Sử dụng thuật toán PGPSO giải bài toán điều độ công suất phản kháng - pdf 26

Link tải miễn phí luận văn
1
I. Mở ñầu
1.1Mục tiêu của ñề tài nghiên cứu
Xây dựng và giải quyết bài toán ñiều ñộ công suất phản kháng lưới ñiện phân phối trên cơ sở ứng dụng
thuật toán nhằm giải quyết bài toán ñiều ñộ công suất phản kháng ñể ổn ñịnh hệ thống truyền tải hệ thống lưới
ñiện, chất lượng giải pháp tốt hơn so với các phương pháp khác, giảm chi phí vận hành hệ thống ñiện
1.2 Nội dung ñề tài nghiên cứu
Nội dung ñề tài nghiên cứu là tìm hiểu tối ưu hóa bài toán ñiều ñộ công suất phản kháng hệ thống ñiện,
nhằm xác ñịnh các thay ñổi trong quá trình ñiều khiển cũng như ñộ lớn ñiện áp máy phát, khả năng bù công suất
phản kháng, cài ñặt dòng rò máy biến áp vì thế hàm tiêu của vấn ñề giảm thiểu nhỏ nhất ñáp ứng cho máy phát
và hệ thống bị hạn chế . Trong vấn ñề ñiều ñộ công suất phản kháng, mục tiêu ñề ra là giảm tổng tổn thất ñiện
năng, ñộ sai lệch ñiện áp ở các thanh cái ñể cải tiến ñiện áp hệ thống hay chỉ số ổn ñịnh ñiện áp nhằm tăng khả
năng ổn ñịnh ñiện áp. ðiều ñộ công suất phản kháng là vấn ñề tối ưu hóa phức tạp với qui mô lớn nhưng hạn chế
mục tiêu phi tuyến tính. Trong vận hành hệ thống ñiện, vai trò chính của ñiều ñộ công suất phản kháng là duy trì
ñiện áp trên thanh cái truyền tải trong phạm vi giới hạn ñể cung cấp chất lượng ñiện năng ñến khách hàng.
1.2 Phương pháp nghiên cứu
Phương pháp nghiên cứu là sử dụng thuật toán PGPSO ñể giải bài toán ñiều ñộ công suất kháng trên hệ
thống lưới ñiện. Vấn ñề tối ưu ñiều ñộ công suất kháng (ORPD) với các chức năng là hướng tới mục ñích khác
nhau ñối với hệ thống ñiện như là ñiều ñộ kinh tế, ñiều khiển ñiện áp/công suất phản kháng và các chiến lược
ñiều khiển ñể tranh nguy cơ mất ổn ñịnh ñiện áp. Phương pháp tối ưu dựa trên chỉ số mất ổn ñịnh ñiện áp ñược
ñề cập và phát triển.
Phương pháp thuật toán ñề xuất ñể giải quyết vấn ñề ñiều ñộ công suất phản kháng. Trong vấn ñề tối ưu,
sự thay ñổi ñược ñề cập bao gồm biến ñiều khiển và trạng thái thay ñổi. Các biến ñiều khiển bao gồm công suất
tác dụng, ñiện áp ở thanh cái máy phát ñiện, tỉ số của máy biến áp và công suất tác dụng bởi các bộ tụ ñiện. Thay
ñổi trạng thái của gồm công suất máy phát ñiện ở thanh cái, ñiện áp thanh cái, công suất tác dụng của máy phát,
công suất truyền tải. Hơn nữa, vấn ñề ñiều ñộ công suất kháng cũng có quan hệ tương ñương với các phương
trình và không quan hệ với giới hạn các biến ñiều khiển và và trạng thái thay ñổi.
Trong những năm gần ñây ñã có nhiều công trình nghiên cứu xác ñịnh vị trí tối ưu tụ bù trong lưới phân
phối sử dụng thuật toán mờ (gọi tắt là phương pháp mờ). Phương pháp giải quyết bài toán xác ñịnh vị trí của tụ
bù trong lưới phân phối sử dụng phương pháp tìm kiếm thực nghiệm. Bài toán xác ñịnh vị trí tụ bù tối ưu trong
lưới phân phối sử dụng thuật toán di truyền – mờ ….
