Ứng dụng thuật toán lai GA-HS cho bài toán phân bố công suất trong hệ thống điện

Nội dung text: Ứng dụng thuật toán lai GA-HS cho bài toán phân bố công suất trong hệ thống điện

1. ỨNG DỤNG THUẬT TOÁN LAI GA-HS CHO BÀI TOÁN PHÂN BỐ CÔNG SUẤT TRONG HỆ THỐNG ĐIỆN APPLICATION HYBRID GA-HS ALGORITHM FOR DISTRIBUTION POWER FLOW PROBLEMS IN ELECTRICAL SYSTEM TS. Ngô Cao Cường, Lê Vũ Trọng Bảo, Viện Công nghệ cao Hutech. Đại Học Sư Phạm Kỹ Thuật Tp.Hồ Chí Minh. Email:nc.cuong@hutech.edu.vn Email:levutrongbao@gmail.com TÓM TẮT Trong bài báo này, một phương pháp lai được phát triển bằng cách sử dụng thuật toán di truyền (GA) và thuật toán tìm kiếm hòa hợp (HS), được gọi tên là GAHS. Thuật toán này dùng để giải quyết bài toán điều độ kinh tế có xét các hiệu ứng van điểm. Thuật toán HS là một thuật toán meta-heuristic phát triển gần đây, và đã rất thành công trong một loạt các vấn đề tối ưu hóa. Cách tìm kiếm giải pháp của thuật toán HS rất dễ rơi vào giải pháp tối ưu địa phương khi giải quyết vấn đề phức tạp. Tuy nhiên, các hoạt động lựa chọn, lai tạo và đột biến trong thuật toán GA tạo ra các giải pháp đa dạng, có thể tránh được khả năng vi phạm vùng tối địa phương. Xác suất chiến lược cập nhật dựa trên thuật toán HS cho bộ nhớ hài hòa cao hơn trong giai đoạn ban đầu để đẩy nhanh tốc độ tìm kiếm và khả năng của chiến lược cập nhật dựa trên GA là cao hơn trong giai đoạn cuối cùng để thoát khỏi giải pháp tối ưu địa phương. Kết quả tính toán cho thấy thuật toán lai đề xuất có hiệu quả và hội tụ rất tốt. Từ khóa: Điều độ kinh tế, Thuật toán di truyền (GA), Tìm kiếm hài hòa (HS), Hiệu ứng điểm van. ABSTRACT In this paper, a hybrid heuristic method is developed using the Genetic Algorithm (GA) and Harmony Search (HS), called GA/HS. In this algorithm to solved the economic power dispatch with valve-point effects. The HS algorithm is a recently developed meta-heuristic algorithm, and has been very successful in a wide variety of optimization problems. Refresh strategy of solution vectors is so simple that HS algorithm is easy to fall into local optimum solution when complex problem is solved. However, selection, crossover and mutation operations in GA can generate diverse solutions, so premature stagnation behavior can be avoided in some extent. The probability of update strategy based on HS algorithm for harmony memory is higher during the initial stage in order to accelerate the searching speed, and the probability of update strategy based on GA is higher during the final stage in order to escape from local optimum solution. Calculation results show that the proposed hybrid algorithm is effective and it converges well. Key words: Economic Dispatch, Genetic Algorithm (GA), Harmony Search (HS), Valve-Point Effect. 