Khảo sát ảnh hưởng của biểu giá TOU lên tiêu thụ điện

1 KHẢO SÁT ẢNH HƯỞNG CỦA BIỂU GIÁ TOU LÊN TIÊU THỤ ĐIỆN SURVEY EFFECTION OF TOU PRICING ON DEMAND SIDE Quách Minh Thử Phan Thị Thanh Bình* Khoa Điện – Điện Tử Trường Cao Đẳng Kỹ Thuật Lý Tự Trọng TP HCM, Việt nam *Khoa Điện – Điện Tử, Đại học Bách Khoa TP HCM, Việt nam TÓM TẮT H Tại Việt Nam, tình trạng thiếu điện vấn đề nghiêm trọng Giá theo thời gian sử dụng (TOU: Time-Of-Use) phương pháp quan trọng DSM (Demand Side Manegerment) Thông qua TOU khách hàng phản ứng với giá, thay đổi hình dạng đồ thị phụ tải Chìa khóa việc thực giá TOU thiết lập giá hợp lý Dựa phân tích liệu tải, mơ hình định giá TOU đa mục tiêu đươc trình bày, phương pháp mờ sử dụng để giải mơ hình đa mục tiêu Thuật tốn Gen di truyền (GA) sử dụng để giải vấn đề Các liệu khách hàng thực tế sử dụng để kiểm tra tính khả thi mơ hình đề xuất C ABSTRACT GIỚI THIỆU: U TE In Viet Nam, the electricity shortage is a serious problem Time of use (TOU) is one of the important DSM methods Through TOU the demand side will respond to the price, and will change the shape of the demand curve The key of implementing TOU is reasonable setting TOU price Based on the analysis on historical load data, a multi-object TOU price decision model based on the demand side price response model is presented, and a fuzzy method is used to deal with this multiple objects model Genetic algorithm (GA) is used to solve the problem The data of a practical customer is used to test the feasibility of the proposed model H Mơ hình giá điện theo thời gian (TOU) đời có cải thiện định việc san phẳng đồ thị phụ tải ngày (giảm tải cao điểm, nâng tải thấp điểm) nâng cao hiệu dùng điện Việc tìm kiếm giá điện TOU tối ưu điện lực quan tâm từ lâu, từ biểu giá điện đời với thử nghiệm phức tạp tiến hành diện rộng khách hàng Trong báo này, mơ hình giá điện theo thời gian (TOU) trình bày với mục tiêu: (1) cực tiểu cơng suất tiêu thụ tải lớn cao điểm, (2) cực tiểu khác biệt công suất tiêu thụ cao điểm thấp điểm giải thuật gen (GA) sử dung để giải toán tối ưu điện bình thường; o (off peak) thời gian sử dụng điện thấp điểm; Gi giá điện thời điểm tương ứng, i= p, m, o Một mơ hình đa mục tiêu sử dụng, giảm thiểu tối đa công suất tiêu thụ cao điểm giảm thiểu tối đa chênh lệch công suất tiêu thụ cao điểm thấp điểm Hàm phản ứng khách hàng thời gian sử dụng giá TOU hàm số véc tơ giá G tổng điện tiêu thụ A X i  f i (G, A) ; i, j  m, p, o (1) Ta có: dX i   j NỘI DUNG 2.1 Phương pháp tiếp cận: Gọi: p (peak) thời gian sử dụng điện cao điểm; m (mid peak) thời gian sử dụng X i dG j ; i, j  m, p, o (2) G j Giả sử A số, từ (1) (2) ta có: dG j dX i   ij ; i, j  m, p, o (3) Xi Gj j Với ηij hệ số đàn hồi hàm phản ứng khách hàng Gọi: XR phản ứng khách hàng sau đánh giá giá TOU; XT phản ứng khách hàng; GT vector giá trung bình có tính theo trọng số khoảng thời gian quan sát tại; GR giá TOU cần xác định cho thời gian Từ (3) ta