Luận văn thạc sĩ Thiết bị, mạng và nhà máy điện: Áp dụng thuật toán Galaxy Based Search Algorithm giải bài toán điều độ kinh tế

TÓM TẮT LUẬN VĂN Luận văn áp dụng thuật toán Galaxy based Search Algorithm GbSA để giải bài toán điều độ kinh tế ED trên các hệ thống chuẩn 10 máy phát, 10, 30, 60, 100 máy phát đa nhiên

Giới thiệu chung

Tổng quan và tầm quan trọng đề tài

Điện năng là nền tảng cho sự phát triển kinh tế, xã hội của một đất nước Các ngành công nghiệp khác đều cần tới điện năng để tồn tại và phát triển.Vì vậy, ngành công nghiệp điện năng cần phát triển tính hiệu quả và ổn định Nhưng ngành công nghiệp điện đang đứng trước khó khăn vì các nguồn tài nguyên hóa thạch dùng cho ngành nhiệt điện như than đá, khí đốt, dầu diesel đang ngày càng khan hiếm và cạn kiệt

Ngày nay, người ta đầu tư rất nhiều công sức và vốn để tìm các nguồn năng lượng mới tạo ra điện Đó có thể là các nguồn năng lượng tái tạo như gió, năng lượng mặt trời, địa nhiệt… hay nhà máy điện nguyên tử Về lý thuyết, các nguồn năng lượng này là rất lớn, có thể khai thác để sử dụng lâu dài để phát triển Tuy nhiên, chi phí đầu tư cho các nhà máy điện dạng này rất cao và gặp không ít khó khăn trong việc hòa lưới điện hiện hữu Cho đến nay, các nhà máy điện sử dụng năng lượng tái tạo thường đem lại hiệu quả kinh tế không cao, trong khi chi phí xây dựng rất đắt Vì vậy, các nhà máy này chỉ phát triển mạnh ở các quốc gia phát triển Do đó, công việc chủ yếu vẫn là phải sử dụng các nguồn nhiên liệu truyền thống một cách tiết kiệm và hiệu quả để biến đổi thành năng lượng điện

Do đó việc phát điện phải điều chỉnh sao cho đáp ứng đúng nhu cầu sử dụng của phụ tải, để tránh gây lãng phí nhiên liệu Yêu cầu bài toán đặt ra là căn cứ vào nhu cầu công suất của phụ tải, ngành Điện phải huy động các trạm phát điện như thế nào để đáp ứng được nhu cầu phụ tải với chi phí nhiên liệu thấp nhất Đó chính là việc giải quyết bài toán điều độ kinh tế lưới điện (Economic Dipatching – ED)

Bài toán tối ưu ED là một trong các vấn đề cơ bản trong hệ thống điện để thu được lợi nhuận với tính ổn định, độ tin cậy và an toàn Mục tiêu của nó là để phân phối công suất giữa các máy phát theo cách kinh tế nhất, trong khi tất cả ràng buộc vật lý và vận Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh hành được thỏa mãn Chi phí của sự phát công suất, đặc biệt trong các nhà máy nhiên liệu hóa thạch là cao và sự phát điện kinh tế giúp tiết kiệm lượng đáng kể cho thu nhập

Trong luận văn này, bài toán ED được xây dựng như là một vấn đề tối ưu hóa Một thuật toán tự tìm kiếm mới lấy cảm hứng từ tự nhiên được sử dụng để khám phá những không gian tìm kiếm các lời giải tối ưu cho bài toán ED Thuật toán tìm kiếm mới được gọi là "Galaxy based Search Algorithm 'hoặc' GbSA GbSA mô phỏng cánh tay xoắn ốc của thiên hà xoắn ốc để tìm kiếm xung quanh nó Chuyển động xoắn ốc này được cải thiện bởi sự hỗn độn để thoát khỏi điều kiện tối ưu cục bộ Một thuật toán tìm kiếm cục bộ cũng được sử dụng để điều chỉnh các lời giải thu được bởi sự chuyển động xoắn ốc của GbSA.