1. Đặt vấn đề ưu được ứng dụng trong việc giải quyết bài toán này như: Một trong những mục tiêu quan trọng của việc vận phương pháp tuyến tính, phương pháp phi tuyến, phương hành hệ thống điện phức tạp ngày nay là đáp ứng đầy đủ pháp Lagrange nhu cầu về điện với chi phí phát thấp nhất có thể, nhưng vẫn đảm bảo các tiêu chuẩn về an toàn điện, cũng như các tiêu Trong những năm gần đây, nhiều phương pháp tiến hóa chuẩn nghiêm ngặt về môi trường. Do đó, bài toán điều độ đã được đưa vào để giải quyết các bài toán tối ưu hóa như: kinh tế (ED) là một trong những vấn đề quan trọng nhất cần thuật toán tiến hóa (GA)[2], tối ưu hóa bầy đàn đượcgiải quyết trong các hoạt động của hệ thống điện ngày (PSO)[10][15], thuật toán tiến hóa sai khác (DE), tìm kiếm nay. sự hòa hợp (HS)[3], Trong bài báo này sẽ giới thiệu một thuật toán là sự kết hợp giữa 2 thuật toán: tìm kiếm sự hòa Điều độ kinh tế (ED)[1] là phân bố công suất phát của hợp (HS)[3] và thuật toán di truyền (GA), được gọi là thuật các máy phát điện sao cho chi phí nhiên liệu được giảm tối toán lai GA-HS. Thuật toán lai GA-HS sẽ được áp dụng để thiểu, trong khi các yếu tố như: nhu cầu điện và các ràng giải 2 bài toán mạng điện 13 nút máy phát và 40 nút máy buộc bắt buộc phải được thỏa mãn. Trước đây, đã có rất phát với hiệu ứng điểm van. Kết quả sẽ được so sánh với nhiều phương pháp toán học và nhiều kỹ thuật tính toán tối 1
2. các phương pháp tối ưu khác như trong phần tham khảo. Trong đó ei và fi là hệ số chi phí nhiên liệu của máy phát thứ i có xét ảnh hưởng của điểm van công suất. 2. BÀI TOÁN ĐIỀU ĐỘ KINH TẾ CÔNG SUẤT 3. Thuật toán lai GAHS 2.1. Bài toán điều độ kinh tế cổ điển Mục đích chính của bài toán điều độ kinh tế [1] là tìm 3.1 Thuật toán di truyền (GA) cực tiểu của tổng chi phí nhiên liệu với một số ràng buộc Với cơ chế mã hóa thích hợp, thuật toán di truyền [2] của hệ thống điện. Bài toán này được mô hình hóa dưới xử lý các chuỗi bit nhị phân 0 và 1 gọi là các cá thể hay dạng biểu thức hàm tổng chi phí như (1). nhiễm sắc thể, các cá thể này biểu diễn những điểm trong N không gian tìm kiếm. Giống như tự nhiên, thuật toán di (1) CFP  ii() i 1 truyền giải quyết bài toán tìm ra cá thể tốt nhất bằng cách xử lý trên các nhiễm sắc thể mà hoàn toàn không cần bất kỳ NG 2 thông tin nào về bài toán đang giải quyết. Thông tin duy F()() x  ai b i P Gi c i P Gi (2) i 1 nhất mà thuật toán nhận được là độ phù hợp của các cá thể Trong đó Fi(Pi) là hàm chi phí nhiên liệu của tổ máy được tạo ra. Độ phù hợp của các cá thể dùng để định hướng thứ i;ai, bi, cilà các hệ số chi phí của tổ máy thứ i, NGlà số việc lựa chọn các cá thể sao cho những cá thể có độ phù lượng của các tổ máy và Pilà công suất phát ra của tổ máy hợp cao có khuynh hướng tái sinh nhiều hơn so với những thứ i. Ngoài ra còn có một số ràng buộc như: cá thể khác. Ràng buộc cân bằng: tổng công suất phát ra của các tổ Thuật toán di truyền bao gồm các bước sau: máy phải bằng công suất phụ tải yêu cầu cộng thêm công Bước 1: Khởi tạo quần thể bao gồm nhiều cá thể. suất tổn hao trên đường dây. Bước 2: Xác định độ phù hợp của các cá thể. N Bước 3: Chọn lọc các cá thể tương ứng với độ phù  