ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH

TRƢỜNG ĐẠI HỌC BÁCH KHOA

------------------

LÊ ANH DŨNG

ÁP DỤNG CÁC THUẬT TOÁN DỰA TRÊN TÌM

KIẾM BẦY ĐÀN ĐỂ TÍNH TOÁN ĐIỀU ĐỘ TỐI ƢU

TRONG HỆ THỐNG ĐIỆN CÓ XÉT ĐẾN NGUỒN

NĂNG LƢỢNG GIÓ

Chuyên ngành: Mạng và hệ thống điện

Mã số chuyên ngành: 62525005

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

TP HỒ CHÍ MINH NĂM 2018

Công trình được hoàn thành tại

ĐẠI HỌC BÁCH KHOA THÀNH PHỐ HỒ CHÍ MINH

Người hướng dẫn khoa học 1: PGS.TS VÕ NGỌC ĐIỀU

Người hướng dẫn khoa học 2: TS ĐINH HOÀNG BÁCH

Phản biện độc lập 1:

Phản biện độc lập 2:

Phản biện 1:

Phản biện 2:

Phản biện 3:

Luận án sẽ được bảo vệ trước Hội đồng chấm luận án tiến sĩ kỹ thuật

cấp Đại học Bách Khoa TP Hồ Chí Minh họp vào.......

giờ ngày ... tháng ... năm ... tại Đại học Bách Khoa TP Hồ chí Minh.

Có thể tìm hiểu luận án tại thư viện:

- Đại học Quốc gia TP Hồ Chí Minh.

- Đại học Bách Khoa TP Hồ Chí Minh.

1

DANH MỤC CÁC KÝ HIỆU

i Góc điện áp tại nút i [rad]

j Góc điện áp tại nút j [rad]

wi Góc điện áp tại nút i khi có NMĐG [rad]

wj Góc điện áp tại nút j khi có NMĐG [rad]

ij Độ lệch góc điện áp giữa nút i và j [rad]

A Diện tích gió thổi qua cánh quạt tua bin [m2]

ai, bi, ci Hệ số chi phí của NMPĐ i [$/h], [$/MWh], [$/MW2h]

Bij, B0i, B00 Hệ số ma trận B tổn thất truyền tải

gli Điện dẫn của nhánh l giữa nút i và nút j [1/Ω]

Gij, Bij Điện dẫn và dung dẫn giữa nút i và nút j [1/Ω]

Kp Hệ số phạt công suất phát của các tổ máy phát

Kq Hệ số phạt công suất phản kháng máy phát

Ks Hệ số phạt công suất truyền tải trên đường dây

Kv Hệ số phạt điện áp nút tải

Li Chỉ số ổn định điện áp ở nút i

Nb Tổng số nút của hệ thống.

Nd Tổng số nút tải

Nl Tổng số đường dây truyền tải

Nwg Tổng số tua bin gió trong NMĐG

Ng Tổng số máy phát nhiệt điện

PD

Tổng phụ tải yêu cầu [MW]

PDi Công suất yêu cầu tại nút i [MW]

Pgi Công suất thực phát ra của máy phát thứ i [MW]

Pi,min, Pi,max Công suất thực cực tiểu và cực đại máy phát thứ i [MW]

PL Tổng tổn thất truyền tải [MW]

Ps Công suất phát bù trừ của hệ thống [MW]

2

Pwgi Công suất của tua bin gió thứ i trong NMĐG [MW]

Qci Bù công suất phản kháng tại nút thứ i [MVAr]

QDi Công suất phản kháng yêu cầu tại nút i [MVAr]

Qg Công suất phản kháng máy phát [VAr]

SFi Hàm mục tiêu theo Ploss, VD hoặc Lmax

Sl Công suất biểu kiến trên đường dây l [MVA]

Sli Công suất biểu kiến trên đường dây thứ i [MVA]

Slmax

Công suất cực đại trên đường dây truyền tải [MVA]

Tk Nấc điều chỉnh của máy biến áp thứ k

Tk, min, Tk, max Vị trí bộ điều áp cực tiểu và cực đại.

vcut-in Tốc độ gió tối thiểu phải dừng làm việc [m/s]

vcut-out Tốc độ gió tối đa phải dừng làm việc [m/s]

Vg Điện áp đầu cực máy phát [V]

Vgi Điện áp của máy phát ở nút thứ i [V]

Vbi(j) Điện áp tại nút thứ i (j) [V]

Vwi(j) Điện áp tại nút thứ i(j) khi có NMĐG [V]

Vi, i Biên độ điện áp và góc điện áp ở nút thứ i [V] [rad]

Vgi min, Vgi max Điện áp cực tiểu và cực đại của máy phát thứ i [V]

Vli Điện áp trên đường dây thứ i [V]

Vli,min, Vli,max Điện áp cực tiểu và cực đại trên đường dây thứ i [V]

Vw Tốc độ gió (m/s)

Yij Thành phần ma trận tổng dẫn của nút ij

ρ Mật độ không khí (kg/m3)

3

CHƢƠNG 1 MỞ ĐẦU

1.1 Lý do chọn đề tài

Thị trường điện và năng lượng gió tại Việt Nam hiện nay đã chính

thức đi vào vận hành, do đó việc tính toán các vấn đề về điều độ tối

ưu hệ thống điện là vấn đề rất quan trọng và cần thiết. Vì vậy, đề tài

nghiên cứu các thuật toán nhằm giải nhanh các bài toán điều độ tối

ưu hệ thống điện theo yêu cầu phụ tải 24 giờ với sự tham gia của

nguồn năng lượng gió. Từ đó có thể áp dụng vào vận hành thị trường

điện của Việt Nam hiện nay và trong tương lai.

1.2 Mục đích nghiên cứu

Ứng dụng và chọn lựa các thuật toán để giải bài toán điều độ

tối ưu của hệ thống điện.

Tính được công suất truyền tải trên đường dây, công suất và

công suất phản kháng của các nhà máy phát nhiệt điện và

NMĐG, dung lượng tụ bù, nấc điều chỉnh bộ điều áp tối ưu

với chi phí phát điện cực tiểu theo phụ tải 24 giờ.

Tính tối ưu tổn thất công suất, tối ưu độ lệch điện áp tại các

nút tải, tối ưu ổn định điện áp của hệ thống có tham gia của

NMĐG theo phụ tải 24 giờ

1.3 Đối tƣợng và phạm vi nghiên cứu

1.3.1 Đối tượng nghiên cứu

Cấu trúc của các thuật toán tìm kiếm bầy đàn: PSO, PSO-TVAC,

PG-PSO, PG-PSOCF và CS.

Hàm chi phí của tua bin gió và NMĐG.

Các vấn đề của bài toán ED, OPF và ORPD và xây dựng bài toán

ED, OPF và ORPD có NMĐG.

Giải các bài toán ED, OPF, ORPD bằng các thuật toán PSO, PSO-

TVAC, PG-PSO, PG-PSOCF và CS theo yêu cầu phụ tải 24 giờ.

4

1.3.2 Phạm vi nghiên cứu

Chi phí vận hành của các NMPĐ và NMĐG là tối ưu nhất để

cung cấp đủ công suất yêu cầu của phụ tải 24 giờ.

Tối ưu: công suất phân bố tại các nút tải và trên đường dây,

điện áp tại các nút, dung lượng bù, tổn thất công suất, độ lệch

điện áp.

Áp dụng tính toán vận hành trên hệ thống IEEE 30.

1.4 Phƣơng pháp nghiên cứu

Nghiên cứu lý thuyết: thu thập các tài liệu có trước về thuật

toán tìm kiếm bầy đàn và các ứng dụng trước đây, nghiên cứu

về tua bin gió, NMĐG và chi phí của tua bin gió khi tham gia

vào hệ thống.

Nghiên cứu thực nghiệm mô hình toán học: lập trình trên

phần mềm Matlab và mô phỏng hệ thống điện IEEE 30 nút để

tính được kết quả các bài toán điều độ tối ưu kinh tế, tối ưu

phân bố công suất, tối ưu công suất phản kháng trong hệ

thống điện theo yêu cầu phụ tải 24 giờ.

CHƢƠNG 2 TỔNG QUAN

2.1 Giới thiệu

chương 2 của luận án nhằm tổng quan các tài liệu đã nghiên cứu

trước đây về các nội dung chính như sau: các thuật toán để tính toán

vận hành tối ưu hệ thống điện về các bài toán ED, OPF và ORPD

gồm các nhà máy nhiệt điện và nhà máy điện gió, các tài liệu về vận

hành hệ thống điện theo yêu cầu phụ tải 24 giờ để phù hợp với tính

toán hệ thống điện khi tham gia thị trường điện hiện đang được áp

dụng trên thế giới và Việt Nam [1-7].

2.2 Thuật toán tìm kiếm bầy đàn và tối ƣu hóa

Từ năm 1980, trí tuệ thông minh nhân tạo (AI) đã được các nhà khoa

học nghiên cứu phát triển và áp dụng nhiều trong lĩnh vực khoa học

5

máy tính. Có nhiều thuật toán thông minh nhân tạo được nghiên cứu

và ứng dụng, một số thuật toán tiêu biểu đó là: mạng neural (NN), hệ

mờ (FS), tính toán tiến hóa (EC), thuật toán di truyền (GA) và thuật

toán tìm kiếm bầy đàn (PSO) [7-10].

