Đang tải... (xem toàn văn)
Nghiên cứu đề xuất áp dụng một số thuật toán gần đây: Grey Wolf Optimizer (GWO), Whale Optimization Algorithm (WOA) và Moth-flame optimization algorithm (MFO) để tính toán bố trí tối ưu vị trí tua-bin cho trang trại gió nhằm thu được sản lượng điện gió tối đa có ý nghĩa quan trọng và cấp thiết.
188 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 XÁC ĐỊNH TỐI ƯU VỊ TRÍ TUA-BIN TRONG TRANG TRẠI GIĨ SỬ DỤNG THUẬT TỐN TÌM KIẾM Lê Thanh Thỏa, Võ Ngọc Điều Bộ môn Hệ thống điện - Khoa Điện - Điện tử - Trường Đại học Bách khoa TP HCM Tóm tắt: Thiết kế nhà máy điện gió có điểm khác biệt so với thiết kế số nhà máy điện thông thường liên quan kiểm sốt nhiên liệu đầu vào Cơng suất phát nhà máy điện gió phụ thuộc tốc độ gió ln biến đổi, giải vấn đề bố trí vị trí tua-bin trang trại gió nhằm thu sản lượng điện tối đa đặc biệt quan tâm Nghiên cứu đề xuất áp dụng số thuật toán gần đây: Grey Wolf Optimizer (GWO), Whale Optimization Algorithm (WOA) Moth-flame optimization algorithm (MFO) để tính tốn bố trí tối ưu vị trí tua-bin cho trang trại gió nhằm thu sản lượng điện gió tối đa có ý nghĩa quan trọng cấp thiết Kết tính tốn từ thuật toán đề xuất so sánh với thuật toán cổ điển Paiticle Swam Optimization algorithm (PSO) phần mềm windPRO để bố trí tối ưu vị trí tua-bin gió trang trại gió ngồi khơi trang trại gió đất liền có địa hình phức tạp Nhằm đánh giá khách quan hiệu thuật toán đề xuất, phần mềm WAsP sử dụng để tính tốn lượng gió cho tất kịch Kết chứng minh thuật toán đề xuất cung cấp kết cạnh tranh áp dụng thiết kế trại gió thực tế Tuy nhiên, khả áp dụng thuật toán đề xuất việc giải bố trí tối ưu vị trí tua-bin gió trại gió đất liền cần tiếp tục nghiên cứu phát triển tương lai GIỚI THIỆU Phân bố công suất tối ưu vấn đề hệ thống điện Về chất, vấn đề tối ưu hóa liên quan đến tối thiểu chi phí phát điện đảm bảo hệ thống điện vận hành tin cậy Đối với nhà máy điện gió, tối thiểu chi phí phát điện tương đương với tối đa lượng gió thu giảm thiểu tổn thất che chắn tua-bin gió Để đạt điều này, bố trí tối ưu vị trí tua-bin trang trại gió đặt biệt quan tâm Nhiều cơng trình nghiên cứu bố trí tối ưu vị trí tua-bin trang trại gió cơng bố liên tục từ năm 1992 đến tiếp tục với hàm mục tiêu khác áp dụng thuật toán khác [1,4], phần lớn tập trung nghiên cứu với hai hàm mục tiêu tối ưu chi phí đầu tư tối ưu sản lượng điện gió thu Hiện tại, số phần mềm thương mại phục vụ hiệu cho việc thiết kế nhà máy điện gió, phần mềm phổ biến WAsP [5] windPRO [6] Phần mềm WAsP tiêu chuẩn cho đánh giá tài ngun gió, bố trí tua-bin gió tính tốn lượng gió Phần mềm windPRO sử dụng rộng rãi bố trí tối ưu vị trí tua-bin trang trại PHÂN BAN NGUỒN ĐIỆN | 189 gió dựa tối đa sản lượng điện gió thu WAsP windPRO chuyên