Xác định vị trí và công suất nguồn điện phân tán để giảm tổn thất công suất trên lưới điện phân phối sử dụng thuật toán Coyote

Bài viết này trình bày phương pháp xác định vị trí và công suất tối ưu của nguồn điện phân tán trên lưới điện phân phối (LĐPP) sử dụng thuật toán coyote algorithm (COA). Hàm mục tiêu của bài toán là cực tiểu tổn thất công suất tác dụng trên LĐPP. COA là thuật toán tối ưu tổng quát lấy ý tưởng từ tập tính xã hội của loài chó sói Bắc Mỹ. Mời các bạn cùng tham khảo!

Tạp chí Khoa học Cơng nghệ, Số 45A, 2020 XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE NGUYỄN THANH THUẬN Khoa Công nghệ Điện, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh nguyenthanhthuan@iuh.edu.vn Tóm tắt Bài báo trình bày phương pháp xác định vị trí cơng suất tối ưu nguồn điện phân tán lưới điện phân phối (LĐPP) sử dụng thuật toán coyote algorithm (COA) Hàm mục tiêu toán cực tiểu tổn thất công suất tác dụng LĐPP COA thuật toán tối ưu tổng quát lấy ý tưởng từ tập tính xã hội lồi chó sói Bắc Mỹ Trong đó, quần thể sói chia thành nhóm nhỏ nhóm có cá thể đầu đàn Sự thích nghi với điều kiện mơi trường sói phụ thuộc vào sói đầu đàn xu hướng nhóm Ngồi ra, nhóm có trao đổi thơng tin thơng qua việc cá thể sói bỏ nhóm tham gia nhóm khác So với thuật tốn khác, COA không cần thông số điều khiển nên giúp tăng cường ổn định tin cậy áp dụng cho tốn tối ưu vị trí công suất nguồn điện phân tán LĐPP Hiệu COA đánh giá LĐPP 33 nút 69 nút Kết cho thấy, COA phương pháp hiệu cho toán xác định vị trí cơng suất DGs LĐPP Keywords Thuật tốn coyote, nguồn điện phân tán, lưới điện phân phối DETERMINING LOCATION AND CAPACITY OF DISTRIBUTED GENERATORS FOR POWER LOSS REDUCTION IN DISTRIBUTION NETWORK USING COYOTE ALGORITHM Abstract This paper presents the method of determining the optimal position and capacity of distributed generations (DGs) on distribution system using coyote algorithm (COA) The objective function of the problem is minimization of power loss of the distribution system COA is a general optimization algorithm inspired by the social behavior of coyotes native to North America In comparisions with other algorithms, COA does not need control parameters, so it enhances stability and reliability for applying to the problem of optimizing the location and capacity of DGs The effectiveness of the COA has assessed on the 33-nodes and 69-nodes distribution systems The results show that COA is an effective method for the problem of determining location and capacity of DGs in the distribution system Keywords coyote algorithm, distributed generations, distribution system GIỚI THIỆU Nguồn điện phân tán (distributed generations-DGs) thường kết nối trực tiếp đến lưới điện phân phối (LĐPP) [1] Với tham gia DGs vào LĐPP, dịng cơng suất khơng đổ từ hệ thống truyền tải mà lưu thơng phần tử LĐPP, Khi LĐPP thực tốt nhiệm vụ cung cấp lượng điện đến hộ tiêu thụ đảm bảo chất lượng điện năng, độ tin cậy yêu cầu an toàn giới hạn cho phép Đồng thời LĐPP có tham gia DGs mang lại nhiều lợi ích khác giảm tải lưới điện, cải thiện điện áp, giảm tổn thất, hỗ trợ lưới điện [2] Việc xác định số lượng, vị trí dung lượng DGs phù hợp LĐPP giúp mang lại nhiều lợi ích kinh tế kỹ thuật trình vận hành LĐPP Một số tốn liên quan đến DGs LĐPP bao gồm tối đa công suất phát DGs, nâng cao độ tin cậy, cực tiểu chi phí đầu tư, vận hành giảm tổn thất LĐPP Khi xem xét DGs LĐPP cần phải xem xét vị trí dung lượng cho phép nối vào hệ thống nhằm thu công suất DGs bơm vào lưới điện lớn để thu hút đầu tư DGs đồng thời nâng cao hiệu LĐPP nhằm đảm bảo yếu tố kỹ thuật Vì vậy, tốn xác định vị trí, dung lượng DGs để cực tiểu tổn thất công suất có kiểm tra điều kiện ràng buộc điện áp dịng điện tốn quan trọng [3], [4] Để xác định vị trí dung lượng cho DGs hệ thống điện phân phối thường sử dụng hai nhóm phương pháp cổ điển tối ưu tổng quát Tiêu biểu tróng nhóm phương pháp thứ số phương © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh XÁC ĐỊNH VỊ TRÍ VÀ CÔNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 101 pháp quy hoạch phi tuyến [5], quy hoạch phi tuyến hỗn hợp nguyên [6], quy hoạch động [7] Đặc điểm chung nhóm phương pháp cho kết tối ưu có độ hội tụ chậm rơi vào cực trị địa phương Nhóm phương pháp thứ hai dựa tri thức tổng quát từ tượng tự nhiên xã hội Một số phương pháp tiêu biểu nhóm giải thuật di truyền (genetic algorithm - GA) [8], [9], tối ưu bầy đàn (particle swarm optimization - PSO) [10], [9], thuật toán bầy ong [11], thuật toán cỏ dại [12], thuật toán cuckoo (cuckoo search algorithm-CSA) [13], thuật toán pháo hoa (fireworks algorithm-FWA) [14] Ưu điểm nhóm phương pháp chúng không bị ảnh hưởng đặc điểm hàm mục tiêu dễ dàng xử lý điều kiện ràng buộc tốn Ngồi ra, giải pháp thu thường có chất lượng tốt so với nhóm phương pháp thứ Vì vậy, nghiên cứu tìm kiếm phương pháp để giải tốn xác định vị trí cơng suất DGs LĐPP vấn đề cần quan tâm Thuật toán tối ưu coyote algorithm (COA) phát triển dựa ý tưởng tập tính xã hội lồi chó sói Bắc Mỹ [15] Đây lồi chó sói thường sống thành nhóm nhỏ nhóm chiếm vùng lãnh thổ định Trong nhóm, thường có cá thể đầu đàn gọi Alpha Mặc dù quan tập tính xã hội lồi chó sói chặt chẽ, đơi có cá thể rời bỏ nhóm để sống chí tham gia nhóm khác Dựa ý tưởng này, tác giả [15] xây dựng thuật toán COA để giải toán tối ưu Trong đó, quần thể chó sói chia thành nhóm nhỏ Điều kiện xã hội chó sói nhóm xem giải pháp cho toán Các giải pháp tạo trình tìm kiếm dựa tương tác cá thể nhóm nhóm với Trong [15], hiệu thuật toán chứng minh hàm toán chuẩn Tuy nhiên, hiệu tốn hệ thống điện tốn xác định vị trí dung lượng DGs LĐPP vấn đề cần xem xét Trong báo này, COA ứng dụng để giải tốn xác định vị trí dung lượng DGs LĐPP nhằm giảm tổn thất công suất LĐPP Hiệu COA cho toán đánh giá hai LĐPP 33 69 nút Kết thu từ COA so sánh với nghiên cứu thực MƠ TẢ BÀI TỐN Do vận hành cấp điện áp thấp nên tổn thất công suất LĐPP chiếm tỷ trọng lớn tổng tổn thất toàn hệ thống điện Vì vậy, nâng cao hiệu LĐPP thông qua giảm tổn thất công suất mục tiêu quan trọng Hàm mục tiêu toán xác định vị trí cơng suất DGs LĐPP mơ tả tốn học sau: = min( ∑ ) (1) Khi lắp đặt DGs LĐPP phải đảm bảo công suất DGs nằm giới hạn cho phép: ≤ ; = 1, 2, ⋯ , (2) ,, , ≤ ,, Ngồi ra, q trình lắp đặt DGs LĐPP cần phải thõa mãn điều kiện ràng buộc cân cơng suất, điện áp dịng điện nằm giới hạn cho phép Do đó, hàm thích nghi tốn mơ tả sau: = + V − ,0 + −V ,0 + − LCF , (3) Trong đó, giá trị hàm thích nghi, K hệ số phạt vi phạm ràng buộc điện áp dòng điện V giới hạn điện áp thấp cho phép biên độ điện áp bé LĐPP V giới hạn điện áp lớn cho phép biên độ điện áp lớn LĐPP LCF hệ số mang tải lớn LĐPP hệ số mang tải cho phép Trong đó, hệ số mang tải định nghĩa tỷ số dòng điện thực tế chạy nhánh giá trị dòng điện định mức dây dẫn TỐI ƯU VỊ TRÍ VÀ CÔNG SUẤT DGS TRÊN LĐPP SỬ DỤNG COA Trong COA, để tìm kiếm giải pháp khơng gian tìm kiếm, quần thể chó sói chia thành nhóm nhỏ N với N cá thể chó sói nhóm Điều kiện xã hội chó sói nhóm xem giải pháp cho toán Quá trình tìm kiếm giải pháp thực dựa tiến hóa theo hệ quần thể chó sói Các giải pháp tạo trình tìm kiếm dựa tương tác cá thể nhóm nhóm với Chi tiết bước thực COA cho tốn xác định vị trí công suất DGs mô tả sau: Bước 1: Lựa chọn thông số Ưu điểm COA so với thuật tốn khác khơng cần thơng số điều khiển q trình tính © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 102 XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TỐN COYOTE tốn Các thơng số khởi tạo ban đầu bao gồm số nhóm chó sói N , số lượng cá thể nhóm N số hệ khảo sát G Lưu ý kích thước quần thể xác định N × N Bước 2: Khởi tạo Điều kiện xã hội cá thể chó sói nhóm xem giải pháp tốn Vì vậy, quần thể ban đầu khởi tạo cho tốn tối ưu vị trí cơng suất DGs khởi tạo sau: sc = (4) , ,…, , , , ,…, , Trong đó, = 1, 2, … , = 1, 2, … , , , vị trí cơng suất DG thứ k, với = 1, 2, … , Khi đó, vị trí cơng suất DGs khởi tạo sau: [2 + rand(0,1) ( − 2)] (5) , = − , + , (6) , = rand(0,1) , Trong , , giới hạn cơng suất lớn nhỏ DG thứ k Sau quần thể ban đầu khởi tạo, giá trị hàm thích nghi cá thể tính tốn dựa biểu thức (3) Bước 3: Cập nhật điều kiện xã hội cá thể chó sói nhóm Trong nhóm, hành vi cá thể chó sói phụ thuộc vào cá thể đầu đàn alpha Ngồi ra, nhóm thường có tập tính riêng so với nhóm khác Dựa đặc điểm này, giải pháp COA cập nhật sau: Trong nhóm thứ g, cá thể có hàm thích nghi tốt chọn trở thành cá thể alpha (al ) Xu hướng xã hội chung nhóm (ct ) xác định điều kiện xã hội trung vị cá thể nhóm Khi đó, điều kiện xã hội cá thể nhóm tạo sau: n_sc = sc + − sc + − sc (7) Trong n_sc sc điều kiện xã hội điều kiện xã hội cá thể thứ c nhóm thứ g sc sc điều kiện xã hội hai cá thể chọn ngẫu nhiên nhóm g r r số ngẫu nhiên khoảng [0, 1] Dựa điều kiện xã hội cá thể tạo, giá trị hàm thích nghi biểu thức (3) tính tốn Nếu điều kiện xã hội có giá trị thích nghi tốt điều kiện xã hội cá thể tương ứng, chọn để trở thành điều kiện xã hội cá thể Bước 4: Tạo cá thể thay cho cá thể có độ thích nghi nhóm Trong nhóm, cá thể chó sói già vốn có thích nghi nhóm bị chết thay cá thể chó sói vốn sinh nhờ tương tác cá thể nhóm sau: , < , ; Trong x = , , ; , , < + (8) , ; ngược lại (j = 1, 2, …, D) biến điều khiển thứ j vector giải pháp điều kiện xã hội cá thể sói D số biến cần tối ưu x , x , biến điều khiển hai giải pháp chọn ngẫu nhiên nhóm r , số ngẫu