Tổng quan nghiên cứu

Ngành năng lượng tái tạo toàn cầu ghi nhận sự tăng trưởng vượt bậc với tổng công suất điện gió lắp đặt đạt 597.000 MW vào cuối năm 2018, đóng góp gần 6% tổng nhu cầu điện năng trên toàn thế giới. Tại Việt Nam, với hơn 3.000 km bờ biển giàu tiềm năng, tính đến ngày 31/5/2019 mới chỉ có 7 nhà máy điện gió vận hành thương mại với tổng công suất khiêm tốn 228 MW. Theo định hướng của Quy hoạch phát triển điện lực quốc gia giai đoạn 2011 - 2020 có xét đến năm 2030 (Tổng sơ đồ VII điều chỉnh), mục tiêu công suất điện gió được đặt ra là 800 MW vào năm 2020 và tiến tới 6.000 MW vào năm 2030. Điều này đặt ra bài toán cấp bách về việc nâng cấp công suất và tối ưu hóa không gian của các trang trại gió hiện hữu.

Vấn đề cốt lõi của nghiên cứu là giải quyết bài toán bố trí vị trí các tua-bin gió lắp mới xen kẽ với các tua-bin đã hoạt động nhằm giảm thiểu tối đa hiệu ứng che chắn gió (wake effect) và suy giảm vận tốc gió cục bộ. Mục tiêu cụ thể của luận văn là nghiên cứu, ứng dụng thuật toán tìm kiếm phân dạng ngẫu nhiên (Stochastic Fractal Search - SFS) để xác định tọa độ tối ưu cho các tổ máy mới, từ đó cực đại hóa tổng sản lượng điện hàng năm (AEP).

Nghiên cứu được triển khai trên mô hình trang trại điện gió thực tế tại khu vực Nam Trung Bộ Việt Nam với quy mô hiện hữu 30 MW (gồm 20 tua-bin công suất 1,5 MW) trên nền địa hình có cao độ biến thiên từ 10 m đến 110,5 m. Kịch bản nghiên cứu đặt mục tiêu nâng thêm 20 MW công suất để đạt tổng quy mô 50 MW. Ý nghĩa của đề tài được thể hiện qua việc nâng tổng sản lượng điện thô của toàn trang trại lên 163,194 GWh/năm, đồng thời khống chế tổn thất che chắn gió ở mức 7,43%, mở ra giải pháp kỹ thuật tối ưu chi phí đầu tư cho các dự án repowering tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng ba trụ cột lý thuyết chính:

  1. Mô hình suy giảm vận tốc gió Katic - Jensen: Sử dụng mô hình động học (kinematic model) để lượng hóa sự suy giảm tốc độ gió ở vùng ảnh hưởng xa (far wake, khoảng cách từ 3 đến 7 lần đường kính cánh rô-to). Hệ số ảnh hưởng địa hình trên đất liền được xác lập với giá trị thực nghiệm $\kappa = 0,075$.
  2. Mô hình phân bố xác suất Weibull và đại số hóa hướng gió: Năng lượng gió được mô hình hóa thông qua hàm mật độ xác suất Weibull hai tham số gồm hệ số tỷ lệ $c(\theta)$ và hệ số hình dạng $k(\theta)$ trên hoa gió chia thành 12 sector (mỗi sector $30^\circ$).
  3. Đặc tuyến công suất đa thức bậc 9: Công suất phát của tua-bin được xấp xỉ chính xác thông qua hàm đa thức bậc 9 kết hợp đặc tuyến hệ số lực đẩy ($C_t$), áp dụng cho ba dòng máy phát: Fuhrländer FL MD 77 (1,5 MW), Vestas V80-2.0 MW (2,0 MW) và GE Wind Energy (2,5 MW).

Bên cạnh đó, nghiên cứu vận dụng định lý "No Free Lunch" trong tối ưu hóa làm tiền đề để áp dụng thuật toán mới Stochastic Fractal Search (SFS) dựa trên hiện tượng khuếch tán giới hạn (Diffusion Limited Aggregation - DLA), so sánh đối chuẩn với thuật toán bầy đàn (Particle Swarm Optimization - PSO) và thuật toán heuristic tham lam (Greedy Algorithm).

