Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Theo Nghị quyết số 70-NQ/TW ngày 20/8/2025 của Trung ương, định hướng chiến lược năng lượng của Việt Nam xác định nhiệm vụ xây dựng thị trường năng lượng đồng bộ, cạnh tranh, minh bạch, áp dụng cơ chế giá thị trường đối với mọi loại hình năng lượng, đồng thời ưu tiên khai thác triệt để các nguồn năng lượng tái tạo. Trong bối cảnh quốc tế hướng tới mục tiêu phát thải ròng bằng 0 (Net Zero) vào năm 2050 nhằm giảm thiểu tác động của biến đổi khí hậu, năng lượng gió đóng vai trò là một trong những nguồn điện tái tạo chủ lực. Tại Việt Nam, sau giai đoạn bùng nổ nhờ chính sách giá mua điện cố định ưu đãi (FIT), ngành điện đang chuyển dịch sang cơ chế thị trường điện cạnh tranh.

Sự chuyển dịch này làm bộc lộ khoảng trống nghiên cứu then chốt: các nhà máy điện gió khi tham gia thị trường điện ngày hôm sau buộc phải lập kế hoạch chào bán sản lượng và giá điện theo chu kỳ giờ (hoặc nửa giờ). Tuy nhiên, tốc độ gió mang tính ngẫu nhiên cao, dẫn đến sai số dự báo lớn (thường từ 10% đến 30%, cá biệt trên 50% trong điều kiện thời tiết cực đoan). Khi công suất phát thực tế sai lệch so với mức trúng thầu, nhà đầu tư phải đối mặt với rủi ro tài chính nghiêm trọng do bị phạt hợp đồng hoặc phải mua điện bù đắp trên thị trường giao ngay với giá cao. Các nghiên cứu trước đây chủ yếu tiếp cận vấn đề theo hướng dự báo kỹ thuật độc lập hoặc tối ưu hóa vận hành hệ thống riêng lẻ, chưa thiết lập được mô hình toán học tổng thể liên kết giữa xác suất bất định của gió với các cơ chế giao dịch và cấu trúc phối hợp nguồn trên thị trường điện cạnh tranh. Do đó, việc nghiên cứu các giải pháp nâng cao hiệu quả tài chính và kiểm soát rủi ro cho điện gió trong điều kiện thị trường mới là yêu cầu cấp thiết.

Mục tiêu và nhiệm vụ nghiên cứu

Luận án xác định hai mục tiêu nghiên cứu cụ thể:

  1. Nghiên cứu đề xuất mô hình nâng cao doanh thu điện gió trong điều kiện tác động của tính bất định khi tham gia đấu thầu trên thị trường điện cạnh tranh.
  2. Nghiên cứu phương pháp giải quyết bài toán nâng cao doanh thu điện gió nhằm gia tăng hiệu quả đầu tư tài chính trong các mô hình đề xuất.

Để hoàn thành hai mục tiêu trên, luận án triển khai bốn nhiệm vụ nghiên cứu:

  • Nhiệm vụ 1: Phân tích tính bất định của điện gió và thách thức thị trường; xây dựng mô hình toán học dựa trên phân bố xác suất tốc độ gió; thiết lập các mô hình liên kết giữa nguồn điện gió với các nguồn điện truyền thống tham gia đấu thầu trên thị trường điện.
  • Nhiệm vụ 2: Phân tích các phương pháp tối ưu hóa hiện hữu và nghiên cứu đề xuất phương pháp giải bài toán nâng cao lợi nhuận điện gió trong các mô hình đã xây dựng.
  • Nhiệm vụ 3: Nghiên cứu ứng dụng hệ thống trữ năng (ESS) trong phương pháp nâng cao hiệu quả đầu tư cho các dự án điện gió.
  • Nhiệm vụ 4: Thực nghiệm và kiểm chứng các mô hình và thuật toán đề xuất trên hệ thống điện chuẩn IEEE nhằm đánh giá tính hiệu quả và tính khả thi.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Lợi nhuận kinh tế, chiến lược chào thầu và các mô hình liên kết của trang trại điện gió khi vận hành trong cơ chế thị trường điện cạnh tranh chịu tác động của tính bất định công suất phát.
  • Phạm vi không gian: Thực nghiệm mô phỏng trên hệ thống điện chuẩn IEEE 30-bus thông qua công cụ phần mềm Matpower chạy trên môi trường Matlab.
  • Phạm vi thời gian và cơ chế thị trường: Khảo sát thị trường điện ngày hôm sau với chu kỳ chào thầu theo từng giờ, kết hợp cơ chế bù trừ sai lệch thông qua giao dịch trên thị trường giao ngay; giá điện chịu sự chi phối chủ yếu từ các nguồn nhiệt điện.
  • Giới hạn nghiên cứu: Tập trung vào khía cạnh tài chính và tối ưu kinh tế; chưa xét đến tổn thất kỹ thuật truyền tải chi tiết trên lưới liên vùng diện rộng, biến đổi khí hậu dài hạn cũng như các thay đổi về khung pháp lý điều hành hệ thống.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước đây

