Tổng quan nghiên cứu

Trong bối cảnh toàn cầu đang đẩy mạnh phát triển năng lượng tái tạo nhằm ứng phó với biến đổi khí hậu, Việt Nam cũng đã cam kết mạnh mẽ tại hội nghị COP26 và triển khai Quy hoạch phát triển điện lực quốc gia giai đoạn 2021-2030, tầm nhìn đến 2045. Việc tích hợp các nguồn năng lượng phân tán như điện gió, điện mặt trời ngày càng phổ biến, dẫn đến sự gia tăng sử dụng các bộ nghịch lưu đa bậc (multilevel inverters) để chuyển đổi điện áp phù hợp với lưới điện quốc gia. Tuy nhiên, các bộ nghịch lưu DC/AC này phát sinh sóng hài bậc cao trong tín hiệu đầu ra, gây ra các vấn đề nghiêm trọng như tổn hao năng lượng, hư hỏng cách điện, nhiễu tín hiệu viễn thông và giảm chất lượng điện năng.

Mục tiêu nghiên cứu là ứng dụng các giải thuật metaheuristic, cụ thể là Genetic Algorithm (GA) và Grey Wolf Optimizer (GWO), để tối ưu hóa góc đóng cắt của các khóa bán dẫn trong bộ nghịch lưu đa bậc, nhằm giảm thiểu sóng hài bậc cao và cải thiện hiệu suất hoạt động. Nghiên cứu tập trung vào bộ nghịch lưu 11 bậc dạng module ghép tầng, mô hình hóa trên Matlab/Simulink, khảo sát trong phạm vi tỉ số điều biên từ 0.01 đến 1. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc nâng cao chất lượng điện năng, giảm thiểu tổn thất và tăng độ bền cho hệ thống điện năng tái tạo, đồng thời hỗ trợ vận hành lưới điện ổn định và hiệu quả hơn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

  • Bộ nghịch lưu đa bậc (Multilevel Inverter): Bao gồm các cấu hình nối diode, nối tụ và module ghép tầng với nguồn DC độc lập. Bộ nghịch lưu đa bậc giúp giảm tổn hao đóng cắt, giảm sóng hài bậc cao và tăng hiệu suất chuyển đổi điện áp.

  • Sóng hài và méo dạng toàn phần (THD - Total Harmonic Distortion): THD được sử dụng làm chỉ số đánh giá chất lượng điện áp đầu ra, được tính toán dựa trên phân tích Fourier các thành phần sóng hài bậc cao.

  • Phương pháp điều khiển PWM tối ưu: Tìm các góc đóng cắt tối ưu cho khóa bán dẫn nhằm giảm thiểu sóng hài, dựa trên các điều kiện ràng buộc toán học của phương pháp triệt tiêu sóng hài chọn lọc (Selective Harmonic Elimination - SHE).

  • Thuật toán metaheuristic:

    • Genetic Algorithm (GA): Thuật toán tiến hóa dựa trên chọn lọc tự nhiên, lai ghép và đột biến để tìm lời giải tối ưu trong không gian tìm kiếm.
    • Grey Wolf Optimizer (GWO): Thuật toán mô phỏng hành vi săn mồi của bầy sói xám, sử dụng các cấp lãnh đạo alpha, beta, delta để dẫn dắt quá trình tìm kiếm lời giải tối ưu.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Mô hình bộ nghịch lưu 11 bậc dạng module ghép tầng được xây dựng trên Matlab/Simulink, sử dụng nguồn áp DC độc lập 100V cho mỗi module. Dữ liệu đầu vào là tỉ số điều biên (ma) thay đổi từ 0.01 đến 1.

  • Phương pháp phân tích:

    • Xây dựng và triển khai giải thuật GA với biểu diễn góc đóng cắt dưới dạng chuỗi bit mã Gray để giảm nhiễu trong quá trình mã hóa.
    • Xây dựng giải thuật GWO với quần thể 20 cá thể, số vòng lặp tối đa 200-400.
    • So sánh hiệu quả hai giải thuật về mặt sóng hài (THD), điện áp cơ bản, tốc độ hội tụ và thời gian thực thi.
    • Nghiên cứu cải tiến thời gian chạy của GA bằng cách áp dụng mạng LSTM và bảng tham chiếu (lookup table) cho quá trình mã hóa và giải mã.

  • Timeline nghiên cứu:

    • Xây dựng mô hình và giải thuật: 09/2021 - 12/2021
    • Mô phỏng và đánh giá kết quả: 12/2021 - 01/2022
    • Nghiên cứu cải tiến và hoàn thiện luận văn: 01/2022

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả giảm sóng hài:

    • Cả GA và GWO đều đạt giá trị THD dao động quanh mức 5% khi tỉ số điều biên ma ≥ 0.6, phù hợp với tiêu chuẩn IEC 61000 cho cấp điện áp phân phối 400kV.
    • GA cho giá trị THD thấp hơn GWO trong khoảng tỉ số điều biên từ 0.3 đến 1, ví dụ tại ma=0.8, GA đạt THD khoảng 4.5%, trong khi GWO khoảng 5.2%.
    • Khi ma < 0.3, GWO không tìm được giá trị tối ưu, dẫn đến THD cao và điện áp cơ bản không ổn định.

