Tổng quan nghiên cứu

Thị trường năng lượng tái tạo toàn cầu ghi nhận bước tăng trưởng vượt bậc với hơn 90 GW công suất điện gió lắp đặt mới trong năm 2020, nâng tổng công suất tích lũy toàn cầu lên 743 GW theo báo cáo của Hội đồng Năng lượng Gió Toàn cầu. Tại Việt Nam, cam kết giảm phát thải tại Hội nghị Khí hậu COP26 cùng chủ trương loại bỏ điện than đã thúc đẩy sự chuyển dịch mạnh mẽ sang năng lượng sạch. Tuy nhiên, tính chất bất định và biến thiên nhanh của vận tốc gió đặt ra thách thức lớn đối với bài toán ổn định hệ thống điện và lập lịch điều độ kinh tế.

Đề tài tập trung giải quyết bài toán dự báo ngắn hạn năng lượng gió và tốc độ gió tại Nhà máy phong điện Phương Mai 1, tỉnh Bình Định. Mục tiêu chính là xây dựng, khảo sát và ứng dụng các mô hình mạng nơ-ron nhân tạo tiên tiến trên nền tảng phần mềm MATLAB nhằm nâng cao độ chính xác dự báo công suất phát ra từ các tổ máy turbine.

Phạm vi nghiên cứu được thực hiện tại bán đảo Phương Mai với tọa độ địa lý 109,056721 độ Kinh Đông và 14,0034 độ Vĩ Bắc. Nhà máy có quy mô 11 trụ turbine công suất 2,4 MW, đạt tổng công suất lắp đặt 26,4 MW, đấu nối cấp điện áp 110 kV và cung cấp sản lượng điện ước tính 73,222 GWh mỗi năm với hệ số sử dụng đạt 39,7%. Nghiên cứu có ý nghĩa thực tiễn then chốt trong việc giảm thiểu sai số dự báo, hỗ trợ các kỹ sư vận hành điều độ lưới điện thời gian thực, đáp ứng các tiêu chuẩn kỹ thuật vận hành thương mại theo quy định của Tập đoàn Điện lực Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết mạng nơ-ron nhân tạo và mô hình hóa chuỗi thời gian phi tuyến. Khác với mạng truyền thẳng một lớp hay nhiều lớp truyền thống, bài toán dự báo điện gió đòi hỏi các cấu trúc mạng có khả năng phản ánh tính động học và phụ thuộc thời gian cao. Ba kiến trúc mạng nơ-ron chuyên sâu được lựa chọn và mô hình hóa bao gồm:

  • Mạng nơ-ron tự động hồi quy phi tuyến: Mô hình mô tả hàm hồi quy rời rạc phi tuyến dựa trên các giá trị độ trễ phản hồi trong quá khứ nhằm xấp xỉ chính xác sự biến thiên của chuỗi dữ liệu.
  • Mạng nơ-ron hồi quy lớp: Cấu trúc hồi quy kế thừa từ mạng Elman với vòng phản hồi đơn tại từng lớp ẩn, mang lại đáp ứng động vô hạn đối với dữ liệu chuỗi thời gian.
  • Mạng nơ-ron có độ trễ phân tán: Cấu trúc tích hợp các đường trễ phân tán tại trọng số đầu vào và từng lớp, tạo ra đáp ứng động hữu hạn cho chuỗi tín hiệu.

Các hàm truyền kích hoạt phi tuyến như hàm Log-Sigmoid, hàm Tangent Hyperbolic Sigmoid và hàm tuyến tính Purelin được kết hợp với các thuật toán tối ưu hóa trọng số hiện đại bao gồm Levenberg-Marquardt, Bayesian Regularization và Resilient Backpropagation.

