Luận văn Thạc sĩ Kỹ thuật: Áp dụng thuật toán Gravitational Search Algorithm tính toán phân bố công suất tối ưu trong hệ thống điện

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:97

Thêm vào BST

Báo xấu

42
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu nghiên cứu của đề tài là nghiên cứu lý thuyết về thuật toán GSA từ những công trình đã công bố trước đây trên tạp chí khoa học thế giới. Nghiên cứu cách áp dụng thuật toán GSA vào tính toán trong hệ thống điện. Xây dựng giải thuật GSA giải bài toán điều phối kinh tế công suất ED. Lập trình tính toán điều phối tối ưu trong mạng điện.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn Thạc sĩ Kỹ thuật: Áp dụng thuật toán Gravitational Search Algorithm tính toán phân bố công suất tối ưu trong hệ thống điện

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM --------------- VÕ KHÁNH DƯƠNG ÁP DỤNG THUẬT TOÁN GRAVITATIONAL SEARCH ALGORITHM TÍNH TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU TRONG HỆ THỐNG ĐIỆN LUẬN VĂN THẠC SỸ Chuyên ngành: KỸ THUẬT ĐIỆN Mã số ngành: 60520202 TP. HỒ CHÍ MINH, Tháng 7 năm 2016
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM --------------- VÕ KHÁNH DƯƠNG ÁP DỤNG THUẬT TOÁN GRAVITATIONAL SEARCH ALGORITHM TÍNH TOÁN PHÂN BỐ CÔNG SUẤT TỐI ƯU TRONG HỆ THỐNG ĐIỆN LUẬN VĂN THẠC SỸ Chuyên ngành: KỸ THUẬT ĐIỆN Mã số ngành: 60520202 CÁN BỘ HƯỚNG DẪN KHOA HỌC: PGS.TS.NGÔ CAO CƯỜNG THS.LÊ ĐÌNH LƯƠNG TP. HỒ CHÍ MINH, Tháng 7 năm 2016
CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM Cán bộ hướng dẫn khoa học : PGS.TS.NGÔ CAO CƯỜNG Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Công nghệ TP. HCM ngày 25 tháng 09 năm 2016. Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: TT Họ và tên Chức danh Hội đồng 1 PGS.TS.Quyền Huy Ánh Chủ tịch 2 TS.Nguyễn Hùng Phản biện 1 3 TS.Võ Công Phương Phản biện 2 4 PGS.TS.Đồng Văn Hướng Ủy viên 5 TS.Võ Viết Cường Ủy viên, Thư ký Xác nhận của Chủ tịch Hội đồng đánh giá Luận sau khi Luận văn đã được sửa chữa (nếu có). Chủ tịch Hội đồng đánh giá Luận văn
TRƯỜNG ĐH CÔNG NGHỆ TP. HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG QLKH – ĐTSĐH Độc lập – Tự do – Hạnh phúc TP. HCM, ngày 31 tháng 07 năm 2016 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Võ Khánh Dương. Giới tính: Nam. Ngày, tháng, năm sinh: 16/10/1991. Nơi sinh: Quảng Ngãi. Chuyên ngành: Kỹ Thuật Điện. MSHV:1441830033. I- Tên đề tài: Áp dụng thuật toán Gravitational Search Algorithm tính toán phân bố công suất tối ưu trong hệ thống điện. II- Nhiệm vụ và nội dung:  Nghiên cứu lý thuyết về thuật toán GSA từ những công trình đã công bố trước đây trên tạp chí khoa học thế giới.  Nghiên cứu cách áp dụng thuật toán GSA vào tính toán trong hệ thống điện.  Xây dựng giải thuật GSA giải bài toán điều phối kinh tế công suất ED.  Lập trình tính toán điều phối tối ưu trong mạng điện.  Nhận xét, đánh giá kết quả thu được, so sánh với kết quả dùng các giải thuật khác đã công bố trên tạp chí khoa học trên thế giới. III- Ngày giao nhiệm vụ : 23/01/2016. IV- Ngày hoàn thành nhiệm vụ : 31/07/2016. V- Cán bộ hướng dẫn : PGS.TS. Ngô Cao Cường. Thạc sĩ Lê Đình Lương CÁN BỘ HƯỚNG DẪN KHOA QUẢN LÝ CHUYÊN NGÀNH
