Sử dụng thuật toán PGPSO giải bài toán điều độ công suất phản kháng

BỘ GIÁO DỤC VÀ ðÀO TẠO TRƯỜNG ðẠI HỌC KỸ THUẬT CÔNG NGHỆ TP HCM - TRẦN QUANG KHẢI SỬ DỤNG THUẬT TOÁN PGPSO GIẢI BÀI TOÁN ðIỀU ðỘ CÔNG SUẤT PHẢN KHÁNG LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ thuật ñiện Mã số ngành: 60520202 TP HỒ CHÍ MINH, tháng 12 năm 2012 BỘ GIÁO DỤC VÀ ðÀO TẠO TRƯỜNG ðẠI HỌC KỸ THUẬT CÔNG NGHỆ TP HCM - TRẦN QUANG KHẢI SỬ DỤNG THUẬT TOÁN PGPSO GIẢI BÀI TOÁN ðIỀU ðỘ CÔNG SUẤT PHẢN KHÁNG LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ thuật ñiện Mã số ngành: 60520202 CÁN BỘ HƯỚNG DẪN KHOA HỌC: Tiến sĩ Võ Ngọc ðiều TP HỒ CHÍ MINH, tháng 12 năm 2012 CƠNG TRÌNH ðƯỢC HỒN THÀNH TẠI TRƯỜNG ðẠI HỌC KỸ THUẬT CƠNG NGHỆ TP HCM Cán hướng dẫn khoa học : Tiến sĩ Võ Ngọc ðiều (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn Thạc sĩ ñược bảo vệ Trường ðại học Kỹ thuật Công nghệ TP HCM ngày … tháng … năm … Thành phần Hội ñồng ñánh giá Luận văn Thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội ñồng chấm bảo vệ Luận văn Thạc sĩ) …………………………………………………………… …………………………………………………………… …………………………………………………………… …………………………………………………………… …………………………………………………………… Xác nhận Chủ tịch Hội ñồng ñánh giá Luận sau Luận văn sửa chữa (nếu có) Chủ tịch Hội ñồng ñánh giá LV TRƯỜNG ðH KỸ THUẬT CÔNG NGHỆ TP HCM PHÒNG QLKH - ðTSðH CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM ðộc lập - Tự - Hạnh phúc TP HCM, ngày 25 tháng 12 năm 2012 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Ngày, tháng, năm sinh: Chuyên ngành: TRẦN QUANG KHẢI Giới tính:Nam Nơi sinh:Quảng Ngãi 07/04/1976 Kỹ thuật điện MSHV: 1181031022 I- TÊN ðỀ TÀI: Sử dụng thuật tốn PGPSO để giải tốn điều độ cơng suất kháng II- NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu tốn điều độ cơng suất kháng - Tìm hiểu thuật tốn PGPSO - Áp dụng phương pháp PGPSO để giải tốn ñiều ñộ công suất kháng III- NGÀY GIAO NHIỆM VỤ: 21/06/2012 IV- NGÀY HOÀN THÀNH NHIỆM VỤ: 29/12/2012 V- CÁN BỘ HƯỚNG DẪN: Tiến Sĩ Võ Ngọc ðiều CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) VÕ NGỌC ðIỀU KHOA QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) ðIỀU ðỘ CƠNG SUẤT PHẢN KHÁNG BẰNG THUẬT TỐN PSO HƯỚNG GIẢ (OPTIMAL REACTIVE POWER DISPATCH BY PSEUDO-GRADIENT GUIDED PARTICLE SWARM OPTIMIZATION) ……………………………………………………………………………………… TRẦN QUANG KHẢI ðại học Kỹ Thuật Công Nghệ TP HCM, Việt nam TIẾN SĨ: VÕ NGỌC ðIỀU Khoa: Hệ thống ñiện – ðại học bách khoa TP.HCM, Việt Nam TĨM TẮT Bài báo đề xuất hướng giả (pseudo-gradient) dựa thuyết tiến hóa bầy hạt (PGPSO) ñể giải vấn ñề tối ưu hóa cơng suất kháng ðề xuất PGPSO tối ưu hóa bầy hạt với hệ số co thắt hướng giả để có tìm kết tốt Thực hướng giả PSO xác ñịnh hướng phù hợp hạt đảm bảo dịch chuyển nhanh ñến giải pháp tối ưu tổng thể ðề xuất PGPSO ñã ñược thực giải vấn ñề ñiều ñộ công suất kháng với mục tiêu khác tối thiểu hóa tổn thất cơng suất, cải thiện ñiện áp cục bộ, tăng khả ổn ñịnh ñiện áp ñáp ứng hạn chế giới hạn cơng suất kháng máy phát, điều khiển tụ giới hạn ñiện áp, thời gian chuyển biến áp giới hạn truyền tải Phương pháp ñề xuất ñã ñược thử nghiệm hệ thống IEEE 30 bus ñã nhận kết so với kết từ PSO biến thể phương pháp khác Các kết so sánh phương pháp đề xuất nhận tổng tổn thất cơng suất, ñộ lệch ñiện áp hay số ổn ñịnh ñiện áp thấp phương pháp khác thử nghiệm Do đó, phương pháp PGPSO phương pháp thuận lợi ñể giải vấn ñề ñiều ñộ công suất kháng ABSTRACT This topic proposes a pseudo gradient based particle swarm optimization (PGPSO) method for solving optimal reactive power dispatch (ORPD) problem The proposes PGPSO is the particle swarm optimization with constriction factor guided by pseudogradient for better search ability The implementation of the pseudo-gradient in PSO is to detemine the suitable direction for particles to guarantee that they can quickly move to global optimal solution The proposed PGPSO has been implemented for the ORPD problem with different objectives such as minimizing the real power losses, improving the voltage profile, and enhancing the voltage stability satisfying various constrains of reactive power limits of generators, switchable capacitor banks, but voltage limits, transformer tap changer limits, and transmission line limits The proposed method has been tested to the IEEE 30-bus system and the obtained results are compared to those from other