Tổng quan nghiên cứu

Năng lượng gió là một trong những nguồn năng lượng tái tạo quan trọng, đóng vai trò thiết yếu trong việc giảm thiểu tác động tiêu cực đến môi trường so với các nguồn năng lượng truyền thống như nhiệt điện hay thủy điện. Theo ước tính, tua bin gió có thể cung cấp công suất định mức lên đến 250 kW với tốc độ rotor định mức khoảng 53 vòng/phút, phù hợp với điều kiện vận hành tại nhiều vùng có tốc độ gió từ 12 m/s đến 24 m/s. Tuy nhiên, việc điều khiển hiệu quả hệ thống phát điện sức gió, đặc biệt là điều khiển góc pitch của cánh quạt trong vùng vận hành tốc độ gió cao (vùng III), vẫn là thách thức lớn do tính phi tuyến và biến đổi phức tạp của môi trường gió.

Mục tiêu nghiên cứu của luận văn là thiết kế bộ điều khiển học tăng cường (Reinforcement Learning - RL) cho hệ thống phát điện sức gió nhằm điều khiển góc pitch của tua bin gió, đảm bảo công suất phát ra ổn định ở giá trị định mức trong các điều kiện gió thay đổi khác nhau. Nghiên cứu tập trung vào việc xây dựng mô hình toán học chi tiết của tua bin gió, phát triển bộ điều khiển dựa trên thuật toán học tăng cường theo cấu trúc Actor-Critic, và kiểm chứng hiệu quả bộ điều khiển trên nền tảng mô phỏng FAST và TurbSim do Phòng thí nghiệm năng lượng tái tạo quốc gia Hoa Kỳ phát triển.

Phạm vi nghiên cứu được giới hạn trong khoảng thời gian từ năm 2021 đến 2023, với mô hình tua bin gió Advanced Wind Turbine Incorporated (AWT) có công suất định mức 250 kW. Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao hiệu quả điều khiển hệ thống phát điện gió, góp phần thúc đẩy phát triển năng lượng tái tạo tại Việt Nam và trên thế giới, đồng thời giảm thiểu tác động môi trường từ các nguồn năng lượng truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: mô hình toán học tua bin gió và thuật toán học tăng cường.

  1. Mô hình toán học tua bin gió:

    • Mô hình cơ khí tua bin gió bao gồm rotor và máy phát, được mô phỏng bằng các phương trình động lực học Newton với các tham số như mô men quán tính rotor (J_r), mô men quán tính máy phát (J_g), hệ số đàn hồi và giảm chấn của trục nối.
    • Mô hình khí động học mô tả chuyển đổi năng lượng gió thành mô men cơ, trong đó công suất (P_r) được tính theo mật độ không khí, bán kính cánh quạt, vận tốc gió và hệ số hiệu suất (c_p) phụ thuộc vào góc pitch và tỉ lệ góc cánh (tip speed ratio).
    • Mô hình động lực học máy phát và cơ cấu chấp hành góc pitch được mô phỏng bằng các mô hình tuyến tính bậc nhất với các hằng số thời gian đặc trưng.

  2. Thuật toán học tăng cường (Reinforcement Learning - RL):

    • Dựa trên quá trình Markov (MDP), thuật toán RL xây dựng chính sách điều khiển tối ưu thông qua việc đánh giá và cải thiện chính sách dựa trên hàm giá trị và hàm chính sách.
    • Cấu trúc Actor-Critic được áp dụng, trong đó:
      • Actor chịu trách nhiệm cập nhật chính sách điều khiển.
      • Critic đánh giá hiệu quả chính sách hiện tại dựa trên phương trình Bellman.
    • Thuật toán sử dụng mạng nơ ron đa lớp (MLP) để xấp xỉ các hàm điều khiển, hàm đánh giá và hàm chính sách tối ưu, với các trọng số được cập nhật theo phương pháp Gradient Descent.

Phương pháp nghiên cứu

  • Nguồn dữ liệu:
    Dữ liệu mô phỏng được tạo ra từ nền tảng FAST v8 và TurbSim, hai công cụ mô phỏng tua bin gió và gió xoáy ngẫu nhiên do Phòng thí nghiệm năng lượng tái tạo quốc gia Hoa Kỳ (NREL) phát triển.
  • Phương pháp phân tích:
    • Xây dựng mô hình toán học chi tiết của tua bin gió dựa trên các phương trình vi phân mô tả động lực học và khí động học.
    • Thiết kế bộ điều khiển học tăng cường theo cấu trúc Actor-Critic với ba mạng nơ ron: mạng điều khiển tối ưu, mạng đánh giá tối ưu và mạng chính sách tối ưu.
    • Cập nhật trọng số mạng nơ ron bằng thuật toán lan truyền ngược (backpropagation) và Gradient Descent.
    • Kiểm chứng bộ điều khiển trên mô hình mô phỏng FAST với các kịch bản gió ổn định, gió thay đổi đột ngột, gió dao động và mô hình máy phát thay đổi.
  • Timeline nghiên cứu:
    • Giai đoạn 1 (05/2021 - 12/2021): Xây dựng mô hình toán học tua bin gió và nghiên cứu thuật toán học tăng cường.
    • Giai đoạn 2 (01/2022 - 12/2022): Thiết kế và triển khai bộ điều khiển học tăng cường.
    • Giai đoạn 3 (01/2023 - 04/2023): Mô phỏng, kiểm chứng và hoàn thiện luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả điều khiển góc pitch trong vùng vận hành tốc độ gió cao (vùng III):
    Bộ điều khiển học tăng cường đã duy trì công suất phát ra của tua bin gió ở mức định mức 250 kW với tốc độ rotor ổn định khoảng 12 rad/s trong điều kiện gió ổn định từ 12 m/s đến 24 m/s.
  2. Khả năng thích ứng với biến đổi gió đột ngột:
    Trong các kịch bản gió thay đổi đột ngột, tốc độ quay rotor và công suất máy phát vẫn nhanh chóng trở về giá trị định mức, với sai số công suất dưới 5% so với công suất định mức, thể hiện tính ổn định và khả năng thích nghi của bộ điều khiển.
  3. Hiệu suất trong điều kiện gió dao động:
    Bộ điều khiển duy trì được sự ổn định của góc pitch và công suất máy phát trong các trường hợp gió dao động, với độ lệch công suất trung bình dưới 3% so với công suất định mức.
  4. So sánh với bộ điều khiển PID truyền thống:
    Bộ điều khiển học tăng cường cho thấy hiệu quả vượt trội hơn bộ điều khiển PID về khả năng duy trì công suất ổn định và giảm thiểu dao động góc pitch, đặc biệt trong các điều kiện gió biến đổi phức tạp.

Thảo luận kết quả

Kết quả mô phỏng cho thấy bộ điều khiển học tăng cường có khả năng xử lý tốt các đặc tính phi tuyến và biến đổi ngẫu nhiên của hệ thống tua bin gió, nhờ vào khả năng học trực tuyến và cập nhật chính sách điều khiển dựa trên dữ liệu thực tế. Việc sử dụng cấu trúc Actor-Critic với ba mạng nơ ron giúp bộ điều khiển vừa đánh giá chính sách hiện tại vừa cải thiện chính sách một cách hiệu quả.

So với các nghiên cứu trước đây sử dụng bộ điều khiển tuyến tính hoặc mạng nơ ron đơn thuần, phương pháp học tăng cường cho phép bộ điều khiển thích nghi tốt hơn với các điều kiện vận hành thay đổi, không cần mô hình chính xác của tua bin gió. Kết quả này phù hợp với các báo cáo ngành về ứng dụng học tăng cường trong điều khiển hệ thống phi tuyến.

Dữ liệu mô phỏng có thể được trình bày qua các biểu đồ thể hiện sự ổn định của tốc độ rotor, góc pitch và công suất máy phát theo thời gian trong các kịch bản gió khác nhau, giúp minh họa rõ ràng hiệu quả của bộ điều khiển.

Tuy nhiên, việc triển khai bộ điều khiển học tăng cường trong thực tế còn gặp khó khăn do yêu cầu phần cứng tính toán mạnh để xử lý thuật toán phức tạp, đồng thời cần nghiên cứu thêm về độ bền và độ tin cậy của hệ thống trong môi trường thực tế.

Đề xuất và khuyến nghị

  1. Phát triển phần cứng tính toán chuyên dụng:
    Đầu tư nghiên cứu và phát triển các bộ xử lý chuyên dụng hoặc FPGA để tăng tốc độ tính toán thuật toán học tăng cường, nhằm đáp ứng yêu cầu tính toán trực tuyến của bộ điều khiển trong thực tế.
  2. Mở rộng nghiên cứu điều khiển đa mục tiêu:
    Thiết kế bộ điều khiển học tăng cường tích hợp điều khiển góc pitch và các tham số khác như tốc độ rotor, mô men máy phát để tối ưu hóa hiệu suất toàn diện của tua bin gió.
  3. Thử nghiệm thực tế tại các địa phương có điều kiện gió đa dạng:
    Triển khai thử nghiệm bộ điều khiển trên các tua bin gió thực tế tại các vùng có đặc điểm gió khác nhau nhằm đánh giá hiệu quả và điều chỉnh thuật toán phù hợp.
  4. Đào tạo và nâng cao năng lực cho kỹ sư vận hành:
    Tổ chức các khóa đào tạo chuyên sâu về học tăng cường và điều khiển tự động cho đội ngũ kỹ sư vận hành tua bin gió, giúp họ hiểu và vận dụng hiệu quả bộ điều khiển mới.
  5. Thời gian thực hiện đề xuất:
    Các giải pháp trên nên được triển khai trong vòng 2-3 năm tới, bắt đầu từ việc phát triển phần cứng và thử nghiệm mô phỏng nâng cao, tiếp theo là thử nghiệm thực tế và đào tạo nhân lực.

Đối tượng nên tham khảo luận văn

  1. Các nhà nghiên cứu và sinh viên ngành Kỹ thuật Điều khiển và Tự động hóa:
    Luận văn cung cấp kiến thức chuyên sâu về ứng dụng thuật toán học tăng cường trong điều khiển hệ thống phi tuyến, đặc biệt là tua bin gió, giúp mở rộng hiểu biết và phát triển các nghiên cứu tiếp theo.
  2. Kỹ sư và chuyên gia phát triển hệ thống năng lượng tái tạo:
    Tham khảo để áp dụng các phương pháp điều khiển tiên tiến nhằm nâng cao hiệu suất và độ tin cậy của hệ thống phát điện gió trong thực tế.
  3. Các nhà quản lý và hoạch định chính sách năng lượng:
    Hiểu rõ tiềm năng và thách thức trong việc ứng dụng công nghệ điều khiển hiện đại cho năng lượng tái tạo, từ đó xây dựng các chính sách hỗ trợ phát triển bền vững ngành năng lượng gió.
  4. Các công ty sản xuất và vận hành tua bin gió:
    Áp dụng kết quả nghiên cứu để cải tiến thiết kế và vận hành tua bin gió, giảm thiểu chi phí bảo trì và tăng tuổi thọ thiết bị.

Câu hỏi thường gặp

  1. Bộ điều khiển học tăng cường có ưu điểm gì so với bộ điều khiển PID truyền thống?
    Bộ điều khiển học tăng cường có khả năng thích nghi với môi trường biến đổi và hệ thống phi tuyến, tự động cập nhật chính sách điều khiển dựa trên dữ liệu thực tế, trong khi PID có hiệu suất hạn chế khi đối mặt với phi tuyến và biến đổi lớn.

  2. Nền tảng mô phỏng FAST và TurbSim có đáng tin cậy không?
    FAST và TurbSim là các nền tảng mô phỏng được phát triển bởi Phòng thí nghiệm năng lượng tái tạo quốc gia Hoa Kỳ, được sử dụng rộng rãi trong nghiên cứu và công nghiệp với hàng nghìn bài báo trích dẫn, đảm bảo độ chính xác và tin cậy cao.

  3. Bộ điều khiển học tăng cường có thể áp dụng cho các loại tua bin gió khác không?
    Có thể, tuy nhiên cần điều chỉnh mô hình và tham số phù hợp với đặc tính kỹ thuật của từng loại tua bin để đảm bảo hiệu quả điều khiển tối ưu.

  4. Yêu cầu phần cứng để triển khai bộ điều khiển này trong thực tế là gì?
    Bộ điều khiển yêu cầu phần cứng có khả năng tính toán mạnh mẽ, như bộ xử lý đa lõi hoặc FPGA, để xử lý thuật toán học tăng cường trực tuyến với độ trễ thấp.

  5. Làm thế nào để đánh giá hiệu quả của bộ điều khiển trong thực tế?
    Hiệu quả được đánh giá qua các chỉ số như độ ổn định của công suất phát, tốc độ quay rotor, độ dao động góc pitch, và khả năng thích ứng với các điều kiện gió thay đổi, thông qua thử nghiệm thực tế hoặc mô phỏng nâng cao.

Kết luận

  • Luận văn đã xây dựng thành công bộ điều khiển học tăng cường theo cấu trúc Actor-Critic cho hệ thống phát điện sức gió, tập trung điều khiển góc pitch trong vùng vận hành tốc độ gió cao.
  • Mô hình toán học tua bin gió được phát triển chi tiết, kết hợp với nền tảng mô phỏng FAST và TurbSim giúp kiểm chứng hiệu quả bộ điều khiển trong nhiều điều kiện gió khác nhau.
  • Kết quả mô phỏng cho thấy bộ điều khiển học tăng cường vượt trội hơn bộ điều khiển PID truyền thống về khả năng duy trì công suất ổn định và thích nghi với biến đổi gió.
  • Thách thức lớn hiện nay là yêu cầu phần cứng tính toán mạnh để triển khai bộ điều khiển trong thực tế, đòi hỏi nghiên cứu phát triển phần cứng và thử nghiệm thực tế tiếp theo.
  • Đề xuất các bước tiếp theo bao gồm phát triển phần cứng chuyên dụng, mở rộng nghiên cứu điều khiển đa mục tiêu, thử nghiệm thực tế và đào tạo nhân lực nhằm thúc đẩy ứng dụng rộng rãi công nghệ điều khiển học tăng cường trong ngành năng lượng gió.

Call-to-action: Các nhà nghiên cứu và doanh nghiệp trong lĩnh vực năng lượng tái tạo nên tiếp tục đầu tư nghiên cứu và ứng dụng các thuật toán học tăng cường để nâng cao hiệu quả và độ tin cậy của hệ thống phát điện gió, góp phần phát triển bền vững ngành năng lượng sạch.