gia tư vấn thiết kế, nhà phát triển dự án, nhà sản xuất tuabin gió sử dụng kết phân tích từ phần mềm dễ dàng chấp nhận từ nhà đầu tư ngân hàng hỗ trợ tài dự án yếu tố quan trọng triển khai thành công dự án Các thuật tốn tìm kiếm tối ưu ngày trở nên phổ biến ứng dụng kỹ thuật [7]: (i) dựa vào khái niệm đơn giản dễ thực hiện; (ii) bỏ qua tối ưu cục bộ; (iii) sử dụng giải vấn đề bao gồm lĩnh vực khác Một số thuật toán phổ biến [8]: Genetic Algorithms (GA) Particle Swarm Optimization (PSO) Mặc dù thuật tốn giải nhiều vấn đề thực tế đầy thách thức, nhiên, nghiên cứu “No Free Lunch theorem” [9], tất thuật toán thực tương đương giải vấn đề tối ưu hóa Do đó, thuật tốn hiệu việc giải số vấn đề không hiệu cho vấn đề khác Đây tảng nhiều cơng trình nghiên cứu thuật toán Một số thuật toán công bố Seyedali Mirjalili cộng [10], Whale Optimization Algorithm (WOA), Moth-Flame Optimization algorithm (MFO), Grey Wolf Optimizer (GWO) cho kết tối ưu hóa cạnh tranh so với thuật toán áp dụng Bài báo đề xuất áp dụng thuật toán GWO, báo trích dẫn nhiều Tạp chí ADES [10], thuật tốn WOA thuật tốn MFO, bố trí tối ưu vị trí tuabin trại gió mục đích thu sản lượng điện tối đa hàng năm Thuật toán đề xuất so sánh với thuật toán phổ biến PSO bố trí tối ưu trại gió sử dụng phần mềm windPRO Tất thuật toán sử dụng liệu đầu vào (bản đồ địa hình, độ nhám bề mặt liệu gió), kết tính tốn sản lượng điện gió hàng năm tính tốn lại phân tích phần mềm WAsP để đánh giá khách quan tất thuật toán đề xuất Bài báo xem xét bố trí tối ưu trang trại gió có diện tích hình chữ nhật diện tích bất kỳ, bố trí tối ưu cho trại gió ngồi khơi khu vực đất liền có địa hình phức tạp nhằm xem xét vấn đề cần phát triển tương lai MÔ HÌNH TỐN HỌC 2.1 Giả định Bài báo thừa nhận giả định sau: Giả định Các tua-bin trang trại gió giả định giống Giả định Số lượng tua-bin gió N biết trước cố định Giả định Trang trại gió giả định bố trí mặt phẳng tọa độ (cao độ địa hình độ nhám bề mặt thay đổi) Giả định Tốc độ gió v theo hướng gió θ trang trại gió theo phân phối Weibull [11]: 190 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 ( , , )= , = ( ), − (2.1) = ( ) Trong đó, p(·) hàm mật độ xác suất Weibull, v tốc độ gió, c hệ số tỷ lệ, k hệ số hình dạng Giả định Theo hướng gió θ, tất rơ-to tua-bin quay theo hướng vng góc với hướng gió 2.2 Mơ hình che chắn gió (wake modeling) Tua-bin gió tạo hai vùng ảnh hưởng hiệu ứng che chắn “vùng ảnh hưởng gần” “vùng ảnh hưởng xa” [12] Vùng ảnh hưởng gần khoảng cách 2-3 đường kính rơ-to phía sau tua-bin, vùng tua-bin trực tiếp làm nhiễu loạn gió Vùng ảnh hưởng xa phía sau vùng ảnh hưởng gần, nơi chủ yếu bị tác động trang trại gió lớn Trong vấn đề tối ưu hóa vị trí tua-bin, vùng ảnh hưởng xa trở nên quan trọng vùng ảnh hưởng gần