Tổng quan nghiên cứu

Nhu cầu sử dụng năng lượng sạch và hiệu quả trong ngành xây dựng, đặc biệt trong phát triển và quản lý thành phố thông minh, ngày càng tăng cao. Theo ước tính, hơn 165 thành phố tại 80 quốc gia đang triển khai các dự án thành phố thông minh với mục tiêu nâng cao chất lượng cuộc sống và phát triển bền vững. Tuy nhiên, việc cân bằng cung cầu năng lượng trong các hệ thống lưới điện nhỏ (microgrid) vẫn là thách thức lớn, dẫn đến sử dụng năng lượng không hiệu quả và chi phí vận hành cao. Luận văn tập trung phát triển thuật toán tối ưu lai Hybrid Multi-Verse Optimizer (hMVO) kết hợp Multi-Verse Optimizer (MVO) và Sine Cosine Algorithm (SCA) nhằm cải thiện khả năng khám phá và khai thác không gian tìm kiếm, từ đó tối ưu hóa chi phí sản xuất năng lượng trong các microgrid quy mô lớn.

Mục tiêu nghiên cứu bao gồm phát triển mô hình tối ưu đa mục tiêu cân bằng giữa chi phí năng lượng, giảm phát thải khí nhà kính và nâng cao hiệu quả dự án xây dựng; đánh giá hiệu suất thuật toán hMVO qua các nghiên cứu trường hợp thực tế; và phân tích các rào cản trong việc áp dụng các giải pháp tiết kiệm năng lượng trong ngành xây dựng. Phạm vi nghiên cứu tập trung vào các dự án xây dựng thành phố thông minh tại Việt Nam, đặc biệt là dự án thành phố thông minh Bình Dương, trong giai đoạn từ năm 2022 đến 2023. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc cung cấp công cụ hỗ trợ ra quyết định tối ưu hóa năng lượng, góp phần thúc đẩy phát triển bền vững và giảm chi phí vận hành trong các dự án xây dựng hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết và mô hình chính: Thuật toán Multi-Verse Optimizer (MVO) và Sine Cosine Algorithm (SCA). MVO mô phỏng các hiện tượng thiên văn như lỗ đen, lỗ trắng và lỗ sâu (wormhole) để mô hình hóa quá trình trao đổi và di chuyển các giải pháp trong không gian tìm kiếm, giúp cân bằng giữa khám phá (exploration) và khai thác (exploitation). SCA sử dụng các hàm sin và cos để điều chỉnh vị trí các cá thể trong quần thể, tăng khả năng tìm kiếm toàn cục và cục bộ. Kết hợp hai thuật toán này tạo thành thuật toán lai hMVO, tận dụng ưu điểm của cả hai để nâng cao hiệu quả tối ưu hóa năng lượng trong các hệ thống microgrid.

Các khái niệm chính bao gồm:

  • Inflation rate (tỷ lệ lạm phát): đại diện cho độ tốt của một giải pháp trong MVO.
  • Wormhole existence probability (WEP): xác suất xuất hiện lỗ sâu, tăng dần theo số vòng lặp để tăng cường khai thác.
  • Travelling distance rate (TDR): khoảng cách di chuyển của giải pháp quanh điểm tốt nhất, giảm dần để tăng độ chính xác.
  • Distributed Energy Resources (DERs): các nguồn năng lượng phân tán như nhà máy gió, nhà máy điện mặt trời, và tổ hợp nhiệt điện (CHP).
  • Chi phí sản xuất năng lượng (Cost function): hàm mục tiêu cần tối thiểu hóa, bao gồm chi phí phát điện theo từng giờ.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ hai nghiên cứu trường hợp microgrid với các nguồn năng lượng phân tán gồm 3 nhà máy gió, 2 nhà máy điện mặt trời và 1 tổ hợp nhiệt điện. Dữ liệu bao gồm công suất yêu cầu theo giờ, công suất phát điện tối đa và tối thiểu của từng nguồn, cùng các hệ số chi phí vận hành. Cỡ mẫu thuật toán là 50 cá thể, với số vòng lặp tối đa 1000.

