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

ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 3(124).2018 79 
ỨNG DỤNG HIỆU QUẢ CÔNG NGHỆ MỚI FPI VỀ CHỈ BÁO ĐƯỜNG ĐI SỰ CỐ 
CHO LƯỚI ĐIỆN PHÂN PHỐI THÔNG MINH 
EFFECTIVE APPLICATION OF NEW TECHNOLOGY FPI TO FAULT PASSAGE 
INDICATOR IN SMART POWER DISTRIBUTION GRID 
Đinh Thành Việt1, Võ Văn Phương2 
1Đại học Đà Nẵng; dtviet@ac.udn.vn 
2Công ty TNHH MTV Điện lực Đà Nẵng; phuongvv@cpc.vn 
Tóm tắt - Bài báo này trình bày ứng dụng thuật toán bầy đàn để giải 
bài toán tối ưu đa mục tiêu về ứng dụng hiệu quả công nghệ mới FPI 
(Fault Passage Indicator - chỉ báo đường đi sự cố) cho lưới điện phân 
phối thông minh. Vấn đề được đặt ra là xác định số lượng, vị trí lắp 
đặt và công nghệ sử dụng cho mỗi vị trí FPI lắp đặt lên lưới điện phân 
phối để đạt hiệu quả ưu việt nhất về cả phương diện kinh tế lẫn kỹ 
thuật. Bài báo thực hiện nghiên cứu sử dụng thuật toán tối ưu hóa 
bầy đàn đa mục tiêu (MOPSO) và thực hiện kiểm tra đánh giá với 2 
trường hợp trên mô hình lưới điện phân phối thực tế tại xuất tuyến 
471E13 trạm biến áp (TBA) 220 kV Ngũ Hành Sơn ở thành phố Đà 
Nẵng, Việt Nam. Các kết quả nghiên cứu cụ thể đã được rút ra từ 
chương trình được viết trên cơ sở phần mềm MATLAB. 
Abstract - This paper presents the application of particle swarm 
optimization (PSO) algorithm to solve the multi-objective 
optimization problem to efficient application of new technology FPI 
(Fault Passage Indicator) in smart power distribution grid. The 
issue is to determine the number, installation location and 
technology used for each FPI installed on the grid to achieve the 
best economic and technical efficiency. The study is carried out 
using the multi-objective particle swarm optimization (MOPSO) 
algorithm with two test case studies on the actual distribution 
network feeder 471E13 at the 220 kV Ngu Hanh Son substation in 
Da Nang city, Viet Nam. The research results have been derived 
using a MATLAB based program. 
Từ khóa - tối ưu hóa đa mục tiêu; PSO; MOPSO; độ tin cậy; lưới 
điện phân phối; lưới điện thông minh; chỉ báo đường đi sự cố; FPI 
Key words - multi-objective optimization; PSO; MOPSO; reliability; 
power distribution system; smart grid; fault passage indicator; FPI 
1. Đặt vấn đề 
Hiện nay, việc phát triển lưới điện thông minh (smart 
grid) đang là xu thế tất yếu và là mối quan tâm hàng đầu 
của ngành điện Việt Nam cũng như toàn thế giới, nhằm 
nâng cao chất lượng và độ tin cậy (ĐTC) cung cấp điện 
[1, 12]. Để phát triển được lưới điện thông minh tại Việt 
Nam cần thực hiện nhiều giải pháp, trong đó việc ứng dụng 
công nghệ mới về chỉ báo đường đi sự cố (Fault Passage 
Indicator – FPI) được xem là một trong những giải pháp 
hiệu quả giúp nâng cao ĐTC cung cấp điện cũng như hiệu 
quả vận hành lưới điện phân phối (LĐPP) thông minh. Tuy 
nhiên, thiết bị FPI có giá thành không phải là thấp; việc lắp 
đặt bao nhiêu thiết bị FPI, ở vị trí nào trong LĐPP và sử 
dụng công nghệ nào để đạt được hiệu quả cao nhất vẫn là 
vấn đề mà các công ty điện lực luôn đặt ra. 
