Ứng dụng thuật toán gen điều độ công suất tác dụng và công suất phản kháng trong hệ thống điện

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA TRẦN KHÁNH HƯNG ỨNG DỤNG THUẬT TOÁN GEN ĐIỀU ĐỘ CÔNG SUẤT TÁC DỤNG VÀ CÔNG SUẤT PHẢN KHÁNG TRONG HỆ THỐNG ĐIỆN Chuyên ngành: Thiết Bị – Mạng Và Nhà Máy Điện Mã số ngành: 60.52.50 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng năm 2005 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: TIẾN SĨ QUYỀN HUY ÁNH Cán chấm nhận xét 1: …………………………………………………………………………………………………………… Cán chấm nhận xét 2: …………………………………………………………………………………………………………… Luận văn bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày…….tháng……năm……… TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM PHÒNG ĐÀO TẠO SAU ĐẠI HỌC ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày … tháng … năm 200… NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Trần Khánh Hưng Phái: Nam Ngày, tháng, năm sinh: 14 – – 1974 Nơi sinh: Sóc Trăng Chuyên ngành: Thiết Bị – Mạng Và Nhà Máy Điện MSHV: 01803456 TÊN ĐỀ TÀI: Ứng dụng thuật toán gen điều độ công suất tác dụng công suất phản kháng hệ thống điện II- NHIỆM VỤ VÀ NỘI DUNG: ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… III- NGÀY GIAO NHIỆM VỤ: ………………………………………………………………………………………………… IV- NGÀY HOÀN THÀNH NHIỆM VỤ: …………………………………………………………………………… V- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TIẾN SĨ QUYỀN HUY ÁNH CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH Tiến Só Quyền Huy Ánh Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày…… tháng…… năm…… PHÒNG ĐÀO TẠO SĐH KHOA QUẢN LÝ NGÀNH LỜI CẢM ƠN Lời cho gởi lời chân thành cảm ơn đến tất thầy cô Trường Đại Học Bách Khoa TP HCM tận tâm giảng dạy bảo cho suốt thời gian học tập Tạc dạ, khắc ghi công ơn thầy Tiến Só Quyền Huy Ánh tận lực, tận tâm hướng dẫn giúp đỡ trình học tập thực đề tài Cám ơn tất thầy cô anh chị nhân viên phòng quản lý sau đại học tạo điều kiện thiện lợi cho trình học tập Cám ơn tất bạn bè, bạn đồng nghiệp động viên giúp đỡ khoảng thời gian qua Sau cùng, tất lòng cho gởi lời biết ơn sâu sắc đến cha mẹ gia đình thương yêu, giúp đỡ vô bờ bến, không ngừng động viên, khích lệ bên giai đoạn khó khăn TP HCM, Tháng năm 2005 Trần Khánh Hưng TÓM TẮT Vận hành tối ưu qui hoạch hệ thống điện nhiệm vụ yếu sản xuất điện Trong suốt thời gian vận hành hệ thống điện vận hành điều kiện bình thường Tuy nhiên thao tác vận hành cần phải thực nhanh chóng hệ thống điện vi phạm ràng buộc vận hành, đặc biệt sau nhiễu loạn lớn Do đó, cần phải phát triển công cụ tính toán hổ trợ nhân viên vận hành định nhanh chóng thông số điều khiển nhằm nâng cao mức độ an ninh kinh tế hệ thống điện điều kiện vận hành khắc nghiệt Đề tài trình bày việc ứng dụng thuật toán gen để điều độ kinh tế công suất tổ máy phát hệ thống điện Mục tiêu toán điều độ kinh tế tổ máy phát xác định công suất phát tổ máy đáp ứng nhu cầu phụ tải hệ thống với chi phí phát điện thấp nhất, đồng thời phải thỏa mãn ràng buộc mạng điện tổ máy phát Bài toán điều độ kinh tế giả sử tổ máy phát đấu vào hệ thống Tuy nhiên, số trường hợp cần vận hành số tổ máy hệ thống kinh tế Nhu cầu phụ tải hệ thống điện cao vào thời điểm ban ngày tối, thấp vào thời điểm đêm khuya sáng sớm Phụ tải hệ thống có chu kỳ theo tuần, thường phụ tải vào ngày cuối tuần thấp ngày thường Do đó, dự báo tốt nhu cầu phụ tải xây dựng kế hoạch vận hành tổ máy công ty điện lực nhà máy phát điện tiết kiệm nhiều chi phí Bài toán điều độ kinh tế tổ máy phát có chiều dài lịch sử, giải nhiều phương pháp tối ưu Tuy nhiên, để giải