Trong đĩ:
: Cường độ dấu chân lớn nhất hang thứ i ϵ X
: Cường độ dấu chân lớn nhất của ma trận dấu chân.
: Khảnăng đĩng/cắt của các khĩa điện trong từng vịng, giá trị
này ϵ [0 , 1] .
- Bước 5: nếu thời gian cho phép vẫn cịn và các cấu trúc chọn vẫn cịn thì ta quay lại bước 2.
- Bước 6: nếu thời gian cho phép chấm dứt hay cấu trúc được chọn khơng cịn thì ta dừng chương trình và xuất ra kết quả.
2.4.5. Ph ngăpháp h thần kinh nhân t o (Artificial Neural Network - ANN).
Hệ thần kinh nhân tạo tỏ ra đặc biệt hữu dụng để thực hiện tái cấu trúc lưới vì chúng cĩ thể mơ phỏng mối liên hệ giữa tính chất phi tuyến tính của tải với tính chất của mạng lưới topo nhằm cực tiểu hĩa tổn thất trên dây. Mặc dù ANN làm giảm đáng kể thời gian tính tốn ngay cả khi áp dụng cho các hệ thống phức tạp, việc ứng dụng chúng trong thực tế vẫn gặp khĩ khăn do những lý do sau:
- Thời gian huấn luyện kéo dài do tính chất phức tạp trong thao tác.
- Việc huấn luyện cần thực hiện cho từng yếu tố cấu thành lưới điện và cần được cập nhật, điều chỉnh một cách liên tục sau này.
- Các số liệu mẫu phải thật chính xác để đảm bảo kết quả tính tốn cĩ ý nghĩa.
Kim và các cộng sự[15] đư đề xuất một giải thuật gồm hai giai đoạn dựa trên ANN trong nỗ lực tái cấu trúc hệ thống nhằm cực tiểu hĩa tổn thất. Nhằm tránh những khĩ khăn liên quan đến khối lượng lớn các dữ liệu, Kim đư đề nghị chia hệ
thống phân phối thành nhiều vùng phụ tải. Tại mỗi vùng phụ tải, một hệ thống gồm hai ANN sẽ được sử dụng để phân tích mức độ tải và sau đĩ thực hiện tái cấu trúc tuỳtheo điều kiện của tải. Việc ứng dụng ANN trong phương pháp này mang lại các kết quả tính tốn nhanh vì khơng cần xem xét trạng thái đĩng ngắt riêng rẽ trong
HVTH: Nguyễn Minh Quân Trang 21 GVHD: PGS.TS.Phan Thị Thanh Bình
giải thuật tổng thể. Tuy nhiên, ANN cũng chỉ cĩ thểtìm ra được trạng thái lưới sau tái cấu trúc tốt như tập số liệu huấn luyện.
2.4.6. H chuyên gia
Cĩ nhiều nghiên cứu giải bài tốn tái cấu trúc lưới điện phân phối bằng cách sử
dụng hệ chuyên gia. Cĩ thể nĩi, hệchuyên gia đư phối hợp được cách sử dụng các giải thuật kết hợp heuristics và tối ưu hĩa cũng như các giải thuật thuần túy heuristic với các luật bổ sung dựa trên các điều kiện ràng buộc trong vận hành. Taylor và Lubkeman đưa ra một hệ chuyên gia tái cấu trúc hệ thống phân phối dựa trên sự mở rộng các luật của Civanlar. Taylor và Lubkeman mơ tả các mục tiêu cơ
bản của họ như tránh quá tải máy biến áp, quá tải đường dây và độ sụt áp khơng
bình thường, các tác giả khẳng định rằng nếu thỏa mưn các điều kiện này sẽ dẫn đến tối thiểu hĩa tổn thất.
