Bối cảnh và vấn đề nghiên cứu

Trước bối cảnh cạn kiệt nguồn nhiên liệu hóa thạch và yêu cầu cấp bách về cắt giảm phát thải khí nhà kính, việc chuyển dịch cơ cấu năng lượng sang các mô hình phân tán, linh hoạt và thân thiện với môi trường đang trở thành xu hướng tất yếu. Trong đó, lưới điện siêu nhỏ (Microgrid - MG) được xem là giải pháp tiềm năng nhằm nâng cao độ tin cậy cung cấp điện, thúc đẩy phát triển bền vững và giảm thiểu sự phụ thuộc vào hệ thống lưới điện truyền thống. Một hệ thống Microgrid tiêu biểu cho phép tích hợp đa dạng các nguồn phân tán bao gồm máy phát diesel (MFD), nguồn năng lượng tái tạo (RES) như điện mặt trời (PV), điện gió, cùng hệ thống lưu trữ năng lượng bằng pin (BESS).

Tuy nhiên, đặc tính ngẫu nhiên, phụ thuộc lớn vào thời tiết của năng lượng tái tạo cùng sự dao động khó dự báo của phụ tải tiêu thụ đã đặt ra thách thức lớn đối với việc duy trì cân bằng cung - cầu theo thời gian thực. Nếu không có chiến lược điều phối hợp lý, hệ thống rất dễ rơi vào tình trạng mất ổn định tần số, quá tải, hoặc làm gia tăng đột biến chi phí vận hành do phải huy động nguồn điện truyền thống giá cao và sa thải phụ tải ngoài ý muốn. Do đó, bài toán điều phối công suất tối ưu trong chu kỳ 24 giờ nhằm giảm thiểu chi phí vận hành tổng thể trong điều kiện bất định là vấn đề kỹ thuật có ý nghĩa thực tiễn sâu sắc.

Đề tài đặt ra mục tiêu tổng quát là xây dựng mô hình toán học tối ưu hóa điều phối công suất cho lưới điện Microgrid hình mẫu IEEE 16 bus vận hành ở chế độ độc lập (tách lưới), nhằm giảm thiểu tổng chi phí phát điện, vận hành lưu trữ và chi phí phạt cắt tải, đồng thời ứng phó hiệu quả với các biến động nguồn và tải. Các nhiệm vụ nghiên cứu cụ thể được xác định bao gồm:

  1. Thu thập dữ liệu thực tế về tốc độ gió từ cơ sở dữ liệu Wind Resource Database (WRDB) và cường độ bức xạ mặt trời từ National Solar Radiation Database (NSRDB) tại đảo Kauai, Hawaii, Hoa Kỳ.
  2. Ứng dụng phương pháp khoảng tứ phân vị (Interquartile Range - IQR) để lọc nhiễu và loại bỏ giá trị ngoại lai cho dữ liệu đầu vào.
  3. Phân tích cấu trúc hệ thống Microgrid và mô hình hóa đặc tính kỹ thuật của các nguồn phân tán (RES, BESS, MFD) cùng các cấp phụ tải.
  4. Lựa chọn và kiểm định các hàm phân phối xác suất phù hợp để mô hình hóa tính bất định của bức xạ mặt trời, tốc độ gió và phụ tải.
  5. Ứng dụng phương pháp Ước lượng hợp lý cực đại (Maximum Likelihood Estimation - MLE) trên phần mềm MATLAB để xác định tham số của các hàm phân phối.
  6. Đánh giá mức độ phù hợp của các hàm phân phối thông qua các chỉ số thống kê gồm sai số căn phương trung bình (RMSE), sai số tuyệt đối trung bình (MAE), hệ số xác định ($R^2$) và tiêu chuẩn thông tin Akaike (AIC).
  7. Xây dựng mô hình bài toán tối ưu phi tuyến có xét đầy đủ các ràng buộc cân bằng công suất, giới hạn nguồn phát, trạng thái sạc/xả pin và giới hạn cắt tải.
  8. Áp dụng các thuật toán tối ưu hóa metaheuristic gồm Thuật toán tìm kiếm Cuckoo (CS), Thuật toán Thoát hiểm (ESC), và Trình tối ưu hóa cân bằng (EO) để giải bài toán điều phối.
  9. Đề xuất giải thuật cải tiến ESCEO bằng cách tích hợp cơ chế cập nhật nghiệm từ EO vào ESC, sau đó tiến hành thử nghiệm mô phỏng trên MATLAB theo 3 kịch bản mức cắt tải tối đa là 30%, 40% và 50% tổng phụ tải.