Mục tiêu bài toán

Mục tiêu của bài toán điều độ kinh tế (ED) tìm giá trị nhỏ nhất của hàm chi phí vận hành các tổ máy phát điện Đặc tính của bài toán là phức tạp có tính phi tuyến cao, kế hoạch phát của công suất đầu ra để đáp ứng nhu cấp nhu cầu tải ở chi phí vận hành nhỏ nhất trong khi thỏa mãn các ràng buộc vật lý của hệ thống.

Mục tiêu đề tài

Bài toán tối ưu điều độ kinh tế (ED) đã có lịch sử phát triển lâu đời và có ý nghĩa vô cùng quan trọng trong điều khiển hệ thống điện một cách kinh tế và hiệu quả Tuy nhiên, cho đến nay các vấn đề liên quan đến bài toán ED vẫn còn trong giai đoạn nghiên cứu và hoàn thiện nhằm tiến tới gần hơn giá trị tối ưu trong điều kiện bài toán có là tính phi tuyến cao, không lồi, không trơn, phụ thuộc vào các ràng buộc phức tạp

Vì thế chỉ có các thuật toán dựa trên trí thông minh nhân tạo và tiến hóa mới phù hợp với các bài toán dạng này

Tuy nhiên, một khuyết điểm của các thuật toán dựa trên trí thông minh nhân tạo để tìm kiếm lời giải cho các bài toán dạng này là chỉ tìm kiếm được các giá trị gần tối ưu

Nhưng do tính quan trọng trong việc tìm lời giải tốt hơn của bài toán, nên người ta vẫn Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh tiếp tục nghiên cứu phát triển và ứng dụng các thuật toán mới, khác nhau nhằm mục tiêu cố gắng tìm ra phương pháp để giải quyết bài toán hữu hiệu hơn

Thuật toán Galaxy based Search Algorithm là một thuật toán mới mà chưa có công trình nghiên cứu trong nước nào ứng dụng Trên thế giới, theo tìm kiếm của google scholar Ta chỉ mới tìm được ba bài báo của tác giả Hamed Shah-Hosseini [2] Vì vậy, mục tiêu của đề tài là tìm hiểu thuật toán mới này và áp dụng vào bài toán ED với mong muốn giới thiệu một phương pháp mới để tìm kiếm lời giải tốt cho bài toán này.

Phạm vi và các nội dung nghiên cứu

Áp dụng thuật toán Galaxy based Search Algorithm (GbSA) vào bài toán điều độ kinh tế (ED) có các ràng buộc về cân bằng công suất, đặc tính máy phát, vùng cấm, máy phát đa nhiên liệu Bài toán được ứng dụng cụ thể trong các hệ thống chuẩn 10 máy phát trơn, 10 máy phát đa nhiên liệu, 30, 60, 100 nút máy phát đa nhiên liệu, 15 máy phát có vùng cấm có xét tổn hao, 15 máy phát có vùng cấm không xét tổn hao

Trong khuôn khổ luận văn cao học, tôi xin nghiên cứu về các vấn đề sau trong các chương tiếp theo:

- Tổng quan bài toán này với các ràng buộc vận hành thực tế như ràng buộc về cân bằng công suất, ràng buộc về giới hạn công suất phát của tổ máy, ràng buộc bởi ảnh hưởng của các điểm van của tổ máy và các vùng cấm

- Tổng quan về các phương pháp đã ứng dụng trước đây và các ưu nhược điểm của nó

Chương 3: Thành lập bài toán

- Trong chương này, tôi sẽ lần lượt thành lập mô hình bài toán với các điều kiện ràng buộc vận hành

Chương 4: Phương pháp GbSA Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

- Nêu về phương pháp GbSA và các phương pháp luận để giải quyết bài toán tối ưu

Chương 5: Áp dụng GbSA vào bài toán ED Chương 6: Tổng kết và hướng phát triển đề tài Các tài liệu tham khảo

Điểm mới luận văn

Trong nước cũng như trên thế giới không những chưa có đề tài nào nghiên cứu ứng dụng thuật toán GbSA giải các bài toán điều độ kinh tế ED nói riêng mà còn rất ít công trình nghiên cứu về thuật toán này Theo tìm kiếm của googlescholar.com cho từ khóa

“Galaxy based Search Algorithm” chỉ có 20 kết quả tìm kiếm, trong đó chỉ có ba bài báo viết về thuật toán này, còn lại là trích dẫn

