Luận án tiến sĩ: Áp dụng các phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện - Trường Đại học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh

Luận án tiến sĩ kỹ thuật ứng dụng trí tuệ nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện.

Chuyên ngành
Kỹ thuật điện
Tác giả

Luan An

Thể loại

Luận án tiến sĩ

Năm xuất bản

Số trang

208

Thời gian đọc

32 phút

Lượt xem

0

Lượt tải

0

Phí lưu trữ

50 Point

Tổng quan nhanh

Chủ đề:
1. Tổng quan bài toán phối hợp hệ thống thủy nhiệt điện
Số trang:
208 trang
Trường:
Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
Chuyên ngành:
Kỹ thuật điện
Năm:

Tóm tắt nội dung luận án

I. Tổng quan bài toán phối hợp hệ thống thủy nhiệt điện

Bài toán phối hợp hệ thống thủy nhiệt điện đóng vai trò then chốt trong ngành năng lượng. Hệ thống điện hiện đại kết hợp nhiều nguồn phát khác nhau. Thủy điện có chi phí vận hành thấp. Nhiệt điện sử dụng nhiên liệu hóa thạch đắt đỏ. Mục tiêu chính là phân bổ công suất phát hợp lý giữa các nhà máy. Quá trình này giúp giảm thiểu tổng chi phí phát điện toàn hệ thống. Đồng thời, hệ thống vẫn đảm bảo cung cấp điện liên tục và an toàn. Phương pháp tối ưu hóa kinh tế hệ thống điện giúp cân bằng nhu cầu phụ tải và khả năng cung cấp. Việc vận hành hiệu quả mang lại lợi ích tài chính lớn. Lượng khí thải độc hại ra môi trường cũng giảm đáng kể. Bài toán đòi hỏi các công cụ tính toán thông minh và chuẩn xác.

1.1. Khái niệm và mục tiêu bài toán

Phối hợp thủy nhiệt điện là bài toán tối ưu hóa lịch trình phát điện của các nhà máy trong chu kỳ xác định. Nhiệm vụ trọng tâm là tối thiểu hóa chi phí nhiên liệu nhiệt điện. Nguồn năng lượng nước từ các nhà máy thủy điện được tận dụng tối đa mà không mất chi phí nhiên liệu. Bài toán cần đáp ứng đầy đủ các ràng buộc vận hành nghiêm ngặt. Ràng buộc cân bằng công suất là yếu tố bắt buộc. Công suất phát của toàn hệ thống phải bằng tổng phụ tải và tổn thất truyền tải. Quá trình giải quyết bài toán short-term hydrothermal scheduling giúp các đơn vị vận hành đưa ra quyết định chính xác. Lập lịch phát điện hợp lý tạo nền tảng cho thị trường điện cạnh tranh và minh bạch.

1.2. Tầm quan trọng của việc tối ưu hóa vận hành

Tối ưu hóa kinh tế hệ thống điện đem lại giá trị kinh tế trực tiếp cho doanh nghiệp vận hành. Nhiệt điện tiêu tốn lượng than, khí đốt và dầu rất lớn mỗi ngày. Mỗi phần trăm tiết kiệm nhiên liệu tương đương hàng tỷ đồng chi phí vận hành. Thủy điện cung cấp nguồn năng lượng sạch và linh hoạt. Tuy nhiên, lượng nước trong các hồ chứa là tài nguyên hữu hạn. Tối ưu hóa điều độ giúp lưu trữ nước cho các thời điểm phụ tải đỉnh. Việc này hạn chế tối đa việc xả tràn lãng phí. Vận hành tối ưu cũng giảm hao mòn thiết bị và kéo dài tuổi thọ tổ máy. Độ tin cậy cung cấp điện toàn hệ thống được nâng cao rõ rệt.

1.3. Các yếu tố ảnh hưởng đến quá trình điều độ

Nhiều yếu tố kỹ thuật và môi trường tác động đến quá trình phân bổ công suất. Biến động dòng chảy tự nhiên đổ về hồ chứa thay đổi theo mùa và thời tiết. Phụ tải điện thay đổi liên tục theo từng khung giờ trong ngày. Giá nhiên liệu hóa thạch trên thị trường thế giới thường xuyên biến động. Các giới hạn vật lý của đường dây truyền tải cũng ảnh hưởng đến việc truyền tải điện năng. Hiệu ứng điểm van tại các tuabin nhiệt điện tạo ra các hàm phi tuyến phức tạp. Độ trễ dòng nước giữa các hồ chứa bậc thang gây khó khăn cho việc tính toán điều độ. Người vận hành phải xử lý lượng dữ liệu lớn trong thời gian thực.

