Ảnh hưởng của tỉ lệ đột biến tới kết quả ước lượng trạng thái hệ thống điện bằng thuật toán di truyền
Hệ thống điện ngày càng phát triển về cấu
trúc và công suất truyền tải. Hai vấn đề
quan trọng cần quan tâm đến đó là việc
quy hoạch hệ thống điện sao cho đảm bảo
nhu cầu phát triển điện năng và vận hành
hệ thống điện hiệu quả, an toàn. Công
việc quy hoạch hệ thống điện được hỗ trợ
bởi các chương trình tính toán trên máy
tính như dự báo phụ tải, tính toán dòng
công suất [1].
Để đảm bảo hệ thống vận hành an toàn
cần tiến hành giám sát hệ thống thông qua
việc thu thập các dữ liệu về thông số cấu
trúc và thông số chế độ. Tuy nhiên, các
dữ liệu đo gửi về trung tâm điều khiển có
thể có sai số hoặc bị mất do lỗi đường
truyền,. Việc thực hiện đo chưa xác định
được góc pha điện áp và các thiết bị đo
cũng không được đặt tại tất cả các vị trí;
vì vậy không thể trực tiếp xác định trạng
thái hệ thống. Để giải quyết các vấn đề
trên, các thuật toán ước lượng trạng thái
hệ thống được phát triển và được đưa ra
đầu tiên bởi Fred Schweppe [2, 3, 4]. Ước
lượng trạng thái hệ thống điện giúp giám
sát các thông số trạng thái, từ đó đưa ra
các quyết định điều khiển khi thông số
vượt giới hạn cho phép nhằm mục tiêu
đảm bảo hệ thống vận hành an toàn và
tin cậy.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Trang 10
Tải về để xem bản đầy đủ
Tóm tắt nội dung tài liệu: Ảnh hưởng của tỉ lệ đột biến tới kết quả ước lượng trạng thái hệ thống điện bằng thuật toán di truyền
quần thể gồm 𝑁 cá thể, mỗi cá thể gồm 𝑛 gen (số lượng biến trạng thái). Giá trị của biến Pi =Ui U j Gij cosqij + Bij sinqij( ) j=1 n å Qi =Ui U j Gij sinqij - Bij cosqij( ) j=1 n å Pij =Ui 2 gij + gsi( ) -UiU j gij cosqij + bij sinqij( ) Qij = -Ui 2 bij + bsi( ) -UiU j gij sinqij - bij cosqij( ) Iij = gij 2 + bij 2( ) Ui2 +U j2 - 2UiU j cosqij( ) TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Số 23 65 trạng thái trong từng cá thể sẽ được khởi tạo ngẫu nhiên và có giá trị nằm trong khoảng giới hạn của biến trạng thái. 2.2. Lựa chọn cá thể [23] Việc lựa chọn cá thể sẽ được thực hiện theo phương pháp bánh xe Roulette. Theo phương pháp này, xác suất một cá thể 𝑖 được lựa chọn sẽ tỉ lệ với giá trị hàm mục tiêu 𝐹𝑖 của nó: 𝑝𝑖 = 𝐹𝑖 ∑ 𝐹𝑗 𝑁 𝑗=1 (12) 2.3. Phép lai ghép đại số [24] Trong phép lai ghép đại số, hai cá thể con sẽ được tạo thành từ một cặp cá thể bố mẹ. Xét cặp cá thể bố mẹ ký hiệu là 𝐵 và 𝑀 có chuỗi gen như sau: 𝐵 = [𝐵1, 𝐵2, . . . , 𝐵𝑛] (13) 𝑀 = [𝑀1, 𝑀2, . . . , 𝑀𝑛] Khi đó, hai cá thể con 𝐶1 và 𝐶2 được tạo thành dựa trên thông tin của cá thể bố mẹ theo công thức : 𝐶1 = 𝛽. 𝐵 + (1 − 𝛽). 𝑀 𝐶2 = (1 − 𝛽). 𝐵 + 𝛽. 𝑀 (14) 𝛽 nhận giá trị trong khoảng (0, 1). Khi thực hiện lai ghép, số điểm lai ghép có thể chọn bằng 1, 2 hoặc nhiều điểm lai ghép. Nếu số điểm bằng số biến trạng thái thì khi đó cá thể con sẽ được tạo thành theo công thức (14). Giá trị của 𝛽 có thể chọn cố định hoặc khác nhau đối với các biến trạng thái. Với thuật toán đề cập trong bài báo này, thay vì việc chọn 1 hay 2 điểm lai ghép, nhóm tác giả lựa chọn kết hợp với phép lai ghép đồng nhất, cụ thể là sẽ xét từng gen trong cá thể bố mẹ và lựa chọn có hay không việc thực hiện trao đổi thông tin để tạo thành cá thể con. Đầu tiên, để xét xem có thực hiện hay không việc trao đổi thông tin của gen bố mẹ, một chuỗi gen mẫu 𝐺 có biến nhận giá trị 0 hoặc 1 được tạo ra: 𝐺 = [𝐺1, 𝐺2, . . . , 𝐺𝑛] (15) Nếu ứng với biến trạng thái 𝑖 có giá trị 𝐺𝑖 = 1 thì gen thứ 𝑖 trong cá thể con được tạo thành theo công thức sau: 𝐶1𝑖 = 𝛽𝑖. 