Thuật toán BBO được đề xuất bởi Dan Simon vào năm 2008 được áp dụng trong nhiều lĩnh vực và có tính ưu việt cao đã được áp dụng để giải quyết vấn đề phân bố công suất phản kháng tối ưu t
GIỚI THIỆU CHUNG
Đặt vấn đề
Ngày nay, điện năng đóng vai trò quan trọng trong sự phát triển của nền kinh tế xã hội toàn cầu và Việt Nam Lưới điện phân phối rộng khắp gây ra tổn thất điện năng khi truyền tải, trong khi nhu cầu tiêu thụ ngày càng cao đòi hỏi cung cấp đủ cả về số lượng và chất lượng Để khắc phục, các phương pháp như hoàn thiện cấu trúc lưới, điều chỉnh điện áp và quy hoạch công suất phản kháng được đưa ra nhằm giảm thiểu tổn thất và đảm bảo chất lượng điện năng.
Từ đó, Đòi hỏi hệ thống cung cấp điện không những phải làm việc liên tục, ổn định để đáp ứng kịp thời nhu cầu sử dụng mà còn phải đảm bảo tính an toàn và chất lƣợng
Quy hoạch công suất phản kháng là một nhiệm vụ rất quan trọng trong ngành điện, thường được thực hiện sau khi quy hoạch nguồn điện Nhiệm vụ chính của quy hoạch công suất phản kháng là xác định kích thước và phân bố tối ưu, đảm bảo yêu cầu dự đoán phụ tải dài hạn với tổng chi phí đầu tƣ thấp nhất Các thiết kế tối ƣu của quy hoạch công suất phản kháng là một phần quan trọng của nhiệm vụ quy hoạch tổng thể của hệ thống điện trong thị trường điện cạnh tranh Tuy nhiên, nó rất khó khăn để quyết định một cách hợp lý các tiêu chuẩn độ tin cậy tối ƣu của một hệ thống truyền tải cũng nhƣ quy hoạch công suất phản kháng.
Hướng tiếp cận của đề tài
rất nhiều công trình nghiên cứu của các nhà khoa học đã tìm ra nhiều thuật toán để giải quyết bài toán RPP
Có nhiều cách tiếp cận để giải bài toán quy hoạch công suất phản kháng với nhiều thuật toán khác nhau từ cổ điển đến trí tuệ nhân tạo chẳng hạn nhƣ: thuật toán tìm kiếm hài hòa “harmony search algorithm”, thuật toán di truyền “Genetic algorithm”, lập trình tiến hóa “Evolutionary programming”, mạng nơ ron nhân tạo “Artificial
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng Neural Network”, “Nonlinear programming”, “Decomposition method”, Thuật toán
“Biogeography-Based optimization” … Trong đó thuật toán BBO là thuật toán dựa trên sự di cư và nhập cư của các loài trong môi trường sống và chia xẻ các đặc tính có lợi của các loài với nhau Thuật toán BBO đƣợc đề xuất bởi Dan Simon vào năm 2008 đƣợc áp dụng trong nhiều lĩnh vực và có tính ƣu việt cao đã đƣợc áp dụng để giải quyết vấn đề phân bố công suất phản kháng tối ƣu trên hệ thống điện tiêu chuẩn IEEE 30 nút và 57 nút để tốn thất công suất thực nhỏ nhất mang lại hiệu quả kinh tế cao
Thuật toán BBO tương đối đơn giản, dễ thực hiện, chạy chương trình nhanh kết quả chính xác hơn các phương pháp khác vì vậy tôi “áp dụng Biogeography-based optimization giải bài toán quy hoạch công suất phản kháng” để nghiên cứu cho luận văn.
Mục tiêu nghiên cứu
Vấn đề tối ưu công suất phản kháng (RPP) là bài toán quan trọng trong điều khiển hệ thống điện, nhằm giảm chi phí đầu tư nguồn công suất phản kháng mới và tổn thất năng lượng, đảm bảo sự ổn định của hệ thống Tuy nhiên, bài toán RPP là phi tuyến và không lồi nên rất phức tạp Thuật toán BBO là phương pháp thích hợp giải quyết bài toán RPP, giúp loại bỏ các khó khăn của bài toán Kết quả ứng dụng thuật toán BBO giải bài toán phân bố công suất cho thấy hiệu quả và ưu điểm của thuật toán này so với các phương pháp khác.
