Tổng quan về luận án

Sự gia tăng đột biến của các nguồn năng lượng tái tạo (NLTT) phân tán, đặc biệt là điện gió và điện mặt trời áp mái, đang định hình lại cấu trúc vận hành của hệ thống điện hiện đại. Theo báo cáo của Cơ quan Năng lượng Quốc tế (IEA), tổng công suất lắp đặt nguồn điện mặt trời toàn cầu đạt mức tăng trưởng 18% trong khi điện gió tăng trưởng 12,9%. Tại Việt Nam, sự bùng nổ theo các cơ chế khuyến khích (như Quyết định số 13/2020/QĐ-TTg với mức giá 8,38 UScent/kWh cho điện mặt trời áp mái và 9,35 UScent/kWh cho trang trại mặt trời; Thông tư số 39/2015/TT-BCT quy định đấu nối hạ áp) đã nâng tỷ trọng điện mặt trời áp mái lên 7.760 MW (chiếm 10,1% tổng công suất hệ thống) và trang trại mặt trời lên 8.732 MW (11,39%). Tuy nhiên, tính bất định và biến thiên ngẫu nhiên theo thời tiết của các nguồn năng lượng này tạo ra thách thức lớn đối với bài toán điều khiển và vận hành: hiện tượng trào lưu công suất ngược (reverse power flow) gây tăng vọt điện áp tại các nút cuối đường dây hạ áp, quá tải cục bộ các nhánh truyền tải, suy giảm quán tính quay của hệ thống và sai số dự báo lớn làm tăng chi phí điều độ.

Luận án tiến sĩ kỹ thuật chuyên ngành Kỹ thuật Điều khiển và Tự động hóa (Mã số: 952 02 16) của nghiên cứu sinh Đặng Thành Trung, dưới sự hướng dẫn khoa học của PGS. TS Thái Quang Vinh và TSKH Trần Kỳ Phúc tại Học viện Khoa học và Công nghệ – Viện Hàn lâm Khoa học và Công nghệ Việt Nam, đã giải quyết trực diện khoảng trống nghiên cứu (research gap) này. Trong khi các nghiên cứu quốc tế và trong nước trước đây chủ yếu tập trung vào bài toán trào lưu công suất tối ưu (Optimal Power Flow - OPF) trên lưới truyền tải cao áp hoặc lưới phân phối 3 pha trung áp đối xứng, việc xác định dung lượng hấp thụ cực đại (hosting capacity) trên lưới phân phối hạ áp 1 pha – nơi kết nối trực tiếp của đa số phụ tải dân dụng và các hệ thống pin quang điện dưới 3 kW – vẫn chưa được mô hình hóa đầy đủ với các ràng buộc điện áp nút phi tuyến và hệ số có lợi vị trí.

Mục tiêu cốt lõi của luận án được cụ thể hóa qua hệ thống câu hỏi nghiên cứu và giả thuyết khoa học:

  • RQ1: Làm thế nào để xác định chính xác tổng công suất phát cực đại của nguồn điện gió và pin mặt trời trên từng pha lưới hạ áp mà không vi phạm giới hạn điện áp nút ($U_{min} \le U_i \le U_{max}$) và dòng điện nhánh ($I_{km} \le I_{km}^{max}$)?
  • RQ2: Làm thế nào để nâng cao độ chính xác dự báo đa bước thời gian (công suất phát PV/WT, phụ tải tiêu thụ, giá điện thị trường) phục vụ điều khiển tối ưu phụ tải linh hoạt theo thời gian thực?
  • RQ3: Giải pháp tích hợp trạm sạc xe điện (EV) kết hợp giàn pin mặt trời nối lưới đóng vai trò như thế nào trong việc nâng cao độ tin cậy cung cấp điện khi xảy ra sự cố tách đảo mất nguồn từ máy biến áp hạ áp?

Các giả thuyết nghiên cứu tương ứng:

  • H1: Tích hợp hệ số có lợi vị trí ($\alpha_i$) vào bài toán tối ưu hóa đa biến sẽ tối đa hóa công suất giải tỏa của nguồn NLTT lên lưới trung/cao áp mà vẫn đảm bảo độ lệch điện áp nằm trong giới hạn $\pm 5% U_{dm}$.
  • H2: Cấu trúc mạng nơ-ron truyền thẳng đa lớp (MLP) huấn luyện bằng thuật toán Levenberg-Marquardt phân tách theo nhóm đặc tính thời tiết sẽ giảm thiểu sai số dự báo phụ tải và công suất phát 30 phút/chu kỳ xuống mức thấp hơn đáng kể so với các mô hình chuỗi thời gian truyền thống.
  • H3: Việc điều khiển phân bố xả năng lượng từ bộ pin lưu trữ của trạm sạc xe điện kết hợp pin mặt trời sẽ cắt giảm thời gian mất điện trung bình hàng năm (SAIDI) của lưới hạ áp.

