Tối ưu hoá chế độ vận hành của hệ thống điện mặt trời, điện gió kết hợp pin lưu trữ sử dụng phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp

Bài viết Tối ưu hoá chế độ vận hành của hệ thống điện mặt trời, điện gió kết hợp pin lưu trữ sử dụng phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp trình bày việc tính toán phân chia công suất tối ưu cho một hệ thống lưới điện siêu nhỏ gồm có pin mặt trời, tuabin gió, pin lưu trữ bằng cách sử phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp (MILP).

KHOA HỌC CÔNG NGHỆ P-ISSN 1859-3585 E-ISSN 2615-9619 TỐI ƯU HOÁ CHẾ ĐỘ VẬN HÀNH CỦA HỆ THỐNG ĐIỆN MẶT TRỜI, ĐIỆN GIÓ KẾT HỢP PIN LƯU TRỮ SỬ DỤNG PHƯƠNG PHÁP QUY HOẠCH TUYẾN TÍNH NGUYÊN THỰC HỖN HỢP OPTIMAL OPERATION OF SOLAR/WIND TURBINE SYSTEM COMBINED WITH BATTERY USING MIXED-INTEGER LINEAR PROGRAMMING Nguyễn Thị Hoài Thu1,*, Phạm Năng Văn1, Đinh Tuấn Anh1 DOI: https://doi.org/10.57001/huih5804.2023.039 TÓM TẮT Trong năm gần đây, lượng tái tạo ngày phát triển trở thành xu thế, việc sử dụng lượng tái tạo hệ thống điện trở nên phổ biến Từ phát sinh nhiều vấn đề hệ thống như: cần phân bổ thời gian hoạt động nguồn cho hợp lí, cần mua bán điện thời điểm thích hợp Do báo chúng tơi tính tốn phân chia cơng suất tối ưu cho hệ thống lưới điện siêu nhỏ gồm có pin mặt trời, tuabin gió, pin lưu trữ cách sử phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) Hàm mục tiêu toán xác định công suất ngày tới nguồn, công suất sạc, xả pin lưu trữ cho chi phí bán điện từ hệ thống lớn giá điện thay đổi ngày Từ kết mô cho thấy sử dụng phương pháp MILP đem lại kết đáng tin cậy, có tính khả thi áp dụng thực tế GIỚI THIỆU Từ khóa: Ngun thực tuyến tính hỗn hợp, tối ưu hoá, pin mặt trời, pin lưu trữ, tuabin gió, chế độ vận hành Để vận hành hệ thống MG này, cần tối ưu hóa cơng suất sạc/xả pin lưu trữ công suất trao đổi với lưới Trong nghiên cứu trước đây, Dufo-López [3] trình bày chiến thuật phân phối công suất sử dụng thuật toán di truyền (GA) cho hệ thống điện mặt trời/gió/thủy điện/diesel/hệ thống hydrogen Trong [4], tác giả sử dụng phương pháp quy hoạch động để giải toán tối ưu M Yousif áp dụng phương pháp tối ưu bầy đàn (PSO) cho hệ thống MG phân tán [5] ABSTRACT In recent years, renewable energy was increasingly developing and becoming a trend, it became popular in the power system As a result, many problems arise such as the operating time of the sources needing to be allocated reasonably, and how to trade energy appropriately, Therefore, in this article, we have calculated the optimal power distribution for a microgrid system consisting of a solar panel, a wind turbine, and storage batteries by using the Mixed-integer linear programming (MILP) method The objective function of the problem is to determine the day-ahead hourly capacity of the sources, and the charging