- Thực hiện mô phỏng bai toán điều độ kinh tế trong hệ thống điện bang thuậttoán COA với hệ thông là các Nha máy nhiệt điện.. TOM TAT LUẬN VANTrong luận văn nay một thuật toán mới là thu
Trang 1ĐẠI HỌC QUỐC GIA TP HCMTRƯỜNG ĐẠI HỌC BÁCH KHOA
Trang 2Công trình được hoàn thành tại: Trường Dai hoc Bach Khoa —- ĐHỌG-HCMCán bộ hướng dẫn khoa học : TS Võ Ngọc ĐiỀU non nhan ng ven se ra(Ghi rõ họ, tên, học hàm, học vi và chữ ký)
Cán bộ chấm nhận xét Ï : ¿E22 Sa SE S3 ESES8E8€EEESESE E88 SE EeEeersed(Ghi rõ họ, tên, học hàm, học vi và chữ ký)
Cán bộ chấm nhận xét 2 : ¿E2 Sa SE E3 E358 E82EE3E5E58 5858125 2eez2(Ghi rõ họ, tên, học hàm, học vi và chữ ký)
Luận văn thạc sĩ được bảo vệ tại Trường Dai hoc Bách Khoa, ĐHQG Tp HCMngày tháng năm 2014.
Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:
(Ghi rõ ho, tên, học hàm, học vi của Hội đông cham bảo vệ luận văn thạc sĩ)
Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên
ngành sau khi luận văn đã được sửa chữa (nêu có).
CHỦ TỊCH HỘI ĐÔNG TRƯỞNG KHOA ĐIỆN -ĐIỆN TỬ
Trang 3DAI HOC QUOC GIA TP.HCM CONG HOA XA HOI CHU NGHIA VIET NAMTRUONG DAI HOC BACH KHOA Độc lập - Tự do - Hanh phúc
NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: HO VĂN DUNG MSHV: 12180102Ngày, thang, năm sinh: 24/11/1976 Nơi sinh: Bình Định.Chuyên ngành: Thiết bị, mạng và nhà máy điện Mã sô : 60.52.50I TÊN ĐÈ TÀI:
ÁP DỤNG THUẬT TOÁN CUCKOO OPTIMIZATION ALGORITHM VÀO BÀI
TOÁN DIEU ĐỘ KINH TẾ TRONG HE THONG ĐIỆN
Il NHIEM VỤ VA NỘI DUNG:- Tim hiểu thuật toán tối ưu hóa Cuckoo Optimization Algorithm.- Ap dụng thuật toán Cuckoo Optimization Algorithm (COA) vào bài toánđiêu độ kinh tê trong hệ thông điện.
- Thực hiện mô phỏng bai toán điều độ kinh tế trong hệ thống điện bang thuậttoán COA với hệ thông là các Nha máy nhiệt điện.
II NGÀY GIAO NHIEM VU : 20/01/2014.IV NGÀY HOÀN THÀNH NHIỆM VU : 20/06/2014.V CAN BO HUONG DAN: TS Võ Ngọc Điêu.
Tp HCM, ngày tháng năm 2014.CÁN BỘ HƯỚNG DAN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO
(Họ tên và chữ ký) (Họ tên và chữ ký)
Võ Ngọc Điều
TRUONG KHOA ĐIỆN - ĐIỆN TỬ
(Họ tên và chữ ký)
Trang 4LOI CAM ON
Lời đầu tiên, tôi xin chân thành cảm ơn TS Võ Ngoc Điều, người Thay đãnhiệt tình hướng dẫn, truyền đạt những kinh nghiệm quý báu cho quá trình nghiêncứu và giúp đỡ tôi hoàn thành luận văn này.
Tôi cũng xin cảm ơn Quý Thây, Cô giáo trường Đại học Bách khoa TP.HCMđã tận tình truyền đạt kiến thức quý báu, định hướng nghiên cứu trong thời gian học
tập tại trường.
Cảm ơn sự giúp đỡ của những người bạn cùng khóa (2012-2014), cùng lớpcao học đã đồng hành, chia sẽ cùng tôi trong suốt thời gian học tập, cũng như hỗtrợ, trao đôi kiến thức, kinh nghiệm những lúc khó khăn trong quá trình thực hiệnluận văn.
Cuối cùng, tôi xin gửi lời cảm ơn chân thành đến gia đình, những người đãluôn động viên rất nhiều về tỉnh thần và tạo mọi điều kiện thuận lợi cho tôi trongsuốt thời gian học tập và nghiên cứu để tôi có động lực hoàn thành luận văn
Tp Hô Chí Minh, tháng 06 năm 2014
Người thực hiện
H6 Văn Dũng
Trang 5TOM TAT LUẬN VAN
Trong luận văn nay một thuật toán mới là thuật toán tối ưu hóa CuckooOptimization Algorithm (COA) được đề xuất dé giải bài toán điều độ kinh tế (ED)trong hệ thống điện Thuật toán COA được Ramin Rajabioun phát minh vào năm2011[1] Thuật toán COA dé xuất được lay cảm hứng từ cuộc sống của loài chimCuckoo với đặc trưng không ấp trứng mà “ký gửi” trứng vào t6 chim khác của loàichim này Thanh phần chính khởi tạo trong thuật toán bao gồm cả chim Cuckootrưởng thành và trứng của chúng Trong suốt quá trình đặt trứng vào tổ chim khácđể nhờ ap, dén khi chim non sống sót trưởng thành kết hợp với điều kiện sinh tôn,quân thé chim Cuckoo sẽ di chuyển đến một môi trường sống tốt hơn va cứ thé lặplại chu trình Sự cỗ găng thích nghi của quần thé chim Cuckoo cuối cùng sẽ đưachúng hội tụ tại một môi trường sống tốt nhất (ở đó chim Cuckoo có thể sống tốtnhất) Điều này, có ý nghĩa là lợi nhuận cao nhất trong lời giải cho bài toán tìm cực
đại lợi nhuận.
Bài toán được xem xét ở đây là bài toán điều độ kinh tế, lời giải bài toán làtong chi phi phát công suất của các nhà máy nhiệt điện trong hệ thống là thấp nhấttrong khi vẫn đảm bảo được điều kiện cân băng công suất tải trong hệ thông Thuậttoán COA đã được áp dụng tính toán cho các hệ thống mẫu và kết quả đạt được sosánh với các phương pháp khác Kết quả so sánh cho thấy răng phương pháp COAdat được kết quả tốt hơn so với các phương pháp khác về mặt tổng chi phí va thờigian tính toán Do đó, giải thuật COA đề xuất có thể sẽ là một phương pháp hữudụng để giải bài toán điều phối kinh tế tối ưu các nhà máy trong hệ thống điện
Trang 6ABSTRACT
This thesis proposes a Cuckoo Optimization Algorithm (COA) method forsolving the economic dispatch (ED) problem in a power system The COA wasinvented by Ramin Rajabioun in 2011 The proposed method is inspired by the lifeof a cuckoo bird family In the proposed method, there are two main componentsincluding mature cuckoos and cuckoo’s eggs During the survival competition, thesurvived cuckoo societies immigrate to a better environment and start reproducingand laying eggs The cuckoo’s survival effort hopefully converges to a state thatthere is only one cuckoo society with the same profit values.
The COA is essentially used to minimize the total generator fuel cost of thermalplants while satisfying the power demand balance, generator operating To show theadvantages of the proposed algorithm, which was applied to test power EDproblems with thirteen-generator units including valve-point effects, ten-generationunits with multiple fuels options neglecting valve-point effects and ten-generationunits, including valve-point effects and multiple fuels options The obtained resultshave compared with previous methods The result comparison has shown that theproposed method can obtain better optimal solution Besides, the proposedalgorithm is highly promising for the large-scale system of the actual powereconomic dispatch operation Therefore, the proposed COA could be a usefulmethod for implementation in solving the PED problem.