nhiên khoảng [0, 1] x , biến khởi tạo ngẫu nhiên k k hai giá trị xác suất xác định sau: = 1/ (9) = (1 − )/2 (10) Sau điều kiện xã hội cá thể sói tạo, giá trị hàm thích nghi tính tốn Nếu điều kiện xã hội có giá trị thích nghi tốt điều kiện xã hội cá thể có độ thích nghi nhóm, thay cá thể xấu nhóm, ngược lại bị chết Bước 5: Trao đổi cá thể sói nhóm quần thể Mặc dù sống thành nhóm, có cá thể rời bỏ nhóm để sống tham gia nhóm khác Dựa tập tính này, COA để đa dạng thơng tin nhóm q trình tạo giải pháp mới, có xảy trao đổi cá thể nhóm Xác suất (P ) cá thể sói rời bỏ nhóm để tham gia nhóm khác ngược lại xác định sau: © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh XÁC ĐỊNH VỊ TRÍ VÀ CÔNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TỐN COYOTE 103 = 0.005 × (11) Từ biểu thức thấy với số lượng sói nhóm lớn 14, trao đổi cá thể nhóm chắn xảy Khi xảy trao đổi cá thể nhóm, hai nhóm ngẫu nhiên chọn từ hai nhóm chọn, hai cá thể ngẫu nhiên chọn để tráo đổi vị trí Bước 6: Điều kiện dừng tìm kiếm Quá trình cập nhật điều kiện xã hội cá thể sói nhóm, thay cá thể sói già cá thể sói nhóm, trao đổi cá thể nhóm quần thể thực liên tục số vòng lặp đạt đến giá trị đặt trước ( ) Ngược lại, trình tìm kiếm giải pháp cho toán tiếp tục quay Bước để tiếp tục thực Khi điều kiện dừng đạt được, cá thể có điều kiện xã hội tốt xem kết toán xác định vị trị công suất tối ưu DGs LĐPP Lưu đồ thuật tốn COA mơ tả Hình Bắt đầu Đặt thơng số: số nhóm Ng, số cá thể N c số vịng lặp lớn Gmax - Tạo Ng x N c điều kiện xã hội cá thể sói sử dụng (4-6) - Đánh giá hàm thích nghi điều kiện xã hội sử dụng (3) - Đặt vòng lặp (G) - Xác định cá thể alpha nhóm - Xác định xu hướng xã hội nhóm - Tạo điều kiện xã hỗi cá thể nhóm sử dụng (7) Đánh giá hàm thích nghi điều kiện xã hội Cập nhật điều kiện xã hội cá thể nhóm - Tạo điều kiện xã hội cá thể sói nhóm sử dụng (8) - Đánh giá hàm thích nghi cá thể sói - Thay cá thể xấu nhóm cá thể sói thích nghi cá thể sói tốt Sai Đúng Trao đổi cá thể hai nhóm quần thể Cập nhật cá thể tốt quần thể G=G+1 Sai G = Gmax Đúng Xuất kết quả: Vị trí cơng suất tối ưu DGs Kết thúc Hình Thuật toán COA cho toán tái xác định vị trí cơng suất DGs LĐPP KẾT QUẢ KIỂM TRA Để đánh giá hiệu phương pháp đề xuất, hai LĐPP 33 nút 69 nút dùng để tối ưu vị trí cơng suất DGs Số lượng DGs giới hạn 3, công suất DGs giới hạn từ đến MW Phương pháp tối ưu vị trí cơng suất DGs dựa COA xây dựng môi trường Matlab phiên 2016a chạy máy tính cá nhân Thông số điều khiển COA thiết lập cho hai hệ thống bao gồm: Số nhóm số cá thể nhóm lần chọn Số vòng lặp lớn chọn 300 Trên LĐPP, COA chạy độc lập 50 lần, kết tối ưu thu từ COA so sánh với nghiên cứu thực gần thuật toán GA [9], PSO [9], CSA [13], FWA [14], stochastic fractal search (SFS) [16], harmony search algorithm (HSA) [17] salp swarm algorithm (SSA) [18] © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 104 XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 4.1 Lưới điện 33 nút LĐPP 33 nút có cấp điện áp 12.66 kV bao gồm 37 nhánh 33 nút Thông số nhánh nút lưới tham khảo [19] Tổng công suất hệ thống 3.72 + j2.3 MVA Sơ đồ đơn tuyến