(5.9)
5.1.2.6.!Mô hình hóa các ràng buộc trong bài toán tối ưu
Điện áp máy phát, vị trí của RES, vị trí và công suất nạp/xả EV là các biến có thể điều khiển được. Do đó các điều kiện ràng buộc nên chúng sẽ tự được điều chỉnh theo các giới hạn biên khi lời giải mới được tạo ra.
Còn các điều kiện ràng buộc của các biến phụ thuộc sẽ được kiểm soát bằng cách quy đổi thành một thành phần trong hàm mục tiêu tối ưu.
Hàm mục tiêu tối ưu (FF) kết hợp giữa hàm mục tiêu và điều kiện ràng buộc vận hành của các biến phụ thuộc thông qua một hệ số phạt là .
Trong tất cả các trường hợp dùng để kiểm tra, ta dùng hệ số phạt là 106. Hàm mục tiêu tối ưu được trình bày như sau:
,min ,max i i i V £V £V , max l i l S <S min t max
SoC £SoC £SoC
chr,min chr,max dis,min dis,max chr dis P P P P P P £ £ £ £ p K
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
Trong đó:
5.1.3.!Ứng dụng thuật toán MFO cải tiến vào việc giải quyết bài toán
5.1.3.1.!Vector lời giải
Hàm mục tiêu bài toán có thể phát biểu lại như sau:
minF (x, u) (5.12)
Trong đó x là vector các biến điều khiển được và u là vector các biến phụ thuộc:
(5.13) (5.14) Với Vgnl à điện áp của máy phát thứ n, là vị trí nguồn năng lượng tái tạo thứ n, là vị trí trạm sạc thứ n, là công suất nạp (nếu ) hoặc xả (nếu ) tại thời điểm t.
5.1.3.2.!Khởi tạo giá trị ban đầu
Ta sẽ dùng các giới hạn biên của các biến cùng với việc sử dụng hàm phân phối ngẫu
lim 2 lim 2 max 2
1 1 1 lim arg , 1 ( ( )) . [ ( )] . ( ) . [SoC (P )] g N b br G G i i i P i i i P li li i i i b P i i ch e i i FF F Q V Q K V V V K S S K SoC = = = = = + - + - + - + - å å å å max max lim min max min min , ( ) , , x if x x SoC x x if x x x x if x x > ì ï = í £ £ ï < î 1 ,1 ,n ,1 , ,1 ,
[ g ,.., gn, RESPOS ,.., RESPOS , POS ,.., POS n,P ,...P ]ch ch t
x= V V EV EV 1 1 1 1 [ g ,.., gn, l ,.., ln,SoC ,.. n, ,.., ]n u= Q Q V V SoC S S RES posn EV posn Pch t, Pch t, >0 , Pch t<0 (5.10) (5.11)
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
nhiên rand() để khởi tạo các lời giải đầu tiên cho bài toán. Số lượng lời giải N càng lớn thì phạm vi tìm kiếm sẽ càng rộng có thể giúp bài toán hội tụ với kết quả tốt hơn.
Solution = UpB + rand()x(UpB − LowB) (5.15) Trong đó UpB là điều kiện ràng buộc trên, LowB là điều kiên ràng buộc dưới, rand() sẽ trả về giá trị ngẫu nhiên phân bố đều.
5.2.! Kết quả mô phỏng và phân tích
Trong phần này các kết quả mô phỏng đều được thực hiện trên lưới IEEE 33 nút. Giới hạn điện áp tại các nút tải:
Giới hạn trạng thái bộ sạc:
Công suất định mức của trạm sạc giả định là: BCAP = 24(MWh) (adsbygoogle = window.adsbygoogle || []).push({});
Công suất nạp/xả của trạm sạc:
Đồ thị nguồn năng lượng tái tạo (RES) gồm điện gió (WIND) và điện Mặt Trời (PV) được thể hiện trong hình 5.1.
0.95 1.1 t V £ £ 0.2 1.0 t SoC £ £ arg 1.5 ch e P £ MW
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
Hình 5. 1. Công suất nguồn năng lượng tái tạo trong ngày[43]
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
Hình 5. 3.Biến thiên giá điện trong một ngày[43]
Ta tiến hành phân tích bài toán dựa trên các 04 trường hợp và các giả định sau đây:
ü! Trường hợp cơ bản (Basecase): Ta sẽ phân tích các đáp ứng ban đầu của lưới điện trong 24h đối với tải sử dụng mà không xét đến ảnh hưởng của EV và nguồn năng lượng tái tạo RES (Các tụ bù vẫn được giữ nguyên như phần trước).
ü! Trường hợp 1 (Case 1): Tối ưu hóa vị trí và công suất nạp của EV trong 24h và xem xét ảnh hưởng của đặc tính của EV đối với lưới điện. Biến mục tiêu là vị trí của EV và chiến lược nạp của trạm sạc trong 24h.
ü! Trường hợp 2 (Case 2): EV đóng vai trò vừa là tải tiêu thụ vừa là nguồn dự phòng và phát lên lưới, xem xét ảnh hưởng đến hệ thống và chi phí. Biến mục tiêu là vị trí của EV, chiến lược nạp/xả của trạm sạc trong 24h.
