Ứng dụng thuật toán sohpso TVAC để giải bài toán điều độ kinh tế trong hệ thống điện đa vùng

ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA LÊ CAO TRÍ ÁP DỤNG THUẬT TỐN SOHPSO- TVAC ĐỂ GIẢI BÀI TOÁN ĐIỀU ĐỘ KINH TẾ TRONG HỆ THỐNG ĐIỆN ĐA VÙNG CHUYÊN NGÀNH : THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN MÃ SỐ NGÀNH : 60.52.50 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, THÁNG 12 NĂM 2010 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : TS Võ Ngọc Điều (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày tháng năm Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) Xác nhận Chủ tịch Hội đồng đánh giá LV Bộ môn quản lý chuyên ngành sau luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV Bộ môn quản lý chuyên ngành TRƯỜNG ĐẠI HỌC BÁCH KHO A KHOA ĐIỆN – ĐIỆN TỬ CỘNG HOÀ XÃ HỘI CHỦ N GHĨA VIỆT N AM Độc Lập - Tự Do - Hạnh P húc -oOo Tp HCM, ngày tháng năm NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: LÊ CAO TRÍ Phái: Nam Ngày, t háng, năm sinh: 19-10-1986 Nơi sinh: TPHCM Chuyên ngành: Thiết bị Mạng Nhà máy điện MSHV: 09180088 1- TÊN ĐỀ TÀI : ÁP DỤNG THUẬT TOÁN SOHPSO- TVAC ĐỂ GIẢI BÀI TOÁN ĐIỀU ĐỘ KINH TẾ TRONG HỆ THỐNG ĐIỆN ĐA VÙNG 2- NHIỆM VỤ LUẬN VĂN :  Nghiên cứu t huật toán SOHPSO-TVAC  Nghiên cứu toán điều độ kinh tế hệ thống điện đa vùng (Multi-Area Economic Dispatch)  Ứng dụng t huật toán SOHP SO-TVAC gi ải to án điều độ kinh tế MAED với nhiều hệ thống khác 3- NGÀY GIAO NHIỆM VỤ : 05-07-2010 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 06-12-2010 5- HỌ VÀ TÊN CÁN BỘ HƯ ỚNG DẪN : TS VÕ NGỌC ĐIỀU Nội dung đề cương Luận văn t hạc sĩ Hội Đồng Chuyên Ngành t hông qua CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN (Họ tên chữ ký) QUẢN LÝ CHUYÊN NG ÀNH (Họ tên chữ ký) TS Võ Ngọc Điều KHOA QL CHUYÊN NG ÀNH (Họ tên chữ ký) LỜI CẢM ƠN Trước hết, xin bày tỏ lòng biết ơn sâu sắc đến TS.Võ Ngọc Điều, người thầy giúp đỡ cung cấp nhiều tài liệu quý đưa lời khun hữu ích để giúp tơi hồn thành luận văn Xin chân thành c ám ơn đến t ất Quý Thầy, Cô gi ảng dạy, trang bị cho tơi kiến thức bổ ích q báu s uốt trình học tập nghiên cứu sau Xin cảm ơn Gi a đì nh tạo điều kiện để yên tâm học tập tốt suốt thời gi an vừa qua Xin c ảm ơn tất c ả bạn bè thân thuộc động viên, t ạo điều kiệ n thuận lợi hỗ trợ cho nhiều trì nh học tập, cơng t ác s uốt thời gi an thực l uận văn Xin cảm n Anh, Bạn học viên Cao học (khóa 2009-2011) ngành Thiết bị Mạng Nhà máy điện, người chia sẻ bùi năm tháng giảng đường Tp Hồ Chí Mi nh, t háng 12 năm 2010 Người thực Lê Cao Trí Tóm tắt luận văn TĨM TẮT LUẬN VĂN Luận văn trình bày thuật tốn SOHPSO-TVAC ứng dụng vào tính tốn tối ưu chi phí vận hành hệ thống điện lớn có cấu trúc phân chia gồm nhiều vùng nhỏ liên kết