Tổng quan luận án

Đề tài luận án tiến sĩ: "Nghiên cứu điều khiển, vận hành tối ưu hệ thống điện phân phối có sự tham gia của các nguồn năng lượng gió, năng lượng mặt trời"
Tác giả: Đặng Thành Trung
Chuyên ngành: Kỹ thuật Điều khiển và Tự động hóa (Mã số: 952 02 16)
Cơ sở đào tạo: Học viện Khoa học và Công nghệ - Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Người hướng dẫn khoa học: PGS. TS Thái Quang Vinh và TSKH Trần Kỳ Phúc
Năm bảo vệ: 2022

Tính cấp thiết và khoảng trống nghiên cứu

Cùng với sự gia tăng tỷ trọng của các nguồn điện năng lượng tái tạo, đặc biệt là nguồn điện mặt trời và điện gió, hệ thống điện phân phối phải đối mặt với nhiều thách thức kỹ thuật do tính chất biến thiên liên tục và bất định của thời tiết. Theo số liệu của Cơ quan Năng lượng Quốc tế (IEA), năm 2021 tổng công suất đặt điện mặt trời toàn cầu đạt 843,086 TW (tăng 18% so với năm 2020) và điện gió đạt 824,874 TW (tăng 12,9%). Tại Việt Nam, theo Trung tâm Điều độ Hệ thống điện Quốc gia (A0), tính đến tháng 12/2020, tổng công suất điện mặt trời áp mái đạt 7.760 MW (chiếm 10,1% tổng công suất đặt toàn hệ thống) và trang trại điện mặt trời đạt 8.732 MW (chiếm 11,39%); đến tháng 11/2021, công suất điện gió đạt 3.980 MW (chiếm 5,19%).

Sự thâm nhập sâu của các nguồn điện phân tán này dẫn đến các vấn đề: mất ổn định điện áp nút (dâng cao hoặc sụt giảm ngoài ngưỡng cho phép), quá tải cục bộ trên đường dây truyền tải, dao động công suất lan truyền, suy giảm mức quán tính quay của hệ thống điện, sai số dự báo lớn và gây khó khăn cho việc phối hợp tác động của thiết bị bảo vệ rơ-le. Tại Việt Nam, đa số phụ tải sinh hoạt dân dụng lấy điện từ 1 dây pha và 1 dây trung tính của lưới điện hạ áp 220/380 V. Các trạm biến áp phân phối 22/0,4 kV thường không trang bị bộ điều áp tự động dưới tải (OLTC). Do đó, khi các hệ thống điện mặt trời áp mái phát tối đa công suất vào thời điểm phụ tải tiêu thụ thấp, trào lưu công suất chạy ngược về máy biến áp làm điện áp tại các nút cuối đường dây dâng cao, buộc phải sa thải hoặc ngắt kết nối nguồn phát, gây lãng phí năng lượng và thiệt hại kinh tế.

Khoảng trống nghiên cứu được chỉ ra: Các công trình trước đây chủ yếu tập trung xác định vị trí và công suất nguồn phân tán trên lưới truyền tải cao áp hoặc trung áp 3 pha đối xứng; thiếu vắng các giải pháp tính toán giới hạn công suất cho từng pha của lưới điện phân phối hạ áp có xét đến khả năng giải tỏa công suất thừa lên lưới trung/cao áp, bài toán điều độ kinh tế nguồn truyền thống và tiềm năng vị trí lắp đặt. Đồng thời, việc ứng dụng các phụ tải điều khiển được (đặc biệt là trạm sạc xe điện tích hợp pin lưu trữ và điện mặt trời áp mái) để tham gia điều tiết, hỗ trợ cung cấp điện khi xảy ra sự cố mất nguồn lưới chưa được nghiên cứu tích hợp toàn diện.

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu tổng quát của luận án là nghiên cứu đề xuất kết hợp các giải pháp nhằm điều khiển vận hành tối ưu hệ thống điện khi có sự tham gia của nguồn điện gió, điện mặt trời, nhằm tận dụng tối đa công suất phát của các nguồn này nhưng vẫn đảm bảo điện áp nút, dòng điện nhánh nằm trong giới hạn cho phép và hệ thống điện vận hành ổn định, kinh tế.

Nhiệm vụ cụ thể của luận án gồm:

  1. Nghiên cứu phương pháp xác định tổng công suất lớn nhất của nguồn điện gió, điện mặt trời có thể phát lên lưới mà không làm ảnh hưởng đến hệ thống điện, đặc biệt tập trung vào 1 pha của lưới điện hạ áp cấp cho phụ tải dân dụng.
  2. Xây dựng phương pháp xác định tổng công suất tối đa của nguồn điện gió, điện mặt trời tại các nút trong mô hình cụm lưới điện nhỏ liên kết lên lưới trung áp và cao áp, có xét đến trào lưu công suất tối ưu (OPF) của các nguồn điện truyền thống và hệ số có lợi vị trí lắp đặt.
  3. Nghiên cứu phương pháp dự báo công suất phát của giàn pin mặt trời, tua bin gió, công suất tiêu thụ của phụ tải và giá bán điện từ lưới; xây dựng thuật toán điều khiển tối ưu đóng/cắt phụ tải điện.
  4. Mở rộng giải pháp tích hợp trạm sạc xe điện và giàn pin mặt trời nối lưới nhằm cấp điện cho phụ tải khi mất nguồn từ máy biến áp hạ áp; đánh giá độ tin cậy cung cấp điện.
  5. Xây dựng mô hình mô phỏng và tính toán trên lưới điện thử nghiệm để kiểm chứng tính đúng đắn của các giải thuật.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Lưới điện phân phối hạ áp (trọng tâm là lưới 1 pha 220 V cấp điện dân dụng xuất phát từ trạm biến áp phân phối 22/0,4 kV công suất 320 kVA) và mô hình lưới điện 3 pha kết nối trung/cao áp; các nguồn phát điện mặt trời (PV), tua bin gió (WT); các phụ tải điều khiển được (LC) và không điều khiển được (LUC); trạm sạc xe điện (EV).
  • Phạm vi không gian và thời gian: Mô hình lưới điện hạ áp điển hình tại Việt Nam với khoảng cách cột 40 m, bán kính cấp điện 400 m, sử dụng các chủng loại dây nhôm trần (A-120, A-95, A-70, A-50); các hệ thống lưới điện thử nghiệm chuẩn gồm 5 nút, 23 nút, IEEE 24 nút và IEEE 30 nút. Dữ liệu khảo sát phụ tải và bức xạ/gió được thu thập theo chu kỳ 30 phút/lần trong ngày; số liệu thống kê cơ cấu nguồn điện giai đoạn 2018–2021 theo khung chính sách giá FIT (Thông tư 39/2015/TT-BCT và Quyết định 13/2020/QĐ-TTg).

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trong nước

Tác giả đã điểm lại các công trình tiêu biểu trong nước liên quan đến bài toán điều khiển, vận hành hệ thống điện có nguồn năng lượng tái tạo:

  • Tối ưu vị trí và công suất nguồn phân tán: Nghiên cứu [1] sử dụng thuật toán di truyền (GA) để tìm vị trí và công suất tối ưu cho nguồn phân tán (điện gió, mặt trời, pin lưu trữ, động cơ đốt trong) trên lưới 22 kV nhằm giảm tổn thất công suất tác dụng và giữ điện áp trong giới hạn $\pm 5% U_{\text{đm}}$. Nghiên cứu [2] áp dụng GA trên lưới IEEE 33 nút để giảm tổn thất công suất và thỏa mãn các ràng buộc vận hành.
  • Tối ưu trào lưu công suất (OPF) và điều độ kinh tế: Nghiên cứu [4], [5] sử dụng phương pháp hàm chắn kết hợp thuật toán heuristic và phép lặp Newton giải bài toán OPF giảm chi phí nhiên liệu và đảm bảo an ninh hệ thống điện cho các lưới 6 nút, 24 nút, 30 nút, 142 nút, 300 nút và lưới điện Việt Nam. Nghiên cứu [6] dùng thuật toán tối ưu hóa bầy đàn (PSO) để giải bài toán điều độ kinh tế hệ thống điện có tích hợp nguồn điện gió trên lưới IEEE 30 nút cho đồ thị phụ tải 24 giờ.
  • Dự báo phụ tải và bức xạ: Nghiên cứu [7] kết hợp mạng nơ-ron nhân tạo (ANN) và GA để dự báo phụ tải ngắn hạn cho Công ty Điện lực TP. Hà Nội.
  • Lưu trữ năng lượng và đánh giá độ tin cậy: Nghiên cứu [8] khảo sát hệ thống lưu trữ năng lượng BESS nhằm giảm dao động tần số trên thanh cái 500 kV Thuận Nam thuộc hệ thống điện miền Nam. Các công trình [9], [10], [11] ứng dụng mô phỏng Monte Carlo và GA để tính toán chỉ số thời gian mất điện trung bình của khách hàng trong năm (SAIDI) cho hệ thống điện Việt Nam.

Các hướng nghiên cứu quốc tế

  • Tối ưu hóa nguồn phân tán và lưới điện nhỏ (Microgrid): Nghiên cứu [18], [19] giải bài toán OPF khi xét đến tính biến thiên công suất của nguồn tái tạo. Nghiên cứu [20], [21], [22], [23] tính toán vị trí, công suất nguồn phân tán kết hợp mô phỏng Monte Carlo và GA để tối ưu hóa hàm chi phí đầu tư, tổn thất truyền tải và giá mua bán điện trong thị trường cạnh tranh.
  • Dự báo công suất nguồn tái tạo, phụ tải và giá điện:
    • Dự báo bức xạ và điện mặt trời [24]–[33]: áp dụng ANN, mô hình chuỗi thời gian (AR, MA, ARMA, ARIMA), mô hình số học dự báo thời tiết (NWP), máy học cực trị (ELM) và mạng truyền thẳng nhiều lớp huấn luyện bằng lan truyền ngược (BPNN, MLP).
    • Dự báo tốc độ gió và công suất điện gió [36]–[47]: so sánh giữa NWP, logic mờ (Fuzzy Logic), mạng nơ-ron hàm bán kính cơ sở (RBF), BPNN trên các tập dữ liệu tại đảo Jeju (Hàn Quốc).
    • Dự báo phụ tải và thị trường điện [34], [48]–[55]: sử dụng mạng FF-BPNN, mạng nơ-ron kết hợp logic mờ (FNN-BP), mạng nơ-ron Elman và mạng nơ-ron tối ưu bằng bầy đàn (FNN-PSO) kết hợp dữ liệu SCADA thời gian thực.
  • Điều khiển phụ tải và tích hợp xe điện: Các nghiên cứu [56]–[86] phát triển mô hình điều khiển lưới điện nhỏ AC/DC, điều khiển sạc/xả bộ lưu trữ pin, bánh đà tích năng, pin nhiên liệu hydro và điều khiển phụ tải có thể dịch chuyển thời gian như bơm nước [64], [74], [77] hoặc trạm sạc xe điện [58]–[60], [69].
  • Đánh giá độ tin cậy: Nghiên cứu [87]–[90] sử dụng thuật toán Monte Carlo tuần tự và bán tuần tự (quasi-sequential Monte Carlo) tính toán chỉ số kỳ vọng mất tải (LOLE) và lượng điện năng thiếu hụt không mong muốn khi tích hợp điện gió, điện mặt trời.