PPPi D Loss (3) hợp của chúng và tạo ra các cá thể mới bằng cách kết hợp i 1 các cá thể hiện có, áp dụng các toán tử lai tạo và đột biến. Trong đó PD là công suất yêu cầu của phụ tải và PLoss Bước 4: Loại bỏ những cá thể có độ phù hợp kém. là tổn thất trong quá trình truyền tải. Bước 5: Xác định độ phù hợp của các cá thể mới và Ràng buộc bất cân bằng: giới hạn khả năng của máy đưa trở lại vào quần thể gốc để hình thành quần thể mới. phát Bước 6: Kiểm tra điều kiện ngừng lặp. Nếu chưa thỏa quay lại bước 3. PPPi,min i i ,max (4) Trong đóPi,min and Pi,maxlà giới hạn cực tiểu và cực đại Như vậy thuật toán di truyền không giống như phương của công suất phát ra tổ máy thứ i. pháp giải tích dựa trên các công thức toán học hay phương pháp suy luận dựa trên kinh nghiệm của các chuyên gia chỉ 2.2. Bài toán điều phối kinh tế có xét ảnh hưởng của điểm xét một số giới hạn các lời giải. Ngược lại, thuật toán di van truyền tìm kiếm trong toàn bộ không gian lời giải bằng cách Nhà máy điện thường sử dụng nhiều van để điều khiển xét trước hết một số lời giải, sau đó loại bỏ những thành công suất phát của nhà máy [1]. Trong giai đoạn đầu khi phần không phù hợp và chọn những thành phần thích nghi van nạp hơi nước được mở trong nhà máy nhiệt điện, chi hơn để thực hiện các quá trình tiến hóa nhằm tạo ra nhiều phí do tổn hao gia tăng một cách đột ngột làm cho hàm chi lời giải mới có độ phù hợp ngày càng cao. Kết quả là bằng phí có độ nhấp nhô. Hiệu ứng này được gọi là điểm van quá trình tiến hóa qua nhiều thế hệ, thuật toán di truyền sẽ công suất. Loại bài toán này vô cùng khó giải quyết với tìm được lời giải tối ưu cho bài toán. những kỹ thuật thông thường bởi vì tồn tại sự thay đổi đột Cơ chế mã hóa và hàm đánh giá tạo nên mối liên kết ngột và không liên tục trong sự gia tăng của hàm chi phí. giữa thuật toán di truyền và bài toán cụ thể cần giải quyết. Điều phối kinh tế với điểm van công suất dùng để cực tiểu Kỹ thuật mã hóa lời giải có thể rất khác nhau đối với từng chi phí hệ thống (5) dựa trên hàm chi phí có xét ảnh hưởng bài toán và đối với từng dạng thuật toán di truyền khác của vị trí van. Vị trí van công suất thường được mô hình nhau. Hàm đánh giá xác định độ phù hợp của các cá thể đối bằng cách thêm hàm sin vào hàm chi phí bậc hai cổ điển với bài toán cần giải. Hàm đánh giá trong thuật toán di (2). truyền đóng vai trò như môi trường trong chọn lọc tự nhiên. FPabPcPe( ) 2 sin( fP ( P )) ii iiiiii ii,min i (5) 2
3. 3.2 Thuật toán tìm kiếm hòa hợp (HS) HS. Vì các hoạt động: lựa chọn, lai tạo và đột biến trong GA có thể tạo ra các giải pháp đa dạng và tránh được các Thuật toán tìm kiếm sự hài hòa HS là một thuật toán điểm cực tiểu địa phương để tiến đến giải pháp tối ưu toàn dựa trên mô phỏng âm nhạc [3]. Nó được lấy cảm hứng từ cục nhanh hơn. Các bước tính toán thuật toán lai GAHS việc xem xét mục đích của âm nhạc là để tìm kiếm một được trình bày như sau: trạng thái hoàn hảo của sự kết hợp. Bước 1: Khởi