Tối Ưu Hóa Khai Thác Lưới Điện Vi Mô Tích Hợp Tòa Nhà Sử Dụng Các Phương Pháp Tối Ưu Hóa Metaheuristic Đa Mục Tiêu

• Tác giả: Quang An Phan
• Người hướng dẫn: Dr. Ted Scully
• Trường học: Cork Institute of Technology
• Chuyên ngành: Process, Energy and Transport Engineering
• Đề tài: A Building-Integrated Microgrid Using Multi-Objective Metaheuristic Optimisation Methods
• Loại tài liệu: Thesis
• Năm xuất bản: 2019
• Địa điểm: Cork

Mục lục chi tiết

• DECLARATION
• List of Figures
• List of Tables
• List of Publications
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Background to research
• 1.2. Ireland's electricity use and renewable energy contribution
• 1.3. Microgrids and energy management
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Isolated and grid-connected Microgrids
• 2.2. Microgrid components modelling
• 2.2.1. Wind turbine energy models
• 2.2.2. Photovoltaic energy models
• 2.2.3. Lead-acid battery models
• 2.3. Energy management for Microgrids
• 2.3.1. Motivations for energy management
• 2.3.2. Energy management methodologies
• 2.3.2.1. Review of optimization algorithms
• 2.3.2.2. Multi-objective optimisation algorithms
• 2.4. Literature review conclusion
• 3. CHAPTER 3: DETERMINATION OF A SUITABLE OPTIMISATION METHOD TO MINIMISE BUILDING OPERATING COSTS
• 3.1. Energy Source Models
• 3.1.1. Photovoltaic model for 12 kWp system
• 3.1.2. Wind turbine model for a 2.3
• 3.1.3. Battery bank model
• 3.2. Building energy consumption
• 3.3. Purchasing and selling price of electricity
• 3.4. Net energy use and operating costs for building
• 3.4.1. Net difference in energy production and consumption
• 3.4.2. Daily operating cost
• 3.4.2.1. Piecemeal Decision Approach (PDA)
• 4. CHAPTER 4: OPTIMISATION USING MULTIPLE BATTERY CHARGE/DISCHARGE RATES AND COMPARISON OF OPTIMISATION PERFORMANCE FOR METAHEURISTIC ALGORITHMS
• 4.1. Augmented PVS model incorporating an Rs power loss function
• 4.2. Wind turbine model for a 12.3
• 4.3. Battery bank model for charge/discharge modes
• 4.4. Simulation scenarios and constraints
• 4.5. Results and discussion
• 4.5.1. Daily operating cost of the building when not utilising a BB
• 4.5.2. Optimized daily operating cost of the building utilising the BB
• 4.5.3. Sensitivity analysis when dealing with scaled weather & electricity price data
• 5. CHAPTER 5: MULTI-OBJECTIVE OPTIMISATION
• 5.1. Building energy and electricity price
• 5.2. Grid wind ratio
• 5.3. Criterion 1: Daily building operating cost
• 5.4. Criterion 2: Wind Generation Facilitation
• 5.5. Genetic algorithm implementation for optimal charge/discharge schedule
• 5.6. Data for implementation of optimization methods
• 5.7. Scenarios for demonstration of methods
• 5.8. Results and discussion
• 5.8.1. Comparison of test cases
• 5.8.2. Analysis of all scenarios
• 6. CHAPTER 6: GLOBAL DISCUSSION
• 6.1. Relevance to building users
• 6.2. Relevance to policymakers
• 7. CHAPTER 7: GLOBAL CONCLUSION
• APPENDIX A
• APPENDIX B