hệ thống cho Hình Dịng điện định mức nhánh 255 A [20] 21 21 20 12 10 13 6 34 14 25 24 37 26 25 26 27 27 29 30 30 31 15 15 16 29 29 28 14 13 24 23 7 10 11 23 22 35 22 12 18 19 33 11 19 20 17 16 33 18 17 36 32 31 32 Hình LĐPP 33 nút Phương pháp Ban đầu COA GA [9] PSO [9] CSA [13] FWA [14] SFS [16] HSA [17] SSA [18] Bảng Kết tính tốn LĐPP 33 nút Cơng suất DG (nút) Tổn thất Mức giảm Điện áp thấp công suất tổn thất công (nút) (kW) suất (%) 202.6863 0.9131 (18) 1.07144 (30); 0.75396 71.4599 64.74 0.9687 33) (14); 1.09944 (24) 1.5 (11); 0.4228 (29); 106.3 47.55 1.0714 (30) 0.9816 (13); 0.8297 (32); 105.3 48.05 1.1768 (8) 0.7798 (14); 1.1251 (24); 74.26 63.36 0.9778 1.3496 (30) 0.5897 (14); 0.1895 (18); 88.68 56.25 0.9680 1.0146 (32) 0.7540 (14); 1.0994/(24) 71.47 64.74 0.9687 1.0714/(30) 0.1070 (18); 0.5724 (17); 96.76 52.26 0.9670 1.0462 (33) 0.7536 (33); 1.1004 (23); 71.45 64.75 0.9686 32) 1.0706 (29) Hệ số mang tải lớn 0.8250 0.4475 - Kết tối ưu vị trí cơng suất DGs LĐPP 33 nút sử dụng COA cho Bảng Sau thực tối ưu vị trí cơng suất DGs, LĐPP 33 nút vị trí lắp đặt DGs nút 30, 14 24 với công suất 1.07144, 0.75396 1.09944 MW Với vị trí lắp đặt công suất DGs trên, tổn thất công suất giảm từ 202.6863 xuống 71.4599 kW tương ứng với mức giảm 64.74% Biên độ điện áp nút thấp hệ thống cải thiện từ 0.9131 đến 0.9687 p.u Hệ số mang tải lớn giảm từ 0.8250 xuống 0.4475 Biên độ điện áp nút hệ số mang tải nhánh hệ thống trước sau lắp đặt DGs cho Hình Hình vẽ cho thấy hầu hết điện áp nút cải thiện dòng điện nhánh giảm đáng kể sau lắp đặt DGs Bảng cho thấy ưu điểm phương pháp xác định vị trí cơng suất DGs so với nghiên cứu thực Cụ thể, kết thu từ COA tốt so với GA, PSO, CSA, FWA HSA Tổn thất công suất giảm sử dụng COA 64.74% vốn cao 17.19, 16.69, 1.38, 8.49 12.48% so với GA, PSO, CSA, FWA and HSA Trong đó, so với SFS SSA, kết thu từ COA gần © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 105 tương tự với tổn thất công suất COA, SFS SSA 71.4599, 71.47 71.45 kW Hình Biên độ điện áp nút dòng điện nhánh trước sau lắp đặt DGs LĐPP 33 nút Bảng Chất lượng giải pháp thu LĐPP 33 nút Mục Ban đầu COA Vị trí DGs 30, 14, 24 Cơng suất DGs 1.07144, 0.75396, 1.09944 Tổn thất (kW) 202.69 Giá trị lớn hàm thích nghi 72.2204 Giá trị nhỏ hàm thích nghi 71.4599 Giá trị trung bình hàm thích nghi 71.4853 Độ lệch chuẩn hàm thích nghi 0.1388 Vịng lặp hội tụ trung bình 289.0333 Thời gian thực (s) 33.1656 Chất lượng giải pháp thu được thể qua thông số giá trị lớn nhất, nhỏ nhất, trung bình độ lệch chuẩn hàm thích nghi 50 lần thực độc lập sử dụng COA LĐPP 33 nút 50 lần thực độc lập trình bày Bảng Kết cho thấy giá trị lớn nhất, trung bình hàm thích nghi 50 lần chạy độc lập gần với giá trị nhỏ hàm thích nghi Ngồi ra, độ lệch chuẩn hàm thích nghi bé cho thấy lần chạy độc lập giá trị hội tụ COA gần với giá trị trung bình Điều cho thấy ổn định tin cậy COA lần thực áp dụng cho tốn xác định vị trí công suất DGs LĐPP Đặc tuyến hội tụ trung bình, lớn nhỏ COA 50 lần chạy cho Hình Hình vẽ cho thấy, đường đặc tuyến trung bình hội tụ đến giá trị gần với giá trị hội tụ đường đặc tuyến nhỏ Điều