Hai phần nội dung thể luận văn là:  Nghiên cứu thuật tốn : tì m h iể u th uậ t t oá n PSO (Pa rt ic al Sw ar m O pt i miz at i on ) c ác n há nh n hỏ l iê n qu an Đi s âu v ng hi ên u nh án h ph át tr iể n từ PSO SOH PSO - TV A C, th iế t lậ p cá c th ôn g s ố cầ n th iế t để ứ ng d ụn g o bà i to n M A ED  Bá i to n điề u độ ki nh tế M A ED : ứng d ụ ng SO HPSO -T V AC gi ải c ác b ài t oá n MA E D mẫ u mự c từ đ ơn g i ản đ ến p c t ạp  Hệ t hố n g vù ng tổ má y  Hệ t hố n g vù ng tổ má y, xé t c hi p hí t ổn h ao t ru yề n t ải  Hệ t hố n g vù ng tổ má y  Hệ t hố n g vù ng tổ má y Kết mà nghiên cứu đạt ứng dụng kỹ thuật tính tốn tiến hóa mà điển hì nh thuật tốn SOHPSO-TVAC vào gi ải toán tối ưu phức tạp hệ thống điện đạt kết khả quan phương pháp sử dụng trước đây, so sánh hai phương diện : kết hội tụ thời gian tính tốn Mục Lục MỤC LỤC CHƯƠNG : GIỚI THIỆU CHUNG 1.1 Đặt vấn đề 1.2 Mục tiêu 1.3 Phạm vi nghiên cứu .2 1.4 Kết mong muốn CHƯƠNG : TỔNG QUAN 2.1 Tổng quan toán điều độ kinh tế đa vùng 2.1.1 Vận hành tối ưu đối tượng vùng 2.1.2 Vận hành tối ưu vùng .5 2.1.3 Các yếu tố ràng buộc toán điều độ kinh tế đa vùng 2.2 Tổng quan phương pháp áp dụng theo số báo 12 CHƯƠNG : GIỚI THIỆU PHƯƠNG PHÁP SOHPSO-TVAC 3.1 PSO nguyên thủy .16 3.2 Canonical Partical Swarm Optimization 21 3.3 Time-Varying Inertia Weight Particle Swarm Optimizer 21 3.4 Radom Inertia Weight Particle Swarm Optimizer 22 3.5 Fully Informed Particle Swarm Optimizer 23 3.6 Adaptive Hierarchical Particle Swarm Optimizer 23 3.7 Particle Swarm Optimizer with Time-varying Acceleration Coefficients 24 3.8 Particle Swarm Optimizer With “Mutation” and Time-Varying Acceleration Coefficients (MPSO-TVAC) .27 Mục Lục 3.9 Self-Organizing Hierarchical Particle Swarm Optimizer With Time-Varying Acceleration Coefficients (HPSO-TVAC) 29 CHƯƠNG : THÀNH LẬP BÀI TOÁN MAED SỬ DỤNG SOHPSO-TVAC 32 4.2 Áp dụng SOHPSO-TVAC giải toán phân bố tối ưu công suất tổ máy nhiều vùng khác hệ thống .34 4.2.1 Thành lập toán cho vấn đề 34 4.2.2 Xây dựng giải thuật SOHPSO-TVAC cho toán Multi-Area Economic Dispatch .36 CHƯƠNG : KẾT QUẢ TÍNH TỐN 5.1 Bài tốn 40 5.2 Bài toán 45 5.3 Bài toán 50 5.4 Bài toán 55 5.5 Bài toán 63 CHƯƠNG : TỔNG KẾT VÀ KIẾN NGHỊ 6.1 Tổng kết đề tài 67 6.2 Hướng phát triển đề tài .68 6.3 Lời kết .68 Danh mục bảng luận văn DANH MỤC CÁC BẢNG TRONG LUẬN VĂN Bảng 5.1 : Kết cho toán trường hợp PD = 800W PD = 950W 41 Bảng 5.2 : Kết cho toán trường hợp PD = 1030W PD = 1120W 42 Bảng 5.3 : Kết cho toán so sánh với phương pháp EDSM, ALHN .42 Bảng 5.4 : Thời gian tính tốn toán so sánh với phương pháp ALHN 43 Bảng 5.5: Kết cho toán trường hợp PD = 800W; PD = 950W .46 Bảng 5.6 : Kết cho toán trường hợp PD = 1030W; PD = 1120W 47 Bảng 7: Kết số toán