Tổng quan về luận án
Sự chuyển dịch mang tính cấu trúc của hệ thống năng lượng toàn cầu từ mô hình tập trung truyền thống (phát điện quy mô lớn – truyền tải cao áp – phân phối thụ động hình tia) sang mô hình lưới điện thông minh chủ động (Active Distribution Network - ADN) đặt ra yêu cầu tái thiết kế toàn diện các công cụ quy hoạch và vận hành. Trong bối cảnh nhu cầu tiêu thụ điện gia tăng liên tục, áp lực giảm phát thải khí nhà kính và sự cạn kiệt của nguồn nhiên liệu hóa thạch sơ cấp, việc mở rộng lưới điện phân phối (Distribution Network Expansion Planning - DEP) thông qua nâng cấp hạ tầng vật lý truyền thống (xây dựng tuyến dây mới, mở rộng dung lượng trạm biến áp) bộc lộ hạn chế lớn về vốn đầu tư và hiệu quả kinh tế do phụ tải đỉnh chỉ xuất hiện trong một số khung giờ giới hạn mỗi ngày. Luận án tiến sĩ của tác giả Tôn Ngọc Triều với đề tài "Mở rộng nguồn điện phân tán và bộ dự trữ năng lượng trên lưới điện phân phối" (chuyên ngành Kỹ thuật điện, mã số 9520201, thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh dưới sự hướng dẫn khoa học của PGS. Trương Việt Anh và PGS. Vũ Phan Tú) đã xác lập một hệ thống giải pháp kỹ thuật - kinh tế tiên phong nhằm giải quyết đồng bộ bài toán tích hợp nguồn điện phân tán (Distributed Generation - DG) và hệ thống pin lưu trữ năng lượng (Battery Energy Storage System - BESS).
flowchart TD
subgraph Traditional [Lưới điện phân phối truyền thống]
T1[Truyền tải tập trung] --> T2[Lưới phân phối thụ động]
T2 --> T3[Phụ tải một chiều]
end
subgraph Proposed [Khung quy hoạch phân tán tích hợp của Luận án]
P1[Mở rộng Nguồn phân tán DG]
P2[Hệ thống Lưu trữ BESS]
P3[Tái cấu hình lưới DNR]
P1 <--> P3
P2 <--> P3
P1 <--> P2
P1 --> P4[Tối ưu hóa đa mục tiêu: Min Tổn thất ΔP/ΔA & Min Chi phí mua điện]
P2 --> P4
P3 --> P4
end
Nghiên cứu định vị trực tiếp vào 4 khoảng trống học thuật (research gaps) mang tính then chốt trong y văn chuyên ngành:
- Khoảng trống về phân tách động lực học thời gian giữa quy hoạch dài hạn và vận hành ngắn hạn: Các mô hình hiện hữu thường giải bài toán tối ưu đồng thời vị trí, công suất DG và tái cấu hình lưới (DNR) dẫn đến sự bùng nổ không gian tìm kiếm (curse of dimensionality), hoặc tối ưu tuần tự vị trí trước rồi mới đến công suất và DNR (mô hình VT-CS & DNR) dẫn đến bẫy cực trị địa phương.
- Khoảng trống về thuật toán tái cấu hình thích ứng với biến thiên công suất quang điện (PV): Sự thâm nhập của các hệ thống PV công suất biến đổi làm thay đổi bản chất chiều truyền dòng công suất trên các nhánh, trong khi các phương pháp DNR truyền thống dựa trên phụ tải tĩnh hoặc đồ thị tải 24 giờ đòi hỏi khối lượng tính toán quá lớn và tần suất chuyển mạch không khả thi trong thực tế.
- Khoảng trống trong kế hoạch hóa mở rộng DG đa giai đoạn trên lưới điện thực tế: Thiếu các mô hình toán học giải quyết hài hòa giữa tối đa hóa tỷ lệ thâm nhập công suất của nhà đầu tư và cực tiểu hóa tổn thất kỹ thuật cho đơn vị vận hành lưới theo lộ trình từng bước phù hợp với thực tiễn lưới điện Việt Nam.
- Khoảng trống trong định cỡ và lập lịch BESS đa mục tiêu kết hợp thị trường điện: Chưa có nghiên cứu tích hợp toàn diện thuật toán tối ưu phỏng sinh học thế hệ mới để giải quyết bài toán định vị, định cỡ và điều độ 24 giờ cho BESS với hàm mục tiêu tối thiểu hóa chi phí mua điện theo biểu giá thời gian sử dụng (Time-of-Use - TOU) kết hợp giảm tổn thất năng lượng ($\Delta A$) khi có sự tham gia của PV.
Để giải quyết triệt để các khoảng trống trên, luận án thiết lập hệ thống 4 câu hỏi nghiên cứu (Research Questions - RQ) và 4 giả thuyết khoa học (Hypotheses - H) tương ứng:
- RQ1: Làm thế nào để phân rã bài toán tích hợp DG có xét tái cấu hình lưới mà vẫn bảo toàn tính tối ưu toàn cục và giảm thiểu độ phức tạp tính toán?
- H1: Một mô hình phân rã 2 giai đoạn—Giai đoạn I: Thiết kế dài hạn (tối ưu vị trí và công suất DG trên lưới kín) và Giai đoạn II: Vận hành ngắn hạn (tối ưu khóa chuyển mạch mở để lưới vận hành hình tia)—sẽ giảm số lượng biến quyết định cho từng giai đoạn, triệt tiêu hiện tượng kẹt cực trị địa phương của mô hình tuần tự và đạt nghiệm tương đương mô hình đồng thời.