tạo các vấn đề và các thông số của thuật toán lai. Bước 2: Khởi tạo bộ nhớ hài hòa HM. Bước 3: Ngẫu hứng một sự hài hòa mới từ HM ở bước 3 này ta áp dụng Phương pháp GA để tạo ra một sự hài hòa mới. Bước 4: Cập nhật bộ nhớ hài hòa ( đưa các cá thể trở về quần thể gốc để hình thành quần thể mới) Bước 5: Kiểm tra các tiêu chí và dừng lại. Nếu chưa thỏa mãn các tiêu chí quay lại bước 3 và 4. Hình 1: Harmony Search mối tương đồng giữa hài Khởi tạo các vấn đề và các thông số của thuật toán. hòa âm nhạc và tối ưu trong kỹ thuật. Khởi tạo bộ nhớ hài hòa HM. Hãy xem xét khúc nhạc jazz gồm 3 nhạc cụ như hình j = MaxImp Ngẫu hứng thay đổi ma trận HM. 1: saxophone, double bass và guitar. Mỗi nhạc cụ lại được giới hạn 1 tổ hợp nốt nhất định: saxophone {Do, Mi, Sol}; i = N double bass {Si, Sol, Re}; và guitar {La, Fa, Do}. Nếu nghệ pnew(i)= được tạo ra bởi các sĩ saxophone ngẫu nhiên đánh {Sol} từ {Do, Mi, Sol}, rand < HMCR hoạt động chọn lọc, lai tạo, đột double bass đánh {Si} trong {Si, Sol, Re} và guitar chơi biến của pp GA {Do} trong {La, Fa, Do}, 3 nhạc cụ cất lên đồng thời (Sol, pnew(i): chọn vector bất kì trong HM. pnew(i) = pL(i)+randvar(pL(i),pU(i)) Si, Do) tạo thành một sự hài hòa (hợp âm C7). Và nếu sự hòa hợp mới là tốt hơn so với sự hòa hợp tồi tệ nhất hiện có rand < PAR trong HM, sự hòa hợp mới được đưa vào HM và sự hòa hợp tồi tệ nhất được loại trừ khỏi các HM. Thủ tục này được lặp pnew(i) = pnew(i) + (2 *rand-1)*b(i) đi lặp lại cho đến khi sự hòa hợp tốt nhất được tìm Kiểm tra điều kiện pL(i) ≤ pnew(i)≤pU(i) thấy. Các bước trong thủ tục tìm kiếm sự hài hòa được thể hiện: I = i-1 Bước 1: Khởi tạo các vấn đề và các thông số thuậttoán. i< 2 Bước 2: Khởi tạo bộnhớ hài hòa. Bước3: Ngẫu hứng một sự hòa hợp mới. Cập nhật bộ nhớ hài hòa. Bước 4: Cập nhật bộ nhớ hài hòa. Kiểm tra các tiêu chí và dừng lại. Bước 5: Kiểm tra các tiêu chí dừng lại. 3.3 Thuật toán lai tối ưu di truyền và tìm kiếm hòa hợp Hình 2:Lưu đồ giải thuật của thuật toán GAHS Trong phần này chúng tôi sẽ đề xuất một phương pháp 4. Kết quả tính toán tối ưu mới dự trên cơ sở sử dụng hai phương pháp tối ưu Thuật toán GAHS đề xuất được áp dụng vào tính toán 2 HS và GA, gọi là phương pháp lai GAHS. Phương pháp này mạng điện khác nhau bao gồm: hệ thống 13 máy phát với được tạo thành dự trên cơ sở của thuật toán tìm kiếm hòa ảnh hưởng của điểm van, hệ thống 40 máy phát với ảnh hợp (HS) và sử dụng thuật toán GA để tạo ra giá trị của các hưởng của điểm van. Đối với từng hệ thống, thuật toán đề cá thể mới. Mục đích của việc đưa thuật toán GA[2] vào xuất được chúng tôi tiến hành chạy thử trong 50 lần độc lập trong một bước của thuật toán HS là nhằm tăng cường khả và kết quả tính toán tối ưu được so sánh với các thuật toán năng thăm dò và để đẩy nhanh tốc độ hội tụ của thuật toán khác. 3
