Đồ án Tìm hiểu thuật toán GA và PSO trong việc tính toán vị trí đặt và dung lượng tối ưu của thiết bị TCSC

ên độ điện áp tại nút tải i
Chi phí cho thiết bị FACTS
cực tiểu chi phí thiết bị FACTS
F5=min⁡(CTCSC)=min (0.0003S2 – 0.2691S +153.75) (US$/ KVar)
với CTCSC là chi phí của TCSC (US$/ KVar)
S là tầm hoạt động của thiết bị TCSC tính theo MVar
S = Q2-Q1 với
Q1 là dòng công suất phản kháng trước khi có thiết bị FACTS
Q2 là dòng công suất phản kháng sau khi có thiết bị FACTS
Xét tất cả các hàm mục tiêu vừa kể trên ta được một hàm tiêu chuẩn:
Fitness function = h1F1+h2F2+h3F3+h4F4+h5F5
với h1h2h3h4h5là các hệ số của các hàm mục tiêu và 
h1+h2+h3+h4+h5=1
Dựa theo thực nghiệm thì người ta xác định được các hệ số lần này sẽ làm cho hàm mục tiêu tối ưu khi h1=h2=h3=h4=h5=0.2
SỬ DỤNG THUẬT TOÁN GEN DI TRUYỀN
Mục đích của việc tối ưu hóa là tìm ra vị trí đặt tốt nhất cho các thiết bị FACTS để đạt được những tiêu chí xác định. Việc tối ưu thiết bị FACTS dựa vào ba đại lượng là: vị trí đặt thiết bị, loại thiết bị FACTS và dung lượng của thiết bị.
Để có thể tối ưu được ba đại lượng trên, ta sẽ tiến hành mã hóa để có thể thực hiện thuật toán. Thuật toán sẽ được thực hiện giữa nhiều cá thể, trong đó một cá thể đại diện sẽ có 3 chuỗi với độ dài của chuỗi là số lượng của thiết bị FACTS được sử dụng.
TẠO RA THẾ HỆ CHA MẸ
Chuỗi đầu tiên sẽ đại diện cho vị trí đặt của thiết bị, chuỗi này bao gồm chỉ số của đường dây nơi thiết bị FACTS được đặt. Mỗi đường dây sẽ chỉ xuất hiện ít nhất một lần trong chuỗi, thứ tự sắp xếp của chuỗi thì không quan trọng nhưng sẽ quan trọng khi thực hiện trao đổi chéo (sẽ đề cập ở phần sau).
Các vị trí đặt thiết bị FACTS sẽ được xác định bằng cách tính toán trào lưu công suất, từ kết quả có được sẽ xác định được các vị trí cần đặt thiết bị, tránh tình trạng phải tính toán cho tất cả các đường dây, rút ngắn được thời gian tính toán.
Chuỗi thứ 2 sẽ cho biết loại của thiết bị FACTS, giá trị kí hiệu cho mỗi loại thiết bị như sau:
1 cho TCSC; 2 cho TCPST; 3 cho TCVR; 4 cho SVC.
2 thiết bị được đề cập ở đây là thiết bị SVC và TCSC nên ta chỉ quan tâm tới 2 giá trị 1 và 4.
Chuỗi cuối cùng của một cá thể sẽ đại diện cho dung lượng của thiết bị, giá trị này nằm trong khoảng từ 0 tới 1 và được tính toán theo mô hình của thiết bị FACTS. Theo mô hình của thiết bị FACTS thì giá trị thực của thiết bị được tính theo công thức:
Vreal F= VminF+ (VmaxF-VminF)VF
với VmaxF, VminF là lần lượt là giá trị max và min của giá trị cài đặt của thiết bị 
và VF là giá trị được mã hóa
Giải thích cho giá trị trong hình ở trên, với thiết bị FACTS TCSC thì vị trí đặt, loại thiết bị FACTS và dung lượng lần lượt là [1,1,0.3] ý nghĩa là thiết bị FACTS được đặt ở đường dây số 1 ( hay nhánh số 1) và kí hiệu cho thiết bị FACTS là theo thứ tự là 1. Đối với dung lượng sẽ tính theo công thức ở trên, giá trị của thiết bị là -0.5Xl1 với Xl1 là điện kháng của đường dây số 1, giá trị tính toán được sẽ là: 
-0.5 = -0.8 + ( 0.2- (-0.8))VF →VF= 0.3
Tương tự các thiết bị khác với các vị trí đặt và dung lượng cũng được mã hóa , nếu có ni thiết bị FACTS thì quá trình mã hóa lần lượt được thực hiện ni lần và ta có:
Sau đó, hàm mục tiêu được tính toán cho mỗi cá thể được tạo ra, hàm mục tiêu dùng để tính toán tác động của thiết bị FACTS đối với hệ thống được xét.