- RQ2: Phương pháp nào xác định cấu hình vận hành tối ưu tổn thất năng lượng nhanh chóng và chính xác khi hệ thống PV mở rộng công suất phát?
- H2: Thuật toán trao đổi nhánh tích hợp chỉ số công suất nhánh trung bình (CSNTB) cải tiến có xét đến sự đảo chiều dòng công suất sẽ xác định chính xác cấu hình tối ưu mà không cần giải bài toán tối ưu hóa liên tục 24 bước thời gian.
- RQ3: Lộ trình nào khả thi để tích hợp tối đa công suất DG vào lưới điện phân phối khu vực mà vẫn đảm bảo các tiêu chuẩn kỹ thuật vận hành?
- H3: Kế hoạch phân bổ 3 giai đoạn kết hợp thuật toán tối ưu phỏng sinh học (RRA, COA) sẽ tối đa hóa công suất tiếp nhận của DG tại các vùng kết nối tiềm năng và giảm thiểu tổn thất công suất ($\Delta P$).
- RQ4: Cơ chế điều khiển và định cỡ BESS nào mang lại hiệu quả kinh tế cao nhất trong môi trường biểu giá điện nhiều thành phần?
- H4: Thuật toán Cuckoo Search Algorithm (CSA) tích hợp hàm mục tiêu chênh lệch giá năng lượng (Energy Arbitrage) và chi phí tổn thất điện năng sẽ tối ưu hóa chính xác vị trí, dung lượng và chu trình sạc/xả 24 giờ của BESS.
Khung lý thuyết của nghiên cứu được xây dựng trên sự giao thoa giữa Lý thuyết dòng công suất (Power Flow Theory), Lý thuyết đồ thị và cấu trúc mạng (Graph Theory & Network Topology), Lý thuyết tối ưu hóa siêu nghiệm phỏng sinh học (Metaheuristic Optimization Theory) và Lý thuyết kinh tế thị trường điện (Electricity Market & TOU Arbitrage Theory). Phạm vi thực nghiệm bao gồm các hệ thống phân phối chuẩn quốc tế IEEE 18 nút, IEEE 33 nút, IEEE 69 nút và hệ thống phân phối thực tế lộ 471 trạm 110kV Chư Prông thuộc tỉnh Gia Lai, Việt Nam.
Literature Review và Positioning
Tổng quan tài liệu chuyên ngành chỉ ra rằng việc tích hợp tài nguyên năng lượng phân tán (Distributed Energy Resources - DER) vào lưới điện phân phối đã trải qua nhiều giai đoạn phát triển với các trường phái học thuật riêng biệt:
Trường phái thứ nhất tập trung vào bài toán tối ưu độc lập vị trí và dung lượng DG trên lưới điện cố định. Các tác giả đã áp dụng nhiều giải thuật tối ưu hóa khác nhau như Invasive Weed Optimization (IWO) [49], Genetic Algorithm (GA) [50], Firefly Algorithm (FWA) [51], và Cuckoo Search Algorithm (CSA) [52]. Tuy nhiên, nhóm nghiên cứu này đã giả định cấu hình lưới điện là bất biến, bỏ qua năng lực điều động của các thiết bị đóng cắt phân đoạn và liên lạc (tie switches), dẫn đến việc bỏ lỡ cơ hội giảm thêm tổn thất thông qua tối ưu hóa cấu trúc dòng công suất.
Trường phái thứ hai tập trung vào kỹ thuật tái cấu hình lưới điện phân phối (Distribution Network Reconfiguration - DNR) độc lập thông qua việc đóng/mở các khóa chuyển mạch để thay đổi cấu trúc hình học của lưới điện nhằm cực tiểu tổn thất công suất hoặc cân bằng tải. Các phương pháp kinh điển bao gồm thuật toán nhánh và ràng buộc rời rạc [54], phương pháp trao đổi nhánh của Civanlar et al. [55], [62], thuật toán Shuffled Frog Leaping (SFL) [57], và thuật toán Firefly (FA) [56]. Mặc dù cải thiện được tổn thất trong ngắn hạn, các phương pháp này không thể giải quyết được bài toán thiếu hụt nguồn cung cục bộ hoặc quá tải đường dây khi nhu cầu phụ tải tăng trưởng dài hạn.
Trường phái thứ ba tích hợp đồng thời DG và DNR. Đây là tâm điểm của các tranh luận học thuật sâu sắc:
- Quan điểm tối ưu đồng thời (Concurrent Formulation): Điển hình là các công trình của Sultana et al. [86] và Tolabi et al., trong đó vị trí DG, công suất DG và trạng thái của tất cả các khóa mở được biểu diễn trong một vector biến quyết định duy nhất và tối ưu hóa cùng lúc. Ưu điểm là đảm bảo tính liên kết đa biến, nhưng nhược điểm chí tử là không gian tìm kiếm mở rộng theo cấp số nhân ($O(2^n \times \mathbb{R}^m)$), làm giải thuật dễ rơi vào bẫy cực trị địa phương và thời gian tính toán kéo dài phi thực tế trên các lưới điện quy mô lớn.
