Tổng quan về luận án

Tái cấu trúc lưới điện phân phối (Distribution Network Reconfiguration - DNR) đóng vai trò là một trong những giải pháp kỹ thuật mang tính chiến lược trong việc nâng cao hiệu quả kỹ thuật và kinh tế của toàn bộ hệ thống năng lượng. Lưới điện phân phối là mắt xích trực tiếp cung cấp điện năng đến các phụ tải tiêu thụ cuối cùng, chiếm tỷ trọng chiều dài và khối lượng thiết bị lớn nhất trong toàn bộ cấu trúc hạ tầng điện lực quốc gia. Do đặc thù vận hành ở cấp điện áp trung - hạ áp với dòng điện tải lớn, tổn thất điện năng trên lưới phân phối chiếm tỷ lệ vượt trội so với lưới truyền tải. Luận án tiến sĩ kỹ thuật điện của tác giả Trần Thị Tùng (năm 2022) với đề tài "Tái cấu trúc lưới điện phân phối sử dụng các thuật toán tối ưu" được thực hiện tại Trường Đại học Bách Khoa - Đại học Quốc gia TP. Hồ Chí Minh, dưới sự hướng dẫn khoa học của PGS. TS. Võ Ngọc Điều, đã đặt nền móng giải pháp toàn diện cho bài toán quy hoạch và tối ưu hóa vận hành hệ thống điện hiện đại.

Về mặt bối cảnh khoa học, sự tích hợp ngày càng sâu rộng của các nguồn điện phân tán (Distributed Generation - DG) như năng lượng mặt trời, tuabin gió, biomass và pin nhiên liệu đã làm thay đổi căn bản bản chất của lưới điện truyền thống. Luận án đã trích dẫn trực tiếp cơ sở nền tảng: "Viện nghiên cứu năng lượng (EPRI) định nghĩa các nguồn phát nhỏ này như là các nguồn điện phân tán (DG)" với quy mô công suất dao động "từ vài kW đến khoảng 50 MW và được đặt gần nơi tiêu thụ điện năng". Sự xuất hiện của DG biến lưới phân phối từ dạng thụ động một chiều thành hệ sinh thái năng lượng chủ động đa chiều. Khi có sự tham gia của DG, dòng công suất trên các phân đoạn đường dây đảo chiều và biến động phức tạp, khiến các cấu hình vận hành tối ưu truyền thống không còn duy trì được tính kinh tế và kỹ thuật.

Khoảng trống nghiên cứu (Research Gap) được xác định rõ nét trong văn bản học thuật: Phần lớn các công trình nghiên cứu trước đây chỉ giải quyết bài toán tái cấu trúc đơn mục tiêu, chủ yếu tập trung vào hàm giảm tổn thất công suất tác dụng ($\Delta P$) trên các hệ thống thử nghiệm quy mô nhỏ rời rạc, hoặc sử dụng phương pháp tổng trọng số (Weighted-sum) thô sơ để chuyển đổi bài toán đa mục tiêu về đơn mục tiêu. Cách tiếp cận này dẫn đến việc phụ thuộc nặng nề vào đánh giá chủ quan của chuyên gia, làm mất đi tính đa dạng của không gian nghiệm và tiêu tốn tài nguyên tính toán qua nhiều lần lặp riêng lẻ. Đồng thời, các ràng buộc hình thái lưới (cấu trúc hình tia - Radial Topology) chưa được xử lý triệt để ở giai đoạn tiền xử lý, làm bùng nổ không gian tìm kiếm với vô số nghiệm không khả thi.

Để giải quyết triệt để các khoảng trống nêu trên, luận án đã xác lập hệ thống câu hỏi nghiên cứu và giả thuyết khoa học chặt chẽ:

  1. Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để thiết lập một khung thuật toán meta-heuristic tối tân có khả năng cân bằng hoàn hảo giữa quá trình thăm dò (exploration) và khai thác (exploitation), vượt qua bẫy cực trị địa phương (local minima) trên không gian tổ hợp $2^n$ trạng thái khóa đóng/mở?
  2. Câu hỏi nghiên cứu 2 (RQ2): Bằng cơ chế toán học nào để mở rộng thuật toán tìm kiếm phân dạng ngẫu nhiên (SFS) thành một phiên bản đa nhiệm vụ tối ưu thực thụ (NSSFS), tạo ra tập nghiệm Pareto đồng đều và trải rộng trên toàn bộ biên thỏa hiệp giữa các mục tiêu xung đột?
  3. Câu hỏi nghiên cứu 3 (RQ3): Tác động đồng thời của việc tái cấu trúc lưới điện và xác định tối ưu vị trí, dung lượng nguồn phân tán DG trên các hệ thống điện thực tế quy mô siêu lớn sẽ cải thiện tổn thất công suất và cấu hình điện áp ở mức độ định lượng nào?