Sau khi tính toán, chúng ta sẽ lựa chọn được 2 cá thể có kết quả của hàm mục tiêu là tốt nhất và tốt thứ nhì và sử dụng 2 cá thể này để tiến hành phép lai, đột biến để tạo ra đời con có phẩm chất tốt hơn, tức là sẽ có kết quả tính toán của hàm mục tiêu tốt hơn kết quả của đời cha mẹ.
TIẾN HÀNH LAI TẠO
Bước tiếp theo là tiến hành phép lai, phép lai chéo xảy ra với xác suất Pc , và xác suất này gần bằng 1. 
Phép lai chéo có nhiều loại, lai 1 điểm; 2 điểm; nhiều điểm; trong bài báo cáo này sẽ áp dụng phép lai 2 điểm:
2 yếu tố được chọn (tức là 2 chuỗi bao gồm cả vị trí, loại thiết bị và dung lượng) sẽ được hoán đổi cho nhau để tạo ra đời con, những yếu tố còn lại không được chọn để lai chéo thì sẽ giữ nguyên vị trí ở đời con.
Như đã biết, trên mỗi nhánh sẽ chỉ có 1 thiết bị FACTs được đặt, vì vậy sẽ xảy ra trường hợp, phép lai chéo sẽ cho ra 2 thiết bị cùng nằm trên 1 vị trí. Do đó sẽ có công việc chỉnh sửa sau phép lai.
Trước khi chỉnh sửa thì ta sẽ thu được 2 cá thể con lần lượt là : 
[ 6 7 2 5 10 ] và [ 10 1 8 8 4 ] → vị trí nhánh số 8 bị trùng.
Chỉnh sửa bằng cách: vị trí số 4 của cá thể thứ nhất bị trùng với vị trí thứ 3 thì sẽ được thay thế bằng vị trí số 4 của cá thể còn lại, tức là sẽ thay thế bởi cùng giá trị có cùng vị trí bị trùng của cá thể còn lại (nhánh số 5), ta sẽ thu được kết quả như trên hình.
ĐỘT BIẾN
Giai đoạn tiếp theo là đột biến, tác dụng của giai đoạn này, giai đoạn đột biến là để tránh sự hội tụ sớm, tránh được giá trị cực đại địa phương (tức là kết quả thu được sẽ chỉ tốt trong một khoảng giá trị nhưng xét trên toàn bộ hệ thống thì sẽ có một kết quả tốt hơn).
Độtt biến trong thuật toán này được hiểu là thay thế giá trị này bằng giá trị khác, có thể là đột biến 1 điểm và cũng có thể là đột biến nhiều điểm.
Hình trên mô tả trước và sau khi xảy ra đột biến.
Lưu ý: là đột biến chỉ xảy ra ở một số lượng cụ thể chứ không xảy ra ở toàn bộ đời con nên đời con trước khi xảy ra đột biến vẫn được giữ lại và cả hai trước và sau khi đột biến sẽ được tính toán và so sánh với nhau để tiếp tục chọn ra cá thể có kết quả của hàm mục tiêu tốt hơn và tiếp tục thực hiệp phép lai.
Hoạt động lai và đột biến này sẽ được lặp đi lặp lại nhiều lần cho đến khi thu được đời cá thể con có kết quả như mong muốn. 
Cụ thể quá trình sau khi lai, hàm mục tiêu sẽ được tính toán, so sánh với đời trước, chọn ra cá thể tốt, như vậy cá thể được lựa chọn sẽ có phẩm chất tốt tương tự hoặc cao hơn so với đời trước, phẩm chất sẽ được tang dần và kết quả đời con cuối cùng sẽ là tốt nhất.
Ứng dụng trong trường hợp cụ thể:
Để kiểm chứng tác dụng của phương pháp đề xuất ở trên, người ta kiểm tra trên mạng điện 30 nút IEEE, mạng điện hoạt động ở những điều kiện khác nhau để tối ưu được thiết bị FACTS.