Khung lý thuyết của công trình tích hợp lý thuyết điều khiển tối ưu ngẫu nhiên, lý thuyết tối ưu hóa tiến hóa (Evolutionary Algorithms), trí tuệ nhân tạo (Mạng nơ-ron nhân tạo - ANN) và lý thuyết độ tin cậy hệ thống điện (Đánh giá độ tin cậy Monte Carlo). Phạm vi nghiên cứu bao quát từ mô hình lưới hạ áp phân phối 0,4 kV cấp điện bởi máy biến áp 320 kVA bán kính 400 m (10 khoảng cột 40 m) với các chủng loại dây dẫn thực tế A-120, A-95, A-70, A-50 cho đến các mô hình chuẩn IEEE 5 nút, 23 nút, IEEE 24 nút và IEEE 30 nút.

Literature Review và Positioning

Vận hành tối ưu lưới điện phân phối tích hợp năng lượng tái tạo đã trải qua nhiều giai đoạn phát triển với các trường phái nghiên cứu nổi bật:

                            +-------------------------------------------------------------+
                            |       TIẾN TRÌNH NGHIÊN CỨU ĐIỀU KHIỂN HỆ THỐNG ĐIỆN        |
                            +-------------------------------------------------------------+
                                                          |
                 +----------------------------------------+----------------------------------------+
                 |                                                                                 |
                 v                                                                                 v
+------------------------------------+                                           +------------------------------------+
| TRƯỜNG PHÁI ĐIỀU ĐỘ TRUYỀN THỐNG   |                                           | TRƯỜNG PHÁI TỐI ƯU HÓA TIẾN HÓA    |
| - Tối ưu trào lưu công suất (OPF)  |                                           |   & TRÍ TUỆ NHÂN TẠO (AI)          |
| - Quy hoạch phi tuyến, Newton,     |                                           | - Thuật toán di truyền (GA)        |
|   hàm chắn nội điểm                |                                           | - Tối ưu bầy đàn (PSO)             |
| - Tập trung lưới cao/trung áp      |                                           | - Mạng nơ-ron (ANN/MLP), fuzzy     |
+------------------------------------+                                           +------------------------------------+
                 \                                                                                 /
                  \                                                                               /
                   +--------------------------------------+--------------------------------------+
                                                          |
                                                          v
                                       +------------------------------------+
                                       |      KHOẢNG TRỐNG HỌC THUẬT        |
                                       | - Lưới hạ áp 1 pha phi đối xứng    |
                                       | - Hệ số có lợi vị trí (alpha_i)    |
                                       | - Điều phối phụ tải EV/PV 2 chiều  |
                                       +------------------------------------+
                                                          |
                                                          v
                                       +------------------------------------+
                                       |  KHUNG TÍCH HỢP TOÀN DIỆN CỦA      |
                                       |            LUẬN ÁN                 |
                                       +------------------------------------+

Trường phái thứ nhất tập trung vào tối ưu hóa trào lưu công suất (OPF) bằng các thuật toán giải tích cổ điển kết hợp hàm chắn (Barrier Method) và phép lặp Newton-Raphson (tiêu biểu như các công trình nghiên cứu của Momoh và cộng sự; tại Việt Nam có nghiên cứu [4], [5]). Ưu điểm của nhóm này là tốc độ hội tụ nhanh đối với lưới truyền tải quy mô lớn (lên tới 300 nút), tuy nhiên lại gặp hạn chế nghiêm trọng khi xử lý các ràng buộc rời rạc, không liên tục và không gian tìm kiếm đa cực trị của các nguồn phân tán hạ áp.

Trường phái thứ hai ứng dụng các thuật toán tìm kiếm heuristic và meta-heuristic như Thuật toán di truyền (Genetic Algorithm - GA) và Tối ưu hóa bầy đàn (Particle Swarm Optimization - PSO) để xác định vị trí và dung lượng tối ưu của nguồn điện phân tán (Distributed Generation - DG) [1], [2], [6], [20], [21]. Nghiên cứu [1] ứng dụng GA trên lưới 22 kV nhưng dựa trên giả thiết lưới 3 pha đối xứng hoàn hảo và tải tĩnh; nghiên cứu [2] tối ưu hóa tổn thất công suất trên lưới chuẩn IEEE-33 nút nhưng chưa xem xét đến tính năng giải tỏa công suất ngược từ hạ áp lên lưới trung/cao áp qua trạm biến áp phân phối.

Trường phái thứ ba tập trung vào kỹ thuật dự báo công suất tái tạo và nhu cầu phụ tải dựa trên máy học (ANN, Time Series ARMA/ARIMA, Extreme Learning Machine - ELM, Fuzzy Logic) [24]–[34], [36]–[55]. Các nghiên cứu chỉ ra rằng ANN cho độ chính xác vượt trội so với các mô hình thống kê truyền thống khi xử lý mối quan hệ phi tuyến giữa các thông số khí tượng (bức xạ mặt trời, nhiệt độ, tốc độ gió, độ ẩm) và công suất đầu ra. Nghiên cứu [26] dùng mạng lan truyền ngược (BPNN) cho dự báo chu kỳ 30 phút; nghiên cứu [27] đề xuất phân nhóm theo loại ngày thời tiết.

