin gió được tính theo công thức sau [33]

|B= Z PAC, (v,,.)° (1)

Voi: P,, là công suất của tua bin gió [W|

P là mật độ không khí [kg/m*]

A là diện tích cánh quạt tua bin gió [m7]

C, là hiệu suất rotor [C, = 0,3 - 0,5]

Vw là vận toc của gió [m/s]

Đặc điểm làm việc của tua bin gió là công suất phát thay đổi theo tốc độ gió trongngày và theo mùa trong năm [34], và đặc biệt là khi có mưa bão thì tốc độ gió rất lớncó thể làm gãy cánh quạt của tua bin gió, hoặc ngược lại khi có gió quá yếu không đủlàm quay cánh quạt tua bin cũng làm gây lãng phí chi phi đầu tư do không sản xuấtđược điện năng Do đó khi đầu tư xây dựng NMĐG cần khảo sát chỉ tiết đặc điểm củagió tại vị trí sẽ xây dựng nhà máy, trong đó quan trọng là phải có lịch sử dữ liệu tốc độ

gió của nhiêu năm trước đê tính toán được van toc của gió của năm tiêp theo [35].

Cac vùng làm việc của tua bin gid được phân chia theo hình vẽ sau [36]

APower al

IH

Yeut-outVrate

, Wind speedHình 2.1 Cac vùng lam việc của tua bin gió

e Vùng l là tốc độ gió nhỏ hon tốc độ cho phép tương ứng Veu-in, bộ phận điều khiến

của tua bin tác động cánh quạt tạm dừng hoạt động.

e Vùng 2 là tốc độ gió trong giới hạn cho phép tương ứng vw„„„„ tua bin hoạt động bình

thường.

e Vung 3 là tốc độ gió lớn hơn tốc độ cho phép tương ứng v,„„„, bộ phận điều khiển

của tua bin tác động cánh quạt tạm dừng hoạt động.

Theo [37] Việt Nam là nước có tiềm năng gió lớn nhất trong 4 nước trong khu vựcĐông Nam Á: hơn 39% tong diện tích của Việt Nam được ước tinh là có tốc độ 210trung bình hang năm lớn hon 6m/s ở độ cao 65m, tương đương với tong công suất512GW Đặc biệt, hơn 8% diện tích Việt Nam được xếp hạng có tiềm năng gió rất tốt.Tiềm năng gió ở Việt Nam rất lớn do đặc điểm địa hình gần biển và đồng bằng, tốc độgió qua khảo sát và mô phỏng rất thích hợp dé phát triển xây dựng các NMĐG [37],tốc độ gió trung bình tại độ cao 65 m được trình bảy theo bảng 2.1

Bảng 2.1 Tiềm năng gió ở Việt Nam [37]

Trung, Tha Tương đôi Cao Rât cao

Toc độ gió trung bình bmi binh cao 7-8m/ s 8-9m/s >9m/s

6-7m/s

Diện tích (km) 197.242 | 100.367 | 25.679 | 2.178 11]

Dién tich (%) 60,60% | 30,80% | 7,90% | 0,70% >2%

Tiềm năng (MW) 401444 102.716 | 8.748 452

2.4 — Điều độ tối wu trong hệ thống điện

2.4.1 Điều độ kinh tế hệ thong điện

Điều độ kinh tế (ED) là van đề quan tâm hiện nay trong vận hành hệ thống điện Đó làphải tính toán được công suất thực phát ra từ các máy phát điện là tối ưu với chỉ phínhiên liệu thấp và phải thoả các ràng buộc của hệ thống máy phát cũng như các ràngbuộc của hệ thống vận hành [38] Hiện nay đa số dùng các thuật toán thông minh nhântạo hoặc tối ưu hóa bay dan dé giải bài toán ED của hệ thống điện Một số thuật toándùng để giải bài toán ED đã công bố: thuật toán Hybrid Fuzzy Genetic Algorithm

(HFGA) [39], thuật toán Evoluationary Algorithm (EA) [40], thuật toán EvolutionaryHarmony Search Algorithm (EHSA) [41], thuật toán Hybrid Differential Evolutionand Harmony Search (HDEHS) [42], phuong phap Differential Evolution ImmunizedAnt Colony (DEIAC) [43], phuong phap Hybrid differential evolution sequential

quadratic programming (HDE-SQP) [44].Ham muc tiéu cua bai toan ED la [39]

min FC(P,) =) FC(P,,) (2)

i=1

Voi FC(Pe) là tổng chi phí nhiên liệu của tat cả các nha máy phát điện [$/h]