Vì vậy, điểm mới của luận văn này áp dụng một thuật toán còn rất mới (GbSA) vào các bài toán ED với mong muốn giới thiệu một phương pháp khác để giải bài toán này cũng như giới thiệu cho mọi người một thuật toán mới để tìm lời giải cho các bài toán tối ưu

Hình 1.1: Kết quả tìm kiếm thuật toán GbSA của googlescholar.com Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Tổng quan

Tổng quan bài toán

Một trong những yêu cầu quan trọng nhất trong vận hành hệ thống điện (HTĐ) là đảm bảo tính kinh tế trong việc sản xuất, truyền tải, phân phối và sử dụng điện năng Để thực hiện yêu cầu đó cần đảm bảo cho HTĐ làm việc với chi phí thấp nhất, muốn vậy cần phải giảm đến mức tối thiểu chi phí nhiên liệu và tổn thất điện năng

Mục tiêu của bài toán ED là xác định kế hoạch phát công suất để cực tiểu hóa chi phí vận hành hệ thống mà không vi phạm các ràng buộc của máy phát và hệ thống như cân bằng công suất phát và tải, vùng cấm hay đặc tính đa nhiên liệu của máy phát Để thuận tiện cho tính toán, hàm mục tiêu của bài toán ED là xấp xỉ bởi hàm bậc hai đơn, khả vi [3] Tuy nhiên, đặc tính đầu vào và đầu ra của các tổ máy phát nhiệt là phức tạp hơn vì tác động máy phát đa nhiên liệu [5] hoặc vùng cấm [6] Do đó, bài toán ED thực tế nên hình thành như hàm mục tiêu không lồi và không trơn phụ thuộc vào các ràng buộc phức tạp, mà không thể được giải trực tiếp bởi kỹ thuật lập trình toán học Do đó, kỹ thuật tiên tiến hơn phải được phát triển để giải với bài toán tối ưu với nhiều cực tiểu Để giải bài toán ED, xem xét hoạt động của hệ thống điện với N tổ máy, mỗi tổ máy có công suất Pi MW, phải đáp ứng được tổng công suất yêu cầu P D (bao gồm cả tổn thất truyền tải) Trong thực tế, hàm mục tiêu của bài toán ED có nhiều điểm không khả vi do ảnh hưởng của máy phát đa nhiên liệu Trong trường hợp đa nhiên liệu hàm mục tiêu được thể hiện như là hàm chi phí bậc hai từng đoạn [10] Ngoài ra, trong thực tế, tổ máy phát nhiệt có thể có vùng cấm do các ràng buộc vật lý trên các thành phần của tổ máy Vì vậy, cả vùng vận hành của tổ máy với vùng cấm sẽ bị vỡ thành nhiền vùng phụ khả thi cách ly [20] Ta sẽ xét chi tiết các vấn đề này trong chương tiếp theo Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Tổng quan về các phương pháp đã sử dụng

Nhiều phương pháp đã được ứng dụng cho việc giải bài toán ED như là tìm kiếm Gradient, phương pháp Newton, lập trình động (DP) [3], phương pháp phân cấp dựa trên phương pháp số (HNUM) [5], Phương pháp phân huỷ (DM) [6], phương pháp lặp lambda[7], Chuỗi Maclaurin dựa trên Lagrangian (MSL) [8], và tìm kiếm trực tiếp mới (NDS) [9] Trong các phương pháp này, MSL và NDS có thể trực tiếp giải quyết bài toán ED không lồi với hàm mục tiêu không khả vi Mặc dù các phương pháp này có thể nhanh chóng tìm lời giải cho bài toán, kết quả thu được vẫn là lời giải tối ưu cục bộ, đặc biệt cho hệ thống qui mô lớn Nói chung, các phương pháp thường là không hiệu quả để thực hiện vào bài toán ED với hàm mục tiêu không khả vi [1]

Gần đây, nhiều phương pháp dựa trên trí tuệ nhân tạo đã phát triển để giải quyết bài toán ED như là mạng Hopfield (HNN) [10-11], giải thuật di truyền (GA), Phương pháp SA (Simulated Annealing) [12], lập trình tiến hoá (EP) [13], Hoạt động trực tiếp tiến hóa (EDO) [29], thuật toán tiến hoá, hệ miễn dịch nhân tạo (AIS) [14], tối ưu dựa trên phân bố sinh vật (BBO) [15], Phương pháp ACO (Ant Colony Optimization) [30], Phương pháp Tatu Search (TS) tối ưu bầy cá thể (PSO) [16-23]