toán điều độ kinh tế tổ máy phát cách hiệu hầu hết thuật toán độ giả thiết đường cong chi phí tăng đơn điệu liên tục Thực tế đường cong chi phí tổ máy tăng không đơn điệu, thuật toán kinh điển thường bỏ qua san độ gia tăng đường cong chi phí không liên tục tăng đơn điệu Do đó, kết tính toán điều độ không xác rơi vào tối ưu cục Để kết tính toán điều độ xác, thuật toán không hạn chế hình dáng hàm chi phí nguyên liệu Để khắc phục nhược điểm thuật toán kinh điển thuật toán gen công cụ hữu dụng để giải toán điều độ kinh tế tổ máy phát, đặc biệt toán hàm lõm thiếu kiến thức hỗ trợ Thuật toán gen tìm kiếm tối ưu theo ba cách sau: Tìm giải pháp tối ưu quần thể cá i thể, sử dụng trực tiếp thông tin độ thích nghi, sử dụng lý thuyết xác suất Kết tìm thuật toán gen gần với điểm tối ưu toàn cục mà không rơi vào tối ưu cục Theo mục tiêu nghiên cứu đề tài mà luận văn trình bày sau: Chương 1: Trình bày mục tiêu, đối tượng, giới hạn phương pháp nghiên cứu đề tài Chương 2: Giới thiệu thiết bị điều khiển tác động đến phân bố công suất tác dụng công suất phản kháng hệ thống điện Trình bày phương pháp phân tách toán tối ưu phân bố công suất thành hai toán riêng lẻ toán phân bố công suất tác dụng toán phân bố công suất phản kháng việc thành lập mô hình toán học hai toán Chương 3: Trình bày tổng quan kỹ thuật tính toán Trình bày khái niệm bản, toán tử chế hoạt động thuật toán gen Giới thiệu dạng biến thể thuật toán gen Micro gen (µGA) Chương 4: Trình bày phương pháp điều độ kinh tế tải kinh điển (phương pháp Lambda) ứng dụng thuật toán gen để giải toán điều độ công suất tác dụng Phương pháp mã hóa gen toán điều độ công suất tác dụng sở độ gia tăng chi phí phát điện sở tổ máy phát Kết tính toán kiểm tra so sánh với phương pháp điều độ kinh tế tải kinh điển Chương 5: Trình bày ứng dụng thuật toán gen chuẩn dạng biến thể thuật toán gen Micro gen (µGA) toán điều độ công suất phản kháng Chương 6: Tóm tắt, kết luận hướng phát triển đề tài ii MỤC LỤC LỜI CẢM ƠN TÓM TẮT MỤC LỤC Chương 1: GIỚI THIỆU I Mục tiêu đối tượng nghiên cứu 1.1 Mục tiêu giới hạn nghiên cứu 1.2 Đối tượng nghiên cứu II Bố cục đề tài Chương 2: THÀNH LẬP MÔ HÌNH TOÁN PHÂN BỐ CÔNG SUẤT TÁC DỤNG VÀ CÔNG SUẤT PHẢN KHÁNG I Tổng quan II Các thiết bị điều khiển công suất tác dụng công suất phản kháng hệ thống điện Máy phát đồng Máy bù đồng Bộ bù tónh bán dẫn (SVC) 10 Vị trí đầu phân áp máy biến áp 10 Các phần tử phản kháng mắc song song 11 Đóng ngắt đường dây truyền tải 13 III Thành lập phân tách toán phân bố công suất 13 3.1 Bài toán điều độ công suất tác dụng 14 3.2 Bài toán điều độ công suất phản kháng 14 IV Bài toán điều độ kinh tế tải 14 4.1 Mô hình đặc tính nguyên liệu tổ máy phát nhiệt điện 15 4.2 Thành lập mô hình toán điều độ kinh tế tải 17 V Điều độ công suất phản kháng điều khiển điện áp Chương 3: KỸ THUẬT TÍNH TOÁN 18 20 I Giới thiệu 20 II Tổng quan thuật toán gen sở tối ưu hóa 20 2.1 Khởi tạo quần thể ban đầu 22 2.2 Đánh giá độ thích nghi 22 2.3 Chọn lọc tái tạo 22 2.4 Lai tạo 23 i 2.5 Đột biến 25 2.6 Đột biến dần 25 2.7 Độ đảm bảo 25 2.8 Thỏa mãn ràng buộc 25 2.9 Các tham số điều khiển 26 2.10 Tiêu chuẩn hội tụ 27 III Thuật toán Micro gen (µGA) 28 Chương 4: ỨNG DỤNG THUẬT TOÁN GEN ĐIỀU ĐỘ CÔNG SUẤT 30 TÁC DỤNG TRONG HỆ THỐNG ĐIỆN I Tổng quan 30 II Bài toán điều độ kinh tế tải kinh điển 30 2.1 Phương pháp tiếp cận 32 III Ứng dụng thuật toán gen điều độ công suất tác dụng 34 hệ thống điện 3.1 Phương pháp tiếp cận 35 3.2 Quá trình khởi tạo 35 3.3 Chiến lược mã hóa giải mã 35 3.4 Mã hóa giải mã gen sở Lambda 36 3.5 Mã hóa giải mã