Biểu diễn bài toán theo phương pháp pso năm 2024

1. VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN HOÀNG LINH ỨNG DỤNG GIẢI THUẬT PSO ĐỂ XÁC ĐỊNH THÔNG SỐ TỐI ƯU CHO BỘ PSS NGÀNH: KỸ THUẬT ĐIỆN - 605250 Tp. Hồ Chí Minh, tháng 07/2014 SKC0 0 4 3 7 8
2. & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH -- LUẬN VĂN THẠC SỸ NGÀNH: KỸ THUẬT ĐIỆN Mã số: 60 52 50 TP. Hồ Chí Minh, tháng 7 năm 2014 NGUYỄN HOÀNG LINH ỨNG DỤNG GIẢI THUẬT PSO ĐỂ XÁC ĐỊNH THÔNG SỐ TỐI ƯU CHO BỘ PSS
3. & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH -- LUẬN VĂN THẠC SỸ NGUYỄN HOÀNG LINH ỨNG DỤNG GIẢI THUẬT PSO ĐỂ XÁC ĐỊNH THÔNG SỐ TỐI ƯU CHO BỘ PSS NGÀNH: KỸ THUẬT ĐIỆN Mã số: 60 52 50 Hướng dẫn khoa học: TS. NGUYỄN MINH TÂM TP. Hồ Chí Minh, tháng 7 năm 2014
4. HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Nguyễn Hoàng Linh Giới tính: Nam. Ngày, tháng, năm sinh: 18/05/1987 Nơi sinh: Đồng Nai. Quê quán: Quảng Ngãi Dân tộc: Kinh. Chỗ ở riêng hoặc địa chỉ liên lạc: 9, Lê Văn Chí, Phường Linh Trung, Quận Thủ Đức, Thành Phố Hồ Chí Minh. Điện thoại cơ quan: Điện thoại nhà riêng: 01687739879 Fax: E-mail: [email protected] II. QUÁ TRÌNH ĐÀO TẠO: 1.Đại học: Hệ đào tạo: chính qui. Thời gian đào tạo từ 2005 đến 2010. Nơi học: Trường Đại Học SPKT TPHCM. Ngành học: Kỹ Thuật Điện-Điện Tử. Tên đồ án, luận án hoặc môn thi tốt nghiệp: Ngày & nơi bảo vệ: Người hướng dẫn: III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Nhiệm vụ Từ 2010 đến 2013 Công Ty SV Probe VN Cán bộ kỹ thuật TP. Hồ Chí Minh, tháng 06 năm 2014 Người khai ký tên Nguyễn Hoàng Linh
5. cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, tháng 06 năm 2014 (Ký tên và ghi rõ họ tên) Nguyễn Hoàng Linh
6. một thời gian học tập và nghiên cứu tại trường, nay học viên đã hoàn thành đề tài tốt nghiệp cao học của mình. Để có được thành quả này, học viên đã nhận được rất nhiều sự hỗ trợ và giúp đỡ tận tình từ thầy cô, gia đình, cơ quan và bạn bè. Học viên xin trân trọng bày tỏ lòng biết ơn sâu sắc, chân thành đến Thầy TS. Nguyễn Minh Tâm, người đã tận tình trực tiếp hướng dẫn học viên thực hiện hoàn thành luận văn này. Xin chân thành cảm ơn đến tất cả quí Thầy Cô trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh đã trang bị cho học viên một lượng kiến thức rất bổ ích, đặc biệt xin chân thành cảm ơn quí Thầy Cô Khoa Điện – Điện Tử đã tạo điều kiện thuận lợi và hỗ trợ cho học viên rất nhiều trong quá trình học tập cũng như trong thời gian làm luận văn này. Học viên xin gởi lời cảm ơn chân thành nhất đến đồng nghiệp, gia đình, bạn bè đã giúp đỡ cho học viên rất nhiều, đã tạo cho học viên niềm tin và nỗ lực cố gắng để hoàn thành luận văn này. Xin chân thành cảm ơn ! Tp. Hồ Chí Minh, tháng 06 năm 2014 Tác giả luận văn Nguyễn Hoàng Linh
7. định giao đề tài Lý lịch cá nhân.............................................................................................................i Lời cam đoan...............................................................................................................ii Lời cảm ơn ............................................................................................................... iii Mục lục ......................................................................................................................iv Tóm tắt luận văn .......................................................................................................vii Danh sách các hình...................................... ............................................................viii Chƣơng 1. TỔNG QUAN VỀ HỆ THỐNG ĐIỆN.................................................1 1.1 Hệ thống điện và sự ổn định...............................................................................1 1.2 Kỹ thuật điều khiển để hạn chế dao động trong hệ thống điện ......................2 1.2.1Điều khiển hạn chế dao động trên đường dây truyền tải ....................................2 1.2.2Bộ điều khiển giảm dao động đặt tại máy phát...................................................3 1.3 Các loại bộ ổn định hệ thống điện .....................................................................4 1.3.1Bộ ổn định hệ thống thông thường (CPSS).. ......................................................4 1.3.2Bộ ổn định hệ thống thích nghi (APSS)..............................................................5 1.4 Mục tiêu nghiên cứu............................................................................................6 1.5 Phạm vi nghiên cứu.............................................................................................6 1.6 Kết cấu của luận văn...........................................................................................6 1.7 Phƣơng pháp nghiên cứu....................................................................................7 Chƣơng 2. GIẢI THUẬT TỐI ƢU HÓA BẦY ĐÀN.............................................9 2.1 Lịch sử phát triển…….....…...............................................................................9 2.2 Các khái niệm cơ bản trong giải thuật bầy đàn ............................................12 2.3 Mô tả thuật toán................................................................................................12 2.4 Những vấn đề cần quan tâm khi xây dựng giải thuật PSO...........................15 2.4.1 Mã hóa cá thể ..................................................................................................15
8. nhị phân............................................................................................16 2.4.1.2 Mã hóa hoán vị..............................................................................................16 2.4.1.3 Mã hóa theo giá trị. .......................................................................................17 2.4.2 Khởi tạo quần thể ban đầu................................................................................17 2.4.3 Hàm thích nghi (hàm mục tiêu) ......................................................................18 2.4.4 Hàm vận tốc v. .................................................................................................18 2.4.5 Cập nhật vị trí tốt nhất cho cả quần thể............................................................20 2.5 Đặc điểm và ứng dụng của giải thuật PSO. ....................................................22 2.5.1 Đặc điểm ..........................................................................................................22 2.5.2 Ứng dụng..........................................................................................................22 2.6 Hiệu chỉnh bộ PSS bằng thuật giải bầy đàn ..................................................22 Chƣơng 3. LÝ THUYẾT VỀ BỘ ỔN ĐỊNH PSS (POWER SYSTEM STABILIZER - PSS)...............................................................................................25 3.1 Nâng cao độ ổn định hệ thống điện...... ...........................................................25 3.2 Bộ ổn định hệ thống điện (PSS) đƣa tín hiệu vào hệ thống kích từ..............26 3.3 Công suất giảm chấn trong máy phát đƣợc sinh ra để giảm dao động........27 Chƣơng 4. XÂY DỰNG MÔ HÌNH MÁY PHÁT ĐIỆN.....................................30 4.1 Phƣơng trình góc công suất máy phát điện ....................................................30 4.2 Phƣơng trình độ lệch tốc độ .............................................................................31 4.3 Phƣơng trình sức điện động quá độ trục q của máy phát điện. ...................31 4.4 Phƣơng trình tính sức điện động quá độ trục d (E’d) ...................................32 4.5 Phƣơng trình công suất trên đầu cực máy phát.............................................32 4.6 Phƣơng trình tính điện áp trục q của máy phát.............................................33 4.7 Phƣơng trình tính điện áp trục d của máy phát.............................................33 4.8 Phƣơng trình tính dòng điện trục d của máy phát ........................................33 4.9 Phƣơng trình tính dòng điện trục q của máy phát ........................................33 4.10 Bộ ổn định PSS thông thƣờng theo IEEE chuẩn PSS1A.............................35 Chƣơng 5. KẾT QUẢ MÔ PHỎNG......................................................................37 5.1Thông số của Hệ thống máy phát, đƣờng dây khi chạy bằng Matlab
9. đồ tổng quan các khối mô phỏng trên Matlab ..........................................38 5.3 Mô hình nghiên cứu ..........................................................................................39 5.4 Trƣờng hợp 1 khi đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát...................................................................................................................40 5.5 Trƣờng hợp 2 thay đổi công suất phụ tải bất ngờ..........................................44 Chƣơng 6. KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI..................48 6.1 Kết luận..............................................................................................................48 6.1.1 Các kết quả đạt được trong đề tài.....................................................................48 6.1.2 Hạn chế................... .........................................................................................49 6.2 Hƣớng phát triển của đề tài .............................................................................49 TÀI LIỆU THAM KHẢO....... ...............................................................................50 PHỤ LỤC ................................................................................................................52 A Hệ thống máy phát- đƣờng dây .........................................................................52 B Code Matlab nhận dạng hệ thống .....................................................................53
