Tái cấu hình lưới điện phân phối giảm tổn thất công suất sử dụng thuật toán Runner Root

Bài viết trình bày phương pháp tái cấu trúc lưới điện phân phối (LĐPP) sử dụng thuật toán tối ưu Runner Root Algorithm (RRA). Hàm mục tiêu của bài toán là giảm tổn thất công suất tác dụng trên LĐPP.

TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) TÁI CẤU HÌNH LƯỚI ĐIỆN PHÂN PHỐI GIẢM TỔN THẤT CƠNG SUẤT SỬ DỤNG THUẬT TOÁN RUNNER ROOT A METHOD TO RECONFIGURE DISTRIBUTION NETWORK FOR MINIMIZING POWER LOSS USING RUNNER ROOT ALGORITHM Nguyễn Tùng Linh2, Nguyễn Thanh Thuận1 Trường Đại học Điện lực, 2Trường Đại học Công nghiệp Thành phố Hồ Chí Minh Ngày nhận bài: 29/10/2019, Ngày chấp nhận đăng: 25/12/2019, Phản biện: TS Lê Tiên Phong Tóm tắt: Bài báo trình bày phương pháp tái cấu trúc lưới điện phân phối (LĐPP) sử dụng thuật toán tối ưu Runner Root Algorithm (RRA) Hàm mục tiêu toán giảm tổn thất công suất tác dụng LĐPP RRA thuật toán tối ưu phát triển lấy ý tưởng từ nhân giống số lồi thực vật có thân bị lan vốn sinh sản qua đốt thân phát triển rễ đốt thân để hút nước chất khoáng Hiệu phương pháp đề xuất kiểm tra LĐPP 33 nút Kết so sánh với giải thuật di truyền liên tục (CGA), cuckoo search (CSA) số nghiên cứu thực cho thấy RRA phương pháp hiệu để giải toán tái cấu trúc Từ khóa: Lưới điện phân phối, tổn thất cơng suất, thuật toán tối ưu runner root Abstract: This paper presents a method to reconfigure distribution networks using the runner root algorithm (RRA) The objective function is designed to reduce active power loss in the distribution network RRA is a newly developed optimal algorithm inspired by the propagation of a number of plant species that have a cow stalk that spawns through the stem segments and grows roots at the stem segments to absorb water and minerals The effectiveness of the proposed method is tested on the 33-node system The compared results with continuous genetic algorithm (CGA), cuckoo search (CSA) and other methods in the literature show that RRA is an effective method to solve the problems related to network reconfiguration Keywords: Distribution network, power loss, runner root algorithm GIỚI THIỆU CHUNG Vận hành hở lưới điện phân phối (LĐPP) có nhiều ưu điểm so với vận hành kín dễ dàng bảo vệ lưới, dòng cố nhỏ, dễ dàng điều chỉnh điện áp phân bố công Số 22 suất Tuy nhiên, vận hành mức điện áp thấp dòng điện lớn, LĐPP thường có tổn thất cơng suất độ sụt áp lớn [1] Vì vậy, giảm tổn thất cơng suất LĐPP nhiệm vụ quan TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) trọng vận hành LĐPP Trong đó, tái cấu trúc LĐPP biện pháp hiệu để giảm tổn thất cơng suất khơng u cầu chi phí đầu tư trang thiết bị mà thực thơng qua việc thay đổi trạng thái khóa điện LĐPP Bài toán tái cấu trúc LĐPP đề xuất lần đầu vào năm 1975 Merlin Back [2] Trong nghiên cứu này, kỹ thuật tối ưu nhánh biên sử dụng để xác định cấu trúc lưới có tổn thất bé Ban đầu tất khóa điện đóng lại để tạo thành lưới điện kín, sau khóa điện mở để khơi phục lại cấu trúc hình tia Civanlar cộng [3] sử dụng phương pháp trao đổi nhánh để giảm tổn thất công suất dựa việc chọn lựa cặp khóa điện Ý tưởng