Đối tượng nghiên cứu của đồ án là bài toán điều phối công suất kinh tế kết hợp sa thải phụ tải có kiểm soát trong hệ thống Microgrid. Phạm vi nghiên cứu về mặt không gian được thực nghiệm mô phỏng trên sơ đồ lưới chuẩn IEEE 16 bus, sử dụng dữ liệu khí tượng thực tế tại vùng đảo Kauai, Hawaii; phạm vi thời gian được xác lập là chu kỳ điều độ 24 giờ với bước tính toán theo từng giờ.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình toán học

Hệ thống Microgrid được định nghĩa là một cấu trúc phân phối điện cục bộ, tích hợp các nguồn phát phân tán (DER), hệ thống lưu trữ năng lượng và phụ tải. Đồ án phân loại Microgrid thành hai dạng: cô lập (vận hành độc lập, chuyên dùng cho hải đảo hoặc khu vực xa xôi) và không cô lập (có thể chuyển đổi giữa nối lưới và tách đảo). Nghiên cứu tập trung giải quyết chế độ cô lập, nơi toàn bộ nhu cầu công suất phải được cung ứng nội bộ.

Các thành phần kỹ thuật được mô hình hóa bao gồm:

  • Máy phát điện diesel (MFD): Chi phí sản xuất điện năng được biểu diễn qua hàm bậc hai: $$C_d = \sum_{i=1}^{ng} (\alpha_i + \beta_i P_{d,i} + \gamma_i P_{d,i}^2)$$ với $ng$ là số tổ máy phát, $P_{d,i}$ là công suất phát, và $\alpha_i, \beta_i, \gamma_i$ là các hệ số chi phí nhiên liệu.
  • Hệ thống điện mặt trời (PV): Công suất đầu ra $P_{PV}$ phụ thuộc vào cường độ bức xạ mặt trời $G_s$, cường độ chuẩn $G_{std} = 1000 \text{ W/m}^2$, điểm bức xạ ngưỡng $X_c = 150 \text{ W/m}^2$ và công suất định mức $P_{sr}$. Chi phí vận hành PV gồm hệ số duy trì, khấu hao và xử lý ô nhiễm: $$C_{PV} = P_{PV}(\alpha_{PV} + \beta_{PV} + \gamma_{PV})$$
  • Hệ thống điện gió: Công suất tua-bin được tính toán dựa trên đặc tính vận tốc gió bao gồm tốc độ khởi động $V_i$, tốc độ định mức $V_r$, và tốc độ ngắt $V_o$. Chi phí điện gió tỷ lệ thuận với công suất phát: $$C_W = \sum_{i=1}^N d_i P_{W,i}$$
  • Hệ thống lưu trữ năng lượng pin (BESS): Chi phí sạc/xả trong 24 giờ được xác định bằng công thức: $$C_{es}(t) = M_{es} \left[ P_{cha}(t)\eta_{cha} + \frac{P_{dis}(t)}{\eta_{dis}} \right]$$ với $M_{es}$ là đơn giá chu kỳ ($/kWh), $\eta_{cha}$ và $\eta_{dis}$ là hiệu suất sạc/xả. Trạng thái sạc pin (SOC) được cập nhật động có xét đến hệ số tự xả $\delta$ (%/giờ) và bị giới hạn nghiêm ngặt trong khoảng $[SOC_{\min}, SOC_{\max}]$.
  • Chi phí sa thải tải: Để tránh sụp đổ hệ thống khi nguồn phát thiếu hụt, phụ tải được chia thành 3 cấp (Loại 1: thiết yếu, không được cắt; Loại 2: điều chỉnh ngắn hạn; Loại 3: phụ tải tiêu thụ thông thường có thể cắt khi khẩn cấp). Chi phí thiệt hại do sa thải phụ tải loại 3 được lượng hóa qua hàm phạt: $$C_{shed} = \sum_{j=1}^m C_j P_{Lj,shed}$$

