ĐỀ XUẤT ÁP DỤNG GIẢI THUẬT PSO – GA CHO BÀI TOÁN  TÁI CẤU HÌNH LƯỚI ĐIỆN PHÂN PHỐI CÓ XÉT ĐẾN TỐI ƯU HÓA  CHI PHÍ VẬN HÀNH VÀ CHI PHÍ NGƯNG CẤP ĐIỆN

Nguyễn Tùng Linh; Phạm Vũ Long

doi:10.34238/tnu-jst.9246

ĐỀ XUẤT ÁP DỤNG GIẢI THUẬT PSO – GA CHO BÀI TOÁN TÁI CẤU HÌNH LƯỚI ĐIỆN PHÂN PHỐI CÓ XÉT ĐẾN TỐI ƯU HÓA CHI PHÍ VẬN HÀNH VÀ CHI PHÍ NGƯNG CẤP ĐIỆN

Thông tin bài báo

Ngày nhận bài: 16/11/23 Ngày hoàn thiện: 22/03/24 Ngày đăng: 22/03/24

Các tác giả

1. Nguyễn Tùng Linh , Trường Đại học Điện lực
2. Phạm Vũ Long, Viện Năng lượng

Tóm tắt

Trong vận hành lưới điện phân phối, bài toán cấu hình lại mạng lưới phân phối theo sự thay đổi của tải nhằm giảm tổn thất điện năng giúp phần nào giảm chi phí vận hành của mạng lưới phân phối nhưng sẽ ảnh hưởng đến độ tin cậy cung cấp điện của tải. Trong nghiên cứu này, chúng tôi đề xuất một giải thuật kết hợp giữa hai thuật toán đã được chứng minh hiệu quả, đó là kết hợp giải thuật di truyền (GA) và giải thuật tối ưu hóa bầy đàn (PSO) cho bài toán tái cấu hình với hàm mục tiêu là giảm tổn thất công suất có xét đến chi phí vận hành và chi phí ngừng cấp điện trên lưới phân phối. Để chứng minh hiệu suất của giải thuật PSO-GA được đề xuất, mô phỏng đã được thực hiện thông qua phần mềm MATLAB 2019^a, và hệ thống lưới phân phối mẫu IEEE 33- nút được sử dụng trong mô phỏng. Kết quả thực nghiệm cho thấy giải thuật được đề xuất cung cấp các cấu trúc tối ưu khi giải quyết vấn đề tái cấu hình lại lưới điện phân phối khi xét đến chi phí vận hành và ngưng cấp điện.

Từ khóa

Thuật toán di truyền (GA); Thuật toán bầy đàn (PSO); Lưới phân phối; Tái cấu hình lưới điện phân phối; Tối ưu hóa

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] Erav, “Demand Side Management/DSM,” 2023. [Online]. Available: https://www.erav.vn/tin-tuc/t985/chuong-trinh-quan-ly-nhu-cau-nhung-thuan-loi-va-kho-khan-tai-viet-nam.html. [Accessed Jun. 12, 2023].

[2] A. Merlin and H. Back, “Search for a minimal loss operating spanning tree configuration in an urban power distribution system,” Proceeding 5th power Syst. Comput. conf (PSCC), Cambridge, UK, vol.1. pp.1–18, 1975.

[3] S. Civanlar, J. J. Grainger, H. Yin, and S. S. H. Lee, “Distribution feeder reconfiguration for loss reductions,” IEEE Trans. Power Deliv., vol. 3, no. 3, pp. 1217–1223, 1988.

[4] M. E. Baran and F. F. Wu, “Network reconfiguration in distribution systems for loss reduction and load balancing,” IEEE Transactions on Power Delivery, vol. 4, no. 2. pp. 1401–1407, 1989.

[5] D. Shirmohammadi and H. W. Hong, “Reconfiguration of electric distribution networks for resistive line losses reduction,” IEEE Transactions on Power Delivery, vol. 4, no. 2, pp. 1492–1498, 1989.

