(Luận Văn Thạc Sĩ) Áp Dụng Thuật Toán Ipso Để Tính Toán Điều Độ Tối Ưu Cho Nmđ Có Chu Trình Hỗn Hợp

Bài toán điÁu độ tối °u sử dụng ph°¡ng pháp IPSO Improved Particle Swarm Optimization là sự k¿t hợp hoàn hảo trong việc giải quy¿t những vấn đÁ trái ng°ợc nh°: tối đa lợi nhuÁn, vÁn hành

NH ÀN XÉT CĂA GIÁO VIÊN H¯èNG D¾N

Tp HCM, ngày …… tháng 01 nm 2015

Giáo viên h°éng d¿n

NHÀN XÉT CĂA HæI ĐàNG XÉT DUYÞT

Tp HCM, ngày …… tháng 01 nm 2015

Hçi đáng xét duyßt

M ĀC L ĀC

M ĀC LĀC 4

DANH M ĀC CÁC HÌNH VẼ 7

DANH M ĀC CÁC BÀNG BIÂU 8

DANH M ĀC CÁC TĆ VI¾T TÂT 9

CH¯¡NG 1: GIèI THIÞU CHUNG 10

Đặt vấn đÁ 10

Tính cấp thi¿t của đÁ tài 10

Mục tiêu của đÁ tài 11

Nội dung và ph¿m vi nghiên cứu 12

CH¯¡NG 2: TâNG QUAN VÀ BÀI TOÁN VÀ CÁC PH¯¡NG PHÁP NGHIÊN C ĄU 13

Tổng quan vÁ tình hình nghiên cứu 13

Ph°¡ng pháp Lambda Dispatch (LD) 13

Ph°¡ng pháp quy ho¿ch tuy¿n tính (Linear Programing) 14

Ph°¡ng pháp di truyÁn trong miÁn số thực (Real–coded Genetic Algorithm – RGA) 14

Ph°¡ng pháp nghiên cứu cải ti¿n Harmony- Improved Harmony Search -(IHS) 15 Ph°¡ng pháp ti¿n hóa khác-Differental Evolutionanry- (DE) 15

Ph°¡ng pháp tối °u bầy đầy đàn d¿ng c¡ bản (PSO) 16

ThuÁt toán giải quy¿t PSO 17

Tổng quan một số cải ti¿n quan tráng của ph°¡ng pháp tối °u bầy đàn 21

2.9.1 Ph°¡ng pháp tối °u bày đàn với hệ số co 21

2.9.2 Ph°¡ng pháp tối °u bầy đàn với Kā thuÁt gradient giả 21

2.9.3 ¯u điểm và nh°ợc điểm của ph°¡ng pháp bày đàn 22

ĐÁ xuất ph°¡ng pháp tối °u bầy đàn cải ti¿n 23

CH¯¡NG 3: ÁP DĀNG PH¯¡NG PHÁP TÞI ¯U BÀY ĐÀN CÀI TI¾N Đ GI ÀI QUY¾T BÀI TOÁN 25

Xây dựng thuÁt toán 25

3.1.1 Xây dựng hàm Fitness: 25

3.1.2 Lựa chán bi¿n tìm ki¿m và khái t¿o các giá trß ban đầu 25

Áp dụng thuÁt toán bầy đàn cải ti¿n giải bài toán phân bố tối °u công suất có xét đ¿n ràng buộc an ninh 26