Vị trí và giải pháp của luận án

Kế thừa các công cụ toán học (GA, PSO, ANN, Monte Carlo), luận án định vị giải quyết các vấn đề còn bỏ ngỏ:

  1. Xây dựng phương pháp tính toán giải tích kết hợp thuật toán tối ưu xác định công suất phát cực đại cho 1 pha lưới điện hạ áp có xét đến sự phân bổ 1/3 công suất từ các nguồn phát 3 pha và kịch bản bất lợi nhất (tải cực tiểu 10%, nguồn phát cực đại 100%).
  2. Mở rộng bài toán trên mô hình đa lưới điện nhỏ kết nối lưới 3 pha trung/cao áp, tích hợp điều độ tối ưu nguồn truyền thống và đưa vào hệ số có lợi vị trí ($\alpha_i$).
  3. Tận dụng hạ tầng xe điện (EV) kết hợp pin mặt trời áp mái để cấp điện đảo cho phụ tải hạ áp, thiết lập giải thuật phân bổ công suất xả và kiểm chứng mức cải thiện độ tin cậy bằng mô phỏng Monte Carlo.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

Luận án kết hợp các mô hình lý thuyết hệ thống điện và kỹ thuật tính toán thông minh:

  1. Mô hình trào lưu công suất 1 pha lưới điện hạ áp:
    Từ công suất tác dụng ($P$) và hệ số công suất ($\cos\varphi$), công suất biểu kiến ($S$) và công suất phản kháng ($Q$) của phụ tải được tính theo: $$S = \frac{P}{\cos\varphi}$$ $$Q = \sqrt{S^2 - P^2}$$ Tổng trở đường dây nhánh: $$Z = R + jX = (r_0 + jx_0) \cdot l$$ Khi có sự tham gia của giàn pin mặt trời ($S_{\text{PV}}$) và tua bin gió ($S_{\text{WT}}$), công suất nút được tính toán lại: $$S'i = S_i - S{\text{PV}i} - S_{\text{WT}i}$$ Tổn thất điện áp và dòng điện chạy trên nhánh $k-m$: $$\Delta U_{k-m} = \frac{P_{k-m} R_{k-m} + Q_{k-m} X_{k-m}}{U_k}$$ $$I_{k-m} = \frac{S_{k-m}}{\sqrt{3} U_k} \quad (\text{hoặc } I = \frac{S}{U} \text{ đối với lưới 1 pha})$$

  2. Bài toán tối ưu trào lưu công suất (OPF) cho hệ thống 3 pha:
    Hàm mục tiêu chi phí nhiên liệu phát điện: $$\min \sum_{i=1}^{N_g} (a_i P_{gi}^2 + b_i P_{gi} + c_i)$$ Các ràng buộc đẳng thức $h(x) = 0$ (cân bằng công suất nút) và bất đẳng thức $g(x) \le 0$ (giới hạn công suất phát $P_{gi}^{\min} \le P_{gi} \le P_{gi}^{\max}$, điện áp nút $V_i^{\min} \le V_i \le V_i^{\max}$, giới hạn truyền tải nhánh $S_{km} \le S_{km}^{\max}$). Bài toán được giải bằng phương pháp hàm chắn (Barrier Method) kết hợp phép lặp Newton giải hệ phương trình đạo hàm bậc một và bậc hai của hàm Lagrangian $L(X, \lambda, \mu)$.

  3. Thuật toán Di truyền (Genetic Algorithm - GA):
    Mô phỏng cơ chế tiến hóa tự nhiên với không gian tìm kiếm đa điểm. Cấu trúc cá thể được mã hóa dưới dạng chuỗi nhị phân độ dài $m = \sum m_i$. Quá trình tiến hóa thực hiện qua 6 bước:

    • Khởi tạo quần thể ngẫu nhiên kích thước pop_size.
    • Đánh giá hàm thích nghi (Fitness Function).
    • Chọn lọc cá thể bằng cơ chế bánh xe Roulette (Roulette Wheel Selection): Xác suất chọn $p_i = f_i / \sum f_k$, xác suất tích lũy $q_i = \sum_{j=1}^i p_j$.
    • Lai ghép 1 điểm cắt với xác suất lai $p_c$.
    • Đột biến đảo bit ngẫu nhiên với xác suất đột biến $p_m$.
    • Tái tạo quần thể mới thay thế hoàn toàn quần thể cũ.

  4. Thuật toán Tối ưu hóa Bầy đàn (Particle Swarm Optimization - PSO):
    Mô phỏng chuyển động tìm kiếm thức ăn của đàn chim/đàn cá trong không gian $D$ chiều. Mỗi cá thể cập nhật vận tốc $v(t)$ và vị trí $x(t)$ theo phương trình: $$v_d(t+1) = c_1 v_d(t) + c_2 r_1 [p_d(t) - x_d(t)] + c_3 r_2 [g_d(t) - x_d(t)]$$ $$x_d(t+1) = x_d(t) + v_d(t+1)$$ Trong đó: $c_1$ là trọng số quán tính ($0,7 \le c_1 \le 0,8$); $c_2, c_3$ là hệ số học tập phân bố trong khoảng $[0, c_{\max}]$ ($c_{\max} \approx 1,47 - 1,62$); $r_1, r_2 \in [0, 1]$; $p_d$ là vị trí tốt nhất cá nhân, $g_d$ là vị trí tốt nhất toàn bầy. Cơ chế kiểm soát biên áp dụng kỹ thuật thiết lập lại vận tốc $v_d = 0$ khi vị trí chạm ngưỡng $[x_{\min}, x_{\max}]$ để tránh kẹt biên.

  5. Mạng nơ-ron nhân tạo (ANN) và thuật toán Levenberg-Marquardt:
    Sử dụng mạng nơ-ron truyền thẳng nhiều lớp (MLP) cho bài toán dự báo ngắn hạn chuỗi thời gian. Cập nhật véc-tơ trọng số $W$ theo thuật toán Levenberg-Marquardt: $$W_{k+1} = W_k - [J^T J + \mu I]^{-1} J^T e$$ Trong đó $J$ là ma trận Jacobian chứa đạo hàm bậc nhất của sai số theo trọng số, $\mu$ là tham số kết hợp điều chỉnh giữa phương pháp Gauss-Newton và phương pháp hạ gradient.

  6. Đánh giá độ tin cậy bằng mô phỏng Monte Carlo:
    Sử dụng phương pháp lấy mẫu trạng thái ngẫu nhiên mô phỏng quá trình hoạt động/sự cố của các phần tử lưới điện, tính toán thời gian mất điện trung bình hàng năm của phụ tải khi có và không có nguồn phát hỗ trợ từ trạm sạc xe điện.

Công cụ và nguồn dữ liệu thực hiện

  • Môi trường tính toán: Phần mềm MATLAB phiên bản 2018a.
  • Dữ liệu thực nghiệm:
    • Thông số lưới hạ áp 1 pha thực tế: nguồn cấp từ trạm biến áp 320 kVA, điện áp đầu nguồn $U_0 = 230\text{ V}$, định mức $U_{\text{đm}} = 220\text{ V}$, khoảng cách các nút 40 m, điện trở và điện kháng dây dẫn lấy theo sổ tay kỹ thuật mạng lưới điện (TS. Nguyễn Văn Đạm).
    • Dữ liệu phụ tải và thời tiết: số liệu đo đạc phụ tải sinh hoạt, bức xạ mặt trời, tốc độ gió và giá điện theo chu kỳ 30 phút.
    • Các hệ thống thử nghiệm chuẩn: lưới 5 nút, 23 nút, IEEE 24 nút, IEEE 30 nút và IEEE 33 nút.

Nội dung chính theo từng chương

Chương 1: Tổng quan về điều khiển vận hành tối ưu hệ thống điện phân phối có sự tham gia của nguồn năng lượng gió, năng lượng mặt trời

Chương 1 trình bày tổng quan cấu trúc hệ thống điện hiện đại, phân tích bức tranh phát triển của nguồn năng lượng tái tạo tại Việt Nam và quốc tế, đồng thời làm rõ các tác động kỹ thuật tiêu cực phát sinh khi hòa lưới tỷ trọng lớn điện gió, điện mặt trời.

Các nội dung và số liệu trọng tâm:

