Tổng quan luận án

Luận án tiến sĩ kỹ thuật với đề tài "Đánh giá ảnh hưởng của các yếu tố bất định đối với sự làm việc an toàn của Hệ thống điện Việt Nam" do nghiên cứu sinh Huỳnh Văn Kỳ thực hiện dưới sự hướng dẫn khoa học của Lê Đình Dương tại Đại học Đà Nẵng (năm 2020), thuộc chuyên ngành Kỹ thuật điện (Mã số: 62.02).

+----------------------------------------------------------------------------------------------------+
|                                    TỔNG QUAN HỌC THUẬT LUẬN ÁN                                      |
+----------------------+-----------------------------------------------------------------------------+
| Tác giả & Hướng dẫn  | NCS. Huỳnh Văn Kỳ — Người hướng dẫn: Lê Đình Dương                          |
| Cơ sở đào tạo        | Đại học Đà Nẵng (Năm bảo vệ: 2020)                                          |
| Chuyên ngành & Mã số | Kỹ thuật điện — Mã số: 62.02                                                |
| Hướng tiếp cận       | Định lượng: Xác suất thống kê, Khai phá dữ liệu (PCA, DE, K-means),         |
|                      | Mô phỏng Monte-Carlo phân cụm (CMC), Giải tích mạng điện (PFC)              |
| Phạm vi ứng dụng     | Hệ thống mẫu IEEE (14, 57, 118 nút) & Lưới truyền tải 500 kV Việt Nam (2025)|
+----------------------+-----------------------------------------------------------------------------+

1. Tính cấp thiết của đề tài và khoảng trống nghiên cứu

Trong quá trình vận hành hệ thống điện (HTĐ), sự thâm nhập ngày càng cao của các nguồn năng lượng tái tạo như điện gió, điện mặt trời mang lại lợi ích về môi trường nhưng đồng thời đưa vào hệ thống các yếu tố bất định lớn do tính chất ngẫu nhiên của thời tiết. Các yếu tố này kết hợp với sự biến động ngẫu nhiên của phụ tải và xác suất sự cố thiết bị (đường dây, máy biến áp, tổ máy phát) làm tăng rủi ro mất an toàn vận hành.

Phương pháp tính toán trào lưu công suất truyền thống (sử dụng thuật toán xác định như Newton-Raphson hay Gauss-Seidel trên các phần mềm PSS/E, DIgSILENT PowerFactory, ETAP, PowerWorld, Conus) chỉ xử lý các thông số đầu vào cố định. Để đánh giá an toàn, phương pháp truyền thống thường chọn kịch bản vận hành cực đoan nhất (phụ tải cực đại kết hợp sự cố phần tử). Tuy nhiên, các kịch bản nguy hiểm này có xác suất xuất hiện trong thực tế rất bé, dẫn đến việc đề xuất giải pháp kỹ thuật dựa trên thông số cực đoan làm gia tăng chi phí đầu tư và giảm hiệu quả kinh tế. Do đó, yêu cầu đặt ra là phải phát triển công cụ tính toán trào lưu công suất xác suất (Probabilistic Power Flow - PPF) nhằm định lượng quy luật biến thiên của thông số chế độ và xác suất vi phạm giới hạn cho phép.

Khoảng trống nghiên cứu chính được luận án xác định bao gồm:

  1. Các phương pháp giải tích hiện hữu đòi hỏi tuyến tính hóa quan hệ mạng điện nên sai số lớn khi các biến đầu vào biến thiên trong phạm vi rộng (như điện gió, điện mặt trời).
  2. Các phương pháp mô phỏng ngẫu nhiên truyền thống (Monte-Carlo Simulation - MCS) có độ chính xác cao nhưng khối lượng tính toán quá lớn, không khả thi khi áp dụng cho các HTĐ thực tế quy mô lớn.
  3. Việc tích hợp đồng thời các quy luật phân phối phi chuẩn, quan hệ phi tuyến và sự tương quan ngẫu nhiên (correlation) giữa các nguồn năng lượng mới và phụ tải trong HTĐ Việt Nam chưa được nghiên cứu ứng dụng toàn diện.

2. Mục tiêu nghiên cứu

  • Xây dựng công cụ tính toán, phân tích chế độ làm việc của HTĐ có xét đến các yếu tố bất định dựa trên phương pháp mô phỏng Monte-Carlo kết hợp các kỹ thuật khai phá dữ liệu (data mining) và kỹ thuật mô hình hóa xác suất.
  • Xác định quy luật biến thiên của các thông số chế độ (điện áp nút, dòng điện, công suất truyền tải trên nhánh) và định lượng xác suất các thông số này vi phạm giới hạn an toàn.
  • Cung cấp cơ sở khoa học để đề xuất các giải pháp nâng cao mức độ an toàn vận hành, đảm bảo hiệu quả kinh tế.
  • Ứng dụng công cụ để phân tích, đánh giá khả năng vận hành an toàn của HTĐ truyền tải 500 kV Việt Nam trong giai đoạn quy hoạch đến năm 2025.

3. Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu:
    1. Các mô hình và hàm phân phối xác suất biểu diễn các yếu tố bất định (công suất nguồn điện gió, mặt trời, phụ tải, trạng thái thiết bị).
    2. Các kỹ thuật xử lý và khai phá dữ liệu (tiền xử lý ngoại lai, chuẩn hóa dữ liệu, thu giảm kích thước bằng PCA, phân nhóm dữ liệu bằng K-means và Differential Evolution).
    3. Phương pháp tính toán và thuật toán giải tích mạng điện tích hợp yếu tố ngẫu nhiên.
  • Phạm vi nghiên cứu:
    1. Về mặt lý thuyết: Thuật toán trào lưu công suất xác suất trong chế độ xác lập, mô hình nút cân bằng phân tán (Distributed Slack Bus - DSB).
    2. Về mặt thử nghiệm: Các hệ thống điện mẫu chuẩn IEEE 14 nút, IEEE 57 nút sửa đổi, IEEE 118 nút sửa đổi.
    3. Về mặt ứng dụng thực tế: Hệ thống điện truyền tải 500 kV Việt Nam giai đoạn đến năm 2025, xét miền thời gian quy hoạch dài hạn, quy hoạch vận hành và vận hành 24 giờ ngày tới (day-ahead).

Tổng quan tài liệu và vị trí của luận án

Bài toán tính toán trào lưu công suất áp dụng phương pháp xác suất được Borkowska đề xuất lần đầu tiên vào năm 1974. Luận án hệ thống hóa các công trình nghiên cứu trên thế giới thành ba nhóm phương pháp chính:

Nhóm phương pháp Kỹ thuật cốt lõi Ưu điểm Nhược điểm & Hạn chế
Phương pháp giải tích (Analytical methods) Tích chập (Convolution), Nửa bất biến (Cumulant), Khai triển chuỗi Gram-Charlier, Cornish-Fisher, Phân bố Von Mises Tốc độ tính toán nhanh, giải được cho hệ thống lớn Phải tuyến tính hóa quan hệ phi tuyến (chuỗi Taylor, McLaren) gây sai số lớn khi biên độ biến thiên rộng; kém chính xác với phân phối phi chuẩn (Non-Gaussian)
Phương pháp xấp xỉ (Approximate methods) Ước lượng điểm (Point Estimate Method - PEM) Giữ được quan hệ phi tuyến vào-ra, tốc độ xử lý tương đối nhanh Độ chính xác suy giảm khi tăng bậc mômen; khối lượng tính toán tăng nhanh khi số lượng biến ngẫu nhiên đầu vào lớn
Phương pháp số (Numerical methods) Mô phỏng Monte-Carlo (MCS), Lấy mẫu Latin Hypercube, Latin Supercube, Importance Sampling Độ chính xác và độ tin cậy cao, mô hình hóa phi tuyến đầy đủ mọi dạng phân phối xác suất Khối lượng tính toán rất nặng nề, thời gian tính toán kéo dài, khó áp dụng trực tiếp cho hệ thống điện thực tế lớn

Bên cạnh đó, các nghiên cứu xử lý tương quan (correlation) giữa các biến ngẫu nhiên đầu vào sử dụng biến đổi Nataf (Nataf transformation), biến đổi đa thức chuẩn (Polynomial Normal transformation) và lý thuyết Copula (Copula theory) đã được điểm lại.

Vị trí lựa chọn của luận án: Luận án lựa chọn hướng tiếp cận phương pháp số (mô phỏng Monte-Carlo) nhằm bảo toàn tính phi tuyến và độ chính xác của mạng điện, đồng thời đề xuất phương pháp mới Clustering based Monte-Carlo (CMC). Phương pháp này kết hợp kỹ thuật phân tích thành phần chính (Principal Component Analysis - PCA) và các thuật toán phân cụm dữ liệu (K-means, Differential Evolution - DE) để thu giảm không gian mẫu mà vẫn đại diện đầy đủ các trạng thái vận hành, giải quyết triệt để rào cản về thời gian tính toán của phương pháp Monte-Carlo truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Cơ sở lý thuyết xác suất thống kê

Luận án sử dụng các đại lượng thống kê cơ bản để mô tả các biến ngẫu nhiên đầu vào và thông số trạng thái đầu ra:

  • Xác suất của sự kiện $A$: $0 \le P{A} \le 1$; Tổng xác suất không gian mẫu: $P{\Omega} = 1$.
  • Hàm mật độ xác suất (PDF) $f(x)$ và Hàm phân phối xác suất tích lũy (CDF): $F(x) = P{X \le x} = \int_{-\infty}^{x} f(t)dt$.
  • Kỳ vọng toán học (Expected value): $\mu_X = E(X) = \int_{-\infty}^{+\infty} x f(x) dx$ (đối với biến liên tục) hoặc $E(X) = \sum_{i=1}^n x_i p_i$ (đối với biến rời rạc).
  • Phương sai (Variance): $\sigma_X^2 = Var(X) = E\left[(X - E(X))^2\right]$ và Độ lệch chuẩn $\sigma_X = \sqrt{Var(X)}$.
  • Hiệp phương sai (Covariance): $Cov(X, Y) = E(XY) - E(X)E(Y)$.
  • Hệ số tương quan (Correlation coefficient): $$\rho_{X, Y} = \frac{Cov(X, Y)}{\sigma_X \sigma_Y}, \quad -1 \le \rho_{X, Y} \le 1$$

2. Các hàm phân phối xác suất mô hình hóa phần tử hệ thống điện

  1. Phân phối đều (Uniform distribution): Sử dụng khi biến ngẫu nhiên có mật độ xác suất không đổi trên đoạn $[a, b]$: $$f(x) = \frac{1}{b - a} \quad \text{với } x \in [a, b]$$
  2. Phân phối chuẩn (Gaussian/Normal distribution): Biểu diễn phụ tải nút với hai tham số kỳ vọng $\mu$ và độ lệch chuẩn $\sigma$: $$f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$
  3. Phân phối 0-1 và Phân phối nhị thức (Binomial distribution): Biểu diễn trạng thái làm việc/sự cố ngẫu nhiên của $n$ tổ máy phát hoặc đường dây truyền tải độc lập với xác suất làm việc $p$ và xác suất sự cố $1-p$: $$f(x; n, p) = \binom{n}{x} p^x (1 - p)^{n-x}, \quad \mu = np, \quad \sigma^2 = np(1-p)$$
  4. Phân phối Weibull: Mô hình hóa vận tốc gió với tham số hình dáng $\alpha$ và tham số tỷ lệ $\beta$: $$f(x) = \left(\frac{\alpha}{\beta}\right) \left(\frac{x}{\beta}\right)^{\alpha - 1} e^{-\left(\frac{x}{\beta}\right)^\alpha}$$
  5. Phân phối Beta: Biểu diễn biến ngẫu nhiên bị chặn trong miền $[0, 1]$ (bức xạ mặt trời, công suất điện mặt trời) với tham số $a, b$: $$f(x) = \frac{1}{\text{B}(a, b)} x^{a-1} (1-x)^{b-1}$$
  6. Phân phối Gamma: Mô hình hóa vận tốc gió và bức xạ mặt trời với tham số hình dáng $a$ và tham số tỷ lệ $b$: $$f(x) = \frac{1}{b^a \Gamma(a)} x^{a-1} e^{-\frac{x}{b}}$$
  7. Phân phối hỗn hợp nhiều đỉnh (Multimodal / Gaussian Mixture Distribution): Biểu diễn dữ liệu có nhiều đỉnh phân bố: $$f(x) = \sum_{i=1}^k w_i f_i(x) \quad \text{với } \sum w_i = 1$$
+----------------------------------------------------------------------------------------------------+
|                       CÁC MÔ HÌNH PHÂN PHỐI XÁC SUẤT TRONG HỆ THỐNG ĐIỆN                           |
+--------------------------+----------------------------+--------------------------------------------+
| Phần tử / Hiện tượng     | Dạng phân phối sử dụng     | Tham số đặc trưng                          |
+--------------------------+----------------------------+--------------------------------------------+
| Phụ tải nút tiêu thụ     | Phân phối Chuẩn (Gaussian) | Kỳ vọng μ, Độ lệch chuẩn σ                 |
| Trạng thái sự cố tổ máy  | Phân phối 0-1 / Nhị thức   | Số lượng máy n, Xác suất khả dụng p        |
| Vận tốc gió / Điện gió   | Weibull, Gamma, Đa thức    | Weibull (α, β), Gamma (a, b), Bậc đa thức 8|
| Bức xạ / Điện mặt trời   | Beta, Gamma                | Tham số hình dáng a, Tham số tỷ lệ b       |
| Phụ tải phức hợp đa đỉnh | Gaussian Mixture (GMM)     | Trọng số trộn w_i, Kỳ vọng μ_i, Độ lệch σ_i|
+--------------------------+----------------------------+--------------------------------------------+

3. Kỹ thuật khai phá và xử lý dữ liệu

  • Xử lý dữ liệu bị thiếu (Missing data): Khôi phục chuỗi thời gian gián đoạn từ đo đếm.
  • Loại bỏ phần tử ngoại lai (Outlier removal): Phân chia dải vận tốc gió thành các thùng dữ liệu (Bin) có độ rộng $0{,}5\text{ m/s}$, loại bỏ các điểm dữ liệu công suất sai lệch vượt quá ngưỡng $4\sigma$ so với giá trị trung bình trong từng Bin.
  • Chuẩn hóa dữ liệu (Normalization): Chuyển đổi dữ liệu về dạng chuẩn tắc $Z = \frac{X - \mu}{\sigma}$.
  • Thu giảm chiều dữ liệu (Data reduction): Áp dụng kỹ thuật PCA để giảm kích thước không gian biến ngẫu nhiên đầu vào dựa trên biểu đồ Scree (Scree plot) nhằm giữ lại các thành phần chính mang phần lớn phương sai.
  • Phân nhóm dữ liệu (Clustering): Sử dụng K-means kết hợp thuật toán tối ưu hóa tiến hóa vi sai (Differential Evolution - DE) để phân nhóm không gian mẫu đầu vào thành $k$ cụm đại diện cho phương pháp CMC.