- Quan điểm tối ưu tuần tự vị trí trước - công suất/DNR sau (Sequential VT-CS & DNR): Tiêu biểu là nghiên cứu của Rao et al. [83], tách bài toán bằng cách tìm vị trí đặt DG trước dựa trên độ nhạy tổn thất hoặc chỉ số điện áp, sau đó mới tối ưu công suất và cấu hình lưới. Hạn chế cốt lõi của phương pháp này là việc xác định vị trí DG trên lưới ban đầu (chưa tái cấu hình) sẽ tạo ra các tọa độ sai lệch, khiến giai đoạn tối ưu công suất và DNR sau đó không thể đạt được trạng thái tối ưu toàn cục.
graph LR
A[Mô hình Đồng thời <br>Sultana et al. 2016] -->|Không gian biến cực lớn| C{So sánh Tính toán}
B[Mô hình Tuần tự VT-CS & DNR <br>Rao et al. 2013] -->|Kẹt cực trị địa phương| C
D[Mô hình 2 Giai đoạn Đề xuất <br>Tôn Ngọc Triều 2023] -->|Tách rời Thiết kế & Vận hành| E[Tối ưu toàn cục & Giảm 50% số biến]
Về bài toán DNR khi có sự tham gia của nguồn điện mặt trời (PV), các công trình quốc tế như Niknam et al. [70] sử dụng Gravitational Search Algorithm (GSA) và Imran et al. [71] sử dụng Path Finding Algorithm (PFA) để giải bài toán cực tiểu tổn thất năng lượng ($\Delta A$) theo từng giờ. Phương pháp này buộc hệ thống phải đóng cắt thiết bị liên tục 24 lần mỗi ngày—điều bất khả thi đối với tuổi thọ khí cụ đóng cắt trung áp—hoặc dựa vào các mức tải trung bình cố định [67]–[69] làm sai lệch kết quả khi PV phát công suất cực đại gây hiện tượng dòng công suất ngược (reverse power flow).
Luận án của Tôn Ngọc Triều đã định vị một cách xuất sắc đóng góp khoa học của mình bằng việc vượt lên trên các hạn chế trên: xác lập mô hình phân rã 2 giai đoạn hợp lý về mặt vật lý kỹ thuật, phát triển thuật toán CSNTB cải tiến xử lý dòng công suất đảo chiều, và tiên phong ứng dụng CSA trong tối ưu BESS đa mục tiêu.
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Nghiên cứu mở rộng Lý thuyết Quy hoạch mở rộng lưới điện phân phối (Distribution Network Expansion Planning Theory) và Lý thuyết Điều khiển hệ thống điện thông qua 4 luận điểm khoa học có tính bước ngoặt:
- Xác lập nguyên lý phân rã thứ bậc giữa biến thiết kế dài hạn và biến điều khiển ngắn hạn: Luận án chứng minh một cách chặt chẽ rằng trạng thái mạch vòng kín (closed-loop network) là trạng thái phản ánh đầy đủ nhất dung lượng truyền tải biên và tương tác điện áp giữa các nút của toàn bộ hệ thống. Do đó, việc tối ưu hóa vị trí và công suất DG trên mô hình lưới kín (Giai đoạn I) sẽ xác lập dung lượng nguồn tối ưu mang tính bản chất kỹ thuật dài hạn, không bị phụ thuộc vào trạng thái đóng/mở tạm thời của các khóa liên lạc. Sau đó, Giai đoạn II chỉ cần tối ưu các khóa mở để chuyển lưới về dạng hình tia (radial) phục vụ vận hành ngắn hạn. Cách tiếp cận này phá vỡ bế tắc giữa mô hình đồng thời và mô hình tuần tự.
- Mở rộng lý thuyết dòng công suất trung bình trong điều kiện nghịch đảo công suất: Luận án phát triển chỉ số Công suất nhánh trung bình (CSNTB) cải tiến, bổ sung thành phần vector hướng truyền công suất khi có nguồn phát PV công suất lớn tham gia sâu vào lưới.
- Hình thành khung phân tích kinh tế - kỹ thuật cho BESS trong thị trường điện phân phối: Tích hợp hàm mục tiêu chênh lệch giá (Energy Arbitrage) vào phương trình tối ưu hóa mạng điện phân phối động lực học 24 giờ.
classDiagram
class OptimalPlanningModel {
+ObjectiveFunction_Loss_P()
+ObjectiveFunction_Loss_A()
+ObjectiveFunction_TOU_Cost()
+SolveTwoPhaseDG_DNR()
+SolveImprovedCSNTB_PV()
+SolveCSA_BESS_Schedule()
}
class Phase1_Design {
+Topology: Closed Loop
+Variables: Bus_DG, Size_DG
+Algorithm: Runner Root Algorithm (RRA)
}
class Phase2_Operation {
+Topology: Radial Network
+Variables: Open_Tie_Switches
+Algorithm: RRA / COA
}
class BESS_EnergyArbitrage {
+ChargeDischargeCycle: 24h
+TOU_Tariff: Peak, OffPeak, Normal
+Constraints: SOC, PowerLimit, BusVoltage
}
OptimalPlanningModel --> Phase1_Design
OptimalPlanningModel --> Phase2_Operation
OptimalPlanningModel --> BESS_EnergyArbitrage
Khung phân tích độc đáo
Hệ thống mô hình toán học tối ưu hóa được thiết lập chuẩn xác với các phương trình mục tiêu và hệ ràng buộc phi tuyến:
1. Mô hình tối ưu 2 giai đoạn cho DG có xét DNR (Bài toán 1):
- Giai đoạn I (Lưới kín - Thiết kế):
$$\min f_1 = \Delta P_{\text{closed}} = \sum_{k \in \mathcal{N}{br}} R_k \cdot I_k^2 = \sum{k \in \mathcal{N}_{br}} R_k \cdot \frac{P_k^2 + Q_k^2}{V_k^2}$$
- Giai đoạn II (Lưới hở - Vận hành):
$$\min f_2 = \Delta P_{\text{radial}} = \sum_{j \in \mathcal{N}_{br_open}} R_j \cdot I_j^2$$
- Biến quyết định: $X_1 = [N_{DG,1}, \dots, N_{DG,m}, P_{DG,1}, \dots, P_{DG,m}]$ (Giai đoạn I); $X_2 = [Sw_1, Sw_2, \dots, Sw_k]$ (Giai đoạn II).