Năm 1995, thuật toán tìm kiếm bầy đàn (PSO) đã được J. Kennedy

và R. Eberhart nghiên cứu áp dụng trong các môn học tối ưu hóa,

thời gian này tối ưu hóa bầy đàn thường được áp dụng trong lĩnh vực

toán học và cơ khí [11][12]. Từ năm 1996 đến 2004, thuật toán tối ưu

hóa bầy đàn phát triển mạnh và cải tiến bằng cách thêm vào các hệ

số biến đổi nhằm mục đích tăng độ dốc của đặc tính đồ thị, giúp thời

gian tìm nghiệm nhanh cho các kết quả tối ưu [13-15], thời gian này

PSO đượcquan tâm để giải bài toán tối ưu vận hành kinh tế hệ thống

điện [16-30].

Theo [31] thuật toán chim tu hú (CS) và di chuyển Lévy flights được

ứng dụng trong ngành công nghệ thông tin từ năm 2009 và phát triển

trong nhiều ngành khác cho đến nay [32] .

2.3 Tua bin gió và tiềm năng điện gió ở Việt Nam

2.3.1 Tua bin gió

Công suất phát điện của tua bin gió được tính theo công thức [33]:

31. . . ( )

2w p w

P A C v

(1)

Đặc điểm làm việc của tua bin gió là công suất phát thay đổi theo tốc

độ gió trong ngày và theo mùa trong năm [34], khi đầu tư xây dựng

NMĐG cần khảo sát chi tiết đặc điểm của gió tại vị trí sẽ xây dựng

nhà máy, trong đó quan trọng là phải có lịch sử dữ liệu tốc độ gió của

nhiều năm trước để tính toán được vận tốc của gió của năm tiếp theo

[35].

Các vùng làm việc của tua bin gió được phân chia theo hình sau [36]

6

Bảng 2.1 Tiềm năng gió ở Việt Nam [37]

Tốc độ gió <6m/s 6-7m/s 7-8m/s 8-9m/s >9m/s

Diện tích (km2) 197,242 100,367 25,679 2,178 1,11

Diện tích (%) 60,60% 30,80% 7,90% 0,70% >2%

Tiềm năng (MW)

401.444 102.716 8.748 452

2.4 Điều độ tối ƣu hệ thống điện

2.4.1 Điều độ kinh tế hệ thống điện (ED)

Điều độ kinh tế (ED) tính toán được công suất thực phát ra từ các

máy phát điện là tối ưu với chi phí nhiên liệu thấp và phải thoả các

ràng buộc của hệ thống máy phát cũng như các ràng buộc của hệ

thống vận hành [38]. Một số thuật toán dùng để giải bài toán ED đã

công bố: thuật toán Hybrid Fuzzy Genetic Algorithm (HFGA) [39],

thuật toán Evoluationary Algorithm (EA) [40], thuật toán

Evolutionary Harmony Search Algorithm (EHSA) [41], thuật toán

Hybrid Differential Evolution and Harmony Search (HDEHS) [42],

phương pháp Differential Evolution Immunized Ant Colony

(DEIAC) [43], phương pháp Hybrid differential evolution sequential

quadratic programming (HDE-SQP) [44]. Các kết quả đã công bố

tính với nhiều vòng lặp nhằm chọn được nghiệm cực tiểu tốt nhất,

Power

Wind speed

vcut-in vcut-out

vrate

I

II

III

Hình 2.1 Các vùng làm việc của tua bin gió

7

giá trị biểu diễn bằng đồ thị sau mỗi vòng lặp để dể dàng nhận biết

kết quả sau mỗi vòng lặp [46].

Bảng 2.2 Kết quả bài toán ED qua các nghiên cứu đã công bố

Công suất phát[MW]

SGA

[45]

FGA

[45]

EA

[45][46]

SA

[46]

EP

[46]

WOA

[46]

P1 137,0804 137,2411 192,95 188,02 173,848 174,4379

P2 52,4502 57,6718 48,92 47,45 49,998 47,8294

P3 35,3219 27,3223 19,29 19,77 21,386 21,4578

P4 19,3034 12,8298 10,58 13,40 22,63 25,6931

P5 12,8986 23,8060 10,79 11,25 12,928 10,1262

P6 26,3435 24,5189 12,24 14,09 12,00 12,1515

Chi phí

($/h) 801,2817 795,5012 805,4500 804,4300 802,6200 800,2825

2.4.2 Điều độ phân bố tối ưu công suất

Từ năm 1960 vấn đề phân bố tối ưu công suất được đề cập đến đầu

tiên bởi hai nhà nghiên cứu Dommel và Tinney sau đó đã được nhiều

nghiên cứu và áp dụng trong quản lý và vận hành hệ thống điện [47]

Theo tài liệu [48-50], mục đích của bài toán phân bố tối ưu công suất

(OPF) là tìm được công suất phân bố trên đường dây truyền tải, công

suất phát của các NMPĐ, điện áp nút máy phát, điện áp nút tải, dung

lượng bù, nấc điều chỉnh bộ điều áp máy biến áp với nhiều ràng buộc

về công suất phụ tải, công suất máy phát và các ràng buộc về an ninh

hệ thống với chi phí nhiên liệu của NMPĐ thấp nhất.

Một số nghiên cứu được công bố về bài toán điều độ tối ưu phân bố

công suất (OPF) như sau: thuật toán Ant Colony Search (ACS) [51],

thuật toán Evolutionary Computation (EC) [51], thuật toán Bee

Colony Algorithm (BCA) [52], thuật toán Simulated Annealing

Metahuristic (ASM) [53], thuật toán Particle Swarm Optimization

8

(PSO) [54], thuật toán Conventional and Neural Networks (CNN)

[55]. Kết quả trình bày theo hình vẽ 2.2 và 2.3.

Theo tài liệu [56-60] công suất truyền tải trên đường dây là thông số

quan trọng cần phải tính được đối với bài toán OPF

2.4.3 Điều độ tối ưu công suất phản kháng

Điều độ tối ưu công suất phản kháng (ORPD) nhằm mục đích cải

thiện tổn thất công suất (Ploss) [61] [62], tối ưu cực tiểu độ lệch điện

áp (VD) [63] [64], cực đại hệ số ổn định điện áp (Lmax) [65] [66].

Các tài liệu đã công bố về bài toán ORPD: thuật toán Linear

Programming (LP) để tính tối ưu Ploss [67], thuật toán Hybrid Loop

Genetic (HLG) để tính tối ưu Ploss [68], thuật toán Bat Algorithm

(BA) để tính tối ưu Ploss và VD [69], thuật toán Ant Colony (AC) tính

và so sánh các kết quả bài toán ORPD [70], thuật toán Evolutionary

Algorithm (EA) để tính Ploss và VD [71], sử dụng Hybrid PSO

(HPSO) để tính tối ưu VD [80] và Improve Particle Swarm

Hình 2.3 Kết quả biểu diễn độ hội tụ nghiệm OPF qua các phương pháp [54]

Hình 2.4 Kết quả độ hội tụ nghiệm bài toán OPF [55]

9

Optimization (IPSO) để tính Ploss [72]. Theo [73] cần phải tìm được

thuật toán có thể giải bài toán ORPD để tăng ổn định an ninh hệ

thống.

Bảng 2.3 Kết quả bài toán ORPD theo các phương pháp

Biến số

Các phương pháp

EA

[74]

MOPSO

[70]

ICSE

[71]

DE

[72]

QSCSA

[69]

Ploss (MW) 5,1167 4,9849 4,990 4,456 4,532

VD (p.u) 1,1435 0,7096 - 0,544 -

2.5 Điều độ tối ƣu hệ thống điện có tham gia của NMĐG

2.5.1 Điều độ kinh tế có tham gia của NMĐG

Hàm chi phí của bài toán ED liên quan đến công suất của các NMPĐ

trong đó có công suất phát của NMĐG thay đổi theo từng giờ hoặc

tùy theo thời tiết các mùa trong năm [77] gây khó khăn trong việc

xác định công suất phát của các NMĐG để tính bài toán ED trong hệ

thống điện [78].

2.5.1.1 Xác định công suất phát của tua bin gió

Qua nghiên cứu tài liệu đang được công bố hiện có một số phương

pháp để xác định công suất của tua bin gió tham gia vào hệ thống

điện như sau:

Hình 2.7 Biểu diễn độ hội tụ nghiệm Ploss theo [71]

10

Tạo ma trận tua bin gió và chọn véc tơ trong ma trận để tính công

suất phát của NMĐG [79].

Xây dựng kịch bản phát điện của NMĐG theo 15%, 25%, 50%,

75% hoặc 90% của tổng công suất NMĐG [80] [81].

Cho tua bin gió phát ngẫu nhiên theo phân phối Weibull [82].

Xây dựng công suất phát của tua bin gió theo xác suất Gauss [83].

Kế hoạch phát ưu tiên của tua bin gió có tính đến hệ số phạt [84].

Kế hoạch phát điện của tua bin gió có tính đến hệ số phạt [84][88].

