Phân bố công suất tối ưu đa mục tiêu giữa các nhà máy điện dùng phương pháp alhn

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA CHÂU TẤN TÀI PHÂN BỐ CÔNG SUẤT TỐI ƯU ĐA MỤC TIÊU GIỮA CÁC NHÀ MÁY ĐIỆN DÙNG PHƯƠNG PHÁP ALHN Chuyên Ngành: Hệ Thống Điện Mã Số Ngành: 2.06.07 LUẬN VĂN THẠC SĨ Thành Phố Hồ Chí Minh, 07/2010 Cơng Trình Được Hồn Thành Tại Trường Đại Học Bách Khoa TPHCM Cán hướng dẫn khoa học: TS.Võ Ngọc Điều ……………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… ……………………………………………………………………… Cán chấm nhận xét 2: ……………………………………………………………………………… ………………………………………………………………………………………… ………………………………………………………………………………………… ………………………………………………………………………………………… ………………………………………………………………………………………… ………………………………………………………………………………………… ………………………………………………………………………………………… ……………………………………………………………………… Luận văn thạc sỹ bảo vệ hội đồng chấm bảo vệ luận văn thạc sỹ Trường ĐHBK, ngày tháng năm 2010 ĐHQG TPHCM Cộng Hòa Xã Hội Chủ Nghĩa Việt Nam Trường ĐHBK Độc Lập-Tự Do-Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên:Châu Tấn Tài Giới tính:Nam Sinh ngày 17 tháng 11 năm 1978 Chuyên ngành: Mạng hệ thống điện Khóa: 2008 1.Tên đề tài:Phân Bố Công Suất Tối Ưu Đa Mục Tiêu Giữa Các Nhà Máy Điện Dùng Phương Pháp ALHN 2.Nhiệm vụ luận văn: Tìm hiểu nguyên lý, phương pháp thuật toán ALHN vào giải toán tối ưu So sánh với phương pháp khác Sử dụng ngôn ngữ lập trình Matlab viết phần mềm ứng dụng để giải tốn tối ưu 3.Ngày giao nhiệm vụ: 4.Ngày hồn thành nhiệm vụ: 5.Họ tên cán hướng dẫn:TS.Võ Ngọc Điều Nội dung đề cương luận văn thạc sĩ hội đồng chuyên ngành thông qua Cán hướng dẫn Chủ nhiệm Bộ Môn (Họ tên chữ ký) Quản lý chuyên ngành (Họ tên chữ ký) Lời Cảm Ơn Trước tiên, Tôi xin gởi lời cảm ơn chân thành đến tất thầy cô trường đại học bách khoa truyền đạt cho kiến thức trình học tập trường Hơn nữa, xin ghi nhận trách nhiệm cao thầy Võ Ngọc Điều tận tâm hướng dẫn hoàn thành luận văn Cuối cùng, Xin gởi lời chúc sức khỏe đến gia đình bạn bè cổ vũ cho tơi có niềm tin học tập Xin chào tất Các Chữ Viết Tắt Trong Luận Văn ED : Economic dispatch ALHN : Augmented lagrange hopfield network PSO : Particle swarm optimization OPF : Optimal power flow GAS : Genetic Algorithms SA : Simulated annealing TS : Tabu search QP : Quadratic programming ANN : Artificial neural networks IP : Interior point EC : Evolutionary computation LP : Linear programming TF : Total fuel TE : Total emission NSGA : Non-dominated sorting genetic algorithm II Các Hình Được Trình Bày Trong Luận Văn Trang Hình 1:Khí thải từ nhà máy điện Hình 2:Nồng độ khí S02 xung quanh khu cơng nghiệp Hình 3:Hình dạng hàm Sigmoid 30 Hình 4:Sơ đồ ví dụ hệ thống gồm có máy phát 33 Hình 5:Đường tối ưu Pareto sau chạy chương trình 47 Hình 6:Mơ hình lựa chọn giải pháp thoả hiệp 47 Hình 7:Kết đường cong Pareto 55 Hình 8:Mơ tả kết điểm thoả điểm 55 Hình 9:Cơng suất phát máy phát thứ I 56 Hình 10:So sánh chi phí nhiên liệu phương pháp 57 Hình 11:So sánh mức phát thải phương pháp 57 Hình 12:Chi phí nhiên liệu máy phát thứ i 58 Hình 13:Mức phát thải máy phát thứ i 58 MỤC LỤC Chương I : Mở Đầu Trang 1.1 Ý nghĩa đề tài nghiên cứu 1.2 Mục tiêu nghiên cứu 1.3 Phạm vi nghiên cứu 1.4 Phương pháp luận nghiên