Luận văn Thạc sĩ Kỹ thuật: Ứng dụng thuật toán PSO cải tiến tính toán phân bố công suất tối ưu đa mục tiêu

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:65

Thêm vào BST

Báo xấu

24
lượt xem 6
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội dung nghiên cứu của luận văn là trình bày bài toán phân bố công suất tối ưu trong hệ thống điện; Xây dựng giải thuật cho thuật toán PSO cải tiến; Áp dụng thuật toán PSO cải tiến giải bài toán phân bố công suất tối ưu đa mục tiêu.

Chủ đề:

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

Lưu

Nội dung Text: Luận văn Thạc sĩ Kỹ thuật: Ứng dụng thuật toán PSO cải tiến tính toán phân bố công suất tối ưu đa mục tiêu

B GIÁO D C VÀ ÀO T O TR NG I H C CÔNG NGH TP. HCM --------------- NGUY N V N KHÁNH NG D NG THU T TOÁN PSO C I TI N TÍNH TOÁN PHÂN B CÔNG SU T T I U A M C TIÊU LU N V N TH C S Chuyên ngành: K thu t i n Mã ngành: 60520202 TP. H CHÍ MINH, tháng 03 n m 2016
B GIÁO D C VÀ ÀO T O TR NG I H C CÔNG NGH TP. HCM --------------- NGUY N V N KHÁNH NG D NG THU T TOÁN PSO C I TI N TÍNH TOÁN PHÂN B CÔNG SU T T I U A M C TIÊU LU N V N TH C S Chuyên ngành: K thu t i n Mã ngành: 60520202 CÁN B H NG D N KHOA H C: PGS.TS VÕ NG C I U TP. H CHÍ MINH, tháng 03 n m 2016
3 CÔNG TRÌNH C HOÀN THÀNH T I TR NG I H C CÔNG NGH TP. HCM Cán b h ng d n khoa h c : PGS.TS. VÕ NG C I U Lu n v n Th c s c b o v t i Tr ng i h c Công ngh TP. HCM ngày 12 tháng 03 n m 2016 Thành ph n H i ng ánh giá Lu n v n Th c s g m: (Ghi rõ h , tên, h c hàm, h c v c a H i ng ch m b o v Lu n v n Th c s ) TT H và tên Ch c danh H i ng 1 PGS.TS. D ơng Hoài Ngh a Ch t ch 2 PGS.TS. Nguy n Thanh Ph ơng Ph n bi n 1 3 PGS.TS. Lê Minh Ph ơng Ph n bi n 2 4 TS. Võ Hoàng Duy y viên 5 TS. ng Xuân Kiên y viên, Th ký Xác nh n c a Ch t ch H i ng ánh giá Lu n sau khi Lu n v n ã c s a ch a (n u có). Ch t ch H i ng ánh giá LV PGS.TS. D ơng Hoài Ngh a
3 TR NG H CÔNG NGH TP. HCM C NG HÒA XÃ H I CH NGH A VI T NAM PHÒNG QLKH – TS H c l p – T do – H nh phúc TP. HCM, ngày..… tháng….. n m 2015 NHI M V LU N V N TH C S H tên h c viên: NGUY N V N KHÁNH Gi i tính: NAM Ngày, tháng, n m sinh: 23-09-1982 Nơi sinh: QU NG NGÃI Chuyên ngành: K thu t i n MSHV: 1341830057 I- Tên tài: NG D NG THU T TOÁN PSO C I TI N TÍNH TOÁN PHÂN B CÔNG SU T T I U A M C TIÊU II- Nhi m v và n i dung: - Trình bày bài toán phân b công su t t i u trong h th ng i n. - Xây d ng gi i thu t cho thu t toán PSO c i ti n - Áp d ng thu t toán PSO c i ti n gi i bài toán phân b công su t t i u a m c tiêu. - So sánh k t qu t c v i các thu t toán khác. - K t lu n và a ra h ng phát tri n c a ! tài III- Ngày giao nhi m v : 20-08-2015 IV- Ngày hoàn thành nhi m v : 20-02-2016 V- Cán b hư ng d n: PGS.TS. VÕ NG"C I#U CÁN B H NG D N KHOA QU N LÝ CHUYÊN NGÀNH (H tên và ch$ ký) (H tên và ch$ ký) PGS.TS. VÕ NG"C I#U
