Dưới đây là bài viết Content SEO học thuật hoàn chỉnh, chuẩn cấu trúc phân tích chuyên sâu dành cho báo cáo nghiên cứu khoa học:

Phân Loại Đồ Thị Phụ Tải Và Phân Tích Phản Ứng Tiêu Thụ Điện Lên Biểu Giá Điện Tại TP.HCM

Tóm tắt nghiên cứu

Báo cáo nghiệm thu đề tài nghiên cứu khoa học do PGS.TS Phan Thị Thanh Bình (Trường Đại học Bách khoa – ĐHQG TP.HCM) chủ nhiệm, dưới sự quản lý của Sở Khoa học và Công nghệ TP.HCM, tập trung giải quyết hai bài toán then chốt trong quản lý hệ thống điện hiện đại: (1) Phương pháp luận khoa học để xác định Đồ thị phụ tải đại diện (Representative Load Curve - RLC) khi dữ liệu phụ tải thực tế không tuân theo luật phân bố chuẩn; và (2) Đánh giá định lượng phản ứng tiêu thụ điện của khách hàng trước các đợt điều chỉnh biểu giá điện theo thời gian sử dụng (Time-of-Use - TOU).

Bằng việc ứng dụng thuật toán phân cụm mờ Fuzzy K-Means (FKM) kết hợp nguyên tắc tối ưu đa mục tiêu (Bellman-Zadeh và Global Criterion) trong không gian 24 chiều, cùng thuật toán Pulsa và mô hình kinh tế lượng Hirschberg-Aigner, nghiên cứu đã chứng minh rằng đồ thị phụ tải tại TP.HCM tuân theo các phân bố phức hợp (Beta 4 tham số, F-location scale) thay vì phân bố chuẩn truyền thống.

Đồng thời, nghiên cứu chỉ ra rằng chính sách tăng giá điện đồng loạt theo cùng một tỷ lệ phần trăm giữa các khung giờ không mang lại hiệu quả điều tiết tải đỉnh, từ đó đề xuất mô hình tối ưu hóa biểu giá TOU đa mục tiêu bằng Giải thuật Di truyền (Genetic Algorithm - GA) phục vụ hiệu quả cho chương trình Quản lý nhu cầu điện (Demand Side Management - DSM).

                      QUY TRÌNH NGHIÊN CỨU TỔNG THỂ
                      
   +--------------------+      +--------------------+      +--------------------+
   |  THU THẬP DỮ LIỆU  |      | KIỂM ĐỊNH PHÂN BỐ  |      |  PHÂN CỤM MỜ FKM   |
   | Trạm 110kV/22kV    | ---> | Tiêu chuẩn Pearson | ---> | Không gian 24 chiều|
   | Giai đoạn 2010-2012|      | Chi bình phương X2 |      | Tối ưu hóa a và k  |
   +--------------------+      +--------------------+      +--------------------+
                                                                     |
   +--------------------+      +--------------------+                v
   | TỐI ƯU BIỂU GIÁ    |      | ĐÀN HỒI GIÁ TOU    |      +--------------------+
   | Đa mục tiêu bằng   | <--- | Mô hình kinh tế H-A| <--- |  XÁC ĐỊNH ĐỒ THỊ   |
   | GA & Tập mờ        |      | Ma trận hệ số e_ij |      |   ĐẠI DIỆN (RLC)   |
   +--------------------+      +--------------------+      +--------------------+

Bối cảnh và tầm quan trọng

Thực trạng nhận thức và khoảng trống nghiên cứu

Trong công tác thiết kế, quy hoạch và vận hành hệ thống điện phân phối, việc xác định đồ thị phụ tải đại diện (RLC) là dữ liệu đầu vào sống còn. RLC cung cấp cơ sở để chọn công suất trạm biến áp, định cỡ khí cụ điện, và đặc biệt là làm số đo giả (pseudo-measurements) cho bài toán Ước lượng trạng thái lưới phân phối (Distribution System State Estimation - DSE) trong các hệ thống SCADA/DMS.