Luận án đã phân loại và tổng hợp các công trình nghiên cứu liên quan theo ba nhóm chủ đề:

  1. Nhóm mô hình cải thiện hiệu quả vận hành điện gió và thị trường điện:

    • Vận hành hệ thống điện tích hợp điện gió nhằm giảm thiểu biến động thị trường và nâng cao tính linh hoạt hệ thống [27], [28].
    • Tham gia thị trường điện để hạn chế tổn thất do mất cân bằng cung cầu [29].
    • Thiết lập thị trường dự trữ song phương dựa trên lý thuyết trò chơi cho phép nguồn điện gió mua dung lượng dự trữ nhằm tránh phạt hợp đồng [30], [34].
    • Tích hợp các nguồn dự trữ điều tiết nhanh nhằm bảo đảm an toàn hệ thống và giảm thiểu sụt giảm doanh thu [31], [35].
    • Phân tích rủi ro tài chính, cơ chế phạt do sai lệch công suất và tối ưu hóa tham gia đồng thời thị trường năng lượng lẫn thị trường lưu trữ [23], [32], [33].

  2. Nhóm nghiên cứu nâng cao độ chính xác dự báo:

    • Dự báo tốc độ gió và sản lượng điện gió: Ứng dụng mạng nơ-ron hồi quy sâu kết hợp LSTM [37]; mô hình lai giữa thuật toán khử nhiễu phân rã, thuật toán tối ưu chim hải âu (Seagull), toán tử Cauchy và LSTM [38]; áp dụng AI đa biến [39]; sử dụng phân bố xác suất Weibull và Lognormal để mô hình hóa sai số công suất ngắn hạn [40]; phân tích chế độ biến đổi kết hợp máy học cực trị biên [41].
    • Dự báo giá điện và phụ tải: Ứng dụng AI dự báo giá bán điện [3]; sử dụng chuỗi xác suất Markov xây dựng chiến lược chào giá [42]; khung học sâu hai bước với cơ chế bù lỗi theo chu kỳ nửa giờ [43].
    • Tối ưu hóa tham số mạng dự báo bằng thuật toán meta-heuristic: Tối ưu trọng số học sâu [44]; sử dụng giải thuật di truyền (GA) nâng cao độ chính xác mạng LSTM [45]; thuật toán Cosine-Sine cải tiến để tinh chỉnh siêu tham số mạng LSTM và GRU [46]; thuật toán tối ưu đàn cá voi tối ưu dự báo tải nhiệt [47]; mô hình kết hợp PSO-LSTM trong dự báo [48], [49]; kết hợp mạng LSTM với mạng đối kháng tạo sinh (GAN) để xử lý dữ liệu thời tiết [50].

  3. Nhóm phương pháp tối ưu hóa trong hệ thống điện:

    • Các phương pháp toán học cổ điển: Quy hoạch tuyến tính [51], quy hoạch động [52], quy hoạch phi tuyến [53].
    • Kỹ thuật heuristic và meta-heuristic: Tối ưu bầy đàn (PSO) [56], giải thuật di truyền (GA) [57], tìm kiếm Tabu [58], tìm kiếm thích ứng ngẫu nhiên [59], tối ưu đàn kiến [60].
    • Tối ưu hóa hệ thống tích hợp năng lượng tái tạo: Thuật toán sói xám tối ưu hệ thống gió - mặt trời - hydro - pin nhiên liệu [63]; PSO Salp cải tiến tìm điểm công suất cực đại (MPPT) cho tua-bin gió [64]; PSO tối ưu đa mục tiêu cho hệ thống điện mặt trời, điện gió và ESS [65]; thuật toán tiến hóa Gradient cải tiến từ GA [66].