Theo [88] nếu NMĐG phát công suất thấp hơn công suất đăng ký

sẽ chịu chi phí phạt như sau

(t)

( ) 1 exp exp

exp exp

1 11 1

t

n rwj oej

k k

t in out

oej j k k

kk

jr in r

j k k

r in

k k

jr r

t

r n

d C E Y

v vE Y W

c c

vW v vw

v v c c

vW c v

v v k c k c

(2)

2.5.1.2 Hàm chi phí của bài toán ED có tham gia của NMĐG

Chi phí của tua bin gió chủ yếu là chi phí phí vận hành và bảo trì của

tua bin gió [85]. Theo tài liệu [86] hàm chi phí của bài toán ED của

hệ thống nhà máy phát nhiệt điện có sự tham gia của NMĐG là:

min.. ( ) ( ( ) ( ))

g w

N N

g w n

Ng n Nw n

F C P t C P t d t

(3)

Theo [87] hàm chi phí của bài toán ED có tham gia của NMĐG là:

( ) ( ), ,

Min F F t F tdiesel i w i

(4)

11

( ) ( ), ,

F t b P tw i i w i

, , ,( )F t a b P t c P t

diesel i i i diesel i i diesel i

0

( ) ( )., ,

0

v vr cut in

P t P tw i w i r

v vcut in

2.5.1.3 Các thuật toán dùng để giải bài toán ED có NMĐG

Một số tài liệu đã công bố: thuật toán Plant Growth Simulation

Algorithm (PGSA) [88], thuật toán Genetic Algorithm Solution

(GAS) [89], thuật toán Particle Swarm Optimization (PSO) [90]. Kết

quả ED có NMĐG hệ thống 15 nút IEEE theo bảng 2.5

Bảng 2.4 Kết quả tính ED có NMĐG hệ thống 15 nút và 6 nút IEEE

theo [88][91][96]

Không có NMĐG Có NMĐG

GA PSO PGSA GA FAC

P1 415,31 439,11 450,38 367,69 351,7814

P2 359,72 407,97 357,37 357,74 100,0248

P3 104,42 119,63 124,01 124,15 50,0248

P4 74,98 129,99 128,28 93,91

P5 380,28 151,06 169,56 156,00

P6 426,79 459,99 401,48 456,02

P7 341,31 424,56 417,50 369,23

P8 124,78 98,57 90,33 106,39

P9 133,14 113,49 142,72 105,64

P10 89,25 101,11 114,93 65,80

P11 60,05 33,91 77,35 75,84

P12 50,00 79,96 76,69 79,83

P13 38,77 25,00 44,45 51,53

P14 41,94 41,41 33,19 26,71

P15 22,64 35,61 34,36 44,30

PWind - - - 175,12 98,1691

12

Không có NMĐG Có NMĐG

GA PSO PGSA GA FAC

Time 2668,40 2662,40 2662,70 2655,97

Cost 33113,00 32858,00 32937,70 31092,30 6514,4

W-Cost - - - 875,64

2.5.2 Điều độ phân bố tối ưu công suất có tham gia của NMĐG

Khác với bài toán ED, hàm mục tiêu của bài toán OPF gồm có: chi

phí nhiên liệu các nhà máy nhiệt điện, chi phí các tua bin gió tham

gia phát điện, công suất truyền tải trên đường dây, công suất phản

kháng truyền tải trên đường dây, điện áp tại các nút, công suất biểu

kiến trên đường dây [92][93].

2.5.2.1 Hàm mục tiêu của bài toán OPF có NMĐG

Theo tài liệu [93] công suất phát của tua bin gió và hàm mục tiêu bài

toán OPF có tham gia của NMĐG là:

3

,

0, 0

,

0,

ci

ci ra

w

ra ra co

co

v v

a bv v v vP

P v v v

v v

(5)

Theo tài liệu [94][95] hàm mục tiêu của bài toán OPF có NMĐG là:

( )wr wr r wr

C P d P

2

1 1

( ) ( ) ( )g

N Nw

i i Gi i Gi wri wri

i i

Min F a b P c P C P

(6)

2.5.2.2 Các thuật toán áp dụng giải bài toán OPF có NMĐG

Một số thuật toán đã được áp dụng: Khums Optimization Algorithm

(KOA) and Black Hole Optimization Algorithm (BHOA) [96],

thuật toán Bacterial Dynamics Algorithm (BDA) [97], thuật toán

Probability Interval Optimization (PIO) [98], thuật toán Grey Wolf

Optimizer (GWO) [99], thuật toán Gbest Guided Artificial Bee

13

Colony (GABC) [100], thuật toán Optimal Bus Placement (OBP)

[101]. Kết quả tính trình bày theo bảng 2.6 và 2.7

Bảng 2.5 Kết quả tính bài toán OPF có NMĐG [100][101]

Thông số tính GWO GA BDA

G1(MW) 85,4 87,3 58,12

Cost($/h) 284,62 292,57

G2 (MW) 73,73 76,22 36,16

Cost($/h) 224,17 235,06

G5 (MW) 37,97 43,77 52,74

Cost($/h) 132,91 153,21

G8 (MW) 28,43 28,07 75,32

Cost($/h) 78,95 77,32

G11 (MW) 29,7 33,37 96,51

Cost($/h) 103,94 116,81

G13 (MW) 32,3 18,78 43,51

Cost($/h) 132,91 153,21 1447,01

V1 (p.u) 1,0407 1,0369

V2 (p.u) 1,0245 0,9684

V5 (p.u) 1,0228 0,9790

V8 (p.u) 1,0064 1,0012

V11 (p.u) 1,0463 1,0139

V13 (p.u) 1,05 1,0486

Tap1 (p.u) 1,068 1,0833

Tap2 (p.u) 0,9768 1,0305

Tap3 (p.u) 0,9864 0,9595

G1(MVAr) 16,7 -

G1(MVAr) 0 -

G1(MVAr) 37,8 -

G1(MVAr) 40,49 -

G1(MVAr) 10,69 -

G1(MVAr) 25,97 -

2.5.3 Điều độ tối ưu công suất phản kháng có NMĐG

Bài toán ORPD có tham gia của NMĐG tập trung ba mục tiêu chính

Cực tiểu tổn thất công suất (Ploss)

Cực tiểu độ lệch điện áp (VD)

14

Cực đại hệ số ổn định điện áp (Lmax)

Khi có tham gia của NMĐG sẽ ảnh hưởng đến sự phân bố công suất

phản kháng và độ ổn định điện áp của hệ thống, dẫn đến thay đổi tổn

thất điện áp của hệ thống [104].

2.5.3.1 Hàm mục tiêu của bài toán ORPD có NMĐG

Hàm mục tiêu theo tài liệu [105]

2 2

( , )

1

2 cos( )k

N

loss k i j i j i J i j

k

P G V V V V

1

/

n

Ni i

i

VD V V n

(7)

Theo tài liệu [106] hàm mục tiêu được xây dựng như sau

2

1 1

nl n

ob SK i

K i

F L Q

(8)

2.5.3.2 Các thuật toán để giải ORPD có tham gia của NMĐG

Các nghiên cứu đã công bố sử dụng các thuật toán sau: Adaptive

Aalgorith (AGA) [106], Particle Swarm Optimization (PSO) [107],

Multi-agent Based System (MABS) [108], Chance Constrained

Programming (CCP) và Robust Programming (RP) [109]. Kết quả

trình bày bảng 2.8

Bảng 2.6. Kết quả ORPD có NMĐG theo tài liệu tham khảo [111]

Tốc độ gió (m/s) MinF Ploss VD Lmax

4 0,0418 0,2182 0,0213 -

6 0,0413 0,2179 0,0210 -

8 0,0410 0,2173 0,0209 -

10 0,0405 0,2168 0,0206 -

12 0,0403 0,2165 0,0204 -

13.5 0,0402 0,2163 0,0203 -

15

Bảng 2.7 Kết quả ORPD có NMĐG theo tài liệu tham khảo [114]

Thông số

(pu)

Kịch bản

1

Kịch bản

2

Thông số

(pu)

Kịch bản

1

Kịch bản

2

V1 1,06 1,0378 T(6-9) 0,9966 1,035

V2 1,0378 1,004 T(6-10) 1,0092 0,9

V5 0,9907 0,996 T(4-12) 0,9813 0,987

V8 0,9976 1,002 T(27-28) 0,9915 0,9717

V11 1,0519 1,0271

V13 1,0444 1,06

2.6 Các khiếm khuyết cần khắc phục

Qua phân tích các ưu khuyết điểm trình bày trong mục 2.5, nghiên

cứu cần thực hiện các vấn đề chính như sau:

Xây dựng hàm chi phí của tua bin gió.

Phát triển và cải thiện thuật toán PSO cụ thể là PSO-TVAC, PG-

PSO và PG-PSOCF.

Áp dụng thuật toán Cuckoo Search (CS) để giải bài toán ED, OPF

và ORPD có tham gia của NMĐG.

Tính bài toán ED, OPF và ORPD theo yêu cầu phụ tải 24 giờ, có

tính độ lệch chuẩn và thời gian giải bài toán của từng thuật toán

CHƢƠNG 3 CÁC PHƢƠNG PHÁP TÌM KIẾM TỐI ƢU

3.1 Tối ƣu hoá bầy đàn (PSO)

Vân tôc va vi tri mơi câp nhât cua bây sau môi vong lăp đươc xac

đinh theo phương trình sau:

( 1) 1 1 2 2( ) ( )

i i best i best iv v c rand p x c rand g x

(9)

1i i ix x v

(10)

3.2 Các phƣơng pháp PSO c ải tiến.

16

3.2.1 Phương pháp PSO với hệ số gia tốc thời gian PSO-TVAC

Hệ số gia trọng w kiêm soat vận tốc mỗi bầy

( 1 ) ( 1 ) ( ) ( ) ( ) ( ) ( )

1 1 1 2

k k k k k k k

id id id id i idv w v c rand pbest x c rand gbest x

(11)

( 1 ) ( ) ( 1 )k k k

id id idx x v

(12)

3.2.2 Phương pháp PSO với gradient giả (PG)

3.2.2.1 Khái niệm gradient giả (PG)

1/. Nếu f(xl) < f(xk), hướng từ xk tới xl là hướng di chuyển tích cực.