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Đối tƣợng nghiên cứu
- Tìm hiểu về lợi ích kinh tế của bài toán quy hoạch công suất phản kháng cho hệ thống điện
- Thực hiện áp dụng phương pháp Biogeography-Based Optimization để giải bài toán huy hoạch công suất phản kháng
- Sử dụng phần mềm MATLAB để mô phỏng kết quả.
Phạm vi nghiên cứu
Mục đích nghiên cứu chủ yếu tập trung vào việc áp dụng phương pháp
“Biogeography-Based Optimization” để giải bài toán quy hoạch công suất phản kháng
Hàm mục tiêu đƣợc đặt ra trong đề tài là cực tiểu tổng chi phí năng lƣợng và chi phí đầu tƣ các nguồn Var nhƣng phải thỏa các ràng buộc về công suất phản kháng của máy phát, nguồn bù Var, điện áp, nấc chuyển máy biến áp Thuật toán đƣợc áp dụng trên mạng điện chuẩn IEEE – 30 nút và IEEE – 118 nút.
Tóm lƣợc các bài báo có liên quan đến đề tài
* “Survey of Reactive Power Planning Methods” (tác giải Wenjuan Zhang và Leon M Tolbert) [1]
Bài báo trình bày các công thức toán học cũng như những ưu nhược điểm chính của các phương pháp quy hoạch công suất phản kháng Những phương pháp này được chia thành hai nhóm chính, gồm phương pháp tối ưu hóa thông thường và phương pháp tối ưu hóa tiên tiến.
Nhóm phương pháp tối ưu hóa đầu tiên thường giới hạn ở giải pháp tối ưu cục bộ, trong khi nhóm thứ hai đảm bảo tối ưu toàn cục nhưng yêu cầu thời gian tính toán lớn hơn Hàm mục tiêu phổ biến là tối thiểu tổng chi phí công suất chủ động và phản kháng của máy phát, tuân theo các ràng buộc cân bằng công suất chủ động, công suất phản kháng máy phát; điện áp nút, dòng công suất trên đường dây truyền tải và công suất phản kháng nguồn Var cài đặt.
- Lập trình phi tuyến “Nonlinear Programming”
- Lập trình tuyến tính “Learn Programming”
- Lập trình hỗn hợp số nguyên “Mixed Integer Programming”
- Phương pháp phân hủy “Decomposition Metond”
- Phương pháp phỏng đoán “Heuristic Methond”
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
- Mô phỏng luyện kim “Simulated Annealing”
- Thuật toán tiến hóa “Evolutionary Algorithms”
- Mạng nơron nhân tạo “Artificial Neural Network”
- Phân tích độ nhạy “Sensitivities Analysis”
* “Optimization Methond for Reactive Power Planning by Using a Modified Simple Genetic Algorithm” (tác giả Kwang Y Lee Xiaomin Bai và Young-Moon
Bài báo này trình bày một cải tiến thuật toán di truyền đơn giản và phát triển cho việc quy hoạch công suất phản kháng của hệ thống, lập trình tuyến tính liên tiếp đƣợc sử dụng để giải quyết các vấn đề nhỏ về vận hành tối ưu hóa Phương pháp lựa chọn số lƣợng và máy phát mới đƣợc sử dụng vết cắt Bender đƣợc trình bày trong tờ báo này Đó là mong muốn để tìm ra giải pháp tối ƣu trong vài lần lặp, đặc biệt trong một vài trường hợp thử nghiệm mà các kết quả tối ưu dự kiến đã có được dễ dàng Tuy nhiên, thuật toán di truyền đơn giảng (SGA) có thất bại trong tìm kiếm giải pháp trừu tƣợng qua nhiều vòng lặp Số lượng máy phát khác nhau và các phương pháp chéo cũng được thử nghiệm và thảo luận Phương pháp được thử nghiệm cho hệ thống 6 nút và 30 nút cho thấy hiệu quả của nó Hơn nửa việc cải thiện phương pháp cũng được thảo luận
Trong bài báo này, cho thấy MSGA là thuật toán mạnh cho kết quả tốt, SGA cần nhiều thời gian hơn so với một phương pháp phân tích tối ưu Tuy nhiên, SGA thì linh hoạt, mạnh mẽ và dễ dàng cho việc sửa đổi do đó MSGA hứa hẹn một công cụ hữu ích cho các vấn đề quy hoạch công suất phản kháng
