Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search

Đề tài nghiên cứu “Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search”. Hàm mục tiêu được đặt ra là cực tiểu tổn thất công suất tác dụng thông qua các hàm tổn thất công suất, hàm về độ lệch điện áp và hàm về ổn định điện áp với các điều kiện ràng buộc về công suất phát và điện áp máy phát, các chỉ số chỉnh định của máy biến áp, công suất truyền tải trên đường dây và công suất phản kháng của các dãy tụ.

364 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 ĐIỀU ĐỘ CƠNG SUẤT PHẢN KHÁNG TỐI ƯU SỬ DỤNG THUẬT TOÁN ONE RANK CUCKOO SEARCH Nguyễn Hữu Thiên Ân (1), Võ Ngọc Điều (2), Nguyễn Trung Thắng (3) (1) Công ty Truyền tải điện 3; (2) Khoa Điện Điện tử, ĐH Bách khoa Tp HCM (3) Khoa Điện Điện tử, ĐH Tơn Đức Thắng Tóm tắt: Đề tài nghiên cứu “Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search” Hàm mục tiêu đặt cực tiểu tổn thất công suất tác dụng thông qua hàm tổn thất công suất, hàm độ lệch điện áp hàm ổn định điện áp với điều kiện ràng buộc công suất phát điện áp máy phát, số chỉnh định máy biến áp, công suất truyền tải đường dây công suất phản kháng dãy tụ Thuật toán ORCS dựa thuật toán Cuckoo search cải tiến nhằm nâng cao khả giải toán tối ưu tốc độ hội tụ Ứng dụng giải toán ORPD mạng điện chuẩn IEEE-118 nút kết so sánh với phương pháp tối ưu hoá khác GIỚI THIỆU CHUNG Vấn đề chất lượng điện vấn đề quan tâm hàng đầu vận hành quản lý lưới điện, khơng thể không nhắc đến vấn đề điều độ công suất phản kháng Công suất phản kháng ảnh hưởng đến nhiều vấn đề hệ thống điện ổn định điện áp, cải thiện biến dạng điện áp, tổn thất công suất,… Do đó, cần tìm biện pháp hiệu để giải vấn đề cách tối ưu góp phần giảm tổn thất, tiết kiệm chi phí sử dụng điện cách hiệu Bài toán điều độ cơng suất phản kháng tối ưu (ORPD) có lịch sử phát triển từ lâu mục đích tốn cực tiểu tổn thất cơng suất tác dụng hệ thống điện Với ưu điểm tốn ORPD, nhà khoa học khơng ngừng nghiên cứu tìm thuật tốn phát triển chúng ngày hoàn thiện để giải tốn ORPD Đã có nhiều thuật tốn từ cổ điển trí tuệ nhân tạo tiến hóa sử dụng như: Quadratic Programming (QP) [4], Linear Programming (LP) [5], Interior Point Methods (IPM) [6], Mixed-Integer Programming (MIP) [7], Evolutionary Programming (EP) [8], Genetic Algorithm (GA) [9], Differential Evolution (DE) [10], Ant Colony Optimization (ACO) [11], Particle Swarm Optimization (PSO) [12],… Ngày nhiều thuật toán dạng metaheuristic đời từ cảm hứng với thiên nhiên Mới đây, hai nhà toán học Xin-She Yang Suash Deb đưa thuật toán Cuckoo Search (CS) phát triển năm 2009 [14], [15] Thuật toán CS lấy cảm hứng từ hành vi loài chim Cuckoo kết hợp với đặc tính Lévy flight Mặc dù thuật tốn CS tốt thuật toán PSO, GA, DE việc giải toán ORPD Tuy nhiên, PHÂN BAN TRUYỀN TẢI ĐIỆN | 365 giải pháp tối ưu dựa bước ngẫu nhiên Lévy flight không đảm bảo hội tụ nhanh Do đó, năm 2013, Ahmed S Tawfik et al đề xuất thuật toán One Rank Cuckoo Search (ORCS) [13] với hiệu chỉnh so với phương pháp CS gốc cho kết tốt CS 10 hàm chuẩn đặc biệt tốn tối ưu Do đó, tác giả chọn đề tài “Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search” làm đối tượng nghiên cứu góp phần giúp thuật tốn hồn thiện việc giải toán ORPD toán tối ưu khác Đề tài nghiên cứu “Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search” Bài toán xây dựng dựa mơ hình tốn học dùng phần mềm Matlab để giải thuật toán tối ưu Hàm mục tiêu đặt cực tiểu tổn thất công suất tác dụng thông qua hàm tổn thất công suất, hàm độ lệch điện áp [2] hàm ổn định điện áp [3] với điều kiện ràng buộc công suất phát điện áp máy phát, số chỉnh định máy biến áp, công suất truyền tải đường dây công suất phản kháng dãy tụ Ứng dụng giải toán ORPD mạng điện chuẩn IEEE-118 nút kết so sánh với phương pháp tối ưu hố khác THÀNH LẬP BÀI TỐN ORPD TRONG HỆ THỐNG ĐIỆN 2.1 Bài tốn ORPD Điều độ cơng suất phản kháng tối ưu (ORPD) để xác định biến số điều khiển độ lớn điện áp máy phát, giá trị đóng ngắt bù VAR nấc điều chỉnh máy biến áp để hàm mục tiêu toán đạt cực tiểu thỏa mãn điều kiện ràng buộc hệ thống Mục tiêu ORPD cực tiểu tổn thất cơng suất, chênh lệch điện áp nút tải cho việc cải thiện biến dạng điện áp hệ số ổn định điện áp để nâng cao độ ổn định điện áp Trong vận hành, sau phân bố công suất tác dụng xác định tốn ORPD sử dụng để cực tiểu tổn thất công suất tác dụng đồng thời đảm bảo điện áp nút hệ thống nằm phạm vi cho phép Bài tốn ORPD góp phần làm giảm lượng cơng suất phản kháng truyền tải, giảm tổn thất công suất tác dụng giảm tải cho thiết bị hệ thống 2.2 Hàm mục tiêu điều kiện ràng buộc [22] Mục tiêu toán ORPD cực tiểu tối ưu hàm mục tiêu phải thỏa mãn vài điều kiện ràng buộc phương trình bất phương trình Các vấn đề xây dựng sau: Min F ( x, u ) Điều kiện ràng buộc: g(x,u) = h(x,u)  (2.1) 366 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 Với: g(x,u) ràng buộc đại diện cho phương trình cân cơng suất h(x,u) ràng buộc không bao gồm điện áp, công suất phản kháng máy phát phải nằm giới hạn cho phép ràng buộc chỉnh định nấc MBA đảm bảo độ an toàn hệ thống Trong hàm mục tiêu F ( x, u ) thể dạng sau:  Tổn thất công suất tác dụng: Nl  F ( x, u )  Ploss   g l Vi  V j2  2ViV j cos( i   j )  (2.2) i 1  Độ lệch điện áp tải nút tải để cải thiện biến dạng điện áp: Nd F ( x, u )  VD   Vi  Vi sp (2.3) i 1 Với giá trị Vi sp xác định trước giá trị tham chiếu nút tải i, mà thường thiết lập đến 1.0 pu  Chỉ số ổn định điện áp cho nâng cao ổn định điện áp: F ( x, u )  Lmax  maxLi ; i  1, , N d (2.4) Đối với tất xem xét mục tiêu đặc trưng, vector biến phụ thuộc x biểu diễn bởi: x  [Qgl , , QgN g ,Vl1 , ,VlNd , S1 , , S Nl ]T (2.5) Biến phụ thuộc bao gồm công suất phản kháng máy phát, điện áp tải công suất đường dây truyền tải Và vector biến điều khiển u biểu diễn bởi: u  [Vgl , ,VgN g , T1 , ,TNt , Qc1 , , QcNc ]T (2.6) Biến điều khiển bao gồm điện áp máy phát, số chỉnh