Tối ưu công suất phát trong điều kiện bất định cho mạng điện nhỏ nối lưới

ong
khoảng để đảm bảo cân bằng công suất.
Các bước thực hiện bài toán của phương pháp đề xuất
như Hình 4.
ÁP DỤNG VÀ KẾT QUẢ
Cho mạng điện nhỏ MG hạ thế17 gồm hai RES, hai
MT vàmột FC, ba tải nhưHình 5. Thông sốmáy phát,
thông số tải và nguồn phát RES lần lượt theo Bảng 1
và Bảng 2.
Bảng 1: Thông sốmáy phát
Máy
phát
Hàm chi phí (€/h) Giới hạn
công suất
(kW)
MT1 20:105:5P2 + 50:105:5P +
100:105:5
[0,160]
MT2 100:105:5P2 + 40:105:5P +
140:105:5
[0,240]
FC 10:105:5P2 + 20:105:5P +
20:105:5
[0,260]
Lưới
U
0.04U [0,600]
Bảng 2: Thông số tải và của nguồn RES
Trường
hợp
khảo
sát
PL (KW) PRES
(KW)
P’LT
(KW)
P’LF
(KW)
1 350 70-90 260 280
2 500 85-110 390 415
3 700 50-70 630 650
MGcó thể vận hành ở hai chế độ: nối lưới và tách lưới.
Tổng công suất phát tối đa củaMT1,MT2 và FC là 660
kW.Khi ở chế độ tách lưới có thể xuất hiện tình huống
sa thải tải nếu như công suất phát của RES thấp và tải
ở mức cao. Ở chế độ nối lưới công suất có thể được
lấy từ lưới điện, tùy thuộc vàomối tương quan của giá
điện và chi phí phát điện của bamáy phát. Lưu ý là chi
phí phát một đơn vị điện năng của ba máy phát phụ
369
Tạp chí Phát triển Khoa học và Công nghệ – Kĩ thuật và Công nghệ, 3(1):366-374
Hình 3: Tiến đồng thời về lời giải tốt nhất và tệ nhất
thuộc vào lượng công suất phát do hàm chi phí phát
là hàm bậc hai theo công suất.
Trong Bảng 2, công suất của RES được dự báo trong
khoảng các giá trị. Ba trường hợp được xem xét, gồm:
tải (sau khi trừ đi công suất của RES) ởmức thấp 260-
280 kW chiếm 40% tổng công suất của ba máy phát;
tải ở mức trung bình là 390-415 kW chiếm 60% công
suất ba máy phát; tải ở mức cao 630-650 kW chiếm
96% công suất tổng ba máy phát. Khảo sát ba trường
hợp này để xem mức chất tải của các máy phát, cũng
như sự tương quan với lượng điện được mua từ lưới.
Bỏ qua công suất của bộ lưu trữ năng lượng (storage
1).
Giải thuật PSO được thực thi. Sau khi thay đổi các giá
trị c1, c2, thay đổi dân số và số bước lặp tối đa, các
thông số sau đã được chọn: c1 = c2 =
p
2, dân số là
50 và số bước lặp tối đa là 25.
Khi MG nối lưới quamáy cắt thông thường
Nút lưới đóng vai trò nút swing nên công suất lấy từ
lưới sẽ nằm trong khoảng [UT , UF ]
Công suất phát có xu hướng dồn về máy phát MT1 và
FC, hạn chế lấy công suất từ máy phát MT2 và lưới.
Điều này được giải thích là do hàm chi phí phát của
MT2 có giá trị cao hơn, nghĩa là MT1 và FC sẽ cho
hiệu quả kinh tế cao hơn. Máy phát MT2 phát công
suất nhỏ hơn hai máy còn lại. Nhìn vào Bảng 1 nhận
thấy là chi phímuamột đơn vị công suất từ lưới là khá
cao so với chi phí phát từ MT1 và FC.
Khi P’L nhỏ và trung bình (trường hợp 1 và 2), do
MT1 và FC sẽ gánh nhiều công suất hơn, khi đó theo
đặc điểm hàm chi phí mua điện từ lưới đắt hơn so
với của MT2 nên công suất lấy từ lưới sẽ là nhỏ nhất.
Ngược lại ở trường hợp 3 khi P’L lớn, MT1 và FC phát
hết công suất, còn 210 kW được phân chia giữa lưới
và MT2. Nếu MT2 chất tải nhiều hơn, bây giờ theo
đường đặc tính chi phí phát sẽ đắt hơn so với mua từ
lưới nên lấy từ lưới nhiều hơn. Giả sử trong Bảng 3,
nếu choMT2 phát 146 kWvà lấy từ lưới 64 kW thì chi
phí sẽ là khoảng 20€, lớn hơn so với lời giải thu được
là 10.9325€.
Đối với trường hợp 1 và 2, mặc dù khi P’L không cao,
song vẫn có giá trị UF khác 0. Lý do là nút lưới đóng
vai trò như nút cân bằng. Khi P’L rơi vào bất kỳ giá
trị nào trong khoảng [P’LT , P’LF ], do các máy phát
không thay đổi công suất đã tìm được từ bài toán tối
ưu, lượng công suất không cân bằng này được lấy từ
lưới trong khoảng từ [0, 20] cho trường hợp 1 và [0,
25] cho trường hợp 2.
Như vậy, khi công suất đầu ra RES rơi vào khoảng thì
mọi giá trị của T cũng sẽ thuộc khoảng. Ví dụ cho
trường hợp 3, khi công suất RES là 90 kW, giá trị tối
ưu của T là 10.9325, còn khi công suất RES là 70 kW
thì chi phí tối ưu là 11.8325. Khi công suất RES rơi
370
Tạp chí Phát triển Khoa học và Công nghệ – Kĩ thuật và Công nghệ, 3(1):366-374
Hình 4: Các bước thực hiện bài toán
Bảng 3: Công suất phát tối ưu khi MG nối lưới quamáy cắt thông thường
Trường hợp khảo sát 1 2 3
Công suất phát tối ưu (KW) MT 1 79.3116 123.2168 160.0000
MT 2 19.9991 20.0000 64.0000
FC 160.6892 246.7832 260.0000
UT 0.0000 0.0000 146.0000
UF 20.0000 25.0000 166.0000
Chi phí tối ưu min

T T (€/h) 1.3468 3.0285 10.9325
Chi phí tối ưu max

TF (€/h) 2.1468 4.0285 11.8325
371
Tạp chí Phát triển Khoa học và Công nghệ – Kĩ thuật và Công nghệ, 3(1):366-374
Hình 5: Mạng điện nhỏ hạ thế
vào trị bất kỳ trong khoảng từ 70 tới 90, giá trị T sẽ
thuộc khoảng [10.9325, 11.8325], trong khi đó công
suất lấy từ lưới tương ứng là khoảng [146, 166].
KhiMGnối lưới quabộđiềukhiển công suất
Máy phát FC được cho là máy phát cân bằng. Kết quả
giải bài toán được cho trong Bảng 4.
Nút có FC đóng vai trò nút swing nên công suất phát
của FC sẽ nằm trong khoảng [PTswing ,PFswing]
Ở trường hợp 3, nếu như ở Bảng 3 công suất của
FC luôn phát công suất định mức 260 kW thì trong
Bảng 4 sẽ thuộc khoảng [239, 259]. Khi P’L là 630kW
thì FC phát 239 KW, còn khi P’L là 650 thì FC phát
259 kW
Do nối lưới qua bộ điều khiển công suất, công suất
lấy từ lưới được điều khiển theo trị cho trước, như
trong Bảng 4. Khi công suất P’L được dự báo cho
trong khoảng, ví dụ cho trường hợp 3 là [630-650]
kW, công suất lấy từ lưới, công suất phát của MT1,
MT2 được cố định như trong Bảng 4, còn công suất
của FC sẽ thuộc [239,259].
Ở trường hợp 1 và 2 khi P’L nhỏ và trung bình, các
giá trị của Bảng 3 đều nhỏ hơn hẳn của Bảng 4. Đó là
vì do điện mua từ lưới đắt, lẽ ra không cần lấy từ lưới,
song do lưới có vai trò cân bằng lượng công suất khi
có P’LF nên bắt buộc phải lấy từ lưới, ví dụ là 20 kW
cho trường hợp 1.
Như vậy, khi công suất đầu ra RES rơi vào khoảng thì
mọi giá trị tối ưu của T sẽ thuộc khoảng. Ví dụ cho
trường hợp 3, khi công suất RES là [70-90] kW, giá
trị tối ưu T sẽ nằm trong khoảng [11.4722, 11.7886].
Lượng điện phát ra từ máy phát 3 sẽ là [239.1052,
259.1052].
THẢO LUẬN
Nếu xét đến sự phát khí thải trong MG, bài báo cần
đưa vào hàm chi phí phát thải của các máy phát. Hàm
này là một hàm tuyến tính với công suất phát. Khi
đó hàm mục tiêu sẽ gồm ba thành phần. Tuy nhiên
phương pháp tiếp cận và ý tưởng của bài báo vẫn
không thay đổi.
KẾT LUẬN
Tối ưu phân bố công suất giữa máy phát là bài toán
kinh điển. Tuy nhiên trong MG, sự hiện diện của các
nguồn phát dựa trên năng lượng gió và mặt trời làm
cho việc giải bài toán trên trở thành một thách thức
do có ràng buộc cân bằng công suất có RHS ở dạng
khoảng. Cách tiếp cận đề xuất coi bài toán tối ưu này
thành bài toán hai mục tiêu, tiến đồng thời tới lời giải
tối ưu tốt nhất và tối ưu tệ nhất. Bài báo đề xuất xây
dựng hai hàm thành phần phù hợp cho hai mục tiêu.
Sử dụng nguyên lý Belman-Zadeh và giải thuật tối ưu
bầy đàn là hiệu quả để tìm ra tổ hợp công suất phát và
mua điện tối ưu. Một nút trong MG cần được chọn
đóng vai trò cân bằng sự bất định của công suất phát
điện gió, mặt trời. VớiMG nối lưới quamáy cắt thông
thường, lưới được coi như nút cân bằng, còn khi nối
lưới qua bộ điều khiển công suất, nút phát có thiết bị
điều chỉnh tần số đảm nhận vai trò này.
LỜI CẢMƠN
Nghiên cứu này được tài trợ bởi Đại học Quốc gia
TP.HCM (VNU-HCM), trong khuôn khổ đề tài mã
số B2019-20-07.
Chúng tôi xin cảm ơn Trường Đại học Bách khoa ,
ĐHQG-HCM đã hỗ trợ thời gian, phương tiện và cơ
sở vật chất cho nghiên cứu này.
372
Tạp chí Phát triển Khoa học và Công nghệ – Kĩ thuật và Công nghệ, 3(1):366-374
Bảng 4: Công suất phát tối ưu khi MG nối lưới qua bộ điều khiển công suất
Trường hợp khảo sát 1 2 3
Công suất phát tối ưu (KW) Lưới U 0.0000 0.0000 176.7517
MT1 80.8648 135.8000 159.9887
MT2 20.0000 19.2000 54.1545
FC: PTswing 159.1352 235.0000 239.1052
FC: PFswing 179.1352 260.0000 259.1052
Chi phí tối ưu

T T (€/h) 1.3555 3.0472 11.4722
Chi phí tối ưu

TF (€/h) 1.5706 3.4401 11.7886
DANHMỤC TỪ VIẾT TẮT
MG:mạng điện nhỏ- Microgrid
RES: nguồn phát dựa trên năng lượng tái tạo-
Renewable Energy Sources
PSO: tối ưu bầy đàn- Particle Swarm Optimization
RHS: vế phải -Right Hand Side
ĐVTT-đơn vị tiền tệ
MT: turbine nhỏ-Microturbine
FC: pin nhiên liệu- Fuel Cell
€: đơn vị tiền tệ của thị trường chung châu Âu-Euro
XUNGĐỘT LỢI ÍCH
Nhóm tác giả cam đoan rằng không có bất kỳ xung
đột lợi ích nào trong công bố bài báo.
ĐÓNGGÓP CỦA CÁC TÁC GIẢ
Phan Thị Thanh Bình, Phan Quốc Dũng đưa ra ý
tưởng, giải thuật;
Phạm Đình Minh, Trần Minh Hưng đảm nhận phần
lập trình;
Nguyễn Đức Hưng đảm nhận phần số liệu, viết bài.
TÀI LIỆU THAMKHẢO
1. Zhao B, Dong X, Luan W, Bornemann X. Short-term opera-
tion scheduling in renewable-powered microgrids: A duality-
based approach. IEEE Trans Sustain Energy. 2014;5:209–217.
Available from: https://doi.org/10.1109/TSTE.2013.2279837.
2. Jiang Q, Xue M, Geng G. Energy management of microgrid
in grid-connected and stand-alone modes. IEEE Trans Power
Syst. 2013;28:3380–3389. Available from: https://doi.org/10.
1109/TPWRS.2013.2244104.
3. Mazidi M, Zakariazadeh A, Jadid S, Siano P. Inte-
grated scheduling of renewable generation and de-
mand response programs in a microgrid. Energy
Convers Manag. 2014;86:1118–1127. Available from:
https://doi.org/10.1016/j.enconman.2014.06.078.
4. Mohammad S, Soleymani S, Mozafari B. Scenario-based
stochastic operation management of microgrid including
wind, photovoltaic, micro-turbine, fuel cell and energy stor-
age devices. Int J Electr Power Energy Syst. 2014;54:525–535.
Available from: https://doi.org/10.1016/j.ijepes.2013.08.004.
5. WuH, Liu X, DingM. Dynamic economic of amicrogrid: Math-
ematical models and solution algorithm. Int J Electr Power
Energy Syst. 2014;63:336–346. Available from: https://doi.org/
10.1016/j.ijepes.2014.06.002.
6. Lin WM, Tu CS, Tsai MT. Energy Management Strategy
for Microgrids by Using Enhanced Bee Colony Optimization.
Energies. 2016;9:5. Available from: https://doi.org/10.3390/
en9010005.
7. Chakraborty S, Ito T, Senjyu T, Saber AY. Intelligent eco-
nomic operation of smart-grid facilitating fuzzy advanced
quantum evolutionary method. IEEE Trans Sustain Energy.
2013;4:905–916. Available from: https://doi.org/10.1109/
TSTE.2013.2256377.
8. Liao GC. Solve environmental economic dispatch of smart
microgrid containing distributed generation system-Using
chaotic quantum genetic algorithm. Int J Electr Power En-
ergy Syst. 2012;43:779–787. Available from: https://doi.org/
10.7312/li--16274-044.
9. Wu YK, Su PE, Wu TY, Hong JS, Hassan MY. Probabilistic Wind-
Power Forecasting using Weather Ensemble Models. IEEE
Trans On Industry Application. 2018;54:5609–5620. Available
from: https://doi.org/10.1109/TIA.2018.2858183.
10. Pinson P, Kariniotakis G, Nielsen HA, Nielsen TS, Madsen H.
Properties of quantile and interval forecast of win generation
and their evaluation. Proccedings of the European Wind En-
ergy Conference & Exhibition. 2006;p. 2–6.
11. Tuohy A, Meibom P, Denny E, O’Malley M. Unit Commit-
ment for Systems With Significant Wind Penetration, Power
Systems. IEEE Transactions on. 2009;24(2):592–601. Available
from: https://doi.org/10.1109/TPWRS.2009.2016470.
12. Wang MQ, Gooi HB. Spinning Reserve Estimation in Micro-
grids, Power Systems. IEEE Transactions on. 2011;26(3):1164–
1174. Available from: https://doi.org/10.1109/TPWRS.2010.
2100414.
13. Wang Y, Xia Q, Kang C. Unit Commitment With Volatile Node
Injections by Using Interval Optimization. Power Systems,
IEEE Transactions on. 2011;26(3):1705–1713. Available from:
https://doi.org/10.1109/TPWRS.2010.2100050.
14. Firouzi BB, Farjah E, Abarghooee RA. An efficient scenario-
based and fuzzy self-adaptive learning particle swarm opti-
mization approach for dynamic economic emission dispatch
considering load and wind power uncertainties. Energy.
2013;50:232–244. Available from: https://doi.org/10.1016/j.
energy.2012.11.017.
15. Keyhani A, Marwali M. Smart Power Grids 2011. Springer.
2012;p. 50–81. Available from: https://doi.org/10.1007/978-3-
642-21578-0.
16. Bellman RE, Zade LA. Decision Making in A Fuzzy Environ-
ment. ManagementScience. 1970;Available from: https://doi.
org/10.1287/mnsc.17.4.B141.
17. Deckmyn C, Vyver JVD, Vandoorn TL, Meersman B, Desmet J,
Vandevelde L. Day-ahead unit commitment model for micro-
grids. IET Generation, Transmission & Distribution. 2016;p. 1–
9. Available from: https://doi.org/10.1049/iet-gtd.2016.0222.
373
Science & Technology Development Journal – Engineering and Technology, 3(1):366-374
Open Access Full Text Article Research Article
Ho Chi Minh City University of
Technology (HCMUT), VNU-HCM,
Vietnam
Correspondence
Phan Thi Thanh Binh, Ho Chi Minh City
University of Technology (HCMUT),
VNU-HCM, Vietnam
Email: pttbinh@hcmut.edu.vn
History
 Received: 06-11-2019
 Accepted: 10-12-2019
 Published: 09-4-2020
DOI : 10.32508/stdjet.v3i1.631
Copyright
© VNU-HCM Press. This is an open-
access article distributed under the
terms of the Creative Commons
Attribution 4.0 International license.
The optimal generator dispatching with uncertain conditions for
grid-connectedmicrogrid
Phan Quoc Dung, Phan Thi Thanh Binh*, PhamDinhMinh, TranMinh Hung, Nguyen Duc Hung
Use your smartphone to scan this
QR code and download this article
ABSTRACT
Nowadays, the penetration of wind and solar sources is relatively high in Micro Grid. Wind speed
and solar radiation forecasting hardly gives an exact value and leads to the values in intervals. There-
fore, forecasted output powers of these sources are also in the intervals. The constraint on power
balance in Micro Grid has the right-hand-side uncertainty, in the interval. So for Micro-Grid in grid
connection mode, the presence of the distributed generations based on wind and solar energy
sources makes optimal dispatching problems of distributed generations become an uncertainty
problem. The optimal solutions for the lower and upper ends of this interval are the best and the
worst optimal solution. This paper proposes to treat the above problem as the optimal problem
with two objectives: reach the best and the worst solution. The principle of fuzzy set and the Par-
ticle Swarm Optimization algorithm will be applied for solving the multi-objective problem. The
final optimal value will belong to an interval. Meanwhile, the output power of the swing generator
varies to respond to the uncertainty of wind and solar source power. An example of a low-voltage
MG with three distributed generators is considered with two cases: connecting to the utility grid
via the circuit breaker and via power controller.
Key words: Micro Grid (MG), optimal dispatching, right-hand-side interval
Cite thisarticle : DungPQ, BinhPTT,MinhPD,HungTM,HungND.Theoptimalgeneratordispatching
withuncertain conditions forgrid-connectedmicrogrid. Sci. Tech. Dev. J. –EngineeringandTechnology;
3(1):366-374.
374