Hình 2.1: Ảnh hưởng che chắn thực tế Hình 2.2: Vùng nhiễu loạn gió phía sau tua-bin Tốc độ gió suy giảm vị trí định d [14]: V =1− V V = 1− 1−C (1 + κd/R) (2.2) đó, C hệ số thrust coefficient tua-bin, κ số ảnh hưởng địa hình (hằng số có giá trị 0.075 cho địa hình đất liền 0.04 cho khu vực khơi [15]), d khoảng cách sau tua-bin theo hướng gió θ Bởi có hệ số c phân bố Weibull bị ảnh hưởng hiệu ứng che chắn gió, hiệu ứng che chắn mô tả theo phân bố thống kê sau [14]: ( ) = ( ) (1 − ) (2.3) PHÂN BAN NGUỒN ĐIỆN | 191 2.3 Đặc tuyến tua-bin gió Đặc tuyến tua-bin gió xác định nhà sản xuất tua-bin giúp cho việc ước tính sản lượng điện gió khu vực trại gió Mơ hình xác đặc tuyến tua-bin quan trọng việc ước đốn lượng điện gió hỗ trợ việc mở rộng trang trại gió Nhiều phương pháp tiếp cận đặc tuyến tua-bin gió giới thiệu, bao gồm xấp xỉ đa thức [16] Trong báo này, mơ hình đa thức bậc đánh giá phù hợp Hình 2.3 Hình 2.4 cho thấy so sánh mơ hình đa thức đặc tuyến tua-bin gió thực tế đề xuất báo 1400 800 600 0.6 0.4 400 0.2 200 0 13 v [m/s] 18 23 P [kW] 1000 Power curve Ninth degree Ct curve 1200 0.8 Ct P [kW] Power curve Ninth degree Ct curve 0.8 1400 1200 0.9 1600 1.2 1000 800 0.6 0.5 0.4 600 0.3 400 0.2 200 0.1 0 Hình 2.3: Đặc tuyến tua bin gió GE 1.68-82.5 0.7 Ct 1600 13 v [m/s] 18 Hình 2.4: Đặc tuyến tua-bin gió FL MD 77 2.4 Mơ hình tính tốn sản lượng điện gió 2.4.1 Mơ hình đặc trưng gió Đặc trưng thống kê gió thường mơ hình hai yếu tố khác nhau: hướng gió tốc độ gió Hướng gió biểu diễn xác suất xảy cho sector tạo thành hoa gió (wind rose) Nghiên cứu đề xuất sử dụng hoa gió 12 sector sử dụng rộng rãi cho thiết kế trang trại gió đặc trưng tốc độ gió thường mơ tả phân bố Welbull Phân bố Weibull xác định thông số c, k theo công thức (2.1) 2.4.2 Sản lượng điện gió Sản lượng điện gió tính: ( , )= ( ) ( , ( ), ( )) (2.4) Trong đó, p(v, c, k) phân bố xác suất tốc độ gió, cho cơng thức (2.1) f(v) đặc tuyến tua-bin gió 192 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 2.4.3 Hàm mục tiêu Đề tài đề xuất tối ưu bố trí tua-bin trang trại gió với mục tiêu tối đa sản lượng điện gió thu Obj = max[ΣE(P)] THUẬT TOÁN ÁP DỤNG Bài báo đề xuất áp dụng số thuật tốn tìm kiếm: Paiticle Swam Optimization [17]: PSO thuật toán tối ưu dựa quần thể ngẫu nhiên PSO lấy cảm hứng từ hành vi đàn cá đàn chim, phát triển Kennedy and Eberhart năm 1995 PSO đặc biệt phù hợp cho vấn đề liên tục Grey Wolf Optimizer [8]: GWO lấy cảm hứng từ sói xám Thuật toán GWO bắt chước hệ thống cấp bậc huy chế săn bắt sói xám tự nhiên Ba bước việc săn bắt, tìm kiếm mồi, bao quanh mồi công mồi Whale Optimization Algorithm [7]: WOA bắt chước hành vi săn mồi cá voi Thuật tốn lấy cảm hứng từ chiến lược săn bong bóng Các bước thuật tốn: Bao vây mồi, phương