Ứng dụng thuật toán tối ưu bầy đàn cải tiến nhằm phân bố tối ưu công suất trong lưới điện phân phối

3TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
ỨNG DỤNG THUẬT TOÁN TỐI ƯU 
BẦY ĐÀN CẢI TIẾN NHẰM PHÂN BỐ 
TỐI ƯU CÔNG SUẤT TRONG LƯỚI 
ĐIỆN PHÂN PHỐI
1. Nguyễn Khánh Quang, 
Khoa Điện-Điện tử - Trường Cao đẳng Công nghiệp Huế
70 Nguyễn Huệ, Phường Vĩnh Ninh, Thành phố Huế
Email: tienpt1@cpc.vn
2. Phạm Trung Tiến
Công ty Điện lực Kon Tum
184 Trần Hưng Đạo, Phường Thắng Lợi, Thành phố Kon Tum
Email: nkquang@hueic.edu.vn
Tóm tắt – Bài báo trình bày phương pháp phân bố tối ưu công suất bằng cách thay đổi 
trạng thái các thiết bị đóng cắt để tái cấu trúc lại lưới điện với mục đích giảm tổn thất điện 
năng và nâng cao điện áp trên lưới điện. Để tối thiểu hóa tổn thất điện năng cũng như cải 
thiện điện áp, thuật toán tối ưu bầy đàn cải tiến (IPSO) được đề xuất và trình bày trong bài 
viết. So với thuật toán bày đàn (PSO), trong IPSO các hệ số quán tính, hệ số quan hệ xã 
hội, hệ số kinh nghiệm của cá thể được điều chỉnh và giá trị vận tốc được giới hạn, do đó 
tốc độ hội tụ nhanh, nhưng vẫn duy trì được hiều quả cao và thuật toán cho kết quả tối 
ưu nhất. Thuật toán IPSO được kiểm tra mô phỏng trên bộ công cụ Matpower/Matlab với 
lưới điện mẫu IEEE-33 nút.
Từ khóa: PSO, Phân bố tối ưu công suất, Tái cấu hình lưới điện
I. GIỚI THIỆU
Lưới điện phân phối đóng vai trò qua 
trọng trong việc cung cấp điện, được thiêt kế 
có cấu trúc mạch vòng kín nhưng vì lý do kỹ 
thuật và điều kiện vận hành nên lưới điện luôn 
được vận hành theo cấu trúc hình tia. Các bài 
toán vận hành lưới điện phân phối chủ yếu 
tập trung vào giải quyết các vấn đề sau: Giảm 
tổn thất công suất của lưới điện, cải thiện thời 
gian tái lập, cải thiện độ tin cậy của hệ thống, 
cải thiện khả năng tải của lưới điện, cải thiện 
tình trạng không cân bằng tải, tối thiểu tổn thất 
công suất, giảm thiểu tổn thất của hệ thống 
lưới điện không cân bằng. 
Với yêu cầu ngày càng cao về giảm tổn 
thất điện năng trên lưới điện phân phối, nhiều 
nghiên cứu giải bài toán tái cấu trúc giảm tổn 
4 TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
thất bằng
nhiều thuật toán khác nhau được công bố. 
Với mục tiêu phân bố tối ưu công suất lưới 
điện phân phối bằng cách thay đổi các trạng 
thái đóng/mở của các khóa điện trên lưới 
nhằm đạt mục tiêu chất lượng trong vận hành 
lưới điện. Vì đặc điểm phi tuyến và rời rạc của 
bài toán nên rất khó để tìm lời giải bằng các 
phương pháp giải tích truyền thống. Có nhiều 
phương pháp phân bố tối ưu công suất lưới 
điện phân phối như sử dụng kỹ thuật thuần 
heuristic, heuristic kết hợp giải tích mạng, trí 
tuệ nhân tạo [8]. Tuy nhiên, một trong những 
nhược điểm chung của các phương pháp trên 
là dễ bị rơi vào các cực trị địa phương. Để 
khắc phục nhược điểm này, các nghiên cứu 
khoa học thường sử dụng giải thuật di truyền 
(GA) trong bài toán tái cấu hình lưới điện [9-
11]. Trong thời gian gần đây, giải thuật PSO 
được ứng dụng rộng rãi trong các bài toán 
hệ thống điện vì có nhiều ưu điểm như tốc 
độ hội tụ nhanh, lập trình đơn giản [12,13]. Ý 
tưởng trong bài viết này là để nghiên cứu áp 
dụng thuật toán tối ưu bầy đàn cải tiến (IPSO) 
nhằm giảm tổn thất công suất và nâng cao 
chất lượng điện áp trên lưới điện phân phối.