gen sở công suất tổ máy phát 38 IV Hàm đánh giá xử lý ràng buộc 39 V Kết mô 45 A Phương pháp kinh điển 49 B Phương pháp mã hóa gen Lambda 50 C Phương pháp mã hóa gen công suất phát 51 D Kết luận 52 Chương 5: ỨNG DỤNG THUẬT TOÁN GEN ĐIỀU ĐỘ CÔNG SUẤT PHẢN KHÁNG TRONG HỆ THỐNG ĐIỆN I Giới thiệu 54 II Ứng dụng thuật toán gen điều độ công suất phản kháng 54 điều khiển điện áp hệ thống điện 2.1 Thuật toán gen chuẩn 54 2.1.1 Quá trình khởi tạo 54 2.1.2 Mã hóa giải mã biến điều khiển 55 2.1.3 Đánh giá độ thích nghi xử lý ràng buộc 56 2.2 Thuật toán Micro gen (µGA) III Quá trình thực thi 59 60 ii Chương 6: TÓM TẮT VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI I Tóm tắt 63 II Hướng phát triển đề tài 64 Phụ lục Tài liệu tham khảo iii CHƯƠNG GIỚI THIỆU I MỤC TIÊU VÀ ĐỐI TƯNG NGHIÊN CỨU Điện ngành công nghiệp yếu hình thành góp phần vào phát triển nhân loại kỷ qua Do đó, nhu cầu tiêu thụ điện giới gia tăng hàng năm, công suất nguồn ràng buộc môi trường Điều này, dẫn đến nhiều thách thức cho nhà hoạch định nhân viên vận hành hệ thống điện Các hệ thống điện đại đặc trưng hệ thống điện liên thông lớn ngày gia tăng phụ thuộc vào điều khiển để khai thác tối ưu nguồn điện Đáp ứng độ tin cậy kinh tế lượng yếu tố định đến phát triển công nghiệp quốc gia gia tăng tiêu chuẩn sống tất yếu người Trong trình vận hành, hệ thống điện trải qua thay đổi mô hình phụ tải khác nhau, thay đổi cấu trúc mạng điện, điện cưỡng phần tử hệ thống điện đường dây, máy biến áp máy phát điện, … Sự vận hành hệ thống điện khống chế phương trình vi phân hai phương trình đại số phi tuyến bao gồm ràng buộc đẳng thức ứng với điều kiện cân công suất nguồn phát nhu cầu phụ tải, tập ràng buộc bất đẳng thức mô tả giới hạn vật lý thiết bị (điện áp dòng điện không vượt giới hạn cực đại) Trên sở đáp ứng vi phạm ràng buộc trên, hệ thống điện năm trạng thái mô tả hình 1.1 Các trạng thái T E DyLiacco đề xuất lần vào năm 1966 Các trạng thái tóm lược sau: Trạng thái an ninh (trạng thái bình thường): Trong trạng thái này, hai ràng buộc đẳng thức bất đẳng thức thỏa mãn Các nguồn phát cung cấp đầy đủ công suất cho nhu cầu phụ tải thiết bị bị tải Tuy nhiên, phần dự trữ hệ thống phải đủ khả dự phòng cho cấp độ an ninh tương ứng, đặc biệt ứng suất điện mà hệ thống phải gánh chịu Trạng thái cảnh báo: Trong trạng thái này, mức độ an ninh vài ngưỡng thích hợp Hệ thống có khuynh hướng vi phạm số ràng buộc bất đẳng thức phụ thuộc vào nhiễu loạn Các ràng buộc an ninh không thỏa mãn, cần phải có biện pháp ngăn ngừa cần thiết để chuyển từ trạng thái cảnh báo trạng thái an ninh D Kết luận Nhận xét kết mô ba phương pháp: ƒ Thuật toán gen cho kết tốt so với phương pháp nội suy Lambda ƒ Trong số trường hợp hai thuật toán gen cho kết không tốt phương pháp Lambda ƒ Thuật toán gen cần nhiều thời gian để thực thi chương trình so với phương pháp Lambda So sánh kết mô hai phương pháp mã hóa Lambda mã hóa công suất máy phát: ƒ Tổn thất công suất tổng công suất phát phương pháp mã hóa Lambda lớn phương pháp mã hóa công suất máy phát ƒ Phương pháp mã hóa Lambda cần nhiều thời gian tính toán phương pháp mã hóa công suất máy phát ƒ Chi phí phát điện phương pháp mã hóa Lambda nhỏ phương pháp mã hóa công suất máy phát Tuy nhiên, hệ thống có nhiều tổ máy phát, đặc biệt hệ thống điện lớn phương pháp mã hóa công suất máy phát cho kết không 53 tốt Do chuỗi nhiễm sắc thể mô tả công suất tổ máy dài, dẫn đến hiệu trình thực thi thao tác gen không cao cần nhiều thời gian để tính toán Trong đó, thời gian thực thi chương trình thuật toán mã hóa Lambda cải thiện