Luận văn Điều độ đa mục tiêu hệ thống thủy nhiệt điện ngắn hạn sử dụng cuckoo search cải tiến (Phần 1)

Nội dung text: Luận văn Điều độ đa mục tiêu hệ thống thủy nhiệt điện ngắn hạn sử dụng cuckoo search cải tiến (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ DƯƠNG VĂN TUẤN ĐIỀU ĐỘ ĐA MỤC TIÊU HỆ THỐNG THỦY NHIỆT ĐIỆN NGẮN HẠN SỬ DỤNG CUCKOO SEARCH CẢI TIẾN NGÀNH: ĐIỆN CÔNG NGHIỆP S K C0 0 4 9 3 6 Tp. Hồ Chí Minh, năm 2016
2. LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƯỢC: Họ & tên: DƯƠNG VĂN TUẤN Giới tính: Nam Ngày, tháng, năm sinh: 01-09-1985 Nơi sinh: Tp. Hồ Chí Minh Quê quán: Tp. Hồ Chí Minh Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc:66 – Đường 4 – Khu phố 5 – Phường Trường Thọ - Quận Thủ Đức – Tp. Hồ Chí Minh Điện thoại cơ quan: Điện thoại riêng: 0904594220 Fax G-mail: duongvantuan041022001@gmail.com II. QUÁ TRÌNH ĐÀO TẠO: 1. Đại học: Hệ đào tạo: chính qui Thời gian đào tạo từ 09/2004 đến 09/2009 Nơi học (trường, thành phố): ĐH Sư Phạm Kỹ Thuật Tp.hcm Ngành học: Điện Khí Hóa - Cung cấp điện III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm 10/2009 đến Công ty Year 2000 Kỹ sư bộ phận RD 09/2010 10/2010 đến Trường Cao Đẳng Nghề Tp. Hồ Chí Giảng viên khoa Điện- Điện Lạnh nay Minh Ngày 01 tháng 09 năm 2016 Người khai ký tên DƯƠNG VĂN TUẤN i
3. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, các tính toán kết quả mô phỏng nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, tháng 09 năm 2016 Người cam đoan Dương Văn Tuấn ii
4. LỜI CẢM ƠN Kết quả của sự thành công luôn gắn liền với những sự dạy dỗ của các Thầy Cô, sự ủng hộ và động viên từ gia đình, sự giúp đỡ dù ít hay nhiều, dù trực tiếp hay gián tiếp của người khác. Trong thời gian từ khi bắt đầu đi học đến nay, em đã nhận được rất nhiều sự quan tâm, giúp đỡ của quý Thầy Cô, gia đình, đồng nghiệp và bạn bè. Với lòng biết ơn chân thành và sâu sắc nhất, em xin gửi đến quý Thầy Cô Trường Đại học Sư phạm Kỹ thuật Tp.HCM, đặc biệt là sự quan tâm giúp đỡ của Thầy hướng dẫn PGS.TS. Võ Ngọc Điều đã cùng với tri thức và tâm huyết của mình để truyền đạt vốn kiến thức quý báu cho em thực hiện đề tài nghiên cứu này. Nếu không có những lời hướng dẫn, dạy bảo của Thầy thì em nghĩ đề tài nghiên cứu này của em rất khó có thể hoàn thiện được. Một lần nữa, em xin chân thành cảm ơn Thầy. Bước đầu đi vào tìm hiểu về lĩnh vực nghiên cứu khoa học, kiến thức của em còn nhiều hạn chế và còn nhiều bỡ ngỡ. Do vậy, không tránh khỏi những thiếu sót là điều chắc chắn, em rất mong nhận được những ý kiến đóng góp quý báu của Thầy hướng dẫn cùng quý Thầy Cô và các bạn học cùng lớp để kiến thức của em ngày được hoàn thiện hơn. TP. HCM, tháng 9 năm 2016 Học viên thực hiện DƯƠNG VĂN TUẤN iii
5. TÓM TẮT Luận văn tập trung nghiên cứu các giải pháp tối ưu cho lịch trình hệ thống thủy nhiệt điện ngắn hạn đa mục tiêu sử dụng thuật toán modified cuckoo search với thời gian trì hoãn nguồn nước từ nguồn nước ở trên chảy xuống nguồn nước ở phía dưới. Phương pháp MCSA sử dụng cho hệ thống bốn nhà máy thủy điện và 3 nhà máy nhiệt điện với các mục tiêu chi phí kinh tế, chi phí phát thải và kết hợp chi phí kinh tế phát thải. Kết quả thu được sẽ so sánh với các phương pháp khác và đạt được kết quả tốt và mạnh mẽ hơn các phương pháp khác. Kết quả nghiên cứu đã được mô phỏng, kiểm chứng trên phần mềm Matlab/Simulink iv