Hàm mục tiêu chung của bài toán là tối thiểu hóa tổng chi phí vận hành toàn hệ thống trong 24 giờ, chịu sự chi phối của các ràng buộc: cân bằng công suất nút theo phương trình dòng công suất AC (biểu diễn qua điện áp nút $V$, góc pha $\theta$, độ dẫn truyền $G_{line}$ và dung dẫn $B_{line}$), giới hạn tần số ($f_{\min} \le f \le f_{\max}$), giới hạn điện áp ($V_{\min} \le V \le V_{\max}$), giới hạn công suất từng nguồn phát, giới hạn năng lượng sạc/xả bảo toàn sau một chu kỳ và giới hạn cắt tải cho phép.

Phương pháp nghiên cứu và xử lý dữ liệu

Phương pháp nghiên cứu kết hợp giữa xử lý thống kê dữ liệu khí tượng thực nghiệm và mô phỏng tối ưu hóa phi tuyến trên MATLAB:

  1. Lọc nhiễu dữ liệu: Phương pháp IQR được áp dụng cho tập số liệu bức xạ và tốc độ gió theo công thức $IQR = Q_3 - Q_1$. Dữ liệu hợp lệ nằm trong khoảng $[Q_1 - 1.5 \times IQR, Q_3 + 1.5 \times IQR]$.
  2. Mô hình hóa bất định bằng phân phối xác suất:
    • Dữ liệu bức xạ mặt trời được kiểm thử với 4 phân phối: Beta, Triangular, Lognormal và Normal.
    • Dữ liệu tốc độ gió được kiểm thử với 5 phân phối: Weibull, Rayleigh, Lognormal, Generalized Extreme Value (GEV) và Normal.
    • Dữ liệu phụ tải được mô hình hóa bằng phân phối Normal theo công suất định mức.
  3. Ước lượng tham số: Thuật toán MLE thiết lập hàm Log-Likelihood từ hàm mật độ xác suất (PDF) của từng phân phối và giải hệ phương trình đạo hàm bậc nhất bằng giải thuật lặp số trên MATLAB để tìm vector tham số tối ưu.
  4. Tiêu chí kiểm định: Đánh giá sai số phân phối qua 4 thước đo:
    • Sai số căn phương trung bình (RMSE)
    • Sai số tuyệt đối trung bình (MAE)
    • Hệ số xác định ($R^2$)
    • Tiêu chuẩn thông tin Akaike (AIC)
  5. Thuật toán tối ưu hóa: Bài toán điều phối phi tuyến được giải lần lượt bằng 4 giải thuật metaheuristic: CS, EO, ESC và giải thuật lai cải tiến ESCEO. Kết quả mô phỏng từ MATLAB được trích xuất sang Microsoft Excel để đối chiếu chi phí và mức độ mất cân bằng công suất.
Nguồn dữ liệu / Đối tượng Cơ sở dữ liệu / Công cụ Mô hình phân phối khảo sát Phương pháp xử lý
Cường độ bức xạ mặt trời NSRDB (Kauai, Hawaii) Beta, Lognormal, Triangular, Normal IQR, MLE, RMSE, MAE, $R^2$, AIC
Tốc độ gió (độ cao 80m - 100m) WRDB (Kauai, Hawaii) Weibull, Rayleigh, Lognormal, GEV, Normal IQR, MLE, RMSE, MAE, $R^2$, AIC
Phụ tải hệ thống Mô hình định mức hệ thống Normal Phân cấp ưu tiên (Cấp 1, 2, 3)
Lưới điện vi mô thử nghiệm Sơ đồ chuẩn IEEE 16 bus 24 giờ, chế độ vận hành tách lưới CS, ESC, EO, ESCEO trên MATLAB