BỘ GIÁO DỤC VÀ ĐÀO TẠO CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐH CÔNG NGHỆ TP. HCM Độc lập – Tự do – Hạnh phúc TP. Hồ Chí Minh, ngày 28 tháng 10 năm 2016. BẢN CAM ĐOAN Họ và tên học viên: VÕ KHÁNH DƯƠNG. Ngày sinh: 16/10/1991. Nơi sinh: Quảng Ngãi. Trúng tuyển đầu vào năm: 2014 Là tác giả luận văn: Áp dụng thuật toán Gravitational Search Algorithm tính toán phân bố công suất tối ưu trong hệ thống điện. Chuyên ngành: Kỹ Thuật Điện. Mã ngành: 60520202. Bảo vệ ngày: 25 tháng 09 năm 2016. Điểm bảo vệ luận văn: 8,7. Tôi cam đoan chỉnh sửa nội dung luận văn thạc sĩ với đề tài trên theo góp ý của Hội đồng đánh giá luận văn Thạc sĩ. Các nội dung đã chỉnh sửa: - Chỉnh sửa bố cục lời mở đầu và chương 1 của đề tài không còn bị trùng lắp về mặt nội dung. - Bổ sung sơ đồ nhất thứ tổng quan của các mạng điện 3 nút, 13 nút và 40 nút. Người cam đoan Cán bộ Hướng dẫn (Ký, ghi rõ họ tên) (Ký, ghi rõ họ tên)
i LỜI CAM ĐOAN Tôi xin cam đoan Luận văn tốt nghiệp: “Áp dụng thuật toán Gravitational Search Algorithm tính toán phân bố công suất tối ưu trong hệ thống điện” là đề tài nghiên cứu do bản thân tôi tự thực hiện, không sao chép dưới bất kỳ hình thức nào. Những kết quả và các số liệu trong Luận văn đều được lấy từ những nguồn tài liệu chính thống và có uy tín đã được tôi trích dẫn đầy đủ và ghi chép rõ ràng trong phần tài liệu tham khảo. Tôi hoàn toàn chịu trách nhiệm trước nhà trường về sự cam đoan này. TP.HCM, Ngày 31 tháng 07 năm 2016 Học viên thực hiện VÕ KHÁNH DƯƠNG
ii LỜI CẢM ƠN Lời đầu tiên, Em xin được cảm ơn Quý Thầy Cô trường Đại học Công Nghệ Thành phố Hồ Chí Minh, những người đã tận tình truyền đạt kiến thức chuyên ngành cho em, cũng như những kiến thức trong xã hội trong suốt thời gian em học tập tại trường. Em cũng xin chân thành cảm ơn Thầy Ngô Cao Cường và Thầy Lê Đình Lương, những người đã tận tình dìu dắt, bổ sung những kiến thức thực tế, nhiệt tình giúp đỡ và hướng dẫn em trong suốt thời gian làm Luận văn tốt nghiệp. Cuối cùng, Em xin chúc các Thầy Cô giáo ở trường lời chúc sức khỏe và công tác tốt. Chúc các thầy, cô trong Phòng Quản lý khoa học và Đào tạo sau đại học lời chúc tốt đẹp nhất. TP.HCM, Ngày 31 tháng 07 năm 2016 Học viên thực hiện VÕ KHÁNH DƯƠNG
iii TÓM TẮT Trong những năm gần đây, sự phát triển của khoa học công nghệ khiến cho nhu cầu năng lượng trong các hệ thống điện tăng cao và làm cho các hệ thống này ngày càng phức tạp. Điều phối kinh tế (ED), một trong những vấn đề tối ưu hóa phi tuyến trong các hệ thống năng lượng, có một vị trí quan trọng trong hoạt động kinh tế của hệ thống điện. Trong việc giải quyết các vấn đề của ED, mục tiêu là để giảm thiểu tổng chi phí nhiên liệu, trong khi vẫn đáp ứng các yêu cầu về vật lý và các ràng buộc khác nhau. Luận văn này trình bày lý thuyết về thuật toán Gravitational Search Algorrithm (GSA) và nêu tổng quan các thuật toán tối ưu khác đã được áp dụng để giải bài toán ED. Trên cơ sở đó, áp dụng thuật toán Gravitational Search Algorithm (GSA) giải các bài toán điều phối kinh tế trong hệ thống điện như sau:  Bài toán ED hệ thống 3 nút xét đến điểm van công suất có tổng công suất nhu cầu của phụ tải PD = 850 (MW), tổn thất PL = 0 (MW).  Bài toán ED hệ thống 13 nút xét đến điểm van công suất có tổng công suất nhu cầu của phụ tải PD = 1800 (MW), tổn thất PL = 0 (MW).  Bài toán ED hệ thống 40 nút xét đến điểm van công suất có tổng công suất nhu cầu của phụ tải PD = 10500 (MW), tổn thất PL = 0 (MW). Tiến hành so sánh kết quả tính toán của thuật toán GSA với kết quả của các thuật toán khác rút ra nhận xét và kinh nghiệm lập trình để áp dụng cho phù hợp với các bài toán khác. Vạch ra những hướng phát triển nghiên cứu, hướng tiếp cận mới để tiếp tục cải thiện thuật toán GSA đưa đến kết quả tốt hơn, cũng như ứng dụng vào các bài toán có quy mô lớn và phức tạp hơn trong hệ thống điện.