Khung lý thuyết của luận án tích hợp các mô hình toán học giải tích nâng cao, lý thuyết fractal hình thái, bản đồ hỗn loạn vi phân (Chaotic map), lý thuyết đồ thị (Graph theory) và nguyên lý tối ưu hóa đa mục tiêu Pareto. Phạm vi thực nghiệm của luận án bao quát từ các lưới chuẩn IEEE (33 nút, 69 nút, 119 nút), các hệ thống thực tế quốc tế gồm 84 nút (Đài Loan) và 136 nút (Brazil), cho đến lưới điện thực tế quy mô 272 nút thuộc xuất tuyến 475TH và 477TH tại huyện Tân Châu, tỉnh Tây Ninh, Việt Nam.

Literature Review và Positioning

Lịch sử nghiên cứu bài toán tái cấu trúc lưới điện phân phối đã chứng kiến sự tiến hóa liên tục của các trường phái phương pháp luận toán học và thuật toán thông minh:

Tiến trình phát triển của các phương pháp tái cấu trúc lưới điện:
[1975] Merlin & Back (Heuristic kinh điển)
       │
[1988-1989] Civanlar / Baran & Wu / Shirmohammadi & Hong (Đổi nhánh & Xấp xỉ công suất)
       │
[1992-2015] GA, PSO, CSA, ABC, HSA (Meta-heuristic đơn mục tiêu sơ khai)
       │
[2015-2020] Lai ghép Meta-heuristic & Đa mục tiêu có xét DG (SFLA-PSO, MOHBB-BC)
       │
[2022] Luận án Trần Thị Tùng: CSFS, SOS & NSSFS (Đột phá cấu trúc hình tia và Pareto)

Giai đoạn khởi nguồn gắn liền với nghiên cứu tiên phong của Merlin & Back (1975), đề xuất phương pháp heuristic đóng toàn bộ các khóa điện để tạo lưới kín, sau đó mở dần các phân đoạn có dòng công suất nhỏ nhất cho đến khi đạt cấu trúc hình tia. Tuy nhiên, Merlin & Back không tính toán trực tiếp mức độ suy giảm tổn thất công suất ($\Delta P$) trong từng bước chuyển mạch mà chỉ dựa thuần túy vào giá trị dòng điện. Nhược điểm này được khắc phục một phần nhờ công trình của Shirmohammadi & Hong (1989) với kỹ thuật "bơm vào/rút ra" dòng điện liên tục, kết hợp kiểm tra độ sụt áp và giới hạn mang tải của đường dây. Cùng thời kỳ, Civanlar và cộng sự (1988) cùng với Baran & Wu (1989) phát triển kỹ thuật đổi nhánh (branch exchange) thông qua công thức xấp xỉ tổn thất và điện áp, nhưng thuật toán dễ bị mắc kẹt tại các cực tiểu cục bộ do tính chất tổ hợp rời rạc của bài toán.

Sự bùng nổ của trí tuệ nhân tạo (AI) đã mang lại các thuật toán phỏng sinh học và tiến hóa:

  • Thuật toán di truyền (Genetic Algorithm - GA) được Nara và cộng sự (1992) áp dụng mở đầu cho trào lưu tối ưu hóa ngẫu nhiên.
  • Các thuật toán đàn kiến (ACS), bầy đàn (PSO) của Kennedy & Eberhart, đàn ong nhân tạo (ABC) của Karaboga, thuật toán tìm kiếm chim Cuckoo (CSA) của Rajabioun (2011) và tìm kiếm hòa âm (HSA) của Geem (2001) lần lượt được ứng dụng vào bài toán DNR.
  • Nghiên cứu của Nguyễn Thanh Thuận (2020) áp dụng Cuckoo Search cải tiến và hệ sinh thái nhân tạo (AEO) cho thấy tiềm năng của việc tinh chỉnh toán tử tìm kiếm cục bộ.

Tồn tại hai luồng quan điểm tranh luận học thuật sâu sắc trong literature:

  1. Trường phái tiếp cận đơn mục tiêu chuyển đổi: Sử dụng kỹ thuật tổng trọng số (Weighted-sum) hoặc hàm phạt để tích hợp điện áp và độ ổn định vào một mục tiêu chi phí duy nhất. Luồng quan điểm này cho rằng thuật toán sẽ đạt tốc độ tính toán nhanh, thuận tiện trong vận hành tự động. Ngược lại, luồng quan điểm Pareto khẳng định việc gộp mục tiêu làm biến dạng không gian tìm kiếm và bỏ qua các điểm thỏa hiệp tối ưu phi tuyến.
  2. Trường phái xử lý ràng buộc hình tia: Một nhóm nghiên cứu cho phép thuật toán sinh ngẫu nhiên cấu hình và dùng hàm phạt cực lớn để loại bỏ lưới vòng/lưới hở. Nhóm đối lập (trong đó có luận án này) chứng minh rằng phương pháp hàm phạt làm lãng phí nghiêm trọng tài nguyên xử lý trên không gian nghiệm $2^n$, do đó bắt buộc phải tích hợp lý thuyết đồ thị để giới hạn không gian ngay từ khâu tạo quần thể.