4 L I CAM OAN Tôi xin cam oan ây là công trình nghiên c u c a riêng tôi. Các s li u, k t qu nêu trong Lu n v n là trung th c và chưa t ng ư c ai công b trong b t k công trình nào khác. Tôi xin cam oan r ng m i s giúp cho vi c th c hi n Lu n v n này ã ư c c m ơn và các thông tin trích d n trong Lu n v n ã ư c ch rõ ngu n g c. H c viên th c hi n Lu n v n NGUY N V N KHÁNH
5 L I CÁM ƠN Tr c h t em xin chân thành bày t lòng bi t ơn sâu s c i v i th y Võ Ng c i u, ng i Th y ã t n tình h ng d n, cung c p nh ng tài li u vô cùng quí giá và giúp em trong su t quá trình nghiên c u th c hi n lu n v n. Xin chân thành c m ơn quý Th y Cô khoa Cơ - i n – i n T và Phòng QLKH- TS H, tr ng i h c Công Ngh Thành Ph H Chí Minh ã t n tình gi ng d y, truy n t tri th c khoa h c và giúp em tr ng thành trong su t khóa h c c ng nh trong cu c s ng. C m ơn t t c các b n bè, toàn th h c viên l p 13SM 21, các quý ng nghi p ã giúp tôi trong su t khóa h c n khi hoàn thành lu n v n. Cu i cùng, tôi xin c bày t lòng bi t ơn chân thành, sâu s c nh t n Cha M và V tôi ã ng viên, giúp và t o m i i u ki n thu n l i cho tôi trong su t quá trình h c t p và hoàn thành lu n v n này. Tuy nhiên, do còn h n ch v ki n th c, kinh nghi m th c t , th i gian th c hi n tài, nên không tránh kh i nh ng sai l m, thi u sót. Kính mong th y h ng d n, quí th y, cô cùng các b n h c viên góp ý lu n v n này c hoàn thi n hơn. Chân thành c m ơn! Tp. H Chí Minh, tháng n m 2016 Nguy n V n Khánh
6 TÓM T T Lu n v n xu t m t ph ng pháp t i u hóa b y àn pseudo-gradient v i h s co (PG-PSOCF) gi i quy t bài toán phân b công su t t i u a m c tiêu (multiobjective optimal power flow -MOOPF). xu t PG-PSOCF là t i u hóa b y àn thông th ng d a vào h s co t ng kh n ng tìm ki m cho bài toán t i u hóa. Ph ng pháp xu t gi i quy t bài toán MOOPF b ng cách gi m thi u chi phí và t ng phát th i t máy phát i n trong khi v n áp ng các ràng bu c khác nhau c a cân b ng công su t tác d ng và ph n phán, gi i h n công su t tác d ng và ph n kháng, gi i h n i n áp thanh cái, gi i h n t bù và gi i h n truy n t i. K t qu th nghi m trên h th ng IEEE 30-bus ã ch ra r ng ph ng pháp c xu t là hi u qu h n so v i các ph ng pháp khác. Do ó, xu t PG-PSOCF có th là m t ph ng pháp hi u qu gi i quy t bài toán MOOPF.
7 ABSTRACT This thesis proposes a pseudo-gradient based particle swarm optimization with constriction factor (PG-PSOCF) method for solving multiobjective optimal power flow (MOOPF) problem. The proposed PG-PSOCF is the conventional particle swarm optimization based on constriction factor based on pseudo gradient to enhance its search ability for optimization problems. The proposed method is to deal with the MOOPF problem by minimizing the total cost and emission from generators while satisfying various constraints of real and reactive power balance, real and reactive power limits, bus voltage limits, shunt capacitor limits and transmission limits. Test results on the IEEE 30-bus system have indicated that the proposed method is more efficient than many other methods in the literature. Therefore, the proposed PG-PSOCF can be an effectively alternative method for solving the MOOPF problem.