pháp cơng tìm kiếm mồi Moth-flame optimization algorithm [18]: MFO lấy cảm hứng từ phương pháp chuyển hướng bướm đêm tự nhiên gọi định hướng ngang Bướm đêm bay đêm cách trì góc cố định Mặt Trăng, chế hiệu cho việc di chuyển đường thẳng cho khoảng cách xa Thuật tốn tối ưu phần mềm WindPRO: Các cơng trình nghiên cứu trước dự đốn rằng, phần mềm windPRO tối ưu hóa vị trí tua-bin trang trại gió sử dụng thuật tốn tương tự thuật tốn tham lam (greedy algorithm) [19] Thuật toán tham lam thuật toán theo phương pháp kỹ thuật đoán để tìm vị trí tối ưu tồn cầu gần cách làm cho tối ưu cục giai đoạn Kết bố trí tối ưu vị trí tua-bin trang trại gió sử dụng thuật tốn so sánh với bố trí tối ưu từ phần mềm windPRO (module OPTIMIZE) với liệu đầu vào Để đánh giá khách quan hiệu sử dụng thuật tốn đề xuất, tồn trang trại gió bố trí tối ưu tính tốn phân tích phần mềm WAsP 3.1 Tối ưu bố trí vị trí tua-bin trang trại gió Lưu đồ thực bố trí tua-bin trang trại gió thể Hình 3.1 PHÂN BAN NGUỒN ĐIỆN | 193 Hình 3.1: Lưu đồ bố trí tối ưu vị trí tua-bin trang trại gió Bước Dữ liệu thơ gió, địa hình, độ nhám bề mặt, chướng ngại vật liệu máy phát điện gió đưa vào phần mềm WAsP xử lý đầu trình đồ mật độ lượng gió (wind resource map) Bước Bản đồ mật độ lượng gió sử dụng làm liệu đầu vào cho windPRO, PSO, GWO, WOA, MFO bố trí tối ưu vị trí tua-bin Bước Trại gió sau bố trí tối ưu thuật toán đề xuất tính tốn lại phân tích phần mềm WAsP Bước Kết luận đề xuất giải pháp tốt bố trí tối ưu trại gió KẾT QUẢ TÍNH TỐN VÀ ĐÁNH GIÁ THUẬT TỐN ÁP DỤNG 4.1 Các kịch xem xét Bài báo đề xuất ba kịch trang trại gió thực tế vận hành Việt Nam với giả định khác để xem xét toàn diện đánh giá hiệu thuật toán 194 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 Bảng 4.1 Các kịch bố trí tối ưu vị trí tua-bin trang trại gió Kịch Kịch Kịch Kịch Trại gió Ngồi khơi Ngồi khơi Đất liền Cơng suất trại gió 16.8 MW 104 MW 30 MW Tua bin gió 10 x 1.68 MW 62 x 1.68 MW 20 x 1.5 MW Loại tua-bin gió GE 1.68 - 82.5 GE 1.68 - 82.5 FL MD 77 Đặc tuyến tua-bin gió Hình 2.3 Hình 2.3 Hình 2.4 4.2 Kịch Bố trí tối ưu vị trí tua-bin trang trại gió Kịch 1, Hình 4.1 – Hình 4.6 Bảng 4.2 Tổng hợp kết tính tốn Mơ tả Gross AEP Net AEP Wake loss Capacity factor [GWh] [GWh] [%] [%] Hiện hữu 67.945 63.369 6.73 43.06 windPRO 69.144 65.608 5.11 44.58 PSO 68.299 65.159 4.60 44.28 GWO 68.468 65.708 4.03 44.65 WOA 67.993 65.301 3.96 44.37 MFO 67.753 65.734 2.98 44.67 So sánh thuật toán tốt (MFO) với: Hiện hữu -0.28% 3.73% -3.75 1.61 windPRO -2.01% 0.19% -2.13 0.09 PHÂN BAN NGUỒN ĐIỆN | 195 Bố trí tối ưu vị trí tua-bin trang trại gió Kịch Hình 4.2: Tối ưu sử dụng windPRO Hình 4.3: Tối ưu sử dụng PSO Hình 4.4: Tối ưu sử dụng GWO Hình 4.5: Tối ưu sử dụng WOA Hình 4.6: Tối ưu sử dụng MFO