2
II. Nội dung luận văn:
2.1 Sử dụng thuật toán PGPSO ñể giải quyết bài toán ñiều ñộ công suất kháng
Vấn ñề tối ưu ñiều ñộ công suất kháng(ORPD) với các chức năng là hướng tới mục ñích khác nhau ñối với
hệ thống ñiện như là ñiều ñộ kinh tế, ñiều khiển ñiện áp/công suất phản kháng và các chiến lược ñiều khiển ñể
tranh nguy cơ mất ổn ñịnh ñiện áp. Phương pháp tối ưu dựa trên chỉ số mất ổn ñịnh ñiện áp ñược ñề cập và phát
triển.
Mục tiêu vấn ñề ORPD là giảm thiểu ñể tối ưu hóa các hàm mục tiêu ñáp ứng các hạn chế trong phương
trình và bất phương trình . Về toán học, phương pháp này ñược hình thành theo công thức sau:
Min F(x,u) (1)
Ở ñây: F là hàm mục tiêu có thể biểu diễn một trong các dạng sau:
- Tổn thất công suất ñiện năng:
F(x,u) = Ploss = [ 2 cos( )] 2 2
1
i j i j i j
Nl
i
∑g l V +V − V V δ −δ
=
(2)
- ðộ lệch ñiện áp trên thanh cái ñiện áp cải tiến
F(x,u) = VD = | |
1
sp
i i
Nd
i
∑V −V
=
(3)
Ở ñây: vi
sp gía trị tham chiếu thiết lập trước trên tải thứ i, thường cài ñặt ñến 1.0 pu
- Chỉ số ñiện áp cải tiến
F(x,u) = Lmax = max{Li}; i = 1,....,Nd (4)
2.2 Thuyết tiến hóa bầy hạt thông thường :
Thuyết tiến hóa bầy hạt (PSO) là phương pháp thông dụng ñể giải quyết các vấn ñề thuyết tiến hóa.
Phương pháp PSO ñược phát triển bởi Kennedy và Eberhat vào năm 1995 (Kennedy & Eberhart,1995), lấy cảm
hứng từ sự chuyển ñộng của một ñàn chim hay một ñàn cá tìm thức ăn. Kịch bản hứng thú cho phương pháp này
ñược miêu tả như sau. Một ñàn chim tìm kiếm thức ăn trong một vùng ñã biết mà ở ñó chỉ có một mẩu thức ăn
ñược phát hiện. Mặc dù các con chim không biết thức ăn chính xác là ở ñâu, có xa không. Chiến lược tốt nhất
cho việc tìm thức ăn theo các con chim mà nơi nào gần thức ăn nhất. Các ý tưởng PSO cũng dựa từ kịch bản ñó
và thực hiện ñể giải quyết các vấn ñề về thuyết tiến hóa. Nhằm thực hiện PSO, từng con chim duy nhất ñược gọi
như một hạt ñại diện ñể thiết lập các giải pháp ñề xuất trong không gian tìm kiếm và ñàn chim cũng có thể ñược
gọi như ñại diện bầy ñàn ñể thiết lập các giải pháp ñưa ra. ðể ñánh giá các giải pháp ñưa ra, sử dụng chức năng
kết hợp với mỗi hạt và lặp ñi lặp lại ñể thực hiện việc ñánh giá.
3
Tương tự các kỹ thuật công nghệ tính toán tiến hóa khác như thuật toán di truyền (GA), lập trình tiến
hóa (EP), ban ñầu PSO cũng khởi tạo với các giải pháp ngẫu nhiên và tìm kiếm bằng cách cập nhật thường
xuyên. Tuy nhiên, PSO không có người phát triển cũng như ñột biến như GA va EP. Trong PSO, các giải pháp
tiềm năng ñại diện bởi các hạt bay qua không gian của vấn ñề ñược dựa vào tốc ñộ và vị trí tốt nhất dòng ñiện
của chúng. So với các phương pháp nhân tạo khác, ñiểm thuận lợi của PSO là nó dễ thực hiện và có một số tham
số có thể ñiều chỉnh ñược.
PSO là một phương pháp nhân tạo nó tạo ra một vài giả thiết giả ñịnh về vấn ñề ñược ñề cập và có thể
phối hợp cùng với các vấn ñề có quy mô lớn và không gian rộng các giải pháp ñề nghị. Hơn thế nữa, PSO không
dùng ñộ chênh lệch của vấn ñề thực hiện liên quan như một số phương pháp thuyết tiến hóa cổ ñiển như phương
pháp ñộ lệch và NewTon. Do ñó, PSO không cần thực hiện thuyết tiến hóa ñể có thể khác nhau.