6. ABSTRACT This thesis presents a modified cuckoo search algorithm (MCSA) for solving objective short-term cascaded hydrothermal scheduling problem where cascaded reservoir with water time delay from the upper reservoir flowing to the lower ones and the valve-point loading effect of thermal plants are considered. MCSA has been implemented for solving one hydrothermal system consisting of four cascaded hydropower plants and three thermal plants including economic dispatch, emission dispatch and economic emission dispatch. The obtained results in terms of generation fuel costs, emisison and computational time compared to those from several methods available in the paper have reveals that the MCSA is more effective and robust than these methods. Research results have been simulated and verified on the Matlab/Simulink Software. v
7. MỤC LỤC LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN ii LỜI CẢM ƠN iii TÓM TẮT iv DANH SÁCH CÁC CHỮ VIẾT TẮT ix DANH SÁCH CÁC BẢNG xi DANH SÁCH CÁC HÌNH xiii Chương 1 1 TỔNG QUAN 1 1.1 Đặt vấn đề 1 1.2 Các nghiên cứu 2 1.3 Mục tiêu nghiên cứu 8 1.4 Phương pháp nghiên cứu 8 1.5 Phạm vi nghiên cứu 8 1.6 Điểm mới đề tài 8 1.7 Giá trị thực tiễn 8 1.8 Bố cục 9 CHƯƠNG 2 11 CƠ SỞ LÝ THUYẾT 11 2.1 Tối ưu nguồn phát và vận hành kinh tế 11 2.1.1 Phân bố tối ưu và trao đổi công suất kinh tế 11 2.1.2 Trao đổi công suất kinh tế 11 2.2 Yêu cầu vận hành kinh tế 11 2.2.1 Chất lượng phục vụ 12 2.2.2 Chi phí sản xuất. 12 2.3 Vai trò vận hành kinh tế 13 2.3.1 Giảm chi phí nhiên liệu trong vận hành 13 2.3.2 Giảm tổn thất điện năng 14 2.4 Nhà máy thủy điện [38] [39] [40] [41] 14 2.4.1 Lưu lượng nước hàng năm 15 vi
8. 2.4.2 Các đại lượng trung bình 16 2.4.3 Điều tiết dòng chảy. 16 2.4.4 Phân loại nhà máy thủy điện 23 2.4.5 Mô hình toán học các nhà máy thủy điện 21 2.4.6 Lập kế hoạch cho nhà máy thủy điện. [44] 23 2.5 Phát điện tối ưu trong nhà máy thủy nhiệt điện. 24 2.5.1 Vận hành tối ưu máy phát trên thanh cái. 24 2.5.2 Phối hợp tối ưu tổ máy phát: 26 2.6 Phối hợp hệ thống thủy – nhiệt điện [43]. 27 2.6.1 Giới thiệu. 27 2.6.2 Tính cần thiết của bài toán phối hợp hệ thống thủy nhiệt điện. 28 2.6.3 Ảnh hưởng của nguồn nước. 28 2.6.4 Đặc tính hệ thống thủy-nhiệt điện. 29 2.6.5 Phân loại bài toán phối hợp hệ thống thủy-nhiệt điện 31 2.6.6 Tương quan công suất giữa các nhà máy trong hệ thống. 33 Chương 3 35 MÔ HÌNH BÀI TOÁN ĐIỀU ĐỘ NGẮN HẠN 35 THỦY NHIỆT ĐIỆN ĐA MỤC TIÊU 35 3.1 Giới thiệu 35 3.2 Mô hình toán 35 3.2.1 Hàm mục tiêu chi phí nhiên liệu 35 3.2.2 Hàm mục tiêu phát thải 36 3.2.3 Hàm mục tiêu kết hợp chi phí kinh tế và chi phí phát thải 36 3.2.4 Ràng buộc trong bài toán 37 Chương 4 41 PHƯƠNG PHÁP CUCKOO SEARCH CẢI TIẾN 41 4.1 Hành vi sinh sản của chim Cuckoo 41 4.2 Lévy flights 41 4.3 Thuật toán Cuckoo Search 42 4.4 Modified Cuckoo Search 44 CHƯƠNG 5 46 ÁP DỤNG MCSA GIẢI BÀI TOÁN ĐIỀU ĐỘ ĐA MỤC TIÊU THỦY NHIỆT ĐIỆN NGẮN HẠN 46 5.1 Giới thiệu 46 vii
9. 5.2 Mô hình toán 47 5.2.1 Điều độ kinh tế (Economic dispatch) 47 5.2.2 Điều độ phát thải (Emission dispatch) 47 5.2.3 Kết hợp điều độ kinh tế và điều độ phát thải 48 5.3 Ràng buộc trong bài toán: 48 5.3.1 Ràng buộc cân bằng nhu cầu tải: 48 5.3.2 Lượng nước liên tục: 49 5.3.3 Hồ chứa lúc đầu và lúc cuối 49 5.3.4 Giới hạn của hồ chứa 50 5.3.5 Định mức lượng nước xả 50 5.3.6 Giới hạn vận hành máy phát điện 50 5.4 Bài toán ST – CHTS cho thuật toán đa mục tiêu cuckoo search 51 5.4.1 Thuật toán đa mục tiêu cuckoo search 51 5.4.2 Tính toán công suất ngõ ra cho nhà máy nhiệt điện 52 5.4.3 Thực hiện thuật toán đa mục tiêu cuckoo search 52 5.5 Kết quả bài toán ST – CHTS cho thuật toán đa mục tiêu cuckoo search 58 5.5.1 Mô tả bài toán 58 5.5.2 Các thông số ban đầu của bài toán 59 5.5.3 Kết quả mô phỏng 61 5.6 Kết luận 77 Chương 6 79 KẾT LUẬN 79 6.1 Kết luận 79 6.2 Hướng phát triển đề tài 79 TÀI LIỆU THAM KHẢO 80 viii