Nội dung chính theo từng chương

Chương 1: Mở đầu

Chương này phác thảo tổng quan bức tranh năng lượng phân tán và vai trò của Microgrid. Tác giả chỉ ra tính biến thiên ngẫu nhiên của các nguồn năng lượng tái tạo và phụ tải là nguyên nhân cốt lõi gây khó khăn cho công tác vận hành. Trên cơ sở đó, chương xác lập mục tiêu nghiên cứu, liệt kê 9 nhiệm vụ cụ thể, vạch rõ phạm vi không gian (lưới IEEE 16 bus, dữ liệu Kauai, Hawaii) và thời gian (điều độ 24 giờ). Chương cũng nêu bật ý nghĩa khoa học trong việc kết hợp phân phối thống kê với giải thuật metaheuristic cải tiến, ý nghĩa thực tiễn trong việc giảm chi phí và chống mất điện diện rộng, đồng thời thẳng thắn thừa nhận các giới hạn về dữ liệu đo đạc phụ tải thực tế.

Chương 2: Cơ sở lý thuyết để thực hiện tối ưu lưới điện siêu nhỏ

Chương 2 trình bày có hệ thống các khái niệm nền tảng về Microgrid. Nội dung phân biệt rõ hai chế độ vận hành chính: chế độ nối lưới và chế độ cô lập (đảo). Phân tích cấu trúc các nguồn phân tán (DER) được chia làm hai nhóm: nguồn điều khiển được (dispatchable - MFD) và nguồn không điều khiển được (non-dispatchable - PV, điện gió). Đối với nguồn điện mặt trời, chương làm rõ các thông số vật lý như bước sóng hồng ngoại (IR từ 0,7 đến 300 $\mu$m), dải tần 1 THz đến 430 THz, cường độ bức xạ 1 giờ đỉnh ($1 \text{ kWh/m}^2$). Đối với điện gió, chương mô tả nguyên lý khí động học, dải công suất tuabin hiện đại từ 0,5 MW đến 10 MW và phân loại thành điện gió trên đất liền, phân tán và ngoài khơi. Bên cạnh đó, chương phân tích vai trò của BESS (lưu trữ năng lượng và lưu trữ công suất như pin, bánh đà, siêu tụ điện), cách phân loại phụ tải 3 cấp độ và tầm quan trọng của các bộ biến đổi điện tử công suất (PELs).

Chương 3: Xây dựng mô hình toán học

Chương 3 thiết lập khung toán học hoàn chỉnh cho bài toán điều phối công suất tối ưu. Tác giả lần lượt xây dựng hàm chi phí vận hành cho 5 thành phần: máy phát diesel, điện mặt trời, điện gió, hệ thống pin BESS và thiệt hại do cắt tải. Hàm mục tiêu tổng chi phí hệ thống được cấu thành từ tổng của các chi phí thành phần này trong chu kỳ $T = 24$ giờ. Ràng buộc kỹ thuật được thiết lập chặt chẽ bao gồm: phương trình bảo toàn công suất tổng, hệ phương trình dòng công suất nút AC phi tuyến cho công suất tác dụng và phản kháng, giới hạn an toàn điện áp và tần số, giới hạn kỹ thuật min-max của từng nguồn phát, giới hạn công suất sạc/xả và bảo toàn dung lượng SOC của pin lưu trữ, cùng giới hạn công suất sa thải tải cho phép.

Chương 4: Xử lý vấn đề bất định của nguồn năng lượng tái tạo và phụ tải

Chương 4 tập trung giải quyết bài toán tiền xử lý số liệu và mô hình hóa ngẫu nhiên. Tác giả trình bày chi tiết thuật toán lọc dữ liệu ngoại lai IQR và quy trình toán học của phương pháp MLE, bao gồm việc thiết lập hàm Log-Likelihood và giải phương trình đạo hàm bậc nhất bằng hàm Digamma $\psi(\cdot)$ đối với phân phối Beta. Chương tiến hành kiểm định thực nghiệm:

  • Đối với bức xạ mặt trời: So sánh giữa Beta, Lognormal, Triangular và Normal. Phân phối Beta chứng minh tính ưu việt nhờ khả năng mô tả chính xác dữ liệu có giới hạn chặn trên và dưới.
  • Đối với năng lượng gió: Khảo sát tốc độ gió ở độ cao 80m và 100m, so sánh giữa Weibull, Rayleigh, Lognormal, GEV và Normal. Phân phối Weibull thể hiện sự tương thích cao nhất với biến thiên gió tự nhiên.
  • Đối với phụ tải: Ứng dụng phân phối Normal để tính toán công suất bất định của 8 nút phụ tải trong 24 giờ. Mức độ phù hợp được định lượng tường minh thông qua bảng so sánh các chỉ số kiểm tra RMSE, MAE, $R^2$ và AIC.