Vấn ñề giải quyết việc thuyết tiến hóa PSO bởi các giải pháp thông thường hay các hạt và sự chuyển
ñộng của các hạt này trong không gian nghiên cứu là sử dụng dạng công thức toán học ñơn giản trên vận tốc và
vị trí các hạt. Trong mỗi bước lại, mỗi hạt ñược cập nhật dựa trên các hai giá trị tốt nhất. Giá trị ñầu tiên là giải
pháp tốt nhất hạt thu ñược và giá trị sau cùng là giải pháp tốt nhất mà ñàn thu ñược.
Xét kích thước n, vấn ñề thuyết tiến hóa với ñối tượng như sau :
Min f(x) (20)
xmin ≤ x ≤ x max (21)
Ở ñây : x = {x1, x2,…xn}
T
là vector của các biến n không phụ thuộc, và xmax và xmin là vector giới hạn thay ñổi
cao nhất và nhỏ nhất.
ðể thiết lập PSO, toàn bộ hạt ñược dùng ñể tìm kiếm giải pháp tối ưu cho vấn ñề. Giả sử rằng có np hạt
trong quần thể, vector vận tốc và vector vị trí của hạt d ñặc trưng tương ứng bởi xd = {x1d,x2d,…xnd}
T
và vd =
{v1d,v2d,…vnd}
T
, d = 1,…np, ở ñây xd là vị trí của hạt d và vd là vận tốc của hạt d
ðể ñánh giá giải pháp tốt nhất cho mỗi hạt và cho toàn bộ, một hàm tương ứng thiết lập hàm mục tiêu và
mỗi hạt phối hợp với hàm tương ứng. Vị trí hạt d tốt nhất là dựa vào sự so sánh giá trị hàm tương ứng của nó
hiện tại lặp lại và giá trị tốt nhất hàm tương ứng trước ñó. Vị trí tốt nhất của tổng thể là dựa vào sự so sánh các
giá trị hàm tương ứng của tất cả các hạt. Vị trí tốt nhất trước ñó của hạt d ñược thay bởi pbestd={p1d,p2d,….pnd}
T
,,
d=1,…n và hạt tốt nhất trong quần thể ñặc trưng bởi gbest={g1,g2,…gn]
T
.
Giả sử k là vị trí tốt nhất hiện tại của mỗi hạt và quần thể ñược chấp nhận, vận tốc và vị trí của mỗi hạt
trong bước lặp tiếp theo (k+1) nhằm ñánh giá hàm tương ứng ñược cập nhật như sau :
( ) ( )
( ) ( )
2 2
( ) ( )
1 1
( )1 ( ) k
id
k
i
k
id
k
id
k
id
k
v id =v +c × rand × pbest − x +c × rand × gbest − x
+
(22)
( + )1 ( ) ( + )1
= +
k
id
k
id
k
x id x v (23)
Ở ñây hằng số c1 và c2 là các thông số nhận biết và xã hội tương ứng, và rand1 và rand2 là giá trị ngẫu
nhiên nằm trong khoảng [0,1]
Các dãy số cao nhất, thấp nhất cho vị trí của mỗi phần tử trong hạt xid giới hạn bằng giới hạn (max,
min) các biến thay ñổi ñược ñặc trưng bằng các hạt tương ứng. Tốc ñộ của mỗi hạt ñược giới hạn trong phạm vi
4
[-vid,max, vid,max] khi i=1,…,n và d=1,…np, ở ñây tốc ñộ (max, min) của phần tử thứ i thuộc về hạt d trong không
gian nghiên cứu ñược xác ñịnh bởi :
vid,max = R × (xid,max – xid,min) (24)
vid,min = - vid,max (25)
R là hệ số giới hạn tốc ñộ, thường chọn trong khoảng [0.1,0.25].