Nội dung chính theo từng chương

Chương 1: Phương pháp xây dựng bộ số liệu để tính toán phân tích các chế độ làm việc của Hệ thống điện có xét đến các yếu tố bất định

Chương 1 thiết lập cơ sở toán học xác suất thống kê và quy trình xây dựng bộ dữ liệu ngẫu nhiên đầu vào:

  1. Thiết lập quy trình tạo mẫu ngẫu nhiên: Quy trình gồm 4 bước: Thu thập dữ liệu vận hành thực tế $\rightarrow$ Phân tích biểu đồ tần suất (Histogram) và hàm CDF $\rightarrow$ Ước lượng tham số phân phối (sử dụng Curve Fitting Toolbox và hàm fitdist trong Matlab) $\rightarrow$ Phát sinh bộ số liệu ngẫu nhiên quy mô lớn ($N = 10.000$ mẫu).
  2. Thực nghiệm ước lượng biến ngẫu nhiên phụ tải $X_i$: Từ số liệu đo đếm hàng giờ trong 1 năm, ước lượng được hàm phân phối chuẩn với kỳ vọng $\mu = 119{,}987\text{ MW}$ và độ lệch chuẩn $\sigma = 9{,}95616\text{ MW}$.
  3. Mô hình hóa nhà máy điện gió thực tế: Sử dụng bộ dữ liệu đo đếm vận hành 1 năm của nhà máy điện gió 90 MW tại Ý với các thông số: vận tốc khởi động $V_{\text{cut-in}} = 3\text{ m/s}$, vận tốc cắt $V_{\text{cut-out}} = 20\text{ m/s}$, vận tốc định mức $V_{\text{rated}} = 11\text{ m/s}$. Luận án lựa chọn phương pháp gián tiếp (mô hình hóa vận tốc gió kết hợp đường cong công suất $P-V$):
    • Đường cong công suất thực tế được lọc ngoại lai theo từng Bin $0{,}5\text{ m/s}$ (ngưỡng loại $4\sigma$) và xấp xỉ bằng đa thức bậc 8 (Polynomial degree 8).
    • Phân phối vận tốc gió phù hợp nhất là hàm Gamma với tham số $a = 2{,}75$ và $b = 1{,}93$.
  4. Mô hình hóa tương quan giữa các biến ngẫu nhiên: Khảo sát hai phụ tải $P_1, P_2$ tuân theo phân phối chuẩn với $\mu_1 = 90{,}0147$, $\sigma_1 = 1{,}15$; $\mu_2 = 50{,}0008$, $\sigma_2 = 1{,}41$, hệ số tương quan $\rho_{P_1, P_2} = 0{,}7$ và ma trận hiệp phương sai: $$Cov(P_1, P_2) = \begin{bmatrix} 1{,}33 & 1{,}15 \ 1{,}15 & 1{,}99 \end{bmatrix}$$ Bộ số liệu $10.000$ mẫu phát ra phản ánh chính xác phân phối biên của từng biến và cấu trúc phụ thuộc đồng thời giữa hai biến.
+----------------------------------------------------------------------------------------------------+
|                         BỘ SỐ LIỆU MÔ HÌNH HÓA THỰC NGHIỆM TRONG CHƯƠNG 1                           |
+--------------------------+------------------------+------------------------------------------------+
| Đối tượng thực nghiệm    | Dạng mô hình toán học  | Giá trị tham số xác định từ thực tế            |
+--------------------------+------------------------+------------------------------------------------+
| Biến phụ tải giả định Xi | Chuẩn (Normal)         | μ = 119,987; σ = 9,95616; N = 10.000 mẫu       |
| Điện gió Ý (90 MW)       | Vận tốc: Gamma         | a = 2,75; b = 1,93 (V_ci=3, V_co=20, V_r=11)  |
| Đường cong công suất P-V | Đa thức (Polynomial)   | Đa thức bậc 8 (lọc nhiễu theo Bin 0,5 m/s, 4σ) |
| Tương quan phụ tải P1-P2 | Chuẩn đa biến (2D)     | μ1=90,0147, σ1=1,15; μ2=50,0008, σ2=1,41       |
| Ma trận Covariance P1-P2 | Ma trận hiệp phương sai| Cov(1,1)=1,33; Cov(1,2)=1,15; Cov(2,2)=1,99    |
| Hệ số tương quan ρ_P1,P2 | Pearson correlation    | ρ = 0,70 (N = 10.000 mẫu phát sinh)            |
+--------------------------+------------------------+------------------------------------------------+

Chương 2: Các kỹ thuật xử lý dữ liệu áp dụng trong bài toán tính toán, phân tích hệ thống điện có xét đến các yếu tố bất định

Chương 2 tập trung vào giải pháp kỹ thuật tiền xử lý và giảm chiều không gian mẫu:

  1. Xử lý chuỗi dữ liệu phụ tải thực tế: Loại bỏ các điểm lỗi, giá trị âm hoặc suy giảm bất thường do sự cố truyền thông đo đếm, khôi phục tính liên tục của dữ liệu phụ tải 8760 giờ/năm.
  2. Kỹ thuật lọc ngoại lai trong không gian nhiều chiều: Ứng dụng các phân vùng biên mức ý nghĩa (significance level) để loại bỏ các điểm dữ liệu phân tán không hợp lệ trước khi phân tích thống kê.
  3. Kỹ thuật thu giảm kích thước dữ liệu (PCA):
    • Chiếu không gian các biến ngẫu nhiên có tương quan cao sang không gian các thành phần chính độc lập tuyến tính.
    • Xác định số lượng thành phần chính giữ lại thông qua điểm gãy trên biểu đồ Scree (Scree plot), giảm thiểu số chiều tính toán mà vẫn giữ lại phần lớn thông tin biến thiên của hệ thống.
  4. Kỹ thuật phân nhóm dữ liệu (Clustering):
    • Ứng dụng thuật toán phân cụm K-means để nhóm các mẫu vận hành tương đồng thành các tâm cụm đại diện.
    • Tích hợp thuật toán tiến hóa vi sai (DE) để tối ưu hóa vị trí các tâm cụm, tránh rơi vào cực trị cục bộ của thuật toán phân cụm truyền thống.
    • Thiết lập quy trình tiền xử lý 5 bước hoàn chỉnh phục vụ bài toán trào lưu công suất xác suất.

