Giới thiệu dự án

An ninh năng lượng là trụ cột chiến lược đảm bảo sự vận hành ổn định và phát triển bền vững của mọi nền kinh tế. Trong bối cảnh kinh tế Việt Nam tăng trưởng nhanh chóng với tốc độ tiêu thụ năng lượng sơ cấp bình quân đạt 7,2%/năm giai đoạn 2011–2021, cấu trúc năng lượng quốc gia đã có những bước chuyển biến sâu sắc. Đặc biệt, từ năm 2015, Việt Nam đã chính thức chuyển từ vị thế quốc gia xuất khẩu ròng năng lượng sang quốc gia nhập khẩu ròng, đối mặt với sự suy giảm sản lượng tại các mỏ dầu khí lớn và giới hạn trần khai thác thủy điện truyền thống. Theo các dự báo chiến lược, nhập khẩu nhiên liệu giai đoạn 2021–2030 có thể tăng gấp 3 lần, chiếm tới 75% tổng tiêu thụ năng lượng toàn quốc.

+-------------------------------------------------------------------------------+
|                      BỐI CẢNH AN NINH NĂNG LƯỢNG VIỆT NAM                      |
+------------------------------------+------------------------------------------+
| - Trữ lượng than nội địa: >70 năm  | - Chuyển sang nhập siêu năng lượng: 2015 |
| - Trữ lượng dầu thô: ~20 năm       | - Tăng trưởng tiêu thụ: 7,2%/năm         |
| - Trữ lượng khí đốt tự nhiên: ~40 năm | - Dự báo nhập khẩu (2030): 75% tổng cầu |
+------------------------------------+------------------------------------------+

Khóa luận tốt nghiệp "Đánh Giá Hiệu Suất An Ninh Năng Lượng Tại Việt Nam Giai Đoạn 2000–2021" (Evaluating Energy Security Performance in Vietnam from 2000–2021) của tác giả Nguyễn Thanh Trúc (Đại học Kinh tế – ĐHQGHN, hướng dẫn: TS. Nguyễn Thị Ánh Tuyết) được thực hiện nhằm giải quyết bài toán định lượng hóa hiệu suất an ninh năng lượng trong suốt hơn hai thập kỷ phát triển.

Mục tiêu nghiên cứu cụ thể

  1. Xây dựng bộ chỉ số định lượng (ESI Metrics): Chuẩn hóa hệ thống chỉ số đo lường an ninh năng lượng phù hợp với đặc thù kinh tế đang chuyển dịch của Việt Nam.
  2. Đánh giá diễn biến hiệu suất năng lượng 2000–2021: Phân tích dữ liệu chuỗi thời gian (time-series) về nguồn cung, chuyển đổi và tiêu thụ năng lượng.
  3. Phân tích tác động chính sách và so sánh quốc tế: Rút ra bài học kinh nghiệm từ các quốc gia trong khu vực gồm Trung Quốc, Ấn Độ, Thái Lan, Indonesia.
  4. Đề xuất khung giải pháp chiến lược: Định hình các giải pháp tối ưu nguồn vốn, cơ chế thị trường và lộ trình giảm phát thải hướng tới Net Zero 2050.

Khóa luận tiếp cận toàn diện theo khung lý thuyết 4A (AAAS Framework) kết hợp chuỗi giá trị hệ thống năng lượng APERC:

  • Availability (Tính khả dụng): Đánh giá nguồn tài nguyên nội địa và hạ tầng khai thác.
  • Accessibility (Khả năng tiếp cận): Đánh giá chuỗi cung ứng, hạ tầng truyền tải và rủi ro địa chính trị.
  • Affordability (Khả năng chi trả): Tỷ lệ chi phí nhập khẩu năng lượng trên GDP và biến động giá.
  • Sustainability (Tính bền vững): Cường độ phát thải CO2 và tốc độ chuyển dịch năng lượng tái tạo.

Phạm vi nghiên cứu bao trùm toàn bộ hệ thống năng lượng quốc gia Việt Nam từ năm 2000 đến năm 2021, dựa trên dữ liệu chuẩn hóa quốc tế và quốc gia (IEA, APERC, Bộ Công Thương, Tổng cục Thống kê).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đánh giá an ninh năng lượng truyền thống trên thế giới thường bộc lộ những hạn chế khi áp dụng trực tiếp vào các nền kinh tế đang phát triển như Việt Nam.