8 M CL C CÔNG TRÌNH C HOÀN THÀNH ................................................................. 2 NHI M V LU N V N ........................................................................................ 3 L I CAM OAN .................................................................................................... 4 L I C M ƠN ......................................................................................................... 5 TÓM T T LU N V N .......................................................................................... 6 ABSTRACT ............................................................................................................ 7 M C L C .............................................................................................................. 8 DANH M C CÁC T VI T T T........................................................................ 10 DANH M C B NG ............................................................................................. 12 Ch ng 1: GI I THI U CHUNG ......................................................................... 13 1.1.T ng quan v h ng nghiên c u ................................................................ 13 1.2. M c tiêu tài........................................................................................... 14 1.3. Ý ngh a khoa h c ...................................................................................... 15 1.4. Ph m vi và ph ng pháp nghiên c u ......................................................... 16 1.5. N i dung lu n v n ..................................................................................... 16 Ch ng 2: T NG QUAN V CÁC PH ƠNG PHÁP GI I B I TOÁN OPF ...... 17 2.1. Gi i thi u chung ........................................................................................ 17 2.2. Các ph ng pháp ã s d ng gi!i bài toán OPF ........................................ 17 2.2.1. Ph ng pháp Newton-Raphson (NR) ................................................ 19 2.2.2. Ph ng pháp Differential Evolution (DE) ......................................... 22 2.2.3. Ph ng pháp Tabu Search (TS)......................................................... 25 2.2.4. Ph ng pháp Genetic Algorithm (GA) .............................................. 27 2.2.5. Ph ng pháp Ant Colony Optimization (ACO) ................................. 30 2.2.6. Ph ng pháp Simulated Annealing (SA) ........................................... 33 2.2.7. Ph ng pháp Particle Swarm Optimization (PSO) ............................ 35 Ch ng 3: THÀNH L P BÀI TOÁN MOOPF TRONG H TH"NG I N ........ 39 3.1. T ng quan v bài toán MOOPF ................................................................. 39 3.2. C s thành l p bài toán OPF .................................................................... 39
9 Ch ng 4: ÁP D NG PH ƠNG PHÁP PSO C I TI N VÀO BÀI TOÁN MOOPF ................................................................................................................. 43 4.1. Ph ng pháp PSO c!i ti#n v i h s$ co ..................................................... 43 4.1.1. T$i u hóa ph%n t b%y àn .............................................................. 43 4.1.2. Khái ni m Pseudo-Gradient .............................................................. 44 4.1.3. Pseudo-Gradient d&a trên t$i u hóa b%y àn .................................... 45 4.2. Các b c th&c hi n ph ng pháp PG-PSOCF ' gi!i bài toán MOOPF .... 46 4.3. Fuzzy Based Mechanism cho l(i gi!i t$t nh)t ............................................ 50 Ch ng 5: K T QU TÍNH TOÁN ...................................................................... 51 5.1. M ng i n chu*n IEEE–30 nút .................................................................. 51 5.2. Hàm m c tiêu chi phí ................................................................................ 53 5.3. Hàm m c tiêu phát th!i.............................................................................. 56 5.4. Hàm a m c tiêu ....................................................................................... 58 Ch ng 6: K T LU N VÀ H NG PHÁT TRI+N C,A TÀI ..................... 60 6.1. K#t lu n ..................................................................................................... 60 6.2. H ng phát tri'n c-a tài........................................................................ 60 TÀI LI U THAM KH O ..................................................................................... 61
10 DANH M C CÁC T VI T T T Particle Swarm Optimization PSO T i u hóa b y àn Optimal power flow OPF Phân b công su t t i u Pseudo gradient based particle swarm optimization with PG-PSOCF constriction factor PSO c i ti n v i h s co. Multiobjective optimal power flow MO-OPF Phân b công su t t i u a m c tiêu IEEE Institute of Electrical and Electronics Engineers Vi n k thu t i n i n t M Linear programming LP L p trình tuy n tính NLP Non-linear programming L p trình phi tuy n tính Quadratic programming QP L p trình b c hai Interior point method IPM Ph ơng pháp n i i m NR Newton-Raphson Genetic Algorithm GA Thu t toán di truy n Simulated annealing SA Thu t toán mô ph ng luy n kim
11 Tabu Search TS Gi i thu t tìm ki m Tabu Evolutionary programming EP Ch ơng trình ti n hóa Differential Evolution DE Ti n hóa khác Economic Dispatch ED i u kinh t Optimal Reactive Power Dispatch ORPD i u công su t ph n kháng Ant Colony Optimization ACO Ph ơng pháp t i u hóa àn ki n HT H th ng i n NST Nhi m s c th
12 DANH M C CÁC B NG STT B ng Trang 1 B ng 5.1. H s chi phí và phát th i c a các máy phát 52 2 B ng 5.2. Gi i h n các ng dây truy n t i 53 B ng 5.3. K t qu cho b i PG-PSOCF i v i tr ng h p i u chi 3 54 phí v i gi i h n i n áp nút khác nhau B ng 5.4. K t qu so sánh cho tr ng h p i u chi phí v i gi i 4 55 h n i n áp nút 1.05 pu B ng 5.5. K t qu so sánh cho tr ng h p i u chi phí v i gi i 5 55 h n i n áp nút 1.05 pu B ng 5.6. K t qu cho b i PG-PSOCF i v i tr ng h p i u 6 56 phát th i v i các gi i h n i n áp nút khác nhau 7 B ng 5.7. K t qu so sánh cho tr ng h p i u phát th i v i gi i 57 h n i n áp nút 1.05 pu B ng 5.8. K t qu so sánh cho tr ng h p i u phát th i v i gi i 8 57 h n i n áp nút 1.1 pu B ng 5.9. K t qu so sánh cho tr ng h p i u a m c tiêu v i 9 59 gi i h n i n áp 1.05pu
13 Ch ng 1 GI I THI U CHUNG 1.1. T ng quan v h ng nghiên c u Bài toán phân b công su t t i u (OPF) ã có l ch s phát tri n t r t lâu và có ý ngh a vô cùng quan tr ng trong quy ho ch và i u khi n h th ng i n. M c ích chung c a bài toán OPF là c c ti u các chi phí c a h th ng i n áp ng nhu c u ph t i nh ng ph i duy trì an toàn c a h th ng (ph i gi cho m i thi t b c a h th ng n m trong ph m vi v n hành mong mu n ch xác l p). i u này s tính n công su t phát c c i và c c ti u c a máy phát, dòng công su t bi u ki n c c i trên ng dây truy n t i và máy bi n áp c ng nh gi i n áp nút c a h th ng n m trong gi i h n xác nh. t c m c ích này OPF s ph i th c thi m i ch c n!ng i u khi n ch xác l p c a h th ng i n, các ch c n!ng này bao g"m i u khi n máy phát và i u khi n h th ng truy n t i. i v i máy phát, OPF s i u khi n công su t tác d ng u ra c a máy phát c ng nh i n áp c a máy phát. i v i h th ng truy n t i, OPF có th i u khi n t# s n c phân áp c a máy bi n áp i u áp d i t i ho$c góc d ch pha c a máy bi n áp d ch pha, i u khi n chuy n m ch r nhánh t t c các thi t b FACTS [1, 2]. Trong th c t , bài toán OPF là m t hàm phi tuy n v i quy mô l n vì ph i gi i nhi u bi n khác nhau ràng bu c hàm phi tuy n. Vì v y, Bài toán OPF luôn là m t thách th c i v i các ph ơng pháp gi i, $c bi t là iv i các hàm m c tiêu không kh vi thì không th c gi i quy t b ng các ph ơng pháp thông th ng. Ngoài ra, các máy phát c ng là ngu"n phát ra các oxit l u hu&nh (SOx), oxit nitơ (NOx) và carbon dioxit (CO2) trong khí quy n. Vi c thay 'i lu t Không khí s ch c a M( n!m 1990 [3] ã bu c thay 'i chi n l c phát i n m b o m t m c ô nhi)m t i thi u.Vì v y, bài toán OPF c ng nên bao g"m c bài toán phát th i t o thành bài toán OPF a