so sánh với phương pháp QPM, PHN, EDSM, ALHN 48 Bảng 5.8 : Kết cho toán trường hợp PD = 800W; PD = 1030W 51 Bảng 5.9 : Kết cho toán trường hợp PD = 1120W 52 Bảng 5.10 : Kết số toán so sánh với phương pháp PHN, ALHN 52 Bảng 5.11 : Kết số cho toán trường hợp PD = 6000W 58 Bảng 5.12 : Kết chi tiết toán trường hợp PD = 6000W, Iter = 1000, D = 500 59 Danh mục bảng luận văn Bảng 5.13: Kết số toán so sánh với PHN, ALHN .60 Bảng 5.14 : Kết độ lệch chuẩn cho toán trường hợp D = 25, 100, 500 62 Bảng 5.15 : Thông số giới hạn công suất phát hệ số chi phí tốn .63 Bảng 5.16 : Kết số cho toán trường hợp D = 25, 100, 500 64 Bảng 17 : Kết số toán so sánh với phương pháp khác 65 Bảng 5.18 : Kết chi tiết công suất phát tổ máy cho toán 65 Danh mục hình luận văn DANH MỤC CÁC HÌNH TRONG LUẬN VĂN Hình 4.1 : Lưu đồ giải thuật theo phương pháp SOHPSO-TVAC .39 Hình 5.1 : Đồ thị so sánh tốc độ tính tốn tốn so với phương pháp ALHN .43 Hình 5.2 : Đồ thị hội tụ hàm chi phí tốn trường hợp PD = 800MW; PTmax = 90MW 44 Hình 5.3 : Đồ thị hội tụ cơng suất truyền tải tốn trường hợp PD = 800MW; PTmax = 90MW 44 Hình 5.4 : Đồ thị so sánh kết tối ưu chi phí tốn so với phương pháp ALHN .48 Hình 5.5 : Đồ thị hội tụ hàm chi phí tốn trường hợp PD = 1030MW; PTmax = 90MW 49 Hình 5.6 : Đồ thị hội tụ hàm chi phí tốn trường hợp PD = 1030MW; PTmax = 90MW 49 Hình 5.7 : Tốc độ hội tụ toán SOHPSO-TVAC so với PHN, ALHN 53 Hình 5.8 : Kết hội tụ toán SOHPSO-TVAC so với PHN, ALHN 53 Hình 5.9 : Đồ thị hội tụ hàm chi phí tốn trường hợp PD = 1120MW; PTmax = 100MW 54 Hình 5.10 : Đồ thị hội tụ cơng suất truyền tải toán trường hợp PD = 1120MW; PTmax = 100MW 55 Hình 5.11 : Đồ thị hội tụ hàm chi phí toán trường hợp PD = 6000MW; PTmax = 1000MW; D = 500 59 Chương : Kết tính tốn Bảng 5.13: Kết số toán theo SOHPSO-TVAC so sánh với PHN, ALHN Giới hạn công suất truyền tải(MW) 1000 Phụ tải (MW) 6000 Tổng chi phí (M$/h) PHN ALHN [13] [32] 88640 87637.2 Thời gian tính tốn (s) SOHPSOTVAC 84102.3 PHN[13]/ALHN[32]/PSO 3.46/0.047/0.4 Hình 5.12 : Đồ thị hội tụ cơng suất truyền tải toán trường hợp PD = 6000; PTmax = 1000; D = 500 Trang 60 Chương : Kết tính tốn So sánh kết phƣơng pháp 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 84102.3 0.4 0.047 SOHPSO-TVAC 87637.2 ALHN 3.46 PHN 88640 TotalCost CPU times Hình 5.13 : Kết toán phương pháp SOHPSO-TVAC so với ALHN, PHN Ta tính độ lệch chuẩn lần chạy so với mức trung bình trường hợp D = 25, D = 100, D = 500 để xem xét tính ổn định tốn Cơng thức tính độ lệch chuẩn Độ lệch chuẩn = (5.2) Độ lệch chuẩn tính tốn 10 lần dựa kết ngẫu nhiên tính giá trị trung bình để đảm bảo tính khách quan tốn Trang 61 Chương : Kết tính tốn Bảng 5.14 : Kết độ lệch chuẩn cho toán trường hợp D = 25, 100, 500 Iter = 1000 D = 25 D = 