4. Hệ thống 1: 13 máy phát với ảnh hưởng của điểm van BẢNG II Trong phần này, hệ thống bao gồm 13 máy phát với KẾT QUẢ SO SÁNH CỦA HỆ THỐNG 13 MÁY PHÁT ảnh hưởng của điểm van công suất được xem xét tính toán. CÓ XÉT ẢNH HƯỞNG CỦA ĐIỂM VAN CÔNG SUẤT Thông số của hệ thống được mô tả trong [15]. Tổng công PD = 1800 (Ploss= 0) suất yêu cầu của hệ thống là 1800 MW (bỏ qua tổn thất điện Chi Phí Phương pháp Chi Phí Chi Phí năng). Thông số thuật toán GAHS được cài đặt như sau: số Trung Cực Tiểu Cực Đại bước lặp tối đa là50.000, số lượng cá thể trong quần thể Bình là15, số thế hệ là 30, HMS = 20, HCMR = 0.85, PAR = IFEP [15] 17994.07 18267.20 18127.06 0.45. PSO [16] 18014.16 18249.89 18104.65 BẢNG I MPPSO[16] 17976.19 18210.59 18087.12 CÔNG SUẤT PHÁT RA CỦA HỆ THỐNG 13 MÁY PHÁT PPSO[16] 17971.01 18246.70 18106.33 Máy phát Pi,min Pi,max Công suất (MW) HS 17964.79 18065.59 17993.67 1 0 680 567.3271 IHS 17963.91 18034.84 17993.68 2 0 360 223.7912 GA-HS 17964.13 18061,67 17988.54 3 0 360 148.9991 4 x 10 1.92 4 60 180 101.5064 5 60 180 77.1677 1.9 6 60 180 109.7669 1.88 7 60 180 109.8602 1.86 8 60 180 109.7469 9 60 180 161.8345 1.84 Total Total cost($) 10 40 120 40 1.82 11 40 120 40 1.8 12 55 120 55 13 55 120 55 1.78 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 Iterations 4 Tổng công suất phát (MW) 10500.0000 x 10 Chi phí cực tiểu ($/h) 17964.13809 Hình 3: Đặc tính hội tụ của mạng điện 13 máy phát. Chi phí cực đại ($/h) 18061,67478 Chi phí trung bình ($/h) 17988.54786 Hệ thống 2: 40 máy phát với ảnh hưởng của điểm van Độ lệch tiêu chuẩn ($/h) 5,07665 Trong phần này, hệ thống bao gồm 40 máy phát với Thời gian tính toán (s) 4.56 ảnh hưởng của điểm van công suất được xem xét tính toán. Thông số của hệ thống được mô tả trong [15]. Tổng công Bảng I trình bày công suất tối ưu của các máy phát, suất yêu cầu của hệ thống là 10500 MW (bỏ qua tổn thất tổng công suất phát ra, giá trị cực tiểu, trung bình, giá trị điện năng). Thông số thuật toán GAHS được cài đặt như cực đại đạt được bởi phương pháp đề xuất cho hệ thống. sau: số bước lặp tối đa = 500.000, số lượng cá thể trong Tổng chi phí tốt nhất đạt được từ phương pháp GA-HS quần thể = 40, số thế hệ = 30, HMS = 50, HCMR = 0.95, chúng tôi so sánh với phương pháp khác được thể hiện PAR = 0.45. trong Bảng II. Kết quả so sánh thể hiện phương pháp đề xuất tốt hơn các phương pháp khác khi tính toán hệ thống 13 máy phát. 4
5. 5 x 10 3 BẢNG III 2.8 CÔNG SUẤT PHÁT RA CỦA HỆ 40 MÁY PHÁT 2.6 Máy Công suất Máy Công suất P P P P 2.4 phát i,min i,max (MW) phát i,min i,max (MW) 2.2 1 36 114 76.3347 21 254 550 523.3221 2 2 36 114 110.7951 22 254 550 523.306 Total cost($) 1.8 3 60 120 97.1013 23 254 550 523.3032 1.6 4 80 190 179.7211 24 254 550 523.2972 1.4 5 47 97 87.8964 25 254 550 523.2696 1.2 6 68 140 139.9995 26 254 550 523.266 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 Iterations 5 7 110 300 259.6508 27 10 150 10.0006 x 10 8 135 300 284.6517 28 10 150 10.0073 Hình 4: Đặc tính hội tụ của mạng điện 40 máy phát. BẢNG IV 9 135 300 284.5902 29 10 150 10 KẾT QUẢ SO SÁNH CỦA HỆ THỐNG 40 MÁY PHÁT 10 130 300 130.0161 