Khung đánh giá Ưu điểm cốt lõi Nhược điểm & Hạn chế Mức độ phù hợp với VN
IEA MOSES (Short-Term) Đánh giá sâu rủi ro gián đoạn nguồn cung vật lý ngắn hạn (ngày/tuần). Bỏ qua yếu tố dài hạn: cạn kiệt tài nguyên, biến đổi khí hậu, biến động giá. Thấp (Thiếu tầm nhìn chiến lược dài hạn)
WEC Trilemma Index Cân bằng 3 mục tiêu: An ninh, Công bằng năng lượng, Bền vững môi trường. Trọng số cố định quốc tế, không phản ánh rủi ro phụ thuộc từng dòng nhiên liệu. Trung bình (Khó tùy biến đặc thù nội địa)
US Chamber of Commerce Phân tích chi tiết chuỗi rủi ro nhiên liệu hóa thạch và carbon intensity. Dữ liệu phụ thuộc US EIA, chưa tối ưu cho tỷ trọng sinh khối/thủy điện nhỏ. Trung bình
APERC + AAAS (Đề xuất) Bao quát toàn diện chuỗi cung ứng - chuyển đổi - tiêu thụ; tối ưu cho APEC. Đòi hỏi xử lý dữ liệu chuỗi thời gian lớn và chuẩn hóa đơn vị quy đổi. Cao (Tối ưu nhất cho Việt Nam)
    YÊU CẦU HỆ THỐNG PHÂN TÍCH (MoSCoW)

Thiết kế hệ thống và luồng tính toán dữ liệu

Kiến trúc xử lý dữ liệu của đề tài được cấu trúc theo 3 tầng (Data Source $\rightarrow$ Analytics Engine $\rightarrow$ Indicator Dashboard):

flowchart LR
    A["Nguồn dữ liệu thô (IEA, GSO, MOIT, EVN)"] --> B["Tầng Tiền xử lý & ETL (Python/Pandas)"]
    B --> C["Engine Tính toán Chỉ số An ninh Năng lượng"]
    C --> D1["Chỉ số Đa dạng nguồn cung (HHI)"]
    C --> D2["Chỉ số Phụ thuộc nhập khẩu (NEID)"]
    C --> D3["Cường độ Năng lượng & Đàn hồi (Eli, EE)"]
    C --> D4["Cường độ phát thải CO2 (CI)"]
    D1 & D2 & D3 & D4 --> E["Khung Đánh giá AAAS & Ma trận SWOT"]

Ngăn xếp công nghệ sử dụng (Technology Stack)

  • Ngôn ngữ xử lý & Phân tích: Python 3.10.x, R 4.2.x
  • Thư viện xử lý dữ liệu: Pandas 2.0.3, NumPy 1.24.3
  • Mô hình thống kê & Kinh tế lượng: Statsmodels 0.14.0, SciPy 1.10.1
  • Trực quan hóa: Matplotlib 3.7.2, Seaborn 0.12.2
  • Cơ sở dữ liệu lưu trữ: PostgreSQL 15.3 (Time-series relational schema)

Cấu trúc cơ sở dữ liệu quan hệ (Relational Schema)

-- Bảng ghi nhận số liệu cân bằng năng lượng quốc gia
CREATE TABLE energy_balance (
    record_year INT PRIMARY KEY,
    tpes_ktoe NUMERIC(12, 2) NOT NULL, -- Total Primary Energy Supply
    tfec_ktoe NUMERIC(12, 2) NOT NULL, -- Total Final Energy Consumption
    coal_supply_ktoe NUMERIC(12, 2),
    oil_supply_ktoe NUMERIC(12, 2),
    gas_supply_ktoe NUMERIC(12, 2),
    hydro_supply_ktoe NUMERIC(12, 2),
    renewable_supply_ktoe NUMERIC(12, 2),
    energy_import_ktoe NUMERIC(12, 2),
    energy_export_ktoe NUMERIC(12, 2),
    gdp_billion_vnd NUMERIC(14, 2) NOT NULL,
    co2_emissions_mt NUMERIC(10, 2) NOT NULL
);

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu triển khai theo 5 giai đoạn có kiểm soát chất lượng (QA):

  1. Thiết lập khung lý thuyết: Tích hợp mô hình AAAS và chuỗi cung ứng APERC.
  2. Thu thập và kiểm tra chéo dữ liệu: Xác thực dữ liệu đa nguồn giữa IEA, Báo cáo Triển vọng Năng lượng Việt Nam và Niên giám Thống kê.
  3. Chuẩn hóa đơn vị đo lường: Quy đổi toàn bộ các dạng năng lượng (Than, Dầu FO/DO, Khí đốt, Thủy điện, Điện mặt trời/gió) về đơn vị tấn dầu quy đổi ($TOE/KTOE$).
  4. Mô hình hóa định lượng: Áp dụng các thuật toán tính toán độ tập trung, tỷ lệ tự chủ và cường độ tiêu thụ.
  5. Tổng hợp chính sách và ma trận SWOT: Định vị rủi ro và cơ hội chiến lược cho ngành năng lượng Việt Nam.