phương pháp vịng kín, khóa điện mở thay khóa đóng để giảm tổn thất cơng suất Khóa chọn khóa có mức giảm tổn thất công suất lớn Shirmohammadi Hong [4] đề xuất phương pháp tái cấu trúc giảm tổn thất công suất dựa phương pháp Merlin Back Trong phương pháp này, mơ hình mạng trở, ban đầu tất khóa điện đóng lại sau khóa điện có dòng điện bé mở lưới điện trở thành hình tia Những phương pháp có đặc điểm chung dựa tiêu chuẩn kỹ thuật khơng sử dụng thuật tốn tối ưu cố gắng tìm giải pháp tốt quy trình kỹ thuật Sau ba thập niên thu hút quan tâm nhà nghiên cứu với phát triển mạnh mẽ khoa học kỹ thuật máy tính, nhiều phương pháp heuristic tổng quát áp dụng để giải toán tái cấu trúc LĐPP đạt nhiều kết giải thuật di truyền (Genetic Algorithm - GA) [5]-[7], thuật toán tối ưu bầy đàn (Particle Swarm Optimization - PSO) [8]-[10] Ngoài ra, năm gần số thuật toán tối ưu tổng quát phát triển áp dụng thành cơng giải tốn tái cấu trúc thuật toán pháo hoa (Fireworks Algorithm - FWA) [11], thuật tốn tìm kiếm Tabu cải tiến (Improved Tabu Search - ITS hay Modified Tabu Search - MTS) [12], [13], thuật tốn tìm kiếm hài hịa (Harmony Search Algorithm - HSA) [12], thuật toán cạnh tranh đế quốc cải tiến (Improved Adaptive Imperialist Competitive Algorithm - IAICA) [14] Đây phương pháp thường tiếp cận ngẫu nhiên mà u cầu đặc biệt tính liên tục hàm mục tiêu hiệu việc xử lý tốn tối ưu có ràng buộc [15] Tuy nhiên, thuật toán heuristic tổng quát vấn đề cần quan tâm chúng rơi vào cực trị địa phương thay tồn cục số thuật toán lại yêu cầu số lượng lớn thông số cần điều chỉnh trình thực Vì vậy, lĩnh vực này, toán ngăn ngừa hội tụ sớm vào cực trị địa phương thuật toán heuristic tổng quát thu hút nhiều quan tâm nhiều nhà nghiên cứu [15] Thuật toán RRA thuật toán heuristic tổng quát phát triển lấy ý tưởng từ nhân giống số Số 22 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) loài thực vật có thân bị lan Trong tự nhiên, thực vật có thân bò lan sinh sản qua đốt thân phát triển rễ đốt thân để hút nước chất khoáng [16] RRA hoạt động dựa hai chế riêng rẽ phục vụ cho việc khai phá khai thác Để tìm kiếm khai phá, RRA trang bị hai công cụ bao gồm bước nhảy ngẫu nhiên so với mẹ chế khởi động lại thuật tốn Cơng cụ giúp RRA di chuyển đến điểm khác khơng gian tìm kiếm, cơng cụ thứ hai giúp RRA tăng hội tìm kiếm điểm tối ưu tồn cục Để thực tìm kiếm khai thác, RRA trang bị hai công cụ bao gồm chế phát triển rễ lớn rễ nhỏ chế chọn lọc cá thể ưu tú Công cụ giúp RRA tìm kiếm khơng gian xung quanh giải pháp tối ưu nhất, cơng cụ thứ hai đảm bảo giải pháp tốt hệ truyền qua hệ sau Trong [16], RRA cho thấy đặc điểm vượt trội so với PSO, Differential Evolution (DE) thuật toán đàn ong nhân tạo (Artificial Bee Colony ABC) Bài báo RRA đề xuất giải toán tái cấu trúc giảm tổn thất công suất LĐPP Hiệu RRA cho toán tái cấu trúc kiểm tra LĐPP 33 nút Kết thu từ RRA so sánh với phương pháp sử dụng giải thuật di truyền với biến liên tục (Continuous Genetic Algorithm CGA), giải thuật cuckoo search (cuckoo search algorithm - CSA) nghiên cứu thực MÔ HÌNH BÀI TỐN Tổn thất cơng suất (∆𝑃) cấu trúc lưới Số 22 Xth xác định tổng tổn thất công suất