Ứng dụng thuật toán NSGA II để giải bài toán cực tiểu tổn thất công suất trên lưới điện phân phối
Giảm tổn thất điện năng luôn là một trong những nhiệm
vụ hàng đầu của ngành Ðiện. Hiện nay, trên lưới điện phân phối
hai phương pháp kỹ thuật để tính giảm tổn thất điện năng thường
được sử dụng là bù kinh tế và tìm điểm mở tối ưu. Để thực hiện
việc này, các nghiên cứu thường sử dụng phần mềm PSS/ADEPT.
Khi tính toán có một số hạn chế như mới chỉ xét đến một mục tiêu
là chi phí nhỏ nhất, các tham số để tính toán bị hạn chế không thể
mở rộng. Bài báo đề xuất sử dụng thuật toán tối ưu đa mục tiêu
NSGA II trong tính toán giảm tổn thất công suất và xây dựng
chương trình tối ưu trong phần mềm Matlab, giúp người thiết kế,
vận hành chọn điểm tối ưu phù hợp với các mục tiêu khác nhau.
Các tác giả sử dụng thuật toán đề xuất và chương trình đã xây
dựng để tối ưu hóa hệ thống điện phân phối mẫu IEEE-16 nút với
các hai mục tiêu cực tiểu tổn thất công suất và cực tiểu thiết bị sử
dụng.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Tóm tắt nội dung tài liệu: Ứng dụng thuật toán NSGA II để giải bài toán cực tiểu tổn thất công suất trên lưới điện phân phối
m có thể có giá trị trong không gian f1 và f2. Hình 2. Ví dụ về đường cong Pareto c. Sử dụng thuật toán NSGA II trong xác định đường cong Pareto Theo các nghiên cứu hiện nay, có hai nhóm phương pháp để vẽ đường cong Pareto. Nhóm thứ nhất là chuyển đổi bài toán tối ưu đa mục tiêu về tối ưu một mục tiêu và sử dụng các phương pháp tính toán tối ưu một mục tiêu để xác định đường cong này. Nhóm thứ hai là xác định đường cong Pareto bằng cách sử dụng chính xác định nghĩa của nó. Độc giả có thể tham khảo chi tiết ở các công trình [6]. Trong bài báo này, các tác giả sử dụng thuật toán NSGA II (Non-dominated Sorting Genetic Algorithm II) để tính toán. Thuật toán NSGA II là phiên bản thứ 2 của thuật toán NSGA được [4] đề xuất. Thuật toán NSGA II được xây dựng trên cơ sở kết hợp 2 thuật toán: thuật toán tiến hóa để lựa chọn phát triển những điểm (hay còn gọi là cá thể) tối ưu và thuật toán phân bố đều mật độ ước lượng (distance crowding) để có phân bố hợp lý các điểm tối ưu trên đường cong Pareto. Trong thuật toán này, có hai quần thể có kích thước không đổi được sử dụng: P là quần thể tốt nhất được chọn lọc qua các thế hệ, Q là quần thể con được sinh ra từ quần thể P bởi các quy luật di truyền (qua các phương pháp lai ghép và đột biến). Sơ đồ thuật toán được trình bày trong Hình 3.Trong bài báo này, nhóm tác giả chỉ trình bày các phần quan trọng của thuật toán. Hình 3. Sơ đồ thuật toán NSGA II Xác định các đường cong ưu thế Đầu tiên, đánh số thứ tự của các đường cong ưu thế và xác định các thể trong hai quần thể P và Q nằm trong từng đường cong. Đường cong ưu thế đầu tiên bao gồm tất cả các cá thể không bị bất kỳ cá thể khác chiếm ưu thế. Đây cũng chính là đường cong Pareto cần xác định. Đường cong thứ hai chứa tất cả các cả thể mà chỉ bị cá thể ở đường cong thứ 1 (hay còn gọi là đường cong Pareto) chiếm ưu thế. Nếu hai cá thể X và Y đều thỏa mãn các ràng buộc, điều kiện (3) được sử dụng để xác định