 Thuật toán tối ưu bầy đàn (PSO) lần đầu 
tiên được đề xuất bởi Eberhart và Kennedy 
vào năm 1995 [7]. PSO là một trong những 
thuật toán tiến hóa, dựa trên khái niệm trí tuệ 
bầy đàn để giải các bài toán tối ưu hóa. PSO 
có nhiều ứng dụng quan trọng trong tất cả 
các lĩnh vực mà ở đó đòi hỏi phải giải quyết 
các bài toán tối ưu hóa, đặc biệt là các bài 
toán liên quan đến hệ thống mạng. Ý tưởng 
chính của PSO dựa trên nền tảng tâm lý bầy 
đàn và tập tính xã hội của bầy chim hoặc đàn 
cá. Chúng di chuyển để tìm kiếm thức ăn với 
một vận tốc và vị trí tương ứng. Sự di chuyển 
của chúng phụ thuộc vào kinh nghiệm của 
chính nó và của các thành viên khác trong 
bầy đàn. PSO là một dạng của thuật toán tiến 
hóa được lấy ý tưởng từ từ phương pháp tìm 
kiếm thức ăn của đàn chim [15-18]. So với 
GA, PSO không có các cơ chế ghép chéo hay 
đột biến mà thiên về sử dụng sự tương tác 
giữa các cá thể trong một quần thể để khám 
phá không gian tìm kiếm. Các bước cơ bản 
của thuật toán PSO như Hình 1: 
PSO có ưu điểm là đơn giản, dễ dàng thực 
hiện và PSO có thể dễ dàng hoạt động với các 
giải pháp là số thực. Ngoài ra, do không có 
cơ chế ghép chéo và đột biến nên PSO tính 
toán nhanh hơn và sử dụng ít bộ nhớ máy tính 
hơn do trong quá trình tính toán, PSO không 
lưu trữ đường chuyển động của mỗi cá thể 
mà chỉ dựa vào vận tốc của mỗi cá thể. Tuy 
nhiên, do các cá thể trong quần thể di chuyển 
dựa trên cá thể tốt nhất trong quần thể và có 
xu hướng tập trung về vị trí cá thể tốt nhất nên 
làm cho PSO có khuynh hướng hội tụ sớm và 
các trạng thái đóng/mở của các khóa điện 
trên lưới nhằm đạt mục tiêu chất lượng 
trong vận hành lưới điện. Vì đặc điểm phi 
tuyến và rời rạc của bài toán nên rất khó 
để tìm lời giải bằng các phương pháp giải 
tích truyền thống. Có nhiều phương pháp 
phân bố tối ưu công suất lưới điện phân 
phối như sử dụng kỹ thuật thuần heuristic, 
heuristic kết hợp giải tích mạng, trí tuệ 
nhân tạo [8]. Tuy nhiên, một trong những 
nhược điểm c ng của các phương pháp 
trên là dễ bị rơi vào các cực trị địa 
phương. Để khắc phụ nhược iểm này, 
các nghiên cứu khoa học thường sử dụng 
giải thuật di truyền (GA) trong bài toán 
tái cấu hình lưới điện [9-11]. Trong thời 
gian gầ đây, giải thuật PSO được ứng 
dụng rộng rãi trong các bài toán hệ thống 
điện vì có nhiều ưu điểm như tốc độ hội 
tụ nhanh, lập trình đơn giản [12,13]. Ý 
tưởng trong bài viết này là để nghiên cứu 
áp dụng thuật toán tối ưu bầy đàn cải tiến 
(IPSO) nhằm giảm tổ thất công suất và 
nâng cao chất lượng điện áp trên lưới điện 
phân phối. 
 Thuật toán tối ưu bầy đàn (PSO) lần 
đầu tiên được đề xuất bởi Eberhart và 
Kennedy vào năm 1995 [7]. PSO là một 
trong những thuật toán tiến hóa, dựa trên 
khái niệm trí tuệ bầy đàn để giải các bài 
toán tối ưu hóa. PSO có nhiều ứng dụng 
quan trọng trong tất cả các lĩnh vực mà ở 
đó đòi hỏi phải giải quyết các bài toán tối 
ưu hóa, đặc biệt là các bài toán liên quan 
đến hệ thống mạng. Ý tưởng chính của 
PSO dựa trên nền tảng tâm lý bầy đàn và 
tập tính xã hội của bầy him hoặc đàn cá. 
Chúng di chuyển để tìm kiếm thức ăn với 
một vận tốc và vị trí tương ứng. Sự di 
chuyển của chúng phụ thuộc vào kinh 
nghiệm của chính nó và của các thành 
viên khác trong bầy đàn. PSO là một dạng 
của thuật toán tiến hóa được lấy ý tưởng 
từ từ phương pháp tìm kiếm thức ăn của 
đàn chim [15-18]. So với GA, PSO không 
có các cơ chế ghép chéo hay đột biến mà 
thiên về sử dụng sự tương tác giữa các cá 
thể trong một quần thể để khám phá 
không gian tìm kiếm. Các bước cơ bản 
của thuật toán PSO như Hình 1: 
Hình 1. Sơ đồ thuật toán PSO 
PSO có ưu điểm là đơn giản, dễ dàng 
thực hiện và PSO có thể dễ dàng hoạt 
động với các giải pháp là số thực. Ngoài 
ra, do không có cơ chế ghép chéo và đột 
biến nên PSO tính toán nhanh hơn và sử 
Khới tạo vị trí và vận tốc quần thể cá thể ban đầu 
Bắt đầu 
Vòng lặp <= Vòng 
lặpmax 
- Tìm vị trí tốt nhất của mỗi cá thể 
- Tìm vị trí tốt nhất của cả quần thể 
Cập nhật vận tốc và vị trí của các cá thể 
Dừng 
Sai 
Đánh giá mỗi cá thể bằng hàm thích nghi 
Đánh giá mỗi cá thể bằng hàm thích nghi 
Xuất kết quả (vị trí tốt nhất của quần thể) 
Vòng lặp = Vòng lặp + 1 
Đúng 
5TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
có thể làm cho giải pháp thu được không tối 
ưu. Trong bài báo này, PSO cải tiến được đề 
xuất để giải quyết vấn đề phân bố công suất 
bao gồm một giải pháp tối ưu để giảm tổn thất 
điện năng và nâng cao điện áp trong lưới điện 
phân phối. Mô phỏng được thực hiện bằng 
cách sử dụng bộ công cụ Matpower/ Matlab 
[15-19]. Kết quả đã chứng minh tính hiệu quả 
của thuật toán đề xuất để phân bố tối ưu công 
suất của lưới điện phân phối 
II. MÔ HÌNH TÁI CẤU TRÚC LƯỚI ĐIỆN 
PHÂN PHỐI
1. Hàm mục tiêu của bài toán
Trong nghiên cứu này, mục tiêu là tái cấu 
hình lưới điện phân bố tối ưu công suất nhằm 
giảm tổn thất điện năng và cải thiện chất 
lượng điện áp trên lưới. Hàm mục tiêu của bài 
toán được thể hiện như sau:
Các bước thực thuật toán IPSO trong bài toán phân bổ tối ưu công suất được thực hiện như 
sau:
Bước 1: Nhập các thông số lưới điện (tổng trở đường dây, thông số phụ tải, các khóa điện)
Bước 2: Xác định không gian tìm kiếm, bao gồm số lượng khóa mở, không gian tìm kiếm 
của mỗi khóa mở. 