Khoảng trống nghiên cứu luận án lựa chọn giải quyết

Mặc dù các kỹ thuật dự báo và phương pháp tối ưu hóa đã có nhiều bước tiến, luận án chỉ ra ba khoảng trống nghiên cứu cơ bản:

  • Thứ nhất: Các mô hình bất định điện gió hiện hữu còn mang tính rời rạc, chưa gắn liền với bài toán kinh tế tổng thể trong thị trường điện cạnh tranh, đặc biệt là cơ chế cộng hưởng rủi ro giữa biến động ngẫu nhiên của gió và biến động giá thị trường.
  • Thứ hai: Các nghiên cứu kết hợp AI và meta-heuristic trước đây chỉ dừng lại ở việc dùng meta-heuristic để tối ưu cấu trúc, trọng số hoặc siêu tham số cho mạng nơ-ron phục vụ bài toán dự báo. Chưa có nghiên cứu nào tích hợp ngược mạng nơ-ron (như LSTM) trực tiếp vào cấu trúc chu trình tiến hóa của các thuật toán meta-heuristic (GA, PSO) nhằm giải bài toán tối ưu hóa đa biến phức tạp trong thị trường điện.
  • Thứ ba: Thiếu các đánh giá định lượng về tính khả thi tài chính của việc tận dụng hạ tầng trạm biến áp và đường dây hiện hữu kết hợp hệ thống ESS để mở rộng trang trại điện gió, so sánh trực tiếp với phương án đầu tư xây dựng dự án mới vốn gặp nhiều rào cản về đền bù giải phóng mặt bằng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Lý thuyết, khái niệm và khung phân tích

  • Mô hình xác suất Weibull hai tham số: Sử dụng hàm mật độ xác suất Weibull để mô tả biến thiên ngẫu nhiên của tốc độ gió $v$: $$f(v) = \left(\frac{k}{c}\right) \left(\frac{v}{c}\right)^{k-1} e^{-\left(\frac{v}{c}\right)^k}$$ Trong đó $k$ là tham số hình dạng, $c$ là tham số tỷ lệ.
  • Đặc tính phát công suất của tua-bin gió: Mối quan hệ giữa tốc độ gió và công suất đầu ra $P_w(v)$: $$P_w(v) = \begin{cases} 0, & v < v_{in} \text{ hoặc } v > v_{out} \ P_{wr} \left(\frac{v - v_{in}}{v_r - v_{in}}\right), & v_{in} \le v \le v_r \ P_{wr}, & v_r < v \le v_{out} \end{cases}$$ Với $v_{in}$ là tốc độ gió khởi động (cắt vào), $v_r$ là tốc độ gió định mức, $v_{out}$ là tốc độ gió ngắt (cắt ra), và $P_{wr}$ là công suất định mức của tua-bin.
  • Khung phân tích kinh tế thị trường điện: Hàm mục tiêu tối đa hóa lợi nhuận ròng của chủ đầu tư điện gió: $$\max { F = R_w(P_w) - CP_w(P_p) }$$ Trong đó $R_w(P_w)$ là tổng doanh thu bán điện; $CP_w(P_p)$ là chi phí bồi hoàn hoặc trả cho các nguồn điện liên kết tham gia bù đắp công suất. Doanh thu $R_w$ gồm doanh thu trực tiếp không xác suất $R_{ws}$ (từ sản lượng chào thầu trúng giá) và doanh thu xác suất bất định $R_{wu}$ (xét đến trường hợp phát dư bán với hệ số giá thấp $k_R$ hoặc phát thiếu bị phạt với hệ số phạt cao $k_P$).
  • Mô hình chi phí nguồn nhiệt điện: Hàm chi phí sản xuất bậc hai của nhà máy nhiệt điện: $$C_T(P_{TG}) = \sum_{i=1}^{N_{TG}} (a_i + b_i P_{TG,i} + c_i P_{TG,i}^2)$$ Giá bán điện biên nhiệt điện tương ứng: $\lambda_{TG,i} = b_i + c_i P_{TG,i}$.

Phương pháp nghiên cứu thực tế

  • Mô hình hóa toán học và xác suất: Tính toán hàm phân bố xác suất tổ hợp nhiều tua-bin và nhiều trang trại điện gió bằng phương pháp tích chập xác suất.
  • Phương pháp tối ưu hóa lai (AI-MH): Tích hợp mạng nơ-ron hồi quy LSTM vào bên trong chu trình tiến hóa của giải thuật di truyền (LSTM-GA) và chu trình cập nhật vị trí - vận tốc của giải thuật tối ưu bầy đàn (LSTM-PSO). Mạng LSTM thực hiện dự đoán hướng tìm kiếm tối ưu, hỗ trợ các cá thể vượt qua các cực trị cục bộ và tăng tốc độ hội tụ.
  • Phương pháp phân tích kinh tế - tài chính: Sử dụng các chỉ số tài chính tiêu chuẩn gồm giá trị hiện giá thuần (NPV), tỷ suất hoàn vốn nội bộ (ROI), và suất hiệu quả đầu tư theo công suất để so sánh các phương án đầu tư.