2.4.7. Ph ng pháp tìm ki m TABU (Tabu Search Method - TS)
Khái niệm đầu tiên về bảng tìm kiếm (Tabu search) được dùng trong trí tuệ nhân tạo. Khơng giống như một số giải thuật khác chẳng hạn như gen hay luyện
kim, nĩ khơng liên quan đến những hiện tượng sinh học hay vật lý. Giải thuật bảng tìm kiếm được đề cập bởi Fred Glover đầu những năm 1980 và đư được ứng dụng rộng rãi trong nhiều lĩnh vực khoa học và kỹ thuật. Trong lĩnh vực hệ thống điện đại dùng để giải quyết các vấn đề của bài tốn tái cấu trúc lưới điện phân phối cực tiểu tổn thất trong các điều kiện vận hành bình thường, trong bài tốn tái cấu trúc. TS là phương pháp tối ưu sử dụng cho các bài tốn tối ưu tổ hợp.
So sánh với giải thuật luyện kim và gen, TS khơng gian tìm kiếm và quản lý tích cực hơn. Giải thuật TS được khởi tạo với một cấu hình cơ bản, và nĩ sẽ trở thành cấu hình hiện tại. Tại mỗi bước lặp của giải thuật , một cấu trúc kề bên sẽđược định
nghĩa cho cấu trúc hiện tại, mỗi bước di chuyển tiếp theo sẽ chọn ra cấu trúc tốt nhất liền kề.
Giải thuật tìm kiếm này đư và đang được áp dụng rộng rãi trong xử lý một số
HVTH: Nguyễn Minh Quân Trang 22 GVHD: PGS.TS.Phan Thị Thanh Bình
Tabu được ứng dụng để tính tốn các phương án tối ưu và gần tối ưu đối với bài tốn tái cấu trúc bởi các bước sau đây:
- Bước 1: nhập dữ liệu nhánh, tải và nút của một hệ thống phân phối bao gồm cảcác điều kiện ràng buộc khi vận hành.
- Bước 2: lựa chọn một phương án ngẫu nhiên từ khơng gian tìm kiếm: S0 ϵ Ω.
Các nghiệm này được thể hiện bởi sốlượng khĩa điện sẽđược mở trong suốt quá trình tái cấu trúc.
- Bước 3: thiết lập kích thước của danh sách Tabu, số lần lặp lớn nhất và đặt chỉ
số lần lặp m = 1.
- Bước 4: đểphương án ban đầu thu được trong bước 2 là phương án hiện tại và
phương án tốt nhất: Sbest = S0, và Scurrent = S0.
- Bước 5: chạy phân bố cơng suất để xác định tổn thất cơng suất, các điện áp
nút, và các dịng điện nhánh.
- Bước 6: tính tốn hàm mục tiêu và kiểm tra phương án hiện tại cĩ thỏa mãn
các điều kiện ràng buộc. Một hệ số phạt được thêm vào đối với sự vi phạm ràng buộc.
- Bước 7: tính mức độ mong muốn của Sbest: fbest = f(Sbest). Mức độ mong muốn là tổng của hàm mục tiêu và hàm phạt.
- Bước 8: tạo ra một hệcác phương án trong miền lân cận của phương án hiện tại Scurrent bằng cách thay đổi các khĩa phải được mở ra. Hệ các phương án này được ký hiệu là Sneighbor.
- Bước 9: tính tốn mức độ mong muốn cho mỗi phương án của Sneighbor, và chọn ra một phương án cĩ mức độ mong muốn cao nhất Sneighbor_best.
- Bước 10: kiểm tra xem thuộc tính của phương án thu được trong bước 9 cĩ trong danh sách Tabu. Nếu cĩ, đi tới bước 11, hoặc ngược lại Scurrent =
Sneighbor_best và đi tới bước 12.
- Bước 11: chấp nhận Sneighbor_best nếu nĩ cĩ mức độ mong muốn tốt hơn fbest và hệScurrent = Sneighbor_best, ngược lại chọn một phương án tốt kế tiếp mà khơng cĩ
HVTH: Nguyễn Minh Quân Trang 23 GVHD: PGS.TS.Phan Thị Thanh Bình
- Bước 12: cập nhật danh sách Tabu và đặt m = m + 1.