  • Phân tích hiện trạng phát triển: Điện mặt trời Việt Nam năm 2021 đạt 10.909 MW (đứng thứ 3 thế giới). Cơ chế biểu giá hỗ trợ (FIT) áp dụng theo Quyết định 13/2020/QĐ-TTg (9,35 UScent/kWh cho trang trại trước 30/06/2019; 8,38 UScent/kWh cho điện mặt trời áp mái trước 31/12/2020) và điện gió (9,8 UScent/kWh ngoài khơi, 8,5 UScent/kWh trên bờ trước 01/11/2021).
  • Quy định kỹ thuật đấu nối: Thông tư 39/2015/TT-BCT quy định hệ thống điện mặt trời $\le 3\text{ kW}$ được đấu nối vào lưới hạ áp 1 pha hoặc 3 pha; từ $3\text{ kW}$ đến $100\text{ kW}$ (không vượt quá 30% công suất trạm biến áp) phải đấu vào lưới 3 pha.
  • Cơ chế tác động lên lưới hạ áp 1 pha: Khi nguồn PV 3 pha công suất $P$ hòa lưới, mỗi pha phải gánh $P/3$ (ví dụ: hệ thống 100 kW phát 33,3 kW/pha). Khi phụ tải tiêu thụ thấp kết hợp nguồn phát cực đại, công suất truyền ngược về trạm biến áp gây dâng cao điện áp cuối nguồn.
  • Phân loại phụ tải:
    • Phụ tải có khả năng dịch chuyển thời gian (LC): máy bơm nước, bình nóng lạnh, máy giặt, máy sấy, hệ thống sạc xe điện.
    • Phụ tải không thể dịch chuyển (LUC): hệ thống chiếu sáng, bếp nấu.
  • Tổng hợp khoảng trống tài liệu và xác định kiến trúc tổng thể cho các giải thuật điều khiển phân tán ở Chương 2 và Chương 3.
+-----------------------------------------------------------------------------------+
|               MÔ HÌNH HỆ THỐNG ĐIỆN PHÂN PHỐI TÍCH HỢP NGUỒN TÁI TẠO              |
+-----------------------------------------------------------------------------------+
| Lưới truyền tải / Trung áp (22 kV)                                                |
|   [Máy biến áp phân phối 22/0,4 kV - 320 kVA] (Không có bộ OLTC)                 |
|                              [Trạm sạc EV + Pin lưu trữ] (Chế độ nối lưới / Đảo)  |
+-----------------------------------------------------------------------------------+

Chương 2: Tính tổng công suất lớn nhất của nguồn điện gió, điện mặt trời phát lên lưới điện

Chương 2 tập trung xây dựng cơ sở toán học và giải thuật xác định công suất cực đại của nguồn điện gió và điện mặt trời có thể hòa lưới mà không vi phạm các ràng buộc an ninh hệ thống điện.

1. Bài toán cho 1 pha lưới điện hạ áp

  • Hàm mục tiêu: Cực đại hóa tổng công suất phát của các nguồn PV và WT trên pha khảo sát: $$\max f = \max \sum_{i=1}^n P_i$$
  • Ràng buộc:
    • Ràng buộc điện áp tại tất cả các nút: $U_{\min} \le U_i \le U_{\max}$ (với $U_{\min} = 0,95 U_{\text{đm}}$, $U_{\max} = 1,05 U_{\text{đm}}$).
    • Ràng buộc dòng điện nhánh: $I_{k \to m} \le I_{k \to m}^{\max}$.
  • Kịch bản kiểm tra an ninh: Luận án thiết lập kịch bản kiểm tra nghiêm ngặt: Phụ tải tiêu thụ đạt mức tối thiểu (10% công suất danh định) trong khi các nguồn năng lượng tái tạo phát 100% công suất.
  • Thiết lập thuật toán GA: Bước tăng công suất $P_{\text{step}} = 1\text{ kW}$. Số trạng thái rời rạc $x_i = (P_i^{\max} - P_i^{\min})/P_{\text{step}} + 1$. Chiều dài chuỗi nhị phân của nút $i$ thỏa mãn $x_i \le 2^{m_i}$, tổng chiều dài nhiễm sắc thể $m = \sum m_i$. Nếu cá thể vi phạm ràng buộc điện áp/dòng điện, hàm thích nghi bị gán $f_i = 0$.
  • Thử nghiệm trên lưới hạ áp 1 pha thực tế: Xét pha A của trạm biến áp 320 kVA, chiều dài 400 m gồm 10 khoảng cột 40 m (Bảng 2-1).
Từ nút Đến nút Loại dây Dòng điện cho phép $I_{\max}$ (A) Điện trở $R$ ($\Omega$) Điện kháng $X$ ($\Omega$)
0 1 A-120 375 0,011 0,012
1 2 A-95 375 0,014 0,012
2 3 A-95 375 0,014 0,012
3 4 A-95 320 0,014 0,012
4 5 A-95 320 0,014 0,012
5 6 A-70 265 0,018 0,012
6 7 A-70 265 0,018 0,012
7 8 A-50 215 0,026 0,013

2. Mở rộng bài toán cho hệ thống 3 pha có xét điều độ nguồn truyền thống và hệ số vị trí

  • Mở rộng bài toán khi các lưới nhỏ liên kết giải tỏa công suất ngược lên lưới trung/cao áp.
  • Tích hợp bài toán OPF điều khiển kinh tế nguồn truyền thống (nhiệt điện, thủy điện) nhằm giải phóng dung lượng truyền tải cho nhánh.
  • Bổ sung hệ số có lợi vị trí ($\alpha_i$) phản ánh tiềm năng bức xạ/tốc độ gió và điều kiện mặt bằng lắp đặt tại nút $i$: $$\max f = \max \sum_{i=1}^n \alpha_i P_i$$
  • Áp dụng và so sánh hai thuật toán GA và PSO trên các hệ thống thử nghiệm: 5 nút, 23 nút, IEEE 24 nút và IEEE 30 nút (Bảng 2-4 đến Bảng 2-31). Kết quả hội tụ khẳng định khi đưa hệ số có lợi $\alpha_i$ vào bài toán, thuật toán phân bổ công suất tập trung hơn vào các nút có tiềm năng khai thác cao, giúp tối ưu hóa giá trị kinh tế và vận hành.

