Tổng quan về luận án
Trong cơ cấu năng lượng quốc gia, các nhà máy nhiệt điện (NMNĐ) đốt than phun giữ vai trò nền tảng bảo đảm an ninh năng lượng và tính ổn định của hệ thống điện. Đến hết năm 2020, tổng công suất lắp đặt của nguồn nhiệt điện than tại Việt Nam đạt $20.867\text{ MW}$ (chiếm xấp xỉ $30%$ công suất toàn hệ thống) và sản xuất $123.117\text{ GWh}$ (chiếm $50%$ tổng sản lượng điện năng). Tuy nhiên, các tổ máy nhiệt điện đốt than phun cận tới hạn ($16{,}7\text{ MPa}$, $538^\circ\text{C}/538^\circ\text{C}$) là đối tượng nhiệt động học phi tuyến cao, đa thông số, có độ trễ vận tải lớn ($\tau$) và chịu tác động liên tục từ các nhiễu quá trình bất định, đặc biệt là sự biến động phẩm chất than nhập khẩu và sự suy giảm cơ nhiệt theo chu kỳ vận hành.
+-------------------------------------------------------------------------------+
| HỆ THỐNG ĐIỀU KHIỂN PHỐI HỢP TỔ MÁY NHIỆT ĐIỆN (CCS) |
+---------------------------------------+---------------------------------------+
|
+--------------------------------+--------------------------------+
| |
v v
+-----------------------------+ +-----------------------------+
| HỆ PHỤ TẢI NHIỆT (CẤP TRÊN) | | HỆ ĐIỀU KHIỂN CƠ SỞ (LÒ HƠI)|
+-----------------------------+ +-----------------------------+
| * Mạch điều khiển công suất | | * Mạch cấp nhiên liệu (Fuel)|
| * Mạch điều khiển áp suất | | * Mạch gió chính & oxy dư |
| hơi quá nhiệt | | * Mạch áp suất buồng đốt |
| | | * Mạch mức nước bao hơi |
| | | * Mạch nhiệt độ hơi quá nhiệt|
+-----------------------------+ +-----------------------------+
| |
+--------------------------------+--------------------------------+
v
+-------------------------------------------------------------------------------+
| GIẢI PHÁP TỔNG HỢP: NHẬN DẠNG HỆ KÍN & CHỈNH ĐỊNH BỀN VỮNG |
| 1. Tích hợp phần tử dự báo số: tau_du_bao <= 0.461 * tau |
| 2. Tối ưu hóa dự trữ ổn định Nyquist (M = 1.55) & Chỉ số dao động mềm m(w) |
| 3. Mạng nơ-ron nhân tạo thích nghi MISO bù nhiệt trị (BTU Compensation) |
+-------------------------------------------------------------------------------+
Khoảng trống nghiên cứu (research gap) cốt lõi xuất phát từ thực trạng suy thoái chất lượng điều khiển trong công nghiệp: hơn $85%$ mạch vòng điều khiển PID vận hành với bộ tham số chưa tối ưu, $30%$ phải chuyển sang chế độ điều khiển thủ công bằng tay (manual) và $45%$ mạch vòng khi chuyển sang chế độ bằng tay lại có dao động thấp hơn tự động. Tại Trung tâm Điện lực Duyên Hải (điển hình là tổ máy S1 NMNĐ Duyên Hải 1 công suất $622{,}5\text{ MW}$), sự thiếu đồng bộ giữa logic điều khiển DCS và đặc tính biến đổi của nhiên liệu than pha trộn khiến suất tiêu hao than chênh lệch cao hơn thiết kế từ $31{,}45\text{ g/kWh}$ đến $62{,}97\text{ g/kWh}$, phương sai dao động lưu lượng than lên tới $31{,}876\text{ tấn/h}$ và xuất hiện hiện tượng trễ nhiệt động học nghiêm trọng.
Luận án tiến sĩ kỹ thuật nhiệt của nghiên cứu sinh Nguyễn Tiến Sáng (Trường Đại học Bách khoa Hà Nội, 2022, người hướng dẫn: TS. Lê Đức Dũng, PGS. Bùi Quốc Khánh) tập trung giải quyết các câu hỏi và giả thuyết khoa học sau:
- Câu hỏi nghiên cứu 1 (RQ1): Cơ chế tác động tương hỗ giữa các tham số nhiệt động (lưu lượng than, gió cấp 2, nước cấp, áp suất buồng lửa) ảnh hưởng như thế nào đến độ lệch công suất và độ trễ phản hồi của hệ thống điều khiển phối hợp lò hơi - tuabin (CCS)?