nhánh: 𝑃𝑖2 +𝑄𝑖2 ∆𝑃 = ∑𝑁𝑏𝑟 𝑖=1 𝑅𝑖 × ( 𝑉𝑖2 ) (1) Trong đó, Nbr tổng số nhánh lưới phân phối Ri tổng trở nhánh thứ ith Pi Qi công suất tác dụng phản kháng nhánh ith Vi điện áp cuối nhánh ith Quá trình tái cấu trúc phải thỏa mãn điều kiện ràng buộc:  Giới hạn điện áp nút dòng điện nhánh: Trong suốt trình thực tái cấu trúc, ràng buộc vận hành phải đảm bảo: 𝑉𝑚𝑖𝑛,𝑐𝑝 ≤ 𝑉𝑗 ≤ 𝑉𝑚𝑎𝑥,𝑐𝑝 (2) ≤ 𝐼𝑖 ≤ 𝐼𝑚𝑎𝑥,𝑐𝑝,𝑖 (3) Trong đó, 𝑉𝑗 𝐼𝑖 điện áp nút jth dịng điện nhánh ith  Cấu trúc lưới hình tia LĐPP: Do LĐPP ln vận hành hình tia, nên xem ràng buộc đẳng thức toán Trong ràng buộc này, tất nút tải phải cấp điện cấu trúc vận hành hình tia phải trì TÁI CẤU TRÚC LĐPP GIẢM TỔN THẤT CÔNG SUẤT SỬ DỤNG RRA Bước 1: Lựa chọn thông số Tương tự thuật toán tối ưu khác, số thông số điều khiển cần chọn quần thể mẹ (N), số biến điều khiển hay khóa điện mở (dim), số vịng lặp lớn (itermax) Ngồi ra, RRA cần có số thơng số độ dài TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) thân (dru), độ dài rễ (dro), số vòng lặp để khởi động lại giải thuật (Stallmax), thay đổi tương đối giá trị hàm thích nghi hai vòng lặp liên tiếp (tol) Bước 2: Khởi tạo ngẫu nhiên mẹ Trong trình tái cấu trúc LĐPP sử dụng RRA, cấu trúc hình tia xem mẹ (𝑋𝑚𝑜 ) Mỗi mẹ thể vector giải pháp biến cho sau: 𝑋𝑚𝑜 = [𝑋1 , 𝑋2 , … , 𝑋𝑑𝑖𝑚 ] (4) Trong đó, 𝑋1 , 𝑋2 , … , 𝑋𝑑𝑖𝑚 khóa điện mã hóa thứ tự chúng vịng sở 1th, 2th,…, vòng dimth Giá trị Xi số nguyên nằm khoảng từ đến kích thước vector vịng sở ith Vì vậy, bắt đầu giải thuật quần thể mẹ khởi tạo ngẫu nhiên sau: 𝑋𝑚𝑜,𝑘 = 𝑓𝑟[𝑋𝑙,𝑑 + 𝑟 (𝑋ℎ,𝑑 − 𝑋𝑙,𝑑 )] (5) Với 𝑋𝑙,𝑑 = 𝑋ℎ,𝑑 kích thước vector vịng sở dth; r số ngẫu nhiên khoảng [0, 1]; k = 1÷N; d = 1÷dim fr hàm làm trịn số số nguyên gần Bước 3: Tạo Tại vòng lặp, ngoại trừ mẹ quần thể mẹ khác sinh ngẫu nhiên (𝑋𝑑𝑎 ) Cây mẹ quần thể thay tốt vịng lặp trước 𝑋𝑑𝑎,𝑘 (𝑖) = 𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (i − 1) ,𝑘 = { 𝑓𝑟[𝑋𝑚𝑜,𝑘 (𝑖) + 𝑑𝑟𝑢 𝑟], 𝑘 = 2, … , 𝑁 (6) Từ quần thể con, điều kiện ràng buộc kiểm tra giá trị hàm thích nghi tính có hàm thích nghi tốt vịng lặp tìm thấy gọi (Xda,best (i)) Bước 4: Tìm kiếm cục với bước lớn nhỏ Mục đích bước sinh xung quanh tốt cập nhật tốt Trong bước này, hai thủ tục tìm kiếm cục thực hiện, thủ tục thứ tạo với khoảng cách lớn từ tốt đến thực trước thủ tục thứ hai tạo với khoảng cách nhỏ từ tốt đến thực sau Tuy nhiên, hai thủ tục không áp dụng cho tất vịng lặp mà phụ thuộc vào so sánh giá trị tol số cải thiện tương đối RI tính tốn sau: 𝑅𝐼 = | Trong 𝑓(𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖−1))−𝑓(𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖)) 𝑓(𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖−1)) đó, | (7) 𝑓 (𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖 − 1)) 𝑓 (𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖)) giá trị thích nghi tốt vòng lặp trước vòng lặp Khi RI lớn tol, q trình tính toán di chuyển xuống bước để tiếp tục q trình tìm kiếm tồn cục Ngược lại, hai thủ tục tìm kiếm cục thực để cập nhật tốt sau: Tìm kiếm cục với bước lớn: Thủ tục Số 22 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) nhằm tạo dim cách sửa phần tử tốt hữu sau: chọn sinh