cá thể X chiếm ưu thế Khởi tạo quần thể ban đầu P, Q Đánh giá thích nghi Xác định đường cong từ hai quần thể P, Q Điều kiện dừng? Kết thúc Xác định khoảng cách phân bố Chọn lọc quần thể thích nghi mới P Tạo thế hệ con Q Đúng Sai f2 X3 X2 X1 f1 f2 f1 Đường cong Pareto 60 Nguyễn Hữu Hiếu, Hoàng Dũng hơn cá thể Y. Nếu hai cá thể X và Y, có ít nhất 1 cá thể không thõa mãn các ràng buộc, để xác định việc chiếm ưu thế, nhóm tác giả đã lựa chọn phương pháp do [4] đề xuất: Nếu X thỏa mãn các ràng buộc, Y không thỏa mãn một ràng buộc bất kỳ thì X luôn luôn chiếm ưu thế so với Y. Nếu cả X và Y đều không thỏa mãn một điều kiện ràng buộc nào đó, X chiếm ưu thế so với Y khi )2()1(],1[ )2()1(],1[ XfXfAj XfXfAi jj ii Hình 4 biểu diễn sự sắp xếp các cá thể trên các đường cong ưu thế với các hàm mục tiêu cực tiểu f1 , f2. Hình 4. Sắp xếp các cá thể trên các đường cong ưu thế Xác định khoảng cách phân bố Khoảng cách phân bố (distance crowding) cho phép xác định mật độ các cá thể trong một quần thể. Thuật toán xác định khoảng cách phân bố được tính như Hình 5. Vì vậy, khoảng cách phân bố (distance crowding) đại diện cho ước lượng khoảng cách của cá thể Xi với những các thể xung quanh nó. Cá thể càng nằm cách xa các cá thể khác thì có giá trị khoảng cách D(Xi) càng lớn. Lựa chọn quần thể thích nghi mới P Trong thuật toán tiến hóa, việc chọn lựa các cá thể để tiếp tục lai ghép đóng vai trò quan trọng. Trong giải thuật NSGA II, phép chọn lựa được thực hiện theo nguyên tắc như sau: Những cá thể nằm trên đường cong ưu thế có số thứ tự nhỏ thì tốt hơn các cá thể nằm trên đường cong ưu thế có số thứ tự lớn hơn. Hình 5. Thuật toán xác định khoảng cách phân bố Nếu hai cá thể cùng nằm trên một đường cong ưu thế, thì cá thể nào có khoảng cách phân bố nhỏ thì tốt hơn. Phương pháp chọn lựa này cho phép giữ lại những cá thể tốt nhất qua nhiều thế hệ tiến hóa, đồng thời giúp phân phối đều các cá thể trên đường cong Pareto. 3. Xây dựng chương trình để tính toán tối ưu Hiện nay, có nhiều phần mềm để tính toán tối ưu vận hành hệ thống điện phân phối, PSS/ADEPT [2] là một ví dụ. Phần mềm này cho phép giải 2 bài toán tối ưu như sau: - Bài toán TOPO (Tie Open Point Optimization) phân tích điểm mở tối ưu: tìm ra những điểm có tổn thất nhỏ nhất trên lưới và đó là chính là điểm mở lưới trong mạng vòng 3 pha. - Bài toán CAPO (Optimal Capacitor Placement) đặt tụ bù tối ưu: tìm ra những điểm tối ưu để đặt các bộ tụ bù cố định và tụ bù ứng động sao cho tổn thất công suất trên lưới là thấp nhất. Đối với các phần mềm này, việc phân tích các bài toán đa mục tiêu không thể giải được. Trong khi đó, trong tính toán thiết kế cũng như vận hành, các bài toán tối ưu đa mục tiêu cần được sử dụng. Vì vậy, nhóm tác giả để xuất xây dựng chương trình tối ưu đa mục tiêu trên phần mềm Mathlab. Phần mềm tính toán tối ưu gồm có hai phần: - Phần tính toán phân bố công suất: nhóm tác giả sử dụng module Matpower tích hợp trong Matlab do [5] đề xuất. - Các thuật toán tối ưu: Các thuật toán tối ưu (ở đây là thuật toán NSGA II) được xây dựng trong Matlab. 