* “A New Model for Transmission Network Expansion and Reactive Power Planning in a Deregulated Environment” (tác giả Amin Mahmoudabadi, masoud Rashidinejad và Majid Zeinaddini-Maymand) [3]
Bài báo này đã thể hiện một mô hình toán học kết hợp để giải quyết vấn đề mở rộng mạng truyền tải và quy hoạch công suất phản kháng (TEPRPP) cùng một lúc Mô hình đƣợc đề xuất là vấn đề không lồi có tính chất phi tuyến hỗn hợp số nguyên trong đó giải pháp ứng cử viên được đánh giá là tăng theo cấp số nhân tùy theo kích thước của hệ thống Hàm mục tiêu của TEPRPP bao gồm chi phí đầu tƣ của mạch mới và chi
Phương pháp tối ưu hóa mới có tên là TEPRPP đã được đề xuất để giải quyết bài toán phức tạp trong hệ thống điện Phương pháp này sử dụng thuật toán di truyền (RGA) và phương pháp điểm trong (IPM) để xử lý đồng thời vấn đề tối ưu hóa vị trí và khả năng của các nguồn cung cấp điện phản ứng (Var) Phương pháp TEPRPP đã được thử nghiệm trên hai hệ thống điện điển hình là hệ thống Garver 6 nút và hệ thống IEEE 24 nút Kết quả cho thấy TEPRPP có khả năng cải thiện chất lượng điện năng và giảm chi phí vận hành so với các phương pháp truyền thống.
Bài báo đã chứng minh được việc áp dụng mô hình đề xuất giúp cắt giảm đáng kể tổng chi phí đầu tư và sản xuất.
Hơn nữa đánh giá về kinh tế các kết quả cho thấy một tiết kiệm đáng kể về tổng vốn đầu tƣ
* “Multi-Objective Reactive Power Planning: A Pareto Optimization Approach” (tác giả: Steven M Small và Benjamin Jeyasurya) [4]
Mục tiêu chính của bài báo này là trình bày lời giải cho bài toán quy hoạch công suất phản kháng đa mục tiêu bằng cách áp dụng NSGA-II (Non-Dominated Sorting Genetic Algorithm II) Thuật toán đƣợc thử nghiệm trên hệ thống điện chuẩn IEEE Hàm mục tiêu là cực tiểu tổng các chi phí thiết bị bù song song và trung bình độ lệch điện áp nút tải, các điều kiện ràng buộc về công suất tác dụng và công suất phản kháng của máy phát, công suất tác dụng nút chuẩn, biên độ điện áp nút
Bài báo giả định các vấn đề liên quan đến RPP nhƣ sau
- Hệ thống đƣợc xem xét lúc tải đỉnh mà tải đỉnh là giả thiết dự trên tốc độ tăng trưởng tải
- Vị trí lắp đặt các nguồn bù shunt có thể đƣa ra Không bù phản kháng sẽ đƣợc áp dụng cho bất kỳ nút bên ngoài nơi đƣợc chỉ định
- Một tiến độ phát công suất thực định trước được đưa ra Chỉ thay đổi tổng công suất tác dụng đầu ra máy phát là từ nút chuẩn hệ thống
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
- Phương án tiềm năng bù sẽ không bị ảnh hưởng bởi tác động của những dự phòng khác nhau, chẳng hạn nhƣ cúp điện
* “Review of Reactive Power Planning: Objective, Constraints, and Algorithms” (tác giả: Wenjuan Zhang, Fangxing (Fan) Li và Leon M Tolbert)
Bài báo này trước tiên là xem xét các mục tiêu khác nhau của vấn đề RPP, mục tiêu này có thể xem xét nhiều hàm chi phí nhƣ: chi phí Var biến đổi, chi phí Var cố định, tổn thất công suất thực và chi phí nhiên liệu Cũng có thể xem xét độ lệch của lịch trình điện áp, biên độ ổn định điện áp hoặc thậm chí là một sự kết hợp của các mục tiêu khác nhau nhƣ một mô hình đa mục tiêu
Các ràng buộc khác nhau trong vấn đề tối ưu hóa công suất phản ứng (RPP) đóng vai trò then chốt trong việc xác định các mô hình tối ưu hóa khác nhau Trong số đó, phổ biến nhất là mô hình phân phối công suất tối ưu (OPF), mô hình OPF với ràng buộc an ninh (SCOPF) và SCOPF với sự ổn định điện áp.