bước tốt sử dụng phương pháp bánh xe roulette 𝑋𝑝𝑒,𝑑 = Sự thích nghi tính tốn sau: 𝑓𝑟[𝑣𝑒𝑐{1, … ,1 + 𝑑𝑟𝑢 𝑟𝑑 , 1, … ,1} 𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖)] (8) Với 𝑣𝑒𝑐{1, … ,1 + 𝑑𝑟𝑢 𝑟𝑑 , 1, … ,1} vector với tất phần tử ngoại trừ phần tử dth cho + 𝑑𝑟𝑢 𝑟𝑑 với rd số ngẫu nhiên khoảng [0,1] Từ dim tạo ra, giá trị hàm thích nghi tính tốn Cuối cùng, tốt (Xda,best) cập nhật lại dim có có giá trị hàm thích nghi tốt tốt hữu Tìm kiếm cục với bước nhỏ: Tương tự thủ tục tìm kiếm cục với bước lớn, bước dim tạo sau: 𝑋𝑝𝑒,𝑑 = 𝑓𝑟[𝑣𝑒𝑐{1, … ,1 + 𝑑𝑟𝑜 𝑟𝑑 , 1, … ,1} 𝑋𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖)] (9) Lưu ý 𝑑𝑟𝑢 biểu thức (8) thay 𝑑𝑟𝑜 (9) Trong 𝑑𝑟𝑜 nhỏ nhiều so với 𝑑𝑟𝑢 Tương tự, từ dim tạo ra, giá trị hàm thích nghi tính tốn Cuối cùng, tốt (Xda,best) cập nhật lại lần Bước 5: Tạo mẹ cho hệ sau Tại giai đoạn cuối vòng lặp, quần thể mẹ sử dụng cho hệ Số 22 𝑘 (𝑖)) 𝑓 (𝑋𝑑𝑎 = 𝑘 (𝑖))−𝑓(𝑋 𝑘 𝑎+𝑓(𝑋𝑑𝑎 𝑑𝑎,𝑏𝑒𝑠𝑡 (𝑖)) (10) Trong a số dương nhỏ Xác suất kth chọn cho hệ sau xác định biểu thức (11) Khi đó, phương pháp bánh xe roulette sử dụng để chọn mẹ từ 𝑝𝑘 = 𝑘 (𝑖)) 𝑓(𝑋𝑑𝑎 𝑗 ∑N 𝑗=1 𝑓(𝑋𝑑𝑎 (𝑖)) (11) Bước 6: Thoát khỏi giải pháp cực trị địa phương Để tránh giải pháp cực trị địa phương mà thuật tốn bị bẫy vào, biến đếm tăng đơn vị cải thiện hàm thích nghi tốt hai vòng lặp liên tiếp nhỏ tol, ngược lại biến đếm đặt không Nếu giá trị biến đếm Stallmax, thuật toán khởi động lại cách khởi tạo ngẫu nhiên quần thể mẹ tương tự bước ngược lại thuật toán di chuyển đến bước Bước 7: Điều kiện dừng giải thuật Quá trình tạo từ mẹ trình trở thành cây mẹ thực số vòng lặp (iter) đạt đến số vòng lặp lớn (itermax) Sơ đồ bước thực TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) phương pháp tái cấu trúc LĐPP sử dụng thuật tốn RRA trình bày hình Bắt đầu - Nhập thông số LĐPP - Thiết lập: N, dim, tol, Stallmax , dru , dro , itermax - Khởi tạo ngẫu nhiên quần thể mẹ - Đặt vòng lặp i = - Chọn giá trị ban đầu Fbest0 lớn Tạo từ mẹ Giải tốn phân bố cơng suất Tính giá trị hàm thích nghi Tìm tốt (Xda,best (i)) - Tính giá trị hàm thích nghi tốt hai vịng lặp (i-th) ((i-1)-th) - Tính tốn số RI Sai RI < tol Đúng - Tạo dim từ dru - Tạo dim từ dro - Giải toán phân bố cống suất - Tính giá trị hàm thích nghi Cập nhật tốt Xda,best (i) Tạo mẹ từ sử dụng phương pháp lựa chọn bánh xe Roulette Cập nhật lại hệ số RI Đúng RI < tol Count = Count + Sai Count = Sai Count
Stallmax Đúng xây dựng dạng “file.m” chạy từ “Command Window” phần mềm MATLAB máy tính có cấu trúc Intel Core i3 M 330 @ 2.13GHz, CPU, cores per CPU, Motherboard Aspire 4740, 2GB DDR3 RAM, Hard Drive ST9250320AS (250GB), Windows SP1 (32-bit) Thông số RRA sử dụng tính tốn số mẹ 𝑁 = 20; vòng lặp lớn 𝑖𝑡𝑒𝑟𝑚𝑎𝑥 = 150; thay đổi tương đối giá trị hàm thích nghi tốt hai vòng lặp 𝑡𝑜𝑙 = 0.01; số vịng lặp để khởi động lại thuật tốn 𝑆𝑡𝑎𝑙𝑙𝑚𝑎𝑥 = 50 Do số lượng khóa mở ban đầu lưới 33 nên kích thước vector giải pháp hệ thống chọn 𝑑𝑖𝑚 = LĐPP 33 nút với 37 nhánh, 32 khóa điện thường đóng khóa điện thường mở sử dụng để kiểm tra phương pháp đề nghị Thông số đường dây phụ tải hệ thống sử dụng [17] sơ đồ đơn tuyến hệ thống mơ tả hình Ngồi ra, tổn thất công