Nguồn tư liệu và dữ liệu đầu vào

  • Dữ liệu tốc độ gió thực nghiệm được mô phỏng với các cặp tham số Weibull ($c = 9, k = 2$ và $c = 10, k = 2$).
  • Thông số kỹ thuật tua-bin gió mẫu: $P_{wr} = 3\text{ MW}$, $v_{in} = 3\text{ m/s}$, $v_r = 16\text{ m/s}$, $v_{out} = 25\text{ m/s}$.
  • Lưới điện chuẩn IEEE 30-bus, thực hiện tính toán phân bố công suất tối ưu (OPF) qua bộ công cụ Matpower trên nền tảng Matlab.
  • Dữ liệu quy hoạch và chính sách: Nghị quyết 70-NQ/TW (2025), Báo cáo Quy hoạch phát triển điện lực quốc gia thời kỳ 2021-2030, tầm nhìn 2050 (Quy hoạch điện VIII phê duyệt tháng 5/2023 và kế hoạch thực hiện tháng 4/2024), các báo cáo thống kê năng lượng của IEA và IRENA.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 phân tích bối cảnh chuyển dịch năng lượng toàn cầu và trong nước, làm rõ các thách thức kỹ thuật và kinh tế của nguồn điện gió khi vận hành trong thị trường điện. Theo báo cáo của IRENA, tính đến năm 2021, nhiên liệu hóa thạch vẫn chiếm tỷ trọng chi phối trên toàn cầu, tỷ lệ năng lượng tái tạo còn thấp ở hầu hết các khu vực (ngoại trừ Nam Mỹ có thủy điện chiếm 22%, Châu Âu và khối SNG có năng lượng tái tạo đạt khoảng 5% và điện hạt nhân 9%). Báo cáo IEA năm 2024 chỉ ra rằng trong năm 2023, công suất năng lượng tái tạo toàn cầu tăng thêm 565 GW (tăng 60% so với 2022), nâng tổng công suất lên 3.700 GW, chiếm 30% sản lượng điện thế giới; trong đó điện gió đạt 970 GW (chiếm 26% nguồn tái tạo). Dự báo đến năm 2050, tổng sản lượng điện thế giới sẽ tăng gấp đôi lên mức 50.000 TWh với sự gia tăng chủ đạo của điện gió và điện mặt trời.

Tại Việt Nam, tổng công suất đặt nguồn điện tăng từ 20,4 GW (năm 2010) lên 69,3 GW (năm 2020), trong đó nhiệt điện và thủy điện giữ vai trò chủ lực, điện gió chiếm tỷ trọng dưới 1%. Theo Quy hoạch điện VIII, đến năm 2030, công suất cực đại phụ tải dự báo đạt trên 92.000 MW, tổng công suất các nguồn điện đạt khoảng 138.000 MW. Trong đó, mục tiêu phát triển điện gió đạt 23.896 MW, với tốc độ tăng trưởng công suất trung bình 28%/năm.

Bảng: Quy hoạch phát triển công suất điện gió Việt Nam đến năm 2030 theo vùng miền

Khu vực Số tỉnh Tổng công suất quy hoạch (MW) Trên bờ (MW) Ngoài khơi (MW) Kế hoạch vận hành đến 2030 (MW) Công suất còn lại cần triển khai (MW)
Miền Bắc 14 8.264 5.764 2.500 3.634 4.630
Miền Trung 7 4.791 4.291 500 870 3.921
Miền Nam 16 10.841 7.841 3.000 5.599 5.242
Tổng cộng 37 23.896 17.896 6.000 10.103 13.793

Chương 1 cũng nhận diện các thách thức lớn khi kết thúc cơ chế giá FIT: sự bất định của tốc độ gió gây sai lệch công suất phát, rủi ro phạt sai lệch hợp đồng trên thị trường ngày hôm sau (với hệ số phạt cao), sự phức tạp trong công tác điều độ hệ thống và hiện tượng quá tải lưới điện truyền tải liên vùng.

Chương 2: Mô hình bất định điện gió trong thị trường điện

Chương 2 tập trung xây dựng cơ sở toán học mô tả tính bất định của điện gió và thiết lập năm mô hình phương thức vận hành, đấu thầu trên thị trường điện:

  1. Mô hình 1 (MH1TB): Vận hành một tua-bin điện gió đơn lẻ (mô hình cơ sở mang tính lý thuyết tham chiếu).
  2. Mô hình 2 (MH1ĐG): Một trang trại điện gió độc lập tham gia thị trường.
  3. Mô hình 3 (MH2ĐG): Tổ hợp liên kết hai hoặc nhiều trang trại điện gió tại các vị trí địa lý khác nhau.
  4. Mô hình 4 (MHĐG-N): Tổ hợp trang trại điện gió liên kết phối hợp với nhà máy nhiệt điện truyền thống.
  5. Mô hình 5 (MHĐG-T-N): Tổ hợp trang trại điện gió liên kết với hệ thống trữ năng (ESS) và nguồn nhiệt điện.