sử dụng PC có cấu hình cao Do thuật toán mã hóa Lambda đề xuất ứng dụng giải toán điều độ kinh tế công suất tổ máy phát hệ thống điện 54 CHƯƠNG ỨNG DỤNG THUẬT TOÁN GEN ĐIỀU ĐỘ CÔNG SUẤT PHẢN KHÁNG TRONG HỆ THỐNG ĐIỆN I TỔNG QUAN Mục đích việc điều độ công suất phản kháng hệ thống điện nhằm trì điện áp hệ thống điều kiện phụ tải thay đổi khác vận hành kinh tế hệ thống điện nhằm giảm tổn thất công suất tác dụng hệ thống điện Chương trình bày phương pháp thuật toán gen chuẩn dạng biến thể kỹ thuật gen sở quần thể có kích thước nhỏ gọi Micro gen (µGA) để giải toán điều độ công suất phản kháng hệ thống điện II ỨNG DỤNG THUẬT TOÁN GEN TRONG ĐIỀU ĐỘ CÔNG SUẤT PHẢN KHÁNG VÀ ĐIỀU KHIỂN ĐIỆN ÁP Các biến điều khiển thường quan tâm toán điều độ công suất phản kháng điện áp đầu cực máy phát, vị trí đầu phân áp máy biến áp có thiết bị thay đổi đầu phân áp điện kháng mắc song song điều khiển phạm vi giới hạn không gian tham số Bên cạnh đó, cần quan tâm đến tình trạng cắt đường dây tải điện dài thời điểm non tải Thực thi toán điều độ công suất phản kháng sở thuật toán gen để tính điều kiện vận hành tối ưu mạng điện Thực thi chỉnh định yêu cầu để chuyển hệ thống đến trạng thái vận hành tối ưu Có hai phương pháp tiếp cận dựa thuật toán gen để giải toán điều độ công suất phản kháng là: ƒ Thuật toán gen chuẩn ƒ Thuật toán Micro gen (µGA) 2.1 Thuật toán gen chuẩn 2.1.1 Quá trình khởi tạo Trong giai đoạn khởi tạo, liệu cần thiết hệ thống điện trình tính toán phải chuẩn bị trước Xác định thông số thuật toán gen kích thước quần thể, số hệ cháu cặp bố mẹ xác suất lai tạo, xác suất đột biến xác suất đột biến dần 55 2.1.2 Mã hóa giải mã biến điều khiển Các biến điều khiển mã hóa biểu diễn chuỗi nhị phân Chuỗi nhiễm sắc thể thành lập sở ghép nối tiếp chuỗi nhiễm sắc thể thành phần Số chuỗi nhiễm sắc thể thành phần số biến điều khiển Sử dụng chuỗi nhiễm sắc bit đủ để mã hóa điện áp đầu cực máy phát phạm vi từ 92% – 110% với bước thay đổi 0.025 Trong trình mã hóa đầu phân áp máy phát, cần phải quan tâm đến tỷ số thay đổi điện áp đầu phân áp để tối ưu số bit biểu diễn Do đó, số bit nhị phân sử dụng để mã hóa đầu phân áp máy biến áp khác tính nhö sau: ⎛ Tjmax − Tjmin ) ⎞ ( ⎜ ⎟ b Tj = log 1.0 + ⎜ ⎟ Tjstep ⎝ ⎠ (5.1) Với Tjmax , Tjmin : Giá trị đầu phân áp lớn nhỏ máy biến áp thứ j Tjstep : Bước điều chỉnh đầu phân áp máy biến áp Chú ý bTj phải có giá trị nguyên dương Nếu không phải có tham số điều khiển giới hạn vi phạm để toán phân bố công suất hội tụ Trong trường hợp mã hóa tụ bù, số bit mã hóa biểu diễn chuỗi nhiễm sắc thể số nhóm tụ bù mắc nút K, N KC Số bit mã hóa cuộn kháng xác định tương tự Trạng thái đóng mở tụ điện cuộn kháng biểu diễn trình mô gen, bit đóng tụ bit mở tụ Chuỗi nhiễm sắc thể thành lập sở ghép nối tiếp chuỗi nhiễm sắc thể thành phần biểu diễn biến điều khiển tạo ngẫu nhiên phạm vi giới hạn biến điều khiển ⎡⎣ VGmin , VGmax ⎤⎦ , ⎡⎣T , T max ⎤⎦ , ⎡⎣ 0, N Ck ⎤⎦ , ⎡⎣ 0, N X ⎤⎦ (5.2) jm lm wm ⎤ C = ⎡⎣Sim Vi' ,STj' ,SCl' ,SXw ' ⎦ ; m = 1, 2, , n P i = 1, 2,…, bVi’ ; i’ = 1, 2,…, nG’ ; j = 1, 2,…, bTj’ ; j’ = 1, 2,…, nT l = 1, 2,…, bCl’ ; l’ = 1, 2,…, N CK ; w = 1, 2,…, bXw’ ; w’ = 1, 2,…, Nx Với nP : Kích thước quần thể 56 bVi’, bTj’, bCl’, bXw’ : Số bit cần thiết để mã hóa điện áp đầu cực máy phát, đầu phân áp máy biến áp, nhóm tụ điện cuộn kháng jm lm wm Sim Vi ' , STj' , SCl' , SXw ' : Trạng thái bit nhị phân nG’, nT, N Ck , Nx : Số tổ máy phát điều khiển điện áp, số máy biến áp có đầu phân áp, số nhóm tụ bù cuộn kháng điện Xét hệ thống gồm tổ máy phát, máy biến áp có đầu phân áp, trạm