Luận án Nghiên cứu phương pháp cải tiến sa thải phụ tải trong hệ thống điện

i. Tuy nhiên, việc tính toán, phân tích các hậu quả kinh tế này rất phức tạp và ở hầu 
hết các công ty điện lực trên thế giới hiện nay vẫn phải dựa trên việc lấy ý kiến đánh giá 
của các chuyên gia hệ thống điện trong vấn đề này. Dù vậy, hầu như rất khó cho người 
chuyên gia đưa ra được thứ tự ưu tiên sa thải của những phụ tải này khi xem xét trong toàn 
bộ hệ thống điện, nhất là khi một phụ tải cần phải được xem xét dưới nhiều khía cạnh khác 
nhau. Tuy nhiên, để dễ dàng hơn cho các chuyên gia tiếp cận, khi cho ý kiến họ thường 
dựa trên đặc điểm công nghệ và thực tế vận hành để có thể cho các nhận xét bằng lời. Các 
chuyên gia dễ dàng so sánh từng cặp và sử dụng ngôn ngữ thông thường như phụ tải số 1 
quan trọng hơn phụ tải số 2, hay tiêu chí số 1 quan trọng hơn tiêu chí số 2. Để giải quyết 
vấn đề này, thuật toán Fuzzy AHP được sử dụng. để xếp hạng các phụ tải theo thứ tự ưu 
tiên cắt dựa trên việc tham khảo ý kiến các chuyên gia khi thể hiện bằng lời. Bên cạnh đó, 
khi hệ thống điện vận hành ở nhiều mức tải khác nhau, việc mờ hóa đồ thị phụ tải giúp cho 
việc thực hiện các chiến lược điều khiển sa thải phụ tải trở nên dễ dàng hơn. 
3.2 Kỹ thuật mờ hóa và luật hoạt động [69] 
 ~ ~
 Hàm thành viên M( x ) : R [0,1] của tam giác số mờ hóa M (,,) l m u xác định trên R 
thì: 
 55
 x l
 ,[,]x l m
 m l m l
 ~ x u
 M() x ,[,]x m u
 m u m u (3.1) 
 0, otherwise
 ~
 Trong đó: m là giá trị tốt nhất của hàm M, l và u là giá trị biên dưới và biên trên tương 
 ~
ứng. Theo nguyên lý mở rộng Zadeh’s cho hai tam giác số mờ hóa M1 (,,) l1 m 1 u 1 và 
 ~
 M2 (,,) l2 m 2 u 2 ; trong đó l1 0 và l2 0¸ các phép toán sau đây có thể được định nghĩa: 
 - Phép cộng mở rộng được định nghĩa như sau: 
 ~ ~
 M1 M2 ( l1 l 2 , m 1 m 2 , u 1 u 2 ). (3.2) 
 - Phép nhân mở rộng được định nghĩa như sau: 
 ~ ~
 M1  M2 ( l1 l 2 , m 1 m 2 , u 1 u 2 ). (3.3) 
 - Phép nghịch đảo của tam giác số mờ hóa M1 được định nghĩa như sau: 
 ~ 1 1 1 1 
 M 1 , , 
 u m l (3.4)
 1 1 1 
3.3 Tổng quan về thuật toán Fuzzy - AHP 
 Thuật toán Fuzzy-AHP [69] do Y.C. Erensal và các tác giả đề xuất với ý tưởng là sử 
dụng kiến thức chuyên gia và tam giác trọng số mờ hóa để xếp hạng các đối tượng trong 
một hệ thống và áp dụng cho bài toán thực hiện ra các quyết định đa tiêu chuẩn. Ở đây, áp 
dụng thuật toán Fuzzy-AHP để xác định hệ số tầm quan trọng và xếp hạng các đơn vị phụ 
tải trong hệ thống điện thực hiện qua các bước sau: 
 Bước 1. Xác định các khu vực chính và các đối tượng trong khu vực chính. 
 Bước 2. Xây dựng mô hình phân cấp AHP dựa trên các khu vực chính và các đối 
tượng trong các khu vực đã xác định ở Bước 1. 