10. DANH SÁCH CÁC CHỮ VIẾT TẮT OSTHTGC Optimal short-term hydrothermal generation cooperation AIS Artificial immune system CSA Cuckoo Search algorithm DE Differential evolution DP Dynamic Propramming ECM Effecttive Conventional method ED Economic dispatch EP Evolutionary programming GA Genetic algorithm HNN Hopfield neural network HTS Hydro Thermal scheduling IMCS-CS Improve Modified Cuckoo Search with Chaotic Sequence LR Lagrange relaxation MCSA Modified Cuckoo Search algorithm MIP Mixed integer programming PV Photovoltaics PSO Particle Swarm Optimization HDE – SQP Hybrid differential evolution and sequential quadratic programming TLBO Teaching learning based optimization ACABC adaptive chaotic artificial bee colony asi, bsi, csi, dsi, esi: cost coefficients of ith thermal unit αsi, βsi, γsi, ηsi, δsi: emission coefficients of ith thermal unit C1j, C2j, C3j, C4j, C5j, C6j: power generation coefficients of jth hydro unit PDm: load demand at time m ix
11. PLm: total transmission line losses at time m Psim: output power of ith thermal unit at time m min max Psi ; Psi : lower and upper generation limits for ith thermal unit Phjm: output power of jth hydro unit at time m min max Phj ; Phj : lower and upper generation limits for jth hydro unit Qhjm: water discharge rate of jth reservoir at time m min max Qhj ; Qhj : minimum and maximum water discharge rate of jth reservoir Ruj: number of upstream units directly above jth hydro plant tlj: water transport delay from reservoir l to j Vhjm: storage volume of jth reservoir at time m min max Vhj ; Vhj : minimum and maximum storage volume of jth reservoir Ns: number of thermal generating units Nh: number of hydro generating units x
12. DANH SÁCH CÁC BẢNG Bảng 5. 1: Giá trị thời gian hoãn dòng nước chảy của các hồ chứa [8] 60 Bảng 5. 2: Giá trị nhu cầu phụ tải [8]: 61 Bảng 5. 3 : Hệ số phát điện của tổ máy thủy điện (x104m3) [8] 61 Bảng 5. 4: Giá trị dòng chảy của hồ nước (x104m3) [8] 61 Bảng 5. 5: Giới hạn sức chứa lưu trữ của hồ nước, giới hạn lượng xả nước, giới hạn nhà máy phát và điều kiện hồ chứa nước lúc cuối (x104m3) [8] 61 4 3 Bảng 5. 6: Lượng nước xả Qhj (x10 m ) thu được trong điều độ kinh tế sử dụng phương pháp MCSA 68 Bảng 5. 7: Công suất Ph của các nhà máy thủy điện thu được thông qua phương pháp MCSA trong trường hợp điều độ kinh tế 68 Bảng 5. 8: Công suất Ps nhà máy nhiệt điện thu được thông qua phương pháp MCSA trong trường hợp điều độ kinh tế 69 Bảng 5. 9: Kết quả mô phỏng MCSA điều độ kinh tế với các kết quả phương pháp khác (RCGA và DE) 70 4 3 Bảng 5. 10: Lượng nước xả Qhj (x10 m ) thu được trong điều độ phát thải sử dụng phương pháp MCSA 71 Bảng 5. 11: Công suất Ph của các nhà máy thủy điện thu được thông qua phương pháp MCSA trong trường hợp điều độ phát thải 71 Bảng 5. 12: Công suất Ps nhà máy nhiệt điện thu được thông qua phương pháp MCSA trong trường hợp điều độ phát thải 72 Bảng 5. 13: Kết quả mô phỏng MCSA với điều độ phát thải so với các phương pháp khác (RCGA và DE) 73 4 3 Bảng 5. 14: Lượng nước xả Qhj (x10 m ) thu được từ việc kết hợp điều độ kinh tế và điều độ phát thải sử dụng phương pháp MCSA 74 Bảng 5. 15: Công suất Ph của các nhà máy thủy điện thu được thông qua phương pháp MCSA trong xi