FC(Ps;,) là chi phí nhiện liệu của nhà máy phát điện thứ i [$/h]

Ràng buộc cân băng của bài toán ED [41 ][42]

N

i=l

Rang buộc bat cân bang của bai toán ED [42][43]T min <P SP (5)Với Pimin là công suất cực tiểu của nhà máy phát thứ i [MW]

Pi max là công suất cực đại của nhà máy phát thứ i [MW]Bang 2.2 trình bày các kết quả đã công bố sử dụng các thuật toán khác nhau dé giải bàitoán ED của hệ thống IEEE 30 nút, với P1, P2, P3, P4, P5, P6 là công suất của các nhà

máy phát nhiệt điện tại các nút 1, 2, 3, 4, 5 và 6.

Bảng 2.2 Kết quả bài toán ED qua các nghiên cứu đã công bốCông suất | SGA FGA EA SA EP WOA

phát [45] [45] [45 ][46] [46] [46] [46]

PI(MW) | 137,0804 | 137,2411 192,95 188,02 173,848 | 174,4379P2(MW) | 52,4502 57,6718 48,92 47.45 49,998 47 8294P3(MW) | 35,3219 27 3223 19,29 19,77 21,386 21,4578P4(MW) 19,3034 12,8298 10,58 13,40 22,63 25,6931P5(MW) 12,8986 23.8060 10,79 11,25 12,928 10,1262Pó(MW) | 26,3435 24.5189 12,24 14,09 12,00 12,1515: ‘ / ` "| 801 2817 | 7955012 | 805,4500 | 8041/4300 | 802,6200 | 8002825

Với: P(1-6) là công suất phát của các nha máy phat tại các nút (1-6) [MW]Mục đích của bài toán ED là tính được công suất phát của NMPNĐ đảm bảo cung cấptheo yêu cầu phụ tải với chỉ phí vận hành thấp nhất và đáp ứng các yêu cầu ràng buộckhác của hệ thống [45] Các kết quả đã công bố thường dùng phương pháp tính vớinhiều vòng lặp nhằm chọn được nghiệm cực tiểu tốt nhất, giá trị nghiệm được biéu

9

diễn bang đồ thi sau mỗi vòng lặp dé dé dang nhan biét két quả sau mỗi vòng lặp [46].Các công bố được tính trên hệ thống IEEE 30 nút [46].

2.42 Điều độ phân bố tối wu công suấtPhân bố tối ưu công suất là một trong những dụng cu quan trọng trong tính toán lập kếhoạch, kiểm soát và vận hành hệ thống điện từ năm 1960 vẫn dé phân bố tối ưu côngsuất được đề cập đến đầu tiên bởi hai nhà nghiên cứu Dommel và Tinney sau đó đãđược nhiều nghiên cứu va áp dung trong quản lý và vận hành hệ thống điện [47]

Theo tài liệu [48], mục đích cua bài toán phan bố tối ưu công suất (OPF) là tìm được:công suất phân bố trên đường dây truyền tải, công suất phát của các NMPD, điện ápnút máy phát, điện áp nút tải, dung lượng bù, nắc điều chỉnh bộ điều áp máy biến ápvới nhiều ràng buộc về công suất phụ tải, công suất máy phát và các ràng buộc về anninh hệ thống với chi phí nhiên liệu của NMPD thấp nhất

Ngày nay lưới điện truyền tải và phân phối cung cấp cho khách hàng ngày càng rộnglớn và phức tạp, từ đó đòi hỏi công suất truyền tải trên đường dây phải tính toán chínhxác vừa đáp ứng yêu cau phụ tải vừa đảm bảo 6n định công suất các máy phát và ồnđịnh vận hành đường dây [49] Khi tính toán tối ưu phân bố công suất của các nhà máynhiệt điện mà các ham chi phí là hàm số tổng hoặc không lỗi phải dùng các phươngpháp thông minh nhân tạo hoặc tối ưu bây đàn để tính toán [50].

Hiện tai đã có một số nghiên cứu được công bố về bài toán điều độ tối ưu phân bốcông suất (OPF) sử dụng các thuật toán thông minh nhân tạo như sau: thuật toán Ant

Colony Search (ACS) [51], thuật toán Evolutionary Computation (EC) [51], thuật toánBee Colony Algorithm (BCA) [52], thuật toán Simulated Annealing Metahuristic(ASM) [53], thuật toán Particle Swarm Optimization (PSO) [54], thuật toán

Conventional and Neural Networks (CNN) [55] Kết quả một số các phương pháp

được trình bày theo hình vẽ 2.3 và 2.4.