 Bước 3. Xác định các trọng số tầm quan trọng giữa các khu vực chính và giữa các đối 
tượng trong khu vực bằng cách sử dụng ma trận phán đoán. Các thang đo mức độ tầm quan 
 56
trọng trình bày ở Hình 3.1 và Bảng 3.1. Các trọng số này được đề xuất bởi Kahraman [70] 
và được sử dụng để giải quyết việc mờ hóa các vấn đề về thực hiện các quyết định [71]. 
Trong trường hợp có nhiều ý kiến chuyên gia đánh giá thì các giá trị trọng số này là giá trị 
trung bình của các ý kiến chuyên gia. Sau đó, dựa vào hàm thành viên của tam giác số mờ 
hóa trình bày ở Hình 3.1 để xác định tam giác số mờ hóa của các ma trận phán đoán. 
 Hình 3.1: Hàm thành viên của tam giác số mờ hóa tương ứng với các thang đo mức độ tầm quan 
 trọng 
 Bước 4: Tính toán các trọng số tầm quan trọng của các đối tượng đối với toàn hệ 
thống. Trọng số này được tính bằng cách nhân trọng số của các đối tượng trong khu vực 
chính với trọng số của các khu vực chính tương ứng. 
 Theo phương pháp Fuzzy-AHP của Chang [72]-[74]. 
 1
 m ~ n m ~
 j j 
 SMMi  gi   gi (3.5) 
 j 1 i 1j 1 
 Trong đó: 
 m ~ m m m 
 Mj l,, m u 
 gi j  j  j (3.6) 
 j 1 j 1j 1j 1 
 57
 1 
 n m ~ 1 1 1
 M j , , (3.7) 
  gi n n n 
 i 1j 1 
 ui  mi  ui l 
 i 1i 1i 1 
 Bảng 3.1: Các tam giác số mờ hóa tương ứng với thang đo mức độ tầm quan trọng 
 Tam giác số mờ hóa tương ứng với thang 
 Tam giác số mờ hóa nghịch đảo 
 đo mức độ quan trọng tăng dần 
 (1/1,1/1,1/1) (1/1,1/1,1/1) 
 (1/2,1/1,3/2) (2/3,1/1,2/1) 
 (1/1,3/2,2/1) (1/2,2/3,1/1) 
 (3/2,2/1,5/2) (2/5,1/2,2/3) 
 (2/1,5/2,3/1) (1/3,2/5,1/2) 
 (5/2,3/1,7/2) (2/7,1/3,2/5) 
 (3/1,7/2,8/2) (2/8,2/7,1/3) 
 (7/2,8/2,9/2) (2/9,2/8,2/7) 
 (8/2,9/2,10/2) (2/10,2/9,2/8) 
 (9/2,10/2,11/2) (2/11,2/10,2/9) 
 (10/2,11/2,12/2) (2/12,2/11,2/10) 
 (11/2,12/2,13/2) (2/13,2/12,2/11) 
 (12/2,13/2,14/2) (2/14,2/13,2/12) 
 (13/2,14/2,15/2) (2/15,2/14,2/13) 
 (14/2,15/2,16/2) (2/16,2/15,2/14) 
 (15/2,16/2,17/2) (2/17,2/16,2/15) 
 (16/2,17/2,18/2) (2/18,2/17,2/16) 
 (17/2,18/2,19/2) (2/19,2/18,2/17) 
 ~ ~
 Các mức độ cạnh tranh có khả năng xảy ra khi M2 (,,) l2 m 2 u 2 M1 (,,) l1 m 1 u 1 được 
trình bày ở Hình 3.2 và được xác định như sau: 
 58
 ~ ~
 Hình 3.2: Mô hình cạnh tranh giữa M 1 và M 2 
 ~ ~
 V( M2 M 1 ) sup[min(MM1 ( x ),  2 ( x ))] (3.8) 
 y x
 1, if m2 m 1
 ~ ~ ~ ~ 
 V( M2 M 1 ) hgt ( M 1  M 2 ) M 2 ( d ) 0, if l 1 u 2 (3.9) 
 l u
 1 2 , otherwise
 m2 u 2 m 1 l 1 
 ~ ~
 Từ Hình 3.2 nhận thấy 2 MMV 1)( trong trường hợp mulm 1212 . Trong 
đó: d là giá trị trục hoành tương ứng với điểm giao nhau cao nhất giữa M1và M2. 
