›
›

Điều phối ngắn hạn trong ngày để tối ưu công suất phát giữa các nhà máy thủy điện và nhiệt điện

Download
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
ĐIỀU PHỐI NGẮN HẠN TRONG NGÀY ĐỂ TỐI ƯU CÔNG SUẤT  
PHÁT GIỮA CÁC NHÀ MÁY THỦY ĐIỆN VÀ NHIỆT ĐIỆN  
SHORT-TERM COORDINATION IN THE DAY TO OPTIMAL  
POWER BETWEEN HYDROPOWER AND THERMAL POWER PLANT  
Nguyen Nhan Bon1, Phan Chi Thuan2  
1T.S Giảng viên trường đại học Sư phạm Kỹ thuật TP.HCM  
2Học viên Th.S trường đại học Sư phạm Kỹ thuật TP.HCM  
TÓM TẮT  
Điện năng ngày càng trở thành xương sống trong mọi công nghệ hiện đại. 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. Trong điều kiện nguồn năng lượng hóa thạch ngày càng cạn kiệt, tình trạng xả nước  
của các nhà máy thủy điện không hợp lý gây ra tình trạng lụt lội, ngập úng ảnh hưởng đến sản  
xuất nông nghiệp thì bài toán điều phối tối ưu công suất phát giữa các nhà máy thủy điện và nhiệt  
điện ( hay gọi là hệ thống thủy nhiệt ) sẽ giúp tiết kiệm được chi phí vận hành và sử dụng hợp lý  
nguồn tài nguyên nước. Kết quả của chương trình phát triển được thử nghiệm cho hai hệ thống  
thủy điện và nhiệt cho nhu cầu tải 24 giờ. Công việc được thực hiện trong bài báo này trình bày  
giải pháp cho vấn đề điều phối ngắn hạn trong ngày để tối ưu công suất phát giữa các nhà máy  
thủy điện và nhiệt điện. Cách tiếp cận giải pháp dựa trên giải thuật tối ưu hóa bầy đàn (PSO)  
trong phần mềm MATLAB, và được so sánh với những phương pháp khác như phương pháp  
Lagrange, phương pháp thuật toán di truyền (GA).  
Từ khóa: tối ưu hóa bầy đàn (PSO ); thuật toán di truyền (GA); phương pháp Lagrange;  
điều phối ngắn hạn.  
ABSTRACT  
Electricity is increasingly becoming the backbone of all modern technologies. Energy  
demand is a topical issue for the development of the economy, in which electric power plays a key  
role. In the context that fossil energy sources are increasingly exhausted, irrational discharge of  
hydroelectric plants causes floods and flooding affecting agricultural production, the problem of  
optimal coordination generation between hydropower and thermal power plants (or hydropower  
systems) will help save operating costs and rational use of water resources. The results of the  
HVTH:PHAN CHÍ THUẬN  
1
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
development program were tested for two hydro and thermal systems for 24-hour load  
requirements. The work done in this paper presents the solution to the short-term coordination  
problem of the day to optimize generation capacity between hydropower and thermal power  
plants. The approach of the solution is based on the herd optimization algorithm (PSO) in  
MATLAB software and is compared with other methods such as the Lagrange method, genetic  
algorithm method (GA).  
Keywords: Particle Swarm Optimization (PSO ); Genetic Algorithm (GA ); Lagrange  
method; Short-term coordination.  
1. GIỚI THIỆU  
vận hành thấp. Mặt khác, chi phí vốn của nhà  
máy nhiệt điện thấp và chi phí vận hành cao.  
Vì vậy, các nhà máy nhiệt điện và thủy điện  
trong cùng một lưới là kinh tế hơn. Tổng  
lượng nước có sẵn từ hệ thống thủy điện phải  
được sử dụng đến mức tối đa trong tích hợp  
thủy nhiệt.  
Hiện nay, việc điều phối ngắn hạn công  
suất cho các hệ thống thủy nhiệt là rất quan  
trọng vì khía cạnh kinh tế của nó trong vận  
hành hệ thống điện liên kết với nhau. Nhà máy  
thủy điện hầu như không có chi phí nhiên liệu,  
vì vậy chi phí sản xuất rất nhỏ so với các nhà  
máy nhiệt điện. Mục đích chính của lập kế  
hoạch cho hệ thống thủy nhiệt là để xác định  
việc phát điện tối ưu của nhà máy nhiệt điện  
và thủy điện với việc đáp ứng các ràng buộc  
của hệ thống nhiệt và thủy điện [1], [2].  
Những hạn chế chính là tốc độ xả nước, thể  
tích hồ chứa, tổng nước xả và cân bằng công  
suất tải, sự cố tràn nước, công suất hoạt động  
của đơn vị thủy điện và nhiệt điện. Việc điều  
phối ngắn hạn công suất cho các hệ thống thủy  
nhiệt được sử dụng khi công suất phát điện tối  
đa của nhà máy nhiệt điện và thủy điện cao  
hơn nhu cầu phụ tải. Vì vậy, việc lập lịch trình  
tiết kiệm chi phí sản xuất, cũng đáp ứng các  
yêu cầu về thủy lợi và nông nghiệp. Chi phí  
vốn của các nhà máy thủy điện cao và chi phí  
Khả năng lưu trữ năng lượng hạn chế của  
các hồ chứa nước và có tính chất ngẫu nhiên  
sẵn có của nước làm cho giải pháp khó khăn  
hơn đối với các hệ thống thủy nhiệt so với các  
hệ thống nhiệt điện thuần [3]. Các nhà máy  
thủy điện cũng đáp ứng các mục đích khác  
ngoài sản xuất điện bao gồm kiểm soát lũ và  
mục đích tưới tiêu [4].  