PG tại điểm xl được tính bởi công thức:

1 2

( ) ( ), ( ), ..., ( )T

p l l l lng x x x x

(13)

2/. Nếu f(xl) f(xk), hướng xk tới xl là hướng tiêu cực. PG tại xl là

( ) 0p l

g x

(14)

3.2.2.2 Gradient giả chỉ dẫn hướng cho PSO

Vị trí mới cập nhật

( ) ( 1) ( 1) ( 1)

( 1)

( ) ( 1)

( ) if ( ) 0

otherwise

k k k k

k id id id p id

id k k

id id

x x v g xx

x v

(15)

3.2.3 Phương pháp PSO với hệ số giới hạn (CF)

Hệ số giới hạn C được tính theo công thức (16), vị trí mới của bầy

được cập nhật theo công thức (15)

( 1) ( ) ( ) ( )

1 1

( ) ( )

2 2

k k k k

id id id id

k k

i id

v C v c rand pbest x

c rand gbest x

(16)

17

1 22

2; where , 4

2 4

C c c

(17)

3.2.4 Thuật toán chim tu hú (CS)

Trứng chất lượng tốt nhất sẽ nở ra chim tu hú con.

Trong tổng số tổ chim mẹ, số trứng chim tu hú bị phát hiện với

xác xuất rất nhỏ là 0,1aP chim mẹ sẽ đẩy trứng chim tu hú,

hoặc bỏ đi và làm một tổ mới.

Phân bố Lévy flights

1

(t) ~ (0 2)Levy u t

(18)

Giải pháp trứng mới được xác định

( 1)

( )t t

i ix x Lévy t

(19)

3.3 Lựa chọn thông số cài đặt cho các phƣơng pháp

Đối với phương pháp PSO, PSO-TVAC, PG-PSO và PG-SPOCF

chọn: hệ số phạt K= 10-4 - 10

-6, tổng số bầy Np = 10, hệ số cá thể c 1=

2, hệ số quần thể c 2= 2, Hệ số gia trọng cực tiểu wmin = 0,4, hệ số gia

trọng cực đại wmax = 0,9, tổng số vòng lặp ITmax = 100

Đối với phương pháp CS chọn: tổng số tổ NP = 15, số trứng trong tổ

NP = 10, số trứng xấu pa = 0,25, hệ số bước α = 1 , Tổng số vòng lặp

ITmax = 100

CHƢƠNG 4 ĐIỀU ĐỘ KINH TẾ TRONG HỆ THỐNG ĐIỆN

4.1 Thành lập bài toán ED trƣờng hợp không có NMĐG

Hàm mục tiêu bài toán ED không có năng lượng gió:

2

1

Min

Ng

i i gi i gi

i

F a b P c P

(20)

18

Ràng buộc:

1

gN

D L

i

P P P

(21)

Tổn thất công suất PL tính với hệ số ma trận B

0 00

1 1 1

g g gN N N

L gi ij gj i gi

i j i

P P B P B P B

(22)

,min ,maxgi gi giP P P

(23)

4.2 Thành lập bài toán ED trƣờng hợp có NMĐG

4.2.1 Giá trị trung bình

Giá trị trung bình của tập dữ liệu được tính theo công thức:

1

1 k

l

l

vk

(24)

Độ lệch chuẩn được tính theo công thức

2

1

1( )

k

l

l

v

k

(25)

4.2.2 Xác suất tốc độ gió

2

2

( )1exp

22

li

vi

vPR

(26)

4.2.3 Tốc độ gió và hàm phân phối tốc độ gió

Hàm phân phối tốc độ gió theo Weibull [132] và Rayleigh [133]

19

1 111 1

( ) 1 1 avg

k

avg

k v

V k

W

vf v k e

k V k

(27)

2

2

2( ) exp

avg avg

R

v vf v

V V

(28)

Đồ thị biểu diễn tốc độ gió theo Weibull với k là hệ số bề mặt vùng

gió thổi qua [33]

Hình 4.1 Phân phối tốc độ gió theo Weibull [33]

Từ giá trị tốc độ gió theo công thức (1) và hàm phân phối tốc độ gió

(26), thành lập công thức tính công suất phát điện của tua bin gió như

sau [136]

max max

min min

3 3

1. . . ( ) . ( )

2

v v

v v

wi p wP A C f v dv F f v dv

(29)

4.2.4 Hàm chi phí tua bin gió

Chi phí trung bình sản xuất điện năng ($/kWh) của tua bin gió được

tính theo công thức sau [137] [138]

20

*&

NET

ICC FRC LRCCOE O M

AEP

(30)

4.2.5 Chi phí vận hành của NMĐG

Theo [33] chi phí vận hành và bảo trì của tua bin gió chiếm từ 0,005

$/kWh đến 0,007 $/kWh, chọn chi phí vận hành trung bình của tua

bin gió là 0,006 $/kWh hay 6 $/MWh để làm cơ sở tính toán. Vậy chi

phí vận hành của tua bin gió là:

max

min

3

6. 6. . ( )

v

v

wi wi wC P F f v dv

(31)

4.2.6 Nhà máy điện gió (wind farm)

Nhà máy điện gió (NMĐG) được kết nối từ nhiều tua bin gió, các tua

bin này có thể đấu nối song song hoặc nối tiếp với nhau sau đó kết

nối vào hệ thống [139] [140]

Từ (28) và (30) xây dựng công thức chi phí vận hành của NMĐG là:

max

min

3

1 1

6 6 ( ) ( )

vw w

v

N N

w wi wi i

i i

C P F f v dv

(32)

4.2.7 Hàm chi phí của hệ thống khi có tham gia của NMĐG

Từ (19) và (31) hàm chi phí của các nhà máy nhiệt điện và NMĐG là

2

1

Min ( ) (P )

Ng

i i gi i gi

i

wiF a b P c C

(33)

21

4.2.8 Điều kiện ràng buộc của tua bin gió và NMĐG

Các ràng buộc khi có NMĐG tham gia [141]:

Công suất tua bin gió theo tốc độ gió.

max

min

3

1

( )

vw

v

N

w i i

i

P f v dv

cut in r cut outv v v

(34)

An ninh hệ thống điện: ổn định điện áp, đảm bảo công suất phát

ra đúng yêu cầu, công suất phản kháng trong phạm vi cho phép, độ tin tưởng công suất phát dự phòng khi có yêu cầu.

Cân bằng hệ thống: đảm bảo tổng công suất phát ra bằng với tổng

phụ tải cộng với tổn thất công suất [142] [143].

1 1

g wN N

gi wgi D L

i i

P P P P

(35)

4.3 Áp dụng các phƣơng pháp giải bài toán ED

4.3.1 Trường hợp không có năng lượng gió

Tính công suất phát bù trừ Ps của hệ thống N nhà máy phát

1

gN

s D L

i

i s

P P P P

(36)

2

0 0 00

1 1 1 1

2g g g

N N NN

L ss s si i s s gi ij gj i gi

i i j i

i s i s j s

P B P B P B P P B P B P B

(37)

2

. . 0s s

A P B P C

(38)

ssA B

(39)

0

1

2 1

Ng

si i s

i

i s

B B P B

(40)

22

0 00

1 1 1 1

g g gN N N Ng

gi ij gj i gi D gi

i j i i

i s j s i s

C P B P B P B P P

(41)

2

24. ., 4. . 0

2.s

B B A CP B A C

A

(42)

4.3.1.1 Các bước giải ED không có NMĐG gió sử dụng PSO-TVAC

Bƣớc 1: Bắt đầu: xác định số NMPĐ Ngi có trong hệ thống, xác định

các thông số vận hành của máy phát nhiệt điện: ai, bi, ci, ei, fi, xác

định các ràng buộc bài toán ED theo (20)(21) và (22). Chọn các

thông số K, Np, c1, c2, w, ITmax của phương pháp PSO-TVAC theo 3.3.

Bƣớc 2: Khởi tạo ban đầu

Số đàn ban đầu X = [X1, X2, X3,...,Xd,..., XNp], ứng với mỗi bầy Xd =

[Pd1, Pd2,..., Pdi,...,PdNp]. Với Pdi là công suất phát của các nhà máy

nhiệt điện và d = (1, 2, ..., N). N: tổng số máy phát nhiệt điện trong

hệ thống. Khởi tạo bầy Xd theo công thức:

,min 1 ,max ,min* ( )

di i i iX P rand P P

(43)

Từ bầy Xdi ban đầu đánh giá theo hàm khả dụng sau:

2

lim

inf

1

( )gi

N

i di sdc s

i

FF F X K P P

(44)

Với: Psdc là công suất điều chỉnh tính theo (41), Pslim

phụ thuộc vào

công suất điều chỉnh tính theo công thức sau:

,max ,max

lim

,min ,min

,min ,max

s sdc s

s s sdc s

sdc s sdc s

P if P P

P P if P P

P if P P P

(45)

Tiếp tục tính bài toán ED theo mục 4.3.1.1 của báo cáo luận án.

23

4.3.1.2 Các bước giải ED không có NMĐG gió sử dụng PG-PSOCF

Thực hiện theo mục 4.3.1.2 của báo cáo luận án.

4.3.1.3 Các bước giải ED không có NMĐG gió sử dụng CS

Thực hiện theo mục 4.3.1.3 của báo cáo luận án.

