S đ th c hi n gi i thu t di truy n:
1. Kh i t o m t qu n th ban đ u (các đáp án ban đ u c a bài toán).
2. Xác đnh giá tr hàm m c tiêu (fitness) cho m i cá th trong qu n th .
3. T o ra qu n th m i b ng cách lai ghép chéo (crossover) t các cá th hi n t i có ch n
l c (selection), đ ng th i t o ra các đ t bi n (mutation) trong qu n th m i theo m t xác
xu t nh t đ nh.
4. Các cá th trong qu n th m i sinh ra đ c thay th cho các cá th trong qu n th c . 5. N u đi u ki n d ng th a thì gi i thu t d ng l i và tr v cá th t t nh t cùng v i giá tr hàm m c tiêu c a nó, n u khơng thì quay l i b c 2.
ây là s đ chung nh t áp d ng cho r t nhi u l p bài toán s d ng gi i thu t di truy n.
t bi n Gi i mã ánh giá H i t ? K t thúc B t đ u Kh i đ ng ánh giá Mã hóa Ch n l c Lai ghép KHƠNG CĨ
4.2. Xây d ng thu t tốn
Tơi đư d a trên hàm thu t toán di truy n (GA) đư đ c phát tri n t i ph n m m Matlab,
đ gi i quy t các v n đ mà lu n v n đư đ t ra. Thu t tốn có có hai ch c n ng c b n,
m t đ t i u hóa, ch y thu t tốn di truy n đ y đ và m t ch c n ng khác đ mô ph ng,
áp d ng hàm chi phí cho m t gi i pháp thi t k và mơ ph ng dịng đi n hàng gi cho
gi i pháp đó. Các m c tiêu mà thu t toán h ng đ n là hàm chi phí và đ tin c y, trong
đó đ tin c y đ c đ nh ngh a là s gi m i n m mà t i đi n đ c cung c p hồn tồn
b ng n ng l ng gió, n ng l ng m t tr i ho c n ng l ng pin và m t cho chi phí vịng
đ i. Bao g m sáu bi n quy t đ nh: nghiêng PV, góc ph ng v PV, công su t l p đ t PV (W), chi u cao tuabin gió, cơng su t l p đ t tuabin gió (W) và cơng su t l p đ t ESS (W) [19].
Tôi đư th c hi n m t s s a đ i đ i v i thu t toán. Vi c thêm gi i h n d i và gi i h n
trên cho t ng bi n quy t đnh, giá tr đ u vào, population size và s generations làm đ u
vào do ng i dùng đ nh c u hình cho phép chúng tơi tinh ch nh ph m vi bi n quy t đ nh
và gi m thi u th i gian th c thi b ng cách ch ch y s generations c n thi t đ có đ c m t b Pareto n đ nh.
4.2.1. Gi i thi u v hàm gamultiobj
Ph n này mô t hàm gamultiobj s d ng đ t o m t t p h p các đi m trên m t tr c Pareto. Hàm gamultiobj s d ng thu t toán di truy n ti n hóa có ki m sốt (m t bi n th c a NSGA-II). M t thu t tốn di truy n ti n hóa ln c i ti n nh ng cá nhân có giá tr th l c t t h n (x p h ng). Thu t tốn di truy n ti n hóa đ c ki m sốt c ng giúp nh ng cá th có th giúp t ng tính đa d ng c a qu n th ngay c khi chúng có giá tr th l c
th p h n [20].
4.2.2. Thu t ng đa m c tiêu
H u h t các thu t ng đ c s d ng cho hàm gamultiobj đ u gi ng v i Thu t ng GA. Tuy nhiên, có m t s đi u kho n b sung, đ c mô t trong ph n này.
Tínhă uăth (Dominance) - i m x chi m u th đ i v i đi m y đ i v i hàm m c tiêu có giá tr vect f khi:
Thu t ng "th ng tr " ("dominate" ) t ng đ ng v i thu t ng "kém h n:" ("inferior:") x th ng tr y chính xác khi y kém x.
T p h p không b chi ph i (non-dominated) trong s t p h p các đi m P là t p h p các đi m Q thu c P không b chi ph i b i b t k đi m nào trong P.
C p (Rank) - i v i nh ng cá th kh thi, có m t đ nh ngh a l p đi l p l i v th h ng c a m t cá th . Các cá th c p 1 không b chi ph i b i b t k cá th nào khác. Các cá th H ng 2 ch b chi ph i b i các cá th c p 1. Nói chung, các cá th c p k ch b th ng tr b i các cá th c p k–1 ho c th p h n.
Hình 4.3. Hình nh minh h a cho C p (Rank)
Nh ng cá th có c p th p h n có c h i đ c l a ch n cao h n (c p th p h n s t t h n).
T t c các cá th kém kh thi đ u có c p kém h n b t k cá th kh thi nào. Trong t p h p kh thi, c p là th t theo th c đo kh n ng không kh thi đ c s p x p, c ng v i c p cao nh t cho các cá th kh thi.
Thu t toán gamultiobj s d ng c p đ ch n cha m .
Kho ngăcáchăđôngăđúc (Crowding Distance) - Kho ng cách đông đúc là th c đo m c
đ g n g i c a m t cá th v i nh ng cá th khác g n nh t. Thu t toán gamultiobj đo
kho ng cách gi a các cá th có cùng c p. Theo m c đnh, thu t toán đo kho ng cách trong không gian hàm m c tiêu. Tuy nhiên, b n có th đo kho ng cách trong khơng gian
bi n quy t đ nh (còn đ c g i là không gian bi n thi t k ) b ng cách đ t tùy ch n DistanceMeasureFcn thành {@ distancecrowding, 'genotype'}.
Thu t toán đ t kho ng cách c a các cá th t i các v trí c c biên là Inf. i v i các cá
th cịn l i, thu t tốn tính tốn kho ng cách d i d ng t ng trên các kích th c c a kho ng cách tuy t đ i chu n hóa gi a các hàng xóm đ c s p x p c a cá th . Nói cách
khác, đ i v i th nguyên m và đ c s p x p, chia t l riêng l i:
Thu t toán s p x p t ng th nguyên riêng bi t, vì v y thu t ng hàng xóm có ngh a là hàng xóm trong m i th nguyên. Các cá th cùng c p có kho ng cách cao h n có c h i đ c ch n cao h n (kho ng cách càng cao càng t t). B n có th ch n m t th c đo
kho ng cách đông đúc khác v i ch c n ng @distancecrowding m c đnh. Kho ng cách
đông đúc là m t y u t trong vi c tính tốn m c chênh l ch, là m t ph n c a tiêu chí
d ng. Kho ng cách đông đúc c ng đ c s d ng nh m t y u t quy t đnh trong l a ch n gi i đ u, khi hai cá nhân đ c ch n có cùng c p.
chênh (Spread) – chênh là th c đo chuy n đ ng c a t p Pareto. tính tốn
đ chênh, thu t toán gamultiobj tr c tiên đánh giá , đ l ch chu n c a th c đo kho ng cách t p trung c a các đi m n m trên m t tr c Pareto v i kho ng cách h u h n. Q là s đi m này và d là s đo kho ng cách trung bình gi a các đi m này. Sau đó,
thu t tốn đánh giá , t ng trên k ch s hàm m c tiêu c a chu n c a s khác bi t gi a
đi m Pareto giá tr nh nh t hi n t i cho ch s đó và đi m t i thi u cho ch s đó trong l n l p tr c đó. chênh đ c bi u di n nh sau:
chênh là nh khi các giá tr c a hàm m c tiêu c c tr không thay đ i nhi u gi a các l n l p (ngh a là nh ) và khi các đi m trên m t tr c Pareto đ c tr i đ u (ngh a là nh ). Thu t toán gamultiobj s d ng đ chênh trong đi u ki n d ng. Vi c l p l i s d ng l i khi đ chênh không thay đ i nhi u và đ chênh cu i cùng nh h n m c trung bình c a các đ chênh tr c đó.
4.2.3. Kh i t o
B c đ u tiên trong hàm gamultiobj là t o m t t p h p ban đ u. Hàm t o t p h p ho c
b n có th đ a ra m t t p h p ban đ u ho c m t ph n t p h p ban đ u b ng cách s d ng tùy ch n InitialPopulationMatrix. S l ng cá th trong qu n th đ c đ t thành giá tr c a tùy ch n Kích th c qu n th . Theo m c đ nh, gamultiobj t o ra m t t p h p
kh thi đ i v i các gi i h n và ràng bu c tuy n tính, nh ng khơng nh t thi t kh thi đ i
v i các ràng bu c phi tuy n. Thu t toán t o m c đnh là @gacreationuniform khi khơng có ràng bu c ho c ch có ràng bu c b ràng bu c và @gacreationlinearfeasible khi có ràng bu c tuy n tính ho c phi tuy n. Gamultiobj đánh giá hàm m c tiêu và các ràng bu c đ i v i t p h p, đ ng th i s d ng các giá tr đó đ t o đi m s cho t p h p.
4.2.4. S l p l i
S l p l i chính c a h gamultiobj di n ra nh sau.
- B c 1: Ch n b m cho th h ti p theo b ng cách s d ng ch c n ng l a ch n trên qu n th hi n t i. Ch c n ng l a ch n tích h p duy nh t có s n cho gamultiobj là gi i đ u nh phân. B n c ng có th s d ng m t ch c n ng l a ch n tùy ch nh.
- B c 2: T o con t các c p b m đư ch n b ng cách gây đ t bi n và lai chéo.
- B c 3: Cho đi m tr em b ng cách tính tốn các giá tr hàm m c tiêu và tính
kh thi c a chúng.
- B c 4: K t h p dân s hi n t i và tr em thành m t ma tr n, dân s m r ng. - B c 5: Tính phân c p và kho ng cách đông đúc cho t t c các cá th trong qu n th m r ng.
- B c 6: C t b t qu n th m r ng đ có các cá th Kích th c qu n th b ng cách gi l i s l ng cá th thích h p c a m i c p b c.
Khi bài tốn có các ràng bu c s nguyên ho c tuy n tính (bao g m c các gi i h n), thu t toán s đi u ch nh s ti n hóa c a t ng th .
4.2.5. i u ki n d ng
Các đi u ki n d ng sau đ c áp d ng. M i đi u ki n d ng đ c liên k t v i m t tín
B ng 2. Gi i thích các đi u ki n d ng c a thu t tốn Tín hi u Tín hi u thốt (exitflag Value) i u ki n d ng
1 Giá tr trung bình hình h c c a s thay đ i t ng đ i v giá tr c a m c chênh l ch trên các tùy ch n Các th h MaxStallGenerations nh h n các tùy ch n FunctionTolerance và m c chênh l ch cu i cùng nh h n m c chênh l ch giá tr trung bình trong các tùy ch n tr c đây Các th h MaxStallGenerations
0 ư v t quá s th h t i đa
-1 T i u hóa đ c k t thúc b i m t hàm đ u ra
-2 Khơng tìm th y đi m kh thi
-5 ư v t quá gi i h n th i gian
4.2.6. Ràng bu c s nguyên và tuy n tính
Khi m t bài tốn có các ràng bu c s nguyên ho c tuy n tính (bao g m c các gi i h n), thu t toán s đi u ch nh s phát tri n c a t ng th .
Khi v n đ có c ràng bu c s nguyên và tuy n tính, ph n m m s s a đ i t t c các cá th đ c t o thành kh thi đ i v i các ràng bu c đó. B n có th s d ng b t k hàm t o, đ t bi n ho c chéo nào và toàn b t ng th v n kh thi đ i v i các ràng bu c s ngun và tuy n tính.
Khi bài tốn ch có các ràng bu c tuy n tính, ph n m m không s a đ i các cá nhân đ
kh thi đ i v i các ràng bu c đó. B n ph i s d ng các hàm t o, đ t bi n và chéo đ duy
trì tính kh thi đ i v i các ràng bu c tuy n tính. N u khơng, dân s có th tr nên không kh thi và k t qu có th là khơng kh thi. Các tốn t m c đ nh duy trì tính kh thi tuy n
tính: gacreationlinearfeasible ho c gacreationnonlinearfeasible đ t o,
mutationadaptfeasible cho s đ t bi n và crossoverinter ngay l p t c cho s giao nhau. Các thu t tốn n i b cho tính kh thi c a s nguyên và tuy n tính t ng t nh các thu t toán thay th . Khi m t bài tốn có các ràng bu c v s nguyên và tuy n tính, thu t
tốn đ u tiên t o ra các đi m kh thi tuy n tính. Sau đó, thu t tốn c g ng th a mãn các
ràng bu c s nguyên b ng cách làm tròn các đi m kh thi tuy n tính thành các s nguyên b ng cách s d ng phép tính tốn c g ng gi cho các đi m kh thi tuy n tính. Khi q trình này khơng thành cơng trong vi c thu đ c đ đi m kh thi đ xây d ng m t t p
h p, thu t toán g i intlinprog đ c g ng tìm thêm các đi m kh thi liên quan đ n gi i h n, ràng bu c tuy n tính và ràng bu c s nguyên.
Sau đó, khi đ t bi n ho c giao nhau t o ra các thành viên qu n th m i, các thu t toán
đ m b o r ng các thành viên m i là s nguyên và tuy n tính kh thi b ng cách th c hi n
các b c t ng t . M i thành viên m i đ c s a đ i, n u c n, đ g n nh t có th v i
giá tr ban đ u c a nó, đ ng th i đáp ng các ràng bu c và gi i h n s nguyên và tuy n tính.
4.3. Mơ t v các mơ hình
Các mơ hình đ c xây d ng b ng ph n m m Matlab, đ c th hi n b ng l uđ t i các
hình Hình 4.4 đ n 4.7. Mơ hình có th đ c s d ng cho c vi c mô ph ng và t i u hóa h th ng hybrid. Có th mơ ph ng h th ng hybrid PV-Wind-ESS-Diesel. M i quan h gi a ch đ mô ph ng và t i u hóa và các t p liên quan đ c mơ t i các m c 4.3.1 và 4.3.2.
Hình 4.4. L u đ thu t toán h th ng máy phát Diesel Nh p các thông s đ u