PSO variants and other methods in the literature The result comparison has indicated that the proposed method can obtain total power loss, voltage deviation or voltage stability index less than the others for the considered cases Therefore, the proposed PGPSO can be a favorable solution method for dealing the ORPD problem Giới thiệu: ðiều độ cơng suất kháng (ORPD) xác ñịnh biến ñiều khiển ñộ lớn ñiện áp máy phát, ñiều khiển tụ bù cài ñặt thời gian chuyển ñổi biến áp mà hàm mục tiêu tối thiểu ñáp ứng ổn ñịnh máy phát hệ thống ñiện [1] Trong vấn đề ORPD, mục tiêu tổng tổn thất cơng suất, ñộ lệch ñiện áp ñể cải thiện ñiện áp riêng lẻ [2] hay số ổn ñịnh ñiện nhằm tăng cường ổn ñịnh ñiện áp [3] Vấn ñề ñã ñược giải nhiều phương pháp thơng thường dựa phương pháp trí tuệ nhân tạo Một số phương pháp thơng thường cung cấp để giải vấn đề lập trình tuyến tính (LP) [4], lập trình số nguyên hỗn hợp (MIP) [5], phương pháp điểm bên (IPM) [6], lập trình động (QP) [8] Những phương pháp dựa tuyến tính hóa sử dụng gradient cho nghiên cứu hướng Các phương pháp tối ưu hóa thơng thường gặp khó khăn xác định hàm mục tiêu bậc hai khó khăn khác Tuy nhiên, khó khăn cực tiểu cục vấn ñề ñộ cơng suất với nhiều cực tiểu [9] Gần đây, phương pháp nghiên cứu dựa kinh nghiệm trở nên thơng dụng để giải ORPD có thuận lợi thực đơn giản khả tìm giải pháp tối ưu gần cho vấn ñề tối ưu phức tạp Các phương pháp ñã ñược áp dụng ñể giải vấn ñề lập trình tiến hóa (EP) [9], thuật tốn di truyền (GA) [3], thuật tốn tối ưu nội địa (ACOA) [10], khác biệt tiến hóa (DE) [11], nghiên cứu hài hịa (HS) [12]…Những phương pháp cải tiến giải pháp tối ưu cho vấn đề điều độ thơng dụng ñược so sánh với phương pháp thông thường hiệu suất thấp Trong số phương pháp nghiên cứu, tối ưu hóa bầy hạt (PSO) thơng dụng để giải tốn điều độ cơng suất kháng gồm số thay ñổi PSO nhiều tác nhân [13], PSO tăng cường [2], PSO song song [14], PSO học hiểu [15] Phương pháp PSO thường thực ñơn giản nhất, khả nghiên cứu mạnh mẽ nhanh so với phương pháp nghiên cứu khác dẫn ñến chất lượng giải pháp tối ưu ñược cải thiện Thêm phương pháp ñơn giản, phương pháp lai ñược cải tiến rộng rãi ñể giải vấn ñề lai GA [16], lai Ep [17], lai PSO [18]…ñể sử dụng thuận lợi ñơn giản Phương pháp lai thường nhận chất lượng phương pháp ñơn thời gian thực CPU kéo dài Nội dung thực hiện: Mục tiêu vấn ñề ORPD giảm thiểu ñể tối ưu hóa hàm mục tiêu ñáp ứng hạn chế phương trình bất phương trình Về tốn học, phương pháp hình thành theo cơng thức sau: Min F(x,u) (1) Ở đây: F hàm mục tiêu biểu diễn dạng sau: - Tổn thất cơng suất điện năng: Nl F(x,u) = Ploss = g l [V i ∑ i =1 +V j2 − 2V iV j cos(δ i − δ j )] (2) - ðộ lệch ñiện áp ñiện áp cải tiến Nd F(x,u) = VD = V | i ∑ i =1 −V i sp | (3) Ở đây: visp gía trị tham chiếu thiết lập trước tải thứ i, thường cài ñặt ñến 1.0 pu - Chỉ số ñiện áp cải tiến F(x,u) = Lmax = max{Li}; i = 1, ,Nd (4) Các hàm mục tiêu mong muốn, vector biến x phụ thuộc ñược biểu diễn: X =[Qgl,…,QgNg, Vl1,…,VlNd, S1,…,SNl]T vector biến ñiều khiển u, ñược biểu diễn: (5) u = [Vgl,…,VgNg, T1,…,TNt, QC1,…,Q Nc]T (6) Phương trình bất phương trình liên hệ sau a/ Cơng suất tác dụng phản kháng cái: Pgi – Pdi = Vi V j [Gij cos(δi − δ j ) + Bij sin(δi − δ j )], i = 1, N b ∑ j (7) Qgi - Qdi = Vi V j [Gij sin(δi − δ j ) + Bij cos(δi − δ j )], i = 1, N b ∑ j (8) Nb =1 Nb =1 b/ Giới hạn cơng suất phản kháng điện áp máy phát Vgi,min ≤ Vgi ≤ Vgi, max; i = 1, , Ng (9) Qgi,min ≤ Qgi ≤ Qgi, max; i = 1, , Ng (10) c/ Giới hạn tụ bù để điều chỉnh: Qci,min ≤ Qci ≤ Qci, max; i = 1, , Nc (11) d/ Khoảng ñiều áp máy biến áp Tk,min ≤ Tk ≤ Tk, max; k = 1, , Nt (12) e/ Giới hạn ñiện áp ñường truyền tải Vli,min ≤ Vli ≤ Vli, max; i = 1, , Nd (13) Sl ≤ Sl, max; l = 1, , Nl (14) S: Công suất biểu kiến lớn i j ñược xác định: S = max{|Sij|,|Sji|} Trong thơng số : Gij, Bij: ðiện cảm ñiện dẫn i j tương ứng gl:ðiện cảm nhánh l nối i j Li:Chỉ số ñiện áp ổn ñịnh thứ i Nb: Số lượng Nd: Số lượng tải Ng: Số lượng máy phát ñiện (15) Nl: Số lượng ñường dây truyền tải Nt: Số lượng ñiều áp Pdi, Qdi :Công suất tác dụng công suất phản kháng i Pgi, Qgi :Công suất tác dụng cơng suất phản kháng máy phát điện i Qci: Công suất bù phản kháng i Sl: Cơng suất biểu kiến lớn truyền đường dây l kết nối i j Tk: Bộ ñiều áp nhánh k Vgi, Vli:ðiện áp máy phát thứ i thứ i Vi, θi:ðiện áp góc lệch thứ i Phương pháp tối