Chương 5: Đề xuất giải thuật tối ưu chi phí cho lưới điện Microgrid

Chương 5 giới thiệu nguyên lý vận hành của các thuật toán metaheuristic: Trình tối ưu hóa cân bằng (EO) dựa trên phương trình cân bằng khối lượng kiểm soát nồng độ, Thuật toán Thoát hiểm (ESC) mô phỏng hành vi thoát hiểm của sinh vật, và Thuật toán Tìm kiếm Cuckoo (CS). Đóng góp trọng tâm của chương là việc đề xuất thuật toán lai ESCEO, tích hợp cơ chế cập nhật vị trí/nghiệm của EO vào cấu trúc tìm kiếm của ESC nhằm tăng khả năng thoát khỏi cực trị địa phương và đẩy nhanh tốc độ hội tụ. Tác giả tiến hành mô phỏng trên sơ đồ IEEE 16 bus ở 3 kịch bản: mức cắt tải tối đa 30%, 40% và 50% tổng công suất tải. Kết quả mô phỏng được đánh giá qua đường cong hội tụ, biểu đồ phân bố công suất 24 giờ, tổng chi phí vận hành và sai số mất cân bằng công suất giữa nguồn phát và phụ tải.

Chương 6: Kết luận và định hướng đề tài

Chương 6 tổng kết toàn bộ các kết quả đạt được của đồ án, khẳng định tính hiệu quả của mô hình toán học và giải thuật lai ESCEO trong việc giải quyết bài toán kinh tế - kỹ thuật của Microgrid vận hành độc lập. Đồng thời, chương đề xuất các định hướng nghiên cứu tiếp nối nhằm hoàn thiện mô hình trong thực tế.

Kết quả và đóng góp

Nghiên cứu đạt được các kết quả định lượng cụ thể thông qua quá trình tiền xử lý số liệu và mô phỏng tối ưu hóa trên phần mềm MATLAB:

  1. Kết quả mô hình hóa bất định: Phương pháp lọc IQR đã loại bỏ hiệu quả các điểm dị biệt từ dữ liệu thời tiết của WRDB và NSRDB tại Kauai. Phép ước lượng tham số bằng MLE đã chứng minh phân phối Beta là mô hình tối ưu nhất cho bức xạ mặt trời và phân phối Weibull là phù hợp nhất cho tốc độ gió, đạt giá trị sai số RMSE và MAE nhỏ nhất, $R^2$ tiệm cận 1 và giá trị AIC tối thiểu trong số các phân phối được thử nghiệm.
  2. Hiệu quả tối ưu hóa của thuật toán đề xuất: Thuật toán cải tiến ESCEO thể hiện sự vượt trội về tốc độ hội tụ và chất lượng nghiệm so với các thuật toán CS, ESC gốc và EO trên hệ thống IEEE 16 bus. Đường cong hội tụ cho thấy ESCEO tìm được nghiệm tối ưu với số vòng lặp ít hơn và tránh được hiện tượng dừng sớm ở cực trị cục bộ.
  3. Phân tích kinh tế theo kịch bản cắt tải: Mô hình đã phân bổ chính xác công suất phát giữa máy phát diesel, điện gió, quang điện và chu kỳ sạc/xả của BESS, đồng thời đưa ra quyết định sa thải phụ tải hợp lý tại từng giờ. Kết quả cho thấy khi nới lỏng giới hạn cắt tải từ 30% lên 40% và 50%, tổng chi phí vận hành hệ thống biến động rõ rệt theo mức độ đánh đổi giữa chi phí phát điện đắt đỏ của diesel và chi phí phạt cắt giảm tải. Đồng thời, độ mất cân bằng công suất giữa nguồn phát và tiêu thụ (tính bằng Watt) của thuật toán ESCEO luôn được duy trì ở mức tối thiểu.
Hạng mục kiểm tra / Chỉ tiêu Phương pháp / Mô hình tối ưu Đánh giá kỹ thuật theo dữ liệu đồ án
Lọc nhiễu dữ liệu đầu vào Interquartile Range (IQR) Xác định chính xác biên $[Q_1 - 1.5IQR, Q_3 + 1.5IQR]$
Mô hình hóa bức xạ mặt trời Phân phối Beta (ước lượng MLE) Đạt độ phù hợp cao nhất theo tiêu chí RMSE, MAE, $R^2$, AIC
Mô hình hóa tốc độ gió Phân phối Weibull (ước lượng MLE) Phản ánh chính xác phân bố vận tốc gió tại độ cao 80m - 100m
Thuật toán điều phối công suất Giải thuật lai ESCEO Tốc độ hội tụ nhanh hơn, chi phí thấp hơn CS, ESC và EO
Kịch bản thử nghiệm tải Mức cắt tải tối đa 30%, 40%, 50% Tối ưu hóa giữa chi phí nhiên liệu MFD và chi phí phạt sa thải tải
Mức độ cân bằng hệ thống Ràng buộc cân bằng công suất Triệt tiêu độ mất cân bằng công suất (W) giữa nguồn và phụ tải