Vấn đề thứ ba là các mô hình dựa trên tối ƣu hóa đƣợc phân loại nhƣ các thuật toán thông thường, tìm kiếm thông minh và các ứng dụng tập mờ Thuật toán thông thường bao gồm: linear programming, nonlinear programming, mixed-integer nonlinear programming,, v.v Tìm kiếm thông minh bao gồm: simulated annealing, evolutionary algorithms, and tabu search Những tập mờ áp dụng trong RPP để giải quyết những vấn đề bất ổn trong các mục tiêu và các ràng buộc
* “Biogeography-based Optimization for Transmission Network Planning Problem Considering Distributed Genneration Impacts” (tác giả N S Hosny, H
Bài báo trình bày vấn đề quy hoạch mạng truyền tải và xem xét tác động của việc phân bố các máy phát (DG) áp dụng thử nghiệm trên mạng điện chuẩn IEEE -6 và modified IEEE-14 bằng phương pháp Biogeography-based Optimization (BBO) Hàm chi phí xem xét bao gồm chi phí cố định và chi phí biến đổi của việc quy hoạch đường dây truyền tải và có xét đến chi phí tổn thất năng lƣợng Các hàm cực tiểu phụ thuộc vào các ràng buộc
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng Một phạm vi rộng mới của BBO về mô hình quy hoạch truyền tải đã đƣợc phát triển và giới thiệu trong bài báo này với nghiên cứu trên tác động của DG trong quy hoạch Mô hình này có khả năng xử lý cả hai chế độ tĩnh và động của quy hoạch đảm bảo tính khả thi của các phương án tối ưu có được do việc áp dụng phân bố các dòng tải AC chính xác cũng nhƣ vận hành hệ thống và đảm bảo các ràng buộc dễ dàng Mô hình này cho phép loại bỏ bất kỳ các thiết bị nếu nó không cần thiết và có thể tính các giá trị tài sản của nó trong hàm mục tiêu Mô hình hàm chi phí chính xác bao gồm giá trị hiện tại của tất cả các cài đặt của hệ thống, chi phí vận hành, chi phí bảo trì và chi phí tổn thất năng lƣợng với sự xem xét thay đổi của chúng với thời gian theo tỷ lệ lạm phát và lãi suất kết quả thu được từ quá trình đề xuất này hợp lý so với các phương pháp đƣợc đề xuất trong những tài liệu gần đây
TỔNG QUAN VỀ QUY HOẠCH CÔNG SUẤT PHẢN KHÁNG (RPP)
THÀNH LẬP BÀI TOÁN RPP TRONG HỆ THỐNG ĐIỆN
Cơ sở của bài toán
Như một vấn đề tối ưu hóa, quy hoạch công suất phản kháng xem xét phương trình phân bố công suất nhƣ các khóa ràng buộc theo qui ƣớc, trong khi đạt đƣợc một hàm mục tiêu nhất định nhƣ trình bày trong phần trên Mô hình này, tối ƣu hóa một hàm mục tiêu trong khi có liên quan tới phân bố công suất nhƣ một ràng buộc gọi là mô hình phân bố công suất tối ƣu (OPF) Những nghiên cứu tiên tiến hơn đã kết luận rằng không chỉ trạng thái phân bố công suất bình thường mà còn có trạng thái phân bố công suất dự phòng sẽ đƣợc xem xét, điều này dẫn đến các mô hình ràng buộc an toàn phân bố công suất tối ƣu (SCOPF) Gần đây do nhu cầu xem xét ổn định điện áp một vài nghiên cứu đã kết hợp biên độ ổn định điện áp (VS) tĩnh trong mục tiêu phân bố công suất tối ƣu huy hoạch công suất phẩn kháng (RPPOPF), điều này cung cấp các giải pháp thực tế hơn cho RPP, nhƣng nó không thể đảm bảo cho dù biên độ ổn định điện áp vẫn còn tồn tại khi dự phòng xảy ra thực sự Vì vậy tốt hơn là dựa vào ràng buộc ổn định điện áp trong trạng thái dự phòng Điều quan trọng trong quy hoạch công suất phản kháng là mô hình SCOPF-SV đã đạt đƣợc xem xét trong cuối nhƣng năm 1990
Mô hình phân bố công suất tối ƣu (OPF) cho huy hoạch công suất phản kháng
Giới thiệu về tối ƣu phân bố công suất:
RPP thì thường được xác định như một vấn đề tối ưu hóa trong hệ thống điện, được gọi là OPF Trong mỗi nút có sáu biến: công suất thực và phản kháng của máy phát, công suất thực và phản kháng của tải, biên độ điện áp nút, cường độ điện áp nút, góc điện áp Đồng thời có hai phương trình liên quan đến nút là phương trình cân bằng công suất thực và phương trình cân bằng công suất phản kháng Trong các giải pháp phân bố công suất thông thường có bốn trong sáu biến được biết hoặc được chỉ định còn lại hai biến không biết
Thuật toán phân bố công suất thông thường không tự động giảm thiểu cho bất kỳ hàm mục tiêu nhƣ chi phí nhiên liệu hoặc tổn thất công suất thực truyền tải, chúng chỉ có đƣợc một giải pháp khả thi duy nhất Do đó cần có một OPF để đạt đƣợc mục tiêu
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng hy vọng chứ không phải giải pháp khả thi Hao tổn điện năng, thực tế điều này xảy ra ở bất kỳ lưới truyền tải nào, làm giảm hiệu suất truyền dẫn hữu ích.