[6] K. Nara, A. Shiose, M. Kitagawa, and T. Ishihara, “Implementation of genetic algorithm for distribution systems loss minimum re-configuration,” IEEE Trans. Power Syst., vol. 7, no. 3, pp. 1044–1051, 1992.

[7] B. Tomoiagǎ, M. Chindriş, A. Sumper, R. Villafafila-Robles, and A. Sudria-Andreu, “Distribution system reconfiguration using genetic algorithm based on connected graphs,” Electr. Power Syst. Res., vol. 104, pp. 216–225, 2013.

[8] H. Chitsaz, P. Zamani-Dehkordi, H. Zareipour, and P. P. Parikh, “Electricity Price Forecasting for Operational Scheduling of Behind-the-Meter Storage Systems,” IEEE Transactions on Smart Grid, vol. 9, no. 6, pp. 6612–6622, Oct. 2018, doi: 10.1109/TSG.2017.2717282.

[9] N. Gupta, A. Swarnkar, K. R. Niazi, and R. C. Bansal, “Multi-objective reconfiguration of distribution systems using adaptive genetic algorithm in fuzzy framework,” IET Gener. Transm. Distrib., vol. 4, no. 12, 2010, Art. no. 1288.

[10] D.-L. Duan, X.-D. Ling, X.-Y. Wu, and B. Zhong, “Reconfiguration of distribution network for loss reduction and reliability improvement based on an enhanced genetic algorithm,” Int. J. Electr. Power Energy Syst., vol. 64, pp. 88–95, 2015.

[11] W. C. Wu and M. S. Tsai, “Application of enhanced integer coded particle swarm optimization for distribution system feeder reconfiguration,” IEEE Trans. Power Syst., vol. 26, no. 3, pp. 1591–1599, 2011.

[12] T. T. Nguyen and A. V. Truong, “Distribution network reconfiguration for power loss minimization and voltage profile improvement using cuckoo search algorithm,” Int. J. Electr. Power Energy Syst., vol. 68, pp. 233–242, 2015.

[13] R. L. Haupt and S. E. Haupt, Practical Genetic Algorithms, John Wiley & Sons, Inc., Hoboken, New Jersey, 2004.

[14] X. Hu, Y. Shi, and R. Eberhart, “Recent advances in particle swarm,” Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No.04TH8753), Portland, OR, USA, 2004, pp. 90-97.

[15] C. F. Juang, “A hybrid of genetic algorithm and particle swarm optimization for recurrent network design,” IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), vol. 34. no.2, pp. 997-1006, 2004.

[16] Y. T. Kao and E. Zahara, “A hybrid genetic algorithm and particle swarm optimization for multimodal functions,” Applied Soft Computing, vol. 8, no. 2, pp. 849-857, 2008.

[17] Y. Marinakis and M. Marinaki, “A hybrid genetic–Particle Swarm Optimization Algorithm for the vehicle routing problem,” Expert Systems with Applications, vol.37, no.2, pp.1446-1455, 2010.

[18] H. Duan, Q. Luo, Y. Shi, and G. Ma, “Hybrid particle swarm optimization and genetic algorithm for multi-uav formation reconfiguration,” IEEE Computational Intelligence Magazine, vol.8, no.3, pp. 16-27, 2013.

[19] R. J. Kuo and L. M. Lin, “Application of a hybrid of genetic algorithm and particle swarm optimization algorithm for order clustering,” Decision Support Systems, vol. 49, no. 4, pp. 451-462, 2010.

[20] E. Mahboubi-Moghaddam, M. R. Narimani, M. H. Khooban, A. Azizivahed, and M. J. Sharifi, “Multi-Objective Distribution feeder reconfiguration to improve transient stability, and minimize power loss and operation cost using an enhanced evolutionary algorithm at the presence of distributed generations,” Int. J. Electr. Power Energy Syst., vol. 76, pp. 35–43, 2016.

DOI: https://doi.org/10.34238/tnu-jst.9246

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