Trang 7LOI CAM DOAN
Tôi xin cam đoan luận văn này hoàn toàn do tôi thực hiện, được thực hiệndưới sự hướng dẫn khoa học của Tiến sĩ Võ Ngọc Điều
Các đoạn trích dẫn trong luận văn đều được dẫn nguồn và có độ chính xáccao nhất trong phạm vi hiểu biết của tôi Kết quả nêu trong luận văn là trung thực vachưa được công bô trong các công trình nào khác.
Học viênHồ Văn Dũng
Trang 8MUC LUC
NHIỆM VU LUẬN VĂN THAC SI csccesssecesssteecssteesssteessnteessneeessieeesneesnnies iii980.900) ivTOM TAT LUẬN VĂN c1 TT HT TH TH HT TT TH TT TH nhọ Vv09099.529.957 viiMỤC LỤC _— Ỏ viiiDANH SÁCH CAC TỪ VIET TẮTT 2 5 <SS 1333 3 Event, xiiDANH SÁCH CÁC KY HIBU cccccscccecccccsteessseecssieeesieesneessieeeseessseeenneeeaneean xivDANH MỤC CAC HINH ẢNH - nhe XVDANH MỤC CAC BÁNG G1111 1 1T 51110111 5111011101111 rrưyg xvii
CHUONG 1: GIỚI THIEU CHUNG cccccccccccscssssssssesessscescssscsvesscesescscesvssscesvecsees |
1.1 GIỚI THIỆU TONG QUÁT |1.2 GIỚI THIỆU BÀI TOÁN DIEU ĐỘ KINH TẺ 21.3 MỤC TIỂU CUA DE TÀI 555cc 25c 41.4 TAM QUAN TRỌNG CUA DE TÀI -ccccccscccereecee 41.5 PHAM VI NGHIÊN CỨU - 5+ SE 3 3+ SE EEESEEEEEEEESEskrkrkrrerred 4
CHƯƠNG 2: TONG QUUAIN SG S1E 11111 1515151111111 1111111112111 01 1111 k0 5
2.1 TONG QUAN VE BÀI TOÁN DIEU ĐỘ KINH TE 52.2 TONG QUAN CÁC PHƯƠNG PHAP ĐÃ ĐƯỢC ÁP DUNG 8
2.2.1 DP (Dynamic Programming) - + cc HH Hs nh nh se 82.2.2 EP (Evolutionary Programming) ccccccccsssesceceeeeeseeeeeeeneeees 8
2.2.3 TS (Tabu ễc.daaiaảiẳiiiÝ 82.2.4 GA (Genetic AIgOrithm) ccc ccccccccceseeecceeeeeeeceesseeeeeeesaeneeeees 8
2.2.5 DE (Differential Evolution) 0 ccc ccccecccceseeeceeeeeneeceesaeneeeees 92.2.6 HNN (Hopfield Neural Network) 0 0 cccccccccesesceceeeeeeceeaeeneeeees 92.2.7 ELANN (Enhanced Lagrangian Artificial Neural Network) 102.2.8 PSO (Particle Swarm Optimization) - - << s<<+2 10
2.2.9 HS Ni ì i06.) (0n a 10
Trang 92.2.10 BA (Bee Algorithm) - -GQ 0Q n HS nn ng Tnhh nh ng 112.2.11 FA 0) 20) 22), v60) 0 112.3 TONG i01 II
CHUONG 3: THÀNH LAP BAI TO Á¡N Ác HH srrere 13
3.1 HÀM MỤC TIỂUU G G- S131 SE 1E E1 ng ng 133.1.1 Hàm chi phí thông thường - CS S S1 S1 sSSsxssssa 133.1.2 Hàm chi phí không trơn có xét đến điểm van công suất 14
3.1.3 Ham chi phí không trơn với nhiều dạng nguyên liệu khác nhau 15
3.1.4 Hàm chỉ phí không trơn với nhiều dạng nguyên liệu khác nhau có
xét đến điểm van công Suất - - cty 15
3.2CAC YEU CÂU RANG BUỘC CUA BÀI TOÁN 153.2.1 Rang buộc về cần bang công SUat o.oo eee cece ceeseseeecceeeeeaseeeeeeees 153.2.2 Rang buộc về giới han phat của nhà máy - - +5 sex 16
3.2.3 Rang buộc về giới hạn độ dốc tốc độ G5 Sex 16
3.2.4 Rang buộc về độ dự trữ quay - - cv re 16
3.2.5 Rang buộc về công suất truyền tải - óc cv neo 17
3.2.6 Rang buộc về vùng cấm (PO ZZ,) cty n HT ngu 17
3.2.7 Ràng buộc khác - 0111110110221 1111111 111111111 1 3 xe 18
CHUONG 4: THUAT TOAN CUCKOO OPTIMIZATION ALGORITHM
4.1 CACH THUC GIẢI QUYẾT VAN ĐẺ ccceniceriieerrieo 194.2 GIƠI THIEU THUAT TOÁN Cuckoo Optimization Algorithm 194.2.1 Hành vi chim Cucko0 cc SG G3111 1v ng vờ 204.2.2 Thuật toán Cuckoo Optimization Algorithm: - 214.3 THUAT TOÁN COA ÁP DỤNG VÀO BÀI TOÁN DIEU DQ KINH TETRONG HE THONG ĐIỆN - LG Là St 11 1 121221111111 crke 26
Trang 104.3.1 Trình tự các bước thực hiện của COA trong bài toán ED 264.3.2 Lưu đồ thuật toán COA cho bài toán ED: 5 se csec«2 30
CHƯƠNG 5: KET QUA TÍNH TOÁNN ST E111 trệt 32
5.1 TÍNH TOÁN HE THONG NHỎ "“— 335.1.1 BÀI TOÁN DIEU ĐỘ KINH TE CHO HE THONG 10 MAY VỚI
5.1.2
DUONG CONG CHI PHÍ KHONG TRON, DA NHIÊN LIEU,KHONG XET HIEU UNG VAN, BO QUA TON THAT VA CACRÀNG BUỘC KHAC w.uoocccccccccccseccscsscscsssscessscsscsccevsceavsesecseceseseas 33
BÀI TOÁN DIEU ĐỘ KINH TE CHO HE THONG 10 MAY VỚIDUONG CONG CHI PHI KHONG TRON DA NHIÊN LIEU, COXET HIEU UNG VAN, BO QUA TON THAT VA CAC RANGBUỘC KHÁCC - G11 TH TH HT TT TT ng TH TH rệt 43
5.1.3 BÀI TOÁN DIEU ĐỘ KINH TE CHO HE THONG 13 MAY VỚI
DUONG CONG CHI PHI KHONG TRON, XET HIEU UNGVAN, BO QUA TON THAT VÀ CÁC RÀNG BUỘC KHÁC 55
5.1.4 KET LUẬN CHO CAC TRƯỜNG HOP HE THONG NHỎ 61
5.2 TINH TOÁN CHO HE THONG LỚN - G - St xe 625.2.1
5.2.2
BAI TOAN DIEU DO KINH TE CHO HE THONG 30, 60, 100MAY VOI DUONG CONG CHI PHI KHONG TRON DA NHIENLIEU, KHONG XET HIEU UNG VAN, BO QUA TON THAT VACAC RÀNG BUỘC KHÁC - SH vn HT Hưng ưu 62
BÀI TOÁN DIEU ĐỘ KINH TE CHO HE THONG 20, 40, 80, 160MAY VOI DUONG CONG CHI PHI KHONG TRON DA NHIENLIEU, CO XET HIEU UNG VAN, BO QUA TON THAT VA CACRÀNG BUỘC KHAC w.uoocccccccccccseccscsscscsssscessscsscsccevsceavsesecseceseseas 67
Trang 115.2.3 BAI TOÁN DIEU ĐỘ KINH TE CHO HE THONG 40 MAY VỚI
DUONG CONG CHI PHI KHONG TRON, XET HIEU UNGVAN, BO QUA TON THAT VÀ CÁC RÀNG BUỘC KHÁC 73
5.2.4 KET LUẬN CHO CAC TRUONG HOP HE THONG LỚN 77
CHUONG 6 TONG KET VÀ HUONG PHAT TRIEN DE T:ÀI 5s: 78
6.1 TONG KET DE 0100 7 786.2 HƯỚNG PHAT TRIEN CUA DE TÀI 6 se sex 79
TÀI LIEU THAM KHẢO - - G5 SE S3 E332 E111 E1 1 515151111 re 80
LY LICH TRÍCH NGANG - L1 1S 1 1S 51111 111011111115 1101 1111 rkg 84
Trang 12DEDP
CEPCGACGA-MU
ED
ELANN
EP
FAGAHNUM
HS
LP
NLPPSOTSAHNNEALHESOETQ
DANH SÁCH CAC TỪ VIET TAT
: Cuckoo Optimization Algorithm: Ant Colony Optimization
: Bee Algorithm: Differential Evolution: Dynamic Programming: Conventional Evolutionary Programming: Conventional Genetic Algorithm
: Conventional Genetic Algorithm with Multiplier Updating: Economic Dispatch
: Enhanced Lagrangian Artificial Neural Network: Evolutionary Programming
: Firefly Algorithm: Genetic Algorithm: Hierarchical approach based the numerical method: Hopfield Neural Network
: Harmony Search: Linear Programming: Nonlinear Programming: Particle Swarm Optimization: Tabu Search
: Adaptive Hopfield Neural Network: Enhanced Augmented Lagrange Hopfield: Evolutionary Strategy Optimization
Tabu Search andProgramming
: Fast Evolutionary Programming: Hybrid Real Coded Genetic Algorithm: Improved Evolutionary Programming
Quadratic
Trang 13Method: Improved Genetic Algorithm with Multiplier Updating: Interior Point Methods
: Improved Particle Swarm Optimization: Modified Particle Swarm Optimization: Particle Swarm Optimization
: Particle Swarm Optimization- Sequential Quadractic Programming: Particle swarm optimization with improved inertia weight
: Real Coded Genetic Algorithm: Simulated Annealing
: Self-Adaptive Differential Evolution: Real code Extended Compact Genetic Algorithm: Quadratic Annealing
Trang 14: Các hệ số của phương trình tốn hao truyén tải
DRi và URi: Giới hạn độ dốc đi xuống và đi lên
pm , pm
: Chi số của các tổ máy phat: Chỉ số của loại nhiên liệu: Số vòng lặp tối đa
: Tổng nhu cau phụ tải của hệ thong (MW): Tổng ton hao trong mạng (MW)
: Công suất phát của tô máy i (MW)
: Giới hạn dưới và trên về công suât của tô máy 1 (MW)Pi,low,Pi,high : Giới hạn dưới và trên của công suất của tổ máy i (MW) khi xét tới
new new
ihigh ° ` ilow
Pi,0PkSiSRQ
giới han độ dôc toc độ: Công suât giới hạn trên, dưới và giữa vùng cam thứ k cua nha máy 1: Giới hạn dưới và trên của công suât của tô máy i (MW) khi xét tới
giới hạn độ dôc tôc độ và vùng câm.: Công suất phát liền trước của t6 máy i: Công suất thực của đường dây thứ k: Phần công suất dự trữ còn lại của nhà máy 1: Công suất dự trữ quay trong hệ thông: Nhóm nhà máy vận hành trong vùng câm
Trang 15DANH MUC CAC HINH ANH
Trang
Hình 1.1 Hình minh hoa bài toán kinh tế trong hệ thống điện 3Hình 2.1 Sơ đồ các nhà máy điện đang vận hành hiện nay ÓHình 2.2 Sơ đồ các nhà máy điện vận hành trong tương lai -s sec 6Hình 3.1 Đường cong chi phí pho biến của nhà máy nhiệt điện - 14Hình 3.2 Duong cong chi phí của nha máy nhiệt điện với 3 van nạp L4Hình 4.1 Tổ trứng chim Cuckoo va chim chủ t6 -. -2ÖHình 4.2 Chim chủ tô tha môi cho chim Cuckoo con -.-< .-c <<: 21Hình 4.3 Luu đồ giải thuật Cuckoo Optimization Algorithm 2ÍHình 4.4 Hình minh hoa bán kính đặt trứng của mỗi chim Cuckoo 23Hình 4.5 Hình minh họa sự di chuyển đến điểm mục tiêu của chim Cuckoo 25Hình 4.6 Quân thé Cuckoo ban đầu - c- cv sẽ 25Hình 4.7 Quan thé Cuckoo sau 2 lần lặp - -cc c1 S12 vs sxekd 25Hình 4.8 Quan thé Cuckoo sau 3 lần lặp -c-c {c2 rssxi 26Hình 4.9 Quân thé Cuckoo sau 6 lần lặp ¿c2 se sa 26Hình 4.10 Lưu đồ giải thuật của COA cho ED -c c2 2c se 31Hình 5.1: Kết quả tốt nhất khi chạy 100 lần bang COA cho hệ thông 10 máy
với PD=2400MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 35Hình 5.2 Kết quả tốt nhất khi chạy 100 lần bằng COA cho hệ thống 10 máy
với PD=2500MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 37Hình 5.3 Kết quả tốt nhất khi chạy 100 lần bằng COA cho hệ thống 10 máy
với PD=2600MW, không xét hiệu ứng van và bỏ qua các ràng buộc khac 39Hình 5.4 Kết quả tốt nhất khi chạy 100 lần bằng COA cho hệ thống 10 máy
với PD=2700MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 41Hình 5.5: Kết quả tốt nhất khi chạy 100 lần bang COA cho hệ thông 10 máy
với PD=2400MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 45Hình 5.6 Kết quả tốt nhất khi chạy 100 lần bằng COA cho hệ thống 10 máy
với PD=2500MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 48Hình 5.7 Kết qua tốt nhất khi chạy 100 lần bang COA cho hệ thống 10 máy
Trang 16PD=2700*3MW, đa nhiên liệu, không xét hiệu ứng van và bỏ qua các ràng buộc
Hình 5.12 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 60 máy vớiPD=2700*6MW, đa nhiên liệu, không xét hiệu ứng van và bỏ qua các ràng buộc
Hình 5.13 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 100 máy với
PD=2700* 10MW, đa nhiên liệu, không xét hiệu ứng van va bỏ qua các ràng buộc
Hình 5.14 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 20 máy
với PD=2700*2MW, đa nhiên liệu, có xét hiệu ứng van và bỏ qua các ràng buộc
Hình 5.15 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 40 máy với
PD=2700*4MW, đa nhiên liệu, có xét hiệu ứng van va bỏ qua các ràng buộc
Hình 5.16 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 80 máyvới PD=2700*8MW, đa nhiên liệu, có xét hiệu ứng van va bỏ qua các ràng buộc
Hình 5.17 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 160 máy với
PD=2700* 16MW, đa nhiên liệu, có xét hiệu ứng van và bỏ qua các ràng buộc khác
Hình 5.18 Kết quả tốt nhất khi chạy 100 lần băng COA cho hệ thống 40 máy vớiPD=10500MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 75
Trang 17Bảng 5.5 Kết quả sau 100 lần chạy bằng COA cho hệ thống 10 máy vớiPD=2500MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 38Bảng 5.6 Kết quả phân bố công suất các máy bằng COA cho hệ thống 10 máy vớiPDE 2500 MW, không xét hiệu ứng van và bỏ qua các ràng buộc
Bảng 5.7 Bảng so sánh chỉ phí nhiên liệu và thời gian xử lý băng COA cho hệthống 10 máy với PD= 2500 MW, không xét hiệu ứng van và bỏ qua các ràng buộc
Bảng 5.8 Kết quả sau 100 lần chạy bằng COA cho hệ thống 10 máy với
PD=2600MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 40Bảng 5.9 Kết quả phân bố công suất các máy bằng COA cho hệ thống 10 máy vớiPD= 2600 MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 40Bảng 5.10 Bảng so sánh chỉ phí nhiên liệu và thời gian xử lý bằng COA cho hệthống 10 máy với PD= 2600 MW, không xét hiệu ứng van và bỏ qua các ràng buộc
Bang 5.11 Kết quả sau 100 lần chạy bang COA cho hệ thống 10 máy với
PD=2700MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 42Bang 5.12 Kết qua phân bố công suất các máy bang COA cho hệ thông 10 máy với
PD= 2700 MW, không xét hiệu ứng van và bỏ qua các ràng buộc khác 42
Trang 18Bảng 5.18 Kết quả sau 100 lần chạy bằng COA cho hệ thống 10 máy với
PD=2500MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 48Bảng 5.19 Kết quả phân bố công suất các máy băng COA cho hệ thông 10 máy với
PD= 2500 MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 49Bảng 5.20 Bảng so sánh chỉ phí nhiên liệu và thời gian xử lý bằng COA cho hệthống 10 máy với PD= 2500 MW, có xét hiệu ứng van và bỏ qua các ràng buộc
Bang 5.21 Kết quả sau 100 lần chạy bang COA cho hệ thống 10 máy vớiPD=2600MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 51Bang 5.22 Kết quả phân bố công suất các máy bang COA cho hệ thông 10 máy vớiPD= 2600 MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 5 1Bảng 5.23 Bảng so sánh chỉ phí nhiên liệu và thời gian xử lý bằng COA cho hệthống 10 máy với PD= 2600 MW, có xét hiệu ứng van và bỏ qua các ràng buộc
Bảng 5.24 Kết quả sau 100 lần chạy bằng COA cho hệ thống 10 máy với
PD=2700MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 53Bang 5.25 Kết quả phân bố công suất các máy bang COA cho hệ thông 10 máy vớiPD= 2700 MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 54
Trang 19Bang 5.31 Kết quả sau 100 lần chạy bang COA cho hệ thống 13 máy với
PD=2520MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 59Bang 5.32 Kết quả phân bố công suất các máy bang COA cho hệ thông 13 máy với
PD= 2520 MW, có xét hiệu ứng van và bỏ qua các ràng buộc khác 60Bảng 5.33 Bảng so sánh chỉ phí nhiên liệu và thời gian xử lý bằng COA cho hệthống 13 máy với PD= 2520 MW, có xét hiệu ứng van và bỏ qua các ràng buộc
Bảng 5.34 Kết quả sau 100 lần chạy băng COA cho hệ thống 30 máy đa nhiên liệuvới trường hợp phụ tải PD= 2700*3(MW), không xét hiệu ứng van va bỏ qua cácTi 10°08 0) COX CAN <0: | Ca Q ng Đ g9 9 9 9 9 HH n n n n ĐH ng xa 63Bảng 5.35 Kết quả sau 100 lần chạy băng COA cho hệ thống 60 máy đa nhiên liệu
với trường hợp phụ tải PD= 2700*6(MW), không xét hiệu ứng van và bỏ qua cácTi 10°08 0) COX CAN <0: | Ca Q ng Đ g9 9 9 9 9 HH n n n n ĐH ng xa 65Bang 5.36 Kết qua sau 100 lần chạy bang COA cho hệ thống 100 máy đa nhiên liệuvới trường hợp phụ tải PD= 2700*10(MW), không xét hiệu ứng van và bỏ qua cácTi 10°08 0) COX CAN <0: | Ca Q ng Đ g9 9 9 9 9 HH n n n n ĐH ng xa 66Bang 5.37 So sánh chi phí nhiên liệu va thời gian xử ly bang COA cho hệ thông 30,60, 100 máy đa nhiên liệu với các trường hợp phụ tải PD= 2700*3(MW),
Trang 202700*6(MW), 2700*10(MW) tương ứng, không xét hiệu ứng van va bỏ qua cácràng buộc khá ng ng ng ng ĐH ng ng ga 66Bang 5.38 Kết qua chạy bang COA cho hệ thông 20 máy đa nhiên liệu với trường
hợp phụ tải PD= 2700*2(MW), có xét hiệu ứng van va bỏ qua các ràng buộc
Bảng 5.39 Kết quả chạy bằng COA cho hệ thông 40 máy đa nhiên liệu với trường
hợp phụ tải 2700*4(MW), có xét hiệu ứng van va bỏ qua các ràng buộc khác 69Bang 5.40 Kết quả chạy bằng COA cho hệ thông 80 máy đa nhiên liệu với trường
hợp phụ tải 2700*8(MW), có xét hiệu ứng van va bỏ qua các ràng buộc khác 70Bảng 5.41 Kết quả chạy bằng COA cho hệ thống 160 máy đa nhiên liệu với trườnghợp phụ tải 2700*16(MW), có xét hiệu ứng van va bỏ qua các ràng buộc khác 71Bảng 5.42 So sánh chỉ phí nhiên liệu và thời gian xử lý bằng COA cho hệ thống 20,
40, 80, 160 máy đa nhiên liệu với các trường hợp phụ tải PD= 2700*2(MW),2700*4(MW), 2700*8(MW), 2700* 16(MW) tương ứng, có xét hiệu ứng van và bỏqua các ràng buộc khác -ccccsn S22 eee SE 1x2 72Bang 5.43 Thông 86 40 máy c.c QQ SH TH nh nh nh nh yykg 73Bảng 5.44 Kết quả sau 100 lần chạy bằng COA cho hệ thống 40 máy với
PD=10500(MW), có xét hiệu ứng van và bỏ qua các ràng buộc khác 75Bảng 5.45 Phân bố công suất lần chạy bằng COA cho hệ thống 40 máy vớiPD=10500(MW), có xét hiệu ứng van và bỏ qua các ràng buộc khác 76Bang 5.46 So sánh chi phí nhiên liệu va thời gian xử lý chạy bằng COA cho hệthống 40 máy với PD= 10500 (MW), có xét hiệu ứng van va bỏ qua các ràng buộc
Trang 21CHUONG I:
GIOI THIEU CHUNG
1.1 GIỚI THIEU TONG QUAT
Hệ thống điện bao gồm các nhà máy điện như: Thủy điện, nhiệt điện than,nhiệt điện dầu nhiệt điện khí, nhiệt điện khí hỗn hợp liên kết với nhau thông quađường dây truyền tải điện đưa đến các trạm phân phối để cung cấp đến hộ tiêu thu.Trong tình hình việc sử dụng điện không ngừng tăng lên, để phục vụ nhu cầu chocon người trong thời đại phát triển công nghiệp hiện nay, ngành điện không ngừngnâng cấp, phát triển hệ thống truyền dẫn cũng như các nguồn điện Bên cạnh đó làsự cạn kiệt, khan hiém dan theo thời gian khai thác đối với các nguồn năng lượng sơcấp, cũng như giá các dịch vụ phục vụ cho việc sản suất điện cũng tăng theo cơ chếthị trường nên dẫn đến chỉ phí sản xuất ra điện năng cũng tăng theo Điều này chothấy cần phải xem xét bài toán phân bố sử dụng các nguồn năng lượng một cáchhợp lý và tiết kiệm
Trong vận hành, bài toán đặt ra với mục đích là tối ưu chỉ phí sản xuất ra điệncung cấp đủ cho nhu cầu phụ tải nơi tiêu thụ mà vẫn đảm bảo hệ thống điện vận
hành một cách an toàn là cân thiệt.Cùng với sự phát triển của khoa học công nghệ máy tính, các chuyên giakhông ngừng nghiên cứu dé đưa ra các phương pháp với mong muốn giải quyết vandé nhanh (đối với hệ thống lớn) và chính xác hơn Các phương pháp phát triển sauluôn có những ưu điểm vượt trội hơn so với các phương pháp trước về các khíacạnh như giải thuật đơn giản hơn, số bién đầu vào ít hơn, chương trình tính toánnhanh, giải thuật tìm kiếm trên toàn bộ không gian làm việc để tìm lời giải tối ưutoàn cục, và phải phù hop với hàm mục tiêu phức tạp ton tại thực tế trong hệthống điện
Trang 221.2 GIỚI THIỆU BÀI TOÁN DIEU ĐỘ KINH TE
Điện năng được sản suất ra tại nhà máy điện, thông qua đường dây truyền tảiđiện tới phụ tải tiêu thụ Như vậy, để giảm chi phí tạo ra sản phẩm điện khi đến nơitiêu thụ ta phải giảm chi phí sản xuất ra điện tại nhà máy đồng thời giảm thiểu tốnthất công suất truyền đi đến nơi tiêu thụ
Bài toán kinh tế trong hệ thông điện có thé chia thành hai phần chính: bài todnquy hoạch - thiết kế và bài toán diéu độ kinh tế
Bai toán quy hoạch thiết kế trong hệ thống điện liên quan đến quy hoạch, thiếtkế và xây dựng các phân tử trong hệ thống cũng như các giải pháp cải tạo, nâng cấpthiết bị theo nhu cầu của phụ tải Đó là bài toán thuộc phân tích kinh tế, tài chính vàlựa chọn phương án khả thi.
Bài toán điều độ kinh tế trong hệ thống điện (ED) đó là xác định phương thứcvận hành tối ưu hợp lý nhằm mục đích cực tiểu hóa chỉ phí sản xuất ra điện năngnhưng vẫn đảm bảo hệ thống điện vận hành an toàn, đáp ứng yêu cầu mong muốncủa phụ tải Bài toán ED phải xác định phân bố công suất giữa các nguồn điện vàphụ tải một cách tối ưu trong vận hành và thỏa mãn một số ràng buộc về nguồn,
lưới điện và phụ tải tiêu thụ.
Trang 23Bai toán kinh tế trong hệ
thông điện
a OS
Quy hoach, thiét ké Điều độ kinh tế
| ` A
Phat trién, Cai tao, nang Tối ưu hóa Tối ưu hóa
mở rộng cap thiệt bi chê độ nguôn chê độ lưới
NN _ ` _
N `N.
Phân tích kinh tế, tài Xác định phương thức vận
chính, lựa chọn phương hành tôi ưuán khả thi
Hình 1.1: Hình minh hoa bai toán kinh tế trong hệ thống điện
Cho đến nay, các phương pháp nổi bật để giải quyết bài toán ED như:Phương pháp số (HNUM), Phương pháp Lagrange, Quy hoạch động (DP), Lập trìnhphi tuyến (NLP), Lập trình tuyến tính (LP), Lập trình tiến hóa (EP), Giải thuật ditruyền (GA), Phương pháp Tabu Search (TS), Mạng noron Hopfield (HNN), Mạngnoron Lagrange tăng cường (ELANN), Tối ưu hóa bay đàn (PSO), Phương phápHarmony Search (HS), Phương pháp con kiến (ACO), Phương pháp con ong (BA), Tìm kiếm một giải pháp dé giải quyết bài toán hiệu quả là điều mong muốn vàthực tế
Qua tìm hiểu về thuật toán tối ưu hóa, một phương pháp mới mang tên
Cuckoo Optimization Algorithm (COA) được đưa ra bởi Ramin Rajabioun, đã đăngtrên tap chi Applied Soft Computing giữa nam 2011[1] Day là một thuật toán tốiưu lay cảm hứng từ đời sống của quan thé chim Cuckoo Những điểm đặc biệt trongđời sống, cách đặt trứng và phát triển của chúng là nền tảng cho việc phát triển giảithuật mới này Qua đó, xin dé xuất dùng phương pháp COA này để giải quyết bai
Trang 24toán điều độ kinh tế trong hệ thống điện và sau đó so sánh kết quả với các phươngpháp hiện đã nghiên cứu trước đây, cũng như dé xuất hướng nghiên cứu tiếp theo.
1.3 MỤC TIỂU CỦA ĐÈ TÀI
Cực tiểu chỉ phí sản xuất ra điện năng đến nơi tiêu thụ trong vận hành là mụctiêu của bài toán điều độ kinh tế trong hệ thống điện dùng thuật toán CuckooOptimization Algorithm (COA).
1.4 TAM QUAN TRONG CUA DE TAI
Hiện chưa có luận văn, công trình nghiên cứu trong nước về áp dụng thuậttoán Cuckoo Optimization Algorithm (COA) mới ra đời vào bài toán điều độ kinh tếtrong hệ thống điện Điều nay cho thay tầm quan trọng của nó trong việc tìm ra một
1.5 PHAM VI NGHIÊN CUU
Căn cứ vào mục tiêu đề tài, thời gian làm luận văn, việc nghiên cứu chỉ giớihạn trong phạm vĩ:
- Tìm hiểu cách thức giải quyết bài toán điều độ kinh tế trong hệ thống điện
- Giới thiệu thuật toán COA và áp dụng vao bài toán điều độ kinh tế trong hệthống điện
- Kết quả tính toán bằng phương pháp COA áp dụng vao bai toán với hệ thốngđiện đơn giản là hệ thống tập trung, các nhà máy là nhiệt điện, bỏ qua ton thất vàcác ràng buộc của hệ thống Kết quả tính toán bằng thuật toán COA được thực hiệnbăng chương trình lập trình Matlab
Trang 25CHƯƠNG 2:
TỎNG QUAN
2.1 TONG QUAN VE BÀI TOÁN DIEU ĐỘ KINH TE
Trong mot hé thong dién gồm nhiều nguồn phát khác nhau, việc vận hành hệthống luôn phải đảm bảo cân băng giữa công suất phát của các nhà máy điện vớicông suất tải Các tổ máy không thé đưa vào vận hanh và sản xuất điện năng tứcthời, do đó việc xác định thành phần tổ máy đưa vào vận hành phải được hoạchđịnh trước sao cho luôn luôn có đủ công suất đáp ứng cho nhu cầu của phụ tải vớiđộ dự trữ thích đáng trong trường hợp mat một số tổ máy hoặc đường dây truyền tảihoặc phụ tải gia tăng.
Mục tiêu của bài toán là đảm bảo hệ thông điện làm việc với chỉ phí thấp nhấttrong vận hành nhưng vẫn thỏa một số yêu cầu đặt ra Muốn vậy, cần phải giảm đếnmức tôi thiểu chi phí nhiên liệu và tốn thất điện năng
Trong thực tế, hệ thống điện đa dạng chủng loại các nhà máy điện liên kết vớinhau Các nhà máy điện có thé chia thành hai dạng chính là thủy điện và nhiệt điện.Việc giảm chi phí nhiên liệu được thực hiện bằng phối hợp vận hành giữa các nhàmáy điện một cách tốt nhất Giảm tốn thất điện năng như thực hiện phân bố côngsuất giữa các phần tử hệ thống điện, lựa chọn cơ cấu thiết bị vận hành hợp lý
Như vay, để giải quyết bài toán điều độ kinh tế cần phải biết thông số của toànbộ nhà máy điện và thông số của hệ thống điện Các thông số nhà máy như: Đặctính chi phí sản xuất ra điện, đặc tính kỹ thuật - vận hành và các hạn chế của nhàmáy Thông số hệ thống như: Thông số lưới điện, đồ thị phụ tải, yêu cầu dự trữ
Thông thường bai toán điều độ kinh tế thường tập trung vào hai dạng chính.Đó là phân bố tối ưu công suất giữa các nhà máy nhiệt điện, phân bố công suất pháttối ưu giữa nhiệt điện và thủy điện
Trang 26Nhà máy điện thuỷ triều,
mặt trời, sức gidNhà máy
Nhiệt điện Thuỷ điện
/25\ cx— ——
Điện nguyên tử Nhiên liệu Thuỷ điện thường Thuỷ điện tích năng
hữu cơ
Ta >sẻ>>ˆ
Nhiệt điện Nhiệt Tuabin hơi Tuabin khí Từ thuỷ động
ngưng hơi điện
CEE eK TẾ duớ tee.
Hình 2.2: So đồ các nhà máy điện tương lai sẽ vận hành trong hệ thống điện
Trang 27Do hệ thống điện lớn, đặc tính chi phí không liên tục va nhiều tối ưu cục bộnên các phương pháp thông thường thì rất khó giải bài toán này Một cách tiếp cậnđể giải quyết bài toán điều độ kinh tế với đường cong chỉ phí đa nhiên liệu là tuyếntính hóa những phân đoạn và giải chúng bằng các phương pháp truyền thống nhưphương pháp số (HNUM), lập trình tuyến tính (LP), lập trình phi tuyến (NLP) Tuy nhiên việc giải bài toán bằng các phương pháp này sẽ gặp khó khăn đối vớinhững hệ thống lớn và phức tạp.
Những năm gần đây, cùng với sự phát triển của trí tuệ nhân tạo và khoa họcmáy tính, các phương pháp tối ưu có khuynh hướng thiên về dạng mạng nơron vàdạng metaheuristic do những lợi ích nó đem lại Cac phương pháp tiêu biểu như:Lập trình tiễn hóa (EP), Giải thuật di tuyén (GA), Phương pháp Tabu Search (TS),Mạng noron Hopfield (HNN), Mạng nơron Lagrange tăng cường (ELANN) Tối ưuhóa bay dan (PSO), Phương pháp Harmony Search (HS), Phương pháp con ong(BA) Tuy nhiên các phương pháp này vẫn có khuyết điểm chung đó là số lần lặplớn và bị ảnh hưởng bởi các thông số điều khiến liên quan Phương pháp được sửdụng rộng rãi và phố biến như GA, PSO cho thấy nhiều ưu điểm và kết quả tốt hơntrong giải quyết bài toán điều độ kinh tế trong hệ thống điện
Gần đây, trên tạp chí Applied Soft Computing đăng bài báo về Giải thuậtCuckoo Optimization Algorithm (COA) được đưa ra bởi Ramin Rajabioun, đượcđăng vào giữa năm 2011 Day là một giải thuật tối ưu lay cảm hứng từ đời sống củaquân thé chim Cuckoo [1] Phương pháp trên lay cảm hứng từ những điểm đặc biệttrong cách sinh sống như việc ký gởi con cái của chim Cuckoo cho chim khác nuôibằng cách sau khi đẻ trứng chúng sé gap trứng bỏ vào tổ chim khác, nếu không biphát hiện chim Cuckoo non sẽ được ap và nuôi dưỡng bởi loài chim khác Thuậttoán nay cho thay rất khả quan trong việc giải quyết van đề tối ưu trong nhiều lĩnhvực khác nhau và cho ra kết quả tốt hơn các phương pháp khác trước kia Giỗngnhư những giải thuật tiễn hóa khác, COA bắt đầu bởi một quan thé ban dau Quanthé Cuckoo ở những môi trường sống khác nhau bao gém 2 đối tượng là chim
Cuckoo và trứng Trong suôt quá trình dau tranh sinh tôn một sô con Cuckoo hoặc
Trang 28trứng của nó bị tiêu diệt, số còn lại sẽ di chuyển tới môi trường sống tốt hơn rồi tiếptục quá trình sinh sản va đặt trứng Sự cố găng thích nghỉ với môi trường sống củachim Cuckoo hy vọng sẽ hội tụ lại tại một môi trường sống duy nhất và tốt nhất (vịtrí có cùng giá trỊ lợi nhuận và là giá trỊ lợi nhuận cao nhất) Đây cũng chính là lờigiải cần tìm trong các bai toán tối ưu hóa.
2.2 TÔNG QUAN CÁC PHƯƠNG PHÁP ĐÃ ĐƯỢC ÁP DỤNG
2.2.1 DP (Dynamic Programming)Qui hoạch động DP ra đời vào những năm 1940 bởi Richard Bellman DP làmột phương pháp kinh điển rất hiệu quả để giải các bài toán ED không liên tục vakhông tuyến tính bằng cách tối ưu theo nhiều bước Tuy nhiên bài toán DP dễ đưađến tối ưu cục bộ và trong các bài toán lớn thì thời gian tính toán cực kỳ lớn
2.2.2 EP (Evolutionary Programming)Được dé xuất bởi Lawrence J Fogel vào năm 1960, phương pháp lập trìnhtiến hóa EP sau đó đã được chứng minh là giải được nhiều loại bài toán điều độkinh tế khác nhau như bai toán điều độ kinh tế đa vùng, bài toán điều độ kinh tế cóxét tới khí thải Phương pháp này có khả năng tìm được kết quả tối ưu hoặc gântối ưu với bất kỳ hàm chỉ phí với ràng buộc khác nhau Thời gian tính toán bằngphương pháp EP tương đối nhanh
2.2.3 TS (Tabu Search)Phương pháp TS là phương pháp tim kiếm dé tìm giải pháp tối ưu dựa trên
bộ nhớ linh động cua máy tính Phương pháp ra đời năm 1986 bởi Fred W.Glover Đầu tiên TS chọn kết hợp tất cả các hàm chi phí của các t6 máy Kết quảtính toán được mã hóa ở dạng thập phân và được lưu vào bộ nhớ máy tính Uuđếm của TS là thời gian tính toán nhỏ Phương pháp này đã được chứng minh làgiải quyết tôt bài toán điêu độ kinh tê với nhiêu ràng buộc khác nhau.
2.2.4 GA (Genetic Algorithm)
Trang 29Được biết tới vào 1975 bởi John Holland, thuật toán di truyền là một phươngpháp tối ưu ngẫu nhiên dựa trên nguyên lý chọn lọc tự nhiên và di truyền Nó kếthợp sự ước lượng kết qua với những thay đối đã được cấu trúc, đã được ngẫunhiên hóa của thông tin di truyền giữa các kết quả để đạt được sự tối ưu Thôngthường các kết quả nay được biểu diễn dưới dạng chuỗi số nhị phân hoặc các kýhiệu mã hóa khác được gọi là nhiễm sac thé GA có nhiều ưu điểm trong tính toán,như đơn giản và tong quát hóa Ngoai ra, nó còn tim ra nhiều kết quả một cáchđồng thời mà các phương pháp thông thường không làm được Vì thế, khả năngtìm ra kết quả tối ưu toàn cục được nâng lên Ưu điểm chính của GA là tìm ra kếtquả gan tối ưu trong thời gian ngắn so với các phương pháp dò tìm ngẫu nhiênkhác như Simulated annealing (SA) hay Qui hoạch động (DP), Tuy nhiên, GAphụ thuộc nhiều vào hàm tương thích, nhạy với tỉ lệ lai và đột bién, sơ đồ mã hóacác bit của nó, và độ dốc của đường cong không gian dò tìm dẫn đến lời giải GAđã được cải tiến và kiểm chứng trong bai toán điều độ kinh tế hệ thống điện vớinhiều dạng khác nhau cho thấy kết quả khá tốt.
2.2.5 DE (Differential Evolution)DE là một thuật toán tiễn hóa được dé xuất bởi Storn and Price vào năm1997 Phương pháp DE cho thấy hiệu quả trong việc giải quyết bài toán tối ưukhông tuyến tính với nhiều ràng buộc DE có ưu điểm hơn các phương pháp tiễnhóa khác đó là cấu trúc đơn giản, gon, ít thông số điều khiến, điểm hội tụ cao Vớibài toán ED có hàm chi phí bậc hai theo từng đoạn có xét đến điểm van công suất,phương pháp DE cho kết quả tốt hơn nhiều so với phương pháp truyền thống Tuynhiên, DE cũng dễ rơi vào tối ưu cục bộ
2.2.6 HNN (Hopfield Neural Network)HNN là một phương pháp dựa trên mang Neural Hopfiel dé giải bài toán ED.Phương pháp dựa trên HNN cho thấy rất thành công trong việc giải bài toán EDvới hàm chí phí bậc hai theo từng đoạn Hạn chế của phương pháp này là tốc độhội tụ chậm, ngoài ra số vòng lặp lớn và kết quả dao động khi giải quyết bài toán
Trang 302.2.8 PSO (Particle Swarm Optimization)Thuật toán PSO được khởi xướng boi Kennedy va Eberhart vào năm 1995.Thuật toán mô phỏng hành vi của dan chim va ca tìm thức ăn Thuật toán PSOđược áp dụng cho nhiều loại bài toán ED khác nhau như: phân bố kinh tế đa khuvực, phân bồ kinh tế với ham chi phí gdm nhiéu doan bac hai, phan bố kinh tế kếthợp với môi trường, Các kết quả thử nghiệm đã cho thấy được nhiều ưu điểmcủa PSO Trong phương pháp PSO, chỉ có một quan thé trong mỗi vòng lặp tiễnđến điểm tối ưu toàn cục Phương pháp PSO hội tụ tới điểm tối ưu toan cục haygan toàn cục bất kế hình dạng của hàm chi phi, chang hạn ham chi phí không liêntục, hàm chi phí không phăng hay lỗi Hiệu quả tính toán và đặc tính hội tụ củaphương pháp PSO tốt hơn đã cho thấy răng nó có khả năng được áp dụng rộng rãitrong nhiều bài toán tối ưu Tuy nhiên, PSO lại nhạy với việc thay đối các thôngsố Về sau, các phương pháp PSO cải tiến cho thấy có nhiều ưu điểm hon, tínhtoán nhanh hơn Nhìn chung PSO cho kết quả tốt nhất so với các phương pháp
trước.2.2.9 HS (Harmony Search)
Thuật toán HS mô phỏng ngẫu hứng của người nhac si để tìm kiếm một sựhài hòa, được dé xuất bởi Geem năm 2001 Thuật toán HS cải tiễn để giải quyết
Trang 31bài toán ED với nhiều ràng buộc cho thấy kết qua đầy hứa hen Tuy nhiên thờigian tính toán vẫn còn dài
2.2.10 BA (Bee Algorithm)Lay cam hung từ hành vi của loài ong mật trong việc lay mật hoa, được déxuất bởi Nakrani va Tovey vào năm 2004 BA mới được áp dụng vào bài toán EDgần đây và cho thấy tính hiệu quả, linh hoạt và mạnh mẽ của BA; thời gian tínhtoán bằng BA tương đối nhanh (tương đương PSO)
2.2.11 FA (Firefly Algorithm)Lay cảm hứng từ hành vi nhấp nháy của dom đóm, FA được dé xuất bởi Xin-She Yang vào năm 2008 Các kết quả thử nghiệm cho thấy tính hiệu quả của thuậttoán FA trong bài toán ED đa mục tiêu với nhiều ràng buộc phức tạp FA phụthuộc nhiều các thông số lựa chọn Đây là thuật toán mới, hứa hẹn vì thuật toánđơn giản và cho kết quả nhanh hơn các thuật toán trước đó
23 TỎÓNG KẾT
Các thuật toán nói chung đều có những ưu điểm và khuyết điểm nhất định.Các phương pháp dựa vao quy luật tiến hóa như EP, GA, DE cho kết quả nhanhvà tốt hơn các phương pháp truyền thống, tuy nhiên vẫn còn hạn chế là số vònglặp lớn và khi giải bài toán lớn có nhiều điểm tối ưu thì lời giải dễ rơi vào tối ưucục bộ Ra đời từ lâu, GA hiện nay vẫn đang được áp dụng rộng rãi trong nhiều
lĩnh vực tôi ưu hóa bên cạnh van đề ED.HNN và ELANN có khả năng áp dụng trong giải quyết bải toán lớn và phứctạp Tuy nhiên, HNN gặp khó khăn trong xử lý một số ràng buộc bất đăng thức,những bài toán lớn với nhiều ràng buộc, sự hội tụ của HNN cũng phụ thuộc vàosự lựa chọn các hệ số phạt cho các ràng buộc; cả HNN và ELANN đều có số vònglặp lớn cho sự hội tụ và thường dao động suốt quá trình quá độ
Thuật toán dạng metaheuristic mô phỏng theo hành vi thiên nhiên như PSO,HS, BA, FA cho thấy kết quả khả quan hơn và đặc biệt là phương pháp gần đây
Trang 33CHUONG 3:
THANH LAP BAI TOAN
Mục tiêu của bai toán điều độ kinh tế là cực tiểu chi phí san xuất ra điện năngkhi đến nơi tiêu thụ trong vận hành, thỏa mãn một số điều kiện như ràng buộc cânbằng công suất, giới hạn công suất của nhà máy Từ đó sẽ phân phối tối ưu côngsuất các nhà máy điện và phụ tải Trong giới hạn đề tài sẽ giải quyết bài toán EDvới hệ thống điện gồm các nha máy nhiệt điện với hàm chi phí dạng bậc hai
Mink = ` F(P) (3.1)
i=l
Trong do:F: Tổng chi phí của các nhà máy ($/h)
F,(P;): Hàm chi phí nhiên liệu của nhà máy thứ i ($/h)
P;: Công suất của nha máy thứ i
N: Số lượng nhà máy kết nối vào hệ thong
3.1.1 Ham chi phí thông thườngHàm chi phí thông thường của nhà máy là hàm bậc hai dạng:
FŒ,)=a,+b,.P,.+e,PỶ (3.2)
Với aj, bị, c¡ là các hệ sô chi phí của nhà máy thứ i
Trang 34Hình 3.1: Đường cong chi phí phố bién của nha máy nhiệt điện
3.1.2 Ham chi phí không trơn có xét đến điểm van công suất
Nhà máy nhiệt điện thường sử dụng nhiều loại van để điều khiến công suấtphát của nhà máy Trong khi van được mở, chi phí gia tăng một cách đột biến làmcho hàm phi phí nhiên liệu có dạng nhấp nhô Hàm chỉ phí lúc này được trình bày
Trang 352 aA 7A max
Ay + bạ +042, nhiền lieu k, Py, <P <P
Với aix, Dix, c¡ là các hệ sô chi phí cua nha máy 1 khi sử dụng k loại nhiên liệu.