Một số phương pháp để giải quyết vấn đề  
lập kế hoạch thủy nhiệt ngắn hạn đã được đề  
xuất. Phương pháp Lagrange [5], [6 ], [7 ] giải  
quyết vấn đề lập lịch tương đối tốt. Tuy nhiên,  
chúng khó khăn khi thực hiện lập lịch cho mô  
hình hệ thống có tính phi tuyến tính cao, và  
Lagrange phải sử dụng đạo hàm khi quy mô  
hệ thống lớn. Các phương pháp cổ điển để giải  
HVTH:PHAN CHÍ THUẬN  
2
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
quyết vấn đề lập lịch không phù hợp khi kích  
thước hệ thống tăng lên. Hơn nữa các yêu cầu  
tính toán cũng tăng theo các phương pháp cổ  
điển. Giải pháp tối ưu chi phí bằng thuật toán  
duy truyền (GA ) [8 ], [9 ] một kỹ thuật siêu  
hình lấy cảm hứng từ di truyền học và lý  
thuyết tiến hóa dựa trên mô hình chọn lọc tự  
nhiên. Kết quả thu được không cần sử dụng  
đạo hàm, với bài toán lớn hệ thống phức tạp  
thì đây là ưu điểm so với phương pháp  
Lagrange. Giải pháp tối ưu chi phí bằng  
phương pháp lập trình tiến hóa (EP). EP là  
một phương pháp trí tuệ nhân tạo trong đó  
thuật toán tối ưu hóa là phương tiện chính cho  
quá trình gồm ba bước, cụ thể là chọn lọc tự  
nhiên, đột biến và cạnh tranh. Tuy nhiên, một  
nhược điểm của phương pháp EP [10] trong  
việc giải quyết một số vấn đề tối ưu hóa đa  
phương thức là sự hội tụ chậm đến mức tối ưu.  
Nhìn chung, hầu hết các kỹ thuật dựa trên trí  
thông minh nhân tạo đều hiệu quả trong việc  
tìm giải pháp gần tối ưu.  
điện [16], [17]; xác định thông số tối ưu  
cho bộ PSS [18], [19]; ứng dụng trong quy  
hoạch hệ thống điện [20]; đánh giá tổn  
thương hệ thống điện [21].  
2. PHƯƠNG PHÁP TỐI ƯU BẦY  
ĐÀN  
2.1. Khái niệm  
PSO được giới thiệu vào năm 1995 tại  
một hội nghị của IEEE bởi James Kennedy và  
Russell C. Eberhart [22 ]. Thuật toán có nhiều  
ứng dụng quan trọng trong tất cả các lĩnh vực  
mà ở đó đòi hỏi phải giải quyết các bài toán  
tối ưu hóa.  
Để hiểu rõ thuật toán PSO chúng ta  
hãy xem một ví dụ đơn giản về quá trình  
tìm kiếm thức ăn của một đàn chim.  
Không gian tìm kiếm thức ăn lúc này là  
toàn bộ hông gian ba chiều mà chúng ta  
đang sinh sống. Tại thời điểm bắt đầu tìm  
kiếm cả đàn bay theo một hướng ngẫu  
nhiên nào đó. Sau một khoảng thời gian  
tìm kiếm một số cá thể trong đàn bắt đầu  
tìm ra được nơi có chứa thức ăn. Tùy theo  
số lượng thức ăn vừa tìm kiếm, mà cá thể  
gửi tín hiệu đến các cá thể khác đang tìm  
kiếm ở vùng lân cận, tín hiệu này nhanh  
chóng lan truyền trên toàn quần thể. Dựa  
vào thông tin nhận được mỗi cá thể sẽ điều  
chỉnh hướng bay và vận tốc theo hướng về  
nơi có nhiều thức ăn nhất. Như vậy đàn  
chim đã dùng trí tuệ, kiến thức và kinh  
Thuật toán tối ưu bầy đàn (PSO ) [11]  
[12], [13 ], [14 ], [15 ] là một trong những  
thuật toán tiến hóa, dựa trên khái niệm trí tuệ  
bầy đàn để giải các bài toán tối ưu hóa.  
Phương pháp PSO là một phương pháp tối ưu  
hóa ngẫu nhiên tương tự như GA. Tuy nhiên,  
PSO không có cách thức quản lý vận hành qua  
từng thế hệ như là giao nhau hoặc tương tác  
lẫn nhau. Nó có tốc độ hội tụ nhanh. Trong  
thập kỷ qua, nó đã được áp dụng thành công  
cho các vấn đề hệ thống điện đa dạng: tối ưu  
phân bố công suất phản kháng trong hệ thống  
HVTH:PHAN CHÍ THUẬN  
3
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
nghiệm của cả đàn để nhanh chóng tìm ra  
nơi chứa thức ăn.  
Dễ dàng thực thi và chương trình  
với những thủ thuật toán và logic so với  
các kỹ thuật tối ưu suy nghiệm khác.  
Có thể sử dụng hàm mục tiêu với  
tính ngẫu nhiên tự nhiên giống như trong  
trường hợp biểu diễn một trong những  
biến tối ưu ngẫu nhiên  
Không đòi hỏi giải pháp ban đầu  
phải tốt để bắt đầu quá trình lặp của chúng.  
Kỹ thuật PSO có thể giải pháp có  
chất lượng cao trong khoảng thời gian tính  
toán ngắn hơn và đặc tính hội tụ ổn định  
hơn so với các thuật toán ngẫu nhiên khác.  
Hãy xét bài toán tối ưu của hàm số F trong  
không gian n chiều. Mỗi vị trí trong không  
gian là một điểm tọa độ n chiều. Hàm F là hàm  
mục tiêu xác định trong không gian n chiều và  
nhận giá trị thực. Mục đích là tìm ra điểm cực  
tiểu của hàm F trong miền xác định nào đó.  