Công suất đường dây truyền tải có thể được tăng lên bởi đường dây tăng cường hoặc hỗ trợ công suất phản kháng mặt khác công suất phản kháng từ các máy phát luôn có giới hạn do đó chúng ta cần phải phát dòng công suất trong đường dây để giải quyết các vấn đề cung cấp công suất phản kháng tại địa phương nơi nó được tiêu thụ cao trong một hệ thống điện mà vấn đề huy hoạch công suất phản kháng là vấn đề quan trọng và phức tạp [5]
Bài toán có thể đƣợc thành lập [5,17]
Min f(x,u) 3.1 Điều kiện ràng buộc: g(x,u) = 0 3.2 h(x,u) ≥ 0 3.3
Trong đó f(x,u): Hàm mục tiêu (cần đƣợc cực tiểu) Trong bài toán hàm mục tiêu f chính là tổng chi phí x: Biến trạng thái u: Biến điều khiển g(x,u): Các ràng buộc đẳng thức h(x,u): Các ràng buộc bất đẳng thức.
PHƯƠNG PHÁP LUẬN GIẢI QUYẾT BÀI TOÁN
Tổng quan về phương pháp “Biogeography Based optimization” [13-15], [25-28]
Biogeography – Based optimization (BBO) là một kỹ thuật tối ƣu hóa ngẫu nhiên dựa trên dân số (dân cƣ) đã đƣợc phát triển bởi Dan Simon năm 2008 [13] đƣợc dựa trên khái niệm về địa sinh học là cách phân bố các loài theo tự nhiên Phân bố loài từ một nơi đến nơi khác ảnh hưởng bởi các yếu tố như: lượng mưa, sự đa dạng của thực vật, sự đa dạng về đặc điểm địa hình, diện tích đất, nhiệt độ.v.v Một khu vực nếu các yếu tố có xu hướng thuận lợi cao phải có số lượng lớn các loài so với một khu vực ít thuận lợi Di chuyển của một loài từ một khu vực đến một khu vực khác tạo điều kiện chia sẻ các đặc điểm của chúng với nhau Do sự di chuyển này nên chất lƣợng của một số loài có thể đƣợc cải thiện do trao đổi các đặc điểm tốt với các loài tốt hơn Trong phạm vi địa sinh học một môi trường sống thì được định nghĩa là hòn đảo (khu vực) đó là vị trí địa lí đƣợc phân lập từ các hòn đảo khác Khu vực địa lí thích hợp nhất nhƣ nơi cư trú cho các loài sinh vật được cho là chỉ số phù hợp môi trường sống HSI (habitat suitability index ) cao Những thay đổi đặc trưng môi trường sống thì được goi là chỉ số biến đổi phù hợp (suitability index variables SIVs) SIVs có thể đƣợc xem như các biến độc lập của môi trường sống và HSI tính toán bằng cách sử dụng các biến này hay còn gọi là biến phụ thuộc Việc di chuyển (migration) của một số loài từ một môi trường sống đến một môi trường sống bên ngoài được gọi là quá trình di cư (emigration process) và một sự đi vào một môi trường sống từ bên ngoài được gọi là quá trình nhập cƣ (immigration process) của các loài Tỷ lệ nhập cƣ và di cƣ là chức năng của các loài trong môi trường sống Các môi trường sống với một HSI cao có một tỷ lệ nhập cư thấp khi chúng đã bão hòa với các loài Kết quả là các môi trường sống có HSI cao thì việc phân bố loài tĩnh hơn các môi trường sống có HSI thấp
Ngược lại môi trường sống có HSI cao thì tỷ lệ di cư cao hơn, số lượng lớn các loài trong các hòn đảo có HSI cao có nhiều cơ hội di cư vào các môi trường sống lân cận