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào sử dụng chuỗi số liệu quan trắc gió thực tế tại trạm đo với tốc độ gió trung bình 6,8 m/s, mật độ năng lượng trung bình 320 W/m², cùng bản đồ số hóa cao độ địa hình 10 - 110,5 m và độ gồ ghề bề mặt (chỉ số RIX đạt 0,2).

Về phương pháp chọn mẫu và quy mô khảo sát: Nghiên cứu thiết lập cỡ mẫu toàn diện trên không gian tọa độ liên tục 2 chiều $(x, y)$ của trang trại gió 30 MW hiện hữu. Ba kịch bản nâng công suất được chọn mẫu có chủ đích dựa trên các dòng thiết bị thương mại phổ biến:

  • Kịch bản 1: Lắp mới 14 tua-bin 1,5 MW (FL MD 77).
  • Kịch bản 2: Lắp mới 10 tua-bin 2,0 MW (Vestas V80).
  • Kịch bản 3: Lắp mới 8 tua-bin 2,5 MW (GE 2.5).

Lý do lựa chọn phương pháp phân tích: Thuật toán SFS được lập trình mô phỏng trên nền tảng MATLAB nhờ ưu thế sử dụng bước nhảy ngẫu nhiên Gaussian Walk và cơ chế cập nhật hai pha giúp mở rộng không gian tìm kiếm, khắc phục triệt để nhược điểm kẹt tại cực trị cục bộ của thuật toán tham lam tích hợp sẵn trong phần mềm thương mại WindPRO 2.62. Toàn bộ kết quả tọa độ tối ưu từ SFS và PSO được đưa vào phần mềm WAsP (Wind Atlas Analysis and Application Program) để tính toán kiểm chứng độc lập. Timeline nghiên cứu được thực hiện xuyên suốt từ ngày 08/4/2019 đến ngày 28/7/2019.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu mang lại những kết quả định lượng cụ thể qua các kịch bản mô phỏng:

  • Gia tăng vượt bậc sản lượng điện tổng thể: Tại Kịch bản 1 (bổ sung 14 tua-bin 1,5 MW), việc nâng công suất danh định thêm 70% đã giúp tổng sản lượng điện thô (Gross AEP) toàn trang trại tăng 71,8%, từ 94,952 GWh/năm (trang trại gốc) lên 163,194 GWh/năm. Sản lượng điện thực tế (Net AEP) sau khi trừ mọi hao tổn đạt mức 150,802 GWh/năm.
  • Khống chế hiệu quả tổn thất do hiệu ứng che chắn: Tỷ lệ tổn thất che chắn gió (wake loss) của toàn trang trại sau khi lắp thêm 14 trụ mới chỉ ở mức 7,43%. Mức tăng tổn thất 4,22% so với trang trại ban đầu (3,21%) nằm trong giới hạn cho phép đối với mật độ phân bổ tua-bin dày đặc.
  • Tối ưu hóa mật độ năng lượng theo kịch bản thiết bị: Ở khu vực lắp đặt tua-bin mới, mật độ công suất gió trung bình đạt 383 W/m² (dao động từ 354 đến 422 W/m²), cao hơn mức 355 W/m² của các vị trí tua-bin cũ, chứng minh thuật toán đã định vị chính xác các vi trí đón gió tối ưu.
  • Tính ưu việt của thuật toán SFS so với WindPRO và PSO: Qua 10 lần chạy thử nghiệm ngẫu nhiên, SFS luôn hội tụ về giá trị hàm mục tiêu cao hơn (Best Score đạt trên 32,058 MW sản lượng phát tức thời trung bình) với độ lệch chuẩn nhỏ, trong khi module Optimize của WindPRO chỉ di chuyển từng tua-bin đơn lẻ nên cho sản lượng thấp hơn khoảng 1,2% đến 2,5%.

Thảo luận kết quả

Hiệu quả vượt trội của thuật toán SFS bắt nguồn từ cơ chế toán học hai giai đoạn. Giai đoạn khuếch tán dựa trên phân bố chuẩn Gaussian walk giúp tạo ra các hạt tìm kiếm phân nhánh linh hoạt quanh vị trí tốt nhất (Best Point - BP), giảm bán kính bước nhảy theo số thế hệ $\log(g)/g$. Giai đoạn cập nhật vị trí đa hướng giúp chia sẻ thông tin giữa các cá thể trong quần thể, giúp các vị trí tua-bin không bị dồn cục bộ vào các đỉnh đồi có cao độ từ 80 m đến 110,5 m mà phân bổ trải đều theo hướng gió chủ đạo ($30^\circ, 60^\circ, 240^\circ, 270^\circ$).