CH¯¡NG 4: GIèI THIÞU VÀ NMĐ CHU TRÌNH HäN HþP PHÚ Mþ 2.1 & 2.1MR 29

Các thông số hàm mục tiêu và các ràng buộc trong điÁu kiện vÁn hành của Nhà

máy điện Phú Mā 2.1 &2.1MR: 29

4.1.1 Hàm mục tiêu 29

4.1.2 Hàm ràng buộc 29

Giới thiệu vÁ nhà máy điện Phú Mā 2.1 29

Giới thiệu vÁ nhà máy điện Phú Mā 2.1MR: 33

Nguồn cung cấp khí gas 33

ĐiÁu độ tối °u cho nhà máy điện có chu trình hỗn hợp: 35

CH¯¡NG 5: TÍNH TOÁN CHI PHÍ VÀN HÀNH 38

Tính chi phí khái động cho Phú Mā 2.1: 38

5.1.1 Chu trình đ¡n 1GT: 38

a Chi phí khái động 38

b Đ°ßng cong chi phí khi khái động: 39

c Hàm chi phí t°¡ng đ°¡ng: 39

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 40

5.1.2 Chu trình đ¡n 2GT: 40

a Chi phí khái động: 40

b Đ°ßng cong chi phí: 41

c Hàm chi phí t°¡ng đ°¡ng: 41

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 41

5.1.3 Chu trình hỗn hợp 1GT+ST: (1-1-1): 42

a Chi phí khái động 42

b Đ°ßng cong chi phí: 43

c Hàm chi phí t°¡ng đ°¡ng: 43

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 43

5.1.4 Chu trình hỗn hợp 2GT+ST (2-2-1): 43

+ Tr°ßng hợp 1: 43

+ Tr°ßng hợp 2: 44

a Chi phí khái động 44

b Đ°ßng cong chi phí: 45

c Hàm chi phí t°¡ng đ°¡ng: 45

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 45

Tính chi phí khái động cho Phú Mā 2.1MR: 46

5.2.1 Chu trình đ¡n 1GT: 46

a Chi phí khái động: 46

b Đ°ßng cong chi phí: 47

c Hàm chi phí t°¡ng đ°¡ng: 47

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 47

5.2.2 Chu trình đ¡n 2GT: 48

a Chi phí khái động: 48

b Đ°ßng cong chi phí: 48

c Hàm chi phí t°¡ng đ°¡ng: 48

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 49

5.2.3 Chu trình hỗn hợp 1GT+ST: (1-1-1) Phú Mā 2.1MR: 49

a Chi phí khái động 49

b Đ°ßng cong chi phí: 50

c Hàm chi phí t°¡ng đ°¡ng: 51

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 51

5.2.4 Chu trình hỗn hợp 2GT+ST (2-2-1): 51

a Chi phí khái động 51

b Đ°ßng cong chi phí: 52

c Hàm chi phí t°¡ng đ°¡ng: 52

d Giới h¿n tải và vùng cấm vÁn hành liên tục: 53

CH¯¡NG 6: K¾T QUÀ TÍNH TOÁN CHI PHÍ VÀN HÀNH THþC T¾ SO SÁNH V èI THUÀT TOÁN IPSO 54

K¿t quả tính toán cho chu trình đ¡n 1GT: 54

K¿t quả tính toán cho chu trình đ¡n 2GT: 54

K¿t quả tính toán cho chu trình hỗn hợp 1GT+ST: 55

K¿t quả tính toán cho chu trình hỗn hợp 2GT+ST: 56

CH¯¡NG 7: K¾T LUÀN VÀ H¯èNG PHÁT TRIÂN ĐÀ TÀI 58

K¿t luÁn: 58

H°ớng phát triển đÁ tài: 58

Tài li ßu tham khÁo 60

Ph ā lāc 61

DANH M ĀC CÁC HÌNH V Ẽ

Hình 1-1: S¡ đồ tổng thể cụm khí điện đ¿m Phú Mā 11

Hình 2-1 ThuÁt toán DE 16

Hình 3-1: S¡ đồ khối áp dụng thuÁt toán tối °u bầy đàn cải ti¿n cho bài toán phân bố tối °u công suất 28

Hình 4-1: S¡ đồ k¿t nối l°ới điện NMĐ PM2.1& 2.1MR 30

Hình 4-2: Nhà máy điện Phú Mā 2.1 (450MWe) 31

Hình 4-3 S¡ đồ chu trình đ¡n và chu trình hỗn hợp 32

Hình 4-4 - Hệ thống cung cấp khí gas 34

Hình 4-5 Cấu hình 2-2-1 của Nhà máy điện Phú Mā 2.1 & 2.1MR 34

Hình 4-6 Đồ thß hàm tng chi phí của CC unit 35

DANH M ĀC CÁC B ÀNG BI ÂU

Bảng 4-1 Các tr¿ng thái có thể vÁn hành với nhà máy 35

Bảng 5-1 Chi phí khái động chu trình đ¡n 1GT của NMĐ PM2.1 38

Bảng 5-2 Chi phí khái động chu trình đ¡n 2GT của NMĐ PM2.1 40

Bảng 5-3 Chi phí khái động chu trình hỗn hợp 1GT+1ST của NMĐ PM2.1 42

Bảng 5-4 Chi phí khái động chu trình hỗn hợp 2GT+1ST của NMĐ PM2.1 44

Bảng 5-5 Chi phí khái động chu trình đ¡n 1GT của NMĐ PM2.1MR 46

Bảng 5-6 Chi phí khái động chu trình đ¡n 2GT của NMĐ PM2.1MR 48

Bảng 5-7 Chi phí khái động chu trình hỗn hợp 1GT+1ST của NMĐ PM2.1MR 50

Bảng 5-8 Chi phí khái động chu trình hỗn hợp 2GT+1ST của NMĐ PM2.1MR 52

Bảng 6-1 So sánh chi phí vÁn hành thực t¿ và ph°¡ng pháp IPSO trong chu trình đ¡n 1GT 54

Bảng 6-2 So sánh chi phí vÁn hành thực t¿ và ph°¡ng pháp IPSO trong chu trình đ¡n 2GT 55

Bảng 6-3 So sánh chi phí vÁn hành thực t¿ và ph°¡ng pháp IPSO trong chu trình hỗn hợp 1GT+ST 56

Bảng 6-4 So sánh chi phí vÁn hành thực t¿ và ph°¡ng pháp IPSO trong chu trình hỗn hợp 2GT+ST 57

DANH M ĀC CÁC T Ć VI ¾T T ÂT

Cycle units

ĐiÁu độ tối °u cho nhà máy điện chu trình hỗn hợp

IPSO

PSO

Improved Particle Swarm Optimization

Particle Swarm Optimization

Tối °u bầy đàn

Engineers

C H¯¡NG 1: GI èI THI ÞU CHUNG

Đặt v¿n đÁ

hệ thống cũng nh° bản thân các tổ máy phát điện Các nhà máy điện chu trình hỗn hợp chi¿m tÿ tráng lớn trong c¡ cấu nguồn điện t¿i Việt Nam Theo quy¿t đßnh số: 1208/QĐ-TTg ngày 21 tháng 7 nm 2011 của Thủ t°ớng chính phủ vÁ phê