and discharging capacity of the storage battery so that the profit from the system is the largest when the power price changes during the day From the simulation results, it is shown that using the MILP method brings reliable results, proving it is feasible in reality Keywords: Mixed-integer linear programming, optimising, solar panel, storage battery, wind turbine, operation mode Trường Điện - Điện tử, Đại học Bách khoa Hà Nội * Email: thu.nguyenthihoai@hust.edu.vn Ngày nhận bài: 21/10/2022 Ngày nhận sửa sau phản biện: 03/02/2023 Ngày chấp nhận đăng: 15/3/2023 Ngày nay, với nhu cầu sử dụng lượng nói chung điện nói riêng ngày tăng cao cộng thêm việc nhiên liệu hóa thạch truyền thống dần cạn kiệt việc sử dụng lượng tái tạo (RE) dần trở thành xu Do quốc gia tập trung trọng phát triển lượng tái tạo cố gắng tận dụng triệt để nguồn tài nguyên vô tận [1, 2] Tuy nhiên hệ thống điện gió, điện mặt trời có nhược điểm có tính bất định cao, để tăng tỉ lệ RE hệ thống điện cần kết hợp nguồn lượng với pin lưu trữ tạo thành lưới siêu nhỏ (MG) MG vận hành chế độ độc lập nối lưới Các phương pháp tối ưu có ưu điểm xét với hệ thống phi tuyến tính, kết tối ưu địa phương Xét toán với giả thiết hiệu suất inverter khơng đổi, tốn trở thành tuyến tính Do đó, nghiên cứu đề xuất sử dụng phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) cho kết tối ưu tồn cục để tính tốn nghiên cứu phân chia công suất tối ưu cho hệ thống lưới điện siêu nhỏ gồm có điện mặt trời, tuabin gió, pin lưu trữ MƠ HÌNH HỆ THỐNG Với đặc tính nguồn lượng tái tạo cơng suất phát hồn tồn phụ thuộc vào điều kiện thiên nhiên (vận tốc gió, xạ mặt trời), khơng đảm bảo cung cấp điện cho phụ tải Xu giới thường kết hợp lưu trữ lượng với hệ thống 52 Tạp chí KHOA HỌC VÀ CƠNG NGHỆ ● Tập 59 - Số 2A (3/2023) Website: https://jst-haui.vn SCIENCE - TECHNOLOGY P-ISSN 1859-3585 E-ISSN 2615-9619 lượng tái tạo [6] Ngoài hệ thống lượng tái tạo kết nối với lưới để khắc phục nhược điểm Hệ thống lưu trữ đa dạng phong phú cần có khả đáp ứng nhanh giải vấn đề thiếu thừa lượng có thay đổi thời tiết thay đổi phụ tải [7] Hình mơ hình tổng quan hệ thống sử dụng nghiên cứu Hệ thống nghiên cứu có kết nối với lưới nhằm trao đổi cơng suất với lưới từ tạo lợi nhuận mặt kinh tế thông qua việc mua bán điện Lưới điện có trạng thái nhận công suất bơm công suất cho hệ thống Việc bán điện cho lưới bị giới hạn: để giảm thiểu việc xâm nhập lượng tái tạo vào hệ thống nhằm gây ổn định tần số, biến động mạnh thị trường điện V(t) ≤ V V < V(t) < V V ≤ V(t) < V V(t) ≥ V a V(t) − b Pđ P= Pđ Pđ ⎧a = ⎪ V −V V ⎨ ⎪b = V −V ⎩ (1) (2) Trong đó: V(t): vận tốc gió thời điểm t (m/s) V : vận tốc gió nhỏ thời điểm t (m/s) V : vận tốc gió lớn thời điểm t (m/s) V : vận tốc gió cho cơng suất định mức điện gió (m/s) 2.2 Pin mặt trời Khả phát công suất pin quang điện phụ thuộc vào lượng xạ mặt trời chiếu tới Bên cạnh cịn phụ thuộc vào nhiệt độ pin Đặc tính phát cơng suất pin quang điện biểu diễn công thức (3) [9] Thông số mẫu pin quang điện thể bảng [10] PPV = PđmPV đ [1+NT.