Bảng: Đặc điểm các mô hình vận hành và đấu thầu điện gió

Ký hiệu mô hình Cấu trúc thành phần Cơ chế bù đắp thiếu hụt công suất Mức độ rủi ro phạt hợp đồng
MH1TB 01 tua-bin gió độc lập Tự bù bằng giao dịch giao ngay Rất cao
MH1ĐG 01 trang trại gió Tự bù bằng giao dịch giao ngay Cao
MH2ĐG $\ge 02$ trang trại gió liên kết Bù trừ tương hỗ giữa các vùng gió Trung bình
MHĐG-N Trang trại gió + Nhà máy nhiệt điện Nhiệt điện điều chỉnh tăng công suất dự phòng Thấp
MHĐG-T-N Trang trại gió + Nguồn nhiệt + ESS Ưu tiên nhiệt điện $\rightarrow$ ESS xả nạp $\rightarrow$ Giao dịch ngoài Rất thấp

Chương này chi tiết hóa hàm mục tiêu kinh tế và cấu trúc doanh thu bất định. Khi công suất phát thực tế $P_{wav}$ lớn hơn công suất chào thầu $P_{ws}$, doanh thu bổ sung $RR_w$ được tính theo biểu thức tích phân xác suất với hệ số giá điện thừa $k_R$. Khi $P_{wav} < P_{ws}$, chi phí phạt $CP_w$ phát sinh theo hệ số phạt $k_P$ (khảo sát từ 1,0 đến 2,4). Trong các mô hình liên kết (MHĐG-N và MHĐG-T-N), quy trình bù đắp thiếu hụt được thiết lập theo thứ tự ưu tiên: nguồn nhiệt điện nâng công suất trong giới hạn dự phòng $P_{TR} = P_{Tr} - P_{Ts}$ với chi phí $C_{Tp} = \lambda_T P_{Tp}$, tiếp đến nguồn ESS cung cấp công suất $P_e$ với hàm chi phí $C_e(P_e) = \lambda_e P_e + C_{e0,i}$, và cuối cùng phần thiếu hụt vượt quá khả năng bù đắp mới phải chịu phạt hợp đồng trên thị trường.

Chương 3: Phương pháp tối ưu lai AI-MH

Chương 3 giải quyết khó khăn tính toán của bài toán tối ưu hóa đa biến phi tuyến quy mô lớn khi tích hợp xác suất bất định vào hệ thống điện. Tác giả phát triển hai thuật toán tối ưu lai mới:

  • LSTM-GA: Tích hợp mạng nơ-ron hồi quy LSTM vào chu trình tiến hóa của giải thuật di truyền (GA). LSTM học quy luật phân bố của các thế hệ nhiễm sắc thể để định hướng toán tử lai ghép và đột biến.
  • LSTM-PSO: Tích hợp LSTM vào chu trình cập nhật véc-tơ vận tốc và vị trí của các hạt trong thuật toán bầy đàn (PSO).

Thực nghiệm trên hệ thống chuẩn IEEE 30-bus cho thấy:

  • Thuật toán GA truyền thống sau 20 thế hệ và PSO truyền thống sau 25 vòng lặp dễ bị mắc kẹt tại các cực trị cục bộ do không gian tìm kiếm chứa nhiều biến ngẫu nhiên bất định.
  • Các thuật toán lai LSTM-GA và LSTM-PSO cải thiện tốc độ hội tụ, tìm được giá trị hàm mục tiêu doanh thu cao hơn và có độ phân tán nghiệm thấp hơn qua các lần chạy thử nghiệm, từ đó nâng cao tính tin cậy của chiến lược chào thầu công suất điện gió.