4.3.2 Trường hợp có năng lượng gió

4.3.2.1 Các bước giải ED sử dụng phương pháp PSO-TVAC

Bƣớc 1: Bắt đầu

Xác định số NMPĐ Ngi có trong hệ thống bao gồm nhiệt điện và

NMĐG. Xác định các thông số vận hành của máy phát nhiệt điện: ai,

bi, ci, ei, và của tua bin gió: cwi. Xác định các ràng buộc bài toán ED

có năng lượng gió theo (33)(34), chọn các thông số cài đặt của

phương pháp PSO-TVAC theo 3.3

Bƣớc 2: Khởi tạo ban đầu

Số đàn ban đầu X = [X1, X2, X3,...,Xd,..., XNp], ứng với mỗi bầy Xd =

[Pd1, Pd2,..., Pdi,...,PdNp]. Với Pdi là công suất phát của các nhà máy

nhiệt điện và NMĐG và d = (1, 2, ..., N). N: tổng số máy phát nhiệt

điện và NMĐG trong hệ thống.

Sau đó thực hiện các bước tiếp theo tương tự mục 4.3.1.1

4.3.2.2 Các bước giải bài toán ED có NMĐG dùng PG-PSOCF

Bƣớc 1: Tương tự bước 1 mục 4.3.2.1, lựa chọn các thông số cài đặt

phương pháp PG-PSO theo 3.5

Bƣớc 2: thực hiện tương tự bước 2 mục 4.3.2.1

Sau đó thực hiện các bước tiếp theo tương tự mục 4.3.1.2 của báo

cáo luận án.

4.3.2.3 Các bước giải bài toán ED sử dụng phương pháp CS

Khởi tạo tổ chim ban đầu theo công thức

24

, min 1 , max , min* ( )

di i i iX P rand P P

(46)

Đánh giá hàm khả dụng:

2

lim

inf

1

( )

giN

i di sdc s

i

FF F X K P P

(47)

Lévy flights tạo số ngẫu nhiên từ số tổ tốt nhất ban đầu Xbestdi

2

new new

di bestdi dX X rand X

(48)

Sau đó thực hiện các bước tiếp theo tương tự mục 4.3.1.3 của báo

cáo luận án.

4.4 Dữ liệu hệ thống tính toán

4.4.1 Dữ liệu gió

Nghiên cứu thực hiện chọn dữ liệu gió từ nguồn tài liệu [147] ngày

26 tháng 06 năm 2018, dữ liệu gió được khảo sát từ 0 giờ đến 23 giờ

ngày 16 tháng 04 của các năm 2012 đến 2014, địa điểm khảo sát tại

An Ninh Đông- Huyện Tuy An - Tỉnh Phú Yên - Việt Nam, vị trí đo

tốc độ gió ở độ cao 60m. Số liệu tốc độ gió theo bảng 4.1

Bảng 4.1 Dữ liệu tốc độ gió (m/s) [147]

Giờ 0 1 2 3 4 5 6 7 8 9 10 11

Ngày

16/04/2012 4,1 3,4 2,4 1 1,8 2,8 4,2 1,8 2,1 2,8 4,1 4,6

16/04/2013 0,9 2,3 1,4 1 0,7 1,6 0,7 0,6 1,4 1,6 2,3 2,5

16/04/2014 2,9 1,6 1,6 1,2 0,9 1,2 1,6 0,7 1,6 2,2 3,1 2,3

Giờ 12 13 14 15 16 17 18 19 20 21 22 23

Ngày

16/04/2012 7,5 5,9 6,7 8,6 9,3 10,5 7,3 7,5 4,4 4,2 3,5 1,8

16/04/2013 2,1 1,8 3,9 5,4 6,2 2,6 1,9 1,1 0,9 1,7 2,2 2,5

16/04/2014 2,1 2,6 2 7,5 4,7 5,5 4,3 4,4 5,1 3,3 2,4 3,1

25

Bảng 4.2 Vận tốc gió cực tiểu, cực đại và trung bình [147]

Giờ 0 1 2 3 4 5 6 7 8 9 10 11

Vận tốc

Vmin(m/s) 0,9 1,6 1,4 1 0,7 1,2 0,7 0,6 1,4 1,6 2,3 2,3

Vmax(m/s) 4,1 3,4 2,4 1,2 1,8 2,8 4,2 1,8 2,1 2,8 4,1 4,6

Vavg(m/s) 2,633 2,433 1,8 1,067 1,133 1,867 2,167 1,033 1,7 2,2 3,167 3,133

Giờ 12 13 14 15 16 17 18 19 20 21 22 23

Vận tốc

Vmin(m/s) 2,1 1,8 2 5,4 4,7 2,6 1,9 1,1 0,9 1,7 2,2 1,8

Vmax(m/s) 7,5 5,9 6,7 8,6 9,3 10,5 7,3 7,5 5,1 4,2 3,5 3,1

Vavg(m/s) 3,9 3,433 4,2 7,167 6,733 6,2 4,5 4,333 3,467 3,067 2,7 2,467

4.4.2 Dữ liệu phụ tải 24 giờ

Dữ liệu phụ tải 24 giờ hệ thống IEEE 30 nút [148] theo bảng 4.3

Bảng 4.3 Phụ tải 24 giờ hệ thống IEEE 30 nút

Giờ 1 2 3 4 5 6 7 8 9 10 11 12

Tải (MW) 166 196 229 267 283.4 289 246 213 192 161 147 160

Giờ 13 14 15 16 17 18 19 20 21 22 23 24

Tải (MW) 170 185 208 232 246 241 236 225 204 182 161 131

4.4.3 Dữ liệu hệ thống IEEE 30 nút và các thông số cài đặt

Tính toán sử dụng dữ liệu hệ thống điện IEEE 30 nút [149] bao gồm:

7 nút máy phát: 1, 2, 5, 8, 11, 13 và 22

24 nút tải, 41 đường dây truyền tải, 04 bộ điều áp dưới tải đặt tại

các đường dây: 6-9, 6-10, 4-12 và 27-28

02 khóa đóng cắt dãy tụ đặt tại các nút 10 và 24

Tua bin gió được đặt tại nút 22, gồm có thông số sau:

26

Bảng 4.4 Thông số tua bin gió

Thông số ρ D (m) k CP

Giá trị 0,133 52 1,8 0,59

4.5 Kết quả tính toán bài toán ED có năng lƣợng gió theo phụ

tải 24 giờ

Các kết quả bài toán ED có năng lượng gió theo yêu cầu phụ tải từ 2

đến 23 giờ được trình bày tại phụ lục C và báo cáo luận án.

4.5.1 Phụ tải 1 giờ

Bảng 4.5 Kết quả bài toán ED có năng lượng gió phụ tải lúc 1 giờ

Bài toán ED tải 1h Phương pháp tính

Công suất

máy phát Pmin Pmax PSO

PSO-

TVAC PG PSO

PG

PSOCF CS

Pg1(MW)

Pg2(MW)

Pg3(MW)

Pg4(MW)

Pg5(MW)

Pg6(MW)

Pg22(MW)

50

20

15

10

10

12

0,0

200

80

50

35

30

40

30

94,3534

26,3582

15,0000

10,0000

10,0000

12,0000

1,5000

92,2718

28,3775

15,0000

10,0000

10,0000

12,0000

1,5000

101,5174

20,0000

15,0000

10,0000

10,0000

12,0000

1,5000

101,0220

20,0000

15,0000

10,0000

10,0000

12,0000

1,5000

94,6815

26,0378

15,0001

10,0000

10,0000

12,0020

1,5000

Chi phí cực tiểu ($/h) 415,0573 415,6210 419,0779 417,7108 415,8748

Chi phí cực đại ($/h) 461,3283 430,0164 454,3575 478,9403 454,5669

Chi phí trung bình ($/h) 415,7496 415,7070 417,9053 417,3199 416,5151

Chi phí NMĐG ($/h) 9,0000 9,0000 9,0000 9,0000 90000

Độ lệch chuẩn 0,7978 0,7427 1,2073 1,3879 0,4569

Thời gian trung bình (s) 9,694 9,213 4,591 4,588 7,584

Hình 4.2 Đồ thị bài toán ED có

NMĐG phụ tải 1giờ dùng PSO

Hình 4.3 Độ lệch chuẩn ED có NMĐG phụ tải 1 giờ dùng PSO

27

Hình 4.4 Đồ thị bài toán ED có

NMĐG phụ tải 24 giờ dùng PSO

Hình 4.5 Độ lệch chuẩn ED có

NMĐG phụ tải 24 giờ dùng PSO

4.6 Đánh giá và so sánh kết quả bài toán ED

Bảng 4-6. So sánh kết quả bài toán ED với tải 289,3 MW

MBO [151]