 ~ ~ ~ ~ ~ ~
 Để so sánh M 1 và M 2 cần có giá trị VMM()1 2 và VMM()2 1 
 ~ ~ ~~~~
 1 2 MMVMMMMV ik )(min),...,( , i = 1,2,,k (3.10) 
 '''' T
 Đặt W ((),(),...,()) d A1 d A 1 d An (3.11) 
 ~ ~
 ' '
Ở đây: W vector trọng số, với k=1,2,, n, k≠i; d( A1 ) min V ( M M i ) . 
 Thông qua việc chuẩn hóa, vector trọng số được chuẩn hóa được trình bày ở biểu 
thức (3.12). 
 T
 W ( dA (1 ), dA ( 1 ),..., dA (n )) (3.12) 
 59
 Bước 5: Đánh giá xếp hạng và sắp xếp theo thứ tự giảm dần hệ số tầm quan trọng của 
các đối tượng trong toàn hệ thống. 
 Bảng 3.2: Sắp xếp đối tượng theo thứ tự giảm dần hệ số tầm quan trọng 
 Khu vực (LCi) Đối tượng (Li) Trọng số (W) Ghi chú 
 LC1 L1 W1 W1>W2> ....>Wn 
 LC2 L2 W2 
  .... ... 
 LCn Ln Wn 
3.4 Khảo sát thử nghiệm trên sơ đồ hệ thống điện chuẩn IEEE 37 bus 9 máy phát 
 Để so sánh hiệu quả của phương pháp sa thải phụ tải dựa trên thuật toán Fuzzy-AHP 
và thuật toán AHP, tiến hành thực nghiệm giải thuật đề xuất trên sơ đồ hệ thống điện điển 
hình IEEE 37 bus 9 máy phát [75] trong cả 2 trường hợp có mờ hóa và không mờ hóa. Xét 
trường hợp mất một máy phát điện tại nút số 4, tương ứng hệ thống đang hoạt động ở các 
trạng thái 70%, 80%, 90% và 100% phụ tải cực đại. Khi không có sa thải phụ tải, tần số 
giảm xuống thấp hơn so với giới hạn tần số cho phép. Do đó, tương ứng với mỗi trường 
hợp nghiên cứu sẽ xây dựng “chiến lược điều khiển” trong việc sa thải phụ tải nhằm khôi 
phục tần số về giá trị giới hạn cho phép. Việc mô phỏng được thực hiện bằng phần mềm 
PowerWorld GSO 19 và quan sát kết quả nhận được khi áp dụng các chương trình sa thải 
phụ tải đề xuất. Dữ liệu các mức tải trình bày ở Bảng 3.3 và đồ thị tần số khi xảy ra sự cố 
mất máy phát điện tại nút số 4 được trình bày ở Hình 3.4. 
 60
Hình 3.3: Sơ đồ hệ thống điện IEEE 37 bus 9 máy phát với các vùng trung tâm tải 
 Hình 3.4: Tần số hệ thống trong trường hợp sự cố máy phát tại bus số 4 
 61
 Bảng 3.3: Dữ liệu tải (MW) trong hệ thống 37 bus khi hệ thống đạt 70%, 80%, 90%, 100% phụ 
tải cực đại 
 Trung tâm tải Nút tải Load 70% Load 80% Load 90% Load 100% 
 C1 L2 12,3 13,46 15,14 16,83 
 C1 L3 14 15,32 17,24 19,15 
 C1 L4 59,8 65,44 73,62 81,8 
 C1 L5 22,9 25,06 28,19 31,33 
 C1 L6 27 29,55 33,24 36,93 
 C1 L7 45 49,25 55,4 61,56 
 C1 L8 32,8 35,89 40,38 44,87 
 C1 L9 20 21,89 24,62 27,36 
 C2 L10 57,8 63,25 71,16 79,07 
 C2 L11 58,2 63,69 71,65 79,61 
 C2 L12 22,65 24,79 27,89 30,98 
 C2 L13 59,5 65,11 73,25 81,39 
 C2 L14 12,43 13,6 15,3 17 
 C3 L15 23 25,17 28,32 31,46 
 C3 L16 18,3 20,03 22,53 25,03 
 C3 L19 74,4 81,42 91,6 101,78 
 C3 L22 16,8 18,39 20,68 22,98 
 C3 L23 55,8 61,07 68,7 76,33 
 C4 L25 36,3 39,73 44,69 49,66 
 C4 L30 22,2 24,29 27,33 30,37 
 C4 L32 22,74 24,89 28 31,11 
 C4 L34 15,3 16,74 18,84 20,93 
 C4 L35 23,4 25,61 28,81 32,01 
 C4 L36 28 30,64 34,47 38,3 
 C4 L37 14 15,32 17,24 19,15 
3.4.1 Nghiên cứu phương pháp sa thải phụ tải dựa trên việc áp dụng thuật toán AHP 
 Đầu tiên, áp dụng thuật toán AHP trình bày ở mục 2.2.3 để xây dựng mô hình hệ 
thống phân cấp giữa các trung tâm tải và các phụ tải trong trung tâm tải. Kết quả xây dựng 
mô hình hệ thống phân cấp trình bày ở Hình 3.5. 