Trước đây, hầu hết các phương pháp tính toán truyền thống đều mặc định giả thiết rằng: Dữ liệu phụ tải tuân theo quy luật phân bố chuẩn (Gaussian Distribution). Từ đó, các kỹ sư thường sử dụng phương pháp trung bình cộng giản đơn ($\mu$) kèm độ lệch chuẩn ($\sigma$) để lập đồ thị đại diện.

Tuy nhiên, các nghiên cứu chuyên sâu trên thế giới (như tại Nam Phi hay Brazil với phần mềm ANATIPO) đã khẳng định rằng phụ tải điện đô thị chịu ảnh hưởng bởi rất nhiều yếu tố phi tuyến tính (thời tiết, chu kỳ sản xuất, tập quán sinh hoạt, ngày lễ...), khiến phân bố xác suất thực tế bị lệch mạnh. Việc lấy giá trị trung bình đại số làm đồ thị đại diện vô hình trung làm triệt tiêu các đặc trưng tới hạn như công suất đỉnh ($P_{max}$), công suất đáy ($P_{min}$) và làm biến dạng các hệ số hình dáng phụ tải.

Tính cấp thiết tại TP.HCM

TP.HCM là trung tâm kinh tế có mật độ tiêu thụ năng lượng điện cao nhất cả nước. Mặc dù Tổng công ty Điện lực TP.HCM (EVNHCMC) đã triển khai công tơ điện tử 3 giá (TOU) và thu thập dữ liệu tự động, nhưng trong nhiều năm vẫn thiếu vắng một công trình nghiên cứu hệ thống, bài bản để đánh giá hiệu quả của biểu giá này lên hành vi của các hộ dùng điện. Biểu giá TOU được ban hành nhằm mục đích khuyến khích khách hàng dịch chuyển phụ tải từ giờ cao điểm sang giờ thấp điểm.

Tuy nhiên, nếu không có công cụ lượng hóa độ co giãn tiêu thụ (hệ số đàn hồi), ngành điện sẽ không thể biết được liệu khách hàng có thực sự thay đổi quy trình sản xuất để san phẳng đồ thị tải hay chỉ thụ động chịu thêm chi phí tiền điện. Đề tài này được thực hiện nhằm lấp đầy khoảng trống khoa học đó, đáp ứng trực tiếp yêu cầu hiện đại hóa lưới điện thành phố.

Methodology và tiếp cận khoa học

Nghiên cứu áp dụng phương pháp luận đa tầng kết hợp giữa lý thuyết xác suất thống kê phi tham số, kỹ thuật phân cụm mờ, kinh tế lượng ứng dụng và tối ưu hóa tiến hóa:

                            KHUNG PHƯƠNG PHÁP LUẬN

1. Thu thập và làm sạch tập dữ liệu thực nghiệm

  • Dữ liệu phụ tải đo đếm công suất theo giờ (24 điểm đo/ngày) tại các trạm biến áp 110/22kV toàn TP.HCM trong các năm 2010, 2011, 2012.
  • Dữ liệu phụ tải tổng của hệ thống điện TP.HCM (2011–2012).
  • Dữ liệu chi tiết từ 24 khách hàng doanh nghiệp thuộc nhóm ngành dệt may.
  • Dữ liệu được phân tách và lọc thô theo các yếu tố: Mùa mưa / mùa nắng, ngày làm việc / ngày nghỉ / lễ, từng thứ trong tuần (từ thứ Hai đến Chủ nhật), từng tháng trong năm, và các lát cắt 2 ngày, 1 tuần trước và sau các thời điểm thay đổi biểu giá điện.