iv ABSTRACT In recent years, the developments in technology cause more energy demand in power systems and make these systems more complicated. The Economic Dispatch (ED) problem, one of the nonlinear optimization problems in electrical power systems, has an important role in the economical operation of the power system. For solving the ED problem, the objective is to minimize the total fuel cost, while satisfying the various physical and operational constraints. This thesis presents the theory of algorithms Gravitational Search Algorrithm (GSA) and provides an overview of different optimization algorithms which have been applied to solve the ED problem. Based on which, apply the Gravitational Search Algorithm algorithm (GSA) to solve the problems of economic coordination (ED) in the electrical system as follows:  The problem of ED 3-units system considering the capacity valve points with the total capacity of the load demand PD = 850 (MW), losses PL = 0 (MW).  The problem of ED 13-units system considering the capacity valve points with the total capacity of the load demand PD = 1800 (MW), losses PL = 0 (MW).  The problem of ED 40-units system considering the capacity valve points with the total capacity of the load demand PD = 10500 (MW), losses PL = 0 (MW). Conducted comparing the results of the algorithm calculates the GSA with the results of other algorithms draws comment and programming experience to apply for matching other problems. Outlines the development of research, new approaches to further improve GSA algorithm leads to better results, as well as apply to the more complex problem in the power system.
v MỤC LỤC LỜI CAM ĐOAN .......................................................................................................i LỜI CẢM ƠN ........................................................................................................... ii TÓM TẮT ................................................................................................................ iii ABSTRACT...............................................................................................................iv MỤC LỤC ..................................................................................................................v CHỮ VIẾT TẮT TRONG LUẬN VĂN .............................................................. viii DANH MỤC CÁC BẢNG BIỂU ............................................................................ix DANH MỤC CÁC HÌNH .........................................................................................x CHƯƠNG 1 TỔNG QUAN ĐỀ TÀI .......................................................................1 1.1 ĐẶT VẤN ĐỀ...............................................................................................1 1.2 TÓM TẮT MỘT SỐ TÀI LIỆU VÀ BÀI BÁO LIÊN QUAN ................3 1.3 HƯỚNG TIẾP CẬN ĐỀ TÀI .....................................................................4 1.4 MỤC TIÊU CỦA ĐỀ TÀI ..........................................................................5 1.5 ĐIỂM MỚI CỦA ĐỀ TÀI ..........................................................................5 CHƯƠNG 2 GIỚI THIỆU BÀI TOÁN ĐIỀU PHỐI KINH TẾ TRONG HỆ THỐNG ĐIỆN ...........................................................................................................6 2.1 THUẬT TOÁN TỐI ƯU: ..............................................................................6 Hình 2.1: Minh hoạ tối ưu toàn cục hàm Peaks. ....................................................7 2.2 BÀI TOÁN ĐIỀU PHỐI KINH TẾ CỔ ĐIỂN: ........................................7 