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng có số loài ít hơn và chia sẻ những đặt điểm của chúng với môi trường sống, vì lý do này cho nên các môi trường sống với một HSI thấp có tỷ lệ loài nhập cư cao Địa sinh học tương tự như vấn đề các giải pháp chung Giả sử trình bày một vấn đề với một số giải pháp ứng cử, các vấn đề có thể là ở trong khu vực của cuộc sống (kỹ tuật, kinh tế, y học, quy hoạch đô thị, thể thao, vv), miễn là chúng có một biện pháp định lượng phù hợp với các giải pháp đưa ra Một giải pháp tốt là tương tự như một hòn đảo với một HSI cao và giải pháp không tốt thể hiện cho một hòn đảo với một HSI thấp Các giải pháp HSI cao chống lại sự thay đổi nhiều hơn các giải pháp HSI thấp
Vì lẽ đó giải pháp HSI cao có xu hướng chia sẻ các đặc điểm của chúng với giải pháp HSI thấp (điều này không có nghĩa là các tính năng từ các giải pháp HSI cao biến mất các tính năng chia sẻ vẫn còn trong giải pháp HSI cao trong khi cùng lúc đó xuất hiện một tính năng mới trong các giải pháp HSI thấp Điều này cũng tương tự như thể hiện của một loài di chuyển đến môi trường sống trong khi các thể hiện khác vẫn còn trong môi trường sống ban đầu của chúng) giải pháp không tốt chấp nhận rất nhiều tính năng mới từ các giải pháp tốt ngoài ra các tính năng mới này của các giải pháp HSI thấp có thể nâng cao chất lượng của giải pháp, phương pháp mới này để giải quyết vấn đề gọi là Biogeography Based Optimization
BBO có khả năng chia sẻ thông tin giữa các giải pháp, khác với các thuật toán Biology Based khác như Gas và PSO Trong Gas, giải pháp sẽ "chết" sau mỗi thế hệ, còn trong PSO và BBO, giải pháp tồn tại mãi mãi, mặc dù các đặc điểm của chúng có thể thay đổi trong quá trình tối ưu hóa.
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Hình 4.1: Mô hình các loài trong môi trường sống độc lập immigration λ E =I ra te emigration à
Hình 4.2: Minh họa cho 2 giải pháp ứng cử viên cho một số vấn đề S1 là giải pháp không tốt, S2 là giải pháp tốt
Hình 4.1 là một mô hình minh họa sự phong phú của loài trong một môi trường sống độc lập λ tỷ lệ nhập cƣ và à tỷ lờ di cƣ là chức năng của loài trong một mụi trường sống
Xem xét đường nhập cư: I tỷ lệ nhập cư lớn nhất của loài đến môi trường sống điều này xảy ra khi số loài trong môi trường sống bằng không, khi số loài tăng môi trường trở nên đông đúc, một số loài có thể nhập cư thành công và tồn tại trong môi trường
Tỷ lệ nhập cư tác động đáng kể đến sự đa dạng của quần thể Khi tỷ lệ nhập cư giảm, số lượng cá thể đóng góp vào vốn gen của quần thể cũng giảm, dẫn đến sự giảm đa dạng di truyền Ngược lại, khi tỷ lệ nhập cư cao, các cá thể từ ngoài vào sẽ mang lại các gen mới, làm tăng sự đa dạng di truyền Số lượng loài trong môi trường sống sẽ đạt mức cân bằng tại một điểm mà tỷ lệ nhập cư bằng không.