2. Kiểm định phân bố thống kê phi tham số

Sử dụng kiểm định Khi bình phương Pearson ($\chi^2$) với mức ý nghĩa $\alpha = 0.05$: $$\chi^2 = \sum_{i=1}^k \frac{(n_i - n p_i)^2}{n p_i} < C_\alpha$$ Kiểm định lần lượt trên các hàm phân bố: Phân bố chuẩn (Gaussian), Phân bố Beta 4 tham số, Phân bố Gamma, Phân bố Hàm mũ và Phân bố F-location scale.

3. Giải thuật phân cụm mờ Fuzzy K-Means (FKM) và dung hòa đa mục tiêu

Phụ tải ngày được biểu diễn thành một vectơ trong không gian 24 chiều tương ứng với 24 giờ. Hàm mục tiêu tối thiểu hóa sai số mờ: $$F(W, Z) = \sum_{i=1}^k \sum_{j=1}^n w_{ij}^\alpha |X_j - Z_i|^2 \to \min$$ Trong đó $\alpha \in (1, \infty)$ là chỉ số mờ (fuzziness index). Để xác định số cụm tối ưu $k$, nghiên cứu không dựa vào một tiêu chuẩn đơn lẻ mà tích hợp 6 chỉ số phân cụm kinh điển:

  • Bezdek’s Partition Coefficient (PC)
  • Bezdek’s Partition Entropy (PE)
  • Modified Partition Coefficient (MPC)
  • Xie-Beni Index (XB)
  • Fuzzy PBM Index (PBMF)
  • VW Index (W)

Sau đó, áp dụng nguyên tắc tối ưu đa mục tiêu Bellman-Zadeh (BZ) và Hàm mục tiêu toàn cục (Global Criterion - GC) để tìm số nhóm $k$ đồng thuận.

Quy tắc xác định RLC được chuẩn hóa:

  • Nếu tồn tại nhóm áp đảo có tỷ lệ phần tử $\mu_i \ge 66.67%$, tâm cụm $Z_i$ của nhóm đó chính là RLC của toàn bộ tập dữ liệu.
  • Nếu không có nhóm áp đảo, RLC được xây dựng từ kỳ vọng toán học có trọng số của các tâm cụm: $$Z_{dh} = \sum_{i=1}^k \mu_i Z_i$$

4. Thuật toán phân cụm thích nghi Pulsa

Để phân tích chuỗi số liệu điện năng tiêu thụ trong không gian ít chiều (1D cho điện năng ngày, 2D cho điện năng kết hợp nhiệt độ), nhóm tác giả đã xây dựng phần mềm dựa trên thuật toán Pulsa. So với thuật toán Forel, Pulsa vượt trội hơn nhờ khả năng tự động co giãn bán kính quả cầu quét ($r_{min} \leftrightarrow r_{max}$) và điều chỉnh tâm thích nghi, giúp xử lý triệt để bài toán khác biệt thứ nguyên giữa điện năng (MWh) và nhiệt độ ($^\circ\text{C}$).

5. Mô hình phân tích phản ứng giá Hirschberg-Aigner và tối ưu hóa TOU

Ứng dụng mô hình kinh tế hàm chi phí siêu việt (Translog Cost Function) do Hirschberg-Aigner đề xuất để xác định ma trận hệ số đàn hồi giá điện riêng ($\eta_{ii}$) và đàn hồi chéo ($\eta_{ij}$): $$\eta_{ij} = \frac{\partial \ln Q_i}{\partial \ln P_j}$$ Khi mô hình kinh tế lượng gặp hiện tượng nhiễu do khoảng cách giữa các đợt tăng giá quá dài, nghiên cứu áp dụng mô hình cân bằng ngắn hạn giải bằng phương pháp bình phương cực tiểu. Cuối cùng, thiết lập bài toán tối ưu hóa đa mục tiêu: $$\begin{cases} f_1 = \min(\max(QQ_i^T)) & \text{(Cực tiểu công suất đỉnh)} \ f_2 = \min(\max(QQ_i^T) - \min(QQ_i^T)) & \text{(Cực tiểu chênh lệch đỉnh - đáy)} \end{cases}$$ Bài toán được giải bằng Giải thuật Di truyền (GA) kết hợp lý thuyết tập mờ nhằm tìm ra bộ biểu giá TOU tối ưu mà không làm thay đổi đáng kể chi phí tiền điện của doanh nghiệp và doanh thu của ngành điện.