100 D = 500 Result Kết Độ lệch Kết Độ lệch Kết Độ lệch No 83895,2 0,2462% 83920,2 0,0170% 83893,8 0,0019% No 83938,8 0,1944% 84353,7 0,0106% 83891,4 0,0010% No 83920,7 0,2159% 83907,4 0,0018% 83892,3 0,0001% No 83914,8 0,2229% 83893,2 0,0151% 83893,6 0,0017% No 83926,6 0,2089% 83894,5 0,0136% 83890,7 0,0018% No 83898,8 0,2420% 83896,1 0,0117% 83891,9 0,0004% No 84111,0 0,0103% 83924,4 0,0220% 83893,4 0,0014% No 85019,4 1,0905% 83909,5 0,0043% 83890,7 0,0018% No 84488,0 0,4586% 83917,7 0,0141% 83893,2 0,0012% No 10 83909,7 0,2298% 83899,0 0,0082% 83891,3 0,0011% Min 83895,2 0,2462% 83893,2 0,0170% 83890,7 0,0019% Max 84488,0 0,4586% 83924,4 0,0106% 83893,8 0,0010% Aver 84102,3 0,3120% 83951,5 0,0118% 83892,2 0,0012% Nhận xét : Mặc dù thời gian tính tốn có cao chút so với phương pháp ALHN SOHPSO-TVAC cho kết tốt hẳn phương pháp PHN ALHN Ta nhận thấy tăng dần số lượng cá thể tìm kiếm từ 25, 100 lên 500 độ sai lệch kết lần tính tốn giảm dần, mức độ ổn định toán tăng dần Trang 62 Chương : Kết tính tốn Bài tốn 5: Xét hệ thống gồm vùng 16 tổ máy từ tốn trích [8] Phụ tải vùng lần lượt: 400 MW, 200MW, 350MW, 300MW Công suất truyền tải giới hạn đường dây: , bỏ qua tổn hao đường dây truyền Hàm chi phí có dạng: tải Bảng 5.15 : Thông số giới hạn công suất phát hệ số chi phí tốn Giới hạn công suất Vùng Tổ máy phát Hệ số chi phí Pmax Pmin b c G1 150 50 0.01 G2 100 25 0.03 G3 100 25 0.05 G4 100 25 0.04 G5 150 50 0.05 G6 100 25 0.04 G7 100 25 0.08 G8 100 25 0.06 G9 150 50 0.1 G10 100 25 0.12 G11 100 25 0.1 G12 100 25 0.13 G13 150 50 0.01 G14 100 25 0.03 G15 100 25 0.05 G16 100 25 0.04 Trang 63 Chương : Kết tính tốn Các thơng số cài đặt cho tốn Số bước lặp tối đa Itmax = 1000 Số cá thể quần thể = 25; 100; 500 Hệ số kinh nghiệm cá thể cực đại c1i = 2.5 Hệ số kinh nghiệm cá thể cực tiểu c1f = 0.2 Hệ số quan hệ với cá thể khác cực đại c2i = 0.2 Hệ số quan hệ với cá thể khác cực tiểu c2f = 2.5 Hệ số phạt Kp = 10000 Bảng 5.16 : Kết số cho toán trường hợp D = 25, 100, 500 Iter = 1000 D = 25 D = 100 D = 500 Result Cost Time (s) Cost Time (s) Cost Time (s) No 7134,5 0,24 7131,7 0,52 7131,1 1,99 No 7139,1 0,25 7131,3 0,51 7131,1 2,34 No 7135,2 0,25 7131,8 0,52 7131,3 2,64 No 7133,3 0,24 7132,0 0,52 7131,1 2,53 No 7133,3 0,25 7132,2 0,50 7131,2 2,27 No 7132,3 0,25 7132,1 0,52 7131,2 2,47 No 7133,3 0,25 7131,3 0,50 7131,1 2,67 No 7133,4 0,25 7132,0 0,51 7131,2 2,37 No 7133,3 0,25 7131,6 0,51 7131,2 2,37 No 10 7132,2 0,25 7132,4 0,54 7131,2 2,63 Min 7132,2 0,24 7131,3 0,50 7131,1 1,99 Max 7135,2 0,25 7132,4 0,54 7131,3 2,67 Aver 7134,0 0,248 7131,8 0,515 7131,1 2,42 Trang 64 Chương : Kết tính tốn Bảng 17 : Kết số toán SOHPSO-TVAC so với phương pháp khác PP CP ($/h) INFP [8] EP-LMO [11] IFEP [10] HIS [10] ALHN [32] PSO-TVAC 7337 7334.39 7337.51 7337.275 7131.1 7131.1 Kết chi tiết trường hợp cụ thể cho toán PD = 1250 MW; PTmax = 100 MW; PD1 = 0.32*PD = 400 MW; PD2 = 0.16*PD = 200 MW; PD3 = 0.28*PD = 350 MW; PD4 = 0.24*PD = 300 MW; Bảng 5.18 : Kết chi tiết công suất phát tổ máy cho toán Vùng Tổ máy Công suất phát Công suất truyền tải G1 150 P12 = G2 100 P13 = 33.8121 G3 66.8629 P14 = -16.949 G4 99.9999 P21 = G5 56.9288 P23 = 67.4705 G6 95.5269 P24 = G7 41.7562 P31 = -33.8121 G8 73.2585 P32 = -67.4705 G9 50.0002 P34 = -100 G10 32.0077 P41 = 16.949 G11 33.2799 P42 = G12 33.4292 P43 = 100 G13 150 G14 100 G15 66.9491 G16 100 Trang 65 Chương : Kết tính tốn o Totalcost = 7131,1 ($/h) o Pnm : công suất truyền tải từ vùng n sang vùng m o CPU times : 2.08 s Hình 5.14: Đồ thị hội tụ hàm chi phí trường hợp PD = 1250; PTmax = 100; D = 500 Nhận xét: Trong ví dụ này, ta nhận thấy kết tối ưu chi phí có xu hướng giảm cơng suất phát vùng xuống thấp hệ số chi phí vận hành cao nhất, công suất phát từ vùng khác chuyển dịch vùng So sánh với phương pháp khác, ngoại trừ ALHN SOHPSO-TVAC cho kết tốt ổn định sau lần tính tốn Kết luận : Qua toán khác từ hệ thống đơn giản đến phức tạp, SOHPSOTVAC cho kết tối ưu có thời gian tốt so với phương pháp khác Với hệ thống nhỏ, thời gian tính tốn nhanh, kết tốt chênh lệch không nhiều so với phương pháp trước Với hệ thống lớn SOHPSO-TVAC cho kết vượt trội nhiên cần số phần tử tìm kiếm số bước lặp lớn để đạt kết hội tụ nên thời gian tính tốn chậm Trang 66 Chương : Kết luận hướng phát triển Thành đạt hướng phát triển đề tài Tóm tắt : Chương tổng kết nội dung chương trước đưa phương hướng nghiên cứu đề tài Chương : Kết luận hướng phát triển CHƯƠNG : TỔNG KẾT VÀ KIẾN NGHỊ 6.1 Tổng kết đề tài : Bài toán điều độ kinh tế hệ thống điện đa vùng vấn đề không giải nhiều phương pháp khác trước đây, nhiên phần lớn phương pháp sử dụng cách thức tìm kiếm phức tạp, cơng thức tính tốn lấy mẫu rắc rối dẫn đến áp dụng cho hệ thống lớn thường có tốc độ hội tụ chậm kết hội tụ không tốt Với phát triển gần phương pháp tìm kiếm dựa trí tuệ nhân tạo mà điển hình PSO tốn có lời giải tốt hai phương diện thời gian kết tối ưu Luận văn trình bày phương pháp SOHPSO-TVAC (một nhánh phát triển PSO) để tính tốn tối ưu cho tốn Thuật toán áp dụng vào hệ thống khác từ đơn giản đến phức tạp với bố cục chặt chẽ logic Kết so sánh với nhiều phương pháp khác thể mức độ thành cơng định Mặc dù tính tốn cho hệ thống có tối đa vùng thuật tốn lập theo hướng tổng quát, có khả giải cho tốn có n vùng liên kết với m tổ máy phần tử SOHPSO-TVAC thể khả tính toán tối ưu mạnh mẽ, phương pháp đơn giản dễ hiểu, công thức ngắn gọn, thời gian hội tụ nhanh chóng Tuy nhiên phương pháp cịn số hạn chế sau : o SOHPSO-TVAC khó hội tụ số lượng