Ứng dụng hiệu quả công nghệ mới FDI về chỉ báo đường đi sự cố cho lưới điện phân phối thông minh

a chọn một nghiệm ưu việt để hình thành 
quần thể mới. 
Bước 8: Cập nhật vận tốc và vị trí mới cho các phần tử. 
Bước 9: Tính hàm thích nghi cho mỗi phần tử trong 
quần thể. 
Bước 10: Cập nhật tập nghiệm ưu việt và lưu ở bộ nhớ 
ngoài. 
Bước 11: Cập nhật pbest cho mỗi phần tử. 
Bước 12: Kiểm tra điều kiện dừng (đã đạt đến số lượng 
vòng lặp cho trước). Nếu chưa thỏa mãn điều kiện dừng thì 
quay lại Bước 6. 
Bước 13: Quyết định tập nghiệm tối ưu: Trong tập hợp 
nghiệm tối ưu nằm trên biên Pareto, tùy tính chất của bài 
toán, tập nghiệm có thể đến từ vài chục đến vài trăm 
nghiệm nằm trên biên tối ưu. 
Để tạo thuận lợi trong việc ra quyết định chọn nghiệm 
tối ưu, sử dụng phương án trọng số nhằm giới hạn lại số cá 
thể cần chọn trong tập nghiệm [2]: 
min( )i min i minCost SAIDI
i max min max min
Cost Cost SAIDI SAIDI
F w w
Cost Cost SAIDI SAIDI
− −
= +
− −
 (25) 
Với: 1Cost SAIDIw w+ = (26) 
Trong đó, wcost, wSAIDI là các trọng số, tùy mức độ quan 
trọng và quan điểm trong quản lý vận hành, các chỉ số có 
giá trị khác nhau. 
Bước 14: Kết thúc chương trình: xuất ra kết quả giải 
pháp bố trí các FPI tối ưu, tương ứng với giá trị của các 
hàm mục tiêu và phương pháp trọng số đã chọn. 
4. Kết quả tính toán cho lưới điện thực tế 
Ứng dụng thuật toán để tính toán ứng dụng hiệu quả 
công nghệ chỉ báo đường đi sự cố cho xuất tuyến 471 Ngũ 
Hành Sơn thuộc LĐPP thành phố Đà Nẵng. Tổng số nhánh 
của lưới điện: 131 nhánh; 3 điểm liên lạc với nguồn khác 
tại các nhánh (3, 73, 114); 1 MC tại trạm; 4 MC Recloser 
đường dây; 7 dao cách ly; 2 cầu chì phân đoạn. Thông số 
sự cố lưới điện được cho ở Bảng 1, thời gian thao tác TBPĐ 
được tính trung bình là 20 phút. 
Bảng 1. Thông số sự cố lưới điện 
Thiết bị 
Suất sự cố 
thoáng qua 
(lần/năm) 
Suất sự cố 
vĩnh cửu 
(lần/năm) 
Thời gian 
sửa chữa 
(phút) 
Dây dẫn trần 0,1352 (*) 0,0748 (*) 30 
Cáp bọc trung áp 0,0623 (*) 0,0672 (*) 30 
Cáp ngầm trung áp 0,0014 (*) 240 
TBA phân phối 0,0200 120 
Máy cắt tại trạm 0,0470 60 
Máy cắt recloser 0,0010 60 
Dao cắt có tải 0,0010 60 
Dao cách ly 0,0500 60 
Cầu chì tự rơi trung áp 0,0133 30 
 (*): Đơn vị (lần/km/năm) 
4.1. Giả thiết 1: các số liệu nhập vào chương trình 
Số vòng lặp tối đa: 100 vòng lặp; số cá thể trong quần 
thể: 100 cá thể; số cá thể trong tập nghiệm ưu việt: 15 cá 
thể; trọng số lựa chọn theo chỉ tiêu kinh tế: 0,7; trọng số 
lựa chọn theo chỉ tiêu kỹ thuật: 0,3; suất đầu tư cho mỗi 
FPI thường: 15 triệu đồng/bộ; suất đầu tư cho mỗi FPI có 
Bắt đầu 
Khởi tạo quần thể (các particle) 
Phần tử đang xét 
trội hơn hoặc 
tương đương 
pBest trước đó? 
Đánh giá các phần tử. Tìm tập các nghiệm không trội 
và lưu vào bộ nhớ ngoài 
Chọn phần tử lãnh đạo 
Cập nhật vận tốc và vị trí các phần tử 
Áp dụng thuật toán đột biến để tăng tính đa dạng 
Tính hàm thích nghi 
Cập nhật pBest mới 
Cập nhật gBest mới 
Xuất kết quả 
Kết thúc 
Yes 
Yes 
No 
No 
Đã có kết quả hoặc đủ số 
vòng lặp? 