PSO PSO-

TVAC PG-PSO

PG-

PSOCF CS

Nút -

NMĐG 7 22 22 22 22 22

Pg1(MW) 48,45 119,7839 114,4548 114,7479 102,2375 111,3859

Pg2(MW) 34,44 29,1427 33,9109 33,8074 20,0000 33,5229

Pg3(MW) 30,43 15,0000 15,0000 15,0000 16,2831 15,2604

Pg4(MW) 29,07 10,0000 10,0000 10,0000 35,0000 13,4066

Pg5(MW) 16,12 10,0000 10,0000 10,0000 10,0000 10,0092

Pg6(MW) 28,61 12,0000 12,0000 12,0000 12,0000 12,0000

Pwind(MW) 99,73 100,0000 100,0000 100,0000 100,0000 99,9997

Tải (MW) 289,3 289,4 289,4 289,4 289,4 289,4

Chi phí

($/h) 514 492,9853 492,5350 493,0694 492,4223 493,2198

ĐL chuẩn - 2,0466 1,1070 12,3761 10,1985 0,9274

Thời gian - 58,696 57,045 28,736 32,630 47,497

Bảng 4-7. So sánh kết quả bài toán ED với tải 189,2 MW

LP

[153] GA

[96] PSO

PSO-

TVAC PG-PSO

PG-

PSOCF CS

Nút -

NMĐG 8

- 22 22 22 22 22

Pg1(MW) 45 367,69 108,4148 99,9815 99,6213 110,0750 89,3363

Pg2(MW) 60,9 357,74 21,9730 30,3444 31,1898 20,0000 38,0848

Pg3(MW) 15 124,15 15,0000 15,0000 15,0000 15,0000 17,2016

28

LP

[153] GA

[96] PSO

PSO-

TVAC PG-PSO

PG-

PSOCF CS

Pg4(MW) 21 93,91 10,0000 10,0000 10,0000 10,0000 10,0000

Pg5(MW) 16 156,00 10,0000 10,0000 10,0000 10,0000 10,0002

Pg6(MW) 39,89 456,02 12,0000 12,0000 12,0000 12,0000 12,0000

Pwind(MW) 16 175,12 16,0000 16,0000 16,0000 16,0000 15,9856

Tải (MW) 189,2 189,3 189,3 189,3 189,3 189,3

Chi phí

($/h) 450 31092,30 440,2635 439,8955 440,3466 440,0200 440,7798

Std - 1,3898 1,3770 7,1008 8,3594 0,6928

Số vòng lặp - 100 100 100 100 100

Thời gian - 56,754 57,026 32,901 33,647 55,110

CHƢƠNG 5 PHÂN BỐ TỐI ƢU CÔNG SUẤT TRONG HỆ

THỐNG ĐIỆN

5.1 Xây dựng bài toán phân bố tối ƣu công suất (OPF)

5.1.1 Trường hợp không có năng lượng gió

Hàm mục tiêu của bài toán OPF không có năng lượng gió là [155]

1 1

( )

NgNg

i gi

i i

MinF FC P F P

(49)

Các ràng buộc bài toán OPF không có năng lượng gió [156]:

1

cos( ) sin( ) ; 1, ....,b

N

gi Di i j ij i j ij i j i g

j

P P V V G B g N

(50)

1

sin( ) cos( ) ; 1, ....,b

N

gi ci Di i j ij i j ij i j i g

j

Q Q Q V V G B g N

(51)

Công suất thực, công suất phản kháng và điện áp tại mỗi nút máy

phát phải giới hạn trong cực tiểu và cực đại cho phép [157] [158].

,min ,max; 1, ...,

gi gi gi gP P P i N

(52)

,min ,max; 1,...,

gi gi gi gQ Q Q i N

(53)

29

,min ,max; 1, ....,

gi gi gi gV V V i N

(54)

Dung lượng tụ bù tại các nút

,min ,max; 1, ....,

ci ci ci i cQ Q Q c N

(55)

Giới hạn cận dưới và cận trên của nấc điều chỉnh bộ điều áp dưới tải

,min ,max; 1, ....,

k k k kT T T k N

(56)

Giới hạn điện áp tại mỗi nút và công suất truyền tải trên đường dây

,min ,max; 1, ....,

li li li lV V V i N

(57)

,max; 1, ....,

li li lS S i N

(58)

Từ các công thức (48) đến (57) xây dựng hàm khả dụng [65]:

2

lim

1

2

max

1

lim 2

1

lim 2

1

( )

( )

( )

g

l

N

i P gi gi q

i

N

s l l

l

g

d

N

gi gi

i

N

v li li

i

FF FC K P P K

K S S

Q Q

K V V

(59)

5.2 Áp dụng các phƣơng pháp giải bài toán OPF

5.2.1 Bài toán OPF không có năng lượng gió

Từ công suất Ps theo công thức (41) tiếp tục tính bài toán OPF theo

các phương phá như sau

5.2.1.1 Bài toán OPF không có NMĐG sử dụng PSO-TVAC

Áp dụng thuật toán PSO-TVAC tính theo 5.2.1.1 của báo cáo luận án

5.2.1.2 Bài toán OPF không có NMĐG sử dụng PG-PSOCF

Áp dụng thuật toán PG-PSOCF tính theo 5.2.1.2 của báo cáo luận án

30

5.2.1.3 Giải bài toán OPF không có NMĐG sử dụng CS

Khởi tạo tổ Xd theo công thức:

, min 1 , max , min* (X )

di di di diX X rand X

(60)

Ứng dụng Lévy flights tạo số trứng mới trong tổ Xdi(new)

ngẫu nhiên

2

new new

di bestdi dX X rand X

(61)

Tiếp tục áp dụng thuật toán CS tính theo 5.2.1.3 của báo cáo luận án

5.2.2 Bài toán OPF có năng lượng gió

Hàm mục tiêu của bài toán OPF có tham gia của NMĐG

1 1

( P )

NgNg

i gi wgi

i i

MinF FC P F P

(62)

5.2.2.1 Các bước giải bài toán OPF có NMĐG sử dụng PSO-TVAC

Khởi tạo bầy Xd theo công thức

,min 1 ,max ,min* (X )

di di di diX X rand X

(63)

Đánh giá hàm khả dụng ban đầu theo công thức:

2

lim

1

2

max

1

lim 2

1

lim 2

1

( )

( )

( )

g

l

N

i P gi gi

i

N

s l l

l

g

d

N

q gi gi

i

N

v li li

i

FF FC K P P

K S S

K Q Q

K V V

(64)

Tiếp tục thực hiện giải bài OPF toán theo 5.2.2.1 của báo cáo luận án

5.2.2.2 Các bước giải bài toán OPF có NMĐG sử dụng PG-PSOCF

Áp dụng thuật toán PG-PSOCF tính theo 5.2.2.2 của báo cáo luận án

5.2.2.3 Các bước giải OPF có NMĐG sử dụng phương pháp CS

Thực hiện bước khởi tạo theo (59)(60), tiếp tục thực hiện theo

5.2.2.3 của báo cáo luận án.

31

5.3 Kết quả tính toán

5.3.1 Dữ liệu hệ thống tính toán

Các thông số dữ liệu chọn theo 4.4 và 5.3.1 của báo cáo luận án.

5.3.2 Kết quả phụ tải 1 giờ

Bảng 5.1 Kết quả bài toán OPF có năng lượng gió phụ tải 1 giờ

Bài toán OPF Các phương pháp tính

PSO PSO TVAC PG PSO PG PSO CF CS

Chi phí cực tiểu ($/h) 417,3269 415,8845 419,2150 416,2802 417,4045

Chi phí trung bình ($/h) 417,7016 416,4322 423,5543 416,9852 417,6720

Chi phí cực đại ($/h) 473,5996 463,6826 468,4080 464,1182 473,0520

Chi phí NMĐG ($/h) 9,0000 9,0000 9,0000 9,0000 9,0000

Độ lệch chuẩn 1,2843 0,7862 1,5476 1,0233 0,6261

Thời gian xử lý (s) 8,809 9,688 5,426 4,866 9,290

Bảng 5.2 Phân bố công suất máy phát phụ tải 1 giờ

Bài toán OPF Các phương pháp tính

Nút

Pg(MW)

Qg

(MVAR)

Pmin

Qmin

Pmax

Qmax PSO

PSO-

TVAC PG-PSO

PGPSO

CF CS

1

2

5

8

11

13

22

Pg1

Pg2

Pg3

Pg4

Pg5

Pg6

Pg7

50

20

15

10

10

12

0,0

200

80

50

35

30

40

30

100,5561

20,0000

15,0000

10,0000

10,0000

12,0000

1,5000

92,0759

28,3377

15,0000

10,0000

10,0000

12,0000

1,5000

101,2410

20,0000

15,0000

10,0000

10,0000

12,0000

1,5000

92,0015

28,5547

15,0000

10,0000

10,0000

12,0000

1,5000

91,3476

29,4421

15,0000

10,0000

10,0786

12,0424

1,5000

1

2

5

8

11

13

22

Qg1

Qg2

Qg3

Qg4

Qg5

Qg6

Qg7

-20

-20

-15

-15

-10

-15

-15

200

100

80

60

50

60

50

-11,0156

4,2018

27,7399

29,0059

11,8325

12,4250

26,5197

-9,2590

7,4751

22,5865

38,0047

-

22,7908

22,2508

30,5085

-24,9043

34,0249

24,6362

68,7951

-35,1771

-20,0513

44,2971

1,0950

8,7485

20,7799

34,2893

-4,3710

5,9832

32,6741

-

19,1186

21,1078

25,2843

45,0868

-

33,6178

17,0649

47,8437

32

Đồ thị biểu diễn OPF phụ tải 1 giờ

Hình 5.1 Đồ thị bài toán OPF có

NMĐG phụ tải 1 giờ dùng PSO

Hình 5.2 Độ lệch chuẩn OPF có

NMĐG phụ tải 1 giờ dùng PSO

5.3.3 Kết quả phụ tải 24 giờ

Kết quả bài toán OPF phụ tải 24 giờ theo 5.3.3 báo cáo luận án

5.4 Đánh giá và so sánh kết quả bài toán OPF

Bảng 5.3 Bảng so sánh kết quả bài toán OPF qua các phương pháp

MCS

[161]