969M Lu M MSE15%E h

— average

S50 - ——raximam |

94% + 4ta]

Fuel cost (Ÿ/h) 3 £20 40 60 80 100 120 140 160 180 200

Generations

Hình 2.4 Kết quả độ hội tụ nghiệm bài toán OPF [55]

Theo hình vẽ 2.3 và 2.4 nhận thay mỗi phương pháp đều có đặc tính và độ dốc hội tụ

nghiệm khác nhau, giá trị chi phí vận hành cũng khác nhau Theo tài liệu [56][57]

II

công suất truyền tải trên đường dây là thông số quan trọng can phải tính được đối vớibài toán OPF, vì dựa vào thông số này sẽ điều tiết và vận hành hệ thống điện tối ưunhất với chỉ phí nhiên liệu thấp nhất Tuy nhiên các kết quả đã công bố đa số tính côngsuất máy phát điện, công suất phản kháng máy phát điện, dung lượng bù tại các nút,

điện áp tại các nút Hàm mục tiêu và các ràng buộc bài toán OPF như sau [57][58]

Ấy Ấy

min f(P;)= >) (Pa) = > (4, +B,P5 +6) (6)

i-l i=l

Với a; b; c, là hệ số chi phí của NMPD điện thứ i[$/h], [$/MWh], [$/MW°h]

Pg; là công suất của nhà máy phát điện thứ i [MW]Các ràng buộc cân bang va bất cân băng [58][59]

Với Pg; là công suất phát của NMPD tại nút i [MW]

Pp; là công suất của tải tại nút i [Mw]Qg; là công suất phản kháng của NMPD tại nút i [MVAr]Qp; là công suất phản kháng của tải tại nút i [MVAr]

Ola góc điện áp tại nút i [rad]

ở; là góc điện áp tại nút j [rad]

6; là độ lệch góc điện áp giữa nút i và j [rad]

đằ¡ mịn = đi = đh¡ max (9)

Oi min = Oa; = Oc: max (10)

Với Poimin Va Poimax là công suất cực tiểu va cực đại của NMPND [MW]

Gi min Và Qoimax là công suất phản kháng cực tiểu và cực đại của NMPNĐ

[MVAr]

Vai là điện áp tại nút i [p.u]

VGi min Và Vo¡ max là điện áp cực tiểu và cực dai tại nút i [p.u]Hệ thống IEEE 30 nút theo tài liệu đã công bồ [59]

quả PSO GA DE ACO WIPSO | MAKWO | IPSOPl 176,96 | 179,367 1773 177863 | 177,1567 | 113,89 | 177,04

P2 46,96 41.24 49,18 43.8366 | 48,6905 67,88 49 20

13

Ql 3,156 16,42 11,3708 Q2 - 42 543 14.31 - 32,6600 - -Q5 - 26,292 38 46 - 30,9043 - -Q8 - 22,768 36,91 - 34,1242 - :OII - 29,923 29.30 - 18,0076 - -Q13 - 32,346 35,75 - 9.1585 - -Qc10 3,35 - - - 4.9759 - -Qc12 2,20 - - - 4.9773 - -Qc15 1,98 - - - 4.8419 - -Qc17 3,15 - - - 4.2934 - -Qc20 4.54 - - - 3.8339 - -Qc21 3,81 - - - 4.9725 - -Qc23 3,98 - - - 32128 - -Qc24 5,00 - - - 4.9978 - -Qc29 2,51 - - - 3,0210 - -

-Vel - - - 1,0200 1,047Vg2 - - - 1,0100 1,044Vg5 - - - 0,9900 0,976Vgs - - - 1,0101 1,035Vell - - - 1 ,0289 0,984Vel3 - - - 1,0211 1,042T6-9 1,0702 - 10657 - - 1,029T6-10 | 0,9557 - 0,9000 - - - 0,98T4-12 | 0,9742 - 1 0468 - - - 1,01: ‘ hà ‘| 800 Al | 803,699 | 802,230 | 803,123 | 799,665 - 801,97

t (s) 315 20 15,453

-Với P(1-13) là công suất phát của các NMPD tại các nút 1-13 [MW]

(1-13) là công suất phản kháng của các NMPD tại các nút 1-13 [MVAR|

(10-29) là dung lượng tụ bù tại các nút 10 -29 [MVAr|

áp nút, chi phí, thời gian xử lý bài toán.