đ¿n nm 2020 công suất nguồn của nhiệt điện chu trình hỗn hợp sử dụng khí tự

l°ợng điện sản xuất

T¿i khu vực phía Nam thì cụm khí điện đ¿m Phú Mā với tổng công suất gần 4000

MW chi¿m tÿ tráng đáng kể trong toàn bộ hệ thống Việc điÁu độ tối °u các nguồn

Tính c¿p thi¿t căa đÁ tài

Hình 1-1: Sơ đồ tổng thể cụm khí điện đạm Phú Mỹ

từ đó cũng phức t¿p h¡n, đồng thßi đồ thß đ°ßng cong cũng không phải là hàm tng đ¡n điệu

điện Các chi phí thay đổi phụ thuộc vào các quy¿t đßnh vÁn hành của nhân viên vÁn hành Chi phí thay đổi bao gồm: chi phí bảo d°ỡng th°ßng xuyên, chi phí

Māc tiêu căa đÁ tài

Bài toán ED đã có lßch sử phát triển từ lâu đßi, nó có ý nghĩa quan tráng trong quy ho¿ch và điÁu khiển hệ thống điện Tuy nhiên cho đ¿n nay nhiÁu vấn đÁ liên quan đ¿n bài toán ED v¿n còn đang trong quá trình nghiên cứu và hoàn thiện

Chẳng h¿n nh° sự đảm bảo tính hội tụ và tìm đ¿n lßi giải tối °u đối với bài toán

ED không lồi d¿ng tổng quát cũng nh° độ tin cÁy của thuÁt toán mà các ph°¡ng pháp cổ điển và hiện t¿i ch°a giải quy¿t đ°ợc Bài toán điÁu độ tối °u sử dụng ph°¡ng pháp IPSO (Improved Particle Swarm Optimization) là sự k¿t hợp hoàn

hảo trong việc giải quy¿t những vấn đÁ trái ng°ợc nh°: tối đa lợi nhuÁn, vÁn hành

an toàn và tng c°ßng an ninh nng l°ợng

Xây dựng phần mÁm để giúp cho các kā s° vÁn hành ra các quy¿t đßnh mà trong

đó có các tr°ßng hợp nằm ngoài quy trình vÁn hành hay các tr°ßng hợp không rõ ràng mà nó tích lũy từ kinh nghiệm của kā s° Những hỗ trợ cũng có thể thực hiện

một chức nng quan tráng là <học tập= các kinh nghiệm để có thể đ°ợc củng cố

thêm các kßch bản nhằm giải quy¿t tốt h¡n các vấn đÁ sẽ gặp trong t°¡ng lai Một trong những hỗ trợ đó là một ch°¡ng trình dựa trên ph°¡ng pháp IPSO để cải thiện phân bố công suất tối °u Việc tính toán có khả nng thông báo, cÁp nhÁt cho các vÁn hành viên các kßch bản khả nng và n¿u mất an ninh nó có thể phòng

ngừa đ°ợc bằng cách lo¿i các mệnh lệnh ban hành không hợp lý

ĐÁ tài sẽ là công cụ c¡ sá cho các vÁn hành viên ra quy¿t đßnh cho khu vực cụm nhiệt điện Phú Mā, mà điển hình là nhà máy điện Phú Mā 2.1 và Phú Mā 2.1MR

Nçi dung và ph¿m vi nghiên cąu

Nghiên cứu điÁu độ tối °u dùng ph°¡ng pháp IPSO để áp dụng cho việc điÁu độ các nhà máy điện Phú Mā 2.1 & 2.1MR Với số liệu thi¿t k¿, các thông số vÁn hành thực t¿ và kinh nghiệm vÁn hành trong các nm qua của nhà máy điện Phú

Mā 2.1 & 2.1MR sẽ đ°ợc sử dụng để làm số liệu đầu vào cho bài toán

Mô hình hóa các số liệu để đảm bảo sự phối k¿t hợp giữa lý thuy¿t và thực tiễn Đảm bảo tính đúng đắn của các kßch bản nhằm t¿o tiÁn đÁ cho các nghiên cứu chuyên sâu và áp dụng thực t¿

C H¯¡NG 2: T âNG QUAN V À BÀI TOÁN VÀ CÁC

Tãng quan vÁ tình hình nghiên cąu

toán mới trong nÁn công nghiệp nng l°ợng ngày nay Vì có sự k¿t hợp giữa các máy phát với nhau, nên công suất của hệ thống cũng phụ thuộc vào sự k¿t hợp này Do đó, ng°ßi vÁn hành vừa phải tính toán việc vÁn hành vừa đảm bảo yêu

th°ßng, nên ta phải sử dụng các ph°¡ng pháp giải đặc biệt để giải quy¿t bài toán

ti¿n hóa (Evolutionary Algorithm), ph°¡ng pháp tối °u bầy đàn cải ti¿n (IPSO)

°u, nh°ng với đặc tr°ng của hệ thống thì các ph°¡ng pháp trên có thể giải quy¿t

ra đßi làm cho các hệ thống lớn đ°ợc mô phỏng nh° một tổ chức thần kinh của con ng°ßi, nhß đó đã mang l¿i nhiÁu ti¿n bộ v°ợt bâc Áp dụng những thành tựu

từ m¿ng neural, một ph°¡ng pháp mới đ°ợc đ°a ra để giải quy¿t bài toán phân

đây sẽ giới thiệu s¡ l°ợc một số ph°¡ng pháp và °u khuy¿t điểm của nó

Ph°¢ng pháp Lambda Dispatch (LD)