13. trường hợp kết hợp điều độ kinh tế – điều độ phát thải 74 Bảng 5. 16: Công suất Ps nhà máy nhiệt điện thu được thông qua phương pháp MCSA trong trường hợp kết hợp điều độ kinh tế – điều độ phát thải 75 Bảng 5. 17: Kết quả mô phỏng MCSA với điều độ phát thải so với các phương pháp khác (RCGA và DE) 76 Bảng 5. 18: So sánh các kết quả thu được bởi phương pháp MCSA với phương pháp khác 78 xii
14. DANH SÁCH CÁC HÌNH Hình 2. 1: Số liệu thủy văn 15 Hình 2. 2: Đồ thị nước về và công suất phát 17 Hình 2. 3: Trị số trung bình công suất, lưu lượng nước, mực nước trong hồ thay đổi các giờ trong ngày. 20 Hình 2. 4 Trị số trung bình công suất, lưu lượng nước, mực nước trong hồ thay đổi các giờ trong tuần. 20 Hình 2. 5: Điều tiết nước trong năm. 21 Hình 2. 6: Đường cong lũy tích nhiều năm. 22 Hình 2. 7: Các nhà máy thủy điện trên các dòng sông khác nhau 20 Hình 2. 8: Các nhà máy thủy điện trên cùng dòng sông. 21 Hình 2. 9: Các nhà máy thủy điện liên hồ. 21 Hình 2. 10: Đường cong nhiên liệu đầu vào-công suất đầu ra 25 Hình 2. 11: Suất tăng nhiên liệu tương ứng với công suất phát của tổ máy có đường cong vào ra 26 Hình 2. 12: Lưu lượng nước về và thể tích nước trong hồ 29 Hình 2. 13: Tương quan chi phí nhiên liệu và công suất phát 30 Hình 5. 1: Lưu đồ giải thuật MCSA 57 Hình 5. 2: Hệ thống nghiên cứu nguồn nước thủy điện [8] 60 Hình 5. 3: Kết quả mô phỏng MCSA điều độ kinh tế 70 Hình 5. 4: Kết quả mô phỏng MCSA điều độ kinh tế với Fitness Funtion 73 Hình 5. 5: Kết quả mô phỏng MCSA kết hợp điều độ kinh tế và phát thải về lượng khí thải (Total Cost ($/h)) 76 xiii
15. Chương 1 TỔNG QUAN 1.1 Đặt vấn đề Như ta đã biết trong hệ thống điện tính liên tục cung cấp điện luôn được đưa lên hàng đầu, nó ảnh hưởng đến tính kinh tế của một quốc gia hay vùng kinh tế sử dụng điện. Để có thể đáp ứng đủ nhu cầu năng lượng cho việc phát triển kinh tế thì tăng trưởng năng lượng điện phải gấp đôi tăng trưởng kinh tế (Việt Nam). Từ đó, vấn đề được đặt ra với ngành điện là phải đảm bảo điều kiện làm việc cũng như các quy tắc an toàn về nguồn, đường dây, bảo vệ, phụ tải .v.v. Bên cạnh tính đảm bảo năng lượng điện thì chi phí phát điện cũng là một bài toán không kém phần quan trọng. (Nếu có thể cực tiểu chi phí phát điện thì giá thành của điện năng cũng giảm và lợi nhuận của nhà đầu tư được gia tăng.) Nếu ta cứ tiếp tục xây dựng nguồn cung cấp để đáp ứng nhu cầu mà không quan tâm đến vấn đề kiểm toán năng lượng cũng như làm như thế nào để sử dụng tốt các nguồn sẵn có, các nguồn sẵn có này đã được sử dụng hiệu quả chưa, có thể khắc phục được hay không. Vậy tính kỹ thuật đã đạt được nhưng trong khi tính kinh tế lại bị bỏ qua với một sai sót lớn. Ở nước ta, nguồn cung cấp công suất chủ yếu là các nhà máy thủy điện và nhiệt điện. Miền bắc phụ thuộc khá lớn vào các nhà máy thủy điện trong khi miền nam thì tỉ lệ nhiệt điện chiếm phần lớn hơn. Cơ bản là đáp ứng đủ nhu cầu phụ tải nhưng vẫn còn phụ thuộc nhiều vào thời tiết vì nguồn thủy điện chiếm tỷ lệ lớn so với tổng nguồn cung cấp. Nguồn nước cho thủy điện bị hạn chế vào mùa khô, khi lượng mưa ít. Còn nhà máy nhiệt điện thì nhiên liệu được xem như là sẵn sàng để tạo ra điện. Mặc dù hiện nay nhiên liệu cho nhà máy nhiệt điện vẫn còn dồi dào nhưng đây là nguồn tài nguyên giới hạn và chi phí phát điện cũng cao so với các nguồn khác. Vấn đề được đặt ra là làm như thế nào để có thể giảm tối thiểu thời gian mất điện vào mùa khô, vì công suất phát vào mùa khô giảm nhiều từ các nhà máy thủy điện. Vậy 1