ràng buộc tăng nên hệ thống thực tế phức tạp với nhiều điều kiện ràng buộc Trang 67 Chương : Kết luận hướng phát triển việc xử lý ràng buộc thách thức với người lập trình o Cần xác định ngưỡng lớn nhỏ phù hợp hệ số nhận thức hệ số xã hội o Cần xác định giá trị vecto vận tốc khởi động lại phù hợp quần thể có tượng hội tụ cục o Cần xác định số lượng cá thể tìm kiếm phù hợp để đạt kết hội tụ tốt thời gian ngắn Các thông số xác định công thức cụ thể mà theo toán khác người lập trình cần dùng tính tốn thực nghiệm để tìm giá trị tốt nhiều thời gian thực 6.2 Hướng phát triển đề tài Áp dụng SOHPSO-TVAC để giải toán MAED với số phần tử số vùng liên kết lớn hơn, bổ sung thêm điều kiện ràng buộc Áp dụng SOHPSO-TVAC để giải toán MAED với lựa chọn nhiều hàm chi phí để thể khả tính toán tối ưu thuật toán Tiếp tục cải tiến SOHPSO-TVAC để thuật tốn có khả tính tốn nhanh cách kết hợp với số nhánh khác PSO (như TVIW RANDIW) phương pháp dựa trí tuê nhân tạo khác (như GA, ALHN…) để tận dụng ưu điểm Trang 68 Chương : Kết luận hướng phát triển 6.3 Lời kết Thời gian trôi qua thật nhanh mà không đợt ai, lại lần ngồi để viết đoạn kết cảm xúc vui buồn lẫn lộn mẻ ngày Vui cuối có thành nho nhỏ trình học tập tích lũy thêm vốn kiến thức đường tri thức vơ tận Buồn lại phải chia tay với kỉ niệm khó quên ngơi trường bao năm gắn bó, phải chia tay với thầy cơ, bạn bè, anh em, đồng chí Mặc dù đạt kết định, đề tài cịn vài khía cạnh chưa giải triệt để nhiều yếu tố khách quan chủ quan kinh nghiệm tri thức người lập trình Tơi mong độc giả đến với luận văn mang tinh thần chia sẻ, học tập, cải tiến phát triển để đề tài ngày hoàn thiện Trang 69 Tài liệu tham khảo TÀI LIỆU THAM KHẢO [1] Chun-Lung Chen and Nanming Chen Direct Search Method for Solving Economic Dispatch Problem Considering Transmission Capacity Constraints IEEE Transaction On Power Systems, Vol 16, No 4, November 2001 [2] M Zarei, A Roozegar, R Kazemzadeh, and J.M Kauffmann Two Area Power Systems Economic Dispatch Problem Solving Considering Transmission Capacity Constraints World Academy Of Science Engineering And Technology 33 2007 [3] Po Hung Chen And Hong-Chan Chang Large-Scale Economic Dispatch By Genetic Algorithm IEEE Transaction Power Systems, Vol 10, No 4, November 1995 [4] Prasanna T.S, Somasundaram P, Multi-Area Security Constrained Economic Dispatch By Fuzzy - Stochastic Algorithms Journal of Theoretical and Applied Information Technology 2005 – 2009 [5] S.Chitra Selvi , R.P.Kumudini Devi , C.Christober Asir Rajan Hybrid Evolutionary Programming Approach to Multi-Area Unit Commitment with Import and Export Constraints International Journal of Recent Trends in Engineering, Vol 1, No 3, May 2009 [6] C A Baloi, J A Belward, M Bulmer and Carmen Tintos