Chương 4: Ứng dụng ESS kết hợp tối ưu MBA truyền tải để tăng hiệu quả mở rộng trang trại điện gió

Chương 4 nghiên cứu giải pháp kỹ thuật - kinh tế nhằm nâng cao công suất phát của trang trại điện gió hiện hữu mà không cần đầu tư xây mới đường dây truyền tải hoặc thực hiện đền bù giải phóng mặt bằng đường dây đấu nối. Giải pháp bao gồm:

  • Tích hợp hệ thống pin lưu trữ năng lượng (ESS) tại trạm biến áp của trang trại điện gió để điều hòa biểu đồ phát công suất (sạc khi gió mạnh vượt giới hạn truyền tải và xả vào giờ cao điểm giá cao).
  • Tối ưu hóa chế độ mang tải của máy biến áp (MBA) truyền tải dựa trên mô hình nhiệt độ cuộn dây và giới hạn vận hành nhiệt của máy biến áp trong các chu kỳ ngày cao điểm hai mùa.

Kết quả tính toán so sánh các kịch bản tài chính chỉ ra rằng:

  • Kịch bản mở rộng trang trại điện gió hiện hữu kết hợp ESS và khai thác tối ưu máy biến áp có các chỉ số kinh tế vượt trội so với kịch bản đầu tư dự án điện gió mới hoàn toàn (XDM).
  • Các chỉ số hiện giá thuần (NPV), tỷ suất hoàn vốn trên giá vốn đầu tư (ROI) và suất hiệu quả đầu tư trên mỗi MW công suất tăng thêm ở kịch bản tận dụng hạ tầng trạm biến áp hiện hữu đều đạt giá trị cao hơn, do triệt tiêu được thời gian chờ và chi phí giải phóng mặt bằng lưới điện truyền tải.

Chương 5: Kết luận

Chương 5 tổng kết toàn bộ các kết quả đạt được của luận án, đối chiếu với các mục tiêu và nhiệm vụ đã đề ra ban đầu; khẳng định việc xây dựng thành công khung mô hình toán học xác suất bất định cho điện gió trong thị trường điện và thuật toán tối ưu hóa lai AI-MH; đồng thời trình bày các kiến nghị và hướng nghiên cứu mở rộng.

Kết quả và những đóng góp mới

Những đóng góp mới của luận án

Luận án tự công bố ba đóng góp khoa học chính:

  1. Đóng góp về mô hình hóa xác suất bất định: Xây dựng thành công hệ thống mô hình hóa xác suất bất định của công suất điện gió dựa trên phân bố Weibull tích hợp vào cơ chế thị trường điện ngày hôm sau và thị trường giao ngay. Thiết lập các mô hình liên kết đa dạng nguồn (gió - gió, gió - nhiệt điện, gió - nhiệt điện - ESS), làm sáng tỏ bản chất biến động dòng tiền doanh thu và chi phí phạt theo các hệ số giá thị trường.
  2. Đóng góp về phương pháp tối ưu hóa: Đề xuất kỹ thuật lai mới tích hợp mạng nơ-ron LSTM trực tiếp vào cấu trúc vận hành của hai thuật toán tối ưu meta-heuristic kinh điển là GA và PSO (tạo thành LSTM-GA và LSTM-PSO). Phương pháp này giúp khắc phục hiện tượng rơi vào bẫy cực trị cục bộ, cải thiện tốc độ hội tụ và độ chính xác khi giải bài toán tối ưu hóa chiến lược chào giá trong điều kiện dữ liệu bất định.
  3. Đóng góp về giải pháp công nghệ và hiệu quả đầu tư: Đề xuất giải pháp kỹ thuật tích hợp hệ thống lưu trữ năng lượng (ESS) kết hợp kiểm soát tối ưu chế độ nhiệt của máy biến áp truyền tải hiện hữu. Giải pháp cho phép tối đa hóa khả năng giải tỏa công suất để mở rộng trang trại điện gió mà không cần đầu tư mở rộng đường dây truyền tải đấu nối mới, đem lại hiệu quả tài chính cao hơn phương án xây mới.

Công bố khoa học và sở hữu trí tuệ

  • Công bố 12 công trình trên các tạp chí khoa học chuyên ngành, trong đó có 03 bài báo khoa học thuộc danh mục Scopus/ISI nhóm Q1 (tương ứng với các điểm mới thứ nhất và thứ hai) và 01 bài báo khoa học nhóm Q2 (tương ứng với điểm mới thứ ba).
  • 01 sáng chế đã được cơ quan quản lý chấp nhận đơn hợp lệ để thẩm định cấp quyền sở hữu trí tuệ.