- Bước 13: lặp lại từbước 8 tới bước 12 cho tới khi số lần lặp lớn nhất đạt. - Bước 14: lặp lại bước 5 và xuất ra phương án tối ưu.
2.4.8. Ph ng pháp bầy đàn ( Particle Swarm Method - PSO)
Eberhart và Kennedy đư đề xuất phương pháp tối bầy đàn thơng minh vào năm
1995, bản chất của phương pháp là hành vi thơng minh của các thểkhi tìm ra đường
đi ngắn nhất. Nền tảng của phương pháp gồm các bước sau: - Chọn bước di chuyển từcác nơi gần nhất.
- Đi vềphía đích.
- Đi đến trung tâm của bầy
Từ những ý tưởng trên, sơ đồ của phương pháp bầy đàn (PSO) như sau:
Hình 2.6: Sơ đồ chung của phương pháp bầy đàn (PSO).
T ĩ m lại phương pháp này được lấy cảm hứng từ các hành vi xã hội của một đàn chim di cư cố gắng để đến được một điểm đến khơng được biết trước.
Bắt đầu
Tạo ra các điều kiện ban đầu cho mỗi cá thể
Số lần lặp lớn nhất?
Đánh giá điểm tìm kiếm của mỗi cá thể Việc hiệu chỉnh của mỗi điểm tìm kiếm
Dừng
Bước 1
Bước 2 Bước 3 Sai
HVTH: Nguyễn Minh Quân Trang 24 GVHD: PGS.TS.Phan Thị Thanh Bình
Mỗi giải pháp là một con chim trong đàn và được gọi như là một "phần tử" tương tự như một nhiễm sắc thể trong GA. Phương pháp này được sử dụng hiệu quả trong việc tìm kiếm cho các giải pháp tối ưu.
HVTH: Nguyễn Minh Quân Trang 25 GVHD: PGS.TS.Phan Thị Thanh Bình
CH NGăIII:
HVTH: Nguyễn Minh Quân Trang 26 GVHD: PGS.TS.Phan Thị Thanh Bình
3.1. GI Iă THI Uă GI Iă THU Tă MƠă PHỎNGă TĔNGă TR NGă CÂY (PLANT GROWTH SIMULATION ALGORITHM ậ PGSA)
PGSA là một thuật tốn tìm kiếm ngẫu nhiên mới và hiệu quả cao, được lấy cảm hứng từ quá trình tăng trưởng cĩ tính hướng quan của thực vật. Nhìn vào phạm vi cho phép của lập trình số nguyên như mơi trường phát triển của cây và xác định xác suất để phát triển một nhánh mới trên các nút khác nhau của một cây theo sự thay đổi của hàm mục tiêu, và sau đĩ làm cho các mơ hình, mơ phỏng sự phát triển quá trình của một cây, phát triển nhanh chĩng đối với các nguồn ánh sáng (giải pháp tối ưu tồn bộ).
A. Lu t tĕngătr ởng c a cây.
Các dữ kiện sau đây đư được chứng minh bởi các thí nghiệm sinh học.
1. Trong quá trình phát triển của cây, sự tập trung càng cao morphactin (là 1 chất bắt nguồn từ hydroxyfluorene-9-carboxylic acid, là một chất điều hịa sinh trưởng tổng hợp) của một nút, xác suất lớn hơnđể phát triển một nhánh mới trên nút.
2. Sự tập trung morphactin của bất kỳ nút nào trên cây thì khơng được đưa ra trước và khơng phải là cốđịnh, nĩ được xác định bởi các thơng tin mơi trường của nút, và
thơng tin mơi trường của một nút phụ thuộc vào vị trí tương đối của nĩ trên cây. Sự
tập trung morphactin của tất cả các nút của cây được phân bổ một lần nữa theo các thơng tin mơi trường mới sau khi nĩ phát triển một nhánh mới.