Chúng ta bắt đầu xem xét sự liên hệ giữa bài  
toán tìm thức ăn với bài toán tìm cực tiểu của  
hàm theo cách như sau. Giả sử rằng số lượng  
thức ăn tại một vị trí tỉ lệ nghịch với giá trị của  
hàm F tại vị trí đó. Có nghĩa là ở một vị trí mà  
giá trị hàm F càng nhỏ thì số lượng thức ăn  
càng lớn. Việc tìm vùng10 chứa thức ăn nhiều  
nhất tương tự như việc tìm ra vùng chứa điểm  
cực tiểu của hàm F trên không gian tìm kiếm.  
2.2 Vận hành thuật toán PSO  
PSO được khởi tạo với một hệ các giải  
pháp hợp lý ngẫu nhiên và tìm kiếm tối ưu  
bằng việc cập nhật vận tốc và vị trí.  
Một cá thể được biểu diễn bởi hai  
thông số x và v trong đó thành phần x và v  
lần lượt là vị trí và tốc độ bay tương ứng  
với vị trí x trong không gian tìm kiếm. Do  
đó, cá thể thứ i được biểu diễn là xi=(xi1,  
xì2, …, xid) trong không gian d chiều. Vị trí  
tốt nhất trước đó của cá thể thứ i được lưu  
giữ và biểu diễn là pbesti = (pbestí, pbestì,  
…, pbestid). Chỉ số của cá thể tốt nhất  
trong tất cả cá thể được xem như là cá thể  
tốt nhất được biểu diễn là gbestd. Tốc độ  
định mức của cá thể i được biểu diễn là  
vi=(vi1, vi2,…,vid). Tốc độ và vị trí thay đổi  
của mỗi cá thể có thể tính toán bằng cách  
sử dụng tốc độ và vị trí hiện tại từ pbestid  
đến gbestd theo các công thức như sau:  
PSO là một kỹ thuật tiến hóa quần thể  
cơ bản có nhiều ưu điểm nổi bật hơn các  
kỹ thuật tối ưu khác như:  
Là thuật toán dẫn xuất tự do giống  
như các kỹ thuật suy nghiệm tối ưu khác.  
Linh hoạt phối hợp với các thuật  
toán tối ưu khác để hình thành nên công cụ  
hỗn hợp  
Ít nhạy cảm với tính tự nhiên của  
hàm mục tiêu như độ lồi hoặc sự liên tục.  
PSO giới hạn số thông số chỉ có hệ  
số trọng số quán tính và 2 hệ số gia tốc so  
với các phương pháp tối ưu suy nghiệm  
khác. Cũng như tác động của thông số đến  
giải pháp ít nhạy cảm hơn so với các thuật  
toán suy nghiệm khác.  
Có khả năng thoát khỏi tối ưu cục  
bộ.  
HVTH:PHAN CHÍ THUẬN  
4
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
(t)  
V(t1) V(t) C rand()(pbestid P (t) )C2rand()(gbestid P  
)
Việc chọn lựa hệ số quán tính ‘ω’  
i
1
gid  
gid  
thích hợp tạo nên một sự cân bằng giữa  
khảo sát toàn cục và khảo sát cục bộ, do  
vậy yêu cầu hệ số quán tính thấp so với giá  
trị trung bình để tìm lời giải tối ưu một  
cách đầy đủ, ω thường giảm tuyến tính từ  
0,9 đến 0,4 suốt quá trình tìm kiếm. Hệ số  
quán tính được đặt theo phương trình sau:  
( 1)  
(t1)  
( 2)  
P
(t1) P (t) )V  
)
gid  
gid  
id  
Trong đó: C1 trong khoảng (1.5, 2)  
được gọi là mức độ tự tin; C2 trong khoảng  
(2, 2.5) được gọi là mức độ bầy đàn.  
Số hạng rand()(pbestid – Pgid  
được gọi là ảnh hưởng của bộ nhớ cá thể.  
Số hạng rand()(gbestid – Pgid  
được gọi là ảnh hưởng của bầy đàn.  
(t)  
max min  
)
max  
*iter  
(3)  
itermax  
(t)  
)
Trong đó: ω hệ số quán tính  
̣(t)  
Tốc độ Vi của cá thể thứ i ở bước  
lặp ‘t’ phải nằm trong khoảng  
ωmax - giá trị lớn nhất của hệ số quán tính  
ωmin - giá trị nhỏ nhất của hệ số quán  
Vd V (t ) Vd  
. Thông số Vd  
xác  
min  
max  
max  
id  
tính  
định phương án/lời giải (fitness) trong  
không gian tìm kiếm giữa vị trí hiện hành  
và vị trí đích. Nếu Vdmax quá lớn, các cá thể  
itermax - số bước lặp lớn nhất  
iter - số bước lặp hiện tại.  
max  
có thể bay qua phương án tốt. Nếu Vd  
3 XÂY DỰNG VẤN ĐỀ.  
quá nhỏ, các cá thể có thể không thăm dò  
hết các phương án. Trong nhiều kinh  
3.1 Hàm số:  
max  
nghiệm về PSO Vd thường được đặt ở  
Mục tiêu của việc giải quyết vấn đề điều  
phối ngắn hạn trong ngày để tối ưu công suất  
phát giữa các nhà máy thủy điện và nhiệt điện  
là giảm thiểu chi phí nhiên liệu của quá trình  
sinh nhiệt:  
10-20% mức độ của mỗi chiều.  
-Các hằng số C1 và C2 kéo mỗi cá  
thể về phía các vị trí pbest và gbest. Các  
giá trị thấp cho phép các cá thể phân bố ở  
xa các vùng mục tiêu trước khi quay trở  
lại. Nói cách khác, các giá trị cao dẫn đến  
việc di chuyển lướt qua các vùng mục tiêu.  