Triển khai và kết quả

Quy trình triển khai thuật toán tính toán

Thuật toán lõi thực hiện tính toán các chỉ số an ninh năng lượng trọng yếu được cài đặt bằng Python:

import numpy as np
import pandas as pd

class EnergySecurityEvaluator:
    def __init__(self, data_path: str):
        self.df = pd.read_csv(data_path)
    
    def calculate_hhi(self, fuel_columns: list) -> pd.Series:
        """
        Tính chỉ số Herfindahl-Hirschman Index (HHI) đo lường mức độ đa dạng nguồn năng lượng.
        Formula: HHI = SUM((s_i)^2) * 10000, trong đó s_i là thị phần của nguồn nhiên liệu thứ i.
        """
        total_supply = self.df[fuel_columns].sum(axis=1)
        shares = self.df[fuel_columns].div(total_supply, axis=0)
        hhi_scores = (shares ** 2).sum(axis=1) * 10000
        return hhi_scores

    def calculate_neid(self) -> pd.Series:
        """
        Tính Net Energy Import Dependence (NEID - Phụ thuộc nhập khẩu năng lượng ròng).
        Formula: NEID = ((Import - Export) / TPES) * 100 (%)
        """
        net_import = self.df['energy_import_ktoe'] - self.df['energy_export_ktoe']
        return (net_import / self.df['tpes_ktoe']) * 100

    def calculate_elasticity(self) -> pd.Series:
        """
        Tính Hệ số đàn hồi năng lượng (Energy Elasticity - EE).
        Formula: EE = (% Tăng trưởng TPES) / (% Tăng trưởng GDP)
        """
        pct_tpes = self.df['tpes_ktoe'].pct_change() * 100
        pct_gdp = self.df['gdp_billion_vnd'].pct_change() * 100
        return pct_tpes / pct_gdp

    def calculate_intensity(self) -> pd.DataFrame:
        """
        Tính Cường độ năng lượng (Energy Intensity - Eli) và Cường độ CO2 (Carbon Intensity - CI).
        """
        eli = self.df['tfec_ktoe'] / self.df['gdp_billion_vnd']
        ci = self.df['co2_emissions_mt'] / self.df['gdp_billion_vnd']
        return pd.DataFrame({'Eli': eli, 'Carbon_Intensity': ci})

Kiểm định và đối soát kết quả (Testing & Validation)

Dữ liệu được làm sạch và xử lý các điểm dị biệt (outliers) trong các năm khủng hoảng tài chính (2008) và đại dịch COVID-19 (2020–2021). Kết quả tính toán chỉ số NEID và HHI được đối chiếu với cơ sở dữ liệu APERC Energy Balance, đạt độ khớp sai số tuyệt đối $< 0.8%$.