II. Mô hình điều độ ngắn hạn hệ thống thủy nhiệt điện tối ưu

Điều độ ngắn hạn hệ thống thủy nhiệt điện thường được thực hiện theo chu kỳ ngày hoặc tuần. Chu kỳ tính toán phổ biến chia thành 24 khoảng thời gian 1 giờ. Bài toán yêu cầu xác định chính xác công suất phát từng giờ của từng tổ máy. Phương pháp giải quyết bài toán economic load dispatch truyền thống gặp nhiều trở ngại trước các hàm phi tuyến. Nhiều ràng buộc liên kết thời gian giữa các chu kỳ làm tăng độ phức tạp tính toán. Việc mô hình hóa chính xác các đặc tính kỹ thuật là điều kiện tiên quyết để tìm ra nghiệm tối ưu. Hệ thống mô hình toán học cần phản ánh trung thực toàn bộ quá trình vật lý thực tế.

2.1. Điều độ ngắn hạn hệ thống thủy nhiệt điện và các ràng buộc

Mô hình short-term hydrothermal scheduling bao gồm nhiều nhóm ràng buộc đẳng thức và bất đẳng thức. Ràng buộc giới hạn công suất phát của từng nhà máy nhiệt điện và thủy điện là yếu tố cốt lõi. Công suất phát không được vượt quá giới hạn cực đại và không được thấp hơn giới hạn cực tiểu. Tốc độ tăng giảm tải của các tổ máy nhiệt điện cũng phải tuân theo tiêu chuẩn kỹ thuật. Hiệu ứng điểm van tạo nên các điểm gợn sóng phi tuyến trên đường đặc tính chi phí nhiên liệu. Yếu tố này làm cho bài toán trở thành bài toán tối ưu phi tuyến, không lồi và đa cực trị. Các phương pháp giải tích truyền thống rất khó hội tụ về nghiệm tối ưu toàn cục.

2.2. Ràng buộc thủy lực và giới hạn hồ chứa nước

Ràng buộc thủy lực tại các nhà máy thủy điện có tính chất ràng buộc chuỗi thời gian chặt chẽ. Lượng nước xả qua tuabin phát điện bị giới hạn bởi lưu lượng cho phép. Dung tích hồ chứa tại mỗi thời điểm phải nằm trong khoảng an toàn cho phép. Dung tích nước cuối chu kỳ điều độ phải đạt mức quy định để phục vụ các chu kỳ tiếp theo. Hệ thống thủy điện bậc thang có sự liên kết dòng chảy giữa các hồ chứa liên tiếp. Nước xả từ hồ thượng lưu sẽ đổ về hồ hạ lưu sau một khoảng thời gian trễ nhất định. Cột nước thay đổi theo dung tích hồ ảnh hưởng trực tiếp đến hiệu suất phát điện của nhà máy.

2.3. Ràng buộc kỹ thuật trên lưới truyền tải điện

Lưới điện truyền tải áp đặt các điều kiện giới hạn vật lý nghiêm ngặt lên quá trình điều độ. Khả năng mang tải của các đường dây truyền tải không được vượt quá giới hạn cho phép. Điện áp tại tất cả các nút trên hệ thống phải nằm trong dải điện áp vận hành an toàn. Hệ số máy biến áp điều chỉnh dưới tải cần được tính toán phù hợp với từng trạng thái lưới. Tổn thất công suất trên đường dây truyền tải phụ thuộc vào dòng công suất chạy qua các nhánh. Bỏ qua ràng buộc lưới truyền tải có thể dẫn đến hiện tượng quá tải đường dây trong thực tế. Mô hình tối ưu hoàn chỉnh bắt buộc phải tích hợp đầy đủ các phương trình phân bố công suất.

III. Ứng dụng trí tuệ nhân tạo giải bài toán thủy nhiệt điện

Các phương pháp trí tuệ nhân tạo mang lại bước đột phá lớn trong điều độ hệ thống điện. Các thuật toán thông minh có khả năng xử lý bài toán phi tuyến cao mà không cần đạo hàm. Khả năng tìm kiếm toàn cục giúp thuật toán tránh rơi vào các điểm tối ưu cục bộ. Mạng nơ-ron nhân tạo và các giải thuật metaheuristic thể hiện tính linh hoạt vượt trội. Các phương pháp mới như Cuckoo Search và mạng Hopfield cải tiến được áp dụng rộng rãi. Tốc độ hội tụ và độ chính xác của nghiệm liên tục được nâng cao qua các nghiên cứu thực nghiệm. Việc ứng dụng AI giúp tự động hóa quy trình vận hành hệ thống điện thông minh.

3.1. Thuật toán tìm kiếm Cuckoo cải tiến

Thuật toán Cuckoo Search lấy cảm hứng từ tập tính đẻ trứng ký sinh của loài chim cúc cu trong tự nhiên. Thuật toán sử dụng bước nhảy Lévy để mở rộng không gian tìm kiếm ngẫu nhiên. Phiên bản cải tiến Modified Cuckoo Search bổ sung cơ chế tinh chỉnh bước nhảy để tăng tốc độ tìm kiếm. Thuật toán Adaptive Selective Cuckoo Search tự động thích nghi các tham số điều khiển theo từng thế hệ. Cơ chế chọn lọc thích nghi giúp cân bằng giữa khả năng khám phá vùng mới và khai thác vùng nghiệm tốt. Các biến thể này vượt trội trong việc xử lý các hàm mục tiêu có hiệu ứng điểm van. Kết quả giải bài toán phối hợp thủy nhiệt điện luôn đạt độ chính xác cao.