Do đó, các hằng số tăng tốc C1 và C2  
thường được đặt là 2 dựa theo các kinh  
nghiệm. Hình 1 biểu diễn nguyên lý tìm  
kiếm của thuật toán PSO bằng cách cập  
nhật qui luật gia tốc (phương trình 1) và  
qui luật cập nhật vị trí (phương trình 2)  
T
N
MinF   
Fj (P (j,t))  
(4)  
t1j1  
T
T
Trong đó:  
FT: Hàm chi phí sản xuất tổng.  
PT(j,t): Công suất phát của tổ máy nhiệt  
điện j trong khoảng thời gian t.  
Fj(PT(j,t)): Chi phí sản suất để tạo ra  
công suất PT(j,t)):  
N: Số lượng tổ máy nhiệt điện.  
T: Số lượng các khoảng thời gian.  
Hàm chi phí của tổ máy nhiệt điện  
được biểu diễn như sau:  
Hình 1: Nguyên lý thay đổi vị trí của  
thuật toán PSO  
HVTH:PHAN CHÍ THUẬN  
5
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
PT(j)min: Công suất phát nhỏ nhất đối với  
Fj (P (j,t)) aj bj P (j,t)cj P2(j,t)  
T
T
T
tổ máy nhiệt điện j  
(5 )  
3.2 Các hàm ràng buộc.  
PT(j)max: Công suất phát lớn nhất đối với  
tổ máy nhiệt đđiện j  
PH(j)min: Công suất phát nhỏ nhất đối với  
tổ máy thủy điện i  
Cân bằng phụ tải  
M
N
P (i, t) P (j,i) P (t) P (t) 0  
H
T
D
L
PH(i)max:Công suất phát lớn nhất đối với  
i1  
j1  
tổ máy thủy điện i  
(6 )  
Tổng số nước xả  
Trong đó:  
T
M: số lượng các tổ máy thủy điện.  
Q (i) q(i, t)  
(10)  
tot  
t1  
PH(i,t): Công suất phát của tổ máy  
Trong đó, q(i,t): định mức nước xả của tổ  
máy thủy điện i trong khoảng thời gian t  
Sự cân bằng nước  
thủy điện i ở khoảng thời gian t.  
PD(t): Phụ tải hệ thống yêu cầu ở  
khoảng thời gian t.  
PL(t): Tổng tổn thất của hệ thống ở  
khoảng thời gian t.  
V(i,t) V(i,t1)r(i,t)q(i,t)s(i,t) .n  
(11)  
t
Trong đó:  
V(i,t): Thể tích nước của hồ chứa i ở cuối  
khoảng thời gian t.  
Tổn thất của hệ thống được biểu diễn  
bởi phương trình (công thức tổn thất Kron)  
như sau:  
q(i,t): Định mức nước xả của tổ máy thủy  
điện i suốt khoảng thời gian t.  
ng ng  
ng  
P   
PB P B B  
  
L
i
ij  
j
oi  
00  
r(i,t): Định mức nước chảy vào hồ chứa i  
trong khoảng thời gian t.  
i1 j1  
i1  
(7)  
s(i,t): Định mức nước xả tràn của hồ chứa  
i trong khoảng thời gian t.  
Hệ số Bij được gọi là hệ số tổn thất  
hay hệ số B. Hệ số B được giả thiết là hằng  
số.  
nt: Độ dài khoảng thời gian t.  
Định mức nước xả  
Giới hạn dòng chảy  
Giới hạn công suất phát của nhiệt  
điện và thủy điện  
qmin q(i, t) qmax  
( 12)  
P (j)min P (j, t) P (j)max  
(8)  
(9)  
T
T
T
Lưu lượng xả cố định  
PH (i)min PH (i, t) PH (i)max  
q(i,t) Q(i,t)  
( 13)  
Trong đó,  
Các giới hạn tích trữ nước  
HVTH:PHAN CHÍ THUẬN  
6
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
Vmin V (i, t) Vmax  
Thể tích lúc đầu:  
4 TRIỂN KHAI PSO CHO BÀI  
TOÁN ĐIỀU PHỐI NGẮN HẠN  
TRONG NGÀY ĐỂ TỐI ƯU CÔNG  
SUẤT PHÁT GIỮA CÁC NHÀ  
MÁY THỦY ĐIỆN VÀ NHIỆT  
(14)  
(15)  
(16)  
V(i,t)t0 V  
s
Thể tích lúc cuối:  
V(i,t)tT vE  
ĐIỆN.  
Như trong hình 2 để thiết lập bài toán  
một cách tổng quát, giả thiết rằng hệ thống  
điện được biểu diễn tương đương bằng  
một tổ máy nhiệt điện có công suất PT, đặc  
tính đầu vào – đầu ra là F(PT) và một tổ  
máy thủy điện có công suất PH, đặc tính  
đầu vào – đầu ra là W(PH). Nhà máy thủy  
điện không đủ công suất để cung cấp cho  
nhu cầu của phụ tải trong suốt khoảng thời  
gian Tmax (giờ) và chỉ có một thể tích  
nước tối đa có thể xả ra ngoài trong  
khoảng thời gian Tmax (giờ).  
4.1 Thiết lập hàm fitness  
Để đánh giá các tổ hợp công suất phát của  
các nhà máy thủy điện và nhiệt điện trong quá  
trình lai tạo và đột biến có thỏa mãn hàm mục  
tiêu (4) và các điều kiện ràng buộc (6), (7),  
(8), (9), (10), (11), (12), (13), (14), (15) hay  
không, người ta dùng phương pháp hàm phạt  
(penalty function) để biến đổi bài toán tối ưu  
có ràng buộc thành bài toán tối ưu không ràng  
buộc bằng cách thiết lập hàm đánh giá (fitness  
function). Có nhiều phương pháp để thiết lập  
hàm fitness function tùy thuộc vào cách xây  
dựng hàm phạt, trong luận văn này, ta sử dụng  
dạng biến đổi như sau:  
Để sử dụng hết toàn bộ năng lượng từ  
nhà máy thủy điện theo cách giảm thiểu  
chi phí vận hành nhà máy nhiệt điện. Năng  
lượng nhà máy hơi nước cần có là  
NC  
2
fitness F   
(17)  
k (VI0K )  
T
k1  
Trong đó:  
FT là hàm mục tiêu (4)  
NC là số các ràng buộc (6), (7), (8), (9),  
(10), (11), (12), (13), (14), (15)  
VIOk giá trị vi phạm ràng buộc thứ k.  