Chương 3: Phương pháp phân tích và đánh giá mức độ làm việc an toàn của hệ thống điện hiện có tích hợp các yếu tố bất định

Chương 3 trình bày việc xây dựng mô đun giải tích mạng điện và thuật toán CMC:

  1. Xây dựng mô đun tính toán chế độ xác lập (PFC):
    • Xây dựng chương trình tính toán trào lưu công suất dựa trên thuật toán Newton-Raphson.
    • Kiểm chuẩn độ chính xác của mô đun PFC bằng cách so sánh kết quả tính toán điện áp nút, góc pha, công suất truyền tải nhánh và công suất máy phát với phần mềm PSS/E (Power System Simulator for Engineering) trên cùng lưới thử nghiệm, xác nhận độ sai khác tiệm cận 0.
    • Tích hợp mô hình nút cân bằng phân tán (Distributed Slack Bus - DSB) để phân bổ lượng công suất mất cân bằng do yếu tố bất định gây ra cho nhiều máy phát tham gia điều tần, khắc phục nhược điểm gồn toàn bộ dao động về một nút trôi đơn lẻ.
  2. Thuật toán phân cụm Monte-Carlo (CMC):
    • Thay vì chạy trào lưu công suất cho toàn bộ $N$ mẫu của mô phỏng Monte-Carlo truyền thống (MCS), thuật toán CMC phân nhóm $N$ mẫu thành $K$ cụm ($K \ll N$) bằng kỹ thuật K-means/DE.
    • Tính toán trào lưu công suất xác định cho $K$ tâm cụm đại diện, sau đó tái cấu trúc phân phối xác suất đầu ra dựa trên trọng số xác suất (số lượng phần tử) của từng cụm.
  3. Chương trình phần mềm giám sát an toàn HTĐ:
    • Xây dựng giao diện tính toán tích hợp trên Matlab cho phép tự động nhập dữ liệu, chạy mô đun PFC, chạy mô phỏng MCS và CMC.
    • Thử nghiệm trên lưới điện mẫu IEEE 14 nút: phân tích phân bố dòng điện nhánh (nhánh 9-10, 6-13, 4-5), phân bố điện áp nút (nút 9, 11, 12, 14) và đặc tính truyền tải công suất nhánh 3-4 khi các nút nguồn/tải chịu biến động ngẫu nhiên.
+----------------------------------------------------------------------------------------------------+
|                SO SÁNH CƠ CHẾ TÍNH TOÁN GIỮA THUẬT TOÁN MCS VÀ THUẬT TOÁN ĐỀ XUẤT CMC               |
+--------------------------+---------------------------------+---------------------------------------+
| Đặc tính so sánh         | Mô phỏng Monte-Carlo (MCS)      | Phân cụm Monte-Carlo (CMC đề xuất)    |
+--------------------------+---------------------------------+---------------------------------------+
| Không gian mẫu tính toán | N mẫu (thường 10.000 - 50.000)  | K cụm đại diện (K = 10 đến 20 cụm)    |
| Số lần giải trào lưu PFC | N lần giải trào lưu công suất   | K lần giải trào lưu tại các tâm cụm   |
| Xử lý tương quan đầu vào | Bắt buộc lấy mẫu phân phối ghép | Tích hợp trong không gian PCA / Cụm   |
| Thời gian tính toán      | Rất lớn (tỷ lệ thuận với N)     | Rất ngắn (giảm hàng chục đến trăm lần)|
| Độ chính xác hàm CDF     | Chuẩn đối sánh tuyệt đối        | Tiệm cận hoàn toàn đường cong MCS     |
+--------------------------+---------------------------------+---------------------------------------+

Chương 4: Đánh giá kết quả phương pháp đề xuất trên hệ thống điện mẫu và áp dụng tính toán khả năng vận hành an toàn của Hệ thống điện Việt Nam

Chương 4 thực hiện các tính toán mô phỏng trên các lưới mẫu chuẩn và hệ thống thực tế:

  1. Kiểm nghiệm trên hệ thống điện mẫu IEEE 57 nút sửa đổi:
    • So sánh kết quả tính toán giữa MCS ($N = 10.000$ mẫu) và phương pháp CMC với số lượng cụm $K = 10$ và $K = 20$.
    • Các hàm CDF của điện áp tại nút 16, góc pha nút 16, công suất tác dụng nhánh 1-16 và công suất phản kháng nhánh 1-15 thu được từ CMC (với $K = 20$ cụm) hoàn toàn trùng khớp với phân phối từ MCS.
    • Thời gian thực hiện của CMC giảm đáng kể so với MCS truyền thống.
  2. Kiểm nghiệm trên hệ thống điện mẫu IEEE 118 nút sửa đổi tích hợp điện gió:
    • Mô phỏng tích hợp các trang trại điện gió và phụ tải ngẫu nhiên có tương quan.
    • So sánh hàm CDF của công suất tác dụng nhánh 30-38, công suất phản kháng nhánh 26-25, điện áp nút 16 và công suất máy phát tại nút 80 giữa các phương pháp.
    • Khảo sát ảnh hưởng của các mức độ tương quan khác nhau ($\rho$) đến hàm CDF của trào lưu công suất tác dụng nhánh 11-13, công suất phản kháng nhánh 15-19 và điện áp nút 35. Kết quả chứng minh nếu bỏ qua tính tương quan đầu vào, phân phối xác suất đầu ra sẽ bị lệch đáng kể, dẫn đến đánh giá sai lệch nguy cơ mất an toàn.
  3. Áp dụng tính toán khả năng vận hành an toàn lưới điện 500 kV Việt Nam (giai đoạn đến 2025):
    • Dữ liệu đầu vào: Sơ đồ quy hoạch lưới điện truyền tải 500 kV Việt Nam giai đoạn đến năm 2025; mô hình hóa công suất nhà máy điện mặt trời Trung Nam – Thuận Nam; hàm phân phối chuẩn phụ tải trạm biến áp (TBA) 500 kV Hà Tĩnh; hàm phân phối Weibull phụ tải TBA 500 kV Đức Hòa; hệ số tương quan phụ tải giữa TBA 500 kV Đà Nẵng và Hà Tĩnh ($\rho = 0{,}038$), giữa Đà Nẵng và Dốc Sỏi ($\rho = 0{,}123$).
    • Đánh giá mức độ an toàn:
      • Xác định hàm CDF phân phối điện áp tại các nút thanh cái 500 kV trọng yếu: Thường Tín (nút 33), Nho Quan (nút 35), Hà Tĩnh (nút 36), Dốc Sỏi (nút 39), Mỹ Tho (nút 47).
      • Đánh giá phân bố công suất truyền tải trên giao diện liên kết 500 kV Duyên Hải – Mỹ Tho (nhánh nút 22 đến nút 47) và đặc tính truyền tải nhánh 21-47.
      • Phân tích chuỗi phân bố xác suất của dòng điện đường dây và điện áp nút trong miền thời gian 24 giờ vận hành ngày tới (day-ahead), chỉ ra các thời điểm trong ngày có xác suất vi phạm giới hạn điện áp hoặc quá tải dòng điện.
+----------------------------------------------------------------------------------------------------+
|             CÁC NÚT VÀ PHẦN TỬ LƯỚI TRUYỀN TẢI 500 KV VIỆT NAM (2025) ĐƯỢC ĐÁNH GIÁ                |
+--------------------------+--------------------------------+----------------------------------------+
| Vị trí nút / Đường dây   | Loại phần tử / Phân bố đầu vào | Thông số / Đại lượng đánh giá an toàn  |
+--------------------------+--------------------------------+----------------------------------------+
| ĐMT Trung Nam - Thuận Nam| Nguồn điện mặt trời ngẫu nhiên | Ước lượng hàm phân bố công suất phát   |
| TBA 500 kV Hà Tĩnh       | Phụ tải / Phân phối Chuẩn      | CDF Điện áp nút 36, Tương quan Đà Nẵng |
| TBA 500 kV Đức Hòa       | Phụ tải / Phân phối Weibull    | Ước lượng hàm phân phối công suất tải  |
| TBA 500 kV Đà Nẵng       | Phụ tải / Phân phối thực nghiệm| Tương quan với Hà Tĩnh (ρ=0,038),      |
|                          |                                | Tương quan với Dốc Sỏi (ρ=0,123)       |
| TBA 500 kV Thường Tín    | Nút thanh cái 500 kV (Nút 33)  | CDF Phân phối điện áp xác lập          |
| TBA 500 kV Nho Quan      | Nút thanh cái 500 kV (Nút 35)  | CDF Phân phối điện áp xác lập          |
| TBA 500 kV Dốc Sỏi       | Nút thanh cái 500 kV (Nút 39)  | CDF Phân phối điện áp xác lập          |
| TBA 500 kV Mỹ Tho        | Nút thanh cái 500 kV (Nút 47)  | CDF Phân phối điện áp xác lập          |
| ĐD 500 kV Duyên Hải-MỹTho| Nhánh liên kết (Nút 22 - 47)   | CDF Công suất tác dụng truyền qua ĐD   |
| Nhánh liên kết Nút 21-47 | Nhánh đường dây truyền tải     | Đặc tính công suất truyền tải          |
| Toàn hệ thống 500 kV     | Vận hành 24 giờ ngày tới       | Phân bố xác suất dòng điện & điện áp   |
+--------------------------+--------------------------------+----------------------------------------+

Kết quả và những đóng góp mới

1. Đóng góp mới về mặt lý luận và khoa học

  • Đề xuất quy trình xử lý dữ liệu nâng cao cho bài toán hệ thống điện: kết hợp kỹ thuật tiền xử lý làm sạch dữ liệu, lọc ngoại lai theo Bin vận tốc kết hợp kiểm chuẩn sai lệch $4\sigma$, chuẩn hóa biến ngẫu nhiên, thu giảm kích thước dữ liệu bằng phân tích thành phần chính (PCA) và phân cụm tối ưu bằng thuật toán tiến hóa vi sai (DE) kết hợp K-means.
  • Đề xuất phương pháp mới Clustering based Monte-Carlo (CMC) trong tính toán trào lưu công suất xác suất. Phương pháp này giải quyết được mâu thuẫn cốt lõi giữa độ chính xác phi tuyến và thời gian tính toán, cho phép áp dụng hiệu quả mô phỏng ngẫu nhiên vào các hệ thống điện thực tế quy mô lớn.
  • Thiết lập khung phương pháp luận mô hình hóa đồng thời nhiều dạng phân phối xác suất phi chuẩn (Gamma, Weibull, Beta, đa thức, hỗn hợp Gaussian) và tích hợp cấu trúc tương quan ngẫu nhiên giữa các nguồn năng lượng tái tạo và phụ tải.

2. Đóng góp mới về mặt thực tiễn

  • Xây dựng hoàn chỉnh chương trình phần mềm tính toán, phân tích và giám sát mức độ làm việc an toàn của hệ thống điện có tích hợp các yếu tố bất định.
  • Cung cấp kết quả định lượng cụ thể về phân phối xác suất điện áp nút, trào lưu công suất nhánh và dòng điện đường dây trên sơ đồ quy hoạch lưới điện truyền tải 500 kV Việt Nam giai đoạn đến năm 2025.
  • Xác định được các nút thanh cái (Mỹ Tho, Dốc Sỏi, Hà Tĩnh, Nho Quan, Thường Tín) và các nhánh truyền tải (Duyên Hải – Mỹ Tho) có nguy cơ vận hành nguy hiểm hoặc xác suất xâm phạm giới hạn an toàn cao, hỗ trợ công tác lập phương thức vận hành và quy hoạch nguồn lưới.
  • Khả năng ứng dụng linh hoạt trên nhiều miền thời gian: quy hoạch dài hạn (nhiều năm, một năm, mùa, tháng, tuần), quy hoạch vận hành (vài ngày), vận hành ngắn hạn (vài giờ) và chế độ vận hành 24 giờ ngày tới (day-ahead).

Hạn chế và hướng nghiên cứu tiếp

Dựa trên nội dung và phạm vi nghiên cứu được công bố trong luận án:

  • Hạn chế:
    1. Luận án tập trung đánh giá an toàn hệ thống điện trong chế độ xác lập (steady-state power flow) thông qua các chỉ tiêu điện áp nút, dòng điện và công suất truyền tải nhánh; chưa tích hợp tính toán đánh giá an toàn ổn định động (dynamic stability) và ổn định quá độ khi có nhiễu loạn lớn.
    2. Việc thu thập chuỗi số liệu đo đếm đồng bộ nhiều năm cho các nguồn năng lượng tái tạo tại Việt Nam còn hạn chế; một số mô hình năng lượng gió phải sử dụng dữ liệu thực nghiệm kiểm chứng từ nước ngoài (nhà máy điện gió tại Ý).
  • Hướng nghiên cứu tiếp:
    1. Mở rộng thuật toán CMC để giải quyết bài toán phân tích ổn định động và ổn định điện áp xác suất có xét đến yếu tố bất định.
    2. Ứng dụng phương pháp đề xuất vào bài toán phân bố công suất tối ưu xác suất (Probabilistic Optimal Power Flow - POPF) và bài toán điều độ kinh tế hệ thống điện có tích hợp hệ thống lưu trữ năng lượng (BESS).
    3. Mở rộng cơ sở dữ liệu đo đếm thực tế của các nhà máy điện mặt trời và điện gió quy mô lớn trên các vùng địa lý khác nhau tại Việt Nam nhằm nâng cao độ chính xác mô hình tương quan không gian - thời gian.

Giá trị tham khảo

Luận án mang lại giá trị tham khảo khoa học và ứng dụng kỹ thuật thực tế cho các nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên ngành Kỹ thuật điện:
    • Tham khảo phương pháp luận kết hợp giữa lý thuyết xác suất thống kê, kỹ thuật khai phá dữ liệu (PCA, DE, K-means) với bài toán giải tích mạng điện phi tuyến.
    • Sử dụng khung toán học tại Chương 1 và Chương 2 để xây dựng mô hình ngẫu nhiên cho các nguồn năng lượng tái tạo và phụ tải phức hợp.
  • Kỹ sư quy hoạch và điều độ hệ thống điện (Trung tâm Điều độ Hệ thống điện Quốc gia, các Tổng công ty Điện lực, Viện Năng lượng):
    • Tham khảo thuật toán CMC để đánh giá xác suất vi phạm điện áp và quá tải dòng điện trên lưới truyền tải 500 kV, thay thế cách tiếp cận chọn kịch bản cực đoan truyền thống.
    • Ứng dụng thuật toán giám sát an toàn 24 giờ ngày tới trong công tác lập phương thức vận hành thời gian thực khi tỷ lệ năng lượng tái tạo thâm nhập sâu vào hệ thống.

Câu hỏi thường gặp

1. Tại sao phương pháp trào lưu công suất truyền thống lại dẫn đến giải pháp kỹ thuật tốn kém chi phí đầu tư?

Phương pháp truyền thống tính toán với các giá trị đầu vào cố định và thường chọn chế độ nặng nề nhất (phụ tải cực đại kết hợp sự cố thiết bị) để tính toán kiểm tra an toàn. Do các chế độ nguy hiểm cực đoan này chỉ xuất hiện trong thực tế với xác suất rất bé, việc thiết kế và trang bị thiết bị nâng cao độ tin cậy dựa trên các thông số cực đoan đó sẽ làm tăng vốn đầu tư không cần thiết và không mang lại hiệu quả kinh tế tối ưu.