3.2. Mạng Hopfield Lagrange mở rộng trong điều độ

Mạng nơ-ron Augmented Lagrange Hopfield Network kết hợp hàm Lagrange mở rộng với mạng Hopfield liên tục. Phương pháp này chuyển đổi các bài toán tối ưu có ràng buộc thành bài toán tối ưu không ràng buộc. Tốc độ tính toán của mạng Hopfield rất nhanh do cơ chế xử lý song song. Phương pháp này đặc biệt hiệu quả đối với các hệ thống thủy điện có cột nước cố định. Các hàm chi phí trơn không xét hiệu ứng điểm van được giải quyết triệt để trong thời gian ngắn. Tuy nhiên, khi hệ thống xuất hiện các đặc tính phi liên tục, thuật toán cần được kết hợp với các kỹ thuật hỗ trợ. Đây vẫn là công cụ hữu hiệu trong tính toán thời gian thực.

3.3. So sánh với các thuật toán tiến hóa kinh điển

Các nghiên cứu thường so sánh hiệu năng với giải thuật di truyền ga và thuật toán tối ưu hóa bầy đàn. Thuật toán particle swarm optimization pso có ưu điểm hội tụ nhanh nhưng dễ kẹt tại cực trị địa phương. Giải thuật di truyền ga thể hiện tính ngẫu nhiên cao nhưng đòi hỏi thời gian tính toán kéo dài. Thuật toán tiến hóa vi sai de cho kết quả ổn định hơn trên các không gian tìm kiếm liên tục. Các biến thể Cuckoo Search mới vượt trội hơn về chất lượng nghiệm tối ưu và độ lệch chuẩn. Số lượng hàm đánh giá ít hơn giúp tiết kiệm tài nguyên tính toán đáng kể. Sự so sánh này khẳng định tính ưu việt của các thuật toán trí tuệ nhân tạo thế hệ mới.

IV. Đánh giá hiệu quả thuật toán tối ưu hóa hệ thống điện

Đánh giá hiệu quả thuật toán dựa trên các tiêu chí khoa học cụ thể và minh bạch. Chi phí nhiên liệu cực tiểu là chỉ số quan trọng nhất để đánh giá chất lượng nghiệm. Thời gian thực thi phản ánh tính khả thi khi ứng dụng vào hệ thống thực tế. Độ ổn định của thuật toán được đo lường qua độ lệch chuẩn sau nhiều lần chạy độc lập. Tỷ lệ đáp ứng các ràng buộc kỹ thuật xác định mức độ an toàn của phương án điều độ. Các hệ thống thử nghiệm chuẩn với quy mô khác nhau được dùng để kiểm tra độ tin cậy. Kết quả thử nghiệm cung cấp cơ sở dữ liệu vững chắc cho các kỹ sư vận hành hệ thống điện.

4.1. Hiệu quả giảm chi phí nhiên liệu nhà máy nhiệt điện

Kết quả áp dụng các phương pháp thông minh nhân tạo giúp giảm đáng kể chi phí nhiên liệu. Các biến thể Cuckoo Search tìm ra điểm làm việc tối ưu hơn cho các tổ máy nhiệt điện. Lượng nhiên liệu tiêu thụ giảm rõ rệt so với khi sử dụng các phương pháp cổ điển. Sự kết hợp linh hoạt giữa nguồn thủy điện và nhiệt điện phát huy tối đa hiệu quả kinh tế. Ngay cả khi xét đến hiệu ứng điểm van phức tạp, thuật toán vẫn tìm ra lời giải có chi phí thấp nhất. Tối ưu hóa kinh tế hệ thống điện thông qua AI mang lại giá trị gia tăng trực tiếp cho các nhà máy. Nguồn tài nguyên hóa thạch quý giá được sử dụng tiết kiệm và bền vững.

4.2. Thời gian tính toán và khả năng hội tụ nghiệm

Thời gian thực thi của thuật toán là yếu tố quyết định khả năng ứng dụng thực tế. Mạng Augmented Lagrange Hopfield Network đạt tốc độ hội tụ gần như tức thời trên các bài toán quy mô vừa. Các giải thuật Cuckoo Search cải tiến rút ngắn đáng kể số vòng lặp cần thiết để tìm nghiệm tối ưu. Khả năng thoát khỏi các điểm cực trị địa phương giúp đường cong hội tụ mượt mà và dốc đứng. Độ lệch chuẩn giữa các lần chạy rất nhỏ, thể hiện tính ổn định cao của giải thuật. Kỹ thuật thích nghi tham số loại bỏ nhu cầu thử sai thủ công mất thời gian. Các tiêu chuẩn khắt khe về thời gian điều độ thời gian thực đều được đáp ứng.

4.3. Ứng dụng thực tế trong điều độ hệ thống điện

Việc triển khai các thuật toán AI vào trung tâm điều độ quốc gia mang lại hiệu quả vận hành vượt bậc. Người điều hành có thể lập kế hoạch phát điện chính xác cho 24 giờ tiếp theo. Các kịch bản phụ tải thay đổi đột ngột được mô phỏng và xử lý nhanh chóng. Khả năng tích hợp dữ liệu thủy văn thực tế giúp quản lý tài nguyên nước hồ chứa hiệu quả. Các rủi ro quá tải lưới điện và vi phạm điện áp nút được loại bỏ từ giai đoạn lập lịch. Hệ thống vận hành trơn tru và giảm thiểu sự can thiệp thủ công từ con người. Quá trình chuyển đổi số trong vận hành hệ thống điện được thúc đẩy mạnh mẽ.

V. Xu hướng phát triển tối ưu phối hợp thủy nhiệt điện mới

Ngành năng lượng thế giới đang chứng kiến sự chuyển dịch mạnh mẽ sang các nguồn năng lượng sạch. Hệ thống điện hiện đại không chỉ có thủy điện và nhiệt điện truyền thống. Sự tham gia của điện mặt trời và điện gió đặt ra những thách thức mới về tính bất định. Bài toán điều độ ngắn hạn hệ thống thủy nhiệt điện cần được mở rộng và nâng cấp liên tục. Các công nghệ trí tuệ nhân tạo thế hệ mới đang được nghiên cứu ứng dụng chuyên sâu. Sự kết hợp giữa tối ưu hóa toán học và học máy mở ra hướng tiếp cận đột phá. Tương lai của điều độ hệ thống điện hướng tới sự tự động hóa hoàn toàn và thông minh.

5.1. Tích hợp học tăng cường sâu trong điều độ tự động

Phương pháp học tăng cường sâu deep reinforcement learning là hướng đi đầy tiềm năng cho điều độ hệ thống điện. Mô hình học máy có khả năng tự động học chiến lược điều độ tối ưu thông qua tương tác liên tục. Khả năng thích ứng với môi trường biến động cao giúp xử lý tốt sự bất định của phụ tải và dòng chảy. Thời gian đưa ra quyết định của mạng nơ-ron sâu chỉ tính bằng mili giây sau khi đã được huấn luyện. Sự kết hợp giữa giải thuật di truyền ga, thuật toán tiến hóa vi sai de và học tăng cường tạo ra mô hình lai mạnh mẽ. Quá trình điều độ thời gian thực trở nên linh hoạt và chủ động trước mọi sự cố bất ngờ.

5.2. Mở rộng bài toán với các nguồn năng lượng tái tạo

Tích hợp năng lượng tái tạo đòi hỏi các nhà máy thủy điện đóng vai trò lưu trữ và điều tần chính. Thủy điện tích năng được đưa vào mô hình phối hợp thủy nhiệt điện nhằm cân bằng công suất biến đổi. Các thuật toán tối ưu hóa kinh tế hệ thống điện cần giải quyết đồng thời bài toán giảm phát thải và chi phí. Công nghệ điện toán đám mây và xử lý dữ liệu lớn hỗ trợ phân tích dự báo thời tiết chính xác. Mô hình tối ưu hóa ngẫu nhiên và tối ưu hóa bền vững được tích hợp vào giải thuật AI. Hệ thống điện tương lai đạt được sự ổn định cao, thân thiện với môi trường và tối ưu hóa chi phí toàn diện.

