37
2.5 Kết luận
Thế giới đang phát triễn mạnh mẽ về khoa học công nghệ. Nhu cầu tiêu thụ cũng như chất lượng điện năng ngày càng tăng. Hệ thống lưới điện hiện nay gần như không đáp ứng nỗi nhu cầu hiện tại. Việc cải tạo nâng cấp lưới điện là một vấn đề trở nên cấp bách. Đi theo đó là vấn đề ảnh hưởng đến môi trường. Để đáp ứng những nhu cầu trên. Hiện nay, trên thế giới đang có xu hướng xây dựng các nguồn phân tán DG nhằm nâng cấp cho lưới điện chính. Các nguồn này liên kết với nhau tạo thành một hệ thống lưới điện thông minh SG. Hệ thống này rất thân thiện với mơi trường. Nó được sử dụng bằng năng lượng sạch như năng lượng gió, năng lượng mặt trời, năng lượng sinh khối, thủy điện nhỏ,… Lưới điện thông minh là một lưới điện hết sức hiện đại. Nó hổ trợ tích cực cho lưới điện chính đã có sẵn. Nó được sử dụng các thiết bị cơng nghệ cao, hổ trợ tích cực cho người vận hành cũng như các hợ tiêu thụ điện.
Tóm lại: Việc sử dụng DG cho các lưới điện thơng minh là hồn tồn phù hợp với nhu cầu tiêu thụ điện hiện nay
38
CHƯƠNG 3 BÀI TỐN XÁC ĐỊNH DUNG LƯỢNG VÀ VỊ TRÍ TỐI ƯU CÁC DG
3.1 Giới thiệu
Mục tiêu của việc phân bổ DG tối ưu là cung cấp các vị trí và dung lượng tốt nhất của DG để tối ưu hóa hoạt đợng và quy hoạch mạng lưới phân phối điện. Có rất nhiều mơ hình và phương pháp đã được đề xuất cho các giải pháp của vấn đề phân bổ DG tối ưu.
Các nguồn phân tán DG là các nhà máy sản xuất nhỏ được kết nối trực tiếp với mạng lưới phân phối hoặc phía trên đồng hồ đo của khách hàng. Trong những năm gần đây, sự thâm nhập của các máy phát điện phân tán (DG) vào hệ thống điện phân phối ngày càng tăng vì những lí do sau:
Trong thập kỷ qua, việc sử dụng các nguồn tài nguyên phân phối tái tạo và không thể tái tạo được cả thế giới quan tâm. Sử dụng nguồn tài nguyên tái tạo đang được khuyến khích bởi các chính sách quốc gia và quốc tế nhằm tăng tỷ trọng các nguồn năng lượng tái tạo để giảm hiệu ứng nhà kính, khí thải và giảm bớt sự nóng lên của tồn cầu. Việc sử dụng các máy phát phân tán (DG) rất thuận lợi cho việc sử dụng các nguồn năng lượng tái tạo. Bên cạnh lợi thế về môi trường, các tổng cục môi trường đã áp dụng các chính sách năng lượng cạnh tranh, đa dạng hóa các nguồn năng lượng, giảm chi phí vận hành, trì hỗn nâng cấp mạng lưới, tổn thất thấp hơn và giảm chi phí truyền tải và phân phối, tăng chất lượng dịch vụ khách hàng. Hơn nữa, DG có sẵn trong các đơn vị mô đun, đặc trưng bởi dễ tìm các địa điểm cho máy phát điện nhỏ, thời gian xây dựng ngắn, và chi phí vốn thấp.
Quyết định về vị trí của DG được thực hiện bởi chủ sở hữu và nhà đầu tư của họ, tùy tḥc vào vị trí và nguồn cung cấp nhiên liệu chính và điều kiện khí hậu.
39
Để giải quyết các vấn đề về mạng lưới phân phối các nhà quản lý đã được thảo luận từ trước, thực tế là, trong hầu hết các trường hợp, nhà khai thác hệ thống phân phối khơng có quyền kiểm sốt hoặc ảnh hưởng đến vị trí và dung lượng DG. Tuy nhiên, vị trí và dung lượng DG tác đợng nghiêm trọng đến hoạt động của mạng lưới phân phối. Vị trí và dung lượng DG khơng phù hợp có thể làm tăng tổn thất hệ thống và chi phí hoạt đợng. Ngược lại, vị trí và dung lượng DG tối ưu có thể cải thiện hoạt đợng của mạng lưới về mặt điện áp, giảm dịng chảy và tổn thất hệ thống, nâng cao chất lượng nguồn điện và độ tin cậy của nguồn cung cấp. Do đó, vấn đề đặt DG đã thu hút được sự quan tâm của nhiều nỗ lực nghiên cứu trong suốt mười mấy năm qua, vì nó có thể cung cấp cho nhà khai thác hệ thống phân phối, các cơ quan quản lý và các nhà hoạch định những chính sách hữu ích để đưa ra các khuyến khích và các biện pháp điều tiết.