2. Mô hình cực tiểu tổn thất năng lượng khi PV mở rộng công suất (Bài toán 2):
$$\min \Delta A = \sum_{t=1}^{24} \sum_{i \in \mathcal{N}{br}} R_i \cdot \left[ I_i(t) \right]^2 \cdot \Delta t$$
với chỉ số dòng điện nhánh trung bình cải tiến:
$$I{br_mean, k} = \frac{1}{24} \sum_{t=1}^{24} \text{sign}(P_{k,t}) \cdot \frac{\sqrt{P_{k,t}^2 + Q_{k,t}^2}}{\sqrt{3} \cdot V_{k,t}}$$
3. Mô hình cực tiểu chi phí mua điện và tổn thất kết hợp BESS (Bài toán 4):
$$\min C_{\text{total}} = \sum_{t=1}^{24} \left( P_{\text{grid}}(t) \cdot C_{\text{TOU}}(t) \cdot \Delta t \right) + C_{\text{loss}} \cdot \Delta A$$
trong đó $C_{\text{TOU}}(t)$ là biểu giá điện 3 giá (giờ cao điểm, bình thường, thấp điểm); $P_{\text{grid}}(t) = P_{\text{load}}(t) - P_{\text{PV}}(t) \pm P_{\text{BESS}}(t)$.
Hệ thống ràng buộc kỹ thuật nghiêm ngặt:
- Cân bằng công suất nút: $P_{DG,i} \pm P_{BESS,i} - P_{L,i} - V_i \sum_{j=1}^N V_j (G_{ij}\cos\theta_{ij} + B_{ij}\sin\theta_{ij}) = 0$
- Ràng buộc điện áp: $V_i^{\min} \le V_i \le V_i^{\max} \quad (\forall i \in \mathcal{N}_{bus})$ với ngưỡng chuẩn $[0.95 \div 1.05\text{ pu}]$
- Ràng buộc mang tải nhánh: $I_k \le I_k^{\max} \quad (\forall k \in \mathcal{N}_{br})$
- Ràng buộc công suất DG và BESS: $P_{DG}^{\min} \le P_{DG} \le P_{DG}^{\max}$; $0 \le P_{BESS_ch} \le P_{BESS}^{\max}$; $0 \le P_{BESS_dis} \le P_{BESS}^{\max}$
- Ràng buộc trạng thái sạc (State of Charge - SOC): $SOC^{\min} \le SOC(t) \le SOC^{\max}$; $SOC(24) = SOC(0)$
- Ràng buộc cấu trúc hình tia: $\det(A) = 1$ hoặc $-1$ (ma trận liên thuộc nút - nhánh), đảm bảo không tồn tại mạch vòng kín và không có nút bị cô lập.
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Nghiên cứu được xây dựng trên lập trường thực chứng luận (Positivism) kết hợp chủ nghĩa hiện thực phản biện (Critical Realism) trong kỹ thuật hệ thống điện. Quy trình nghiên cứu tích hợp phương pháp phân tích giải tích mạng điện, mô hình hóa giải thuật toán học phi tuyến và mô phỏng số học (computational numerical simulation) trên các công cụ chuyên ngành chuyên sâu: MATLAB và PSS-ADEPT.