định MBA công suất phản kháng tụ bù Vấn đề bao gồm điều kiện ràng buộc phương trình bất phương trình sau: Hàm ràng buộc Phương trình dịng cơng suất tác dụng công suất phản kháng nút tải: PHÂN BAN TRUYỀN TẢI ĐIỆN | 367 Nb  Pgi  Pdi  Vi V j Gij cos( i   j )  Bij sin( i   j )  (2.7) j 1 i  1, , N b Nb  Qgi  Qdi  Vi  V j Gij sin( i   j )  Bij cos( i   j )  j 1 (2.8) i  1, , N b Hàm ràng buộc không  Điện áp giới hạn công suất phản kháng nút máy phát: Vgi ,  V gi  V gi ,max ; i  1, , N g (2.9) Q gi ,  Q gi  Qgi ,max ; i  1, , N g (2.10)  Giới hạn khả đóng ngắt cho dãy tụ bù ngang: Qci ,  Qci  Qci , max ; i  1, , N c (2.11)  Điều kiện ràng buộc nấc chuyển điện áp máy biến áp: Tk ,  Tk  Tk ,max ; k  1, , N t (2.12)  Điều kiện ràng buộc an toàn cho điện áp nút tải đường dây truyền tải: Vli ,min  Vli  Vli , max ; i  1, , N d (2.13) S l  S l ,max ; l  1, , N l (2.14) Trong S l dịng cơng suất tối đa nút i nút j xác định sau:  S l  max S ij , S ji  (2.15) THUẬT TOÁN ONE RANK CUCKOO SEARCH [13] 3.1 Thuật toán ORCS Mặc dù thuật toán CS tốt thuật toán PSO, GA, DE việc giải toán ORPD Tuy nhiên, giải pháp tối ưu dựa bước ngẫu nhiên Lévy flight không đảm bảo hội tụ nhanh Do đó, năm 2013, Ahmed S Tawfik et al đề xuất thuật toán ORCS với hiệu chỉnh so với phương pháp CS gốc cho kết tốt CS 10 hàm chuẩn đặc biệt toán tối ưu Hai hiệu chỉnh mô tả sau: a Hiệu chỉnh đầu tiên: Trong thuật tốn CS, có hai giai đoạn tạo trứng gồm: giai đoạn thăm dị tương ứng với việc tạo trứng thơng qua bước ngẫu nhiên Lévy Flights giai đoạn khai thác tương ứng với việc tạo trứng thơng qua 368 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 việc thay phần nhỏ trứng Trứng thu giai đoạn thăm dò đánh giá trước thay giai đoạn khai thác Những trứng giai đoạn thứ hai đánh giá xếp hạng Trong đó, thuật tốn ORCS tạo giải pháp sử dụng Lévy flights, thay phần nhỏ giải pháp, cuối đánh giá xếp hạng hàm Fitness lần Việc hiệu chỉnh cho phép hủy bước đánh giá hàm Fitness, cách kết hợp trứng giai đoạn thăm dò giai đoạn khai thác với trước đánh giá hàm Fitness chúng Do đó, Nd số lượng tổ đánh giá thay x Nd tổ đánh thuật tốn cũ Có thêm thông số đưa phương pháp để định q trình tính tốn kết hợp giai đoạn thăm dò giai đoạn khai thác với nhau, gọi tỉ số One rank ror Việc lựa chọn tỉ số ror tương đối dễ dàng Khởi tạo giá trị ban đầu ror phép việc kết hợp trứng hai giai đoạn với Tỉ số cố định đến giải pháp tốt tạo vịng lặp Trong tình này, tỉ số giảm xuống theo phương trình sau: rorIter 1  rorIter  0.5 / D (3.3) Với Iter vòng lặp D kích thước số lượng hàm mục tiêu b Hiệu chỉnh thứ hai: Trong vấn đề tối ưu, giải pháp tốt ưu phải khả thi để đáp ứng không tất điều kiện ràng buộc đẳng thức mà ràng buộc bất đẳng thức Việc hiệu chỉnh thứ hai tập trung vào kỹ thuật để xử lý ràng buộc bất đẳng thức Thông thường, giải pháp giới hạn cận cận nó, cách dễ dàng gán giới hạn trường hợp cao giới hạn giới hạn trường hợp thấp giới hạn Thay đó, thuật tốn