Phân bố tối ưu nguồn phân tán có chức năng volt-var trên lưới điện truyền tải bằng phương pháp moth-flame optimization cải tiến

Nguyễn Trọng Tài , Nguyễn Phúc Khải * , Lâm Bửu Quí và Nguyễn Ngọc Lan Anh

* Tác giả liên hệ (phuckhai@hcmut.edu.vn)

Article Sidebar

Full Text: PDF

Ngày nhận bài: 31-10-2022
Ngày nhận bài sửa: 29-11-2022
Ngày duyệt đăng: 31-12-2022
Ngày xuất bản: 19-05-2023
Title: Optimal volt/var function of distributed generators on the transmission grid using improved moth-flame optimization
DOI: 10.22144/ctu.jvn.2023.050
Lượt xem
181
Downloads
290
Crossref
Scopus
Google Scholar
Europe PMC
Trích dẫn
Tài, N. T., Khải, N. P., Quí, L. B., & Anh, N. N. L. (2023). Phân bố tối ưu nguồn phân tán có chức năng volt-var trên lưới điện truyền tải bằng phương pháp moth-flame optimization cải tiến. Tạp chí Khoa học Đại học Cần Thơ, 59(CĐ Khoa học Kỹ thuật và Công nghệ), 243-250. https://doi.org/10.22144/ctu.jvn.2023.050
Số báo
Tập. 59 Số. CĐ Khoa học Kỹ thuật và Công nghệ (2023)
Chuyên mục
Khoa học Kỹ thuật và Công nghệ 2022

Abstract

In recent years, the energy system is undergoing a profound transformation. Especially the rapid growth of distributed generators (DG) around the world has created many challenges. Integrating these distributed generators into the national grid system is considered a significant challenge in Vietnam. The article solved the problem of optimizing distributed generators' installation position and capacity through the Volt/Var function of the inverters. In addition to technical criteria, DG costs are also considered. The paper uses the improved MFO method, and the simulation software is MATLAB with an integrated MatPower Toolbox. The power grid used for simulation is an IEEE 30-bus transmission system. The simulation results are compared with the GA optimization method, proving the effectiveness of the improved MFO method.

Keywords: Metaheuristic, improved MFO method, volt/var control, distributed generator

Tóm tắt

Trong những năm gần đây, hệ thống năng lượng đang trải qua quá trình chuyển đổi sâu sắc. Đặc biệt là sự tăng nhanh của các nguồn năng lượng phân tán (DG) trên toàn thế giới đã tạo ra nhiều thách thức. Tại Việt Nam, việc tích hợp các nguồn phân tán này vào hệ thống lưới điện quốc gia được xem là một thách thức lớn. Bài báo đã giải quyết vấn đề tối ưu hóa vị trí lắp đặt và công suất của các nguồn phân tán thông qua chức năng Volt/Var của các bộ Inverter. Bên cạnh đó, ngoài các tiêu chí về kỹ thuật, chi phí DG cũng được xem xét. Bài báo sử dụng phương pháp MFO cải tiến và phần mềm mô phỏng là MATLAB có tích hợp MatPower Toolbox. Lưới điện sử dụng mô phỏng là lưới điện truyền tải IEEE 30 nút. Kết quả mô phỏng được so sánh với phương pháp tối ưu GA, chứng minh sự hiệu quả của phương pháp MFO cải tiến.

Từ khóa: Meta-heuristic, Phương pháp MFO cải tiến, Chức năng Volt/Var, Nguồn phân tán

Article Details

Tài liệu tham khảo

Buch, H., & Trivedi, I. N. (2019). An efficient adaptive moth flame optimization algorithm for solving large-scale optimal power flow problem with POZ, multifuel and valve-point loading effect. Iranian Journal of Science and Technology, Transactions of Electrical Engineering, 43(4), 1031-1051.

Chen, G., Lewis, F. L., Feng, E. N., & Song, Y. (2015). Distributed optimal active power control of multiple generation systems. IEEE Transactions on Industrial Electronics, 62(11), 7079-7090.

Cagnano, A., De Tuglie, E., Liserre, M., & Mastromauro, R. A. (2011). Online optimal reactive power control strategy of PV inverters. IEEE Transactions on Industrial Electronics, 58(10), 4549-4558.

Dugan, R. C., Arritt, R., Smith, J., & Rylander, M. (2013, June). OpenDSS training workshop. In Electric Power Research Institute.

Dabbagchi, I. IEEE 30-Bus System. American Electric Power System. Available online: http://www.ee.washington.edu/research/pstca/pf30/pg_tca30bus.htm.

Das, A., Mandal, D., Ghoshal, S. P., & Kar, R. (2018). Concentric circular antenna array synthesis for side lobe suppression using moth flame optimization. AEU-international Journal of Electronics and Communications, 86, 177-184.

Ishiguro, S., Endo, T., & Yamamoto, A. (2020). Loading pattern optimization for a PWR using Multi-Swarm Moth Flame Optimization Method with Predator. Journal of Nuclear Science and Technology, 57(5), 523-536.

Kim, I. (2020). The optimization of the location and capacity of reactive power generation units, using a hybrid genetic algorithm incorporated by the bus impedance power-flow calculation method. Applied Sciences, 10(3), 1034.

Lam B. Q. & Khai P. N. (2022), Improved Moth-Flame Optimization for optimal reactive power dispatch in large-scale systems. GMSARN International Journal, 16 (2), pp. 152-164.

Lee, D., Son, S., & Kim, I. (2021). Optimal allocation of large-capacity distributed generation with the volt/var control capability using particle swarm optimization. Energies, 14(11), 3112.

Lee, S. H., & Park, J. W. (2013). Optimal placement and sizing of multiple DGs in a practical distribution system by considering power loss. IEEE Transactions on Industry Applications, 49(5), 2262-2270.

Mirjalili, S. (2015). Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm. Knowledge-based systems, 89, 228-249.

Rezk, H., Ali, Z. M., Abdalla, O., Younis, O., Gomaa, M. R., & Hashim, M. (2019). Hybrid moth-flame optimization algorithm and incremental conductance for tracking maximum power of solar PV/thermoelectric system under different conditions. Mathematics, 7(10), 875.

Taher, M. A., Kamel, S., Jurado, F., & Ebeed, M. (2019). An improved moth‐flame optimization algorithm for solving optimal power flow problem. International Transactions on Electrical Energy Systems, 29(3), e2743.

Talaat, H. E., & Al-Ammar, E. (2011, October). Optimal allocation and sizing of Distributed Generation in distribution networks using Genetic Algorithms. In 11th International Conference on Electrical Power Quality and Utilisation (pp. 1-6). IEEE.

Zimmerman, R. D., Murillo-Sanchez, C. E., & Gan, D. (1997). Matpower. PSERC.[Online]. Software Available at: http://www. pserc. cornell. edu/matpower.