Luận án định vị nghiên cứu của mình thông qua việc lấp đầy các khoảng trống học thuật bằng ba đóng góp vượt bậc:

  • Ứng dụng thành công thuật toán tìm kiếm phân dạng ngẫu nhiên (Stochastic Fractal Search - SFS) của Hamid Salimi (2015) và thuật toán quan hệ cộng sinh (Symbiotic Organisms Search - SOS) của Cheng & Prayogo (2014) vào bài toán DNR có tích hợp DG.
  • Nâng cấp SFS bằng bản đồ hỗn loạn vi phân (Gauss/mouse Chaotic map) hình thành thuật toán CSFS, giải quyết dứt điểm hiện tượng suy giảm tính đa dạng cá thể ở các thế hệ lặp cuối.
  • Sáng chế thuật toán tối ưu đa mục tiêu Non-dominated Sorting Stochastic Fractal Search (NSSFS), tạo ra bước nhảy vọt về chất lượng mặt biên Pareto khi so sánh trực diện với các chuẩn quốc tế kinh điển như NSGA-II (Deb et al., 2002), MOPSO (Coello Coello et al., 2004) và MOMVO (Mirjalili, 2016).

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng và phát triển các lý thuyết nền tảng trong lĩnh vực tối ưu hóa toán học và kỹ thuật hệ thống điện:

  • Mở rộng lý thuyết Fractal ngẫu nhiên (Stochastic Fractal Theory): Luận án đã mở rộng mô hình phân dạng fractal của Hamid Salimi sang không gian tối ưu hóa rời rạc phi tuyến nguyên hỗn hợp (Mixed-Integer Non-Linear Programming - MINLP). Quá trình khuếch tán fractal (Diffusion process) được tái cấu trúc thông qua việc tích hợp phân bố bước nhảy Gaussian có khả năng tự thích nghi với mật độ nhánh lưới điện: $$\sigma = \left(\frac{\log(\text{Iter})}{\text{Iter}}\right) \cdot (X_i - X_{\text{best}})$$ Tỷ số $\frac{\log(\text{Iter})}{\text{Iter}}$ đóng vai trò suy giảm kích thước bước nhảy Gaussian qua từng thế hệ, tạo ra sự chuyển dịch mượt mà từ cơ chế tìm kiếm toàn cục sang tinh chỉnh cục bộ sâu.
Khung cấu trúc lý thuyết tối ưu hóa phân dạng ngẫu nhiên cải tiến (CSFS & NSSFS):
┌─────────────────────────────────────────────────────────────┐
│          Không gian bài toán MINLP (LĐPP tích hợp DG)        │
└──────────────────────────────┬──────────────────────────────┘
                               │
               ┌───────────────┴───────────────┐
               ▼                               ▼
  ┌─────────────────────────┐     ┌─────────────────────────┐
  │     Quá trình Diffusion │     │    Quá trình Updating   │
  │   - Bước nhảy Gaussian  │     │   - Phương pháp thống kê│
  │   - Bản đồ Chaotic      │     │     thứ nhất (Eq. 3.4)  │
  │     Gauss/mouse         │     │   - Phương pháp thống kê│
  │   - Tăng cường cục bộ   │     │     thứ hai (Eq. 3.5)   │
  └────────────┬────────────┘     └────────────┬────────────┘
               │                               │
               └───────────────┬───────────────┘
                               │
                               ▼
  ┌─────────────────────────────────────────────────────────┐
  │         Cơ chế sàng lọc Pareto đa mục tiêu (NSSFS)       │
  │  - Fast Non-dominated Sorting  - Crowding Distance       │
  │  - Elitist Selection Mechanism - Metric GD, SP, HV      │
  └─────────────────────────────────────────────────────────┘

  • Lập thuyết mô hình hỗn loạn tích hợp (Chaos Theory Integration): Thay thế các biến phân bố đều ngẫu nhiên truyền thống bằng ánh xạ hỗn loạn vi phân Gauss/mouse: $$x_{k+1} = \begin{cases} 0 & \text{nếu } x_k = 0 \ \frac{1}{x_k} \pmod{1} & \text{ngược lại} \end{cases}$$ Việc tích hợp chuỗi số hỗn loạn $cv$ vào phương trình cập nhật vị trí cá thể (Updating process) theo biểu thức $X_i(j) = X_r(j) - cv \cdot (X_t(j) - X_i(j))$ đã phá vỡ trạng thái cân bằng giả, ngăn ngừa sự suy thoái độ biến thiên của quần thể khi xử lý các ràng buộc phức tạp của lưới điện.

  • Mô hình toán học hóa bài toán đa mục tiêu đồng thời: Luận án hình thành hệ thống ba hàm mục tiêu tối ưu đồng thời có tính đối nghịch:

    1. Cực tiểu hóa tổng tổn thất công suất tác dụng toàn lưới: $\min f_1 = P_{\text{loss}} = \sum_{k=1}^{N_{\text{branch}}} R_k \cdot I_k^2$
    2. Cực tiểu hóa sai lệch điện áp nút (Voltage Deviation - VD): $\min f_2 = \text{VD} = \sum_{i=1}^{N_{\text{node}}} |V_i - V_{\text{rated}}|^2$
    3. Tối đa hóa chỉ số ổn định điện áp (Voltage Stability Index - VSI): $\min f_3 = \frac{1}{\text{VSI}_{\min}}$ nhằm nâng cao biên độ an toàn điện áp tại các nút cuối đường dây.