Ph°¡ng pháp Lambda Dispatch có lẽ là ph°¡ng pháp đ°ợc sử dụng rộng rãi nhất hiện nay ¯u điểm của ph°¡ng pháp là khá nhanh và khái quát, đáp ứng đ°ợc nhiÁu điÁu kiện vÁn hành Trong ph°¡ng pháp này, bài toán EDCC đ°ợc

suất vÁn hành của các tổ máy → kiểm tra nhằm đảm bảo các yêu cầu của hệ

Ph°¡ng pháp LD có thể đ°ợc má rộng bằng cách thêm vào những điÁu kiện

liên k¿t giữa các hệ thống thông qua những hệ số nhân Lagrange, mỗi điÁu kiện

kinh t¿ trong nhiÁu vùng Tuy nhiên khi các hệ số nhân tng lên, quá trình giải

sẽ trá nên phức t¿p h¡n và th°ßng không thể giải đ°ợc do k¿t quả không hội tụ

Ph°¢ng pháp quy ho¿ch tuy¿n tính (Linear Programing)

pháp đ¡n hình để giải các bài toán quy ho¿ch tuy¿n tính và đã trá thành c¡

sá cho hầu h¿t các thuÁt toán giải bài toán quy ho¿ch tuy¿n tính đ°ợc nghiên

Ph°¡ng pháp quy ho¿ch tuy¿n tính (LP) th°ßng đ°ợc áp dụng để giải các bài

hội tụ không là trá ng¿i lớn do ph°¡ng pháp LP giải quy¿t dựa trên cn nguyên

đầu n¿u nh° hệ thống phức t¿p h¡n và có nhiÁu đo¿n gấp khúc h¡n

Ph°¢ng pháp di truyÁn trong miÁn sß thÿc (Real–coded Genetic Algorithm –

RGA)

Genetic Algorithm (GA) là kā thuÁt tính toán nhằm tìm ki¿m chính xác hoặc

 Những toán tử gen nhằm lựa chán gen của th¿ hệ <cha mẹ= dựa theo

đ°ợc cho bài toán rßi r¿c Đối với những bài toán EDCC có không gian lßi giải

là liên tục, ta cần có quá trình bi¿n đổi để đ°a vÁ d¿ng rßi r¿c

Ph°¢ng pháp nghiên cąu cÁi ti¿n Harmony Improved Harmony Search

-(IHS)

Ph°¡ng pháp nghiên cứu cải ti¿n Harmony là một d¿ng của thuÁt toán ti¿n hóa, đ°ợc phát triển bái Z.W Geem, J.H Kim và G.V Loganathan khoảng 1 thÁp kÿ

trong lĩnh vực xây dựng và c¡ khí Ti¿p tục phát triển ph°¡ng pháp này, V

Ph°¡ng pháp IHS mô phỏng theo quá trình sáng tác ng¿u hứng của các nh¿c sā

để t¿o nên những giai điệu tuyệt vßi Khi sáng tác, mỗi nh¿c sĩ đÁu cố gắng cải

h¡n Cũng t°¡ng tự nh° vÁy, IHS sử dụng những thông số điÁu khiển gái là

<bandwidth= có thể thay đổi một cách thích nghi Quá trình cải ti¿n các Harmony

đ¿t đ°ợc số vòng lặp đã đ°ợc đặt tr°ớc

các điÁu kiện vÁn hành khó nh° điÁu kiện vùng cấm vÁn hành hay kích th°ớc bài toán khá lớn

Ph°¢ng pháp ti¿n hóa khác-Differental Evolutionanry- (DE)

DE là ph°¡ng pháp tối °u hóa hàm đa chiÁu dựa trên quá trình tìm ki¿m ng¿u nhiên để giải quy¿t bài toán tối °u hóa toàn cục Đối với các vấn đÁ trong hệ thống điện DE đã đ°ợc áp dụng để giải quy¿t một số bài toán phân bố công suất tối °u ThuÁt toán DE đ°ợc mô tả qua hình vẽ sau:

Hình 2-1 Thu ật toán DE

Từ <cộng đồng= các lßi giải đầu tiên, ta chán ng¿u nhiên một lßi giải và đ°ợc

đó thông qua quá trình chán lác sẽ đ°ợc so sánh với vector mục tiêu để lựa chán

āÿ,Ā+1 = �㕋ÿ3,Ā+ �㔹(�㕋ÿ1,Ā2 �㕋ÿ2,Ā) Trong đó:

F: là hằng số đột bi¿n

Ph°¢ng pháp tßi °u bÁy đÁy đàn d¿ng c¢ bÁn (PSO)

Ph°¡ng pháp tối °u bầy đàn là kā thuÁt tối °u hóa đ°ợc phát triển bái Kennedy

và Eberhart vào nm 1995 dựa trên sự mô phỏng xã hội của các động vÁt cấp thấp nh° cá, chim… PSO giải quy¿t một vấn đÁ tối °u hóa bằng cách có một cá thể và di chuyển các cá thể đó trong không gian tìm ki¿m của vấn đÁ sử dụng công thức toán hác đ¡n giản h¡n vß trí và tốc độ của các cá thể [11] Trong mỗi

lần lặp, mỗi cá thể đ°ợc cÁp nhÁt dựa trên hai giá trß tốt nhất Giá trß đầu tiên (tốt

nhất cục bộ) là giải pháp tốt nhất mà các cá thể đ¿t đ°ợc và cá thể cuối cùng (tốt

nhất toàn cục) là giải pháp tốt nhất mà mÁt độ quần thể đ¿t đ°ợc

Ý t°áng của ph°¡ng pháp bắt đầu bằng một tr°ßng hợp sự cố của các cá thể của cộng đồng dân c° trong không gian tìm ki¿m K¿t quả tối °u toàn cục do sự hiệu

chỉnh quā đ¿o của các cá thể sẽ d¿n đ¿n vß trí tốt nhất và phần tử tối °u nhất trong nhóm sau mỗi lần b°ớc tính ¯u điểm của ph°¡ng pháp tối °u bầy đàn là tính đ¡n giản và khả nng hội tụ nhanh, đ¿t k¿t quả tốt