Trên thế giới đã có một số công bố liên quan đến tối ưu 
hóa lắp đặt FPI, sử dụng các phương pháp tối ưu hóa như 
lý thuyết tối ưu Pareto [2, 4, 10], PSO [3, 5, 6, 13], thuật 
toán đàn kiến [9]. Tuy nhiên, các kết quả này chỉ tính cho 
thiết bị phân đoạn (TBPĐ) nói chung, chưa lưu ý đến tối 
ưu hóa thiết bị FPI có kết nối SCADA, chưa chú ý nhiều 
đến loại TBPĐ cụ thể. Trong bài báo này sẽ áp dụng thuật 
toán tối ưu bầy đàn đa mục tiêu MOPSO [7, 8, 10, 11] để 
xây dựng chương trình ứng dụng hiệu quả công nghệ chỉ 
báo đường đi sự cố FPI nhằm nâng cao ĐTC cung cấp điện 
cho LĐPP, tiết giảm lãng phí trong đầu tư, nâng cao năng 
suất lao động. 
2. Mô hình tính toán ĐTC lưới điện và ảnh hưởng của 
các thiết bị FPI đến độ tin cậy của LĐPP 
2.1. Mô hình lưới điện phân phối 
LĐPP được biểu diễn dưới dạng sơ đồ một sợi, gồm có 
các nút và nhánh. Nhánh được xem là liên kết giữa nút đầu 
và nút cuối, việc đánh số thứ tự theo nguyên tắc số thứ tự 
của nhánh trùng với số thứ tự nút cuối, phụ tải được gắn 
với tên nút. Tên các TBPĐ được lấy theo số thứ tự nhánh 
và gắn cho vị trí lắp đặt trên LĐPP. 
2.2. Mô hình tính toán chỉ số độ tin cậy SAIDI 
Mô hình toán học tính toán chỉ số ĐTC SAIDI được 
xây dựng trên hai toán tử p(i) và s(i) [2, 3] (Hình 1). Trong 
đó, toán tử p(i) được ký hiệu là liền kề trước của nhánh thứ 
i, s(i) được ký hiệu là liền kề sau nhánh thứ i. 
Toán tử P(i,j) được định nghĩa là 
P(i,j) = P{i, p(i), p(p(i), p(p(i)), p(p(p(i))),..,j} (1) 
Toán tử S(i,j) được định nghĩa là 
S(i,j) = S{i, s(i), s(s(i), s(s(i)), s(s(s(i))),..,j} (2) 
Hình 1. Sơ đồ tính toán ĐTC LĐPP 
Hàm mục tiêu SAIDI được thiết lập như sau: 
𝑆𝐴𝐼𝐷𝐼 = 𝑆𝐴𝐼𝐷𝐼Đ𝑍 + 𝑆𝐴𝐼𝐷𝐼𝑇𝐵𝑃Đ + 𝑆𝐴𝐼𝐷𝐼𝑇𝐵𝐴 (3) 
Trong đó, SAIDIĐZ do các đoạn đường dây trong LĐPP 
gây ra, SAIDITBPĐ do vị trí các TBPĐ trong LĐPP gây ra, 
SAIDITBA do TBA phân phối gây ra. 