suất ban đầu, điện áp nút thấp dòng điện định mức nhánh 202.69 kW, 0.9131 p.u 255 A Khởi tạo ngẫu nhiên quần thể mẹ 23 i=i+1 Sai 24 23 25 24 37 26 i > itermax Đúng 26 22 Kết quả: Xda,best (cấu hình LĐPP có hàm mục tiêu tốt nhất) Hình Sơ đồ bước tái cấu trúc LĐPP sử dụng RRA Bài tốn tái cấu trúc giảm tổn thất cơng suất dựa RRA kiểm tra LĐPP 33 nút Chương trình tính tốn 28 29 31 30 32 31 33 36 32 34 18 10 9 11 10 12 11 13 12 15 16 14 13 14 15 17 16 18 17 33 19 19 KẾT QUẢ TÍNH TỐN 29 30 28 27 25 Kết thúc 27 20 21 20 22 21 35 Hình LĐPP IEEE 33 nút Ngoài ra, để đảm bảo công so sánh, hai phương pháp tái cấu trúc sử dụng thuật toán di truyền với biến liên Số 22 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) tục CGA [18] thuật tốn tìm kiếm CSA [19] thực máy tính CGA dựa chế chọn lọc tự nhiên sử dụng biến số thực thuật toán heuristic tổng quát tiếng phù hợp với toán mà biến điều khiển liên tục CSA thuật toán phát triển lấy ý tưởng từ đặc điểm sinh sản ký sinh số lồi chim tu hú Cả hai thuật tốn áp dụng thành cơng vào tốn tái cấu trúc, CGA sử dụng nghiên cứu [20], [21], [22], [23] CSA chứng minh khả nghiên cứu [24], [25] Các thông số điều khiển CGA CSA cài đặt phạm vi cho phép giá trị tối ưu lựa chọn qua nhiều lần thực Kết quả, tỉ lệ chọn lọc tự nhiên tỉ lệ đột biến CGA xác định 0.5 0.2 CSA, xác suất phát trứng lạ tổ chim chủ 0.2 Các thông số khác hai thuật tốn kích thước quần thể, kích thước vector biến điều khiển số vòng lặp lớn chọn tương tự RRA Hiệu phương pháp đề xuất trình bày bảng Tổn thất công suất hệ thống giảm từ 202.69 kW cấu trúc ban đầu xuống 139.55 kW cấu trúc tối ưu Điện áp nút thấp cải thiện từ 0.9131 p.u đến 0.9378 p.u Bảng cho thấy, kết thực RRA với kết thực từ phương pháp HBB-BC [26], MOIWO [27], HSA [28] PSO [29] tốt kết thực phương pháp ACO [30] FWA [11]’ Bảng Kết RRA với CGA CSA LĐPP 33 nút Hàm thích nghi STD Mean STD Thời gian tính tốn (s) 139.55 139.55 139.55 8.6e-14 38.10 21.34 48.17 7, 14, 9, 32, 37 146.19 139.55 139.78 1.2121 54.63 29.86 39.26 7, 14, 9, 32, 37 140.28 139.55 139.58 0.1328 83.63 34.25 72.58 Phương pháp Khóa mở RRA 7, 14, 9, 32, 37 CGA CSA Max Min Điện áp nút sau thực tái cấu trúc cho hình Hình vẽ cho thấy điện áp tất nút cải thiện đáng kể sau tái cấu trúc Hệ số mang tải nhánh LĐPP 33 nút hình cho thấy khơng có nhánh vi phạm ràng buộc dịng điện Số 22 Mean Vịng lặp hội tụ Hình Biên độ điện áp trước sau tái cấu trúc LĐPP 33 nút TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Hình Hệ số mang tải nhánh trước sau tái cấu trúc LĐPP 33 nút Để so sánh RRA với CGA CSA, toán tái cấu trúc chạy 50 lần độc lập Giá trị lớn nhất, nhỏ nhất, trung bình độ lệch chuẩn hàm thích nghi vịng lặp hội tụ so sánh bảng Từ bảng cho thấy, kết thực phương pháp đề xuất tốt hai phương pháp so sánh giá trị vòng lặp hội tụ Mặc dù ba phương pháp tìm giá trị hàm thích nghi nhỏ giá trị trung bình hàm thích nghi ba phương pháp gần Tuy nhiên, số vịng lặp hội tụ trung bình RRA 38.1, CGA CSA 54.63 83.63 Hình Đặc tính hội tụ RRA, CGA CSA LĐPP 33 nút sau 50 lần chạy Về thời gian tính toán, RRA 48.17 s để giải toán, chậm CGA 8.91 s nhanh CSA 24.41 s Mặc dù nhiều thời