dụng ít bộ nhớ máy tính hơn do trong quá 
trình tính toán, PSO không lưu trữ đường 
chuyển động của mỗi cá thể mà chỉ dựa 
vào vận tốc của mỗi cá thể. Tuy nhiên, do 
các cá thể trong quần thể di chuyển dựa 
trên cá thể tốt nhất trong quần thể và có 
xu hướng tập trung về vị trí cá thể tốt nhất 
nên làm cho PSO có khuynh hướng hội tụ 
sớm và có thể làm cho giải pháp thu được 
không tối ưu. Trong bài báo này, PSO cải 
tiến được đề xuất để giải quyết vấn đề 
phân bố công suất bao gồm một giải pháp 
tối ưu để giảm tổn thất điện năng và nâng 
cao điện áp trong lưới điện phân phối. Mô 
phỏng được thực hiện bằng cách sử dụng 
bộ công cụ Matpower/ Matlab [15-19]. 
Kết quả đã chứng minh tính hiệu quả của 
thuật toán đề xuất để phân bố tối ưu công 
suất của lưới điện phân phối 
II. MÔ HÌNH TÁI CẤU TRÚC 
LƯỚI ĐIỆN PHÂN PHỐI 
1. Hàm mục tiêu của bài toán 
Trong nghiên cứu này, mục tiêu là tái 
cấu hình lưới điện phân bố tối ưu công 
suất nhằm giảm tổn thất điện năng và cải 
thiện chất lượng điện áp trên lưới. Hàm 
mục tiêu của bài toán được thể hiện như 
sau: 
𝑓𝑓 = min(𝛥𝛥𝛥𝛥) = ∑ 𝑅𝑅𝑖𝑖𝑖𝑖 (
𝑃𝑃𝑖𝑖𝑖𝑖
2 +𝑄𝑄𝑖𝑖𝑖𝑖
2
𝑉𝑉𝑖𝑖𝑖𝑖
2 )
𝑁𝑁
𝑖𝑖𝑖𝑖=1 (1) 
Với điều kiện: 
𝑉𝑉𝑖𝑖(𝑖𝑖)
𝑚𝑚𝑖𝑖𝑚𝑚 ≤ 𝑉𝑉𝑖𝑖(𝑖𝑖) ≤ 𝑉𝑉𝑖𝑖(𝑖𝑖)
𝑚𝑚𝑚𝑚𝑚𝑚 (2) 
Lưới điện phân phối luôn được vận 
hành hình tia, nên đây được xem như một 
trong những ràng buộc đẳng thức của bài 
toán. Với ràng buộc này, tất cả các nút tải 
phải được cấp điện và cấu hình hình tia 
phải luôn được duy trì. 
2. Thuật toán tối ưu bầy đàn 
Thuật toán PSO (Particle Swarm 
Optimization) là một trong những thuật 
toán tiến hóa, dựa trên nền tảng tâm lý 
bầy đàn và tập tính xã hội của bầy chim 
hoặc đàn cá. Chúng di chuyển để tìm 
kiế thức ăn với một vận tốc và vị trí 
tương ứng. Sự di chuyển của chúng phụ 
thuộc vào kinh nghiệm của chính nó và 
của các thành viên khác trong bầy đàn 
(Pbest và Gbest). 
 𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏(𝑡𝑡 + 1) = {
𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡) 𝑖𝑖𝑓𝑓 𝑓𝑓(𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)) ≤ 𝑓𝑓(𝑥𝑥𝑖𝑖(𝑡𝑡 + 1))
𝑥𝑥𝑖𝑖(𝑡𝑡 + 1) 𝑖𝑖𝑓𝑓 𝑓𝑓(𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)) > 𝑓𝑓(𝑥𝑥𝑖𝑖(𝑡𝑡 + 1))
 (4) 
Vị trí tốt nhất của Gbest tại t được tình như: 
𝐺𝐺𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 = 𝑚𝑚𝑖𝑖𝑚𝑚{𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)} (5) 
Vận tốc Vk+1 và vị trí của chim hoặc cá được tính toán bằng biểu thức (6) và (7) 
𝑉𝑉𝑖𝑖
𝑘𝑘+1 = 𝜔𝜔𝑉𝑉𝑖𝑖
𝑘𝑘 + 𝑐𝑐1𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑1 × (𝛥𝛥𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑖𝑖
𝑘𝑘 − 𝑋𝑋𝑖𝑖
𝑘𝑘) + 𝑐𝑐2𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑2 × (𝐺𝐺𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡
𝑘𝑘 − 𝑋𝑋𝑖𝑖
𝑘𝑘) (6) 
 𝑋𝑋𝑖𝑖𝑘𝑘+1 = 𝑋𝑋𝑖𝑖𝑘𝑘 + 𝑉𝑉𝑖𝑖𝑘𝑘+1 (7) 
Các bước thực thuật toán IPSO trong bài toán phân bổ tối ưu công suất được thực 
hiện như sau: 
dụng ít bộ nhớ máy tính hơn do trong quá 
trình tính toán, PSO không lưu trữ đường 
chuyển động của mỗi cá thể mà chỉ dựa 
vào vận tốc của mỗi cá thể. Tuy nhiên, do 
các cá thể trong quần thể di c uyển dựa 
trên cá thể tốt nhất trong quần thể và có 
xu hướng tập trung về vị trí cá thể tốt nhất 
ê làm cho PSO có khuynh hướng hội tụ 
sớm và có thể làm cho giải pháp thu được 
không tối ưu. Trong bài báo này, PSO cải 
tiến được đề xuất để giải quyết vấn đề 
phân bố công suất bao gồm một giải pháp 
tối ưu để giảm tổn thất điện năng và nâng 
cao điện áp trong lưới điện phân phối. Mô 
phỏng được thực hiện bằng cách sử dụng 
bộ công cụ Matpower/ Matlab [15-19]. 