Phương pháp phân tích sử dụng mô phỏng thuật toán hMVO và so sánh với các thuật toán meta-heuristic khác như MVO tiêu chuẩn, Particle Swarm Optimization (PSO), Artificial Hummingbird Algorithm (AHA), và Genetic Algorithms (GA). Các chỉ số đánh giá bao gồm chi phí sản xuất năng lượng, thời gian thực thi và độ hội tụ của thuật toán. Quá trình nghiên cứu được thực hiện từ tháng 10/2022 đến tháng 8/2023, bao gồm các bước: tổng hợp dữ liệu, phát triển thuật toán, chạy mô phỏng, phân tích kết quả và đề xuất giải pháp.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả chi phí của thuật toán hMVO: Thuật toán hMVO giảm chi phí sản xuất năng lượng trung bình khoảng 8-12% so với MVO tiêu chuẩn và các thuật toán PSO, AHA, GA trong hai trường hợp nghiên cứu. Ví dụ, trong trường hợp 1, chi phí giảm từ 1200 USD xuống còn khoảng 1050 USD.
  2. Thời gian thực thi cải thiện: hMVO rút ngắn thời gian chạy thuật toán trung bình 15-20% so với các thuật toán so sánh, giúp tăng hiệu quả vận hành trong các dự án quy mô lớn.
  3. Khả năng hội tụ nhanh và ổn định: Đồ thị hội tụ cho thấy hMVO đạt được giá trị tối ưu nhanh hơn và ít bị kẹt tại các điểm cực tiểu cục bộ, nhờ cơ chế kết hợp giữa WEP và TDR điều chỉnh linh hoạt.
  4. Khả năng mở rộng và ứng dụng thực tế: Thuật toán hMVO được áp dụng thành công cho dự án thành phố thông minh Bình Dương, tối ưu hóa nguồn năng lượng tái tạo và giảm phát thải khí nhà kính, đồng thời duy trì độ tin cậy cung cấp điện.

Thảo luận kết quả

Nguyên nhân chính giúp hMVO vượt trội là do sự kết hợp hiệu quả giữa khả năng khám phá không gian tìm kiếm rộng của MVO và khả năng khai thác cục bộ chính xác của SCA. Việc điều chỉnh xác suất xuất hiện lỗ sâu (WEP) và khoảng cách di chuyển (TDR) theo thời gian giúp thuật toán cân bằng tốt giữa tìm kiếm toàn cục và cục bộ, tránh bị kẹt trong các điểm tối ưu cục bộ. So với các nghiên cứu trước đây chỉ tập trung vào MVO hoặc các thuật toán meta-heuristic khác, hMVO thể hiện sự cải tiến rõ rệt về cả chi phí và thời gian thực thi.

Kết quả cũng cho thấy tầm quan trọng của việc tích hợp các nguồn năng lượng phân tán (DERs) trong microgrid để tối ưu hóa chi phí và giảm phát thải. Việc áp dụng thuật toán hMVO trong thực tế tại Bình Dương đã chứng minh tính khả thi và hiệu quả của phương pháp trong môi trường năng lượng biến động và phức tạp. Dữ liệu có thể được trình bày qua biểu đồ hội tụ chi phí theo số vòng lặp và bảng so sánh chi phí, thời gian thực thi giữa các thuật toán.

Đề xuất và khuyến nghị

  1. Triển khai rộng rãi thuật toán hMVO trong quản lý năng lượng các dự án xây dựng thành phố thông minh: Tập trung vào tối ưu hóa chi phí và nâng cao hiệu quả sử dụng năng lượng trong vòng 1-2 năm tới, do các đơn vị quản lý dự án và nhà thầu thực hiện.
  2. Đào tạo và nâng cao năng lực cho đội ngũ quản lý xây dựng về ứng dụng trí tuệ nhân tạo trong tối ưu hóa năng lượng: Tổ chức các khóa đào tạo chuyên sâu về thuật toán tối ưu và phân tích dữ liệu trong 6-12 tháng, dành cho cán bộ kỹ thuật và quản lý dự án.
  3. Phát triển hệ thống giám sát và thu thập dữ liệu năng lượng theo thời gian thực: Đầu tư vào hạ tầng IoT và cảm biến để cung cấp dữ liệu chính xác, hỗ trợ thuật toán hMVO vận hành hiệu quả, thực hiện trong 1 năm, do các nhà cung cấp công nghệ và chủ đầu tư phối hợp.
  4. Xây dựng chính sách khuyến khích áp dụng các giải pháp tối ưu năng lượng trong xây dựng: Chính phủ và các cơ quan quản lý cần ban hành các chính sách ưu đãi, hỗ trợ tài chính và kỹ thuật nhằm thúc đẩy áp dụng các thuật toán tối ưu và công nghệ xanh trong 2-3 năm tới.

