Nghiên cứu phương pháp dự báo sản lượng điện của nhà máy điện mặt trời

Trong nghiên cứu này, các tác giả sử dụng phương pháp thống kê dự báo sản lượng điện của nhà máy điện mặt trời dựa trên số liệu về nhiệt độ không khí và số giờ mưa. Nghiên cứu được áp dụng dự báo sản lượng điện cho nhà máy điện mặt trời áp mái cống suất 750kWp tại huyện Tiện Lữ, tỉnh Hưng Yên.

Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 NGHIÊN CỨU PHƯƠNG PHÁP DỰ BÁO SẢN LƯỢNG ĐIỆN CỦA NHÀ MÁY ĐIỆN MẶT TRỜI Trịnh Quốc Công1, Hồ Ngọc Dung1 Trường Đại học Thủy lợi, email: Cong_tq@tlu.edu.vn GIỚI THIỆU CHUNG Việt Nam đánh giá quốc gia có tiềm lớn lượng mặt trời Theo ước tính, sản lượng điện mặt trời đạt 842 triệu MWh/năm đứng thứ hạng 66/248 giới tiềm Trong năm gần đây, chế khuyến khích phát triển lượng tái tạo Việt Nam mang lại phát triển bùng nổ lượng tái tạo nói chung điện mặt trời nói riêng Đến thời điểm tại, tổng công suất lắp đặt điện mặt trời nước đạt tới khoảng 19.400 MWp (trong có gần 9.300 MWp điện mặt trời mái nhà), tương ứng khoảng 16.500 MW, chiếm khoảng 25% tổng công suất lắp đặt nguồn điện hệ thống điện quốc gia Các dự án điện mặt trời đóng góp lớn vào việc đảm bảo an ninh lượng quốc gia, góp phần phát triển đất nước Tuy nhiên với phát triển nhanh kể số lượng dự án, tổng công suất lắp đặt sản lượng điện nên công tác vận hành hệ thống điện gặp khó khăn Để có sở phối hợp vận hành hợp lý nguồn điện hệ thống cần có cơng tác dự báo cơng suất sản lượng điện nhà máy điện hệ thống, đặc biệt công tác dự báo ngắn trung hạn sản lượng điện nhà máy điện mặt trời Dự báo sản lượng điện nhà máy điện mặt trời dùng hai phương pháp: i Dự báo sản lượng điện thông qua dự bảo xạ, sử dụng mơ hình tính tốn để xác định điện lượng theo xạ dự báo; ii Dự báo sản lượng điện trực tiếp từ u tố thời tiết nhiệt độ khơng khí, số mưa, điều kiện sương mù, đám mây vv Dự báo sản lượng điện theo yêu tố thời tiết dễ thực có số liệu thời tiết lưu trữ trạm khí tượng trang web dự báo uy tín Trong nghiên cứu này, tác giả sử dụng phương pháp thống kê dự báo sản lượng điện nhà máy điện mặt trời dựa số liệu nhiệt độ khơng khí số mưa Nghiên cứu áp dụng dự báo sản lượng điện cho nhà máy điện mặt trời áp mái cống suất 750kWp huyện Tiện Lữ, tỉnh Hưng Yên PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Tính tốn tiềm năng lượng mặt trời [1] Điện sản xuất khoảng ti ngày tính theo cơng thức: (1) E SPV ,i  N mod ul ,i Z t. SPV Trong đó: Nmodul, Z, Δt, ηSPV - tương ứng công suất phát, số lượng modul, thời gian phát điện hiệu suất thời đoạn i ngày nhà máy điện mặt trời Thành phần công suất phát điện pin công thức (1) xác định vào đường đặc tính cơng suất pin: (2) N mod ul ,i  f G  ,tt ,i , N mod ul ,G   Trong đó: G ,tt ,i tổng xạ chiếu xuống bề mặt pin N mod ul ,G công suất phát điện ứng với cường độ xạ chiếu tới bề mặt pin nhà sản xuất cung cấp Đối với cơng trình lắp đặt, sản lượng điện phát thời đoạn i phụ thuộc vào tổng xạ chiếu xuống bề mặt pin Tổng xạ phụ thuộc nhiều vào điều kiện thời tiết điều kiện nắng, mưa, 294  Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 sương mù vv… nên công suất phát sản lượng điện nhà máy điện mặt trời phụ thuộc vào yếu tố thời tiết Trong yếu tố thời tiết có hai yêu tố ảnh hưởng chủ yếu đến sản lượng điện nhà máy điện mặt trời nhiệt độ không khí trung bình số mưa ngày Từ sử dụng phương pháp thống kê trí tuệ nhân tạo để xác định tương quan yếu tố thời tiết với sản lượng điện làm sở dự báo sản lượng phát nhà máy điện mặt trời 2.2 Phương pháp hồi quy đa biến [2] Với phát triển khoa học tính tốn, mơ hình dự báo đại thuộc lĩnh vực trí tuệ nhân tạo ứng dụng nhiều lĩnh vực khác Tuy nhiên mơ hình thơng kê sử dụng nhiều phát huy hiệu mô hình khơng q phức tạp Phương pháp hồi quy đa biến sử dụng nghiên cứu để xây dựng mơ hình dự báo sản lượng điện dựa vào yếu tố nhiệt độ khơng khí trung bình số mưa ngày Mơ hình hồi qui đa biến nghiên cứu mối quan hệ biến phụ thuộc Y vào số biến tiên lượng X1, X2, , Xk Phương trình có dạng Y = 0 + 1X1 + 2X2 + … +kXk +  (3) Trong đó: 1, 2, , k: Hệ số hồi quy : Phần dư mơ hình Các hệ số hồi quy xác định dựa số liệu thực tế đo khứ Hàm hồi quy ứng với số liệu thực tế sau: (4) Yµ= b0 + b1X1 + b2X2 +… + bkXk b1, b2,…, bk: ước số β1, β2, …, βk e = Y - Yµ : Hiệu số giá trị quan sát giá trị tiên lượng Từ số liệu thực đo, giá trị βi xác định phương pháp bình phương tối thiểu tổng giá trị e2 k k n ˆ L   i 1 ei2  i 1( Yi     i 1 ij X ij )  (5) hay: L k ˆ  n  ˆ X )0  2 i 1( Yi   i 1 ij ij 0 j (6) L k ˆ  n  ˆ X ) X  (7)  2 i 1( Yi   ij i 1 ij ij  j j = 1,…n Giải hệ phương trình xác định hệ số hồi quy βi Sau xác định hệ số hồi quy phương trình tiên lượng, cần tiến hành đánh giá, kiểm định mô hình Trong nghiên cứu phương pháp phân tích phương sai sử dụng để đánh giá phù hợp mơ hình dự báo Độ xác kết dự báo điện lượng đánh giá thông qua trị số sai số quân phương (RMSE) phần trăm sai số tuyệt đối trung bình (MAPE) KẾT QUẢ NGHIÊN CỨU Sử dụng phương pháp hồi qui đa biến xác định mơ hình dự báo sản lượng điện trung bình ngày với yêu tố nhiệt độ trung bình ngày số mưa nhà máy điện mặt trời áp mái công suất 750kWp huyện Tiên Lữ, tỉnh Hưng Yên Số liệu sử dụng số liệu quan sát từ ngày 01 tháng đến ngày 31 tháng nhiệt độ trung bình ngày, số mưa ngày sản lượng điện trung bình ngày Theo quan sát, nhà máy điện mặt trời bắt đầu phát điện từ khoảng sáng đến chiều nên để tránh gây nhiễu cho mơ hình, nhiệt độ trung bình ngày số mưa ngày tính khoảng thời gian từ sáng đến chiều Số liệu nhiệt độ trung bình ngày số mưa từ tháng đến tháng lấy từ website: https://www.wunderground.com/ [3] Điện lượng trung bình ngày từ tháng đến tháng lấy từ số liệu vận hành nhà máy có website: https://www.isolarcloud.com [4] Phương trình hồi qua đa biến mơ tả phụ thuộc điện lượng với yếu tố nhiệt độ trung bình ngày số mưa ngày ứng với số liệu quan sát thực tế sau: En = b0 + b1X1 + b2X2 295 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 Trong đó: En: Điện lượng trung bình ngày; X1: Nhiệt độ trung bình ngày; X2: Số mưa ngày; b1, b2: Các hệ số hồi quy Sử dụng ngơn ngữ lập trình R