Chương 3: Điều khiển tối ưu phụ tải điện

Chương 3 xây dựng hệ thống điều khiển tối ưu phụ tải hạ áp dựa trên kết quả dự báo ngắn hạn, đồng thời đề xuất và đánh giá mô hình tích hợp trạm sạc xe điện kết hợp điện mặt trời mái nhà.

1. Ứng dụng mạng nơ-ron nhân tạo cho bài toán dự báo ngắn hạn (chu kỳ 30 phút)

Xây dựng mạng nơ-ron truyền thẳng nhiều lớp huấn luyện bằng giải thuật Levenberg-Marquardt để dự báo cho ngày tiếp theo ($day_{fo}$) với 4 đối tượng:

  • Công suất phát giàn pin mặt trời ($P_{\text{PV}}$).
  • Công suất phát tua bin gió ($P_{\text{WT}}$).
  • Công suất tiêu thụ phụ tải ($P_{\text{LUC}}, P_{\text{LC}}$).
  • Giá mua bán điện trên thị trường cạnh tranh ($PR_{\text{GR}}$).

Tác giả thiết lập và so sánh 4 cấu hình mô hình mạng nơ-ron (Mô hình 1, 2, 3, 4) với các tập thông số đầu vào khác nhau (nhiệt độ, bức xạ, dữ liệu lịch sử cùng thời điểm của ngày hôm trước $day_{fo}-1$). Bảng 3-3 đến Bảng 3-6 tổng hợp sai số trung bình (MAE/RMSE), chứng minh mô hình cấu hình tối ưu đáp ứng độ chính xác cao cho khâu điều khiển tiếp theo.

2. Điều khiển tối ưu đóng/cắt phụ tải có thể dịch chuyển (LC)

  • Mô hình toán học: Hàm mục tiêu tối thiểu hóa chi phí mua điện từ lưới trong ngày (48 chu kỳ 30 phút) kết hợp tối đa hóa việc tự dùng năng lượng tái tạo tại chỗ: $$\min \sum_{t=1}^{48} \left[ PR_{\text{GR}}(t) \cdot P_{\text{Grid}}(t) - PR_{\text{PV}}(t) \cdot P_{\text{PV-surplus}}(t) - PR_{\text{WT}}(t) \cdot P_{\text{WT-surplus}}(t) \right]$$
  • Ràng buộc: Giới hạn thời gian đóng/cắt cho phép của từng phụ tải (Bảng 3-9: tổng thời gian vận hành trong ngày không đổi, ví dụ máy bơm phải chạy đủ số giờ quy định); điện áp nút và dòng điện nhánh nằm trong ngưỡng an toàn (Bảng 3-10).
  • Thuật toán GA: Tìm lịch trình đóng/cắt tối ưu $S_i(t) \in {0, 1}$ cho các phụ tải LC. Kết quả tối ưu (Bảng 3-11) chỉ ra rằng việc dịch chuyển giờ hoạt động của phụ tải vào thời điểm điện mặt trời phát cao giúp hạ thấp chi phí tiền điện và làm phẳng biểu đồ điện áp nút.

3. Tích hợp trạm sạc xe điện (EV) và giàn pin mặt trời cung cấp điện phụ tải

  • Cơ chế vận hành: Trạm sạc EV vừa đóng vai trò phụ tải điều khiển được, vừa là hệ thống lưu trữ năng lượng pin dung lượng lớn (BESS). Khi trạm biến áp 22/0,4 kV bị mất nguồn, hệ thống chuyển sang chế độ vận hành độc lập (tách đảo), trạm sạc EV cùng với giàn pin mặt trời xả công suất cấp điện cho các phụ tải ưu tiên.
  • Thuật toán phân bố xả nguồn EV: Điều tiết công suất xả của các bộ sạc xe điện dựa trên trạng thái sạc (SOC) và biểu đồ phụ tải.
  • Đánh giá độ tin cậy bằng mô phỏng Monte Carlo: So sánh thời gian mất điện trung bình hàng năm của hệ thống:
    • Khi không có hệ thống trạm sạc EV và PV hỗ trợ (Bảng 3-13).
    • Khi có hệ thống tích hợp trạm sạc EV và PV đấu lưới (Bảng 3-12).
      Kết quả mô phỏng định lượng cho thấy thời gian mất điện trung bình giảm rõ rệt, khẳng định hiệu quả nâng cao độ tin cậy cung cấp điện.

Kết quả và những đóng góp mới

Những đóng góp mới về mặt lý luận và khoa học

  1. Phương pháp luận tính toán giới hạn công suất phát trên lưới phân phối hạ áp: Xây dựng thành công mô hình toán học và giải thuật di truyền (GA) xác định tổng công suất phát lớn nhất của nguồn điện gió, điện mặt trời trên 1 pha lưới điện hạ áp có xét đến sự phân bổ không đối xứng từ các nguồn 3 pha, dưới điều kiện ràng buộc ngặt nghèo về điện áp và dòng điện.
  2. Mô hình phối hợp tối ưu trào lưu công suất và hệ số có lợi vị trí: Phát triển bài toán xác định công suất cực đại của nguồn năng lượng tái tạo trên lưới 3 pha trung/cao áp, tích hợp đồng thời trào lưu công suất tối ưu (OPF) điều khiển nguồn truyền thống và hệ số có lợi vị trí ($\alpha_i$), giúp phản ánh chính xác tiềm năng tài nguyên và mặt bằng lắp đặt thực tế.
  3. Khung giải thuật điều khiển phụ tải phân tán hai cấp: Kết hợp mạng nơ-ron nhân tạo huấn luyện bằng giải thuật Levenberg-Marquardt để dự báo ngắn hạn đa thông số (bước 30 phút) với thuật toán GA điều khiển đóng/cắt tối ưu phụ tải dịch chuyển được theo thị trường điện.

Những đóng góp mới về mặt thực tiễn

  1. Giải pháp nâng cao độ tin cậy bằng hạ tầng xe điện: Đề xuất sơ đồ nguyên lý và thuật toán phân bổ công suất xả từ trạm sạc xe điện kết hợp pin mặt trời áp mái để cấp nguồn cho phụ tải khi mất điện lưới; định lượng mức cải thiện thời gian mất điện hàng năm bằng mô phỏng Monte Carlo.
  2. Khả năng áp dụng tại Việt Nam: Bộ thuật toán và chương trình tính toán xây dựng trên nền tảng MATLAB 2018a cung cấp công cụ tính toán tham khảo trực tiếp cho các Công ty Điện lực trong việc thẩm định thỏa thuận đấu nối nguồn điện mặt trời áp mái (theo Thông tư 39/2015/TT-BCT và Quyết định 13/2020/QĐ-TTg), vận hành kinh tế lưới điện phân phối mà không đòi hỏi chi phí đầu tư phần cứng quá lớn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Mô hình tính toán trào lưu công suất trên lưới 1 pha hạ áp sử dụng các công thức giải tích gần đúng dạng hình tia; chưa xét đầy đủ ảnh hưởng của hiện tượng lệch pha nghiêm trọng và dòng điện chạy trên dây trung tính trong điều kiện phụ tải 3 pha mất cân bằng lớn.
  • Mô hình điều khiển phụ tải có thể dịch chuyển chủ yếu xét các phụ tải đóng/cắt nguyên khối công suất (trạng thái logic 0/1), chưa mô hình hóa chi tiết các phụ tải có thể điều chỉnh công suất liên tục (như biến tần máy điều hòa, thiết bị sạc xe điện điều chế độ rộng xung liên tục).
  • Thuật toán dự báo dựa trên chuỗi thời gian nơ-ron truyền thẳng cổ điển (MLP), độ chính xác có thể suy giảm trong các ngày thời tiết biến động đột biến hoặc thiếu dữ liệu lịch sử quan trắc.

Hướng phát triển tiếp theo

  • Mở rộng bài toán tính toán trào lưu công suất 3 pha 4 dây không đối xứng đầy đủ cho lưới điện hạ áp phức tạp.
  • Nghiên cứu các giải thuật điều khiển phân tán thời gian thực (Real-time Distributed Control) kết hợp cấu trúc học sâu (Deep Learning) để nâng cao độ chính xác dự báo bức xạ và gió.
  • Nghiên cứu ứng dụng hợp bộ điều khiển thông minh trạm sạc V2G (Vehicle-to-Grid) tham gia điều chế tần số và hỗ trợ dịch vụ phụ trợ cho hệ thống điện phân phối.

Giá trị tham khảo

Luận án cung cấp hệ thống dữ liệu, mô hình và thuật toán có giá trị tham khảo cho các đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên: Thuộc các chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Hệ thống điện, Năng lượng tái tạo. Phần mô hình hóa toán học bài toán OPF có ràng buộc (Chương 2) và thuật toán Levenberg-Marquardt cho mạng nơ-ron (Chương 3) là tài liệu tham khảo chi tiết về mặt phương pháp luận.
  • Kỹ sư quy hoạch và điều độ hệ thống điện phân phối: Tại các Tổng công ty Điện lực / Công ty Điện lực, các đơn vị tư vấn thiết kế điện lưới. Quy trình tính toán giới hạn công suất phát cực đại trên đường dây hạ áp giúp giải quyết bài toán cấp thỏa thuận đấu nối nguồn điện mặt trời áp mái, hạn chế rủi ro dâng điện áp gây nhảy rơ-le bảo vệ.
  • Kỹ sư phát triển hệ thống Microgrid và trạm sạc xe điện: Khung tích hợp trạm sạc EV kết hợp giàn pin mặt trời và thuật toán đánh giá độ tin cậy bằng Monte Carlo là cơ sở thực tế để xây dựng hệ thống cấp nguồn dự phòng phân tán cho các khu công nghiệp hoặc khu dân cư.

Câu hỏi thường gặp

1. Tại sao luận án tập trung nghiên cứu trên đối tượng 1 pha của lưới điện hạ áp?

Đa số phụ tải sinh hoạt dân dụng tại Việt Nam sử dụng điện 1 pha (220 V) lấy từ 1 dây pha và 1 dây trung tính của lưới điện hạ áp. Khi các nguồn điện mặt trời áp mái công suất nhỏ (dưới 3 kW) hòa trực tiếp vào 1 pha hoặc các nguồn lớn hơn phát đều lên 3 pha, sự biến thiên công suất kết hợp với việc máy biến áp phân phối 22/0,4 kV không có bộ điều áp tự động (OLTC) sẽ làm điện áp cung cấp cho phụ tải 1 pha biến động mạnh, dễ vượt ngưỡng cho phép ($\pm 5%$). Do đó, việc kiểm soát chế độ vận hành trên từng pha hạ áp mang tính cấp thiết thực tế cao nhất.

2. Kịch bản vận hành nào được tác giả lựa chọn để kiểm tra giới hạn công suất phát cực đại của nguồn năng lượng tái tạo?

Tác giả thiết lập kịch bản vận hành ngặt nghèo nhất: Phụ tải điện tiêu thụ ở mức tối thiểu (10% công suất danh định) trong khi nguồn điện gió và điện mặt trời phát 100% công suất định mức. Kịch bản này tạo ra dòng công suất ngược cực đại chạy về phía máy biến áp phân phối, làm điện áp nút tại các vị trí cuối đường dây dâng lên cao nhất, từ đó đảm bảo công suất tính toán được luôn an toàn trong mọi chế độ vận hành thực tế.

3. Các thuật toán tối ưu nào được sử dụng trong luận án và vai trò của từng thuật toán là gì?

  • Thuật toán Di truyền (GA): Dùng để giải bài toán tìm công suất phát cực đại của nguồn điện gió, mặt trời trên lưới 1 pha hạ áp; tối ưu trào lưu công suất trên lưới 3 pha; và tìm lịch trình đóng/cắt tối ưu cho các phụ tải điện có thể dịch chuyển.
  • Thuật toán Tối ưu hóa Bầy đàn (PSO): Dùng để giải bài toán tối ưu công suất nguồn tái tạo trên lưới 3 pha có xét hệ số có lợi vị trí nhằm so sánh, đối chứng hiệu quả hội tụ với thuật toán GA.
  • Thuật toán Levenberg-Marquardt: Dùng để huấn luyện mạng nơ-ron truyền thẳng (MLP) cho bài toán dự báo ngắn hạn công suất phát, phụ tải và giá điện.
  • Mô phỏng Monte Carlo: Dùng để mô phỏng trạng thái sự cố và tính toán thời gian mất điện trung bình hàng năm (SAIDI) nhằm đánh giá độ tin cậy hệ thống.

4. Hệ số có lợi vị trí ($\alpha_i$) trong bài toán tối ưu công suất nguồn tái tạo mang ý nghĩa gì?

Hệ số có lợi vị trí $\alpha_i$ là tham số trọng số gán cho từng nút lắp đặt, phản ánh tiềm năng tự nhiên (cường độ bức xạ mặt trời, vận tốc gió trung bình) và ưu thế mặt bằng xây dựng tại nút đó. Việc đưa $\alpha_i$ vào hàm mục tiêu $\max \sum \alpha_i P_i$ giúp thuật toán ưu tiên phân bổ dung lượng phát cao hơn cho các vị trí có hiệu quả kinh tế và kỹ thuật tốt hơn, thay vì phân bổ cào bằng giữa các nút trên lưới điện.

5. Mô hình tích hợp trạm sạc xe điện (EV) và pin mặt trời mang lại lợi ích gì khi xảy ra sự cố mất điện lưới?

Khi trạm biến áp phân phối 22/0,4 kV mất nguồn, hệ thống chuyển sang chế độ vận hành tách đảo. Trạm sạc xe điện đóng vai trò như một bộ lưu trữ năng lượng pin (BESS) có dung lượng lớn, kết hợp với nguồn phát từ giàn pin mặt trời nối lưới để cung cấp điện liên tục cho các phụ tải ưu tiên. Kết quả mô phỏng Monte Carlo trong luận án chứng minh giải pháp này làm giảm đáng kể thời gian mất điện trung bình hàng năm của khách hàng, nâng cao chỉ số độ tin cậy cung cấp điện của lưới phân phối.

Kết luận

Luận án tiến sĩ của tác giả Đặng Thành Trung đã giải quyết bài toán điều khiển và vận hành tối ưu hệ thống điện phân phối khi tích hợp các nguồn năng lượng tái tạo (điện gió, điện mặt trời). Bằng việc kết hợp các công cụ toán học tối ưu (GA, PSO), mạng nơ-ron nhân tạo huấn luyện bằng giải thuật Levenberg-Marquardt và mô phỏng độ tin cậy Monte Carlo, tác giả đã đề xuất phương pháp tính toán công suất phát cực đại trên 1 pha lưới hạ áp, điều khiển tối ưu phụ tải dịch chuyển và tích hợp trạm sạc xe điện hỗ trợ cấp nguồn khi mất điện lưới. Các kết quả mô phỏng trên lưới điện phân phối thực tế tại Việt Nam và các lưới thử nghiệm chuẩn IEEE khẳng định tính khả thi của giải pháp trong việc đảm bảo điện áp, dòng điện trong giới hạn kỹ thuật, giảm thiểu việc sa thải nguồn năng lượng sạch và nâng cao hiệu quả kinh tế - kỹ thuật toàn diện cho hệ thống điện.