Mục lục chi tiết luận án

Quyết định giao đề tài
Lý lịch cá nhân
Lời cam đoan
Cảm tạ
Tóm tắt
Danh sách các chữ viết tắt
Danh sách các hình
Danh sách các bảng
Thuật ngữ
1. CHƯƠNG 1: GIỚI THIỆU
1.1. Các Bài Toán Nghiên Cứu
1.2. Mục Tiêu Nghiên Cứu
1.3. Các Đóng Góp Của Luận Án
1.4. Giới Hạn Đề Tài
1.5. Bố Cục Của Luận Án
2. CHƯƠNG 2: TỔNG QUAN
2.1. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Bỏ Qua Các Ràng Buộc Về Hồ Chứa
2.2. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Xét Các Ràng Buộc Về Hồ Chứa
2.3. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Biến Đổi Xét Các Hồ Thủy Điện Bậc Thang
2.4. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Xét Mục Tiêu Chi Phí Và Phát Thải
2.5. Phân Bố Công Suất Tối Ưu Hệ Thống Thủy Nhiệt Điện
3. CHƯƠNG 3: CÁC PHƯƠNG PHÁP CUCKOO SEARCH VÀ MẠNG HOPFIELD LAGRANGE TĂNG CƯỜNG
3.1. Thuật Toán Cuckoo Search Cổ Điển (CCSA)
3.1.1. Đặc tính chim Cuckoo và Lévy Flights
3.1.2. Mô tả thuật toán Cuckoo Search
3.1.3. Các áp dụng CCSA gần đây
3.2. Cuckoo Search Cải Biên (MCSA)
3.2.1. Cuckoo Search cải biên (MCSA)
3.2.2. Các ứng dụng gần đây của MCSA
3.3. Cuckoo Search Chọn Lọc Thích Nghi (ASCSA)
3.3.1. Kỹ thuật chọn lọc mới
3.3.2. Cơ chế phát hiện trứng lạ thích nghi
3.4. Mạng Hopfield Lagrange Tăng Cường (ALHN)
4. CHƯƠNG 4: ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO ĐIỀU ĐỘ TỐI ƯU HỆ THỐNG THỦY NHIỆT ĐIỆN NGẮN HẠN XÉT CHIỀU CAO CỘT NƯỚC CỐ ĐỊNH VÀ BỎ QUA RÀNG BUỘC THỂ TÍCH HỒ CHỨA
4.1. Mô Tả Bài Toán
4.1.1. Hàm mục tiêu
4.1.2. Tính Toán Các Tổ Máy Cân Bằng Thủy Điện Và Nhiệt Điện
4.2. Áp Dụng Phương Pháp CCSA Cho Bài Toán FH-ST-HTS
4.2.1. Tạo ra thế hệ nghiệm mới thứ nhất theo cơ chế Lévy Flights
4.2.2. Tạo ra thế hệ nghiệm mới thứ hai theo cơ chế phát hiện trứng lạ
4.2.3. Tiêu chuẩn dừng vòng lặp
4.2.4. Các bước tính toán của phương pháp CCSA cho bài toán FH-ST-HTS
4.3. Áp Dụng Phương Pháp MCSA Cho Bài Toán FH-ST-HTS
4.3.1. Tạo ra thế hệ nghiệm mới thứ nhất theo cơ chế Lévy Flights
4.3.2. Tạo ra thế hệ nghiệm mới thứ hai theo cơ chế phát hiện trứng lạ
4.3.3. Tiêu chuẩn dừng vòng lặp
4.3.4. Các bước tính toán của phương pháp MCSA cho bài toán FH-ST-HTS
4.4. Áp Dụng Phương Pháp ASCSA Cho Bài Toán FH-ST-HTS
4.5. Áp Dụng ALHN Cho Bài Toán FH-ST-HTS
4.5.1. Xây dựng phương pháp ALHN cho bài toán
4.5.2. Lựa chọn thông số
4.5.3. Tiêu chuẩn dừng tính toán
4.5.4. Các bước tính toán phương pháp ALHN cho bài toán FH-ST-HTS
4.6. Áp Dụng Các Phương Pháp Tìm Nghiệm Thỏa Hiệp Cho Bài Toán Đa Mục Tiêu
4.6.1. Phương pháp Fuzzy
4.6.2. Phương pháp hệ số phạt
4.7. Lựa chọn thông số
4.8. Tối ưu hóa đơn mục tiêu chi phí phát điện
4.9. Tối ưu đa mục tiêu
5. CHƯƠNG 5: ÁP DỤNG CÁC PHƯƠNG PHÁP CUCKOO SEARCH ĐIỀU ĐỘ HỆ THỐNG THỦY NHIỆT ĐIỆN NGẮN HẠN XÉT CHIỀU CAO CỘT NƯỚC KHÔNG ĐỔI VÀ RÀNG BUỘC THỂ TÍCH HỒ CHỨA
5.1. Mô Hình Bài Toán
5.1.1. Tính Toán Công Suất Tổ Máy Nhiệt Điện Cân Bằng
5.2. Áp Dụng Phương Pháp CCSA Cho Bài Toán RC-FH-ST-HTS
5.2.1. Tạo ra thế hệ nghiệm mới thứ nhất theo cơ chế Lévy Flights
5.2.2. Tạo ra thế hệ nghiệm mới thứ hai theo cơ chế phát hiện trứng lạ
5.2.3. Tiêu chuẩn dừng vòng lặp
5.2.4. Các bước tính toán của phương pháp CCSA cho bài toán RC-FH-ST-HTS
5.3. Áp Dụng Phương Pháp MCSA Cho Bài Toán RC-FH-ST-HTS
5.4. Áp Dụng Phương Pháp ASCSA Cho Bài Toán RC-FH-ST-HTS
5.5. Kết Quả Số
5.5.1. Thử nghiệm với các biến điều khiển khác nhau và các phương pháp xử lý ràng buộc khác nhau
5.5.2. Hệ thống 1 bỏ qua hiệu ứng xả van
5.5.3. Hệ thống 2 có xét đến hiệu ứng xả van
6. CHƯƠNG 6: ÁP DỤNG CÁC PHƯƠNG PHÁP CUCKOO SEARCH ĐIỀU ĐỘ TỐI ƯU HỆ THỐNG THỦY NHIỆT ĐIỆN XÉT CHIỀU CAO CỘT NƯỚC BIẾN ĐỔI
6.1. Mô Hình Bài Toán
6.1.1. Tính Toán Lưu Lượng Xả Và Công Suất Nhiệt Điện Cân Bằng
6.2. Áp Dụng Phương Pháp CCSA Cho Bài Toán
6.2.1. Tạo ra thế hệ nghiệm mới thứ nhất theo cơ chế Lévy Flights
6.2.2. Tạo ra thế hệ nghiệm mới thứ hai theo cơ chế phát hiện trứng lạ
6.2.3. Tiêu chuẩn dừng vòng lặp
6.2.4. Các bước tính toán của phương pháp CCSA cho bài toán VH-ST-HTS
6.3. Áp Dụng Phương Pháp MCSA Cho Bài Toán VH-ST-HTS
6.4. Áp Dụng Phương Pháp ASCSA Cho Bài Toán VH-ST-HTS
6.5. Kết Quả Số
6.5.1. Hai hệ thống không xét hiệu ứng xả van
6.5.2. Hai hệ thống xét hiệu ứng xả van
7. CHƯƠNG 7: ÁP DỤNG CÁC PHƯƠNG PHÁP CUCKOO SEARCH PHÂN BỐ CÔNG SUẤT TỐI ƯU HỆ THỐNG THỦY NHIỆT ĐIỆN
7.1. Mô Tả Bài Toán
7.1.1. Hàm mục tiêu
7.1.2. Ràng buộc hệ thống
7.1.3. Ràng buộc lưới truyền tải
7.1.4. Biến điều khiển và biến phụ thuộc
7.2. Áp Dụng Phương Pháp CCSA Cho Bài Toán HTOPF
7.2.1. Tạo thế hệ nghiệm mới thứ nhất theo cơ chế Lévy Flights
7.2.2. Tạo thế hệ nghiệm mới thứ hai theo cơ chế phát hiện trứng lạ
7.2.3. Tiêu chuẩn dừng vòng lặp
7.2.4. Các bước tính toán của phương pháp CCSA cho bài toán HTOPF
7.3. Áp Dụng Phương Pháp MCSA Cho Bài Toán HTOPF
7.4. Áp Dụng Phương Pháp ASCSA Cho Bài Toán HTOPF
7.5. Kết Quả Số
7.5.1. Lựa chọn thông số điều khiển
7.5.2. Kết quả từ hệ thống IEEE 30 nút
7.5.3. Kết quả từ hệ thống IEEE 118 nút
8. CHƯƠNG 8: TÓM TẮT
8.1. Tóm tắt
8.2. Hướng Phát Triển
TÀI LIỆU THAM KHẢO
CÁC CÔNG TRÌNH CÔNG BỐ
Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Luận án tiến sĩ kỹ thuật áp dụng các phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (208 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN TRUNG THẮNG ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO GIẢI BÀI TOÁN PHỐI HỢP HỆ THỐNG THỦY NHIỆT ĐIỆN LUẬN ÁN TIẾN SĨ NGÀNH: KỸ THUẬT ĐIỆN Tp. Hồ Chí Minh, tháng 10/2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN TRUNG THẮNG ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO GIẢI BÀI TOÁN PHỐI HỢP HỆ THỐNG THỦY NHIỆT ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN-62520202 Hướng dẫn khoa học: 1. TRƯƠNG VIỆT ANH LÝ LỊCH CÁ NHÂN I. THÔNG TIN CÁ NHÂN Họ và Tên: NGUYỄN TRUNG THẮNG Phái : Nam Ngày/tháng/năm sinh : 06 / 08 / 1985 Tại : Bình Thuận II.