Theo [2]: 
ĐTC bị ảnh hưởng 
bởi các phần tử của 
trạm biến áp phụ tải 
(thu lôi van, aptomat, 
máy biến áp ) 
Khách hàng 
ĐTC bị ảnh hưởng bởi các 
phần tử đường dây (cách 
điện, giông sét, cây, chống 
sét van  ) 
ĐTC bị ảnh hưởng 
bởi các TBPĐ (MC, 
D, LBS, F) 
MC đầu nguồn 
Cầu chì tự rơi TBA 
80 Đinh Thành Việt, Võ Văn Phương 
𝑆𝐴𝐼𝐷𝐼 =
1
𝑁𝑇
[∑[(𝑖 + 𝑖
′)𝑙𝑖 + 𝑖
𝐹]
𝑛𝑠
𝑖=1
(∑ 𝑁𝑗𝑟𝑖
𝑠
𝑗 ∈Ω𝑖
𝑠
+ ∑ 𝑁𝑗𝑟𝑖
𝑟
𝑗 ∈Ω𝑖
𝑟
)
+ ∑(ℎ
𝑇𝐵𝑃Đ)
𝑛𝑠𝑤
ℎ=1
(∑ 𝑁𝑗𝑟ℎ
𝑠𝑠𝑤
𝑗 ∈Ωℎ
𝑠
+ ∑ 𝑁𝑗
𝑗 ∈Ωℎ
𝑟
𝑟ℎ
𝑟𝑠𝑤)
+ ∑(𝑘
𝑇𝐵𝐴. 𝑟𝑘
𝑟𝑡𝑟𝑁𝑘)
𝑛𝑡𝑟
𝑘=1
] (4) 
Trong đó: 𝑟𝑖
𝑠 là thời gian trung bình thao tác cô lập sự cố 
nhánh i; 𝑟𝑖
𝑟 là thời gian trung bình sửa chữa sự cố nhánh i; 
𝑟ℎ
𝑠𝑠𝑤 là thời gian trung bình thao tác cô lập sự cố TBPĐ thứ 
h; 𝑟ℎ
𝑟𝑠𝑤 là thời gian trung bình sửa chữa sự cố TBPĐ thứ h; 
𝑟𝑘
𝑟𝑡𝑟 là thời gian trung bình sửa chữa sự cố TBA thứ k; 
Ω𝑖
𝑠: Khu vực bị mất điện trong thời gian thao tác để cô 
lập sự cố ở nhánh i, được xác định theo công thức sau: 
𝑘 = 𝑆(𝑖,𝑀𝐶 ∪ 𝐷 ∪ 𝐿𝐵𝑆) ∩ (𝑀𝐶 ∪ 𝐷 ∪ 𝐿𝐵𝑆) (5) 
max (𝑇𝐶(𝑆(𝑘) ∩ 𝑇𝑃) ≥ ∑ 𝑃𝑗
𝑗 ∈ 𝑆(𝑘)
 (6) 
* Nếu khu vực không bị sự cố có thể chuyển tải được, 
hay S(k)∩TP , thì: 
Ω𝑖
𝑠 =
{
𝑆(𝑘), 𝑛ế𝑢 𝑃(𝑖,𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆) ∩ 
 (𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆) ∈ (𝑀𝐶 ∪ 𝐹)
𝑆(𝑘) ∪ 𝑆(𝑃(𝑖,𝑀𝐶 ∪ 𝐹) ∩ (𝑀𝐶 ∪ 𝐹),
 𝑃(𝑖, 𝐷 ∪ 𝐿𝐵𝑆) ∩ (𝐷 ∪ 𝐿𝐵𝑆)), 𝑘ℎá𝑐
 (7) 
Trong đó S(k) là tập các nhánh sau nhánh k (nhánh có 
thiết bị phân đoạn sau điểm sự cố); TP là tập các nhánh liên 
lạc với đường dây khác. 