Quā đ¿o của mỗi cá thể trong không gian tìm ki¿m đ°ợc hiệu chỉnh bằng cách

thay đổi vÁn tốc của từng cá thể, thông qua kinh nghiệm bay của nó và kinh nghiệm bay của những cá thể khác trong không gian tìm ki¿m Vector vß trí và vector vÁn tốc của một cá thể thứ i trong không gian d chiÁu:

X i øx i1,x i2, ,x idù

(2.1)

V i øv v i1, i2, ,v idù

(2.2) Thông qua cách đặt hàm đßnh nghĩa, chúng ta sẽ tìm ra đ°ợc giá trß phù hợp nhất đ¿t đ°ợc bái một phần tử t¿i thßi điểm t là: Pbest i = (Pi1, Pi2,…Pid) và cá thể phù hợp nhất t¿i thßi điểm t là: Gbest =(pg1, pg2,…pgd) Sau đó, vÁn tốc mới

và vß trí mới của các cá thể đ°ợc tính toán bằng 2 biểu thức sau:

có m ối liên hệ đồng dạng với nhau)

Phần đầu tiên trong công thức (2.3) đ¿i diện cho vÁn tốc tr°ớc đó, để t¿o đà cho

cá thể ti¿p tục đi lang thang trong không gian tìm ki¿m Thành phần thứ 2 là thành phần đ¿i diện cho suy tính nhân t¿o của các cá thể, chính thành phần này

sẽ h°ớng các cá thể đ¿n vß trí tốt nhất của có thể Thành phần thứ 3 là thành phần

<xã hội= của các cá thể trong quá trình tìm ki¿m lßi giải tối °u toàn cục Chính thành phần xã hội sẽ lôi kéo các cá thể h°ớng đ¿n giá trß tối °u toàn cục

Ban đầu các cá thể sẽ đ°ợc t¿o ra bằng một vß trí và vÁn tốc ng¿u nhiên Sự phù

hợp của các cá thể đ°ợc °ớc l°ợng thông qua hàm mục tiêu à mỗi thßi kỳ, vÁn

tốc của từng cá thể đ°ợc tính toán thông qua (2.3) và vß trí trong lần °ớc l°ợng tới đ°ợc cÁp nhÁt bằng (2.4) Sau mỗi khoảng thßi gian n¿u các cá thể tìm ra vß trí tối °u h¡n vß trí tr°ớc thì vß trí của nó đ°ợc l°u vào bộ nhớ Ta dùng khái

niệm <vận tốc lớn nhất= (Vmaxd) cho vector vÁn tốc của các cá thể để điÁu khiển

ph¿m vi trong không gian tìm ki¿m do ng°ßi dùng tự đßnh nghĩa

ThuÁt toán giÁi quy¿t PSO

Trong phần này sẽ trình bày thuÁt toán tối °u giải quy¿t bài toán phân bổ công suất trên giải thuÁt PSO c¡ bản Trên c¡ sá đó là tiÁn đÁ cho sự phát triển các th¿

hệ sau tối °u h¡n

Mô tả các y¿u tố c¡ bản cần thi¿t cho sự phát triển của Giải pháp thuÁt toán PSO c¡ bản đ°ợc trình bày d°ới đây:

 Cá thể X(t): là một giải pháp đ¿i diện bái một vec- t¡ m đa chiÁu, trong đó

m là số l°ợng tham số tối °u T¿i thßi điểm t, Āā/ cá thể �㕋Ā(ā) đ°ợc mô tả là

�㕋Ā(ā) = [�㕋Ā,1(ā), & , �㕋 Ā,ă(ā) ], trong đó ąĀ là những thông số tối °u và ąĀ,ā(ā) là vß trí của cá thể Āā/ liên quan đ¿n chiÁu (không gian) thứ āā/, tức

là giá trß tối °u tham số thứ k trong các giải pháp cá thể chán lác thứ Āā/

 Quần thể ĂāĂ(ā): là tÁp hợp các cá thể Ā t¿i thßi điểm ā, tức là ĂāĂ(ā) =[�㕋ÿ(ā), & , �㕋Ą(ā)]�㕇

 Bầy đàn (ÿĄÿÿÿ): là của một quần thể gần nh° không trÁt tự di chuyển có

xu h°ớng chụm l¿i với nhau, mà mỗi cá thể có vẻ là di chuyển theo một h°ớng ng¿u nhiên

 VÁn tốc cá thể Ă(ā): vÁn tốc di chuyển của mỗi cá thể đ¿i diện bái một vec – t¡ đa chiÁu ÿ T¿i thßi điểm ā cá thể thứ j (Āā/) chuyển động với vÁn tốc

ĂĀ(ā) đ°ợc mô tả nh° sau: ĂĀ(ā) = [ăĀ,1(ā), & , ăĀ,ă(ā)], với ăĀ,ā(ā) là thành

phần vÁn tốc của cá thể Āā/ liên quan đ¿n chiÁu thứ k (āā/)