 Tiếp theo, thành lập các ma trận phán đoán cho biết tầm quan trọng giữa các trung 
tâm phụ tải với nhau và tầm quan trọng giữa các tải trong trung tâm tải với nhau. Ma trận 
phán đoán của trung tâm tải và các tải trong trung tâm tải được trình bày từ Bảng 3.4 đến 
Bảng 3.8. Trong sơ đồ thử nghiệm, hệ thống nghiên cứu được phân thành 4 trung tâm tải. 
 62
Hình 3.5: Mô hình AHP các vùng trung tâm tải và các đơn vị tải cho sơ đồ IEEE 37 Bus 
 Bảng 3.4: Ma trận phán đoán trung tâm phụ tải LCi 
 PI LC1 LC2 LC3 LC4 
 LC1 1/1 1/3 1/1 1/1 
 LC2 3/1 1/1 1/1 3/1 
 LC3 1/1 1/1 1/1 1/2 
 LC4 1/1 1/3 2/1 1/1 
 Bảng 3.5: Ma trận phán đoán các phụ tải Lj ở trung tâm tải LC1 
 L2 L3 L4 L5 L6 L7 L8 L9 
L2 1/1 1/1 1/1 1/3 1/2 1/3 1/2 1/2 
L3 1/1 1/1 3/1 1/1 2/1 1/1 2/1 1/1 
L4 1/1 1/3 1/1 1/2 1/1 1/2 1/1 2/1 
L5 3/1 1/1 2/1 1/1 1/3 1/3 1/1 1/3 
L6 2/1 1/2 1/1 3/1 1/1 1/1 3/1 1/3 
L7 3/1 1/1 2/1 3/1 1/1 1/1 1/2 1/1 
L8 2/1 1/2 1/1 1/1 1/3 2/1 1/1 1/2 
L9 2/1 1/1 1/2 3/1 3/1 1/1 2/1 1/1 
 Bảng 3.6: Ma trận phán đoán các phụ tải Lj ở trung tâm tải LC2 
 L10 L11 L12 L13 L14 
 L10 1/1 1/1 1/1 1/3 1/2 
 L11 1/1 1/1 3/1 1/1 1/1 
 L12 1/1 1/3 1/1 1/2 2/1 
 L13 3/1 1/1 2/1 1/1 1/3 
 L14 2/1 1/1 1/2 3/1 1/1 
 63
 Bảng 3.7: Ma trận phán đoán các phụ tải Lj ở trung tâm tải LC3 
 L15 L16 L19 L22 L23 
 L15 1/1 1/2 1/1 1/1 1/2 
 L16 2/1 1/1 3/1 1/3 1/1 
 L19 1/1 1/3 1/1 1/2 2/1 
 L22 1/1 3/1 2/1 1/1 1/3 
 L23 2/1 1/1 1/2 3/1 1/1 
 Bảng 3.8: Ma trận phán đoán các phụ tải Lj ở trung tâm tải LC4 
 L25 L30 L32 L34 L35 L36 L37 
 L25 1/1 1/1 1/1 1/3 1/2 1/3 1/2 
 L30 1/1 1/1 3/1 1/1 1/1 1/1 1/1 
 L32 1/1 1/3 1/1 1/2 2/1 1/2 2/1 
 L34 3/1 1/1 2/1 1/1 1/3 1/3 1/1 
 L35 2/1 1/1 1/2 3/1 1/1 1/1 3/1 
 L36 3/1 1/1 2/1 3/1 1/1 1/1 1/2 
 L37 2/1 1/1 1/2 1/1 1/3 2/1 1/1 
 Từ các giá trị của ma trận phán đoán tính toán các trị riêng lớn nhất và vector riêng. 
Sử dụng phương pháp nhân để tính trị riêng lớn nhất và vector riêng, thực hiện các bước 
sau: 
 Bước 1: Nhân các giá trị trong cùng 1 hàng của từng ma trận phán đoán với nhau. 
Kết quả tính được các giá trị MLCi và MLj và trình bày từ Bảng 3.9 đến Bảng 3.13. 
 Bảng 3.9: Giá trị MLCi của ma trận các trung tâm phụ tải LCi 
 MLC1 0,33 
 MLC2 9,00 
 MLC3 0,50 
 MLC4 0,67 
 Bảng 3.10: Giá trị MLj của ma trận các tải ở trung tâm phụ tải 1 
 ML2 0,01 
 ML3 12,00 
 ML4 0,17 
 ML5 0,22 
 ML6 3,00 
 ML7 9,00 
 ML8 0,33 
 ML9 18,00 
 64
 Bảng 3.11: Giá trị MLj của ma trận các tải ở trung tâm phụ tải 2 
 ML10 0,17 
 ML11 3,00 
 ML12 0,33 
 ML13 2,00 
 ML14 3,00 
 Bảng 3.12: Giá trị MLj của ma trận các tải ở trung tâm phụ tải 3 
 ML15 0,25 
 ML16 2,00 
 ML19 0,33 
 ML22 2,00 
 ML23 3,00 
 Bảng 3.13: Giá trị MLj của ma trận các tải ở trung tâm phụ tải 4 
 ML25 0,03 
 ML30 3,00 
 ML32 0,33 
 ML34 0,67 
 ML35 9,00 
 ML36 9,00 
 ML37 0,67 
 * *
 Bước 2: Lấy căn bậc n của các giá trị MLCi và MLj có được giá trị WLCi và WLj , với 
 * *
n lần lượt là hạng của các ma trận. Kết quả các giá trị WLCi và WLj trình bày từ Bảng 3.14 
đến Bảng 3.18. 
 *
 Bảng 3.14: Giá trị WLCi của các trung tâm phụ tải LCi 
 *
 WLC1 0,76 
 *
 WLC 2 1,73 
 *
 WLC3 0,84 
 *
 WLC 4 0,90 
 65
 *
 Bảng 3.15: Giá trị WLj của các tải ở trung tâm phụ tải LC1 
 *
 WL2 0,59 
 *
 WL3 1,36 
 *
 WL4 0,80 
 *
 WL5 0,83 
 *
 WL6 1,15 
 *
 WL7 1,32 
 *
 WL8 0,87 
 *
 WL9 1,44 
 *
 Bảng 3.16: Giá trị WLj của các tải ở trung tâm phụ tải LC2 
 *
WL10 0,70 
 *
 WL11 1,25 
 *
WL12 0,80 
 *
 WL13 1,15 
 *
WL14 1,25 
 *
 Bảng 3.17: Giá trị WLj của các tải ở trung tâm phụ tải LC3 
 *
 WL15 0,76 
 *
 WL16 1,15 
 *
 WL19 0,80 
 *
 WL22 1,15 
 *
 WL23 1,25 
 66
 *
 Bảng 3.18: Giá trị WLj của các tải ở trung tâm phụ tải LC4 
 *
 WL25 0,60 
 *
 WL30 1,17 
 *
 WL32 0,85 
 *
 WL34 0,94 
 *
 WL35 1,37 
 *
 WL36 1,37 
 *
 WL37 0,94 
 * *
 Bước 3: Tính tổng các giá trị WLCi và WLj của các ma trận phán đoán. 
 n
 * *
 Tổng các giá trị WLCi của ma trận trung tâm tải:  WLCi = 4,24. 
 i 1
 n
 * *
 Tổng các giá trị WLj của ma trận các tải ở trung tâm phụ tải LC1: WLj = 8,35. 
 i 1
 n
 * *
 Tổng các giá trị WLj của ma trận các tải ở trung tâm phụ tải LC2:  Wi = 5,14 
 i 1
 n
 * *
 Tổng các giá trị WLj của ma trận các tải ở trung tâm phụ tải LC3:  Wi = 5,1 
 i 1
 n
 * *
 Tổng các giá trị WLj của ma trận các tải ở trung tâm phụ tải LC4:  Wi = 7,25 
 i 1
 Bước 4: Chuẩn hóa ma trận để tính các giá trị WLCi và WLj , của các ma trận phán 
đoán. Áp dụng công thức (2.6) để tính toán các giá trị WLCi và WLj . Kết quả tính các giá trị 
 WLCi và WLj của các ma trận phán đoán trình bày từ Bảng 3.19 đến Bảng 3.23. 
 Bảng 3.19: Các giá trị WLCi của các trung tâm phụ tải 
 W1 0,18 
 W2 0,41 
 W3 0,20 
 W4 0,21 
 67
 Bảng 3.20: Các giá trị WLj của các tải ở trung tâm phụ tải LC1 
 W2 0,07 
 W3 0,16 
 W4 0,10 
 W5 0,10 
 W6 0,14 
 W7 0,16 
 W8 0,10 
 W9 0,17 
 Bảng 3.21: Các giá trị WLj của các tải ở trung tâm phụ tải LC2 
 W10 0,14 
 W11 0,24 
 W12 0,16 
 W13 0,22 
 W14 0,24 
 Bảng 3.22: Các giá trị WLj của các tải ở trung tâm phụ tải LC3 
 W15 0,15 
 W16 0,23 
 W19 0,16 
 W22 0,23 
 W23 0,24 
 Bảng 3.23: Các giá trị WLj của các tải ở trung tâm phụ tải LC4 
 W25 0,08 
 W30 0,16 
 W32 0,12 
 W34 0,13 
 W35 0,19 
 W36 0,19 
 W37 0,13 
 Sau khi có được các giá trị WLCi và WLj , tính toán các giá trị hệ số quan trọng tổng 
hợp Wij của mỗi phụ tải. Giá trị Wij = WLCi.WLj. Các giá trị WLCi ở cùng một trung tâm tải 
thì giống nhau. Kết quả giá trị các hệ số quan trọng của tải đối với toàn hệ thống trình bày 
ở Bảng 3.24. 
 68
 Bảng 3.24: Giá trị các hệ số quan trọng của đơn vị tải được tính toán bởi AHP 
 Hệ số quan trọng Hệ số quan 
 Trung Nút Hệ số quan trọng 
 WLCi trọng WLj (đơn 
 tâm tải tải tổng hợp Wij 
 (trung tâm tải) vị tải) 
 LC1 0,18 L2 0,07 0,0126 
 LC1 0,18 L3 0,16 0,0293 
 LC1 0,18 L4 0,10 0,0172 
 LC1 0,18 L5 0,10 0,0178 
 LC1 0,18 L6 0,14 0,0246 
 LC1 0,18 L7 0,16 0,0283 
 LC1 0,18 L8 0,10 0,0187 
 LC1 0,18 L9 0,17 0,0308 
 LC2 0,41 L10 0,07 0,0556 
 LC2 0,41 L11 0,14 0,0991 
 LC2 0,41 L12 0,24 0,0638 
 LC2 0,41 L13 0,16 0,0913 
 LC2 0,41 L14 0,22 0,0991 
 LC3 0,20 L15 0,15 0,0295 
 LC3 0,20 L16 0,23 0,0447 
 LC3 0,20 L19 0,16 0,0312 
 LC3 0,20 L22 0,23 0,0447 
 LC3 0,20 L23 0,24 0,0484 
 LC4 0,21 L25 0,08 0,0176 
 LC4 0,21 L30 0,16 0,0344 
 LC4 0,21 L32 0,12 0,0252 
 LC4 0,21 L34 0,13 0,0278 
 LC4 0,21 L35 0,19 0,0403 
 LC4 0,21 L36 0,19 0,0403 
 LC4 0,21 L37 0,13 0,0278 
 Sau khi tính toán các giá trị hệ số quan trọng tổng hợp của mỗi đơn vị phụ tải, tiến 
hành sắp xếp các đơn vị phụ tải theo thứ tự ưu tiên tăng dần được trình bày ở Bảng 3.25. 
Phụ tải quan trọng hơn thì có hệ số Wij lớn hơn. 
 69
 Bảng 3.25: Sắp xếp các đơn vị phụ tải theo giá trị hệ số quan trọng của phụ tải Wij tăng dần 
 Hệ số quan trọng Hệ số quan 
 Trung Hệ số quan trọng 
 WLCi Nút tải trọng WLj 
 tâm tải tổng hợp Wij 
 (trung tâm tải) (đơn vị tải) 
 LC1 0,18 L2 0,07 0,0126 
 LC1 0,18 L4 0,1 0,0172 
 LC4 0,21 L25 0,08 0,0176 
 LC1 0,18 L5 0,1 0,0178 
 LC1 0,18 L8 0,1 0,0187 
 LC1 0,18 L6 0,14 0,0246 
 LC4 0,21 L32 0,12 0,0252 
 LC4 0,21 L34 0,13 0,0278 
 LC4 0,21 L37 0,13 0,0278 
 LC1 0,18 L7 0,16 0,0283 
 LC1 0,18 L3 0,16 0,0293 
 LC3 0,2 L15 0,15 0,0295 
 LC1 0,18 L9 0,17 0,0308 
 LC3 0,2 L19 0,16 0,0312 
 LC4 0,21 L30 0,16 0,0344 
 LC4 0,21 L35 0,19 0,0403 
 LC4 0,21 L36 0,19 0,0403 
 LC3 0,2 L16 0,23 0,0447 
 LC3 0,2 L22 0,23 0,0447 
 LC3 0,2 L23 0,24 0,0484 
 LC2 0,41 L10 0,14 0,0556 
 LC2 0,41 L12 0,16 0,0638 
 LC2 0,41 L13 0,22 0,0913 
 LC2 0,41 L11 0,24 0,0991 
 LC2 0,41 L14 0,24 0,0991 
 Phương pháp AHP được sử dụng để quyết định việc sắp xếp các đơn vị phụ tải theo 
thứ tự ưu tiên tại các thời đoạn và hệ thống sa thải sẽ ưu tiên cắt những tải có hệ số nhỏ 
nhất trước. 
 Sau khi xác định các trọng số tầm quan trọng, tiến hành sa thải phụ tải cho đến khi 
tần số phục hồi đến giá trị lớn hơn 59,7Hz. Đồ thị tần số đo tại Bus 17 khi sa thải phụ tải 
tương ứng với các trường hợp vận hành 70%, 80%, 90% và 100% được trình bày ở Hình 
3.6. 
 70
 Hình 3.6: Tần số hệ thống khi sa thải phụ tải theo phương pháp 
 AHP với trường hợp vận hành ở các mức tải khác nhau 
 Tổng hợp kết quả các trường hợp sa thải phụ tải được trình bày ở Bảng 3.26. 
 Bảng 3.26: Kết quả tổng hợp các trường hợp sa thải phụ tải dựa trên thuật toán AHP 
 Mức tải Mức tải Mức tải Mức tải 
 70% 80% 90% 100% 
 L2, L4, L2, L4, 
 Phụ tải sa thải L2, L4, L25 L2, L4, L25 
 L25, L5 L25, L5 
 Công suất sa thải (MW) 127,35 143,69 161,64 179,62 
 Tần số phục hồi (Hz) 59,94 59,99 59,95 60 
 Thời gian phục hồi (s) 35s 40s 44s 50s 
 Như vậy, trong tất cả các trường hợp, tần số hệ thống điện đều trở về giá trị cho phép 
và gần bằng giá trị định mức. Các giá trị tần số phục hồi trong khoảng từ 59,94Hz đến 
60Hz và thời gian phục hồi tần số từ 35s đến 50s. Quan sát đặc điểm thời gian phục hồi 
cho thấy mức tải vận hành của hệ thống càng lớn thì thời gian khôi phục càng lâu. 
 71
3.4.2 Nghiên cứu phương pháp sa thải phụ tải dựa trên việc áp dụng thuật toán 
Fuzzy-AHP [76]. 
 Tương tự trường hợp nghiên cứu trình bày ở mục 3.4.1, trường hợp nghiên cứu là 
trường hợp mất một máy phát điện tại thanh góp số 4 khi hệ thống đang hoạt động ở các 
mức tải làm cho tổng công suất nguồn phát bị giới hạn và tần số bị suy giảm nhỏ hơn giá 
trị cho phép. 
 Thực hiện theo các bước của mô hình thuật toán Fuzzy-AHP đã trình bày ở mục 3.3. 
 Bước 1: Xác định các vùng trung tâm tải và các đơn vị tải ở các trung tâm tải. 
 Bước 2: Xây dựng mô hình phân cấp AHP dựa trên các vùng trung tâm tải và các đơn 
vị phụ tải xác định ở Bước 1. Kết quả xây dựng mô hình phân cấp AHP các vùng trung 
tâm tải và các đơn vị tải sơ đồ hệ thống điện IEEE 37 bus 9 máy phát trình bày ở Hình 3.5 
 Bước 3: Xác định các hệ số trọng số tầm quan trọng của các trung tâm tải và các nút 
tải bằng cách sử dụng ma trận phán đoán. Ở đây, giá trị trọng số chính của các ma trận 
phán đoán của thuật toán Fuzzy-AHP được lấy giá trị tương tự như thuật toán AHP. Các 
giá trị trọng số biên dưới và trọng số biên trên trọng số chính được xác định dựa trên Bảng 
3.1. Các ma trận phán đoán của các trung tâm tải và giữa các tải với nhau trong mỗi trung 
tâm tải trình bày từ các Bảng 3.27 đến Bảng 3.31. 
 Bảng 3.27: Ma trận phán đoán trung tâm phụ tải LCi 
 Trung 
 LC1 LC2 LC3 LC4 
 tâm tải WLCi 
 LC1 (1/1, 1/1,1/1) (2/7,1/3,2/5) (1/1, 1/1,1/1) (1/1, 1/1,1/1) 0,02 
 LC2 (5/2, 3/1, 7/2) (1/1, 1/1,1/1) (1/1, 1/1,1/1) (5/2, 3/1, 7/2) 0,72 
 LC3 (1/1, 1/1,1/1) (1/1, 1/1,1/1) (1/1, 1/1,1/1) (2/5,1/2,2/3) 0,07 
 LC4 (1/1, 1/1,1/1) (2/7,1/3,2/5) (3/2,2/1,5/2) (1/1, 1/1,1/1) 0,2 
 72
 Bảng 3.28: Ma trận phán đoán các phụ tải ở trung tâm tải LC1 
 L2 L3 L4 L5 L6 L7 L8 L9 WLi 
L2 1/1, (1/1, (1/1, (2/7, (2/5, (2/7, (2/5, (2/5, 
 0,01 
 1/1,1/1) 1/1,1/1) 1/1,1/1) 1/3,2/5) 1/2,2/3) 1/3,2/5) 1/2,2/3) 1/2,2/3) 
L3 1/1, (1/1, 5/2, (1/1, (3/2, (1/1, (3/2, (1/1, 
 0,01 
 1/1,1/1) 1/1,1/1) 3/1, 7/2) 1/1,1/1) 2/1,5/2) 1/1,1/1) 2/1,5/2) 1/1,1/1) 
L4 1/1, (2/7, (1/1, (2/5,1/2,2 (1/1, (2/5, (1/1, (3/2, 
 0,09 
 1/1,1/1) 1/3,2/5) 1/1,1/1) /3) 1/1,1/1) 1/2,2/3) 1/1,1/1) 2/1,5/2) 
L5 5/2, (1/1, (3/2 (1/1, (2/7, (2/7, (1/1, (2/7, 
 0,13 
 3/1, 7/2) 1/1,1/1) ,2/1,5/2) 1/1,1/1) 1/3,2/5) 1/3,2/5) 1/1,1/1) 1/3,2/5) 
L6 (3/2, (2/5, (1/1, (5/2, 3/1, (1/1, (1/1, 5/2, (2/7, 
 0,