flowchart LR
A[Dữ liệu Lưới & Phụ tải] --> B[Thiết kế Mô hình Toán & Ràng buộc]
B --> C[Phát triển Thuật toán Metaheuristic]
C --> D[Mô phỏng Động học trên MATLAB & PSS-ADEPT]
D --> E[Phân tích Độ nhạy & Robustness Check 50 Runs]
E --> F[Đánh giá Kỹ thuật - Kinh tế Đa chiều]
Quy trình nghiên cứu và giải thuật tối ưu hóa
Luận án triển khai 4 thuật toán siêu nghiệm (metaheuristics) tiên tiến với cơ chế tìm kiếm độc đáo:
+-----------------------------------------------------------------------------------+
| KHUNG GIẢI THUẬT METAHEURISTIC TRONG LUẬN ÁN |
+===================================================================================+
| 1. Runner Root Algorithm (RRA) |
| - Cảm hứng: Cơ chế nhân giống sinh học của cây dâu tây (Fragaria x ananassa) |
| - Cấu trúc: Nhánh thân bò (runners) thăm dò toàn cục (exploration); |
| Hệ rễ phụ (roots) khai thác sâu cục bộ (exploitation). |
| - Ứng dụng: Giải bài toán 2 giai đoạn trên lưới IEEE 33 và 69 nút. |
+-----------------------------------------------------------------------------------+
| 2. Coyote Optimization Algorithm (COA) |
| - Cảm hứng: Cấu trúc xã hội và hành vi thích nghi của loài sói đồng cỏ Coyote |
| - Cấu trúc: Phân chia bầy đàn (packs), sói đầu đàn (alpha), trao đổi văn hóa |
| giữa các bầy và đào thải cá thể yếu. |
| - Ứng dụng: Tối ưu 3 vị trí DG cho lưới thực tế Chư Prông - Gia Lai. |
+-----------------------------------------------------------------------------------+
| 3. Cuckoo Search Algorithm (CSA) |
| - Cảm hứng: Tập tính ký sinh nuôi con của chim cúc cu kết hợp bước nhảy ngẫu |
| nhiên Lévy Flights. |
| - Ứng dụng: Lần đầu tiên ứng dụng tối ưu hóa vị trí, dung lượng và lịch BESS. |
+-----------------------------------------------------------------------------------+
| 4. Thuật toán Trao đổi nhánh với CSNTB cải tiến |
| - Cảm hứng: Kỹ thuật Heuristic kinh điển tích hợp đại số vector công suất |
| - Ứng dụng: Xác định nhanh cấu hình lưới khi mở rộng PV công suất lớn. |
+-----------------------------------------------------------------------------------+
Dữ liệu và phân tích thực nghiệm
Các hệ thống kiểm tra được mô hình hóa với độ chi tiết cao:
- Hệ thống IEEE 18 nút: Điện áp định mức 10 kV, tổng tải $P_L = 3800\text{ kW}$, $Q_L = 1693\text{ kVAr}$, 17 nhánh dây và 1 khóa liên lạc, tích hợp PV tại nút 18 ($P_{PV1} = 560\text{ kW}$, mở rộng $P_{PV2} = 2440\text{ kW}$).
- Hệ thống IEEE 33 nút: Điện áp định mức 12.66 kV, tổng tải $P_L = 3715\text{ kW}$, $Q_L = 2300\text{ kVAr}$, 32 nhánh dây, 5 khóa liên lạc (khóa 33 đến 37), tích hợp 3 PV tại các nút phân tán.
- Hệ thống IEEE 69 nút: Điện áp định mức 12.66 kV, tổng tải $P_L = 3801.49\text{ kW}$, $Q_L = 2694.60\text{ kVAr}$, 68 nhánh dây, 5 khóa liên lạc (khóa 69 đến 73), đặc trưng bởi sự sụt áp lớn ở các nút cuối nguồn.
- Lưới điện thực tế Chư Prông - Gia Lai: Hệ thống lưới điện phân phối 22 kV nhận điện từ trạm 110/22 kV Chư Prông, cấp điện cho khu vực nông nghiệp và công nghiệp chế biến rộng lớn, với 3 vùng kết nối tiềm năng để giải tỏa công suất thủy điện nhỏ và điện mặt trời.
Quy trình kiểm tra tính vững chắc (Robustness Check) được thực hiện qua 50 lần chạy độc lập cho mỗi thuật toán, đánh giá giá trị tốt nhất (Best), giá trị trung bình (Mean), giá trị xấu nhất (Worst) và độ lệch chuẩn ($\sigma$).
Phát hiện đột phá và implications
Những phát hiện then chốt
Quá trình mô phỏng và thực nghiệm số học đã mang lại các kết quả đột phá với các chỉ số định lượng cụ thể:
graph TD
subgraph Findings [Các Phát Hiện Đột Phá Chính]
F1["Bài toán 1: RRA 2 Giai đoạn <br> Giảm 50% số biến, ΔP tối ưu ngang bằng bài toán đồng thời"]
F2["Bài toán 2: CSNTB Cải tiến <br> Xác định tức thời cấu hình khi PV mở rộng lên 2440 kW"]
F3["Bài toán 3: Lưới Chư Prông <br> Quy hoạch 3 giai đoạn tối đa hóa công suất tiếp nhận DG"]
F4["Bài toán 4: CSA cho BESS <br> Giảm mạnh chi phí mua điện 24h & san phẳng đỉnh tải"]
end
- Hiệu năng vượt trội của mô hình phân rã 2 giai đoạn:
- Trên lưới IEEE 33 nút: Trước tối ưu, tổn thất công suất ban đầu là $210.98\text{ kW}$. Khi áp dụng thuật toán RRA cho bài toán 2 giai đoạn, ở Giai đoạn I (lưới kín), vị trí và công suất DG tối ưu được xác định chính xác; sang Giai đoạn II (tối ưu khóa mở), tổn thất công suất toàn hệ thống giảm xuống mức tối ưu tuyệt đối, tương đương với bài toán đồng thời phức tạp nhưng số lượng biến lặp trong mỗi giai đoạn giảm đi một nửa, loại bỏ hoàn toàn hiện tượng phân kỳ.
- Trên lưới IEEE 69 nút: Tổn thất công suất ban đầu từ mức $225.00\text{ kW}$ giảm sâu sau khi lắp đặt DG và tái cấu hình, cải thiện vượt bậc cấu hình điện áp toàn lưới ($V_{\min}$ nâng từ $0.909\text{ pu}$ lên trên $0.965\text{ pu}$). Kết quả của RRA và COA vượt trội hơn hẳn thuật toán Genetic Algorithm (GA) cả về tốc độ hội tụ và độ mịn của đường cong tối ưu qua 50 lần chạy.