Phương pháp nghiên cứu

Nguồn dữ liệu được trích xuất trực tiếp từ hệ thống giám sát điều khiển và thu thập dữ liệu SCADA tại Nhà máy phong điện Phương Mai 1. Nghiên cứu thực hiện phương pháp chọn mẫu toàn bộ theo chuỗi thời gian với chu kỳ lấy mẫu 30 phút một lần ở độ cao 94m của tháp đỡ turbine. Cỡ mẫu nghiên cứu được phân chia thành 2 trường hợp cụ thể:

  • Trường hợp 1: Tập dữ liệu gồm 744 điểm đo liên tục trong 31 ngày (từ ngày 01/01/2022 đến ngày 31/01/2022).
  • Trường hợp 2: Tập dữ liệu mở rộng gồm 2160 điểm đo trong 90 ngày của toàn bộ quý I năm 2022 (từ ngày 01/01/2022 đến ngày 31/03/2022).

Lý do lựa chọn phương pháp phân tích mạng nơ-ron hồi quy phi tuyến trên nền tảng MATLAB là vì vận tốc gió tại khu vực ven biển Bình Định có độ dao động ngẫu nhiên cao, chịu tác động của gió mùa Đông Bắc và địa hình đồi cát ven biển. Phương pháp xác suất thống kê cổ điển như ARIMA hay làm mịn lũy thừa thường khó bắt kịp các điểm uốn quá độ, trong khi mạng nơ-ron có khả năng học sâu các quy luật phi tuyến phức tạp. Độ chính xác của mô hình được kiểm chứng nghiêm ngặt thông qua hệ thống 6 chỉ số đánh giá sai số gồm sai số tuyệt đối trung bình (MAE), sai số phần trăm tuyệt đối trung bình (MAPE), sai số phần trăm có trọng số (WAPE), sai số bình phương trung bình (MSE), căn bậc hai sai số bình phương trung bình (RMSE) và xu hướng dự báo hướng thực nghiệm (Dstat).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình huấn luyện và kiểm thử mô hình với 5000 chu kỳ lặp (epochs) trên dữ liệu vận hành thực tế đã đem lại các kết quả nổi bật:

Thứ nhất, trong trường hợp nghiên cứu 1 với 744 điểm đo, mô hình mạng nơ-ron tự động hồi quy phi tuyến đạt độ chính xác vượt trội nhất. Giá trị sai số tuyệt đối trung bình MAE của mô hình này đạt 1,717%, thấp hơn đáng kể so với mô hình nơ-ron hồi quy lớp (đạt 2,767%) và mô hình nơ-ron có độ trễ phân tán (đạt 2,163%). Mức cải thiện sai số của mô hình tự hồi quy phi tuyến tương đương với việc giảm hơn 37,9% sai số so với mô hình hồi quy lớp.

Thứ hai, cấu trúc mạng tối ưu đã được xác lập cụ thể qua quá trình thử sai: mô hình tự động hồi quy phi tuyến cho trường hợp 1 đạt hiệu quả cao nhất với 26 nơ-ron lớp ẩn, sử dụng thuật toán Levenberg-Marquardt và hàm truyền Log-Sigmoid. Đối với mô hình độ trễ phân tán, cấu trúc 4 nơ-ron lớp ẩn kết hợp thuật toán Bayesian Regularization cho thấy khả năng hội tụ ổn định.

Thứ ba, trong trường hợp nghiên cứu 2 với 2160 điểm đo kéo dài suốt quý I năm 2022, khi số lượng mẫu tăng gần gấp 3 lần, thuật toán Resilient Backpropagation phát huy hiệu quả tính toán vượt trội trên cấu trúc 7 nơ-ron lớp ẩn đối với mạng tự hồi quy phi tuyến và 31 nơ-ron đối với mạng hồi quy lớp, giúp mô hình bám sát vận tốc gió định mức 12 m/s của nhà máy.

Thảo luận kết quả

Khả năng dự báo vượt bậc của mạng nơ-ron tự hồi quy phi tuyến xuất phát từ cơ chế phản hồi vòng kín của các biến trễ trong quá khứ, giúp bảo toàn thông tin quán tính của dòng khí quyển ven biển Phương Mai. Khi so sánh với các phương pháp thống kê truyền thống như mô hình chuỗi thời gian ARIMA hay phương pháp trung bình trượt thường chỉ dự báo tốt khi chuỗi dừng, các mạng nơ-ron cấu trúc động đã thích ứng linh hoạt với độ lệch tiêu chuẩn vận tốc gió từ 0,6 đến 0,8 m/s ở các tầng độ cao đo đạc từ 12m đến 78m.