ưu hóa hướng giả: 3.1 Thuyết tiến hóa bầy hạt thơng thường: Thuyết tiến hóa bầy hạt (PSO) phương pháp thơng dụng để giải vấn đề thuyết tiến hóa Phương pháp PSO ñược phát triển Kennedy Eberhat vào năm 1995 (Kennedy & Eberhart,1995), lấy cảm hứng từ chuyển ñộng ñàn chim hay ñàn cá tìm thức ăn Kịch hứng thú cho phương pháp ñược miêu tả sau Một ñàn chim tìm kiếm thức ăn vùng biết mà có mẩu thức ăn phát Mặc dù chim khơng biết thức ăn xác đâu, có xa khơng Chiến lược tốt cho việc tìm thức ăn theo chim mà nơi gần thức ăn Các ý tưởng PSO dựa từ kịch thực để giải vấn đề thuyết tiến hóa Nhằm thực PSO, chim ñược gọi hạt ñại diện ñể thiết lập giải pháp đề xuất khơng gian tìm kiếm đàn chim gọi đại diện bầy ñàn ñể thiết lập giải pháp ñưa ðể ñánh giá giải pháp ñưa ra, sử dụng chức kết hợp với hạt lặp ñi lặp lại ñể thực việc ñánh giá Tương tự kỹ thuật cơng nghệ tính tốn tiến hóa khác thuật tốn di truyền (GA), lập trình tiến hóa (EP), ban ñầu PSO khởi tạo với giải pháp ngẫu nhiên tìm kiếm cách cập nhật thường xun Tuy nhiên, PSO khơng có người phát triển ñột biến GA va EP Trong PSO, giải pháp tiềm ñại diện hạt bay qua khơng gian vấn đề dựa vào tốc độ vị trí tốt dịng điện chúng So với phương pháp nhân tạo khác, ñiểm thuận lợi PSO dễ thực có số tham số điều chỉnh PSO phương pháp nhân tạo tạo vài giả thiết giả ñịnh vấn ñề ñược ñề cập phối hợp với vấn đề có quy mơ lớn khơng gian rộng giải pháp đề nghị Hơn nữa, PSO khơng dùng ñộ chênh lệch vấn ñề thực liên quan số phương pháp thuyết tiến hóa cổ ñiển phương pháp ñộ lệch NewTon Do ñó, PSO khơng cần thực thuyết tiến hóa để khác Vấn ñề giải việc thuyết tiến hóa PSO giải pháp thơng thường hay hạt chuyển ñộng hạt không gian nghiên cứu sử dụng dạng công thức tốn học đơn giản vận tốc vị trí hạt Trong bước lại, hạt ñược cập nhật dựa hai giá trị tốt Giá trị ñầu tiên giải pháp tốt hạt thu ñược giá trị sau giải pháp tốt mà đàn thu Xét kích thước n, vấn ñề thuyết tiến hóa với ñối tượng sau : Min f(x) (20) xmin ≤ x ≤ x max (21) Ở ñây : x = {x1, x2,…xn}T vector biến n không phụ thuộc, xmax xmin vector giới hạn thay ñổi cao nhỏ ðể thiết lập PSO, tồn hạt dùng ñể tìm kiếm giải pháp tối ưu cho vấn ñề Giả sử có np hạt quần thể, vector vận tốc vector vị trí hạt d đặc trưng tương ứng xd = {x1d,x2d,…xnd}T vd = {v1d,v2d,…vnd}T, d = 1,…np, xd vị trí hạt d vd vận tốc hạt ðể ñánh giá giải pháp tốt cho hạt cho toàn bộ, hàm tương ứng thiết lập hàm mục tiêu hạt phối hợp với hàm tương ứng Vị trí hạt d tốt dựa vào so sánh giá trị hàm tương ứng lặp lại giá trị tốt hàm tương ứng trước Vị trí tốt tổng thể dựa vào so sánh giá trị hàm tương ứng tất hạt Vị trí tốt trước hạt d thay pbestd={p1d,p2d,….pnd}T,, d=1,…n hạt tốt quần thể ñặc trưng gbest={g1,g2,…gn]T Giả sử k vị trí tốt hạt quần thể ñược chấp nhận, vận tốc vị trí hạt bước lặp (k+1) nhằm ñánh giá hàm tương ứng ñược cập nhật sau : 13 ðể nhận kết tốt từ phương pháp PGPSO ñược so sánh với phương pháp từ DE [11], học tồn diện tối ưu thuyết tiến hóa bầy hạt (CLPSO) [15] biến thể PSO khác với hàm mục tiêu khác cho bảng VII Vấn ñề tổng tổn thất công suất ñiện ñộ lệch ñiện áp, giải pháptối ưu PGPSO thấp so với phương pháp Thời gian máy tính thực PGPSO chậm so với phương pháp PSO biến thể khác Phương pháp CLPSO nhận ñược tối ưu trung bình 138 giây chậm nhiều so với PGPSO Bảng V.Kết ñộ lệch ñiện áp PSO với hệ thống 30 bus Phương pháp PSOTVIW PSO-TVAC HPSOTVAC PSO-CF PGPSO Min VD 0.0922 0.1210 0.1136 0.0890 0.0905 Avg VD 0.1481 0.1529 0.1340 0.1160 0.1121 Max VD 0.5675 0.1871 0.1615 0.3644 0.2212 Std dev VD 0.1112 0.0153 0.0103 0.0404 0.0199 Ploss (MW) 5.8452 5.3829 5.7269 5.8258 5.8297 Lmax 0.1481 0.1485 0.1484 0.1485 0.1489 9.97 9.88 9.59 9.89 9.905 Avg.CPU time (s) Bảng VI.Kết số ổn ñịnh ñiện áp PSO với hệ thống 30 bus PSO-TVIW PSOTVAC HPSOTVAC PSO-CF PGPSO Min Lmax 0.1249 0.1248 0.1261 0.1247 0.1247 Avg Lmax 0.1261 0.1262 0.1275 0.1265 0.1264 Max Lmax 0.1280 0.1293 0.1287 0.1281 0.1277 Std dev Lmax 0.0008 0.0009 0.0006 0.0008 0.0008 Ploss (MW) 4.9186 4.8599 5.2558 5.0041 4.8428 VD 1.9427 1.9174 1.6830 1.9429 1.96922 Avg.CPU time (s) 13.42 13.39 13.05 13.39 13.366 Phương pháp 14 Bảng VII.Kết tốt so sánh với PSO với hệ thống 30 bus Phương pháp Tổn thất (MW) ðộ lệch ñiện áp Chỉ số ổn ñịnh ñiện áp (VD) (Li,max) DE [11] 4.5550 0.0911 0.1246 CLPSO [15] 4.5615 - - PSO-TVIW 4.5129 0.0922 0.1249 PSO-TVAC 4.5356 0.1210 0.1248 