có: X iT X iR     ij j G Tj  G R ; i, j  m, p, o (7) GR G imin  G R  G imax (8) X  X R  X max (9) 2.2.1 2.2.2 X iT  X iR X iR    ij G Tj  G R (4) GR j i, j  m, p, o X iT X iR    ij G Tj  G R GR TE j (5) C Từ hệ số phản ứng ηij, XT,GT, phản ứng khách hàng XR giá GR thời gian xác định i, j  m, p, o U Đây hàm phản ứng khách hàng mà ta cần thiết lập cho mơ hình tính tốn giá TOU H Mơ hình tốn Dựa đồ thị phụ tải, mục tiêu mà ta cần xây dựng tối thiểu tải đỉnh cao điểm tối thiểu chênh lệch tải đỉnh tải thấp điểm Hàm mục tiêu: min f  min(max( X iR )) (6)  min f  min(max( X iR )  min( X iR )) Ràng buộc: H 2.2 Mơ hình tối ưu giá TOU quan điểm điều phối sử dụng điện Biểu thức (7) hàm đa mục tiêu, ta xét hai mục tiêu: Mục tiêu 1: Tối thiểu tải đỉnh cao điểm Mục tiêu 2: Tối thiểu chênh lệch tải đỉnh tải thấp điểm Trong đó: - max( X iR ) : công suất tiêu thụ lớn cao điểm thứ i - max( X iR )  min( X iR ) : chênh lệch công suất tiêu thụ cao điểm thấp điểm Biểu thức (7) phương trình đáp ứng khách hàng, thay đổi giá Biểu thức (8) (9) biểu thức ràng buộc dao động giá Trong đó: - Gimin: giá cực tiểu; Gimax: giá cực đại - Ximin: lượng tiêu thụ điện thời điểm giá cực tiểu; Ximax: lượng tiêu thụ điện thời điểm giá cực đại Xây dựng hàm thành viên Ràng buộc (7) hàm bậc hai giá GR Áp dụng phương pháp mờ để giải toán Trước tiên, tối ưu mục tiêu cách riêng biệt nhận kết mục tiêu, sau tìm kết hàm mục tiêu Bằng cách mờ hóa mục tiêu Phương pháp tối đa hàm thành phần mờ sử dụng Sau thỏa mãn tất điều kiện toán Hàm thành viên mờ cho điều kiện tối thiểu tải đỉnh cao điểm: 1   c    f ( x)  ( f1 ( x))   01 01  01  0 , f1 ( x)  c01 , c01  f1 ( x)  c01   01 (10) , f1 ( x)  c01   01 Trong hình 1: c01   01 : đỉnh tải cực đại - , f1 ( x)  c02 C , c02  f ( x)  c02   02 (11) , f ( x)  c02   02 TE 1   c    f ( x)  ( f ( x))   02 02  02  0 H Hình 1: Hàm thành viên mờ cho điều kiện tối thiểu tải đỉnh cao điểm -  01 : mức giảm tải tối đa dự kiến Hàm thành viên mờ cho điều kiện tối thiểu chênh lệch tải đỉnh tải thấp điểm: H U - c02   02 : sai biệt tải cao cao điểm tải thấp thấp điểm cực đại Hình 2: Hàm thành viên mờ cho điều kiện tối thiểu tải đỉnh tải thấp điểm  02 : mức giảm tối đa chênh lệch dự kiến Tổng quát ta đặt: XR = P’; XT= P Khi ta có: , , X Rmax  Pmax ; X Rmin  Pmin X Tmax  Pmax ; X Tmin  Pmin ; X Ttb  Ptb Trong hình 2: Hàm thành viên (10) trở thành:  ( P' max 1   P  P' max )   max  Pmax  Ptb 0 Trong đó: - f1(x) = P’max: cơng suất tiêu thụ cực đại tối ưu áp dụng giá TOU , P' max  Ptb , Ptb  P' max  Pmax (12) , P' max  Pmax - Pmax: công suất tiêu thụ cực đại chưa áp dụng giá TOU  ( P' max  P' 1   ( P  Pmin )  ( P' max  P' ) )   max ( Pmax  Pmin )  Ptb  0 U H max M S.t , Ptb  ( P' max  P' )  ( Pmax - Pmin ) (13) , ( P' max  P' )  ( Pmax - Pmin ) TE max M S.t  M   ( f1 )  M   ( f ) 0  M   Hay: , P' max  P'  Ptb C Trong đó: - f2(x) = P’max – P’min : Độ chênh lệch công suất tiêu thụ cực đại cực tiểu tối ưu áp