14 m c tiêu (MOOPF). Bài toán MOOPF s "ng th i gi m thi u t'ng chi phí và phát th i c a máy phát nhi t khi áp ng t t c ràng bu c c a h th ng . tài ã dùng ph ơng pháp PSO c i ti n (Pseudo-gradient based particle swarm optimization with constriction factor - PG-PSOCF) gi i quy t bài toán phân b công su t t i u a m c tiêu MOOPF. xu t PG-PSOCF là t i u hóa b y àn thông th ng d a vào h s co t!ng kh n!ng tìm ki m cho bài toán t i u hóa. Ph ơng pháp xu t gi i quy t bài toán MOOPF b ng cách thi u chi phí và t'ng phát th i t máy phát i n trong khi v*n áp ng các ràng bu c khác nhau c a cân b ng công su t tác d ng và ph n phán, gi i h n công su t tác d ng và ph n kháng, gi i h n i n áp thanh cái, gi i h n t bù và gi i h n truy n t i. 1.2. M c tiêu c a tài n nay ã có m t s ph ơng pháp thông th ng c xu t gi i quy t các v n OPF nh ph ơng pháp d a trên gradient [5], l p trình tuy n tính (LP) [6], l p trình phi tuy n tính (NLP) [1], l p trình b c hai (QP) [7], ph ơng pháp Newton [8], l p trình semidefinite [9] và ph ơng pháp n i i m (IPM) [10].... Nói chung, các ph ơng pháp thông th ng có th d) dàng tìm th y các gi i pháp t i u cho m t v n t i u hóa quy mô nh+ trong m t th i gian r t ng,n. Tuy nhiên, nh c i m chính c a chúng là g$p khó kh!n khi i phó v i các v n t i u hóa không l"i v i ch c n!ng m c tiêu không kh vi. Hơn n a, chúng c ng r t khó kh!n i phó v i v n quy mô l n do không gian tìm ki m l n, t n th i gian hay không có h i t . Các ph ơng pháp tìm ki m meta-heuristic cho th y nó thích h p i phó v i các v n t i u hóa ph c t p, $c bi t là cho nh ng hàm m c tiêu không kh vi. M t s ph ơng pháp tìm ki m meta-heuristic c ng ã c áp d ng r ng rãi gi i quy t bài toán OPF nh ph ơng pháp Genetic Algorithm (GA) [11], simulated annealing (SA) [12], Ph ơng pháp Tabu Search (TS) [13], ph ơng pháp evolutionary programming (EP) [14, 15], ph ơng pháp Differential Evolution (DE) [16], ph ơng pháp improved
15 particle swarm optimisation (IPSO) [17, 18], và thu t toán modified shuffle frog leaping algorithm (MSFLA) [19]. Các thu t toán tìm ki m meta-heuristic có th kh,c ph c nh c i m c a các ph ơng pháp thông th ng; có ngh a là chúng có th i phó v i nh ng v n mà không yêu c u hàm m c tiêu là kh vi. Tuy nhiên, các ph ơng pháp tìm ki m meta-heuristic không t gi i pháp t i u và ch t l ng gi i pháp có th không cao khi gi i quy t bài toán v i quy mô l n và ph c t p. Các gi i pháp thu c t các ph ơng pháp này v i th i gian tính toán dài. Vì v y, các ph ơng pháp lai c ng ã c phát tri n kh,c ph c các nh c i m c a ph ơng pháp meta-heuristic nh lai TS/SA [20], lai GA- IPM [21], lai ti n hóa (hybrid differential evolution) [22], lai m và PSO [23], và k( thu t tính toán m (genetic-based fuzzy mathematical programming technique) [24]. M c ích c a ph ơng pháp lai là t n d ng nh ng l i th c a t ng ph ơng pháp ph n t có c nh ng gi i pháp t i u t t hơn. M$c dù các ph ơng pháp lai có th có c ch t l ng gi i pháp t t hơn so v i các ph ơng pháp riêng l-, th i gian tính toán lâu hơn so v i các ph ơng pháp riêng l- do s k t h p c a nhi u ho t ng. Hơn n a, h th ng hybrid c ng th ng ph c t p hơn nhi u so v i ph ơng pháp ph n t . Vì th ch. có thu t toán d a trên trí thông minh nhân t o và ti n hóa mà i n hình là ph ơng pháp PSO m i phù h p v i các lo i bài toán này và lo i tr b+ c các v n khó kh!n trên. 1.3. Ý ngh a khoa h c, óng góp c a lu n v n tài nghiên c u ã ng d ng ph ơng pháp PSO c i ti n và gi i quy t bài toán t i u hóa phân b công su t a m c tiêu (c c ti u chi phí và phát th i cho nhà máy i n) v i k t qu t t h n các ph ơng pháp khác. ông th i, v i s c i ti n này s làm cho l i gi i c a bài toán h i t nhanh hơn. i u này cho th y t m quan tr ng c a nó trong vi c tìm ra m t l i gi i t t nh t, t i u nh t.
16 Thu t toán này c áp d ng gi i bài toán trên h th ng i n IEEE 30 nút và nút sánh v i các ph ơng pháp trí tu nhân t o khác. 1.4. Ph m vi và ph ng pháp nghiên c u tài c nghiên c u d a trên ph ơng pháp PSO c i ti n, xây d ng mô hình toán h c c a bài toán g"m hàm chi phí và phát th i. /ng d ng tính bài toán PG-PSOCF trên h th ng i n chu0n theo IEEE, so sánh v i các ph ơng pháp khác nh m làm rõ s u vi t c a tài. Dùng ph n m m Matlab gi i các thu t toán t i u. 1.5. N i dung c a lu n v n Ch ơng 1: Gi i thi u chung Ch ơng 2: T'ng quan v phân b công su t t i u Ch ơng 3: Thành l p bài toán MOOPF trong h th ng i n Ch ơng 4: Áp d ng ph ơng pháp PSO c i ti n vào bài toán MOOPF Ch ơng 5: K t qu tính toán Ch ơng 6: K t lu n và h ng phát tri n c a tài
17 Ch ng 2 T NG QUAN V CÁC PH NG PHÁP GI I BÀI TOÁN OPF 2.1. Gi i thi u chung Yêu c u quan tr ng nh t trong v n hành h th ng i n (HT ) là m b o cho h th ng làm vi c t i u và tin c y, mu n v y khi v n hành các ph n t trong HT ph i mb o c các i u ki n sau ây: - m b o cung c p i n n ng liên t c. - m b o ch t l ng i n n ng: gi cho i n áp và t n s n m trong gi i h n cho phép. - m b o áp ng c th ph t i m t cách linh ho t. - mb o c tính kinh t cao: gi m chi phí nhiên li u và gi m t n th t i n n ng. - Gi m chi phí nhiên li u: s d ng hi u qu các ngu n n c c a th y i n, ph i h p s d ng n c c a th y i n v i s d ng các nhà máy nhi t i n và ph i h p gi a các nhà máy nhi t i n v i nhau…, sao cho chi phí s n xu t i n n ng là nh nh t. - Gi m t n th t i n n ng: gi m t n th t i n n ng có ý ngh a r t l n trong v n hành HT . Gi m t n th t i n bao g m thi t l p ch s d ng i n, l a ch n cơ c u thi t b v n hành h p lý và phân b công su t t i u gi a các ph n t trong HT . Trong ó bài toán phân b công su t t i u (OPF) là bài toán có ý ngh a quan tr ng nh t và c s d ng r ng rãi trong v n hành và quy ho ch HT . Modul OPF là dòng t i thông minh s d ng các k thu t t ng i u ch!nh s thi t l p i u khi n HT trong khi v"n m b o th a mãn c các i u ki n v n hành và dòng phân b t i v i các ràng bu c c th . Bài toán OPF c xem nh là bài toán ghép ôi c a i u ph i kinh t (Economic Dispatch – ED) và i u ph i t i u công su t ph n kháng (Optimal
18 Reactive Power Dispatch – ORPD). M c tiêu chính c a bài toán ED là xác nh k ho ch phát công su t c c ti u hóa t ng chi phí v n hành h th ng mà không vi ph m b t c ràng bu c v n hành nào c a h th ng nh quá t i #ng dây hay sai l ch i n áp nút. Trong khi ó, m c tiêu c a i u ph i t i u công su t ph n kháng là nâng cao n nh i n áp và gi m t n th t công su t truy n t i trên HT mà v"n th a mãn t t c các ràng bu c v n hành. M c tiêu th nh t c a bài toán OPF là c c ti u t ng chi phí nhiên li u máy phát trong khi v"n mb o an toàn h th ng. T$ quan i m c a bài toán OPF, s duy trì an toàn c a h th ng òi h i m%i thi t b v n hành trong HT ph i n m trong ph m vi mong mu n & ch xác l p. Nó bao g m gi i h n c c ti u, c c i công su t u ra c a máy phát, dòng công su t l n nh t trên #ng dây truy n t i và máy bi n áp c'ng nh gi i n áp m%i nút trong kho ng gi i h n an toàn. M c tiêu th hai c a bài toán OPF là xác nh d li u chi phí biên c a h th ng. 2.2. Các ph ng pháp ã s d ng gi i bài toán OPF Tr i qua hàng lo t các nghiên c u ã c trình bày, tính n nay có gi i pháp v ph ơng pháp lu n có th nhóm l i hai ph ơng pháp c th nh sau: - Ph ơng pháp thông th #ng (c i n). - Ph ơng pháp thông minh. Phân lo i m%i ph ơng pháp c trình bày theo sơ h th ng nh sau:
18 Hình 2.1. Sơ h th ng các ph ơng pháp gi i bài toán OPF 2.2.1. Ph ng pháp Newton-Raphson (NR) Ph ơng pháp Newton-Raphson (NR) [8] là ph ơng pháp có l ch s phát tri n t$ r t lâu v i u i m n i tr i i v i gi i tích ch xác l p c a HT l n là t c và kh n ng h i t cao. S b c l(p yêu c u c a ph ơng pháp th #ng ch! vào kho ng 2-5 b c và h u nh không ph thu c vào kích th cc al i i n. Do ó ph ơng pháp NR th #ng c dùng ph bi n cho các HT l n và ph c t p