ORCS, ràng buộc giải pháp tốt lần giới thiệu để xử lý phạm vi giới hạn Một kích thước không tổ thay với giá trị tương ứng rút từ lựa chọn tổ ngẫu nhiên khởi tạo ngẫu nhiên phạm vi giới hạn Giữa hai phương án, định để chọn dựa ràng buộc tỉ số tốt rbbb xác định phương trình: rbbb   / D (3.4) 3.2 Áp dụng thuật toán orcs vào toán ORPD 3.2.1 Khởi tạo Trong giải thuật ORCS biến điều khiển biểu diễn: xd  [ Vg1d , , VgNg d , T1d , , TNt d , Qc1d , , QcNc d ]T d  1, , N với N số tổ chim chủ (3.5) PHÂN BAN TRUYỀN TẢI ĐIỆN | 369 Giá trị khởi động Xid xác định:  X id  X idmin  rand * X idmax  X idmin  (3.6) Trong đó, rand số phân phối ngẫu nhiên bình thường khoảng [0, 1] Với max max max max max X idmax  [Vgmax 1d , ,VgN g d , T1d , ,TN t d , Qc1d , , QcN c d ] (3.7) min min X idmin  [Vgmin 1d , ,VgN g d , T1d , ,TN t d , Qc1d , , QcN c d ] (3.8) Dựa số tổ ban đầu, đánh giá chất lượng tổ hàm chất lượng Hàm cực tiểu phù hợp xây dựng dựa hàm mục tiêu biến lệ thuộc bao gồm công suất phản kháng máy phát, điện áp nút tải đường truyền dịng cơng suất xác định sau: Ng Nd Nl i 1 i 1 l 1 lim 2 FT  F(x, u)  K q  (Qgi  Qlim gi )  K v  (Vli  Vli )  K s  (Sl  Slmax ) (3.9) Trong đó: Kq, Kv Ks hệ số phạt công suất phản kháng máy phát, điện áp tải đường truyền dịng cơng suất Ng, Nd, Nl số máy phát, số nút tải, số đường truyền F(x,u) hàm mục tiêu Giới hạn biến lệ thuộc (4.9) xác định dựa giá trị tính tốn chúng sau:  xmax x lim    xmin x  xmax x  xmin (3.10) Trong đó: x xlim đưa cho giá trị tính tốn giới hạn Qgi, Vli, Slmax  Mỗi tổ ban đầu đặt tốt Xbestd (d = 1, 2,…, Nd) với độ chất lượng tính theo (3.9) tìm tổ chất lượng Gbest tổ 3.2.2 Tạo giải pháp thông qua Lévy Flights  Tạo giải pháp ngẫu nhiên (trứng cuckoo) Xdnew phép Lévy flight Giải pháp nên tính từ giải pháp cũ tốt đánh giá chất lượng hàm chất lượng FTnew Cách thực đặc tính Lévy flight, ta sử dụng thuật toán Mantegna [16] Giải pháp tính sau: X dnew  Xbestd    rand  X dnew (3.11) Trong α > bước tính; rand2 số phân phối ngẫu nhiên [-1,1] độ thay đổi ∆Xnewd 370 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 X dnew  v   x ( )  ( Xbest d  Gbest )  y ( ) (3.12) Trong đó:  randx rand y 1/  (3.13) Trong randx randy hai biến phân phối ngẫu nhiên với độ lệch chuẩn x() y() xác định bởi:       (1   )  sin         x ( )    1    1           2       1/   y ( )  (3.14) (3.15) Với  hệ số phân phối (0.3    1.99) (.) hàm phân phối gamma 3.2.3 Cách tìm trứng lạ ngẫu nhiên Việc tìm xác định hành động khám phá trứng lạ tổ với xác suất pa tạo giải pháp cho vấn đề tương tự Lévy flights Các giải pháp hành động tìm thấy cách sau đây: X ddis  Xbestd  K  X ddis (3.16) Trong Xbestd giải pháp tạo thông qua Lévy flights mục 3.2.2 K hệ số cập nhật xác định dựa xác suất chim chủ phát trứng lạ tổ chúng: 1 K 0 , nÕu rand4  pa , ng ợc l ại (3.17) V thay đổi Xddis tính: X ddis  rand5  randp1 ( Xbestd )  randp2 ( Xbestd ) (3.18) Với rand4 rand5 số phân phối ngẫu nhiên [0, 