gian tính tốn so với CGA, rõ ràng thời gian tính tốn tính cho 150 vịng lặp RRA hội tụ sau 39 vòng lặp CGA hội tụ sau 55 vịng lặp Đặc tính hội tụ trung bình nhỏ RRA, CGA CSA hệ thống 33 nút cho hình cho thấy đường đặc tính trung bình RRA ln thấp CGA CSA Bảng Kết RRA với CGA CSA LĐPP 33 nút Hàm thích nghi Phương pháp Khóa mở RRA Mean STD Thời gian tính tốn (s) 139.55 8.6e-14 38.10 21.34 48.17 139.55 139.78 1.2121 54.63 29.86 39.26 139.55 139.58 0.1328 83.63 34.25 72.58 Max Min 7, 14, 9, 32, 37 139.55 139.55 CGA 7, 14, 9, 32, 37 146.19 CSA 7, 14, 9, 32, 37 140.28 KẾT LUẬN Trong báo này, thuật toán RRA áp dụng thành công để giải toán tái cấu trúc LĐPP Hàm mục tiêu tốn giảm tổn thất cơng suất tác dụng Mean Vòng lặp hội tụ STD Phương pháp đề xuất kiểm tra hệ thống 33 nút Kết tính tốn cho thấy chất lượng giải pháp thu có chất lượng tốt so với thuật tốn CGA CSA với giá trị lớn nhất, trung bình Số 22 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) độ lệch chuẩn hàm thích nghi 50 lần chạy độc lập bé so với CGA CSA Ngồi ra, phương pháp RRA có khả tìm cấu trúc vận hành LĐPP với số vịng lặp nhỏ nhiều so với phương pháp CGA CSA Vì cơng cụ tiềm hiệu để giải toán tái cấu trúc LĐPP TÀI LIỆU THAM KHẢO [1] S Gopiya Naik, D.K Khatod, and M.P Sharma, “Optimal allocation of combined DG and capacitor for real power loss minimization in distribution networks,” International Journal of Electrical Power and Energy Systems, vol 53, pp 967–973, 2013 [2] A Merlin and H Back, “Search for a minimal loss operating spanning tree configuration in an urban power distribution system,” Proceeding in 5th power system computation conf (PSCC), Cambridge, UK, vol 1, pp 1–18, 1975 [3] S Civanlar, J.J Grainger, H Yin, and S.S.H Lee, “Distribution feeder reconfiguration for loss reduction,” IEEE Transactions on Power Delivery, vol 3, no 3, pp 1217–1223, 1988 [4] D Shirmohammadi and H.W Hong, “Reconfiguration of electric distribution networks for resistive line losses reduction,” IEEE Transactions on Power Delivery, vol 4, no 2, pp 1492–1498, 1989 [5] J.Z Zhu, “Optimal reconfiguration of electrical distribution network using the refined genetic algorithm,” Electric Power Systems Research, vol 62, no 1, pp 37–42, 2002 [6] R.T Ganesh Vulasala, Sivanagaraju Sirigiri, “Feeder Reconfiguration for Loss Reduction in Unbalanced Distribution System Using Genetic Algorithm,” International Journal of Electrical and Electronics Engineering, vol 3, no 12, pp 754–762, 2009 [7] P Subburaj, K Ramar, L Ganesan, and P Venkatesh, “Distribution System Reconfiguration for Loss Reduction using Genetic Algorithm,” Journal of Electrical Systems, vol 2, no 4, pp 198–207, 2006 [8] K.K Kumar, N Venkata, and S Kamakshaiah, “FDR particle swarm algorithm for network reconfiguration of distribution systems,” Journal of Theoretical and Applied Information Technology, vol 36, no 2, pp 174–181, 2012 [9] T.M Khalil and A.V Gorpinich, “Reconfiguration for Loss Reduction of Distribution Systems Using Selective Particle Swarm Optimization,” International Journal of Multidisciplinary Sciences and Engineering, vol 3, no 6, pp 16–21, 2012 [10] A.Y Abdelaziz, S.F Mekhamer, F.M Mohammed, and M a L Badr, “A Modified Particle Swarm Technique for Distribution Systems Reconfiguration,” The online journal on electronics and electrical engineering(OJEEE), vol 1, no 1, pp 121–129, 2009 [11] A Mohamed Imran and M Kowsalya, “A new power system reconfiguration scheme for power loss minimization and voltage profile enhancement using Fireworks Algorithm,” International Journal of Electrical Power and Energy Systems, vol 62, pp 312–322, 2014 [12] R.S Rao, S Venkata, L Narasimham, M.R Raju, and a S Rao, “Optimal Network Reconfiguration of Large-Scale Distribution System Using Harmony Search Algorithm,” IEEE Transaction on Power System, vol 26, no 3, pp 1080–1088, 2011 Số 22 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) [13] A.Y Abdelaziz, F.M Mohamed, S.F Mekhamer, and M.A.L Badr, “Distribution system reconfiguration using a modified Tabu Search algorithm,” Electric Power Systems Research, vol 80, no 8, pp 943–953, 2010 [14] S Mirhoseini, S.M Hosseini, M Ghanbari, and M Ahmadi, “A new improved adaptive imperialist competitive algorithm to solve the reconfiguration problem of distribution systems for loss reduction and voltage profile improvement,” International Journal of Electrical Power and Energy Systems, vol 55, pp 128–143, 2014 [15] A.R Jordehi, “Optimisation of electric distribution systems: A review,” Renewable and Sustainable Energy Reviews, vol 51, pp 1088–1100, 2015 [16] F Merrikh-Bayat, “The runner-root algorithm: A metaheuristic for solving unimodal and multimodal optimization problems inspired by runners and roots of plants in nature,” Applied Soft Computing, vol 33, pp 292–303, 2015 [17] M.E Baran and F.F Wu, “Network reconfiguration in distribution systems for loss reduction and load balancing,” IEEE Transactions on Power Delivery, vol 4, no pp 1401–1407, 1989 [18] R.L Haupt and S.E Haupt, Practical Genetic Algorithms, Second John Wiley & Sons, Inc., Hoboken, New Jersey, 2004 [19] X.S Yang and S Deb, “Cuckoo search via Lévy flights,” in 2009 World Congress on Nature and Biologically Inspired Computing, NABIC 2009 - Proceedings, 2009, pp 210–214 [20] J Mendoza, R López, D Morales, E López, P Dessante, and R Moraga, “Minimal loss reconfiguration using genetic algorithms with restricted population and addressed operators: Real application,” IEEE Transactions on Power Systems, vol 21, no 2, pp 948–954, 2006 [21] N Gupta, a Swarnkar, K.R Niazi, and R.C Bansal, “Multi-objective reconfiguration of distribution systems using adaptive genetic algorithm in fuzzy framework,” IET Generation, Transmission & Distribution, vol 4, no 12, p 1288, 2010 [22] N Gupta, A Swarnkar, and K.R Niazi, “Distribution network reconfiguration for power quality and reliability improvement using Genetic Algorithms,” International Journal of Electrical Power & Energy Systems, vol 54, pp 664–671, 2014 [23] J.C Cebrian and N Kagan, “Reconfiguration of distribution networks to minimize loss and disruption costs using genetic algorithms,” Electric Power Systems Research, vol 80, no 1, pp 53–62, 2010 [24] T.T Nguyen and A.V