ü! Trường hợp 3 (Case 3): Lắp thêm nguồn năng lượng tái tạo tại đúng các vị trí lắp EV để xem xét ảnh hưởng của nguồn năng lượng tái tạo tại chỗ khi kết hợp với trạm sạc EV lên lưới điện. Biến mục tiêu là vị trí của EV, chiến lược nạp/xả của trạm sạc trong 24h.
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
ü! Trường hợp 4 (Case 4): Tối ưu hóa vị trí của nguồn năng lượng tái tạo, vị trí trạm sạc và công suất nạp/xả của trạm sạc trong 24h. Biến mục tiêu là vị trí của EV và vị trí của RES, chiến lược nạp/xả của EV trong 24h.
Các điều kiện giả định:
!Trong quá trình tối ưu vị trí, các nút từ nút số 4 đến nút 33 được xem xét.
!Phụ tải của hệ thống được mô hình hóa theo chu kỳ 24h theo hình 5 và phân bố
đều trên tất cả các nút. Đồ thị phụ tải và giá điện dựa trên lưới điện Ontario ngày 1/12/2021[43].
!Vị trí và công suất tụ bù trong tất cả các trường hợp được giữ nguyên như trong
bài toán trước.
So sánh hàm mục tiêu của 04 phương án và tổng hợp kết quả trong Bảng 5.1.
Bảng 5. 1.So sánh hàm mục tiêu của các trường hợp
Kịch bản Vị trí EV Vị trí RES Chi phí ($) Basecase - - 0.5723 2.64 8033.4 Case 1 4,4 - 0.4546 1.2524 7975.4 Case 2 4,4 - 0.4622 1.2416 7906.7 Case 3 5,12 5,12 0.3557 1.3169 6695.8 Case 4 4,19 15,31 0.2746 1.2129 6625.6
Từ kết quả tối ưu từ 04 trường hợp ta nhận thấy
So với trường hợp cơ bản thì trường hợp 1 tuy là tăng yêu cầu công suất trên lưới điện do có thêm nhu cầu công suất từ các trạm sạc nhưng có thể điều khiển điện áp máy phát và gián tiếp tăng công suất phát nên giảm được tổn thất và đưa điện áp về trong giới
_ ( W)
loss tb
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
hạn. Trạm sạc nạp công suất trong thời gian đầu (khi giá điện còn thấp) và cấp điện cho các xe điện trong các khoảng thời gian sau đó (Hình 5.4).
Hình 5. 4. SoC và E_price trong trường hợp (adsbygoogle = window.adsbygoogle || []).push({});
Khi đến trường hợp 2, do có thêm khả năng xả lại điện năng trên lưới nên trạm điện nạp điện trong thời gian giá điện thấp và xả điện năng lên lưới khi giá điện cao nhằm giảm chi phí tổng cho hệ thống và san phẳng phụ tải (Hình 5.5)
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
Khi đến trường hợp 3 có sự tham gia của nguồn năng lượng tái tạo, lượng công suất tại trạm sạc được cấp trực tiếp từ nguồn năng lượng tái tạo. Tuy nhiên công suất của nguồn tái tạo không ổn định nên cần có chiến lược nạp điện khi nguồn năng lượng tái tạo đặt cực đại và xả điện kịp thời vào giờ cao điểm (Hình 5.6)
Hình 5. 6.SoC và E_price trong trường hợp 3
Khi đến trường hợp 4 thì việc kết hợp giữa trạm sạc EV và nguồn năng lượng tái tạo đã trở nên linh hoạt hơn do tối ưu vị trí của nguồn năng lượng tái tạo, kết hợp với trạm sạc EV tạo thành nhiều nguồn phụ đa dạng để cấp điện cho các nút tải yếu nhất trong hệ thống và giúp tối ưu chi phí cho hệ thống và tối thiểu nhấp nháy điện áp trong hệ thống (Hình 5.7).
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
Hình 5. 7. SoC và E_price trong trường hợp 4
So sánh đồ thị điện áp của các trường hợp ta thu được sơ đồ (Hình 5.8), ta thấy trong trường hợp 1 và 2 (Ứng với trường hợp chỉ có trạm sạc EV) thì đồ thị điện áp tương tự nhau. Tương ứng trong trường hợp 3 và 4 (Trạm sạc EV kết hợp nguồn năng lượng tái tạo RES) thì đồ thị điện áp cũng tương đồng và có chất lượng tốt hơn trong trường hợp 1 và 2. Nhìn chung khi thực hiện thuật toán tối ưu thì điện áp các nút đều nằm trong giới hạn cho phép.
Nhận xét:
ü! Giá điện phụ thuộc nhiều vào đồ thị phụ tải và có xu hướng tăng trong các giờ
cao điểm.
ü! Đáp ứng sạc của trạm sạc tập trung chủ yếu vào thời điểm ban đầu khi giá điện
xuống thấp và khi công suất nguồn năng lương tái tạo đặt cực đại.
ü! Đáp ứng xả của trạm sạc diễn ra khi giá điện đặt cực đại khu vực và khi giá
Tối ưu lưới điện phân phối có EV và RES HV: Lâm Bửu Quí !
Hình 5. 8. Đồ thị điện áp ứng với các trường hợp
Kết luận HV: Lâm Bửu Quí !
Chương 6: KẾT LUẬN