30 47 97 96.5072 CÓ XÉT ẢNH HƯỞNG CỦA ĐIỂM VAN CÔNG SUẤT 11 94 375 168.8134 31 60 190 189.9898 PD = 10500(Ploss= 0) 12 94 375 94 32 60 190 190 Phương pháp Chi Phí Cực Chi Phí Chi Phí 13 125 500 212.9025 33 60 190 190 Tiểu Cực Đại Trung Bình IFEP[15] 122,624.35 125,740.63 123,382.00 14 125 500 304.552 34 90 200 164.883 PSO[16] 122,323.97 125,103.28 123,690.62 15 125 500 394.3117 35 90 200 200 MPPSO[16] 122,225.73 126,646.46 124,723.59 16 125 500 394.257 36 90 200 199.9933 PPSO[16] 121,788.22 124,723.59 123,639.53 17 220 500 489.3085 37 25 110 110 HS 121,424.37 121,550.35 121,520.08 18 220 500 489.2658 38 25 110 110 IHS 121,416.01 212,512.23 121,512.23 19 242 550 548.1472 39 25 110 109.9987 GA-HS 121,423.61 121,512.08 121,478.14 20 242 550 511.2627 40 242 550 511.2785 5. Kết luận Tổng công suất phát (MW) 10,500 Trong bài báo này, thuật toán lai tìm kiếm hòa hợp và Chi phí cực tiểu ($/h) 121,423.6104 thuật toán di truyền GA-HS đã được trình bày để giải quyết Chi phí cực đại ($/h) 121,512.0832 bài toán điều độ kinh tế công suất có ảnh hưởng điểm van. Trongphương pháp cải tiếnmới, thuật toánGA-HS được sử Chi phí trung bình ($/h) 121,478.1422 dụng với những ưu điểm của hai thuật toán GA và HS để Độ lệch tiêu chuẩn ($/h) 29,07665 cho ra phương pháp mới làm tăng tốc độhộitụvới các lời Thời gian tính toán (s) 41 giảitoàn cụcmột cách nhanh chóngkhông phụ thuộc vàohình dạngcủa hàm chi phí. Kết quả tính toánđã chỉ rarằng thuật toánGA-HSđãthể hiện ưu thế hơnnhiều phương pháp Bảng III trình bày công suất tối ưu của các máy phát, kháctrong các tài liệu tham khảo về việc giải quyếtcácbài tổng công suất phát ra, giá trị cực tiểu, trung bình, giá trị toán điều độ kinh tế có ảnh hưởng điểm van công suấtcho cực đại đạt được bởi phương pháp đề xuất cho hệ thống. tất cả cáctrường hợp thử nghiệmtrongđiều kiện củatổng giá Tổng chi phí tốt nhất đạt được từ phương pháp GA-HS trịhàm chi phí tính toán.Hơn nữa,phương phápđược đề xuất chúng tôi so sánh với phương pháp khác được thể hiện làrất hiệu quảđể giải quyếtcác hệ thốngquy mô lớn với hàm trong Bảng IV. Kết quả so sánh thể hiện phương pháp đề chi phí điều độ kinh tế với ảnh hưởng điểm van công suất. xuất tốt hơn các phương pháp khác khi tính toán hệ thống 40 máy phát. 5
6. TÀI LIỆU THAM KHẢO [1] PGS.TS Quyền Huy Ánh, Vận Hành Tối Ưu Hệ Thống Điện. Trường Đại Học Sư Phạm Kỹ Thuật Tp.Hồ Chí Minh, 01/2012. [2] Phạm Việt Cường, Ứng dụng thuật toán di truyền phân bố công suất tối ưu trong hệ thống điện. Đại học Bách Khoa Tp Hồ Chí Minh, Luận văn Thạc sĩ, 07/2003, 700998. [3] Zong Woo Geem, “Optimal Scheduling of Multiple Dam System Using Harmony Search Algorithm”. Johns Hopkins University, Environmental Planning and Management Program, 729 Fallsgrove Drive #6133, Rockville, Maryland 20850, USA. [4] Kang Seok Lee, Zong Woo Geem, “A new meta-heuristic algorithm for continuous engineering optimization: harmony search theory and practice”. Comput. Methods Appl. Mech. Engrg. 