Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện

Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện.

Tính cấp thiết củađềtài

Hiện nay, song song với công cuộc công nghiệp hóa - hiện đại hóa thì nhu cầu về năng lượng cũng là một vấn đề quan trọng cần phải được quan tâm đúng mức Tuy nhiên, các nguồn năng lượng truyền thống từ nhiên liệu hoá thạch như than đá, dầu mỏ, khí đốt đang ngày càng cạn kiệt, đồng thời gây ô nhiễm môi trường và là nguyên nhân chính gây ra hiệu ứng nhà kính Trong những năm gần đây, toàn thế giới đã có chung nhận thức sâu sắc về tình trạng của hành tinh chúng ta Quá trình phát triển của con người đã gây nên nhiều hậu quả đối với thế giới tự nhiên, trong đó có vấn đề về biến đổi khí hậu do khí thải từ quá trình sản xuất công nghiệp Những hậu quả này sẽ tác động ngược trở lại, gây ảnh hưởng xấu đối với sự phát triển kinh tế, xã hội và an ninh của nhân loại Hầu hết các quốc gia trên thế giới đều đồng thuận và có chung nhận thức rằng biến đổi khí hậu thực sự đang là tình trạng khẩn cấp toàn cầu Do đó, Liên Hợp Quốc đã nhấn mạnh lời kêu gọi hành độngkhẩncấpđểđạtmứcphátthảikhínhàkính(GHG)bằngkhôngvàonăm2050

- lời kêu gọi đã được hơn 120 quốc gia đại diện cho hơn một nửa GDP toàn cầu, cùng với hàng nghìn doanh nghiệp, các nhà đầu tư, các thành phố, các vùng lãnh thổ… hưởng ứng [1].

Trong bối cảnh đó, việc khai thác các nguồn năng lượng sạch, các nguồn năng lượng tái tạo để thay thế các nguồn năng lượng hoá thạch một cách hiệu quả, đóng góp tích cực cho mục tiêu giảm lượng khí thải nhà kính, giảm thiểu các tác động xấu đến môi trường, đảm bảo cung cấp năng lượng phục vụ cho việc phát triển kinh tế - xã hội là xu hướng tất yếu trên toàn thế giới Một trong những nguồn năng lượng tái tạo có tiềm năng rất lớn hiện nay là nguồn năng lượnggió.

Theo báo cáo của GWEC, để đạt được mục tiêu giảm mức phát thải khí nhà kính bằng không vào năm 2050 thì phải giảm dần và loại bỏ các nguồn năng lượng từ nhiên liệu hóa thạch, đồng thời phải đẩy mạnh việc khai thác các nguồn năng lượng tái tạo Đối với các nguồn điện gió, tốc độ phát triển hàng năm sẽ cần phải đẩy mạnh hơn nữa, đạt 160 GW vào năm 2025 và sau đó là 280 GW vào năm 2030

- gấp 3 lần công suất hiện có [1].

Theo báo cáo của IEA, việc giảm chi phí đầu tư cùng với các chính sách hỗ trợ bền vững của các quốc gia dự kiến sẽ thúc đẩy tăng trưởng năng lượng tái tạo mạnh mẽ sau năm 2022 Nguồn điện gió và nguồn điện mặt trời đã và đang là giải pháp tiết kiệm và hiệu quả nhất để bổ sung thêm các nhà máy sản xuất điện mới ở hầu hết các quốc gia hiện nay Ở những quốc gia có tiềm năng năng lượng tái tạo tốt và có cơ chế chính sách khuyến khích về mặt tài chính, các nhà máy điện gió và năng lượng mặt trời sẽ thách thức các nhà máy điện sử dụng nhiên liệu hóa thạch hiện có Nhìn chung, các nguồn điện từ năng lượng tái tạo sẽ chiếm khoảng 95% mức tăng ròng của công suất điện toàn cầu đến năm 2025 [2].

Từ những số liệu trên có thể nhận thấy việc xây dựng và khai thác các nguồn điện gió đã và đang được các quốc gia trên toàn thế giới chú trọng phát triển mạnh mẽ.

Tuy nhiên, quá trình mở rộng và phát triển các nguồn điện gió công suất lớn sẽ tạo nên sự biến đổi lớn trong cơ cấu nguồn điện của các quốc gia, gây ra nhiều ảnh hưởng đến hệ thống điện và thị trường điện Một số câu hỏi được đặt ra như: Quy hoạch phát triển các nhà máy điện gió như thế nào là phù hợp? Mô hình nào để có thể dự đoán tương đối khả năng phát công suất của các nguồn năng lượng gió? Các vấn đề cần xem xét trong quá trình tích hợp nguồn năng lượng gió?

Do đó, luận án tập trung nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đối với hệ thống điện và thị trường điện nhằm giải quyết các vấn đề nêu trên.

Mục đíchnghiêncứu

Sau khi tìm hiểu toàn bộ nội dung của các tác giả đã được nghiên cứu và trình bày ở trên, để tìm lời giải cho việc nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đối với hệ thống điện và thị trường điện Mục đích nghiên cứu của luận ánlà:

- Tìm hiểu về các nghiên cứu trong và ngoài nước có liên quan đến tích hợp và vận hành nguồn năng lượnggió.

- Nghiên cứu các mô hình mạng trí tuệ nhân tạo, học máy, học sâu… được sử dụng trong lĩnh vực năng lượng tái tạo Từ đó nghiên cứu xây dựng mô hình dự báo công suất phát nguồn điện gió sử dụng mạng trí tuệ nhân tạo kết hợp với các thuật toán tối ưu Đồng thời cũng nghiên cứu đánh giá ảnh hưởng của việc dự báo công suất phát nguồn điện gió đến thị trườngđiện.

- Nghiên cứu xây dựng mô hình phục vụ cho bài toán quy hoạch, tích hợp nguồn điện gió vào hệ thống điện, đề xuất phương pháp trong việc tính toán tích hợp nguồn điện gió và hệ thốngđiện.

Phương phápnghiên cứu

Để nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đối với hệ thống điện và thị trường điện, phương pháp nghiên cứu trong luận án này sẽ thực hiện như sau:

- Phương pháp nghiên cứu tài liệu: thu thập và nghiên cứu các tài liệu trong và ngoài nước đề cập đến vấn đề tích hợp và tối ưu hóa vận hành nguồn năng lượng gió trong hệ thốngđiện.

- Phương pháp xử lý thông tin: thu thập và xử lý thông tin định lượng về tình hình khai thác và phát triển các nguồn năng lượng gió trong nước và thế giới, các thông tin về dữ liệu thời tiết, dữ liệu lịch sử vận hành của các nguồn điện, hệ thốngđiện.

- Nghiên cứu lý thuyết kết hợp với thực nghiệm, lập trình, mô phỏng trên các phần mềm DIgSILENT PowerFactory, Matlab,Python…

- Thử nghiệm ứng dụng phù hợp với các lưới điện giảđịnh.

Đối tượng và phạm vinghiêncứu

Đối tượng nghiên cứu:Luận án nghiên cứu về nguồn điện gió và một số dạng năng lượng tái tạo có liên quan; nghiên cứu các phần mềm và ngôn ngữ lập trình Matlab, Python phục vụ mô phỏng, tínhtoán.

Phạm vi nghiên cứu:Luận án nghiên cứu về các vấn đề liên quan đến công tác dự báo công suất phát nguồn điện gió, vấn đề quy hoạch và vấn đề tính toán tối ưu nguồn điện gió.

Ý nghĩa khoa học và thực tiễn củaluậnán

Với nội dung nêu trên, kết quả của luận án sẽ có ý nghĩa khoa học và ý nghĩa thực tiễn như sau:

- Luận án tiến hành nghiên cứu và xây dựng mô hình dự báo công suất phát nguồn điện gió sử dụng mạng trí tuệ nhân tạo kết hợp với các thuật toán tối ưu Hướng nghiên cứu này cũng phù hợp với định hướng phát triển khoa học công nghệ phù hợp với cuộc cách mạng công nghiệp4.0.

- Cho thấy sự cần thiết của việc nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện và thị trường điện, đặc biệt là tính toán quy hoạch lưới điện Luận án nghiên cứu xây dựng mô hình phục vụ cho bài toán quy hoạch, tích hợp nguồn điện gió vào hệ thống điện, đề xuất phương pháp trong việc tính toán tích hợp nguồn điện gió vào hệ thốngđiện.

- Nội dung nghiên cứu được đăng trên tạp chí khoa học quốc tế sẽ là nguồn tài liệu tham khảo cho các tác giả có nhu cầu nghiên cứu theo hướng tương tự.

- Mô hình dự báo công suất phát nguồn điện gió do luận án đề xuất có thể được sử dụng cho các nhà máy điện gió, các trung tâm điều độ nhằm phục vụ cho công tác điều độ, vận hành, lập kế hoạch sản xuất các nhà máy điện gió.

- Mô hình tính toán quy hoạch cho phép các đơn vị tư vấn, các cơ quan chức năng có một công cụ tính toán phục vụ cho bài toán quy hoạch hệ thống điện với mức độ thâm nhập (tỷ lệ giữa tổng công suất lắp đặt các nguồn điện gió và phụ tải đỉnh của hệ thống) ngày càng cao của các nguồn năng lượng táitạo.

- Các kết quả nghiên cứu cũng sẽ có đóng góp tích cực cho công tác đẩy mạnh khai thác, ứng dụng và mở rộng các nguồn năng lượng tái tạo, đặc biệt là nguồn năng lượnggió.

Bố cục củaluậnán

Bố cục luận án gồm có: phần mở đầu, 4 chương nội dung, phần kết luận, danh mục các công trình công bố, danh mục các tài liệu tham khảo và các phụlục.

Chương 1.Tổng quan về nguồn điện gió và các nghiên cứu về vấn đề ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện và thị trường điện.

Chương 2.Nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện và thị trường điện.

Chương 3.Nghiên cứu tối ưu hoá tích hợp nguồn năng lượng tái tạo vào hệthống điện xét đến các kịch bản giảm lượng khí thải CO 2

Chương 4.Nghiên cứu xây dựng mô hình dự báo công suất phát nguồn điện gió sử dụng mạng trí tuệ nhân tạo kết hợp với các thuật toán tối ưu.

Tổng quan về nguồnđiệngió

Năng lượng điện gió là nguồn năng lượng sạch và có tiềm năng rất lớn Trên thế giới, ngày càng nhiều quốc gia khai thác các nguồn năng lượng tái tạo, đặc biệt là nguồn năng lượng gió nhằm bổ sung cho nhu cầu năng lượng ngày càng tăng trong bối cảnh các nguồn năng lượng hóa thạch đang dần cạn kiệt Ngày nay công nghệ điện gió phát triển mạnh mẽ và có sự cạnh tranh lớn, với tốc độ phát triển như hiện nay thì không bao lâu nữa năng lượng điện gió sẽ chiếm phần lớn trong thị trường năng lượng của thế giới Việc đầu tư phát triển nguồn điện gió mang lại nhiều lợi ích thiết thực Cụthể:

- Không tổn hao nguyên, nhiên liệu trong quá trình vận hành và sản xuất, cho nên có chi phí thấp, vì vậy năng lượng điện gió có thể cạnh tranh với các nguồn năng lượng khác như than đá, khíđốt

- Nhà máy điện gió không gây ô nhiễm môi trường và góp phần tạo cảnh quan cho việc phát triển du lịch tại khuvực.

- Tạo môi trường thân thiện, các hoạt động nông nghiệp, công nghiệp vẫn có thể hoạt động và sản xuất gần nhà máy.

- Các nhà máy điện gió thường tập trung ở đồng bằng, nông thôn, miền núi, hải đảo, có thể tạo cơ hội việc làm cho công nhân tại địa phươngđó.Theo báo cáo của GWEC, năm 2022 tiếp tục là một năm sự tăng trưởng mạnh mẽ của nguồn điện gió trên toàn thế giới với 77,6 GW nguồn điện gió lắp đặt mới, nâng tổng công suất lắp đặt luỹ kế của nguồn điện gió trên toàn thế giới đạt mức 906 GW, tăng 9% so với năm 2021 như minh hoạ ởhình 1.1 và hình 1.2[1].