3.2 Các yêu cầu và biến của bài toán phân bố tối ưu
Vấn đề phân bố DG tối ưu là đề cập đến việc xác định vị trí tối ưu và dung lượng của các đơn vị DG được lắp đặt vào các mạng lưới phân phối hiện có, tùy tḥc vào các ràng buộc về hoạt động của mạng lưới điện và các hạn chế đầu tư.
3.2.1 Các yêu cầu của việc phân bố DG
Khi phân bổ DG tối ưu có thể phân bổ mợt hoặc nhiều DG. Việc phân bổ DG phải đạt được các mục tiêu chính như sau:
1) Giảm thiểu tổn thất tồn bợ hệ thống.
2) Giảm thiểu chỉ số thời gian gián đoạn trung bình của hệ thống. 3) Giảm thiểu chi phí.
4) Giảm thiểu độ lệch điện áp. 5) Tối đa hóa năng lực của DG. 6) Tối đa hố lợi nhuận.
40
8) Tối đa hóa khả năng tải, giới hạn điện áp (nghĩa là tối đa tải có thể được cung cấp bởi hệ thống phân phối điện trong khi điện áp ở tất cả các nút được giữ trong giới hạn).
3.2.2 Biến DG
Các biến thiết kế sau được tính tốn theo các cách khác nhau cho mỗi DG: 1) Vị trí.
2) Dung lượng.
3) Vị trí và dung lượng. 4) Loại, vị trí và dung lượng. 5) Số lượng, vị trí và dung lượng. 6) Số lượng, loại, vị trí và dung lượng.
Loại DG đề cập đến cơng nghệ DG, ví dụ: gió, mặt trời, sinh khối, pin nhiên liệu và dầu diesel.
Ví dụ: chúng ta hãy xem xét trường hợp thứ hai đã đề cập ở trên, trong đó biến thiết kế chỉ là dung lượng DG. Đây là trường hợp đặc biệt cho vấn đề phân bổ DG tối ưu trong hệ thống lưới điện thông minh, nơi mà việc sử dụng năng lượng tái tạo dự kiến sẽ tăng lên. Tuy nhiên, việc sắp xếp các DG tái tạo này bị ảnh hưởng lớn bởi môi trường tự nhiên. Do đó, điều quan trọng là xác định dung lượng của năng lượng tái tạo khi vị trí được cố định [7], [8], [9].
3.2.3 Các biến số tải
Các biến số tải trong phân bổ DG tối ưu là : 1) Một mức tải.
2) Nhiều mức tải. 3) Tải biến thiên.
41 4) Xác suất.
5) Mờ.
DG có thể là các thiết bị quay (máy đồng bợ hoặc không đồng bộ) kết nối trực tiếp với mạng, hoặc chúng có thể là các thiết bị quay hoặc tĩnh được giao tiếp qua bộ chuyển đổi điện tử. Khi kết nối với hệ thống điện, các cơng nghệ DG này có những tác đợng khác nhau đến hoạt đợng, kiểm sốt và ổn định hệ thống điện [10], [11]. Ví dụ, các đơn vị DG dựa trên biến tần có khả năng điều khiển điện áp. Hơn nữa, chúng ảnh hưởng đến mức đợ hài hịa của hệ thống hơn DG đồng bộ. Mặt khác, các đơn vị DG quay trực tiếp có ảnh hưởng sâu rợng hơn đến việc điều phối bảo vệ so với các đơn vị DG được chuyển đổi. Do đó, những ảnh hưởng của hệ thống điện trong công nghệ DG ảnh hưởng đến kích thước và vị trí tối ưu của DG [12], [13].
3.3 Các giải thuật
3.3.1 Giải thuật di truyền (Genetic Aalgorithm - GA)
Giải thuật di truyền (GA) là mợt trong những giải thuật thú vị, bởi vì nó mơ phỏng qui luật đấu tranh sinh tồn của tự nhiên và cũng là một giải thuật vô cùng hiệu quả đối với các loại bài toán tối ưu.