Về phương diện trực quan hóa, toàn bộ tập dữ liệu dự báo được biểu diễn qua đồ thị đường đa lớp so sánh trực tiếp đường vận tốc gió đo đạc thực tế từ SCADA với các đường dự báo của từng thuật toán. Các điểm dự báo của mạng tự hồi quy phi tuyến bám khít gần như tuyệt đối vào đường giá trị thực tại hầu hết các đỉnh sóng gió. Bảng tổng hợp sai số định lượng qua 5 thang đo MAE, MAPE, WAPE, RMSE và chỉ số hướng Dstat khẳng định tính ổn định vững chắc của mô hình khi áp dụng vào việc dự báo công suất phát thực tế cho từng tổ máy turbine 2,4 MW.

Đề xuất và khuyến nghị

Dựa trên các phát hiện thực nghiệm, luận văn đưa ra 4 nhóm giải pháp kỹ thuật có tính ứng dụng cao:

  1. Tích hợp trực tiếp thuật toán nơ-ron tự hồi quy phi tuyến vào máy chủ điều khiển SCADA: Đội ngũ kỹ sư vận hành nhà máy cần phối hợp với bộ phận công nghệ thông tin nhúng thuật toán tối ưu hóa vào hệ thống SCADA trước quý IV năm 2023, tự động hóa chu kỳ dự báo công suất 30 phút một lần nhằm hạ thấp sai số dự báo vận hành thực tế xuống dưới ngưỡng 1,5%.
  2. Chuẩn hóa và mở rộng kho ngữ liệu đo đạc khí tượng: Ban quản lý kỹ thuật của nhà máy phong điện cần tiến hành số hóa liên tục và lưu trữ chuỗi dữ liệu đa năm từ 2160 điểm đo lên mức tối thiểu 17520 điểm đo (tương đương 1 năm vận hành hoàn chỉnh) trong vòng 6 tháng tới để nâng cao độ tin cậy của mạng nơ-ron đối với cả mùa gió Tây Nam lẫn mùa gió Đông Bắc.
  3. Thiết lập quy trình phối hợp dự báo thị trường điện thời gian thực: Ban điều hành nhà máy cần chuẩn hóa quy trình gửi dữ liệu dự báo trước 1 giờ tới Trung tâm Điều độ Hệ thống điện Quốc gia, phấn đấu giảm thiểu tỷ lệ phạt sai lệch công suất phát xuống mức dưới 2% tổng doanh thu bán điện hàng năm.
  4. Đào tạo chuyên sâu về trí tuệ nhân tạo cho đội ngũ kỹ sư điện: Doanh nghiệp chủ quản cần tổ chức chương trình đào tạo chuyên môn 40 giờ về kỹ thuật học máy và xử lý dữ liệu lớn cho 100% kỹ sư vận hành tại trạm trong quý I năm 2024 để chủ động hiệu chỉnh tham số nơ-ron khi có thay đổi phần cứng turbine.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị thực tiễn và học thuật cho 4 nhóm đối tượng trọng tâm:

  1. Kỹ sư vận hành và điều độ viên nhà máy điện gió: Luận văn cung cấp cẩm nang chi tiết về tham số cấu hình mạng nơ-ron, quy trình huấn luyện trên MATLAB và phương pháp dự báo công suất cho 11 tổ máy turbine 2,4 MW, hỗ trợ giảm áp lực vận hành trạm biến áp 35/110 kV 33 MVA.
  2. Giảng viên và nhà nghiên cứu chuyên ngành Kỹ thuật điện - Năng lượng tái tạo: Tài liệu là nguồn tham khảo học thuật giá trị về mô hình hóa toán học chuỗi thời gian, cung cấp dữ liệu thực nghiệm so sánh đa mô hình trí tuệ nhân tạo trên điều kiện khí hậu thực tế tại miền Trung Việt Nam.
  3. Học viên cao học và sinh viên ngành Hệ thống điện, Tự động hóa và Trí tuệ nhân tạo: Đề tài là bài mẫu chuẩn mực về phương pháp luận xử lý dữ liệu SCADA, kỹ thuật chọn số nơ-ron lớp ẩn và đánh giá sai số qua hệ thống chỉ số MAE, RMSE, Dstat.
  4. Doanh nghiệp đầu tư và cơ quan quản lý năng lượng: Cung cấp bức tranh thực tế về tiềm năng phát triển phong điện ven biển Bình Định, hỗ trợ tính toán hiệu quả kinh tế và độ khả thi của dự án điện gió thương mại công suất 26,4 MW.