Hình 1.1 Công suất lắp đặt mới nguồn điện gió toàn thế giới qua các năm

Hình 1.2 Luỹ kế tổng công suất lắp đặt nguồn điện gió trên toàn thế giới

Mặc dù công suất điện gió trên bờ lắp đặt mới năm 2022 giảm so với năm

2020 và 2021, con số này vẫn cao thứ ba trong lịch sử (68,8 GW so với 72,5 GW năm 2021 và 88,4 GW năm 2020) Tổng công suất điện gió ngoài khơi lắp đặt mới năm 2022 là 8,8 GW, giảm nhiều so với năm 2021 (21 GW) nhưng vẫn cao thứ nhì trong lịch sử Khu vực châu Á – Thái Bình Dương năm 2022 giảm gần 3% tỷ trọng nguồn điện gió lắp đặt mới so với năm 2021 nhưng vẫn là thị trường lớn nhất của điện gió trên toàn thế giới, trong đó Trung Quốc đóng góp 87% tăng trưởng năm

2022 Là thị trường điện gió lớn thứ nhì, châu Âu ghi nhận con số kỷ lục về điện gió trên bờ được lắp đặt năm 2022, đạt giá trị 25% so với 19% của năm 2021 Khu vực Bắc Mỹ duy trì vị trí số 3 nhưng giảm 2% tỷ trọng do sự chững lại của nền kinh tế Hoa Kỳ Năm 2022, Brazil và khu vực Mỹ Latin chứng kiến một năm tăng trưởng kỷ lục về điện gió lắp đặt mới, tăng 1% so với năm 2021 Tại châu Phi và khu vực Trung Đông, sau giai đoạn phát triển mạnh về điện gió năm 2021, đến năm 2022 chỉ có thêm 453 MW điện gió được nối lưới, thấp nhất kể từ năm 2013 Năm quốc gia có công suất điện gió lắp đặt mới lớn nhất năm 2022 là Trung Quốc, Hoa Kỳ, Brazil, Đức và Thụy Điển Các nước này trong năm qua đã đóng góp 71% tỷ trọng tăng trưởng của toàn thế giới và giảm 3,7% so với năm 2021 theo thống kê, xuất phát chủ yếu từ việc 02 thị trường lớn nhất là Trung Quốc và Hoa Kỳ đã giảm tổng cộng 5% tỷ trọng trong 02 năm liên tiếp Nếu xét về tổng công suất đặt điện gió, 05 quốc gia duy trì được vị thế dẫn đầu cho đến cuối năm 2022 là Trung Quốc, Hoa

Kỳ, Đức, Ấn Độ và Tây Ban Nha, chiếm tỷ trọng 72% so với toàn thế giới[1].

Hình 1.3 Tỷ trọng đóng góp lắp đặt mới nguồn điện gió trong năm 2022 của cáckhu vực (biểu đồ bên trái) và các quốc gia (biểu đồ bên phải)

Từ năm 2010 đến năm 2018, sản lượng điện năng do nguồn điện gió phát ra đã tăng gấp 3,7 lần, từ 343 terawatt-hours (TWh) đến 1263 TWh, như minh hoạ ởhình 1.4[3].

Hình 1.4 Sản lượng điện năng do các nguồn điện gió phát ra

Từ những số liệu trên có thể nhận thấy nguồn năng lượng gió đã và đang được các nước trên thế giới chú trọng khai thác mạnh mẽ.

Tại Việt Nam, việc phát triển nguồn điện gió đã được chính phủ và các nhà đầu tư quan tâm trong thời gian qua.

Nằm trong khu vực nhiệt đới gió mùa và bờ biển dài hơn 3200 km, hơn nữa còn có cả gió mùa Tây Nam thổi vào mùa hè, tốc độ gió trung bình ở biển ĐôngViệt Nam khá mạnh Vì vậy, nhờ vào vị trí địa lý mà tiềm năng về năng lượng gió ởViệt Nam là rất triển vọng Việt Nam là nước có tiềm năng năng lượng gió tốt nhất trong 4 nước (Campuchia, Lào, Thái Lan và Việt Nam) với 39% lãnh thổ có tốc độ gió lớn hơn 6 m/s tại độ cao 65 m, tương đương với 513 GW Đặc biệt, hơn 8% lãnhthổ,tươngđương112GWđượcđánhgiálàcótiềmnăngnănglượnggiótốt. Ước tính trên đất liền, Việt Nam có thể phát triển khoảng 30 GW điện gió Cùng với tiềm năng điện gió ngoài khơi, chúng ta có thể phát triển khoảng 100 GW công suất điện gió [4].

Theo Chiến lược phát triển năng lượng tái tạo của Việt Nam đến năm 2030, tầm nhìn đến năm 2050, Chính phủ Việt Nam đã nêu rõ quan điểm phát triển kết hợp phát triển năng lượng tái tạo với triển khai thực hiện các mục tiêu kinh tế, xã hội và môi trường; phát triển và sử dụng năng lượng tái tạo kết hợp với phát triển công nghiệp năng lượng tái tạo; kết hợp sử dụng công nghệ ngắn hạn với phát triển công nghệ dài hạn; kết hợp chính sách ưu đãi, hỗ trợ với cơ chế thị trường và kết hợp tái cơ cấu với nâng cao năng lực quản lý nhà nước trong lĩnh vực năng lượng tái tạo[5].

Với quan điểm phát triển cụ thể và rõ ràng như vậy, chiến lược phát triển năng lượng tái tạo của Việt Nam đến năm 2030, tầm nhìn 2050 đã đặt ra định hướng phát triển nguồn điện gió sao cho sản lượng điện sản xuất từ nguồn điện gió đạt khoảng

16 tỷ kWh vào năm 2030 và khoảng 53 tỷ kWh vào năm 2050 Bản chiến lược cũng đã đặt mục tiêu đưa tỷ lệ điện năng sản xuất từ nguồn điện gió đạt khoảng 2,7% vào năm 2030 và khoảng 5% vào năm 2050 [5].

Việt Nam được xem là nước có tiềm năng lớn để phát triển nguồn điện gió,với tiềm năng khai thác được thể hiện như hình 1.5 [6]:

Hình 1.5 Bản đồ tiềm năng gió của Việt Nam ở độ cao 100m

Các tỉnh phía Nam của miền Trung Việt Nam (Ninh Thuận, Bình Thuận) là những nơi có điện gió đặc biệt phát triển với tổng công suất gần 340 MW và đang không ngừng mở rộng về số lượng lẫn quy mô Một số nhà máy điện gió như Trung Nam Ninh Thuận (152 MW), Win Energy Chính Thắng (50 MW), Đầm Nại (40 MW), Mũi Dinh (37.6 MW), Bình Thạnh (30 MW)… được đưa vào vận hành đã góp phần tiết kiệm được tài nguyên, chi phí nhiên liệu cũng như cũng nhưgiảmthiểu được những tác động tiêu cực đến môi trường trong hoạt động sản xuất điện năng. Trong đo điện gió Bình Thạnh (trước đây gọi là điện gió Tuy Phong) là nhà máy điện gió đầu tiên của Việt Nam được khởi công xây dựng từ năm 2008 do Công ty cổ phần Năng lượng tái tạo Việt Nam (REVN) đầu tư, đến năm 2012 dự án này được đưa vào hoạt động với 20 turbine gió có tổng công suất đặt 30 MW và trở thành nhà máy điện gió lớn nhất Đông Nam Á, mỗi năm dự án sản xuất 85 triệukWh điện và giảm phát thải hàng năm 58.000 tấnCO 2

Theo Quy hoạch điện VIII đã được Thủ tướng Chính phủ phê duyệt, việc quy hoạch phát triển các nguồn năng lượng tái tạo, nhất là điện gió rất được chú trọng Quy mô dự kiến đến năm 2030, điện gió trên bờ đạt 21.880 MW (14,5% tổng công suất các nhà máy điện), điện gió ngoài khơi đạt 6.000 MW (4,0% tổng công suất các nhà máy điện), trường hợp công nghệ tiến triển nhanh, giá điện và chi phí truyền tải hợp lý thì phát triển quy mô cao hơn Định hướng năm 2050, điện gió trên bờ đạt 60.050 - 77.050 MW (12,2 - 13,4% tổng công suất các nhà máy điện); điện gió ngoài khơi đạt 70.000 - 91.500 MW (14,3 - 16% tổng công suất các nhà máy điện) Điện gió ngoài khơi tuy có tiềm năng rất lớn nhưng đến nay chưa có kinh nghiệm thực hiện tại Việt Nam, do vậy đặt ra thách thức rất lớn để đạt được mục tiêu phát triển đầy tham vọngnày.

Việc quy hoạch, phát triển nguồn điện gió công suất lớn ở Việt Nam đang đối mặt với một số khó khăn, thách thức nhưsau:

- Thiếu các chính sách đồng bộ và đủ mạnh, bao gồm từ điều tra, đánh giá tiềm năng đến khai thác và sử dụng nên các dự án thực hiện còn kháít;

- Thiếu một số các số liệu tin cậy về tốc độ gió gây khó khăn cho nghiên cứu phát triển nguồn điện gió ở những địa bàn khácnhau;

- Cơ sở hạ tầng logistic, hệ thống đường bộ, cảng còn thô sơ dẫn đến thiếu an toàn trong quá trình vận chuyển và lắp đặt các thiết bị điện gió;

- Năng lực quản lý, vận hành và bảo dưỡng sửa chữa các dự án điện gió còn hạnchế;

- Thời tiết khắc nghiệt như mưa, bão, sóng to, gió lớn, kết hợp với chế độ thủy triều không ổn định sẽ dẫn đến nhiều thách thức trong quá trình thi công lắp đặt thiếtbị;

- Công nghệ mới và kỹ thuật phức tạp, các nhà thầu trong nước chưa có nhiều kinh nghiệm trong việc thi công xây dựng, lắp đặt tuabin gió trên biển Việc nhập khẩu các thiết bị cũng tương đối khó khăn và thiếu chuyên gia nước ngoài phối hợp kỹthuật.

- Thiếu lao động chất lượng cao, bên cạnh đó những ngành công nghiệp phụ trợ cũng phát triển chưa tương xứng[7].

Tìnhhìnhnghiêncứuảnhhưởngcủanguồnđiệngiócôngsuấtlớnđối với hệ thống điện và thịtrườngđiện

Hiện nay nhiều công trình liên quan đến vấn đề ảnh hưởng của nguồn điện gió công suất lớn đối với hệ thống điện và thị trường điện đã được công bố ở trong và ngoài nước Trong nội dung luận án này, tác giả giới thiệu một số nghiên cứu nhưsau:

1.2.1 Cácnghiên cứu về ảnh hưởng của nguồn điện gió đến hệ thống điệnvà thị trườngđiện

Rất nhiều tác giả đã đề cập đến các tác động của nguồn điện gió đối với hệ thống điện và thị trường điện với nhiều cách tiếp cận khác nhau Ví dụ như ở [9], tác giả đã phân tích cụ thể sự khác biệt về chế độ điều khiển công suất phát của các nhà máy điện gió và các nhà máy nhiệt điện Từ đó, tác giả đã xây dựng chương trình mô phỏng để đánh giá tính ổn định của các chế độ điều khiển khác nhau Kết quả nghiên cứu cho thấy việc tích hợp nguồn điện gió công suất lớn vào hệ thống điện sẽ gây ảnh hưởng không tốt đến tính ổn định và tin cậy của hệ thống, do đó việc tích hợp nguồn điện gió cần phải được tính toán và xem xét cẩnthận.

Trong [10], các tác giả đã nghiên cứu xây dựng mô hình tích hợp nguồn điện gió kết hợp với các nhà máy thuỷ điện Nghiên cứu đã cho thấy mô hình tích hợp lai như trên cho phép cải thiện khả năng dự phòng của hệ thống và có thể cho phép các nguồn điện gió thâm nhập nhiều hơn vào hệ thống điện Yuan và các cộng sự [11] nghiên cứu ảnh hưởng đến thời gian loại trừ sự cố nhằm đảm bảo ổn định khi tích hợp nguồn điện gió công suất lớn vào hệ thống điện Brouwer [12], Kiviluoma và cộng sự [13], Holttinen [14], Piwko và cộng sự [15] đã xây dựng mô hình tính toán mô phỏng, đánh giá ảnh hưởng của nguồn điện gió đến ổn định của hệ thống điện, từ đó các tác giả đã đề xuất các giải pháp để duy trì ổn định của hệ thốngđiện.

Một số tác giả khác tập trung nghiên cứu ảnh hưởng của nguồn điện gió đến một số hệ thống điện cụ thể Ví dụ, Ở [16], tác giả đã nghiên cứu ảnh hưởng của việc tích hợp nguồn điện gió vào hệ thống điện Brazil Moreno và cộng sự [17] đã nghiên cứu chế độ vận hành của các nhà máy nhiệt điện khi có sự thâm nhập lớn của nguồn điện gió ở Tây Ban Nha Mc Garrigle và cộng sự [18] đã nghiên cứu và ước tính sản lượng điện năng từ các nguồn điện gió bị cắt giảm ở Ireland vào năm

2020 Pesch và các cộng sự [19] đã đánh giá xem liệu hệ thống truyền tải điện của Đức có đủ khả năng để giải toả công suất tất cả các nguồn điện gió Edmunds và cộng sự [20] nghiên cứu ảnh hưởng của nguồn điện gió đến việc vận hành các nhà máy nhiệt điện trong hệ thống điện của nước Anh.

Các nghiên cứu khác như Lund và cộng sự [21], Tao và cộng sự [22] đã đánh giá ảnh hưởng của việc tích hợp nguồn điện gió đến giá thị trường điện Mohsen và các cộng sự [23] đã nghiên cứu tác động của nguồn điện gió công suất lớn đối với thị trường điện trong ngày, trong đó tập trung nghiên cứu hành vi của bên mua điện (khách hàng) và bên bán điện (nhà sản xuất) theo sản lượng điện sản xuất từ các nhà máy điện gió Nghiên cứu của Miller và cộng sự [24] kết luận rằng nếu hệ thống điện được quy hoạch tốt và có các tiêu chuẩn kỹ thuật tốt, vấn đề ổn định hệ thống điện và điều khiển tần số sẽ ít ảnh hưởng đến việc tích hợp các nguồn điện năng lượng gió và năng lượng mặt trời vào hệ thống điện.