2. Phương pháp CMC (Clustering based Monte-Carlo) khắc phục nhược điểm của phương pháp Monte-Carlo truyền thống (MCS) bằng cách nào?

Phương pháp MCS truyền thống đòi hỏi phải giải bài toán trào lưu công suất hàng chục nghìn lần ứng với toàn bộ số mẫu ngẫu nhiên, làm thời gian tính toán kéo dài. Phương pháp CMC áp dụng kỹ thuật phân cụm dữ liệu (K-means kết hợp thuật toán tối ưu hóa tiến hóa vi sai DE) để nhóm không gian mẫu lớn thành $K$ cụm đại diện ($K \ll N$, ví dụ 10 đến 20 cụm). Sau đó chỉ cần giải trào lưu công suất cho $K$ tâm cụm và tái cấu trúc hàm phân phối đầu ra dựa trên trọng số xác suất của từng cụm, giúp rút ngắn thời gian tính toán mà vẫn đảm bảo độ chính xác của hàm phân phối xác suất tích lũy (CDF).

3. Việc bỏ qua tính tương quan (correlation) giữa các biến ngẫu nhiên đầu vào gây ra ảnh hưởng gì?

Trong thực tế, giữa các nguồn năng lượng tái tạo lân cận hoặc giữa các phụ tải luôn tồn tại sự phụ thuộc tương quan nhất định (như số liệu thực nghiệm hệ số tương quan phụ tải $\rho_{P_1, P_2} = 0{,}7$ trong luận án). Kết quả mô phỏng trên hệ thống IEEE 118 nút và lưới 500 kV Việt Nam trong Chương 4 chứng minh rằng nếu bỏ qua tương quan (coi các biến độc lập), hàm phân phối xác suất tích lũy CDF của công suất nhánh và điện áp nút sẽ bị sai lệch đáng kể so với bản chất vật lý, dẫn đến việc ước lượng sai xác suất xảy ra các chế độ mất an toàn.

4. Dữ liệu thực nghiệm nào đã được sử dụng để xây dựng mô hình nhà máy điện gió trong luận án?

Luận án sử dụng bộ dữ liệu đo đếm vận hành thực tế trong vòng 1 năm của một nhà máy điện gió 90 MW tại Ý với vận tốc khởi động $V_{\text{cut-in}} = 3\text{ m/s}$, vận tốc dừng máy $V_{\text{cut-out}} = 20\text{ m/s}$ và vận tốc định mức $V_{\text{rated}} = 11\text{ m/s}$. Sau khi lọc bỏ các điểm lỗi bằng phương pháp Bin $0{,}5\text{ m/s}$ và ngưỡng sai lệch $4\sigma$, đường cong công suất thực tế được xấp xỉ bằng đa thức bậc 8 và vận tốc gió được mô hình hóa chính xác bằng hàm phân phối xác suất Gamma với tham số hình dáng $a = 2{,}75$ và tham số tỷ lệ $b = 1{,}93$.

5. Luận án đã đánh giá an toàn hệ thống điện 500 kV Việt Nam giai đoạn đến năm 2025 trên những phần tử cụ thể nào?

Luận án đã mô hình hóa và tính toán xác suất an toàn trên sơ đồ quy hoạch 500 kV Việt Nam đến năm 2025 với sự tham gia của nguồn điện mặt trời Trung Nam – Thuận Nam, phụ tải TBA 500 kV Hà Tĩnh (phân phối chuẩn), TBA 500 kV Đức Hòa (phân phối Weibull), xét tương quan phụ tải giữa Đà Nẵng – Hà Tĩnh ($\rho = 0{,}038$) và Đà Nẵng – Dốc Sỏi ($\rho = 0{,}123$). Kết quả xác định được hàm phân phối xác suất CDF của điện áp tại các nút thanh cái 500 kV Thường Tín (nút 33), Nho Quan (nút 35), Hà Tĩnh (nút 36), Dốc Sỏi (nút 39), Mỹ Tho (nút 47) và công suất truyền tải trên đường dây 500 kV Duyên Hải – Mỹ Tho (nhánh 22-47).

Kết luận

Luận án tiến sĩ của tác giả Huỳnh Văn Kỳ đã giải quyết bài toán tính toán trào lưu công suất xác suất trong hệ thống điện tích hợp các yếu tố bất định từ nguồn năng lượng tái tạo, phụ tải và sự cố thiết bị. Công trình đã đề xuất phương pháp mới Clustering based Monte-Carlo (CMC) kết hợp kỹ thuật phân tích thành phần chính (PCA) và phân cụm tối ưu K-means/DE, giúp giảm khối lượng tính toán mà vẫn đảm bảo độ chính xác phi tuyến. Các kết quả tính toán trên hệ thống mẫu IEEE và lưới điện truyền tải 500 kV Việt Nam giai đoạn đến năm 2025 cung cấp cơ sở khoa học để đánh giá nguy cơ mất an toàn và tối ưu hóa giải pháp vận hành. Công trình đóng góp giải pháp kỹ thuật có giá trị cho cả công tác quy hoạch dài hạn lẫn điều độ vận hành thời gian thực của hệ thống điện.