4. Ứng dụng tính toán tối ưu trong lưới điện phân phối Các tác giả ứng dụng thuật toán và chương trình đã xây dựng để tối ưu hóa vận hành mạng điện [8]. Mạng điện tiêu chuẩn IEEE 16 nút gồm 3 nút nguồn và 13 nút phụ tải, điện áp định mức 11kV, tổng công suất phụ tải là 28,7 MW (Hình 6) được sử dụng. Tham số đường dây cũng như phụ tải được trình bày trong Bảng 1 [8]. Hình 6. Lưới điện IEEE mẫu 16 nút [8] Bảng 1. Tham số mạng điện IEEE mẫu 16 nút [8] Đường dây từ nút đến nút Điện trở (pu) Điện kháng (pu) Công suất tác dụng tại nút cuối đường dây (MW) Công suất phan kháng tại nút cuối đường dây (MVAr) Tụ bù cố định tại nút cuối đường dây (MVAr) 1-4 0,075 0,10 2,0 1,6 1,1 4-5 0,08 0,11 3,0 1,5 1,2 4-6 0,09 0,18 2,0 0,8 6-7 0,04 0,04 1,5 0,2 2-8 0,11 0,11 4,0 2,7 8-9 0,08 0,11 5,0 3,0 1,2 Đối với mỗi đường cong ưu thế Fra (a = 1...số lượng đường cong ưu thế) L = số lượng cá thể trên đường cong Fra ; Với mọi cá thể Xi nằm trên đường cong ưu thế Fra, ta đặt: D(Xi)=0; Đối với từng hàm mục tiêu j (j = 1...A) o Sắp xếp L cá thể trên đường cong ưu thế Fra theo giá trị của hàm mục tiêu fj theo thứ tự tăng dần ; o Đặt D(X1) = D(XL) = ; o Đối với từng cá thể i (i = 2...L), tính giá trị khoảng cách phân bố theo công thức sau: 1 1 1 ( ) ( ) ( ) ( ) ( ) ( ) j i j i i i j L j f X f X D X D X f X f X Đường cong số 1 Đường cong số 2 Đường cong số 3 f1 f2 ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(96).2015, QUYỂN 2 61 8-10 0,11 0,11 1,0 0,9 9-11 0,11 0,11 0,6 0,1 0,6 9-12 0,08 0,11 4,5 2,0 3,7 3-13 0,11 0,11 1,0 0,9 13-14 0,09 0,12 1,0 0,7 1,8 13-15 0,08 0,11 1,0 0,9 15-16 0,04 0,04 2,1 1,0 1,8 5-11 0,04 0,04 10-14 0,04 0,04 7-6 0,12 0,12 Bài toán tối ưu hóa vận hành của mạng điện IEEE mẫu 16 nút được nghiên cứu nhiều trong cũng như ngoài nước, đơn cử như [8], [9], [10], tuy nhiên mới dừng lại với một mục tiêu giảm tổn thất công suất khi lắp đặt tụ bù hoặc tìm điểm mở tối ưu. Như đã trình bày ở trên, nhóm tác giả xây dựng các bài toán tối ưu đa mục tiêu trong vấn đề vận hành tối ưu này: - Tìm điểm mở tối ưu: Theo nguyên tắc, khi càng nhiều điểm mở thì tổn thất công suất sẽ càng giảm (độ tin cậy cung cấp điện cũng sẽ giảm đi). Trong bài toán này, nhóm tác giả xác định đường cong Pareto biểu diễn sự tương quan giữa số điểm mở tối ưu và tổn thất công suất trong trong mạng điện. - Bù kinh tế công suất phản kháng: Khi thực hiện bù kinh tế công suất phản kháng, tổn thất công suất sẽ giảm. Nhóm tác giả nghiên cứu sự tương quan giữa công suất phản kháng cần bù và lượng tổn thất công suất trong mạng điện. 4.1. Bài toán 1 Xác định các điểm mở trong mạng điện phân phối đã cho với bài toán tối ưu đa mục tiêu được định nghĩa như sau: - Biến: Tìm x = {xi} (i = 1...No) là vị trí các điểm mở (No: số lượng các điểm mở). - Hàm mục tiêu: cực tiểu số điểm mở và cực tiểu tổn thất công suất trong mạng điện được xác định như sau: Min f1(x) = No Min f2(x) = ∑∆ = ∑ đ Với ΔPj : Tổn thất công suất trên đường dây thứ j. - Ràng buộc: Các điều kiện ràng buộc sau đây phải được thỏa mãn [8]: Đảm bảo cung cấp điện cho các phụ tải; Điện áp tại các nút phải nằm trong giới hạn cho phép (0,9 – 1,1 pu) 0,9 ≤ Ui ≤ 