PHÂN BAN NGUỒN ĐIỆN | 195 Hình 4.1: Trại gió hữu Bố trí tối ưu vị trí tua-bin trang trại gió Kịch Hình 4.7 Trại gió hữu Hình 4.8 Tối ưu sử dụng windPRO Hình 4.9 Tối ưu sử dụng MFO Bố trí tối ưu vị trí tua-bin trang trại gió Kịch Hình 4.10 Trại gió hữu Hình 4.11 Tối ưu sử dụng windPRO Hình 4.12 Tối ưu sử dụng MFO 196 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 196 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 PHÂN BAN NGUỒN ĐIỆN | 197 Nhận xét Các thuật tốn đề xuất (GWO MFO) bố trí tối ưu tốt phần mềm windPRO, thuật tốn MFO cho kết tốt Thuật toán MFO cho sản lượng lớn 0.19% so với windPRO 3.73% so với trại gió hữu Kết tính tốn chương trình thực nghiên cứu cho kết sai lệch 2.85% sản lượng tổn thất che chắn sai lệch 2.87% so với phần mềm WAsP 4.3 Kịch Bố trí tối ưu vị trí tua-bin trang trại gió Kịch 2, Hình 4.7 – Hình 4.9 Bảng 4.3 Tổng hợp kết tính tốn Mô tả Gross AEP Net AEP Wake loss Capacity factor [GWh] [GWh] [%] [%] Hiện hữu 431.94 391.883 9.27 42.95 windPRO 439.987 390.255 11.30 42.77 MFO 432.155 392.285 9.23 42.99 So sánh thuật toán MFO với: Hiện hữu 0.05% 0.10% -0.04 0.04 windPRO -1.78% 0.52% -2.07 0.22 Nhận xét Các thuật tốn đề xuất MFO bố trí tối ưu tốt phần mềm windPRO Thuật toán MFO cho sản lượng cao 0.52% so với windPRO cao 0.10% so với trại gió hữu Kết tính tốn chương trình nghiên cứu cho kết sai lệch -4.90% sản lượng tổn thất che chắn sai lệch 4.39% so với phần mềm WAsP 4.4 Kịch Bố trí tối ưu vị trí tua-bin trang trại gió Kịch 3, Hình 4.10 – Hình 4.12 198 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 Bảng 4.4 Tổng hợp kết tính tốn Mơ tả Gross AEP Net AEP Wake loss Capacity factor [GWh] [GWh] [%] [%] Hiện hữu 94.373 90.686 3.91 34.51 windPRO 96.641 92.695 4.08 35.27 MFO 95.183 91.495 3.87 34.82 So sánh thuật toán đề xuất MFO với: Hiện hữu 0.86% 0.89% -0.04 0.31 windPRO -1.51% -1.29% -0.21 -0.46 Nhận xét Các thuật toán đề xuất MFO bố trí tối ưu gần phần mềm windPRO Thuật toán MFO cho sản lượng thấp -1.29% so với windPRO cao 0.89% so với trại gió hữu Kết tính tốn chương trình nghiên cứu cho kết sai lệch -1.74% sản lượng tổn thất che chắn sai lệch 1.65% so với phần mềm WAsP 4.5 Nhận xét Bảng 4.5 Tổng hợp kết tính tốn kịch Kịch windPRO PSO Kịch Kịch Kịch ave 63.738 371.137 91.086 std 0 Min value 63.738 371.137 91.086 Max value 63.738 371.137 91.086 ave 63.234 std 0.429 Min value 62.402 Max value 64.006 PHÂN BAN NGUỒN ĐIỆN | 199 Kịch GWO WOA MFO Kịch Kịch Kịch ave 64.164 std 0.667 Min value 62.985 Max value 65.110 ave 63.630 std 0.491 Min value 62.531 Max value 64.519 ave 64.731 375.690 90.867 std 0.477 4.030 0.676 Min value 63.724 365.965 89.928 Max value 65.369 379.665 91.880 Từ Bảng 4.5 nhận thấy rằng: Trong hầu hết kịch xem xét, MFO cho kết tốt (ave) Giá