Kết quả đã chứng minh tính hiệu quả của 
thuật toán đề xuất để phân bố tối ưu công 
suất ủa lưới điện phân phối 
II. MÔ HÌNH TÁI CẤU TRÚC 
LƯỚI ĐIỆN PHÂN PHỐI 
1. Hàm mục tiêu của bài toán 
Trong nghiên cứu này, mục tiêu là tái 
cấu hình lưới điện phân bố tối ưu công 
suất nhằm giảm tổn thất điện năng và cải 
thiện chất lượng điện áp trên lưới. Hàm 
mục tiêu của bài toán được thể hiện như 
sau: 
𝑓𝑓 = min(𝛥𝛥𝛥𝛥) = ∑ 𝑅𝑅𝑖𝑖𝑖𝑖 (
𝑃𝑃𝑖𝑖𝑖𝑖
2 +𝑄𝑄𝑖𝑖𝑖𝑖
2
𝑉𝑉𝑖𝑖𝑖𝑖
2 )
𝑁𝑁
𝑖𝑖𝑖𝑖=1 (1) 
Với điều kiện: 
𝑉𝑉𝑖𝑖(𝑖𝑖)
𝑚𝑚𝑖𝑖𝑚𝑚 ≤ 𝑉𝑉𝑖𝑖(𝑖𝑖) ≤ 𝑉𝑉𝑖𝑖(𝑖𝑖)
𝑚𝑚𝑚𝑚𝑚𝑚 (2) 
Lưới điện phân phối luôn được vận 
hành hình tia, nên đây được xem như một 
trong những ràng buộc đẳng thức của bài 
toán. Với ràng buộc này, tất cả các nút tải 
phải được cấp điện và cấu hình hình tia 
phải luôn được duy trì. 
2. Thuật toán tối ưu bầy đàn 
Thuật toán PSO (Particle Swarm 
Optimization) là một trong những thuật 
toán tiến hóa, dựa trên nền tảng tâm lý 
bầy đàn và tập tính xã hội của bầy chim 
hoặc đàn cá. Chúng di chuyển để tìm 
kiếm thức ăn với một vận tốc và vị trí 
tương ứng. Sự di chuyển của chúng phụ 
thuộc vào kinh nghiệm của chính nó và 
của các thành viên khác trong bầy đàn 
(Pbest và Gbest). 
 𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏(𝑡𝑡 + 1) = {
𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡) 𝑖𝑖𝑓𝑓 𝑓𝑓(𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)) ≤ 𝑓𝑓(𝑥𝑥𝑖𝑖(𝑡𝑡 + 1))
𝑥𝑥𝑖𝑖(𝑡𝑡 + 1) 𝑖𝑖𝑓𝑓 𝑓𝑓(𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)) > 𝑓𝑓(𝑥𝑥𝑖𝑖(𝑡𝑡 + 1))
 (4) 
Vị trí tốt nhất của Gbest tại t được tình như: 
𝐺𝐺𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 = 𝑚𝑚𝑖𝑖𝑚𝑚{𝛥𝛥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏,𝑖𝑖(𝑡𝑡)} (5) 
Vận tốc Vk+1 và vị trí của chim hoặc cá được tính toán bằng biểu thức (6) và (7) 
𝑉𝑉𝑖𝑖
𝑘𝑘+1 = 𝜔𝜔𝑉𝑉𝑖𝑖
𝑘𝑘 + 𝑐𝑐1𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑1 × (𝛥𝛥𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡𝑖𝑖
𝑘𝑘 − 𝑋𝑋𝑖𝑖
𝑘𝑘) + 𝑐𝑐2𝑟𝑟𝑟𝑟𝑚𝑚𝑑𝑑2 × (𝐺𝐺𝑃𝑃𝑃𝑃𝑃𝑃𝑡𝑡
𝑘𝑘 − 𝑋𝑋𝑖𝑖
𝑘𝑘) (6) 
 𝑋𝑋𝑖𝑖𝑘𝑘+1 = 𝑋𝑋𝑖𝑖𝑘𝑘 + 𝑉𝑉𝑖𝑖𝑘𝑘+1 (7) 
Các bước thực thuật toán IPSO trong bài toán phân bổ tối ưu công suất được thực 
hiện như sau: 
dụng ít bộ nhớ máy tính hơn do trong quá 
trình tính toán, PSO không lưu trữ đường 
chuyển động của mỗi cá thể mà chỉ dựa 
vào vận tốc của mỗi cá thể. Tuy nhiên, do 
các cá thể tr ng quần t ể di ch yển dựa 
trên cá thể tốt nhất trong quần thể và có 
xu hướng tập trung về vị trí cá thể tốt nhất 
nên là cho PSO có khuynh hướng hội tụ 
sớm và có thể làm cho giải pháp thu được 
không tối ưu. Trong bài báo này, PSO cải 
tiế được đề xuất ể giải quyết vấn đề 
phân bố công suất bao gồm một giải pháp 
tối ưu để giảm tổn thất điện nă g và nâng 
cao điện p trong lưới điệ phân phối. Mô 
phỏng đượ thực hiện bằng cách sử dụng 
bộ công cụ Matpower/ Matlab [15-19]. 