dụng giá TOU - Pmax - Pmin : Độ chênh lệch công suất tiêu thụ cực đại cực tiểu chưa áp dụng giá TOU - ∆Ptb : Độ chênh lệch công suất tiêu thụ cực đại cực tiểu trung bình sau tối ưu giá điện TOU Mơ hình đa mục tiêu giá TOU thay đổi thành tối đa hóa hàm thành viên M mà thỏa mãn tất mục tiêu tất điều kiện: Hàm thành viên (11) trở thành: H - Ptb: công suất tiêu thụ điện trung bình sau tối ưu giá điện TOU  f1 ( x)   01M  c01   01   f ( x)   02 M  c02   02 0  M   Hình 3: Sơ đồ thuật tốn ÁP DỤNG 3.1 Số liệu quan sát: Quan sát phụ tải giá điện 10 ngày liên tục công ty điện Tây Ban Nha tháng 1/2008 sau: Và ràng buộc giá: Gimin ≤ Gi ≤ Gimax 2.3 Sơ đồ thuật toán Qua q trình phân tích trên, có sơ đồ thuật tốn sau: Hình 4: Đồ thị phụ tải 10 ngày quan sát Để thuận lợi cho việc quan sát đánh giá từ số liệu phụ tải, tính P_tb phụ tải Bảng 2: Giá điện theo nguyên tắc giá tương ứng 10 ngày Cao Bình Thấp Ngày Điểm thường điểm 8.273 6.877 5.256 8.662 6.771 4.895 8.798 8.116 5.596 8.023 6.550 5.846 7.913 6.457 4.700 8.736 7.907 5.550 8.924 8.057 5.663 8.692 7.985 5.466 7.983 7.392 5.507 10 8.039 7.052 4.816 10 P_tb(i)   P(i, j) j 1 10 ; i  1, 2, , 24 Hình 5: Đồ thị phụ tải Q_tb 10 ngày quan sát Khi thực mô ta sử dụng hệ số đàn hồi phản ứng khách hàng η cho trước sau:   0.0593  0.0107 0.0697  η   0.0170 0.1084  0.0923  0.1405  0.1069  0.0342 C Khi thực giá TOU, ta cần xác định phân vùng thời gian Qua quan sát đồ thị phụ tải, ta phân chia vùng thời gian sau: 3.2 Kết mô hệ số phản ứng khách hàng: H 10 ngày Trên nguyên tắc tính trung bình cơng suất U TE Bảng 1: Phân chia vùng thời gian Giờ cao điểm Giờ bình thường Giờ thấp điểm 10:00 - 14:00 1:00 - 9:00 9:00 - 10:00 (1h) (4h) (8h) 19:00 - 24:00 14:00 - 19:00 (5h) (5h) n H Do số liệu quan sát số liệu 24 có 24 giá điện, nên giá điện tính lại mơ hình giá cho thời điểm cao điểm, bình thường thấp điểm sau: Đặt: Pp: giá thời điểm cao điểm; Pm giá thời điểm bình thường; Po giá thời điểm thấp điểm Ta có: GP - G p   i i với i cao điểm;  Pi Hệ số ηij trích từ liệu [1] Bài Tốn toán giá XT, XR, GT, GR đại lượng trung bình quy thời điểm cao điểm, bình thường, thấp điểm, từ phụ tải tiêu thụ 24h 10 ngày quan sát Ta có: - Gm  G P P i i với i bình thường X  T i  P_tong(i, j) j1 n ; n  10, j  p, m, o Với P_tong tổng điện tiêu thụ thời điểm cao điểm, bình thường, thấp điểm XT sau tinh tốn có giá trị: XT=[ 2.8260 2.0636 1.9829]*10 (MW) i - G0  G P P i i với i thấp điểm 10 i Sau tính tốn, ta bảng giá theo nguyên tắc giá tương ứng 10 ngày bảng sau: G  T i  G(i, j) P_tong(i, j) j1 10  P_tong(i, j) ; j  p, m, o j1 PT sau tính tốn có giá trị: GT=[ 8.4149 7.3370 5.3240] (Cent/MWh) 3.3 Kết mô sau tối ưu thuật toán GA: XTmax_cu = 2.8260* 105 (MW) Delta_max_cu = 8.4307 *10 (MW) Hình 6: Đồ thị phụ tải trước sau thực giá TOU XR=[ 2.7889 2.0433 2.0594]*105 (MW) XRmax_moi = 2.7889*105 (MW) Đường đứt nét phụ tải tương đương 10 ngày quan sát đường liền nét phụ tải theo TOU