Luận văn Phân bố tối ưu công suất trong hệ thống điện bằng thuật toán PSO (Phần 1)

Nội dung text: Luận văn Phân bố tối ưu công suất trong hệ thống điện bằng thuật toán PSO (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 HUỲNH NGỌC NHẨN PHÂN BỐ TỐI ƯU CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN BẰNG THUẬT TOÁN PSO S K C 0 0 3 9 5 9 NGÀNH: THIẾT BỊ MẠNG VÀ NHÀ MÁY ĐIỆN - 605250 S KC 0 0 3 5 9 4 Tp. Hồ Chí Minh, 2012
2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HUỲNH NGỌC NHẨN PHÂN BỐ TỐI ƯU CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN BẰNG THUẬT TOÁN PSO NGÀNH :THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN-605250 Hướng dẫn khoa học: TS. VŨ PHAN TÚ TP.HỒ CHÍ MINH -10/2012
3. LÝ LỊCH KHOA HỌC (Dùng cho nghiên cứu sinh & học viên cao học) I. LÝ LỊCH SƠ LƯỢC Họ và tên: HUỲNH NGỌC NHẨN Giới tính: Nam Ngày, tháng, năm sinh: 01– 11 – 1984 Nơi sinh: Đồng Tháp Quê quán: Đồng Tháp Dân tộc: Kinh Địa chỉ liên lạc: Nhà số 14, đường số 3, tổ 5, khu phố 6, phường Trường Thọ, quận Thủ Đức, thành phố Hồ Chí Minh. Điện thoại: 0904786460 Email: hnnhan@gmail.com II. QUÁ TRÌNH ĐÀO TẠO: 1. Đại học: Hệ đào tạo: Chính quy. Thời gian đào tạo: Từ năm 2002 đến năm 2007 Nơi học: Trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh. Ngành học: Điện Khí Hóa và Cung Cấp Điện. Tên đồ án tốt nghiệp: Ứng dụng fuzy logic điều khiển tốc độ động cơ điện một chiều. Thời gian bảo vệ đề tài tốt nghiệp: 12/2006, tại trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh. Người hướng dẫn: Ths. Lê Thanh Hoàng. 2. Cao học: Hệ đào tạo: Chính quy. Thời gian đào tạo: Từ 2010 đến 2012 Nơi học: Trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh. Ngành học: Thiết bị, mạng và nhà máy điện i
4. Tên luận văn tốt nghiệp: Phân bố tối ưu công suất trong hệ thống điện bằng thuật toán PSO. Thời gian bảo vệ luận văn tốt nghiệp: 10/2012, tại trường Đại học Sư phạm Kỹ thuật Tp.Hồ Chí Minh. Người hướng dẫn: Ts. Vũ Phan Tú. III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC. Thời gian Nơi công tác Công việc đảm nhiệm Từ 4/2007 đến 3/2010 Công ty Air liquide Kỹ sư điện. Vietnam. Lô I, 2A Khu công nghệ cao, Quận 9, thành phố Hồ Chí Minh. Từ 4/2010 đến nay Chi nhánh Công ty Med- Kỹ sư phòng kỹ thuật. aid, Inc. 96 Tân Sơn Hòa Phường 2, Quận Tân Bình, thành phố Hồ Chí Minh. Xác nhận của cơ quan Ngày tháng năm 2012 (Ký tên, đóng dấu) Người khai ký tên Huỳnh Ngọc Nhẩn ii
5. LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các số liệu và kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình khác. Xin kính chúc sức khỏe và chân thành cảm ơn ! TP. Hồ Chí Minh, tháng 10 năm 2012 Học viên thực hiện Huỳnh Ngọc Nhẩn ii