HPSO-TVAC 4.5283 0.1136 0.1261 PSO-CF 4.5128 0.0890 0.1247 PGPSO 4.5128 0.0905 0.1246 Kết luận Trong luận văn này, phương pháp đề xuất PGPSO thực cách hiệu để giải tốn vấn đề điều ñộ công suất kháng (ORPD) với hàm mục tiêu khác Phương pháp PGPSO phương pháp PSO kết hợp hệ số co thắt với pseudo gradient ñể cải tiến khả nghiên cứu Pseudo-gradient hiệu nhằm ñịnh hướng nghiên cứu cho riêng biệt phương pháp dựa quần thể Với việc cải tiến mới, phương pháp ñề xuất PGPSO có hiệu phương pháp khác vấn đề giải tốn điều độ cơng suất kháng với nhiều cực tiểu Phương pháp ñã ñược thử nghiệm hệ thống khác với ñặc tính máy phát cực lõm bao gồm ảnh hưởng van hơi, ña nhiên liệu, vùng cấm vận hành Các kết thử nghiệm ñược phương pháp PGPSO nhận chất lượng giải pháp tốt so với phương pháp khác, giảm chi phí đáng kể Phương pháp PGPSO thử nghiệm hệ thống IEEE 30 bus với hàm mục tiêu gồm tổn thất cơng suất, độ lệch điện áp số ổn ñịnh ñiện áp Các kết thử nghiệm phương pháp đề nghị nhận tổng tổn thất cơng suất, độ lệch điện áp hay số ổn ñịnh ñiện áp thấp PSO biến thể phương pháp khác cho trường hợp thử nghiệm Do đó, PGPSO hữu ích mạnh mẽ để giải tốn điều độ công suất kháng 15 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] 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 [5] K., Aoki, M Fan and A Nishikori, “Optimal VAR planning by approximation method for recursive mixed integer linear programming”, IEEE Trans Power Systems, 3(4), 1988, pp 17411747 [6] S Granville, “Optimal reactive power dispatch through interior point methods”, IEEE Trans Power Systems, 9(1), 1994, pp 136-146 [7] F C Lu and Y Y Hsu, “Reactive power/voltage control in a distribution substation using dynamic programming”, IEE Proc Gen Transm Distrib., 142(6), 1994, pp 639–645 [8] N Grudinin, “Reactive power optimization using successive quadratic programming method”, IEEE Trans Power Systems, 13(4), 1998, pp 1219-1225 [9] 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 [10] A Abou El-Ela, A Kinawy, R El-Sehiemy, and M Mouwafi, “Optimal reactive power dispatch using ant colony optimization algorithm”, Electrical Engineering (Archiv fur Elektrotechnik), 2011, pp 1-14 Retrieved Feb 20, 2011, from http://www.springerlink.com/ content/k02v3 60632653864 [11] A A Abou El Ela, M A Abido, and S R Spea, “Differential evolution algorithm for optimal reactive power dispatch”, Electric Power Systems Research, 81(2), 2011, pp 458-464 [12] A H Khazali and M Kalantar, “Optimal reactive power dispatch based on harmony search algorithm”, Electrical Power and Energy Systems, Article in press [13] B Zhao, C X Guo, and Y J Cao, “A multiagent-based particle swarm optimization approach for optimal reactive power dispatch”, IEEE Trans Power Systems, 20(2), 2005, pp 1070-1078 [14] Y Li, Y Cao, Z Liu, Y Liu, and Q Jiang, “Dynamic optimal reactive power dispatch based on parallel particle swarm optimization algorithm,” Computers and Mathematics with Applications, 57(11-12), 2009, pp 1835-1842 [15] K Mahadevan and P S Kannan, “Comprehensive learning particle swarm optimization for reactive power dispatch”, Applied Soft Computing, 10(2), 2010, pp 641-652 [16] A J Urdaneta, J F Gomez, E Sorrentino, L Flores, and R Diaz, “A hybrid genetic algorithm for optimal reactive power planning based upon successive linear programming”, IEEE Trans Power Systems, 14(4), 1999, pp 1292-1298 16 [17] W Yan, S Lu, D C Yu, “A novel optimal reactive power dispatch method based on an improved hybrid evolutionary programming technique”, IEEE Trans Power Systems, 19(2), 2004, pp 913-2004 [18] A A A Esmin, G Lambert-Torres, and A C Zambroni de Souza, “A hybrid particle swarm optimization applied to loss power minimization”, IEEE Trans Power Systems, 2(2), 2005, pp 859-866 [19] P Kessel and H Glavitsch, “Estimating the voltage stability of power systems”, IEEE Trans Power Systems, 1(3), 1986, pp 346–54 [20] J Kennedy and R Eberhart, “Particle swarm optimization”, In Proc IEEE Conf Neural Networks (ICNN’95), Perth, Australia, IV, 1995, pp 1942-1948 [21] M Clerc and J Kennedy, “The particle swarm - Explosion, stability, and convergence in a multidimensional complex space”, IEEE Trans Evolutionary Computation, 6(1), 2002, pp 5873 [22] S Y Lim, M Montakhab, and H Nouri, “A constriction factor based particle swarm optimization for economic dispatch”, The 2009 