tính tốn hệ số hồi quy kiểm định, đánh giá mơ hình cho kết sau: Kết tính tốn cho thấy giá trị dự báo giá trị thực tế điện lượng sai số khơng lớn, dùng kết dự báo phục vụ công tác vận hành nhà máy điện mặt trời hệ thống điện Bảng Bảng tổng hợp kết tính tốn Sai số Giá trị P chuẩn b0 2.940 0.78 2.80e-13 b1 0.201 0.024 9.81e-13 b2 0.197 0.039 2.51e-06 Hệ số xác định mơ hình R2 = 0.72 TT Hệ số Giá trị Hình Đường trình điện lượng KẾT LUẬN Phương trình tiên lượng (dự báo) sản lượng điện nhà máy điện mặt trời với yếu tổ nhiệt độ trung bình ngày (X1) số mưa (X2) sau: En = -2.9 + 0.201X1 – 0.197X2 Kết tính tốn cho thấy giá trị điện lượng ngày đồng biến với số nắng trung bình ngày nghịch biến với số mưa Giá trị P bảng kết cho thấy mô hình có ý nghĩa thống kê giá trị P nhỏ nhiều giá trị tham chiếu 0.05 Hệ số xác định R2 cho thấy hai yêu tố nhiệt độ trung bình ngày số mưa ảnh hưởng đến 72% khác biệt sản lượng điện trung bình ngày nhà máy điện mặt trời nghiên cứu Ứng dụng mơ hình dự báo cho ngày đầu tháng năm 2021, so sánh với kết thực đo ta có bảng so sánh sau: Ngày o Nhiệt độ ( C) 28.0 32.2 32.8 33.2 34.0 35.1 35.4 30.9 Trong năm gần đây, với chế khuyến khích phát triển, lượng tái tạo nói chung điện mặt trời nói riêng phát triển nhanh nước ta gây khó khăn cho việc vận hành hệ thống điện Để có sở vận hành hệ thống điện hợp lý cần có cơng cụ dự báo sản lượng điện nhà máy điện mặt trời ngắn trung hạn Phương pháp hồi quy đa biến dự báo sản lượng điện trung bình ngày thông qua yêu tố dự báo thời tiết nhiệt độ trung bình ngày số mưa cho kết khả phù hợp Để tăng độ xác mơ hình, ngồi u tố nhiệt độ trung bình số mưa cần tính tốn thêm yêu tố vế điều kiện thời tiết điều kiện mây, điều kiện sương mù, điều kiện độ ẩm phân mùa thời tiết Tất yêu tố có tin dự báo thời tiết dễ dàng sử dụng làm công tác dự báo sản lượng điện nhà máy điện mặt trời vận hành hệ thống Số mưa 5.0 0.0 0.0 0.0 0.0 0.0 0.0 6.0 TÀI LIỆU THAM KHẢO 1.8 3.6 3.7 3.8 3.9 4.2 4.2 2.1 [1] Kandasamy CP, Prabu P, Niruba K (2013) Solar Potential Assessment Using PVSYST Software IEEE 667-672 [2] Bradley Boehmke & Brandon Greenwell, 2020, Hands-On Machine Learning with R, CRC [3] https://www.wunderground.com/ Bảng So sánh điện lượng dự báo thực đo E dự báo (MWh) E Thực tế (MWh) 1.5 3.4 4.0 3.8 3.7 3.6 4.1 1.7 Kết dự báo điện lượng có: Sai số quân phương: RMSE = 0.31MWh Phần trăm sai số tuyệt đối trung bình: MAPE = 10.1% [4] 296 https://www.isolarcloud.com/  ... nên công suất phát sản lượng điện nhà máy điện mặt trời phụ thuộc vào yếu tố thời tiết Trong yếu tố thời tiết có hai u tố ảnh hưởng chủ yếu đến sản lượng điện nhà máy điện mặt trời nhiệt độ khơng... ngày Từ sử dụng phương pháp thống kê trí tuệ nhân tạo để xác định tương quan yếu tố thời tiết với sản lượng điện làm sở dự báo sản lượng phát nhà máy điện mặt trời 2.2 Phương pháp hồi quy đa... định mơ hình R2 = 0.72 TT Hệ số Giá trị Hình Đường trình điện lượng KẾT LUẬN Phương trình tiên lượng (dự báo) sản lượng điện nhà máy điện mặt trời với yếu tổ nhiệt độ trung bình ngày (X1) số mưa