6. LỜI CẢM ƠN Tôi xin chân thành cảm ơn TS. VŨ PHAN TÚ, người thầy đã đề ra phương hướng, hết lòng chỉ bảo, tận tình hướng dẫn và dìu dắt trong suốt thời gian tôi học tập và thực hiện luận văn tốt nghiệp này. Tôi xin chân thành cảm ơn quý Thầy Cô trong Ban Giám hiệu, Ban chủ nhiệm Khoa Điện – Điện tử, Phòng Quản lý Khoa học – Quan hệ quốc tế - Sau đại học và thư viện Trường Đại học Sư phạm Kỹ thuật TP.Hồ Chí Minh đã nhiệt tình giúp đỡ và tạo điều kiện thuận lợi cho tôi hoàn thành luận văn tốt nghiệp này. Xin cảm ơn bố mẹ đã nuôi con khôn lớn và tạo mọi điều kiện để con học tập tốt trong suốt quãng đời vừa qua và để con có được như ngày hôm nay. Xin cảm ơn người thân trong gia đình, bạn bè, đồng nghiệp và các bạn học cùng khóa đã giúp đỡ, động viên, góp ý xây dựng trong thời gian nghiên cứu, học tập và thực hiện luận văn này. Xin kính chúc sức khỏe và chân thành cảm ơn ! TP. Hồ Chí Minh, tháng 10 năm 2012 Học viên thực hiện Huỳnh Ngọc Nhẩn iii
7. TÓM TẮT Luận văn này giới thiệu vể thuật toán PSO, các ứng dụng của thuật toán trong một số ngành kỹ thuật, các phương pháp tối ưu phân bố công suất trong hệ thống điện. Luận văn trình bày phương pháp thuật toán PSO và Chaos-PSO để giải quyết bài toán phân bố tối ưu trong hệ thống điện. Thuật toán đã thành công trong việc tìm điểm tối ưu với tốc độ hội tụ nhanh chóng. Luận văn áp dụng vào giải quyết bài toán cho mạng điện IEEE 30bus từ source matpower4.1. Trong từng bài toán kết hợp PSO và Chaos-PSO cụ thể đã so sánh, nhận xét kết quả hội tụ của hàm chi phí và phân bố công suất tối ưu tại các nút là tin cậy. Kết quả đạt được của thuật toán cho thấy khả năng linh hoạt, mạnh mẽ của thuật toán PSO và Chaos-PSO trong việc giải tối ưu toàn cục mà các phương pháp tối ưu số khó đạt được. Giải thuật bài toán hoàn toàn có thể áp dụng trong mạng điện có số lượng nhà máy lớn. Tuy nhiên, thuật toán PSO cũng có những nhược điểm là kết quả tính toán phụ thuộc nhiều vào thông số cài đặt thuật toán và do kinh nghiệm của người lập trình do đó mất rất nhiều thời gian công sức để thử nghiệm và kiểm tra. iv
8. ABSTRACT This thesis introduces the PSO algorithm, the application of the PSO algorithm in a number of engineering disciplines, the optimal flow power method in the power system. This thesis presents methods PSO and Chaos-PSO algorithm to solve the problem of optimal flow power system. The algorithm was successful in finding the optimal point with fast convergence speed. This thesis applied to solve the problem for the IEEE 30bus system from source matpower4.1. In each case of combination PSO and Chaos-PSO specific comparison, review the results of the convergence of the cost function and the optimal flow power at the nodes are trusted. The results of the algorithm show that flexibility, powerful Chaos-PSO and PSO algorithm in the global optimal solution that the optimal method is difficult to achieve. Problem completely algorithms can be applied in large number of plant networks. However, the PSO algorithm also has the drawback is that the calculation results depends on the settings and algorithms depends experienced programmers because it takes a lot of time and effort to test and inspect. v
9. DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 1.1 Biểu diễn đường cong hội tụ các phương pháp 2 Hình 2.1 Quá trình bơi của đàn cá 9 Hình 2.2 Quá trình bay của đàn chim 10 Hình 2.3 Số lượng bài báo về PSO mỗi năm ở tất cả các lĩnh 12 Hình 2.4 Số lượng bài báo liên quan đến PSO mỗi năm trong lĩnh vực điện 13 Hình 2.5 Nguyên lý thay đổi vị trí của thuật toán PSO 22 Hình 2.6 Trọng quán tính số thay đổi theo quy luật chaotic sequences 30 Hình 2.7 Minh họa vận hành chéo 30 Hình 4.1 Sự hội tụ của hàm chi phí PSO-1 68 Hình 4.2 Sự hội tụ của hàm chi phí PSO-2 69 Hình 4.3 Sự hội tụ của hàm chi phí PSO-3 70 Hình 4.4 Sự hội tụ của hàm chi phí Chaos-PSO-1 72 Hình 4.5 Sự hội tụ của hàm chi phí Chaos-PSO-2 74 Hình 4.6 Sự hội tụ của hàm chi phí Chaos-PSO-3 76 Hình 4.7 Sự hội tụ của hàm chi phí Chaos-PSO-4 78 Hình 4.8 Sự hội tụ của hàm chi phí Chaos-PSO-5 80 Hình 4.9 Sự hội tụ của hàm chi phí Chaos-PSO-6 82 viii
10. DANH SÁCH CÁC BẢNG BẢNG TRANG Bảng 1.1 Bảng so sánh kết quả với các phương pháp khác 2 Bảng 1.2. Các thông số của thuật toán MPSO 3 Bảng 1.3 So sánh với các phương pháp khác 3 Bảng 1.4 Kết quả thí nghiệm trên hệ thống IEEE 6- Bus 4 Bảng 4.1Giới hạn điện áp và công suất mạng IEEE 30 nút. 62 Bảng 4.2 Các hệ số chi phí mạng IEEE 30 nút 63 Bảng 4.3 Công suất tối ưu tại các nút trường hợp PSO-1 67 Bảng 4.4 Công suất tối ưu tại các nút trường hợp PSO-2 69 Bảng 4.5 Công suất tối ưu tại các nút trường hợp PSO-2 70 Bảng 4.6 Chọn thông số Chaos-PSO-1 71 Bảng 4.7 Công suất tối ưu tại các nút trường hợp Chaos-PSO-1 72 Bảng 4.8 Chọn thông số Chaos-PSO-2 73 Bảng 4.9 Công suất tối ưu tại các nút trường hợp Chaos-PSO-2 74 Bảng 4.10 Chọn thông số Chaos-PSO-3 75 Bảng 4.11 Công suất tối ưu tại các nút trường hợp Chaos-PSO-3 76 Bảng 4.12 Chọn thông số Chaos-PSO-4 77 Bảng 4.13 Công suất tối ưu tại các nút trường hợp Chaos-PSO-4 78 Bảng 4.14 Chọn thông số Chaos-PSO-5 79 Bảng 4.15 Công suất tối ưu tại các nút trường hợp Chaos-PSO-5 80 Bảng 4.16 Chọn thông số Chaos-PSO-6 81 Bảng 4.17 Công suất tối ưu tại các nút trường hợp Chaos-PSO-6 82 Bảng 4.18So sánh chi phítrongcáctrườnghợp 84 ix
11. CHỮ VIẾT TẮT TRONG LUẬN VĂN ACO Ant Colony Optimization CHAOS Chaotic sequence and crossover operation ELD Economic Load Dispatch EP Evolutionary Programming ES Evolution Strategies GA Genetic Algorithm IEEE Institute of Electrical and Electronic Engineering IPM Interior Point Method LP Linear Programming NLP Nonlinear Programming NR Newton-Raphson OPF Optimal Power Flow PF Power Flow PSO Particle Swarm Optimization QP Quadratic Programming RPD Reactive Power Dispatch SA Simulated Annealing SOH Self Organizing Hierarchical TS Tabu Search TVAC Time Varying Acceleration Coefficients x
12. MỤC LỤC LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN ii LỜI CẢM ƠN iii TÓM TẮT iv ABSTRACT v MỤC LỤC vi DANH SÁCH CÁC HÌNH ix DANH SÁCH CÁC BẢNG x CHỮ VIẾT TẮT TRONG LUẬN VĂN xii Chương 1: Tổng quan 1.1 Đặt vấn đề 1 1.2. Một số công trình nghiên cứu liên quan 2 1.3. Nhận xét chung 3 1.4. Ý nghĩa khoa học và điểm mới của luận văn 3 1.5. Phạm vi nghiên cứu của luận văn 4 1.6. Mục tiêu cần đạt đƣợc của luận văn 4 1.7. Phƣơng pháp nghiên cứu. 5 Chương 2: Thuật toán PSO 2.1. Khái niệm chung 5 2.2. Đặc điểm của PSO 7 2.3. Ƣu điểm của PSO 7 2.4. Ứng dụng của PSO 8 2.4.1. Ứng dụng của PSO trong một số lĩnh vực 8 2.4.2. Ứng dụng PSO trong hệ thống điện 10 2.4.3. Điều độ kinh tế 14 2.4.4. Điều khiển công suất phản kháng và giảm tổn thất công suất 15 2.4.5. Tối ƣu phân bố công suất (OPF). 16 2.4.6 Thiết kế điều khiển hệ thống điện 16 2.4.7. Huấn luyện mạng Nơron 17 vi