Về mặt học thuật, tồn tại cuộc tranh luận lớn giữa hai quan điểm:

  1. Quan điểm thụ động: Cho rằng việc tích hợp NLTT ở hạ áp bị giới hạn cứng bởi dung lượng định mức của biến áp phân phối và tiết diện dây, đòi hỏi phải đầu tư nâng cấp lưới hoặc chủ động ngắt nguồn (curtailment) khi xuất hiện nguy cơ quá tải/quá áp.
  2. Quan điểm chủ động (Active Distribution Management): Khẳng định có thể nâng cao vượt bậc khả năng hấp thụ NLTT thông qua quản lý tích cực phía nhu cầu (Demand Side Management - DSM), điều khiển đóng/cắt phụ tải dịch chuyển được và khai thác khả năng lưu trữ từ trạm sạc xe điện mà không cần tái cấu trúc lưới điện vật lý.

So sánh với các nghiên cứu quốc tế điển hình:

  • Nghiên cứu tại Đức (nguồn tài liệu [94] trong luận án): Ghi nhận đến năm 2015 đã lắp đặt gần 40 GW điện mặt trời, trong đó 22 GW kết nối trực tiếp lưới hạ áp và 90% là các hệ thống áp mái $< 30$ kW. Tuy nhiên, hệ thống lưới điện Đức sở hữu tiêu chuẩn thiết kế dây dẫn tiết diện lớn, trạm biến áp có bộ điều áp dưới tải tự động (OLTC) và biến tần Inverter thông minh tham gia hỗ trợ điều tần/áp. Mô hình này không thể áp dụng nguyên bản cho các nước đang phát triển như Việt Nam – nơi các máy biến áp phân phối 22/0,4 kV không có chức năng tự động đổi nấc phân áp và lưới điện nông thôn/đô thị có tỷ lệ $R/X$ cao.
  • Nghiên cứu tại đảo Jeju, Hàn Quốc [41], [42]: Ứng dụng BPNN dự báo công suất gió dựa trên các thông số áp suất, độ ẩm khí quyển nhưng chỉ dừng lại ở bài toán dự báo đơn lẻ cho lưới hải đảo cô lập, chưa tích hợp chuỗi điều khiển phụ tải động và trạm sạc EV hạ áp.
  • Nghiên cứu tại Oryahovo, Bulgaria [24]: Dự báo mật độ bức xạ mặt trời bằng ANN nhưng không gắn kết với bài toán tối ưu hóa điện áp nút 1 pha.

Luận án đã định vị chính xác khoảng trống: Xây dựng giải pháp tổng thể, khép kín từ khâu "Dự báo thông minh đa thành phần $\rightarrow$ Tính toán công suất phát cực đại có xét hệ số vị trí $\rightarrow$ Điều khiển tối ưu phụ tải linh hoạt và trạm sạc xe điện $\rightarrow$ Đánh giá độ tin cậy hệ thống điện bằng mô phỏng ngẫu nhiên".

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng nền tảng lý thuyết tối ưu hóa tiến hóa cổ điển của John Holland (1975) và lý thuyết bầy đàn của Kennedy & Eberhart (1995) vào bài toán điều khiển hệ thống điện phân phối phi tuyến, đa biến, đa ràng buộc. Đóng góp lý thuyết thể hiện qua:

  1. Thiết lập mô hình giải tích trào lưu công suất gần đúng cho 1 pha lưới hạ áp: Thiết lập hệ phương trình xác định sụt áp $\Delta U$ và dòng điện nhánh $I_{km}$ có xét đến dòng công suất bơm ngược từ các nút có kết nối nguồn PV/WT phân tán: $$S'{k} = S{LUC,k} + S_{LC,k} - S_{PV,k} - S_{WT,k}$$ Chứng minh bằng giải tích rằng tại kịch bản phụ tải chạm đáy (chỉ tiêu thụ 10% công suất định mức) và nguồn PV/WT phát 100% công suất, điểm cực đại điện áp sẽ bị dịch chuyển từ thanh cái đầu nguồn (nút 0) về các nút cuối đường dây.
  2. Hình thành lý thuyết hệ số có lợi vị trí ($\alpha_i$) trong điều độ phân tán: Bổ sung trọng số kinh tế - kỹ thuật $\alpha_i$ vào hàm mục tiêu tối đa hóa công suất phát, biến bài toán tối đa hóa công suất đơn thuần thành bài toán tối ưu hóa không gian lắp đặt có điều kiện biên: $$\max f = \sum_{i=1}^n \alpha_i P_{i}$$
  3. Mở rộng lý thuyết điều khiển nhu cầu (Demand Side Management): Chuyển dịch từ mô hình điều khiển phụ tải tĩnh sang điều phối động phụ tải dịch chuyển được kết hợp kho lưu trữ năng lượng phân tán từ xe điện (EV-to-Grid/Load).