- Tính chính xác của thuật toán trao đổi nhánh với CSNTB cải tiến:
- Trên lưới IEEE 18 nút có PV tại nút 18: Khi công suất PV ban đầu $P_{PV1} = 560\text{ kW}$, chiều truyền công suất chưa đảo chiều, khóa mở tối ưu là khóa 11. Khi mở rộng công suất PV thêm $P_{PV2} = 2440\text{ kW}$ (tổng công suất $3000\text{ kW}$), dòng công suất bị đảo ngược tại nhiều phân đoạn nhánh. Thuật toán CSNTB cải tiến đã tự động nhận diện điểm cân bằng công suất mới và chuyển khóa mở tối ưu sang vị trí mới, đảm bảo tổn thất năng lượng $\Delta A$ đạt cực tiểu mà không cần thực hiện 24 phép tính tối ưu hóa riêng biệt theo từng giờ phụ tải.
- Hiện thực hóa kế hoạch mở rộng DG 3 giai đoạn tại lưới Chư Prông - Gia Lai:
- Bằng cách ứng dụng thuật toán COA và RRA, luận án đã xác định chính xác 3 cụm vị trí và công suất DG tối ưu cho 3 giai đoạn đầu tư dài hạn: Giai đoạn 1 ($DG_1$), Giai đoạn 2 ($DG_1 + DG_2$), và Giai đoạn 3 ($DG_1 + DG_2 + DG_3$). Kết quả cho thấy hệ số mang tải của các đường dây quá tải giảm mạnh về mức an toàn, tổn thất công suất kỹ thuật $\Delta P$ giảm sâu, và hấp thu tối đa nguồn năng lượng tái tạo tại địa phương.
- Hiệu quả kinh tế của BESS thông qua giải thuật CSA:
- Khi tích hợp BESS vào lưới IEEE 18 nút và 33 nút có PV dưới cơ chế giá điện 3 giá (TOU), thuật toán CSA đã lập lịch sạc vào các giờ thấp điểm (giá rẻ, tải thấp) và xả vào các giờ cao điểm (giá đắt, tải đỉnh). Kết quả so sánh đối chuẩn chứng minh CSA đạt hàm chi phí mua điện thấp hơn và độ hội tụ nhanh hơn so với GA, Sunflower Optimization (SFO), và Path Finding Algorithm (PFA).
+----------------------------------------------------------------------------------------------------+
| TỔNG HỢP SO SÁNH HIỆU NĂNG TỐI ƯU HÓA TRONG CÁC BÀI TOÁN |
+====================================================================================================+
| Hệ thống / Bài toán | Phương pháp / Thuật toán | Chỉ số Kỹ thuật - Kinh tế | Đánh giá Đột phá |
+------------------------+--------------------------+----------------------------+-------------------+
| IEEE 33 Nút (DG + DNR) | RRA 2 Giai đoạn | Cực tiểu hóa ΔP toàn diện | Giảm 50% số biến, |
| | | V_min > 0.96 pu | tránh kẹt cực trị |
+------------------------+--------------------------+----------------------------+-------------------+
| IEEE 69 Nút (DG + DNR) | RRA / COA 2 Giai đoạn | ΔP giảm sâu từ 225 kW | Hội tụ sau 50 run |
| | | Profile điện áp phẳng | ổn định hơn GA |
+------------------------+--------------------------+----------------------------+-------------------+
| IEEE 18 Nút (Mở rộng PV| CSNTB cải tiến | Cực tiểu hóa ΔA 24h | Xử lý chính xác |
| 560 kW -> 3000 kW) | | Tự động đổi vị trí khóa mở | dòng đảo chiều |
+------------------------+--------------------------+----------------------------+-------------------+
| IEEE 18 & 33 Nút (BESS)| Cuckoo Search (CSA) | Min Chi phí mua điện TOU | Vượt trội so với |
| | | San phẳng biểu đồ tải 24h | GA, SFO, PFA |
+------------------------+--------------------------+----------------------------+-------------------+
Implications đa chiều
- Về mặt học thuật: Mở ra phương pháp luận phân rã hệ thống (system decomposition methodology) cho các bài toán quy hoạch lưới điện phức hợp có số chiều lớn; đặt nền móng cho việc ứng dụng các thuật toán metaheuristic phỏng sinh học thế hệ mới trong điều độ lưới điện chủ động.
- Về mặt kỹ thuật và vận hành: Cung cấp công cụ tính toán trực quan, tốc độ cao cho các kỹ sư điều độ tại các Trung tâm Điều độ Hệ thống điện Miền và các Công ty Điện lực, giúp đưa ra quyết định chuyển phương thức vận hành lưới khi tích hợp thêm các nguồn năng lượng tái tạo.
- Về mặt kinh tế và thị trường: Giúp các đơn vị phân phối điện tối ưu hóa dòng tiền mua bán điện trên thị trường bán buôn, tận dụng chênh lệch giá TOU thông qua hệ thống lưu trữ BESS, đồng thời trì hoãn hàng nghìn tỷ đồng chi phí đầu tư nâng cấp lưới truyền thống.
- Về mặt chính sách: Cung cấp cơ sở khoa học định lượng hỗ trợ Tập đoàn Điện lực Việt Nam (EVN) và Bộ Công Thương trong việc xây dựng cơ chế giá khuyến khích cho hệ thống lưu trữ năng lượng (BESS) và quy định kỹ thuật đấu nối nguồn phân tán theo định hướng Quy hoạch Điện VIII.