Kết quả đã chứng minh tính hiệu quả của 
thuật toán đề xuất để phân bố tối ưu công 
suất của lưới điện phân phối 
II. MÔ HÌNH TÁI CẤU TRÚC 
LƯỚI ĐIỆN PHÂN PHỐI 
1. Hàm mục tiêu của bài toán 
Trong nghiên cứu này, mục tiêu là tái 
cấu hình lưới điện phân bố tối ưu công 
suất nhằm ... P = 33,202 kW, tỉ lệ 
ban đầu 6,28% và lưới có điện 
áp trung bì Vav = 0,90406 p.u. 
 . .
Hình 2. Sơ đồ kết nối trước khi tái cấu hình lưới 
Bảng 1: Thông số lưới mẫu IEEE-33 nút 
STT Từ nút Đến nút R X P (KW) Q (KVAr) 
1 1 2 0.0922 0.0470 100 60 
2 2 3 0.4930 0.2511 90 40 
3 3 4 0.3660 0.1864 120 80 
4 4 5 0.3811 0.1941 60 30 
5 5 6 0.8190 0.7070 60 20 
6 6 7 0.1872 0.6188 200 100 
7 7 8 0.7Il4 0.2351 200 100 
8 8 9 1.0300 0.7400 60 20 
9 9 10 1.0400 0.7400 60 20 
10 10 11 0.1966 0.0650 45 30 
11 11 12 0.3744 0.1238 60 35 
12 12 13 1.4680 1.1550 60 35 
13 13 14 0.5416 0.7129 120 80 
14 14 15 0.5910 0.5260 60 10 
15 15 16 0.7463 0.5450 60 20 
16 16 17 1.2890 1.7210 60 20 
17 17 18 0.7320 0.5740 90 40 
18 2 19 0.1640 0.1565 90 40 
19 19 20 1.5042 1.3554 90 40 
20 20 21 0.4095 0.4784 90 40 
21 21 22 0.7089 0.9373 90 40 
22 3 23 0.4512 0.3083 90 50 
23 23 24 0.8980 0.7091 420 200 
24 24 25 0.8960 0.7011 420 200 
25 6 26 0.2030 0.1034 60 25 
26 26 27 0.2842 0.1447 60 25 
27 27 28 1.0590 0.9337 60 20 
2
3 4 5 61 7 8 9 10 11
12
13 14 15 16 1817
26
27 28 29 30 3231 33
23
24 25
20 2119 22
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
26 27 28 29 30 31 32 36
23 24 37
19 20 21 35
3318
22
25 34
Hình 2. Sơ đồ kết nối
trước khi tái cấu hình lưới
7TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
Bảng 1: Thông số lưới mẫu IEEE-33 nút
Hình 2. Sơ đồ kết nối trước khi tái cấu hình lưới 
Bảng 1: Thông số lưới mẫu IEEE-33 nút 
STT Từ nút Đến nút R X P (KW) Q (KVAr) 
1 1 2 0.0922 0.0470 100 60 
2 2 3 0.4930 0.2511 90 40 
3 3 4 0.3660 0.1864 120 80 
4 4 5 0.3811 0.1941 60 30 
5 5 6 0.8190 0.7070 60 20 
6 6 7 0.1872 0.6188 200 100 
7 7 8 0.7Il4 0.2351 200 100 
8 8 9 1.0300 0.7400 60 20 
9 9 10 1.0400 0.7400 60 20 
10 10 11 0.1966 0.0650 45 30 
11 11 12 0.3744 0.1238 60 35 
12 12 13 1.4680 1.1550 60 35 
13 13 14 0.5416 0.7129 120 80 
14 14 15 0.5910 0.5260 60 10 
15 15 16 0.7463 0.5450 60 20 
16 16 17 1.2890 1.7210 60 20 
17 17 18 0.7320 0.5740 90 40 
18 2 19 0.1640 0.1565 90 40 
19 19 20 1.5042 1.3554 90 40 
20 20 21 0.4095 0.4784 90 40 
21 21 22 0.7089 0.9373 90 40 
22 3 23 0.4512 0.3083 90 50 
23 23 24 0.8980 0.7091 420 200 
24 24 25 0.8960 0.7011 420 200 
25 6 26 0.2030 0.1034 60 25 
26 26 27 0.2842 0.1447 60 25 
27 27 28 1.0590 0.9337 60 20 
2
3 4 5 61 7 8 9 10 11
12
13 14 15 16 1817
26
27 28 29 30 3231 33
23
24 25
20 2119 22
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
26 27 28 29 30 31 32 36
23 24 37
19 20 21 35
3318
22
25 34
28 28 29 0.8042 0.7006 120 70 
29 29 30 0.5075 0.2585 200 600 
30 30 31 0.9744 0.9630 150 70 
31 31 32 0.3105 0.3619 210 100 
32 32 33 0.3410 0.5302 60 40 
33 21 8 2 2 - - 
34 9 14 2 2 - - 
35 12 22 2 2 - - 
36 18 33 0.5000 0.5000 - - 
37 25 29 0.5000 0.5000 - - 
2. Kết quả mô phỏng 
Kết quả mô phỏng của bài toán tái cấu hình lưới điện phân bố tối ưu với IPSO và 
PSO được thể hiện trong Bảng 2. 