2.2.1 Phương pháp HNN (Hopfield neural network)[10-11]

Phương pháp HNN dựa trên cực tiểu của hàm năng lượng có thể chỉ được ứng dụng bài toán tối ưu lồi với hàm mục tiêu khả vi Phương pháp mô hình mở rộng tuyến tính Hopfield đề xuất một mô hình đầu vào đầu ra tuyến tính cho các neurons để giải bài toán ED nhanh chóng Sử dụng mô hình tuyến tính này cho phép phương pháp trở nên hiệu quả, và có khả năng giảm khối lượng tính toán Tuy nhiên, sử dụng phương pháp

Hopfield bao gồm việc lựa chọn trọng số cho hàm năng lượng, mà việc này là khó khăn bởi vì các giá trị hệ số này hạn chế trong khoảng khá hẹp trong bài toán ED Mặc dù phương pháp này có thể được thực hiện trên bài toán qui mô lớn, nó bị nhiều hạn chế như là số vòng lặp lớn, yêu cầu ràng buộc tuyến tính Mạng nơ ron Hopfield, đã Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh được sử dụng thành công để giải bài toán ED cho các tổ máy với hàm chi phí nhiên liệu bậc hai và ràng buộc vùng cấm Tuy nhiên, hàm sin không phù hợp nhận vào mô hình Hopfield có thể gây ra từ lần lặp số vượt mức, làm cho khối lượng tính toán lớn [1]

2.2.2 Phương pháp EP (Evolutionary Programming)[13]

Phương pháp EP (Evolutionary programming) là một chiến lược tối ưu nhấn mạnh đến sự liên kết hành vi giữa bố mẹ và con cái Đây là phương pháp tối ưu không phụ thuộc vào đạo hàm bậc nhất và bậc hai của hàm mục tiêu và những điều kiện ràng buộc của bài toán Ưu điểm quan trọng nhất của EP là nó chỉ sử dụng thông tin hàm mục tiêu và do đó không chịu ảnh hưởng bởi bản chất của không gian tìm kiếm như độ trơn, độ lồi Thuật toán tối ưu dựa trên EP xoay quanh ba quá trình: chọn lọc tự nhiên, đột biến và cạnh tranh Tuỳ thuộc vào đặc tính của bài toán tối ưu, mỗi quá trình có thể được điều chỉnh và định hình để đạt được kết quả khả quan nhất

2.2.3 Phương pháp TS (Tabu Search) [31]

Phương pháp TS (Thuật toán tìm kiếm Tabu) [31] là phương pháp tìm kiếm để tìm giải pháp tối ưu dựa trên bộ nhớ linh động của 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 tổ máy

Kết quả tính toán được mã hóa ở dạng thập phân và được lưu vào bộ nhớ máy tính Ưu điểm của TS là thời gian tính toán nhỏ Phương pháp này đã được chứng minh là giải quyết tốt bài toán điều độ kinh tế với nhiều ràng buộc khác nhau

Sự thuận lợi của thuật toán TS là việc nó sử dụng sự ghi nhớ uyển chuyển của lịch sử tìm kiếm để ngăn ngừa dao động và tránh bị kẹt ở giá trị tối ưu cục bộ TS có thể giải quyết được các bài toán không lồi, không phẳng…

2.3.4 Phương pháp SA (Simulated Annealing) [32]:

SA (Thuật toán luyện kim) [32] là phương pháp được đề xuất bởi Kirt Patrick, Gelatt và Vecchi năm 1983 SA đã được kiểm chứng trong một số bài toán tối ưu hóa Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh và cho kết quả rất tốt SA là phương pháp dựa trên việc tìm kiếm cục bộ mỗi bước di chuyển được chấp nhận nếu cải thiện được năng lượng hệ thống Một lời giải khác có thể chấp tùy theo tiêu chí tần suất mà sự phân bố tần suất dựa trên quy trình luyện kim và chúng được thu lại như hàm nhiệt độ của hệ thống