bù có hai nhóm tụ điện hai cuộn kháng Số bit mã hóa điện áp đầu cực máy phát, đầu phân áp máy biến áp, nhóm tụ điện cuộn kháng bV1 = 3, bT1 = 3, bC1 = bX1 = bX2 = trình bày hình 5.2 s11 s21 s31 s11 s21 s31 s41 s11 s21 s11 s11 V1 V1 V1 T1 T1 bV1 = T1 T1 C1 bT1 = C1 X1 X2 b X1 = b X2 = bC1 = s1m s2m s3m s1m s2m s3m s4m s1m s2m s1m s1m V1 V1 V1 T1 T1 T1 T1 C1 C1 X1 X2 Cm 1n s P V1 s 2n 3n P V1 s 1n P V1 s P T1 s 2n T1 3n P s P T1 s 4n T1 1n P s P C1 s 2n C1 1n P s 1n P X1 s P X2 Hình 5.1 Mã hóa biến điều khiển công suất phản kháng Các chuỗi nhiễm sắc thể thành phần biểu diễn điện áp đầu cực máy phát đầu phân áp máy biến áp tách từ chuỗi nhiễm sắc thể mã hóa thành giá trị thực tương đương Giá trị thực tương đương biến điều khiển xác định sau: ∧ ∧ y=y ∧ max + y ∧ −y −1 lc ∧ (5.3) X Với ∧ y : Giá trị thực biến điều khiển ∧ y ∧ max ,y : Giá trị thực lớn nhỏ biến điều khiển ∧ phần X : Giá trị thực mã hóa tương đương chuỗi nhiễm sắc thể thành lc : Độ dài chuỗi nhiễm sắc thể thành phần 57 ∧ Ví du,ï tìm giá trị thực tham số y , biết giá trị lớn nhỏ tham số 3.2 4.9, chuỗi nhị phân 11001 Độ dài chuỗi lc = 5, chuỗi nhị ∧ phân 11001 mã hóa thành giá trị thực tương ứng X = 25 Sử dụng công ∧ thức (5.3) để tính giá trị thực tham số y ∧ ∧ y=y ∧ max + y ∧ −y lc −1 ∧ X = 3.2 + 4.9 − 3.2 25 = 4.571 25 − Mã hóa nhóm tụ điện nhóm tụ điện đóng điện Tương tự cuộn kháng, vị trí bit chuỗi nhiễm sắc thể có nghóa cuộn kháng tụ điện tương ứng đóng điện ngược lại Thay đổi biến điều khiển cách ánh xạ liệu vào điều khiển tương ứng cấu trúc mạng điện thay đổi cuộn kháng nhóm tụ điện đưa vào hệ thống Thực thi tính toán phân bố tải ứng với chuỗi nhiễm quần thể nhằm cung cấp thông tin tổn thất công suất tác dụng hệ thống, lượng công suất phản kháng phát tổ máy phát điện áp nút Tính độ lệch điện áp toàn phần xác định hàm thích nghi 2.1.3 Đánh giá độ thích nghi xử lý ràng buộc Để cực tiểu hàm mục tiêu tổn thất công suất tác dụng hệ thống điện phải giữ điện áp phạm vi chấp nhận cần phải đưa vào hàm mục tiêu hàm phạt mức độ vi phạm giới hạn điện áp Điều tạo độ dốc hợp lý để hướng lời giải vào không gian tìm kiếm Trong giai đoạn đầu trình tiến hóa gen, hệ số phạt giữ giá trị thấp, điều cho phép mức độ chắn vi phạm điện áp nhằm đơn giản hóa trình tìm kiếm tạo cho GA hội để khảo sát không gian tìm kiếm hiệu Trong trình tiến hóa, hệ số phạt tăng tuyến tính theo hệ tiến hóa Do đó, hệ cuối hệ số đạt giá trị tương đối lớn Toán hạng phạt thay đổi tuyến tính ηV lời giải mà vi phạm ràng buộc phải chọn cẩn thận phụ thuộc vào mức độ vi phạm d(S’) ηV ( d(S' ),gen max ) = gen act gen act ' Ω d(S ) + ηGA gen max gen max Với genmax : Số hệ lớn genact : Số hệ 58 (5.3) ηGA : Hệ số ngưỡng hàm phạt ηGA > ( Fobj (S' )max − Fobj (S' )min ) (5.4) Trong Fobj (S' )max Fobj (S' )min giá trị cực đại cực tiểu hàm mục tiêu hệ Do đó, lời giải không giá trị có vị trí tốt so với lời giải có giá trị tồi Thông số Ω biểu diễn độ dốc hàm phạt giá trị xác định theo kinh nghiệm, bảng 5.1 Mục đích thêm hàm phạt vào hàm mục tiêu để tối ưu hóa hàm mục tiêu từ hàm mục tiêu thích nghi Ffit = Fobj (S' ) + η ( d(S' ),gen act ) w (5.5) Với ⎧0 w=⎨ ⎩1 lời giải có giá trị trường hợp lại Số hạng phạt ổn định (không biến đổi) tương ứng thành lập cách đặt giá trị gen act = gen max Hàm mục tiêu toán điều độ công suất phản kháng cực tiểu tổn thất công suất tác dụng hệ thống PT Để thành lập hàm phạt vi phạm ràng buộc điện áp, độ vi phạm giới hạn điện áp đo từ nB nút tính sau: nB ( d mV = ∑ Vi i =1 m − Vilim ) (5.6) Với nB : Số nút mạng điện m = 1, 2, …, nP : Cá thể thứ m quần thể có nP cá thể Vilm : Điện áp giới hạn nút thứ i Vi m Vilm : Điện áp nút thứ i ⎧Vimax Vi m > Vimax ⎪ m ⎪ m = ⎨ Vi neáu Vimin ≤ Vi ≤ Vimax ⎪ m neáu Vi < Vimin ⎪⎩Vi Hàm mục tiêu thích nghi cá thể thứ m hàm thích nghi tổn thất công suất tác dụng toàn phần cá thể thứ m PTm số hạng phạt 59 ⎛ gen act m gen act max + − Ψ Ffitm = PTm + ⎜ Ω .d P P ( ) V T T max gen max ⎝ gen ⎞ m ⎟ u ⎠ (5.7) Với ⎧0 um = ⎨ ⎩1 Nếu độ lệch điện áp toàn phần d mV nhỏ sai số ε V Các trường hợp lại PTmax , PTmin : Giá trị lớn nhỏ hàm mục tiêu quần thể Ψ : Hệ số để ηGA thỏa mãn phương trình (5.4) thường chọn theo kinh nghiệm, bảng 5.1 Do thuật toán gen tìm kiếm điểm vận hành tối ưu điều khiển, phải cực tiểu hàm mục tiêu thích nghi (5.7) fmind = 1.0 (1.0 + Ffitm ) (5.8) Sau tính độ thích nghi cá thể quần thể, cá thể trải qua trình chọn lọc cạnh tranh, lai tạo đồng dạng, đột biến dần tái sinh Chiến lược chọn lọc tốt sử dụng trình tiến hóa: cá thể tốt hệ cha mẹ phải đảm bảo tồn hệ con, cách thay ngẫu nhiên cá thể quần thể cá thể tốt hệ cha mẹ Tính lại độ thích nghi quần thể mới, trình lặp lại liên tiếp đến tiêu chuẩn hội tụ thỏa mãn Thuật toán xác định hội tụ hai điều kiện thỏa mãn: ƒ Không có nút bị vi phạm điện áp ( d Vbest ≤ ε V = ) ƒ Không cải thiện lời giải sau số hệ (30 hệ) Trong trường hợp tiêu chuẩn hội tụ không thỏa mãn, thuật toán dừng lại hệ lớn genmax Các biến điều khiển cá thể tốt hệ xem chỉnh định tối ưu Đưa chỉnh định tối ưu biến điều khiển vào toán phân bố phụ tải để tính: ƒ Điện áp nút ƒ Tổn thất công suất tác dụng hệ thống 2.2 Thuật toán Micro gen (µGA) Bên cạnh thuật toán gen chuẩn thuật toán µGA áp dụng để giải toán điều độ công suất phản kháng hệ thống điện Về chất thuật toán µGA giống thuật toán gen chuẩn ngoại trừ kích thước quần thể 60 nhỏ, thường sử dụng quần thể có năm cá thể Thông qua vài chiến lược thích hợp để ngăn ngừa tính đa dạng quần thể, yếu tố quan trọng định đến thành công thuật toán µGA Pha trộn thông tin di truyền giữ lại cá thể tốt hệ cha mẹ cách ánh xạ nhiễm sắc thể tốt hệ cha mẹ vào nhiễm sắc thể ngẫu nhiên hệ Kiểu di truyền hội tụ khác biệt bit nhiễm sắc thể cá thể quần thể cá thể tốt nhỏ 5% Điều thực cách đếm số bit không giống với cá thể tốt Thuật toán µGA gọi hội tụ thỏa mãn điều kiện hội giống thuật toán gen chuẩn Quá trình đột biến không cần thiết thuật toán µGA, đặc tính gen đưa vào đầy đủ sau hệ bốn cá thể tạo ngẫu nhiên hệ III QUÁ TRÌNH THỰC THI Cần phải xác định thông số gen trình khởi tạo thuật toán, thông số kích thước quần thể nP, độ phân giải mã hóa thông số, số cặp nhiễm sắc thể cặp nhiễm sắc thể cha mẹ, chiến lược giữ lại nhiễm sắc thể tốt nhất, xác suất lai tạo σc, xác suất độc biến σm, xác suất đột biến dần σcr, độ dốc hàm phạt Ω, hệ số ngưỡng thỏa mãn thông số ràng buộc Ψ sai số điện áp toàn phần εV Các giá trị sử dụng cho bảng 5.1 Các liệu hệ thống điện cần thiết trình tính toán phải chuẩn bị trước Đối với máy biến áp điều chỉnh tải cần phải có liệu như: đầu phân áp lớn TSmax , đầu phân áp nhỏ TSmin , bước điều i i khiển TSnom , tỷ số biến đổi bước Sstep , góc pha Φ i Tỷ số thay đổi bước lớn i i Timax nhỏ Timin tính sau: π ⎞ ⎛ max nom Timax = 1.0 + Tistep cos ⎜ Φ i ⎟ ( TSi − TSi ) 180 ⎠ ⎝ (5.9a) π ⎞ ⎛ nom Timin = 1.0 + Tistep cos ⎜ Φ i ⎟ ( TSi − TSi ) 180 ⎝ ⎠ (5.9b) Phạm vi điều khiển điện áp phụ tải 95% - 105% điện áp danh định, đầu cực máy phát 90% - 110% Trong hệ thống thực giới hạn thay đổi thường xác định phù hợp với chu kỳ tải lượng trao đổi công suất, ý giới hạn công suất phản kháng tổ máy 61 Sau tính toán độ thích nghi cá