Xem xét đường di cư: Nếu không có loài trong môi trường sống thì tỷ lệ di cư bằng không Khi số lượng loài tăng thì môi trường sống trở nên đông đúc hơn, loài có thể rời khỏi nơi cƣ trú để có thể khám phá nơi cƣ trú khác và tăng tỷ lệ di cƣ Tỷ lệ di cƣ lớn nhất là E, xảy ra khi môi trường sống chứa số lượng các loài lớn nhất mà nó có thể S 0 là sự cân bằng số loài tại điểm mà tỷ lệ nhập cƣ và di cƣ cân bằng nhau
Khi xem xét xác suất: nếu P S (t ) là xác suất một môi trường sống chứa chính xác S loài tại thời điểm t, tại thời điểm ttxác suất là: t P t P t t t P t t P S ( ) S ( )( 1 S S ) S 1 S 1 S 1 S 1 4.1 Trong đó S và S là tỷ lệ nhập cư và di cư khi có S loài trong môi trường sống Nếu thời gian t đủ nhỏ sao cho xác suất của nhập cƣ và di cƣ lớn hơn 1 có thể bỏ qua thì giới hạn phương trình (4.1) khi t0cho ta phương trình sau:
Từ sơ đồ đường thẳng của hình 1, phương trình tỷ lệ di cư mu k và tỷ lệ nhập cư lambda k , cho k là số loài ta có: n Ek k
E: Là tỷ lệ di cƣ lớn nhất
I : Là tỷ lệ nhập cƣ lớn nhất n: Là tổng số loài cực đại trong môi trường sống
Công việc của BBO chủ yếu là dựa trên di cƣ và đột biến (Migration and Mutation)
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Di cƣ (Migration) Chúng ta sử dụng các tỷ lệ di cƣ và nhập cƣ của mỗi giải pháp để biết xác suất chia sẻ thông tin giữa các môi trường sống Với xác suất P mod , được gọi là xác suất thay đổi môi trường sống mỗi giải pháp có thể thay đổi dựa trên giải pháp khác Nếu cho một gải pháp S i đƣợc lựa chọn để sửa đổi thì ta sử dụng tỷ lệ nhập cƣ i để quyết định xác suất có hoặc không thay đổi mỗi chỉ số biến đổi phù hợp (SIV) trong giải pháp đó Sau đó chọn bất kỳ SIV của giải pháp để sửa đổi, tỷ lệ di cƣ j của các giải pháp khác S j
Sử dụng giải pháp thứ j ngoài S i (ví dụ j i) giúp mở rộng lựa chọn giải pháp chọn dân cư trong tập hợp SIV, sau đó mới chọn giải pháp S i.
Đột biến (Mutation) Các sự kiện biến đổi có thể thay đổi mạnh các HSI của môi trường sống tự nhiên Chúng có thể gây ra một sự khác biệt về số loài từ giá trị cân bằng của nó (những bất thường lớn trôi dạt đến từ một môi trường sống lân cận, dịch bệnh, thiên tai,vv.)
Trong BBO xác suất số loài P S để xác định các tỷ lệ đột biến, xác suất của mỗi loài được tính bằng cách sử dụng phương trình vi phân (4.2) được thể hiện khả năng tồn tại của nó nhƣ một giải pháp cho một vấn đề Nếu xác suất này rất thấp thì giải pháp đó có khả năng đột biến thành một số giải pháp khác Tương tự như vậy nếu xác suất của một số giải pháp là cao hơn thì giải pháp đó có rất ít cơ hội để đột biến Tỷ lệ đột biến của tập hợp mỗi giải pháp có thể tính toán trong điều kiện xác suất số loài sử dụng phương trình sau:
Quá trình đột biến đóng vai trò quan trọng trong việc gia tăng sự đa dạng trong quần thể Nó ngăn chặn các giải pháp tối ưu khỏi việc thống trị quần thể và tạo điều kiện cho các giải pháp HSI thấp hơn có cơ hội đột biến và phát triển Mục đích của thông số m max được xác định rõ ràng là để kiểm soát quá trình đột biến này.