Truong, “Distribution network reconfiguration for power loss minimization and voltage profile improvement using cuckoo search algorithm,” International Journal of Electrical Power and Energy Systems, vol 68, pp 233–242, 2015 [25] T.T Nguyen, A.V Truong, and T.A Phung, “A novel method based on adaptive cuckoo search for optimal network reconfiguration and distributed generation allocation in distribution network,” International Journal of Electrical Power & Energy Systems, vol 78, pp 801–815, 2016 [26] M Sedighizadeh, S Ahmadi, and M Sarvi, “An Efficient Hybrid Big Bang–Big Crunch Algorithm for Multi-objective Reconfiguration of Balanced and Unbalanced Distribution Systems in Fuzzy Framework,” Electric Power Components and Systems, vol 41, no 1, pp 75–99, 2013 [27] D Sudha Rani, N Subrahmanyam, and M Sydulu, “Multi-Objective Invasive Weed Optimization – An application to optimal network reconfiguration in radial distribution systems,” International Journal of Electrical Power & Energy Systems, vol 73, pp 932–942, 2015 10 Số 22 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) [28] R.S Rao, K Ravindra, K Satish, and S.V.L Narasimham, “Power Loss Minimization in Distribution System Using Network Reconfiguration in the Presence of Distributed Generation,” IEEE Transactions on Power Systems, vol 28, no 1, pp 317–325, 2013 [29] A.Y Abdelaziz, F.M Mohammed, S.F Mekhamer, and M.A.L Badr, “Distribution Systems Reconfiguration using a modified particle swarm optimization algorithm,” Electric Power Systems Research, vol 79, pp 1521–1530, 2009 [30] Y.K Wu, C.Y Lee, L.C Liu, and S.H Tsai, “Study of reconfiguration for the distribution system with distributed generators,” IEEE Transactions on Power Delivery, vol 25, no 3, pp 1678–1685, 2010 [31] H.D Dehnavi and S Esmaeili, “A new multiobjective fuzzy shuffled frog-leaping algorithm for optimal reconfiguration of radial distribution systems in the presence of reactive power compensators,” Turkish Journal of Electrical Engineering and Computer Sciences, vol 21, no 3, pp 864–881, 2013 Giới thiệu tác giả: Tác giả Nguyễn Thanh Thuận tốt nghiệp đại học năm 2008; nhận Thạc sĩ năm 2012; nhận Tiến sĩ ngành kỹ thuật điện năm 2018 Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh Hiện tác giả công tác Trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh Lĩnh vực nghiên cứu: lưới điện phân phối, lưới điện truyền tải, lượng tái tạo Tác giả Nguyễn Tùng Linh tốt nghiệp đai học ngành hệ thống điện năm 2005, nhận Thạc sĩ năm 2010 Trường Đại học Bách khoa Hà Nội; bảo vệ luận án Tiến sĩ ngành kỹ thuật điều khiển tự động hóa năm 2018 Viện Hàn lâm Khoa học Công nghệ Việt Nam Lĩnh vực nghiên cứu: hệ thống điện, ứng dụng AI cho hệ thống điện, lưới điện phân phối, tự động hóa hệ thống điện, lưới điện phân phối Số 22 11 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) 12 Số 22 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Số 22 13 ... itermax Đúng 26 22 Kết quả: Xda,best (cấu hình LĐPP có hàm mục tiêu tốt nhất) Hình Sơ đồ bước tái cấu trúc LĐPP sử dụng RRA Bài toán tái cấu trúc giảm tổn thất công suất dựa RRA kiểm tra LĐPP 33 nút... (∆