Delta_max_moi = 7.4562 *10 (MW) X= 1 0 0 0 0 0 Nhận xét 2: Đường cong tải sau TOU đáp ứng mục tiêu san phẳng đồ thị phụ tải toán So sánh Thực Tế: ngày thứ 11 có giá: H FVAL = REASON =1 Như vậy, giá TOU tối ưu: X= 1 0 0 0 0 0 6.0786 5.5529] (Cent/MWh) TE Tại giá trị tối ưu X giá trị hàm thích nghi FVAL = C G11=[7.6879 3.4 Nhận xét Nhận xét 1: H U - Tải tiêu thụ vào cực đại giảm từ 2.8260* 105 (MW) xuống 2.7889*105 (MW) - Độ chênh lệch (ΔQ) giảm từ 8.4307*104 (MW) xuống 7.4562*104 (MW) - Công suất tiêu thụ 24 mơ hình đánh giá theo TOU XRtdmoi: XRtdmoi=[ 2.9179 2.4787 2.4650 2.8557 3.0016 2.8622 3.1963 3.2281 (MW) 2.6943 2.4261 2.6385 2.9789 2.9970 2.8605 3.2525 3.1123 2.5580 2.4150 2.7604 3.0157 2.8947 2.9480 3.2477 3.1099]*104 Đồ thị phụ tải P_tb 24 mười ngày quan sát 24 tối ưu theo TOU: Hình 7: Đồ thị phụ tải ngày thứ 11 Quy đổi lượng điện tiêu thụ điện thực tế ngày thứ 11 giá trị trung bình XT,ta có: XT11= [2.8006 1.9472 2.0562]*105(MW) Thay giá ngày thứ 11 vào mơ hình đáp ứng khách hàng trình bày chương 3: X iR  X iT ; i, j  p, m, o G iT  G iR   ηij n G iR j Ta nhận giá trị XR11 sau: XR11 = [2.8696 1.9953 1.9941]*105 (MW) Nhận xét 3: So sánh XT11 XR11 ta thấy khác biệt tương đối chấp nhận được, điều chứng tỏ tính phù hợp mơ hình (6) [5] [6] [7] Hình 8: Đồ thị phụ tải ngày thứ 11 phụ tải theo TOU [8] KẾT LUẬN [9] C Một mơ hình tính tốn giá TOU xem xét chương 3, dựa kết mô chương ta có kết luận: - Nếu biết trước hệ số phản ứng khách hàng ηij ta tìm giá TOU tối ưu dựa sở liệu khách hàng - Mơ hình tính tốn giá TOU xem xét phải mơ hình đa mục tiêu gồm giảm tải đỉnh cao điểm giảm chênh lệch tải đỉnh tải thấp điểm - Giải toán tối ưu giá TOU thuật tốn Gen di truyền - Ví du ứng dụng cho thấy tính khả thi mơ hình - Nếu giá điện mở rộng theo 24 mơ hình đáp ứng H Đường đứt nét phụ tải ngày thứ 11 đường liền nét phụ tải theo TOU (Time-Of-Use) power price based on DSM (Demand Side Management) and MCP (Marketing Clearing Price) " IEEE: 705 – 710 Qiuwei Wu, Lei Wang, et al (2004) “Research of TOU Power Price Based on Multi-Objective Optimization of DSM and Costs of Power Consumers” IEEE: 343 – 348 Yudong Tang, Hongkun SongTang, et al (2005) "Investigation on TOU pricing principles." IEEE Na Yu, Ji-Lai Yu (2006) "Optimal TOU Decision Considering Demand Response Model." IEEE Yuan Jia-hai, Wang Jing, et al (2006) “Simulation of Large Customer Price Response Under Time-of-Use Electricity Pricing Based on MultiAgent System” IEEE Mrs Anjali Dharme, Dr Ashok Ghatol (2006) “Demand Side Management Quality Index for Assessment of DSM Programs” IEEE: 1718 – 1721 Zeng Shaolun, Ren Yulong, et al (2007) "A Game Model of Time-of-Use Electricity Pricing and Its Simulation " IEEE: 5050 - 5054 Shaolun Zeng, Jun Li, et al (2008) "Research of Time-of-Use Electricity Pricing Models in China: A Survey." IEEE: 2191 – 2195 Saba Kauser M.Shaikh, Anjali A Dharme (2009) "Time of Use Pricing – India, a Case