MPSO

[63] PSO

PSO-

TVAC PG-PSO

PG-

PSOCF CS

Bus- wind 22 22 22 22 22 22 22

Pg1(MW) 163,8355 166,6133 167,2449 164,2360 165,0300 166,3483 158,2994

Pg2(MW) 45,5225 46,1629 45,0055 45,6170 45,4667 46,2434 44,8089

Pg3(MW) 20,4511 20,5314 20,1991 20,2261 21,0616 20,6733 23,2127

Pg4(MW) 13,3914 10,0000 11,5106 12,9968 12,6088 10,0000 12,3191

Pg5(MW) 10,0028 10,0000 10,0012 10,0000 10,0000 10,0000 13,0645

Pg6(MW) 12,000 12,000 12,0000 12,0000 12,0000 12,0000 14,2059

Pwind(MW) 25,9991 26,1662 25,8610 25,8610 25,8610 25,8610 25,1031

Tải (MW) 283,4 283,4 283,4 283,4 283,4 283,4 283,4

Chi phí ($/h)

707,9701 707,7161 707,9565 707,5023 707,9695 707,6715 708,6939

Số vòng lặp 500 500 100 100 100 100 100

Thời gian (s)

345,58 343,20 24,95 26,53 13.55 12.03 15.34

KOA BH KOA BH KOA BH KOA

P1(MW) 166,74 166,81 169,83 167,98 170,05 167,00 167,60

P2(MW) 46,10 46,10 47,07 46,42 47,03 46,14 45,94

P5(MW) 20,35 20,34 20,88 20,45 20,75 20,34 20,52

P8(MW) 15,43 15,33 18,71 16,22 15,51 15,58 19,53

P11(MW) 10,07 10,08 11,05 10,26 10,77 10,13 11,35

33

MCS

[161]

MPSO

[63] PSO

PSO-

TVAC PG-PSO

PG-

PSOCF CS

P13(MW) 12,00 12,00 12,00 12,00 12,00 12,00 12,00

Pw7(MW) 9,57 8,70 4,06 5,67 5,82 6,81 2,36

V1(p.u) 1,09 1,09 1,04 1,09 1,07 1,09 1,10

V2(p.u) 1,07 1,07 1,02 1,07 1,04 1,08 1,09

V5(p.u) 1,05 1,04 1,00 1,04 1,01 1,05 1,06

V8(p.u) 1,05 1,04 1,00 1,04 1,01 1,05 1,05

V11(p.u) 1,03 1,05 1,08 0,97 1,04 1,04 1,10

V13(p.u) 1,05 1,04 1,05 1,04 1,07 1,05 1,04

Vw7(p.u) 1,04 1,04 1,00 1,04 1,01 1,04 1,05

Chi phí ($/h)

734,92 734,02 760,23 740,33 749,68 734,13 750,37

CHƢƠNG 6 ĐIỀU ĐỘ TỐI ƢU CÔNG SUẤT PHẢN KHÁNG

TRONG HỆ THỐNG ĐIỆN

6.1 Xây dựng bài toán ORPD không có năng lƣợng gió

Hàm mục tiêu theo tổn thất công suất, sai lệch điện áp và chỉ số ổn

định điện áp [162][163]

2 2

1

2 cos( )l

N

loss li i j i j i j

i

MinF P g V V VV

(65)

1

dN

sp

i i

i

MinF VD V V

(66)

maxmax ; 1, ...,

i d MinF L L i N

(67)

6.2 Áp dụng các phƣơng pháp giải bài toán ORPD

6.2.1 Bài toán ORPD không có năng lượng gió

Hàm khả dụng bài toán ORPD

lim 2

inf max

1

2

max

1

lim 2

1

(or VD)(or L ) ( )

( )( )

g

l

N

loss q gi gi

i

N

s l l

l

dN

v li li

i

FF FP K Q Q

K S SK V V

(68)

34

6.2.1.1 Các bước giải ORPD không có NMĐG sử dụng PSO-TVAC

Thực hiện bước khởi tạo theo 6.2.1.1 của báo cáo luận án

Đánh giá hàm khả dụng ban đầu theo (67), tiếp tục thực hiện các

bước theo 6.2.1.1

6.2.1.2 Các bước giải ORPD không có NMĐG sử dụng PG-PSOCF

Áp dụng thuật toán PG-PSOCF tính bài toán ORPD theo 6.2.1.2 của

báo cáo luận án

6.2.1.3 Các bước giải ORPD không có NMĐG sử dụng CS

Khởi tạo Xdi và ứng dụng Lévy flights theo (59)(60)

Áp dụng thuật toán CS tiếp tục các bước theo 6.2.1.3 của báo cáo

luận án

6.2.2 Bài toán ORPD có năng lượng gió

Khi có năng lượng gió, các ràng buộc của hệ thống thay đổi về công

suất thực và công suất phản kháng tại mỗi nút [184]:

1

cos( ) sin( )

1,...,

bN

gi wgi di wi wj ij wi wj ij wi wj

j

b

P P P V V G B

i N

(69)

1

sin( ) cos( )

1,..., ;

bN

G di wi wj ij wi wj ij wi wj

j

b G gi wgi

Q Q V V G B

i N Q Q Q

(70)

,min ,max

,min ,max

; 1, ...,

; 1, ...,

gi gi gi g

wgi wgi wgi gi

V V V i N

V V V i N

(71)

,min ,max

,min ,max

; 1, ...,

; 1, ...

gi gi gi g

wgi wgi wgi wgi

Q Q Q i N

Q Q Q i N

(72)

,min ,max; 1, ...,

ci ci ci cQ Q Q i N

(73)

35

,min ,max; 1, ...,

k k k tT T T k N

(74)

,min ,max; 1, ...,

li li li dV V V i N

(75)

Hàm mục tiêu của hệ thống cũng thay đổi khi có năng lượng gió

2 2

1

2 cos( )lN

w w loss li wi wj wi wj wi wj

i

MinF P g V V V V

(76)

1

dN

sp

w w wi i

i

MinF VD V V

(77)

maxmax ; 1,...,

w w i dMinF L L i N

(78)

6.3 Áp dụng các phƣơng pháp giải bài toán ORPD có NMĐG

Hàm khả dụng ORPD khi có NMĐG tham gia

lim 2 lim 2 2

max

1 1 1

( ) ( ) ( )g d l

N N N

fitness wi q G gi v li li s l l

i i l

FF SF K Q Q K V V K S S

(79)

Áp dụng các thuật toán POS-TVAC, PG-PSOCF và CS tính bài toán

ORPD theo mục 6.2.2 của báo cáo luận án

6.4 Kết quả tính toán ORPD

Dữ liệu hệ thống tính theo 4.4.1 và 6.3.1 của báo cáo luận án

6.4.1 Kết quả bài toán Ploss

6.4.1.1 Kết quả bài toán Ploss phụ tải 1 giờ

ORPD - Ploss

Phương pháp

PSO PSO-

TVAC

PG-

PSO

PG-

PSOCF CS

Cực tiểu Ploss (MW) 1,3192 1,3134 1,3542 1,2089 1,3193

Trung bình Ploss (MW) 1,3350 1,3152 1,3267 1,1977 1,3037

Cực đại Ploss (MW) 1,4141 1,3975 1,3926 1,2722 1,3586

Công suất NMĐG (MW)

1,5000 1,5000 1,5000 1,5000 1,5000

Độ lệch chuẩn (Std) 0,0626 0,0387 0,0482 0,0387 0,0296

Thời gian xử lý (s) 5,7250 5,6797 5,6641 5,5375 10,5219

Đồ thị phụ tải bài toán Ploss phụ tải 1 giờ

36

Hình 6.1 Đồ thị bài toán Ploss có

NMĐG phụ tải 1h dùng PSO

Hình 6.2 Độ lệch chuẩn Ploss có

NMĐG phụ tải 1h dùng PSO

6.4.1.2 Kết quả bài toán Ploss phụ tải 24 giờ

Trình bày theo mục 6.3.2.2 của báo cáo luận án

6.4.2 Kết quả bài toán VD

6.4.2.1 Kết quả bài toán VD phụ tải 1 giờ

Bảng 6.1. Kết quả bài toán ORPD theo VD phụ tải 1 giờ

ORPD - VD Phương pháp

PSO PSO-TVAC PG-PSO PG-PSOCF CS

Cực tiểu VD 0,1481 0,0924 0,1049 0,0881 0,1030

Trung bình VD 0,1692 0,0979 0,1087 0,0973 0,1101

Cực đại VD 0,2410 0,1056 0,1122 0,1172 0,1271

CS NMĐG (MW) 0,43000 0,43000 0,43000 0,43000 0,43000

Độ lệch chuẩn (Std) 0,0271 0,0351 0,0028 0,0089 0,0066

Thời gian xử lý (s) 5,497 5,07 5,514 5,406 9,519

Hình 6.3 Đồ thị bài toán VD có NMĐG phụ tải 1h dùng PSO

Hình 6.4 Độ lệch chuẩn VD có NMĐG phụ tải 1h dùng PSO

6.4.2.2 Kết quả bài toán VD phụ tải 24 giờ

Trình bày theo mục 6.3.3.2

37

6.4.3 Kết quả bài toán Lmax

6.4.3.1 Kết quả bài toán Lmax phụ tải 1 giờ

Bảng 6.2. Kết quả bài toán ORPD theo Lmax phụ tải 1 giờ

ORPD - Lmax

Phương pháp

PSO PSO-

TVAC PG-PSO PG-PSOCF CS

Cực tiểu Lmax 0,0810 0,0805 0,0805 0,0804 0,0808

Trung bình Lmax

0,0821 0,0812 0,0820 0,0809 0,0811

Cực đại Lmax 0,0841 0,0823 0,0843 0,0825 0,0814

Công suất NMĐG (MW)

1,5000 1,5000 1,5000 1,5000 1,5000

Độ lệch chuẩn (Std)

0,0010 0,0005 0,0011 0,0006 0,0002

Thời gian xử lý (s)

5,664 5,767 5,906 5,641 10,952

Đồ thị phụ tải bài toán Lmax phụ tải lúc 1 giờ

Hình 6.5 Đồ thị bài toán Lmax có

NMĐG phụ tải 1h dùng PSO

Hình 6.6 Độ lệch chuẩn Lmax có

NMĐG phụ tải 1h dùng PSO

6.4.3.2 Kết quả bài toán Lmax phụ tải 24 giờ

Trình bày theo mục 6.3.4.2 báo cáo luận án

6.5 Đánh giá và so sánh kết quả bài toán ORPD

Bảng 6.3. So sánh kết quả bài toán ORPD theo Ploss các phương pháp

Phương pháp Ploss (MW) Độ lệch

chuẩn (Std)

Thời gian

xử lý (s)

Tổng số

vòng lặp

PSO 2,5778 0,1353 5,368 100

PSO-TVAC 2,5564 0,0952 5,541 100

38

Phương pháp Ploss (MW) Độ lệch

chuẩn (Std)

Thời gian

xử lý (s)

Tổng số

vòng lặp

PG-PSO 2,5828 0,1249 5,191 100

PG-PSOCF 2,5765 0,0823 5,209 100

CS 3,7969 0,0968 10,594 100

Bảng 6.4. So sánh kết quả bài toán ORPD theo Lmax các phương pháp

Phương pháp Lmax Độ lệch

chuẩn (Std)

Thời gian

xử lý (s)

Tổng số

vòng lặp

PSO 0,0930 0,0019 5,451 100

PSO-TVAC 0,0890 0,0010 5,374 100

PG-PSO 0,0888 0,0009 5,263 100

PG-PSOCF 0,0914 0,0015 5,444 100

CS 0,0860 0,0003 10,298 100

Bảng 6.5. So sánh kết quả bài toán ORPD theo VD các phương pháp

Phương pháp VD Độ lệch

chuẩn (Std)

Thời gian

xử lý (s)

Tổng số

vòng lặp

PSO 0,1099 0,0087 4,816 100

PSO-TVAC 0,0902 0,0085 4,897 100

PG-PSO 0,1099 0,0029 4,939 100

PG-PSOCF 0,1136 0,0007 4,965 100

CS 0,1040 0,0063 9,898 100

CHƢƠNG 7 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN

7.1 Kết luận

Qua các kết quả trình bày, nghiên cứu đã đạt được các mục đích sau:

Xây dựng hàm chi phí của tua bin gió.

Từ hàm chi phí của tua bin gió kết hợp xây dựng hàm mục tiêu

của các bài toán ED, OPF. Từ công suất phát của NMĐG xây

dựng hàm mục tiêu bài toán ORPD.

Áp dụng các thuật toán tối ưu bầy đàn PSO, cải tiến PSO và CS để

giải bài toán ED, OPF và ORPD có tham gia của năng lượng gió.

So sánh với các kết quả báo cáo của các nghiên cứu đã công bố để

tìm các phương pháp tính tốt nhất và cho kết quả tối ưu nhất.

39

Nghiên cứu đã đạt được kết quả bài toán ED, OPF, ORPD có tham

gia của năng lượn gió theo yêu cầu phụ tải 24 giờ. Đây là cơ sở

quan trọng để tính tối ưu vận hành hệ thống điện khi tham gia thị

trường điện cạnh tranh.

Nghiên cứu đã có các đóng góp cho khoa học như sau:

Áp dụng các thuật toán tối ưu bầy đàn PSO, PSO-TVAC, PG-

PSO, PG-PSOCF và CS để giải các bài toán ED, OPF và ORPD

trong hệ thống điện.

Tính các bài toán ED, OPF và ORPD có sự tham gia của năng

lượng gió.

Tính các bài toán ED, OPF và ORPD có sự tham gia của năng

lượng gió theo yêu cầu phụ tải 24 giờ.

7.2 Hƣớng phát triển

Từ kết quả nghiên cứu trên, có thể áp dụng các thuật toán tối ưu bầy

đàn để tính tối ưu điều độ kinh tế, tối ưu phân bố công suất, tối ưu

công suất phản kháng trong hệ thống điện với qui mô hệ thống lớn

hơn và có thể áp dụng các thuật toán tối ưu bầy đàn để tính tối ưu

điều độ hệ thống điện Việt Nam.

Nghiên cứu đã tính được các bài toán điều độ tối ưu kinh tế, tối ưu

phân bố công suất, tối ưu công suất phản kháng theo yêu cầu phụ tải

24 giờ, nhằm mục đích định hướng hệ thống điện tham gia thị trường

điện phù hợp với yêu cầu hệ thống điện khi tham gia thị trường điện

cạnh tranh để lựa chọn giá bán điện tốt nhất. Năng lượng gió sẽ phát

triển mạnh tại Việt Nam trong tương lai do Việt Nam có đặc điểm

địa lý thích hợp, do đó việc tính toán điều độ tối ưu hệ thống điện có

tham gia của năng lượng gió là cần thiết và áp dụng được trong

tương lai.

Xin chân thành cảm ơn tất cả tập thể giáo viên Trường Đại học Bách

Khoa Thành phố Hồ Chí Minh đã dạy dỗ và giúp đỡ tôi trong suốt

thời gian là nghiên cứu sinh tại Trường và hoàn thành luận án này

40

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ

1. D. A. Le and D. N. Vo, "Optimal reactive power dispatch by

pseudo-gradient guided particle swarm optimization", 2012 10th

International Power Energy Conference (IPEC), DOI:10.1109

/ASSCC.2012.6523230, ISSN:1947-1262, pp. 7-12, Dec-2012.

2. Le Dinh Luong, Le Anh Dung, Vo Ngoc Dieu, Truong Phung

Hiep Minh Phuong, Nguyen Huu Thien An, "Economic Dispatch

with Multiple Fuels by Self-Organizing Hierarchical Particle Swarm

Optimization", GMSARN Int. Conf. on Green Economy with Energy,

Environmental & Social Responsibility, Vol.7, No.2, ISSN: 1905-

9094, pp.19-21, Dec-2012.

3. Vo Ngoc Dieu, D, Le Anh Dung and Nguyen Phuc Khai, "Particle

Swarm Optimization with Constriction Factor for Optimal Reactive

Power Dispatch", GMSARN, International Journal, Vol.7, No.1,

pp.31-40, March-2013.

4. Võ Ngọc Điều, Lê Anh Dũng, Vũ Phan Tú, "Áp dụng phương

pháp tối ưu hóa phần tử bầy đàn với hệ số giới hạn cho bài toán tối

ưu hóa công suất phản kháng", Tạp chí phát triển Khoa học và Công

nghệ, Tập 16, số K2 - 2013, trang 89-101,11-04-2013.

5. Le Dinh Luong, Vo Ngoc Dieu, Nguyen Thanh Hop and Le Anh

Dung, "A hybrid differential evolution and harmony search for

nonconvex economic dispatch problems", 2013 IEEE 7th

International Power Engineering and Optimization Conference

(PEOCO), DOI:10.1109/PEOCO.2013.6564550, p.p 238-243, June-

2013.

6. Dieu Ngoc Vo, Khai Phuc Nguyen, Goro Fujita, Mohd Nabil

Muhtazaruddin and Dung Anh Le, "Pseudo-gradient based particle

swarm optimization for security constrained optimal power flow",

Seventeenth International on Intelligent System Applications to

Power Systems, ISAP2013, Japan, July-2013.

41

7. Vo Ngoc Dieu, Nguyen Phuc Khai, Nguyen Thanh Hop,

Weerakorn Ongsakul and Le Anh Dung, "Evolutionary harmony

search algorithm for non-convex economic dispatch". Power

Engineering Conference (UPEC) Dublin, DOI:14043541, ISBN:

978-1-4799-3254-2, 2-5 September-2013.

8. Luong Dinh Le, Jirawadee Polprasert, Weerakorn Ongsakul, Dieu

Ngoc Vo and Dung Anh Le, "Stochactis weight trade-off paticle

swarm optimization for optimal power flow". Journal of Automation

and Control Engineering (JOACE), Volume 2, No.1, 31-37, JOACE

2014, ISSN: 2307-3702, March-2014.

9. Le Anh Dung and Vo Ngoc Dieu, "Application of Cuckoo Search

Algorithm for Optimization Power Flow in Power Sytem",

GMSARN, Vol.9, No.2, pp.45-50, June-2015.

10. Dung Le Anh and Dieu Ngoc Vo, "Cuckoo Search Algorithm for

Minimization of Power Loss and Voltage Deviation", International

Journal of Energy Optimization and Engineering, IJEOE-5(1), DOI:

10.4018/IJEOE.2016010102, vol.5, issue.1 pp.12-21, Jan-Mar-2016

(ESCI of SCIE).

11. Dung Anh Le and Dieu Ngoc Vo, "Cuckoo Search Algorithm

Application for Economic Dispatch with Wind Farm in Power

Systems", Global Journal of Technology & Optimization,

DOI:10.4172/2229-8711.1000204, ISSN:2229-8711, vol.7, isse.3,

pp.2-6, 2016.

12. 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 học và

Công nghệ (đã chỉnh sữa theo phản biện).