Khung phân tích độc đáo

Khung phân tích của luận án kết hợp đa tầng lý thuyết: (1) Lý thuyết mạch điện phi tuyến (Power Flow Analysis via Newton-Raphson/Backward-Forward Sweep), (2) Lý thuyết đồ thị (Graph Theory) trong phân tích cấu trúc mạng, và (3) Lý thuyết tập mờ (Fuzzy Set Theory) để ra quyết định thỏa hiệp tốt nhất từ biên Pareto.

Điểm đột phá phương pháp luận cốt lõi nằm ở thuật toán NSSFS độc quyền:

  • Fast Non-dominated Sorting: Phân tầng toàn bộ quần thể thành các bậc không vượt trội hạng 1, hạng 2... với độ phức tạp tính toán giảm thiểu xuống $O(M \cdot N^2)$ (trong đó $M$ là số hàm mục tiêu, $N$ là quy mô quần thể).
  • Khoảng cách mật độ (Crowding Distance): Ước lượng mật độ bao quanh của một nghiệm cụ thể trong không gian mục tiêu nhằm duy trì sự phân bố đồng đều, tránh tập trung cục bộ trên mặt biên Pareto.
  • Cơ chế chọn lọc bảo tồn tinh hoa (Elitist Selection Mechanism): Đảm bảo các nghiệm vượt trội không bị đào thải trong suốt quá trình tiến hóa phân dạng.
  • Ràng buộc biên (Boundary Conditions): Toàn bộ nghiệm phải thỏa mãn nghiêm ngặt các giới hạn vật lý: điện áp nút $V_{\min} \le V_i \le V_{\max}$ (thường quy định $[0.95, 1.05]\text{ p.u.}$), giới hạn dòng điện mang tải trên nhánh dây $I_k \le I_{k,\max}$, dung lượng nguồn DG $P_{\text{DG}}^{\min} \le P_{\text{DG}} \le P_{\text{DG}}^{\max}$, và cấu trúc liên tục không cô lập phụ tải.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được định vị vững chắc trên nền tảng triết học thực chứng (Positivism) và chủ nghĩa hiện thực phản biện (Critical Realism). Toàn bộ các quy luật vận hành của dòng công suất, sụt áp và tổn thất trên hệ thống điện được mô hình hóa chính xác thông qua hệ phương trình đại số phi tuyến, được kiểm chứng thực nghiệm thông qua các mô phỏng toán học chính xác và phần mềm tiêu chuẩn công nghiệp.

Thiết kế nghiên cứu sử dụng phương pháp đa tầng kết hợp:

  • Tầng 1 - Tiền xử lý cấu trúc hình tia: Sử dụng phương pháp vòng lặp cơ bản (Fundamental Loop) dựa trên ma trận liên thuộc đỉnh - nhánh của lý thuyết đồ thị. Khi đóng toàn bộ $N_{\text{tie}}$ khóa liên lạc, hệ thống hình thành chính xác $N_{\text{tie}}$ vòng lặp độc lập. Mỗi vòng lặp chỉ cho phép mở duy nhất 1 khóa điện để đảm bảo tính hình tia và duy trì cung cấp điện liên tục cho $100%$ các nút tải. Thuật toán loại bỏ ngay lập tức từ gốc các tổ hợp đóng/mở không khả thi, thu hẹp không gian tìm kiếm từ quy mô khổng lồ $2^n$ xuống một miền khả thi hữu hạn.
  • Tầng 2 - Tối ưu hóa Meta-heuristic: Tích hợp các thuật toán SFS, CSFS, SOS cho bài toán đơn mục tiêu và NSSFS cho bài toán đa mục tiêu.
  • Tầng 3 - Hậu xử lý và lựa chọn thỏa hiệp: Áp dụng hàm thuộc tư cách mờ (Fuzzy Membership Function) để xác định nghiệm thỏa hiệp tối ưu nhất (Best Compromise Solution) phục vụ kỹ sư vận hành hệ thống thực tế.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu tuân thủ quy chuẩn học thuật nghiêm ngặt với các giao thức kiểm soát sai số đa chiều:

  • Chuẩn hóa thông số thuật toán: Quần thể khởi tạo ($N_p = 50 - 100$), số lần khuếch tán ($N_D = 2 - 5$), số vòng lặp tối đa ($\text{maxIter} = 100 - 200$) được hiệu chuẩn qua hàng trăm lần chạy thử nghiệm độc lập để loại trừ yếu tố ngẫu nhiên.
  • Kiểm định chéo qua 8 hàm kiểm tra chuẩn quốc tế (Benchmark Functions): Trước khi ứng dụng vào hệ thống điện lực, thuật toán đa mục tiêu NSSFS được thử nghiệm kiểm định chất lượng trên 8 hàm thử nghiệm đa nhiệm vụ chuẩn gồm: ZDT1 (lồi), ZDT2 (lõm), ZDT3 (không liên tục), ZDT6 (không đồng đều), KUR, LAU, MUR và POL. Kết quả đều chứng minh khả năng tiệm cận biên Pareto lý thuyết tuyệt đối.
  • Triangulation phương pháp luận: Kết quả tính toán của các thuật toán đề xuất được đối chiếu song song giữa code thuật toán phát triển trên môi trường lập trình MATLAB và phần mềm phân tích hệ thống phân phối chuyên dụng thương mại PSS/ADEPT 5 của Siemens/PTI (chứng thực tại Phụ lục 3 của luận án).
Quy trình thực thi và kiểm định mô hình nghiên cứu:
┌─────────────────────────────────────────────────────────────┐
│  Khởi tạo ma trận mạng LĐPP & Nhận diện Fundamental Loops   │
└──────────────────────────────┬──────────────────────────────┘
                               │
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ Tối ưu hóa bằng Meta-heuristic (SFS / CSFS / SOS / NSSFS)   │
│ ├── Kiểm tra ràng buộc: Điện áp nút, Dòng nhánh, Cấu hình   │
│ └── Tính toán phân bố dòng công suất (Power Flow Engine)   │
└──────────────────────────────┬──────────────────────────────┘
                               │
               ┌───────────────┴───────────────┐
               ▼                               ▼
┌─────────────────────────────┐ ┌─────────────────────────────┐
│  Kiểm định độ tin cậy       │ │  Đối chiếu phần mềm         │
│  - 8 Benchmark ZDT/KUR/POL  │ │    chuyên dụng              │
│  - Chỉ số GD, SP, HV, Δ     │ │  - Siemens PSS/ADEPT 5      │
└─────────────────────────────┘ └─────────────────────────────┘

Data và phân tích

Nghiên cứu thiết lập hệ thống dữ liệu thử nghiệm toàn diện, bao quát mọi cấp độ quy mô từ mô hình học thuật đến hệ thống lưới điện thực tế:

  • Lưới chuẩn IEEE 33 nút: 33 nút, 37 nhánh (32 khóa thường đóng, 5 khóa thường mở), công suất tải toàn hệ thống $P_{\text{load}} = 3715\text{ kW}$, $Q_{\text{load}} = 2300\text{ kVAr}$.
  • Lưới chuẩn IEEE 69 nút: 69 nút, 73 nhánh, $P_{\text{load}} = 3802.19\text{ kW}$, $Q_{\text{load}} = 2694.60\text{ kVAr}$.
  • Lưới chuẩn IEEE 119 nút: 119 nút, 133 nhánh, quy mô tải công nghiệp lớn.
  • Lưới thực tế 84 nút (Đài Loan): Lưới điện đô thị mật độ cao với cấu trúc phức tạp.
  • Lưới thực tế 136 nút (Brazil): Lưới điện hỗn hợp trung áp với nhiều xuất tuyến liên kết.
  • Lưới thực tế 272 nút (Huyện Tân Châu, tỉnh Tây Ninh, Việt Nam): Gồm hai xuất tuyến 475TH và 477TH, đây là lưới điện thực tế phức tạp bậc nhất từng được đưa vào nghiên cứu DNR tại Việt Nam, mang đầy đủ các đặc tính phi đối xứng, phân bố tải không đồng đều và trở kháng nhánh biến thiên lớn.

Các kỹ thuật đo lường chất lượng tập nghiệm Pareto được định lượng thông qua bốn chỉ số thống kê cao cấp:

  1. Generational Distance (GD): Đo lường khoảng cách trung bình từ các nghiệm tìm được đến mặt biên Pareto thực.
  2. Spacing (SP): Đánh giá độ phân tán và khoảng cách đồng đều giữa các nghiệm liên tiếp.
  3. Hypervolume (HV): Đo thể tích không gian mục tiêu được bao phủ bởi tập nghiệm Pareto, chỉ số HV càng lớn chứng minh tính bao quát của thuật toán càng cao.
  4. Spread Metric ($\Delta$): Đánh giá mức độ trải rộng của các nghiệm biên.

Phát hiện đột phá và implications

Những phát hiện then chốt

Các phát hiện thực nghiệm từ luận án đã cung cấp những bằng chứng định lượng thuyết phục về tính ưu việt của các thuật toán đề xuất:

Tóm tắt hiệu quả giảm tổn thất công suất tác dụng qua các thuật toán:
┌─────────────────┬─────────────────┬──────────────────┬─────────────────┐
│ Lưới thử nghiệm │ Tổn thất gốc    │ Tổn thất sau DNR │ Thuật toán tối  │
│                 │ (Ban đầu)       │ (Tối ưu có DG)   │ ưu vượt trội    │
├─────────────────┼─────────────────┼──────────────────┼─────────────────┤
│ IEEE 33 nút     │ 202.67 kW       │ Giảm > 60 - 75%  │ SFS, CSFS, SOS  │
│ IEEE 69 nút     │ 224.95 kW       │ Giảm > 70 - 80%  │ SOS, CSFS       │
│ IEEE 119 nút    │ 1298.09 kW      │ Giảm vượt trội   │ SOS, CSFS       │
│ 84 nút (Đài Loan)│ 531.99 kW      │ Cải thiện sâu    │ SFS, SOS        │
│ 136 nút (Brazil)│ 320.36 kW       │ Cải thiện sâu    │ SFS, SOS        │
│ 272 nút Tân Châu│ Phụ lục thực tế │ Tối ưu hóa sâu   │ SOS & CSFS      │
└─────────────────┴─────────────────┴──────────────────┴─────────────────┘
  1. Hiệu năng vượt bậc của SOS trên hệ thống quy mô siêu lớn 272 nút: Thuật toán Symbiotic Organisms Search (SOS) chứng minh sự vượt trội tuyệt đối về khả năng xử lý bài toán tái cấu trúc lưới điện thực tế quy mô lớn lên đến 272 nút của Tân Châu - Tây Ninh. Nhờ không đòi hỏi bất kỳ tham số điều chỉnh thuật toán phức tạp nào (parameter-free), SOS triệt tiêu hoàn toàn rủi ro phân kỳ toán học và giảm thiểu thời gian hội tụ hơn $40%$ so với GA và PSO truyền thống.
  2. Khả năng tăng tốc hội tụ của bản đồ hỗn loạn trong CSFS: Trên lưới IEEE 33, 69 và 119 nút, thuật toán CSFS nhờ tích hợp ánh xạ Gauss/mouse đã loại bỏ hoàn toàn các dao động tắt dần quanh cực trị địa phương, đạt tốc độ hội tụ nhanh hơn SFS nguyên bản từ $15 - 25$ thế hệ lặp và tìm ra cấu hình có tổn thất công suất tác dụng $\Delta P$ thấp kỷ lục.
  3. Chất lượng mặt biên Pareto của NSSFS vượt xa các thuật toán quốc tế: Khi giải bài toán đa mục tiêu đồng thời (giảm $P_{\text{loss}}$, giảm sai lệch điện áp VD và tăng VSI) có xét đến nguồn phân tán DG, thuật toán NSSFS tạo ra tập nghiệm Pareto có chỉ số Hypervolume (HV) cao hơn và Spacing (SP) nhỏ hơn một cách có ý nghĩa thống kê so với NSGA-II, MOPSO và MOMVO. Cấu hình điện áp của toàn bộ các nút sau tái cấu trúc đều được nâng lên mức an toàn trên $0.96\text{ p.u.}$, chỉ số ổn định VSI tại các nút xung yếu tăng từ $25 - 40%$.
  4. Phát hiện nghịch lý cấu hình khi tích hợp DG: Việc tích hợp nguồn điện phân tán DG nếu không đi kèm với tái cấu trúc lại vị trí đóng/mở khóa điện có thể làm tăng tổn thất cục bộ tại một số phân đoạn do hiện tượng nghẽn dòng công suất ngược (reverse power flow). Tuy nhiên, khi kết hợp đồng thời DNR và tối ưu hóa vị trí/dung lượng DG, hiệu quả giảm tổn thất đạt trên $70%$, cao gấp đôi so với việc chỉ thực hiện riêng lẻ từng giải pháp.

Implications đa chiều

  • Đóng góp lý thuyết: Cung cấp cơ sở khoa học hoàn chỉnh để mở rộng các thuật toán meta-heuristic từ miền liên tục sang miền rời rạc đa mục tiêu phức tạp, bổ sung công cụ phân tích Pareto vào lý thuyết điều độ và vận hành hệ thống điện thông minh (Smart Grid).
  • Đột phá phương pháp luận: Quy trình tích hợp lý thuyết đồ thị (Fundamental Loop) để triệt tiêu nghiệm không khả thi có thể chuyển giao và ứng dụng trực tiếp cho các bài toán quy hoạch mạng lưới hạ tầng khác như mạng cấp thoát nước đô thị, mạng lưới giao thông thông minh và mạng lưới truyền thông thông tin.
  • Ứng dụng thực tiễn trong ngành điện: Nghiên cứu cung cấp công cụ tính toán đắc lực cho các Công ty Điện lực trực thuộc Tập đoàn Điện lực Việt Nam (EVN), Tổng công ty Điện lực miền Nam (EVNSPC), Công ty Điện lực Tây Ninh và các đơn vị tư vấn thiết kế điện. Giúp các kỹ sư nhanh chóng xác định cấu hình chuyển đổi phương thức vận hành tối ưu mà không cần phải đầu tư hàng trăm tỷ đồng để nâng cấp tiết diện dây dẫn hay xây dựng mới các trạm biến áp trung gian.
  • Khuyến nghị chính sách: Cung cấp luận cứ khoa học để các cơ quan quản lý năng lượng (Cục Điều tiết Điện lực - ERAV, Bộ Công Thương) ban hành các quy chuẩn kỹ thuật về tỷ lệ thâm nhập tối đa và vị trí đấu nối bắt buộc của các dự án năng lượng tái tạo phân tán vào lưới điện trung áp.