Study." IEEE Weihao Hu, Zhe ChenHu, et al (2010) "Optimal Load Response to Time-ofUse Power Price for Demand Side Management in Denmark " IEEE Yu Cheng, Nana Zhai (2010) "Evaluation of TOU Price Based on Responses of Customer " IEEE: 1977 1981 Liao Yingchen, Chen Lu, et al (2011) "An Efficient Time-of-Use Pricing Model for a Retail Electricity Market Based on Pareto Improvement." IEEE Anyou Dong, Zhongfu Tan, et al (2011) “Two layers optimization model for time-of-use price based on fuel saving and emission reducing” IEEE: 7427 – 7430 H U TE [10] [11] [12] [13] TÀI TIỆU THAM KHẢO [1] [2] [3] [4] Ngô Minh Kỳ (2011) “Khảo sát phản ứng khách hàng lên giá điện TOU” Luận Văn Tốt Nghiêp, Trường Đại hoc Bách Khoa TP.HCM J.-N Sheen, C.-S Chen, et al (1995) "Response of large industrial customers to electricity pricing by voluntary timeof-use in Taiwan " IEEE: 157 – 166 Wu Jun., Tu Guangyu, et al (2003) "Analysis of the influence on the Timeof-Use Price Associated with the LoadMove-Cost " IEEE: 338 - 341 Qiuwei Wu, Junji Wu, et al (2003) "Determination and analysis of TOU [14] [15] [16] C H ĐỀ TÀI: H U TE KHẢO SÁT ẢNH HƯỞNG CỦA BIỂU GIÁ TOU LÊN TIÊU THỤ ĐIỆN HVTH: QUÁCH MINH THỬ GVHD: PGS TS PHAN THỊ THANH BÌNH 1/20 NỘI DUNG BÁO CÁO C Nội dung luận văn H Giới thiệu H U Kết luận TE Các kết mô 2/20 GIỚI THIỆU Một mơ hình giá điện theo thời gian (TOU) đƣợc H trình bày với mục tiêu: U cao điểm TE C - Mục tiêu 1: Cực tiểu công suất tiêu thụ tải lớn H - Mục tiêu 2: Cực tiểu khác biệt công suất tiêu thụ cao điểm thấp điểm Dùng giải thuật gen (GA) để giải tốn tối ƣu 3/20 H 63 C Hình - 5: Đồ thị phụ tải ngày thứ 11 phụ tải theo TOU H U TE Đƣờng đứt nét phụ tải ngày thứ 11 đƣờng liền nét phụ tải theo TOU 64 CHƢƠNG 5: KẾT LUẬN Từ mơ hình tính tốn giá TOU đƣợc xem xét chƣơng 3, dựa kết mô chƣơng ta có kết luận: - Nếu biết trƣớc hệ số phản ứng khách hàng ηij ta tìm đƣợc giá TOU tối ƣu dựa sở liệu khách hàng - Mô hình tính tốn giá TOU đƣợc xem xét phải mơ hình đa mục tiêu gồm giảm tải đỉnh cao điểm giảm chênh lệch tải đỉnh tải thấp điểm Giải toán tối ƣu giá TOU thuật tốn Gen di truyền - Ví du ứng dụng cho thấy tính mơ hình - Nếu giá điện mở rộng theo 24 mơ hình đáp ứng đƣợc H U TE C H - 65 TÀI LIỆU THAM KHẢO [1] Ngô Minh Kỳ (2011) “Khảo sát phản ứng khách hàng lên giá điện TOU” Luân Văn Tốt Nghiêp, Trƣờng Đại hoc Bách Khoa TP.HCM [2] J.-N Sheen, C.-S Chen, et al (1995) "Response of large industrial customers to electricity pricing by voluntary time-of-use in Taiwan " IEEE: 157 – 166 [3] Wu Jun., Tu Guangyu, et al (2003) "Analysis of the influence on the Timeof-Use Price Associated with the Load-Move-Cost " IEEE: 338 - 341 H [4] Qiuwei Wu, Junji Wu, et al (2003) "Determination and analysis of TOU C (Time-Of-Use) power price based on DSM (Demand Side Management) and MCP (Marketing Clearing Price) " IEEE: 705 - 710 TE [5] Qiuwei Wu, Lei Wang, et al (2004) “Research of TOU Power Price Based on