khẳng định ổn định COA cho toán toán xác định vị trí cơng suất DGs LĐPP Hình Đặc tuyến hội tụ COA LĐPP 33 nút © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 106 XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 4.2 Lưới điện 69 nút LĐPP 69 nút có cấp điện áp 12.66 kV Thông số nhánh nút lưới tham khảo [21] Tổn thất công suất hệ thống chưa lắp đặt DGs 224.8871 kW Sơ đồ đơn tuyến hệ thống cho Hình Do thiếu thơng tin dịng điện định mức nhánh nên để so sánh với phương pháp khác, ràng buộc dòng điện bỏ qua LĐPP 69 nút, hay nói cách khác việc lắp đặt DGs giả thiết không gây tải nhánh hệ thống 29 28 28 47 31 30 29 48 47 32 30 31 49 48 33 32 54 34 72 56 55 54 55 66 46 57 56 58 57 5 10 50 51 52 35 36 37 38 39 38 40 39 40 61 60 62 61 63 62 67 13 14 13 69 68 68 43 44 45 42 41 42 64 70 11 12 69 41 65 64 63 73 10 11 12 51 36 37 60 59 67 65 59 58 66 52 Ban đầu COA CSA[13] SFS [16] SSA [18] 33 49 53 Phương pháp 35 50 53 27 34 43 44 15 16 17 18 19 14 15 16 17 18 19 20 21 22 20 23 24 25 26 27 21 22 23 24 25 26 71 46 45 Hình LĐPP 69 nút Bảng Kết tính tốn LĐPP 69 nút Công suất DG (nút) Tổn thất Mức giảm công suất tổn thất công (kW) suất (%) 224.8871 1.71893(61); 0.38045(18); 0.526251(11) 69.3928 69.14 0.6022 (11); 0.3804 (18); (61) 72.44 67.79 0.5268 (11); 0.3804 (18); 1.7190 (61) 69.44 69.12 0.527 (10); 0.380 (17); 1.718 (60) 69.41 69.14 Điện áp thấp (nút) 0.9092 (65) 0.9790 (65) 0.9890 0.9790 0.9789 (65) Hình Biên độ điện áp nút dòng điện nhánh trước sau lắp đặt DGs LĐPP 69 nút Kết thực LĐPP 69 nút sử dụng COA cho Bảng Sau thực tối ưu vị trí cơng suất DGs, LĐPP 69 nút vị trí lắp đặt DGs nút 61, 18 11với công suất 1.71893, 0.38045 0.526251 MW Với vị trí lắp đặt cơng suất DGs trên, tổn thất công suất giảm từ 224.8871 xuống 69.3928 kW tương ứng với mức giảm 69.14% Biên độ điện áp nút thấp hệ thống xảy nút 65 cải thiện từ 0.9092 đến 0.9790 p.u Biên độ điện áp nút hệ thống trước sau lắp đặt DGs cho Hình Hình vẽ cho thấy hầu hết điện áp nút cải thiện đáng kể sau lắp đặt DGs Bảng cho thấy ưu điểm COA so với © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 107 phương pháp so sánh Với vị trí cơng suất DGs tìm từ COA, tổn thất cơng suất hệ thống 69.3928 kW tổn thất công suất sử dụng phương pháp CSA, SFS SSA 72.44, 69.44 69.41 kW vốn cao so với COA Tương tự LĐPP 33 nút, chất lượng giải pháp thu sử dụng COA LĐPP 69 nút 50 lần thực trình bày Bảng Kết cho thấy giá trị lớn nhất, trung bình hàm thích nghi 50 lần chạy độc lập gần với giá trị nhỏ hàm thích nghi với độ lệch chuẩn 0.1083 Đặc tuyến hội tụ trung bình, lớn nhỏ COA 50 lần chạy cho Hình Hình vẽ cho thấy, đường đặc tuyến lớn trung bình hội tụ đến giá trị gần với giá trị hội tụ đường đặc tuyến nhỏ Điều khẳng định ổn định tin cậy COA cho tốn xác định vị trí cơng suất DGs LĐPP Bảng Chất lượng giải pháp thu LĐPP 69 nút Mục Ban đầu COA Vị trí DGs 61, 18, 11 Công suất DGs 1.71893, 0.38045, 0.526251 Tổn thất (kW) 224.8871 69.3928 Giá trị lớn hàm thích nghi 69.9339 Giá trị nhỏ hàm thích nghi 69.3928 Giá trị trung bình hàm thích nghi 69.4200 Độ lệch chuẩn hàm thích nghi 0.1083 Vịng lặp hội tụ trung bình 