Kiến nghị và giải pháp đề xuất

  • Các nhà đầu tư điện gió khi chuyển sang cơ chế thị trường cạnh tranh nên ưu tiên áp dụng các mô hình liên danh chào thầu với các nhà máy nhiệt điện linh hoạt hoặc trang bị thêm hệ thống ESS để giảm rủi ro phạt hợp đồng.
  • Đối với các dự án điện gió đang vận hành có tiềm năng gió tốt, giải pháp ưu tiên mở rộng quy mô công suất tại chỗ kết hợp hệ thống ESS và tối ưu hóa vận hành máy biến áp cần được xem xét trước phương án triển khai dự án mới tại địa điểm khác nhằm tiết kiệm chi phí hạ tầng truyền tải.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế được ghi nhận

  • Dữ liệu và mô hình thử nghiệm của luận án mới giới hạn trên hệ thống điện chuẩn IEEE 30-bus, chưa phản ánh đầy đủ quy mô và độ phức tạp của toàn bộ hệ thống điện thực tế.
  • Các nguồn điện liên kết chủ yếu mới khảo sát loại hình nhiệt điện truyền thống và hệ thống ESS; chưa đưa vào tính toán các nguồn năng lượng tái tạo linh hoạt khác như thủy điện có hồ chứa điều tiết lớn hoặc thủy điện tích năng.
  • Chưa tiến hành thực nghiệm kiểm chứng trực tiếp trên cơ chế vận hành chi tiết và số liệu giá thực tế của thị trường bán lẻ điện cạnh tranh Việt Nam do thị trường này vẫn đang trong lộ trình hoàn thiện.
  • Chưa tính toán chi tiết ảnh hưởng của tổn thất truyền tải trên diện rộng và các biến động chính sách pháp lý dài hạn.

Hướng nghiên cứu tiếp theo

  • Mở rộng phạm vi thử nghiệm thuật toán và mô hình liên kết trên các hệ thống điện thực tế có quy mô nút lớn hơn.
  • Bổ sung cấu trúc liên kết phối hợp giữa điện gió với các nhà máy thủy điện có hồ chứa điều tiết nhằm tận dụng khả năng khởi động nhanh và chi phí biến đổi thấp của thủy điện.
  • Ứng dụng và kiểm chứng các mô hình chào thầu dựa trên cơ sở dữ liệu vận hành thực tế của thị trường bán lẻ điện Việt Nam khi cơ chế này được vận hành chính thức.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên môn hữu ích cho các nhóm đối tượng:

  • Nghiên cứu sinh và học viên sau đại học ngành Kỹ thuật điện, Năng lượng tái tạo và Hệ thống năng lượng: Tham khảo Chương 2 về phương pháp xây dựng hàm phân bố xác suất Weibull kết hợp cơ chế phạt thị trường điện, và Chương 3 về kỹ thuật lập trình lai ghép mạng học sâu LSTM với các thuật toán tối ưu hóa bầy đàn (PSO) và tiến hóa (GA).
  • Kỹ sư vận hành hệ thống điện và cán bộ điều độ thị trường điện: Tham khảo Chương 2 và Chương 4 để nắm bắt quy luật biến động công suất phát của các tổ hợp nguồn tái tạo, quy trình huy động công suất bù trừ giữa nhiệt điện, ESS và điện gió, cũng như kỹ thuật vận hành máy biến áp truyền tải theo giới hạn nhiệt độ cuộn dây.
  • Các doanh nghiệp, nhà đầu tư dự án năng lượng tái tạo: Tham khảo Chương 4 về phương pháp luận đánh giá hiệu quả kinh tế (NPV, ROI) giữa phương án đầu tư mở rộng trang trại hiện hữu kết hợp ESS so với phương án xây mới trang trại gió trong điều kiện khó khăn về giải phóng mặt bằng lưới truyền tải.

Câu hỏi thường gặp

1. Tại sao điện gió khi tham gia thị trường điện cạnh tranh lại chịu rủi ro phạt hợp đồng cao hơn các nguồn điện truyền thống?

Do công suất phát của điện gió phụ thuộc trực tiếp vào tốc độ gió tự nhiên mang tính ngẫu nhiên, sai số dự báo công suất trong chu kỳ ngày hôm sau thường dao động từ 10% đến 30% (thậm chí trên 50% khi thời tiết cực đoan). Trong cơ chế thị trường điện cạnh tranh, nhà sản xuất phải cam kết biểu đồ phát công suất theo giờ. Khi công suất phát thực tế thấp hơn mức đã đấu thầu, chủ đầu tư buộc phải mua điện bổ sung trên thị trường giao ngay với giá cao hoặc chịu phạt hợp đồng theo các hệ số phạt $k_P$ rất nặng (từ 1,0 đến hơn 2,4 lần giá bán trung bình).