Multi - Area Unit Commitment In The National Electricity Market University of Queensland, Australia [7] Chitra Yingvivatanapong, Member, Wei-Jen Lee, Fellow,and Edwin Liu, Fellow Multi-Area Power Generation Dispatch in Competitive Markets IEEE Transactions On Power Systems, Vol 23, No 1, February 2008 [8] Dan Streiffert ESCA Corporation Bellevue, WA Multi-Area Economic Dispatch with Tie Line Constraints IEEE Transactions on Power Systems, Vol 10, No 4, November 1995 [9] C E Lin and C Y Chou Hierarchical Economic Dispatch for Multi-area Power Systems Electric Power Systems Research, 20 (1991) 193 – 203 Trang 70 Tài liệu tham khảo [10] V Ravikumar Pandi, B K Panigrahi, Manas Kumar Mallick, Ajith Abraham, Swagatam Das Improved Harmony Search for Economic Power Dispatch [11] P.S Manoharan *, P.S Kannan, S Baskar, M Willjuice Iruthayarajan Evolutionary algorithm solution and KKT based optimality verification to multi-area economic dispatch Electrical Power and Energy Systems 31 (2009) 365–373 [12] Jizhong Zhu *, James A Momoh Multi-area power systems economic dispatch using nonlinear convex network flow programming Electric Power Systems Research 59 (2001) 13–20 [13] T Yalcinoz and M J Short Neural Networks Approach for Solving Economic Dispatch Problem with Transmission Capacity Camstraints IEEE Transactions on Power Systems, Vol 13, No 2, May 1998 [14] E H Chowdhury, Saifur Rahrnan A Review Of Recent Advances In Economic Dispatch IEEE Transactions on Power Systems, Vol 5, No 4, November 1990 [15] Chitra Yingvtvatanapong Multi-Area Unit Commiment And Economic Dispatch With Market Operation Components The University Of Texas At Arlington May 2006 [16] Asanga Ratnaweera, Saman K Halgamuge and Harry C Watson SelfOrganizing Hierarchical Particle Swarm Optimizer With Time-Varying Acceleration Coefficients IEEE Transactions On Evolutionary Computation, Vol 8, No 3, June 2004 [17] C Grosan and A Abraham Hybrid Evolutionary Algorithms : Methodologies, Architectures, and Reviews Springer-Verlag Berlin Heidelberg 2007 [18] T Yalcinoz, H Altun, and M Uzam Economic Dispatch Solution Using A Genetic Algorithm Based on Arithmetic Crossover Porto Power Tech Conference 2001 [19] Marco A Montes de Oca Particle Swarm Optimization Introduction May 2007 [20] Chunming Yang and Dan Simon A New Particle Swarm Optimization Technique Cleveland, Ohio 44115 Trang 71 Tài liệu tham khảo [21] Konstantinos E Parsopoulus and Michael N Vrahatis Particle Swarm Optimization Method for Constrained Optimization Problems [22] Jason Tillett T.M Rao, Ferat Sahin and Raghuveer Rao Darwinian Particle Swarm Optimization [23] Riccardo Poli · James Kennedy · Tim Blackwel Partical Swarm Optimization Swarm Intel 2007 [24] Christober