Đóng góp khoa học của đồ án thể hiện ở việc thiết lập một quy trình hoàn chỉnh từ khâu tiền xử lý thống kê dữ liệu khí tượng thực tế đến khâu giải bài toán tối ưu phi tuyến có xét đến chi phí suy giảm của pin lưu trữ và tổn thất kinh tế khi cắt tải. Việc tích hợp cơ chế cập nhật nghiệm từ giải thuật EO vào cấu trúc thuật toán ESC (tạo thành ESCEO) là một đề xuất cải tiến thuật toán có ý nghĩa thực tế trong lĩnh vực điều khiển hệ thống điện phân tán.

Hạn chế và hướng nghiên cứu tiếp

Mặc dù đạt được những kết quả mô phỏng tích cực, nghiên cứu vẫn tồn tại một số hạn chế đã được tác giả ghi nhận trong văn bản:

  • Phạm vi mô phỏng thời gian mới chỉ giới hạn trong chu kỳ 24 giờ của một ngày điển hình, chưa phản ánh hết tính biến thiên theo chu kỳ mùa hoặc các hiện tượng thời tiết cực đoan kéo dài.
  • Dữ liệu bức xạ và gió được thu thập từ một khu vực địa lý duy nhất (đảo Kauai, Hawaii), chưa đánh giá mức độ tương thích trên các vùng khí hậu khác nhau.
  • Tính bất định của phụ tải chưa sử dụng dữ liệu đo đạc thực tế theo thời gian thực do hạn chế về thiết bị đo và điều kiện tiếp cận, mà phải giả định xấp xỉ bằng phân phối Normal dựa trên công suất định mức của các thiết bị.
  • Mô hình cân bằng công suất chưa xét đến tổn hao kỹ thuật chi tiết trên toàn bộ các nhánh đường dây truyền tải của mạng phân phối.

Hướng nghiên cứu tiếp theo bao gồm: mở rộng chu kỳ điều độ sang dài hạn (nhiều ngày, theo tuần hoặc theo mùa); thu thập số liệu phụ tải thực tế theo thời gian thực tại các nút tiêu thụ; tích hợp đầy đủ tổn hao đường dây và các chỉ tiêu chất lượng điện năng nâng cao; và thử nghiệm thuật toán trên các mô hình Microgrid đa vùng có kết nối lưới linh hoạt.