Trong luận án này, nghiên cứu sinh sẽ thực hiện các nghiên cứu tính toán, mô phỏng và phân tích ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện, ảnh hưởng của nguồn điện gió đến thị trường điện một cách độc lập để có thêm các đánh giá đa chiều đối với các vấn đề nêutrên.

1.2.2 Cácnghiên cứu về quy hoạch phát triển nguồn điệngió Đứng trước thực trạng năng lượng hóa thạch đang cạn kiệt nhanh chóng và lo ngại về ô nhiễm môi trường, nguồn năng lượng tái tạo mà đặc biệt là năng lượng gió được xem là “hấp dẫn” nhất với nhiều quốc gia, bởi nó đáp ứng tốt sự gia tăng về nhu cầu điện năng và thân thiện với môi trường Điều này thúc đẩy các tác giả nghiên cứu về vấn đề tính toán quy hoạch và tích hợp nguồn điện gió vào hệ thống điện như tính toán xác định vị trí tối ưu xây dựng các nhà máy điện gió ở [25], tính toán lắp đặt, bố trí các tuabin gió[26]–[33]. Đa số các dự án điện gió đều nằm trong vùng có tốc độ gió cao, xa lưới truyền tải cao áp Việc tối ưu các nguồn phân tán cũng thu hút sự chú ý của các chuyên gia nghiên cứu với mục đích nâng cao hiệu suất phân phối truyền tải điện như cải thiện ổn định điện áp, nâng cao chất lượng điện năng, giảm tổn thất trên đường dây theo mặt kỹ thuật; giảm đầu tư nâng cấp cơ sở vật chất trong hệ thống,giảm chi phí vận hành, giảm yêu cầu dự trữ và các chi phí liên quan theo kinh tế và giảm phát thải, ô nhiễm, khuyến khích sản xuất dựa trên năng lượng tái tạo nếu xét về lợi ích môi trường Theo [34], Griffin và đồng nghiệp đã tối ưu vị trí nguồn năng lượng phân tán với mục tiêu giảm thiểu tổn thất Tuy nhiên đây là bài toán tối ưu đơn mục tiêu, có thể được cải thiện thêm Để tìm ra vị trí và công suất phù hợp, thuật toán PSO đã được Beromi [35] sử dụng giải quyết đồng thời các mục tiêu cải thiện ổn định điện áp, giảm tổn thất và cải thiện chi phí Nghiên cứu vị trí và công suất lắp đặt để tối đa hóa lợi ích và tối thiểu chi phí nhưng vẫn đảm bảo độ tin cậy cung cấp điện và điện áp cũng được Borges và Falcao [36] nghiên cứu Rất tiếc trong các nghiên cứu này tác giả cũng chưa đề cập đến hệ thống lưu trữ năng lượng. Bên cạnh đó khi số lượng nguồn năng lượng gió tích hợp vào hệ thống điện tăng lên, vị trí và công suất của các thiết bị phụ trợ bù công suất phản kháng, tụ điện [37] hay vị trí, công suất và lịch trình hệ thống lưu trữ điện năng (BESS) [38]–[40] cũng được tối ưu hóa theo nhằm nâng cao độ tin cậy, dự trữ giảm tải [41], chi phí vận hành [42] cho các nhà máy điện Tuy nhiên trong nghiên cứu này tác giả lại chưa đề cập đến vấn đề chi phí đầu tư hệthống.

Các nghiên cứu đề xuất tích hợp năng lượng tái tạo vào hệ thống điện là thường sử dụng nhiều loại nguồn năng lượng tái tạo khác nhau [43], [44] như gió và năng lượng mặt trời ở [45] và [46], gió / năng lượng mặt trời / thủy điện [47], gió / thủy điện [48], năng lượng mặt trời / thuỷ điện [49] Ở [50], các tác giả nghiên cứu sử dụng thêm bộ tích trữ điện năng Một số tác giả đã nghiên cứu có xét đến yếu tố mở rộng lưới điện truyền tải [51], [52], quản lý nhu cầu phụ tải [53], [54], năng lượng tái tạo cân bằng với hệ thống [55] hoặc phối hợp liên ngành từ khâu phát điện đến khâu tiêu thụ điện năng [56].

Tiềm năng năng lượng tái tạo và hệ thống điện tái tạo ở Việt Nam đã được nghiên cứu trong một số công trình gần đây Ở [57], tác giả đã nghiên cứu các tiềm năng mặt trời bằng cách sử dụng thông tin dựa trên vệ tinh và GIS Trong [58], [59], tác giả đã nghiên cứu tối ưu hóa hệ thống điện tái tạo Việt Nam, trong đó đặc biệt chú trọng đến năng lượng gió Kies và cộng sự [60] đã nghiên cứu sự tích hợp quy mô lớn của năng lượng tái tạo trong hệ thống điện tương lai trong một bối cảnhđ ơ n giản hóa Huber và cộng sự đã tiến hành nghiên cứu tương tự, nhưng không chỉ xét riêng cho Việt Nam mà còn đưa nước này vào khu vực ASEAN [61] Trong [62], tác giả đã nghiên cứu ba kịch bản cho quy hoạch mở rộng hệ thống điện Việt Nam từ năm 2018 đến năm 2030 và nhận thấy rằng các cơ sở lắp đặt nhiệt điện than có thể sẽ đóng góp một phần giảm đáng kể vào tổng cơ cấu phát điện nhiều hơn so với dựkiến.

Các nghiên cứu về vấn đề tích hợp và phát triển nguồn điện tái tạo thường dựa vào dữ liệu thời tiết từ các báo cáo có sẵn Vì các nguồn năng lượng tái tạo phụ thuộc nhiều vào yếu tố thời tiết nên việc nghiên cứu tích hợp các nguồn năng lượng này vào hệ thống điện là một nhiệm vụ đầy khó khăn và thách thức Liên quan đến vấn đề về nguồn dữ liệu thời tiết, tác giả Olauson và các cộng sự đã so sánh cơ sở dữ liệu thời tiết ERA5 với MERRA-2 về mô hình năng lượng gió và nhận thấy ERA5 hoạt động tốt hơn đáng kể cho sản lượng trên toàn quốc cũng như cho các tuabin gió thông thường [63] Tác giả Aniskevich và cộng sự đã sử dụng ERA5 để điều tra các nguồn năng lượng gió ở Latvia [64] Trong [65], các tác giả đã sử dụng ERA5 để ước tính sản lượng năng lượng gió ởĐức.

Vấn đề nghiên cứu về tích hợp và phát triển nguồn năng lượng tái tạo là vấn đề quan trọng trong việc lập quy hoạch phát triển lưới điện Tuy nhiên các nghiên cứu chưa đề cập nhiều đến ảnh hưởng của các nguồn NLTT đến lượng phát thải khíCO 2 , cũng như vấn đề tích hợp có xét đến hệ thống lưu trữ điện năng Trong luận ánnày, nghiên cứu sinh sẽ xây dựng mô hình tính toán tối ưu hoá tích hợp nguồn nănglượng tái tạo vào hệ thống điện có xét đến các kịch bản giảm lượng khí thải

CO2, vàtích hợp hệ thống lưu trữ điện năng trong hệ thống điện

1.2.3 Cácnghiên cứu về dự báo công suất phát nguồn điệngió

1.2.3.1 Phân loại và mục đích của các loại hình dự báo điệngió

Theo khoảng thời gian dự báo, dự báo công suất phát nguồn điện gió được phân thành 4 loại như sau [66]:

- Dự báo cực ngắn hạn (Ultra-Short-term): từ vài phút đến 1 giờ Ứng dụng cho bài toán thị trường điện, vận hành lưới điện trong thời gian thực và các hoạt động điều khiển hệ thống điện, điều khiển tuabingió.

- Dự báo ngắn hạn (Short-term): Từ 1 giờ đến vài giờ Ứng dụng cho bài toán lập kế hoạch điều độ kinh tế, đưa ra quyết định điều khiển phụ tải thích hợp và đảm bảo an ninh thị trườngđiện.

- Dự báo trung hạn (Mid-term): Từ vài giờ đến 1 tuần Ứng dụng cho việc vận hành, đóng cắt các tổ máy; đưa ra quyết định yêu cầu dự trữ công suất để đảm bảo cân bằng hệthống.

Kết luậnchương 1

Căn cứ vào những nội dung đã trình bày ở trên về tổng quan nguồn điệngióv à c á c n g h i ê n c ứ u v ề v ấ n đ ề ả n h h ư ở n g c ủ a n g u ồ n đ i ệ n g i ó c ô n g s u ấ t l ớ n đ ế n h ệ t h ố n g đ i ệ n v à t h ị t r ư ờ n g đ i ệ n , c ó t h ể t h ấ y r ằ n g n g u ồ n n ă n g l ư ợ n g g i ó đ ã v à đ a n g đ ư ợ c c h ú t r ọ n g k h a i t h á c m ạ n h m ẽ

Trong luận án này, nghiên cứu sinh thực hiện nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện và thị trường điện, đồng thời thực hiện tính toán, mô phỏng và phân tích ảnh hưởng của nguồn điện gió đến hệ thống điện IEEE 9 nút như trình bày ở chương 2 Bên cạnh đó, để phục vụ cho bài toán quy hoạch phát triển nguồn năng lượng tái tạo, trong đó có nguồn năng lượng gió, luận án xây dựng mô hình tính toán tối ưu hoá tích hợp nguồn năng lượng tái tạovào hệ thống điện có xét đến các kịch bản giảm lượng khí thải CO2như trình bày ởchương 3 Ngoài ra, như phân tích ở trên, đã có rất nhiều tác giả nghiên cứu về vấn đề dự báo công suất phát nguồn điện gió, mỗi nghiên cứu đều có những ưu điểm và thế mạnh riêng của từng phương pháp như đã nêu trên Tuy nhiên, sai số trong dự báo công suất phát nguồn điện gió có thể được giảm thiểu hơn nữa Trong luận án này, nghiên cứu sinh đề xuất mô hình dự báo công suất phát nguồn điện gió sử dụng kết hợp các thuật toán tối ưu và trí tuệ nhân tạo như trình bày ở chương 4 Mô hình đề xuất này có thể cải thiện sai số dự báo so với một số mô hình khác và có thể sử dụng cho công tác điều độ vận hành hệ thống điện cũng như vận hành thị trường điện.

Đặtvấnđề

Các số liệu thống kê cho thấy nguồn năng lượng gió đã và đang được chú trọng khai thác mạnh mẽ Tuy nhiên, việc tích hợp nguồn điện gió cũng mang lại nhiều thách thức ảnh hưởng đến hệ thống điện. Ảnh hưởng của nguồn điện gió trong hệ thống điện phụ thuộc rất nhiều vào:

 Mức độ thâm nhập của nguồn điệngió;

 Cơ cấu các loại nguồn điện trong hệthống.

Trong trường hợp mức độ thâm nhập của nguồn điện năng lượng gió trong hệ thống thấp, vấn đề vận hành của hệ thống hầu như không bị ảnh hưởng Các phương pháp điều khiển và hệ thống dự phòng hiện có đủ để đối phó với mức thâm nhập năng lượng gió lên đến khoảng 20%, tùy thuộc vào tính chất của một hệ thống cụ thể Đối với mức độ thâm nhập cao hơn của nguồn điện gió thì cần có thêm một số điều chỉnh đối với hệ thống điện (ví dụ như đầu tư mở rộng khả năng truyền tải/giải toả công suất…) cũng như điều chỉnh trong phương thức vận hành để thích ứng với việc tích hợp thêm nguồn điện năng lượnggió. Ảnh hưởng của nguồn điện gió đối với hệ thống điện có thể được phân loại thành ảnh hưởng ngắn hạn và dài hạn Các ảnh hưởng ngắn hạn chủ yếu là vấn đề cân bằng công suất trong khoảng thời gian nhà máy điện gió hoạt động (phút đến giờ), trong khi các tác động dài hạn liên quan đến đóng góp của nguồn điện năng lượng gió trong việc đảm bảo cung cấp điện đầy đủ (đáp ứng các tình huống tải cao điểm một cách đáng tin cậy).

Các nhà máy điện gió thường gây khó khăn cho các đơn vị vận hành hệ thống điện trong việc tính toán một cách tin cậy các số liệu liên quan đến công suất phát, kế hoạch phát điện và cung cấp điện cho toàn bộ phụ tải Việc thay đổi đột ngột công suất phát của các nhà máy điện gió làm tăng các yếu tố không chắc chắn trong vận hành hệ thống điện nên Trung tâm điều độ hệ thống điện thường phải yêu cầu tăng cường dự phòng công suất phát, dẫn đến chi phí vận hành toàn hệ thống tăngcao.

Mô hình turbine, máy phátđiệngió

Theo vị trí đặt turbine gió ta có 02 loại gồm turbine gió nằm ở đất liền và turbine gió nằm ở ngoài khơi.

- Turbine gió ở đất liền có ưu điểm nổi bật là chi phí xây dựng thấp, dễ dàng kết nối với lưới điện và phụ tải Tuy nhiên, tốc độ gió ở đất liền không ổn định nên đòi hỏi phải làm trụ turbine cao Hơn nữa, turbine thường gây tiếng ồn cho các khu dân cư ởgần.

- Ngược lại với turbine gió ở đất liền, turbine gió ở ngoài khơi có công suất ổn định hơn do tốc độ gió ổn định, không gây ô nhiễm tiếng ồn nhưng giá thành xây dựng cao và kết nối lưới điện phức tạp nếu turbine ở ngoài khơixa.

Theo cấu trúc, có 02 loại turbine gió: Trục đứng và trục ngang.

- Trục ngang: Hiệu suất chuyển đổi năng lượng cao, dễ dàng tiếp cận với nguồn gió ổn định và tốc độ lớn, có thể điều chỉnh góc cánh quạt dễ dàng. Tuy nhiên chi phí lắp đặt cao và yêu cầu phải có hệ thống định hướng gió.

- Trục đứng: Chi phí xây dựng và duy tu thấp, không phụ thuộc vào hướng gió nhưng hiệu suất chuyển đổi năng lượng thấp, giao động công suất/rung mạnh, khó khăn trong việc điều chỉnh công suất[123].

Hình 2.1 Turbine gió trục ngang (a) và turbine gió trục đứng (b) 2.2.2 Cấutrúc turbinegió:

Cấu trúc cơ bản của một turbine gió nhưhình 2.1, gồm các bộ phận chính:

(2) Trục turbine hoặc trục tốc độthấp;

(4) Trục máy phát hoặc trục tốc độcao;

(7) Yaw (hướng turbine theo hướnggió);

Chức năng các bộ phận chính:

- Rotor: Được lắp trên trục chính và thường có 03 cánh, gió sẽ làm rotor quay khi vận tốc gió lớn hơn vận tốc khởi động củarotor.

- Bộ tăng tốc: Thông thường rotor quay với vận tốc nhỏ nhưng máy phát quay với vận tốc rất lớn (khoảng 1500 vòng/phút) Muốn thực hiện được điều này thì phải qua bộ tăng tốc Bộ tăng tốc gồm các bánh răng có kích thước không giống nhau và được ráp ăn khớp vớinhau.

- Cơ cấu lệch: Cơ cấu này sẽ điều chỉnh sao cho rotor luôn đón lấy hướng gió, nó có một bánh cam Khi muốn thay đổi hướng của rotor thì bộ điều khiển tác động vào cơ cấulệch.

- Bánh cam: Được đặt ở trên tháp và không ăn khớp với bánh cam cơ cấu lệch Nó sẽ điều chỉnh hướng của rotor theo hướnggió.

- Thiết bị đo gió: Dùng để đo tốc độ gió và nó gửi thông tin về bộ điều khiển để điều chỉnh tốc độ củarotor.

- Bộ hãm cơ khí: Dùng để hãm tốc độ của rotor nó làm cho rotor không quay để bảo hành và sửachữa.

- Trục chính: Khi rotor quay sẽ làm cho trục chính quay Trục này thì được kết nối với bộ tăng tốc Để trục chính quay thì rotor phải tác động một lực lớn vì vậy trục chính làm rấtlớn.

- Thiết bị chỉ hướng gió: Gió sẽ làm thiết bị này quay thiết bị này sẽ thông báo cho bộ điều khiển biết hướng của gió thổi để bộ điều khiển gửi tín hiệu tới bộ điều khiển cánh[123].

2.2.3 Turbine gió sử dụng máy phát điện đồng bộ nam châm vĩnh cửu nốilưới

Trong những năm gần đây, máy phát điện gió nam châm vĩnh cửu (PMSG) là một xu hướng mới trong công nghiệp điện gió do có nhiều ưu điểm vượt trội như có thể chế tạo với số cực từ lớn nên không cần hộp số, khoảng tốc độ quay rộng,hiệu suất và độ bền cao, không cần dòng kích từ và ít yêu cầu bảo trì thườngxuyên.

Tương tự với các loại máy phát điện gió khác, việc thiết kế bộ điều khiển là không thể thiếu trong hệ thống máy phát điện turbine gió PMSG không sử dụng hộp số Bộ điều khiển và bộ chuyển đổi điện phải được tối ưu để nâng cao hiệu suất và độ bền của hệ thống Bên cạnh đó, bộ tìm điểm công suất cực đại cũng được kết hợp với bộ điều khiển để điều chỉnh công suất và giữ tốc độ quay turbine ở giá trị tối ưu.

Bộ điều chỉnh góc lệch cánh cũng là một phần không thể thiếu để điều chỉnh tốc độ quay của turbine.

Hình 2.2 Sơ đồ cấu trúc cơ bản turbine gió sử dụng máy phát điện đồng bộ namchâm vĩnh cửu nối lưới

Cấu tạo của turbine gió PMSG bao gồm: 03 cánh quạt được gắn trên trục rotor và trục rotor được nối trực tiếp với trục chính; bên trong trục rotor là bộ phận điều chỉnh góc lệch cánh; trong hệ thống máy phát điện gió không hộp số, trục chính sẽ được nối trực tiếp với máy phát điện PMSG Công suất phát ra từ máy phát qua bộ chuyển đổi AC-DC-AC để truyền tải công suất lên lưới Ngoài ra, còn có những bộ phận khác không trực tiếp tham gia vào quá trình chuyển đổi năng lượng như cột đỡ, hệ thống điều chỉnh góc lệch cánh, góc đón gió, cảm biến gió, phanh rotor

Trục turbine sẽ được nối trực tiếp với trục máy phát điện PMSG không thông qua hộp số để truyền động năng từ turbine làm quay máy phát điện PMSG và phát ra công suất điện xoay chiều Sự chênh lệch giữa moment cơ của turbine và moment điện từ của máy phát sẽ quyết định việc tăng tốc, giảm tốc hay giữ tốc độ quay của turbine Bộ chuyển đổi AC-DC-AC có chức năng chuyển điện áp với biên độ vàt ầ n số không ổn định từ máy phát sang điện áp DC ổn định, từ đó nghịch lưu thành các giá trị với biên độ và tần số phù hợp để truyền công suất lên lưới điện [123].

2.2.4 Năng lượng gió và công suấtgió:

Turbine không thể thu nhận hoàn toàn công suất từ gió mà chỉ nhận đượcmột phần công suất từ gió với hệ số thu nhận Cp Hệ số Cptối đa mà turbine đạtđược trên lý thuyết theo hệ số Betz là 16/27 ≈0,593. a Năng lượnggió:

Turbine gió hoạt động theo nguyên lý chuyển động năng của gió thành cơ năng để quay turbine gió Biểu thức công suất cơ mà turbine nhận được từ luồng gió:

: Mật độ không khí [kg/m 3 ];

Năng lượng của gió (động năng) tính trên 1 đơn vị thời gian được tính theo biểu thức:

M: Khối lượng của gió di chuyển qua mặt tiết diện ngang A [m 2 ] trong 1 đơn vị thời gian, được tính theo biểuthức:

(2.3) Như vậy, năng lượng của gió tính trên 1 đơn vị thời gian có thể được biểu diễn bằng biểu thức:

Theo [124], công suất của turbine được tính theo biểu thức:

Pm: Công suất đầu ra của turbine (W);

Cp(λ,β): Hệ số biến đổi năng lượng (là tỷ số giữa tốc độ đầu cánh λ vàgóc cánh β);

A: Tiết diện vòng quay của cánh quạt (m 2 ); ρ: Mật độ của không khí (kg/m 3 ).

Từ công thức (2.5) ta thấy vận tốc gió là yếu tố quan trọng nhất của công suất, vận tốc gió tăng n lần thì công suất đầu ra cũng tăng n 3 lần.

Tỷ số tốc độ đầu cánh turbine gió và tốc độgió là: λ= Rωω ; trong đó ω làtrong trong đó ω là ó trong đó ω làω trong đó ω làlàđó ω là tốc

V độquaycủaturbine,Rlàbánkínhcủaturbine,vlàvậntốccủagió,vớicôngsuất đầu ra của turbine Pm= 1 πρR2Cpv3

Theo moment của turbine gió được tính như sau [123], [124]:

Hình 2.3 Đường cong biểu diễn mối quan hệ giữa𝑐 𝑝 và𝜆

Hình 2.4 Đường cong biểu diễn mối quan hệ giữa𝑃 𝑚 và tốc độ gió

2.2.5 Bộchuyển đổi phía máy phát và phíalưới:

Ảnh hưởng của nguồn điện gió công suất lớn đến hệthống điện

2.3.1 Cânbằng công suất và ổn định hệ thốngđiện

Do tính chất dao động của công suất phát các nhà máy điện gió nên việc tích hợp các nhà máy điện gió công suất lớn vào hệ thống điện có thể gây nhiều ảnh hưởng đối với hệ thống Công suất phát của các nhà máy điện gió thường bị dao động do tính chất bất thường của các yếu tố thời tiết như vận tốc gió, hướng gió, nhiệt độ… Bất cứ một sự thay đổi nào của thời tiết cũng dẫn đến sự thay đổi công suất phát của nhà máy điện gió, tạo nên yếu tố không chắc chắn khi tích hợp các nhà máy điện gió vào hệ thốngđiện.

Các nhà máy điện gió phát điện khi vận tốc gió đạt đến mức tối thiểu Tùy theo vận tốc gió mà công suất phát được tăng dần theo đường cong phát công suất của tuabin Tuy nhiên, vận tốc gió thường được dự báo thiếu chính xác và thường dao động bất thường từng phút, từng giờ Hệ quả là công suất phát của nhà máy điện gió thường xuyên biến đổi theo thời gian và làm tăng chi phí vận hành toàn hệ thống.

Nguyên nhân là do hệ thống điện phải luôn luôn duy trì cân bằng giữa công suất phát các nhà máy điện phát lên hệ thống điện và tải Sự biến đổi công suất phát khôngdựbáotrướccủacácnhàmáyđiệngiócóthểdẫnđếnmấtcânbằngcôngsuất trong hệ thống và có thể ảnh hưởng đến ổn định hệ thống điện Bất cứ việc mất cân bằng công suất nào cũng đều ảnh hưởng đến tần số hệ thống và có thể gây mất đồng bộ,mấtổnđịnhtrongmộtsốtrườnghợp.Vấnđềnàycàngtrởnênnghiêmtrọnghơn nếu mức độ tích hợp của các nhà máy điện gió tăng lên trong tương lai Do đó vấn đề dự báo công suất phát nguồn điện gió là một trong những nội dung quan trọng trong công tác vận hành nguồn điện này Sai số trong dự báo công suất phát các nguồn điện gió sẽ có ảnh hưởng đến cân bằng công suất trong hệ thống khi mức độ tích hợp các nhà máy điện này vào hệ thống điện tăng lên Độ chính xác trong dự báo công phát của nhà máy điện gió càng cao sẽ góp phần làm giảm dự phòng công suất, dẫn đến giảm chi phí vận hành trong toàn hệthống.

Tuy nhiên, do tính chất bất định của tốc độ gió cũng như các yếu tố thời tiết, việc nâng cao độ chính xác trong dự báo công suất phát các nhà máy điện gió không hề dễ dàng Nếu tính theo thời gian, có hai phương pháp dự báo là dự báo ngắn hạn và dài hạn.

Các nhà máy điện gió có thể hỗ trợ cho việc điều khiển điện áp trong hệ thống điện.

Các nhà máy điện gió ảnh hưởng đến điện áp và trào lưu công suất trong hệ thống điện, đồng thời góp phần giảm tổn thất truyền tải và phân phối điện Các nhà máy điện gió có thể hỗ trợ điều chỉnh và duy trì điện áp trong hệ thống trong các tình huống sự cố Ngoài ra, nếu các nhà máy điện gió có hệ thống điều khiển công suấtphảnkhángđượclắpđặtởcuốicácđườngdâynhánhrẽhìnhtiadàithìcólợi cho hệ thống, vì chúng hỗ trợ điều chỉnh điện áp ở các khu vực có chất lượng điện áp thấp của lưới điện [125].

2.3.3 Ảnhhưởng đến đường dây tảiđiện

Việc tích hợp nguồn điện lượng gió có thể đòi hỏi cần nâng cấp thêm về cơ sở hạ tầng lưới điện truyền tải và phân phối, như trường hợp bất kỳ nhà máy điện nào được kết nối với lưới điện Để tối đa hóa lợi ích tác động của nguồn điện gió và đảm bảo an ninh hệ thống điện cần tính toán tích hợp nguồn điện gió phân bố theo địa lý và tiềm năng gió, đồng thời xem xét đầu tư bổ sung thêm các hệ thống tích trữ điện năng và mở rộng các đường dây truyền tải điện Trong trường hợp hệ thống điện không có liên kết tốt giữa các khu vực hoặc quốc gia có thể xảy ra các tình huống tắc nghẽn hệ thống và phải hạn chế việc phát điện của các nhà máy điện gió [125].