2.43 Điều độ toi ưu công suất phản khángĐiều độ tối ưu công suất phản kháng (ORPD) là van dé quan trọng và phức tạp trongvận hành tối ưu hệ thống điện nhăm mục đích cải thiện ton thất công suất (Pjo.,) nângcao hiệu quả kinh té, giam ton thất điện năng của hệ thống [61]I62] Bài toán điều độtối ưu công suất phản kháng còn nhằm mục đích tối ưu cực tiêu độ lệch điện áp (VD)của các nút trong hệ thông [63][64], ngoài ra bài toán điều độ tối ưu công suất phankháng cũng nhằm cực đại hệ số ôn định điện áp (Lax) của hệ thống [65][66]

Các tài liệu đã công bố về bài toán ORPD sử dụng các thuật toán thông minh nhân tạohoặc tối ưu bầy đàn như sau: thuật toán Linear Programming (LP) dé tính tối ưu Pros[67], thuật toán Hybrid Loop Genetic (HLG) dé tính tôi ưu Pu [68], thuật toán BatAlgorithm (BA) để tinh tối ưu P),., và VD [69], thuật toán Ant Colony (AC) tính và sosánh các kết quả bai toán ORPD [70] thuật toán Evolutionary Algorithm (EA) dé tinhPioss và VD [71], sử dụng Hybrid PSO (HPSO) để tính tối ưu VD [80] va ImproveParticle Swarm Optimization (IPSO) dé tính P),., [72] Theo tài liệu [78][72] ham mụctiêu của bài toán ORPD theo tốn that công suất và độ lệch điện áp là

Với nl là tong số đường day truyền tải

ø, là điện dẫn của đường dây thứ k [1/Q]

15

ở; là góc điện áp tại nút 1 [rad]

ở; là góc điện áp tại nút j [rad]

6; là độ lệch góc điện áp giữa nút i và j [rad]

V; là điện ap tại nút I1 [VỊ

V; là điện áp tại nút j [V]

VD là độ lệch điện áp của hệ thôngNL là tông số nút tải của hệ thống

V, là điện ap tại nút tải thứ k [p.u]

Hình vẽ hệ thống IEEE 30 nút theo tài liệu công bố [79]

THREE WiNDING TRANSFORMER EQUIVALENTSHANCOCK ROANOKE TT s5

Hình 2.6 Hệ thống IEEE 30 nút bài toán ORPD [79]

Các ràng buộc cân băng và bat cân bang bài toán ORPD theo [72][78][80]

G¡¡, B, là điện dẫn và dung dẫn giữa nút i và nút j [1/O]

Qc¡, Qc» Qc là công suat phan kháng, công suat phản kháng cực tiêu và

cực đại của may phát [MVAr|

T¡T/””,T¡””” là vị trí nac bộ điêu ap, vị trí cực tiêu và vi trí cực đại [p.u]Qe, Qa", Q.TM"* là dung lượng bộ tu bù, dung lượng bộ tụ bù cực tiểu và cực

đại [MVAr|

Theo [73] Các phương pháp áp dụng để giải bài toán ORPD đều có ưu và khuyết điểm

riêng, tuy nhiên cân phải tìm được thuật toán nao có thê giải bài toán với tôn that công

suất Ps„ thấp nhất để tăng hiệu quả kinh tế khi vận hành hệ thống, độ lệch điện ápthấp nhất và cực đại độ ôn định điện áp để tăng ôn định an ninh hệ thống

Bảng 2.4 Kết quả bài toán ORPD theo các phương pháp

Các phương pháp

Biến số EA |MOPSO [ICSE|L DE | QSCSA

[74] [70] [71] | [72] | [69]V1 (p.u) 1,050 | 1,0708 | 1,040] 1,029} 1,1V2 (p.u) 1,041 | 1,0630 | 1,041 | 1,054] 1,063V5 (p.u) 1,018 | 1,0415 | 1,043] 1,035} 1,054V8 (p.u) 1,017 | 1,0405 | 1,032] 0,998] 1,042V11 (p.u) 1,084 | 1,0744 | 1,003 | 1,024] 1,063V13 (p.u) 1,079 | 1,0620 | 1,040] 1,032] 1,043T11 (p.u) 1,002 | 1,07 | 1,05 |0,988} 1,017T15 (p.u) 0,951 1,06 | 1,02 | 1,003] 1,059