Limitations và Future Research
Mặc dù đạt được những đóng góp học thuật và thực tiễn to lớn, luận án duy trì thái độ học thuật nghiêm cẩn khi chỉ rõ 3 giới hạn nghiên cứu:
- Mô hình hóa phụ tải và nguồn phát theo kịch bản tất định (Deterministic Framework): Nghiên cứu sử dụng đồ thị phụ tải và công suất phát PV đặc trưng 24 giờ mà chưa xét đến tính bất định ngẫu nhiên mang tính xác suất (stochastic/probabilistic uncertainty) của bức xạ mặt trời do thời tiết mây che hoặc sự biến động ngẫu nhiên của phụ tải xe điện (EV).
- Chưa tích hợp mô hình suy giảm dung lượng BESS (Battery Degradation Cost): Hàm mục tiêu kinh tế của BESS tập trung vào chi phí mua điện TOU và tổn thất năng lượng mà chưa tính chi tiết đến chi phí hao mòn điện hóa (life-cycle degradation) theo độ sâu xả (Depth of Discharge - DoD) và nhiệt độ môi trường.
- Giới hạn trong lưới điện phân phối xoay chiều trung áp: Các thuật toán chưa được mở rộng kiểm chứng trên hệ thống lưới lai AC/DC microgrid hoặc lưới điện hạ áp có độ mất cân bằng pha nghiêm trọng.
graph LR
subgraph FutureAgenda [Chương trình Nghiên cứu 10 Năm Tiếp theo]
R1[Tối ưu hóa Bất định Stochastic & Robust Optimization]
R2[Điều khiển Phân tán Multi-Agent & Microgrid AC/DC]
R3[Tích hợp Hệ thống Lưu trữ Lai HESS: Pin + Siêu tụ]
R4[Phát triển Thị trường Điện Ngang hàng P2P Energy Trading]
end
Chương trình nghiên cứu tiếp theo (Future Research Agenda) bao gồm:
- Tích hợp kỹ thuật tối ưu hóa bền vững thích ứng (Robust Adaptive Optimization) và mô phỏng Monte Carlo để xử lý biến thiên xác suất của RES.
- Phát triển mô hình kinh tế kỹ thuật hoàn chỉnh cho hệ thống lưu trữ lai (Hybrid Energy Storage System - HESS) kết hợp pin Lithium-ion và siêu tụ điện (Supercapacitor).
- Mở rộng thuật toán sang mô hình điều khiển phân tán phi tập trung (Decentralized Multi-Agent Control) cho các vi lưới (Microgrids) có khả năng vận hành độc lập (islanding mode).
Tác động và ảnh hưởng
- Tác động học thuật: Các công trình của luận án đã được công bố trên các tạp chí khoa học quốc tế uy tín thuộc danh mục ISI/Scopus và kỷ yếu hội nghị quốc tế chuyên ngành (với 10 công trình khoa học công bố, gồm các bài báo số [1] đến [10] trong danh mục tác giả). Phương pháp luận phân rã 2 giai đoạn và ứng dụng CSA cho BESS tạo tiền đề trích dẫn cao trong cộng đồng nghiên cứu hệ thống điện thông minh.
- Chuyển đổi ngành công nghiệp điện lực: Cung cấp giải pháp kỹ thuật trực tiếp cho các Công ty Điện lực (EVN SPC, EVN CPC, EVN HCMC) giải quyết bài toán nghẽn mạch cục bộ và quá điện áp do bùng nổ điện mặt trời mái nhà tại khu vực miền Trung và miền Nam.
- Tác động xã hội và môi trường: Bằng cách tối đa hóa khả năng tích hợp nguồn năng lượng tái tạo và giảm tổn thất công suất truyền dẫn, nghiên cứu đóng góp trực tiếp vào mục tiêu giảm phát thải khí nhà kính $CO_2$, thúc đẩy cam kết Net Zero vào năm 2050 của Việt Nam tại COP26.
Đối tượng hưởng lợi
- Nghiên cứu sinh và Giới học thuật: Tiếp cận khung phân tích giải tích mạng điện phân rã 2 giai đoạn, thuật toán CSNTB cải tiến và mã nguồn thực thi các thuật toán metaheuristic thế hệ mới (RRA, COA, CSA).
- Kỹ sư quy hoạch và điều độ hệ thống điện: Ứng dụng công cụ tái cấu hình nhanh và định vị tối ưu thiết bị đóng cắt trên lưới điện thực tế để giảm tổn thất điện năng kỹ thuật hàng năm.
- Nhà đầu tư năng lượng tái tạo và BESS: Xác định được dung lượng lắp đặt tối đa cho phép tại các nút tiềm năng mà không bị cắt giảm công suất (curtailment), đồng thời tối ưu hóa thời gian hoàn vốn (ROI) nhờ chiến lược nạp/xả chênh lệch giá TOU.