2.3.4 Ảnhhưởng đến vận hành tối ưu các nhà máyđiện

Các nhà máy điện gió đòi hỏi các biện pháp điều khiển giống như bất kỳ công nghệ phát điện nào khác Tùy thuộc vào mức độ thâm nhập và đặc điểm của hệ thống, các nhà máy điện gió cũng ảnh hưởng đến hiệu quả của các nhà máy điện khác trong hệ thống điện (và ngược lại) Vấn đề chi phí và vận hành tối ưu các nhà máy điện là một phần quan trọng trong quy hoạch tích hợp nguồn điện gió vào hệ thống điện vì phải đảm bảo tỷ lệ chi phí thấp nhất cóthể.

Mục tiêu của công tác vận hành hệ thống điện là đảm bảo cung cấp điện tin cậy, liên tục với chất lượng tốt nhất và giá thành thấp nhất cho khách hàng, đảm bảo các thông số vận hành trong giới hạn cho phép mà ít ảnh hưởng đến môi trường

[126] Việc tích hợp nguồn điện gió công suất lớn vào hệ thống điện là một nhiệm vụ đầy thử thách và đòi hỏi việc tính toán vận hành tối ưu các nhà máy điện phải được xem xét cụ thể do yếu tố bất định về công suất phát của các nhà máy điện gió.Mức độ thâm nhập của các nhà máy điện gió vào hệ thống điện càng cao sẽ đòi hỏi mức độ dự phòng quay trong hệ thống sẽ phải tăng lên để đảm bảo an ninh hệ thống điện Do các ràng buộc về thời gian khởi động/dừng và khả năng tăng cường công suất phát của các tổ máy nên mức độ dự phòng khi có các nhà máy điện gió sẽ càng phải tăng lên để bù đắp cho tính chất không chắc chắn của các nhà máy này Điều này dẫn đến chi phí vận hành toàn hệ thống tăng lên và cũng ảnh hưởng xấu đến việc vận hành tối ưu các tổ máy trong hệ thống điện do một phần công suất phải được dành cho dự phòng quay trong hệ thống.

2.3.5 Anninh cung cấp điện và môitrường

Các nhà máy điện gió đóng một vai trò trong việc duy trì sự ổn định của hệ thống và góp phần vào việc đáp ứng nhu cầu cấp điện cho phụ tải Đồng thời, việc phát triển các nguồn điện gió đóng vai trò tích cực trong việc góp phần giảm lượng khí thải nhà kính, bảo vệ môi trường và đảm bảo an ninh cung cấp điện trong bối cảnh các nguồn năng lượng hoá thạch đang ngày càng cạn kiệt.

Nghiêncứutínhtoánvàphântíchảnhhưởngcủanguồnđiệngióđến hệthốngđiện

hệ thống điện Để thực hiện các nghiên cứu tính toán, phân tích ảnh hưởng của nguồn điện gió đến hệ thống điện, trong luận án sử dụng chương trình tính toán PowerFactory được phát triển bởi DIgSILENT Đây là một phần mềm hỗ trợ tính toán, phân tích hệ thống điện truyền tải, phân phối và cả các hệ thống điện công nghiệp Nó được thiết kế như một gói phần mềm tích hợp và tương tác tiên tiến dành riêng cho hệ thống điện và phân tích điều khiển nhằm đạt được các mục tiêu chính của việc lập kế hoạch và vận hành tối ưuhóa. Để giải quyết các yêu cầu phân tích hệ thống điện của người dùng,PowerFactory được thiết kế như một công cụ kỹ thuật tích hợp để cung cấp các chức năng phân tích hệ thống điện trong một chương trình duy nhất Phần mềm cho phép người sử dụng cập nhật các dữ liệu cần thiết cho tất cả các phần tử trong hệ thống điện, ví dụ như đường dây, máy phát điện, máy biến áp, bảo vệ rơle… Phần mềm PowerFactory có thể thực hiện tất cả các chức năng mô phỏng như tính toán phân bố công suất, tính toán ngắn mạch, phân tích sóng hài, phối hợp bảo vệ, tính toán ổn định, phân tích chế độ vậnhành

Trong luận án này, lưới điện IEEE 9 nút [127] được sử dụng để nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện Sơ đồ lưới điện IEEE 9 nút được xây dựng trên phần mềm DIgSILENT, bao gồm 03 nhà máy điện,

03 MBA nâng áp, 09 thanh cái, 06 đường dây truyền tải và 03 phụ tải Từ sơ đồ IEEE này, trong luận án bổ sung thêm 02 nhà máy điện gió Nhà máy điện gió Wind1 đấu nối vào thanh cái Bus Wind1, thông qua 01 máy biến áp nâng áp T_Wind1 có cấp điện áp 13,8/230kV để đấu nối vào nút số 5 của lưới điện cơ bản ban đầu Tương tự, nhà máy điện gió Wind2 đấu nối vào thanh cái Bus Wind2, thông qua 01 máy biến áp nâng áp T_Wind2 có cấp điện áp 13,8/230kV để đấu nối vào nút số 8 của lưới điện như ởhình 2.5.Hệ thống điện được thể hiện trên phần mềm tính toán ở hình2.6 Thông số của hệ thống điện được thể hiện ởcác bảng 2.1 – 2.5.Thông số công suất phát của các nguồn khi tính toán các chế độ được giả thiết nhưbảng 2.5.

Hình 2.5 Sơ đồ lưới điện IEEE 9 nút và các nhà máy điện gió nghiên cứu

Hình 2.6 Sơ đồ lưới điện IEEE 9 nút bổ sung thêm nhà máy điện gió thể hiện trên chương trình mô phỏng

Bảng 2.1 Thông số các nút trong sơ đồ nghiên cứu

Thứ tự Tên nút Điện áp danh định (kV) Ghi chú

5 Bus 5 230 Đấu nối MBA nâng đến NMĐ gió

8 Bus 8 230 Đấu nối MBA nâng đến NMĐ gió

Wind1 13,8 Đấu nối NMĐ gió Wind2

Wind2 13,8 Đấu nối NMĐ gió Wind2

Bảng 2.2 Thông số các nguồn trong sơ đồ nghiên cứu

Nguồn Nút Công suất định mức (MW)

Wind1 30 Nhà máy điện gió bổ sung vào sơ đồ nghiên cứu

Wind2 30 Nhà máy điện gió bổ sung vào sơ đồ nghiên cứu

Bảng 2.3 Thông số các tải trong sơ đồ nghiên cứu

Bảng 2.4 Thông số các đường dây trong sơ đồ nghiên cứu Đường dây Từ Đến Độ dài

Bảng 2.5 Thông số các máy biến áp trong sơ đồ nghiên cứu

MBA Từ nút Tới nút S r (MVA

Nhà máy điện gió sử dụng máy phát cảm ứng điện từ có mô hình nhưhình 2.7:

Hình 2.7 Mô hình turbin gió sử dụng máy phát cảm ứng điện từ

Hình 2.8 Mô hình nhà máy điện gió trong phần mềm DigSilent

Luận án tiến hành mô phỏng tính toán lưới điện ở 03 kịch bản:

 Kịch bản 1: Không có nhà máy điện gió tham gia trong hệ thốngđiện.

 Kịch bản 2: Có nhà máy điện gió Wind1 tham gia trong hệ thốngđiện.

 Kịch bản 3: Có nhà máy điện gió Wind1 và Wind2 tham gia trong hệ thốngđiện.

Trong các kịch bản, nhà máy điện gió Wind1 vận hành ở chế độ phát công suất cố định 30MW, nhà máy điện gió Wind2 vận hành ở chế độ phát công suất cố định 30MW Kết quả mô phỏng trong 03 kịch bản được so sánh với nhau để đánh giá ảnh hưởng của nhà máy điện gió trong hệ thống điện.

2.4.2.1 Tính toán trào lưu côngsuất

Kết quả tính toán trào lưu công suất tương ứng cho 03 kịch bản được thể hiện lần lượt ởphụ lục 2.1, phụ lục 2.2 và phụ lục2.3.

Tổn thất công suất trong toàn hệ thống trong 03 kịch bản được thể hiện như trongbảng 2.6.Kết quả tính toán cho thấy tuỳ theo cấu trúc hệ thống điện và cơ cấu nguồn phát, các nhà máy điện gió có thể có ảnh hưởng ảnh hưởng khác nhau đến tổn thất công suất trong hệ thốngđiện.

Bảng 2.6 Tổn thất công suất tác dụng trong toàn hệ thống điện trong 03 kịch bảnnghiên cứu

Trường hợp Kịch bản 1 Kịch bản 2 Kịch bản 3

Tổn thất công suất tác dụng (MW) 4,64 4,37 5,65 Điện áp tại các nút trong 03 kịch bản được thể hiện lần lượtnhư ở hình 2.9, hình 2.10 và hình 2.11.Có thể thấy khi có sự tham gia của nhà máy điện gió trong hệ thống thì điện áp tại nút 5 đã được cải thiện, tăng từ 0,996 p.u (trong kịch bản 1) lên mức 1,015 p.u (trong kịch bản 2 và 3) Tương tự, điện áp tại nút 8 cũng được cải thiện, tăng từ 1,016 p.u (trong kịch bản 1) lên mức 1,019 p.u (trong kịch bản 2) và lên mức 1,023 p.u trong kịch bản 3 Điện áp tại các nút khác cũng được cải thiện tương đối tốt theo mức độ thâm nhập càng cao của các nguồn điện gió.

Hình 2.9 Điện áp tại các nút ở kịch bản 1

Hình 2.10 Điện áp tại các nút ở kịch bản2

Hình 2.11 Điện áp tại các nút ở kịch bản3

Biểu đồ công suất phát của các nhà máy điện và công suất truyền tải trên các đường dây cho 03 kịch bản được thể hiệnnhư các hình 2.12 đến 2.17:

Hình 2.12 Công suất phát của các nguồn ở kịch bản1

Hình 2.13 Công suất phát của các nguồn ở kịch bản2

Hình 2.14 Công suất phát của các nguồn ở kịch bản 3

Hình 2.15 Công suất truyền tải trên các đường dây ở kịch bản 1

Hình 2.16 Công suất truyền tải trên các đường dây ở kịch bản 2

Hình 2.17 Công suất truyền tải trên các đường dây ở kịch bản

Luận án tiến hành mô phỏng tính toán ngắn mạch 03 pha – đất cho tất cả các nút Kết quả tính toán ngắn mạch cho kịch bản 1 được thể hiện chi tiết như trongphụ lục 2.4 Kết quả tính toán ngắn mạch cho kịch bản 2 được thể hiện chi tiết nhưphụ lục 2.5 Kết quả tính toán ngắn mạch cho kịch bản 3 được thể hiện chi tiết nhưphụ lục2.6.

Hình 2.18, 2.19 và 2.20biểu diễn đồ thị dòng điện ngắn mạch tại các nút lần lượt trong 03 kịch bản tính toán Từ đồ thị và kết quả tính chi tiết ở cácphụ lục 2.4, 2.5 và 2.6, có thể nhận thấy rằng trong các kịch bản nghiên cứu, các nhà máy điện gió ảnh hưởng không đáng kể đến trị số dòng điện ngắn mạch tại các nút Tuy nhiên, tuỳ thuộc vào vị trí lắp đặt, công suất các nhà máy điện gió cũng như các thông số khác của hệ thống điện, các nhà máy điện gió sẽ có các ảnh hưởng khác nhau đến dòng điện ngắn mạch tại cácnút.

Hình 2.18 Đồ thị dòng điện ngắn mạch ở kịch bản 1

Hình 2.19 Đồ thị dòng điện ngắn mạch ở kịch bản2

Hình 2.20 Đồ thị dòng điện ngắn mạch ở kịch bản3

2.4.2.3 Phân tích an toàn hệthống

Luận án thực hiện mô phỏng phân tích an toàn hệ thống điện (Contigency Analysis) khi xảy ra sự cố n-1 và sự cố n-2 trên các đường dây truyền tải.

Kết quả phân tích cho thấy:

 Ở kịch bản 1, khi không có nhà máy điện gió tham gia vào hệ thốngđiện: o Có 13 tình huống xuất hiện tình trạng các MBA T1 và MBA T2 mang tải trên mức 80% như thể hiện ởhình 2.21.Riêng trường hợp sự cố đồng thời các đường dây Line 2 và Line 3 thì MBA T1 mang tải cao nhất là95,1%. o Có 05 tình huống xuất hiện tình trạng điện áp tại các nút 5, nút 6 vượt ra ngoài dải quy định (0,95 p.u – 1,05 p.u), như thể hiện ởhình2.22.

 Ở kịch bản 2, khi có nhà máy điện gió Wind1 tham gia vào hệ thốngđiện: o Có 05 tình huống xuất hiện tình trạng MBA T2 mang tải trên mức 80% như thể hiện ởhình2.23. o Chỉ có 01 tình huống khi sự cố đường dây Line 6 thì xuất hiện tình trạng điện áp tại nút 6 vượt ra ngoài dải quy định (0,95 p.u – 1,05 p.u), như thể hiện ởhình2.24.