Các phương pháp

Biến số EA |MOPSO [ICSE|L DE | QSCSA

[74] [70] [71] | [72] | [69]

Qcl7 (MVAr) 0 3,956 Qc20 (MV Ar) - - 3 | 3,836 -Qc23 (MV Ar) - - 4+ |13,992| 0,062Qc24 (MVAr) - 0 4 13,012 -Qc29 (MV Ar) - - 4 |2,984 -

-Ploss (MW) |5,1167| 4.9849 | 4,990 4456| 4,532VD(p.u) |1,1435 | 0,7096 - | 0,544 -

Với

T(11-16) là điện áp đầu ra bộ điều áp dưới tải tại các nút (11-16) [p.u]

V(1-13) là điện áp nút các máy phat tai các nút (1-13) [p.u]

Qc(10-29) là dung lượng bộ tự bù tại các nút (10-29) [MVAr]

Pross là tốn thất công suất của hệ thống [Mw]VD là độ lệch điện áp của hệ thống [p.ulTừ hình vẽ 2.7 và bảng kết qua 2.4 nhận thay các kết quả tính Pj,., có giá trị từ 4,5(MW) đến lớn hơn 5 (MW), VD có giá trị từ 0,544 (pu) trở lên, các phương pháp đềukhông xét đến thời gian giải bài toán, một số phương pháp không xét đến đồ thị độ hội

tụ nghiệm của hàm mục tiêu P\.„

Real Power Loss (nu)

Hình 2.7 Biểu diễn độ hội tu nghiệm Ploss theo [71]

2.5.1 Điều độ kinh tế có tham gia của NMĐGHàm chi phí của bài toán ED liên quan đến công suất của các NMPD trong đó có côngsuất phát của NMĐG Năng lượng gió có đặc điểm không 6n định, tốc độ gió thay đổitheo từng giờ hoặc tùy theo thời tiết các mùa trong năm [77], dẫn đến công suất phátcủa NMDG thay đổi liên tục đều nay gây khó khăn trong việc xác định công suất phátcủa các NMĐG để tính bài toán ED trong hệ thống điện [78].

2.5.1.1 Xác định công suất phát của tua bin gióViệc xác định công suất phát của tua bin gió rất khó do không biết trước được tốc độgió tại thời điểm đang xét, qua nghiên cứu tài liệu đang được công bố hiện có một sốphương pháp để xác định công suất của tua bin gió tham gia vào hệ thống điện như

NMDG [82].

e Xây dựng công suất phát của tua bin gió theo phân phối xác suất Gauss [83].e Kế hoạch phát điện của tua bin gió có tính đến hệ số phạt [84][88] Theo tài liệu

[88] nếu NMDG phát công suất thấp hon công suất đăng ký sẽ chịu chi phí phạt

theo công thức sau:

19

d,(0 =C,,,E' (¥,.;)

k k

Cc Cc+|—“_+w, || exp} ——> |—€XP| -=

Vi-v., C C

W i(v,) I(yÝ

+ — T|I+—-l | |-T SH

W.—V, k\cC k\€

Với d,(t) là chi phi phạt của nhà máy điện gió [$/h]

C„„;¡ là chi phí khi phát điện cua tua bin gió khác so với kế hoạch [$/MWh]

EtY „j) là công suất phát của tua bin gió tại thời điểm t [MW]

W; là công suất phát theo kế hoạch của tun bin gió [MW]W, là công suất phátcực đại của tua bin gió [MW]

Vn là tốc độ gió tại thời điểm t [m/s]Vin là vận tốc gió giới hạn cực tiểu của tua bin gió [m/s]

Vout là vận tốc gió giới hạn cực dai của tua bin gió [m/s]

v, là vận tốc gió cho công suất phát cực đại của tua bin gió [m/s]k,c,T là các hệ số của hàm số Weibull phân phối tốc độ gió

2.5.1.2 Hàm chi phí của bài toán ED có tham gia của NUDG

Các bai toán ED có xét đến NMĐG đều quan tâm đến hàm chi phi của bai toán trongđó có chi phí của tua bin gió, do chi phí nhiên liệu của tua bin gió là bang không nênhàm chi phí của tua bin gió chủ yếu là chi phí phí vận hành và bảo trì của tua bin gió

[S5 [S6].

Theo tai liệu [85][86][94] hàm chi phí của bài toán ED của hệ thống nha máy phat

nhiệt điện có sự tham gia của NMDG là: