Tối ưu công suất phát trong điều kiện bất định cho mạng điện nhỏ nối lưới
Hiện nay sự thâm nhập của điện gió và mặt trời trong mạng điện nhỏ là khá cao. Việc dự báo tốc
độ gió hay bức xạ mặt trời khó có thể đưa ra một giá trị chính xác và thường đưa ra khoảng các giá
trị. Do đó công suất đầu ra được dự báo của các nguồn này có thể được cho dưới dạng khoảng
các giá trị. Điều kiện ràng buộc về cân bằng công suất trong mạng điện nhỏ sẽ có vế phải ở dạng
bất định, dạng khoảng. Như vậy trong mạng điện nhỏ kết lưới, sự có mặt của các nguồn phát dựa
trên gió và mặt trời làm cho bài toán phân bố công suất phát tối ưu giữa các máy phát phân bố trở
thành bài toán có yếu tố bất định. Lời giải tối ưu của hai cận dưới và trên của khoảng này sẽ cho
ra lời giải tối ưu tốt nhất và tệ nhất. Bài báo này đề xuất xem xét bài toán tối ưu trên như bài toán
hai mục tiêu: đạt lời giải tối ưu tốt nhất và tệ nhất. Nguyên lý của lý thuyết mờ và giải thuật tối ưu
bầy đàn được áp dụng để giải bài toán tối ưu đa mục tiêu. Giá trị tối ưu của bài toán sẽ nằm trong
khoảng, còn công suất của máy phát đóng vai trò nút cân bằng cũng sẽ thay đổi trong khoảng để
đáp ứng sự bất định của công suất điện gió và mặt trời. Một ví dụ cho mạng điện nhỏ hạ thế có
ba nguồn phát được xem xét cho cả hai tình huống: nối lưới qua máy cắt thông thường và qua bộ
điều khiển công suất.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Tóm tắt nội dung tài liệu: 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 20:10 5:5P2 + 50:10 5:5P + 100:10 5:5 [0,160] MT2 100:10 5:5P2 + 40:10 5:5P + 140:10 5:5 [0,240] FC 10:10 5:5P2 + 20:10 5:5P + 20:10 5:5 [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
File đính kèm:
- toi_uu_cong_suat_phat_trong_dieu_kien_bat_dinh_cho_mang_dien.pdf