KẾT QUẢ TÍNH TOÁN
Mạng điện chuẩn IEEE-30 nút
Hệ thống mạng điện chuẩn IEEE-30 [22] nút thể hiện trong hình 5.1.1 đƣợc trình bày trong luận văn này bao gồm 6 nút máy phát, 24 nút tải, 41 đường dây truyền tải
Các máy phát đặt tại các nút (1, 2, 5, 8, 11, 13) 4 đầu phân áp của các máy biến áp đặt tại các nhánh (6-9, 6-10, 4-12 và 27-28) 2 khóa đóng cắt dãy tụ đặt tại các nút (10 và
Công suất cơ bản của mạng IEEE-30 nút đƣợc chọn là 100MVA
Hình 5.1.1: Sơ đồ đơn tuyến mạng điện IEEE-30 nút
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Bảng 5.1.1: đặc tính của hệ thống IEEE nút dùng để thử nghiệm
Hệ thống Số nhánh Số máy phát Số máy biến áp Số dãy tụ Số biến kiểm soát
Bảng 5.1.2 Thông số cơ bản của hệ thống IEEE nút dùng để thử nghiệm
Hệ thống P di Q di P gi Q gi
5.1.2 Kết quả và nhận xét
Thông số cài đặt của thuật toán BBO - Kích thước môi trường sống NP = 10
- Xác suất thay đổi môi trường sống = 1.0 - Ràng buộc xác suất nhập cƣ cho mỗi thế hệ = [0,1]
- Kích thước bước cho số vòng lặp = 1.0 - Tỷ lệ nhập cƣ cực đại I = 1
- Tỷ lệ di cƣ cực đại E = 1 - Số lượng của môi trường sống ưu tú p = 2 - Xác suất đột biến mmax = 0.005
- Số bước lặp tối đa Itmax = 120 - Hệ số phạt ràng buộc chung cho tất cả các ràng buộc k = 1000
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Bảng 5.1.3: So sánh kết quả của BBO với các thuật toán khác
Nút Min Max BB0 ILSBBO RGA[11] EP[11]
Giới hạn điện áp tại nút máy phát Vg2 0.9 1.1 1.0058 1.0434 1.1000 1.0964
Giới hạn chỉ số chỉnh định MBA T 12 0.95 1.05 0.9554 1.0500 0.9721 0.9955
Bảng 5.1.4 Tổn thất công suât tác dụng mạng IEEE – 30 nút khi sử dụng thuật toán
BBO và ILSBBO Tổn thất công suất tác dụng Ploss (MW)
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Hình 5.1.2 Tần suất xuất hiện P loss (thuật toán BBO)
Hình 5.1.3: Sự hội tụ của hàm cực tiểu P loss (thuật toán BBO)
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Hình 5.1.4: Tần suất xuất hiện của P loss (thuật toán ILSBBO)
Hình 5.1.5: Sự hội tụ của hàm cực tiểu Ploss (thuật toán ILSBBO)
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng Bảng 5.1.5: So sánh P loss thu đƣợc từ thuật toán BBO với các thuật toán trong các bài báo gần đây (p.u.)
Bảng 5.1.6: So sánh kết quả các thiết bị bù thu đƣợc từ thuật toán BBO, BBO cải tiến
(ILSBBO) với các thuật toán khác (MVar) Nút Min Max BBO ILSBBO RGA[11] EP[11] Ghi chú
Qc10 0 36 1.0623 16.5230 27.7332 30.7364 Giới hạn nguồn Var các thiết bị bù Q c24 0 36 26.9506 8.7596 12.0972 12.4436
Bảng 5.1.7: Thông số tính toán chi phí [11] h($/kWh) C 0k ($) C 1k ($/kVAR)
Tổn thất công suất ban đầu [11] P loss,init = 0,1759 p.u
Tổn thất sau khi áp dụng thuật toán BBO P loss = 0.051430 p.u
Tổn thất công suất thực tiết kiệm đƣợc 100 70%
init loss loss init loss loss P
Thời gian tính toán trên năm d l = 8760 w c save hd l (P loss , init P loss ) 6542143$
CBHD: TS Võ Ngọc Điều HVTH: Mai Thanh Tùng
Bảng 5.1.8: Chi phí tiết kiệm và tổng nguồn Var bù cho hệ thống
Thuật toán w c save Chi phí bù Var
Nhận xét: Dựa vào các kết quả trên ta thấy thuật toán BBO cho kết quả tốt hơn các thuật toán khác, có tổng chi phí thấp hơn các thuật toán khác Tổn thất công suất của thuật toán cũng thấp 5.1340(MW), so với EP là 16.0611(MW) và với RGA là 16.0595(MW) Ngoài ra thời gian tính toán của phương pháp BBO tương đối nhanh 38.642 (giây) trong khi tất cả các ràng buộc về điện áp và chỉ số chỉnh định MBA đều đƣợc thỏa mãn các ràng buộc
Thuật toán BBO cải tiến (ILSBBO) cho kết quả tốt hơn thuật toán BBO nguyên thủy: Tổn thất công suất thực 4.8851 (MW) với ILSBBO và 5.1430 với BBO; Thời gian chạy 28.76(s) với ILSBBO và 38.642 với BBO; Số lần thử nghiệm tìm kết quả tối ƣu 200 lần với BBO và 150 lần với ILSBBO.