2.3 Khái niệm Pseudo -Gradient
Giả thiết rằng hàm mục tiêu (20) trong vấn ñề thuyết tiến hóa kích thước n có khả năng khác nhau, gradient
thông thường g(x) của hàm mục tiêu f(x) ñược xác ñịnh như một vector kích thước n bao gồm các thành phần
biến ñổi cục bộ hàm f(x) như sau:
T
x n
f
x
f
x
f
g (x ) [ , ,... ]
1 2






= (26)
Gradient này luôn chỉ ra tỉ lệ thay ñổi hướng của hàm mục tiêu tại một ñiểm trong không gian. Tuy
nhiên, tiêu chuẩn không áp dụng cho các hàm mục tiêu không khả vi. Do ñó rất cần thiết gradient gần ñúng cho
các hàm không hội tụ này và Pseudo-gradient là một giải pháp ñược lựa chọn.
Pseudo-gradient ñể xác ñịnh hướng tìm kiếm riêng lẻ trong phương pháp phổ biến khi phối hợp với các
vấn ñề thuyết tiến hóa không hội tụ với hàm mục tiêu không khả vi (Pham & Jin, 1995). Sự thuận lợi của
Pseudo-gradient là nó có thể cung cấp hướng tốt nhất trong không gian tìm kiếm mà không ñòi hỏi hàm mục tiêu
có khả năng khả vi. Do ñó, phương pháp Pseudo-gradient có khả năng phù hợp thực hiện trong các phương pháp
phỏng ñoán nhằm giải quyết các vấn ñề không lồi rất nhỏ.
Với vấn ñề thuyết tiến hóa kích thước n không lồi của hàm mục tiêu không khả vi f(x), ở ñây x=
[x1,x2,...xn] như trong (20), Pseudo-gradient gp(x) các hàm mục tiêu ñược chỉ ra như sau (Wen et al.,2003).
Giả sử rằng xk= [xk1,xk2,...xkn] là ñiểm tìm kiếm trong không gian và nó di chuyển ñến ñiểm xl
. Có 2 khả
năng xảy ra bằng cách ñể ý giá trị của hàm mục tiêu ở 2 ñiểm này.
i/ Nếu f(xl)≤ f(xk), hướng từ xk ñến xl
xác ñịnh là chiều dương. Peuso-gradient tại ñiểm xl ñược xác ñịnh:
gp(xl) = [δ(xl1), δ(xl2).... δ(xln)]T
(27)
δ(xli) là chỉ hướng của phần tử xi
di chuyển từ ñiểm k ñến ñiểm l ñược xác ñịnh bởi:











− <
=
>
=
l ki
l ki
l ki
l
if x x
if x x
if x x
x
i
i
i
i
1
0
1
δ ( ) (28)
ii/ Nếu f(xl)≥ f(xk) hướng từ xk ñến xl
xác ñịnh là chiều âm. Pseudo-gradient tại ñiểm xl ñược xác ñịnh:
gp(xl) = 0 (29)
Dựa vào ñịnh nghĩa, Pseudo-gradient cũng có thể chỉ ra hướng tốt cho hàm không khả vi ñồng dạng với
gradient ước lượng trong không gian tìm kiếm dựa vào hai ñiểm sau cùng. Từ ñịnh nghĩa, nếu giá trị của Pseudogradient
gp(xl) ≠ 0, hiển nhiên rằng giải pháp tốt hơn cho hàm mục tiêu có thể ñược tìm trong các bước tiếp theo
5
dựa vào ñịnh hướng của Pseudo-gradient gp(xl) tại ñiểm l. Ngược lại, hướng tìm kiếm tại ñiểm này nên ñược
thay ñổi do không cải thiện hàm mục tiêu hướng này.
2.4 PGPSO (Pseudo – Gradient Guided Particle Swarm Optimization)
PGPSO ở ñây là PSO với tăng cường hệ số co thắt cho quá trình tăng tốc ñộ hội tụ. Mục ñích của Pseudogradient
là dẫn hướng di chuyển của các hạt theo chiều dương mà nó có thể di chuyển một cách nhanh chóng ñế
thuyết tiến hóa.
Trong PGPSO với hệ số co thắt (Clerc & Kennedy, 2002), tốc ñộ của các hạt ñược xác ñịnh như sau:
[ ( ) ( )] ( ) ( )
2 2
( ) ( )
1 1
( )1 ( ) k
id
k
i
k
id
k
id
k
id
k
v id =C × v + c × rand × pbest − x + c × rand × gbest − x
+
(30)
,
2| 4 |
2
2
−ϕ − ϕ − ϕ
C = ở ñây ϕ = C1 + C2, ϕ>4 (31)
Trong trường hợp này, hệ số ϕ có ảnh hưởng vào ñặc tính hội tụ của hệ thống và phải ñược lớn hơn 4 ñể
ñảm bảo có tính ổn ñịnh. Tuy nhiên, khi giá trị ϕ tăng, hệ số co thắt C giảm dẫn ñến rất ña dạng dẫn ñến ñáp ứng
chậm hơn. Ví dụ giá trị ϕ = 4.1 (C1=C2=2.05).