(Tc-Ttc )] (3) Tc = Ta + (4) Bảng Thơng số mơ hình điện mặt trời Hình Mơ hình hệ thống siêu nhỏ Sđm 2.1 Tua bin gió Hệ thống điện gió có vai trị quan trọng hệ thống nghiên cứu, nguồn cung cấp cơng suất lớn tồn hệ thống Khả phát cơng suất tuabin gió phụ thuộc vào vận tốc gió thời điểm Khi vận tốc gió vượt qua vận tốc nhỏ để phát cơng suất (Vi), tuabin gió bắt đầu sản sinh cơng suất điện Khi vận tốc gió q vận tốc tối đa (Vo), tuabin gió ngừng phát cơng suất để bảo vệ tuabin Thơng số tuabin gió cho bảng [8] Bảng Thông số mô hình kỹ thuật tua bin gió Pđm Vi Vo Vr 4,6 2,4 20 10,3 0,87 NT -0,00485 Ttc 25 NOCT 48 PđmPV 0,9 Trong đó: PPv: Cơng suất pin mặt trời (kW) PđmPV: Công suất định mức pin mặt trời (kW).  S: Bức xạ mặt trời (kW/m2).  Sđm: Bức xạ mặt trời sinh công suất tối đa (kW/m2).  Ttc: Nhiệt độ tiêu chuẩn (˚C).  NT: Hệ số công suất nhiệt ( ) ˚ Tc: Nhiệt độ tế bào quang điện (˚C).  Ta : Nhiệt độ không khí (˚C) NOCT: Nhiệt độ hoạt động bình thường tế bào quang điện (˚C) Trong đó: 2.3 Hệ thống lưu trữ lượng Pđm: Công suất định mức tuabin gió (kW) Mơ hình hệ thống tích hợp pin lưu trữ để đảm bảo đáp ứng cấp điện cho phụ tải cách nhanh chóng liên tục Vi: Vận tốc gió nhỏ để tuabin gió phát cơng suất (m/s) Vo: Vận tốc gió lớn để tuabin gió phát cơng suất (m/s) Vr: Vận tốc gió để tuabin gió phát công suất định mức (m/s) η: Hiệu suất inverter Đặc tính cơng suất phát tuabin thể công thức (1) Website: https://jst-haui.vn Trạng thái vận hành pin lưu trữ (nạp hay xả) phụ thuộc vào chiến thuật phân chia công suất hệ thống Trong trường hợp chung pin nạp điện cơng suất điện sản sinh từ nguồn lượng tái tạo lớn công suất tiêu thụ tải xả công suất tiêu thụ tải lớn cơng suất sinh Phương trình lượng pin lưu trữ thời điểm (t) biểu diễn theo công thức (5) Vol 59 - No 2A (March 2023) ● Journal of SCIENCE & TECHNOLOGY 53 KHOA HỌC CÔNG NGHỆ (t) = E E + P P-ISSN 1859-3585 E-ISSN 2615-9619 (t) (1 − σ) (t − 1) η η − ( ) Δt (5) Với: η = 95%, η = 95%, η : Công suất pin lưu trữ (Wh) P P : Công suất sạc pin lưu trữ (W) P : Công suất xả pin lưu trữ (W) η : Hiệu suất inverter η : Hiệu suất sạc pin lưu trữ P lưới (kW) MƠ HÌNH BÀI TỐN Với mục tiêu tối đa hóa lợi nhuận thu thơng qua việc mua bán điện chi phí bán điện trừ chi phí mua điện, toán xây dựng với hàm mục tiêu ràng buộc sau: 3.1 Hàm mục tiêu +C (1 − s)]} (6) Trong đó: : Giá bán điện (C/kWh) : Giá mua điện (C/kWh) s = bán điện (P s = mua điện (P > 0) < 0) 3.2 Ràng buộc - Ràng buộc cân công suất hệ thống: - Ràng buộc lượng hệ thống pin lưu trữ: Để đảm bảo ngày hôm sau pin có lượng để đáp ứng nhu cầu tải nên lượng pin không đổi sau ngày: E(0) = E(24) − p = P (10) Với giả thiết hiệu suất inverter khơng đổi, tốn phân chia công suất cho lưới siêu nhỏ trở thành tốn quy hoạch tuyến tính Vì vậy, phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) đề xuất để giải toán Bài toán tuyến tính ngun thực hỗn hợp tốn quy hoạch tuyến tính, có vài biến số nguyên Nếu tất biến nguyên phải có giá trị nhị phân 0/1 tốn gọi 0/1 MILP Bài toán MILP xây dựng dạng sau: z = ∑ c x Cân công suất điều kiện bắt buộc để hệ thống điện hoạt động chế độ xác lập Trong hệ thống PV/Wind/Battery nối lưới, Battery vừa đóng vai trò nguồn cung cấp vừa tải tiêu thụ Quy ước P dương pin xả P âm pin sạc P dương hệ thống bán điện cho lưới P âm hệ thống mua điện từ lưới Phương trình cân cơng suất hệ mô tả theo công thức (7): P (t) + P (t) − P (t) + P : Công suất tối đa hệ thống truyền vào THUẬT TỐN QUY HOẠCH TUYẾN TÍNH NGUN THỰC HỖN HỢP (MILP) Tối đa hóa lợi nhuận thu ngày (24h): [C (9) Trong đó: σ: Hiệu xuất tự xả hàng Max {∑ P (t) ≤ P P (t): Công suất hệ thống truyền vào lưới thời điểm t (kW) η : Hiệu suất xả pin lưu trữ C C - Ràng buộc giới hạn công suất bán điện cho lưới: Năng lượng tái tạo nguồn lượng có tinh bất định cao nên nối nguồn lượng vào lưới điện hệ thống gặp vấn đề kỹ thuật Do việc giới hạn cơng suất truyền vào lưới từ hệ thống lượng tái tạo nhằm giúp cho hệ thống hoạt động ổn định: = 95%, σ = 0,0002 Trong đó: E E (t): Mức lượng hệ thống pin lưu trữ t (kWh) Thỏa mãn ràng buộc: ∑ a ∑ a x ≥ b ; i=1,2,…,m ∑ a x ≤b x ≥ x ∈N (7) x = b ; i=1,2,…,m ; i=1,2,…m ; j=1,2,…,n ; j=1,2,…,n ( n ≤ n ) Trong đó, N sử dụng để mơ tả tập {0,1,2, } Trong p lượng cơng suất thừa không sử dụng hệ thống lượng tái tạo cung cấp đủ cho phụ tải, bán cho lưới max pin đầy Chi tiết thuật tốn để giải tốn MILP tham khảo tài liệu [11] - Ràng buộc giới hạn kỹ thuật hệ thống pin lưu trữ lượng: 5.1 Dữ liệu đầu vào toán E ≤ E (t) ≤ E (8) Trong đó: E : Mức lượng tối đa hệ thống pin lưu trữ (kWh) E : Mức lượng tối thiểu hệ thống pin lưu trữ (kWh) KẾT QUẢ VÀ THẢO LUẬN 5.1.1 Dữ liệu đầu vào pin mặt trời Giả sử có liệu dự báo ngày tới nhiệt độ khơng khí, lượng xạ mặt trời chiếu tới hình 2, 5.1.2 Dữ liệu đầu vào tua bin gió Tương tự, giả sử vận tốc gió ngày tới dự báo biểu diễn theo hình 54 Tạp chí KHOA HỌC VÀ CƠNG NGHỆ ● Tập 59 - Số 2A (3/2023) Website: https://jst-haui.vn SCIENCE - TECHNOLOGY P-ISSN 1859-3585 E-ISSN 2615-9619 5.2 Kết Với hiệu suất inverter ứng với pin mặt trời 0.9, hiệu suất inverter ứng với tuabin gió 0.87, cơng suất nguồn điện mặt trời, điện gió cơng suất tải mơ tả hình Hình Nhiệt độ ngày tới Hình Cơng suất nguồn điện mặt trời, điện gió phụ tải ngày Hình Bức xạ mặt trời ngày tới Do hệ thống xét hệ thống siêu nhỏ việc giới hạn công suất mua bán lưới yếu tố khách quan khác, báo xét đến hai trường hợp: - Trường hợp 1: Lưới không nhận công suất từ hệ thống - Trường hợp 2: Lưới nhận công suất tối đa 2kW 5.2.1 Trường hợp 1: Lưới không mua điện từ hệ thống siêu nhỏ Hình Vận tốc gió ngày tới 5.1.3 Dữ liệu giá mua bán điện Giả sử liệu giá mua bán điện ngày dự báo tính hình Do hệ thống siêu nhỏ khơng thể bán điện cho lưới, nhiên, thiếu công suất cấp cho tải, hệ thống mua từ lưới để bù vào Kết hàm mục tiêu -35.76, nghĩa sau ngày hệ thống 35,76 Cent để hoạt động bình thường Giá mua bán điện vào lúc cao điểm, mà tải thời điểm lớn so với thời điểm khác ngày, tăng giá Ngược lại, vào khoảng thời gian thấp điểm, giá mua bán giảm Hình Cơng suất trao đổi lượng pin ngày trường hợp Hình Giá mua bán điện ngày 5.1.4 Dữ liệu phụ tải Giả sử công suất phụ tải dự báo mơ tả theo hình Hình Cơng suất mua từ lưới lượng công suất thừa ngày trường hợp Hình Cơng suất phụ tải ngày Website: https://jst-haui.vn Hình mơ tả cơng suất trao đổi lượng pin lưu trữ theo Theo đó, vài đầu nguồn bao gồm điện gió khơng thể cung cấp đủ công suất cho tải, pin lưu trữ phải xả lượng để bù vào Tuy nhiên, sau Vol 59 - No 2A (March 2023) ● Journal of SCIENCE & TECHNOLOGY 55 KHOA HỌC CƠNG NGHỆ nguồn cung cấp đủ cho phụ tải nên pin lưu trữ tích trữ lượng đạt giới hạn lượng tối đa vào lúc 10 Do hệ thống siêu nhỏ cung cấp đủ lượng cho tải nên phải mua điện từ lưới để bù công suất cịn thiếu hụt Để tối thiểu lượng chi phí, hệ thống có xu hướng mua điện vào thời gian thấp điểm (giá mua thấp) (hình 9) Do khơng thể bán điện cho lưới, thêm vào pin lưu trữ sạc đầy nên khoảng thời gian đầu xuất công suất không sử dụng, dẫn tới lãng phí lượng 5.2.2 Trường hợp 2: Cơng suất trao đổi với lưới tối đa 2kW Kết hàm mục tiêu đạt giá trị -28,04, hệ thống siêu nhỏ cần trả 28,04 Cent để hoạt động bình thường Công suất trao đổi lượng pin pin lưu trữ mô tả hình 10 Tương tự trường hợp 1, khoảng thời gian đầu nguồn cung cấp đủ cho phụ tải nên pin xả lượng để bù công suất Tuy nhiên bán điện cho lưới, để tối ưu hố lợi nhuận, pin có xu hướng sạc lượng vào thời gian thấp điểm, bán vào cao điểm Do đó, trường hợp này, cơng suất thừa khơng xuất (hình 11) Tuy nhiên, nửa sau ngày, công suất nguồn không đủ để cấp công suất cho phụ tải nên hệ thống siêu nhỏ phải mua điện từ lưới, mua vào thời gian thấp điểm để giảm chi phí Hình 10 Cơng suất trao đổi lượng pin ngày theo trường hợp Hình 11 Cơng suất mua bán điện trường hợp KẾT LUẬN Bài báo trình bày việc phân chia cơng suất ngày tới cho lưới điện siêu nhỏ bao gồm pin mặt trời, tuabin gió pin lưu trữ có trao đổi công suất với lưới sử dụng phương pháp MILP Phương pháp tối ưu hoá lợi nhuận thu hệ thống dựa sở ràng buộc thiết bị, hệ thống giá mua bán điện Kết mô chứng minh tính thực tế có khả áp dụng vào thực tế phương pháp quy hoạch tuyến P-ISSN 1859-3585 E-ISSN 2615-9619 tính ngun thực hỗn hợp cho tốn tối ưu cho hệ thống lưới điện siêu nhỏ TÀI LIỆU