Nhà bác học Charles Darwin đã nêu ra lý thuyết về sự tiến hóa tự nhiên của các lồi vật, qua nhiều thế hệ sinh vật phát triển dựa trên nguyên lý của sự chọn lọc tự nhiên “lồi nào thích nghi thì sẽ tồn tại”, như ta thấy trong tự nhiên các loài vật sẽ cạnh tranh nhau về nơi trú ẩn, thực phẩm,…Các cá thể cùng lồi cịn cạnh tranh nhau để thu hút bạn tình trong mùa sinh sản do đó những cá thể nào ít thích nghi thì ít có cơ hợi tồn tại hơn và những cá thể thích nghi được thì sẽ phát triển và cho ra nhiều con cái. Trong quá trình sinh sản sẽ tổ hợp các đặc tính tốt từ tổ tiên, sau mợt vài thế hệ những lồi tiến hóa tự nhiên sẽ thích nghi hơn trong môi trường phát triển. Dựa trên nền tảng lý thuyết tiến hóa tự nhiên này, đến năm 1975 Holland đã phát triển ý tưởng này vào hệ thống nhân tạo, ông áp dụng nguyên tắc này để tối ưu hóa các vấn đề và xây dựng thuật toán di truyền (GA). Hiện nay, GA được xem như một công
42
cụ mạnh mẽ để giải quyết các vấn đề về tìm kiếm và tối ưu hóa phức tạp như thời gian biểu, lập kế hoạch mua sắm, …
Giải thuật di truyền là mợt kỹ thuật của khoa học máy tính nhằm tìm kiếm giải pháp thích hợp cho các bài tốn tối ưu tổ hợp (combinatorial optimization), là một phân ngành của giải thuật tiến hóa, vận dụng các nguyên lý của tiến hóa như: di truyền, đợt biến, chọn lọc tự nhiên, và trao đổi chéo. Nó sử dụng ngơn ngữ máy tính để mơ phỏng q trình tiến hố của mợt tập hợp những đại diện trừu tượng (gọi là những nhiễm sắc thể), của các giải pháp có thể (gọi là những cá thể) cho bài toán tối ưu hóa vấn đề. Tập hợp này sẽ tiến triển theo hướng chọn lọc những giải pháp tốt hơn. GA cũng như các thuật tốn tiến hố, đều được hình thành dựa trên mợt quan niệm được coi là một tiên đề phù hợp với thực tế khách quan. Đó là quan niệm "Quá trình tiến hố tự nhiên là q trình hồn hảo nhất, hợp lý nhất và tự nó đã mang tính tối ưu". Q trình tiến hố thể hiện tính tối ưu ở chỗ thế hệ sau bao giờ cũng tốt hơn thế hệ trước. Ngày nay, GA càng trở nên quan trọng, đặc biệt là trong lĩnh vực tối ưu hố, mợt lĩnh vực có nhiều bài tốn thú vị, được ứng dụng nhiều trong thực tiễn nhưng thường khó và chưa có phương pháp hiệu quả để giải quyết.
Các tính chất của giải thuật di truyền GA là kỹ thuật chung, giúp giải quyết vấn đề bằng cách mơ phỏng sự tiến hóa của con người hay của sinh vật nói chung (dựa trên thuyết tiến hóa mn lồi của Darwin), trong điều kiện qui định sẵn của môi trường. Mục tiêu của GA khơng nhằm đưa ra lời giải chính xác tối ưu mà là đưa ra lời giải tương đối tối ưu. Một cá thể trong GA sẽ biểu diễn mợt giải pháp của bài tốn. Tuy nhiên, không giống với trong tự nhiên là mợt cá thể có nhiều nhiễm sắc thể (NST) mà để giới hạn trong GA, ta quan niệm mợt cá thể có mợt NST. Do đó, khái niệm cá thể và NST trong GA coi như là tương đương. Một NST được tạo thành từ nhiều gen, mỗi gen có thể có các giá trị khác nhau để quy định một tình trạng nào đó. Trong GA, mợt gen được coi như một phần tử trong chuỗi NST. Mợt tập hợp các cá thể có cùng một số đặc điểm nào đấy được gọi là quần thể. Trong giải thuật di truyền, ta quan niệm quần thể là một tập các lời giải của mợt bài tốn.
43
Giải thuật GA đã được áp dụng rộng rãi cho việc tối ưu hóa dung lượng và vi trí của DG
Phương pháp GA được đưa ra để giải quyết vấn đề vị trí tối ưu và xác đinh dung lượng tối ưu của DG trên các hệ thống phân tán. Mục tiêu là để giảm thiểu tổn thất điện năng và điều chỉnh điện áp tốt hơn trong hệ thống phân phối hình tia.