Limitations và Future Research

Mặc dù đạt được những thành tựu học thuật và thực tiễn mang tính đột phá, luận án thẳng thắn chỉ ra các giới hạn kỹ thuật nội tại:

  • Giả thiết phụ tải và nguồn DG tĩnh (Static Load and DG Profile): Mô hình tối ưu hóa trong luận án chủ yếu được thiết lập tại một thời điểm tải tĩnh đỉnh (peak load) cố định, chưa xét đến biến thiên động 24 giờ liên tục của biểu đồ phụ tải hàng ngày và tính chất bất định, phụ thuộc thời tiết của nguồn năng lượng tái tạo (bức xạ mặt trời, vận tốc gió).
  • Ràng buộc giới hạn số lần đóng/cắt của thiết bị đóng cắt (Switching Life Constraints): Luận án chưa mô hình hóa hàm chi phí suy hao tuổi thọ cơ khí và chi phí bảo trì của các máy cắt tự đóng lại (Recloser) và dao cắt phụ tải (LBS) khi phải thực hiện thao tác chuyển mạch nhiều lần trong ngày.
  • Giới hạn về tính bất đối xứng ba pha: Mô hình tính toán dòng công suất chủ yếu dựa trên giả thiết lưới điện phân phối ba pha cân bằng tương đương một pha, chưa tính toán sâu cho các lưới điện hạ áp ba pha bốn dây không cân bằng nghiêm trọng.

Hướng phát triển nghiên cứu tương lai được định hình cụ thể:

  1. Mở rộng mô hình sang bài toán Tái cấu trúc lưới điện phân phối động (Dynamic DNR) theo thời gian thực 24 chu kỳ giờ, tích hợp hệ thống lưu trữ năng lượng pin (BESS) và các trạm sạc xe điện thông minh (EV Charging Stations).
  2. Phát triển các thuật toán tối ưu hóa ngẫu nhiên mạnh (Robust Stochastic Optimization) và tối ưu hóa dựa trên dữ liệu (Data-driven Optimization) để xử lý triệt để tính bất định sâu của nguồn năng lượng tái tạo.
  3. Ứng dụng kỹ thuật tính toán song song trên nền tảng điện toán đám mây và phần cứng GPU để tối ưu hóa thời gian thực cho các siêu hệ thống điện phân phối quy mô hàng chục nghìn nút.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án mở ra một hướng tiếp cận mới trong việc ứng dụng các thuật toán phân dạng ngẫu nhiên và quan hệ cộng sinh sinh học vào kỹ thuật hệ thống điện. Các thuật toán CSFS và NSSFS tạo tiền đề xuất bản các công trình nghiên cứu trên các tạp chí khoa học quốc tế uy tín thuộc danh mục ISI/Scopus (Q1/Q2) trong các lĩnh vực Applied Soft Computing, IEEE Transactions on Power Systems, International Journal of Electrical Power & Energy Systems.
  • Chuyển đổi ngành công nghiệp năng lượng: Cung cấp giải pháp công nghệ "không chi phí đầu tư hạ tầng cứng" giúp các công ty phân phối điện tối ưu hóa dòng tiền vận hành, giảm chi phí tổn thất hàng triệu kWh điện thương phẩm mỗi năm, qua đó nâng cao độ tin cậy cung cấp điện (giảm chỉ số SAIFI, SAIDI).
  • Lợi ích xã hội và môi trường: Việc cắt giảm tổn thất công suất tác dụng trên diện rộng đồng nghĩa với việc giảm thiểu sản lượng phát từ các nhà máy nhiệt điện than và khí, trực tiếp đóng góp vào việc cắt giảm hàng ngàn tấn phát thải khí nhà kính $CO_2$, thúc đẩy lộ trình thực hiện cam kết Net Zero vào năm 2050 của Việt Nam.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Học viên cao học chuyên ngành Kỹ thuật điện: Tiếp cận một tài liệu chuyên khảo mẫu mực về kỹ thuật mô hình hóa bài toán MINLP, phương pháp xử lý ràng buộc đồ thị hình tia và kỹ thuật phát triển thuật toán tối ưu hóa đa mục tiêu Pareto.
  • Các nhà khoa học và Giảng viên cao cấp: Khai thác các khung thuật toán NSSFS và CSFS để mở rộng nghiên cứu cho các bài toán liên quan như: phối hợp bảo vệ rơ-le, điều độ kinh tế - phát thải và giám sát cấu trúc hệ thống.
  • Kỹ sư R&D và Chuyên gia vận hành lưới điện (Dispatchers/Operators): Sở hữu công cụ và thuật toán có thể nhúng trực tiếp vào các phần mềm quản lý phân phối điện tiên tiến (Advanced Distribution Management Systems - ADMS) và hệ thống SCADA/DMS.
  • Các nhà hoạch định chính sách năng lượng: Có cơ sở dữ liệu định lượng chính xác về dung lượng tích hợp DG tối ưu để xây dựng các khung giá bán điện và cơ chế khuyến khích năng lượng tái tạo phân tán.

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 phát triển thành công thuật toán tối ưu đa mục tiêu Non-dominated Sorting Stochastic Fractal Search (NSSFS). Luận án đã mở rộng lý thuyết phân dạng ngẫu nhiên (Stochastic Fractal Theory) của Hamid Salimi vốn chỉ áp dụng cho bài toán tối ưu liên tục đơn mục tiêu, tích hợp thêm cấu trúc sàng lọc không vượt trội nhanh (Fast Non-dominated Sorting) và khoảng cách mật độ (Crowding Distance) của Deb, tạo nên một công cụ tối ưu hóa Pareto mạnh mẽ, giải quyết trọn vẹn sự xung đột giữa ba mục tiêu kỹ thuật then chốt của hệ thống điện.