13. 2.4.8. Những lĩnh vực khác trong hệ thống điện 17 2.5. Vận hành của thuật toán PSO 18 2.6. Biểu thức cơ bản của PSO 21 2.7. Giải thuật PSO 23 2.8. Giải thuật đề nghị 28 2.9. Thuật toán Chaos-PSO 29 2.9.1 Ứng dụng chao sequences trong PSO 29 2.9.2 Vận hành chéo. 31 2.9.3. Thuật toán Chaos-PSO 31 Chương 3: Bài toán OPF trong hệ thống điện. 3.1. Cơ sở lý thuyết bài toán OPF 35 3.1.1. Lịch sử phát triển và lý thuyết cơ bản. 35 3.1.2.Cơ sở toán học của bài toán OPF 35 3.1.3 Tổng quan về phƣơng pháp đã áp dụng giải bài toán OPF 38 3.1.4 Phƣơng pháp dựa trên trí tuệ nhân tạo và tiến hóa 50 Chương 4: Ứng dụng PSO vào bài toán OPF 4.1 Giải thuật đề nghị 55 4.2. Phân bố công suất tối ƣu trong mạng điện IEEE 30 nút 62 4.2.1 Thông số đầu vào mạng IEEE 30 nút 62 4.2.1.1. Trƣờng hợp PSO-1 67 4.2.1.2 Trƣờng hợp PSO-2 68 4.2.1.3 Trƣờng hợp PSO-3 69 4.3.1. Trƣờng hợp Chaos-PSO-1 71 4.3.2. Trƣờng hợp Chaos-PSO-2 73 4.3.3. Trƣờng hợp Chaos-PSO-3 76 4.3.4. Trƣờng hợp Chaos-PSO-4 79 Chương 5: Kết luận 5.1. Tổng kết đề tài 83 5.2 Hƣớng phát triển của đề tài 84 vii
14. 5.3 Lời kết 85 Tài liệu tham khảo viii
15. Chƣơng 1 TỔNG QUAN 1.1. Đặt vấn đề Ngày nay nhu cầu năng lượng đang là vấn đề thời sự cho sự phát triển của nền kinh tế, trong đó năng lượng điện đóng vai trò then chốt. Hệ thống điện liên tục được mở rộng, phát triển cả về nguồn và đường dây truyền tải. Nhu cầu sử dụng năng lượng đã và đang trở thành vấn đề cấp thiết mang tính sống còn cho sự phát triển của các nền kinh tế. Trong đó, năng lượng điện đóng một vai trò đặt biệt quan trọng. Cùng với xu thế phát triển của khoa học, kỹ thuật chung của thế giới. Đảng và nhà nước đã định hướng, nước ta sẽ trở thành nước công nghiệp. Các khu chế xuất, các khu công nghiệp đã và đang được tập trung phát triển rất nhanh. Vì vậy, nhu cầu của phụ tải cũng sẽ không ngừng phát triển. Từ đó, hệ thống điện cũng sẽ được liên tục mở rộng, phát triển cả về nguồn phát, đường dây truyền tải và hệ thống phân phối. Do đặc điểm, phân bố và nhu cầu của phụ tải ở nước ta là không đồng đều về không gian và thời gian. Phụ tải tập trung ở các thành phố lớn và các khu công nghiệp, thưa thớt ở nông thôn, miền núi. Cho nên dòng phân bố công suất trên đường dây truyền tải cũng không đồng đều và thay đổi liên tục theo thời gian. Theo số liệu nhận được từ các công ty Điện Lực thì cùng một thời điểm trên hệ thống có một số đường dây bị quá tải trong khi các đường dây khác vận hành non tải. Do vậy, việc sử dụng hiệu quả, tối ưu tổn thất công suất trong hệ thống điện đang là hướng nghiên cứu rất được nhiều người quan tâm. 1.2. Tóm tắt sơ lƣợc các bài báo khoa học có liên quan đến đề tài  An Improved Particle Swarm Optimization Algorithm For Optimal Power Flow (của các tác giả Weibing Lui, Min Li, Xianjia Wang). Bài báo giới thiệu phương pháp multi-start để khắc phục hiện tượng hội tụ sớm. Dùng phương pháp PSO cải tiến (IPSO) là kết hợp giữa multi-start và thuật toán PSO cổ điển, để giải bài toán tối ưu hóa dòng phân bố công suất trong hệ thống điện. Ƣu điểm của bài báo. 1
16. Vấn đề hội tụ sớm xảy ra khi tìm ra một phần tử tối ưu cục bộ khi đó tất cả các phần tử khác trong quần thể di chuyển đến gần phần tử này và các phần tử sẽ rơi vào vùng tiến lui điều khó của điểm tối ưu cục bộ. Đây là khó khăn thường xảy ra khi sử dụng thuật toán PSO. Bài báo này trình bày ưu điểm của thuật toán là khắc phục hiện tượng hội tụ sớm và tìm ra điểm tối ưu toàn cục với thời gian hội tụ nhanh. So sánh kết quả và đóng góp của bài báo. Áp dụng thuật toán IPSO vào hệ thống điện IEEE 30 nút. Bảng 1.1: Bảng so sánh kết quả với các phương pháp khác Hình 1.1: Biểu diễn đường cong hội tụ các phương pháp Từ việc so sánh kết quả về chi phí nhiên liệu, công suất máy phát, tổn thất công suất và thời gian xử lý của thuật toán IPSO với thuật toán di truyền (GA), và thuật toán PSO cổ điển, đã thể hiện được những ưu điểm của thuật toán IPSO. 2
17.  Optimal Power Flow by a Modified Particle Optimization Algorihm(của các tác giả Hamzeh Hajian – Hoseinabadi, Seyed Hamid Hosseini, Mehdi Hajian). Bài báo này trình bày cơ bản về MPSO khá rõ ràng: Vì thuật toán PSO dựa trên cách cư xử của các phần tử trong xã hội nên bên cạnh việc dựa vào kinh nghiệm bản thân và kinh nghiệm xã hội để tìm đến vị trí tốt nhất. Nhưng nhìn theo hướng ngược lại, vẫn tồn tại cách cư xử dựa trên các sai lầm của bản thân đã mắc phải và nhận thức những tiêu cực (vị trí xấu) trong xã hội để tránh xa vị trí xấu, hướng đến vị trí tốt nhất. Ƣu điểm của thuật toán. Bài báo này đưa ra một phương pháp mới để giải quyết vấn đề tối ưu hóa dòng phân bố công suất. Đó là thuật toán PSO sửa đổi (MPSO) và kiểm chứng tính ưu điểm của phương pháp mới này. Bài toán sẽ giảm đi số vòng lặp. Tốc độ hội tụ sẽ nhanh hơn thuật toán PSO cổ điển. So sánh kết quả và đóng góp của bài báo. Việc đánh giá, thuật toán MPSO đã được thực hiện trên mạng điện IEEE 30 nút và được so sánh với thuật toán PSO cổ điển, thuật toán PSO cải tiến, thuật toán GA để chứng minh những ưu điểm của thuật toán. Bảng 1.2: Các thông số của thuật toán MPSO 3
18. Bang 1.3: So sánh với các phương pháp khác  Multiobjective Particle Optimization for Optimal Power Flow Problem (của tác giả, M.A. Abido). Bài báo này đưa ra một phương pháp PSO mới có thể áp dụng vào giải bài toán tối ưu hóa dòng công suất với nhiều đối tượng cần tối ưu chỉ trong một lần chạy chương trình giúp giảm được thời gian mà vẫn đảm bảo được sự cân bằng mức tối ưu hợp lý nhất giữa 2 đối tượng. Cụ thể là tối ưu đồng thời chi phí nhiên liệu và sự ổn định điện áp trong bài toán tối ưu dòng công suất. Đây là sự chuyển đổi từ phương pháp PSO cổ điển sang phương pháp PSO nhiều đối tượng (MOPSO) đòi hỏi sự định nghĩa lại các cá thể tối ưu cục bộ và toàn cục trong miền tối ưu nhiều đối tượng. Kỹ thuật tạo chùm đã được sử dụng, để quản lý kích thước của tập tối ưu Pareto. Ƣu điểm và so sánh kết quả Từ kết quả thí nghiệm trên hệ thống 6-bus, đã chỉ ra sự hiệu quả của phương pháp MOPSO trong việc giải quyết các vấn đề OPF nhiều đối tượng và tạo ra nhiều giải pháp tối ưu Pareto chỉ trong lần chạy chương trình. Bảng 1.4: Kết quả thí nghiệm trên hệ thống IEEE 6- Bus 4
19.  An Improve Particle Swarm Optimization for Optimal Power Flow (của các tác giả, S.He, J.I.Men, E.Prempain, Q.H.Wu, J. Fitch, S.Mann). Bài báo này đưa ra một phương pháp PSO cải tiến (MPSO) cho vấn đề phân bố dòng công suất tối ưu. Giới thiệu các phương pháp đã từng được sử dụng để giải quyết bài toán OPF (lập trình không tuyến tính ( NLP), lập trình bậc hai (QP), lập trình tuyến tính (LP), phương pháp điểm trong - thuật toán di truyền (GA), lập trình tiến hóa (EP), thuật toán tiến hóa (ES) và phương pháp PSO cổ điển. Đưa ra các vấn đề cơ bản của bài toán OPF và cách giải quyết dùng phương pháp hàm phạt để đưa bài toán ràng buộc về dạng chuỗi của các vấn đề không ràng buộc. Trình bày thuật toán PSO cổ điển và đưa ra phương pháp cải tiến PSOPC. Ƣu điểm và so sánh kết quả Giải bài toán OPF trong mạng điện IEEE 30- Bus và so sánh kết quả giữa các phương pháp trong 3 trường hợp: - Tối thiểu nhiên liệu. - Tối ưu chi phí nhiên liệu và cải thiện chất lượng điện áp. - Tối ưu chi phí nhiên liệu và tăng cường ổn định điện áp. Kết quả PSOPC PSO Gradient EGA Fuel cost($/h) 802.0477 802.41 813.74 802.6087 ∑voltage 0.8089 0.8765 1.4602 0.8073 devitions 0.1383 0.1381 0.1384 0.1394 Từ kết quả thu được đã chứng minh được ưu điểm của phương pháp PSOPS so với phương pháp PSO cổ điển.  An Improved PSO Based Solution For The Optimal Power Flow Problems (của các tác giả, H. Shayeghi, H.A. Shayanfar, A. Shojaei). Thuật toán PSO chủ yếu áp dụng để giải các bài toán có biến không ràng buộc. Đối với những bài toán có ràng buộc như bài toán tối ưu hóa dòng phân bố công suất (OPF) thì phương pháp hàm phạt được sử dụng phổ biến nhất để đưa bài toán về dạng không ràng buộc, bằng cách này có thể sử dụng thuật toán PSO để giải bài toán OPF. Nhưng không phải lúc nào cũng có thể kết hợp tốt phương pháp hàm phạt với thuật toán PSO bởi vì: 5
20. Phương pháp hàm phạt không dùng những thông tin bộ nhớ lịch sử mà là ý nghĩa chủ yếu của thuật toán PSO. Những hàm phạt sẽ gặp khó khăn trong việc duy trì một sự cân bằng giữa sự thu được và tính khả thi khi đang tìm kiếm sự tối ưu. Ƣu điểm Do các nguyên nhân trên, báo cáo này đưa ra một phương pháp PSO cải tiến cho vấn đề giải bài toán OPF. Trong phương pháp này thì các hàm phù hợp và những hàm ràng buộc được sử dụng riêng lẻ. Những hàm phù hợp dùng để đưa ra hướng tìm kiếm. Những hàm ràng buộc được dùng để kiểm tra tính khả thi của phần tử. Khi cài đặt thuật toán PSO này, tiến trình khởi tạo là tập trung tất