2. Mô hình phân bố xác suất nào được luận án sử dụng để mô phỏng tính bất định của tốc độ gió và công suất phát?

Luận án sử dụng phân bố xác suất Weibull hai tham số: tham số hình dạng ($k$) và tham số tỷ lệ ($c$). Phân bố Weibull được sử dụng để mô tả xác suất sai lệch tốc độ gió, sau đó kết hợp với hàm đặc tính công suất của tua-bin (xác định qua các mốc tốc độ gió khởi động $v_{in} = 3\text{ m/s}$, tốc độ định mức $v_r = 16\text{ m/s}$ và tốc độ ngắt $v_{out} = 25\text{ m/s}$) để xác lập hàm mật độ xác suất công suất phát điện gió.

3. Bản chất của kỹ thuật tối ưu hóa lai LSTM-GA và LSTM-PSO được đề xuất trong luận án là gì?

Khác với các nghiên cứu trước đây vốn dùng GA hoặc PSO để tối ưu siêu tham số cho mạng nơ-ron, luận án thực hiện tích hợp cấu trúc mạng LSTM trực tiếp vào bên trong chu trình tiến hóa của GA và chu trình cập nhật vị trí/vận tốc của PSO. Mạng LSTM học tập các đặc trưng từ chuỗi dữ liệu tối ưu qua các vòng lặp, giúp dự đoán hướng tìm kiếm nghiệm tối ưu toàn cục, khắc phục nhược điểm rơi vào bẫy cực trị địa phương của GA và PSO truyền thống, đồng thời tăng tốc độ hội tụ sau 20-25 thế hệ.

4. Luận án đề xuất thứ tự bù đắp công suất thiếu hụt như thế nào trong mô hình liên kết điện gió - nhiệt điện - hệ thống trữ năng (MHĐG-T-N)?

Khi công suất phát thực tế của điện gió nhỏ hơn mức chào thầu trúng giá, thứ tự huy động công suất bù đắp được thiết lập theo ba cấp:

  • Cấp 1: Huy động nguồn nhiệt điện liên kết tăng công suất phát trong giới hạn dải công suất dự phòng khả dụng ($P_{TR} = P_{Tr} - P_{Ts}$) với chi phí thỏa thuận $\lambda_T$.
  • Cấp 2: Nếu nhiệt điện không đủ bù đắp, hệ thống trữ năng (ESS) được kích hoạt xả điện với công suất $P_e$ theo chi phí vận hành $C_e(P_e)$.
  • Cấp 3: Nếu tổng công suất bù đắp của nhiệt điện và ESS vẫn không bù hết phần thiếu hụt, chủ điện gió mới phải chịu chi phí phạt hợp đồng $CP_w$ cho phần công suất thiếu hụt còn lại.

5. Vì sao luận án khuyến nghị ưu tiên mở rộng trang trại điện gió hiện hữu kết hợp ESS hơn là xây dựng trang trại mới?

Việc xây dựng một trang trại điện gió mới hoàn toàn (XDM) đòi hỏi vốn đầu tư lớn và thường xuyên gặp rào cản phức tạp về thủ tục giải phóng mặt bằng, đền bù hành lang tuyến để xây dựng đường dây đấu nối truyền tải mới vào lưới điện quốc gia. Phương án lắp đặt thêm ESS kết hợp kiểm soát chế độ nhiệt của máy biến áp truyền tải hiện hữu cho phép tận dụng tối đa hạ tầng điện sẵn có, san phẳng biểu đồ phát công suất và tăng sản lượng điện bán vào các khung giờ giá cao, mang lại các chỉ số tài chính (NPV, ROI) cao hơn và giảm thiểu thời gian triển khai dự án.

Kết luận

Luận án tiến sĩ của tác giả Đinh Ngọc Sang đã giải quyết bài toán nâng cao hiệu quả kinh tế cho các dự án điện gió khi chuyển đổi sang cơ chế thị trường điện cạnh tranh thông qua cách tiếp cận liên ngành giữa kỹ thuật điện, lý thuyết xác suất và kinh tế năng lượng. Bằng việc xây dựng năm mô hình phối hợp nguồn, đề xuất hai thuật toán tối ưu lai LSTM-GA, LSTM-PSO và giải pháp tích hợp hệ thống ESS kết hợp tối ưu máy biến áp truyền tải, công trình cung cấp các căn cứ khoa học định lượng giúp các nhà đầu tư giảm thiểu rủi ro tài chính do tính bất định của gió. Các kết quả nghiên cứu đã được kiểm chứng trên lưới chuẩn IEEE 30-bus, được công bố trên các tạp chí quốc tế uy tín và đăng ký sáng chế hợp lệ, tạo tiền đề vững chắc cho việc tiếp tục mở rộng thử nghiệm trên các hệ thống điện thực tế tại Việt Nam.