European Simulation and Modelling Conference (ESM’2009), 2002, Leicester, United Kingdom [23] 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/ [24] 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 [25] Y Shi and R Eberhart, “A modified particle swarm optimizer”, In Proc The 1998 IEEE World Congress on Computational Intelligence, Piscataway, NJ, IEEE Press, 1998, pp 69-73 [26] A Ratnaweera, S K Halgamuge, and H C Watson, “Self organizing hierarchical particle swarm optimizer with time-varying acceleration coefficients”, IEEE Trans Evolutionary Computation, 8(3), 2004, pp 240-255 [27] K Y Lee, Y M Park, and J L Ortiz, “A united approach to optimal real and reactive power dispatch,” IEEE Trans Power Apparatus and Systems, PAS-104(5), 1985, pp 1147-1153 [28] O Alsac and B Stott, “Optimal load flow with steady-state security”, IEEE Trans Power Apparatus and Systems, 93, 1974, pp 745-751 I Mở ñầu 1.1 Mục tiêu ñề tài nghiên cứu Xây dựng giải tốn điều độ cơng suất phản kháng lưới ñiện phân phối sở ứng dụng thuật tốn nhằm giải tốn điều độ cơng suất phản kháng để ổn định hệ thống truyền tải hệ thống lưới ñiện, chất lượng giải pháp tốt so với phương pháp khác, giảm chi phí vận hành hệ thống ñiện 1.2 Nội dung ñề tài nghiên cứu Nội dung đề tài nghiên cứu tìm hiểu tối ưu hóa tốn điều độ cơng suất phản kháng hệ thống ñiện, nhằm xác ñịnh thay ñổi trình ñiều khiển ñộ lớn ñiện áp máy phát, khả bù công suất phản kháng, cài đặt dịng rị máy biến áp hàm tiêu vấn ñề giảm thiểu nhỏ ñáp ứng cho máy phát hệ thống bị hạn chế Trong vấn đề điều độ cơng suất phản kháng, mục tiêu ñề giảm tổng tổn thất ñiện năng, ñộ sai lệch ñiện áp ñể cải tiến ñiện áp hệ thống hay số ổn ñịnh ñiện áp nhằm tăng khả ổn ñịnh ñiện áp ðiều ñộ công suất phản kháng vấn đề tối ưu hóa phức tạp với qui mơ lớn hạn chế mục tiêu phi tuyến tính Trong vận hành hệ thống điện, vai trị điều độ cơng suất phản kháng trì điện áp truyền tải phạm vi giới hạn ñể cung cấp chất lượng ñiện ñến khách hàng 1.2 Phương pháp nghiên cứu Phương pháp nghiên cứu sử dụng thuật tốn PGPSO để giải tốn điều độ cơng suất kháng hệ thống lưới điện Vấn đề tối ưu điều độ cơng suất kháng (ORPD) với chức hướng tới mục đích khác hệ thống ñiện ñiều ñộ kinh tế, ñiều khiển ñiện áp/công suất phản kháng chiến lược ñiều khiển ñể tranh nguy ổn ñịnh ñiện áp Phương pháp tối ưu dựa số ổn ñịnh ñiện áp ñược ñề cập phát triển Phương pháp thuật tốn đề xuất để giải vấn đề điều độ cơng suất phản kháng Trong vấn ñề tối ưu, thay ñổi ñược ñề cập bao gồm biến ñiều khiển trạng thái thay ñổi Các biến điều khiển bao gồm cơng suất tác dụng, điện áp máy phát ñiện, tỉ số máy biến áp công suất tác dụng tụ điện Thay đổi trạng thái gồm cơng suất máy phát ñiện cái, ñiện áp cái, công suất tác dụng máy phát, công suất truyền tải Hơn nữa, vấn đề điều độ cơng suất kháng có quan hệ tương đương với phương trình khơng quan hệ với giới hạn biến ñiều khiển và trạng thái thay ñổi Trong năm gần có nhiều cơng trình nghiên cứu xác định vị trí tối ưu tụ bù lưới phân phối sử dụng thuật toán mờ (gọi tắt phương pháp mờ) Phương pháp giải toán xác ñịnh vị trí tụ bù lưới phân phối sử dụng phương pháp tìm kiếm thực nghiệm Bài tốn xác định vị trí tụ bù tối ưu lưới phân phối sử dụng thuật toán di truyền – mờ … II Nội dung luận văn: 2.1 Sử dụng thuật tốn PGPSO để giải tốn điều ñộ công suất kháng Vấn ñề tối ưu ñiều ñộ công suất kháng(ORPD) với chức hướng tới mục đích khác hệ thống điện điều độ kinh tế, điều khiển điện áp/cơng suất phản kháng chiến lược ñiều khiển ñể tranh nguy ổn ñịnh ñiện áp Phương pháp tối ưu dựa số ổn ñịnh ñiện áp ñược ñề cập phát triển Mục tiêu vấn ñề ORPD giảm thiểu để tối ưu hóa hàm mục tiêu đáp ứng hạn chế phương trình bất phương trình Về tốn học, phương pháp hình thành theo cơng thức sau: Min F(x,u) (1) Ở đây: F hàm mục tiêu biểu diễn dạng sau: - Tổn thất cơng suất điện năng: Nl F(x,u) = Ploss = g l [V i ∑ i =1 +V j2 − 2V iV j cos(δ i − δ j )] (2) - ðộ lệch ñiện áp ñiện áp cải tiến Nd F(x,u) = VD = V | i ∑ i =1 −V i sp | (3) Ở ñây: visp gía trị tham chiếu thiết lập trước tải thứ i, thường cài ñặt ñến 1.0 pu - Chỉ số ñiện áp cải tiến F(x,u) = Lmax = max{Li}; i = 1, ,Nd (4) 2.2 Thuyết tiến hóa bầy hạt thơng thường : Thuyết tiến hóa bầy hạt (PSO) phương pháp thơng dụng để giải vấn ñề thuyết tiến hóa Phương pháp PSO ñược phát triển Kennedy Eberhat vào năm 1995 (Kennedy & Eberhart,1995), lấy cảm hứng từ chuyển ñộng ñàn chim hay đàn cá tìm thức ăn Kịch hứng thú cho phương pháp ñược miêu tả sau Một đàn chim tìm kiếm thức ăn vùng biết mà có mẩu thức ăn ñược phát Mặc dù chim khơng biết thức ăn xác đâu, có xa khơng Chiến lược tốt cho việc tìm thức ăn theo chim mà nơi gần thức ăn Các ý tưởng PSO dựa từ kịch thực để giải vấn ñề thuyết tiến hóa Nhằm thực PSO, chim ñược gọi hạt ñại diện ñể thiết lập giải pháp ñề xuất khơng gian tìm kiếm đàn chim ñược gọi ñại diện bầy ñàn ñể thiết lập giải pháp ñưa ðể ñánh giá giải pháp ñưa ra, sử dụng chức kết hợp với hạt lặp ñi lặp lại ñể thực việc ñánh giá Tương tự kỹ thuật cơng nghệ tính tốn tiến hóa khác thuật tốn di truyền (GA), lập trình tiến hóa (EP), ban đầu PSO khởi tạo với giải pháp ngẫu nhiên tìm kiếm cách cập nhật thường xuyên Tuy nhiên, PSO khơng có người phát triển đột biến GA va EP Trong PSO, giải pháp tiềm đại diện hạt bay qua khơng gian vấn ñề ñược dựa vào tốc ñộ vị trí tốt dịng điện chúng So với phương pháp nhân tạo khác, ñiểm thuận lợi PSO dễ thực có số tham số điều chỉnh PSO phương pháp nhân tạo tạo vài giả thiết giả ñịnh vấn ñề ñược ñề cập phối hợp với vấn đề có quy mô lớn không gian rộng giải pháp ñề nghị Hơn nữa, PSO không dùng ñộ chênh lệch vấn ñề thực liên quan số phương pháp thuyết tiến hóa cổ điển phương pháp độ lệch NewTon Do đó, PSO khơng cần thực thuyết tiến hóa để khác Vấn đề giải việc thuyết tiến hóa PSO giải pháp thông thường hay hạt chuyển động hạt khơng gian nghiên cứu sử dụng dạng cơng thức tốn học đơn giản vận tốc vị trí hạt Trong bước lại, hạt ñược cập nhật dựa hai giá trị tốt Giá trị ñầu tiên giải pháp tốt hạt thu ñược giá trị sau giải pháp tốt mà ñàn thu Xét kích thước n, vấn đề thuyết tiến hóa với đối tượng sau : Min f(x) xmin ≤ x ≤ x max (20) (21) Ở ñây : x = {x1, x2,…xn}T vector biến n không phụ thuộc, xmax xmin vector giới hạn thay ñổi cao nhỏ ðể thiết lập PSO, tồn hạt dùng để tìm kiếm giải pháp tối ưu cho vấn ñề Giả sử có np hạt quần thể, vector vận tốc vector vị trí hạt d đặc trưng tương ứng xd = {x1d,x2d,…xnd}T vd = {v1d,v2d,…vnd}T, d = 1,…np, xd vị trí hạt d vd vận tốc hạt d ðể ñánh giá giải pháp tốt cho hạt cho toàn bộ, hàm tương ứng thiết lập hàm mục tiêu hạt phối hợp với hàm tương ứng Vị trí hạt d tốt dựa vào so sánh giá trị hàm tương ứng lặp lại giá trị tốt hàm tương ứng trước Vị trí tốt tổng thể dựa vào so sánh giá trị hàm tương ứng tất hạt Vị trí tốt trước hạt d thay pbestd={p1d,p2d,….pnd}T,, d=1,…n hạt tốt quần thể ñặc trưng gbest={g1,g2,…gn]T Giả sử k vị trí tốt hạt quần thể ñược chấp nhận, vận tốc vị trí hạt bước lặp (k+1) nhằm ñánh giá hàm tương ứng ñược cập nhật sau : v id( k +1) = v id( k ) + c1 × rand × ( pbest id( k ) − x id( k ) ) + c × rand × ( gbest i( k ) − x id( k ) ) (22) x id( k +1) = x id( k ) + v id( k +1) (23) Ở ñây số c1 c2 thông số nhận biết xã hội tương ứng, rand1 rand2 giá trị ngẫu nhiên nằm khoảng [0,1] Các dãy số cao nhất, thấp cho vị trí phần tử hạt xid giới hạn giới hạn (max, min) biến thay ñổi ñược ñặc trưng hạt tương ứng Tốc ñộ hạt ñược giới hạn phạm vi [-vid,max, vid,max] i=1,…,n d=1,…np, ñây tốc ñộ (max, min) phần tử thứ i thuộc hạt d không gian nghiên cứu ñược xác ñịnh : vid,max = R × (xid,max – xid,min) (24) vid,min = - vid,max (25) R hệ số giới hạn tốc ñộ, thường chọn khoảng [0.1,0.25] 2.3 Khái niệm Pseudo -Gradient Giả thiết hàm mục tiêu (20) vấn ñề thuyết tiến hóa kích thước n có khả khác nhau, gradient thơng thường g(x) hàm mục tiêu f(x) xác ñịnh vector kích thước n bao gồm thành phần biến ñổi cục hàm f(x) sau: g (x ) = [ ∂f ∂f ∂f T , , ] ∂x ∂x ∂x n (26) Gradient ln tỉ lệ thay đổi hướng hàm mục tiêu điểm khơng gian Tuy nhiên, tiêu chuẩn không áp dụng cho hàm mục tiêu khơng khả vi Do cần thiết gradient gần cho hàm khơng hội tụ Pseudo-gradient giải pháp ñược lựa chọn Pseudo-gradient ñể xác ñịnh hướng tìm kiếm riêng lẻ phương pháp phổ biến phối hợp với vấn ñề thuyết tiến hóa khơng hội tụ với hàm mục tiêu không khả vi (Pham & Jin, 1995) Sự thuận lợi Pseudo-gradient cung cấp hướng tốt khơng gian tìm kiếm mà khơng địi hỏi hàm mục tiêu có khả khả vi Do đó, phương pháp Pseudo-gradient có khả phù hợp thực phương pháp đốn nhằm giải vấn đề khơng lồi nhỏ Với vấn đề thuyết tiến hóa kích thước n khơng lồi hàm mục tiêu khơng khả vi f(x), x= [x1,x2, xn] (20), Pseudo-gradient gp(x) hàm mục tiêu ñược sau (Wen et al.,2003) Giả sử