Tóm tắt

I. Tổng Quan Tối Ưu Lưới Điện Vi Mô Chi Phí Quản Lý

Lưới điện vi mô tích hợp tòa nhà (Building Integrated Microgrid - BIM) đang nổi lên như một giải pháp đầy hứa hẹn cho việc quản lý năng lượng hiệu quả và giảm chi phí năng lượng trong bối cảnh biến đổi khí hậu và nhu cầu năng lượng ngày càng tăng. BIM kết hợp các nguồn năng lượng tái tạo như hệ thống năng lượng mặt trời và tuabin gió với các hệ thống lưu trữ năng lượng, tạo thành một mạng lưới điện nhỏ có khả năng tự cung cấp điện cho tòa nhà hoặc khu vực nhất định. Việc tối ưu hóa lưới điện này không chỉ giúp giảm sự phụ thuộc vào lưới điện quốc gia mà còn mang lại nhiều lợi ích khác như tăng cường tính ổn định của nguồn cung cấp điện, giảm thiểu tổn thất điện năng và giảm phát thải khí nhà kính. Nghiên cứu này tập trung vào việc phân tích chi phí và các phương pháp quản lý năng lượng hiệu quả cho BIM, từ đó đưa ra các giải pháp tối ưu để triển khai rộng rãi mô hình này.

1.1. Lợi Ích Của Lưới Điện Vi Mô Tích Hợp Tòa Nhà

BIM mang lại nhiều lợi ích vượt trội so với các hệ thống năng lượng truyền thống. Đầu tiên, nó giúp giảm chi phí năng lượng đáng kể cho người sử dụng bằng cách tận dụng các nguồn năng lượng tái tạo tại chỗ và giảm thiểu sự phụ thuộc vào lưới điện quốc gia. Thứ hai, BIM tăng cường tính độc lập và ổn định của nguồn cung cấp điện, đặc biệt quan trọng trong trường hợp xảy ra sự cố trên lưới điện quốc gia. Thứ ba, BIM giúp giảm phát thải khí nhà kính, góp phần bảo vệ môi trường và ứng phó với biến đổi khí hậu. Cuối cùng, BIM thúc đẩy sự phát triển của các công nghệ năng lượng mới và tạo ra các cơ hội kinh doanh mới trong lĩnh vực năng lượng tái tạo.

1.2. Các Thành Phần Chính Của Lưới Điện Vi Mô

Một BIM điển hình bao gồm các thành phần chính sau: các nguồn năng lượng tái tạo (ví dụ: hệ thống năng lượng mặt trời, tuabin gió), hệ thống lưu trữ năng lượng (ví dụ: hệ thống pin), hệ thống điều khiển lưới điện (EMS - energy management system) và tải điện (các thiết bị tiêu thụ điện trong tòa nhà). EMS đóng vai trò quan trọng trong việc điều phối hoạt động của các thành phần này, đảm bảo cung cấp điện ổn định và hiệu quả, đồng thời tối ưu hóa chi phí năng lượng. Theo tài liệu gốc, EMS có thể sử dụng các thuật toán tối ưu hóa để lên lịch sạc/xả cho hệ thống pin, dựa trên dự báo về sản lượng điện từ các nguồn năng lượng tái tạo, nhu cầu điện của tòa nhà và giá điện thị trường.

II. Thách Thức Rào Cản Triển Khai Lưới Điện Vi Mô Tích Hợp

Mặc dù BIM mang lại nhiều lợi ích, việc triển khai rộng rãi mô hình này vẫn còn đối mặt với nhiều thách thức và rào cản. Một trong những thách thức lớn nhất là chi phí đầu tư ban đầu cao, đặc biệt là đối với các hệ thống lưu trữ năng lượng. Ngoài ra, việc tích hợp các nguồn năng lượng tái tạo không ổn định (ví dụ: năng lượng mặt trời và năng lượng gió) vào BIM đòi hỏi các hệ thống điều khiển lưới điện phức tạp và các thuật toán tối ưu hóa tiên tiến. Thêm vào đó, các quy định pháp lý và chính sách hỗ trợ cho BIM vẫn còn chưa đầy đủ và đồng bộ ở nhiều quốc gia, gây khó khăn cho việc triển khai và phát triển mô hình này.