16. lượng nước trong hồ chứa phải được điều tiết một cách thích hợp nhằm đảm bảo an ninh năng lượng trong mùa khô và không phát quá nhiều công suất trong khi có thời gian lại ngừng hoạt động. Trong khi đó, nhiêm vụ còn lại là việc phát điện của các nhà máy nhiệt điện hay các tổ máy trong nhà máy nhiệt điện như thế nào là tối ưu, là cực tiểu chi phí phát có thể. Hệ thống thủy-nhiệt điện được nghiên cứu trong đề tài này nhằm cực tiểu chi phí phát điện của hệ thống thủy-nhiệt điện. Từ tính cần thiết này, bài toán “Điều độ đa mục tiêu thủy nhiệt điện ngắn hạn sử dụng Cuckoo search cải tiến” được đặt ra và ứng dụng các thuật toán để tìm lời giải phân bố công suất tối ưu giữa các nhà máy. Trong nghiên cứu của đề tài sẽ xét bài toán phối hợp trong thời gian ngắn với giả sử là các hồ thủy điện lớn có chiều cao cột nước không thay đổi trong ngày. 1.2 Các nghiên cứu Bài toán tối ưu phối hợp thủy nhiệt điện ngắn hạn (Optimal short-term hydrothermal generation cooperation) (OSTHTGC) có thể được phân thành hai trường hợp bài toán khác nhau, đó là bài toán lịch trình thỷ nhiệt điện ngắn hạn với cố định đầu vào và bài toán thay đổi đầu vào với bài toán thứ nhất với nước đầu vào của hồ chứa là một hằng số và bài toán thứ hai là nước đầu vào của hồ chứa thì thay đổi được. Nước trong hồ chứa cố định khi lượng nước trong hồ chứa theo lịch trình là không đổi. Giả sử điều này là đúng thì nhà máy thủy nhiệt điện sẽ có hồ chứa lớn và sự khác biệt giữa dòng chảy và lượng nước xả của turbin là rất thấp. Ngược lại, nước đầu vào hồ chứa nước được xem như là một biến thay đổi thì hồ chứa nước của nhà máy thủy nhiệt điện có dung lượng nhỏ dẫn đến sự thay đổi về khối lượng nước trong hoạch định đã đề ra hoặc khác nhau giữa dòng chảy và lượng nước xả lớn đủ để nước đầu vào có thể tối ưu trong hoạch định. Giá trị nước đầu vào thay đổi lịch trình ngắn hạn thì phức tạp hơn so với giá trị nước đầu vào cố định bởi vì lượng nước của hệ thống đại diện cho chức năng phức tạp và khó khăn hơn với các ràng 2
17. buộc thủy lực trong bài báo [1]. Hơn nữa, trong bài báo có đề cập đến các nhà máy thủy điện có lien quan với nhau từ lượng xả của hồ chứa ở trên chảy xuống hồ chứa ở dưới. Chúng được gọi là nguồn nước đa tầng. Nhiều thuật toán đã được ứng dụng thành công cho việc giải quyết vấn đề về lịch trình thủy nhiệt điện ngắn hạn đa tầng như kỹ thuật phân hủy (decomposition techniques) và kỹ thuật phối hợp (coordination techniques) [2-3], lập trình tiến hóa (evolutionary programming) [4-5], thuật toán di truyền (genetic algorithm) (GA) [6- 8], mạng nơron hai giai đoạn (two-phase neural network) (TPNN) [9], tiến hóa khác biệt (differential evolution) (DE) [10-12], tối ưu bày đàn (Particle Swarm Optimization) (PSO) [13-18], thuật toán lựa chọn vô tính (clonal selection algorithm) [19], tiến hóa khác biệt Hybrid và thuật toán lập trình tuần tự bậc hai (Hybrid differential evolution and sequential quadratic programming) (HDE - SQP), thuật toán con ong thích ứng hỗn loạn (adaptive chaotic artificial bee colony) (ACABC) [21], thuật toán tối ưu dựa trên dạy học (Teaching learning based optimization) (TLBO) [22]. Trong số các phương pháp, kỹ thuật phân hủy và phối hợp [2-3] là phương pháp đầu tiên được sử dụng để giải quyết các vấn đề phức tạp trong bài toán tối ưu phối hợp thủy nhiệt điện ngắn hạn (OSTHTGC). Các phương pháp sử dụng hàm tối ưu Lagrange và chia các vấn đề lớn thành 2 vấn đề nhỏ, vấn đề nhiệt điện và vấn đề thủy điện. Một yếu tố lớn khó khan được xét đến tối ưu khoán qua trong nghiên cứu về nhu cầu phụ tải ngẫu nhiên. Vì vậy, các vấn đề nhỏ ngẫu nhiên hầu hết trước tiên sẽ được giải quyết việc xác định cố định dữ liệu đầu vào cho cả 2 vấn đề nhỏ. Sau đó dựa vào hàm Lagrange của vấn đề nhiệt điện được giải quyết với giá trị lamda mà được sử dụng như là dữ liệu đầu vào trong vấn đề thủy điện. Cuối cùng, giải pháp cho việc cho lịch trình hệ thống thủy nhiệt điện ngắn hạn ban đầu bao gồm nhà máy nhiệt điện và thủy điện thu được. Mặc dù, giải pháp rất chính xác và hành vi vi 3
18. phạm không đáng kể, các phương pháp vẫn phải chịu những hạn chế từ phương pháp tối ưu Lagrange mà không phải là việc thực hiện trên hệ thống với hàm chi phí nhiên liệu không lồi của nhà máy nhiệt điện. Hệ thống EP thường (CEP) và một số phiên bản cải tiến của EP [5] bao gồm EP nhanh (FEP) và cải tiến EP nhanh (IFEP) đã được phát triển để giải quyết bài toán tối ưu thủy nhiệt điện ngắn hạn (OSTHTGC). Mục tiêu nonconvex và khu vực cấm của nhà máy thủy điện đã được xem xét trong [5] trong khi đó phương pháp EP [4] được xem xét chỉ hàm mục tiêu không lồi. Phương pháp CEP thì có hiệu quả hơn và mạnh mẽ hơn phương pháp mô phỏng ủ thông qua việc so sánh các kết quả thu được từ hai hệ thống khác nhau. Không có so sánh giữa phương pháp cải tiến EP với các báo cáo của phương pháp khác ngoài việc thử nghiệm khả năng của các phương pháp đối với các quy mô lớn và với các hệ thống thuye nhiệt điện phức tạp. Phương pháp cổ điển đầu tiên GA (The first classical GA) (CGA) và các phiên bản cải tiến của nó, thuật toán di truyền mã hóa (real-coded genetic algorithm) (RCGA) được áp dụng để giải quyết bài toán tối ưu thủy nhiệt điện ngắn hạn (OSTHTGC) tương ứng và được trình bày trong [6] và [7-8]. Nghiên cứu [6] không nhằm mục đích chứng minh lợi thế của phương pháp CGA hơn các phương pháp khác nhưng thử nghiệm khả năng của CGA để đối phó với các hành vi vi phạm của hệ thống đa tầng có 4 nhà máy thủy điện và 1 nhà máy nhiệt điện với hàm chi phí nhiên liệu bậc hai của nhà máy nhiệt điện và không có tổn hao trong truyền tải. Đôi khi, phương pháp RCGA đã được kiểm nghiệm trên hệ thống với quy mô lớn với hệ thống 4 thủy điện đa tầng và 3 nhà máy nhiệt điện với hàm nhiên liệu không lồi. Chú ý đến thời gian tính toán để đạt đến giải pháp tối ưu, thì phương pháp GA với độ chính xác tương đối yếu. Trong bài báo [9], phương pháp dựa trên mạng nơron hai giai đoạn (two-phase neural network based method) lấy việc lịch trình xả nước của hồ chứa nước như là các trạng thái của tế bào thần kinh được phát triển để giải quyết vấn đề và so sánh với các tiêu chuẩn của phương pháp tăng cường Lagrange (augmented Lagrange method) (ALM). Mặc dù, phương 4
19. pháp TPNN có thể thu được giải pháp tốt hơn phương pháp ALM, các phương pháp này có các nhược điểm như việc áp dụng cho bài toán không khác biệt. Phương pháp DE được sửa đổi trong [10] đã được sử dụng một số thay đổi trong quá trình thực hiện trogn bài toán tối ưu thủy nhiệt điện ngắn hạn (OSTHTGC) để giải quyết các ràng buộc cân bằng như cân bằng tải, đặc biệt là lượng nước trong hồ nước trong khoảng thời gian cuối. Phương pháp DE hydric mới trong [11] đã được phát triển bằng cách kết hợp giữa việc sửa đổi và DE hydric trong đó việc sửa đổi là để giải quyết ràng buộc cân bằng như trong [10] và DE hydric thì có thể làm giảm thời gian tính toán. Phương pháp DE hydric được xây dựng trên sự phát triển của 2 hoạt động đó là bao gồm đó là khả năng tăng tốc và chuyển đổi đến vị trí khác là nơi cải thiện chất lượng mục tiêu được cải tiến, dẫn đến sự hội tụ nhanh và sau đó cho phép tìm kiếm được khoảng thời gian được cập nhật, dẫn đến giải pháp tối ưu chung. Các kết quả thu được đã cho thấy rằng phương pháp MHDE có thể thu được giải pháp tốt hơn và thời gian mô phỏng nhanh hơn so với các phương pháp thong thường DE, MDE, HDE và một vài phương pháp khác. Phương pháp tiến hóa khác biệt thích nghi hỗn loạn (adaptive chaotic differential evolution) (ACDE) trong [12] đã được phát triển bằng cách tích hợp cơ chế điều khiển năng động thích ứng cho hệ số chéo, được sử dụng để điều khiển việc tái tổ hợp và hoạt động tìm kiếm khu vực hỗn loạn để tránh sự hội tụ sớm đạt hiệu quả. So sánh với các phiên bản khác của phương pháp DE, thì phương pháp MHDE là phiên bản tốt nhất thu được giải pháp chất lượng cao và trải qua nhiều thời gian tính toán. Phương pháp PSO (Particle Swarm Optimization) thông thường đã được áp dụng để giải quyết trong hệ thống thủy nhiệt điện với quy mô lớn gồm có 4 nhà máy thủy điện và 3 nhà máy nhiệt điện được xem xét đến hàm chi phí nhiên liệu không lồi [14]. Hệ thống này đã được sử dụng để thử nghiệm mô phỏng ủ thông thường 5
20. (simulated annealing) và phương pháp thông thường EP (conventional EP) để đánh giá hiệu suất của phương pháp PSO qua việc so sánh các kết quả thu được. Chắc rằng, phương pháp PSO làm tốt hơn 2 phương pháp kia. Một số phiên bản cải tiến của PSO bằng cách kết hợp các yếu tố khác nhau như trọng lượng quán tính và yếu tố co, và đạt được hạt tốt nhất trong một số hạt và trong toàn bộ hạt. Kết quả đạt được là các phiên bản với trọng lượng quán tính và hạt tốt nhất trong một nhóm nhỏ là tốt nhất. Mặt dù có nhiều ưu điểm, phiên bản của PSO vẫn không thể có giải pháp tốt hơn các phiên bản cải tiến của DE. Thuật toán lựa chọn vô tính (Clonal selection algorithm) [19] là một thành viên trong phương pháp dựa trên tính toán tiến hóa với giá trị hội tụ cao và có giải pháp chất lượng cao, đã được sử dụng để giải quyết hệ thống thủy nhiệt điện với cố định giá trị đầu vào và thay đổi giá trị đầu vào. Nghiên cứu này đã chứng minh cho thấy phương pháp này có thể thành công có thể giải quyết được hệ thống lớn với thời gian mô phỏng ngắn. Phương pháp hydric dựa trên dựa trên sự kết hợp của một thuật toán heuristic (tự nghiên cứu – khám phá- tìm tòi), thuật toán tiến hóa khác biệt (differential evolution) và thuật toán xác định (deterministic algorithm), trình tự lập trình bậc hai (sequential quadratic programming) (HDE–SQP) đã được áp dụng cho lịch trình hệ thống thủy nhiệt điện và đã trình bày trong [20]. Trong phương pháp này, phương pháp DE đóng vai trò trong việc tìm kiếm giải pháp trong khi đó phương pháp SQP (sequential quadratic programming) cho phép quá trình tìm kiếm đóng lại để giải pháp tối ưu chung hoặc gần với tối ưu. Một vài nghiên cứu đã được thực hiện để kiểm tra tính hiệu quả của phương pháp xem xét các hàm mục tieu không lồi và khoảng cấm của nhà máy thủy điện. Thuật toán con ong thích ứng hỗn loạn (adaptive chaotic artificial bee colony) (ACABC) trong [21] đã được thực hiện cho việc nghiên cứu các giải pháp bài toán lịch trình thủy nhiệt điện ngắn hạn đã được xem xét các ràng buộc không tuyến tính 6
21. và mục tiêu không tuyến tính (phi tuyến). Phương pháp này có thể tránh được sự hội tụ sớm và tối ưu khu vực để tìm kiếm hỗn loạn và cơ chế phối hợp thích ứng. Một tối ưu hóa dựa trên việc giảng dạy (teaching learning based optimization) (TLBO) [20] đã được áp dụng cho bài toán hàm chi phí nhiên liệu không lồi và khu vực cấm. Phương pháp TLBO chủ yếu dựa vào việc giảng dạy và học tập các giai đoạn, và không cần bất kỳ thuật toán xác định các thông số điều khiển. Lấy cảm hứng từ hành vi sinh sản của loài chim cúc cu. Yang và Deb đã phát triển thuật toán lấy cảm hứng từ chim cúc cu từ thuật toán CBIA (Cuckoo bird- inspired algorithm) có rất nhiều ưu điểm vượt trội hơn phương pháp PSO và phương pháp GA cho các chức năng tiêu chuẩn về chất lượng giải pháp tốt hơn, tỷ lệ thành công và một vài thông số điều khiển [23]. Phương pháp CBIA là một trong những thuật toán meta-heuristic hiện đại, đã thu được nhiều sự chú ý trong một số lĩnh vực tối ưu hóa hệ thống trong những năm qua. Phương pháp CBIA đã được mở rộng và áp dụng thành công với các vấn đề tối ưu hóa kỹ thuật khác nhau như điều độ tải kinh tế [24], lịch trình thủy nhiệt điện [25-26] và cấu trúc mạng phân phối [27]. Bài báo này áp dụng phương pháp CBIA để giải quyết lịch trình thủy nhiệt điện ngắn hạn đa tầng với hàm chi phí nhiên liệu không lồi của nhà máy nhiệt điện và hệ thống nguồn nướcđa tầng. Các kết quả về tổng chi phí và thời gian mô phỏng thu được thông qua việc kiểm nghiệm phương pháp CBIA được đề xuất qua 4 hệ thống thì đã được phân tích và so sánh với các báo cáo về phương pháp khác có sẵn trong bài báo. Sự so sánh này đã chỉ ra được việc đề xuất phương pháp CBIA là một phương pháp rất mạnh mẽ trong việc giải quyết bài toán lịch trình thủy nhiệt điện ngắn hạn đa tầng. Từ đó, đề tài này đề xuất phương pháp xác định công suất phát làm giờ khởi động dựa vào đồ thị với cùng thuật toán với [25]. Kết quả phân tích cho thấy việc xác định lưu lượng nước xả ban đầu làm giảm nhỏ số vòng lặp, thời gian tính toán 7
22. trong khi tất cả các ràng buộc đều thỏa như phương pháp ở [25]. Ngoài ra, việc xác định công suất còn có ý nghĩa vô cùng quan trọng cho bài toán với hệ thông lớn có nhiều nhà máy thủy điện và nhiệt điện. Dựa vào công suất dự đoán, hệ số hiệu quả sử dụng nước của từng nhà máy thủy điện được tìm ra. Từ đó, việc giải bài toán phức tạp được đơn giản hơn và luôn hội tụ đến kết quả cuối cùng. 1.3 Mục tiêu nghiên cứu - Cực tiểu hàm chi phí điều độ kinh tế hệ thống thủy nhiệt điện. - Cực tiểu hàm chi phí điều độ phát thải hệ thống thủy nhiệt điện. - Cực tiểu hàm chi phí kết hợp điều độ kinh tế – phát thải trong hệ thống thủy nhiệt điện 1.4 Phương pháp nghiên cứu - Giải tích và mô phỏng toán học trên cơ sở hàm mục tiêu là cực tiểu chi phí phát điện với áp dụng thuật toán Cuckoo Search cải tiến. 1.5 Phạm vi nghiên cứu - Ứng dụng trong hệ thống nhà máy thủy điện và nhà máy nhiệt điện, không có các nhà máy khác. - Phối hợp thủy nhiệt điện chỉ trong thời gian ngắn hạn (1 ngày đêm). 1.6 Điểm mới đề tài - Xây dựng mối quan hệ giữa các hệ số của nhà máy thủy – nhiệt điện với nhau. Từ đó, giải bài toán đa nhà máy thủy – nhiệt điện ngắn hạn một cách dễ dàng. 1.7 Giá trị thực tiễn Nghiên cứu phương thức vận hành các nhà máy thủy nhiệt điện trong hệ thống nhằm đáp ứng nhu cầu phụ tải và có thể cực tiểu chi phí phát điện. Điều này có ý nghĩa to lớn cho nguồn năng lượng điện hiện nay khi mà nguồn tài nguyên khoáng sản đang ngày càng cạn kiệt và nguồn nước trên thượng nguồn chảy về giảm dần theo thời gian. Chính những điều này, đề tài “Điều độ đa mục tiêu thủy nhiệt điện 8