Chiến thuật SA khởi đầu với nhiệt độ cao đưa ra tần suất phân bố cao để chấp nhận với các bước di chuyển không được cải thiện Nhiệt độ và mức độ phân bố giảm bớt đáng kể như sự cải thiện của thuật toán về lời giải tối ưu

2.3.5 Phương pháp GA (Genetic Algrithm)

Thuật toán GA (Giải thuật di truyền) được phát minh bởi Holland vào đầu những năm 1970 là phương pháp tìm kiếm toàn cục sự cố mà dựa theo sự đánh giá di truyền tự nhiên GA hoạt động trên quần thể của những lời giải ứng viên giải mã chuỗi hữu hạn gọi là nhiễm sắc thể (NST) Thông thường các kết quả này được biểu diễn dưới dạng chuỗi số nhị phân hoặc các ký hiệu mã hóa khác được gọi là nhiễm sắc thể Để thu được sự tối ưu, mỗi NST phải trao đổi thông tin bằng cách sử dụng những toán tử mượn từ gen tự nhiên để làm ra lời giải tối ưu

Phương pháp GA thường nhanh hơn SA bởi vì GA có các kỹ thuật tìm kiếm song song, nó sao chép hoạt động gen tự nhiên Vì khả năng của nó cho tối ưu toàn cục lớn, GA nhận được quan tâm lớn trong việc giải bài toán ED Trong một vài ứng dụng GA, nhiều ràng buộc bao gồm tổn thất hệ thống, giới hạn tổ máy, ảnh hưởng điểm van được xem xét và thực nghiệm Walter and Sheble đã trình bày mô hình GA đã sử dụng đầu ra các tổ máy như là thông số mã hoá của nhiễm sắc thể để giải một bài toán ED có điểm van không liên tục [24] Chen và Chang trình bày một phương pháp GA mà sử dụng chi phí gia tăng hệ thống như thông số mã hoá cho việc giải bài toán ED mà có thể xem xét tổn hao hệ thống, giới hạn, ảnh hưởng điểm van [25] Fung et al trình bày một kỹ thuật hợp thành song song của GA, SA và tìm kiếm Tabu (TS) mà sử dụng đầu ra máy phát là thông số mã hoá [26] Cho một phương pháp GA hiệu quả, Yalcinoz đã Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh sử dụng xắp xếp theo hệ thống mã thực, lai tạo số, đột biến, và sự phát triển tầng lớp tối ưu trong GA để giải bài toán ED hiệu quả hơn [27]

Mặc dù phương pháp GA đã được sử dụng thành công để giải các bài toán tối ưu phức tạp, nghiên cứu gần đây đã xác định một số sự thiếu hụt trong sự thực thi GA Sự giảm sút hiệu quả được thấy rõ trong một số ứng dụng với các hàm mục tiêu gen trội cao (khi các thông số cần tối ưu là tương quan) [lai tạo và đột biến không thể chắc chắn sự tốt hơn của thế hệ con vì nhiễm sắc thể trong quần thể là tương tự cấu trúc nhau]

Hơn nữa, sự hội tụ sớm của GA làm giảm hiệu quả của nó và giảm khả năng tìm kiếm của nó dẫn đến một khả năng cao bị vướng vào một tối ưu cục bộ

Chao-Lung Chiang và Ching-Tzong Su trình bày một thuật toán GA cải tiến với phương pháp cập nhật số nhân (IGAMUM) [28] để giải bài toán ED không lồi được giới hạn bởi vùng cấm (POZ) Một thuật toán GA được cải tiến được đề xuất có thể tìm kiếm hiệu quả các lời giải Phương pháp cập nhật số nhân được giới thiệu để tránh sự biến dạng hàm Lagrange gia số kết quả của sự khó khăn trong việc tìm kiếm lời giải

Thành lập bài toán

Giới thiệu bài toán

Bài toán điều độ kinh tế (ED) là tìm ra sự kết hợp tối ưu của công suất ngõ ra giữa các máy phát điện sao cho chi phí nhiên liệu tổng là nhỏ nhất trong khi tất cả các máy phát điều thỏa các giới hạn hoạt động và đáp ứng được tổng nhu cầu phụ tải của hệ thống điện