Phát hiện chính của nghiên cứu

                               CÁC PHÁT HIỆN CỐT LÕI

1. Bác bỏ giả thiết phân bố chuẩn của phụ tải đô thị

Kiểm định Khi bình phương $\chi^2$ trên toàn bộ 24 khung giờ phụ tải TP.HCM khẳng định: Không có khung giờ nào tuân theo phân bố chuẩn.

  • Giờ thấp điểm đêm (01h - 06h) và tối (20h - 24h): Tuân theo luật phân bố Four-parameter Beta Distribution.
  • Giờ làm việc ban ngày (07h - 19h): Tuân theo luật phân bố F-location-scale Distribution.

[!IMPORTANT] Việc áp dụng quy tắc $2\sigma$ hay $3\sigma$ dựa trên phân bố chuẩn để xây dựng đồ thị đại diện là hoàn toàn sai lệch về mặt toán học, dẫn đến việc ước lượng thiếu công suất đỉnh trong bài toán vận hành SCADA/DMS.

2. Định hình bộ đồ thị đại diện (RLC) chuẩn hóa cho TP.HCM

  • Phân hóa ngày thường và ngày nghỉ: Đỉnh phụ tải ngày nghỉ thấp hơn ngày thường khoảng 30%. Tỷ lệ giữa công suất đáy và đỉnh tối của ngày nghỉ đạt $0.75$, trong khi ở ngày thường tỷ lệ giữa đáy đêm và đỉnh chiều sâu hơn rất nhiều, chỉ đạt mức xấp xỉ $0.58$.
  • Đặc trưng ngày trong tuần: Các ngày từ thứ Ba đến thứ Sáu có dạng đồ thị tương đồng cao với 2 đỉnh rõ rệt (đỉnh sáng lúc 10h-11h và đỉnh chiều lúc 14h-15h, trong đó đỉnh chiều luôn cao nhất). Thứ Hai có đặc thù tăng tải chậm hơn vào đầu giờ sáng, trong khi thứ Bảy bắt đầu giảm tải từ sau 12h trưa.
  • Tác động theo mùa: Hình dáng đồ thị mùa mưa và mùa nắng giữ nguyên cấu trúc đa đỉnh, nhưng biên độ công suất toàn hệ thống mùa nắng dịch chuyển lên cao do nhu cầu điều hòa không khí tăng vọt.

3. Lượng hóa tương quan giữa nhiệt độ và tiêu thụ điện

Nghiên cứu chứng minh mối quan hệ giữa logarithm điện năng tiêu thụ ($\ln A$) và nhiệt độ trung bình ngày ($T_0$) đạt hệ số tương quan rất cao ($r > 0.7$, vượt qua kiểm định Student $t$ ở độ tin cậy 95%). Mối quan hệ này thể hiện rõ rệt nhất tại các trạm biến áp khu vực trung tâm có tỷ trọng phụ tải sinh hoạt - dịch vụ cao (như trạm Bến Thành, Thị Nghè), trong khi các trạm khu công nghiệp tập trung (Linh Trung 1, Linh Trung 2, Tân Bình) ít chịu tác động của nhiệt độ hơn mà phụ thuộc chủ yếu vào ca kíp sản xuất.