2.2.1 Ràng buộc đẳng thức: ..............................................................................9 2.2.2 Ràng buộc bất đẳng thức: .....................................................................10 2.2.2.1 Giới hạn công suất thực phát ra: .......................................................10 2.2.2.2 Giới hạn tốc độ: .................................................................................10 2.2.2.3 Giới hạn về vùng cấm vận hành:.......................................................10 2.2.3 Ràng buộc về công suất truyền tải: .........................................................11 2.2.4 Bài toán điều phối kinh tế với hàm chi phí nhiên liệu không trơn: ..11 2.2.4.1 Bài toán điều phối kinh tế có điểm van công suất:.......................12 2.2.4.2 Biểu thức điều phối kinh tế với điểm van công suất: ...................12
vi 2.3 TỔNG QUAN CÁC PHƯƠNG PHÁP ĐÃ ĐƯỢC ÁP DỤNG ĐỂ GIẢI BÀI TOÁN ĐIỀU PHỐI KINH TẾ (ED): ........................................................13 2.3.1 DE ( Differential Evolution ) [22][23] ...............................................13 2.3.2 PSO ( Particle Swarm Optimization ) [24][25][26]..........................13 2.3.3 ABC (Thuật toán Artificial Bee Colony) [27][28][29] .....................13 2.3.4 HNN ( Hopfield Neuron Network ) [30][31] .....................................14 2.3.5 ELANN ( Enhanced Lagrangian Artificial Neural Network) [32].14 2.3.6 HS (Harmony Search) [33] ................................................................14 2.3.7 CS (Cuckoo Search) [34][35][36][37] ................................................15 CHƯƠNG 3 THUẬT TOÁN GRAVITAIONAL SEARCH ALGORITHM ...16 3.1 THUẬT TOÁN GSA CỔ ĐIỂN: ................................................................16 3.2 CÁC BƯỚC TRONG THUẬT TOÁN GSA:..........................................21 3.3 CÁC ĐẶC TÍNH CỦA GIẢI THUẬT GSA ...........................................23 3.4 ẢNH HƯỞNG CỦA CÁC THAM SỐ TRONG GSA ...............................23 3.4.1 Hệ số gia tốc trọng trường G0: ..........................................................24 3.4.2 Hệ số suy giảm α : ...............................................................................24 3.4.3 Số cá thể trong tập hợp N: .................................................................24 3.5 KẾT LUẬN .................................................................................................24 CHƯƠNG 4 ỨNG DỤNG THUẬT TOÁN GSA GIẢI BÀI TOÁN ĐIỀU PHỐI KINH TẾ TRONG HỆ THỐNG ĐIỆN ................................................................26 4.1 GIẢI BÀI TOÁN ĐIỀU PHỐI KINH TẾ (ED) VỚI HÀM CHI PHÍ CÓ XÉT ĐIỂM VAN CÔNG SUẤT: ................................................................26 4.1.1 Các bước áp dụng thuật toán GSA giải bài toán ED: .....................26 4.1.2 Lưu đồ giải thuật của thuật toán GSA: ............................................28 4.1.3 Hàm mục tiêu của bài toán ED: ........................................................30 4.2 GIẢI BÀI TOÁN ED MẠNG 3 NÚT: ........................................................31 4.3 GIẢI BÀI TOÁN ED MẠNG 13 NÚT: ......................................................34 4.4 GIẢI BÀI TOÁN ED 40 MẠNG NÚT: .....................................................38 4.5 KẾT LUẬN: ...............................................................................................43 CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN.......................................45 5.1 TỔNG KẾT....................................................................................................45