 Ở kịch bản 3, khi cả 2 nhà máy điện gió Wind1 và Wind2 đều tham gia vào hệ thốngđiện: o Không xảy ra tình trạng thiết bị vi phạm mức độ mang tải quyđịnh. o Chỉ có 01 tình huống khi sự cố đường dây Line 6 thì xuất hiện tình trạng điện áp tại nút 6 vượt ra ngoài dải quy định (0,95 p.u – 1,05 p.u),tuy nhiên điện áp cũng được cải thiện tốt hơn so với kịch bản 2 như thể hiện ởhình2.25.

Hình 2.21 Vi phạm mức độ mang tải các thiết bị ở kịch bản 1

Hình 2.22 Vi phạm điện áp tại các nút ở kịch bản 1

Như vậy, kết quả mô phỏng cho thấy các nhà máy điện gió có đóng góp tích cực trong việc tăng cường an toàn hệ thống điện.

2.4.2.4 Tính toán quá trình quáđộ

Luận án tiến hành mô phỏng, phân tích quá trình quá độ khi xảy ra sự cố ngắnmạchtrựctiếp03pha–đấttạithanhcáiởnút8.Đồthịởhình2.27biểudiễn lần lượt điện áp tại nút 8 (là nút xảy ra sự cố), điện áp tại nút 5 (là nút đấu nối MBA đến nhà máy điện gió Wind1) và dòng điện ngắn mạch tại nút 8 trong trường hợp không có nhà máy điện gió tham gia vào hệ thống điện (kịch bản 1).Hình 2.28 và hình 2.29là đồ thị tương ứng trong các kịch bản 2 và kịch bản 3.

So sánh 03 trường hợp, có thể thấy khi mức độ thâm nhập các nguồn điện gió tham gia vào hệ thống điện càng lớn thì điện áp tại các nút có sự dao động mạnh hơn và có tình trạng méo dạng sóng càng nhiều Trong trường hợp này, tình trạng méo dạng sóng hình sin điện áp kéo dài và tắt chậm hơn so với trường hợp không có nhà máy điện gió tham gia vào hệ thống điện Có thể thấy được sự chênh lệch một cách rõ ràng như thể hiện ở tronghình 2.26 -2.28.

Hình 2.27 Điện áp tại nút 8, điện áp tại nút 5 và dòng điện ngắn mạch tại nút 8 ởkịch bản 1

Hình 2.28 Điện áp tại nút 8, điện áp tại nút 5 và dòng điện ngắn mạch tại nút 8 ởkịch bản2

Hình 2.29 Điện áp tại nút 8, điện áp tại nút 5 và dòng điện ngắn mạch tại nút

Hình 2.30 Dao động điện áp tại các thanh cái 230kV khi ngắn mạch tại nút 8 ởkịch bản1

Hình 2.31 Dao động điện áp tại các thanh cái 230kV khi ngắn mạch tại nút 8 ởkịch bản2

Hình 2.32 Dao động điện áp tại các thanh cái 230kV khi ngắn mạch tại nút 8 ởkịch bản 3

Dao động tốc độ của của nguồn G1, G2, G3; góc lệch rotor tương ứng và dao động tần số khi ngắn mạch trong trường hợp không có nguồn điện gió được thể hiện nhưhình 2.33 Các thông số tương ứng khi có nguồn điện gió tham gia vào hệ thống điện ở kịch bản 2 và kịch bản 3 được thể hiện lần lượt nhưhình 2.34 và hình 2.35.

Có thể thấy khi trong cả 03 trường hợp không có nhiều sự khác biệt trong dao động tốc độ của máy phát và tần số hệ thống Riêng góc lệch rotor của các máy phát trong trường hợp có nguồn điện gió tham gia trong hệ thống có giá trị lớn hơn so với trường hợp không có nhà máy điện gió.

Hình 2.33 Đồ thị dao động tốc độ, góc lệch rotor các nguồn và tần số hệ thống ởkịch bản1

Hình 2.34 Đồ thị dao động tốc độ, góc lệch rotor các nguồn và tần số hệ thống ởkịch bản2

Ảnh hưởng của nguồn điện gió công suất lớn đến thịtrườngđiện

Nguồn điện gió ảnh hưởng đến giá cả trên thị trường điện theo một số cách thức như sau:

 Năng lượng gió thường có chi phí biên thấp (chi phí nhiên liệu bằng không) và do đó thường nằm ở phần đáy của đường cung thị trường Điều này làm dịch chuyển đường cung thị trường sang phải (nhưhình 2.48), dẫn đến giá điện thấp hơn, tùy thuộc vào độ co giãn theo giá của nhu cầu điện Nhìn chung, giá điện dự kiến sẽ thấp hơn trong khoảng thời gian có gió lớn so với khoảng thời gian ítgió.

Hình 2.48 Ảnh hưởng của nguồn điện gió đến giá thị trường

Cách thức mà điện gió ảnh hưởng đến giá điện giao ngay do chi phí biên thấp được thể hiện tronghình 2.49 Khi nguồn cung cấp năng lượng gió tăng lên, nó sẽ dịch chuyển đường cung cấp điện sang phải Điều này có nghĩa là tại một nhu cầu nhất định, giá giao ngay trên thị trường điện thấp hơn thông thường như được minh họa Tuy nhiên, tác động của nguồn điện gió phụ thuộc vào thời điểm trong ngày Nếu có nhiều năng lượng gió vào giữa trưa, trong thời gian nhu cầu điện cao điểm, hầu hết các nguồn điện gió sẵn có sẽ được huy động Khi đó chúng ta đang ở phần dốc của đường cung và do đó, nguồn điện gió sẽ có tác động mạnh, làm giảm đángkểgiáđiệngiaongay.Nhưngnếucónhiềuđiệnsảnxuấttừgióvàobanđêm, khi nhu cầu điện thấp và hầu hết điện được sản xuất từ các nhà máy điện chạy nền, thì chúng ta đang ở phần phía dưới của đường cung và do đó tác động của các nguồn điện gió lên giá giao ngay là tương đối thấp Các nguồn điện gió góp phần giảm giá điện giao ngay, từ đó sẽ ảnh hưởng đáng kể đến giá bán điện cho người tiêu dùng Khi giá giao ngay được hạ xuống, điều này có lợi cho tất cả các khách hàngsửdụngđiện,vìviệcgiảmgiáápdụngchotấtcảcácloạiđiệnđượcgiaodịch

- không chỉ đối với điện sản xuất từ năng lượng gió[128].

 Trong trường hợp xảy ra tắc nghẽn trong việc truyền tải điện năng, đặc biệt là trong khoảng thời gian có sản lượng điện gió lớn Trong trường hợp này, nếu khả năng giải toả công suất hiện có không thể đáp ứng được nhu cầu truyền tải điện (từ khu vực này sang khu vực khác), thì khu vực cung cấp điện sẽ được tách ra khỏi phần còn lại của thị trường điện và tạo thành khu vực định giá riêng của nó Với nguồn cung cấp điện dư thừa trong khu vực này, các nhà máy điện thông thường phải giảm sản lượng của họ, điều này sẽ dẫn đến giá điện trên thị trường riêng này thấp hơn[128].

2.5.2 Tăng chi phí cho các dịch vụ phụtrợ

Khi mức độ thâm nhập của các nhà máy điện gió vào hệ thống điện tăng lên thì để đảm bảo an ninh hệ thống đòi hỏi phải tăng mức độ dự phòng công suất do sự không ổn định công suất phát của các nhà máy điện gió Việc dự phòng công suất này được thực hiện bằng các nhà máy điện truyền thống, dẫn đến tăng chi phí vận hành toàn hệ thống cũng như tăng chi phí cho các dịch vụ phụ trợ trên hệ thống.

Khi các nhà máy điện gió tham gia vận hành trong thị trường điện cạnh tranh thì việc dự báo chính xác công suất phát của nhà máy điện gió sẽ có ảnh hưởng lớn đến giá thị trường Sai số trong dự báo cũng ảnh hưởng đến việc cắt giảm công suất cũng như giảm chi phí dịch vụ phụ trợ trên thị trường.

2.5.3 Ảnhhưởng đến tài chính của nhà máy điện gió tham gia trong thịtrườngđiện

Tại Việt Nam, căn cứ Điều 14, Quyết định 39/2018/QĐ-TTg ngày 10/9/2018 của Thủ tướng chính phủ sửa đổi, bổ sung một số điều của quyết định số 37/2011/QĐ-TTg ngày 29 tháng 6 năm 2011 của Thủ tướng chính phủ về cơ chế hỗ trợ phát triển các dự án điện gió tại Việt Nam thì tính đến trước ngày 01/11/2021, các nhà máy điện gió đang được vận hành và mua bán điện năng với cơ chế giá FIT.

 Đối với các dự án điện gió trong đất liền: Giá mua điện tại điểm giao nhận điện là 1.928 đồng/kWh (chưa bao gồm thuế giá trị gia tăng, tương đương 8,5 Uscents/kWh, tỷ giá quy đổi giữa đồng Việt Nam và đồng Đô la Mỹ được tính theo tỷ giá trung tâm do Ngân hàng Nhà nước Việt Nam công bố ngày 30 tháng 8 năm 2018 là 22.683 đồng/USD) Giá mua điện được điều chỉnh theo biến động của tỷ giáđồng/USD;

 Đối với các dự án điện gió trên biển: Giá mua điện tại điểm giao nhận điện là 2.223 đồng/kWh (chưa bao gồm thuế giá trị gia tăng, tương đương 9,8 UScent/kWh, tỷ giá quy đổi giữa đồng Việt Nam và đồng Đô la Mỹ được tính theo tỷ giá trung tâm do Ngân hàng Nhà nước Việt Nam công bố ngày 30 tháng 8 năm 2018 là 22.683 đồng/USD) Giá mua điện được điều chỉnh theo biến động của tỷ giáđồng/USD.

Hiện nay vẫn chưa có quy định cụ thể về cơ chế đấu giá phát triển điện gió, giá mua điện gió áp dụng từ ngày 01 tháng 11 năm 2021 tại Việt Nam.

Tại một số nước tiên tiến trên thế giới, tỷ trọng các nguồn điện năng lượng tái tạo ngày càng cao, chẳng hạn như ở châu Âu đang phấn đấu đạt 100% năng lượng tái tạo vào năm 2050 Khi mức độ thâm nhập của các nguồn điện NLTT vào hệ thống điện là ở mức cao thì các nhà máy điện NLTT phải tham gia chào giá cạnh tranh trực tiếp Bên cạnh nhiều yếu tố có thể ảnh hưởng đến lợi nhuận của các nhà máy điện gió, ví dụ như tắc nghẽn giá biên tại khu vực thì tính chất bất định của các yếut ốt h ờ i t i ế t s ẽ dẫn đ ế n n h i ề u k h ó k h ă n t r o n g c ô n g t ác d ự bá o c ô n g suấ tp h á t nguồn điện gió, ảnh hưởng đến chiến lược chào giá của các nhà máy điện gió khi tham gia thị trường điện cạnh tranh Độ chính xác của dự báo công suất điện gió ảnh hưởng đến giá bán, mua điện của các nhàmáy:

 Nếu lượng công suất được tạo ra nhiều hơn công suất dự báo, thì lượng công suất thừa sẽ được bán lại với mức giá thấphơn.

 Nếu lượng công suất được tạo ra ít hơn công suất dự báo, thì lượng công suất thiếu hụt sẽ phải mua với chi phí caohơn.

Nghiên cứu ảnh hưởng của sai số dự báo công suất phát nguồn điện gióđếnd o a n h t h u c ủ a n h à m á y đ i ệ n g i ó t h a m g i a t r o n g t h ị t r ư ờ n g p h á

Ở mục này, luận án nghiên cứu ảnh hưởng của sai số dự báo công suất phát nguồn điện gió đến doanh thu của nhà máy điện gió tham gia trong thị trường phát điện cạnh tranh thông qua việc tính toán doanh thu của nhà máy điện gió với các giá trị công suất dự báo thu được từ thuật toán GA-PSO-ANN (có sai số MAPE là4,52%) và thuật toán Adam-ANN (có sai số MAPE là 7,79%) [129], [130] Xét trường hợp nhà máy điện gió tham gia thị trường điện đơn giản với 03 nhà máy điện khác Giá biên thị trường và giá chào của 3 nhà máy khác tham gia trong thị trường trong một ngày được giả thiết chi tiết như biểu đồtrong hình 2.49 Nhà máy điện gió chào giá với giá thấp nhất trong thị trường (0đ/kWh) theo các mức công suất dự báo trong 24 giờtới.

Hình 2.49 Đồ thị giá điện theo từng giờ trong ngày của các nhà máy điện

Số liệu công suất phát thực tế và công suất phát dự báo của NMĐ gió theo các thuật toán GA-PSO-ANN (có sai số MAPE là 4,52%) và thuật toán Adam-ANN (có sai số MAPE là 7,79%) (xét cho 01 tuabin gió) trong 24h nhưbảng 2.7.