Các kết quả này có thể được biểu diễn trực quan qua biểu đồ hoa gió 12 sector chồng lớp với bản đồ đẳng cao địa hình, đi kèm đồ thị đặc tuyến hội tụ AEP theo số vòng lặp thế hệ giữa ba phương pháp SFS, PSO và WindPRO. Bảng ma trận so sánh tọa độ $(x, y)$ và khoảng cách tối thiểu giữa các trụ (luôn duy trì lớn hơn 3-5 lần đường kính rô-to) khẳng định tính khả thi tuyệt đối trong thi công xây lắp.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 khuyến nghị hành động chiến lược được đề xuất:

  1. Ứng dụng công cụ tối ưu hóa SFS vào giai đoạn lập Báo cáo nghiên cứu khả thi (FS): Các đơn vị tư vấn thiết kế điện gió cần tích hợp mô hình SFS vào quy trình tính toán quy hoạch mặt bằng dự án trong giai đoạn 2024 - 2026, đặt mục tiêu nâng cao 2 - 3% tổng sản lượng AEP so với các phần mềm truyền thống.
  2. Ưu tiên cấu hình tua-bin công suất lớn cho các dự án mở rộng: Chủ đầu tư các nhà máy điện gió hiện hữu nên lựa chọn phương án lắp mới các dòng tua-bin công suất 2,0 - 2,5 MW (như Kịch bản 2 và 3) thay vì dòng 1,5 MW để giảm số lượng móng trụ từ 14 xuống 8 vị trí, giúp tiết kiệm khoảng 15 - 20% chi phí xây dựng hạ tầng đường giao thông và móng trụ trước năm 2026.
  3. Hiện đại hóa hệ thống đo đạc dữ liệu gió đa tầng: Các đơn vị phát triển dự án cần lắp đặt cột đo gió độ cao 80 - 120 m hoặc thiết bị LiDAR để thu thập số liệu vận tốc và hướng gió liên tục tối thiểu 12 tháng, cung cấp dữ liệu đầu vào chính xác cho phân bố Weibull trước khi tiến hành repowering.
  4. Ban hành quy chuẩn kỹ thuật quốc gia về khoảng cách an toàn và suy hao che chắn gió: Bộ Công Thương phối hợp cùng Tập đoàn Điện lực Việt Nam (EVN) cần xây dựng khung tiêu chuẩn kỹ thuật về khoảng cách biên và hệ số suy giảm wake loss cho các cụm trang trại gió liền kề, hoàn thành trong giai đoạn 2025 - 2027 nhằm hiện thực hóa mục tiêu Quy hoạch điện VIII.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng:

  • Kỹ sư thiết kế và phát triển dự án năng lượng tái tạo: Nắm vững phương pháp đại số hóa sản lượng điện và ứng dụng mã nguồn thuật toán SFS để tự động hóa việc tính toán mặt bằng tua-bin trên địa hình phức tạp.
  • Chủ đầu tư và nhà quản lý tài chính trang trại gió: Sử dụng các số liệu so sánh giữa 3 kịch bản công suất (1,5 MW, 2,0 MW, 2,5 MW) để đánh giá hiệu quả kinh tế - kỹ thuật, tối ưu hóa dòng tiền và rút ngắn thời gian hoàn vốn cho dự án nâng cấp.
  • Học viên sau đại học và nhà nghiên cứu chuyên ngành Hệ thống Điện: Kế thừa mô hình toán xấp xỉ đa thức bậc 9, cơ sở giải thuật phân dạng DLA và quy trình tích hợp giữa MATLAB, WindPRO và WAsP cho các đề tài mở rộng về tối ưu hóa đa mục tiêu.
  • Cơ quan quản lý nhà nước và điều độ hệ thống điện: Tham khảo phương pháp dự báo sản lượng và đánh giá độ tin cậy nguồn phát điện gió để phục vụ công tác lập kế hoạch vận hành lưới truyền tải an toàn.