cứu Chương II: Tổng Quan Về Bài Toán ED Đa Mục Tiêu 2.1 Tổng quan 2.2 Giới thiệu phương pháp áp dụng 2.2.1 Nhóm cổ điển 2.2.1.1 Phương pháp Quadratic programming 2.2.1.2 Phương pháp Interior point 2.2.1.3 Phương pháp Newton 2.2.1.4 Phương pháp Linear programming 2.2.1.5 Phương pháp lagrangian 2.2.2 Nhóm phương pháp nhân tạo 2.2.2.1 Phương pháp Evolutionary computation 2.2.2.2 Phương pháp Artificial neural networks 10 2.2.2.3 Phương pháp PSO 12 2.2.2.4 Phương pháp Tabu search 14 2.2.2.5 Phương pháp Simulated annealing 15 2.2.2.6 Phương pháp thuật toán di truyên (Gas) 15 2.2.3 Nhóm phương pháp lai Chương III: 18 Thành Lập Bài Toán 19 3.1 Bài toán đa mục tiêu 19 3.2 Ý nghĩa tốn đa mục tiêu 19 3.3 Các hàm mục tiêu 20 3.4 Các phương trình ràng buộc 21 Chương IV:Giới Thiệu phương pháp ALHN áp dụng giải toán 4.1 4.2 Giới thiệu phương pháp ALHN 22 4.1.1 Giới thiệu 22 4.1.2 Thuật toán 24 Áp dụng phương pháp ALHN để giải toán ED 28 Chương V: Kết Quả Số 33 5.1 Dữ liệu chương trình 5.2 Chương trình 5.3 Kết 35 5.4 So sánh kết với phương pháp khác 56 Chương VI:Kết Luận phương hướng phát triển 33 59 6.1 Kết luận 59 6.2 Phương hướng phát triển 59 6.3 Hạn chế 60 6.4 Tổng kết 61 Phụ Lục 62 Tài Liệu Tham Khảo 65 CHƯƠNG I MỞ ĐẦU 1.1 Ý nghĩa đề tài nghiên cứu Việc nghiên cứu công suất tối ưu hệ thống điện khơng nằm nâng cao tính kinh tế vận hành mà cịn đóng góp vào tính xác hợp lý quy hoạch, thiết kế hệ thống điện Từ quan điểm hình thành tốn tối ưu đa mục tiêu, cơng suất phát từ nhà máy điện nhằm thoả mãn phụ tải chung mà cịn có giá trị tối ưu theo mục tiêu sau: • Chi phí nhiên liệu tồn hệ thống cực tiểu • Tối thiểu khí thải mơi trường • Độ dự trữ công suất cung cấp hệ thống phải đủ lớn • Chất lượng điện phải đảm bảo 1.2 Mục tiêu nghiên cứu Mục tiêu nghiên cứu phân bố cơng suất hệ thống điện tốn cân đối nguồn phát đủ đáp ứng giá trị tổng phụ tải biết trước cho tổng chi phí bé nhất, hạn chế tổn thất điện hạn chế ảnh hưởng cơng trình nhiệt điện tác động đến mơi trường xã hội.Mục tiêu yếu giải thuật ALHN tối thiểu chi phí hoạt động nhằm đáp ứng nhu cầu tải hệ thống công suất đáp ứng điều kiện an ninh hệ thống điện.Chi phí gồm tổng giá nhiên liệu mức thải khí CO2, SO2 mơi trường Để giảm chi phí nhiên liệu vận hành cần phải lập kế hoạch vận hành chi tiết hệ thống điện sở dự báo nhiên liệu, dự báo phụ tải dài hạn, ngắn hạn kế hoạch bảo dưỡng định kì thiết bị Page Để giảm tổn thất điện cần thực biện pháp quy hoạch thiết kế hệ thống điện (như quy hoạch cấu trúc lưới điện, lựa chọn tiết diện dây dẫn…) thực biện pháp vận hành (như phân bố công suất tối ưu, điều chỉnh điện áp…).Ở xét biện pháp phân bố công suất tối ưu vận hành 1.3 Phạm vi nghiên cứu Ở đây, xét hệ thống điện gồm nhiều nguồn nhiệt điện có nhu cầu tải không đổi thời gian cố định.