thể quần thể, hệ cha mẹ trải qua trình chọn lọc cạnh tranh, lai tạo đồng dạng, đột biến bit, đột biến dần, tái tạo hệ mới, cá thể tốt hệ cha mẹ trì hệ Thuật toán kết thúc tiêu chuẩn hội tụ Nếu tiêu chuẩn hội tụ không thỏa mãn thuật toán kết thúc hệ lớn Bảng 5.1 Các thông số gen sử dụng thuật toán gen chuẩn micro gen Thông số Gen chuẩn Micro gen Kích thước quần thể, nP 25 Xác suất đột biến, σm σm = Xác suất đột biến dần, σcr 0.04 0.0 Xác suất lai tạo đồng dạng, σc 0.5 0.5 Số hệ cặp nhiễm sắc thể cha mẹ 1 1.75 lcnP 0.0 Độ phân giải thông số điều khiển công suất phản bit kháng (bVi’, bTj’, bCl’, bXw’) bit Số hệ lớn nhất, genmax 200 200 Sai số độ lệch điện áp toàn phần, εV 0.0 0.0 Độ dốc hàm phạt, Ω 7.5 7.5 Thông số ngưỡng phạt thỏa mãn hệ số ràng buộc 1.005 1.005 62 Hình 5.2 Lưu đồ khối biểu diễn trình điều độ công suất phản kháng sử dụng thuật toán gen chuẩn micro gen 63 CHƯƠNG TÓM TẮT VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI I TÓM TẮT Trong suốt thời gian vận hành hệ thống điện vận hành điều kiện bình thường Tuy nhiên thao tác vận hành phải thực nhanh chóng hệ thống điện vi phạm ràng buộc vận hành, đặc biệt sau nhiễu loạn lớn Chính vậy, cần thiết phải phát triển công cụ tính toán để nhân viên vận hành chỉnh định nhanh chóng thông số điều khiển nhằm nâng mức độ an ninh kinh tế hệ thống điều kiện vận hành khắc nghiệt Phạm vi nghiên cứu đề tài ứng dụng thuật toán gen điều độ kinh tế công suất tổ máy phát hệ thống điện Về đề tài giải vấn đề sau: ƒ Phân tích toán điều độ kinh tế tổ máy phát thành hai toán thành phần là: Bài toán điều độ kinh tế công suất tác dụng Bài toán điều độ kinh tế công suất phản kháng tổ máy hệ thống điện ƒ Nghiên cứu ứng dụng thuật toán gen toán điều độ kinh tế công suất tác dụng nhằm phân bố tối ưu công suất tác dụng nâng cao tính kinh tế tổ máy phát ƒ Nghiên cứu thuật toán gen để giải toán điều độ kinh tế công suất phản kháng tổ máy phát Các thuật toán mô kiểm tra mạng điện 26 bus IEEE Về thuật toán gen giải số vấn đề như: ƒ Giảm chi phí phát điện ƒ Giảm tổn thất công suất hệ thống Tuy nhiên số vấn đề cần giải như: ƒ Thời gian tính toán dài ƒ Trong số trường hợp thuật toán gen cho kết xấu so với phương pháp kinh điển 64 II HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Để giải vấn đề chưa giải đề tài, tác giả đề xuất số biện pháp sau: Thuật toán gen cần nhiều thời gian để xử lý thời gian tính toán phụ thuộc vào phần cứng sử dụng Do đó, sử dụng máy tính có cấu hình mạnh thời gian xử lý giảm nhiều Một yếu tố giảm thời gian xử lý thực tính toán song song phân bố công suất cá thể hệ Trong đề tài này, sử dụng phương pháp mã hóa nhị phân Một số phương pháp mã hóa khác sử dụng nhằm tăng khả xử lý thuật toán phương pháp mã hóa Gray mã hóa giá trị thực tương đương Do giới hạn đề tài tập trung giải toán điều độ kinh tế tổ máy phát nhằm cực tiểu hàm chi phí phát điện Cho nên hướng phát triển đề tài phong phú tác giả đề xuất hướng phát triển đề tài theo hướng sau: Giải cố tải nhánh vi phạm giới hạn điện áp cách tái điều độ công suất tổ máy với chi phí phát điện thấp Ứng dụng trí tuệ nhân tạo đưa luật đóng cắt thiết bị điều khiển dòng công suất (SVC, tụ bù, đầu phân áp máy biến áp, máy bù,…) phù hợp với điều kiện vận hành hệ thống Ứng dụng thuật toán gen điều độ tối ưu công suất tổ máy phát hệ thống có nhà máy thủy điện 65 TÀI LIỆU THAM KHẢO [1] P Kundur – Power System Stabality and Control – McGraw Hill Inc – 1994 [2] J J Grange – W D Stevenson – Power System Analysis – McGraw Hill Inc – 1994 [3] Arthur R Begger – Vijay Vittal – Power Systems