Bảng 2: Kết quả tính toán sau khi tái cấu hình lưới 
Thuật toán Khóa mở ΔP (kW) Vmin (p.u) 
Ban đầu s20, s34, s35, s36, s37 233.202 0.904 
IPSO s7, s9, s14, s32, s37 138.927 0.942 
PSO s7, s9, s13, s32, s37 142.460 0.940 
Với PSO phương thức kết nối được 
tại cấu hình lại như Hình 3 với các khóa 
điện (s7, s9, s14, s32, s37), sau khi tái 
cấu hình giảm xuống còn 142.4693 kW 
giảm 38,9% so với tổn thất bang đầu. 
Điện áp thấp ban đầu là 0,90406 p.u 
tăng lên 0.94234 p.u, đồ thị điện áp như 
Hình 4. Sau khi mô phỏng bằng IPSO 
phương thức kết nối lưới điện được tại 
cấu hình lại như Hình 5 với các khóa 
điện (s7, s9, s14, s32, s37). Tổn thất 
điện công suất trước khi tái cấu hình 
lưới là 233,202 kW và sau khi tái cấu 
hình giảm xuống còn 138.9275 kW 
giảm 40.42 % so với tổn thất ban đầu. 
Điện áp thấp ban đầu là 0,90406 p.u 
tăng lên 0,9404 p.u, đồ thi điện áp được 
trình diễn như Hình 6. 
Hình 3. Sơ đồ sau khi tái cấu hình lưới bằng PSO 
8 TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
28 28 29 0.8042 0.7006 120 70 
29 29 30 0.5075 0.2585 200 600 
30 30 31 0.9744 0.9630 150 70 
31 31 32 0.3105 0.3619 210 100 
32 32 33 0.3410 0.5302 60 40 
33 21 8 2 2 - - 
34 9 14 2 2 - - 
35 12 22 2 2 - - 
36 18 33 0.5000 0.5000 - - 
37 25 29 0.5000 0.5000 - - 
2. Kết quả mô phỏng 
Kết quả mô phỏng của bài toán tái cấu hình lưới điện phân bố tối ưu với IPSO và 
PSO được thể hiện trong Bảng 2. 
Bảng 2: Kết quả tính toán sau khi tái cấu hình lưới 
Thuật toán Khóa mở ΔP (kW) Vmin (p.u) 
Ban đầu s20, s34, s35, s36, s37 233.202 0.904 
IPSO s7, s9, s14, s32, s37 138.927 0.942 
PSO s7, s9, s13, s32, s37 142.460 0.940 
Với PSO phương thức kết nối được 
tại cấu hình lại như Hình 3 với các khóa 
điện (s7, s9, s14, s32, s37), sau khi tái 
cấu hình giảm xuống còn 142.4693 kW 
giảm 38,9% so với tổn thất bang đầu. 
Điện áp thấp ban đầu là 0,90406 p.u 
tăng lên 0.94234 p.u, đồ thị điện áp như 
Hình 4. Sau khi mô phỏng bằng IPSO 
phương thức kết nối lưới điện được tại 
cấu hình lại như Hình 5 với các khóa 
điện (s7, s9, s14, s32, s37). Tổn thất 
điện công suất trước khi tái cấu hình 
lưới là 233,202 kW và sau khi tái cấu 
hình giảm xuống còn 138.9275 kW 
giảm 40.42 % so với tổn thất ban đầu. 
Điện áp thấp ban đầu là 0,90406 p.u 
tăng lên 0,9404 p.u, đồ thi điện áp được 
trình diễn như Hình 6. 
Hình 3. Sơ đồ sau khi tái cấu hình lưới bằng PSO 
2. Kết quả mô phỏng
Kết quả mô phỏng của bài toán tái cấu hình lưới điện phân bố tối ưu với IPSO và PSO được 
thể hiện trong Bảng 2. 
Với PSO phương thức kết nối được tại 
cấu hình lại như Hình 3 với các khóa điện (s7, 
s9, s14, s32, s37), sau khi tái cấu hình giảm 
xuống còn 14 .4693 kW giảm 38,9% so với 
tổn thất bang đầu. Điện áp thấp ban đầu là 
0,90406 p.u tăng lên 0.94234 p.u, đồ thị điện 
áp như Hình 4. Sau khi mô phỏng bằng IPSO 
phương thức kết nối lưới điện được tại cấu 
Bảng 2: Kết quả tính toán sau khi tái cấu hình lưới
Hình 3. Đồ thị điện áp lưới điện IEEE-33 nút trước và sau khi tái 
cấu hình lưới bằng PSO
hình lại như Hình 5 với các khóa điện (s7, s9, 
s14, s32, s37). Tổn thất điện công suất trước 
khi tái cấu hình lưới là 233,202 kW và sau khi 
tái cấu hình giảm xuống còn 138.9275 kW 
giảm 40.42 % so với tổn thất ban đầu. Điện áp 
thấp ban đầu là 0,90406 p.u tăng lên 0,9404 
p.u, đồ thi điện áp được trình diễn như Hình 6. 