Để giải tốn tối ưu cơng suất nhà máy cần phải xác định đặc tính chi phí sản xuất tối ưu nhà máy phụ thuộc khối lượng nhiên liệu, lưu trữ nhiên liệu lượng khí thải mơi trường Bài tốn phân bố cơng suất tối ưu có 03 dạng bản: - Phân bố công suất phát tối ưu nhà máy nhiệt điện - Phân bố công suất phát tối ưu nhà máy nhiệt điện-thuỷ điện - Phân bố công suất tối ưu đồng thời công suất tác dụng phản kháng Ở đây, xét toán phân bố công suất tối ưu nhà máy nhiệt điện 1.4 Phương pháp luận nghiên cứu Bài toán dựa phương trình augmented lagrangian giải thuật mạng ALHN so sánh với phương pháp khác Simulated annealing (SA), Evolutionary programming (EP), Genetic algorithm (GA), Tabu search (TS), Quadratic programming (QP)… Page 490 480 Chi phí nhiên liệu ($/h) 470 460 450 440 430 420 410 3.6 3.62 3.64 3.66 3.68 3.7 3.72 x 10 Mức phát thải (kg/h) Hình 7:Kết đường cong Pareto TE(Kg/h) Điểm thỏa hiệp 487.5974 Đường tối ưu Pareto 36003.1677 Hình 8:Mơ tả kết điểm thoả hiệp Page 55 TF($/h) 5.3 So sánh kết qủa với phương pháp khác PSO TF ($/h) 36314.2 TE (Kg/h) 434.605 Nhu cầu tải (MW) 700 DE 36314 434.453 700 Iteration 36314 434.38 700 NSGA II 36002.7103 487.6412 700 ALHN 36003.1677 487.5974 700 Phương pháp Đồ thị dạng cột so sánh tổng giá nhiên liệu mức phát phương pháp với nhau: Hình 9:Cơng suất phát máy phát thứ i Công suất phát máy phát i (MW) 250 200 150 100 50 Máy phát thứ i Page 56 Hình 10:So sánh chi phí nhiên liệu phương pháp Chi phí nhiêu liệu ($/h) 36400 36300 36200 36100 36000 35900 35800 Interation DE PSO ALHN method Hình 11:So sánh mức phát thải phương pháp Mức phát thải (Kg/h) 490 480 470 460 450 440 430 420 410 400 Interation DE Page 57 PSO method ALHN NSGA Hình 12:Chi phí nhiên liệu máy thứ i Chi phí nhiêu liệu ($/h) máy phát thứ i 12000 10000 8000 6000 4000 2000 Máy Máy Máy Máy Máy Máy Hình 13:Mức phát thải máy thứ i Mức phát thải (Kg/h) máy phát thứ i 180 160 140 120 100 80 60 40 20 Máy Máy Máy Page 58 Máy Máy máy CHƯƠNG VI KẾT LUẬN VÀ PHƯƠNG HƯỚNG PHÁT TRIỂN 6.1 Kết Luận Nghiệm tối ưu tốn điểm thỏa hiệp mà chi phí nhiên liệu mức phát thấp Thuật tốn ALHN ứng dụng thành cơng để giải vấn đề đánh giá kinh tế-môi trường đa mục tiêu.Thuật toán chạy thử hệ thống chuẩn gồm nguồn nhiệt 30 cái.Thuật toán tìm giải pháp tối ưu Pareto , việc chọn giải pháp tốt sở giải pháp có hệ số hình phạt cao nhất.Giải pháp tối ưu nguồn phát để cực tiểu tổng chi phí nhiên liệu tổng mức phát hệ thống nhiệt điện.Để cải thiện thuật tốn thử chạy hệ thống điện có số lượng nguồn phát nhiều Phương pháp ALHN cho kết chi phí nhiên liệu thấp phương pháp thông thường PSO, DE….phù hợp điều kiện kinh tế thị trường Phương pháp ALHN cho tốc độ hội tụ nhanh phương pháp thơng thường thuật tốn đơn giản, ngắn gọn -Vấn đề vận hành kinh tế hệ thống điện giải sở tối ưu chi phí nhiên liệu mức thải môi trường -Phân bố công suất tối ưu hệ thống thực theo nhu cầu tải tiêu thụ, mà tải lại phụ thuộc vào hàm chi phí giá.Bài tốn cho thấy liên quan quan chức thị trường điện trách nhiệm cộng đồng xã hội… 6.2 Phương hướng phát triển Bài tốn phân bố cơng suất mở rộng điều kiện tải thay đổi hàm mục tiêu giá nhiên liệu mức phát phụ thuộc vào tải Page 59 Bài tốn mở phương hướng mới:đưa mơ hình tải phụ thuộc vào giá để mơ cho thị trường giá điện thực lẫn công suất thực công suất phản kháng Khi tốn trở thành phân bố cơng suất tối ưu có tính đến giá điện phụ tải giá điện tác động làm thay đổi điều kiện thị trường Bài tốn phân bố cơng suất tối ưu mở rộng có lắp đặt thiết bị Facts (như số lượng, chủng loại, vị trí đặt thiết bị FACTs hệ thống điện).Thơng số đầu vào bao gồm thông số đường