xk= [xk1,xk2, xkn] điểm tìm kiếm khơng gian di chuyển đến điểm xl Có khả xảy cách ñể ý giá trị hàm mục tiêu ñiểm i/ Nếu f(xl)≤ f(xk), hướng từ xk ñến xl xác ñịnh chiều dương Peuso-gradient ñiểm xl ñược xác ñịnh: gp(xl) = [δ(xl1), δ(xl2) δ(xln)]T (27) δ(xli) hướng phần tử xi di chuyển từ ñiểm k ñến ñiểm l ñược xác ñịnh bởi:  if  δ (x l i ) =  if − if  x l i > x ki   x l i = x ki  x l i < x ki  (28) ii/ Nếu f(xl)≥ f(xk) hướng từ xk ñến xl xác ñịnh chiều âm Pseudo-gradient ñiểm xl ñược xác ñịnh: gp(xl) = (29) Dựa vào định nghĩa, Pseudo-gradient hướng tốt cho hàm khơng khả vi đồng dạng với gradient ước lượng khơng gian tìm kiếm dựa vào hai ñiểm sau Từ ñịnh nghĩa, giá trị Pseudogradient gp(xl) ≠ 0, hiển nhiên giải pháp tốt cho hàm mục tiêu tìm bước dựa vào ñịnh hướng Pseudo-gradient gp(xl) điểm l Ngược lại, hướng tìm kiếm điểm nên thay đổi khơng cải thiện hàm mục tiêu hướng 2.4 PGPSO (Pseudo – Gradient Guided Particle Swarm Optimization) PGPSO ñây PSO với tăng cường hệ số co thắt cho trình tăng tốc độ hội tụ Mục đích Pseudogradient dẫn hướng di chuyển hạt theo chiều dương mà di chuyển cách nhanh chóng ñế thuyết tiến hóa Trong PGPSO với hệ số co thắt (Clerc & Kennedy, 2002), tốc ñộ hạt ñược xác ñịnh sau: v id( k +1) = C × [v id( k ) + c1 × rand × ( pbest id( k ) − x id( k ) ) + c × rand × ( gbest i( k ) − x id( k ) )] (30) C = (31) | −ϕ − ϕ − 4ϕ | , ñây ϕ = C1 + C2, ϕ>4 Trong trường hợp này, hệ số ϕ có ảnh hưởng vào đặc tính hội tụ hệ thống phải ñược lớn ñể ñảm bảo có tính ổn định Tuy nhiên, giá trị ϕ tăng, hệ số co thắt C giảm dẫn ñến đa dạng dẫn đến đáp ứng chậm Ví dụ giá trị ϕ = 4.1 (C1=C2=2.05) ðể thực Pseudo-gradient PSO, hai ñiểm tương ứng xem xét xk xl khơng gian tìm kiếm Pseudo-gradient vị trí hạt lặp lại k k+1 tương ứng x(k) x(k+1) Do đó, vị trí hạt ñược viết lại bằng: x id( k ) + δ (x id( k +1) )x v id( k +1) x id( k ) + v id( k +1)  x id( k +1) =  g p (x id( k +1) ≠ 0  nguoclai  (32) Trong (32), pseudo-gradient khác không, hạt di chuyển hướng phải tăng tốc ñộ ñể giải pháp tối ưu khơng gian tìm kiếm vận tốc hạt tăng lên, ngược lại vị trí hạt bình thường cập nhật (23) Thực tế, PGPSO đề xuất kiểu thơng dụng hạt cho hạt di chuyển theo hướng phải ñược ñịnh vận tốc pseudo-gradient ñược gia tăng pseudo-gradient đạt đến giải pháp tối ưu cách nhanh chóng Do đó, PGPSO có tính hiệu PSO thơng thường vấn đề giải tốn thuyết tiến hóa III Các bước thực phương pháp PGPSO điều độ cơng suất kháng ðể thực áp dụng PGPSO ñề xuất cho tốn ORPD, vị trí hạt đại diện biến ñiều khiển ñược xác ñịnh bước sau: xd = {Pg2d, ,PgNgd, Vg1d, ,VgNgd, T1d, ,TNtd, Qc1d, QcNcd}T (33) d = 1, ,NP Ở ñây: xd vị trí hạt d NP tổng số hạt bầy Vị trí vận tốc hạt ban ñầu nằm giới hạn sau: x d( ) = x d , + rand × ( x d , max − x d , ) (34) v d( ) = v d , + rand × (v d , max − v d , ) (35) Ở ñây, rand3 rand4 ñại lượng ngẫu nhiên ñoạn [0,1], xd,max xd,min giới hạn vector biến (33) vd,max vd,min giới hạn vector vận tốc hạt ñược xác ñịnh (24) (25) Trong q trình lặp lặp lại vận tốc vị trí hạt ln ln ñược ñiều chỉnh giới hạn sau thực tính tốn lần lặp lại sau: v dnew = min{v d , max , max{v d , ,v d }} (36) x dnew = min{x d ,max , max{x d ,min , x d }} (37) Hàm tương ứng cực tiểu PGPSO ñược dựa vào hàm mục tiêu biến phụ thuộc bao gồm công suất phát máy phát cái, công suất tác dụng phát máy phát máy phát, điện áp cơng suất biểu kiến truyền tải Hàm tương ứng ñược xác sau: Ng Nd Nl i −1 i =1 l =1 FT = f (x ,u ) + k q ∑ (Q gi − Q gilim ) + kv ∑ (V li −V lilim ) + k s ∑ (S l − S l , max ) (38) Ở ñây, kq,kv ks hệ số phạt cơng phản kháng máy phát, điện áp tải, dịng cơng suất truyền tải tương ứng Giới hạn biến phụ thuộc (38) nói chung xác định dựa vào giá trị tính sau: x lim x max if x > x max  = x if x < x x if x < x < x max       (39) Trong đó, x xlim tương ứng biểu diễn giá trị tính tốn giới hạn Qgi,Vli hay Sl,max IV Kết tính tốn: Bảng ðặc tính hệ thống 30 bus Số nhánh Thanh máy phát Máy biến áp Tụ bù Số biến ñiều khiển 41 19 Bảng Thông số hệ thống 30 bus ΣPdi ΣQdi Ploss ΣQloss ΣPgi ΣQgi 283.4 126.2 5.273 23.14 288.67 795.68 Bảng Thông số phương pháp PSO Phương pháp PSO-TVIM PSO-TVAC HPSO-TVAC PSO-CF wmax wmin c 1, c c1i, c2f c1f, c2i R 0.9 0.4 0.15 2.5 0.2 0.15 2.5 0.2 0.15 2.05 0.15 Trong hệ thống thử nghiệm, máy phát 1, 2, 5, 8, 11 13, Các máy biến áp nhánh 6-9, 6-10, 4-12 27-28 Bộ ñiều chỉnh tụ bù ñược lắp 10, 12, 