2. Đột phá về phương pháp luận của luận án khi so sánh với các công trình quốc tế là gì? Đột phá phương pháp luận thể hiện ở việc kết hợp chặt chẽ giữa lý thuyết đồ thị (Graph Theory - phương pháp vòng lặp cơ bản) ở giai đoạn tiền xử lý và thuật toán phân dạng cải tiến CSFS/NSSFS ở giai đoạn tìm kiếm. Trong khi các nghiên cứu quốc tế trước đây (sử dụng GA, PSO, CSA) thường sinh nghiệm ngẫu nhiên dẫn đến hàng ngàn cấu hình vi phạm cấu trúc hình tia và mất hàng giờ xử lý hàm phạt, luận án đã triệt tiêu $100%$ không gian nghiệm không khả thi ngay từ bước tạo mã hóa, giảm thiểu độ phức tạp tính toán xuống mức tối ưu.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì? Phát hiện bất ngờ nhất là thuật toán Symbiotic Organisms Search (SOS) - một thuật toán không cần tham số tinh chỉnh - lại thể hiện sự ổn định và hiệu năng hội tụ vượt trội hoàn toàn so với các thuật toán tiến hóa có cấu trúc tham số phức tạp khi áp dụng trên mạng điện thực tế siêu lớn 272 nút của Tân Châu. Điều này chứng minh rằng việc loại bỏ phụ thuộc vào siêu tham số (hyperparameters) là chìa khóa để giải quyết các bài toán hệ thống điện thực tế quy mô lớn.

4. Luận án có cung cấp đầy đủ giao thức tái lập nghiên cứu (Replication Protocol) không? Có, luận án cung cấp chi tiết toàn bộ mã giả (pseudocode), lưu đồ thuật toán (flowchart), hệ thống phương trình toán học minh bạch (từ Eq. 3.1 đến 3.8), cấu hình tham số khởi tạo ($N_p, N_D, \text{maxIter}$), cùng toàn bộ thông số kỹ thuật điện trở, điện kháng, công suất phụ tải của tất cả các hệ thống thử nghiệm 33, 69, 84, 119, 136 và 272 nút tại phần Phụ lục 1 và Phụ lục 2.

5. Luận án đã phác thảo chương trình nghiên cứu 10 năm tiếp theo như thế nào? Chương trình nghiên cứu dài hạn được định hình thông qua việc chuyển dịch từ bài toán tái cấu trúc tĩnh sang bài toán vận hành động thời gian thực (Dynamic DNR 24/7); tích hợp các nguồn năng lượng tái tạo biến đổi bất định kết hợp hệ thống pin lưu trữ năng lượng BESS; và phát triển các thuật toán tối ưu hóa phân tán có khả năng tự động chữa lành lưới điện (Self-healing Grids) trong môi trường lưới điện thông minh tương lai.

Kết luận

  1. Luận án đã xây dựng thành công mô hình toán học toàn diện cho bài toán tái cấu trúc lưới điện phân phối với cả hai dạng hàm đơn mục tiêu và đa mục tiêu, tích hợp đầy đủ các ràng buộc vận hành kỹ thuật nghiêm ngặt và sự hiện diện của nguồn điện phân tán DG.
  2. Ứng dụng xuất sắc các thuật toán trí tuệ nhân tạo tiên tiến SFS, CSFS và SOS cho bài toán đơn mục tiêu, chứng minh sự suy giảm tổn thất công suất tác dụng và cải thiện vượt bậc chất lượng điện áp trên các hệ thống từ 33 nút đến 272 nút.
  3. Sáng tạo và phát triển thành công thuật toán mới NSSFS cho bài toán đa mục tiêu, chứng minh sự vượt trội về các chỉ số chất lượng tập nghiệm Pareto (GD, SP, HV, $\Delta$) so với các thuật toán chuẩn quốc tế NSGA-II, MOPSO và MOMVO.
  4. Đột phá trong việc ứng dụng lý thuyết đồ thị xử lý cấu trúc hình tia, giải quyết triệt để vấn đề bùng nổ tổ hợp nghiệm không khả thi, rút ngắn tối đa thời gian tính toán.
  5. Kiểm chứng thực nghiệm thành công trên lưới điện thực tế 272 nút huyện Tân Châu, tỉnh Tây Ninh với sự đối chiếu chuẩn xác từ phần mềm chuyên dụng PSS/ADEPT 5, mang lại công cụ quy hoạch và vận hành có giá trị thực tiễn to lớn cho ngành điện Việt Nam.
  6. Mở ra các hướng nghiên cứu học thuật liên ngành sâu rộng giữa trí tuệ nhân tạo, tối ưu hóa tổ hợp và kỹ thuật hệ thống điện hiện đại trong kỷ nguyên chuyển dịch năng lượng xanh toàn cầu.