- Cơ quan quản lý nhà nước (Cục Điều tiết Điện lực, Bộ Công Thương): Có cơ sở dữ liệu thực nghiệm để ban hành các quy định kỹ thuật vận hành lưới điện phân phối thông minh và biểu giá dịch vụ lưu trữ năng lượng.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Trả lời: Đóng góp độc đáo nhất là xác lập nguyên lý phân rã thứ bậc cho bài toán quy hoạch DG có xét DNR bằng mô hình 2 giai đoạn (Lưới kín - Thiết kế dài hạn $\rightarrow$ Lưới hở - Vận hành ngắn hạn). Luận điểm này mở rộng Lý thuyết Quy hoạch mở rộng lưới điện phân phối (DEP) truyền thống, chứng minh rằng không gian trạng thái lưới kín là cơ sở chuẩn xác nhất để xác định dung lượng và vị trí DG tối ưu toàn cục mà không bị nhiễu bởi các cấu hình hình tia tạm thời.
2. Đột phá về phương pháp luận nghiên cứu khi so sánh với ít nhất 2 công trình quốc tế điển hình?
Trả lời: So với mô hình tối ưu đồng thời của Sultana et al. (2016), phương pháp của luận án giảm hơn 50% số biến quyết định trong từng bước giải, triệt tiêu sự bùng nổ tổ hợp và giảm mạnh thời gian tính toán. So với mô hình tuần tự VT-CS & DNR của Rao et al. (2013), phương pháp 2 giai đoạn của luận án khắc phục triệt để sai số định vị ban đầu, mang lại giá trị tổn thất công suất $\Delta P$ nhỏ hơn và đạt nghiệm tối ưu toàn cục.
3. Phát hiện thực nghiệm nào gây bất ngờ và có ý nghĩa kỹ thuật sâu sắc nhất?
Trả lời: Phát hiện về sự đảo chiều dòng công suất khi PV mở rộng từ $560\text{ kW}$ lên $3000\text{ kW}$ trên lưới 18 nút: điểm mở khóa tối ưu không cố định mà dịch chuyển sang vị trí hoàn toàn mới. Thuật toán CSNTB cải tiến đã nhận diện chính xác khóa mở tối ưu này chỉ qua một lần phân tích công suất trung bình có hướng, cho kết quả tổn thất năng lượng $\Delta A$ trùng khớp hoàn toàn với phương pháp tối ưu hóa theo chuỗi 24 giờ phụ tải phức tạp.
4. Nghiên cứu có cung cấp giao thức tái lập (Replication Protocol) hoàn chỉnh không?
Trả lời: Có. Luận án cung cấp toàn bộ thông số chi tiết của đường dây, phụ tải, tỷ lệ phân bố tải dân dụng/thương mại/công nghiệp, các vùng kết nối tiềm năng trên các lưới IEEE 18 nút, 33 nút, 69 nút và lưới thực tế Chư Prông (tại phần phụ lục trang 122–139), cùng cấu trúc tham số cài đặt của các thuật toán RRA, COA, CSA để cộng đồng khoa học tái lập hoàn toàn kết quả.
5. Lộ trình nghiên cứu 10 năm tiếp theo được định hình như thế nào?
Trả lời: Tập trung vào 3 trụ cột: (1) Tích hợp mô hình toán học bất định hai tầng (Two-stage Stochastic Programming) cho RES và xe điện; (2) Thiết lập cơ chế điều độ thị trường điện ngang hàng (P2P Energy Trading) trên nền tảng lưới phân phối có BESS; (3) Mở rộng giải thuật điều khiển phân tán thời gian thực cho cấu trúc Microgrid tích hợp sâu BESS và DG.
Kết luận
Luận án tiến sĩ của tác giả Tôn Ngọc Triều đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, xác lập 5 đóng góp học thuật và thực tiễn cốt lõi:
- Đề xuất thành công bài toán tối ưu vị trí và dung lượng DG có xét tái cấu hình lưới (DNR) thông qua mô hình 2 giai đoạn mới, giải quyết bằng thuật toán Runner Root Algorithm (RRA), đảm bảo nghiệm tối ưu toàn cục và giảm thiểu độ phức tạp tính toán.
- Phát triển thuật toán trao đổi nhánh dựa trên công suất nhánh trung bình (CSNTB) cải tiến, xác định cấu hình vận hành tối ưu tổn thất năng lượng $\Delta A$ chính xác và tức thời khi nguồn điện mặt trời (PV) mở rộng công suất.
- Hoạch định thành công kế hoạch mở rộng thâm nhập DG 3 giai đoạn trên lưới điện thực tế Chư Prông – Gia Lai bằng thuật toán Coyote Algorithm (COA) và RRA, tối đa hóa khả năng tiếp nhận nguồn năng lượng tái tạo cục bộ.
- Tiên phong ứng dụng thuật toán Cuckoo Search Algorithm (CSA) giải quyết trọn vẹn bài toán định vị, định cỡ và lập lịch vận hành 24 giờ cho hệ thống pin lưu trữ năng lượng (BESS), cực tiểu hóa chi phí mua điện theo biểu giá TOU và giảm tổn thất kỹ thuật.
- Xây dựng hệ thống công cụ mô phỏng số học chuẩn hóa, có khả năng chuyển giao công nghệ trực tiếp phục vụ công tác quy hoạch và vận hành hệ thống điện thông minh tại Việt Nam.
Công trình tạo ra bước tiến hệ hình quan trọng trong chuyên ngành Kỹ thuật điện, mở ra các nhánh nghiên cứu chuyên sâu về điều độ tối ưu tài nguyên phân tán, và cung cấp luận cứ khoa học vững chắc phục vụ lộ trình chuyển dịch năng lượng bền vững quốc gia.