Hàm chỉ phí không trơn với nhiều dạng nguyên liệu khác nhau có3.1.4.
xét dén điềm van công suâtNha máy nhiệt điện sử dụng nhiêu loại nhiên liệu khác nhau, hàm chi phí nhàmáy i gôm # đoạn bậc hai thê hiện & loại nhiên liệu có xét dén ảnh hưởng của diém
, nhiên liêu I,P""<P.<P›, nhiên liêu 2,P <P.<P, (3.5)van công suất:
2 ;an tồn, +en FT + lea.sin(/.(" —¡))
le,›.sin(/;.(PZ” — P„))2
Ay + bP, +ec„ Jˆ +es -U I
LUIA`t:
, nhiên liêu K, P„_\ <
ay, + b,P + cụ PẺ + le Sin fig (Pe — P,))
Vớiair, Dix, cạ là các hệ số chi phi của máy phat thứ 1 khi sử dụng k loại nhiên liệu.ex, fi, là hệ sô chi phí của máy phat thứ 1 có xét tới ảnh hưởng của van công suât
3.2 CÁC YEU CÂU RÀNG BUỘC CUA BÀI TOÁN
3.2.1 Rang buộc về cân bằng công suất
Tổng công suất phát của các nhà máy phải cân bằng với tổng phụ tải Pp vàtong ton thất P,
Trang 36B.,B.,B : các hệ số của phương trình tôn hao truyền tải.
yi? ~~ ot? “oo
3.2.2 Rang buộc về giới han công suất phat của nhà may
Mỗi nhà máy có giới hạn phát ở mức thấp nhất và cao nhất
PTM <P <PTM:i=1, ,N (3.8)
3.2.3 Rang buộc về giới han độ doc tốc độ
Công suất phát của nhà máy có thể tăng hay giảm với tốc độ giới hạn phụ
thuộc vào độ dốc tôc độ.
P;”: Công suất phát liên trước của tổ may i
DR; và UR;: Giới hạn độ dốc đi xuống và đi lên
3.2.4 Rang buộc về độ dự trữ quay
Yêu cau về độ dự trữ quay nhằm đảm bao cho hệ thống vận hành 6n định cũng
như dự phòng được quy định như sau:
Trang 373.2.5 Rang buộc về công suất truyền tai
Các đường dây truyền tải đều có giới hạn truyền công suất nhất định
Prex: Công suất thực của đường dây thứ k
L là số lượng đường dây truyền tải
3.2.6 Rang buộc về vùng cam (POZ)
Trong thuc tế, do kết lưới của hệ thông, các nhà máy nhiệt điện có thể có vùngvận hành bi cam Nếu các nhà máy đó vi phạm vào vùng vận hành bị cắm sẽ dẫnđến một nhóm nhà máy khu vực đó bị tách khỏi hệ thống Công suất vận hành nhà
máy trong vùng này phụ thuộc như sau:
Pic4P.<P<P ; VieQ (3.13)
Với P7: Công suat giới hạn trên vùng cam thứ k cua nhà máy 1
P„ : Công suât giới hạn dưới vùng câm thứ k của nhà may i
Trang 383.2.7 Rang buộc khácNgoài ra còn có các ràng buộc khác túy theo yêu câu như khí thải, tính an toàncủa hệ thông
Tùy vào yêu cau bài toán mà có thê dua ra một hay nhiễu ràng buộc trong cácràng buộc trên.
Trang 39CHUONG 4:
THUAT TOAN
CUCKOO OPTIMIZATION ALGORITHM (COA)
4.1 CÁCH THỨC GIAI QUYẾT VAN DE
Với bai toán tối ưu đơn giản thi ta có thé tính trực tiếp hay dùng các phươngpháp cỗ điển Bai toán ED thuộc dang bài toán lớn, phi tuyến với nhiều ràng buộcphức tạp Nếu giải bang các phương pháp cô điển thì thời gian tính toán sẽ lâu vàbài toán có thể không tìm ra kết quả Những năm gần đây, các phương pháp dạngmetaheuristic cho thấy kết quả tính toán nhanh hon, cho lời giải tốt hơn Bang cáchsử dụng thuật toán tối ưu hóa dạng metaheuristic để giải bài toán ED đã nhiều kếtquả tốt hơn
Nhiệm vụ chính của ED là cực tiêu chi phí nhiên liệu nên ta có thê áp dụngcác thuật toán tôi ưu hóa dé giải Các thuật toán nói chung đều có ưu và khuyêtđiêm Tùy theo hàm mục tiêu cùng các ràng buộc mà các thuật toán tôi ưu có ưudiém khác nhau.
Thuật toán Cuckoo Optimization Algorithm (COA) được đưa ra boi RaminRajabioun, được đăng trên tap chi Applied Soft Computing vào thang 05 năm 2011
[1], đã được thử nghiệm với nhiều hàm chuẩn cho kết qua tốt hơn các phương pháptrước như GA, PSO [1] được dé xuất dé giải bài toán ED
4.2_ GIỚI THIỆU THUẬT TOÁN Cuckoo Optimization Algorithm
Với xu hướng phát triển ngày càng nhiều thuật toán dạng metaheuristie ra đờitừ cảm hứng với thiên nhiên Các thuật toán dựa vào hành vi của một số sinh vậtnhư cá và chim (PSO), con kiến (ACO), con ong (BA), con dom dom (FA), thuậttoán mới Cuckoo Optimization Algorithm (COA) lay cảm hứng từ đời sống củaloài chim Cuckoo -thuật toán tối ưu hóa Cuckoo là một trong những thuật toán xây
Trang 40dựng dựa trên khái niệm trí tuệ bây đàn đê tìm kiêm lời giải cho các bài toán tôi ưuhóa trên một không gian tìm kiêm nào đó.
4.2.1 Hành vi chim CuckooNhững điểm đặc biệt trong đời sống của chim Cuckoo như việc “ký gửi” trứngsau khi đẻ, khả năng phát triển và sinh tồn của chúng là nền tảng cho việc phát triểngiải thuật COA này Chim Cuckoo đẻ trứng nhưng không ấp và nuôi dưỡng chimnon, sau khi đẻ trứng chúng sẽ gắp trứng bỏ vào tổ của loài chim khác, nếu khôngbị phát hiện chim Cuckoo non sé được ấp và nuôi dưỡng bởi chim chủ tổ Giốngnhư những giải thuật tiến hóa khác, COA được khởi tao bởi một quan thé ban dau.Quân thé Cuckoo sống ở môi trường khác nhau bao gồm 2 đối tượng là chimCuckoo va trứng Trong suốt quá trình đấu tranh sinh ton một số con Cuckoo hoặctrứng của nó bị tiêu diệt, số còn lại sẽ di chuyển tới môi trường sống tốt hơn rồi tiếptục quá trình sinh sản và đặt trứng Sự cố gắng tìm kiếm môi trường sống thích nghỉcủa chim Cuckoo hy vọng sẽ hội tu lại tại một môi trường sống duy nhất và tốt nhất.Đây cũng chính là lời giải cần tìm trong các bài toán tối ưu hóa
Ứng dụng của giải thuật COA đã được thử nghiệm trên các hàm toán họcchuẩn và các vấn dé thực tế Điều này chứng minh khả năng giải quyết các van détối ưu hóa có mức độ khó của giải thuật [1]