QUÁ TRÌNH ĐÀO TẠO : - Từ 2003 - 2008 : Sinh viên ngành Điện khí hóa-cung cấp điện, Đại học sư phạm kỹ thuật TPHCM. - Từ 2008 - 2010 : Học viên cao học ngành Thiết bị Mạng và Nhà máy điện, trường Đại học Sư Phạm Kỹ Thuật TP.Hồ Chí Minh. QUÁ TRÌNH CÔNG TÁC : - Từ 2008 - 2009 : Giảng viên trường Cao đẳng Kỹ Thuật Cao Thắng - Từ 2009 - Nay: Giảng viên trường Đại học Tôn Đức Thắng Tp. HCM, ngày 06 tháng 10 năm 2017 Nguyễn Trung Thắng i LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi.

Các số liệu, kết quả nêu trong Luận án là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. HCM, ngày 06 tháng 10 năm 2017 Nguyễn Trung Thắng ii CẢM TẠ Sau một thời gian dài nghiên cứu và hoàn thành luận án, tôi vô cùng cảm ơn những đóng góp từ gia đình, thầy cô, đồng nghiệp và bạn bè đã giúp tôi hoàn thành tốt luận án của mình. Tôi chân thành cảm ơn giảng viên hướng dẫn PGS. Võ Ngọc Điều và PGS.

Trương Việt Anh đã tận tình hướng dẫn tôi. Tôi chân thành cảm ơn sâu sắc thầy PGS. Quyền Huy Ánh đã dạy tôi các môn học ở mái trường đại học và hướng dẫn đồ án tốt nghiệp đại học. Đặc biệt thầy đã truyền đam mê để tôi có tiếp tục học thạc sĩ và tiến sĩ.

Tôi chân thành cảm ơn vợ Nguyễn Thị Tâm đã hỗ trợ tôi về tinh thần, cổ vũ những khi tôi nản chí và mệt mỏi. Tôi chân thành cảm ơn trưởng bộ môn kỹ thuật điện TS. Đinh Hoàng Bách và trưởng Khoa Điện-Điện Tử TS. Võ Hoàng Duy đã tạo điều kiện tốt để tôi có thể học tốt và nghiên cứu tốt.