 Quán tính tráng l°ợng Ą(ā): là một tham số điÁu khiển để kiểm soát tác động

của vÁn tốc tr°ớc đó lên vÁn tốc hiện t¿i Do đó nó tác động đ¿n sự thoả hiệp, thm dò khả nng giữa các cá thể cục bộ và toàn thể, tráng l°ợng quán tính

lớn để nng cao tính thm dò toàn thể, đ°ợc <ti¿n cử= á tr¿ng thái ban đầu cho đ¿n tr¿ng thái cuối cùng, tráng l°ợng quán tính giảm tính thm dò cục

bộ tốt h¡n

 Vß trí tìm ki¿m tốt nhất �㕋∗(ā): trong quá trình tìm ki¿m, cá thể so sánh giá trß thích hợp t¿i vß trí hiện t¿i, đ¿n giá trß thích hợp nhất đã có đ°ợc bất kỳ lúc nào ngay lúc đó Vß trí tốt nhất đó liên quan đ¿n giá trß thích hợp nhất (best fitness) cho đ¿n khi đ°ợc chán là vß trí tốt nhất t¿i thßi điểm t gái là �㕋∗(ā)

Bằng cách này, vß trí tốt nhất �㕋∗(ā) cho mỗi cá thể trong bầy đàn, có thể đ°ợc xác đßnh và cÁp nhÁt trong suốt qua trình tìm ki¿m Ví dụ, trong một vấn đÁ

giảm đ¿n múc tối đa, hàm mục tiêu J, vß trí tốt nhất �㕋∗(ā) của cá thể thứ j đ°ợc xác đßnh là: ý (�㕋Ā∗(ā)) f ý (�㕋Ā∗(�㔏)), �㔏 f ā Giả sử đ¡n giản hoá rằng:

ýĀ∗ = ý (�㕋Ā∗(ā)) Cho cá thể thứ j, vß trí tốt nhất có thể đ°ợc diễn giải nh° sau:

�㕋Ā∗(ā) = [ąĀ,1∗ (ā), & , ąĀ,ă∗ (ā)]

 Toàn cầu tốt nhất �㕋∗∗(ā): đó là vi trí tốt nhất giữa tất cả các vß trí tốt nhất Do

đó, toàn cầu tốt nhất có thể đ°ợc xác đßnh nh° sau: ý (�㕋Ā∗∗(ā)) f ý (�㕋Ā∗∗(�㔏)),

Ā = 1, & , Ā Giả sử đ¡n giản hoá rằng: ýĀ∗∗ = ý (�㕋Ā∗∗(ā))

 Tiêu chí dừng: các điÁu kiện trong qua trình tìm ki¿m sẽ chấm dứt Trong tr°ßng hợp này, quá trình tìm ki¿m sẽ chấm dứt n¿u xảy ra một trong các điÁu kiện sau đây đ°ợc đáp ứng :

đ°uác xác đßnh á lần tr°ớc đó Hoặc

trên, các thuÁt toán giải pháp đ°ợc phát triển đ°a ra d°ới đây:

1), α là hằng số suy giảm nhỏ h¡n nh°ng gần bằng 1, đ°ợc xem xét á đây

+ Kiểm tra tính khả thi cho việc áp dụng các quy trình của vß trí cá thể, sau đó cÁp nhÁt vß trí và ngn ngừa các cá thể khác từ không gian bay

dò trong không gian cục bộ đ°ợc thực hiện và mô phỏng thực t¿ này làm gia tng sự thay đổi hác hỏi của con ng°ßi Để đảm bảo thống nhất vÁn

ā đ°ợc vi¿t nh° sau:

ăā,ăÿ�㕥 = (ąā,ăÿ�㕥 2 ąā,ăÿĄ)/þ

Trong thu ật toán PSO, quần thể có Ā cá thể, mỗi cá thể là một vec –tơ không gian

đa chiều ÿ, với ÿ là thông số tối ưu Kết hợp với sự sửa đổi trên, việc tính toán dòng ch ảy công suất bằng thuật toán PSO theo từng bước như sau:

B°éc 1: Khởi t¿o

ra đồng bộ trên thông số tối °u thứ ā trong không gian tìm ki¿m [ąā ăÿĄ, ąā ăÿ�㕥 ]

 T°¡ng tự, t¿o ra vÁn tốc ng¿u nhiên ban đầu của tất cả các cá thể

Giá trß đÁ cÁp đ¿n á kỳ thứ 2 đ¿i diện cho sự liên quan đ¿n một phần của PSO, trong đó sự thay đổi vÁn tốc của cá thể dựa trên sự t° duy và trí nhớ của chính

nó Đ¿n lần thứ ba, nó đ¿i diện cho một phần có tính chất thành viên của một

B°éc 6: CÁp nhÁt vß trí tßt nh¿t (căa mçt cá thà tßt nh¿t)

Mỗi cá thể đ°ợc đánh giá theo một vß trí cÁp nhÁt của nó N¿u ýĀ < ýĀ∗ , Ā =

B°éc 7: CÁp nhÁt vß trí tßt nh¿t toàn cÁu

Đi ti¿p b°ớc 8, hoặc khác

B°éc 8: Tiêu chí dćng

N¿u một trong tất cả các tiêu chí dừng l¿i đ¿t thì sẽ dùng, n¿u không quay l¿i b°ớc 2

Tãng quan mçt sß cÁi ti¿n quan tráng căa ph°¢ng pháp tßi °u bÁy đàn

Trong đó: C đ°ợc gái bằng hệ số co, đ°ợc xác đßnh bái biểu thức:

Thông th°ßng giá trß c1 và c2 đ°ợc chán bằng nhau và bằng 2.05 và khi đó

và đ°ợc áp dụng cho thuÁt toán gen Ý t°áng chính cho kā thuÁt này là đßnh h°ớng phát triển cho từng cá thể trong mỗi lần cÁp nhÁt vß trí Kā thuÁt này phù hợp cho

dùng để giải các d¿ng bài toán không liên tục, không khả vi t°¡ng tự nh° bài toán

Để hiểu rõ h¡n sự khác biệt giữa biểu thức gradient và gradient giả, ta xét bài toán sau:

Giả sử hàm mục tiêu trong bài toán tối °u n chiều là khả vi, ký hiệu gradient g(x)

1,�㔕�㕥�㔕ÿ

2, & ,�㔕�㕥�㔕ÿ

không gian tìm ki¿m Tuy nhiên, đối với các hàm không khả vi, ký hiệu gradient này không áp dụng đ°ợc Vì vÁy, cần thi¿t có một gradient để giải quy¿t các hàm

sau:

h¡n cho hàm mục tiêu có thể đ°ợc tìm thấy trong b°ớc ti¿p theo dựa trên h°ớng

này nên đ°ợc thay đổi do không có cải thiện đ°ợc hàm mục tiêu theo h°ớng này

 ¯u điÃm:

các bài toán tối °u không lồi có quy mô lớn nh° OPF (heuristics ph°¡ng pháp giải quy¿t vấn đÁ bằng cách đánh giá kinh nghiệm đã qua và tìm ki¿m giải pháp

¯u điểm chính của thuÁt toán PSO là: khái niệm đ¡n giản, thực hiện dễ dàng, t°¡ng đối m¿nh mẽ để kiểm soát các thông số và tính toán hiệu quả

¯u điểm nổi bÁc của PSO là tốc độ hội tụ nhanh chóng của nó

ít h¡n

PSO có thể dễ dàng đối phó với những hàm mục tiêu không lồi và không

vi phân đ°ợc

 Nh°ÿc điÃm:

Nh°ng, phần lớn các bi¿n kiểm soát nh° thi¿t lÁp phân áp đầu máy bi¿n áp và các tụ bù shunt ngắt đ°ợc thay đổi một cách rßi r¿c Mã hóa thực của các bi¿n này đ¿i diện cho sự h¿n ch¿ của các ph°¡ng pháp PSO nh° việc tính toán làm tròn đ¡n giản có thể d¿n đ¿n sai sót đáng kể

đßa ph°¡ng y¿u)

ĐÁ xu¿t ph°¢ng pháp tßi °u bÁy đàn cÁi ti¿n

T ừ công thức toán cơ bản, giải thuật giải quyết và các bước tiến hành giải bài toán công su ất tối ưu của PSO trên (mục 2.7, 2.8) được áp dụng và cải tiến cho một số phương pháp được trình bày trên (mục 2.9) Bên cạnh những ưu điểm vượt trội so

v ới những giải pháp khác thì vẫn còn tồn đọng những hạn chế, đó là vấn đề cần

gi ải quyết cho sự phát triển làm tăng thêm sự phong phú, vững mạnh của phương pháp PSO Vì v ậy dựa trên cơ bản đó và những phương pháp đã có cho đề xuất

gi ải pháp tối ưu hơn được trình bày trong luận văn này: ph°¡ng pháp tối °u bầy

đàn cải tiến Được mô phỏng giải quyết bài toán phân bố tối ưu công suất có xét

đến ràng buộc an ninh

Ý t°áng cải ti¿n thuÁt toán tối °u bầy đàn dự ki¿n thực hiện trong luÁn vn là d¿ng

c°ßng đẩy m¿nh quá trình hội tụ Trong đó, kā thuÁt gradient giả sẽ đßnh h°ớng sự

chóng đ¿n k¿t quả tối °u, cải thiện tốc độ tính toán

Trong ph°¡ng pháp PSO với hệ số co và tráng số quán tính, vÁn tốc của h¿t đ°ợc đßnh nghĩa nh° sau:

ăÿý(ā+1) = þ[ā1ÿÿĀĂ1(ĂĀăĀāÿý(ā)2 ąÿý(ā)) + ā2ÿÿĀĂ2(ĂĀăĀāý(ā)2 ąÿý(ā))] (2.11)

þ = |22�㔑2√�㔑2 224�㔑| , với �㔑 = ā1+ ā2, �㔑 > 4 (2.12)

Trong tr°ßng hợp này, hệ số φ có ảnh h°áng đ¿n đặc tính hội tụ của hệ thống và phải lớn h¡n 4.0 để đảm bảo sự ổn đßnh của hệ thống Giá trß đc tr°ng của  =4.1 (c1 = c2 = 0.25)

Thực hiện gradient giả trong PSO, hai vß trí xem xét với xk và xl trong không gian tìm ki¿m của gradient giả là vß trí của h¿t t¿i vòng lặp k và (k+1), ký hiệu là x(k)

ąÿý(ā+1) = {ąÿý

ąÿý(ā)+ ăÿý(ā+1) , ā/áā (2.13)