dây, điện áp, công suất tải, tụ bù, đầu phân áp máy biến áp, hệ số chi phí, ràng buộc cơng suất nhà máy, thông số cài đặt ban đầu thiết bị Fact (SVC, TCSC, STATCOM…), thông số cài đặt thuật tốn.Kết tính tốn gồm thơng số mạng điện công suất tác dụng phản kháng máy phát, điện áp nút, công suất tụ bù, giá trị hàm mục tiêu, tổn thất công suất, thông số điều chỉnh thiết bị Facts 6.3 Hạn Chế Luận văn thực thời gian ngắn, vượt qua rào cản lo toan sống, bận bịu công việc nên tốn phân bố cơng suất khơng thể tránh khỏi thiếu xót bỏ qua ràng buộc gây phức tạp toán mà cụ thể ràng buộc ổn định điện áp, dự trữ công suất toán đề cập đến nguồn nhiệt điện chưa xét đến nguồn thủy điện nguồn khác hệ thống điện Bài toán xét hệ thống điện cân sử dụng mơ hình hệ thống điện pha mà chưa mơ hình tính tốn mạng điện bất đối xứng Page 60 6.4 Tổng Kết Chương I:Xác định đối tượng, mục tiêu ý nghĩa đề tài gắn liền với thực tiễn.Chỉ định phương pháp ALHN so sánh với phương pháp khác nghiên cứu Chương II:Giới thiệu tổng quan toán toán tối ưu đa mục tiêu phù hợp với điều kiện thực tế.Đồng thời, giới thiệu phương pháp áp dụng Chương III: Q trình hình thành tốn gồm hàm mục tiêu phương trình ràng buộc Chương IV: Trình bày tổng quan phương pháp ALHN áp dụng cụ thể phương pháp ALHN vào toán cụ thể Chương V: Trình bày kết sau chạy chương trình phần mềm Matlab 7.8.Từ kết tìm đường cong tối ưu Pareto định chọn giải pháp thoả hiệp hai phương pháp (mờ hệ số hình phạt).Sau so sánh giải pháp thoả hiệp với phương pháp khác Chương VI: Đưa hướng phát triển mở rộng đề tài điều kiện có thể.Đồng thời nói lên mặt hạn chế đề tài Page 61 PHỤ LỤC Chương trình Matlab dùng để test hệ thống điện gồm 06 máy phát clear; clc; disp('MULTIOBJECTIVE ECONOMIC DISPATCH BY ALHN'); disp('THIS IS FLAT UNIFORM'); tic; % Thermal plants N = 6; afi = [756.79886; 451.32513; 1049.9977; 1243.5311; 1658.569; 356.6592]; bfi = [38.53973; 46.15916; 40.3965; 38.30553; 36.32782; 38.27041]; cfi = [0.15247; 0.10587; 0.02803; 0.03546; 0.02111; 0.01799]; aei = [13.85932; 13.85932; 40.2669; 40.2669; 42.89553; 42.89553]; bei = [0.32767; 0.32767; -0.54551; -0.54551; -0.51116; -0.51116]; cei = [0.00419; 0.00419; 0.00683; 0.00683; 0.00461; 0.00461]; Pimax = [125 150 225 210 325 315]'; Pimin = [10 10 35 35 130 125]'; w = 0.5; % = w*afi bi = w*bfi ci = w*cfi w + + + co the thay doi tu 0-1 (1-w)*aei; (1-w)*bei; (1-w)*cei; % Load demand PD = 700; % MW % Power loss matrix Bij = 1e-4*[ 1.40 0.17 0.15 0.19 0.17 0.60 0.13 0.16 0.15 0.13 0.65 0.17 0.19 0.16 0.17 0.71 0.26 0.15 0.24 0.30 0.22 0.20 0.19 0.25 Bij = zeros(N,N); B0i = zeros(N,1); B00 = 0; 0.26 0.15 0.24 0.30 0.69 0.32 % Selection of constants sigma = 100; alpha_i = 0.0015; alpha_l = 0.005; beta = 0.001; Page 62 0.22 0.20 0.19 0.25 0.32 0.85]; % Parameters for iterations maxiter = 10000; curriter = 0; maxerr = 10; % high error at the beginning accur = 1e-4; power_error = []; model_error = []; iter = []; % Initial conditions: note randomly or rulely are not different % Ui = zeros(N,1); % Vi = (Pimax + Pimin)/2; % Note: Doi voi ED nen ap dung "mean distribution" de L gan voi Vlk!!! Vi = PD.*Pimax./sum(Pimax); Ui = real(log((Vi - Pimin)./(Pimax - Vi))/2/sigma); % Lagrange multiplier neurons dPL_dVi = 2*Bij*Vi + B0i; Ul = mean((bi + 2*ci.*Vi)./(1 - dPL_dVi)); Vl = Ul; PL = Vi'*Bij*Vi + Vi'*B0i + B00; dP = PD + PL - sum(Vi); while (curriter = accur) curriter = curriter + 1; % Calculate dE/dVi at curriter-1 step dPL_dPi = 2*Bij*Vi + B0i; dE_dVi = (bi + 2*ci.*Vi) + ones(N,1)*(Vl + beta*dP).*(dPL_dPi 1) + Ui; % Calculate dE/dVlk at curriter-1 step dE_dVl = dP; % Calculate Usk, Uhk, Ulk and Ulh at step curriter Ui = Ui - alpha_i*dE_dVi; Ul = Ul + alpha_l*dE_dVl; % Store the previous values Vi_1 = Vi; Vl_1 = Vl; % Calculate Vsk, Vhk, Vlk and Vhk at step curriter Vi = (Pimax - Pimin).*(1 + tanh(sigma.*Ui))/2 + Pimin; Vl = Ul; % Calculate the power balance constraints errors PL = Vi'*Bij*Vi + Vi'*B0i + B00; dP = PD + PL - sum(Vi); power_error = [power_error max(abs(dP))]; % Calculate the model errors Page 63 del_Vi = Vi - Vi_1; del_Vl = Vl - Vl_1; max_del = max([max(abs(del_Vi)) abs(del_Vl)]); model_error = [model_error max_del]; % Calculate max error maxerr = max([abs(dP) max_del]); iter = [iter curriter]; end % while % Calculate cost TF = sum(afi + bfi.*Vi + cfi.*Vi.^2); TE = sum(aei + bei.*Vi + cei.*Vi.^2); maxerr curriter fprintf('\n%7.4f\n\n',TF); fprintf('\n%7.6f\n\n',TE); toc; figure(1); semilogx(iter,power_error); xlabel(['Number of iterations = ', num2str(curriter)]); ylabel('Power balance constraints errors'); title(['min = ', num2str(min(power_error(:))), ', max = ', num2str(max(power_error(:))), ', current = ', num2str(max(abs(dP(:))))]); grid; figure(2); semilogx(iter,model_error); xlabel(['Number of iterations = ', num2str(curriter)]); ylabel('Iteration errors'); title(['min = ', num2str(min(model_error(:))), ', max = ', num2str(max(model_error(:))), ', current = ', num2str(max_del)]); grid; Page 64 TÀI LIỆU THAM KHẢO 0.Vo Ngoc Dieu and W.Ongsakul.Enhanced augmented lagrange hopfield network for economic dispatch with piecewise quadratic cost functions.RERIC.1-6 King, T D., El-Hawary, M E & El-Hawary, F (1995) Optimal environmental dispatching of electric power systems via an improved Hopfield neural network model IEEE Trans Power Systems, 10(3), 1559-1565 2.Jirawadee Polprasert and Weerakorn Ongsakul.Augmented lagrange Hopfield network for Economic Dispatch 3.H.Altun & U.Hasan.Environmentally constrained economic dispatch via neural networks El-Keib, A A & Ding, H (1994) Environmentally constrained economic dispatch using linear programming Electric Power Systems Research, 29(3), 155-159 Jeng, L.-H., Hsu, Y.-Y., Chang, B S & Chen, K K (1996) A linear programming method for the scheduling of pumped storage units with oscillatory stability constraints IEEE Trans Power Systems, 11(4), 17051710 Liang, R.