Tôi xin chân thành cảm ơn những người bạn Trần Quang Thọ, Nguyễn Ngọc Âu và Phạm Hữu Lý đã sát cánh, ủng hộ và giúp đỡ tôi. iii ABSTRACT The study presents the application of several artificial interlligence based method for solving short-term hydrothermal scheduling problem. The objective of these problems is mainly to minimize total electricity generation fuel cost at thermal plants while neglecting the cost at hydropower plants so that all equality and inequality constraints of the system including power balance constraint considering transmission line, upper and lower limits on power generated by thermal and hydro plants, and hydraulic constraints at hydropower plants such as boundaries of water discharge, boundaries of reservoir volume, avaialbe water, initial volume as well as end volume. In addition, constraints in transmission lines such as transmission capacity of lines, voltage at buses, tap setting, etc are also taken into consideration.

The complicated level of the considered constraints is increased and ranged from the first problem to the final problem. Augmented Lagrange Hopfield Network and three other methods such as conventional Cuckoo Search algorithm, Modified Cuckoo Search algorithm and Adaptive Selective Cuckoo Search algorithm are applied for solving the problems in the study. Among the applied Cuckoo Search algorithms, conventional Cuckoo Search algorithm is the original one which has been successfully applied for recent years since it was first developed in 2009 meanwhile Modified Cuckoo Search algorithm has been developed based on the original one and Adaptive Selective Cuckoo Search algorithm is first introduced in the study. In addition, Augmented Lagrange Hopfield Network is also a strong method which has been developed and successfully applied for solving electrical engineering problems.The performance of these methods are tested on several systems according to each kind of problem and there is a fact that not every applied method is applied for solving all considered problems because their different effcciency on considered problem.

In fact, the three Cuckoo Search algorithms are run on all the problems but Augmented Lagrange Hopfield Network is only applied for the first problem where water head of reservoir is fixed and reservoir volume constraints are not taken into account. As a result, the comparison among these methods with many existing methods indicates that the methods are effecitve and robust for solving the short-term hydrothermal scheduling problem because they obtains better solution quality and shorter execution time than most methods available in the report. Among the methods, Augmented Lagrange Hopfield Network is very effective for the first problem where valve point loading effects of thermal units are not considered but it must stop working when the effects are taken into account. On the contrary, the three Cuckoo Search algorithms become more effective for the problems with valve point loading effects.

Among the three Cuckoo Search algorithm, Adaptive Selective Cuckoo Search is the most efficient method whereas the effectiveness between convnetional Cuckoo Search and Modified Cuckoo Search has a trade-off for different problems. In fact, the Modified Cuckoo Search is more effective than conventional Cuckoo Search for the first and the final problems; however, the Hình is opposite for the rest of the problems. iv TÓM TẮT Luận án trình bày ứng dụng của các phương pháp thông minh nhân tạo để giải các bài toán phối hợp tối ưu hệ thống thủy nhiệt điện với mục tiêu giảm thiểu chi phí phát điện của các nhà máy nhiệt điện khi không xét đến chi phí phát điện của các nhà máy thủy điện sao cho các ràng buộc cân bằng và bất cân bằng của hệ thống như ràng buộc cân bằng công suất có xét đến tổn hao truyền tải đường dây, các giới hạn công suất phát của nhà máy thủy điện và nhiệt điện và các ràng buộc từ hồ thủy điện như thể tích hồ chứa, lưu lượng xả, thể tích nước cho phép sử dụng phải được thỏa mãn. Ngoài ra, ràng buộc trên lưới truyền tải như khả năng truyền tải đường dây, điện áp tại các nút, cài đặt đầu phân áp, và chọn công suất tụ bù cũng được xét đến.

Mức độ phức tạp của các ràng buộc được tăng dần từ bài toán thứ nhất đến bài toán cuối cùng. Ba phương pháp Cuckoo Search (CSA) như Cuckoo Search cổ điển (CCSA), Cuckoo Search cải biên (MCSA) Cuckoo Search chọn lọc thi nghi (ASCSA), và phương pháp mạng Hopfield Lagrange tăng cường (ALHN) đã được áp dụng để giải các bài toán trên. CCSA là phương pháp Cuckoo Search đầu tiên được xây dựng năm 2009 trong khi đó MCSA được phát triển dựa trên CCSA vào năm 2011. ALHN cũng là một phương pháp được phát triển từ một phương pháp khác và đã được áp dụng trong lĩnh vực kỹ thuật điện.

Khác với ba phương pháp này, ASCSA là phương pháp được phát triển đầu tiên trong luận án này dựa trên các cải biên từ CCSA và chưa được áp dụng cho bất cứ bài toán nào trước đây. Tính hiệu quả của các phương pháp được kiểm tra trên các hệ thống khác nhau với năm bài toán khác nhau. Kết quả được so sánh giữa bốn phương pháp với nhau và giữa bốn phương pháp với các phương pháp đã được nghiên cứu trước đây để đưa ra nhận xét về tính hiệu quả của bốn phương pháp này so với các phương pháp khác và tìm ra phương pháp hiệu quả nhất trong bốn phương pháp cũng như đề xuất khả năng áp dụng của từng phương pháp cho từng bài toán cụ thể. Kết quả đánh giá cho thấy ALHN chỉ hiệu quả cho hai bai toán đầu tiên với chiều cao cột nước cố định bỏ qua thể tích hồ chứa và bỏ qua hiệu ứng xả van tại các nhà máy nhiệt điện.