λk là hệ số phạt đối với vi phạm thứ k (λk  
>0).  
Hình 2: Hệ thống thủy nhiệt hai đơn vị  
Ý nghĩa của hàm fitness là trong quá trình  
đột biến và lai tạo, các tổ hợp công suất phát  
của các nhà máy thủy điện và nhiệt điện nào  
vi phạm các điều kiện ràng buộc thì sẽ bị cộng  
HVTH:PHAN CHÍ THUẬN  
7
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
thêm  
một  
lượng  
phạt  
bằng  
Bước 1: Các cá thể được tạo ngẫu nhiên  
giữa giới hạn công suất min và max của các  
máy phát. Ví dụ, nếu có N máy phát, cá thể  
thứ i được biểu diễn như sau:  
푁퐶  
푘=1 λ푘 (푉퐼푂퐾)2và nếu mức độ vi phạm  
∑
ràng buộc càng lớn thì khả năng được giữ lại  
để tiếp tục lai tạo càng bé (bị loại bỏ). Do đó,  
bài toán trở thành tìm min fitness.  
4.2 Áp dụng  
Pi = (Pí1, Pi2, Pi3,…PiN)  
Bước 2: Các tốc độ cá thể được tạo ngẫu  
nhiên trong tầm [ -Vjmax, Vjmax  
]
Hình 3 phương pháp PSO áp dụng cho  
Giới hạn tốc độ lớn nhất trong chiều thứ  
j được tính như sau:  
bài toán điều phối thủy nhiệt ngắn hạn như  
sau:  
푷풋풎풂풙 − 푷풋풎풊풏  
푽풎풋 풂풙  
=
Tạo bầy đàn ban  
푹
Trong đó R là số được chọn trước của các  
khoảng thời gian trong chiều thứ j. Trong tất  
cả các thử nghiệm theo bằng PSO, Vjmax được  
đặt trong khoảng từ 10 - 20% so với giá trị mỗi  
chiều.  
Đánh giá mức độ phù hợp của bầy đàn  
ban đầu, sử dụng phương trình (1)  
Tìm best (pbest) của mỗi cá thể và best  
(pbest) của cả bầy đàn  
Bước 3: Các giá trị của hàm mục tiêu của  
các cá thể được đánh giá bằng phương trình  
(17). Các giá trị này được đặt là giá trị pbest  
của các cá thể.  
Cập nhật tốc độ của các cá thể, dùng  
phương trình (2)  
Cập nhật vị trí của từng cá thể, dùng  
phương trình (3) để đạt được vị trí mới của  
các cá thể  
Bước 4: Giá trị tốt nhất trong tất cả các  
giá trị pbest được gán cho gbest  
Bước 5: Các tốc độ mới đối với tất cả các  
kích thước trong mỗi cá thể được tính toán qua  
phương trình (1).  
Đánh giá mức độ phù hơp của các cá  
thể mới  
Tìm best (pbest) và best  
(pbest)  
Bước 6: Vị trí của mỗi cá thể được cập  
nhật dùng phương trình (2).  
Bước 7: Các giá trị hàm mục tiêu được  
tính toán để cập nhật các vị trí của các cá thể.  
Nếu giá trị mới tốt hơn giá trị pbest trước đó  
thì giá trị mới được đặt là pbest.  
S
Kiểm tra  
số bước lặp = số  
Đ
Gbest của thế hệ cuối cùng  
là phương án tối ưu  
Bước 8: Giá trị gbest hiện hành trong số  
giá trị pbest đã được cập nhật được xác định.  
Hình 3. Thuật toán PSO để giải quyết  
bài toán điều phối thủy-nhiệt điện  
HVTH:PHAN CHÍ THUẬN  
8
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
Bước 9: Giá trị gbest hiện hành được so  
sánh với gbest trước đó và được cập nhật nếu  
nó nhỏ hơn gbest trước đó. Nếu số bước lặp  
thỏa điều kiện dừng thì cá thể có gbest là  
phương án tối ưu. Ngược lại thủ tục được lặp  
lại từ bước (5).  
5 KẾT QUẢ VÀ THẢO LUẬN  
Áp dụng phần mềm Matlab để thực  
Hình 4. Nhu cầu tải hàng ngày hệ thống  
1.  
hiện việc điều phối ngắn hạn trong ngày để  
tối ưu công suất phát giữa các nhà máy  
thủy điện và nhiệt điện cho hai hệ thống  
điển hình khác nhau từ đó đưa ra kết quả  
so sánh từng phương pháp, ưu và nhược  
điểm từng phương pháp lập lịch điều phối  
công suất.  
Giới hạn công suất của nhà máy nhiệt điện  
là:  
50 ≤ PT ≤ 600 MW  
Giới hạn công suất của nhà máy thủy điện  
là:  
50 ≤ PH ≤ 450 MW  
5.1 Hệ thống 1  
Hình 5, hình 6 và 7 thể hiện kết quả  
tính toán bằng ngôn ngữ lập trình  
MATLAB với ba phương pháp: Phương  
pháp Lagrange, phương pháp GA và  
phương pháp PSO cho hệ thống 1.  