vii 5.2 HƯỚNG PHÁT TRIỂN ĐỀ TÀI .............................................................46 5.3 LỜI KẾT ....................................................................................................46 TÀI LIỆU THAM KHẢO ........................................................................................47
viii CHỮ VIẾT TẮT TRONG LUẬN VĂN HS Harmony Search ELD Economic Load Dispatch NLP Nonlinear programming LP Linear programming EP Evolutionary programming GA Genetic algorithm IPSO Improved Particle Swarm Optimization QP Quadratic programming SA-PSO Simulated Annealing- Particle Swarm Optimization IP Interior Point Methods DE Different Evolution DP Dynamic Programming ABC Artificial Bee Colony ACO Ant Colony Optimization HM Harmony Memory GA Genetic Algorithm CS Cuckoo Search GSA Gravitational Search Algorithm HNN Hopfield Neuron Network ELNN Enhanced Lagrangian Artificial Neural Network
ix DANH MỤC CÁC BẢNG BIỂU Bảng 4.1: Các thông số của bài toán ED mạng 3 nút................................................31 Bảng 4.2: Thông số của thuật toán GSA áp dụng giải bài toán ED mạng 3 nút. ......31 Bảng 4.3: Kết quả tính toán bài toán ED mạng 3 nút. ..............................................31 Bảng 4.4: So sánh kết quả tính toán bài toán ED mạng 3 nút...................................32 Bảng 4.5: Các thông số của bài toán ED mạng 13 nút..............................................34 Bảng 4.6: Thông số của thuật toán GSA áp dụng giải bài toán ED mạng 13 nút. ....35 Bảng 4.7: Kết quả tính toán bài toán ED mạng 13 nút. ............................................35 Bảng 4.8: So sánh kết quả tính toán bài toán ED mạng 13 nút.................................35 Bảng 4.9: Các thông số của bài toán ED mạng 40 nút..............................................39 Bảng 4.10: Thông số của thuật toán GSA áp dụng giải bài toán ED mạng 40 nút. ..39 Bảng 4.11: Kết quả tính toán bài toán ED mạng 40 nút. ..........................................39 Bảng 4.12: So sánh kết quả tính toán bài toán ED mạng 40 nút...............................41
x DANH MỤC CÁC HÌNH Hình 2.1: Minh hoạ tối ưu toàn cục hàm Peaks. .........................................................7 Hình 2.2: Đường cong chi phí phổ biến của nhà máy nhiệt điện................................9 Hình 2.3: Đồ thị biểu diễn vùng cấm của nút nhiệt cơ bản.......................................11 Hình 2.4 Hàm chi phí nhiên liệu của nhà máy nhiệt điện với điểm van công suất. .12 Hình 3.1 Lực và gia tốc tương tác lên vật thể 1 do các vật thể khác sinh ra [10]. ....19 Hình 3.2 Nguyên lý của giải thuật GSA [10]. ...........................................................21 Hình 4.1: Lưu đồ giải thuật GSA cho bài toán ED. ..................................................29 Hình 4.2: Sơ đồ mạng nhất thứ các nhà máy điện phân phối công suất đến phụ tải thông qua hệ thống truyền tải điện............................................................................30 Hình 4.3: Đồ thị giá trị hàm chi phí của bài toán ED mạng 3 nút. ...........................32 Hình 4.4: Đồ thị phân bố công suất tại các nút của bài toán ED mạng 3 nút. ..........33 Hình 4.5: Giao diện tính toán của bài toán ED mạng 3 nút. .....................................33 Hình 4.6: Đồ thị giá trị hàm chi phí của bài toán ED mạng 13 nút. .........................36 Hình 4.7: Đồ thị phân bố công suất tại các nút của bài toán ED mạng 13 nút. ........37 Hình 4.8: Giao diện tính toán của bài toán ED mạng 13 nút. ...................................37 Hình 4.9: Đồ thị giá trị hàm chi phí của bài toán ED mạng 40 nút. .........................42 Hình 4.10: Đồ thị phân bố công suất tại các nút của bài toán ED mạng 40 nút. ......42 Hình 4.11: Giao diện tính toán của bài toán ED mạng 40 nút. .................................43