- Câu hỏi nghiên cứu 2 (RQ2): Làm thế nào để nhận dạng tham số đối tượng mạch vòng kín mà không làm gián đoạn dây chuyền công nghệ đang vận hành liên tục?
- Câu hỏi nghiên cứu 3 (RQ3): Giới hạn ổn định giải tích của khâu dự báo tín hiệu số khi kết hợp với cấu trúc PID công nghiệp là bao nhiêu để triệt tiêu dao động quá điều chỉnh?
- Giả thuyết nghiên cứu 1 (H1): Việc kết hợp khâu dự báo thời gian thực với ràng buộc $\tau_{dự_báo} \le 0{,}461\tau$ sẽ giảm tối thiểu $30%$ biên độ dao động áp suất hơi quá nhiệt.
- Giả thuyết nghiên cứu 2 (H2): Mô hình mạng nơ-ron nhân tạo nhiều đầu vào - một đầu ra (MISO) có khả năng nhận dạng phi tuyến và bù trực tuyến sai lệch nhiệt trị than (BTU compensation), đưa suất tiêu hao than về sát giới hạn định mức kinh tế kỹ thuật.
Khung lý thuyết của luận án tích hợp Lý thuyết Điều khiển học kỹ thuật (Engineering Cybernetics), Lý thuyết ổn định tần số Nyquist mở rộng, Lý thuyết dao động mềm và Trí tuệ nhân tạo (Mạng nơ-ron lan truyền ngược). Nghiên cứu thực hiện trên tập dữ liệu vận hành thực tế tại tổ máy S1 và S2 ($622{,}5\text{ MW}$) NMNĐ Duyên Hải 1 trong các giai đoạn 2018–2020, mang lại đóng góp mang tính đột phá trong việc tối ưu hóa năng lượng và tự động hóa chu trình nhiệt.
Literature Review và Positioning
Tổng quan y văn quốc tế và trong nước về điều khiển hệ thống nhiệt điện phản ánh các giai đoạn phát triển từ các phương pháp kinh điển đến các thuật toán thông minh hiện đại:
| Trường phái / Nhóm phương pháp |
Tác giả & Năm |
Nguyên lý cốt lõi |
Ưu điểm |
Hạn chế chính |
| Kinh điển dựa trên đáp ứng quá độ & biên giới hạn |
Ziegler & Nichols (1942); Åström & Hägglund (1984) |
Nhận dạng điểm uốn bậc 1 có trễ ($K e^{-\tau s}/(1+Ts)$) hoặc phản hồi rơ-le tìm điểm tới hạn ($K_u, T_u$). |
Đơn giản, dễ cài đặt trên phần cứng DCS tiêu chuẩn. |
Không xét dự trữ ổn định, độ quá điều chỉnh lớn ($\sigma > 25%$), nhạy cảm với nhiễu ngẫu nhiên. |
| Dự trữ ổn định đặc tính tần số cứng |
Rotach V. (1985, 1987); Dubnikova E.G. (1990) |
Xây dựng đường cong Nyquist không xâm phạm đường tròn bán kính $M = 1{,}55$, bảo đảm hệ số tắt dần $\psi \approx 0{,}85\text{--}0{,}95$. |
Đảm bảo độ bền vững cao, áp dụng tốt cho hệ thống phân thức có trễ. |
Thuật toán lặp phức tạp trên hệ cascade; khó mở rộng cho đối tượng biến thiên thông số nhanh. |
| Điều khiển bền vững trên chỉ số dao động mềm |
Nguyễn Doãn Phước, Mạnh N. (2006, 2012) |
Định chuẩn hàm dao động mềm $m(\omega) = m_0 e^{-\alpha \tau \omega}$; dùng thuật toán "vượt khe" để tối ưu hóa đặc tính mềm. |
Khử nhiễu quá trình hiệu quả, áp dụng cho hệ có bậc mẫu cao. |
Đòi hỏi xấp xỉ hàm truyền chính xác; khó tự động hóa trực tuyến khi than đổi loại. |
| Tối ưu gần đúng & Mô hình nội (IMC) |
Morari et al. (1989); Pikina G.A., Burtsev Y.S. (2018) |
Cấu trúc IMC đảo hàm truyền; Pikina tối ưu hàm mục tiêu tích phân sai lệch với chỉ số làm mượt $T_e$. |
Triệt tiêu sai lệch tĩnh, tường minh về mặt toán học. |
Nghiệm PID khó hội tụ khi trễ vận tải lớn hoặc tồn tại điểm cực - không không ổn định. |
| Điều khiển dự báo mô hình (MPC) |
Tang Z. (2018); Smrekar et al. (2013) |
Sử dụng thuật toán DoAMPC đa mô hình để dự đoán và tối ưu hóa trong khoảng chân trời chuyển động. |
Kiểm soát đa biến xuất sắc; sai số nhiệt độ hơi quá nhiệt $< 1{,}5%$. |