* Nếu khu vực không bị sự cố, không chuyển tải được, 
hay S(k)∩TP = , thì: 
Ω𝑖
𝑠 = 𝑆(𝑃(𝑖,𝑀𝐶 ∪ 𝐹) ∩ (𝑀𝐶 ∪ 𝐹), 𝑃(𝑖, 𝐷 ∪ 𝐿𝐵𝑆) ∩ (𝐷 ∪ 𝐿𝐵𝑆) 
(8) 
Ω𝑖
𝑟: Khu vực bị mất điện trong thời gian sửa chữa sự cố 
ở nhánh thứ i, được xác định theo công thức sau: 
Ω𝑖
𝑟 = 𝑆(𝑃(𝑖,𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆)
∩ (𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆)) − Ω𝑖
𝑠 (9) 
Ωℎ
𝑠 : Khu vực bị mất điện trong thời gian thao tác để cô 
lập sự cố TBPĐ thứ h, được xác định theo công thức như ở 
(10, 11, 12, 13) nhưng loại bỏ TBPĐ thứ h ra khỏi tập hợp 
các TBPĐ bảo vệ, cụ thể: 
𝑘 = 𝑆((ℎ,𝑀𝐶 ∪ 𝐷 ∪ 𝐿𝐵𝑆)\ℎ) ∩ ((𝑀𝐶 ∪ 𝐷 ∪ 𝐿𝐵𝑆)\ℎ) (10) 
max (𝑇𝐶(𝑆(𝑘) ∩ 𝑇𝑃) ≥ ∑ 𝑃𝑗
𝑗 ∈ 𝑆(𝑘)
 (11) 
* Nếu khu vực không bị sự cố có thể chuyển tải được, 
hay S(k)∩TP , thì: 
Ωℎ
𝑠 =
{
𝑆(𝑘), 𝑛ế𝑢 𝑃((ℎ,𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆)\ℎ) ∩ 
 ((𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆)\ℎ) ∈ ((𝑀𝐶 ∪ 𝐹)\ℎ) 
𝑆(𝑘) ∪ 𝑆(𝑃((ℎ,𝑀𝐶 ∪ 𝐹)\ℎ) ∩ ((𝑀𝐶 ∪ 𝐹)\ℎ),
𝑃((𝑖, 𝐷 ∪ 𝐿𝐵𝑆)\ℎ) ∩ ((𝐷 ∪ 𝐿𝐵𝑆)\ℎ)), 𝑘ℎá𝑐
(12) 
* Nếu khu vực không bị sự cố, không chuyển tải được, 
hay S(k)∩TP = , thì: 
Ωℎ
𝑠 = 𝑆(
𝑃((ℎ,𝑀𝐶 ∪ 𝐹)\ℎ) ∩ ((𝑀𝐶 ∪ 𝐹)\ℎ),
𝑃((ℎ,𝐷 ∪ 𝐿𝐵𝑆)\ℎ) ∩ ((𝐷 ∪ 𝐿𝐵𝑆)\ℎ)
) (13) 
Ωℎ
𝑟 : Khu vực bị mất điện trong thời gian sửa chữa 
TBPĐ thứ h, được xác định theo công thức như ở (14) 
nhưng loại bỏ TBPĐ thứ k ra khỏi tập hợp các TBPĐ bảo 
vệ. Cụ thể: 
Ωℎ
𝑟 = 𝑆(𝑃((ℎ,𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆)\ℎ)
∩ ((𝑀𝐶 ∪ 𝐹 ∪ 𝐷 ∪ 𝐿𝐵𝑆)\ℎ)) − Ωℎ
𝑠 (14) 
2.3. Công nghệ chỉ báo đường đi sự cố (FPI) 
2.3.1. Định nghĩa thiết bị chỉ thị sự cố 
Thiết bị chỉ thị sự cố FPI (Fault Passage Indicator) 
thường là các cảm biến dòng điện. Khi xảy ra sự cố thì thiết 
bị sẽ hiển thị tín hiệu (thường là bằng đèn) và các thông tin 
sự cố sẽ được báo về trung tâm điều khiển thông qua kênh 
truyền thông (khi thiết bị có kết nối SCADA) giúp nhân 
viên vận hành nhanh chóng tìm ra điểm sự cố để cách ly, 
sửa chữa đoạn bị sự cố, khôi phục hoạt động cho đoạn 
không bị sự cố tiếp tục làm việc [6]. 
2.3.2. Phân loại các công nghệ FPI theo sử dụng 
- Loại chỉ thị sự cố đơn giản, không có chức năng 
SCADA. Khi phát hiện sự cố, FPI sẽ sáng đèn báo hiệu cho 
nhân viên vận hành biết tuyến đường sự cố đi qua. Nhân 
viên vận hành sẽ dò tìm từ đầu đến cuối đường dây cho đến 
khi tìm được điểm sự cố. 