THAM KHẢO [1] E Irmak, M S Ayaz, S G Gok, A B Sahin, 2014 A survey on public awareness towards renewable energy in Turkey in 2014 International Conference on Renewable Energy Research and Application (ICRERA), pp 932–937 doi: 10.1109/ICRERA.2014.7016523 [2] F Ayadi, I Colak, I Garip, H I Bulbul, 2020 Targets of Countries in Renewable Energy in 2020 9th International Conference on Renewable Energy Research and Application (ICRERA), pp 394–398 doi: 10.1109/ICRERA49962.2020.9242765 [3] R Dufo-López, L A Fernández-Jiménez, I J Ramírez-Rosado, J S ArtalSevil, J A Domínguez-Navarro, J L Bernal-Agustín, 2017 Daily operation optimisation of hybrid stand-alone system by model predictive control considering ageing model Energy Conversion and Management, vol 134, pp 167–177, doi: 10.1016/j.enconman.2016.12.036 [4] I Ranaweera, O.M Midtgård, 2016 Optimization of operational cost for a grid-supporting PV system with battery storage Renewable Energy, vol 88, pp 262–272, doi: 10.1016/j.renene.2015.11.044 [5] Muhammad Yousif, Qian Ai, Yang Gao, Waqas Ahmad, Wattoo, Ziqing Jiang, Ran Hao, 2020 An optimal dispatch strategy for distributed microgrids using PSO CSEE journal of power and energy systems, vol 6, no [6] S M Hakimi, S M Moghaddas-Tafreshi, 2009 Optimal sizing of a standalone hybrid power system via particle swarm optimization for Kahnouj area in south-east of Iran Renewable Energy, vol 34, no 7, pp 1855–1862, doi: 10.1016/j.renene.2008.11.022 [7] J K Kaldellis, D Zafirakis, 2012 Optimum sizing of stand-alone windphotovoltaic hybrid systems for representative wind and solar potential cases of the Greek territory Journal of Wind Engineering and Industrial Aerodynamics, vol 107–108, pp 169–178, doi: 10.1016/j.jweia.2012.04.013 [8] https://www.folkecenter.eu/PDF/Wind/353.Catalogue-of-small-windturbines-8th-edition.pdf [9] A Maleki, F Pourfayaz, 2015 Optimal sizing of autonomous hybrid photovoltaic/wind/battery power system with LPSP technology by using evolutionary algorithms Solar Energy, vol 115, pp 471–483, doi: 10.1016/j.solener.2015.03.004 [10] A Maleki, M G Khajeh, M Ameri, 2016 Optimal sizing of a grid independent hybrid renewable energy system incorporating resource uncertainty, and load uncertainty International Journal of Electrical Power & Energy Systems, vol 83, pp 514–524, doi: 10.1016/j.ijepes.2016.04.008 [11] C A Floudas, 1995 Mixed-Integer Linear Optimization in Nonlinear and Mixed-Integer Optimization: Fundamentals and Applications, C A Floudas, Ed Oxford University Press doi: 10.1093/oso/9780195100563.003.00010 56 Tạp chí KHOA HỌC VÀ CƠNG NGHỆ ● Tập 59 - Số 2A (3/2023) AUTHORS INFORMATION Nguyen Thi Hoai Thu, Pham Nang Van, Dinh Tuan Anh School of Electrical and Electronic Engineering, Hanoi University of Science and Technology Website: https://jst-haui.vn