𝐵𝑖 + (1 − 𝛽𝑖). 𝑀𝑖 𝐶2𝑖 = (1 − 𝛽𝑖). 𝐵𝑖 + 𝛽𝑖. 𝑀𝑖 (16) Trong đó giá trị 𝛽𝑖 được tạo ngẫu nhiên cho từng biến trạng thái 𝑖 và có giá trị nằm trong khoảng (0, 1). Nếu ứng với biến trạng thái 𝑖 có giá trị 𝐺𝑖=0 thì gen thứ 𝑖 trong cá thể con sẽ giữ nguyên thông tin từ cá thể bố mẹ và được tạo thành theo công thức sau: 𝐶1𝑖 = 𝐵𝑖 𝐶2𝑖 = 𝑀𝑖 (17) 2.4. Đột biến [21] Thuật toán CGA có thể hội tụ đến giá trị cực trị địa phương thay vì giá trị cực trị toàn cục, để tránh điều này phép toán đột biến được thực hiện để tác động đến giá trị biến trạng thái bằng cách ngẫu nhiên thay đổi giá trị của một số biến. Điều này sẽ làm tăng không gian tìm kiếm và tránh được vấn đề hội tụ sớm. Phép đột biến có thể được thực hiện theo những bước sau: Chọn tỉ lệ đột biến. TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) 66 Số 23 Chọn ngẫu nhiên vị trí đột biến theo tỉ lệ đột biến đã chọn. Kiểm tra vị trí đột biến để đảm bảo không thực hiện đột biến với cá thể có giá trị hàm thích nghi tốt nhất nhằm không loại bỏ nghiệm của bài toán. Thay giá trị biến tại vị trí đã chọn bằng một giá trị ngẫu nhiên nằm trong khoảng giới hạn của biến trạng thái. 2.5. Điều kiện dừng lặp Dừng lặp được xác định theo một trong hai điều kiện sau: Điều kiện 1: Số bước lặp tối đa. Điều kiện 2: giá trị hàm mục tiêu sau 300 bước liên tiếp không thay đổi. 3. ẢNH HƯỞNG CỦA TỈ LỆ ĐỘT BIẾN TỚI KẾT QUẢ ƯỚC LƯỢNG TRẠNG THÁI HỆ THỐNG ĐIỆN BẰNG THUẬT TOÁN DI TRUYỀN Để xét ảnh hưởng của tỉ lệ đột biến tới tới kết quả ước lượng trạng thái hệ thống điện bằng thuật toán di truyền, ta thực hiện tính toán ước lượng trạng thái lưới điện 5 nút và IEEE 14 nút với 21 giá trị của tỉ lệ đột biến thay đổi từ 0 đến 1 với khoảng cách đều nhau và bằng 0,05. Với mỗi một tỉ lệ đột biến ta thực hiện 05 phép mô phỏng và chọn ra kết quả tính toán tốt nhất. 3.1. Bài toán 5 nút Lưới điện 5 nút có sơ đồ như trên hình 2, các thông số của lưới điện được lấy từ [25], thông số đầu vào của bài toán được lấy từ kết quả tính toán dòng công suất. Hình 2. Sơ đồ một sợi lưới điện 5 nút Sai số lớn nhất của kết quả mô phỏng cho lưới điện 5 nút tương ứng với 21 giá trị tỉ lệ đột biến được trình bày trong bảng 1 và được vẽ trên hình 3, hình 4. Bảng 1. Sai số lớn nhất của kết quả ước lượng trạng thái lưới điện 5 nút STT Tỉ lệ đột biến Sai số môđun điện áp lớn nhất (%) Sai số góc pha điện áp lớn nhất (%) 1 0 1,757 19,817 2 0,05 0,592 1,626 3 0,1 0,566 8,061 4 0,15 0,862 1,037 5 0,2 0,992 2,875 6 0,25 1,178 3,210 7 0,3 0,335 7,508 8 0,35 1,810 14,664 9 0,4 1,069 10,011 10 0,45 0,200 5,296 11 0,5 0,196 18,278 12 0,55 2,210 7,020 13 0,6 0,598 10,522 14 0,65 1,224 14,380 15 0,7 0,853 4,434 16 0,75 0,568 8,003 17 0,8 1,325 23,634 18 0,85 0,965 5,552 