- Loại chỉ thị sự cố có tích hợp chức năng SCADA, 
tự động truyền tín hiệu hoặc gửi tin nhắn về trung tâm điều 
khiển khi phát hiện sự cố. Nhờ đó, nhân viên vận hành sẽ 
nhanh chóng phân đoạn được vị trí sự cố mà không phải đi 
kiểm tra toàn bộ các FPI trên tuyến đường dây. 
Sự có mặt của các thiết bị FPI giúp làm giảm thời gian 
tìm kiếm điểm sự cố, từ đó giảm được thời gian ngừng cung 
cấp điện cho khách hàng ở khu vực có thể chuyển tải, cũng 
như khách hàng ở khu vực ở vùng sự cố không chuyển tải 
được. Kết quả là ĐTC cung cấp điện của hệ thống sẽ được 
tăng lên. Các thiết bị FPI sẽ giới hạn khu vực mà nhân viên 
vận hành phải tìm kiếm khi xảy ra sự cố. Các khu vực phải 
tìm kiếm được giới hạn lại giữa các thiết bị FPI [6]. 
Giả sử có một xuất tuyến có chiều dài 10 km, thời gian 
trung bình ban đầu để xác định điểm sự cố khi chưa đặt FPI 
là 1 giờ chung cho cả xuất tuyến như ở Hình 2. 
Hình 2. Mô hình tính toán khi lắp đặt FPI trên lưới điện 
Tiến hành lắp đặt FPI, chia xuất tuyến thành hai vùng 
nhỏ, vùng 1 có chiều dài l1 = 6 km, vùng 2 có chiều dài 
l2 = 4 km. Xem gần đúng thời gian trung bình xác định 
điểm sự cố ts trên một nhánh tỷ lệ với chiều dài của nhánh, 
thời gian trung bình xác định điểm sự cố ts theo vùng tỷ lệ 
với chiều dài của xuất tuyến. 
Thời gian xác định điểm sự cố ts1 của vùng 1 (l1 = 6 km): 
( )1
6
1 0,6 
6 4
st h ==
+
Thời gian xác định điểm sự cố ts2 của vùng 2 (l2 = 4 km): 
 ( )2
4
1 0,4 
6 4
st h ==
+
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 3(124).2018 81 
Với lập luận như trên, khi lắp một số lượng n FPI vào 
lưới điện thì n FPI này sẽ chia lưới điện thành n+1 vùng 
nhỏ. Khi đó thời gian xác định điểm sự cố của từng vùng 
ts(i) được tính theo công thức (16): 
 ( ) 1
1
i
s s n
jj
l
t i t
l
+
=
=

 (16) 
với li: tổng chiều dài của vùng thứ i; ts: thời gian trung bình 
ban đầu để xác định điểm sự cố khi chưa đưa FPI vào. 
Như vậy, thời gian xác định điểm sự cố ts(i) được giảm 
xuống khi đặt FPI vào lưới điện, do đó giá trị chỉ số SAIDI 
cũng được giảm theo. 
3. Thuật toán tối ưu hóa bầy đàn giải quyết bài toán đa 
mục tiêu 
3.1. Bài toán đa mục tiêu 
Trong các bài toán kỹ thuật thực tế, có thể phải tối ưu 
hóa đồng thời một lúc nhiều mục tiêu. Tối ưu cho N đối 
tượng được biểu diễn bởi công thức: 
Min �⃗� = �⃗�(�⃗�) = [𝑓1(�⃗�), 𝑓2(�⃗�), . . . . . , 𝑓𝑁(�⃗�)]
𝑇 (17) 
Ràng buộc: 𝑔𝑗(�⃗�) ≤ 0, 𝑗 = 1, 2,  . .𝑀 
với �⃗� ∈ Ω; �⃗� là véc-tơ đối tượng, 𝑔𝑗(�⃗�) biểu diễn các ràng 
buộc và �⃗� là véc-tơ quyết định trong không gian tham số 
Ω [5]. Việc tối ưu hóa đa mục tiêu gặp rất nhiều khó khăn 
để tối ưu hóa các hàm đối tượng ở cùng một thời điểm, vì 
vậy, tối ưu Pareto được sử dụng trong bài báo [2, 4, 10]. 