1] randp1(Xbestd) randp2(Xbestd) nhiễu loạn ngẫu nhiên cho vị trí tổ Xbestd 3.2.4 Ràng buộc cho giải pháp Đối với giải pháp thu từ việc tính tốn dịng cơng suất sử dụng phần mềm Matpower toolbox 4.1, giới hạn giới đảm bảo Như mô tả phần hiệu chỉnh thứ hai mục 3.1.b, ràng buộc giải pháp tốt sử dụng để xử lý ràng buộc bất đẳng thức PHÂN BAN TRUYỀN TẢI ĐIỆN | 371 3.2.5 Điều kiện dừng Thuật toán dừng số vòng lặp (Iter) đạt cực đại (Itermax) 3.2.6 Các bước thực Trình tự bước thực thuật toán ORCS giải toán ORPD: Bước 1: Chọn thông số cho ORCSA bao gồm số tổ Np, số vòng lặp tối đa Itermax Khởi tạo số trứng tổ mục 3.2.1 Bước 2: Trong phần tử, tính giá trị biến lệ thuộc dựa tính dịng cơng suất dùng Matpower toolbox 3.1 Bước 3: Đánh giá hàm chất lượng để chọn Xbest Gbest dựa giá trị hàm chất lượng chúng Khởi tạo vòng lặp bắt đầu Iter = tỉ số one rank ror = Bước 4: Tạo giải pháp cho trứng bị bỏ thông qua Lévy flights mục 3.2.2 Bước 5: Khởi tạo giá trị ngẫu nhiên so sánh với tỉ số ror Nếu giá trị ngẫu nhiên nhỏ ror, tiếp tục bước 6, ngược lại đến bước Bước 6: Khám phá trứng lạ ngẫu nhiên để tạo giải pháp mục 3.2.3 Bước 7: Thực chế ràng buộc giải pháp tốt để xác định giải pháp mục 3.2.4 Bước 8: Tính tốn bước Tính hàm fitness (3.9), sau xếp giữ giải pháp tốt Đến bước 14 Bước 9: Thực chế ràng buộc giải pháp tốt để xác định giải pháp mục 3.2.4 Bước 10: Tính tốn bước Tính hàm fitness (3.9), sau xếp giữ giải pháp tốt Bước 11: Khám phá trứng lạ ngẫu nhiên để tạo giải pháp mục 3.2.3 Bước 12: Thực chế ràng buộc giải pháp tốt để xác định giải pháp mục 3.2.4 Bước 13: Tính tốn bước Tính hàm fitness (3.9), sau xếp giữ giải pháp tốt Bước 14: Lấy tổ tốt Gbest Bước 15:Nếu vòng lặp Iter với vòng lặp cực đại dừng, khơng Iter = Iter + 1, tiếp tục bước 16 Bước 16: Nếu Gbest khơng tốt vịng lặp trước Tính tỉ số one rank theo phương trình (3.3) quay lại bước 372 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 KẾT QUẢ TÍNH TỐN Đề tài sử dụng thuật toán ORCS áp dụng vào toán ORPD mạng điện chuẩn IEEE-118 nút [20, 21] để kiểm chứng so sánh hàm mục tiêu với điều kiện ràng buộc so với số phương pháp trí tuệ nhân tạo PSO, PSO-TVAC, HPSO-TVAC, CLPSO, FA Từ ta thấy đặc điểm tối ưu thuật toán ORCS so với phương pháp khác Thuật tốn thực ngơn ngữ lập trình MATLAB R2009b máy có cấu hình: tốc độ xử lý Intel Core i3 Duo CPU 2.50 GHz, RAM 2.00 GB 4.1 Cấu trúc mạng IEEE-118 nút Hệ thống kiểm tra 118 nút, gồm 54 nút máy phát, 64 nút tải 186 nhánh có nhánh chỉnh nấc máy biến áp 14 tụ Nhằm cực tiểu hàm mục tiêu cho hệ thống này, có 77 biến kiểm sốt bao gồm: điện áp 54 nút máy phát, nấc chỉnh máy biến áp dịng cơng suất phản kháng 14 khóa dãy tụ Bảng 4.1 Đặc tính hệ thống IEEE-118 nút dùng để kiểm tra Hệ thống Số nhánh Số máy phát Số máy biến áp Số tụ Số biến kiểm soát IEEE-118 nút 186 54 14 77 Bảng 4.2 Thông số hệ thống IEEE-118 nút dùng để kiểm tra Hệ thống P Q P IEEE-118 nút 4242 1438 4357.28 di di gi Q gi 650.7 4.2 Kết 