Bảng 2.7 Số liệu công suất phát thực tế và công suất phát dự báo của NMĐ gió

Công suất phát thực NMĐ gió (MW)

Công suất dự báo (GA-PSO-ANN) (MW)

Công suất dự báo (Adam-ANN) (MW)

Công suất phát thực NMĐ gió (MW)

Công suất dự báo (GA-PSO-ANN) (MW)

Công suất dự báo (Adam-ANN) (MW)

Tính toán các sản lượng điện do phát sai khác của nhà máy điện theo công thức tính sản lượng điện phát sai khác [131]:

- Trường hợp sản lượng điện năng phát tăng thêm so với lệnh điềuđộ:

𝑅𝑑𝑢 trong đó ω là= trong đó ω là∑(𝑄𝑑𝑢 𝑔 × trong đó ω là𝑃𝑏 trong đó ω làmin trong đó ω là)

𝑅𝑑𝑢 𝑖 : Khoản thanh toán cho sản lượng điện năng phát sai khác so với lệnh điều độ trong chu kỳ giao dịch i (VND). g: Tổ máy phát tăng thêm so với lệnh điều độ của nhà máy điện trong chu kỳ giao dịch i.

G: Tổng số tổ máy phát tăng thêm so với lệnh điều độ của nhà máy điện trong chu kỳ giao dịch i.

𝑄𝑑𝑢 𝑔 : Điện năng phát tăng thêm so với lệnh điều độ của tổ máy g trong chu kỳ giao dịch i (kWh).

𝑃𝑏 trong đó ω làmin 𝑖 : Giá chào thấp nhất của tất cả các tổ máy trong chu kỳ giao dịch i (đồng/kWh).

- Trường hợp sản lượng điện năng phát giảm so với lệnh điều độ:

𝑅𝑑𝑢 trong đó ω là trong đó ω là trong đó ω là=∑|𝑄𝑑𝑢 𝑔 |× trong đó ω là(𝑆𝑀𝑃− 𝑃 𝑏 𝑝 )

𝑅𝑑𝑢 𝑖 : Khoản thanh toán cho sản lượng điện năng phát sai khác so với lệnh điều độ trong chu kỳ giao dịch i (đồng). g: Tổ máy phát giảm so với lệnh điều độ của nhà máy điện trong chu kỳ giao dịch i.

G: Tổng số tổ máy phát giảm so với lệnh điều độ của nhà máy điện trong chu kỳ giao dịch i.

𝑄𝑑𝑢 𝑔 : Điện năng phát giảm so với lệnh điều độ của tổ máy g trong chu kỳ giao dịch i (kWh).

𝑆𝑀𝑃 𝑖 : Giá điện năng thị trường trong chu kỳ giao dịch i (VND/kWh). 𝑃𝑏𝑝 𝑖,𝑚𝑎𝑥 : Giá điện năng của tổ máy đắt nhất được thanh toán trong chu kỳ giao dịchi.

Kết quả tính toán doanh thu của nhà máy (xét cho 01 tuabin) trong 24h được trình bày trongbảng2.8.

Bảng 2.8 Kết quả tính toán doanh thu của nhà máy

NMĐ gió khi chào theo công suất thực tế

Chênh lệch công suất theo dựbáo GA- PSO- ANN(

Doanh thu NMĐ gió khi chào theo dự báo GA- PSO-ANN (VND)

Thiệt hại theo dự báo GA- PSO- ANN (VND)

Doanh thu NMĐ gió khi chào theo dự báo Adam-ANN (VND)

Chênh lệch công suất theo dự báo Adam- ANN (MW)

Thiệt hại theo dự báo Adam- ANN (VND)

NMĐ gió khi chào theo công suất thực tế

Chênh lệch công suất theo dựbáo GA- PSO- ANN(

Doanh thu NMĐ gió khi chào theo dự báo GA- PSO-ANN (VND)

Thiệt hại theo dự báo GA- PSO- ANN (VND)

Doanh thu NMĐ gió khi chào theo dự báo Adam-ANN (VND)

Chênh lệch công suất theo dự báo Adam- ANN (MW)

Thiệt hại theo dự báo Adam- ANN (VND)

Qua bảng trên có thể thấy rằng trường hợp nhà máy điện gió chào giá thị trường theo kết quả dự báo theo mô hình GA-PSO-ANN (có sai số MAPE là4,52%) thì thiệt hại về mặt doanh thu trong 24h (tính trên 01 tuabin) là 60.636VND/kWh Trong khi đó, nếu chào giá theo kết quả dự báo từ mô hình Adam-ANN(có sai số MAPE là 7,79% - cao hơn so với mô hình GA-PSO-ANN) thì thiệt hại tương ứng là 113.312 VND/kWh, lớn hơn gấp 1,87 lần so với phương án GA-PSO-ANN Như vậy, có thể thấy sai số của quá trình dự báo công suất phát nguồn điện gió có ảnh hưởng đến doanh thu của nhà máy điện gió tham gia trong thị trường phát điện cạnhtranh

Kết luậnchương2

Trong chương này, luận án đã trình bày tổng quan về ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện Việc tích hợp nguồn điện gió mang lại nhiều thách thức ảnh hưởng đến hệ thống điện và thị trường điện Vấn đề này càng trở nên phức tạp hơn nếu mức độ thâm nhập của các nhà máy điện gió càng cao.Các ảnh hưởng của nguồn điện gió công suất lớn đối với hệ thống điện có thể kể đến như ảnh hưởng đến cân bằng công suất và ổn định hệ thống điện, chất lượng điệnnăng,ảnhhưởngđếnlướiđiệntruyềntải,ảnhhưởngđếnvậnhànhtốiưucác nhà máy điện, ảnh hưởng đến an ninh cung cấp điện và môi trường Trong luận án đã thực hiện tính toán, phân tích và mô phỏng ảnh hưởng của nguồn điện gió công suất lớn trên mô hình lưới điện IEEE 9 nút Kết quả tính toán và mô phỏng được thể hiện cụ thể, chi tiết qua các bảng biểu, biểu đồ và phân tích cụ thể.

Trong chương này, luận án cũng đã trình bày ảnh hưởng của nguồn điện gió công suất lớn đến thị trường điện, trong đó giải thích cụ thể ảnh hưởng của nguồn điện gió đến giá thị trường, ảnh hưởng đến chi phí cho các dịch vụ phụ trợ và cuối cùng là ảnh hưởng đến tài chính của các nhà máy điện gió tham gia trong thị trường điện cạnh tranh Luận án đã trình bày kết quả nghiên cứu tính toán cụ thể về ảnh hưởng của sai số dự báo công suất phát nhà máy điện gió đến doanh thu của nhà máy điện gió tham gia trong thị trường phát điện cạnh tranh Kết quả nghiên cứu cho thấy rằng sai số dự báo công suất phát nguồn điện gió càng lớn thì nhà máy điện gió càng thiệt hại nhiều khi tham gia trong thị trường điện cạnh tranh Do đó,vấn đề giảm sai số trong dự báo công suất phát nguồn điện gió cần được quan tâm đúng mức và sẽ được luận án trình bày ở chương4.

79

Đặtvấnđề

Trong xã hội hiện đại nguồn năng lượng đóng vai trò rất quan trọng trong việc phát triển kinh tế và nhu cầu sinh hoạt của con người Tuy nhiên khi các nguồn năng lượng hóa thạch đang dần cạn kiệt cùng với sự hưởng ứng mạnh mẽ của quốc tế trong chiến lược chống biến đổi khí hậu, các nhà máy nhiệt điện đang dần được cắt giảm. Để tránh sự thiếu hụt năng lượng trong tương lai, chúng ta cần bổ sung thêm các nguồn năng lượng khác Trong đó nguồn năng lượng tái tạo có tiềm năng lớn và ít ảnh hưởng đến môi trường Sự phát triển năng lượng tái tạo là rất cần thiết trong xu thế phát triển năng lượng toàn cầu Vấn đề được đặt ra là sử dụng các nguồn năng lượng đó sao cho hiệu quả và phù hợp với chiến lược phát triển của mỗi quốc gia.

Trong bản báo cáo đóng góp dự kiến do quốc gia tự quyết định được gửi cho Ban thư ký Công ước khung của Liên Hợp Quốc về biến đổi khí hậu vào tháng 12 năm 2015 trước COP21 tại Paris, các nước đã đồng ý chung giữ nhiệt độ toàn cầu tăng trong thế kỷ này dưới 2℃ và nỗ lực hơn nữa để hạn chế sự gia tăng nhiệt và nỗ lực hơn nữa để hạn chế sự gia tăng nhiệt độ.Việt Nam cam kết giảm phát thải CO 2 tự nguyện 8% vào năm 2030 so với kịch bảnphát thải thông thường Mức giảm sẽ tăng lên 25% nếu nhận được hỗ trợ quốc tế.

Trong chương này, tác giả xây dựng mô hình tính toán lập quy hoạch phát triển các nguồn năng lượng tái tạo vào hệ thống điện theo các kịch bản giảm phátthải khí CO 2 Mô hình tính toán được xây dựng trên ngôn ngữ lập trình Python, mộttrong những ngôn ngữ lập trình mã nguồn mở, miễn phí và có cộng đồng người sử dụng đông đảo trên thế giới.

Mô hình do luận án đề xuất được áp dụng để tính toán phát triển các nguồnnăng lượng tái tạo vào hệ thống điện theo các kịch bản giảm phát thải khí

CO2theobản báo cáo đóng góp dự kiến do quốc gia tự quyết định được gửi cho Ban thư ký Công ước khung của Liên Hợp Quốc về biến đổi khí hậu vào tháng 12 năm

2015 trước COP21 tại Paris Bên cạnh đó, các mô hình nghiên cứu có liên quan đến năng lượng tái tạo cần phải có địa điểm cụ thể để xác định các thông số từ cơ sở dữ liệu thời tiết cũng như cơ cấu các nguồn điện Để thuận lợi cho việc nghiên cứu,trong luận án chọn quốc gia làm đối tượng nghiên cứu là Việt Nam.

Mô hìnhtínhtoán

Mục tiêu của chương trình là tính toán tối ưu chi phí đầu tư và vận hành cho toàn hệ thống điện trong khi vẫn đảm bảo các điều kiện ràng buộc [132].Hàm mục tiêu tối ưu hoá của bài toán được thể hiện như ởcông thức (3.1): min[∑c trong đó ω là trong đó ω làF trong đó ω là trong đó ω là+∑c G+∑(o g

- c n,s là chi phí đầu tư mở rộng thêm 1 MW cho nhà máy điện s tại nútn.

- G n,s là công suất lắp đặt của nhà máy s tại nútn.

- c l là chi phí đầu tư mở rộng khả năng truyền tải của đường dây l thêm 1MW.

- F l là khả năng truyền tải của đường dâyl

- o n,s là chi phí biên cho nhà máy tại nútn

- g n,s (t) là công suất phát của nhà máy s tại nút n tại thời điểmt

- n là các nút trong hệthống

- s thể hiện loại nhà máy điện trong môhình.

Các chi phí liên quan đến đầu tư xây dựng các loại nhà máy điện với các công nghệ khác nhau cũng như chi phí mở rộng khả năng truyền tải điện của đường dây được tham khảo tại [60] Với các chính sách của chính phủ đối với lĩnh vực phát triển năng lượng tái tạo sẽ giúp giảm thiểu rủi ro tài chính cho các nhà đầu tư và từ đó giảm chi phí cho việc đầu tư nguồn năng lượng tái tạo Việc đánh giáđúng n,s chi phí đầu tư là vấn đề quan trọng trong việc xây dựng mô hình tính toán tối ưu mở rộng hệ thống điện [133].

Với mục tiêu vận hành kinh tế và ổn định toàn hệ thống thì yêu cầu phải thỏa mãn các điều kiện ràng buộc [126], trong đó quan trọng nhất là ràng buộc về cân bằng tại các nút về công suất phát, phụ tải và công suất truyền tải:

Trong đó dn(t) là phụ tải tại nút n tại thời điểm t; Kn,llà ma trận liên thuộc của hệ thống điện và fl(t) là công suất truyền tải qua đường dây l tại thời điểmt.

Bên cạnh đó, cần phải thoả mãn điều kiện ràng buộc về giới hạn về khả năng phát công suất của các nhà máy điện:

𝑔 − ( 𝑡).𝐺 ≤𝑔 (𝑡)≤ trong đó ω là𝑔 + ( 𝑡).𝐺 ∀ trong đó ω là𝑛,𝑡

Khả năng phát công suất của các nhà máy điện được giới hạn cận dưới vớithông số g- n,s (t) và giới hạn cận trên thông qua thông số g+( t )

Hai ràng buộc vừa nêu trên cũng được áp dụng cho các nhà máy điện tích năng và bộ lưu trữ điện năng.

Giới hạn công suất lắp đặt Gn,scho nhà máy điện sử dụng công nghệ s tại nútn tuân theo ràng buộc:

𝐺𝑛,𝑠 𝑚𝑖𝑛 ≤ 𝐺𝑛,𝑠 ≤𝐺𝑛,𝑠 𝑚𝑎𝑥 ( 3.4) Trong đó Gn,s minlà giới hạn công suất lắp đặt cực tiểu và Gn,s maxlà giới hạncông suất lắp đặt cực đại.