Đối tượng nên tham khảo luận văn

  1. Quản lý dự án xây dựng và kỹ sư công trình: Nắm bắt các phương pháp tối ưu hóa năng lượng hiện đại, áp dụng thuật toán hMVO để giảm chi phí và nâng cao hiệu quả dự án.
  2. Nhà nghiên cứu và sinh viên ngành quản lý xây dựng, kỹ thuật năng lượng: Tham khảo mô hình thuật toán lai và ứng dụng thực tiễn trong lĩnh vực năng lượng và xây dựng thành phố thông minh.
  3. Chuyên gia phát triển công nghệ và phần mềm quản lý năng lượng: Tích hợp thuật toán hMVO vào các giải pháp phần mềm quản lý năng lượng và hệ thống microgrid.
  4. Cơ quan quản lý nhà nước và hoạch định chính sách: Sử dụng kết quả nghiên cứu để xây dựng các chính sách hỗ trợ phát triển bền vững và tiết kiệm năng lượng trong ngành xây dựng.

Câu hỏi thường gặp

  1. Thuật toán hMVO là gì và ưu điểm chính của nó?
    Thuật toán hMVO là sự kết hợp giữa Multi-Verse Optimizer và Sine Cosine Algorithm, giúp cân bằng tốt giữa khám phá và khai thác không gian tìm kiếm, từ đó tối ưu hóa chi phí và thời gian thực thi hiệu quả hơn so với các thuật toán truyền thống.

  2. Làm thế nào để áp dụng thuật toán hMVO trong dự án xây dựng thực tế?
    Thuật toán được tích hợp vào hệ thống quản lý năng lượng, sử dụng dữ liệu đầu vào về công suất và chi phí của các nguồn năng lượng phân tán để tính toán lịch trình phát điện tối ưu, giúp giảm chi phí và tăng hiệu quả sử dụng năng lượng.

  3. Các rào cản chính trong việc áp dụng các giải pháp tối ưu năng lượng là gì?
    Bao gồm chi phí đầu tư ban đầu cao, thiếu kiến thức và kỹ năng về công nghệ mới, sự kháng cự thay đổi trong tổ chức, và hạn chế về dữ liệu chất lượng để phân tích và tối ưu.

  4. Thuật toán hMVO có thể áp dụng cho các quy mô microgrid khác nhau không?
    Có, hMVO đã được thử nghiệm trên các microgrid quy mô nhỏ và lớn, cho thấy khả năng mở rộng và thích ứng tốt với các điều kiện và quy mô khác nhau.

  5. Làm thế nào để đảm bảo dữ liệu đầu vào cho thuật toán là chính xác và đầy đủ?
    Cần xây dựng hệ thống giám sát và thu thập dữ liệu theo thời gian thực, sử dụng cảm biến và IoT để đảm bảo dữ liệu năng lượng được cập nhật liên tục và chính xác, hỗ trợ thuật toán vận hành hiệu quả.

Kết luận

  • Thuật toán Hybrid Multi-Verse Optimizer (hMVO) đã chứng minh hiệu quả vượt trội trong tối ưu hóa chi phí và thời gian thực thi so với các thuật toán meta-heuristic khác.
  • Việc áp dụng hMVO trong các dự án microgrid tại thành phố thông minh giúp cân bằng cung cầu năng lượng, giảm phát thải và nâng cao hiệu quả vận hành.
  • Nghiên cứu đã xác định các rào cản chính trong việc áp dụng các giải pháp tiết kiệm năng lượng và đề xuất các giải pháp thực tiễn để khắc phục.
  • Kết quả nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ quản lý xây dựng và hoạch định chính sách phát triển bền vững.
  • Các bước tiếp theo bao gồm mở rộng ứng dụng thuật toán trong các dự án thực tế, phát triển hệ thống thu thập dữ liệu thời gian thực và đào tạo nhân lực chuyên môn cao.

Hành động ngay hôm nay: Các nhà quản lý dự án và chuyên gia công nghệ nên bắt đầu tích hợp thuật toán hMVO vào quy trình quản lý năng lượng để nâng cao hiệu quả và giảm chi phí trong các dự án xây dựng thành phố thông minh.