Trong khi đó, phương pháp được đề xuất ASCSA tỏ ra hiệu quả hơn CCSA và MCSA cho tất cả các hệ thống ở năm bài toán này và hiệu quả hơn ALHN cho ba bài toán còn lại. So sánh giữa CCSA và MCSA cho thấy MCSA chỉ hiệu quả hơn CCSA ở hai bài toán đầu tiên và bài toán cuối nhưng kém hơn ở bài toán thứ ba và thứ tư. Ngoài ra, so sánh với các phương pháp trước ở các công trình nghiên cứu khác cũng cho thấy bốn phương pháp áp dụng này là các công cụ mạnh khi hầu hết nổi trội hơn các phương pháp khác về chất lượng lời giải tối ưu và tốc độ hội tụ nhanh và đặc biệt là sự vượt trội của phương pháp ASCSA. iv NỘI DUNG Trang tựa TRANG Quyết định giao đề tài Lý lịch cá nhân i Lời cam đoan ii Cảm tạ iii Tóm tắt iv Mục lục v Danh sách các chữ viết tắt vi Danh sách các hình vii Danh sách các bảng viii Thuật ngữ ix CHƯƠNG 1: GIỚI THIỆU 1.

Các Bài Toán Nghiên Cứu. Mục Tiêu Nghiên Cứu. Các Đóng Góp Của Luận Án. Giới Hạn Đề Tài.

Bố Cục Của Luận Án. 5 CHƯƠNG 2: TỔNG QUAN 2. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Bỏ Qua Các Ràng Buộc Về Hồ Chứa. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Xét Các Ràng Buộc Về Hồ Chứa.

Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Biến Đổi Xét Các Hồ Thủy Điện Bậc Thang. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Xét Mục Tiêu Chi Phí Và Phát Thải. Phân Bố Công Suất Tối Ưu Hệ Thống Thủy Nhiệt Điện. 19 v CHƯƠNG 3: CÁC PHƯƠNG PHÁP CUCKOO SEARCH VÀ MẠNG HOPFIELD LAGRANGE TĂNG CƯỜNG 3.

Thuật Toán Cuckoo Search Cổ Điển (CCSA). Đặc tính chim Cuckoo và Lévy Flights. Mô tả thuật toán Cuckoo Search. Các áp dụng CCSA gần đây.

Cuckoo Search Cải Biên (MCSA). Cuckoo Search cải biên (MCSA). Các ứng dụng gần đây của MCSA. Cuckoo Search Chọn Lọc Thích Nghi (ASCSA).

Kỹ thuật chọn lọc mới. Cơ chế phát hiện trứng lạ thích nghi. Mạng Hopfield Lagrange Tăng Cường (ALHN). 38 CHƯƠNG 4: ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO ĐIỀU ĐỘ TỐI ƯU HỆ THỐNG THỦY NHIỆT ĐIỆN NGẮN HẠN XÉT CHIỀU CAO CỘT NƯỚC CỐ ĐỊNH VÀ BỎ QUA RÀNG BUỘC THỂ TÍCH HỒ CHỨA 4.

Mô Tả Bài Toán. Hàm mục tiêu. Tính Toán Các Tổ Máy Cân Bằng Thủy Điện Và Nhiệt Điện. Áp Dụng Phương Pháp CCSA Cho Bài Toán FH-ST-HTS.

Tạo ra thế hệ nghiệm mới thứ nhất theo cơ chế Lévy Flights. Tạo ra thế hệ nghiệm mới thứ hai theo cơ chế phát hiện trứng lạ. Tiêu chuẩn dừng vòng lặp. Các bước tính toán của phương pháp CCSA cho bài toán FH-ST-HTS .

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Trích dẫn luận án này

Nguyễn Trung Thắng (2017). Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện [Luận án tiến sĩ, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh]. LuanAn.net. https://luanan.net/ky-thuat-xay-dung-kien-truc/luan-an-tien-si-ky-thuat-ap-dung-cac-phuong-phap-thong-minh-nhan-tao-giai-bai-toan-phoi-hop-he-thong-thuy-nhiet-dien

Câu hỏi thường gặp

Luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" nghiên cứu về vấn đề gì?

Luận án tiến sĩ kỹ thuật ứng dụng trí tuệ nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện.

Luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Năm bảo vệ: 2017.

Luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" thuộc chuyên ngành gì?

Luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" thuộc chuyên ngành Kỹ thuật điện. Danh mục: Kỹ Thuật Xây Dựng & Kiến Trúc.

Luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" có bao nhiêu trang?

Luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" có 208 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Áp dụng phương pháp thông minh nhân tạo giải bài toán phối hợp hệ thống thủy nhiệt điện" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter