Giải bài toán phối hợp các tổ máy phát điện đa nhiên liệu trong nhà máy nhiệt điện sử dụng lý thuyết nhân tử lagrange

Bài báo trình bày một phương pháp hiệu quả giải bài toán điều độ công suất kinh tế cho các tổ máy phát điện sử dụng đa nhiên liệu. Trước đây, mỗi tổ máy chỉ sử dụng một loại nhiên liệu duy nhất, hàm chi phí phí nhiên liệu chỉ là một hàm bậc hai, việc giải bài toán này không quá phức tạp.

Science & Technology Development, Vol 16, No.K2- 2013 GIẢI BÀI TOÁN PHỐI HỢP CÁC TỔ MÁY PHÁT ĐIỆN ĐA NHIÊN LIỆU TRONG NHÀ MÁY NHIỆT ĐIỆN SỬ DỤNG LÝ THUYẾT NHÂN TỬ LAGRANGE Lê Chí Kiên(1), Nguyễn Minh Đức Cường(2) (1) Trường Đại học Sư Phạm Kỹ Thuật TP.HCM (2) Cao Đẳng Kỹ Thuật Lý Tự Trọng TP.HCM (Bài nhận ngày 24 tháng 12 năm 2012, hoàn chỉnh sửa chữa ngày 16 tháng 05 năm 2013) TÓM TẮT: Bài báo trình bày phương pháp hiệu giải tốn điều độ công suất kinh tế cho tổ máy phát điện sử dụng đa nhiên liệu Trước đây, tổ máy sử dụng loại nhiên liệu nhất, hàm chi phí phí nhiên liệu hàm bậc hai, việc giải tốn khơng q phức tạp Tuy nhiên, ngày tổ máy sử dụng nhiều loại nhiên liệu để phát điện, hàm chi phí nhiều hàm bậc hai, cơng việc xác định công suất phát loại nhiên liệu sử dụng để đốt lò trở nên phức tạp Từ đó, dựa lý thuyết sở tìm cực trị phương pháp Lagrange kết hợp với thuật toán lặp, phương pháp xây dựng nghiên cứu Kết mô cho hệ thống gồm 10 tổ máy so sánh với nghiên cứu khác cho thấy phương pháp mới, hiệu áp dụng giải cho tốn cực tiểu chi phí phát điện tổ máy sử dụng đa nhiên liệu Từ khoá: Tổ máy đa nhiên liệu, lý thuyết Lagrange, cực tiểu chi phí, tối ưu tổ máy, cân công suất 1.GIỚI THIỆU với nhiều phương pháp đa dạng giải Trước đây, tổ máy phát điện nhà thuật MPSO [1], mạng neural Hopfield máy nhiệt điện sử dụng loại nhiên liệu (Hopfield neural network_HNN) [2], mạng để đốt Điều có nghĩa tổ máy có neural nhân tạo Lagrangian [3], PAA (partition hàm chi phí bậc hai Tuy nhiên, approach algorithm) [4], lập trình tiến hóa (EP- ngày tổ máy sử dụng nhiều loại Evolution programming) [5], DE (differential nhiên liệu, nhiên liệu dùng evolution) [6], giải thuật SDE cải tiến [7] tương ứng với mức cơng suất phát Do đó, phương pháp khác tổ máy biểu diễn xấp xỉ thành nhiều Các phương pháp sử dụng hàm bậc hai tương ứng với giới hạn công phân tích kỹ nhằm tìm thuận lợi suất nhiên liệu khác Khó khăn cho khó khăn áp dụng Phương pháp [1] vận hành tổ máy làm để giữ nguyên giả thiết hàm chi phí bậc hai xác định nguồn nhiên liệu để đốt mang lại theo đoạn giải toán Trong tài liệu hiệu kinh tế Những nghiên cứu này, việc dò tìm phân cấp dựa vào phương tốn phối hợp tối ưu tổ máy phát thực pháp số phương pháp sử dụng để giải nhiều với kiện toán khác Trang 