Véc-tơ quyết định �⃗⃗�  được gọi là Pareto trội so với 
véc-tơ �⃗�  khi và chỉ khi: 
 i {1, K, N}, fi(�⃗⃗�) fi(�⃗�), 
và  j {1, K, N}, fj(�⃗⃗�) < fj(�⃗�), (18) 
Pareto trội được dùng để so sánh và xếp thứ hạng cho 
các véc-tơ quyết định. Véc-tơ �⃗⃗� trội hơn vẹc-tơ �⃗� có nghĩa 
là F⃗⃗(�⃗⃗�) hoặc là tốt hơn hoặc là giống như F⃗⃗(�⃗�) cho tất các 
hàm đối tượng, và ở đây có ít nhất một hàm đối tượng trong 
F⃗⃗(�⃗⃗�) là chặt hơn (nhỏ hơn) F⃗⃗(�⃗�). 
3.2. Thuật toán tối ưu hóa bầy đàn đa mục tiêu 
Tối ưu hóa bầy đàn (PSO) là một trong những phương 
pháp tối ưu được đề xuất bởi J. Kennedy và R. Eberhart 
vào năm 1995. PSO là một công cụ tối ưu cung cấp một 
quy trình tìm kiếm dựa trên bầy đàn, trong đó mỗi cá thể 
thay đổi vị trí của nó theo thời gian. Một lời giải tiềm năng 
cho mỗi bài toán có thể được đại diện như một cá thể trong 
đàn, bay trong không gian tìm kiếm có d chiều. Sự điều 
chỉnh tốc độ và vị trí của mỗi cá thể có thể được tính toán 
bằng cách sử dụng vận tốc hiện tại và khoảng cách từ pbest 
đến gbest theo công thức (19) và (20) [3, 7, 8]: 
1
1 1 2 2
( - ) ( - )k k k k k k
id id id id id id
V V c rand Pbest X c rand Gbest X+ = + + (19) 
1 1k k k
id id id
X X V+ += + (20) 
3.3. Xây dựng chương trình tính toán ứng dụng hiệu quả 
công nghệ mới FPI cho LĐPP thông minh 
Trên cơ sở các lý thuyết nêu trên, bài báo đề xuất thuật 
toán ứng dụng hiệu quả công nghệ FPI để nâng cao ĐTC 
cung cấp điện. Chương trình được xây dựng dựa trên phần 
mềm MATLAB và được tính toán thử nghiệm trên lưới 
điện thực tế tại thành phố Đà Nẵng. 
3.3.1. Hàm mục tiêu của bài toán 
Hàm mục tiêu để tính toán ứng dụng hiệu quả công 
nghệ FPI nhằm nâng cao ĐTC cung cấp điện trong LĐPP: 
Min F(x) ≡ [F1(x), F2(x)] (21) 
trong đó, F(x) là hàm đa mục tiêu của bài toán; F1(x) là hàm 
mục tiêu kinh tế; F2(x) là hàm mục tiêu kỹ thuật. 
a. Hàm mục tiêu kinh tế 
Trong bài báo này, hàm mục tiêu kinh tế được đề xuất 
như sau: 
𝐹1 = 𝐶
𝐹𝑃𝐼 = ∑ 𝛼𝑗 . 𝐶𝑗
𝐹𝑃𝐼
𝑗∈Ω𝐶 (22) 
Min F1 = min CFPI (23) 
Trong đó: 
Ωc: tập hợp các vị trí có thể được lắp đặt FPI; CjFPI: chi 
phí lắp đặt FPI tại vị trí đó, chi phí này sẽ thay đổi theo 
công nghệ FPI (có sử dụng loại hỗ trợ truyền tín hiệu qua 
hệ thống SCADA hay không); αj: biến nhị phân xác định 
có lắp đặt FPI tại vị trí j hay không. 