Kết quả đạt được từ dữ liệu thực nghiệm 2000–2021

                    DIỄN BIẾN CHỈ SỐ AN NINH NĂNG LƯỢNG (2000 - 2021)
  Năm 2000: Xuất siêu ròng (-45.2% NEID)  | HHI Sơ cấp: ~2,850 (Tập trung trung bình)
  Năm 2015: Điểm đảo chiều (NEID = 0.0%)  | HHI Sơ cấp: ~2,400 (Đa dạng hóa gia tăng)
  Năm 2021: Nhập siêu sâu (+38.6% NEID)   | HHI Điện năng: Gia tăng than & Năng lượng tái tạo
  1. Chỉ số đa dạng hóa nguồn năng lượng sơ cấp ($HHI_{TPES}$):
    • Giai đoạn 2000–2010: Nguồn cung sơ cấp dựa chủ yếu vào sinh khối truyền thống, dầu mỏ và than đá nội địa.
    • Giai đoạn 2011–2021: Than đá tăng mạnh tỷ trọng phục vụ nhiệt điện, làm chỉ số HHI tăng lên mức rủi ro phụ thuộc nhiên liệu hóa thạch nhập khẩu.
  2. Chỉ số phụ thuộc nhập khẩu ròng ($NEID$):
    • Từ mức âm sâu những năm 2000–2014 (xuất khẩu ròng than và dầu thô), NEID tăng vọt lên mức dương sau 2015 và đạt gần 40% vào năm 2021, phản ánh áp lực an ninh nguồn cung nghiêm trọng.
  3. Hệ số đàn hồi năng lượng ($EE$):
    • Hệ số $EE$ của Việt Nam trong phần lớn giai đoạn duy trì ở mức $> 1.0$ (trung bình 1.2–1.4), cho thấy tốc độ tăng tiêu thụ năng lượng luôn cao hơn tốc độ tăng trưởng GDP – biểu hiện của nền kinh tế thâm dụng năng lượng.
  4. Cường độ phát thải ($CI$):
    • Cường độ phát thải CO2 trên một đơn vị GDP gia tăng đáng kể do sự phát triển nhanh của các nhà máy nhiệt điện than giai đoạn 2015–2020.

Đổi mới và đóng góp

  • Hệ thống hóa chỉ số định lượng toàn diện cho Việt Nam: Khắc phục khoảng trống học thuật khi các nghiên cứu trước đây chỉ dùng các chỉ số đơn lẻ hoặc phương pháp định tính. Đề tài xây dựng một bộ công cụ tính toán đồng bộ chuỗi thời gian 22 năm.
  • Tích hợp bối cảnh địa chính trị và thương mại năng lượng: Phân tích cụ thể các thị trường nhập khẩu than và dầu mỏ của Việt Nam năm 2021 (Australia, Indonesia, Nga...), từ đó nhận diện các điểm nghẽn chuỗi cung ứng logistics hàng hải quốc tế.
  • Đúc kết bài học thực tiễn từ 4 nền kinh tế châu Á:
    • Trung Quốc: Chiến lược dự trữ dầu mỏ quốc gia (đạt 90 ngày tiêu thụ), ngoại giao năng lượng và làm chủ công nghệ chuỗi cung ứng năng lượng tái tạo.
    • Ấn Độ: Quản lý phụ tải hiệu quả qua chương trình LED quốc gia, cải cách thị trường bán buôn điện cạnh tranh và điện khí hóa nông thôn.
    • Thái Lan: Mô hình quản lý nhu cầu năng lượng (DSM) và đa dạng hóa nguồn khí thiên nhiên.
    • Indonesia: Khai thác lợi thế địa nhiệt và cơ chế ưu đãi thuế cho công nghệ năng lượng sạch.

Ứng dụng thực tế và triển khai

Bộ chỉ số và kết quả phân tích trong khóa luận cung cấp cơ sở dữ liệu thực chứng cho các đơn vị quản lý nhà nước và doanh nghiệp năng lượng:

                  LỘ TRÌNH ỨNG DỤNG BỘ CÔNG CỤ AN NINH NĂNG LƯỢNG

Các kịch bản ứng dụng thực tiễn

  • Cơ quan Hoạch định Chính sách (Bộ Công Thương, Viện Năng lượng): Sử dụng các chỉ số $HHI$, $NEID$, $EE$ làm tham số đầu vào trong việc điều chỉnh kế hoạch thực hiện Quy hoạch điện VIII và Quy hoạch tổng thể năng lượng quốc gia.
  • Tập đoàn Điện lực Việt Nam (EVN) & Doanh nghiệp năng lượng: Đánh giá rủi ro biên độ giá nhiên liệu nhập khẩu, tối ưu hóa danh mục đầu tư nguồn phát giữa năng lượng tái tạo và nguồn điện nền linh hoạt (LNG/Thủy điện tích năng).
  • Phân tích chi phí - lợi ích (Cost-Benefit Analysis): Việc giảm hệ số đàn hồi năng lượng ($EE$) từ 1.3 xuống dưới 0.9 thông qua các giải pháp tiết kiệm năng lượng công nghiệp có thể giúp nền kinh tế tiết kiệm hàng tỷ USD chi phí nhập khẩu than và khí hóa lỏng mỗi năm.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Dữ liệu thống kê năng lượng sơ cấp và tiêu thụ cuối cùng tại Việt Nam thường có độ trễ công bố từ 1–2 năm; thiếu dữ liệu phân rã theo giờ (hourly dispatch data) để đo lường chính xác độ tin cậy lưới điện (các chỉ số SAIDI, SAIFI, MAIFI).
  • Hướng nghiên cứu mở rộng:
    • Ứng dụng các thuật toán máy học (Machine Learning như LSTM, SARIMAX) để dự báo nhu cầu năng lượng và biến động chỉ số an ninh năng lượng giai đoạn 2025–2050.
    • Tích hợp thị trường tín chỉ carbon và cơ chế điều chỉnh biên giới carbon (CBAM) vào thành phần tính toán chỉ số bền vững môi trường ($CI$).