CH¯¡NG 3: ÁP D ĀNG PH¯¡NG PHÁP T ÞI ¯U

Xây dÿng thuÁt toán

Đối với ph°¡ng pháp tối °u bầy đàn cũng nh° các thuÁt toán tìm ki¿m ng¿u nhiên khác, chúng ta cần xác đßnh hàm Fitness cho không gian tìm ki¿m Hàm Fitness đ°ợc xây dựng dựa trên hàm mục tiêu của bài toán đồng thßi k¿t hợp với các điÁu

�㕋Ăÿă(ą) = {ą, ĀếĂ ąąăÿ�㕥, ĀếĂ ą > ąăÿĄ f ą f ąăÿ�㕥ăÿ�㕥

Các giá trß cần tìm của bài toán cũng chính là các bi¿n điÁu khiển của hệ thống điện bao gồm công suất phát của các tổ máy trừ tổ máy nối với nút chuẩn Khi áp

ăý(0) = ăý,ăÿĄ+ ÿÿĀĂ2(ăý,ăÿ�㕥2 ăý,ăÿĄ) (3.4)

Trong đó:

�㕋ăÿĄ, �㕋ăÿ�㕥: là giá trß giới h¿n của các bi¿n điÁu khiển dựa vào giới h¿n công suất phát

ăý,ăÿĄ, ăý,ăÿ�㕥: là giá trß giới h¿n vÁn tốc của các cá thể trong không gian tìm ki¿m

ăý,ăÿ�㕥 = �㕋þ�㕎�㕥

ăý,ăÿĄ = 2ăý,ăÿ�㕥 (3.6)

đ°ợc điÁu chỉnh sao cho thỏa mãn điÁu kiện vÁ ràng buộc giới h¿n

Áp dāng thuÁt toán bÁy đàn cÁi ti¿n giÁi bài toán phân bß tßi °u công su¿t có

xét đ¿n ràng buçc an ninh

đã trình bày trong ch°¡ng 2 và kā thuÁt áp dụng thuÁt toán tối °u vào bài toán phân

Số l°ợng cá thể NP = 20, số vòng lặp tối đa: Maxiter = 250, các hằng số gia

ph°¡ng pháp Newton-Raphson để tính phân bố công suất của hệ thống theo từng cá thể Từ đó xác đßnh giá trß hàm Fitness dựa theo biểu thức (3.1) Giá trß ban đầu này của hàm Fitness đ°ợc gán vào bi¿n FTPbest

Gbest để l°u trữ vß trí của phần tử tốt nhất dựa vào giá trß của hàm Fitness

- B°éc 8: Tính l¿i giá trß hàm Fitness cho từng phần tử và so sánh với FTPbest

và FTGbest để cÁp nhÁt l¿i vß trí tốt nhất của từng phần tử và vß trí của phần

(2.9) và (2.10)

- B°éc 10: Kiểm tra n¿u k < Maxiter thì k = k + 1 và quay l¿i b°ớc 6, ng°ợc

theo 10 b°ớc thực hiện bên trên

- Phần 2: Giải l¿i bài toán phân bố tối °u công suất với giá trß khái t¿o ban đầu

Hình 3- 1: Sơ đồ khối áp dụng thuật toán tối ưu bầy đàn cải tiến cho bài toán phân bố

t ối ưu công suất

CH¯¡NG 4: GI èI THI ÞU V À N MĐ CHU TRÌNH

Các thông sß hàm māc tiêu và các ràng buçc trong điÁu kißn vÁn hành căa

Nhà máy đißn Phú Mÿ 2.1 &2.1MR:

Với các tiêu chí nh° chi phí nhiên liệu, thßi gian xử lý, thßi gian đ°a ra các quy¿t đßnh,

phát điện Đảm bảo các tổ máy làm việc an toàn, tin cÁy và hiệu quả, đảm bảo chất l°ợng điện nng…Nằm trong giới h¿n phát thải vÁ NOx, SOx, CO2…

Th ời gian khởi động và ngừng máy với chu trình hỗn hợp:

 Khái động l¿nh (cold start): 180 phút từ lúc nhÁn lệnh đ¿n lúc lên đầy tải

 Khái động ấm (warm start): 120 phút từ lúc nhÁn lệnh đ¿n lúc lên đầy tải

 Khái động nóng (hot start): 90 phút từ lúc nhÁn lệnh đ¿n lúc lên đầy tải

 90MWe ≤ vÁn hành bình th°ßng ≤ tải tối đa ĐiÁu kiện này bß ràng buộc

 Thßi gian dừng hoàn toàn là 90 phút tính từ lúc bắt đầu giảm tải

 Phú Mā 2.1MR có thßi gian khái động nhanh h¡n PM2.1 do tốc độ trá trục cao h¡n

Th ời gian khởi động và ngừng máy với chu trình đơn:

 Sau 13 phút (PM2.1MR) 30 phút (PM2.1) từ lúc nhÁn lệnh là nhà máy có

 Thßi gian dừng hoàn toàn là 30 phút bắt đầu nhÁn lệnh

Điều kiện ràng buộc chung:

 Sau khi ngừng thì phải từ 2 đ¿n 4 ti¿ng sau mới đ°ợc phép khái động l¿i,

 Thßi gian chuyển đổi từ chu trình đ¡n sang chu trình kép và ng°ợc l¿i là nhanh chóng do nhà máy có trang bß hệ thống by pass damper

Giéi thißu vÁ nhà máy đißn Phú Mÿ 2.1

(145MWe) và 1 turbine h¡i (160 MWe) Nhà máy điện Phú Mā 2.1 và 2.1MR thuộc

Hình 4- 1: Sơ đồ kết nối lưới điện NMĐ PM2.1& 2.1MR