2.1. Bài Toán Về Chi Phí Đầu Tư Ban Đầu Của Lưới Điện Vi Mô

Chi phí đầu tư ban đầu là một trong những rào cản lớn nhất đối với việc triển khai BIM. Các hệ thống lưu trữ năng lượng, đặc biệt là hệ thống pin, chiếm một phần đáng kể trong tổng chi phí đầu tư. Việc giảm chi phí của các hệ thống này là rất quan trọng để làm cho BIM trở nên cạnh tranh hơn so với các hệ thống năng lượng truyền thống. Các nghiên cứu về phân tích kinh tế và mô hình hóa năng lượng có thể giúp xác định các giải pháp giảm chi phí hiệu quả, chẳng hạn như lựa chọn công nghệ phù hợp, tối ưu hóa kích thước của hệ thống và tận dụng các ưu đãi tài chính từ chính phủ.

2.2. Sự Phức Tạp Trong Quản Lý Nguồn Năng Lượng Biến Động

Việc tích hợp các nguồn năng lượng tái tạo không ổn định như năng lượng mặt trời và năng lượng gió vào BIM đòi hỏi các hệ thống điều khiển lưới điện phức tạp và các thuật toán tối ưu hóa tiên tiến. EMS phải có khả năng dự báo sản lượng điện từ các nguồn năng lượng tái tạo, nhu cầu điện của tòa nhà và giá điện thị trường một cách chính xác, từ đó điều chỉnh hoạt động của các thành phần trong BIM để đảm bảo cung cấp điện ổn định và hiệu quả. Các thuật toán tối ưu hóa đa mục tiêu có thể được sử dụng để cân bằng giữa các mục tiêu khác nhau, chẳng hạn như giảm chi phí năng lượng và tăng cường sử dụng năng lượng tái tạo.

2.3. Thiếu Hụt Khung Pháp Lý Hỗ Trợ Phát Triển Lưới Điện Vi Mô

Sự thiếu hụt các quy định pháp lý và chính sách hỗ trợ đồng bộ đang là một trở ngại lớn cho việc triển khai rộng rãi lưới điện vi mô. Các chính sách cần khuyến khích đầu tư vào năng lượng tái tạo và lưu trữ năng lượng, đồng thời tạo điều kiện thuận lợi cho việc kết nối lưới điện vi mô với lưới điện phân phối chính. Việc xây dựng các tiêu chuẩn kỹ thuật và an toàn rõ ràng cũng rất quan trọng để đảm bảo chất lượng và độ tin cậy của lưới điện vi mô.

III. Hướng Dẫn Tối Ưu Chi Phí Lưới Điện Vi Mô Bằng EMS

Hệ thống quản lý năng lượng (EMS) đóng vai trò then chốt trong việc tối ưu hóa lưới điện vi mô, giúp giảm thiểu chi phí năng lượng và nâng cao hiệu quả hoạt động. EMS có khả năng giám sát, điều khiển và điều phối hoạt động của tất cả các thành phần trong BIM, từ nguồn phát điện đến hệ thống lưu trữ năng lượng và tải điện. Bằng cách sử dụng các thuật toán tối ưu hóa tiên tiến, EMS có thể đưa ra các quyết định thông minh về việc sạc/xả pin, mua/bán điện từ lưới điện quốc gia và điều chỉnh tải điện để phù hợp với tình hình thực tế.

3.1. Sử Dụng Thuật Toán Tối Ưu Hóa Đa Mục Tiêu Multi Objective

Thuật toán tối ưu hóa đa mục tiêu (Multi-Objective Optimization Algorithms) được sử dụng để cân bằng các mục tiêu khác nhau, chẳng hạn như giảm chi phí năng lượng và tăng cường sử dụng năng lượng tái tạo. Theo tài liệu gốc, thuật toán di truyền (Genetic Algorithm - GA) là một trong những thuật toán tối ưu hóa đa mục tiêu phổ biến, có khả năng tìm ra các giải pháp Pareto tối ưu, tức là các giải pháp không thể cải thiện một mục tiêu mà không làm giảm mục tiêu khác. Việc lựa chọn trọng số (priority weighting factor - α) cho từng mục tiêu cho phép điều chỉnh sự ưu tiên giữa chi phí năng lượng và sử dụng năng lượng tái tạo.