293.5333 Thời gian thực (s) 105.1594 Hình Đặc tuyến hội tụ COA LĐPP 69 nút KẾT LUẬN Bài báo trình bày phương pháp tối ưu vị trí cơng suất DGs LĐPP sử dụng thuật toán COA để cực tiểu tổn thất công suất tác dụng Để chứng minh hiệu COA, hai LĐPP chuẩn 33 nút 69 nút sử dụng để tối ưu vị trí cơng suất ba DGs Kết cho thấy sau thực tối ưu vị trí cơng suất DGs, tổn thất hai hệ thống giảm 64.74 69.14% so với trước lắp đặt DGs Kết so sánh với nghiên cứu thực sử dụng phương pháp GA, PSO,CSA, FWA, SFS, HSA, SSA cho thấy hiệu COA giải pháp thu Ngoài ra, chất lượng giải pháp thu 50 lần thực độc lập LĐPP cho thấy ổn định tin cậy COA cho toán xác định vị trí cơng suất DGs LĐPP Vì vậy, COA thuật toán tin cậy hứa hẹn để áp dụng cho toán toán xác định vị trí cơng suất DGs LĐPP để giảm tổn thất cơng suất nói riêng tốn xác định vị trí cơng suất DGs thỏa mãn mục tiêu khác nói chung REFERENCES [1] G N S, D K Khatod, and M P Sharma, “Distributed Generation Impact on Distribution Networks : a Review,” International Journal of Electrical and Electronics Engineering (IJEEE), vol 2, no 1, pp 68–72, 2012 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 108 [2] XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE E S Ali, S M Abd Elazim, and A Y Abdelaziz, “Optimal allocation and sizing of renewable distributed generation using ant lion optimization algorithm,” Electrical Engineering, 2016 [3] B Singh and J Sharma, “A review on distributed generation planning,” Renewable and Sustainable Energy Reviews, vol 76, no March, pp 529–544, 2017 [4] R Payasi, A Singh, and D Singh, “Review of distributed generation planning: objectives, constraints, and algorithms,” International Journal of Engineering, Science and Technology, vol 3, no 3, pp 133–153, 2011 [5] A Keane and M O’Malley, “Optimal allocation of embedded generation on distribution networks,” IEEE Transactions on Power Systems, vol 20, no 3, pp 1640–1646, 2005 [6] Y M Atwa, E F El-Saadany, M M A Salama, and R Seethapathy, “Optimal renewable resources mix for distribution system energy loss minimization,” IEEE Transactions on Power Systems, vol 25, no 1, pp 360–370, 2010 [7] N Khalesi, N Rezaei, and M R Haghifam, “DG allocation with application of dynamic programming for loss reduction and reliability improvement,” International Journal of Electrical Power and Energy Systems, vol 33, no 2, pp 288–295, 2011 [8] A Silvestri, A Berizzi, and S Buonanno, “Distributed generation planning using genetic algorithms,” International Conference on Electric Power Engineering, PowerTech Budapest 1999, p 257, 1999 [9] M H Moradi and M Abedini, “A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems,” International Journal of Electrical Power & Energy Systems, vol 34, no 1, pp 66–74, 2012 [10] P Kayal and C K Chanda, “Placement of wind and solar based DGs in distribution system for power loss minimization and voltage stability improvement,” International Journal of Electrical Power and Energy Systems, vol 53, pp 795–809, 2013 [11] A El-Fergany and A Y Abdelaziz, “Multi-objective capacitor allocations in distribution networks using artificial bee colony algorithm,” Journal of Electrical Engineering and Technology, vol 9, no 2, pp 441– 451, 2014 [12] D Rama Prabha and T Jayabarathi, “Optimal placement and sizing of multiple distributed generating units in distribution networks by invasive weed optimization algorithm,” Ain Shams Engineering Journal, vol 7, no 2, pp 683–694, 2016 [13] T T Nguyen, A V Truong, and T A Phung, “A novel method based on adaptive cuckoo search for optimal network reconfiguration and distributed generation allocation in distribution network,” International Journal of Electrical Power & Energy Systems, vol 78, pp 801–815, 2016 [14] A Mohamed Imran, M Kowsalya, and D P Kothari, “A novel integration technique for optimal network reconfiguration and distributed generation placement in power distribution networks,” International Journal of Electrical Power and Energy Systems, vol 63, pp 461–472, 2014 [15] L S Pierezan, J and Coelho, “Coyote Optimization Algorithm: A new metaheuristic for global optimization problems,” in Proceedings of the IEEE Congress on Evolutionary Computation (CEC),Rio de Janeiro, Brazil, 2018, pp 2633–2640 [16] T T Tran, K H Truong, and D N Vo, “Stochastic fractal search algorithm for reconfiguration of © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 109 distribution networks with distributed generations,” Ain Shams Engineering Journal, no xxxx, 2019 [17] R S Rao, K Ravindra, K Satish, and S V L Narasimham, “Power Loss Minimization in Distribution System Using Network Recon fi guration in the Presence of Distributed Generation,” IEEE Transaction on Power System, vol 28, no 1, pp 317–325, 2013 [18] K S Sambaiah and T Jayabarathi, “Optimal reconfiguration and renewable distributed generation allocation in electric distribution systems,” International Journal of Ambient Energy, vol 0, no 0, pp 1–29, 2019 [19] M E Baran and F F Wu, “Network reconfiguration in distribution systems for loss reduction and load balancing,” IEEE Transactions on Power Delivery, vol 4, no pp 1401–1407, 1989 [20] S Ghasemi and J Moshtagh, “Radial distribution systems reconfiguration considering power losses cost and damage cost due to power supply interruption of consumers,” International Journal on Electrical Engineering and Informatics, vol 5, no 3, pp 297–315, 2013 [21] H.-D Chiang and R Jean-Jumeau, “Optimal network reconfigurations in distribution systems: Part 2: Solution algorithms and numerical results,” IEEE Transactions on Power Delivery, vol 5, no 3, pp 1568– 1574, 1990 Ngày nhận bài: 07/01/2020 Ngày chấp nhận đăng: 19/03/2020 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh ... phố Hồ Chí Minh XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 105 tương tự với tổn thất công suất COA, SFS SSA... Minh XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 107 phương pháp so sánh Với vị trí cơng suất DGs tìm từ COA, tổn. .. Chí Minh 104 XÁC ĐỊNH VỊ TRÍ VÀ CƠNG SUẤT NGUỒN ĐIỆN PHÂN TÁN ĐỂ GIẢM TỔN THẤT CÔNG SUẤT TRÊN LƯỚI ĐIỆN PHÂN PHỐI SỬ DỤNG THUẬT TOÁN COYOTE 4.1 Lưới điện 33 nút LĐPP 33 nút có cấp điện áp 12.66