Thông thường trong bài toán ED các máy phát được giả định có thể phát công suất lớn hơn hay bằng một giá trị cận dưới Pmin và nhỏ hơn hay bằng một giá trị cận trên Pmax, và máy phát có thể đáp ứng các mức công suất trong cận [Pmin, Pmax] một cách tức thời Tuy nhiên trong hệ thống điện thực tế do giới hạn vật lý của một số máy phát, khoảng vận hành [Pmin, Pmax] của máy phát được chia thành nhiều vùng nhỏ (không liên tục) và tồn tại một số vùng cấm, hoặc các giới ramp rate của các máy phát làm cho bài toán ED trở nên phức tạp hơn

Bài toán điều độ kinh tế - ED trong hệ thống điện nhằm xác định một sự phối hợp tối ưu giữa các máy phát điện, với chi phí vận hành nhỏ nhất, đảm bảo đáp ứng nhu cầu phụ tải nào đó và thỏa mãn những ràng buộc nhất định Ban đầu để đơn giản người ta xem hàm chi phí của mỗi máy phát điện là một hàm bậc hai đơn giản và sử dụng những kỹ thuật lập trình toán học để giải quyết cực tiểu hóa hàm tổng chi phí Tuy nhiên trên thực tế, các đặc tính vào-ra của các máy phát là hàm không lồi do những vùng vận hành bị cấm, hay máy phát đa nhiên liệu…Do đó, trên thực tế bài toán ED được đưa ra như bài toán tối ưu hàm không lồi theo đó là những ràng buộc mà không thể giải được một cách trực tiếp bằng các phương pháp toán học.

Hàm chi phí nhiên liệu

Mục tiêu của bài toán là tìm công suất phát của từng máy phát sao cho cực tiểu hàm chi phí nhiên liệu trong khi vẫn thỏa mãn các ràng buộc của thực tế vận hành Mục tiêu bài toán có thể được viết như sau: Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

F i (P i ): Hàm chi phí nhiên liệu của máy phát thứ i n: Số máy phát

Hàm chi phí nhiên liệu của máy phát có thể biểu diễn dưới dạng hàm bậc 2 như sau

F i (P i ): Hàm chi phí nhiên liệu của máy phát thứ i P i : Công suất của nhà máy thứ i a i , b i , c i : Hệ số hàm chi phí của máy phát thứ i N: Số lượng máy phát nối vào hệ thống Đối với máy nhiệt điện, đặc tính ngõ vào- ngõ ra của máy phát là hàm tiêu thụ nhiên liệu hoặc hàm chi phí vận hành Đơn vị của hàm tiêu thụ nhiên liệu của máy phát là Btu/h hoặc MBtu/h Đơn vị chi phí nhiên liệu là $/h Ngõ ra máy phát ký hiệu là P G , đơn vị là MW

Hàm chi phí nhiên liệu của nhà máy nhiệt điện là một đường cong lồi được biểu diễn như hình 3.1 Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Hình 3.1: Đường cong chi phí bậc hai

Bài toán ED với máy phát đa nhiên liệu

Thực tế, các máy phát được cung cấp từ nhiều loại nhiên liệu, và mỗi loại nhiên liệu đều có hàm chi phí riêng.Trong bài toán ED với đa nhiên liệu (MF), hàm bậc hai từng đoạn được sử dụng để đại diện đa nhiên liệu có sẵn cho mỗi tổ máy [5] Hàm chi phí nhiên liệu của tổ máy i xác định bởi [10]

, , i i i i i i i i i i i i i i i i i i ij ij i ij i ij i i a b P c P fuel P P P a b P c P fuel P P P F P a b P c P fuelj P  P P

Với a ij , b ij , c ij là hệ số chi phí của máy phát i khi sử dụng loại nhiên liệu j

Cho máy phát i với nhiên liệu j trong (3.3), đường cong chi phí của nó được chia thành j đoạn rời rạc giữa giới hạn dưới P i,min và giới hạn trên P i,max trong đó, mỗi loại nhiên liệu được thể hiện bằng hàm bậc hai với giới hạn công suất đầu ra thấp hơn P ij-1 và cao hơn P ij Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Mục tiêu của bài toán ED với nhiều nhiên liệu là để tối thiểu tổng chi phí máy phát (3.1) với hàm chi phí nhiên liệu (3.3) thỏa mãn ràng buộc cân bằng công suất thực và giới hạn của máy phát