Câu hỏi thường gặp

Mô hình tự động hồi quy phi tuyến có ưu điểm gì vượt trội so với các mạng nơ-ron truyền thẳng truyền thống?

Mô hình tự động hồi quy phi tuyến tích hợp các biến trễ phản hồi từ chuỗi thời gian trong quá khứ, giúp mạng học được mối liên hệ động lực học của sức gió thay vì chỉ xử lý độc lập từng điểm dữ liệu tĩnh, nhờ đó giảm sai số MAE xuống mức 1,717%.

Cỡ mẫu 744 điểm đo và 2160 điểm đo có đủ độ tin cậy để huấn luyện mô hình mạng nơ-ron không?

Cỡ mẫu 744 điểm (31 ngày) và 2160 điểm (90 ngày) với chu kỳ đo 30 phút một lần cung cấp đầy đủ các biến động thời tiết theo chu kỳ ngày đêm và chuyển mùa, đủ điều kiện để các thuật toán hội tụ tối ưu trong 5000 chu kỳ lặp.

Đặc điểm quy mô và thông số phát điện của Nhà máy phong điện Phương Mai 1 như thế nào?

Nhà máy có tổng công suất 26,4 MW gồm 11 turbine gió 2,4 MW đặt trên trụ đỡ cao 94m, kết nối hệ thống trạm biến áp nâng áp 35/110 kV 33 MVA với sản lượng thiết kế trung bình 73,222 GWh mỗi năm.

Chỉ số Dstat phản ánh khía cạnh nào trong chất lượng của mô hình dự báo?

Chỉ số Dstat đo lường tỷ lệ phần trăm dự báo chính xác xu hướng biến động tăng hoặc giảm của vận tốc gió so với thực tế, giá trị Dstat càng cao chứng minh mô hình nắm bắt rất nhạy bén chiều hướng thay đổi của thời tiết.

Mô hình dự báo đề xuất có thể áp dụng cho các trang trại điện gió khác tại Việt Nam hay không?

Quy trình xây dựng mạng nơ-ron và phương pháp tối ưu hóa tham số trong nghiên cứu hoàn toàn có thể chuyển giao và áp dụng rộng rãi cho các nhà máy điện gió trên bờ và ngoài khơi khác trên khắp cả nước.

Kết luận

  • Luận văn đã chứng minh tính hiệu quả vượt trội của mạng nơ-ron tự động hồi quy phi tuyến trong bài toán dự báo ngắn hạn năng lượng gió và tốc độ gió tại Nhà máy phong điện Phương Mai 1.
  • Kết quả kiểm chứng thực nghiệm chỉ ra mô hình đạt sai số MAE tối ưu ở mức 1,717% với tập dữ liệu 744 điểm đo và duy trì độ ổn định cao trên tập dữ liệu 2160 điểm đo.
  • Công trình đã xây dựng thành công bộ tham số cấu hình chuẩn cho các thuật toán huấn luyện Levenberg-Marquardt, Bayesian Regularization và Resilient Backpropagation trên nền tảng MATLAB.
  • Lộ trình tiếp theo bao gồm việc triển khai tích hợp mô hình vào phần mềm điều khiển SCADA và mở rộng kho dữ liệu huấn luyện lên 17520 điểm đo trong vòng 6 đến 12 tháng tới.
  • Các đơn vị quản lý vận hành năng lượng tái tạo và nhà nghiên cứu được khuyến khích khai thác cấu trúc mô hình này để tối ưu hóa công tác điều độ và hòa lưới điện quốc gia an toàn, hiệu quả.