Tính tốn dung lượng, chạy phân bố cơng suất và tính tốn tổn thất
Thay thế mợt vị trí khác của DG để tạo ra mợt giải pháp mới
Tính tốn lại dung lượng, chạy phân bố cơng suất và tính tốn tổn thất Tìm kiếm vị tri tốt nhất Kết thúc Hội tụ S ai Chọn ngẫu nhiên mợt số vị trí đặt DG
Sai
Đúng
Hình 3.1 Thuật tốn sử dụng phương pháp duy truyền GA phân bố DG
44
3.3.2 Giải thuật tối ưu bầy đàn (Particle Swarm Optimization – PSO )
Giải thuật tối ưu bầy đàn là mợt thuật tốn xây dựng dựa trên khái niệm trí tuệ bầy đàn để tiềm kiếm lời giải cho bài tốn tối ưu hóa trên mợt khơng gian tiềm khiếm nào đó. Phương pháp tối ưu bầy đàn là mợt dạng các thuật tốn tiến hóa quần thể, dưới sự tương tác của các cá thể trong một quần thể để khám phá một không gian tiềm kiếm. PSO là kết quả của sự mơ hình hóa mợt đàn chim bay đi tiềm kiếm thức ăn cho nên nó thường được xếp vào các loại thuật tốn có sử dụng trí tuệ bày đàn, được giới thiệu vào năm 1995 tại một hội nghị IEEE bởi James kennedy và Russell C.Eberhart. Thuật tốn này đã được áp dụng thành cơng trên nhiều lãnh vực.
PSO được khởi tạo bằng mợt nhóm cá thể ngẫu nhiên và sau đó tiềm nghiệm tối ưu bằng cách cập nhật các thế hệ. Trong mỗi thế hệ mỗi cá thể được cập nhật trong hai vị trí tốt nhất, giá trị thứ nhất là vị trí tốt nhất mà nó đã từng đạt được cho tới thời điểm hiện tại, gọi là Pbest. Một nghiệm tối ưu khác mà cá thể này bám theo là nghiệm tối ưu tồn cục Gbest, đó là vị trí tối ưu nhất trong tất cả các quá trình tiềm kiếm cả quần thể từ trước tới thời điểm hiện tại. Nói cách khác, mỗi cá thể trong quần thể cập nhật vị trí của nó theo vị trí tốt nhất của nó và của cả quần thể tính cả thời điểm hiện tại.
Ngày nay phương pháp tối ưu bày đàn đã được áp dụng trong việc tối ưu hóa vị trí và dung lượng DG. Phương pháp này thường cho kết quả hội tụ sớm rút ngắn thời gian.
PSO được áp dụng để giải quyết mơ hình vị trí và dung lượng của DG trong hệ thống phân phối [14]. Một PSO cải tiến được đề xuất để bố trí tối ưu các loại DG khác nhau mà bơm công suất thực và bơm hoặc hấp thụ công suất phản kháng [15]. Một GA lai và PSO được đề xuất trong [16]. PSO tính vị trí DG tối ưu và tính tốn dung lượng DG tối ưu [17]. PSO được sử dụng để tối ưu các vị trí và dung lượng của các đơn vị DG để đạt được mức thâm nhập DG tối đa của DG trong đó có xét tới các giới hạn tiêu chuẩn và các ràng buộc bảo vệ [13],[7].
45
Tính tốn dung lượng, chạy phân bố cơng suất và tính tốn tổn thất
Thay thế mợt vị trí khác của DG để tạo ra mợt giải pháp mới
Tính tốn lại dung lượng, chạy phân bố cơng suất và tính tốn tổn thất Tìm kiếm vị tri tốt nhất Kết thúc Hội tụ S ai Chọn ngẫu nhiên một số vị
trí đặt DG
Đúng
Sai
46
3.3.3 Giải thuật GA/PSO
Đây là một sự kết hợp của thuật toán di truyền GA và thuật toán tối ưu bầy đàn PSO cho vị trí và dung lượng tối ưu của DG trong các hệ thống phân phối.
Vị trí và dung lượng của các nguồn DG sẽ có tác đợng đến tổn thất hệ thống mạng lưới phân phối. Phương pháp GA /PSO được đưa ra để giải quyết vấn đề vị trí tối ưu và xác đinh dung lượng tối ưu của DG trên các hệ thống phân tán. Mục tiêu là để giảm thiểu tổn thất điện năng và điều chỉnh điện áp tốt hơn trong hệ thống phân phối hình tia.
Về mặt toán học, tổn thất được xác định bởi hàm
𝑀𝑖𝑛. 𝑓 = (𝑓1+ 𝑘𝑓2)
Trong đó:
𝑀𝑖𝑛. 𝑓1 = 𝑚𝑖𝑛[𝑃𝑙𝑜𝑠𝑠(𝑃𝑑1, 𝑃𝑑2, … 𝑃𝑑𝑛𝐷𝐺)] 𝑀𝑖𝑛. 𝑓2 = ∑𝑁𝑛(𝑉𝑖− 𝑉𝑟𝑎𝑡𝑒𝑑)2
𝑖=1
Vi: Điện áp của nút i.
Vrated: điện thế mong muốn (1 p.u).
Nn: Tổng số nút trong hệ thống phân bố hình tia cố định. Pdi: Công suất thực định mức của tải tại nút i.
Ploss: là tổn thất hệ thống liên quan đến vị trí và cơng suất của máy phát điện.