Hình 4. Đồ thị điện áp lưới điện IEEE-33 nút trước và sau khi tái cấu hình lưới bằng 
PSO 
Hình 5. Sơ đồ sau khi tái cấu hình lưới bằng IPSO 
2
3 4 5 61 7 8 9 10 11
12
13 14 15 16 1817
26
27 28 29 30 3231 33
23
24 25
20 2119 22
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
26 27 28 29 30 31 32 36
23 24 37
19 20 21 35
3318
22
25 34
9TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
Hình 4. Sơ đồ sau khi tái cấu hình lưới bằng IPSO 
Hình 5. Đồ thì điện áp lưới điện IEEE-33 nút trước và sau khi tái 
cấu hình lưới bằng IPSO
Hình 4. Đồ thị điện áp lưới điện IEEE-33 nút trước và sau khi tái cấu hình lưới bằng 
PSO 
Hình 5. Sơ đồ sau khi tái cấu hình lưới bằng IPSO 
2
3 4 5 61 7 8 9 10 11
12
13 14 15 16 1817
26
27 28 29 30 3231 33
23
24 25
20 2119 22
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
26 27 28 29 30 31 32 36
23 24 37
19 20 21 35
3318
22
25 34
Hình 6. Đồ thì điện áp lưới điệ IEEE-33 nút trước và sau khi tái cấu hình lưới bằng 
IPSO 
IV. KẾT LUẬN 
Trong bài báo này, tác giả đề xuất 
thuật toán IPSO để tái cấu hình lưới 
phân phối nhằm phân bố tối ưu công 
suất với mục đích giảm tổn thất công 
suất và nâng cao chất lượng điện áp trên 
lưới điện phân phối. Từ kết quả của hai 
thuật toán PSO và IPSO chúng ta nhận 
thấy rằng thuật toán đề xuất IPSO đã 
khắc phục được những nhược điểm của 
thuật toán PSO truyền thống đó là ngăn 
ngừa sự hội tụ sớm vào cực trị địa 
phương của bài toán và cho kết quả tối 
ưu hơn. 
Tài liệu tham khảo: 
[1] A.Merlin and H. Back, "Search for a minimal-
loss operating spanning tree configuration in an 
urban power distribution system," Proc. 5th Power 
System Computation Conference (PSCC), 
Cambridge, UK, 1975, pp.1-18. 
[2] D.Shirmohammadi and H. W. Hong, 
“Reconfiguration of electric distribution for 
resistive line loss reduction,” IEEE Trans. Power 
Del., vol. 4, no. 2, pp. 1492–1498, Apr. 1989. 
[3] S.Civanlar, J. J. Grainger,H.Yin, and S. S. H. 
Lee, “Distribution feeder reconfiguration for loss 
reduction,” IEEE Trans. Power Del., vol. 3, no.3, 
pp. 1217–1223, Jul. 1988. 
[4] J. H. Holland, “Adaptation in Natural and 
Artificial Systems”, First edit. Cambridge, MA: 
MIT Press, 1975 
[5] Kim, H., N. Ko and K.-H. Jung, “Artificial 
Neural-Network Based Feeder Reconfiguration for 
Loss Reduction in Distribution Systems”, IEEE 
Trans on Power Del., 8-3, pp. 1356-1366, 1993. 
[6] N. Rugthaicharoencheep and S. 
Sirisumrannukul, “Feeder Reconfiguration for Loss 
Reduction in Distribution System with Distributed 
Generators by Tabu Search”, Int. Journal Vol 3, pp 
47 – 54, 2009 
[7] R. Eberhart and J. Kennedy, “A new optimizer 
using particle swarm theory,” in MHS’95. Proc. of 
the Sixth Int. Symposium on Micro Machine and 
Human Science, pp. 39–43, 1995 
[8] R.Srinivasa Rao, S.V.L.Narasimham, 
M.Ramalingaraju “Optimization of Distribution 
Network Configuration for Loss Reduction Using 
Artificial Bee Colony Algorithm” Int. Journal of 
Electrical Power and Energy Systems Engineering 
1;2, 2008. 
[9] Ray Daniel Zimmerman “Network 
Reconfiguration for loss Reduction In Three Phase 
Power Distribution Systems”, 1992. 
[10] H. M. Khodr, M. A. Matos, and J. Pereira 
“Distribution Optimal Power Flow”, February 
2004. 
[11] Flávio Vanderson Gomes, Sandoval Carneiro, 
Jr., Jose Luiz R. Pereira, Marcio Pinho Vinagre, 
Paulo Augusto Nepomuceno Garcia, and Leandro 
Ramos de Araujo, “A New Distribution System 
Reconfiguration Approach Using Optimum Power 
Flow and Sensitivity Analysis for Loss Reduction”, 
IEEE Trans on Power Delivery, Vol. 21, No. 4, 
2006. 
[12] W.M. Liu, Chin H.C. and Yu G.J. "An 
Effective Algorithm for Distribution Feeder Loss 
Reduction by Switching Operations", IEEE 
Trasmission and Distribution Conference 1999. 
[13] W.M. Lin and H.C. Chin, “A New Approach 
for Distribution Reconfiguration for Loss 
Reduction and service Restoration”, IEEE trans. On 
Power Delivery, Vol. 13, No. 3, July 1998. 
[14] Y. K. Wu, C. Y. Lee, L. C. Liu, and S. H. 
Tsai, “Study of reconfiguration for the distribution 
system with distributed generators,” IEEE Trans. 