Đòi hỏi năng lực tính toán cực lớn, khó nhúng trực tiếp vào các DCS thế hệ cũ. |
| Mạng nơ-ron nhận dạng & ước lượng quá trình |
Karna et al. (2012); Ivan R. Nikolic et al. (2013); Narendra (2017) |
Mạng nơ-ron nhiều lớp (MISO ANN, BPNN) xấp xỉ hàm phi tuyến cân bằng vật chất - năng lượng. |
Học thích nghi tốt, không cần mô hình giải tích tường minh. |
Dễ rơi vào cực tiểu cục bộ; thiếu cơ chế chứng minh độ bền vững tần số nếu không có bộ lọc. |
Các tranh luận khoa học tập trung vào hai quan điểm đối nghịch:
- Trường phái tất định giải tích (Deterministic Analytical Approach): Các tác giả như Rotach V. và Pikina G.A. khẳng định việc kiểm soát hệ thống nhiệt điện bắt buộc phải dựa trên các mô hình truyền nhiệt giải tích và dự trữ ổn định tần số nghiêm ngặt ($M$-circles) nhằm bảo đảm an toàn lò hơi tuyệt đối.
- Trường phái học máy phi tham số (Non-parametric Machine Learning Approach): Các công trình của Narendra (2017) và Karna et al. (2012) lập luận rằng bản chất quá trình cháy than phun và sự thay đổi xỉ bám bề mặt là quá trình ngẫu nhiên phi tuyến không thể mô hình hóa chính xác bằng hàm truyền tuyến tính hóa, do đó giải pháp mạng nơ-ron học sâu là hướng tiếp cận tất yếu.
Nghiên cứu của NCS. Nguyễn Tiến Sáng định vị tại điểm giao thoa của hai trường phái: kế thừa tính chặt chẽ của lý thuyết dự trữ ổn định tần số ($M=1{,}55$) và chỉ số dao động mềm $m(\omega)$, đồng thời tích hợp khâu dự báo giải tích ($\tau_{dự_báo} \le 0{,}461\tau$) cùng mạng nơ-ron MISO thích nghi trực tuyến nhằm giải quyết bài toán biến động nhiệt trị than tại Việt Nam.
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Luận án đóng góp vào lý thuyết điều khiển tự động quá trình nhiệt thông qua các mở rộng sau:
+-------------------------------------------------------------------------------+
| MÔ HÌNH HÀM DAO ĐỘNG MỀM m(w) |
| m(w) = m_0 * exp(-alpha * tau * w) |
+---------------------------------------+---------------------------------------+
|
v
+-------------------------------------------------------------------------------+
| QUY HOẠCH TẦN SỐ PHI THỨ NGUYÊN |
| eta_k = omega_k * tau = pi - arctg(m_k) |
| theta_0 = sqrt(m_k^2 + 1) |
+---------------------------------------+---------------------------------------+
|
v
+-------------------------------------------------------------------------------+
| TỔNG HỢP BỘ ĐIỀU KHIỂN BỀN VỮNG G_c(s) |
| G_c(s) = (1 / G_0(s)) * [ A(s) / (2 * pi * B(s)) ] |
| Giới hạn dự báo giải tích: tau_du_bao <= 0.461 * tau |
+-------------------------------------------------------------------------------+
- Mở rộng lý thuyết điều khiển bền vững tần số: Luận án mở rộng phương pháp của Rotach V. và Mạnh N. bằng cách thiết lập mối quan hệ giải tích giữa hằng số quán tính hệ định chuẩn $\theta = \theta_0 \tau$ và tần số cắt $\omega_k$. Bộ điều khiển nhận được tối ưu hóa đồng thời tính kháng nhiễu và độ bám lượng đặt:
$$G_c(s) = \frac{1}{G_p(s)} \left[ \frac{A(s)}{2\pi B(s)} \right]$$
- Chứng minh điều kiện biên ổn định của khâu dự báo: Xác lập mệnh đề toán học về thời gian dự báo tối đa $\tau_{dự_báo} \le 0{,}461\tau$. Nếu vượt quá ngưỡng $0{,}461$ lần trễ vận tải, pha của hệ thống bị quay quá mức gây mất ổn định tiệm cận trên biểu đồ Nyquist.
- Mô hình hóa động học phi đối xứng "Khó nóng - Dễ lạnh": Phát hiện và toán học hóa tính bất đối xứng trong đáp ứng nhiệt động của lò hơi cận tới hạn:
- Đặc tuyến tăng tải: $W_{than}^{tăng}(m) = -11{,}659 + 0{,}564 \times m$
- Đặc tuyến giảm tải: $W_{than}^{giảm}(m) = 17{,}593 + 0{,}469 \times m$
- Tỷ số trễ động học: $\frac{B}{A} = \frac{150\text{s}}{69\text{s}} = 2{,}174$
Khung phân tích độc đáo
Khung phân tích của luận án tích hợp ba lý thuyết nền tảng:
- Lý thuyết cân bằng khối lượng và năng lượng bậc nhất cho hệ thống lò hơi - tuabin - máy phát.
- Lý thuyết nhận dạng hệ kín phi tham số sử dụng phương pháp tối ưu hóa "vượt khe" để quy đổi hàm truyền bậc cao có trễ về dạng chuẩn quán tính bậc 2 có trễ ($SOPTD$):
$$G_p(s) = \frac{K e^{-\tau s}}{(1+T_1 s)(1+T_2 s)}$$
- Mô hình nơ-ron nhận dạng MISO thích nghi: Sử dụng cấu trúc mạng truyền thẳng gồm 3 lớp với thuật toán lan truyền ngược Levenberg-Marquardt, ánh xạ trực tiếp mối quan hệ giữa 3 đại lượng vào (áp suất hơi quá nhiệt $P$, lưu lượng than $B$, công suất $N_e$) và hệ số hiệu chỉnh lượng đặt mạch Fuel Master.
Điều kiện biên (boundary conditions): Áp dụng cho các tổ máy nhiệt điện đốt than công nghệ cận tới hạn dải công suất $300\text{--}622{,}5\text{ MW}$, dải tải huy động từ $75%\text{--}100%$ công suất định mức ($RO$).
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Nghiên cứu theo trường phái thực chứng hậu thực nghiệm (Post-positivism) kết hợp điều khiển học kỹ thuật số. Thiết kế nghiên cứu gồm 3 cấp độ (Multi-level design):
- Cấp độ 1 (Vĩ mô - Hệ thống CCS): Mô hình hóa tương tác giữa hai vòng điều khiển cấp trên: công suất phát điện $N_e$ và áp suất hơi quá nhiệt $P_0$.
- Cấp độ 2 (Trung gian - Phân hệ công nghệ): Mô hình hóa 5 mạch vòng điều khiển cơ sở: Nhiên liệu (Fuel Master), Gió cấp 2 / Oxy dư ($O_2$ Master), Áp suất buồng đốt (IDF Master), Cấp nước bao hơi (Drum Level Master) và Nhiệt độ hơi quá nhiệt (Attemperator Spray Master).
- Cấp độ 3 (Vi mô - Tham số động học): Nhận dạng thời gian thực các khâu trễ $\tau$, hằng số quán tính $T$, hệ số khuếch đại tĩnh $K$ của từng cơ cấu chấp hành (van cấp nước, cánh hướng quạt khói/gió, máy nghiền than).
+-------------------------------------------------------------------------------+
| QUY TRÌNH NGHIÊN CỨU VÀ THỰC NGHIỆM |
+---------------------------------------+---------------------------------------+
|
+--------------------------------+--------------------------------+
| |
v v
+-----------------------------+ +-----------------------------+
| DỮ LIỆU VẬN HÀNH DCS | | MÔ PHỎNG SỐ MATLAB/SIMULINK|
+-----------------------------+ +-----------------------------+
| * 600 điểm (chu kỳ 72s) | | * Mô hình phi tuyến tổ máy |
| * 1200 điểm (chu kỳ 3s) | | 622.5 MW cận tới hạn |
| * Suất hao than 11 ca mẫu | | * Thuật toán tối ưu vượt khe|
+-----------------------------+ +-----------------------------+
| |
+--------------------------------+--------------------------------+
v
+-------------------------------------------------------------------------------+
| XÂY DỰNG PHẦN MỀM CHỈNH ĐỊNH & THỬ NGHIỆM THỰC TẾ |
| * Khai báo hàm truyền -> Thiết kế PID/PI + Dự báo -> Quy đổi sang DCS |
| * Triển khai kiểm chứng tại Tổ máy S1/S2 NMNĐ Duyên Hải 1 |
+-------------------------------------------------------------------------------+
Quy trình nghiên cứu rigorous
Quy trình thu thập và xử lý dữ liệu tuân thủ các chuẩn mực:
- Chiến lược lấy mẫu: Thu thập chuỗi thời gian phân giải cao từ hệ thống điều khiển phân tán DCS Ovation/Foxboro của NMNĐ Duyên Hải 1:
- Tập mẫu 1: 600 điểm đo (chu kỳ quét $72\text{s}$, từ 05:01:12 đến 17:00:00 ngày 30/07/2018), bao phủ toàn bộ chu trình tăng tải ($516{,}3\text{ MW} \to 557{,}5\text{ MW}$) và giảm tải ($597{,}87\text{ MW} \to 536{,}2\text{ MW}$).
- Tập mẫu 2: 1200 điểm đo phân giải siêu cao (chu kỳ lấy mẫu $3\text{s}$, từ 11:50:03 đến 12:20:00 ngày 30/07/2018) ở chế độ phát công suất định mức $622{,}5\text{ MW}$.
- Tập mẫu kiểm tra than: 11 ngày vận hành $24\text{h}$ liên tục tại phụ tải định mức tháng 5–6/2019 với nhiệt trị làm việc thực tế $4865{,}7\text{--}5286{,}2\text{ kcal/kg}$ (thiết kế cơ sở: $4479{,}84\text{ kcal/kg}$).
- Kỹ thuật Triangulation: Kết hợp dữ liệu vận hành DCS thực tế, mô phỏng trên nền tảng MATLAB/Simulink và tính toán cân bằng nhiệt động học lý thuyết.
- Độ tin cậy & Giá trị: Dữ liệu được lọc nhiễu ngẫu nhiên bằng bộ lọc số thông thấp bậc 1 ($T_f = 0{,}1\text{--}0{,}5\text{s}$), bảo đảm tỷ số tín hiệu trên nhiễu ($SNR$) đủ lớn để thuật toán nhận dạng hệ kín hội tụ với sai số tương đối $< 2%$.
Data và phân tích
Phân tích thống kê mô tả chuỗi dữ liệu dao động tổ máy S1 tại công suất $622{,}5\text{ MW}$ (Bảng 1.1 trong luận án):
| Đại lượng quá trình |
Đơn vị |
Giá trị trung bình |
Phương sai ($\sigma^2$) |
Độ lệch chuẩn ($\sigma$) |
Nhận định kỹ thuật |
| Phụ tải phát điện ($N_e$) |
$\text{MW}$ |
$622{,}257$ |
$0{,}528$ |
$0{,}726$ |
Dao động bám sát tải đặt nhờ quán tính quay tuabin. |
| Áp suất hơi quá nhiệt ($P_0$) |
$\text{MPa}$ |
$16{,}581$ |
$0{,}015$ |
$0{,}120$ |
Áp suất dao động quanh điểm làm việc danh định $16{,}7\text{ MPa}$. |
| Lưu lượng than cấp ($B$) |
$\text{tấn/h}$ |
$321{,}915$ |
$31{,}876$ |
$5{,}641$ |
Biên độ dao động cực lớn ($\pm 31{,}876\text{ tấn/h}$), gây hao phí nhiên liệu. |
Phần mềm chuyên dụng được lập trình để tự động hóa quy trình:
- Nhập đặc tính quá độ hoặc hàm truyền đối tượng.
- Thiết lập độ dự trữ ổn định ($M = 1{,}55$, $m_0 = 0{,}55$, $\psi \ge 0{,}85$).
- Tính toán bộ tham số $K_p, T_i, T_d, T_f$ tối ưu.
- Quy đổi tham số sang cấu trúc thuật toán PID tương đương của hệ thống DCS công nghiệp.
Phát hiện đột phá và implications
Những phát hiện then chốt
- Hiện tượng bất đối xứng trễ động học "Khó nóng - Dễ lạnh": Thời gian trễ từ khi lưu lượng than đạt cực đại đến khi áp suất đạt cực đại là $B = 840\text{s} - 690\text{s} = 150\text{s}$; trong khi thời gian trễ từ khi than đạt cực tiểu đến khi áp suất đạt cực tiểu là $A = 264\text{s} - 195\text{s} = 69\text{s}$. Tỷ lệ $B/A = 2{,}174$ chứng minh thời gian đáp ứng khi tăng tải trễ gấp $2{,}17$ lần so với khi giảm tải.
- Hao phí than do quá điều chỉnh động: Tại cùng mức công suất $550\text{ MW}$, lưu lượng than tiêu thụ ở giai đoạn tăng tải lớn hơn giai đoạn giảm tải tới:
$$\Delta W_{than}(550\text{ MW}) = 292{,}54 - 275{,}67 = 16{,}87\text{ tấn/h}$$
Điều này lý giải nguyên nhân suất tiêu hao than thực tế luôn cao hơn thiết kế từ $31{,}45$ đến $62{,}97\text{ g/kWh}$ (Bảng 1.2), dù nhiệt trị than thực tế ($4865\text{--}5286\text{ kcal/kg}$) cao hơn than thiết kế ($4479\text{ kcal/kg}$).
- Giới hạn hội tụ của khâu dự báo số: Xác định thời gian dự báo tối ưu của bộ điều khiển không được vượt quá $0{,}461\tau$. Khi tích hợp khâu dự báo trong giới hạn này, sai lệch quá điều chỉnh của mạch vòng Oxy dư ($O_2$ Master) và Nhiệt độ hơi quá nhiệt giảm từ $18{,}4%$ xuống dưới $4{,}2%$.
- Hiệu quả của mạng nơ-ron MISO thích nghi: Mạng nơ-ron nhận dạng hệ thống kết hợp bù BTU than giúp triệt tiêu hiện tượng dao động xen kênh giữa áp suất và lưu lượng than, giảm phương sai lưu lượng than từ $31{,}876\text{ tấn/h}$ xuống dưới $4{,}5\text{ tấn/h}$ trong môi trường mô phỏng.
Implications đa chiều
- Về mặt lý thuyết: Hoàn thiện lý thuyết điều khiển bền vững cho lớp đối tượng nhiệt điện có quán tính lớn và trễ vận tải dài thông qua việc kết hợp chỉ số dao động mềm với phần tử dự báo tín hiệu rời rạc.
- Về mặt phương pháp luận: Cung cấp phương pháp nhận dạng hệ kín gián tiếp không xâm lấn (non-invasive closed-loop identification), cho phép các kỹ sư xác định hàm truyền đối tượng trực tiếp từ nhật ký dữ liệu DCS mà không cần ngắt mạch tự động hay đưa xung kích thích nguy hiểm vào hệ thống.
- Về mặt thực tiễn vận hành: Cung cấp công cụ phần mềm hỗ trợ kỹ thuật viên tại chỗ nhanh chóng tính toán và nạp lại bảng tham số PID cho các mạch vòng Fuel Master, Air Master, Level Master sau mỗi kỳ trung tu, đại tu.
- Về mặt chính sách & kinh tế: Giúp các tổng công ty phát điện (EVNGENCO 1, 2, 3) tối ưu hóa chi phí mua than nhập khẩu, giảm thiểu lượng phát thải $CO_2, SO_x, NO_x$ nhờ quá trình cháy tối ưu, đóng góp trực tiếp vào cam kết Net Zero và thị trường bán buôn điện cạnh tranh (VWEM).
Limitations và Future Research
Luận án thẳng thắn thừa nhận các giới hạn học thuật sau:
- Giới hạn về mô hình hóa không gian: Mạch vòng điều khiển nhiệt độ hơi quá nhiệt được giả thiết đơn giản hóa thành mô hình thông số tập trung tương đương, chưa mô tả hết tính chất phân bố thông số rải dọc theo toàn bộ chiều dài giàn ống quá nhiệt mành và quá nhiệt cấp 1, cấp 2.
- Giới hạn phạm vi phụ tải: Dữ liệu thực nghiệm tập trung chủ yếu ở dải phụ tải cao ($75%\text{--}100% RO$); các hiện tượng phi tuyến mạnh ở chế độ khởi động tổ máy (Cold/Warm Start-up) hoặc dải tải thấp ($< 50% RO$) chưa được khảo sát đầy đủ.
- Giới hạn phần cứng DCS: Mô hình mạng nơ-ron nhân tạo mới được kiểm chứng ở dạng mô phỏng tích hợp phần mềm và nhận dạng ngoại tuyến (offline); chưa được nạp trực tiếp vào các card điều khiển nhúng thời gian thực của hệ thống DCS do rào cản bản quyền phần mềm của nhà sản xuất thiết bị gốc (OEM).
Chương trình nghiên cứu tương lai (Future Research Directions):
- Mở rộng thuật toán dự báo thích nghi sang các tổ máy nhiệt điện công nghệ siêu tới hạn (Supercritical - $24{,}2\text{ MPa}$, $566^\circ\text{C}$) và trên siêu tới hạn (Ultra-supercritical - $31\text{ MPa}$, $600^\circ\text{C}$).
- Phát triển cấu trúc điều khiển nơ-ron mờ thích nghi nhúng (Embedded Neuro-Fuzzy) tương thích trực tiếp với các chuẩn truyền thông công nghiệp (OPC UA, Modbus TCP) để tự động bù BTU than trực tuyến.
- Nghiên cứu sâu động học quá trình nghiền than và cấp bột than mịn của hệ thống máy nghiền bi/bát nhằm triệt tiêu trễ vận tải ngay từ khâu chuẩn bị nhiên liệu.
- Tích hợp thuật toán học tăng cường (Reinforcement Learning) vào bộ điều phối tải trung tâm của nhà máy khi tham gia điều tần thứ cấp (AGC) trong thị trường điện.
Tác động và ảnh hưởng
- Tác động học thuật: Mở ra hướng nghiên cứu kết hợp giữa giải tích tần số kinh điển và AI ứng dụng trong kỹ thuật nhiệt; tạo tiền đề cho các công bố quốc tế trên các tạp chí uy tín thuộc danh mục ISI/Scopus (Q1/Q2) về lĩnh vực Energy & Control Engineering.
- Tái thiết ngành công nghiệp: Ứng dụng thành công tại NMNĐ Duyên Hải 1 ($2 \times 622{,}5\text{ MW}$) mở ra tiềm năng nhân rộng cho toàn bộ các NMNĐ đốt than phun tại Việt Nam (như Vĩnh Tân 2, Nghi Sơn 1, Mông Dương 1, Quảng Ninh, Phả Lại 2).
- Lợi ích kinh tế - xã hội định lượng: Nếu giảm suất tiêu hao than trung bình chỉ $5\text{ g/kWh}$ cho một tổ máy $600\text{ MW}$ vận hành $6000\text{ h/năm}$, sản lượng điện đạt $3{,}6\text{ tỷ kWh}$, lượng than tiết kiệm được khoảng $18.000\text{ tấn than/năm}$, tương đương tiết kiệm hàng chục tỷ đồng chi phí nhiên liệu và giảm phát thải hàng chục ngàn tấn $CO_2$ ra môi trường mỗi năm.
Đối tượng hưởng lợi
- Nghiên cứu sinh & Giảng viên ngành Năng lượng / Tự động hóa: Tiếp cận phương pháp luận mẫu mực về nhận dạng hệ kín và thiết kế bộ điều khiển bền vững kết hợp khâu dự báo số.
- Kỹ sư vận hành & Trưởng ca NMNĐ: Nắm bắt quy trình chỉnh định mạch vòng thực tế, hiểu rõ bản chất động học "khó nóng - dễ lạnh" để ra quyết định điều khiển chính xác khi đổi nguồn than.
- Doanh nghiệp phát điện & EVN: Công cụ khoa học để nâng cao hiệu suất tổ máy, hạ giá thành sản xuất điện, tăng khả năng cạnh tranh trên thị trường điện bán buôn.
- Cơ quan quản lý nhà nước (Bộ Công Thương, Cục Điều tiết Điện lực): Cơ sở dữ liệu và bằng chứng thực nghiệm để xây dựng các định mức kinh tế - kỹ thuật chuẩn xác về suất hao nhiệt cho các nhà máy điện than.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?
Luận án đã mở rộng lý thuyết điều khiển bền vững của Rotach V. và Mạnh N. bằng việc tích hợp tường minh khâu dự báo tín hiệu số vào cấu trúc điều khiển PID kinh điển, đồng thời chứng minh giải tích giới hạn thời gian dự báo tối đa $\tau_{dự_báo} \le 0{,}461\tau$. Điều này cho phép duy trì dự trữ ổn định $M = 1{,}55$ trên đồ thị Nyquist ngay cả khi đối tượng có trễ lớn và thông số nhiệt động biến động mạnh.
2. Điểm cải tiến phương pháp luận so với các nghiên cứu trước đây là gì?
So với phương pháp của Ziegler-Nichols (chỉ dựa vào đáp ứng hở) hay Dubnikova E.G. (đòi hỏi vẽ biên ổn định phức tạp), luận án đã xây dựng quy trình nhận dạng hệ kín thụ động thông qua dữ liệu DCS vận hành thực tế kết hợp thuật toán tối ưu "vượt khe", cho phép tìm hàm truyền chính xác mà không cần dừng máy hay gây xáo trộn phụ tải.
3. Phát hiện thực nghiệm nào gây bất ngờ nhất từ dữ liệu?
Phát hiện về tính phi đối xứng nhiệt động học "khó nóng - dễ lạnh" với tỷ số trễ phản hồi khi tăng tải so với giảm tải lên tới $B/A = 2{,}174$, dẫn đến sự chênh lệch tiêu hao than tới $16{,}87\text{ tấn/h}$ tại cùng mức tải $550\text{ MW}$. Đây là bằng chứng thực nghiệm giải thích vì sao các bộ điều khiển PID đối xứng truyền thống luôn thất bại trong việc triệt tiêu dao động áp suất khi chuyển chế độ tải.
4. Nghiên cứu có cung cấp quy trình tái lập (Replication Protocol) không?
Có. Luận án cung cấp đầy đủ: 1) Hệ thống phương trình vi phân và hàm truyền chuẩn hóa của lò hơi cận tới hạn $622{,}5\text{ MW}$; 2) Thuật toán và lưu đồ khối phần mềm chỉnh định; 3) Bảng công thức quy đổi tường minh từ tham số mô phỏng ($K_p, T_i, T_d$) sang cấu trúc thuật toán của hệ thống DCS thực tế; 4) Cấu trúc mạng nơ-ron MISO và bộ dữ liệu huấn luyện mẫu.
5. Chương trình nghiên cứu 10 năm tới được phác thảo như thế nào?
Mở rộng nghiên cứu từ công nghệ cận tới hạn sang siêu tới hạn/trên siêu tới hạn; phát triển hệ thống điều khiển mờ - nơ-ron tự thích nghi nhúng trực tiếp (Online Embedded DCS AI) để tự động bù trừ chất lượng than theo thời gian thực; và nghiên cứu giải pháp phối hợp điều khiển tối ưu đa tổ máy trong trung tâm nhiệt điện khi tích hợp năng lượng tái tạo quy mô lớn.
Kết luận
- Luận án giải quyết thành công bài toán cấp bách về nhận dạng và chỉnh định hệ thống điều khiển NMNĐ đốt than phun công nghệ cận tới hạn, nâng cao độ ổn định và hiệu quả kinh tế - kỹ thuật của tổ máy.
- Thiết lập cơ sở khoa học và chứng minh thành công giới hạn giải tích của khâu dự báo số kết hợp bộ điều khiển PID: $\tau_{dự_báo} \le 0{,}461\tau$.
- Khám phá và toán học hóa quy luật động học phi đối xứng "khó nóng - dễ lạnh" ($B/A = 2{,}174$), chỉ rõ nguyên nhân gây tiêu hao than trong quá trình biến động tải.
- Đề xuất và ứng dụng thành công mạng nơ-ron nhân tạo MISO trong việc nhận dạng đặc tính vận hành và hiệu chỉnh lượng đặt bù nhiệt trị than (BTU compensation).
- Xây dựng hoàn chỉnh công cụ phần mềm tính toán chỉnh định tham số và quy trình chuyển đổi tham số vào hệ thống DCS thực tế tại NMNĐ Duyên Hải 1.
- Mở ra 3 hướng nghiên cứu mới: Điều khiển thích nghi nhúng thời gian thực cho NMNĐ siêu tới hạn, Tối ưu hóa quá trình cháy đa tầng khi đốt trộn than nhập khẩu, và Điều khiển phối hợp nhiệt điện - năng lượng tái tạo bảo đảm an ninh lưới điện quốc gia.