-H (1997) Application of grey linear programming to short term hydro scheduling Electric Power Systems Research, 41, 159 – 165.58 Bannister, C H & Kaye, R J (1991) A rapid method for optimization for linear systems with storage Operations Research, 39(2), 220-232 Sheble, G B & Fahd, G N (1994) Unit commitment literature synopsis IEEE Trans Power Systems, 9(1), 128-135 Khodaverdian, E., Brameller, A & R M (1986) Semi-rigorous thermal unit commitment for large scale electrical power systems IEE Proceedings, Part C,133(4), 157-164 Mohan, M R., Kuppusamy, K & Abdullah, M (1992) Optimal short-term Page 65 hydrothermal scheduling using decomposition approach and linear programming Electrical Power and Energy Systems, 14(1), 39-44 10 Mohan, M R., Kuppusamy, K & Kha, M A (1992) Optimal short-term hydrothermal scheduling using decomposition approach and linear programming method Int J Electrical Power & Energy Systems, 14 (1), 39-44 11 Piekutowski, M R., Litwinowicz, T & Frowd, R F (1994) Optimal shortterm scheduling for a large scale cascaded hydro system IEEE Trans Power Systems, 9(2), 805-811 12 Habibollahzadeh, H., Luo, G X & Semlyen, A (1989) Hydrothermal optimal power flow based on combined linear and nonlinear programming methodology.IEEE Trans Power Systems, 4(2), 530-537 13 Ibraham, E S (1996) Dynamic hydro-thermal economic dispatch with water constraints and variable water head Computers Elect Eng., 23(1),15-23 14 Li, W (1987) A successive linear programming model for real-time economic dispatch with security Electric Power Systems Research, 13(3), 225-233 15 Sheble, G B (1989) Real-time economic dispatch and reserve allocation using merit order loading and linear programming rules IEEE Trans Power Systems, (4), 1414 – 1420 16 Jabr, R A., Coonick, A H., Cory, B J (2000) A homogeneous linear programming algorithm for the security constrained economic dispatch problem IEEE Trans.Systems, 15(3), 930-936 17 L L Garver, (1963) Power generation scheduling by integer programming development of theory AIEE Transactions, (2), 730-735.70 Muckstadt, J A & Wilson, R C (1968) An application of mixed-integer programming duality to scheduling thermal generating systems IEEE Trans.Power Apparatus and Systems, PAS-87(12), 1968-1977 Page 66 18 Dillon, T S & Egan, G T (1976) The application of combinatorial methods to the problems of maintenance scheduling and unit commitment in large power systems Proceedings of IFAC Symposium on Large Scale Systems, Udine, Italy 19 Dillon, T S., Edwin, K W., Kochs, H.-D & Taud, R J (1978) Integer programming approach to the problem of optimal unit commitment with probabilistic reserve determination IEEE Trans Power Apparatus and Systems, PAS-97(6), 2154-2166 20 Attaviriyanupap, P., Kita, H., Tanaka, E & Hasegawa, J (2004) A fuzzy optimization approach to dynamic economic dispatch considering uncertainties.IEEE Trans Power Systems, 19(3), 1299-1307 21 Miranda, V & Hang, P S (2005) Economic dispatch model with fuzzy wind constraints and attitudes of dispatchers IEEE Trans Power Systems, (4), 2143-2145 22 Hopfield, J J (1982) Neural networks and physical systems with emergent collective computational abilities Proceedings of the National Academy of Science USA, 79, 2554-2558 23 Hopfield, J J (1984) Neurons with graded response have collective, computational properties like those of two-state neuron Proceedings of National Academy of Science USA, 81, 3088-3092 24 Sasaki, H., Watanabe, M., Kubokawa, J., Yorino, N & Yokoyama, R (1992) A solution method of unit commitment by artificial neural networks IEEE Trans.Power Systems, (3), 974-981 25 Park, J H., Kim, Y S., Iom, I K & Lee, K Y (1993) Economic load dispatch for piecewise quadratic cost function using Hopfield neural network IEEE Trans.Power Systems, 8(3), 1030-1038 Page 67 26 Su, C.