4. Phát hiện nghịch lý từ cơ chế tăng giá điện TOU cào bằng

Phân tích ma trận hệ số đàn hồi giá ($\eta_{ij}$) qua 4 đợt điều chỉnh giá điện giai đoạn 2010–2012 cho thấy:

  • Hệ số đàn hồi riêng giờ cao điểm có giá trị âm ($\eta_{pp} < 0$), chứng minh khách hàng có phản ứng giảm tải khi giá cao điểm tăng.
  • Bất cập lớn: Các đợt điều chỉnh giá trong thực tế thường tăng đều tỷ lệ phần trăm ($% \Delta P$) cho cả 3 khung giờ (bình thường, cao điểm, thấp điểm). Nghiên cứu đã chứng minh bằng toán học rằng: Khi tăng đều tỷ lệ $%$, tỷ số chênh lệch giá tuyệt đối giữa giờ cao điểm và thấp điểm bị co hẹp lại. Điều này làm triệt tiêu động lực chuyển dịch ca sản xuất của các doanh nghiệp, thậm chí dẫn đến hiện tượng xuất hiện đỉnh phụ tải mới ở giờ bình thường.

Đóng góp khoa học và giá trị ứng dụng

1. Đóng góp về mặt lý thuyết và phương pháp luận

  • Phát triển khung phân cụm thích nghi: Đề xuất quy trình giải bài toán phân cụm mờ 24 chiều hoàn chỉnh, dung hòa thành công 6 chỉ số đánh giá chất lượng phân cụm thông qua nguyên tắc tối ưu đa mục tiêu Bellman-Zadeh và Global Criterion. Khung phương pháp này đã được kiểm chứng đạt độ chính xác tuyệt đối trên các bộ dữ liệu mẫu chuẩn quốc tế (IRIS, WBCD).
  • Hoàn thiện phương pháp ước lượng đàn hồi phụ tải: Xây dựng phương pháp đánh giá đáp ứng ngắn hạn của phụ tải dựa trên hệ phương trình vi phân biến thiên điện năng, khắc phục điểm nghẽn thiếu chuỗi số liệu dài hạn của các thị trường điện đang phát triển.

2. Giá trị ứng dụng thực tiễn

  • Hiện đại hóa vận hành hệ thống SCADA/DMS: Ngân hàng dữ liệu RLC chuẩn hóa (cho thành phố, từng trạm 110kV và từng nhóm khách hàng) là công cụ trực tiếp giúp điều độ viên tính toán trào lưu công suất, ước lượng trạng thái lưới điện trong điều kiện thiếu công tơ đo xa thời gian thực.
  • Tối ưu hóa thiết kế biểu giá bán lẻ điện: Thuật toán tối ưu hóa đa mục tiêu bằng GA cung cấp công cụ khoa học cho Cục Điều tiết Điện lực (ERAV) và EVN trong việc thiết kế tỷ lệ giá giữa các khung giờ, đảm bảo hài hòa lợi ích kinh tế giữa đơn vị cấp điện và khách hàng sử dụng điện.

Đối tượng quan tâm và lợi ích

Nhóm đối tượng Khía cạnh quan tâm Lợi ích cụ thể nhận được
Kỹ sư vận hành & Điều độ (EVN, EVNHCMC, A0, A2) • Ước lượng trạng thái lưới (DSE)
• Quản lý phụ tải đỉnh hệ thống		 Nhận diện chính xác hình thái phụ tải thực tế, giảm thiểu sai số dự báo, tối ưu hóa đóng cắt tụ bù và phân bổ công suất trạm.
Cơ quan quản lý & Hoạch định (Bộ Công Thương, ERAV, Sở KH&CN) • Thiết kế cơ chế giá TOU
• Chương trình quản lý nhu cầu (DSM)		 Có công cụ toán học định lượng để ban hành biểu giá điện khoa học, tránh tăng giá cào bằng gây phản tác dụng điều tiết.
Các nhà nghiên cứu & Học viên cao học ngành Hệ thống điện • Ứng dụng Fuzzy Logic & GA
• Phân tích chuỗi thời gian phụ tải		 Tiếp cận khung phương pháp luận chuẩn mực, các thuật toán phân nhóm tự động (FKM, Pulsa) và mô hình kinh tế lượng phụ tải.
Khách hàng công nghiệp lớn & Quản lý năng lượng • Tối ưu hóa chi phí tiền điện
• Quản lý năng lượng nội bộ		 Hiểu rõ cơ chế đàn hồi phụ tải để chủ động dịch chuyển dây chuyền sản xuất vào các khung giờ có lợi nhất về mặt chi phí.