Câu hỏi thường gặp

Thuật toán Stochastic Fractal Search (SFS) có điểm gì vượt trội so với PSO truyền thống?
SFS sử dụng cơ chế khuếch tán dựa trên phân bố Gaussian walk kết hợp hai quy trình cập nhật vị trí độc lập. Điều này giúp thuật toán duy trì độ đa dạng của quần thể nghiệm, tránh bị rơi vào các cực trị địa phương khi xử lý bài toán không gian tọa độ liên tục trên địa hình đồi núi mấp mô.

Hiệu ứng che chắn gió (wake effect) gây thiệt hại như thế nào đến trang trại gió?
Khi luồng gió đi qua rô-to của tua-bin phía trước, vận tốc gió bị suy giảm và xuất hiện các xoáy nhiễu loạn ở khoảng cách 3 - 7 lần đường kính cánh. Nếu bố trí sai vị trí, các tua-bin phía sau có thể bị suy giảm sản lượng điện từ 10% đến hơn 25% và gia tăng ứng suất mỏi cơ học.

Tại sao nghiên cứu phải sử dụng kết hợp cả MATLAB, WindPRO và WAsP?
MATLAB đóng vai trò là môi trường lập trình và thực thi giải thuật tìm kiếm SFS/PSO linh hoạt. WindPRO cung cấp dữ liệu trích xuất chuẩn công nghiệp, trong khi WAsP được sử dụng làm công cụ kiểm chứng độc lập theo mô hình động lực học dòng chảy CFD được các tổ chức tài chính quốc tế công nhận.

Việc nâng cấp công suất trang trại gió hiện hữu khó hơn thiết kế mới ở điểm nào?
Trong trang trại hiện hữu, vị trí và công suất của các tua-bin cũ (như 20 trụ 1,5 MW ban đầu) là cố định không thể thay đổi. Thuật toán buộc phải tìm kiếm không gian lắp đặt mới thỏa mãn đồng thời các giới hạn ranh giới đất đai và không làm giảm nghiêm trọng hiệu suất của dàn máy cũ.

Tại sao việc chọn tua-bin 2,5 MW lại cho hiệu quả không gian tốt hơn tua-bin 1,5 MW?
Để bổ sung 20 MW công suất, phương án dùng tua-bin 2,5 MW chỉ cần lắp đặt 8 trụ, trong khi dòng 1,5 MW cần tới 14 trụ. Ít trụ hơn giúp tăng khoảng cách giãn cách giữa các tổ máy, giảm thiểu vùng giao thoa che chắn gió và giảm đáng kể diện tích chiếm đất hạ tầng.

Kết luận

  • Luận văn đã xây dựng thành công mô hình toán học tích hợp giữa phân bố Weibull 12 sector, đặc tuyến công suất đa thức bậc 9 và mô hình che chắn Katic - Jensen.
  • Ứng dụng xuất sắc thuật toán Stochastic Fractal Search (SFS) để giải quyết bài toán bố trí tối ưu vị trí tua-bin mở rộng trang trại gió 30 MW lên 50 MW tại Việt Nam.
  • Kết quả mô phỏng cho thấy tổng sản lượng điện thô đạt 163,194 GWh/năm, sản lượng điện thực đạt 150,802 GWh/năm với tổn thất che chắn gió được kiểm soát chặt chẽ ở mức 7,43%.
  • Thuật toán SFS chứng minh tính hiệu quả vượt trội và độ tin cậy cao hơn so với giải thuật tham lam trong phần mềm thương mại WindPRO và giải thuật PSO.
  • Hướng phát triển tiếp theo trong 12 - 24 tháng tới là mở rộng thuật toán cho các trang trại gió ngoài khơi (offshore) và tích hợp các ràng buộc kinh tế - môi trường đa mục tiêu.

Các đơn vị tư vấn, chủ đầu tư và kỹ sư năng lượng tái tạo hãy chủ động ứng dụng các phương pháp tối ưu hóa thông minh vào quy hoạch mặt bằng tua-bin nhằm tối đa hóa hiệu suất đầu tư và đồng hành cùng tiến trình chuyển dịch năng lượng bền vững tại Việt Nam.