Analysis – Second Edittion – Prentice Hall Inc – 2000 [4] J Wood – B F Wollenberg – Power Generation Operation and Control – John Wiley and Sons Inc – 1984 [5] O I Elgerd – Electric Energy Systems Theory: An Introduction – McGraw Hill – 1971 [6] M J H Sterling – Power System Control – Peter Peregrinus Ltd – 1978 [7] L L Lai – Intelligent System Applications in Power Enginerring, Evolutionary Programming and Neural Networks – John Willey and Sons Ltd – 1998 [8] P K Nag – Power Plant Engineering – Second Edittion – Mc Graw Hill – 2002 [9] Đặng Ngọc Dinh (Chủ biên) – Nguyễn Hữu Khái – Trần Bách – Hệ Thống Điện Tập – Nhà Xuất Bản Đại Học Trung Học Chuyên Nghiệp – 1981 [10] Trần Bách – Lưới Điện Hệ Thống Điện – Nhà Xuất Bản Khoa Học Kỹ Thuật – 2000 [11] Hoàng Kiếm (Chủ biên) – Lê Hoàng Thái – Thuật Giải Di Truyền: Cách Giải Tự Nhiên Các Bài Toán Trên Máy Tính – Nhà Xuất Bản Giáo Dục – 2001 [12] TS Nguyễn Đình Thúc – Đào Trọng Văn – Trần Tố Hương – Hoàng Đức Hải – Biên dịch – Trí Tuệ Nhân Tạo: Lập Trình Tiến Hóa – Nhà Xuất Bản Giáo Dục – 2001 [13] K Y Lee – F F Yang – Optimal Reactive Power Planning Using Evolutionary Algorithms: A Comparative Study For Evolutionary Programming, Evolutionary Strategy, Genetic Algorithms and Linear Programming – IEEE Transactions on power systems – Vol 13, No 1, February 1998, pp 101 – 108 [14] Iba – Reactive Power Optimization by Genetic Algorithm – IEEE Transactions on power systems – Vol 9, No 2, May 1994, pp 685 – 692 [15] B H Chowdhurry – S Rahman – A Review of Recent Advances in Economic Dispatch – IEEE Transactions on power systems – Vol 5, No 4, November 1990, pp 1248 – 1259 [16] J A Momoh – M EQ El-hawary – R Adapa – A Review of Selected Optimal Power Flow Literature to 1993 part I & II – IEEE Transactions on power systems – Vol 14, No 1, February 1999, pp 96 – 111 [17] D C Walters – G B Sheble – Genetic Algorithm Solution of Economic Dispatch With Valves Point Loading – IEEE Transactions on power systems – Vol 8, No 3, August 1993, pp 1325 – 1332 [18] D Papalexopoulos – C F Imparato – F F Wu – Large Scale Optimal Power Flow: Effects of Initialization, Decoupling and Discretization – IEEE Transactions on power systems – Vol 4, No 2, May 1989, pp 748 – 759 [19] Y J Cao – Q H Wu – Optimal Reactive Power Dispatch Using an Adaptive Genetic Algorithm – Genetic Algorithms in Engineering Systems: Innovations and Applications, – Septemper 1997, Conference Publication No 446, © IEEE, 1997, pp 117 – 122 [20] Power System Optimal Reactive Power Dispatch using Evolutonary Programming – IEEE Trans on Power System, 10, – 1995, pp 1243 – 1249 [21] Genetic Search for Optimal Reactive Power Dispatch of Power Systems – IEEE International Control Conference, Control 1994 – April 1994, Vol 1, pp 717 – 722 [22] Anastatios G Bakirtzis – Christoforos E Zoumas – Optimal Power Flow by Enhanced Genetic Algorithm – IEEE Transactions on Power Systems, Vol 17, No 2, May 2002 ... Bài toán điều độ công suất phản kháng Tương tự toán điều độ công suất tác dụng, biến công suất thực xP xem số trình giải toán điều độ công suất phản kháng Hàm mục tiêu toán điều độ công suất phản. .. dòng công suất phản kháng góc pha điện áp mà toán điều độ công suất nguyên mẫu phân tách thành hai toán riêng lẻ toán điều độ công suất tác dụng phân bố công suất phản kháng ƒ Bài toán điều độ công. .. sát điều khiển B Sử dụng thuật toán gen điều độ công suất hệ thống điện Bài toán điều độ công suất tác dụng công suất phản kháng giải phương pháp tối ưu thích nghi ngẫu nhiên sở thuật toán gen