B. Mơ hình xác su t tĕngătr ởng cây.
Bằng cách mơ phỏng các quá trình tăngtrưởng tính hướng quan của cây, một mơ hình xác suất được thành lập. Trong mơ hình, một hàm g(Y) được giới thiệu để
mơ tả mơi trường của Y nút trên cây. Giá trị của g(Y) nhỏhơn, mơi trường của nút Y tốt hơn thì cho phát triển một nhánh mới. Các phác thảo chính của mơ hình là
như sau: Một cây phát triển một thân cây M từ gốc B0. Giả sử cĩ k nút BM1, BM2, BM3 ... BMK cĩ mơi trường tốt hơn so với gốc B0 trên thân M, cĩ nghĩa là các hàm g(Y) của các nút BM1, BM2, BM3 ... BMK và B0 đáp ứng g(BMI) < g(B0) (i = 1, 2, 3 ... k), sau đĩ sự tập trung morphactin CM1, CM2, CM3 ... ... ... CMk của các nút BM1, BM2, BM3 ... BMK cĩ thểđược tính sử dụng để tái cấu trúc lưới điện phân phối.
HVTH: Nguyễn Minh Quân Trang 27 GVHD: PGS.TS.Phan Thị Thanh Bình
(3.2)
Hình 3.1: khơng gian trạng thái tập trung Morphactin
Tầm quan trọng của (3.1) và (3.2) là nồng độ morphactin của một nút thì khơng phụ thuộc vào thơng tin mơi trường của nĩ mà phụ thuộc vào các thơng tin
mơi trường của các nút khác trong cây.
Từ (3.1) và (3.2), chúng ta cĩ thể lấy đạo hàm , điều đĩ cĩ nghĩa
rằng nồng độ morphactin CM1, CM2, CM3 ……… CMk của các nút BM1, BM2, BM3
……… BMk hình thành một khơng gian trạng thái được hiển thị trong hình 3.1. Lựa chọn một số β ngẫu nhiên trong khoảng [0,1], β thì giống như một quả bĩng ném vào khoảng [0, 1] và sẽ giảm xuống thành một trong những CM1, CM2, CM3 ………
CMk trong hình 3.1, sau đĩ các nút tương ứng được gọi là nút tăng trưởng ưu tiên sẽ được ưu tiên phát triển một nhánh mới trong bước tiếp theo. Nĩi cách khác, BMT sẽ được ưu tiên phát triển một nhánh mới nếu βđược lựa chọn đáp ứng
Ví dụ, nếu β số ngẫu nhiên giảm xuống ở giữa khoảng [1 2], cĩ nghĩa là:
HVTH: Nguyễn Minh Quân Trang 28 GVHD: PGS.TS.Phan Thị Thanh Bình
=> Vì vậy, ta cĩ thể hiểu một cách đơn giản như sau: trong một cây thì cĩ một chất gọi là Morphactin. Chất này sẽ được phân bố ở các nút trên cây, và điều kiện để một nút được chọn ưu tiên để phát triển một nhánh mới là nút này phải cĩ
lượng Morphactin tập trung lớn nhất.
D a theo lu t tĕngătr ởng cây trong PGSA, ta cĩ th vi t l iăđ c m t mơ hìnhătốnănh ăsau:
Ban đầu ta giả sử:
Nguồn điện áp là chất morphactin.
Điều kiện để phát triển một nhánh mới là tổn thất điện áp của nhánh đĩ là
nhỏ nhất, tức là nguồn điện áp tại cuối nhánh đĩ là cao nhất.
Hình minh h aănh ăsau:
Giả sử cĩ mạch ban đầu như hình 3.2a:
Hình 3.2a
Mạch khi gắn thêm tải:
Trường hợp 1:
HVTH: Nguyễn Minh Quân Trang 29 GVHD: PGS.TS.Phan Thị Thanh Bình
Trường hợp 2:
Hình 3.2c
Trường hợp 3:
Hình 3.2d
=> Ta xét từng trường hợp, trường hợp nào cĩ tổn thất điện áp nhỏ nhất thì ta gọi
nhánh đĩ là nhánh ưu tiên và sẽđược ưu tiên phát triển một nhánh mới.