cả các phần tử vào không gian khả thi trước khi sự đánh giá của những hàm đối tượng bắt đầu. Chỉ những phần tử thuộc vùng không gian khả thi tiếp tục được sử dụng cho việc tính toán Pbest và Gbest mới. 1.3. Nhận xét chung. Cùng với sự phát triển của khoa học kỹ thuật, bên cạnh các phương pháp cổ điển thì sự ra đời và phát triển của các phương pháp trí tuệ nhân tạo đã và đang được áp dụng để giải bài toán phân bố công suất tối ưu (OPF) như: Linear Programming, Nonlinear Programming, Newton – Raphson, Genetic Algorithm, Ant Colony Optimization Trong sự phát triển không ngừng của các phương pháp trí tuệ nhân tạo, thuật toán PSO (Particle Swarm Optimization) đã được giới thiệu lần đầu tiên vào năm 1995 tại hội nghị của IEEE bởi hai nhà khoa học Kennedy và Russell C. Eberhard. Qua một số bài báo ở trên cho thấy các nhà khoa học trên thế giới đã ứng dụng thuật toán PSO vào trong hệ thống điện và đã cho ra những kết quả khả quan so với các giải thuật khác. Một ưu điểm của PSO là giải thuật đơn giản, số biến điều khiển nhỏ, chương trình chạy nhanh. Việc ứng dụng trí tuệ nhân tạo trong việc giải các bài toán tối ưu ứng dụng trong nhiều ngành, lĩnh vực đã và đang là xu thế trên thế giới. Thuật toán PSO có tuổi đời còn khá non trẻ, ra đời vào năm 1995 và ngay lập tức được ứng dụng rộng rãi trong nhiều ngành: công nghệ thông tin, điều khiển tự động, xây dựng Do đó, nó đã được kiểm chứng hiệu quả và chấp nhận trong nhiều lĩnh vực khác nhau. Trong lĩnh vực hệ thống điện, thuật toán này cũng đã được áp dụng phổ biến trên thế giới. Thuật toán này có thể giải quyết các bài toán về dòng phân bố công suất tối ưu có cực tiểu hàm chi phí. 6
21. 1.4. Ý nghĩa khoa học và điểm mới của đề tài luận văn. Qua nghiên cứu ứng dụng thực tiễn các nhà khoa học đã đưa ra 05 ưu điểm của thuật toán PSO khi áp dụng vào giải bài toán OPF như sau: Thuật toán đơn giản và dễ dàng thực hiện. PSO tìm kiếm trong tất cả không gian bài toán chứ không riêng từng điểm. Hàm cập nhật vị trí cá thể có độ dốc tự do, giúp cho chương trình chạy nhanh hơn. Khả năng tính đồng thời các cá thể riêng biệt để tìm kiếm điểm tối ưu toàn cục. PSO, Chaos- PSO sử dụng các hàm mục tiêu và tính toán độ phù hợp để trả về trực tiếp kết quả. Chaos-PSO thích hợp với các hàm mục tiêu không liên tục, không khả vi tồn tại trong hệ thống điện. 1.5. Phạm vi nghiên cứu của luận văn. Nghiên cứu các phương pháp giải bài toán tối ưu công suất trong hệ thống điện. Cơ sở lý thuyết và tính hiệu quả của phương pháp PSO cải tiến có kết hợp CHAOS_PSO_TVAC khi áp dụng vào thực tế là giải bài toán OPF trong hệ thống điện. Ứng dụng vào trong hệ thống điện chuẩn IEEE 30 nút. So sánh kết quả thu được của phương pháp PSO, CHAOS_PSO_TVAC với các phương pháp khác để thấy được ưu điểm của phương pháp CHAOS_PSO_TVAC. 1.6. Mục tiêu cần đạt đƣợc của luận văn. Trình bày cơ sở lý thuyết và ứng dụng của thuật toán PSO, thuật toán CHAOS- PSO Áp dụng vào giải các hệ thống điện chuẩn IEEE 30 nút. So sánh kết quả đạt được trong từng bài toán kết hợp. 7