3.2. Quản Lý Nhu Cầu Điện Demand Response Hiệu Quả

Quản lý nhu cầu điện (Demand Response) là một chiến lược quan trọng để tối ưu hóa lưới điện vi mô. Bằng cách khuyến khích người dùng điều chỉnh tải điện của họ theo tín hiệu giá điện hoặc theo yêu cầu của EMS, có thể giảm thiểu sự phụ thuộc vào lưới điện quốc gia và giảm chi phí năng lượng. Các chương trình quản lý nhu cầu điện có thể bao gồm việc giảm sử dụng điện trong giờ cao điểm, chuyển dịch tải điện sang giờ thấp điểm hoặc sử dụng các thiết bị điều khiển thông minh để tự động điều chỉnh tải điện.

IV. Nghiên Cứu Chi Tiết Ảnh Hưởng Của Tỷ Lệ Gió Tới Chi Phí

Nghiên cứu tập trung vào việc đánh giá tác động của tỷ lệ năng lượng gió (Grid Wind Ratio) trong nguồn cung cấp điện từ lưới điện quốc gia đối với chi phí năng lượng và hiệu quả hoạt động của BIM. Bằng cách phân tích dữ liệu thực tế về sản lượng điện từ các nguồn năng lượng tái tạo, nhu cầu điện của tòa nhà và giá điện thị trường, nghiên cứu này cung cấp các bằng chứng thực nghiệm về lợi ích của việc tăng cường sử dụng năng lượng gió trong BIM.

4.1. Phân Tích Độ Nhạy Với Dữ Liệu Thời Tiết Giá Điện

Nghiên cứu thực hiện phân tích độ nhạy của chi phí năng lượng đối với các biến động trong dữ liệu thời tiết (ví dụ: bức xạ mặt trời, tốc độ gió) và giá điện thị trường. Kết quả cho thấy rằng chi phí năng lượng của BIM có thể bị ảnh hưởng đáng kể bởi các biến động này, đặc biệt là khi sử dụng các nguồn năng lượng tái tạo không ổn định. Việc sử dụng các mô hình dự báo thời tiết và giá điện chính xác là rất quan trọng để tối ưu hóa hoạt động của BIM và giảm thiểu rủi ro tài chính.

4.2. So Sánh Hiệu Suất Các Thuật Toán Tối Ưu Hóa GA PSO

Nghiên cứu so sánh hiệu suất của các thuật toán tối ưu hóa khác nhau, chẳng hạn như thuật toán di truyền (GA) và thuật toán tối ưu hóa đàn (Particle Swarm Optimization - PSO), trong việc tối ưu hóa hoạt động của BIM. Kết quả cho thấy rằng GA và PSO đều có khả năng giảm chi phí năng lượng đáng kể, nhưng hiệu suất của chúng có thể khác nhau tùy thuộc vào điều kiện cụ thể của từng trường hợp. Việc lựa chọn thuật toán tối ưu hóa phù hợp là rất quan trọng để đạt được hiệu quả cao nhất.

V. Ứng Dụng Thực Tiễn Triển Vọng Lưới Điện Vi Mô Tòa Nhà

Nghiên cứu này không chỉ cung cấp các kết quả nghiên cứu học thuật mà còn đưa ra các khuyến nghị thực tiễn cho việc triển khai BIM trong các tòa nhà và khu vực khác nhau. Việc áp dụng các giải pháp tối ưu hóa và quản lý năng lượng hiệu quả có thể giúp giảm chi phí năng lượng đáng kể, tăng cường tính ổn định của nguồn cung cấp điện và giảm phát thải khí nhà kính. BIM có tiềm năng trở thành một phần quan trọng của hệ thống năng lượng thông minh trong tương lai.