15, 17, 20, 21, 23, 24 29 với giá trị tương ứng nhỏ lớn khoảng Giới hạn biến điều khiển cho [11], cơng suất phản kháng máy phát [21] trào công suất truyền tải [30] Số hạt cho phương pháp trường hợp test 10 Các kết nhận ñược phương pháp PSO cho hệ thống với hàm mục tiêu khác bao gồm tổn thất cơng suất, độ lệch điện áp để cải tiến ñiện áp ñơn lẻ số ổn ñịnh ñiện áp ñể tăng cường ñiện áp cho bảng IV, V VI tương ứng Bảng Kết tổn thất công suất PSO với hệ thống 30 bus Phương pháp Min Ploss (MW) Avg Ploss (MW) Max Ploss (MW) Std dev Ploss (MW) VD Lmax Avg CPU time (s) PSO-TVIW PSO-TVAC 4.5129 4.5742 5.8204 0.1907 2.0540 0.1255 10.98 4.5356 4.5912 4.9439 0.0592 1.9854 0.1257 10.85 HPSOTVAC 4.5283 4.5581 4.6112 0.0188 1.9315 0.1269 10.38 PSO-CF PGPSO 4.5128 4.6313 5.7633 0.2678 2.0567 0.1254 10.65 4.5128 4.5303 4.6333 0.0258 2.0548 0.1255 10.093 Bảng Kết ñộ lệch ñiện áp PSO với hệ thống 30 bus Phương pháp Min VD Avg VD Max VD Std dev VD Ploss (MW) Lmax Avg.CPU time (s) PSOTVIW 0.0922 0.1481 0.5675 0.1112 5.8452 0.1481 9.97 PSO-TVAC 0.1210 0.1529 0.1871 0.0153 5.3829 0.1485 9.88 HPSOTVAC 0.1136 0.1340 0.1615 0.0103 5.7269 0.1484 9.59 PSO-CF PGPSO 0.0890 0.1160 0.3644 0.0404 5.8258 0.1485 9.89 0.0905 0.1121 0.2212 0.0199 5.8297 0.1489 9.905 Bảng Kết số ổn ñịnh ñiện áp PSO với hệ thống 30 bus Phương pháp PSOTVAC 0.1248 0.1262 0.1293 0.0009 4.8599 1.9174 13.39 PSO-TVIW Min Lmax Avg Lmax Max Lmax Std dev Lmax Ploss (MW) VD Avg.CPU time (s) 0.1249 0.1261 0.1280 0.0008 4.9186 1.9427 13.42 HPSOTVAC 0.1261 0.1275 0.1287 0.0006 5.2558 1.6830 13.05 PSO-CF PGPSO 0.1247 0.1265 0.1281 0.0008 5.0041 1.9429 13.39 0.1247 0.1264 0.1277 0.0008 4.8428 1.96922 13.366 Bảng Kết tốt so sánh với PSO với hệ thống 30 bus Phương pháp DE [11] CLPSO [15] PSO-TVIW PSO-TVAC HPSO-TVAC PSO-CF PGPSO Tổn thất (MW) 4.5550 4.5615 4.5129 4.5356 4.5283 4.5128 4.5128 ðộ lệch ñiện áp (VD) 0.0911 0.0922 0.1210 0.1136 0.0890 0.0905 Chỉ số ổn ñịnh ñiện áp (Li,max) 0.1246 0.1249 0.1248 0.1261 0.1247 0.1246 18 x 10 16 14 12 10 0 10 10 10 Hình ðặc tính hội tụ tổn thất điện hệ thống 30 bus 10 35 30 25 20 15 10 4.5 4.52 4.54 4.56 4.58 4.6 4.62 4.64 Hình Thực 50 bước PGPSO với tổn thất công suất hệ thống 30 bus 14 x 10 12 10 0 10 10 10 Hình 3.ðặc tính hội tụ độ lệch điện áp hệ thống 30 bus 10 10 25 20 15 10 0.08 0.1 0.12 0.14 0.16 0.18 0.2 0.22 0.24 Hình Thực 50 bước PGPSO với độ lệch ñiện áp hệ thống 30 bus 0.15 0.145 0.14 0.135 0.13 0.125 0.12 10 10 10 Hình ðặc tính hội tụ số ổn định điện áp hệ thống 30 bus 10 11 0.1245 0.125 0.1255 0.126 0.1265 0.127 0.1275 0.128 0.1285 Hình Thực 50 bước PGPSO với số ổn ñịnh ñiện áp hệ thống 30 bus III KẾT LUẬN: Trong luận văn này, phương pháp đề xuất PGPSO thực cách hiệu ñể giải tốn vấn đề điều độ cơng suất kháng (ORPD) với hàm mục tiêu khác Phương pháp PGPSO phương pháp PSO kết hợp hệ số co thắt với pseudo gradient ñể cải tiến khả nghiên cứu Pseudo-gradient hiệu nhằm ñịnh hướng nghiên cứu cho riêng biệt phương pháp dựa quần thể Với việc cải tiến mới, phương pháp đề xuất PGPSO có hiệu phương pháp khác vấn đề giải tốn ñiều ñộ công suất kháng với nhiều cực tiểu Phương pháp ñã ñược thử nghiệm hệ thống khác với đặc tính máy phát cực lõm bao gồm ảnh hưởng van hơi, ña nhiên liệu, vùng cấm vận hành Các kết thử nghiệm ñược phương pháp PGPSO nhận chất lượng giải pháp tốt so với phương pháp khác, giảm chi phí đáng kể Phương pháp PGPSO ñược thử nghiệm hệ thống IEEE 30 bus với hàm mục tiêu gồm tổn thất cơng suất, độ lệch ñiện áp số ổn ñịnh ñiện áp Các kết thử nghiệm phương pháp đề nghị nhận tổng tổn thất cơng suất, ñộ lệch ñiện áp hay số ổn ñịnh ñiện áp thấp PSO biến thể phương pháp khác cho trường hợp thử nghiệm Do đó, PGPSO hữu ích mạnh mẽ để giải tốn điều độ cơng suất kháng ... lượng ñiều áp Pdi, Qdi :Công suất tác dụng công suất phản kháng i Pgi, Qgi :Công suất tác dụng công suất phản kháng máy phát ñiện i Qci: Công suất bù phản kháng i Sl: Công suất biểu kiến lớn truyền... thuật điện MSHV: 1181031022 I- TÊN ðỀ TÀI: Sử dụng thuật toán PGPSO để giải tốn điều độ cơng suất kháng II- NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu tốn điều độ cơng suất kháng - Tìm hiểu thuật tốn PGPSO. .. ưu lưới phân phối sử dụng thuật toán di truyền – mờ … 2 II Nội dung luận văn: 2.1 Sử dụng thuật tốn PGPSO để giải tốn điều độ cơng suất kháng Vấn đề tối ưu điều độ cơng suất kháng( ORPD) với chức