1 CHƯƠNG 1 TỔNG QUAN ĐỀ TÀI 1.1 ĐẶT VẤN ĐỀ Trong những thập kỷ qua, nhu cầu năng lượng điện trên toàn thế giới đã đột ngột tăng do tăng trưởng kinh tế. Bên cạnh đó các nguồn năng lượng hóa thạch vốn là nguyên liệu chính để sản xuất diện đang đứng trên nguy cơ cạn kiệt, nguồn cung không ổn định giá cả biến động. Mục đích của hệ thống điện là nâng cao hiệu quả sử dụng, chất lượng điện năng, độ tin cậy cấp điện đồng thời giảm chi phí đầu tư, vận hành và bảo trì. Bài toán điều độ kinh tế được đặt ra bức thiết hơn bao giờ hết[1]. Phân bố công suất tối ưu trong hệ thống điện là một trong những vấn đề quan trọng nhất được những người vận hành hệ thống công suất sử dụng phổ biến mỗi ngày. Công việc này nhằm tìm kiếm, phân phối thông số trạng thái vận hành tối ưu công suất thực và công suất phản kháng làm giảm chi phí và cải thiện hiệu suất cho toàn hệ thống. Vấn đề này có thể được trình bày rõ ràng và giải quyết thành hai vấn đề riêng lẻ. Thứ nhất, điều phối kinh tế làm giảm chi phí hệ thống bằng cách phân phối hợp lý công suất thực cho các máy phát hiện hành. Thứ hai, điều phối công suất phản kháng làm giảm tổn thất và cải thiện điện áp hệ thống bằng cách phân phối hợp lý công suất phản kháng. Lưới điện bao gồm máy phát điện, máy biến áp, đường dây truyền tải, thiết bị đóng cắt, rơ le bảo vệ và thiết bị bù công suất phản kháng…. Các hệ thống truyền tải được sử dụng để truyền công suất đi xa. Việc kiểm soát các mục tiêu khác nhau như vận hành và thiết kế trong những hệ thống như vậy đòi hỏi về tối ưu hóa. Đối với hệ thống phi tuyến, giải pháp cho vấn đề tối ưu hóa lại càng cần thiết. Hơn thế nữa, cần phải chú ý các vấn đề sau: - Các kỹ thuật tối ưu hóa được lựa chọn nên phù hợp với vấn đề nghiên cứu. - Tất cả các khía cạnh khác nhau của vấn đề phải được kể đến. - Tất cả các ràng buộc của hệ thống phải được trình bày chính xác. - Phải xác định được hàm mục tiêu. Tối ưu hóa chiếm một vị trí quan trọng trong hệ thống năng lượng và là một kỹ thuật thường được sử dụng trong vận hành hệ thống điện. Tối ưu hóa tìm cách
2 phân bố lại công suất thực và công suất phản kháng nhằm làm giảm chi phí nhiên liệu, giảm lượng khí thải gây ảnh hưởng trực tiếp đến môi trường xung quanh và cải thiện hiệu quả toàn bộ hệ thống. Việc mô hình hóa bài toán điều phối công suất phát là chỉ tiêu để đạt tới được kết quả tối ưu. Trong bài điều phối kinh tế, công thức cổ điển thể hiện các khiếm khuyết do mô hình quá đơn giản. Trong bài công suất phản kháng, phương pháp thông thường là mô hình hóa các máy biến thế và dàn tụ điện thành các biến liên tục thay vì các biến rời rạc.Để cải thiện vấn đề này, các mô hình mới vẫn liên tục được phát triển cho việc vận hành hệ thống thêm hiệu quả. Mức độ phức tạp của bài tối ưu cũng được nâng lên do liên kết các ràng buộc trở nên phi tuyến tính. Các biện pháp để giảm chi phí nhiên liệu trong vận hành là: - Tăng lượng công suất phát ra của các nhà máy nhiệt điện gần phụ tải nhằm giảm tổn hao truyền tải, do đó làm giảm chi phí tiêu hao nhiên liệu trên toàn bộ hệ thống. - Tăng lượng công suất phát tại các nhà máy nhiệt điện có đặc tính tiêu hao nhiên liệu thấp. - Phối hợp giữa các nhà máy nhiệt điện với nhau sao cho chi phí sản xuất điện năng là nhỏ nhất. Vì vậy người ta đặt ra bài toán điều phối tối ưu để nâng cao khả năng tận dụng hệ thống điện hiện có. Đây là bài toán mà ngành điện lực phải tìm cách giải quyết từ rất lâu, đã dùng nhiều thuật toán cổ điển như: Linear Programming (Lập trình tuyến tính) [2, 3], Nonlinear Programming (Lập trình phi tuyến), Newton- Raphson [4]. Những cải tiến gần đây trong việc giải quyết các bài toán tối ưu phức tạp với kết quả chính xác hơn đã làm phát triển các kỹ thuật mới mang tên Thuật toán tiến hóa. Thuật toán Tiến hóa là kỹ thuật tối ưu dựa trên nền tảng tìm kiếm đáp án ngẫu nhiên bằng việc sử dụng mô hình được đơn giản hóa trong tiến trình tiến hóa, cho ra được kết quả tối ưu toàn bộ, đặc biệt trong các khoảng không đáp án không liên tục, không lồi và phi tuyến tính cao. Nó dựa theo quần thể, thám hiểm khoảng không đáp án ngẫu nhiên bằng cách sử dụng một vài đáp án đề cử thay cho cách ước lượng đáp án đơn lẻ được sử dụng trong nhiều kỹ thuật cổ điển. Sự thành công của thuật toán này nằm ở khả năng tìm kiếm đáp án theo cách thám hiểm ngẫu
3 nhiên trong khu vực khả thi chứ không phải thám hiểm toàn bộ khu vực. Kết quả tìm được theo cách này nhanh hơn, tiêu tốn ít tài nguyên phần cứng máy tính hơn mà vẫn cho được khả năng tối ưu toàn bộ. Một vài kỹ thuật tiến hóa đã được phát triển trong lĩnh vực tính toán tối ưu hóa mà phổ biến nhất là các kỹ thuật: Genetic Algorithm (Thuật toán Di truyền) [5, 6], Differential Evolution (Thuật toán tiến hóa) [7], Ant Colony Optimization (Tối ưu hóa đàn kiến) [8], Interior Point Methods (Phương pháp điểm nội) [9], Particle Swarm Optimization (Thuật toán bầy đàn) [13] … Trong sự phát triển của trí tuệ nhân tạo, gần đây trong lĩnh vực công nghệ thông tin xuất hiện thuật toán Gravitational Search Algorithm [10], đây là thuật toán có tuổi đời khá non trẻ nhưng đã được ứng dụng vào một số các lĩnh vực nghiên cứu, một trong những lĩnh vực ứng dụng của GSA là lĩnh vực hệ thống điện. Một số nhà khoa học trên thế giới đã triển khai đưa thuật toán GSA vào ứng dụng giải bài toán điều phối kinh tế trong hệ thống điện và đã cho ra những kết quả tốt. 1.2 TÓM TẮT MỘT SỐ TÀI LIỆU VÀ BÀI BÁO LIÊN QUAN  Nhóm Esmat Rashedi - Bài báo: “GSA: A Gravitational Search Algorithm”. Tác giả Esmat Rashedi, Hossein Nezamabadi-pour, Saeid Saryazdi. [10] Trong bài báo này, một thuật toán tối ưu hóa mới dựa trên định luật hấp dẫn và khối lượng tương tác được giới thiệu. Trong các thuật toán đề xuất, các đại lý tìm kiếm là một tập hợp quần chúng tương tác với nhau dựa trên các lực hấp dẫn Newton và định luật chuyển động. Các phương pháp được đề xuất đã được so sánh với một số phương pháp tìm kiếm heuristic nổi tiếng. Các kết quả thu được xác nhận hiệu suất cao của phương pháp được đề xuất trong việc giải quyết các chức năng phi tuyến khác nhau.  Nhóm Norlina Mohd Sabri, Mazidah Puteh, and Mohamad Rusop Mahmood - Bài báo: “A Review of Gravitational Search Algorithm”. Tác giả Norlina Mohd Sabri, Mazidah Puteh, and Mohamad Rusop Mahmood. [11] Bài viết này nhằm mục đích để khám phá thuật toán GSA và xác định thuật toán đã được cải tiến như thế nào cho đến nay, các nghiên cứu và phát triển đã được thực hiện kể từ khi có sự ra đời của thuật toán. Mục tiêu của bài viết này là để phân
4 tích các công trình liên quan đến GSA, để xem xét tiến bộ GSA và hiệu suất của thuật toán này, xem xét các ứng dụng và để đưa ra những thách thức và tính khả thi trong tương lai. - Bài báo: “Gravitational Search Algorithm for Optimal Economics Dispatch”. Tác giả P.K.Swain, N.C.Sahu, P.K.Hota. [12] Bài báo này trình bày một phương pháp tối ưu hóa mới để tìm kiếm lời giải tối ưu cho bài toán điều độ kinh tế (ED) bằng phương pháp sử dụng thuật toán tìm kiếm hấp dẫn (GSA). Điều phối kinh tế xác định năng lượng điện được tạo ra bởi các đơn vị phát điện đã cam kết trong một hệ thống điện do đó chi phí trong hệ thống được giảm thiểu trong khi đáp ứng nhu cầu các phụ tải. Bài viết này trình bày một thuật toán mới dựa trên định luật hấp dẫn và tương tác khối lượng để giải quyết kinh tế vấn đề tải công văn (ED) bởi một thuật toán tối ưu hóa mới gọi là thuật toán Tìm kiếm hấp dẫn (GSA). Các kết quả mô phỏng cho thấy kỹ thuật này được thực hiện dễ dàng, hội tụ với thời gian thực hiện ít hơn và giải pháp rất tối ưu cho bài toán điều độ kinh tế với chi phí tối thiểu mà hệ thống có thể đạt được. Mô phỏng kết quả đã được thực hiện trên các hệ thống điện khác nhau với số lượng nguồn phát khác nhau và so sánh với các phương pháp tiếp cận phổ biến khác. Những phát hiện này đã khẳng định sự vững mạnh, hội tụ nhanh so với phương pháp đề xuất trên các kỹ thuật hiện có khác. 1.3 HƯỚNG TIẾP CẬN ĐỀ TÀI Thực tế, khi giải quyết bất kỳ bài toán nào người giải đều mong muốn có phương án tốt nhất theo một hoặc một vài tiêu chí nào đó như tiết kiệm thời gian nhất, chi phí nhỏ nhất, năng suất lớn nhất, quãng đường đi ngắn nhất, thiết kế kết cấu với trọng lượng vật liệu nhỏ nhất…. Tuy nhiên trong phần lớn các bài toán tối ưu, người sử dụng thường có băn khoăn đó là: Kết quả nhận được từ quá trình tính toán đã thật sự là phương án tốt nhất chưa? Vì vậy, việc phát triển các thuật toán tối ưu đủ mạnh luôn được người làm kỹ thuật quan tâm. Các phương pháp cổ điển trước đây chỉ thích hợp được với những bài toán tìm kiếm tối ưu trong không gian tìm kiếm nhỏ nên để tìm được nghiệm tối ưu trong không gian tìm kiếm lớn cần phải có những phương pháp tìm kiếm đặc biệt hơn mà nổi bật trong số đó là thuật toán Gravitational Search Algorithm (GSA). Bằng việc sử dụng phần mềm
5 MATLAB, Thuật toán GSA vẫn đang được quan tâm, phát triển và ứng dụng vào giải các bài toán tối ưu hóa hiện nay. Bài toán điều phối kinh tế tối ưu trong hệ thống điện ED đã được giải bằng nhiều phương pháp khác nhau như đã nêu trong những bài báo ở trên. Qua một số bài báo ở trên cho thấy các nhà khoa học trên thế giới đã ứng dụng thuật toán GSA vào trong bài toán hệ thống điện đơn giản và đã cho ra những kết quả đạt hiệu suất cao. Thuật toán GSA có tuổi đời còn khá non trẻ: ra đời vào năm 2009 [10] hiện được áp dụng trong một vài lĩnh vực như: Công nghệ thông tin, Hệ thống điện,… vì vậy thuật toán này đang được nhiều nhà khoa học quan tâm nghiên cứu đi sâu. Giải thuật GSA có ưu điểm là đơn giản, ổn định và có khả năng thích ứng nên có thể ứng dụng trong nhiều bài toán tối ưu. Khả năng tìm kiếm toàn cục của GSA cũng tốt hơn các giải thuật nổi tiếng khác trong hầu hết các trường hợp 1.4 MỤC TIÊU CỦA ĐỀ TÀI  Ứng dụng thuật toán Gravitional Search Algorithrm vào giải bài toán điều phối kinh tế công suất (ED) giữa các nhà máy điện.  Áp dụng thuật toán GSA giải mạng điện hàm chi phí nhiên liệu có xét ảnh hưởng của điểm van công suất nhằm tạo ra chương trình có thể tính toán tốt hơn, nhanh hơn khi so sánh với kết quả tính toán của các thuật toán khác. Đối chiếu và đánh giá kết quả tính toán được bằng thuật toán GSA với một số thuật toán khác. 1.5 ĐIỂM MỚI CỦA ĐỀ TÀI  Xây dựng giải thuật GSA giải bài toán điều phối kinh tế công suất ED.  Lập trình tính toán điều phối tối ưu trong mạng điện.  Nhận xét, đánh giá kết quả thu được, so sánh với kết quả dùng các giải thuật khác đã công bố trên tạp chí khoa học trên thế giới. 1.6 KẾT CẤU ĐỀ TÀI  Tổng quan  Giới thiệu bài toán phân bố công suất tối ưu ED.  Giới thiệu về thuật toán GSA.  Ứng dụng thuật toán GSA vào giải bài toán phân bố công suất tối ưu trong hệ thống điện.  Tổng kết và hướng phát triển đề tài.