Một hệ thống có một nhà máy nhiệt  
điện và một nhà máy thủy điện. (Bài toán  
được thực hiện điều phối lập lịch cho bài  
ví dụ 4.7 trang 111 sách “Optimization of  
Power System Operation-Wiley-IEEE  
Press (2015)” tác giả Jizhong Zhu [23]  
Đặc tính vào - ra của nhà máy nhiệt điện  
là:  
2
F =0.00035PT + 0.4PT + 3 Btu/h  
Đặc tính vào-ra của nhà máy thủy điện là:  
Hình 5. Hàm fitness thuật toán Lagrange  
hệ thống một  
2
W =0.0015PT + 0.8PT + 6  
m3/s  
Nước tiêu thụ hàng ngày của nhà máy thủy  
điện là:  
푊∑ = 1.5 × 107 푚3  
HVTH:PHAN CHÍ THUẬN  
9
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
Chi phí (Btu/h)  
3500  
3000  
2500  
2000  
1500  
1000  
500  
2979,9  
2804,7  
2640  
1187,4  
1111,3  
1080,7  
979,6976  
1075,5  
854,4679  
Hình 6. Hàm fitness thuật toán GA hệ  
thống một  
0
0h -8h  
Lagrange  
8h - 18h  
GA  
18h - 24h  
PSO  
Hình 8: Chi phí cho ba phương pháp  
Lagrange, phương pháp GA và PSO hệ  
thống một  
và chênh lệch chi phí tổng cho 24 giờ  
là không lớn phương pháp Lagrange là  
4895.698 (Btu/h), Phương pháp thuật toán  
duy truyền (GA ) là 4909.868 (Btu/h),  
phương pháp tối ưu hóa bầy đàn (PSO ) là  
4908.1(Btu/h) ( Bảng 1).  
Hình 7. Hàm fitness thuật toán PSO hệ  
thống một  
Tổng lượng nước thu được cho 3  
phương pháp: W∑ =1.5000e+07 (m3).  
Hình 8: Chi phí cho ba phương pháp  
Lagrange, phương pháp GA và PSO hệ  
thống một với các giá trị chi phí cho các  
khoảng thời gian từ 0h – 8h, từ 8h – 18h,  
và từ 18h – 24h. Ta thấy rằng các giá trị  
chi phí cho các khoảng thời gian là tương  
đương nhau  
HVTH:PHAN CHÍ THUẬN  
10  
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
푊∑ = 6 × 104 푚3  
Bảng 1: Tổng hợp kết quả chạy  
chương trình của phương pháp Lagrange,  
Với đồ thị phụ tải như sau:  
phương pháp GA và PSO hệ thống một.  
Chi  
Thời gian (giờ)  
P
(M  
W)  
phí  
(Btu/  
h)  
Từ 0h – Từ 8h – Từ 18h  
8h  
18h  
– 24h  
245.7 486.5 348.9  
930 377 693  
104.2 213.4 151.0  
070 623 307  
217.9 509.9 339.6  
549 470 734  
132.1 190.0 160.3  
161 994 167  
267.5 464.0 368.4  
628 665 637  
82.43 235.9 131.5  
70 331 361  
Pt  
Ph  
Pt  
4895.  
698  
Lagra  
nge  
4909.  
868  
GA  
Hình 9. Sơ đồ phụ tải ngày hệ thống 2  
Hình 10, hình 11 và 12 thể hiện kết  
quả tính toán bằng ngôn ngữ lập trình  
MATLAB với ba phương pháp: Phương  
pháp Lagrange, phương pháp GA và  
phương pháp PSO cho hệ thống 2.  
Ph  
Pt  
4908.  
1
PSO  
Ph  
5.2 Hệ thống hai  
Một ví dụ về hệ thống thủy - nhiệt  
điện gồm có 3 nhà máy nhiệt điện và 1 nhà  
máy thủy điện, hàm chi phí của các nhà  
máy nhiệt điện là:  
CT(PT1)= 0.015PT12+ 0.1PT1+ 150(Rs/h)  
CT(PT2)= 0.030PT22+ 0.1PT2+ 120 (Rs/h)  
CT(PT2)= 0.030PT22+ 0.1PT2+ 110 (Rs/h)  
Hàm xả nước và công suất của nhà máy  
thủy điện:  
Hình 10. Hàm fitness thuật toán  
Lagrange hệ thống hai  
q = 0.06 PH2 +20 PH+140  
(Rs/h)  
Ràng buộc công suất tại các nhà máy  
nhiệt điện và thủy điện.  
20 ≤ PT1 ≤ 200 MW  
20 ≤ PT2 ≤ 150 MW  
10 ≤ PT3 ≤ 150 MW  
Hình 11. Hàm fitness thuật toán GA hệ  
thống hai  
5 ≤ PH ≤ 200 MW  
Nước tiêu thụ hàng ngày của nhà máy  
thủy điện là:  
HVTH:PHAN CHÍ THUẬN  
11  
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
duy truyền (GA ) là 27494.5(Rs/h),  
phương pháp tối ưu hóa bầy đàn (PSO ) là  
27153.4 (Rs/h) (Bảng 2).  
Bảng 2: Tổng hợp kết quả chạy  
chương trình của phương pháp  
Lagrange, phương pháp GA và PSO hệ  
thống hai.  
Hình 12. Hàm fitness thuật toán PSO  
hệ thống hai  
Tổng lượng nước thu được cho 3  
Thời gian (giờ)  
Từ  
Chi  
phí  
(Rs/  
h)  
P
(M  
W)  
Từ  
18h –  
24h  
181.1  
673  
90.58  
37  
90.58  
37  
137.6  
653  
212.2  
523  
106.0  
612  
106.0  
612  
phương pháp: 푊∑ = 6.0000e+04 (m3),  
Hình 13: Chi phí cho ba phương pháp  
Lagrange, phương pháp GA và PSO hệ  
thống một với các giá trị chi phí cho các  
khoảng thời gian từ 0h – 3h, từ 3h – 11h,  
từ 11h – 18h và từ 18h – 24h. Ta thấy rằng  
các giá trị chi phí cho các khoảng thời gian  
là tương đương nhau  
Từ 0h Từ 3h  
– 3h  
11h –  
18h  
– 11h  
126.3  
652  
63.18  
26  
63.18  
26  
47.26  
97  
130.7  
792  
65.43  
70  
65.43  
70  
38.55  
44  
140.0  
657  
153.7  
662  
Pt1  
Pt2  
Pt3  
Ph  
La  
g
Ra  
n
70.03  
28  
76.88  
31  
2687  
1.1  
70.03  
28  
76.88  
31  
ge  
69.86  
86  
92.46  
75  
133.9  
279  
132.5  
913  
Pt1  
Pt2  
Pt3  
Ph  
66.99  
58  
66.29  
29  
2749  
4.5  
G
A
66.99  
58  
66.29  
29  
82.16  
14  
134.9  
491  
75.61  
64  
Chi phí (Rs/h)  
122.9  
671  
162.1  
513  
5.295  
9
7.351  
6
Pt1  
12000  
10641  
10000  
8000  
6000  
4000  
2000  
0
73.67  
58  
73.67  
58  
5.295  
9
61.48  
35  
61.48  
35  
104.0  
644  
81.08  
72  
81.08  
72  
75.64  
94  
104.0  
644  
104.0  
644  
129.0  
165  
8409,3  
7840,5  
8695  
8405  
Pt2  
Pt3  
Ph  
2715  
3.4  
PS  
O
7559,5  
7972,5  
6536,2  
6865,7  
3182,5679  
2757,7134  
2652,9  
5.3 Thảo luận  
0h -3h  
3h - 11h 11h - 18h 18h - 24h  
Phương pháp Lagrange giải quyết vấn đề  
lập lịch tương đối tốt. Tuy nhiên, chúng khó  
khi thực hiện lập lịch cho mô hình hệ thống có  
tính phi tuyến tính cao, và Lagrange phải sử  
dụng đạo hàm khi quy mô hệ thống lớn.Ta  
thấy giải pháp tối ưu chi phí bằng phương  
pháp GA dựa trên mô hình chọn lọc tự nhiên.  
Kết quả thu được không cần sử dụng đạo hàm  
, với với bài toán lớn hệ thống phức tạp thì đây  
là ưu điểm so với phương pháp Lagrange.  
Lagrange  
GA  
PSO  
Hình 13: Chi phí cho ba phương pháp  
Lagrange, phương pháp GA và PSO hệ  
thống hai  
và chênh lệch chi phí tổng cho 24 giờ  
là không lớn phương pháp Lagrange là  
26871.1(Rs/h), Phương pháp thuật toán  
HVTH:PHAN CHÍ THUẬN  
12  
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
Phương pháp PSO là một phương pháp tối ưu  
hóa ngẫu nhiên tương tự như GA. Tuy nhiên,  
PSO không có cách thức quản lý vận hành qua  
từng thế hệ như là giao nhau hoặc tương tác  
lẫn nhau. Nó có tốc độ hội tụ nhanh.  
quả cho thấy giải pháp gần như tối ưu có thể  
thu được bằng phương pháp tối ưu hóa bầy  
đàn (PSO ). Vì vậy, rõ ràng rằng với sự trợ  
giúp của thuật toán dựa trên tối ưu hóa bầy  
đàn (PSO ), có thể tìm ra một giải pháp gần  
như tối ưu hơn cho vấn đề lập lịch thủy nhiệt  
hiện có.  
Thuật toán được trình bày xác định chi  
phí nhiên liệu của việc tạo nhiệt cho từng  
khoảng thời gian và đưa ra giải pháp tối ưu.  
Tuy nhiên, các sai số trên phụ thuộc vào cách  
chọn tầm hội tụ khi chạy chương trình GA và  
PSO, sai số càng nhỏ nếu chọn tầm hội tụ càng  
nhỏ nhưng thời gian lặp sẽ càng lớn.  
Như đã nêu phương pháp sẽ phát huy kết  
quả tốt hơn phương pháp Lagrange và GA với  
những hệ thống lớn và phức tạp. Với những  
ưu điểm đã nêu thì phương pháp PSO vượt  
trội so với các phương pháp khác, kết quả chi  
phí thu được cũng tương đương, bé hơn  
phương pháp Lagrange không đáng kể và tốt  
hơn phương pháp GA.  
Vấn đề giảm thiểu chi phí vận hành của  
hệ thống thủy nhiệt là giảm thiểu chi phí nhiên  
liệu của các nhà máy nhiệt điện chịu các ràng  
buộc đẳng thức và bất đẳng thức khác nhau do  
hoạt động của các nhà máy thủy nhiệt và mạng  
lưới hệ thống điện.  
6 KẾT LUẬN  
Một cách tiếp cận dựa trên phương pháp  
tối ưu hóa bầy đàn (PSO ) đã được đề xuất và  
chứng minh để giải quyết vấn đề điều phối  
ngắn hạn trong ngày để tối ưu công suất phát  
giữa các nhà máy thủy điện và nhiệt điện. Kết  
HVTH:PHAN CHÍ THUẬN  
13  
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
TÀI LIỆU THAM KHẢO  
[1] S.K.Gupta, Manisha Malik, “Review of Hydrothermal Scheduling Technique",  
Conference Paper · September 2016.  
[2] PGS.TS. Quyền Huy Ánh, “Vận hành tối ưu hệ thống điện” Trường đại học sư phạm kỹ  
thuật thành phố HCM, 01-2016  
[3] E. Gil, J. Bustos, and H. Rudnick. “Short-term hydrothermal generation scheduling model  
using a genetic algorithm”. IEEE Transactions on power systems, 18(4):1256–1264, 2003.  