ðể thực hiện Pseudo-gradient trong PSO, hai ñiểm tương ứng xem xét xk và xl trong không gian tìm
kiếm của Pseudo-gradient là vị trí các hạt lặp lại k và k+1 tương ứng x(k) và x
(k+1). Do ñó, vị trí mới các hạt ñược
viết lại bằng:








+
+ ≠
=
+
+ + +
+
x v nguoclai
x x x v khi g x
x
k
id
k
id
k
p id
k
id
k
id
k
k id
id ( ) ( )1
( ) ( )1 ( )1 ( )1
( )1 δ ( ) ( 0
(32)
Trong (32), nếu pseudo-gradient khác không, các hạt di chuyển về hướng phải và tăng tốc ñộ ñể giải pháp
tối ưu trong không gian tìm kiếm bởi vận tốc các hạt ñược tăng lên, ngược lại vị trí các hạt bình thường ñược cập
nhật như trong (23). Thực tế, PGPSO ñược ñề xuất là kiểu thông dụng nhưng các hạt này nhưng cho những hạt
này di chuyển theo hướng phải ñược chỉ ñịnh bằng vận tốc pseudo-gradient ñược gia tăng bằng pseudo-gradient
vì thế có thể ñạt ñến giải pháp tối ưu một cách nhanh chóng. Do ñó, PGPSO có tính hiệu quả hơn PSO thông
thường trong vấn ñề giải quyết bài toán thuyết tiến hóa.
III. Các bước thực hiện phương pháp PGPSO ñiều ñộ công suất kháng
ðể thực hiện áp dụng PGPSO ñề xuất cho bài toán ORPD, mỗi vị trí hạt ñại diện biến ñiều khiển ñược xác
ñịnh như các bước sau:
xd = {Pg2d,....,PgNgd, Vg1d,....,VgNgd, T1d,....,TNtd, Qc1d,...QcNcd}
T
(33)
d = 1,....,NP
Ở ñây: xd là vị trí hạt d và NP là tổng số hạt trong bầy
Vị trí và vận tốc của các hạt ban ñầu nằm trong giới hạn sau:

( ) ,min 3 ,max ,min
)0(
d d x d x d x = x + rand × −
(34)
6
( )
,min 4 ,max ,min
)0(
d d v d v d v =v + rand × −
(35)
Ở ñây, rand3 và rand4 ñại lượng ngẫu nhiên trong ñoạn [0,1], xd,max và xd,min là giới hạn trên và dưới
vector các biến trong (33) và vd,max và vd,min là giới hạn trên và dưới vector vận tốc các hạt ñược xác ñịnh
trong (24) và (25).
Trong quá trình lặp ñi lặp lại vận tốc và vị trí các hạt luôn luôn ñược ñiều chỉnh trong giới hạn của nó
sau khi thực hiện tính toán trong mỗi lần lặp lại như sau:
min{ ,max{ , }} d ,max d ,min d
new
v d = v v v (36)
min{ ,max{ , }} d ,max d ,min d
new
x d = x x x (37)
Hàm tương ứng cực tiểu trong PGPSO ñược dựa vào hàm mục tiêu và các biến phụ thuộc bao gồm công
suất phát máy phát trên thanh cái, công suất tác dụng phát của máy phát ở thanh cái máy phát, ñiện áp thanh cái
và công suất biểu kiến truyền tải. Hàm tương ứng ñược xác như sau:
∑ ∑ ∑ − = =
= + − + − + −
g N d l
i
N
l
gi v li li s l l
N
i
FT f x u k q Q gi Q k V V k S S
1 1
2
,max
lim 2 lim 2
1
( , ) ( ) ( ) ( ) (38)
Ở ñây, kq,kv và ks
là các hệ số phạt công phản kháng máy phát, ñiện áp thanh cái tải, và dòng công suất truyền tải
tương ứng.