  2. Độ chính xác và ổn định của góc đóng cắt:

    • GA với mã Gray cho kết quả góc đóng cắt ít nhiễu hơn so với mã nhị phân, giúp điện áp cơ bản bám sát quỹ đạo lý tưởng với sai số RMSE khoảng 0.3053, cao hơn so với GWO (RMSE ~0.45).
    • GWO có quỹ đạo góc đóng cắt phân tán hơn, đặc biệt ở tỉ số điều biên thấp.

  3. Tốc độ hội tụ và thời gian thực thi:

    • GA hội tụ nhanh hơn GWO về số vòng lặp cần thiết (khoảng 150 vòng lặp so với 250 vòng lặp).
    • Tuy nhiên, thời gian thực thi của GA dài hơn gấp khoảng 27 lần do quá trình mã hóa và giải mã phức tạp.
    • GWO có khối lượng tính toán nhẹ hơn, không cần mã hóa phức tạp nên thời gian chạy nhanh hơn nhiều.

  4. Nghiên cứu cải tiến thời gian:

    • Áp dụng mạng LSTM và bảng tham chiếu giúp giảm đáng kể thời gian dịch mã và giải mã trong GA, giữ được ưu điểm về sóng hài mà cải thiện hiệu suất tính toán.

Thảo luận kết quả

Kết quả cho thấy giải thuật GA với mã Gray vượt trội hơn GWO về độ chính xác và khả năng giảm sóng hài, đặc biệt trong khoảng tỉ số điều biên từ 0.3 đến 1. Điều này phù hợp với các nghiên cứu trước đây cho thấy GA có khả năng hội tụ nhanh và chính xác hơn PSO và các thuật toán truyền thống. Tuy nhiên, nhược điểm lớn của GA là thời gian thực thi kéo dài do các bước mã hóa và giải mã phức tạp, ảnh hưởng đến khả năng ứng dụng trong thời gian thực.

GWO, với cấu trúc đơn giản hơn, cho thời gian chạy nhanh hơn nhưng độ chính xác và ổn định kém hơn, đặc biệt ở vùng tỉ số điều biên thấp. Việc áp dụng các kỹ thuật cải tiến như mạng LSTM và bảng tham chiếu cho GA đã chứng minh khả năng khắc phục hạn chế này, mở ra hướng phát triển cho các giải thuật metaheuristic trong điều khiển bộ nghịch lưu đa bậc.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh THD theo tỉ số điều biên, đồ thị quỹ đạo góc đóng cắt, bảng so sánh thời gian thực thi và tốc độ hội tụ giữa GA và GWO, giúp minh họa rõ ràng ưu nhược điểm từng phương pháp.

Đề xuất và khuyến nghị

  1. Ứng dụng giải thuật GA với mã Gray trong điều khiển bộ nghịch lưu đa bậc:

    • Động từ hành động: Triển khai, áp dụng
    • Target metric: Giảm THD dưới 5% trong phạm vi tỉ số điều biên 0.6-1
    • Timeline: 6-12 tháng
    • Chủ thể thực hiện: Các nhà nghiên cứu và kỹ sư trong lĩnh vực điều khiển điện năng

  2. Phát triển và tích hợp các phương pháp cải tiến thời gian chạy như mạng LSTM và bảng tham chiếu:

    • Động từ hành động: Nghiên cứu, tối ưu hóa
    • Target metric: Giảm thời gian tính toán của GA ít nhất 50%
    • Timeline: 3-6 tháng
    • Chủ thể thực hiện: Nhóm nghiên cứu phát triển thuật toán và phần mềm điều khiển

  3. Mở rộng nghiên cứu áp dụng các thuật toán metaheuristic khác như PSO, DE kết hợp với GA và GWO:

    • Động từ hành động: So sánh, đánh giá
    • Target metric: Tìm ra giải thuật tối ưu nhất về cả sóng hài và thời gian thực thi
    • Timeline: 6 tháng
    • Chủ thể thực hiện: Các viện nghiên cứu và trường đại học chuyên ngành kỹ thuật điện

  4. Ứng dụng thực tế trong các hệ thống điện năng tái tạo và lưới điện thông minh:

    • Động từ hành động: Triển khai thử nghiệm, đánh giá hiệu quả
    • Target metric: Nâng cao chất lượng điện năng, giảm tổn hao và tăng độ bền thiết bị
    • Timeline: 12-24 tháng
    • Chủ thể thực hiện: Các doanh nghiệp năng lượng, nhà máy điện tái tạo, đơn vị vận hành lưới điện

Đối tượng nên tham khảo luận văn

  1. Sinh viên và nghiên cứu sinh ngành Kỹ thuật Điện:

    • Lợi ích: Hiểu sâu về bộ nghịch lưu đa bậc, các thuật toán tối ưu sóng hài, phương pháp mô phỏng trên Matlab/Simulink.
    • Use case: Tham khảo để phát triển đề tài nghiên cứu hoặc luận văn thạc sĩ, tiến sĩ.