Tuy nhiên, mục tiêu nghiên cứu của luận văn là tìm ra giải thuật tái cấu trúc
lưới điện phân phối theo hình tia nhằm giảm tổn thất cơng suất P. đây, ta chỉ
mới xác định được tổn thất điện áp nhỏ nhất, chưa xác định được giá trị tổn thất cơng suất tác dụng nhỏ nhất. Chính vì vậy, dựa vào luật tăng trưởng cây của PGSA và mơ hình tốn về tổn thất điện áp như trên, chúng ta cĩ thể đề nghị một phương
pháp tìm trạng thái khĩa điện tối ưu đĩ là: trực tiếp dựa vào tổn thất cơng suất để
tìm trạng thái khĩa điện của lưới điện thay vì dựa vào tổn thất điện áp, vì như vậy ta sẽ cĩ cái nhìn tổng thểhơn và sát với mục tiêu của luận văn là tìm tổn thất cơng suất nhỏ nhất.
HVTH: Nguyễn Minh Quân Trang 30 GVHD: PGS.TS.Phan Thị Thanh Bình
3.2.BÀI TỐN TÁI C U TRÚC MẠNGăĐ GI M T N TH T CƠNG SU T
Mục tiêu của bài tốn tái cấu trúc mạng trong lưới điện phân phối là giảm thiểu tổn thất cơng suất hệ thống, đồng thời cấu trúc mạng mới cũng phải thỏa mãn các
điều kiện ràng buộc. Hàm mục tiêu của bài tốn được thể hiện như sau:
Trong đĩ: là tổng tổn thất của tồn hệ thống.
Giả sửsơ đồđơn tuyến của một phát tuyến cĩ dạng như sau:
Hình 3.3: Sơ đồđơn tuyến của một phát tuyến
Cơng suất thực và cơng suất phản kháng chạy trên nhánh (i +1) lần lượt được tính theo cơng thức gần đúng sau:
Từ phương trình (3.2) suy ra tổn thất cơng suất tác dụng của một phần đường dây giữa nút i và nút i+1 được tính như sau:
Trong đĩ:
Pi, Qi : Cơng suất tác dụng và cơng suất phản kháng tại nhánh thứi.
Vi : Điện áp tại nút thứi.
Ri,i+1 : Điện trở dây giữa nút i và nút i+1.
P1, Q1 Pi-1, Qi-1 Pi, Qi Pi+1, Qi+1 P n, Qn P0, Q0
0 1 i – 1 i i + 1 n
HVTH: Nguyễn Minh Quân Trang 31 GVHD: PGS.TS.Phan Thị Thanh Bình
Xi,i+1 : Điện kháng dây giữa nút i và nút i+1.
Hàm mục tiêu của bài tốn tái cấu trúc mạng để giảm tổn thất cơng suất cĩ thể được viết lại như sau:
Trong đĩ: n là tổng số nút cĩ trong lưới điện phân phối.
Bên cạnh hàm mục tiêu (3.5), bài tốn cịn cĩ những điều kiện ràng buộc riêng. Nếu chúng bị vi phạm thì bài tốn lập tức dừng và khơng thỏa. Dưới đây là các ràng
buộc của bài tốn trong luận văn này:
-Biên độđiện áp tại mỗi nút phải được duy trì trong giới hạn cho phép
-Dịng điện trên mỗi nhánh khơng được vượt quá khảnăng mang dịng của nĩ.
-Cấu trúc mạng phải là hình tia.
-Tất cảcác điểm tải đều phải được cấp điện.
Trong đĩ:
Vmin, Vmax : Điện áp lớn nhất và điện áp nhỏ nhất. Ik : Dịng điện trên nhánh thứk.
Ik,max : Khảnăng mang dịng lớn nhất của nhánh thứk.