[4] D.P. Kothari and J.S. Dhillon. “Power System Optimization”. PHI Learning Private  
Limited, 2011  
[5] N. Jimknez Redondo and A. J. Conejo “Short-Term Hydrothermal Coordination by  
Lagrangian Relaxation: Solution of the Dual Problem”, IEEE Transactions on Power Systems, Vol.  
14, No. 1, February 1999  
[6] Thang Trung Nguyen and Dieu Ngoc Vo “Multi-Objective Short-Term Fixed Head  
Hydrothermal Scheduling Using Augmented Lagrange Hopfield Network”, J Electr Eng Technol  
Vol. 9, No. 6: 1882-1890, 2014  
[7] Md. Sayeed Salam , Khalid Mohamed Nor and Abdul Razak Hamdan “Hydrothermal  
Scheduling Based Lagrangian Relaxation Approach To Hydrothermal Coordination”, IEEE  
Transactions on Power Systems, Vol. 13, No. 1,February 1998  
[8] Esteban Gil, Julian Busto and Hugh Rudnick “Short-Term Hydrothermal Generation  
Scheduling Model Using a Genetic Algorithm” IEEE TRANSACTIONS ON POWER SYSTEMS,  
VOL. 18, NO. 4, NOVEMBER 2003  
[9] V. Senthil Kumar , M.R. Mohan “A genetic algorithm solution to the optimal short- erm  
hydrothermal scheduling” Electrical Power and Energy Systems 33 ,2011  
[10] Atul Kumar Sharma, Rachna Tyagi and S. P. Singh, Student Member, “Short Term  
Hydrothermal Scheduling using Evolutionary Programming”, International Journal of Inventions in  
Reasearch, Engineering Science and Technology (IJIREST),Vol.1, No.1, April 2014  
[11] Budi Santosa Teknik Industri, ITS Kampus ITS, Sukolilo Surabaya, “Tutorial Particle  
Swarm Optimization”,  
[12] Adham Atyabi and Sepide Samadzadegan “Particle Swarm Optimization : A Survey”  
HVTH:PHAN CHÍ THUẬN  
14  
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
[13] K.K. Mandal and N. Chakraborty. “Optimal scheduling of cascaded hydrothermal  
systems using a new improved particle swarm optimization technique”. Smart Grid and Renewable  
Energy, 2:282–292, 2011.  
[14] G. Sreenivasan, C.H. Saibabu, and S. Sivanagaraju. “Pso based short-term hydrothermal  
scheduling with prohibited discharge zones”. (IJACSA) International Journal of Advanced  
Computer Science and Applications, 2(9):97–105, 2011.  
[15] P.K. Hota, A.K. Barisal, and R. Chakrabarti. “An improved pso technique for short-term  
optimal hydrothermal scheduling”. Electric Power Systems Research, 79:1047–1053, 2009  
[16] Lê Anh Dũng, Võ Ngọc Điều, Ngô Quốc Hưng, “Áp dụng thuật toán PSO cải tiến phân  
bố tối ưu công suất phản kháng và áp dụng cho lưới điện 110 kV Miền Nam”, TẠP CHÍ PHÁT  
TRIỂN KHOA HꢀC &CÔNG NGHỆ, TẬP 20, SỐ K8-2017.  
[17] Vo Ngoc Dieu, Le Anh Dung, and Nguyen Phuc Khai, “Particle Swarm Optimization  
with Constriction Factor for Optimal Reactive Power Dispatch”, GMSARN International Journal 7  
(2013) 31 - 40  
[18] Nguyễn Hoàng Linh, Nguyễn Minh Tâm, Huỳnh Đức Chấn “Opimal Power System  
Stabilizer Parameters Tuned By Particle swarm optimization” Hội nghị toàn quốc lần thứ 7 về Cơ  
Điện tử - VCM-2014.  
[19] M. A. Abido, “Optimal Design of Power–System Stabilizers Using Particle Swarm  
Optimization”, IEEE TRANSACTIONS ON ENERGY CONVERSION, VOL. 17, NO. 3,  
SEPTEMBER 2002.  
[20] Meysam Shamshiri, Chin Kim Gan, Kamaruzaman Jusoff, Ihsan Jabbar Hasan, Mohd  
Ruddin  
AbGhani and Mariana Yusoff , “Using Particle Swarm Optimization Algorithm in the  
Distribution System Planning”, Article in Australian Journal of Basic and Applied Sciences · March  
2013.  
[21] MUSA O. ABDALLA, “Particle swarm optimization (PSO) for structural damage  
detection”, January 2009.  
[22] James Kennedy and Russell Eberhart, “Particle Swarm Optimization”, 1995.  
[23] Jizhong Zhu – “Optimization of Power System Operation” IEEE Press Series on Power  
Engineering -Wiley-IEEE Press (2015)  
HVTH:PHAN CHÍ THUẬN  
15  
LUẬN VĂN: VẬN HÀNH HỆ THỐNG ĐIỆN  
GVHD:TS. NGUYỄN NHÂN BỔN  
Tác giả chịu trách nhiệm bài viết:  
Họ tên: Phan Chí Thuận  
Đơn vị: Th.S: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh  
Điện thoại: 0374592224  
Email: [email protected]  
Tp. Hồ Chí Minh, ngày.29.tháng 06 .năm 2020  
Giảng viên hướng dẫn  
(Ký & ghi rõ họ tên)  
Nguyễn Nhân Bổn  
HVTH:PHAN CHÍ THUẬN  
1
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 2019-2020 của Thư viện Trường Đại học  
Sư phạm Kỹ thuật Tp. Hồ Chí Minh.  
pdf 17 trang Mãnh Khiết 09/01/2024 23100 Free
Download
Bạn đang xem tài liệu "Điều phối ngắn hạn trong ngày để tối ưu công suất phát giữa các nhà máy thủy điện và nhiệt điện", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

File đính kèm:

  • pdfdieu_phoi_ngan_han_trong_ngay_de_toi_uu_cong_suat_phat_giua.pdf