Hình 3.2: Đường cong chi phí của máy phát đa nhiên liệu

Bài toán ED có vùng cấm vận hành

Trong một số trường hợp thực tế, tổ máy phát nhiệt có thể có vùng cấm vận hành (POZ) do ràng buộc vật lý trên các thành phần của tổ máy Vì vậy, cả vùng vận hành của tổ máy phát với vùng vận hành hạn chế sẽ bị vỡ thành nhiều vùng phụ có thể thực hiện cách ly [20]

Hàm chi phí nhiên liệu cho mỗi tổ máy trong bài toán ED với POZ là hàm bậc hai như trong (3.2) và điều kiện ràng buộc đẳng thức và bất đẳng thức cho bài toán này bao gồm cân bằng công suất thực, giới hạn của máy phát mà không có POZ

Vùng vận hành giới hạn: Cho tổ máy phát với POZ, toàn bộ các vùng vận hành có thể thực hiện của nó được phân tích thành các vùng có thể vận hành con và các điểm có thể vận hành của nó phải trong một các vùng con đó như sau: Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

P i,k l là biên dưới của vùng cấm vận hành thứ k P i,k u là biên trên của vùng cấm vận hành thứ k N i là số vùng cấm vận hành

Hình 3.3: Đường cong chi phí nhiên liệu với hai vùng cấm vận hành

Các ràng buộc chung của bài toán

1/ Cân bằng công suất thực: tổng công suất thực đầu ra của tổ máy phát thỏa mãn tổng công suất tải cộng tổn hao:

(3.5) Trong đó Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

P i là công suất phát của máy phát i P D là công suất tải yêu cầu

P L là công suất tổn hao Với công suất tổn hao P L có thể cấp xỉ tính toán bởi công thức Kron [3]

B ij là phần tử thứ ij của ma trận vuông hệ số tổn thất B

B i0 là phần tử thứ i của vector hệ số tổn thất B 00 là hằng số tổn thất

N: số máy phát P i : Công suất máy phát thứ i P j : Công suất máy phát thứ j

2/ Giới hạn khả năng máy phát: Đầu ra công suất thực của tổ máy phát phải trong khoảng giữa cận trên và cận dưới của nó:

(3.7) Với P i,min , P i,max là giới hạn dưới và giới hạn trên của công suất máy phát i

3/ Ràng buộc độ dốc: sự tăng hoặc giảm công suất đầu ra của một tổ máy từ điểm vận hành ban đầu của nó tới điểm kế tiếp phải không vượt quá độ dốc lên và xuống giới hạn Ràng buộc độ dốc được xác định bởi:

P  P DR , nếu phát giảm Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

P i0 là công suất trước đó của máy phát i UR i : Giới hạn độ dốc đi lên

DR i : Giới hạn độ dốc di xuống Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Thuật toán GbSA

Giới thiệu

Trong luận văn này, một thuật toán tìm kiếm được đề xuất gọi là GbSA (thuật toán tìm kiếm dựa vào thiên hà) hoặc GbSA được giới thiệu và sửa đổi cho việc giải bài toán điều độ kinh tế (ED) GbSA đề xuất cho ED chỉ đơn giản được gọi là “GbSA- ED” GbSA tự bắt chước một cánh tay của thiên hà xoắn ốc ngoài vũ trụ Nói cách khác, một xoắn ốc giống như cánh tay tìm kiếm không gian lời giải để tìm một lời giải tốt hơn lời giải hiện tại Sau đó, thuật toán tìm kiếm cục bộ được kích hoạt để điều chỉnh lời giải đã đạt được Quá trình này tiếp tục cho đến khi điều kiện kết thúc được thỏa mãn Nói cách khác, ED được xây dựng như một bài toán tối ưu hóa, và GbSA có xu hướng tìm ra lời giải tối ưu Ở đây, một sai số tương đối được định nghĩa và GbSA- ED tìm cách giảm thiểu sai số để tìm ra lời giải [2]

Hình 4.1: Hình ảnh thiên hà xoắn ốc Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Các thành phần của thuật toán