  2. Kỹ sư và chuyên gia trong lĩnh vực điều khiển điện năng và năng lượng tái tạo:

    • Lợi ích: Áp dụng các giải thuật metaheuristic để tối ưu hóa hệ thống nghịch lưu, nâng cao hiệu suất và chất lượng điện năng.
    • Use case: Thiết kế và vận hành các bộ nghịch lưu trong nhà máy điện mặt trời, điện gió.

  3. Các nhà phát triển phần mềm và thuật toán điều khiển:

    • Lợi ích: Nắm bắt các kỹ thuật mã hóa, giải thuật GA, GWO và cải tiến thời gian tính toán bằng mạng LSTM.
    • Use case: Phát triển phần mềm điều khiển thông minh cho hệ thống điện năng.

  4. Các tổ chức nghiên cứu và doanh nghiệp trong ngành năng lượng:

    • Lợi ích: Đánh giá và lựa chọn giải pháp tối ưu cho việc giảm sóng hài, nâng cao độ bền và hiệu quả hệ thống điện.
    • Use case: Triển khai các dự án năng lượng tái tạo, nâng cấp lưới điện thông minh.

Câu hỏi thường gặp

  1. Tại sao cần giảm sóng hài trong bộ nghịch lưu đa bậc?
    Sóng hài bậc cao gây tổn hao năng lượng, làm nóng thiết bị, phá hỏng cách điện và gây nhiễu tín hiệu viễn thông, ảnh hưởng đến độ ổn định và chất lượng điện năng của hệ thống.

  2. Ưu điểm của giải thuật GA so với GWO trong bài toán này là gì?
    GA cho kết quả chính xác hơn, góc đóng cắt ít nhiễu và điện áp cơ bản bám sát quỹ đạo lý tưởng hơn, đồng thời có tốc độ hội tụ nhanh hơn về số vòng lặp.

  3. Nhược điểm lớn nhất của GA là gì và làm thế nào để khắc phục?
    Thời gian thực thi dài do quá trình mã hóa và giải mã phức tạp. Nghiên cứu đã áp dụng mạng LSTM và bảng tham chiếu để giảm thời gian này hiệu quả.

  4. Phạm vi áp dụng của nghiên cứu này là gì?
    Nghiên cứu tập trung vào bộ nghịch lưu 11 bậc dạng module ghép tầng, có thể mở rộng cho các bộ nghịch lưu đa bậc khác và ứng dụng trong các hệ thống điện năng tái tạo và lưới điện thông minh.

  5. Làm thế nào để lựa chọn tỉ số điều biên phù hợp trong thực tế?
    Tỉ số điều biên được điều chỉnh dựa trên yêu cầu điện áp đầu ra và điều kiện vận hành. Nghiên cứu cho thấy tỉ số điều biên từ 0.6 trở lên giúp đạt THD dưới 5%, phù hợp tiêu chuẩn kỹ thuật.

Kết luận

  • Ứng dụng giải thuật GA với mã Gray hiệu quả trong việc giảm sóng hài bậc cao cho bộ nghịch lưu đa bậc, đạt THD dưới 5% trong phạm vi tỉ số điều biên từ 0.6 đến 1.
  • Giải thuật GWO có ưu điểm về thời gian thực thi nhanh hơn nhưng độ chính xác và ổn định kém hơn GA, đặc biệt ở tỉ số điều biên thấp.
  • Việc cải tiến thời gian chạy GA bằng mạng LSTM và bảng tham chiếu giúp khắc phục nhược điểm về thời gian, giữ được ưu điểm về sóng hài.
  • Nghiên cứu cung cấp cơ sở khoa học và công cụ thực tiễn cho việc tối ưu điều khiển bộ nghịch lưu đa bậc trong các hệ thống năng lượng tái tạo.
  • Đề xuất tiếp tục mở rộng nghiên cứu các thuật toán metaheuristic khác và ứng dụng thực tế trong lưới điện thông minh.

Next steps: Triển khai thử nghiệm thực tế, phát triển phần mềm điều khiển tích hợp các giải thuật cải tiến, mở rộng nghiên cứu đa bậc và đa nguồn.

Call-to-action: Các nhà nghiên cứu và kỹ sư trong lĩnh vực điện năng được khuyến khích áp dụng và phát triển các giải thuật metaheuristic tối ưu sóng hài để nâng cao hiệu quả và độ bền của hệ thống điện năng tái tạo.