-T & Chiuo, G.-J (1997) A fast-computation Hopfield network method to economic dispatch of power systems IEEE Trans Power Systems, 12(4), 1759-1765 27 Su, C.-T & Lin, C.-T (2000) A new approach with a Hopfield modeling framework to economic dispatch IEEE Trans Power Systems, 14(2), 541545 28 Lee, K Y., Sode-Yome, A & Park, J H (1998) Adaptive Hopfield neural networks for economic load dispatch IEEE Trans Power Systems, 13(2), 519-526 29 Lee, K Y., Nuroglu, F M & Sode-Yome, A (2000) Real power optimization with load flow using adaptive Hopfield neural network Engineering Intelligent Systems, 8(1), 53-58 30 Yalcinoz, T & Short, M J (1997) Large-scale economic dispatch using an improved Hopfield neural network IEE Proc Generation, Transmission and Distribution, 144(2), 181-185 31 Yalcinoz, T & Short, M J (1998) Neural networks approach for solving economic dispatch problem with transmission capacity constraint IEEE Trans Power Systems, 13(2), 307-313 32 Yalcinoz, T., Short, M J & Cory, B J (1999) Security dispatch using the Hopfield neural network IEE Proc Generation, Transmission and Distribution,146(5), 465 -470 33 Yalcinoz, T., Cory, B J & Short, M J (2001) Hopfield neural network approaches to economic dispatch problems Electrical Power and Energy Systems, 23, 435-442 34 Nunes de Silva, I., Nepomuceno, L & Bastos, T M (2002) Designing a modified Hopfield network to solve an economic dispatch problem with Page 68 nonlinear cost function Proceedings of the 2002 International Joint Conference on Neural Networks, IJCNN '02 (pp 1160 – 1165) 35 Nunes de Silva, I., Nepomuceno, L & Bastos, T M (2004) An efficient Hopfield network to solve economic dispatch problems with transmission system representation Electrical Power and Energy Systems, 26, 733-738 36 Walsh, M P & O’Malley, M J (1997) Augmented Hopfield network for unit commitment and economic dispatch IEEE Trans Power Systems, 12(4), 1765-1774 37.H.Yoshida, K.kawata, Y.Fukuyama and Y.Nakanishi (2000).A particle swarm optimization for reactive power and voltage control considering voltage security assessment, IEEE Trans.Power Syst…Vol.15 38.Zwe-Lee Gaing (2003).Particle swarm optimization to solving the economic dispatch considering the generation constraints, IEEE Trans.Power Syst 39.T.Bouktir, L.Slimani and R.labdani 2006.Optimal Power Flow for large scale Power system using Particle Swarm Optimization Page 69 ... - Phân bố công suất phát tối ưu nhà máy nhiệt điện- thuỷ điện - Phân bố công suất tối ưu đồng thời công suất tác dụng phản kháng Ở đây, xét tốn phân bố cơng suất tối ưu nhà máy nhiệt điện 1.4 Phương. .. hệ thống điện Khóa: 2008 1.Tên đề tài :Phân Bố Công Suất Tối Ưu Đa Mục Tiêu Giữa Các Nhà Máy Điện Dùng Phương Pháp ALHN 2.Nhiệm vụ luận văn: Tìm hiểu nguyên lý, phương pháp thuật toán ALHN vào... thống điện vô quan trọng.Thực chất phân bố tối ưu nhà máy điện hệ thống.Một toán kinh tế-kỹ thuật quan trọng hệ thống điện xác định phân bố tối ưu công suất phát nhà máy điện nhằm thỏa mãn mục tiêu