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
+----------------------+--------------------------------------------------------+
| Sinh viên & Học viên | Tài liệu tham khảo chuẩn mực về kinh tế năng lượng     |
| Các nhà phân tích    | Khung thuật toán và pipeline xử lý dữ liệu chuẩn hóa   |
| Doanh nghiệp         | Cơ sở định hình chiến lược tự chủ và phòng ngừa rủi ro |
| Cơ quan quản lý      | Luận cứ khoa học phục vụ hoàn thiện cơ chế chính sách  |
+----------------------+--------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai pipeline tính toán an ninh năng lượng?

Hệ thống yêu cầu môi trường Python 3.8+ với các thư viện tiêu chuẩn pandas, numpy, statsmodels. Cấu hình phần cứng tối thiểu: CPU 2 cores, 4GB RAM, hỗ trợ xuất báo cáo định dạng CSV/Excel hoặc tích hợp trực tiếp vào PostgreSQL.

2. Làm thế nào để giải quyết bài toán phụ thuộc nhập khẩu năng lượng ròng ngày càng tăng của Việt Nam?

Cần thực hiện đồng bộ 3 trụ cột: (1) Đẩy mạnh chuyển dịch sang năng lượng tái tạo (điện gió ngoài khơi, điện mặt trời tự dùng); (2) Thực thi nghiêm ngặt Luật Sử dụng năng lượng tiết kiệm và hiệu quả để hạ hệ số đàn hồi $EE < 1.0$; (3) Xây dựng kho dự trữ dầu mỏ và khí đốt chiến lược quốc gia.

3. Khung phân tích này có thể tích hợp với các hệ thống ERP hoặc CSDL quốc gia không?

Hoàn toàn khả thi. Bảng dữ liệu quan hệ được thiết kế theo chuẩn cân bằng năng lượng IEA/APERC, cho phép tạo các API kết nối trực tiếp với CSDL ngành năng lượng hoặc hệ thống giám sát SCADA của các tập đoàn năng lượng.

4. Chi phí đầu tư và thời gian thu hồi vốn (ROI) khi triển khai các biện pháp nâng cao an ninh năng lượng?

Các giải pháp quản lý nhu cầu (DSM) và nâng cấp hiệu suất năng lượng trong công nghiệp (thép, xi măng, dệt nhuộm) thường có thời gian hoàn vốn ngắn từ 1.5 – 3 năm, mang lại tỷ suất sinh lời nội hoàn (IRR) trung bình $> 25%$.

5. Điểm khác biệt cơ bản giữa chỉ số HHI nguồn sơ cấp và HHI phát điện là gì?

$HHI_{TPES}$ đo lường mức độ tập trung của tổng cung năng lượng sơ cấp (gồm cả nhiên liệu cho giao thông, công nghiệp, nhiệt năng), trong khi $HHI_{Electricity}$ chỉ đo lường cơ cấu các nguồn phát tham gia vào hệ thống điện quốc gia (thủy điện, than, khí, gió, mặt trời).


Kết luận

Khóa luận "Đánh Giá Hiệu Suất An Ninh Năng Lượng Tại Việt Nam Giai Đoạn 2000–2021" đã tái hiện bức tranh toàn cảnh và định lượng chính xác sự chuyển dịch cơ cấu năng lượng Việt Nam qua hơn 2 thập kỷ. Việc nhận diện rõ các điểm nghẽn về nhập siêu năng lượng, suy giảm tài nguyên nội địa và cường độ carbon cao là tiền đề cốt lõi để Việt Nam tái cơ cấu ngành năng lượng. Áp dụng hiệu quả khung phân tích AAAS kết hợp các bài học quốc tế sẽ tạo bước đệm vững chắc giúp Việt Nam vừa bảo đảm an ninh năng lượng quốc gia, vừa hiện thực hóa cam kết phát thải ròng bằng 0 vào năm 2050.