Số thế hệ tối đa: 200
Số lần lặp tối đa: 100
Kích thước của loài: 60
Xác suất trao đổi chéo: 0.95
Xác suất đột biến: 0.001
Xác suất elitism: 0.15
Kết quả tổn thất của mạng điện trong các điều kiện khác nhau:
Vị trí đặt và dung lượng bù của thiết bị FACTS
TỔNG KẾT
Trong bài báo này sử dụng phương pháp lai gen di truyền để có thể tối ưu vị trí đặt cũng như dung lượng cần thiết của thiết bị FACTS, bài báo phân tích cũng như đưa ra kết quả của thuật toán dựa trên những điều kiện tải khác nhau. Thuật toán gen di truyền là một trong những phương pháp hiệu quả nhất để tối ưu cho thiết bị FACTS.
TÀI LIỆU THAM KHẢO
[1] M. Saravanan, S. Mary Raja Slochanal, P. Venkatesh, J. Prince Stephen Abraham, Application of particle swarm optimization technique for optimal location of FACTS devices considering cost of installation and system loadability, in: Electric Power Systems Reasearch 77 (2007) 276-283.
[2] L.J.Cai, I.Erlich, Optimal choice and allocation of FACTS devices using genetic algorithms, in: Proceedings on Twelfth Intelligent Systems Application to Power Systems Conference, 2003, pp.1-6.
[3] L.J.Cai, I.Erlich, Optimal choice and allocation of FACTS devices in deregulated electricity market using genetic algorithms, in: IEEE Conference (0-7803-8718-X/04), 2004.
[4] A.J.Wood, B.F. Woolenberg, Power Generation, Operation and Control, Wiley, 1996, ISBN 0-471-58699-4.
[5] A.Ratnaweera, S.K. Halgamuge, H.C. Watson, Self-organizing hierachical particle swarm optimizer with time varying acceleration coefficients, IEEE Trans. Evol. Comput. 8 (June(3)) (2004) 240-255.
[6] Y.Shi, R.C. Eberhart, Empirical study of particle swarm optimization, in: Proceedings of the International Congress on Evolutionary Computation, vol. 3, 1999, pp. 101-106.
[7] P. Venkatest, R. Gnanadass, N.P.Padhy, Comparison and application of evolutionary programming techniques to combined economic emission dispatch with line flow constraints, IEEE Trans. Power Syst. 18 (2) (2003) 688-697.
[8] S. Gerbex, R. Cherkaoui, A.J. Germond, Optimal location of multi-type FACTS devices by means of genetic algorithm, IEEE Trans. Power Syst. 16 (3) (2001) 537-544.
[9] Tamil Nadu Electricity Board Statistics at a Glance 2003-2004, Planning Wing of Tamil Nadu Electricity Board, Chennai, India.
[10] K. Lokanadham, Optimal Location of FACTS Devices In Power System by Genetic Algorithm.
[11] Jigar S.Sarda, Manish J. Chauhan, Viren B. Pandya, Dhaval G. Patel, OPTIMAL LOCATION OF MULTI-TYPES OF FACTS DEVICES USING GENETIC ALGORITHM.
[12] Kalaivani, R. and V. Kamaraj, Enhancement of Voltage Stability by Optimal Location of Static Var Compensator Using Genetic Algorithm and Particle Swarm Optimization.
[13] Anju Gupta, P.R.Sharma, Application of GA for Optimal Location of FACTS Devices for Steady State Voltage Stability Enhancement of Power System.
[14] Enrique Acha, Claudio R. Fuerte-Esquivel, Hugo Ambriz-Perez, Cesar Angeles-Camacho, FACTS Modelling and Simulation in Power Networks.
[15] Xiao-Ping Zhang, Christian Rehtanz, Bikash Pal, Flexible AC Transmission Systems: Modelling and Control.
[16] Lý Quỳnh Miên, Nguyễn Văn Thắng, Nghiên cứu sử dụng thiết bị TCSC để nâng cao khả năng truyền tải của hệ thống điện 500kV Việt Nam, Tuyển tập Báo cáo Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ 7, ĐH Đà Nẵng, 2010.
[17] Alberto D. Del Rosso, Member, IEEE, Claudio A. Cañizares, Senior Member, IEEE, and Victor M. Doña, A Study of TCSC Controller Design for Power System Stability Improvement.
[18] Martin German-Sobek, Lubomír Bena, Roman Cimbala, Using of the Thyristor Controlled Series Capacitor in Electric Power System.
[19] Mohan Mathur R., Rajiv K. Varma, Thyristor-based FACTS controllers for electrical transmission systems, Wiley Interscience, USA, 2002.
[20] Acha E., Agelidis V.G., Anaya-Lara O., Miller T.J.E, Power electronic control in electrical systems, Newnes power engineering series, Great Britain, 2002.
[21] Quy hoạch phát triển điện lực quốc gia giai đoạn 2011-2020 có xét đến năm 2030 (Quy hoạch điện VII)