Giới hạn của các biến phụ thuộc trong (38) nói chung ñược xác ñịnh dựa vào các giá trị ñã tính như sau:










< <
<
>
=
min max
min min
max max
lim
x if x x x
x if x x
x if x x
x (39)
Trong ñó, x và x
lim tương ứng biểu diễn giá trị tính toán và giới hạn của Qgi,Vli hay Sl,max
IV. Kết quả tính toán:
Bảng 1. ðặc tính hệ thống 30 bus
Số nhánh Thanh cái máy phát Máy biến áp Tụ bù Số biến ñiều khiển
41 6 4 9 19
Bảng 2. Thông số cơ bản hệ thống 30 bus
ΣPdi ΣQdi Ploss ΣQloss ΣPgi ΣQgi
283.4 126.2 5.273 23.14 288.67 795.68
7
Bảng 3. Thông số các phương pháp PSO
Phương pháp PSO-TVIM PSO-TVAC HPSO-TVAC PSO-CF
wmax 0.9 - - -
wmin 0.4 - - -
c1, c2 2 - - 2.05
c1i
, c2f
- 2.5 2.5 -
c1f
, c2i
- 0.2 0.2 -
R 0.15 0.15 0.15 0.15

Trong hệ thống thử nghiệm, các máy phát ở trên các thanh cái 1, 2, 5, 8, 11 và 13, Các máy biến áp ở trên các
nhánh 6-9, 6-10, 4-12 và 27-28. Bộ ñiều chỉnh tụ bù sẽ ñược lắp trên các thanh cái 10, 12, 15, 17, 20, 21, 23, 24
và 29 với giá trị tương ứng nhỏ nhất và lớn nhất trong khoảng 0 và 5. Giới hạn các biến ñiều khiển cho trong
[11], công suất phản kháng máy phát trong [21] và trào công suất truyền tải trong [30]. Số các hạt cho các
phương pháp trong trường hợp test này là 10.
Các kết quả nhận ñược bởi các phương pháp PSO cho hệ thống với các hàm mục tiêu khác nhau bao
gồm tổn thất công suất, ñộ lệch ñiện áp ñể cải tiến ñiện áp ñơn lẻ và chỉ số ổn ñịnh ñiện áp ñể tăng cường ñiện áp
cho trong bảng IV, V và VI tương ứng.
Bảng 4..Kết quả tổn thất công suất của các PSO với hệ thống 30 bus
Phương pháp PSO-TVIW PSO-TVAC HPSOTVAC
PSO-CF PGPSO
Min Ploss
(MW) 4.5129 4.5356 4.5283 4.5128 4.5128
Avg. Ploss
(MW) 4.5742 4.5912 4.5581 4.6313 4.5303
Max Ploss
(MW) 5.8204 4.9439 4.6112 5.7633 4.6333
Std. dev. Ploss
(MW) 0.1907 0.0592 0.0188 0.2678 0.0258
VD 2.0540 1.9854 1.9315 2.0567 2.0548
Lmax 0.1255 0.1257 0.1269 0.1254 0.1255
Avg. CPU time (s) 10.98 10.85 10.38 10.65 10.093
Bảng 5..Kết quả ñộ lệch ñiện áp của các PSO với hệ thống 30 bus
Phương pháp
PSOTVIW
PSO-TVAC HPSOTVAC
PSO-CF PGPSO
Min VD 0.0922 0.1210 0.1136 0.0890 0.0905
Avg. VD 0.1481 0.1529 0.1340 0.1160 0.1121
Max VD 0.5675 0.1871 0.1615 0.3644 0.2212
Std. dev. VD 0.1112 0.0153 0.0103 0.0404 0.0199
Ploss
(MW) 5.8452 5.3829 5.7269 5.8258 5.8297
Lmax 0.1481 0.1485 0.1484 0.1485 0.1489
Avg.CPU time (s) 9.97 9.88 9.59 9.89 9.905
8
Bảng 6. Kết quả chỉ số ổn ñịnh ñiện áp của các PSO với hệ thống 30 bus
Phương pháp PSO-TVIW PSOTVAC

HPSOTVAC
PSO-CF PGPSO
Min Lmax 0.1249 0.1248 0.1261 0.1247 0.1247
Avg. Lmax 0.1261 0.1262 0.1275 0.1265 0.1264
Max Lmax 0.1280 0.1293 0.1287 0.1281 0.1277
Std. dev. Lmax 0.0008 0.0009 0.0006 0.0008 0.0008
Ploss