C Asir Rajan Genetic Algorithm Based Tabu Search Method For Solving Unit Commitment Problem With Cooling –– Banking Contrains Journal of Electrical Engineering, Vol 60, No 2, 2009, 69–78 [25] Clerc, M., Kennedy, J The particle swarm–explosion, stability, and convergence in a multidimensional complex space IEEE Transactions on Evolutionary Computation 6(1) (2002) 58–73 [26] Shi, Y., Eberhart, R A modified particle swarm optimizer In: Proceedings of the 1998 IEEE World Congress on Computational Intelligence, Piscataway, NJ, IEEE Press (1998) 69–73 [27] R C Eberhart and Y Shi, “Tracking and optimizing dynamic systems with particle swarms,” in Proc IEEE Congr Evolutionary Computation 2001, Seoul, Korea, 2001, pp 94–97 [28] Mendes, R., Kennedy, J., Neves, J The fully informed particle swarm: Simpler, maybe better IEEE Transactions on Evolutionary Computation 8(3) (2004) 204–210 [29] Janson, S., Middendorf, M A hierarchical particle swarm optimizer and its adaptive variant IEEE Transactions on Systems, Man and Cybernetics– Part B 35(6) (2005) 1272–1282 [30] P N Suganthan, “Particle swarm optimizer with neighborhood operator,” in Proc IEEE Int Congr Evolutionary Computation, vol 3, 1999, pp 1958–1962 [31] J Kennedy and R Eberhart, “Particle swarm optimization,” in Proc IEEE Int Conf Neural Networks, 1995, pp 1942–1948 [32] Nguyễn Phúc Khải Áp Dụng Mạng Nơ-ron ALHN giải toán phân bố công suất tối ưu máy phát nhiều vùng Luận văn tốt nghiệp khoa Điện – Điện tử năm 2010 Trang 72 Lý lị ch trích ngang LÝ LỊCH TRÍCH NGANG I Thơ ng ti n cá nhân: Họ tên : LÊ CAO TRÍ Ngày, t háng, năm sinh : 19-10-1986 Địa c hỉ liên l ạc : 18/18 Thích Quảng Đức, Phường 5, Quận Phú Nhuận, Tại : TP HỒ CHÍ MINH Tp Hồ Chí Minh II Q trì nh đào tạo:  Từ 09/2004 – 04/2009 : Sinh viên ngành Điện Năng khoa Điện –Điện Tử trường Đại Học Bách Khoa Tp Hồ Chí Minh  Từ 09/2009 – Nay : H ọ c v i ê n C a o h ọ c c h u y ê n N g n h T h i ế t B ị M n g v N h M y Đ i ệ n t r n g Đại Học Bách Khoa Tp Hồ Chí Minh III Q trì nh cơng tác: Từ 04/2009 – Nay : N h â n v i ê n t r ự c t h u ộ c C ô n g t y T h ô n g t i n d i đ ộ n g - Trung tâm (VMSC2) Trang 73 ... máy điện MSHV: 09180088 1- TÊN ĐỀ TÀI : ÁP DỤNG THUẬT TOÁN SOHPSO- TVAC ĐỂ GIẢI BÀI TOÁN ĐIỀU ĐỘ KINH TẾ TRONG HỆ THỐNG ĐIỆN ĐA VÙNG 2- NHIỆM VỤ LUẬN VĂN :  Nghiên cứu t huật toán SOHPSO- TVAC. .. o Điều độ kinh tế môi trường đa vùng o Điều độ kinh tế môi trường sử dụng đa nhiên liệu Trong luận văn này, tập trung giải toàn điều độ kinh tế môi trường đa vùng 1.2 Mục tiêu Các hệ thống điện. .. biệt áp dụng để giải toán tối ưu hệ thống điện mang lại kết khả quan 1.3 Phạm vi nghiên cứu Ứng dụng thuật toán HSOPSO giải toán MAED vùng phần tử Ứng dụng thuật toán HSOPSO giải toán MAED vùng