5.1. Đề Xuất Giải Pháp Cho Các Tòa Nhà Thương Mại Dân Cư

Nghiên cứu đề xuất các giải pháp cụ thể cho việc triển khai BIM trong các tòa nhà thương mại và dân cư. Đối với các tòa nhà thương mại, việc tối ưu hóa hoạt động của hệ thống điều hòa không khí (HVAC) và hệ thống chiếu sáng có thể mang lại hiệu quả tiết kiệm năng lượng đáng kể. Đối với các tòa nhà dân cư, việc sử dụng các thiết bị điều khiển thông minh và các chương trình quản lý nhu cầu điện có thể giúp giảm chi phí năng lượng và tăng cường sử dụng năng lượng tái tạo.

5.2. Hướng Tới Tương Lai Lưới Điện Vi Mô Smart Grid

BIM có tiềm năng đóng vai trò quan trọng trong sự phát triển của lưới điện thông minh (Smart Grid). Bằng cách tích hợp BIM vào lưới điện phân phối và sử dụng các công nghệ truyền thông tiên tiến, có thể tạo ra một hệ thống năng lượng linh hoạt, hiệu quả và bền vững. Việc khuyến khích sự tham gia của người dùng vào quá trình quản lý năng lượng và tạo ra các thị trường năng lượng địa phương cũng là những yếu tố quan trọng để thúc đẩy sự phát triển của BIM và lưới điện thông minh.

VI. Kết Luận Tối Ưu Điện Vi Mô Đầu Tư Bền Vững Tương Lai

Tóm lại, nghiên cứu về tối ưu hóa lưới điện vi mô tích hợp tòa nhà đã chứng minh tiềm năng to lớn của mô hình này trong việc giảm chi phí năng lượng, tăng cường tính ổn định và giảm thiểu tác động môi trường. Việc áp dụng các giải pháp quản lý năng lượng thông minh và tối ưu hóa hiệu quả, kết hợp với các chính sách hỗ trợ phù hợp, sẽ mở ra cơ hội rộng lớn cho việc triển khai BIM trên quy mô lớn, góp phần xây dựng một tương lai năng lượng bền vững.

6.1. Điểm Quan Trọng Trong Nghiên Cứu Về Quản Lý Năng Lượng

Nghiên cứu này đã nhấn mạnh tầm quan trọng của việc quản lý năng lượng hiệu quả trong lưới điện vi mô. Bằng cách sử dụng các hệ thống điều khiển lưới điện tiên tiến và các thuật toán tối ưu hóa thông minh, có thể giảm thiểu chi phí năng lượng và tăng cường sử dụng năng lượng tái tạo. Nghiên cứu cũng cho thấy rằng việc quản lý nhu cầu điện và tích hợp lưu trữ năng lượng là những yếu tố quan trọng để đảm bảo tính ổn định và hiệu quả của lưới điện vi mô.

6.2. Hướng Nghiên Cứu Tiếp Theo Tối Ưu Điện Vi Mô Tòa Nhà

Nghiên cứu này mở ra nhiều hướng nghiên cứu tiếp theo trong lĩnh vực tối ưu hóa lưới điện vi mô tích hợp tòa nhà. Các nghiên cứu trong tương lai có thể tập trung vào việc phát triển các thuật toán tối ưu hóa tiên tiến hơn, nghiên cứu các mô hình kinh doanh mới cho BIM và đánh giá tác động của BIM đối với hệ thống năng lượng tổng thể. Việc hợp tác giữa các nhà nghiên cứu, các nhà phát triển công nghệ và các nhà hoạch định chính sách là rất quan trọng để thúc đẩy sự phát triển và triển khai rộng rãi của BIM.