(MW) 4.9186 4.8599 5.2558 5.0041 4.8428
VD 1.9427 1.9174 1.6830 1.9429 1.96922
Avg.CPU time (s) 13.42 13.39 13.05 13.39 13.366
Bảng 7..Kết quả tốt nhất so sánh với các PSO với hệ thống 30 bus
Phương pháp Tổn thất
(MW)
ðộ lệch ñiện áp
(VD)
Chỉ số ổn ñịnh ñiện áp
(Li,max)
DE [11] 4.5550 0.0911 0.1246
CLPSO [15] 4.5615 - -
PSO-TVIW 4.5129 0.0922 0.1249
PSO-TVAC 4.5356 0.1210 0.1248
HPSO-TVAC 4.5283 0.1136 0.1261
PSO-CF 4.5128 0.0890 0.1247
PGPSO 4.5128 0.0905 0.1246
100
101
102
103
0
2
4
6
8
10
12
14
16
18
x 108
Hình 1. ðặc tính hội tụ tổn thất ñiện năng của hệ thống 30 bus
9
4.5 4.52 4.54 4.56 4.58 4.6 4.62 4.64
0
5
10
15
20
25
30
35
Hình 2. Thực hiện 50 bước PGPSO với tổn thất công suất hệ thống 30 bus
100
101
102
103
0
2
4
6
8
10
12
14
x 107
Hình 3.ðặc tính hội tụ ñộ lệch ñiện áp của hệ thống 30 bus
10
0.08 0.1 0.12 0.14 0.16 0.18 0.2 0.22 0.24
0
5
10
15
20
25
Hình 4. Thực hiện 50 bước PGPSO với ñộ lệch ñiện áp hệ thống 30 bus
100
101
102
103
0.12
0.125
0.13
0.135
0.14
0.145
0.15
Hình 5. ðặc tính hội tụ chỉ số ổn ñịnh ñiện áp của hệ thống 30 bus
11
0.1245 0.125 0.1255 0.126 0.1265 0.127 0.1275 0.128 0.1285
0
1
2
3
4
5
6
7
8
9
Hình 6. Thực hiện 50 bước PGPSO với chỉ số ổn ñịnh ñiện áp hệ thống 30 bus
III. KẾT LUẬN:
Trong luận văn này, phương pháp ñề xuất PGPSO có thể thực hiện một cách hiệu quả ñể giải quyết bài
toán vấn ñề ñiều ñộ công suất kháng (ORPD) với các hàm mục tiêu khác nhau. Phương pháp PGPSO là một
phương pháp mới của PSO là sự kết hợp hệ số co thắt với pseudo gradient ñể cải tiến khả năng nghiên cứu.
Pseudo-gradient hiệu quả nhằm ñịnh hướng nghiên cứu cho các riêng biệt trong các phương pháp dựa trên quần
thể. Với việc cải tiến mới, phương pháp ñề xuất PGPSO có hiệu quả hơn bất kỳ phương pháp khác trong vấn ñề
giải quyết bài toán ñiều ñộ công suất kháng với nhiều cực tiểu. Phương pháp này ñã ñược thử nghiệm trên các hệ
thống khác nhau với các ñặc tính máy phát cực lõm bao gồm ảnh hưởng các van hơi, ña nhiên liệu, các vùng
cấm vận hành. Các kết quả thử nghiệm ñược chỉ ra rằng phương pháp PGPSO có thể nhận chất lượng giải pháp
tốt hơn so với các phương pháp khác, giảm chi phí ñáng kể. Phương pháp PGPSO ñược thử nghiệm trên hệ
thống IEEE 30 bus với các hàm mục tiêu gồm tổn thất công suất, ñộ lệch ñiện áp và chỉ số ổn ñịnh ñiện áp. Các
kết quả thử nghiệm chỉ ra rằng phương pháp ñề nghị có thể nhận tổng tổn thất công suất, ñộ lệch ñiện áp hay chỉ
số ổn ñịnh ñiện áp thấp hơn PSO biến thể và các phương pháp khác cho các trường hợp thử nghiệm. Do ñó,
PGPSO có thể hữu ích và mạnh mẽ ñể giải quyết bài toán ñiều ñộ công suất kháng

pu7ZrYNZYqFr8wC
Music ♫

Copyright: Tài liệu đại học © DMCA.com Protection Status