trị tính tốn dao động gần tương đương (std) Khoảng hội tụ (GWh/MW) lần chạy gần nhau, tối đa 0.132 GWh/MW Kết tính tốn cho thấy mơ hình tốn chương trình thực nghiên cứu cho kết sai khác nhỏ 5% sản lượng điện trại gió so với phần mềm thương mại WAsP, cho thấy đề tài áp dụng thực tế để tính tốn lượng gió Để đánh giá thuật tốn sử dụng có ý nghĩa mặt thống kê, kiểm định phi tham số Wilcoxon ranksum test sử dụng Nếu hai tập liệu có ý nghĩa mặt thống kê giá trị p nhỏ 0.05 [20] Bảng 4.6 Giá trị p kiểm định Wilcoxon ranksum test Mô tả windPRO PSO GWO WOA MFO Kịch N/A 5.08E-05 2.92E-06 0.02952 1.08E-07 Kịch N/A - - - 0.04762 Kịch N/A - - - 0.00148 200 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 Giả định trại gió tối ưu phần mềm windPRO tập chuẩn, kiểm định giả thuyết thuật toán đề xuất có ý nghĩa mặt thống kê, Bảng 4.6 cho thấy giá trị < 0.05 Như vậy, kết tối ưu thuật tốn đề xuất có ý nghĩa thống kê Ngoài ra, dễ dàng nhận thấy rằng, kịch bố trí tua bin off-shore, thuật tốn đề xuất cho kết tốt windPRO Kịch lại bố trí tua-bin cho trại gió onshore thuật tốn đề xuất gần (thấp hơn) tối ưu windPRO Chứng tỏ, để áp dụng đề tài cho trại gió on-shore có địa hình phức tạp cần nghiên cứu thêm nhằm lựa chọn mơ hình tốn học thích hợp tương lai KẾT LUẬN Bài báo giải mơ hình tốn học tính tốn sản lượng điện gió, bố trí tối ưu vị trí tua-bin trang trại gió sử dụng số thuật tốn tìm kiếm vừa công bố (GWO, WOA, MFO) Kết so sánh với tối ưu thuật toán sử dụng rộng rãi PSO phần mềm thương mại windPRO cho thấy thuật tốn MFO phù hợp bố trí tua-bin trang trại gió, cho kết tốt thuật tốn PSO cạnh tranh với phần mềm windPRO Mơ hình tốn học chương trình sử dụng cho đề tài để tính tốn sản lượng điện gió, tính tốn tổn thất hiệu ứng che chắn so sánh với tính tốn thương mại WAsP cho kết sai lệch nhỏ 5% Kết khẳng định áp dụng cơng trình nghiên cứu vào thực tế để tính tốn sản lượng điện gió bố trí tối ưu vị trí tua-bin cho trang trại gió MFO bố trí tối ưu vị trí tua-bin trang trại gió tốt phần mềm windPRO cho trại gió off-shore gần windPRO cho trại gió on-shore Ngồi ra, kết tính tốn sản lượng điện gió so với phần mềm WAsP sai lệch 5% cho thấy cần tiếp tục nghiên cứu mơ hình tốn cho việc tính tốn sản lượng điện gió tính tốn tổn thất hiệu ứng che chắn gió tương lai TÀI LIỆU THAM KHẢO [1] Javier Serrano González, Manuel Burgos Payán, Jesús Manuel Riquelme Santos, Francisco González-Longatt A review and recent developments in the optimal windturbine micro-siting problem Renewable and Sustainable Energy Reviews 2014; 30: 133–144 [2] Jensen N.O A note on wind generator interaction Technical report Riso-M-2411; 1983 [3] Katic I, Højstrup J, Jensen N A simple model for cluster efficiency In: EWEC 86; 1986 [4] Le Thanh Thoa, Vo Ngoc Dieu Optimal Layout for Off-shore Wind Farms Using Metaheuristic Search Algorithms GMSARN International Journal 11 (2017) - 15 [5] DTU Wind Energy Wind energy industry-standard http://www.wasp.dk/ Accessed: 2016-12-02 software - WAsP PHÂN BAN NGUỒN ĐIỆN | 201 [6] WindPRO-EMD International A/S http://www.emd.dk/windpro/ Accessed: 2016-12-02 [7] Seyedali Mirjalili, Andrew Lewis The Whale Optimization Algorithm Advances in Engineering Software 2016; 95:51–67 [8] Seyedali Mirjalili, Seyed Mohammad Mirjalili, Andrew Lewis Grey Wolf Optimizer Advances in Engineering Software 2014; 69:46–61 [9] Wolpert DH, Macready WG No free lunch theorems for optimization Evolut Comput, IEEE Trans 1997;1:67–82 [10] Seyedali Mirjalili http://www.alimirjalili.com/index.html Accessed: 2016-12-02 [11] Gary L Johnson, "Wind Energy Systems”, Manhattan, Kansas State University, 2006 [12] Rabia Shakoor, Mohammad Yusri Hassan, Abdur Raheem, Yuan-Kang Wu Wake effect modeling: A review of wind farm layout optimization using Jensen's model Renewable and Sustainable Energy Reviews 2016; 58: 1048–1059 [13] Werle M A new analytical model for wind turbine wakes Report no FD Vol 200801; 2008 [14] Kusiak A, Song Z Design of wind farm layout for maximum wind energy capture Renewable Energy 2010;35:685–94 [15] DTU Wind Energy Wind energy industry-standard http://www.wasp.dk/ Accessed: 2016-12-02 software - WAsP [16] Raj MSM, Alexander M, Lydia M Modeling of wind turbine power curve ISGT-India IEEE PES 2011:144–8 [17] R.C Eberhart, J Kennedy, A new optimizer using particle swarm theory, in: Proceedings of the Sixth International Symposium on Micro Machine and Human Science, 1995, pp 39–43 [18] Seyedali Mirjalili, Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm, Knowledge-Based Systems 89 (2015) 228–249 [19] Fagerfjäll P., “Optimizing wind farm layout, more bang for the buck using mixed integer linear programming”, Department of Mathematical Sciences, Chalmers University of Technology, 2010, Göteborg, Sweden [20] Derrac J, García S, Molina D, Herrera F A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms Swarm Evolut Comput 2011;1:3–18 ... hiệu sử dụng thuật toán đề xuất, tồn trang trại gió bố trí tối ưu tính tốn phân tích phần mềm WAsP 3.1 Tối ưu bố trí vị trí tua- bin trang trại gió Lưu đồ thực bố trí tua- bin trang trại gió thể... Tối ưu sử dụng PSO Hình 4.4: Tối ưu sử dụng GWO Hình 4.5: Tối ưu sử dụng WOA Hình 4.6: Tối ưu sử dụng MFO PHÂN BAN NGUỒN ĐIỆN | 195 Hình 4.1: Trại gió hữu Bố trí tối ưu vị trí tua- bin trang trại. .. trại gió Kịch Hình 4.7 Trại gió hữu Hình 4.8 Tối ưu sử dụng windPRO Hình 4.9 Tối ưu sử dụng MFO Bố trí tối ưu vị trí tua- bin trang trại gió Kịch Hình 4.10 Trại gió hữu Hình 4.11 Tối ưu sử dụng