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 3(124).2018 83 
kèm theo hệ thống SCADA: 45 triệu đồng/bộ; giới hạn về 
số lượng và kinh phí lắp đặt: không giới hạn. Kết quả tính 
toán và phân bố nghiệm ưu việt trên biên Pareto ở vòng lặp 
cuối cùng được thể hiện như trên Hình 4. 
Hình 4. Kết quả phương án tối ưu với giả thiết 1 
Nhận xét: 
Dựa vào đồ thị trên biên Pareto có thể nhận thấy rằng, 
có một số kết quả khác tương đương với kết quả đã nêu 
(ĐTC cao hơn, tuy nhiên chi phí đầu tư lớn hơn). Do ở đây 
ta đặt giả thiết yếu tố kinh tế có tầm quan trọng hơn so với 
yếu tố kỹ thuật (trọng số kinh tế bằng 0,7) nên chương trình 
đã đưa ra kết quả nghiêng về mặt kinh tế nhiều hơn. 
Tính toán hiệu quả kinh tế với giá bán điện bình quân 
1.705 đồng/kWh: kết quả tính toán như ở Bảng 2. Có thể 
thấy, thời gian hoàn vốn khá dài là do điều kiện thực tế ở 
nước ta chưa tính toán giá trị thiệt hại do khách hàng mất 
điện. 
Bảng 2. Bảng tính hiệu quả đầu tư với giả thiết 1 
SAIDI 
(phút) 
Điện năng không 
cung cấp được 
(kWh) 
Thành tiền 
(đồng) 
Trước lắp đặt 118,4565 15.399,345 26.255.883,23 
Sau lắp đặt 75,0951 9.762,363 16.644.828,92 
Giá trị làm lợi mỗi năm (đồng) 9.611.054,31 
Tổng mức đầu tư (đồng) 135.000.000 
Thời gian hoàn vốn (năm) 14,05 
4.2. Giả thiết 2 
Số vòng lặp tối đa: 2 vòng lặp; số cá thể trong quần thể: 
5 cá thể; số cá thể trong tập nghiệm ưu việt: 2 cá thể; trọng 
số lựa chọn theo chỉ tiêu kinh tế: 0,7; trọng số lựa chọn theo 
chỉ tiêu kỹ thuật: 0,3; suất đầu tư cho mỗi FPI thường: 
15 triệu đồng/bộ; suất đầu tư cho mỗi FPI có kèm theo hệ 
thống SCADA: 45 triệu đồng/bộ; giới hạn về số lượng FPI 
có thể lắp đặt trên lưới điện: 5 thiết bị; giới hạn về kinh phí 
lắp đặt: 150 triệu đồng. 
Kết quả tính toán và phân bố nghiệm ưu việt trên biên 
Pareto ở vòng lặp cuối cùng được thể hiện như trên Hình 
5. Với các giả thiết 2 như trên, chương trình đã cho kết quả 
phương án tối ưu là: Lắp đặt FPI ở các vị trí nhánh: 8, 34, 
82, 122; các nhánh sử dụng FPI kèm theo công nghệ 
SCADA: 82,122; chỉ số SAIDI của lưới điện trước khi lắp 
đặt FPI: 118,4565 phút; chỉ số SAIDI của lưới điện trước 
khi lắp đặt FPI: 88,0127 phút; tổng kinh phí đầu tư: 120 
triệu đồng. Tính toán hiệu quả kinh tế với giá bán điện bình 
quân là 1.705 đồng/kWh: kết quả tính toán như ở Bảng 3. 
Kết quả chạy chương trình với Giả thiết 2 cho thấy đã 
có xuất hiện các FPI kèm theo công nghệ SCADA. Trong 
khi đó với Giả thiết 1, kết quả chỉ cho ra các FPI loại 
thường. Các kết quả ở Bảng 1, 2 cho thấy cần phải đưa yếu 
tố đền bù đối với kỳ vọng toán học về thiệt hại cho khách 
hàng vào tính toán ĐTC LĐPP thì mới phù hợp với xu 
hướng hiện đại trên thế giới và cho kết quả thời gian hoàn 
vốn hợp lý, tạo điều kiện để ứng dụng các công nghệ mới 
cho LĐPP thông minh. 