Power Deliv., vol. 25, no. 3, pp. 1678–1685, 2010 
[15] Nguyễn Thanh Thuận “Tái cấu hình lưới phân 
phối sử dụng các giải thuật tìm kiếm tối ưu”, Luận 
án tiến sỹ kỹ thuật, 2016 
10 TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
IV. KẾT LUẬN
Trong bài báo này, tác giả đề xuất thuật 
toán IPSO để tái cấu hình lưới phân phối 
nhằm phân bố tối ưu công suất với mục đích 
giảm tổn thất công suất và nâng cao chất 
lượng điện áp trên lưới điện phân phối. Từ kết 
quả của hai thuật toán PSO và IPSO chúng 
ta nhận thấy rằng thuật toán đề xuất IPSO 
đã khắc phục được những nhược điểm của 
thuật toán PSO truyền thống đó là ngăn ngừa 
sự hội tụ sớm vào cực trị địa phương của bài 
toán và cho kết quả tối ưu hơn.
TÀI LIỆU THAM KHẢO:
[1] A.Merlin and H. Back, "Search for 
a minimal-loss operating spanning tree 
configuration in an urban power distribution 
system," Proc. 5th Power System Computation 
Conference (PSCC), Cambridge, UK, 1975, 
pp.1-18.
[2] D.Shirmohammadi and H. W. Hong, 
“Reconfiguration of electric distribution for 
resistive line loss reduction,” IEEE Trans. 
Power Del., vol. 4, no. 2, pp. 1492–1498, Apr. 
1989.
[3] S.Civanlar, J. J. Grainger,H.Yin, and S. 
S. H. Lee, “Distribution feeder reconfiguration 
for loss reduction,” IEEE Trans. Power Del., 
vol. 3, no.3, pp. 1217–1223, Jul. 1988.
[4] J. H. Holland, “Adaptation in Natural 
and Artificial Systems”, First edit. Cambridge, 
MA: MIT Press, 1975
[5] Kim, H., N. Ko and K.-H. Jung, 
“Artificial Neural-Network Based Feeder 
Reconfiguration for Loss Reduction in 
Distribution Systems”, IEEE Trans on Power 
Del., 8-3, pp. 1356-1366, 1993.
[6] N. Rugthaicharoencheep and S. 
Sirisumrannukul, “Feeder Reconfiguration for 
Loss Reduction in Distribution System with 
Distributed Generators by Tabu Search”, Int. 
Journal Vol 3, pp 47 – 54, 2009
[7] R. Eberhart and J. Kennedy, “A new 
optimizer using particle swarm theory,” in 
MHS’95. Proc. of the Sixth Int. Symposium on 
Micro Machine and Human Science, pp. 39–
43, 1995 
[8] R.Srinivasa Rao, S.V.L.Narasimham, 
M.Ramalingaraju “Optimization of Distribution 
Network Configuration for Loss Reduction 
Using Artificial Bee Colony Algorithm” Int. 
Journal of Electrical Power and Energy 
Systems Engineering 1;2, 2008.
[9] Ray Daniel Zimmerman “Network 
Reconfiguration for loss Reduction In Three 
Phase Power Distribution Systems”, 1992.
[10] H. M. Khodr, M. A. Matos, and 
J. Pereira “Distribution Optimal Power Flow”, 
February 2004.
[11] Flávio Vanderson Gomes, 
Sandoval Carneiro, Jr., Jose Luiz R. Pereira, 
Marcio Pinho Vinagre, Paulo Augusto 
Nepomuceno Garcia, and Leandro Ramos 
de Araujo, “A New Distribution System 
Reconfiguration Approach Using Optimum 
Power Flow and Sensitivity Analysis for Loss 
Reduction”, IEEE Trans on Power Delivery, 
Vol. 21, No. 4, 2006.
[12] W.M. Liu, Chin H.C. and Yu G.J. 
"An Effective Algorithm for Distribution Feeder 
Loss Reduction by Switching Operations", 
IEEE Trasmission and Distribution Conference 
1999.
[13] W.M. Lin and H.C. Chin, “A New 
Approach for Distribution Reconfiguration for 
Loss Reduction and service Restoration”, 
IEEE trans. On Power Delivery, Vol. 13, No. 3, 
July 1998.
11TẠP CHÍ KHOA HỌC
QUẢN LÝ VÀ CÔNG NGHỆ
[14] Y. K. Wu, C. Y. Lee, L. C. Liu, 
and S. H. Tsai, “Study of reconfiguration 
for the distribution system with distributed 
generators,” IEEE Trans. Power Deliv., vol. 
25, no. 3, pp. 1678–1685, 2010
[15] Nguyễn Thanh Thuận “Tái cấu 
hình lưới phân phối sử dụng các giải thuật tìm 
kiếm tối ưu”, Luận án tiến sỹ kỹ thuật, 2016
[16] N. Gupta, A. Swarnkar, and K. 
R. Niazi, “Distribution network reconfiguration 
for power quality and reliability improvement 
using Genetic Algorithms,” Int. J. Electr. Power 
Energy Syst., vol. 54, pp. 664–671, 2014
[17] A. Asrari, S. Lotfifard, and M. 
Ansari, “Reconfiguration of Smart Distribution 
Systems With Time Varying Loads Using 
Parallel Computing,” IEEE Trans. Smart Grid, 
pp. 1–11, 2016
[18] T. T. Nguyen and A. V. Truong, 
“Distribution network reconfiguration for 
power loss minimization and voltage profile 
improvement using cuckoo search algorithm,” 
Int. J. Electr. Power Energy Syst., vol. 68, pp. 
233–242, 2015
[19] J. Olamaei, T. Niknam, and 
G. Gharehpetian, “Application of particle 
swarm optimization for distribution feeder 
reconfiguration considering distributed 
generators,” Appl. Math. Comput., vol. 201, 
no. 1–2, pp. 575–586, 2008