194 (2005) 3902–393. [5] A. Vasebi, M. Fesanghary, S.M.T. Bathaee, “Combined heat and power economic dispatch by harmony search algorithm”. Electrical Power and Energy Systems 29 (2007) 713–719. [6] Leandro dos Santos Coelho, Viviana Cocco Mariani, “An improved harmony search algorithm for power economic load dispatch”. Energy Conversion and Management 50 (2009) 2522–2526. [7] Nekooei, M.M. Farsangi, H. Nezamabadi-pour, “An Improved Harmony Search Approach To Economic Dispatch”. K. ISSN 2077-3528, IJTPE Journal. September 2011, Issue 8, Volume 3, Number 3, Pages 25-31 [8] Tarek Bouktir, Linda Slimani, M. Belkacemi, “A Genetic Algorithm for Solving the Optimal Power Flow Problem”, Leonardo Journal of Sciences, Issue 4, January-June 2004, p. 44-58. [9] Chao-Lung Chiang, “Improved Genetic Algorithm for Power Economic Dispatch of Units With Valve-Point Effects and Multiple Fuels”. IEEE Transactions On Power Systems, Vol. 20, No. 4, November 2005 [10] PhanTu Vu, DinhLuong Le, NgocDieu Vo and Josef Tlust, “A Novel Weight-Improved Particle Swarm Optimization Algorithm for Optimal Power Flow and Economic Load Dispatch Problems”. [11]Wei -Wei Shi, Wei Han, Wei -Chao Si, “A Hybrid Genetic Algorithm Based on Harmony Search and its Improving”. Informatics and Management Science ILecture Notes in Electrical Engineering Volume 204, 2013, pp 101-109. [12] Li Liu, Hongtao Yu, Lixia Li, “Distribution Network Reconfiguration Based on Harmony Search/Genetic Hybrid Algorithm”. Shenyang Institute of Engineering,2012 China International Conference on Electricity Distribution (CICED 2012) Shanghai, 5-6 Sep. 2012. [13] Khang Nguyen, Phuc Nguyen and Nuong Tran “A hybrid algorithm of Harmony Search and Bees Algorithm for a University Course Timetabling Problem”. International Journal of Computer Science Issues (IJCSI), Vol. 9, Issue 1, No 1, January 2012 ISSN (Online): 1694-0814. [14] A. Kaveh and A. Nasrollahi “Engineering Design Optimization Using A Hybrid PSO And HS Algorithm”. Center of Excellence for Fundamental Studies in Structural Engineering, Iran University of Science and Technology, Narmak, Tehran, Iran. Sian Journad Of Civil Engineering (BHRC) Vol. 14, No. 2 (2013) Pages 201-223. [15] N. Sinha, R. Chakrabarti, and P. K. Chattopadhyay, “Evolutinary programming techniques for economic load dispatch”, IEEE Trans. on Evolutionary Compution, Vol. 7, No.1, Feb., pp.83-94, 2003. [16] C. H. Chen, and S. N. Yeh, “Particle Swarm Optimization for Economic Power Dispatch With Valve-Point Effects”. Senior Member, IEEE. 2006 IEEE PES Tranmission and Distribution Conference and Eaposition Latin America, Venezuela. Thông tin cụ thể: 1. Họ và tên: Ngô Cao Cường 2. Học hàm, học vị: Tiến sĩ 3. Tên cơ quan: Viện Công nghệ cao Hutech Tp.HCM 4. Liên hệ: số mobile: 0983777225; email: nc.cuong@hutech.edu.vn 6
7. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2016-2017 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.