Yếu tố chi phí thiệt hại do mất điện của khách hàng sẽ 
không được xét đến theo điều kiện thực tế ở Việt Nam. 
b. Hàm mục tiêu kỹ thuật (ĐTC của lưới điện) 
Việc ứng dụng công nghệ chỉ báo đường đi sự cố trong 
LĐPP góp phần nâng cao ĐTC cung cấp điện thông qua 
việc giảm giá trị SAIDI. Do đó hàm mục tiêu ĐTC sẽ là: 
Min F2 = min SAIDI (24) 
với SAIDI của lưới điện được tính toán theo (4). 
c. Xác định các ràng buộc 
Các ràng buộc có thể có của bài toán bao gồm: 
- Theo tính chất của LĐPP, tại các recloser đều có khả 
năng xác định có sự cố xảy ra đằng sau nó. Vì vậy các thiết 
bị FPI sẽ không được đặt tại các vị trí này. 
- Ràng buộc về số lượng thiết bị FPI có thể lắp đặt trên 
lưới theo yêu cầu của đơn vị quản lý vận hành. 
- Ràng buộc về khoảng cách tối thiểu giữa các FPI. 
- Ràng buộc về các nhánh trên lưới điện không thể lắp 
đặt FPI (do tình hình thực tế hoặc do yêu cầu chủ quan của 
đơn vị quản lý vận hành). 
- Ràng buộc về kinh phí tối đa có thể đầu tư cho FPI. 
3.3.2. Thuật toán chương trình (Hình 3) 
Bước 1: Nhập số liệu lưới điện 
- Dữ liệu nhập vào chương trình là cấu trúc lưới điện 
(các điểm nút, chiều dài dây dẫn, số lượng khách hàng tại 
các nút, vị trí các TBPĐ, các mạch vòng...). 
- Suất hỏng hóc và thời gian sửa chữa các phần tử lưới điện. 
- Các ràng buộc liên quan đến kỹ thuật và kinh tế. 
Bước 2: Nhập thông số liên quan đến thuật toán MOPSO: 
số vòng lặp, số lượng phần tử, số lượng nghiệm ưu việt. 
Bước 3: Khởi tạo quần thể ban đầu: Tạo ngẫu nhiên 
quần thể đầu tiên P0 với n cá thể. Mỗi cá thể bao gồm 
m bít nhị phân, với m có giá trị gấp 2 lần số lượng nhánh 
của lưới điện. m/2 bít nhị phân đầu tiên thể hiện vị trí các 
FPI được lắp đặt trên các nhánh của lưới điện (nếu bít thứ 
82 Đinh Thành Việt, Võ Văn Phương 
M có giá trị là 1 thì nhánh M của lưới điện sẽ được lắp đặt 
FPI). Tương tự, m/2 bít tiếp theo sẽ xác định công nghệ FPI 
được sử dụng cho nhánh đó, nếu bằng 1 thì FPI tương ứng 
sẽ được ứng dụng công nghệ SCADA, ngược lại thì chỉ sử 
dụng FPI thường. 
Hình 3. Lưu đồ thuật toán tối ưu hóa PSO đa mục tiêu 
Bước 4: Kiểm tra điều kiện ràng buộc: Đối với mỗi cá 
thể phải kiểm tra các ràng buộc như đã nêu trên. Nếu không 
thỏa mãn điều kiện ràng buộc thì thực hiện thuật toán để 
hiệu chỉnh các cá thể phù hợp với yêu cầu bài toán. 
Bước 5: Tính toán các hàm mục tiêu: Tương ứng mỗi 
cá thể trong quần thể, tiến hành tính toán các hàm mục tiêu 
giá trị kinh tế và chỉ số ĐTC SAIDI. 
Bước 6: Dùng thuật toán sắp xếp các nghiệm không 
trội: Sử dụng thuật toán phân loại nghiệm không trội và thứ 
hạng tương ứng ở phần trước để xác định các bộ nghiệm 
ưu việt và phân bố trên biên Pareto. 
Bước 7: Lựa 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)