1,1 (Ui: điện áp tại nút i, i = 1...16); Sử dụng thuật toán và chương trình đã được xây dựng, kết quả thu được như Hình 7. Hình 7. Đường cong Pareto biểu diễn kết quả tối ưu hai mục tiêu cực tiểu về tổn thất công suất và số điểm mở Theo Hình 7, ta có những nhận xét sau: - Để cực tiểu tổn thất công suất trên mạng điện, ta cần sử dụng 3 điểm mở. Điều này phù hợp với nhiều nghiên cứu đã có trong và ngoài nước (xem Bảng 2). Bảng 2. Tổng hợp các nghiên cứu về tìm điểm mở tối ưu Phương pháp Khóa mở Tổn thất công suất (kW) Mạng điện nguyên trạng [8] s5, s11, s16 511,4 Các nghiên cứu hiện nay [8] s7, s9, s16 469,4 NSGAII s7, s8, s16 462,9 Như vậy, để tính toán điểm tối ưu, thuật toán NSGAII và chương trình tối ưu sử dụng cho kết quả phù hợp với các nghiên cứu hiện nay. NSGAII cho kết quả tốt hơn nhưng không đáng kể. - Ngoài ra, thuật toán NSGA II còn cho biết thêm một số thông tin như sau: 3 điểm mở sẽ đạt được tối ưu về tổn thất công suất. Tuy nhiên, lợi thế về tổn thất công suất này so với 2 điểm mở không nhiều lắm (15,7 kW). Tùy thuộc vào kinh phí lắp đặt để mở điểm mở (thiết bị, chi phí lắp đặt, vận hành...), công ty vận hành sẽ quyết định nên đầu tư 3 hay 2 điểm mở. Bảng 3. Tổng hợp các thông tin trên đường cong Pareto Số điểm mở Khóa mở Tổn thất công suất (kW) 1 s6 710,9 2 s7, s8 478,6 3 s7,s8,s16 462,9 4.2. Bài toán 2 Bù kinh tế mạng điện đã cho với các định nghĩa như sau: - Biến: Tìm Qb = {Qbi} (i = 1...16) là dung lượng cần bù tại các nút. - Hàm mục tiêu: cực tiểu về công suất phản kháng cần bù và cực tiểu tổn thất công suất được xác định như sau: Min f1(x) = ∑ (i = 1...16) Min f2(x) = ∑∆ = ∑ đ Với ΔPj: Tổn thất công suất trên đường dây thứ j. - Ràng buộc: Các điều kiện ràng buộc sau đây phải được thỏa mãn [8]: Đảm bảo cung cấp điện cho các phụ tải; Điện áp tại các nút phải nằm trong giới hạn cho phép (0,9 – 1,1 pu) 0,9 ≤ Ui ≤ 1,1 (Ui: điện áp tại nút i, i = 1...16); Sử dụng thuật toán và chương trình đã được xây dựng, kết quả thu được như Hình 8. Đường cong Pareto trên Hình 8 thể hiện quan hệ chặt chẽ giữa việc giảm tổn thất công suất và dung lượng bù được lắp đặt trên lưới điện. Dung lượng bù càng tăng thì tổn thất công suất sẽ giảm và đến một giới hạn (6735 kVAr) thì việc bù không làm cho công suất phản kháng trên lưới giảm hơn nữa (tổn thất công suất không thể nhỏ hơn 476 kW). Tại mỗi điểm của đường cong Pareto, chương trình cũng cho biết giá trị công suất phản kháng cần bù tại từng nút. T ổ n t h ất c ôn g su ất ( kW ) 400 500 600 700 800 1 2 3 4 Số điểm mở 62 Nguyễn Hữu Hiếu, Hoàng Dũng Hình 8. Đường cong Pareto biểu diễn kết quả tối ưu hai mục tiêu cực tiểu về tổn thất công suất và cực tiểu về dung lượng bù 5. Kết luận Giảm tổn thất điện năng là một trong những nhiệm vụ quan trọng của ngành Điện Việt Nam. Bài báo đã nghiên cứu ứng dụng giải thuật NGSA II trong bài toán giảm tổn thất công suất trên lưới điện phân phối. Mục tiêu chính của nghiên cứu là tìm hiểu mối tương quan giữa giảm tổn thất công suất với yêu cầu đầu tư trang thiết bị để giảm tổn thất này. Từ kết quả nghiên cứu cho thấy, có thể biểu diễn các mối quan hệ giữa các hàm mục tiêu khác nhau thông qua đường cong Pareto. Dựa vào đường cong này, các công ty, doanh nghiệp sẽ lựa chọn phương án đầu tư cho phù hợp. Vì vậy, giải thuật đề xuất có thể hoàn toàn ứng dụng trong các bài toán giảm tổn thất điện năng trên lưới điện phân phối thực tế. Ngoài ra, với phần mềm mở, các hàm mục tiêu khác nhau cũng có thể nghiên cứu. Trong tương lai gần, nhóm tác giả tiếp tục phát triển chi tiết hàm mục tiêu hơn, xây dựng mô hình tính toán tổn thất điện năng dựa vào các biểu đồ phụ tải cũng như chi phí đầu tư, lắp đặt và vận hành các thiết bị. Từ mô hình chi tiết này, việc tìm ra các mối quan hệ giữa các mục tiêu cực tiểu tổn thất điện năng nhưng cực tiểu chi phí sẽ giúp ích nhiều cho ngành điện trong tính toán phương án giảm tổn thất điện năng. TÀI LIỆU THAM KHẢO [1] Nguyễn Văn Minh Trí (2013), Nghiên cứu và đề xuất giải pháp để vận hành tối ưu lưới điện của quận Cẩm Lệ – TP Đà Nẵng, luận văn Thạc sĩ, Đại học Đà Nẵng, 2013. [2] Nguyễn Hữu Phúc, Đặng Anh Tuấn (2007), Sử dụng phần mềm phân tích và tính toán lưới điện PSS/ADEPT [3] N. Srinivas, K. Deb (1994), Multi-Objective function optimization using the non-dominated sorting genetic algorithm, Evolutionary Computaion, vol. 2, n°3, pp.221-248. [4] K. Deb, A. Pratap, S. Agarwal, T. Meyarivan (2002), A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II, IEEE Trans. Evol. Computation, 6(2):182-197. [5] R. D. Zimmerman, C. E. Murillo-Sánchez, and R. J. Thomas (2011), MATPOWER: Steady-State Operations, Planning and Analysis Tools for Power Systems Research and Education, Power Systems, IEEE Transactions on, vol. 26, no. 1, pp. 12-19, Feb. [6] B. Sareni, J. Reginer, X. Roboam (2003), Recombinaation and Seft- Adaptation in Multi-Objective Genetic Algorithms, 6th International Conference on Artificial Evolution, Marseille. [7] Trần Vinh Tịnh (2001), Áp dụng các phương pháp tối ưu hóa nhằm nâng cao hiệu quả kính tế vận hành hệ thống cung cấp điện, Trường Đại học Bách khoa- Đại học Đà Nẵng. [8] R. Srinivasa Rao, S.V.L. Narasimham, M. Ramalingaraju( 2008), Optimization of Distribution Network Configuration for Loss Reduction Using Artificial Bee Colony Algorithm, World Academy of Science, Engineering and Technology International Journal of Electrical, Computer, Energetic, Electronic and Communication Engineering Vol:2, No:9. [9] Trương Quang Đăng Khoa, Phan Thị Thanh Bình, Nguyễn Minh Hiếu (2007), Tái cấu trúc lưới phân phối 3 pha để giảm tổn thất điện năng bằng các giải thuật meta-heuristic, Tạp chí Phát triển Khoa học và Công nghệ, tập 10, số 02-2007. [10] Tamer M. Khalil, Alexander V. Gorpinich, (2012), Reconfiguration for Loss Reduction of Distribution Systems Using Selective Particle Swarm Optimization, International Journal of Multidisciplinary Sciences and Engineering, vol.3, no.6. (BBT nhận bài: 13/10/2015, phản biện xong: 04/11/2015) 470 475 480 485 490 495 500 505 510 515 2000 3000 4000 5000 6000 7000 Tổng dung lượng CSPK cần bù (kVAr) T ổ n t h ất c ôn g su ất ( kW )
File đính kèm:
- ung_dung_thuat_toan_nsga_ii_de_giai_bai_toan_cuc_tieu_ton_th.pdf