Multi-Objective Optimization of DSM and Costs of Power Consumers” IEEE: 343 – 348 [6] Yudong Tang, Hongkun SongTang, et al (2005) "Investigation on TOU U pricing principles." IEEE H [7] Na Yu, Ji-Lai Yu (2006) "Optimal TOU Decision Considering Demand Response Model." IEEE [8] Yuan Jia-hai, Wang Jing, et al (2006) “Simulation of Large Customer Price Response Under Time-of-Use Electricity Pricing Based on Multi-Agent System” IEEE [9] Mrs Anjali Dharme, Dr Ashok Ghatol (2006) “Demand Side Management Quality Index for Assessment of DSM Programs” IEEE: 1718 – 1721 [10] Zeng Shaolun, Ren Yulong, et al (2007) "A Game Model of Time-of-Use Electricity Pricing and Its Simulation " IEEE: 5050 - 5054 [11] Shaolun Zeng, Jun Li, et al (2008) "Research of Time-of-Use Electricity Pricing Models in China: A Survey." IEEE: 2191 – 2195 66 [12] Saba Kauser M.Shaikh, Anjali A Dharme (2009) "Time of Use Pricing – India, a Case Study." IEEE [13] Weihao Hu, Zhe ChenHu, et al (2010) "Optimal Load Response to Time-ofUse Power Price for Demand Side Management in Denmark " IEEE [14] Yu Cheng, Nana Zhai (2010) "Evaluation of TOU Price Based on Responses of Customer " IEEE: 1977 - 1981 [15] Liao Yingchen, Chen Lu, et al (2011) "An Efficient Time-of-Use Pricing Model for a Retail Electricity Market Based on Pareto Improvement." IEEE [16] Anyou Dong, Zhongfu Tan, et al (2011) “Two layers optimization model for H time-of-use price based on fuel saving and emission reducing” IEEE: 7427 – H U TE C 7430 67 PHỤ LỤC Chƣơng trình MatLab thực thuật tốn: Chƣơng trình (MAIN_TOU) clear clc fprintf('\n CHUONG TRINH TOI UU GIA TOU TREN QUAN DIEM DANH GIA PHAN UNG CUA HO TIEU THU') fprintf('\n') H fprintf('\n') C fprintf('\n') fprintf('\n') TE fprintf('\n') fprintf('\n') fprintf('\n') solieu %nhap U hamthichnghi(X) H toi_uu Nhập số liệu thống kê clc clear n=10; g=[ 8.273 6.877 5.256; 8.662 6.771 4.895; 8.798 8.116 5.596; 8.023 6.550 5.846; 7.913 6.457 4.700; 8.736 7.907 5.550; 8.924 8.057 5.663; 8.692 7.985 5.466; 7.983 7.392 5.507; 8.039 7.052 4.816] p=[p1; p2; p3; p4; p5; p6; p7; p8; p9; p10]; 68 23847.4 22786.0 22092.6 21768.8 21903.5 22996.9 25506.1 28134.0 29727.4 31485.1 31884.3 31756.9 31610.2 30334.1 29907.4 29812.0 30905.0 33467.7 33766.2 33641.8 33440.1 32191.0 32250.3]; p2=[ 29766.2 27986.9 26540.4 25448.5 25079.5 24913.9 25580.7 27276.0 29595.5 31238.5 32725.5 32954.4 32512.1 32242.2 30915.6 30423.4 30330.1 31459.4 34119.5 34422.4 34139.4 34037.3 32807.4 32765.6]; p3=[ 29388.8 26812.4 25324.0 24456.6 23780.9 23728.6 24346.5 25629.1 28631.3 30490.0 31909.2 32345.5 32501.1 32464.2 31194.9 31032.9 31089.2 31751.4 34040.5 34294.2 34185.1 34041.8 32848.9 32725.4]; p4=[ 29210.8 26718.1 24704.5 23585.0 22957.2 22498.1 22535.2 21813.0 22823.8 24469.2 26570.2 27508.0 27580.3 27727.9 27140.9 26549.4 26557.0 27170.4 29810.2 30309.2 30760.9 31008.4 30495.7 30987.5]; p5=[ 28999.9 26495.4 24525.6 23388.1 22955.5 22720.1 