19 0,9 0,261 6,179 20 0,95 1,752 4,217 21 1 0,989 5,770 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Số 23 67 Hình 3. Giá trị sai số lớn nhất của modun điện áp lưới điện 5 nút Hình 4. Giá trị sai số lớn nhất của góc pha điện áp lưới điện 5 nút Từ kết quả tính toán cho lưới điện 5 nút ta thấy giá trị ước lượng môđun điện áp có sai số lớn nhất khoảng 2,2% ứng với tỉ lệ đột biến 0,55; giá trị ước lượng góc pha điện áp có sai số cao hơn, với sai số khoảng 23,6% khi tỉ lệ đột biến là 0,8. Trường hợp tỉ lệ đột biến bằng 0,05 và 0,15, kết quả ước lượng có sai số góc pha lần lượt là khoảng 1,6% và 1,03%; môđun điện áp có sai số nhỏ hơn 0,6%. Trường hợp tỉ lệ đột biến bằng 0,45 và 0,5 có sai số môđun điện áp khoảng 0,2% nhưng sai số góc pha tương ứng là khoảng 5,3% và 18,28%. Qua kết quả mô phỏng như đã trình bày, ta thấy khi sử dụng tỉ lệ đột biến bằng 0,05 và 0,15 bài toán có kết quả ước lượng môđun điện áp và góc pha điện áp tốt hơn so với các trường hợp khác, với sai số nhỏ hơn 2%. 3.2. Lưới điện IEEE 14 nút Hình 5 thể hiện sơ đồ của lưới điện IEEE 14 nút. Các thông số của lưới được lấy từ [11]. Sai số lớn nhất của kết quả mô phỏng cho lưới điện IEEE 14 nút tương ứng với 21 giá trị tỉ lệ đột biến được trình bày trong bảng 2 và được vẽ trên hình 6, hình 7. Hình 5. Sơ đồ một sợi lưới điện IEEE 14 nút [1] 0.0 1.0 2.0 3.0 0 0.2 0.4 0.6 0.8 1 % S A I S Ố Đ IỆ N Á P TỈ LỆ ĐỘT BIẾN SAI SỐ ĐIỆN ÁP KHI THAY ĐỔI TỈ LỆ ĐỘT BIẾN (5 nút) 0 10 20 30 0.00 0.20 0.40 0.60 0.80 1.00 % S A I S Ố G Ó C P H A TỈ LỆ ĐỘT BIẾN SAI SỐ GÓC PHA ĐIỆN ÁP KHI THAY ĐỔI TỈ LỆ ĐỘT BIẾN (5 nút) TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) 68 Số 23 Bảng 2. Sai số lớn nhất của kết quả ước lượng trạng thái lưới điện IEEE 14 nút STT Tỉ lệ đột biến Sai số môđun điện áp lớn nhất (%) Sai số góc pha điện áp lớn nhất (%) 1 0 4,48 40,21 2 0,05 0,94 6,91 3 0,1 3,51 22,22 4 0,15 3,63 33,31 5 0,2 3,48 35,11 6 0,25 4,22 29,40 7 0,3 3,36 29,02 8 0,35 4,33 26,68 9 0,4 4,03 25,57 10 0,45 6,24 35,76 11 0,5 4,80 31,38 12 0,55 3,87 26,71 13 0,6 6,34 40,02 14 0,65 4,40 49,82 15 0,7 4,92 43,75 16 0,75 3,12 26,04 17 0,8 1,82 42,08 18 0,85 4,97 21,03 19 0,9 4,73 37,07 20 0,95 3,34 26,64 21 1 2,57 28,05 Hình 6. Giá trị sai số lớn nhất của môđun điện áp lưới điện IEEE 14 nút Hình 7. Giá trị sai số lớn nhất của góc pha điện áp lưới điện IEEE 14 nút Từ kết quả tính toán ta thấy đối với lưới điện IEEE 14 nút, giá trị ước lượng môđun điện áp có sai số cao nhất khoảng 6,34% ứng với tỉ lệ đột biến 0,6; giá trị ước lượng góc pha điện áp có sai số cao hơn, với sai số lên tới gần 50% khi tỉ lệ đột biến bằng 0,65. Trường hợp tỉ lệ đột biến bằng 0,05 cho kết quả ước lượng trạng thái tốt nhất cả về giá trị môđun điện áp và góc pha điện áp. 4. KẾT LUẬN Bài báo trình bày kết quả nghiên cứu ảnh hưởng của tỉ lệ đột biến tới bài toán ước lượng trạng thái hệ thống điện bẳng thuật toán di truyền cho hai trường hợp lưới điện 5 nút và lưới điện 14 nút. Các kết quả cho thấy khi thay đổi tỉ lệ đợt biến từ 0 đến 1, ước lượng trạng thái cho cả hai lưới điện nghiên cứu có kết quả tốt tại giá trị 0,05. Đối với lưới điện 5 nút, khi MP = 0,15, bài toán cũng có kết quả tốt với sai số nhỏ hơn 2%. 0 2 4 6 8 0 0.2 0.4 0.6 0.8 1 % S A I S Ố Đ IỆ N Á P TỈ LỆ ĐỘT BIẾN SAI SỐ ĐIỆN ÁP KHI THAY ĐỔI TỈ LỆ ĐỘT BIẾN (IEEE 14 nút) 0 10 20 30 40 50 60 0 0.2 0.4 0.6 0.8 1 % S A I S Ố G Ó C P H A TỈ LỆ ĐỘT BIẾN SAI SỐ GÓC PHA ĐIỆN ÁP KHI THAY ĐỔI TỈ LỆ ĐỘT BIẾN (IEEE 14 nút) TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Số 23 69 TÀI LIỆU THAM KHẢO [1] J. Ducan Glover, Mulukutla S. Sarma, Thomas J. Overbye, Power System Analysis and Design, Cengage Learning, 2011. [2] Schweppe F.C. and Wildes J., "Power System Static-State Estimation, Part I: Exact Model," IEEE Transactions on Power Apparatus and Systems, Vols. PAS-89, pp. 120-125, 1970. [3] Schweppe F.C. and Rom D.B., "Power System Static-State Estimation, Part II: Approximate Model," IEEE Transactions on Power Apparatus and Systems, Vols. PAS-89, pp. 125-130, 1970. [4] Schweppe F.C., "Power System Static-State Estimation, Part III: Implementation", IEEE Transactions on Power Apparatus and Systems, Vols. PAS-89, pp. 130-135, 170. [5] Dy Liaco T.E., "The Role and Implementation of State Estimation in an Energy Management System", International journal of Electrical Power & Energy Systems, vol. 12, no. 2, pp. 75-79, 1990. [6] L. Holten, A. Gjelsvik, S. Aam, F.F. Wu and W. -. E. Liu, "Comparison of different methods for state estimation," IEEE Transactions on Power Systems, Vols. 3, no. 4, pp. 1798-1806, 1988. [7] A. Monticelli, "Electric Power System State Estimation", Proceedings of the IEEE, Vols. 88, no. 2, pp. 262-282, 2000. [8] A. Garcia, A. Monticelli, A. Abreu, "Fast Decoupled State Estimation and Bad Data Processing", IEEE Transactions on Power Apparatus and Systems, Vols. PAS-98, no. 5, pp. 1645-1652, 1979. [9] H. Dag, F.L. Alvarado, "Toward Improved Uses of the Conjugate Gradient Method for Power System Applications", IEEE Transactions on Power Apparatus and Systems, Vols. 12, no. 3, pp. 1306-1314, 1997. [10] Dhadbanjan, Thukaram & Seshadri Sravan Kumar, V., "Linear Programming Approach for Power System State Estimation Using Upper Bound Optimization Techniques," International Journal of Emerging Electric Power Systems, pp. 11. 10.2202/1553-779X.2464., 2010. [11] Trần Thanh Sơn, Đặng Thu Huyền, Kiều Thị Thanh Hoa, "Ảnh hưởng của loại và vị trí phép đo tới kết quả ước lượng trạng thái hệ thống điện bằng thuật toán tối ưu bầy đàn," Tạp chí Khoa học và công nghệ năng lượng - Trường đại học Điện lực, vol. 19, pp. 1-8, 2018. [12] D.H. Tungadio, J.A. Jordaan, M.W. Siti, "Power System State Estimation Solution using Modified Models of PSO Algorithm: Comparative Study", Measurement, 2016. [13] D.H. Tungadio, Jacobus A. Jordaan, Willy Mukwanga Siti, B.P. Numbi, "Weighted Least Squares and Iteratively Reweighted Least Square Comparison Using Particle Swam Optimization Algorithm in Solving Power System State Estimation," in Africon, Mauritius, 2013. [14] D.H. Tungadio, BP Numbi, M.W. Siti, A.A. Jimoh, "Particle Swarm Optimization for Power System State Estimation," Neurocomputing, p. 148. 10.1016/j.neucom.2012.10.049., 2014. [15] F. Aminifar, C. Lucas, A. Khodaei and M. Fotuhi-Firuzabad, "Optimal Placement of Phasor Measurement Units Using Immunity Genetic Algorithm", IEEE Transactions on Power Delivery, Vols. 24, no. 3, pp. 1014-1020, 2009. [16] T. Kerdchuen and W. Ongsakul, "Optimal Measurement Placement for Power System State Estimation Using Hybrid Genetic Algorithm and Simulated Annealing", in International Conference on Power System Technology, Chongqing, 2006. TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) 70 Số 23 [17] A. Kumar, B. Das and J. Sharma, "Genetic Algorithm-based Meter Placement for Static Estimation of Harmonic Sources," IEEE Transactions on Power Delivery, Vols. 20, no. 2, pp. 1088-1096, 2005. [18] F. Aminifar, C. Lucas, A. Khodaei and M. Fotuhi-Firuzabad, "Optimal Placement of Phasor Measurement Units Using Immunity Genetic Algorithm", IEEE Transactions on Power Delivery, Vols. 24, no. 3, pp. 1014-1020, 2009. [19] H.H. Müller and C.A. Castro, "Genetic Algorithm-based Phasor Measurement Unit Placement Method Considering Observability and Security Criteria", ET Generation, Transmission & Distribution, Vols. 10, no. 1, pp. 270-280, 2016. [20] A.A. Hosam-Eldin, E.N. Abdallah, M.S. El-Nozahy, "A Modified Genetic Based Tecnique for Solving the Power System State Estimation Problem", World Academy of Science, Engineering and Technology International Journal of Electrical and Computer Engineering, vol. 3, no. 7, 2009. [21] Randy L. Haupt, Sue Ellen Haupt, Pratical Genetic Algorithm, Hoboken, New Jersey: John Wiley & Sons, 2004. [22] Pencheva T., Atanassov K., Shannon A., "Modelling of a Roulette Wheel Selection Operator in Genetic Algorithms Using Generalized Nets", Bioautomation, vol. 13, pp. 257-264, 2009. [23] S.S. Rao, Enginerring Optimization - Theory and Practice, Hoboken, New Jersey: John Wiley & Sons, 2009. [24] Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, New York: Springer- Verlag, 1994. Giới thiệu tác giả: Tác giả Trần Thanh Sơn tốt nghiệp Trường Đại học Bách khoa Hà Nội chuyên ngành hệ thống điện năm 2004; nhận bằng Thạc sĩ chuyên ngành kỹ thuật điện tại Đại học Bách khoa Grenoble, Cộng hoà Pháp năm 2005; nhận bằng Tiến sĩ chuyên ngành kỹ thuật điện của Đại học Joseph Fourier - Cộng hoà Pháp năm 2008. Hiện nay tác giả là Trưởng khoa Kỹ thuật điện, Trường Đại học Điện lực. Lĩnh vực nghiên cứu: ứng dụng phương pháp số trong tính toán, mô phỏng trường điện từ, các bài toán tối ưu hoá trong hệ thống điện, lưới điện thông minh. Tác giả Kiều Thị Thanh Hoa tốt nghiệp Trường Đại học Điện lực chuyên ngành kỹ thuật điện năm 2011; nhận bằng Thạc sĩ chuyên ngành kỹ thuật điện - chương trình liên kết đào tạo giữa Trường Đại học Điện lực và Đại học Palermo năm 2014. Hiện nay tác giả là giảng viên Trường Đại học Điện lực. Lĩnh vực nghiên cứu: tính toán chế độ hệ thống điện, ước lượng trạng thái hệ thống, điều khiển kết nối nguồn phân tán. TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Số 23 71
File đính kèm:
- anh_huong_cua_ti_le_dot_bien_toi_ket_qua_uoc_luong_trang_tha.pdf