10. trình bày về việc xác định thông số tối ưu cho bộ PSS và thuật toán bầy đàn (Particle swarm optimization- PSO) để xác định thông số tối ưu cho bộ PSS. Đầu vào của bộ PSS là độ lệch tốc độ, đầu ra cung cấp tín hiệu cho bộ điều chỉnh điện áp (AVR). Các dữ liệu thực hiện trong tất cả các điều kiện vận hành khác nhau của hệ thống. Kết quả mô phỏng được bằng công cụ Simulink/Matlab. Các kết quả mô phỏng cho thấy rằng giải thuật tối ưu bầy đàn PSO ứng dụng cho bộ PSS để giảm dao động rất tốt cho hệ thống điện trong các điều kiện vận hành khác nhau và cải thiện đáng kể ổn định của hệ thống. Abstract: This thesis presents in details about tuning of Opimal Power System Stabilizer Parameters and Particle swarm optimazation algorithm. PSS input is the speed deviation, the output signal to supply the automatic voltage regulators (AVR). The data to train is implemented in all the different operating conditions of the system. The simulations are performed using the tool Simulink/Matlab. The simulation results show that PSO based PSS can provide good of the power system over a wider operating range significantly improve the dynamic performance of the system
11. HÌNH HÌNH TRANG Hình 2.1 Mô tả kiến tìm đường.................................................................................10 Hình 2.2 Lưu đồ giải thuật của thuật toán PSO ........................................................14 Hình 2.3 Cá thể biểu diễn một biểu thức toán học....................................................17 Hình 2.4 Chuyển động của cá thể .............................................................................19 Hình 2.5 Lưu đồ giải thuật của hệ thống điều khiển PSO-PSS ................................23 Hình 3.1 Mô hình cơ khí giống như máy phát mang tải...........................................25 Hình 3.2 Sơ đồ khối tín hiệu bộ PSS cấp cho hệ thống kích từ................................26 Hình 3.3 Sơ đồ khối của Bộ PSS ..............................................................................27 Hình 3.4 Sơ đồ nguyên lý tạo ra công suất giảm chấn..............................................27 Hình 3.5 Cuộn dây giảm chấn D được đặt trên rotor máy phát................................28 Hình 3.6 Đường đi từ thông phần ứng ở các trạng thái khác nhau...........................29 Hình 4.1 Máy phát điện đồng bộ: a, sơ đồ mạch tương đương; b sơ đồ vector........30 Hình 4.2 Mô hình Simulink để tính góc công suất của máy phát điện trong Matlab........................................................................................................................31 Hình 4.3 Mô hình Simulink để tính thành phần sức điện động E’q .........................32 Hình 4.4 Mô hình Simulink để tính thành phần E’d.................................................32 Hình 4.5 Mô hình Simulink để tính công suất trên đầu cực máy phát......................33 Hình 4.6 Mô hình Simulink để tính tính dòng điện id, iq của máy phát...................34 Hình 4.7 Mô hình Simulink để tính điện áp trên đầu cực máy phát Vt....................34 Hình 4.8 Mô hình Simulink để tính công suất điện Pe trên đầu cực máy phát.........34 Hình 4.9 Sơ đồ khối bộ PSS......................................................................................35 Hình 4.10 Mô hình mô phỏng tính góc công suất δ, công suất điện Pe, điện áp trên đầu cực máy phát Vt trong SIMULINK ..................................................................36 Hình 5.1 Mô hình máy phát nối vào hệ thống truyền tải ..........................................39 Hình 5.2 Công suất điện khi xảy ra ngắn mạch trên đầu cực máy phát....................40
12. lệch tốc độ Rotor khi xảy ra ngắn mạch trên đầu cực máy phát..........41 Hình 5.4 Góc công suất khi xảy ra ngắn mạch trên đầu cực máy phát.....................43 Hình 5.5 Công suất điện trên đầu cực máy phát khi thay đổi công suất...................44 Hình 5.6 Góc công suất delta của máy phát khi công suất phụ tải thay đổi .............45 Hình 5.7 Độ lệch tốc độ của máy phát khi công suất phụ tải thay đổi. ....................46
13. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 1 Chương 1 TỔNG QUAN VỀ HỆ THỐNG ĐIỆN 1.1 Hệ thống điện và sự ổn định Ngày nay hệ thống điện không còn là một hệ thống đơn lẻ mà là một hệ thống liên kết. Nó có thể bao gồm hàng ngàn thiết bị điện và trải rộng trên một khu vực rộng lớn, lợi ích của việc liên kết hệ thống điện là [1]:  Cung cấp một lượng lớn công suất và tăng độ tin cậy của hệ thống.  Giảm số lượng máy phát theo yêu cầu vận hành đỉnh tải cũng như yêu cầu dự trữ quay của hệ thống khi tải thay đổi đột ngột.  Cung cấp nguồn công suất kinh tế cho khách hàng. Mặt khác liên kết hệ thống cũng mang đến nhiều vấn đề mới. Đường dây liên kết giữa các hệ thống điện lân cận là tương đối yếu khi so với hệ thống không có liên kết, nó dễ dẫn đến dao động tần số thấp trong nội vùng, những dao động không ổn định thường xảy ra tại tần số thấp khi liên kết hệ thống. Nghiên cứu ổn định hệ thống điện là một chủ đề được quan tâm trong nghiên cứu kỹ thuật điện, ổn định hệ thống điện có thể định nghĩa như sau: Khả năng của các máy phát điện đồng bộ trong hệ thống phản ứng lại sự nhiễu loạn trong điều kiện vận hành bình thường để đưa hệ thống vận hành trở lại trạng thái bình thường. Nghiên cứu ổn định phụ thuộc bản chất và đặc tính của biên độ nhiễu, và được phân ra làm 3 loại: Trạng thái ổn định lâu dài: để chỉ tính chất hoạt động của một hệ thống quanh một điểm vận hành cố định. Hệ thống thay đổi nhỏ và từ từ theo điều kiện vận hành.
14. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 2 Ổn định động là: đáp ứng thời gian dài của hệ thống đối với nhiễu loạn tương đối nhỏ. Nó khác với trạng thái ổn định tĩnh bởi vì hệ thống có thể ổn định ở trạng thái tĩnh và hệ thống phải có nhiễu loạn nhỏ. Ổn định quá độ là: nếu một hệ thống vẫn giữ được đồng bộ sau khi có sự nhiễu lớn chẳng hạn như: sự cố hệ thống truyền tải, sự thay đổi tải đột ngột, mất nguồn phát hay đóng cắt đường dây. Vấn đề ổn định quá độ được chia ra thành những phần nhỏ dao động là lúc những giây ban đầu sau khi nhiễu loạn, và nhiều dao động ổn định có thời gian nghiên cứu hơn 10 giây. Đối với trạng thái ổn định động và ổn định thường xuyên, hệ thống có thể được mô hình bằng các phương trình vi phân tuyến tính. Đối với bài toán ổn định quá độ, hệ thống phải được biểu diễn bằng phương trình vi phân phi tuyến. Nghiên cứu tất cả các trạng thái ổn định với mục đích là Rotor của máy phát dao động được đưa trở về tốc độ vận hành ổn định. 1.2 Kỹ thuật điều khiển để hạn chế dao động trong hệ thống điện Một vấn đề thông thường trong hệ thống điện lớn và nhỏ là bản chất vốn có của dao động không ổn định. Trong những thập kỹ qua nhiều công trình nghiên cứu để cải thiện ổn định hệ thống, thường nói nhiều là phương pháp điều khiển hạn chế dao động được chia ra thành hai nhóm [3]:  Tăng cường điều khiển để hạn chế dao động trong đường dây truyền tải.  Tăng cường điều khiển để hạn chế dao động tại ví trí nhà máy phát điện. 1.2.1 Điều khiển hạn chế dao động trên đường dây truyền tải Truyền tải điện một chiều cao thế (HVDC): có vai trò quan trọng trong việc nâng cao ổn định hệ thống [3], là vì đối với HVDC không cần duy trì đồng bộ. Mặc khác, HVDC có khả năng hạn chế dao động vì đường dây liên kết HVDC có thể thay đổi dòng công suất truyền tải phối hợp với hệ thống AC nhanh hơn bất kỳ nhà máy nhiệt điện nào. Tác hại chính của HVDC là giá thành và sự phức tạp của bộ chỉnh lưu, mặc khác nó còn phát ra sóng hài vào hệ thống AC.
15. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 3 Hệ thống truyền tải điện xoay chiều AC linh hoạt (FACTS): có khả năng điều khiển truyền tải công suất với hệ thống điện có các thông số ràng buộc như tổng trở nối tiếp, tổng trở rẻ nhánh, góc pha vv. Các bộ điều khiển FACTS gồm có:  Bù công suất phản kháng tĩnh SVC dùng van Thyristor để nhanh chóng thêm hoặc cắt bớt điện cảm, điện dung mắc rẻ nhánh.  Thyristor điều khiển tụ nối tiếp (TCSC) có thể thay đổi tổng trở từ mức thấp đến mức tổng trở tự nhiên đường dây truyền tải.  Tụ tĩnh (Statcon) phát ra công suất phản kháng có thể là công suất của tụ, hay công suất của cuộn dây để điều khiển được điện áp trên lưới.  Bộ điều chỉnh góc pha thay đổi điện áp pha bằng cách thêm hoặc bớt một thành phần điện áp, thành phần này vuông góc với điện áp pha của đường dây. Bộ HVDC được ưa chuộng hơn, trở ngại chính của bộ điều khiển FACTS là giá thành cao. 1.2.2 Bộ điều khiển giảm dao động đặt tại máy phát: Điều khiển kích từ là một trong những kiểu điều khiển hạn chế dao động đặt tại máy phát vì những lý do sau:  Hệ thống điện có hằng số thời gian nhỏ hơn hệ thống cơ khí của máy phát.  Hệ thống điều khiển điện dễ ứng dụng và kinh tế hơn hệ thống điều khiển cơ khí.  Hằng số thời gian hồi tiếp nhỏ và một hệ thống điều khiển điện là một hệ thống tác động liên tục, vì thế nó làm cho hệ thống có đáp ứng phẳng hơn. Điều khiển kích từ cung cấp cho máy phát được xem như là Bộ ổn định hệ thống điện (PSS) [3], nó được chọn đầu tiên để nâng cao việc giảm dao động của hệ thống kích từ. Chức năng chính của một bộ PSS là mở rộng giới hạn ổn định bằng cách điều chỉnh hệ thống kích từ để hạn chế dao động của Rotor máy phát đồng bộ với các máy phát khác. Đó là những dao động có tần số từ 0.2 đến 2 Hz và những dao động này làm giảm khả năng truyền công suất.
16. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 4 Để ngăn ngừa dao động, Bộ ổn định phải tạo ra được một mômen điện trong Rotor cùng pha với sự thay đổi tốc độ. Tín hiệu đầu vào của bộ PSS là một trong các thành phần bên dưới hoặc là tổ hợp của chúng:  Độ lệch tốc độ.  Gia tốc.  Độ lệch tần số thanh cái.  Độ chênh lệch công suất. 1.3 Các loại bộ ổn định hệ thống điện Bộ ổn định hệ thống điện (PSS) đang được nghiên cứu và mở rộng trong những thập kỷ qua, nhiều kỹ thuật được ứng dụng để thiết kế bộ PSS. 1.3.1 Bộ ổn định hệ thống thông thường - conventional power system stabilizer (CPSS) Bộ PSS đầu tiên được gọi là bộ PSS thông thường [2] được thiết kế dựa trên hàm truyền sử dụng lý thuyết điều khiển cổ điển. Nó sử dụng hệ thống bù sớm trể pha để bù sự dịch chuyển pha do dao động tần số thấp gây ra do sự nhiễu loạn trong hệ thống bằng cách điều chỉnh thích hợp các thông số hệ thống bù sớm trể pha. Nó có thể làm cho hệ thống giảm bớt dao động. Tuy nhiện hệ thống điện là một hệ thống phi tuyến. Mô hình hệ thống tuyến tính hóa được sử dụng để thiết kế Bộ ổn định hệ thống thông thường chỉ được đánh giá tại thời điểm vận hành tại đó hệ thống được tuyến tính hóa. Bộ điều khiển thống số cố định CPSS không thể hoạt động tối ưu trong điều kiện vận hành rộng lớn. Vì thế có một số vấn đề tồn tại trong bộ CPSS là:  Cách chọn một hàm truyền chính xác để cho bộ PSS đáp ứng cho việc cung cấp tín hiệu điều khiển.  Cách điều chỉnh hiệu quả các thông số PSS.
17. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 5  Cách tự động bám theo trạng thái thay đổi của hệ thống.  Cách tính toán phản ứng sự thay đổi giữa các máy phát. Nhiều nghiên cứu để giải các vấn đề này, một trong những bộ điều khiển thích nghi là khả năng tự động điều khiển để thích nghi với điều kiện làm việc mới. 1.3.2 Bộ ổn định hệ thống thích nghi – adaptive power system stabilizer (APSS) Nhiều công trình nghiên cứu bộ PSS thích nghi (APSS) [1]. Nhiều bộ PSS thích nghi sử dụng sơ đồ điều khiển thích nghi tự điều chỉnh. Nó là một trong những sơ đồ điều khiển thích nghi hiệu quả nhất. Cấu trúc của bộ PSS thích nghi tự điều chỉnh có 2 phần: sự nhận dạng thông số trực tiếp và phần chiến lược điều khiển. Tại mỗi chu kỳ mẫu, một mô hình toán có được bằng phương pháp nhận dạng trực tiếp để bám theo dao động của máy phát. Kỹ thuật nhận dạng khác cũng được đề cập. Trong thiết kế bộ PSS thích nghi tự điều chỉnh, phương pháp bình phương tối thiểu đệ qui (RLS) được sử dụng rộng rãi vì tính đơn giản của nó, ổn định rất tốt và hội tụ rất nhanh. Chiến thuật điều khiển tính toán tín hiệu điều khiển dựa trên nhận dạng trực tiếp thông số. Có vài chiến thuật điều khiển có thể sử dụng trong bộ điều khiển thích nghi tự điều chỉnh như là chiến thuật điều khiển phương sai tối thiểu (MV), chiến thuật phương sai tối thiểu tổng quát (GMV), chiến thuật điều khiển gán ghép cực (PA), và chiến thuật điều khiển thay đổi cực (PS). Những nghiên cứu cho thấy rằng bộ PSS thích nghi có thể điều chỉnh các thông số trực tiếp theo sự thay đổi theo hệ thống, và duy trì khả năng điều khiển như mong muốn trên phạm vi hoạt động của hệ thống và nhược điểm chính của bộ điều khiển thích nghi là nó có thời gian tính toán lâu để nhận dạng thông số trực tiếp.
18. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 6 1.4 Mục tiêu nghiên cứu Ứng dụng giải thuật bầy đàn (PSO: Particle swarm optimization) để xác định thông số tối ưu của bộ PSS nhằm cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. 1.5 Phạm vi nghiên cứu Đề tài tập trung nghiên cứu giải thuật bầy đàn (PSO) cho việc xác định thông số tối ưu của bộ PSS nhằm cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. 1.6 Kết cấu của luận văn Luận văn này chia ra các phần nghiên cứu như sau: Chương 1: Tổng quan về hệ thống điện.  Chương này gồm những nội dung sau :  Hệ thống điện và sự ổn định  Kỹ thuật điều khiển để hạn chế dao động trong hệ thống điện  Các loại bộ ổn định hệ thống điện  Mục tiêu nghiên cứu  Phạm vi nghiên cứu  Kết cấu của luận văn  Phương pháp nghiên cứu Chương 2: Thuật toán tối ưu hóa bầy đàn  Chương này tìm hiểu các vấn đề:  Lịch sử phát triển.  Các khái niệm cơ bản của giải thuật bầy đàn.  Mô tả thuật toán.  Đặc điểm và ứng dụng của giải thuật bầy đàn
19. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 7  Hiệu chỉnh bộ PSS bằng thuật giải bầy đàn Chương 3: Lý thuyết về bộ ổn định PSS.  Chương này tìm hiểu các vấn đề:  Nâng cao độ ổn định hệ thống điện  Bộ ổn định hệ thống điện  Công suất giảm chấn trong máy phát Chương 4: Xây dựng mô hình máy phát điện  Chương này tìm hiểu các vấn đề:  Nâng cao độ ổn định hệ thống điện  Phương trình góc công suất máy phát điện  Phương trình độ lệch tốc độ  Phương trình sức điện động quá độ trục q của máy phát điện  Phương trình tính sức điện động quá độ trục d (E’d)  Phương trình công suất trên đầu cực máy phát  Phương trình tính điện áp trục q của máy phát  Phương trình tính điện áp trục d của máy phát  Phương trình tính dòng điện trục d của máy phát  Phương trình tính dòng điện trục q của máy phát  Bộ ổn định PSS thông thường theo IEEE chuẩn PSS1A Chương 5: Kết quả mô phỏng. Chương 6: Kết luận và hướng phát triển của đề tài. 1.7 Phương pháp nghiên cứu Trong đề tài này học viên đã sử dụng các phương pháp nghiên cứu: Phương pháp tham khảo tài liệu: bằng cách thu thập thông tin và tài liệu từ sách, tạp chí, báo điện tử và truy cập mạng internet. Phương pháp quan sát: từ những ý tưởng và kiến thức vốn có kết hợp với sự hướng dẫn của giáo viên, người nghiên cứu đã mô phỏng có từ các đồ án trước và
20. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 8 các bài báo trên mạng internet, từ đó mô phỏng lại bằng phần mềm Matlab/Simulink để so sánh với kết quả đã có nhằm rút ra những kinh nghiệm trong việc mô phỏng, để từ đó chọn lọc phương pháp điều khiển tối ưu.
21. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 9 CHƢƠNG 2 GIẢI THUẬT TỐI ƢU HÓA BẦY ĐÀN Giải thuật tối ưu hóa bầy đàn (Particles Swarm Optimization - PSO), là phần thuộc lĩnh vực nghiên cứu quần thể thông minh (Swarm Intelligence SI), nằm trong tính toán tiến hóa – Evolution computation [17]. Những ý tưởng nghiên cứu trong quần thể thông minh dựa trên quan hệ, cách ứng xử của các cá thể trong quần thể và cách thức tự tổ chức, hoạt động của quần thể. Những ý tưởng này đều xuất phát từ việc quan sát các quần thể sinh vật trong tự nhiên. Như cách thức mà đàn chim tìm kiếm nguồn thức ăn, nguồn nước, cách mà đàn kiến tìm đường đi tới nguồn thức ăn từ tổ của chúng…[15] PSO là một hướng nghiên cứu mới và đang phát triển rất nhanh trong những năm gần đây. Nó đã được áp dụng thành công để giải nhiều bài toán tìm cực trị hàm số học phức tạp, cũng như một số bài toán tối ưu khác. Chương này sẽ giới thiệu những vấn đề cơ bản nhất về giải thuật PSO. 2.1 Lịch sử phát triển Con người đã khám phá ra nhiều điều thú vị về hành vi của các loài côn trùng động vật trong thế giới tự nhiên từ rất lâu. Hình ảnh một đàn chim tìm kiến thức ăn tìm nơi di trú, bầy kiến tìm thức ăn, đàn cá tìm kiếm nguồn thức ăn và đổi hướng khi gặp kẻ thù… Chúng ta gọi đó là kiểu quan hệ bầy đàn [15], [17]. Gần đây các nhà khoa học mới nghiên cứu, tìm hiểu về các loại quan hệ bầy đàn trong tự nhiên, để hiểu cách mà các sinh vật này giao tiếp, hoàn thành mục đích và tiến hóa. Họ đã ứng dụng những nghiên cứu này để giải các bài toán tối ưu như thiết kế mạng viễn thông, tự động nghiên cứu robot, xây dựng mô hình giao thông (traffic pattern) trong bài toán vận chuyển, ứng dụng trong quân sự, điều khiển động cơ… Lĩnh vực nghiên cứu và ứng dụng các tri thức về quan hệ bầy đàn trong tự động hóa được gọi là lĩnh vực quần thể thông minh.
22. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 10 PSO là một trong nhiều hướng nghiên cứu trong bầy đàn thông minh (Swarm Intelligence – SI), cho đến hiện tại thì SI bao gồm các nhóm chính là:  Giải thuật tối ƣu hóa bầy kiến (Ant Colony Optimization – ACO) lấy ý tưởng từ cách đàn kiến tìm đường từ tổ tới nguồn thức ăn, cách chúng xây dựng đường đi bằng dấu vết sinh học (pheromone trails). Đây là một thuật toán tối ưu kiểu metaheuristic, được sử dụng để tìm kiếm các kết quả gần đúng trong các bài toán tối ưu tổ hợp. [17]  Trong thuật toán ACO dùng những chú kiến nhân tạo, những chú kiến này sẽ xây dựng những lời giải bằng cách di chuyển theo lược đồ của bài toán. Chúng bắt chước những con kiến thật, để lại những dấu hiệu trên đường đi của mình để trong tương lai nhưng con kiến khác có thể tạo ra các lời giải tốt hơn. ACO đã được ứng dụng thành công để giải nhiều bài toán tối ưu. Hình 2.1: Mô tả kiến tìm đường.  Giải thuật tối ƣu hóa bầy đàn (Particle Swarm Optimization – PSO) lấy ý tưởng từ cách đàn chim tìm thức ăn, nguồn nước. Đây là giải thuật tối ưu toàn cục nhằm giải những bài toán mà lời giải tốt nhất có thể biểu diễn bằng một điểm, hay một mặt trong không gian n-chiều. [15], [17] Theo giả thuyết của bài toán, các cá thể ban đầu được dựng lên trong không gian đó. Mỗi cá thể có một vận tốc ban đầu, và giữa các cá thể cũng có kênh liên lạc. Các cá thể sau đó di chuyển trong không gian lời giải, mỗi cá thể sẽ được đánh giá bằng một hay nhiều tiêu chuẩn thích nghi, dần dần các cá thể này sẽ di chuyển
23. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 11 về phía những cá thể tốt hơn trong phạm vi của chúng. Ưu điểm của phương pháp này so với các phương pháp tối ưu toàn cục khác như mô phỏng tôi luyện (Simulated Annealing), di truyền (Genetic Algorithm) là với số lượng lớn cá thể có thể giúp giải thuật vượt qua được các cực trị cục bộ. Giải thuật tối ưu hóa bầy đàn – PSO lần đầu tiên được giới thiệu vào năm 1995 bởi Kennedy, J. và Eberhart, R [15]. Trong một hội thảo quốc tế của IEEE về mạng neural tại Perth, Australia. PSO là được khởi tạo bởi một nhóm ngẫu nhiên các particles, sau đó tìm kiếm giải pháp tối ưu bằng việc cập nhật các thế hệ (lần lặp). Trong mỗi thế hệ, mỗi particle là được cập nhật bởi hai giá trị: giá trị thứ nhất, gọi là PBest là nghiệm tốt nhất đạt được cho tới thời điểm hiện tại. Giá trị thứ hai, gọi là GBest là nghiệm tốt nhất mà cá thể lân cận cá thể này đạt được cho tới thời điểm hiện tại [15]. Nói cách khác, mỗi cá thể trong quần thể cập nhật vị trí của nó theo vị trí tốt nhất của nó và của cá thể trong quần thể tính tới thời điểm hiện tại. Quá trình cập nhật các particle dựa trên hai công thức sau: ( 1) ( ) ( ) ( ) , , 1 , , 2 , . * ()*( ) * ()*( ) k k k k i m i m i m i m m i m v wv c rand Pbest x c Rand Gbest x       (2.1) ( 1) ( ) ( 1) , , , k k k i m i m i m x x v     ; i=1,2,…,n ; m=1,2,…,d (2.2) Trong đó:  n: Số phần tử trong nhóm.  d: Kích thước quần thể (dimension).  k: Số lần lặp lại.  ( ) , k i m v : Vận tốc của cá thể thứ i tại thế hệ thứ k.  w: Hệ số trọng lượng quán tính.  c1,c2: Hệ số gia tốc.  Rand (): Là một số ngẫu nhiên trong khoảng (0,1).  ( ) , k i m x : Vị trí cá thể thứ i tại thế hệ thứ k.  i best P : Vị trí tốt nhất của cá thể thứ i.  i best G : Vị trí tốt nhất của cá thể trong quần thể.
24. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 12 2.2 Các khái niệm cơ bản trong giải thuật bầy đàn [17]  Cá thể: Mỗi cá thể trong thuật toán biểu diễn một lời giải của bài toán nhưng chưa phải là lời giải tối ưu. Tùy vào từng bài toán mà mỗi cá thể được biểu diễn bởi những cách khác nhau như chuỗi nhị phân, cây, chuỗi số, v.v…  Quần thể: Là một tập hợp các cá thể có cùng một số đặc điểm nào đấy. Trong giải thuật tối ưu bầy đàn thì quần thể là một tập các lời giải của một bài toán. Các cá thể trong quần thể có thể có thông tin về toàn bộ quần thể hoặc chỉ có thông tin về một phần của quần thể, thông tin đó thường là thông tin về cá thể tốt nhất và được đánh giá thông qua giá trị của hàm mục tiêu.  Vị trí: Mỗi bài toán tối ưu có một không gian lời giải của nó, không gian đó có thể là một hoặc đa chiều. Mỗi lời giải trong bài toán có thể coi như một vị trí trong không gian đó.  Vận tốc: Trong PSO mỗi cá thể có một vận tốc riêng, vận tốc riêng này dùng để tính vị trí tiếp theo của cá thể trong không gian bài toán. Nếu không gian bài toán là không gian n chiều, thì với mỗi cá thể mỗi chiều sẽ có một vận tốc, hay nói cách khác vận tốc cũng là một vector n chiều. Mỗi cá thể sẽ “di chuyển” trong không gian bài toán để tìm ra lời giải tối ưu. Tùy vào bài toán cụ thể mà có cách biểu diễn hàm vận tốc phù hợp, hàm vận tốc là một trong những tham số quan trọng bậc nhất trong giải thuật PSO, đôi khi chỉ cần thay đổi cách biểu diễn hàm vận tốc ta có thể giải một bài toán khác. Hàm mục tiêu: Là hàm mô tả yêu cầu bài toán cần đạt tới. Hàm này dùng để đánh giá các lời giải của bài toán. Tùy vào từng bài toán mà hàm mục tiêu khác nhau. 2.3 Mô tả thuật toán [15] Giả sử quần thể ban đầu gồm n cá thể (mỗi cá thể là một lời giải cho bài toán nhưng chưa tối ưu). Mỗi cá thể thứ i trong quần thể được biểu diễn bởi một vector vị trí xi và một vector vận tốc vi, i = 1,…n. Hàm mục tiêu của bài toán được chọn là: 2 0 ( ) Fitness e t dt    (2.3)
25. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 13 Với e(t) là sai số. Pbest là vị trí tốt nhất cho đến thời điểm hiện tại của cá thể thứ i trong quần thể. Gbest là vị trí tốt nhất của cả quần thể tại thời điểm hiện tại. Giải thuật PSO có thể viết dưới dạng mã giải như sau: For Each particle Khởi tạo particle End for Do For Each particle Tính fitness value If fitness value < Pbest Then Pbest = the fitness value End if End For If Pbest < Gbest then Gbest = Pbest End if For each particle Tính vận tốc theo công thức (2-1) Cập nhật vị trí theo công thức (2-2) End For While (chưa đạt đến số thế hệ tối đa cho phép).
26. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 14 Hình 2.2: Lưu đồ giải thuật của thuật toán PSO. Yes No Bắt đầu Khởi tạo - Kích thước quần thể n - Trọng số quán tính w - Hệ số gia tốc c1,c2 Khởi tạo các cá thể với vị trí và vận tốc ngẫu nhiên Tìm hàm thích nghi Tìm Pbest của mỗi phần tử và Gbest của quần thể Cập nhật giá trị vận tốc, vị trí, Gbest và Pbest của các cá thể Dừng Số lần lặp lại lớn nhất đã đủ chưa?
27. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 15 Sơ đồ thuật toán trên là cho bài toán tối ưu cực tiểu giá trị hàm mục tiêu. Tại mỗi bước lặp ta sẽ cập nhật lại giá trị tốt nhất của từng cá thể trong quá khứ cho tới thời điểm hiện tại và giá trị tốt nhất của toàn bộ quần thể cho tới thời điểm hiện tại. Tối ưu hóa bầy đàn được cho là có tốc độ tìm kiếm nhanh hơn so với các thuật giải tiến hóa truyền thống khác [16], [17]. Tuy nhiên thuật toán này thường tìm ra điểm cực trị địa phương rất nhanh nhưng lại bị mắc kẹt ở những điểm đó. Để tránh việc này thì có thể tăng số lượng các cá thể lên, tuy nhiên thời gian tính toán cũng tăng lên. Trong mỗi bài toán riêng, ta cũng có thể đưa vào các tham số ngẫu nhiên như 2 vector ngẫu nhiên R1, R2 trong thuật toán dạng cơ bản trên. Các tham số ngẫu nhiên này làm giảm khả năng thuật toán bị mắc vào cực trị địa phương. Điều kiện kết thúc lặp của thuật toán rất đa dạng. Có thể là sau một số lần lặp cho trước hoặc là sau một số lần lặp mà không thu được kết quả tốt hơn. Tùy vào từng bài toán cụ thể mà cách biểu diễn cá thể sẽ khác đi, khi đó cách biểu diễn hàm vận tốc và vị trí của cá thể có thể sẽ không giống như trong mô hình thuật toán ở trên. Từ cách mô tả giải thuật ở trên ta thấy các vấn đề cần quan tâm khi xây dựng giải thuật PSO bao gồm:  Xây dựng cách mã hóa các cá thể.  Phương pháp khởi tạo quần thể ban đầu n.  Định nghĩa hàm thích nghi của các cá thể.  Cách xây dựng hàm vận tốc v.  Cách cập nhật giá trị tốt nhất cho các cá thể và cho cả quần thể. 2.4 Những vấn đề cần quan tâm khi xây dựng giải thuật PSO 2.4.1 Mã hóa cá thể Trong PSO, mỗi cá thể biểu diễn một lời giải theo một cách nào đó mà chứa đủ các thông tin cần thiết về lời giải. Các cá thể tạo nên một quần thể, là không gian lời giải của bài toán mà ta khảo sát. Cách mã hóa cá thể là một trong những yếu tố quan trọng trong xây dựng giải thuật. Hiện nay có rất nhiều phương pháp mã hóa cá thể, tùy thuộc vào các tri thức
28. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 16 riêng của từng bài toán mà ta sẽ lựa chọn hay xây dựng cách biểu diễn cá thể riêng phù hợp với bài toán. 2.4.1.1 Mã hóa nhị phân Mã hóa nhị phân là phương pháp mã hóa cá thể phổ biến nhất. Trong mã hóa nhị phân, mỗi cá thể là một chuỗi nhị phân, mỗi bit trong nó có thể biểu diễn một đặc tính của nghiệm. Ví dụ: hai cá thể 1 và 2 có chiều dài là 16 Cá thể 1 : 1101 1001 0011 0110 Cá thể 2 : 1101 1110 0001 1110 Mã hóa nhị phân thường hay dùng trong các bài toán tối ưu các hàm một biến hay nhiều biến. Khi đó, mỗi chuỗi nhị phân sẽ biểu diễn hàm tại một tập giá trị của các biến. Ngoài ra nó còn được áp dụng trong nhiều loại bài toán khác nữa. Ví dụ: Trong bài toán cái túi, để biểu diễn một cách xếp đồ vào túi, ta sẽ dùng một chuỗi nhị phân có kích thước bằng số đồ vật. Mỗi bit tương ứng với mỗi đồ vật sẽ có hai giá trị: Giá trị 0 nếu đồ vật đó không được cho vào túi và giá trị 1 nếu đồ vật được cho vào túi. Mã hóa nhị phân tuy phổ biến nhưng có một nhược điểm là có thể tạo ra không gian mã hóa lớn hơn so với không gian giá trị của cá thể. Do đó, với nhiều bài toán thì biểu diễn nhị phân là không hữu hiệu. 2.4.1.2 Mã hóa hoán vị Mã hóa hoán vị có thể được sử dụng trong các bài toán liên quan đến thứ tự như bài toán du lịch hay bài toán lập lịch. Trong mã hóa hoán vị, mỗi cá thể là một chuỗi các số biểu diễn một trình tự. Ví dụ: Cá thể 1: 1 5 4 3 2 6 7 9 8 Cá thể 2: 9 1 7 3 8 5 6 4 2 Mã hóa hoán vị phù hợp cho các bài toán liên quan đến thứ tự. Đối với các bài toán này, việc thao tác trên các nhiễm sắc thể chính là hoán vị các số trong chuỗi đó làm thay đổi trình tự của nó.
29. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 17 Ví dụ: Trong bài toán người du lịch, để biểu diễn một cách đi của người du lịch thì dùng một cá thể mà trình tự các số trong chuỗi cho biết thứ tự các thành phố mà người du lịch đi qua. 2.4.1.3 Mã hóa theo giá trị Mã hóa trực tiếp theo giá trị có thể được dùng trong các bài toán sử dụng giá trị phức tạp như trong số thực. Trong đó, mỗi cá thể là một chuỗi các giá trị. Các giá trị có thể là bất kì yếu tố nào liên quan đến bài toán, từ số nguyên, số thực, kí tự v.v… cho đến các đối tượng phức tạp hơn. Ví dụ: Cá thể 1: 1.29 4.36 0.34 Cá thể 2: ( KP) ( KI )( KD) 2.4.1.4 Mã hóa theo cấu trúc cây Trong mã hóa theo cấu trúc cây, mỗi cá thể là một cây các đối tượng. Các đối tượng có thể là các hàm, các lệnh của ngôn ngữ hoặc các giá trị của biến, v.v… Ví dụ: Hình 2.3: Cá thể biểu diễn một biểu thức toán học. 2.4.2 Khởi tạo quần thể ban đầu Khởi tạo quần thể ban đầu là bước đầu tiên trong giải thuật PSO. Thông thường để khởi tạo quần thể trong bài toán tối ưu đa mục tiêu, ta tạo ra một cách ngẫu nhiên các lời giải có thể (là các lời giải thỏa mãn ràng buộc của bài toán nhưng chưa biết là tối ưu hay chưa). Tùy vào từng bài toán cụ thể mà ta có các phương pháp khởi tạo khác nhau.
30. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 18 Ví dụ: Trong bài toán điều khiển động cơ không đồng bộ ba pha, ta sẽ khởi tạo ngẫu nhiên các giá trị KP, KI ban đầu. Chất lượng của quần thể ban đầu càng cao thì lời giải mà giải thuật PSO đưa ra càng tốt. Nếu trong bài toán điều khiển động cơ ở trên mà ta tạo được các giá trị KP, KI trong quần thể ban đầu đa dạng và có giá trị càng gần mục tiêu thì càng tốt. Do đó trong nhiều giải thuật PSO, thường sử dụng các giải thuật đã có để giải bài toán mà cho kết quả khá tốt để khởi tạo quần thể ban đầu. Số lượng hay kích thước ban đầu của quần thể n, cũng đóng vai trò quan trọng trong giải thuật vì kích thước quần thể quyết định nhiều đến sự hội tụ nhanh hay chậm của giải thuật, và khả năng thoát ra khỏi những cực trị địa phương của quần thể. Kích thước quần thể nhỏ thì giải thuật sẽ hội tụ nhanh nhưng thường sẽ cho ra kết quả là các cực trị địa phương chứ không phải là cực trị toàn cục. Vì với số lượng cá thể ít thì quần thể dễ mắc vào những cực trị địa phương và không thoát ra được. Tuy nhiên số lượng cá thể quá lớn lại làm thuật toán chạy tốn nhiều thời gian, hội tụ chậm. Tùy vào từng bài toán cụ thể mà ta chọn kích thước quần thể thích hợp. 2.4.3 Hàm thích nghi (hàm mục tiêu): [15] Hàm thích nghi là một trong những yếu tố quan trọng quyết định sự thành công của giải thuật. Nó đánh giá các cá thể tốt trong quần thể. Hàm thích nghi được xây dựng sao cho giá trị thích nghi phải phản ánh được đúng giá trị thực của cá thể trong việc đáp ứng yêu cầu của bài toán. Do chất lượng điều khiển mong muốn thông thường là tối thiểu sai số ngõ ra nên hàm thích nghi có thể chọn như sau: 2 0 ( ) Fitness e t dt    2.4.4 Hàm vận tốc v: [15] Chuyển động của mỗi cá thể được tính bằng công thức vận tốc sau: ( 1) ( ) ( ) ( ) , , 1 , , 2 , . * ()*( ) * ()*( ) k k k k i m i m i m i m m i m v wv c rand Pbest x c Rand Gbest x       (2.4)
31. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 19 Như vậy mỗi cá thể sẽ tự tính toán bước di chuyển kế tiếp của nó dựa trên 3 yếu tố  Hướng chuyển động hiện thời v.  Vị trí tốt nhất trong quá khứ của cá thể, đây là vị trí tốt nhất mà cá thể đã đi qua cho tới thời điểm hiện tại. Trong tự nhiên thì yếu tố này như là “kinh nghiệm” bản thân của mỗi cá thể trong quần thể, là các tri thức, hiểu biết mà cá thể đó đã tích lũy được.  Vị trí tốt nhất của cả quần thể, là vị trị tốt nhất mà cả quần thể đã khám phá ra cho tới thời điểm hiện tại. Yếu tố này đóng vai trò như là “xu hướng” của cả quần thể. Quần thể sẽ đi theo cá thể nào tốt nhất trong quần thể để đưa cả quần thể tới vị trí tốt hơn. Hình 2.4: Chuyển động của cá thể. Điều này cũng giống như trong thực tế: Mỗi cá nhân sẽ tự quyết định hướng đi của mình dựa trên vị trí hiện tại mà mình đang đứng, kinh nghiệm bản thân và xu thế chung của bầy đàn. Mỗi cá thể trong quần thể lại có một tính cách, thể hiện qua hai tham số ngẫu nhiên R1, R2. Mỗi cá thể sẽ không ngay lập tức chuyển động theo hướng vị trí tốt nhất mà phải sau một thời gian nó mới từ từ chuyển động theo các hướng đó. Trong PSO thì tham số này giúp cho quần thể tránh khỏi việc bị mắc vào cực trị địa phương, do không phải cá thể nào cũng đồng thời chuyển động về hướng vị trí tốt nhất mới tìm ra. Thông thường thì giá trị R1, R2 được tạo ra trong mỗi bước lặp và được sinh ngẫu nhiên trong khoảng [0,1]. Còn c1 và c2 là các hằng số mô tả có bao
32. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 20 nhiêu cá thể hướng về vị trí tốt. Nó đặc trưng cho kinh nghiệm và tính xã hội. Vị trí tốt ở đây là cực trị toàn cục hay vị trí tốt nhất đã đi qua của cá thể. Tùy bài toán cụ thể mà lấy giá trị thích hợp, thông thường c1, c2  0.1->1. 2.4.5 Cập nhật vị trí tốt nhất cho cả quần thể Trong PSO thì biến g (global best) là biến đại diện cho cả quần thể đóng vai trò như là biến môi trường của quần thể. Thông qua biến này các cá thể tương tác với nhau, với cả quần thể, căn cứ vào đó mà điều chỉnh bước di chuyển tiếp theo của mình. Biến này thể hiện trạng thái, vị trí hiện tại của cả quần thể, đóng vai trò quan trọng trong việc định hướng quần thể. Điều này giống như trong quần thể sinh vật có những xu hướng chung nổi bật và bao giờ các cá thể cũng có xu hướng đi theo cá thể tốt nhất để mong muốn mình cũng được tốt hơn. Trong PSO có hai cách cập nhật giá trị mới cho g là:  Cập nhật trong từng bƣớc lặp Trong mỗi bước lặp ta cập nhật ngay g, tức là khi có một cá thể mới di chuyển tới vị trí mới thì ta lập tức xét xem vị trí mới đó có phải là vị trí tốt nhất của cả quần thể không. Nếu đúng là vị trí tốt nhất thì ta sẽ cập nhật nó vào g, và giá trị mới này có tác động ngay đến các cá thể khác, tức là các cá thể khác thấy ngay được thay đổi và căn cứ vào đó để có hướng di chuyển thích hợp. [15] For i= 1:n Begin Tính vị trí mới của cá thể s Cập nhật giá trị tốt nhất của cá thể s Cập nhật giá trị tốt nhất của cả quần thể End  Cập nhật sau từng vòng lặp Sau mỗi vòng lặp ta mới cập nhật lại giá trị tốt nhất của cả quần thể, gía trị mới này sẽ tác động đến cá thể trong vòng lặp mới.
33. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 21 For i= 1:n Begin Tính vị trí mới của cá thể s Cập nhật giá trị tốt nhất của cá thể s End Cập nhật giá trị tốt nhất của cả quần thể Tùy vào bài toán cụ thể mà ta dùng cách cập nhật nào cho phù hợp. Tuy nhiên không phải lúc nào mỗi cá thể cũng có thông tin về cả quần thể. Đôi khi một cá thể chỉ có thông tin về các láng giềng (neighborhood) xung quanh nó. Khi đó, cập nhật giá trị láng giềng tốt nhất của các cá thể trong giải thuật PSO sau mỗi bước lặp là: For i=1:n Begin Tính vị trí mới của cá thể s Cập nhật giá trị tốt nhất của từng cá thể End Cập nhật giá láng giềng tốt nhất của các cá thể Việc xem xét cá thể nào là láng giềng với cá thể nào là theo quy ước ban đầu. Giải thuật PSO dùng cách này được gọi là lân cận tốt nhất (neighborhood best), còn giải thuật PSO trong đó một cá thể có thông tin của cả quần thể gọi là toàn cục tốt nhất (global best). So với giải thuật PSO dùng toàn cục tốt nhất thì giải thuật PSO dùng lân cận tốt nhất có đặc điểm là tốc độ hội tụ chậm hơn nhưng nó ít bị mắc tại các cực trị cục bộ trong không gian bài toán.
34. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 22 2.5 Đặc điểm và ứng dụng của giải thuật PSO 2.5.1 Đặc điểm Giải thuật PSO có các đặc điểm nổi bật sau:  Giải thuật PSO tìm kiếm nhiều điểm tối ưu cùng một lúc. Các cá thể trao đổi thông tin với nhau nhờ vậy mà giảm bớt khả năng kết thúc tại một điểm cực trị địa phương.  Giải thuật PSO chỉ làm việc với các cá thể là mã của các lời giải. Do đó với một PSO có sẵn, đôi khi chỉ cần thay đổi cách biểu diễn là có giải thuật cho một bài toán mới.  Giải thuật PSO chỉ cần đánh giá hàm mục tiêu để phục vụ quá trình tìm kiếm chứ không đòi hỏi các thông tin bổ trợ khác.  Các thao tác cơ bản trong giải thuật PSO dựa trên khả năng tích hợp tính ngẫu nhiên trong quá trình xử lý. 2.5.2 Ứng dụng Với đặc điểm là đơn giản, dễ cài đặt, không cần tính toán các đạo hàm và dễ song song hóa. PSO đã được ứng dụng vào để giải nhiều lớp bài toán như  Tối ưu hóa không ràng buộc – Unconstrained Optimization.  Tối ưu hóa ràng buộc – Constrained Optimization.  Tối ưu đa mục tiêu – Multi Objective Optimization.  Bài toán nhiều lời giải – Multi Solution Problem.  Tối ưu hóa động – Dynamic Optimization Problem.  Huấn luyện mạng neural – Training Neural Network.  Game Learning. 2.6 Hiệu chỉnh bộ PSS bằng thuật giải bầy đàn Một bộ PSS sử dụng thuật giải PSO để hiệu chỉnh tham số bộ PSS trong việc cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống.
35. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 23 Trong thuật giải PSO thì mỗi phần tử sẽ chứa 5 tham số Kp, Ki, Kd, Kdd, Ka, điều đó có nghĩa là không gian tìm kiếm là năm tham số trên, từ đó ta sẽ có lưu đồ giải thuật của hệ thống điều khiển PSO-PSS như hình 2.5. [15] Hình 2.5: Lưu đồ giải thuật của hệ thống điều khiển PSO-PSS. Yes Bắt đầu Khởi tạo những giá trị ban đầu của quần thể Chạy mô hình với những tham số đã thiết lập trước Tìm những tham số [Kp, Ki, Kd, Kdd, Ka] của bộ điều khiển PSS Tìm hàm thích nghi Tìm Pbest của mỗi phần tử và Gbest của Quần thể Cập nhật giá trị vận tốc, vị trí, Gbest và Pbest của mỗi phần tử Dừng Số lần lặp lại lớn nhất đã đủ chưa? No
36. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 24 Mục tiêu của phương pháp hiệu chỉnh PSS dùng giải thuật PSO là:  Cực tiểu hoá hàm mục tiêu.  Tìm được bước đáp ứng của hệ thống và làm giảm sai số e(t).  Lập lại các bước thực hiện cho đến khi đã đủ số bước lặp.
37. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 25 Chương 3 LÝ THUYẾT VỀ BỘ ỔN ĐỊNH (POWER SYSTEM STABILIZER - PSS) 3.1 Nâng cao độ ổn định hệ thống điện Ổn định hệ thống điện là khả năng quay trở về trạng thái ban đầu sau khi hệ thống bị nhiễu loạn. Thông số quan trọng trong cân bằng hệ thống điện là góc Rotor (công suất). Ổn định góc Rotor (công suất) của hệ thống điện có thể nâng cao ổn định hệ thống điện, cải thiện ổn định động [3]. Mô hình tương tự cho hệ thống máy phát nối vào thanh cái vô hạn: Hình 3.1. Mô hình cơ khí giống như máy phát mang tải. Mô tả hệ thống cơ khí so với một máy phát điện được mang tải như sau: Một vật có khối lượng m được treo vào cái loxo k và một bộ giảm chấn c (tương tự như bộ giảm sóc xe gắn máy). Khi ta lấy bớt khối lượng m thì cái loxo sẽ dao động mạnh nhưng nhờ bộ giảm chấn c nên loxo sẽ ít dao động hơn trước khi trở về trạng thái cân bằng. Tương tự như trong hệ thống điện: tải P của máy phát tương đương với khối lượng m khi ta giảm tải P đột ngột thì góc rotor của máy phát sẽ dao động mạnh, nhưng nhờ bộ PSS (tương đương bộ giảm chấn C) góc rotor ít dao động hơn. Đây là mục đích nghiên cứu bộ PSS.
38. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 26 3.2 Bộ ổn định hệ thống điện Power System Stabilizer (PSS) đưa tín hiệu vào hệ thống kích từ Bộ ổn định hệ thống điện Power System Stabilizer (PSS) là một thiết bị dùng để thêm mạch điều khiển cho hệ thống tự động điều chỉnh điện áp AVR [3], như hình 4.2: Hình 3.2. Sơ đồ khối tín hiệu bộ PSS cấp cho hệ thống kích từ.  Tín hiệu PSS cấp cho AVR máy phát điện để nâng cao ổn định hệ thống điện trong các trường hợp nhiễu loạn tín hiệu nhỏ và nhiễu loạn tín hiệu lớn.  Ở trạng thái ổn định, có sự nhiễu loạn tín hiệu nhỏ thì độ lệch tốc độ Δω là zero hay gần zero. Không có tín hiệu từ PSS cấp cho AVR.  Ở trạng thái không ổn định tốc độ của máy phát không còn là hằng số nữa, dao động của rotor làm thay đổi góc lệch rotor. Lúc này xuất hiện tín hiệu từ Bộ PSS cấp cho AVR, từ đó sinh ra công suất giảm chấn PD làm giảm dao động và cùng pha với Δω.
39. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 27 Cấu trúc tổng quát của Bộ PSS gồm có những thành phần chính: Tín hiệu PSS được lấy từ tín hiệu độ lệch tốc độ đầu cực máy phát, được đo lường và đi qua Bộ khuyếch đại, sau đó đi qua lọc thông thấp và thông cao, tín hiệu sau khi lọc qua Bộ sớm trể pha để thay đổi góc pha theo yêu cầu. Cuối cùng tín hiệu này được đưa đến bộ AVR:   Hình 3.3. Sơ đồ khối của Bộ PSS. KP: độ lợi; Bộ lọc thông, và khối bù pha hai tầng có hằng số thời gian T1P, T2P và T3P, T4P; TWP là hằng số thời gian bộ lọc thông; Δω là độ lệch tốc độ và VS là tín hiệu ổn định ngõ ra của PSS. 3.3 Công suất giảm chấn trong máy phát được sinh ra để giảm dao động Hình 3.4. Sơ đồ nguyên lý tạo ra công suất giảm chấn. Có hai phần chính để sinh ra công suất giảm chấn đó là cuộn dây kích từ và cuộn dây giảm chấn [3], Cuộn dây giảm chấn D (damper wingding) là nguồn chính để giảm chấn trong máy phát điện đồng bộ. Hình 3.4 nguyên lý tạo ra công suất giảm chấn PD trong cuộn dây giảm chấn, khi từ thông do cuộn dây kích từ biến thiên trong quá trình quá độ, thì trong cuộn dây giảm chấn xuất hiện dòng điện và sinh ra công suất giảm chấn, ở trạng thái bình thường từ thông xuyên qua cuộn dây giảm chấn không biến thiên nên PD=0. Vs   3P 4P 1 sT 1 sT   1P 2P 1 sT 1 sT   KP Input      WP WP sT 1 sT  Output   Khối Độ lợi Bộ lọc thông Khối bù sớm trể pha
40. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 28 Hình 3.5 cuộn dây giảm chấn được đặt trên rotor có tỉ số điện trở/điện cảm cao và nó hoạt động như một roto lồng sóc ngắn mạch. Hình 3.5. Cuộn dây giảm chấn D được đặt trên rotor máy phát. Ở trạng thái trước quá độ cuộn dây này hoạt động như là màng chắn và làm thay đổi từ thông phần ứng ϕa không xuyên qua chúng (như hình 4.6). Ở trạng thái quá độ từ thông móc vòng qua stator khe hở rotor nó sẽ quay cùng tốc độ đồng bộ, và xuyên qua cuộn dây giảm chấn cảm ứng một sức điện động và dòng điện trong nó. Khi tốc độ rotor ω khác với tốc độ đồng bộ ωs. Dòng điện cảm ứng này sẽ sinh ra mô men giảm chấn, theo định luật Lent, Rotor có xu hướng phục hồi lại tốc độ đồng bộ. Việc cộng thêm môment giảm chấn này chỉ xuất hiện khi: ω ≠ ωs và tỉ lệ với độ lệch tốc độ: Δω = dδ/dt, Công suất giảm chấn: PD= DΔω, trong đó D là hệ số giảm chấn.
41. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 29 Hình 3.6. Đường đi từ thông phần ứng ở các trạng thái khác nhau: a,trạng thái trước quá độ (hiệu ứng chắn của cuộn dây giảm chấn và của cuộn dây kích từ); b,trạng thái quá độ (hiệu ứng chắn của chỉ cuộn dây kích từ); c,trạng thái ổn định ;
42. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 30 Chương 4 XÂY DỰNG MÔ HÌNH MÁY PHÁT ĐIỆN Từ các phương trình trạng thái của máy điện chúng ta xây dựng mô hình Simulink trong Matlab để mô phỏng [2]: 4.1 Phương trình góc công suất của máy phát điện Góc công suất (góc máy phát hoặc hay góc rotor) được ký hiệu là δg (hay δ) là góc giữa vector điện áp trên đầu cực máy phát Vg và vector sức điện động Ef như hình 5.1. Hình 4.1. Máy phát điện đồng bộ: a, sơ đồ mạch tương đương; b sơ đồ vector. Phương trình góc công suất: B m mo d (S S ) dt     (4.1) Trong đó:  δ Góc Rotor của máy phát đơn vị radian.  ωB Tốc độ Rotor cơ bản đơn vị rad/sec  Sm Tốc độ Rotor đơn vị p.u.  Smo Tốc độ Rotor ban đầu đơn vị p.u.
43. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 31 4.2 Phương trình độ lệch tốc độ   m m mo m e dS 1 D(S S ) T T dt 2H      (4.2) Trong đó:  H Hệ số quán tính.  D Hệ số giảm chấn.  Tm Công suất cơ cấp vào đơn vị p.u.  Te (hay Pe) là công suất điện phát ra đơn vị p.u. Từ hai phương trình (4.1), (4.2) ta xây dựng sơ đồ mô phỏng góc công suất của máy phát điện trong Matlab: Hình 4.2. Mô hình Simulink để tính góc công suất của máy phát điện trong Matlab. 4.3 Phương trình sức điện động quá độ trục q của máy phát điện ' q ' ' q d d d fd ' do dE 1 E (x x )i E dt T          (4.3) Trong đó:  E fd Điện áp của hệ thống kích từ đơn vị p.u.
44. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 32  xd Điện kháng đồng bộ dọc trục d đơn vị p.u.  x'd Điện kháng quá độ dọc trục d đơn vị p.u.  xq Điện kháng đồng bộ trục q đơn vị p.u.  x'q Điện kháng quá độ trục q đơn vị p.u. Sơ đồ mô phỏng tính sức điện động quá độ trục q của máy phát điện trong Matlab: Hình 4.3. Mô hình Simulink để tính thành phần sức điện động E’q. 4.4 Phương trình tính sức điện động quá độ trục d (E’d) ' ' ' d d q q q ' qo dE 1 E (x x )i dt T         (4.4) Trong đó: T'qo Hằng số thời gian hở mạch trục q đơn vị giây Hình 4.4. Mô hình Simulink để tính thành phần E’d. 4.5 Phương trình công suất trên đầu cực máy phát ' ' ' ' e d d q q d q d q T E i E i (x x )i i     (4.5)
45. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 33 Hình 4.5. Mô hình Simulink để tính công suất trên đầu cực máy phát. 4.6 Phương trình tính điện áp trục q của máy phát ' ' q d d q E x i v   (4.6) q e d b v x i E cos     (4.7) 4.7 Phương trình tính điện áp trục d của máy phát ' ' d q q d E x i v   (4.8) d e q b v x i E sin    (4.9) 4.8 Phương trình tính dòng điện trục d của máy phát ' b q d ' e d E cos E i x x     (4.10) 4.9 Phương trình tính dòng điện trục q của máy phát ' b q q ' e q E sin E i x x     (4.11)
46. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 34 Hình 4.6. Mô hình Simulink để tính tính dòng điện id, iq của máy phát. Hình 4.7. Mô hình Simulink để tính điện áp trên đầu cực máy phát Vt. Hình 4.8. Mô hình Simulink để tính công suất điện Pe trên đầu cực máy phát.
47. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 35 4.10 Bộ ổn định PSS thông thường theo IEEE chuẩn PSS1A   Hình 4.9. Sơ đồ khối bộ PSS [2]. KP: Độ lợi, Bộ lọc thông, Khối bù pha hai tầng có hằng số thời gian T1P, T2P và T3P, T4P ; TWP là hằng số thời gian bộ lọc thông; Δω là độ lệch tốc độ và VS là tín hiệu ổn định ngõ ra của PSS. Vs   3P 4P 1 sT 1 sT   1P 2P 1 sT 1 sT   KP Input      WP WP sT 1 sT  Output   Khối Độ lợi Bộ lọc thông Khối bù sớm trể pha
48. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 36 Tổng hợp các mô hình ta được mô hình của máy phát nối vào đường dây truyền tải: Hình 4.10. Mô hình mô phỏng tính góc công suất δ, công suất điện Pe, điện áp trên đầu cực máy phát Vt trong SIMULINK.
49. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 37 Chương 5 KẾT QUẢ MÔ PHỎNG 5.1 Thông số của Hệ thống máy phát, đường dây khi chạy bằng Matlab – Simulink 1. Máy phát Generator: H=3.542, D = 0, Xd=1.7572, Xq=1.5845, X’d=0.4245, X’q=1.04, T’do=6.66, T’qo=0.44, Ra=0, Pe=0.6, δ0=44.370 . 2. Lưới truyền tải R=0, Xe=0.68, G=0, B=0 3. Cấu trúc bộ CPSS của IEEE theo chuẩn 421.5 KPSS = 0.0403, T1 = T3 = 0.7827, T2 = T4 = 0.0651, T5 = 5.7049, T6= 0.0069. 4. Các thông số sử dụng để mô phỏng Tất cả các thông số như điện trở, điện cảm, đơn vị là p.u. Thời gian được tính bằng giây.
50. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 38 5.2 Sơ đồ tổng quan các khối mô phỏng trên Matlab
51. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 39 5.3 Mô hình nghiên cứu Cho hệ thống như hình 5.1 máy phát điện được nối vào thanh cái vô hạn thông qua 2 đường dây truyền tải. Hình 5.1 Mô hình máy phát nối vào hệ thống truyền tải. Tín hiệu độ lệch tốc độ Δω từ đầu cực máy phát và đưa vào bộ PSS, chúng ta mô phỏng ba trạng thái thông qua bộ chuyển đổi mạch (Switch) để so sánh kết quả ổn định đó là:  Trạng thái 1: không có Bộ PSS.  Trạng thái 2: có bộ PSS thông thường (CPSS).  Trạng thái 3: có bộ PSS-PSO.
52. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 40 Sau khi tín hiệu qua bộ PSS sẽ được đưa vào bộ kích từ của máy phát. Hai trường hợp để mô phỏng đó là:  Trường hợp 1: khi đang mang tải thì xảy ra ngắn mạch trên đầu cực máy phát điện.  Trường hợp 2: tải thay đổi đột ngột. 5.4 Trường hợp 1 khi đang mang tải thì xảy ra ngắn mạch trên đầu cực máy phát điện. 5.4.1 Công suất điện khi xảy ra ngắn mạch trên đầu cực máy phát Hình 5.2. Công suất điện khi xảy ra ngắn mạch trên đầu cực máy phát. Hình 5.2. trình bày công suất điện, máy phát đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ, hệ thống trở lại bình thường sau 10 giây.
53. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 41 Nhận xét: Các kết quả mô phỏng cho thấy Bộ ổn định PSO PSS làm cho công suất điện dao động có biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. Giới hạn ổn định động: NO PSS C PSS PSO PSS max Pe (p.u) 2.2 1.8 1.6 Thời gian trở lại bình thường (s) 10 8 3.5 5.4.2 Độ lệch tốc độ Rotor khi xảy ra ngắn mạch trên đầu cực máy phát. Hình5.3. Độ lệch tốc độ Rotor khi xảy ra ngắn mạch trên đầu cực máy phát.
54. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 42 Hình5.3 trình bày độ lệch tốc độ Rotor, máy phát đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ hệ thống trở lại bình thường sau 10 giây. Nhận xét: Các kết quả mô phỏng cho thấy Bộ ổn định PSO PSS làm cho Độ lệch tốc độ Rotor dao động có biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. Giới hạn ổn định động: NO PSS C PSS PSO PSS max Δω (Rad/s) 8.2 6.8 6.7 Thời gian trở lại bình thường (s) 10 9 4.6
55. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 43 5.4.3 Góc công suất khi xảy ra ngắn mạch trên đầu cực máy phát Hình 5.4. Góc công suất khi xảy ra ngắn mạch trên đầu cực máy phát. Hình 5.4 trình bày góc công suất, máy phát đang mang tải 0.6 p.u thì xảy ra ngắn mạch trên đầu cực máy phát tại thời gian t = 1 giây, sau thời gian 0.1 giây sự cố được loại trừ hệ thống trở lại bình thường sau 10 giây. Nhận xét: Các kết quả mô phỏng cho thấy Bộ ổn định PSO PSS làm cho Góc công suất dao động có biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. Giới hạn ổn định động: NO PSS C PSS PSO PSS max δ (Rad) 2.48 2.28 2.18 Thời gian trở lại bình thường (s) 10 8.5 4.6
56. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 44 5.5 Trường hợp 2 thay đổi công suất phụ tải bất ngờ 5.5.1 Công suất điện trên đầu cực máy phát khi thay đổi công suất. Hình 5.5. Công suất điện trên đầu cực máy phát khi thay đổi công suất. Hình 5.5. Trình bày công suất điện trên đầu cực máy phát, máy phát đang vận hành ở tải 0.6 p.u tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ thống ổn định. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20. Điều này đảm bảo cho máy phát ổn định trong các tình huống vận hành.
57. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 45 Nhận xét: Các kết quả mô phỏng cho thấy Bộ ổn định PSO PSS làm cho công suất điện dao động có biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. Giới hạn ổn định động: NO PSS C PSS PSO PSS max Pe (p.u) 0.45 0.42 0.37 Thời gian trở lại bình thường (s) 10 9 4.5 5.5.2 Góc công suất delta của máy phát khi công suất phụ tải thay đổi. Hình 5.6. Góc công suất delta của máy phát khi công suất phụ tải thay đổi. Hình 5.6 trình bày góc công suất của máy phát, máy phát đang vận hành ở tải 0.6 p.u ứng với góc delta là 1.6 p.u. Tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ thống ổn định ứng với góc delta là 0.8 p.u. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20 ứng với góc delta là 1.3 p.u.
58. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 46 Nhận xét: Các kết quả mô phỏng cho thấy Bộ ổn định PSO PSS làm cho Góc công suất dao động có biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. Giới hạn ổn định động: NO PSS C PSS PSO PSS max δ (Rad) 1.2 1.19 1 Thời gian trở lại bình thường (s) 10 9 5 5.5.3 Độ lệch tốc độ của máy phát khi công suất phụ tải thay đổi. Hình 5.7. Độ lệch tốc độ của máy phát khi công suất phụ tải thay đổi. Hình 5.7 trình bày độ lệch tốc độ của máy phát, máy phát đang vận hành ở tải 0.6 p.u. Tại 1 giây phụ tải bất ngờ giảm tải xuống 0.3 p.u đến vị trí 10 giây hệ
59. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 47 thống ổn định độ lệch tốc độ bằng 0. Tại 10 giây tải bất ngờ tăng đến 0.5 p.u hệ thống ổn định ở giây thứ 20 độ lệch tốc độ bằng không. Nhận xét: Các kết quả mô phỏng cho thấy Bộ ổn định PSO PSS làm cho Độ lệch tốc độ Rotor dao động có biên độ nhỏ hơn, thời gian ổn định ngắn hơn, vì vậy nó đã cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống. Giới hạn ổn định động: NO PSS C PSS PSO PSS max Δω (Rad/s) 5.2 5 3 Thời gian trở lại bình thường (s) 10 9 4.7
60. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 48 Chương 6 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 6.1 Kết luận 6.1.1 Các kết quả đạt được trong đề tài Với việc phát triển hệ thống điện rộng lớn và việc gia tăng phụ tải, để nâng cao khả năng ổn định của hệ thống điện đã thu hút nhiều nhà nghiên cứu, việc nổ lực tìm ra các phương pháp phù hợp để cải thiện ổn định hệ thống điện. Bộ ổn định hệ thống điện PSS cho thấy là một thiết bị hiệu quả và kinh tế để nâng cao ổn định hệ thống điện khi có dao động nhỏ. Bộ PSS thiết kế theo lý thuyết cổ điển đã áp dụng thành công trong hệ thống điện, tuy nhiên các thông số này cố định chọn theo mô hình tuyến tính. Nó không có khả năng thích nghi với các điều kiện vận hành hệ thống điện khác nhau, vì thế bộ PSS thông thường đã không đáp ứng được tất cả các điều kiện vận hành, vì hệ thống điện là một hệ thống động phi tuyến nên Bộ ổn định phải tự thích nghi với hệ thống thay đổi và giảm dao động trong mọi tình huống. Luận văn này trình bày vịêc ứng dụng giải thuật PSO để xác định thông số tối ưu cho bộ PSS nhằm cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống, nghiên cứu kết quả mô phỏng. Sự hoạt động của bộ PSO PSS được nghiên cứu trong hệ thống thanh cái một máy được mô phỏng trên máy tính theo điều kiện vận hành khác nhau chẳng hạn như tải nhẹ, tải nặng, các nhiễu loạn khác nhau như thay đổi công suất đầu vào, ngắn mạch 3 pha đều được kiểm tra, trong cùng 1 thời gian tất cả các trường hợp mô phỏng được nghiên cứu với bộ PSS thông thường kết quả mô phỏng cho thấy rằng bộ PSO PSS đáp ứng được tất các các dao động của hệ thống điện theo các điều kiện vận hành khác nhau và đã cải thiện đáng kể ổn định của hệ thống. Các kết quả nghiên cứu trong luận văn này cho thấy rằng bộ PSO PSS có nhiều đặc tính tốt mà bộ PSS thông thường thiếu. Từ các quan điểm thực tiễn, bộ
61. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 49 PSO PSS có những đặc tính đặc biệt và ổn định tốt, có thể áp dụng các phần cứng thông thường của máy tính. 6.1.2 Hạn chế Đề tài chỉ nghiên cứu trên lý thuyết và mô phỏng trên máy tính, để so sánh kết quả nghiên cứu trên lý thuyết, chưa thực hiện trên mô hình thực tế để kiểm tra kết quả nghiên cứu và kết quả mô hình thực tế. 6.2 Hướng phát triển của đề tài Ứng dụng giải thuật PSO để xác định thông số tối ưu cho bộ PSS nhằm cải thiện trạng thái ổn định của máy phát, nâng cao đặc tính ổn định động của hệ thống và dựa theo kết quả nghiên cứu của luận văn này đề nghị tiếp tục nghiên cứu trong tương lai là triển khai thực nghiệm.
62. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 50 TÀI LIỆU THAM KHẢO [1] Jian He, “Adaptive power system stabilizer based on recurrent neural network”, the University of Calgary october 1998. [2] Sidhartha Panda and Narayana Prasad Padhy “Power System with PSS and FACTS Controller:Modelling, Simulation and SimultaneousTuning Employing Genetic Algorithm”, International Journal of Electrical and Electronics Engineering 1:1 2007. [3] Jan Machowski, Janusz W. Bialek and James R. Bumby “POWER SYSTEM DYNAMICS Stability and Control” john wiley & sons, Ltd. [4] J. He and O.P. hfalik, Fellow, IEEE “Design of an Adaptive Power System Stabilizer Using Recurrent Neural Networks” IEEE WESCANEX '95 PROCEEDINGS [5] Y. Zhang G. P. Chen 0. P. Malik G. S. Hope “AN ARTIFICIAL NEURAL NETWORK BASED ADAPTIVE POWER SYSTEM STABILIZER” IEEE Transactions on Energy Conversion, Vol. 8, No. 1, March 1993 [6] M.L.Kothari, Shekhar Madriani and Ravi Segal “ORTHOGONAL LEAST SQUARES LEARNING ALGORITHM BASED RADIAL BASIS FUNCTION (RBF) NETWORK ADAPTIVE POWER SYSTEM STABILIZER”, 0-7803-4053 - 1/97/$10.00 @ 1997 IEEE. [7] M. Z. Youssef, P. K. Jain E. A. Mohamed “A ROBUST POWER SYSTEM STABILIZER CONFIGURATION USING ARTIFICIAL NEURAL NETWORK BASED ON LINEAR OPTIMALCONTROL (STUDENT PAPER COMPETITION)”, CCECE 2003-CCGEI 2003, Montreal, Mayhai 2003 0-7803-7781-8/03/$17.020060 3 IEEE.
63. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 51 [8] Wenxin Liu, Ganesh K. Venayagamoorthy, Donald C. Wunsch I1 “Adaptive Neural Network Based Power System Stabilizer Design”,0-7803-7898- 9/03/$17.00 02003 IEEE. [9] Pinak Tulpule, Ali Feliachi “Online Learning Neural Network based PSS with Adaptive Training Parameters”, 1-4244-1298-6/07/$25.00 ©2007 IEEE. [10] Wenxin Liu1, Ganesh K. V “Comparisons Of An Adaptive Neural Network Based Controller And An Optimized Conventional Power System Stabilizer”, 16th IEEE International Conference on Control Applications Part of IEEE Multi-conference on Systems and Control Singapore, 1-3 October 2007. [11] Chun-Jung Chen and Tien-Chi Chen “Power System Stabilizer for Multi- Machine Using Genetic Algorithms Based on Recurrent Neural Network” 0-7695-2882-1/07 $25.00 ©2007 IEEE. [12] Peng Zhao and O. P. Malik “Design of an Adaptive PSS Based on Recurrent Adaptive Control Theory”, IEEE TRANSACTIONS ON ENERGY CONVERSION, VOL. 24, NO. 4, DECEMBER 2009. [13] Gerald Swann, Sukumar Kamalasadan “A Novel Radial Basis Function Neural Network Based Intelligent Adaptive Architecture for Power System Stabilizer”. [14] Dr. Jagdish kumar1, P.Pavan kumar, Aeidap.u Mahesh and Ankit Shrivastava“Power System Stabilizer Based On Artificial Neural Network”,978-1-4577-1510 - 5/11/$26.00 ©2011 IEEE. [15] Boumediene Allaoua Brahim GASBAOUI and Brahim MEBARKI, Setting Up PID DC Motor Speed Control Alteration Parameters Using Particle Swarm Optimization Strategy, Bechar University, Departement of Electrical Engineering B.P 417 BECHAR (08000) Algeria, pp. 19-32. [16] Chao Ou, Weixing Lin, Comparison between PSO and GA for Parameters Optimization of PID Controller, The Faculty of Information Science and Technology University of NingBo University of NingBo, pp. 2471-2475.
64. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 52 [17] N. Pillay, A Particle swarm optimization approach for tuning of SISO PID control loops, 2008.
65. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 53 PHỤ LỤC A Hệ thống máy phát _ đường dây 1. Máy phát Generaator: H=3.542, D = 0, Xd=1.7572, Xq=1.5845, X’d=0.4245, X’q=1.04, T’do=6.66, T’qo=0.44, Ra=0, Pe=0.6, δ0=44.370 . 2. Lưới truyền tải R=0, Xe=0.68, G=0, B=0 3. Cấu trúc bộ CPSS của IEEE theo chuẩn 421.5 KPSS = 0.0403, T1 = T3 = 0.7827, T2 = T4 = 0.0651, T5 = 5.7049, T6= 0.0069. 4. Các thông số sử dụng để mô phỏng Tất các các thông số như điện trở, điện cảm, đơn vị là p.u. Thời gian được tính bằng giây.
66. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 54 PHỤ LỤC B Code Matlab clc, clear all Kp =0; Ki =0; Kd =0; Kdd = 0; Ka = 0; n = 10; % Kích thöôùc quaàn theå bird_setp = 10; %Kích thöôùc tìm kieám dim = 5; %Soá bieán Kp , Ki, Kd Kdd alpha =0.1; beta =0.1; w =0.2 ; % Troïng soá PSO %initialize the parameter % R1 = rand(dim, n); R2 = rand(dim, n); %Thieát laäp troïng soá ban ñaàu current_fitness =zeros(n,1); current_position(1,:) = 2.5*rand(1, n) ; %Kp 1.6*rand(1, n) ; current_position(2,:) = 0.5*rand(1, n); %Ki taêng current_position(3,:) = rand(1, n); % Kd current_position(4,:) = rand(1, n); % Kdd current_position(5,:) = rand(1, n); % Ka velocity = randn(dim, n) ; rand('state',100); randn('state',100); local_best_position = current_position ; %Chaïy theá heä ñaàu tieân %FitnessFunction = @mo_hinh; for i = 1:n pid = abs(current_position(:,i)); Kp =pid(1); Ki =pid(2); Kd =pid(3); Kdd =pid(4); Ka =pid(5); current_fitness(i) = mo_hinh(Kp, Ki, Kd, Kdd, Ka); end local_best_fitness = current_fitness; [global_best_fitness,g] = min(local_best_fitness); for i=1:n globl_best_position(:,i) = local_best_position(:,g) ; end %Caäp nhaät velocity
67. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 55 velocity = w *velocity + beta*(R1.*(local_best_position-current_position)) + alpha*(R2.*(globl_best_position-current_position)); % Main Loop iter = 0 ; while ( iter < bird_setp ) iter = iter + 1; for i = 1:n pid = abs(current_position(:,i)); Kp =pid(1); Ki =pid(2); Kd =pid(3); Kdd =pid(4); Ka =pid(5); current_fitness(i) = mo_hinh(Kp,Ki, Kd, Kdd, Ka); end err(iter) = sum(current_fitness.^2); %err(iter) = 0.5*sum(current_fitness); for i = 1 : n % Ñaùnh daáu quaàn theå if current_fitness(i) < local_best_fitness(i) local_best_fitness(i) = current_fitness(i); %Giaù trò fitness local_best_position(:,i) = current_position(:,i) ;% Giaù trò Kp,Ki end end [current_global_best_fitness,g] = min(local_best_fitness); if current_global_best_fitness < global_best_fitness global_best_fitness = current_global_best_fitness; for i=1:n globl_best_position(:,i) = local_best_position(:,g); end end velocity = w *velocity + beta*(R1.*(local_best_position-current_position)) + alpha*(R2.*(globl_best_position-current_position)); current_position = current_position + velocity; disp(['iter = ', num2str(iter) , ', Sai soá = ', num2str(err(iter))]) end %keát thuùc haønh trình di chuyeån % plot(err,'linewidth',5), grid %title('Cöïc tieåu haøm sai soá', 'fontname','vni-times', 'fontsize',20,'color','r') %Thöû laïi moâ hình pid = abs(globl_best_position(:,1)) Kp = pid(1) Ki = pid(2)
68. Linh GVHD: TS. Nguyễn Minh Tâm Luận văn tốt nghiệp Trang 56 Kd = pid(3) Kdd =pid(4) Ka =pid(5) nfitness = mo_hinh( Kp, Ki,Kd, Kdd,Ka) function F = mo_hinh(Kp, Ki, Kd, Kdd, Ka) sim('cocpss'); F= fitness; %Haøm muïc tieâu
69. thông số tối ưu cho bộ PSS được điều chỉnh bởi giải thuật PSO STT Số lượng bầy đàn Giá trị Ka Giá trị KP Giá trị KI Giá trị Kdd Giá trị Kd max Δω (Rad/s) Thời gian trở lại bình thường (s) 1 10 0.5426 2.8001 0. 7110 0.6359 0.7346 3.85 5.2 2 10 0.7471 1.7041 0.1250 0.7358 0.6347 3.82 5.2 3 10 0.2351 2.5432 0.6089 0.6759 0.4676 3.87 5.1 4 10 0.9747 1.8674 0.4332 0.5637 0.4673 3.77 5.0 5 10 0.2536 1.5457 0.6856 0.7544 0.7876 3.88 5.0 6 20 0.1344 2.8341 0.0534 0.2329 0.2346 3.67 4.9 7 20 0.8546 1.2361 0.4566 0.4649 0.4678 3.61 4.9 8 20 0.3578 1.5681 0.6754 0.4765 0.8675 3.63 4.8 9 20 0.3567 2.1241 0.5353 0.2845 0.5685 3.61 4.9 10 20 0.9405 2.4884 0.1517 0.4365 0.6380 3.53 4.8 11 70 0.5862 2.1434 0.2106 0.3926 0.3820 3.51 4.9 12 70 0.8120 2.0224 0.2311 0.4581 0.3845 3.00 4.7 13 70 0.4426 1.8001 0.0710 0.7359 0.5346 3.28 4.9 14 70 0.4798 2.4401 0.1656 0.7415 0.4467 3.25 4.8 15 70 0.3223 1.2357 0.4574 0.7965 0.6564 3.36 4.9 16 70 0.2532 2.8354 0.3643 0.3644 0.3765 3.33 4.8 17 100 0.4366 1.3436 0.7076 0.7674 0.4636 3.31 4.9 18 100 0.4546 1.8345 0.6373 0.7544 0.7976 3.34 4.9
70. 0 0 2 1 5 4

Biểu diễn bài toán theo phương pháp pso năm 2024

Bài Viết Liên Quan

Quảng Cáo

Có thể bạn quan tâm

Toplist được quan tâm

Quảng cáo

Xem Nhiều

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội