Tổng quan nghiên cứu

Thị trường điện Việt Nam đã chuyển sang cấp độ 2 – thị trường điện bán buôn cạnh tranh, với sự tham gia của khoảng 91 nhà máy điện trực tiếp giao dịch, tổng công suất đặt đạt 24.635 MW tính đến cuối năm 2018. Trong bối cảnh này, các nhà máy điện (Gencos) và các công ty kinh doanh phụ tải điện (LSEs) cạnh tranh nhằm tối đa hóa lợi nhuận thông qua các chiến lược chào giá trên thị trường bán buôn. Tuy nhiên, môi trường cạnh tranh chịu ảnh hưởng bởi thông tin không hoàn hảo, khi các thông tin chào giá được giữ bí mật nội bộ và chỉ công bố sau phiên giao dịch, tạo ra thách thức trong việc xây dựng chiến thuật chào giá tối ưu.

Mục tiêu nghiên cứu của luận văn là áp dụng thuật toán học tăng cường SA-Q để tối ưu hóa chiến lược chào giá của các nhà máy điện tham gia thị trường điện bán buôn cạnh tranh, từ đó nâng cao lợi nhuận cho các đơn vị phát điện. Nghiên cứu tập trung vào mô hình thị trường điện cạnh tranh trước ngày (Day-ahead wholesale power market - DAWPM), sử dụng mô phỏng trên hệ thống điện IEEE-30 nút với phần mềm Matpower 6.0. Phạm vi nghiên cứu bao gồm các bảng chào giá, chiến lược chào giá và hàm mục tiêu của các nhà máy điện trong môi trường cạnh tranh không hoàn hảo.

Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp giải pháp tối ưu hóa chiến lược chào giá, góp phần nâng cao hiệu quả hoạt động của thị trường điện Việt Nam, đồng thời làm cơ sở cho việc mở rộng ứng dụng thuật toán cho các đối tượng tham gia khác như đơn vị mua buôn và cung cấp dịch vụ phụ trợ. Kết quả nghiên cứu cũng có giá trị tham khảo trong giảng dạy và phát triển thị trường điện cạnh tranh trong nước.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: lý thuyết thị trường điện cạnh tranh và lý thuyết thuật toán học tăng cường.

  1. Lý thuyết thị trường điện cạnh tranh: Thị trường điện được phân thành các cấp độ từ độc quyền đến cạnh tranh hoàn hảo, trong đó thị trường bán buôn cạnh tranh (cấp độ 2) cho phép các nhà máy điện và các đơn vị mua buôn cạnh tranh thông qua các bản chào giá. Mô hình DAWPM được sử dụng làm cơ sở vận hành thị trường, trong đó các GenCos và LSEs gửi bản chào bán và chào mua cho đơn vị vận hành hệ thống độc lập (ISO), ISO tính toán cân bằng cung cầu và xác định giá thị trường.

  2. Lý thuyết thuật toán học tăng cường SA-Q: Thuật toán kết hợp giữa Q-learning và simulated annealing (SA) nhằm khai thác ưu điểm của cả hai phương pháp. Q-learning giúp học chiến lược tối ưu trong môi trường không hoàn hảo, còn SA hỗ trợ tránh rơi vào cực trị cục bộ bằng cách cho phép thăm dò các trạng thái không tối ưu tạm thời. Thuật toán này phù hợp với môi trường cạnh tranh thông tin không hoàn hảo của thị trường điện, giúp các nhà máy điện tìm kiếm chiến thuật chào giá tối ưu để tối đa hóa lợi nhuận.

Các khái niệm chính bao gồm:

  • Bản chào giá (Offers) và bản chào mua (Bids) trong DAWPM
  • Hàm mục tiêu lợi nhuận của nhà máy điện
  • Môi trường cạnh tranh không hoàn hảo với thông tin chào giá giữ bí mật
  • Thuật toán Q-learning với các phương pháp greedy, ε-greedy và Boltzmann
  • Thuật toán simulated annealing (SA) và sự kết hợp SA-Q learning

Phương pháp nghiên cứu

Nguồn dữ liệu chính được lấy từ mô phỏng hệ thống điện IEEE-30 nút sử dụng phần mềm Matpower 6.0, mô phỏng hoạt động thị trường điện bán buôn trước ngày. Cỡ mẫu bao gồm 6 nhà máy điện (GenCos) và 3 đơn vị mua buôn (LSEs) với các bảng chào giá và chào mua được thiết lập theo dữ liệu thực tế và giả định phù hợp.

Phương pháp phân tích bao gồm:

  • Xây dựng mô hình thị trường điện DAWPM với các bản chào giá và chào mua
  • Áp dụng thuật toán SA-Q learning để tối ưu chiến lược chào giá của các nhà máy điện
  • Mô phỏng các kịch bản cạnh tranh khác nhau để đánh giá hiệu quả thuật toán
  • So sánh kết quả lợi nhuận và giá điện trung bình giữa các kịch bản sử dụng và không sử dụng thuật toán
  • Phân tích kết quả dựa trên các chỉ số lợi nhuận, giá điện và sự ổn định của thị trường

Timeline nghiên cứu kéo dài từ tháng 12/2019 đến tháng 10/2022, bao gồm các giai đoạn: tổng quan thị trường điện, xây dựng mô hình và thuật toán, mô phỏng và đánh giá kết quả, đề xuất giải pháp.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả của thuật toán SA-Q trong tối ưu chiến lược chào giá: Kết quả mô phỏng cho thấy, khi áp dụng thuật toán SA-Q, lợi nhuận trung bình của 6 nhà máy điện tăng khoảng 12-15% so với trường hợp không sử dụng thuật toán. Giá điện trung bình trên thị trường cũng ổn định hơn, giảm biến động khoảng 8%.

  2. Ảnh hưởng của môi trường cạnh tranh không hoàn hảo: Môi trường thông tin không hoàn hảo khiến các nhà máy điện khó dự đoán chính xác chiến lược của đối thủ. Thuật toán SA-Q giúp các nhà máy thích nghi và điều chỉnh chiến lược chào giá hiệu quả hơn, tăng khả năng cạnh tranh và tối đa hóa lợi nhuận.

  3. Tính tương thích của mô hình với hệ thống điện thực tế: Mô phỏng trên hệ thống IEEE-30 nút cho thấy thuật toán có thể áp dụng hiệu quả trong các hệ thống điện có quy mô trung bình, với khả năng mở rộng cho các hệ thống lớn hơn trong tương lai.

  4. So sánh với các thuật toán khác: Thuật toán SA-Q vượt trội hơn so với các thuật toán truyền thống như Q-learning đơn thuần hoặc các thuật toán tối ưu khác về mặt ổn định và hiệu quả lợi nhuận, nhờ khả năng tránh cực trị cục bộ và thăm dò không gian chiến lược rộng hơn.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện lợi nhuận và ổn định giá điện là do thuật toán SA-Q kết hợp hiệu quả giữa học tăng cường và kỹ thuật thăm dò simulated annealing, giúp các nhà máy điện thích ứng với môi trường cạnh tranh phức tạp và thông tin không hoàn hảo. Kết quả này phù hợp với các nghiên cứu quốc tế về ứng dụng thuật toán học tăng cường trong thị trường điện cạnh tranh.

Biểu đồ lợi nhuận và giá điện trung bình theo từng kịch bản mô phỏng có thể minh họa rõ sự khác biệt về hiệu quả giữa các phương pháp. Bảng so sánh chi tiết lợi nhuận từng nhà máy cũng cho thấy sự đồng đều và tăng trưởng lợi nhuận khi áp dụng SA-Q.

Ý nghĩa của kết quả là cung cấp một công cụ tối ưu hóa chiến lược chào giá có tính ứng dụng cao, giúp các nhà máy điện nâng cao hiệu quả kinh doanh trong thị trường điện cạnh tranh Việt Nam, đồng thời góp phần ổn định thị trường và bảo vệ lợi ích người tiêu dùng.

Đề xuất và khuyến nghị

  1. Triển khai áp dụng thuật toán SA-Q trong hệ thống vận hành thị trường điện: Đơn vị vận hành hệ thống điện (ISO) và các nhà máy điện nên phối hợp triển khai thử nghiệm thuật toán SA-Q trong các phiên giao dịch thực tế nhằm nâng cao hiệu quả chào giá và tối đa hóa lợi nhuận. Thời gian thử nghiệm đề xuất trong 6-12 tháng.

  2. Đào tạo và nâng cao năng lực cho cán bộ vận hành và quản lý thị trường: Tổ chức các khóa đào tạo chuyên sâu về thuật toán học tăng cường và mô hình thị trường điện cạnh tranh cho cán bộ kỹ thuật và quản lý nhằm đảm bảo vận hành hiệu quả và khai thác tối đa lợi ích từ các công nghệ mới. Thời gian đào tạo trong 3-6 tháng.

  3. Phát triển phần mềm hỗ trợ tối ưu chiến lược chào giá tích hợp thuật toán SA-Q: Các đơn vị nghiên cứu và phát triển phần mềm cần xây dựng công cụ hỗ trợ tự động hóa quá trình tối ưu chiến lược chào giá, giúp các nhà máy điện dễ dàng áp dụng và cập nhật chiến lược theo biến động thị trường. Mục tiêu hoàn thành trong 1-2 năm.

  4. Mở rộng nghiên cứu và ứng dụng thuật toán cho các đối tượng khác trong thị trường điện: Nghiên cứu áp dụng thuật toán SA-Q cho các đơn vị mua buôn, đơn vị cung cấp dịch vụ phụ trợ nhằm nâng cao hiệu quả toàn bộ chuỗi giá trị thị trường điện. Thời gian nghiên cứu mở rộng trong 2-3 năm.

  5. Xây dựng khung pháp lý và chính sách hỗ trợ ứng dụng công nghệ mới trong thị trường điện: Cơ quan quản lý nhà nước cần hoàn thiện các quy định, hướng dẫn về việc áp dụng các thuật toán tối ưu trong thị trường điện nhằm đảm bảo minh bạch, công bằng và hiệu quả vận hành thị trường. Khuyến nghị thực hiện song song với các bước triển khai kỹ thuật.

Đối tượng nên tham khảo luận văn

  1. Các nhà quản lý và vận hành thị trường điện: Giúp hiểu rõ cơ chế vận hành thị trường bán buôn cạnh tranh, áp dụng thuật toán tối ưu để nâng cao hiệu quả điều hành và quản lý thị trường.

  2. Các nhà máy điện và đơn vị phát điện (GenCos): Cung cấp công cụ và chiến lược chào giá tối ưu, giúp tăng lợi nhuận và nâng cao khả năng cạnh tranh trong thị trường điện.

  3. Các nhà nghiên cứu và giảng viên trong lĩnh vực kỹ thuật điện và kinh tế năng lượng: Là tài liệu tham khảo quý giá về ứng dụng thuật toán học tăng cường trong thị trường điện, hỗ trợ phát triển nghiên cứu và giảng dạy.

  4. Các đơn vị phát triển phần mềm và công nghệ cho ngành điện: Cung cấp cơ sở lý thuyết và mô hình thực nghiệm để phát triển các giải pháp công nghệ hỗ trợ tối ưu hóa chiến lược chào giá và vận hành thị trường điện.

Câu hỏi thường gặp

  1. Thuật toán SA-Q là gì và tại sao được chọn cho nghiên cứu này?
    Thuật toán SA-Q là sự kết hợp giữa Q-learning và simulated annealing, giúp học chiến lược tối ưu trong môi trường cạnh tranh không hoàn hảo. Nó được chọn vì khả năng tránh cực trị cục bộ và thích nghi tốt với môi trường thị trường điện có thông tin không hoàn hảo.

  2. Mô hình thị trường điện bán buôn trước ngày (DAWPM) hoạt động như thế nào?
    DAWPM là thị trường nơi các nhà máy điện và đơn vị mua buôn gửi bản chào giá và chào mua cho ngày kế tiếp. Đơn vị vận hành hệ thống độc lập (ISO) tính toán cân bằng cung cầu và xác định giá thị trường dựa trên các bản chào này.

  3. Lợi ích chính của việc áp dụng thuật toán SA-Q trong thị trường điện là gì?
    Giúp các nhà máy điện tối ưu chiến lược chào giá, tăng lợi nhuận trung bình khoảng 12-15%, đồng thời giảm biến động giá điện, góp phần ổn định thị trường và nâng cao hiệu quả kinh doanh.

  4. Phần mềm Matpower 6.0 được sử dụng như thế nào trong nghiên cứu?
    Matpower 6.0 được dùng để mô phỏng hệ thống điện IEEE-30 nút, thực hiện các bài toán tối ưu và mô phỏng hoạt động thị trường điện bán buôn, từ đó đánh giá hiệu quả thuật toán SA-Q.

  5. Nghiên cứu có thể áp dụng cho các thị trường điện khác ngoài Việt Nam không?
    Có, mô hình và thuật toán có tính tổng quát, phù hợp với các thị trường điện bán buôn cạnh tranh có môi trường thông tin không hoàn hảo, đặc biệt là các hệ thống có cấu trúc tương tự như Việt Nam.

Kết luận

  • Thị trường điện Việt Nam đang trong giai đoạn phát triển thị trường bán buôn cạnh tranh với sự tham gia của hơn 90 nhà máy điện và các đơn vị mua buôn.
  • Thuật toán học tăng cường SA-Q được áp dụng thành công để tối ưu chiến lược chào giá, giúp tăng lợi nhuận trung bình 12-15% và giảm biến động giá điện khoảng 8%.
  • Mô hình DAWPM và hệ thống IEEE-30 nút được sử dụng hiệu quả trong mô phỏng và đánh giá thuật toán, chứng minh tính khả thi và ứng dụng thực tiễn.
  • Đề xuất triển khai áp dụng thuật toán trong vận hành thị trường, đào tạo nhân lực, phát triển phần mềm hỗ trợ và hoàn thiện khung pháp lý để nâng cao hiệu quả thị trường điện Việt Nam.
  • Các bước tiếp theo bao gồm thử nghiệm thực tế thuật toán, mở rộng nghiên cứu cho các đối tượng khác và phát triển công cụ hỗ trợ kỹ thuật nhằm thúc đẩy sự phát triển bền vững của thị trường điện cạnh tranh.

Hành động tiếp theo là phối hợp giữa các bên liên quan để triển khai thử nghiệm thuật toán SA-Q trong các phiên giao dịch thực tế, đồng thời xây dựng các chương trình đào tạo và phát triển công nghệ hỗ trợ nhằm nâng cao hiệu quả vận hành thị trường điện Việt Nam.