GbSA được đề xuất cho ED, được gọi là GbSA-ED 'bao gồm nhiều thành phần

Các mã của GbSA được mô tả trong Bảng 4.1 Xem là các GbSA bao gồm hai thành phần chính: SpiralChaoticMove và LocalSearch Các SpiralChaoticMove có vai trò tìm kiếm xung quanh các lời giải hiện tại ký hiệu SG Khi SpiralChaoticMove tìm thấy một giải pháp cải thiện tốt hơn so với các SG, nó cập nhật SG với các giải pháp cải thiện, và biến Flag được thiết lập là true Khi Flag là true, các thành phần LocalSearch của GbSA được kích hoạt để tìm kiếm xung quanh GS giải pháp được cập nhật

Mã của SpiralChaoticMove và LocalSearch được thể hiện trong Bảng 4.2 và 4.3 tương ứng Các SpiralChaoticMove được lặp tối đa làMaxRe p lần Tuy nhiên, như thể hiện trong Bảng 4.2, bất cứ khi nào nó tìm thấy một lời giải tốt hơn so với các giải pháp hiện tại, SpiralChaoticMove bị chấm dứt và sự kiểm soát của các thuật toán được chuyển giao cho GbSA SpiralChaoticMove tìm kiếm các không gian xung quanh lời giải tốt nhất hiện tại sử dụng một chuyển động xoắn ốc tăng cường bởi biến hỗn loạn được tạo ra bởi NextChaos ().Trình tự hỗn loạn được tạo ra bởi các bản đồ logic: x n+1 = λ xn n (1 – x n ) n = 0,1,2, (11) Ở đây, λ = 4 và x0 = 0.19

Thành phần LocalSearch của GbSA thể hiện trong Bảng 4.3 tìm thấy một giải pháp tối ưu cục bộ hoặc vượt quá số lượng tối lặp lại ký hiệu kMax Lời giải tối ưu cục bộ S được đề cập thì tốt hơn so với 2 lời giải liền ngay với nó là SU và SL Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Bảng 4.1 Mã giả của GbSA đề xuất [2]

Thủ tục GbSA SG ← Khởi tạo nghiệm

SG ← LocalSearch (SG) Khi (điều kiện dừng không được đáp ứng) thực hiện

Flag← False SpiralChaoticMove (SG, Flag)

SG ← LocalSearch (SG) endif endwhile Return SG Endprocedure

Bảng 4.2 Mã giả của SpiralChaoticMove được sử dụng trong GbSA [2]

Thủ tục SpiralChaoticMove / / Đầu vào:

S là giải pháp tốt nhất hiện nay với L thành phần do vậy S i biểu thị thành phần thứ i của lời giải S

SNext là đầu ra, được tìm thấy đầu tiên tốt hơn so với lời giải S đã cho

Flag được thiết lập True để chỉ ra rằng một lời hơn tốt hơn đã được tìm thấy

/ / Thông số: mỗi θ i được khởi tạo bởi (-1 + 2 NextChaos ()) Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh Δθ là một tham số Ở đây, 0.01 r là 0.001 Δr được thiết lập bởi giá trị NextChaos () trong mỗi lệnh gọi thủ tục

MaxRe p là lần lặp tối đa của SpiralChaoticMove Ở đây, 100 θ←-π

Khi rep π) then θ ←-π Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

Bảng 4.3 Mã giả của việc tìm kiếm cục bộ được sử dụng trong GbSA [2]

Thủ tục LocalSearch / / Đầu vào:

L là số lượng các thành phần của lời giải đề cập

S là lời giải hiện tại với các L thành phần như là S i biểu thị thành phần thứ i của lời giải S

SNext là kết quả của việc tìm kiếm cục bộ

/ / Thông số: ΔS là kích thước bước được thiết lập bởi NextChaos function () α là một tham số động

KMax biểu thị sự lặp lại tối đa mà tìm kiếm cục bộ đã tìm kiếm xung quanh một thành phần để tìm một giải pháp tốt hơn.Ở đây, 1500

SL i ← S i - α ΔS NextChaos () SU i ← S i + α ΔS NextChaos () Áp dụng thuật toán GbSA giải bài toán ED HVTH: Trần Xuân Vinh

If f (SL)