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của đề tài là gì?

Phát hiện mang tính nền tảng nhất là chứng minh phụ tải điện thực tế tại TP.HCM không tuân theo luật phân bố chuẩn, do đó việc lấy đồ thị trung bình làm đại diện là không chính xác. Đồng thời, nghiên cứu chứng minh việc tăng giá điện đều theo tỷ lệ phần trăm ở tất cả các khung giờ TOU sẽ làm giảm hiệu quả điều tiết tải đỉnh của hệ thống.

2. Thuật toán phân nhóm Fuzzy K-Means trong đề tài có ưu điểm gì so với gom cụm phân tầng?

Fuzzy K-Means (FKM) có độ phức tạp tính toán thấp hơn nhiều khi xử lý tập dữ liệu lớn hàng năm trời trong không gian 24 chiều. Hơn nữa, việc sử dụng hàm liên thuộc mờ giúp tâm cụm phản ánh được đặc trưng của toàn bộ tập dữ liệu mà không bị bó hẹp cục bộ như các thuật toán phân nhóm rõ (Hard Clustering).

3. Kết quả nghiên cứu có thể tổng quát hóa cho các địa phương khác không?

Hoàn toàn có thể. Khung thuật toán xác định RLC bằng FKM, thuật toán Pulsa và mô hình tối ưu hóa biểu giá TOU bằng GA là các công cụ độc lập với vị trí địa lý, có thể áp dụng trực tiếp cho mọi công ty điện lực tỉnh, thành phố hoặc các khu công nghiệp trên toàn quốc.

4. Thuật toán Pulsa vượt trội hơn thuật toán Forel ở điểm nào?

Trong bài toán phân tích tiêu thụ điện, thuật toán Pulsa có khả năng tự động co giãn bán kính quả cầu quét dựa trên số lượng phần tử thu thập được. Điều này giúp Pulsa cực kỳ nhạy bén với các điểm dị biệt (như điện năng ngày Chủ nhật hoặc ngày nghỉ đột xuất), trong khi Forel thường bỏ sót hoặc phân nhóm không ổn định.

5. Tại sao không nên tăng giá điện theo cùng một tỷ lệ phần trăm cho cả ba khung giờ?

Bởi vì khi tăng đều cùng một tỷ lệ phần trăm (ví dụ đều tăng 5%), chênh lệch giá tương đối giữa các khung giờ không thay đổi, làm triệt tiêu động lực chuyển đổi phụ tải của khách hàng. Để giảm tải đỉnh hiệu quả, mức tăng phần trăm giá giờ cao điểm phải được tính toán tối ưu dựa trên ma trận hệ số đàn hồi giá.

Kết luận

Đề tài nghiên cứu khoa học của PGS.TS Phan Thị Thanh Bình đã đóng góp một công trình toàn diện, kết hợp nhuần nhuyễn giữa toán học ứng dụng, trí tuệ nhân tạo và kinh tế năng lượng. Bằng việc giải quyết dứt điểm bài toán xác định đồ thị phụ tải đại diện phi chuẩn và làm sáng tỏ cơ chế đàn hồi giá TOU, nghiên cứu đã tạo tiền đề vững chắc cho công tác quản lý nhu cầu điện và hiện đại hóa hệ thống điện TP.HCM.

Trong bối cảnh Việt Nam đang tiến sâu vào lộ trình phát triển thị trường bán buôn và bán lẻ điện cạnh tranh, việc nhân rộng và tích hợp các thuật toán phân cụm mờ cùng mô hình tối ưu hóa TOU của đề tài vào hệ thống điều hành thực tế là bước đi cấp thiết, giúp ngành điện vận hành an toàn, kinh tế và bền vững.