Hình 5. Kết quả phương án tối ưu với các giả thiết 2 
Bảng 3. Bảng tính hiệu quả đầu tư với giả thiết 2 
SAIDI 
(phút) 
Điện năng không 
cung cấp được 
(kWh) 
Thành tiền 
(đồng) 
Trước lắp đặt 118.4565 15.399.345 26.255.883,23 
Sau lắp đặt 88.0127 11.441.651 19.508.014,96 
Giá trị làm lợi mỗi năm (đồng) 6.747.868,27 
Tổng mức đầu tư (đồng) 135.000.000 
Thời gian hoàn vốn (năm) 20,01 
5. Kết luận 
Bài báo đã sử dụng lý thuyết tối ưu Pareto, thuật toán tối 
ưu hóa bầy đàn đa mục tiêu để xây dựng thuật toán và 
chương trình tính toán ứng dụng hiệu quả công nghệ chỉ báo 
đường đi sự cố. Chương trình này có thể là công cụ giúp cho 
các công ty điện lực tối ưu hóa chỉ số ĐTC cung cấp điện 
cho LĐPP. Bài báo đã sử dụng xuất tuyến 471 Ngũ Hành 
Sơn để nghiên cứu tối ưu thiết bị chỉ báo đường đi sự cố qua 
chương trình tìm kiếm vị trí lắp đặt tối ưu và lựa chọn công 
nghệ tối ưu cho TBPĐ. Kết quả tính toán được phân tích chi 
tiết cho từng trường hợp cụ thể và hoàn toàn phù hợp với 
thực tiễn LĐPP đang được vận hành. Các kết quả nghiên cứu 
cũng cho thấy cần phải đưa yếu tố đền bù đối với kỳ vọng 
toán học về thiệt hại cho khách hàng vào tính toán ĐTC 
LĐPP thì mới phù hợp với xu hướng hiện đại trên thế giới 
và cho kết quả thời gian hoàn vốn hợp lý, tạo điều kiện để 
ứng dụng các công nghệ mới cho LĐPP thông minh. 
84 Đinh Thành Việt, Võ Văn Phương 
Lời cảm ơn: Nghiên cứu này được tài trợ bởi Quỹ Phát 
triển Khoa học và Công nghệ - Đại học Đà Nẵng trong đề 
tài mã số B2016-DNA-49-TT. 
TÀI LIỆU THAM KHẢO 
[1] Thủ tướng Chính phủ nước Cộng hòa xã hội chủ nghĩa Việt Nam, 
Quyết định Phê duyệt đề án phát triển Lưới điện Thông minh tại Việt 
Nam, Quyết định số 1670/QĐ - TTg ngày 08/11/2012. 
[2] Đinh Thành Việt, Trương Nguyễn Quang Minh, Võ Văn Phương, 
“Ứng dụng thuật toán di truyền để xác định vị trí tối ưu thiết bị phân 
đoạn để nâng cao các chỉ số độ tin cậy lưới điện phân phối”, Tạp chí 
Khoa học và Công nghệ Đại học Đà Nẵng, 7(104), 2016, trang 67. 
[3] Carlos A. Coello Coello, Gregorio Toscano Pulido, and Maximino 
Salazar Lechuga, “Handling Multiple Objectives With Particle 
Swarm Optimization”, IEEE Transactions on Evolutionary 
Computation, 8(3), 2004, pp. 256-279. 
[4] Gelan Zhu, Yige MA, Dong Hua, “Reliability programming of 
distribution network feeder switches based on Pareto Optimality 
Theory”, Journal of Convergence Information Technology, 8(9), 
2013, pp. 413-421. 
[5] Gustavo Dorneles Ferreira, Arturo Suman Bretas, Ghendy Cardoso 
Jr., Optimal Distribution Protection Design Considering 
Momentary and Sustained Reliability Indices, IEEE, 2010 
Proceedings of the International Symposium, 2010. 
[6] H. Falaghi, M. R. Haghifam, M. R. Osouali Tabrizi, Fault Indicators 
Effects on Distribution Reliability Indices, 18th International 
Conference on Electricity Distribution, 2005. 
[7] J. Kennedy and R. Eberhart, Particle swarm optimization, Proc. 
IEEE Int. Conf. on Neural Networks, 4, 1995, pp. 1942-1948. 
[8] J. Kennedy and R. Eberhart, A discrete binary version of the particle 
swarm algorithm, Proc. IEEE Int. Conf. on Systems, Man, and 
Cybernetics (SMC 97), 5, 1997, pp. 4104-4109. 
[9] Kirill Netreba, Yury Chistyakov, Elena Kholodova, Application of 
Artificial Bee Colony Algorithm for Optimal Distribution Protection 
Design, Researches in Environmental and Geological Sciences, 
2012, pp. 151-156. 
[10] Kwang Y. Lee and Mohamed A. El–Sharkawi, Modern Heuristic 
Optimization techniques – Theory and applications to power system, 
IEEE Press, A John Wiley & Sons, Inc., Published, 2008. 
[11] M. Reyes, C. A. Coello, “Multi-objective particle swarm optimizers: 
A survey of the state-of-the-art”, International Journal of 
Computational Intelligence Research, 2(3), 2006, pp. 287-308. 
[12] R. Billinton and R. N. Allan, Reliability Evaluation of Power 
Systems, 2ed, Plenum, New York, 1996. 
[13] Y. Shi and R. Eberhart, A modified particle swarm optimizer, in Proc 
IEEE Int. Conf. Evol. Comput., 1998, pp. 69-73. 
(BBT nhận bài: 01/01/2018, hoàn tất thủ tục phản biện: 25/03/2018)