4.2.1 Hàm cực tiểu tổn thất công suất Bảng 4.3 Kết so sánh phương pháp ORCS cho mạng IEEE-118 nút với hàm mục tiêu tổn thất công suất so với tài liệu tham khảo Phương pháp PSO-TVAC [22] HPSO-TVAC [22] ORCS Min Ploss (MW) 124.3335 116.2026 116.9774 Avg Ploss (MW) 129.7494 117.3553 122.1781 Max Ploss (MW) 134.1254 118.1390 122.1781 Std.dev Ploss (MW) 2.1560 0.4696 2.4681 VD 1.4332 1.8587 2.0636 Lmax 0.0679 0.0650 0.0632 Avg CPU time (s) 85.32 85.25 104.062 PHÂN BAN TRUYỀN TẢI ĐIỆN | 373 4.2.2 Cực tiểu độ lệch điện áp nút tải để cải thiện biến dạng điện áp Bảng 4.4 Kết so sánh phương pháp ORCS cho mạng IEEE-118 nút với hàm mục tiêu độ lệch điện áp so với tài liệu tham khảo Phương pháp PSO-TVAC [22] HPSO-TVAC Min VD 0.3921 0.2074 0.3101 Avg VD 0.4724 0.2498 0.4345 Max VD 0.5407 0.3012 0.5827 Std.dev VD 0.0316 0.0215 0.0596 179.7952 146.8104 136.0782 Lmax 0.0667 0.0670 0.0672 Avg CPU time (s) 78.70 74.90 137.640 Ploss (MW) ORCS [22] 4.2.3 Cực tiểu số ổn định điện áp nhằm nâng cao độ ổn định điện áp Bảng 4.5 Kết so sánh thuật toán ORCS cho mạng IEEE-118 nút với hàm mục tiêu số ổn định điện áp so với tài liệu tham khảo Phương pháp PSO-TVAC HPSO-TVAC ORCS [22] [22] Min Lmax 0.0607 0.0607 0.0595 Avg Lmax 0.0609 0.0608 0.0633 Max Lmax 0.0613 0.0612 0.0712 Std.dev Lmax 0.0001 0.0001 0.0023 Ploss (MW) 184.5627 155.3915 131.9501 VD 1.2103 1.34401 1.3862 Avg CPU time (s) 119.22 119.16 137.316 374 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 4.2.4 So sánh kết tốt hệ thống IEEE-118 nút Bảng 4.6 Kết so sánh phương pháp ORCS cho mạng IEEE-118 nút so với tài liệu tham khảo Mục tiêu Tổn thất công suất (MW) Độ lệch điện áp (VD) Ổn định điện áp (Limax) PSO-TVAC[22] 124.3335 0.3921 0.0607 PSO[22] 131.99 2.2359 0.1388 CLPSO[24] 130.96 1.6177 0.0965 FA [23] 135.42 0.378 - ORCSA 116.9774 0.3101 0.0595 Phương pháp 4.2.3 Nhận xét Dựa vào kết ta thấy phương pháp ORCS cho kết tốt so với phương pháp khác với hàm mục tiêu tổn thất công suất, độ lệch điện áp số ổn định điện áp Trong đó, kết hàm mục tiêu tổn thất công suất, số ổn định điện áp độ lệch điện áp thấp phương pháp khác Ngoài ra, ta thấy thời gian chạy phương pháp chậm so với phương pháp khác nhanh chấp nhận KẾT LUẬN Đề tài trình bày phương pháp ORCS giải tốn điều độ cơng suất phản kháng tối ưu hệ thống điện Đề tài trình bày có hệ thống, rõ ràng, mạch lạc mạng điện cụ thể so sánh, nhận xét, đánh giá với nhiều phương pháp khác để khẳng định tính xác tin cậy kết đạt đề tài Thông qua kết đạt được, phương pháp ORCS thành công việc tìm điểm hội tụ với tốc độ tương đối nhanh hiệu phương pháp việc giải toán tối ưu Mặc dù đề tài áp dụng mạng điện chuẩn IEEE-118 nút với khả phương pháp việc giải tốn có hàm mục tiêu phức tạp, khơng khả vi, có biến số rời rạc phương pháp khơng bị hạn chế số lượng nút hay toán có cấu trúc phức tạp Do đó, giải thuật hồn tồn áp dụng hệ thống điện có số nút lớn Kết tính tốn cho thấy khả linh hoạt, mạnh mẽ phương pháp ORCS việc xác định lời giải tối ưu tồn cục giải tốn ORPD cách dễ dàng so với phương pháp khác Tuy nhiên, phương pháp ORCS gặp số PHÂN BAN TRUYỀN TẢI ĐIỆN | 375 nhược điểm giống phương pháp trí tuệ nhân tạo khác kết tính tốn phụ thuộc nhiều vào thơng số cài đặt thuật tốn kinh nghiệm người lập trình, nhiều thời gian để thử nghiệm tìm kết tối ưu Từ kết đạt ưu nhược điểm đề tài nêu trên, đưa hướng phát triển đề tài góp phần hồn thiện phương pháp ORCS để giải toán tối ưu ngày tốt hơn:  Giải toán ORPD ứng dụng vào mạng điện có số lượng nút lớn có tính đến ảnh hưởng thiết bị FACTS  Kết hợp phương pháp ORCS với phương pháp khác như: Fuzzy Logic, Genetic Algorithm, Neural Network cải tiến phương pháp dựa tảng phương pháp có để tìm lời giải có thời gian hội tụ nhanh xác TÀI LIỆU THAM KHẢO [1] J Nanda, L Hari, and M L Kothari, „Challenging algorithm for optimal reactive power dispatch through classical co-ordination equations”, IEE Proceedings - C, 139(2), 1992, pp 93-101 [2] J G Vlachogiannis, and K Y Lee, “A Comparative study on particle swarm optimization for optimal steady-state performance of power systems”, IEEE Trans Power Systems, 21(4), 2006, pp 1718-1728 [3] D Devaraj and J Preetha Roselyn, “Genetic algorithm based reactive power dispatch for voltage stability improvement”, Electrical Power and Energy Systems, 32(10), 2010, pp 1151-1156 [4] N Grudinin, “Reactive power optimization using successive quadratic programming method”, IEEE Trans Power Systems, 13(4), 1998, pp.1219-1225 [5] D S Kirschen, and H P Van Meeteren, “MW/voltage control in a linear programming based optimal power flow,” IEEE Trans Power Systems, 3(2), 1988, pp.481-489 [6] S Granville, “Optimal reactive power dispatch through interior point methods”, IEEE Trans Power Systems, 9(1), 1994, pp.136-146 [7] K Aoki, M Fan and A Nishikori, “OptimalVAR planning by approximation method for recursive mixed integer linear programming”, IEEE Trans Power Systems, 3(4), 1988, pp.1741 - 1747 [8] L L Lai and J T Ma, “Application of evolutionary programming to reactive power planning– Comparison with nonlinear programming approach”, IEEE Trans Power Systems, 12(1), 1997, pp.198-206 [9] D Devaraj and J Preetha Roselyn, “Genetic algorithm based reactive power dispatch for voltage stability improvement”, Electrical Power and Energy Systems, 32(10), 2010, pp.11511156 [10] A A Abou El Ela, M A Abido, and S R.Spea, “Differential evolution algorithm for optimal reactive power dispatch”, ElectricPower Systems Research, 81(2), 2011, pp.458-464 [11] A Abou El-Ela, A Kinawy, R El-Sehiemy, M Mouwafi, “Optimal reactive power dispatch using ant colony optimization algorithm”, Proceedings of the 14th International Middle East 376 | HỘI NGHỊ KHOA HỌC VÀ CƠNG NGHỆ ĐIỆN LỰC TỒN QUỐC 2017 Power Systems Conference (MEPCON’10), Cairo University, Egypt, Paper ID 315, December 19-21, 2010 [12] J.Kennedy R.Eberhart, “Particle Swarm Optimization”, Proc.IEEE Int.Conf.on Neural Networks, pp.1942-1948, 1995 [13] Ahmed, S T., Amr, A.B & Ibrahim, F A (2013) One Rank Cuckoo Search Algorithm with Application to Algorithmic, Trading Systems Optimization, International Journal of Computer Applications (0975 – 8887), 64(6), 30-37 [14] Yang, X.S & Deb, S (2009) Cuckoo search via Lévy flights In Proc World Congress on Nature & Biologically Inspired Computing (NaBIC 2009), India, 210-214 [15] Xiangtao, L & Minghao, Y (2013) A hybrid cuckoo search via Lévy flights for the permutation flow shop scheduling problem Int J Prod Res, 51, 4732-54 [16] Mantegna, R.N (1994) Fast, accurate algorithm for numerical simulation of Levy stable stochastic processes Phys Rev E., 49, 4677-4683 [17] Ismail Musirin, Titik Khawa Abdul Rahman, “Evolutionary Programming Optimization Technique for Solving Reactive Power Planning in Power System”, Proceedings of the 6th WSEAS Int Conf on EVOLUTIONARY COMPUTING, Lisbon, Portugal, pp.239-244, June 16-18, 2005 [18] C.Thammasirirat, B Marungsri, R Oonsivilai, A Oonsivilai, “Optimal Reactive Power Dispatch using Differential Evolution”, World Academy of Science, Engineering and Technology 60, 2011 [19] S Durairaj, P S Kannan, D Devaraj, “Application of Genetic Algorithm to Optimal Reactive Power Dispatch including Voltage Stability Constraint”, Journal of Energy & Environment 4, pp.63 – 73, 2005 [20] R D Zimmerman, C E Murillo-Sánchez, and R J Thomas, “Matpower's extensible optimal power flow architecture”, In Proc Power and Energy Society General Meeting, IEEE, 2009, pp 1-7 [21] I Dabbagchi and R Christie, “Power systems test case archive”, University of Washington,1993.Retrieved Feb 20, 2011 from http://www.ee.washington.edu/research/pstca/ [22] Vo Ngoc Dieu and Peter Schegner, “Particle swarm optimization with constriction factor for optimal reactive power dispatch”, In Proceedings of the fifth Global Conference on Power Control and Optimization,PCO 2011, 1-3 June, 2011, Dubai, Unites Arab Emirate [23] Abhishek Rajan, T Malakar, “Optimal reactive power dispatch using hybrid Nelder–Mead simplex based firefly algorith”, Electrical Power and Energy Systems 66 (2015) 9–24 [24] K Mahadevan and P S Kannan, “Comprehensive learning particle swarm optimization for reactive power dispatch”, Applied Soft Computing, 10(2), 2010, pp 641- 652  ... ORPD toán tối ưu khác Đề tài nghiên cứu ? ?Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search? ?? Bài toán xây dựng dựa mơ hình tốn học dùng phần mềm Matlab để giải thuật toán. .. chuẩn đặc biệt tốn tối ưu Do đó, tác giả chọn đề tài ? ?Điều độ công suất phản kháng tối ưu sử dụng thuật toán One Rank Cuckoo Search? ?? làm đối tượng nghiên cứu góp phần giúp thuật tốn hồn thiện... cơng suất tối đa nút i nút j xác định sau:  S l  max S ij , S ji  (2.15) THUẬT TOÁN ONE RANK CUCKOO SEARCH [13] 3.1 Thuật toán ORCS Mặc dù thuật toán CS tốt thuật toán PSO, GA, DE việc giải toán