54 toán Tuy nhiên, việc giải toán TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 16, SỐ K2- 2013 phương pháp số khó khăn hệ thời gian so sánh Tính hiệu thống lớn Ứng dụng mạng neural Hopfield phương pháp kiểm chứng thông qua kết (Hopfield neural network _HNN) [2] với ưu so sánh với phương pháp khác điểm đơn giản lại gặp khó khăn KÝ HIỆU TOÁN HỌC xử lý số ràng buộc bất đẳng thức, toán lớn với nhiều ràng buộc bất Để thành lập toán, ký hiệu toán học giới thiệu sau: đẳng thức Ngoài ra, hội tụ HNN phụ thuộc vào lựa chọn hệ số phạt cho ràng buộc Trong mạng noron Lagrange F(Pjk): Chi phí nhiên liệu ứng với cơng suất phát tổ máy thứ j với nhiên liệu thứ k, (Rs/h) tăng cường (Enhanced Lagrangian Artificial Pjk: Công suất tổ máy thứ j với nhiên liệu thứ k Neural Network ELANN) [3], nhân tử j: Tổ máy thứ j, j = 1, 2,…,M Lagrange cải thiện nhằm đảm bảo tính hội tụ cho kết tối ưu, việc xúc tác I: Số bậc phụ tải ngày (tức số khoảng thời gian ngày) sử dụng để đạt hội tụ nhanh Tuy nhiên, hai phương pháp [2] Ti : Thời gian khoảng thời gian thứ i, (giờ) [3] có số vòng lặp lớn, thời gian dài N: Số tổ máy tham gia hệ thống kết tối ưu cuối Với chế dò tìm M: Số nhiên liệu tổ máy song song, phương pháp EP [5] có xác suất cao để tìm lời giải tối ưu Đối với toán phức tạp kết gần tối ưu ajk, bjk, cjk: Các hệ số hàm chi phí tổ máy thứ j với nhiên liệu thứ k Phương pháp [6], [7] xem công cụ PDi : Công suất tải thứ i, (MW) giải tốn có ràng buộc phức tạp Hai Pjkmin , Pjkmax : Công suất phát nhỏ nhất, lớn phương pháp ứng dụng cho hàm chi phí có xét đến hiệu ứng xả van, điều kiện khó mà phương pháp khác khó thực tổ máy thứ j với nhiên liệu thứ k, (MW) Một phương pháp mới, phương pháp AHNN λj: Nhân tử Lagrange tương ứng với suất tăng [8] cải tiến phương pháp việc tương đối tiêu hao nhiên liệu điều chỉnh độ dốc độ lệch neural suốt SẮP XẾP HÀM CHI PHÍ VÀ CƠNG q trình thực nhằm đạt kết nhanh SUẤT Mỗi tổ máy dùng nhiều loại nhiên Từ phân tích trên, báo đề liệu khác nhau, thêm với loại xuất phương pháp giải hiệu với nhiên liệu công suất tổ máy lại việc thành lập hàm toán học Lagrange khác Điều giải thích hình nhất, khơng cần sử dụng tổ hợp cho nhiều hàm bên Trang 55 Hàm chi phí F Hàm chi phí F Science & Technology Development, Vol 16, No.K2- 2013 Nhiên liệu Nhiên liệu Nhiên liệu Nhiên liệu Nhiên liệu Nhiên liệu Công suất P Tổ máy Tổ máy Cơng suất P Hình Hàm chi phí tương ứng với loại nhiên liệu tổ máy Các nhiên liệu 1, 2, hai tổ máy Tuy nhiên, tổ máy 2, nhiên liệu nhiên liệu có chi phí lớn thứ hai tương ứng với dải công suất phát lớn thứ hai (nghĩa a j1Pj21  b j1Pj1  c j1 , Pjmin  Pj  Pj1   Fik (Pik )   max a jk Pjk  b jk Pjk  c jk , Pjk1  Pjk  Pjk   F(P21)