U TE C H p1=[ 25342.0 21488.8 21325.0 21746.8 22853.1 23887.2 24306.2 24753.3 24570.2 23729.2 23503.1 24289.4 27571.9 28930.5 29853.2 30297.3 29437.2 29379.4]; p6=[ 27483.7 24986.5 23540.2 22871.9 22165.1 21933.3 22270.8 23569.4 26167.5 26951.8 28640.6 29218.4 29275.2 29255.7 28628.6 28430.6 28136.7 28962.0 31787.8 32896.8 32917.0 32909.9 31861.8 31697.9]; p7=[ 27423.9 24845.9 23761.3 22884.3 22564.0 22249.9 22997.8 26024.4 29702.0 30468.9 31106.2 31227.6 30934.3 30543.8 29432.5 29273.9 29381.0 30486.9 33005.4 33506.9 33267.2 32898.0 31492.5 31180.3]; H 22091.9 69 25181.2 24238.9 24014.9 23325.3 23412.9 23896.1 26518.3 29726.3 30309.7 31015.2 30920.3 30578.9 30160.9 28929.6 28864.6 29024.5 29932.9 32721.7 33135.9 32880.6 32331.4 31110.4 30691.8]; p9=[ 27825.7 26036.1 25023.5 24882.6 24386.3 24396.4 24966.8 28006.6 31147.5 31878.2 32578.5 32602.1 32164.0 31842.5 30527.4 30538.0 30713.7 31804.7 34085.9 34497.5 33991.2 33506.6 31627.0 31070.5]; p10=[28315.6 26517.6 25862.4 25051.1 24621.1 24781.3 25674.2 28227.3 31534.5 32088.9 32972.8 33031.5 32548.6 32080.7 30681.6 30321.4 30352.0 30972.3 33270.5 33822.4 33455.5 32639.6 31500.2 31342.4]; C H p8=[ 27209.3 TE Ptd=sum(p)/n; set(gca,'xtick',1:1:24); save Hàm Thích Nghi cho thuật toán GA U function baitoan=hamthichnghi(X) 0.0122 H nuy =[-0.0266 0.0221; 0.0162 0.0124 -0.0223; 0.0420 -0.0465 -0.0279]; gio=[3 3 3 3 1 1 2 2 1 1 2]; Ptd=sum(p)/n ; for i=1:n for j=1:3 p_tong(i,j)=0; end end for i=1:n for k=1:3 for j=1:24 70 if (gio(j)==k) g1(i,j)=g(i,k); p_tong(i,k)=p_tong(i,k)+p(i,j); end end end end p_tong; P_cu=sum(p_tong)/n ; H tuso=zeros(1,3); mauso=zeros(1,3); C for i=1:n for j=1:3 TE tuso(j)=tuso(j)+g(i,j)*p_tong(i,j); mauso(j)=mauso(j)+p_tong(i,j); end U end for i=1:3 H G_cu(i)=tuso(i)/mauso(i); end G_cu ; G_min=[7 2.5]; G_max=[12 11 6.5 ]; for i = 1:3 delta_G(i)=(G_max(i)-G_min(i))/32; end W_1=0.5; W_2=0.5; for i=1:3 71 heso(i)=X((i-1)*5+5)+X((i-1)*5+4)*2+X((i-1)*5+3)*4+ +X((i-1)*5+2)*8+X((i-1)*5+1)*16; end heso ; for i=1:3 G_moi(i)=G_min(i)+heso(i)*delta_G(i); end G_cu G_moi H for i=1:3 A(i)=(G_moi(i)-G_cu(i))/G_cu(i); A ; TE for i=1:3 C end th_1=0; for j=1:3 U th_1=th_1+nuy(i,j)*A(j); end H P_moi(i)=P_cu(i)*(1+th_1); end for i=1:24 m=gio(i); th_2=0; for j=1:3 th_2=th_2+nuy(m,j)*A(j); end Ptdmoi(i)=Ptd(i)*(1+th_2); end Ptdmoi; 72 Ptd; P_cu P_moi P_max_moi=max(P_moi); P_max_cu=max(P_cu); P_medium_cu=sum(P_cu)/3; if P_max_moiP_medium_cu)&(P_max_moiP_max_cu C fitness_1=0; end TE P_min_cu=min(P_cu); P_min_moi=min(P_moi); P_medium_moi=sum(P_moi)/3; U delta_cu=P_max_cu-P_min_cu; delta_moi=P_max_moi-P_min_moi; H delta_medium_cu=0; for i=1:3 for j=1:3 delta_medium_cu=delta_medium_cu+(abs(P_cu(i)-P_cu(j)))/3; end end delta_medium_cu; delta_medium_dat=40000; if delta_moidelta_medium_cu)&(delta_moidelta_cu fitness_2=0; end fitness_1; fitness_2; if fitness_1>fitness_2 fitness_1=fitness_2; else fitnees_2=fitness_1; H end if (G_moi(1)