Giá trị tham khảo

Đồ án là tài liệu học thuật có giá trị tham khảo thiết thực cho sinh viên, học viên cao học và kỹ sư thuộc các ngành Công nghệ Kỹ thuật Điện - Điện tử, Hệ thống điện và Năng lượng tái tạo. Tài liệu cung cấp quy trình chi tiết về việc ứng dụng thống kê toán học (IQR, MLE, các phân phối Beta, Weibull) trong mô hình hóa bất định của nguồn năng lượng tự nhiên. Bên cạnh đó, các nhà nghiên cứu về giải thuật metaheuristic có thể tham khảo trực tiếp cấu trúc tích hợp giữa EO và ESC để áp dụng giải quyết các bài toán tối ưu hóa phi tuyến phức tạp trong quản lý năng lượng phân tán.

Câu hỏi thường gặp

1. Hệ thống Microgrid trong đồ án vận hành ở chế độ nào và có quy mô ra sao?
Hệ thống Microgrid được nghiên cứu trên mô hình lưới điện chuẩn IEEE 16 bus, vận hành hoàn toàn ở chế độ cô lập (tách lưới, không kết nối với lưới điện quốc gia). Hệ thống tích hợp máy phát điện diesel, năng lượng mặt trời, năng lượng gió, hệ thống lưu trữ pin BESS và 8 nút phụ tải tiêu thụ được phân cấp.

2. Dữ liệu thời tiết đầu vào được thu thập từ đâu và tiền xử lý bằng kỹ thuật nào?
Dữ liệu tốc độ gió được lấy từ Wind Resource Database (WRDB) và dữ liệu bức xạ mặt trời được lấy từ National Solar Radiation Database (NSRDB) tại đảo Kauai, Hawaii, Hoa Kỳ. Dữ liệu được lọc nhiễu và loại bỏ giá trị ngoại lai thông qua phương pháp khoảng tứ phân vị (IQR).

3. Những phân phối xác suất nào cho kết quả tốt nhất khi mô hình hóa bức xạ mặt trời và gió?
Dựa trên 4 tiêu chí thống kê gồm RMSE, MAE, $R^2$ và AIC, phân phối Beta là mô hình phù hợp nhất để mô tả cường độ bức xạ mặt trời, trong khi phân phối Weibull đạt mức độ phù hợp cao nhất để mô tả vận tốc gió tại độ cao khảo sát.

4. Giải thuật cải tiến ESCEO được phát triển như thế nào và có ưu điểm gì?
ESCEO được phát triển bằng cách tích hợp cơ chế cập nhật nghiệm (dựa trên nồng độ cân bằng) từ Trình tối ưu hóa cân bằng (EO) vào cấu trúc của Thuật toán Thoát hiểm (ESC). Sự kết hợp này giúp thuật toán tăng cường khả năng tìm kiếm toàn cục, tăng tốc độ hội tụ và giảm thiểu chi phí vận hành hơn so với các giải thuật CS, ESC gốc và EO.

5. Vì sao đồ án phải thiết lập 3 kịch bản cắt tải 30%, 40% và 50%?
Do tính bất định của nguồn tái tạo và sự thiếu hụt công suất khả dụng trong chế độ tách lưới, việc sa thải phụ tải là bắt buộc để tránh sụp đổ hệ thống. Ba kịch bản cắt tải tối đa 30%, 40% và 50% tổng công suất được thiết lập nhằm đánh giá mức độ đánh đổi giữa chi phí vận hành nguồn phát và chi phí phạt cắt tải, từ đó tìm ra điểm cân bằng tối ưu cho hệ thống.

Kết luận

Đồ án tốt nghiệp của nhóm tác giả đã giải quyết thành công bài toán điều phối công suất tối ưu 24 giờ cho hệ thống Microgrid IEEE 16 bus vận hành tách lưới trong điều kiện bất định của nguồn và tải. Bằng việc kết hợp phương pháp lọc IQR, ước lượng tham số MLE và kiểm định đa phân phối xác suất, nghiên cứu đã xây dựng được mô hình mô phỏng bám sát đặc tính thời tiết thực tế. Đề xuất giải thuật lai ESCEO đã chứng minh được hiệu quả vượt trội trong việc giảm thiểu chi phí vận hành toàn hệ thống và duy trì cân bằng cung - cầu nghiêm ngặt. Đây là tài liệu tham khảo có giá trị học thuật và ứng dụng cao cho lĩnh vực tối ưu hóa quản lý năng lượng tái tạo phân tán.