Khung phân tích độc đáo

Khung phân tích của luận án được cấu trúc theo mô hình phân tầng đa cấp (Hierarchical Multi-level Optimization Framework), tích hợp chặt chẽ 3 trụ cột lý thuyết:

+---------------------------------------------------------------------------------------------------+
| KHUNG PHÂN TÍCH TỔNG THỂ CỦA LUẬN ÁN                                                              |
+---------------------------------------------------------------------------------------------------+
| TẦNG 1: KHỐI DỰ BÁO THỜI GIAN THỰC (Machine Learning Framework)                                  |
| Mạng nơ-ron truyền thẳng MLP huấn luyện bằng thuật toán Levenberg-Marquardt                        |
|   -> Dự báo công suất phát giàn pin mặt trời P_PV(t)                                              |
|   -> Dự báo công suất phát tua bin gió P_WT(t)                                                    |
|   -> Dự báo công suất phụ tải tiêu thụ P_LUC(t), P_LC(t)                                          |
|   -> Dự báo biểu giá mua bán điện thị trường PR_GR(t)                                             |
+---------------------------------------------------------------------------------------------------+
                                                  |
                                                  v
+---------------------------------------------------------------------------------------------------+
| TẦNG 2: KHỐI TỐI ƯU HÓA KHÔNG GIAN CÔNG SUẤT HẠ ÁP & GIẢI TỎA TRUNG/CAO ÁP                        |
| Mô hình hóa toán học 1 pha hạ áp & Lưới 3 pha có xét hệ số có lợi vị trí alpha_i                  |
|   -> Thuật toán di truyền (GA) mã hóa nhị phân độ dài m = \sum m_i                                |
|   -> Thuật toán bầy đàn (PSO) với cơ chế giam giữ biên và cập nhật vận tốc                         |
|   -> Tối ưu hóa trào lưu công suất OPF (phương pháp hàm chắn nội điểm & Newton-Raphson)           |
+---------------------------------------------------------------------------------------------------+
                                                  |
                                                  v
+---------------------------------------------------------------------------------------------------+
| TẦNG 3: KHỐI ĐIỀU KHIỂN ĐỘNG PHỤ TẢI & ĐÁNH GIÁ ĐỘ TIN CẬY HỆ THỐNG                               |
|   -> Điều khiển tối ưu lịch trình đóng/cắt phụ tải linh hoạt (bơm nước, nhiệt, bình nóng lạnh)   |
|   -> Điều khiển phân bố công suất xả trạm sạc xe điện (EV) phối hợp giàn pin PV                   |
|   -> Đánh giá độ tin cậy cung cấp điện bằng mô phỏng Monte Carlo (Chỉ số SAIDI, LOLE)             |
+---------------------------------------------------------------------------------------------------+

Điều kiện biên (Boundary conditions) được xác lập nghiêm ngặt:

  • Điện áp nút: $0,95 U_{dm} \le U_i \le 1,05 U_{dm}$ (hệ đơn vị tương đối $0,95 \le V_i \le 1,05$ p.u).
  • Giới hạn mang tải của dây dẫn: $I_{km} \le I_{km}^{max}$ tương ứng với từng chủng loại tiết diện ruột nhôm A-120 ($I^{max} = 375$ A), A-95 ($I^{max} = 320-375$ A), A-70 ($I^{max} = 265$ A), A-50 ($I^{max} = 215$ A).
  • Cân bằng công suất nút: $\sum P_{gen} - \sum P_{load} - \Delta P_{loss} = 0$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được xây dựng trên lập trường nhận thức luận thực chứng (Positivism) kết hợp phương pháp suy diễn định lượng thực nghiệm mô phỏng (Quantitative Deductive Experimental Simulation). Thiết kế nghiên cứu đa cấp độ:

  • Cấp độ micro (Lưới phân phối 1 pha hạ áp 0,4 kV): Phân tích chi tiết từng cột điện, từng pha truyền tải và từng nút phụ tải dân dụng.
  • Cấp độ macro (Lưới phân phối và truyền tải 3 pha): Mô phỏng tương tác liên lưới khi giải tỏa công suất thừa lên lưới trung áp 22 kV, 35 kV và cao áp thông qua các hệ thống kiểm chuẩn quốc tế IEEE.

Quy trình nghiên cứu rigorous

Quy trình thuật toán được thiết kế chuẩn mực với độ chi tiết kỹ thuật cao:

flowchart TD
    A([Bắt đầu: Dữ liệu thời tiết, bức xạ, phụ tải quá khứ]) --> B[Khối ANN: Huấn luyện Levenberg-Marquardt]
    B --> C[Dự báo P_PV, P_WT, P_Load, PR_GR cho ngày tiếp theo chu kỳ 30 phút]
    C --> D{Xác định kịch bản vận hành}
    D -->|Kịch bản cực đại công suất phát| E[GA / PSO: Tính dung lượng hấp thụ cực đại P_max 1 pha]
    D -->|Kịch bản điều độ kinh tế| F[GA: Điều khiển tối ưu đóng cắt phụ tải linh hoạt]
    D -->|Kịch bản sự cố mất nguồn lưới| G[Điều khiển xả sạc EV + Pin PV & Mô phỏng Monte Carlo]
    E --> H{Kiểm tra ràng buộc U_min <= U <= U_max & I <= I_max}
    F --> H
    G --> H
    H -- Không thỏa mãn --> I[Đặt hàm thích nghi Fitness = 0 / Hiệu chỉnh vận tốc PSO]
    I --> J[Tái tạo quần thể / Cập nhật hạt]
    J --> H
    H -- Thỏa mãn --> K[Đạt tiêu chí hội tụ?]
    K -- Chưa --> J
    K -- Đạt --> L([Xuất kết quả: Cấu hình P_max, Lịch đóng tải, Chỉ số SAIDI])

  1. Mã hóa và tối ưu bằng Thuật toán di truyền (GA):

    • Xác định bước tăng công suất rời rạc $P_{step} = 1$ kW. Chiều dài chuỗi nhị phân con của mỗi biến: $x_i = \frac{P_i^{max} - P_i^{min}}{P_{step}}$, $x_i \le 2^{m_i} - 1$.
    • Chiều dài nhiễm sắc thể tổng thể: $m = \sum_{i=1}^n m_i$.
    • Chọn lọc cá thể: Sử dụng cơ chế bánh xe Roulette (Roulette Wheel Selection) dựa trên xác suất tích lũy $q_i = \sum_{j=1}^i p_j$ với $p_i = \frac{f_i}{\sum f}$.
    • Toán tử lai ghép: Lai ghép 1 điểm cắt ngẫu nhiên $pos \in [1, m-1]$ với xác suất lai $p_c$.
    • Toán tử đột biến: Đột biến đảo bit $0 \leftrightarrow 1$ với xác suất đột biến chuẩn $p_m$.

  2. Cơ chế giam giữ biên và cập nhật trong Thuật toán bầy đàn (PSO):

    • Phương trình cập nhật vận tốc và vị trí trong không gian $D$ chiều: $$v_{id}(t+1) = c_1 v_{id}(t) + c_2 r_1 [p_{id}(t) - x_{id}(t)] + c_3 r_2 [g_d(t) - x_{id}(t)]$$ $$x_{id}(t+1) = x_{id}(t) + v_{id}(t+1)$$
    • Các tham số kiểm soát hội tụ được thiết lập tối ưu: trọng số quán tính $c_1 \in [0,7; 0,8]$, độ tin cậy cực đại $c_{max} \in [1,5; 1,7]$. Bổ sung cơ chế triệt tiêu vận tốc khi chạm biên: nếu $x_{id} \notin [x_{min}, x_{max}]$ thì gán $x_{id}$ về biên gần nhất và thiết lập $v_{id} = 0$, ngăn chặn hiện tượng hạt bị "bẫy" ngoài miền nghiệm.

  3. Huấn luyện Mạng nơ-ron Levenberg-Marquardt (LM-ANN):

    • Sử dụng thuật toán tối ưu hóa bậc hai Levenberg-Marquardt cập nhật ma trận trọng số: $$w_{k+1} = w_k - [J^T(w_k) J(w_k) + \mu_k I]^{-1} J^T(w_k) e(w_k)$$ trong đó $J$ là ma trận Jacobian chứa đạo hàm bậc nhất của hàm sai số theo trọng số, $\mu$ là tham số kết hợp tự thích nghi.

  4. Đánh giá độ tin cậy bằng mô phỏng Monte Carlo:

    • Khảo sát xác suất trạng thái ngẫu nhiên của các phần tử đường dây, máy biến áp và trạm sạc EV để tính toán chỉ số thời gian mất điện trung bình của khách hàng trong năm (SAIDI) và kỳ vọng mất phụ tải (LOLE).

Data và phân tích

Mô hình kiểm nghiệm Quy mô / Cấu hình nút Thông số đường dây & Nguồn Mục tiêu mô phỏng
Lưới 1 pha thực tế VN 10 nút tải (bán kính 400 m, 10 khoảng cột) MBA 320 kVA (22/0,4 kV); Dây A-120, A-95, A-70, A-50 Tính $P_{PV}^{max}, P_{WT}^{max}$ 1 pha; Kiểm soát sụt/tăng áp
Lưới 5 nút thử nghiệm 5 nút, 7 nhánh Nguồn truyền thống + 2 cụm PV/WT Kiểm chứng giải thuật GA và PSO
Lưới 23 nút phân phối 23 nút, 22 phân đoạn đường dây Tích hợp đa nguồn phân tán, xét $\alpha_i$ Đánh giá trào lưu công suất tối ưu đa nút
Hệ thống IEEE-24 nút 24 nút, 38 nhánh truyền tải Cấp điện áp 138/230 kV, nhiều máy phát nhiệt/thủy điện Tối ưu hóa phân bố kinh tế và an ninh trào lưu
Hệ thống IEEE-30 nút 30 nút, 41 nhánh, 6 máy phát Hệ thống thử nghiệm điều độ kinh tế chuẩn quốc tế Đánh giá sai số hội tụ GA vs PSO khi có/không có $\alpha_i$

Các kịch bản kiểm tra độ bền vững (Robustness checks) được thực hiện bằng cách cho phụ tải biến thiên từ cực tiểu (10%) đến cực đại (100%), đồng thời quét toàn bộ dải công suất phát của nguồn năng lượng tái tạo từ 0% đến 100% nhằm đảm bảo tính bao quát tuyệt đối của thuật toán.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Quy luật phân bố điện áp phi tuyến và điểm nút tới hạn trên lưới hạ áp: Kết quả tính toán giải tích và mô phỏng trên pha A lưới điện hạ áp (Bảng 2-1, Bảng 2-3) chứng minh rằng khi phụ tải vận hành ở mức thấp (10%) và các nguồn pin mặt trời phát công suất đỉnh (100%), trào lưu công suất ngược xuất hiện gây nâng điện áp tại nút cuối đường dây (nút 8) vượt quá ngưỡng cho phép ($> 1,05 U_{dm}$ nếu không kiểm soát). Thuật toán di truyền đã tìm ra chính xác ngưỡng giới hạn công suất phát tổng tại các nút để điện áp mọi nút luôn duy trì trong dải an toàn $[209\text{ V}; 231\text{ V}]$ ($220\text{ V} \pm 5%$).
  2. Vai trò quyết định của hệ số có lợi vị trí ($\alpha_i$) đối với dung lượng hấp thụ: Mô phỏng trên lưới 5 nút, 23 nút, IEEE 24 nút và IEEE 30 nút (Bảng 2-26 đến Bảng 2-31) chứng minh rằng việc đưa hệ số $\alpha_i$ vào hàm mục tiêu giúp tăng tổng công suất phát hữu dụng của toàn lưới thêm $12,4% - 18,6%$ so với trường hợp không xét hệ số vị trí, đồng thời định hướng phân bổ nguồn phát vào các nút có dung dẫn lớn và khoảng cách điện gần nguồn tiêu thụ.
  3. Hiệu năng vượt trội của thuật toán huấn luyện Levenberg-Marquardt trong dự báo 30 phút: Đối với bài toán dự báo công suất phát giàn pin (Bảng 3-3), tua bin gió (Bảng 3-4), phụ tải tiêu thụ (Bảng 3-5) và giá điện (Bảng 3-6), mô hình mạng nơ-ron truyền thẳng huấn luyện bằng thuật toán Levenberg-Marquardt đạt sai số trung bình (MAPE) thấp nhất so với các thuật toán lan truyền ngược chuẩn, hội tụ chỉ sau dưới 50 thế hệ huấn luyện.
  4. Hiệu quả của mô hình tích hợp Trạm sạc xe điện (EV) và Giàn pin mặt trời: Kết quả tính toán độ tin cậy bằng phương pháp Monte Carlo (Bảng 3-12 và Bảng 3-13) chứng minh rằng khi xảy ra sự cố cắt điện từ máy biến áp phân phối, việc tận dụng bộ sạc xe điện 2 chiều (V2G/V2Load) phối hợp cùng pin mặt trời áp mái đã giảm thời gian mất điện trung bình hàng năm (SAIDI) của lưới điện thử nghiệm hơn $42,8%$, duy trì liên tục điện áp cung cấp cho các phụ tải ưu tiên.
+---------------------------------------------------------------------------------------------------+
| BẢNG SO SÁNH HIỆU QUẢ CÁC MÔ HÌNH VÀ GIẢI THUẬT TRONG NGHIÊN CỨU                                  |
+------------------------------------+----------------------------------+---------------------------+
| Chỉ số / Tiêu chí đánh giá         | Giải pháp truyền thống / Cơ sở   | Giải pháp đề xuất của LA  |
+------------------------------------+----------------------------------+---------------------------+
| Kiểm soát điện áp nút cuối lưới hạ | Vượt ngưỡng an toàn (> 1.05 p.u) | Duy trì ổn định trong     |
| áp khi phát 100% NLTT & tải 10%    | khi công suất phát tăng cao      | dải an toàn 220V +/- 5%   |
+------------------------------------+----------------------------------+---------------------------+
| Công suất giải tỏa NLTT cực đại    | Bị giới hạn cục bộ theo định     | Tăng 12,4% - 18,6% nhờ    |
| trên lưới phân phối                | mức máy biến áp                  | tích hợp hệ số vị trí     |
+------------------------------------+----------------------------------+---------------------------+
| Tốc độ hội tụ và độ chính xác của  | Dễ rơi vào cực trị địa phương    | Hội tụ ổn định, tốc độ    |
| bài toán tối ưu (GA & PSO)         | hoặc dao động quanh biên         | cao nhờ giam giữ biên     |
+------------------------------------+----------------------------------+---------------------------+
| Thời gian mất điện trung bình      | Cao do phụ thuộc hoàn toàn vào   | Giảm 42,8% nhờ tích hợp   |
| hàng năm (SAIDI) khi mất nguồn     | lưới truyền tải trung áp         | trạm sạc EV và pin PV     |
+------------------------------------+----------------------------------+---------------------------+

Implications đa chiều

  • Về mặt học thuật: Thiết lập một mô hình tính toán chuẩn tắc cho bài toán quản lý phân phối chủ động (Active Distribution Networks), bắc cầu nối giữa lý thuyết tối ưu hóa rời rạc và bài toán vật lý trào lưu công suất thực tế.
  • Về phương pháp luận: Cung cấp quy trình từng bước (step-by-step protocol) trong việc cấu trúc hóa nhiễm sắc thể GA và thiết lập thông số tin cậy PSO ($c_1, c_{max}$), có thể chuyển giao trực tiếp cho các bài toán quy hoạch lưới điện thông minh khác.
  • Về thực tiễn kỹ thuật: Cung cấp công cụ tính toán trực quan cho các Công ty Điện lực (EVN SPC, EVN NPC, EVN HANOI, EVN HCMC) để thẩm định nhanh công suất lắp đặt tối đa nguồn mặt trời áp mái cho từng nhánh lộ hạ áp mà không cần đầu tư các gói phần mềm ngoại nhập đắt tiền.
  • Về chính sách năng lượng: Cung cấp luận cứ khoa học để Bộ Công Thương và Cục Điều tiết Điện lực hoàn thiện các thông tư điều chỉnh khung giá điện hai thành phần, cơ chế giá mua điện mặt trời tự sản tự tiêu và tiêu chuẩn kỹ thuật hòa lưới đối với hạ tầng trạm sạc xe điện tại Việt Nam.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn kỹ thuật:

  1. Mô hình hóa pha độc lập: Mặc dù đã tính toán phân bố công suất 1 pha có xét đến ảnh hưởng của nguồn 3 pha, mô hình vẫn giả định mức độ mất cân bằng giữa các pha chưa tính đến tương tác tương hỗ phức tạp qua từ thông lõi thép của máy biến áp phân phối tam giác - sao ($Y/\Delta$).
  2. Tuổi thọ pin xe điện: Mô hình điều khiển phân bố xả nguồn từ trạm sạc xe điện chưa tính toán sâu đến hàm suy hao dung lượng pin (battery degradation cost) theo số chu kỳ sạc/xả sâu.
  3. Môi trường thị trường điện: Giá điện giả định theo các kịch bản dự báo ngày tới, chưa tích hợp hoàn toàn cơ chế thị trường dịch vụ phụ trợ thời gian thực (Real-time Ancillary Services Market).

Chương trình nghiên cứu 10 năm tiếp theo được vạch ra:

  • Mở rộng thuật toán giải bài toán trào lưu công suất tối ưu 3 pha không đối xứng toàn diện (Full 3-phase Asymmetrical OPF) trên lưới phân phối hình tia và mạch vòng kín.
  • Ứng dụng học tăng cường sâu (Deep Reinforcement Learning - DRL) và mạng nơ-ron đồ thị (Graph Neural Networks - GNN) để điều khiển thời gian thực phụ tải xe điện và bộ tích trữ năng lượng quy mô lớn (BESS).
  • Nghiên cứu mô hình kinh tế chia sẻ năng lượng ngang hàng (Peer-to-Peer - P2P Energy Trading) dựa trên công nghệ chuỗi khối (Blockchain) cho các hộ tiêu thụ điện thông minh tích hợp PV-EV hạ áp.

Tác động và ảnh hưởng

  • Tác động học thuật: Các thuật toán và kết quả nghiên cứu đã được công bố trên các tạp chí khoa học chuyên ngành uy tín trong nước và quốc tế (thuộc danh mục Scopus/SCIE), đóng góp tài liệu tham khảo chất lượng cao cho các nghiên cứu sinh, học viên cao học ngành Kỹ thuật Điều khiển, Tự động hóa và Hệ thống điện.
  • Chuyển đổi công nghiệp: Định hình giải pháp kỹ thuật cho các doanh nghiệp phát triển hạ tầng trạm sạc EV và các đơn vị tổng thầu EPC năng lượng tái tạo trong việc thiết kế hệ thống Microgrid tích hợp tự dùng, tối ưu hóa chi phí vận hành và giảm áp lực lên lưới điện quốc gia.
  • Tác động chính sách và xã hội: Giúp giảm thiểu tối đa hiện tượng sa thải nguồn năng lượng sạch (renewable curtailment), bảo vệ quyền lợi kinh tế của nhà đầu tư, đồng thời nâng cao chất lượng điện áp và độ tin cậy cung cấp điện cho hàng triệu khách hàng sinh hoạt và sản xuất.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận được phương pháp luận kết hợp chặt chẽ giữa giải thuật tối ưu hóa tiến hóa, mô phỏng ngẫu nhiên và kỹ thuật trí tuệ nhân tạo áp dụng trong hệ thống điện thực tế.
  • Kỹ sư vận hành điều độ hệ thống điện: Sở hữu thuật toán tính toán cụ thể để xác định giới hạn hòa lưới an toàn của nguồn năng lượng phân tán trên từng xuất tuyến hạ áp.
  • Doanh nghiệp phát triển xe điện và trạm sạc: Ứng dụng sơ đồ nguyên lý và lưu đồ điều khiển phân bố nguồn cấp để triển khai các trạm sạc xanh tích hợp điện mặt trời mái nhà có khả năng vận hành độc lập khi có sự cố lưới.
  • Cơ quan quản lý nhà nước: Có cơ sở khoa học định lượng để ban hành các quy chuẩn kỹ thuật quốc gia về giới hạn dung lượng lắp đặt điện mặt trời tự dùng và cơ chế khuyến khích phụ tải đáp ứng nhu cầu.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Đóng góp độc đáo nhất là việc thiết lập mô hình giải tích và thuật toán tối ưu hóa dung lượng hấp thụ cực đại của nguồn điện gió và mặt trời trên 1 pha lưới hạ áp có xét đến hệ số có lợi vị trí ($\alpha_i$) và khả năng giải tỏa công suất ngược lên lưới trung/cao áp. Công trình đã mở rộng lý thuyết Trào lưu công suất tối ưu (OPF) cổ điển của trường phái giải tích sang không gian phân phối hạ áp phi đối xứng, đa cực trị.

2. Điểm đổi mới về mặt phương pháp luận so với các nghiên cứu tiền nhiệm là gì? So với nghiên cứu của Momoh và cộng sự (dùng hàm chắn thuần túy) hay nghiên cứu [1], [2] (dùng GA trên lưới giả định đối xứng), luận án đã: (1) Xây dựng thuật toán mã hóa nhị phân chính xác theo bước công suất $P_{step}$ với độ dài nhiễm sắc thể thích nghi; (2) Tích hợp cơ chế giam giữ biên và triệt tiêu vận tốc ($v_{id}=0$) trong thuật toán PSO để loại bỏ hiện tượng kẹt cực trị địa phương; (3) Kết hợp chuỗi mô hình dự báo ANN huấn luyện bằng thuật toán Levenberg-Marquardt làm đầu vào tiền định lượng cho bài toán điều khiển phụ tải động.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất trong quá trình tính toán mô phỏng? Phát hiện về hiện tượng "nghịch đảo cực đại điện áp": trong điều kiện phụ tải sinh hoạt xuống thấp (10%) vào thời điểm bức xạ mặt trời cực đại giữa trưa, điện áp tại các nút cuối đường dây hạ áp (như nút 8 trong mô hình thực nghiệm) tăng vọt cao hơn cả điện áp đầu cực thứ cấp máy biến áp phân phối, đe dọa đánh thủng cách điện và gây quá áp phá hủy thiết bị dân dụng nếu không áp dụng thuật toán giới hạn công suất phát phân bổ của luận án.

4. Luận án có cung cấp đầy đủ quy trình và thông số để tái lập nghiên cứu (Replication Protocol) không? Có. Toàn bộ thông số vật lý của lưới điện thử nghiệm (chiều dài 10 khoảng cột 40 m; điện trở $R$, điện kháng $X$, dòng định mức $I_{max}$ của từng loại cáp A-120, A-95, A-70, A-50 tra theo sổ tay kỹ thuật TS. Nguyễn Văn Đạm; thông số máy biến áp 320 kVA; các hệ số $c_1 \in [0,7; 0,8]$, $c_{max} \in [1,5; 1,7]$, xác suất $p_c, p_m$, kích thước quần thể $pop_size$) đều được công khai chi tiết trong các bảng thông số và lưu đồ thuật toán tại Chương 2 và Chương 3.

5. Lộ trình nghiên cứu phát triển trong tương lai được hoạch định như thế nào? Lộ trình hướng tới việc hoàn thiện hệ điều hành quản lý lưới phân phối tích hợp trí tuệ nhân tạo (AI-enabled ADMS), mở rộng từ bài toán điều khiển tập trung sang điều khiển phân tán đa tác tử (Multi-Agent Systems) và tối ưu hóa vận hành thị trường điện P2P đa năng lượng (Multi-Energy Microgrids).

Kết luận

  1. Xây dựng thành công phương pháp luận và thuật toán tối ưu hóa xác định tổng công suất phát cực đại của nguồn điện gió, điện mặt trời trên từng pha lưới điện phân phối hạ áp, đảm bảo tuyệt đối các ràng buộc an toàn điện áp nút và dòng điện nhánh.
  2. Đề xuất mô hình tính toán trào lưu công suất tối ưu đa cấp có xét đến hệ số có lợi vị trí ($\alpha_i$), giúp khai thác tối đa tiềm năng lắp đặt NLTT và nâng cao hiệu quả kinh tế phát điện của toàn hệ thống.
  3. Thiết lập hệ thống dự báo thông minh 4 thành phần (PV, WT, Phụ tải, Giá điện) chu kỳ 30 phút sử dụng mạng nơ-ron Levenberg-Marquardt đạt độ chính xác cao và tốc độ hội tụ vượt trội.
  4. Đề xuất giải pháp đột phá tích hợp trạm sạc xe điện và giàn pin mặt trời mái nhà phục vụ điều khiển phụ tải linh hoạt, nâng cao rõ rệt độ tin cậy cung cấp điện thông qua việc cắt giảm thời gian mất điện SAIDI khi có sự cố tách đảo.
  5. Kiểm chứng toàn diện tính đúng đắn và hiệu quả của các mô hình lý thuyết trên hệ thống lưới điện phân phối thực tế của Việt Nam và các lưới kiểm chuẩn quốc tế IEEE.
  6. Mở ra các hướng nghiên cứu mới mang tính liên ngành giữa Kỹ thuật Điều khiển, Trí tuệ Nhân tạo và Kinh tế Năng lượng, đóng góp thiết thực vào tiến trình chuyển dịch năng lượng công bằng và hiện đại hóa lưới điện thông minh quốc gia.