Ngoài ra, công suất truyền tải |fl(t)| trên đường dây l tại các thời điểm cũngkhông được vượt quá khả năng truyền tải công suất tối đa của đường dây để tránh quá tải đường dây:

|𝑓 𝑙 (𝑡)|≤ trong đó ω là𝐹 𝑙 ∀ trong đó ω là𝑙 ( 3.5)

Lượng khí thải CO2do hệ thống điện gây ra chủ yếu là từ các nhà máy nhiệtđiện khi đốt nhiên liệu như than, dầu, khí,… Khi có nhiều nhà máy điện năng lượng tái tạo tham gia hoạt động trong hệ thống điện thì có thể sẽ không tăng thêm nhiều các nhà máy nhiệt điện truyền thống Theo công ước Paris về biến đổi khí hậu thìlượng khí thải CO 2 ở mỗi quốc gia đều cần phải giới hạn.

Lượng khí thải CO2do hệ thống điện gây ra cần được giới hạn bởi đại lượng CAPCO2ở ràng buộc sau:

Trong đó lượng khí thải cụ thểe s tính theo đơn vị tấn/MWh của máy phát điện kiểusvới hiệu suấtƞ s Trong(3.6)chỉ cần lưu ý phát thải từ nhiệt điện qua các lò đốt với giá trị escủa các nhà máy nhiệt điện là 0,1872 tấn/MWh[60].

3.2.4 Thuật toán tối ưu hoá tích hợp nguồn năng lượng tái tạo vào hệthống điện xét đến các kịch bản giảm lượng khí thảiCO 2

Trên cơ sở mô hình tính toán đã đề xuất, luận án thực hiện xây dựng chương trình tính toán tối ưu hoá tích hợp nguồn năng lượng tái tạo vào hệ thống điện xétđến các kịch bản giảm lượng khí thải CO 2 Chương trình phần mềm được lập trìnhtrên ngôn ngữ lập trình Python - một ngôn ngữ lập trình bậc cao cho các mục đích lập trình đa năng Python do Guido van Rossum tạo ra và lần đầu ra mắt vào năm 1991 Python được thiết kế với ưu điểm mạnh là dễ đọc, dễ học và dễ nhớ. Python là ngôn ngữ có hình thức rất sáng sủa, cấu trúc rõ ràng, thuận tiện cho người mới học lập trình [134], [135] Để thuận tiện cho quá trình tính toán phân tích hệ thống điện, chương trình sử dụng thư viện phân tích hệ thống điện PyPSA (Python for Power System Analysis) – một thư viện Python mã nguồn mở phục vụ mô phỏng và tính toán lưới điện [133], [136] Ngoài ra, chương trình sử dụng thêm các thư viện pandas, numpy và một số thư viện khác phục vụ cho việc xử lý số liệu, bảng biểu và vẽ đồthị.

Lưu đồ thuật toán của chương trình tính toán tối ưu hoá tích hợp nguồn nănglượng tái tạo vào hệ thống điện xét đến các kịch bản giảm lượng khí thải

CO2được thể hiện nhưhình 3.1 Mã nguồn của chương trình được viết trên ngôn ngữ lập trình Python như thể hiện ởphụ lục 3.1.

Hình 3.1 Lưu đồ thuật toán tối ưu hoá tích hợp nguồn năng lượng tái tạo vào

Nghiêncứutốiưuhoátíchhợpnguồnnănglượngtáitạovàohệthống điện theo các kịch bản giảm lượng khíthảiCO 2

3.3 Nghiên cứu tối ưu hoá tích hợp nguồn năng lượng tái tạo vào hệthống điện theo các kịch bản giảm lượng khí thảiCO 2

3.3.1 Mô hình lưới điện nghiêncứu

Mô hình do luận án đề xuất được áp dụng tính toán cho hệ thống điện giả định như ởhình 3.2 Các số liệu cụ thể của sơ đồ hệ thống điện được cho ở cácphụ lục 3.2vàphụ lục 3.3.

Hình 3.2 Sơ đồ lưới điện nghiên cứu

Cấu trúc liên kết của mô hình lưới điện được xây dựng dựa trên lưới điện truyền tải điện cao thế của Việt Nam cũng như tập hợp các nhà máy điện hiện có

[132] Dữ liệu được đưa vào chương trình để tính toán tối ưu, trong đó bộ dữ liệu thời tiết cho Việt Nam được lấy từ nguồn MERRA-2 [132], [137] Khả năng phát công suất của các nhà máy điện gió phụ thuộc vào hướng gió, vận tốc gió, độ cao lắp đặt của turbine và một số yếu tố khác Tương tự, khả năng phát công suất của các nhà máy điện mặt trời phụ thuộc cường độ bức xạ mặt trời, góc bức xạ và các yếu tố thời tiết khác Để lập mô hình mô phỏng chế độ vận hành của các nguồn năng lượng tái tạo theo chuỗi thời gian, dữ liệu thời tiết địa phương về tốc độ gió, độ bức xạ mặt trời cũng được lấy từ nguồn dữ liệu lịch sử MERRA-2 [137] Nguồn dữ liệu MERRA-2 do NASA phát triển và duy trì và được cung cấp thông qua nguồn từ Renewables.ninja [60] Thông số nguồn và nhu cầu phụ tải từng giờ tại các nút cũng như thông số đường dây truyền tải được thu thập từ [132] Danh sách các nút, phân bố phụ tải và thông số phụ tải được thể hiện như ởhình 3.3,cácphụ lục3.2vàphụ lục3.3.

Hình 3.3 Phân bố phụ tải tại các nút Để phù hợp với cam kết về giảm phát thải CO2tự nguyện so với kịch bảnphát thải thông thường, trong luận án nghiên cứu 06 kịch bản như dưới đây,trongđó05kịchbảnđầutiêntươngứngvớicácmứcgiảmphátthảikhíCO 2k h á c nhau giả định là đối với các quốc gia tham gia công ước Paris như Việt Nam, cụ thể như sau: a Kịch bản 1: Không giảm phát thải khíCO 2 b Kịch bản 2: giảm 8% lượng khí thảiCO2 c Kịch bản 3: giảm 15% lượng khí thảiCO2 d Kịch bản 4: giảm 25% lượng khí thảiCO2 e Kịch bản 5: giảm 35% lượng khí thảiCO2 f Kịch bản 6: đánh giá ảnh hưởng đến giảm lượng khí thảiCO 2 khi có các hệthống BESS tham gia vào hệthống. Ở kịch bản thứ 6, luận án nghiên cứu thêm ảnh hưởng của các hệ thống tíchtrữ năng lượng đối với khả năng giảm phát thải khí CO 2

Tại Việt Nam thì các nguồn điện truyền thống chủ yếu là từ các nhà máy nhiệt điện, thuỷ điện Đối với các nguồn điện năng lượng tái tạo thì tham gia vào hệ thống điện nhiều nhất là các nguồn điện gió và nguồn điện năng lượng mặt trời Vì vậy, trong luận án này tập trung nghiên cứu cho bốn loại nguồn điện nêu trên.

Luận án nghiên cứu hệ thống điện tối ưu về chi phí bằng cách sử dụng bộ dữ liệu lưới điện rút gọn giả định xét đến năm 2030 và dữ liệu thời tiết từ MERRA-2 làm đầu vào.Hình 3.4thể hiện kết quả mô phỏng phân bố sản lượng phát điện các loại nguồn khác nhau phân biệt theo màu Các công nghệ được hiển thị theo màu tương ứng là năng lượng mặt trời (màu đỏ), năng lượng gió (màu xanh lá cây), thủy điện (màu xanh nước biển), nhiệt điện (màu đen) Trong đó hình a tương ứng với phân bố sản lượng theo các loại nguồn phát điện tại các nút tương ứng với mứcgiảm mức khí thải CO2là 0%, tiếp theo hình b tương ứng với mức giảm lượng khí thải

CO2là 8%, hình c là giảm 15% và hình d là giảm25%.

Hình 3.4 Kết quả mô phỏng phân bố sản lượng phát điện các loại nguồn theo các kịch bản khác nhau

Có thể nhận thấy ứng với mức giảm lượng khí thải CO2càng thấp thì đòi hỏimức độ thâm nhập của các nguồn năng lượng tái tạo càng ít Ở mức giảm 0% và 8%, các nguồn năng lượng gió và mặt trời chủ yếu tập trung ở khu vực phía Nam vàTây Nguyên Khi mức giảm CO 2 yêu cầu cao hơn thì mức độ thâm nhập các nguồnnăng lượng tái tạo cũng yêu cầu cao hơn, có sự phân bố dịch chuyển nhẹ, bổ sung thêm các nguồn này về phía miền Trung và miền Bắc Biểu đồ phát tương ứng với các kịch bản giảm mức phát thải 0%, 8%, 25% nhưhình3.5.

Trong các trường hợp nghiên cứu, các đường dây truyền tải đều không xuất hiện tình trạng quá tải Chế độ mang tải cao nhất xuất hiện ở kịch bản mô phỏng mức giảm khí thải đạt mức 25% nhưhình 3.6, trong đó các đường dây truyền tải từ miền Trung ra miền Bắc mang tải khá cao.

Hình 3.5 Biểu đồ phát tương ứng với các kịch bản giảm mức phát thải 0%, 8%, 25%

Hình 3.6 Mức độ mang tải các đường dây ở kịch bản 4 Ở kịch bản 6, khi cho phép đầu tư thêm các hệ thống tích trữ điện năng, kết quả mô phỏng cho thấy các nhà máy điện gió và mặt trời có thể thâm nhập thêm nhiều hơn vào hệ thống như ởhình 3.7 Hình 3.8thể hiện đồ thị nạp và xả của các thiết bị BESS trong hệ thống điện.

Hình 3.7 Phân bổ sản lượng phát điện các nhà máy khi có sự thâm nhập của BESS

Hình 3.8 Đồ thị nạp xả của các hệ thống BESS

Tuy nhiên, khi đó tổng chi phí đầu tư và vận hành toàn hệ thống là cao nhất(cao hơn so với kịch bản 5 – giảm lượng khí thải 35%) nhưng chỉ giảm được3 1 , 4 % lượng khí thải CO2 Như vậy hiệu quả giảm lượng khí thải trong trường hợp này lạikhông bằng kịch bản 5 như thể hiện trong đồ thị ởhình 3.9.

Hình 3.9 Mức giảm phát thải CO2 và tỉ lệ tương ứng ở các kịch bản

Thống kê tỉ lệ sản lượng phát điện trong các kịch bản được thể hiện nhưbảng 3.2 và hình3.10.

Bảng 3.1 Thống kê tỉ lệ sản lượng phát điện trong các kịch bản

Sản lượng (GWh) Điện gió Điện mặt trời Thuỷ điện Nhiệt điện

Hình 3.10 Tỉ lệ sản lượng phát của các loại nhà máy điện theo các kịch bản

Thống kê tỉ lệ công suất lắp đặt trong các kịch bản được thể hiện nhưbảng 3.3 và hình3.11.

Bảng 3.2 Thống kê tỉ lệ công suất lắp đặt trong các kịch bản

Công suất lắp đặt (GW) Thuỷ điện Điện mặt trời Nhiệt điện Điện gió

Hình 3.11 Tỉ lệ công suất lắp đặt các loại nguồn điện theo các kịch bản mô phỏng

Qua biểu đồ ở cáchình 3.10 và hình 3.11có thể thấy khi mức độ giảm phátthải khí CO 2 tăng lên thì các nhà máy điện năng lượng tái tạo (gió và mặt trời) thamgia nhiều hơn trong cơ cấu nguồn và cơ cấu phát điện của toàn hệ thống điện. Bêncạnh ràng buộc về mức độ giảm phát thải khí CO 2 , một số yếu tố khác, ví dụ nhưtiềm năng gió, tiềm năng khai thác điện mặt trời theo từng khu vực, chi phí đầu tư các loại nguồn điện… cũng ảnh hưởng đến mức độ thâm nhập các nguồn năng lượng tái tạo vào hệ thống điện Ở kịch bản 6 (có hệ thống BESS tham gia trong hệ thống) thì các nhà máy điện gió tham gia nhiều hơn trong hệ thống so với các nguồn năng lượng mặt trời Điều này là do các nhà máy điện năng lượng mặt trời chỉ có thể phát công suất vào ban ngày trong các thời điểm có nắng, trong khi các nhà máy điện gió thì có thể hoạt động cả ngày lẫn đêm (khi có gió), do đó hiệu quả vận hành nhà máy điện gió kết hợp với các hệ thống BESS cao hơn hẳn so với các nhà máy điện mặttrời.

Chương này đã xây dựng mô hình tính toán quy hoạch phát triển nguồn năng lượng tái tạo vào hệ thống điện trong tương lai, với hàm mục tiêu là tính toán tốiư u hóa chi phí đầu tư và vận hành trong khi đảm bảo tuân thủ các kịch bản về giảmlượng khí thải CO 2 đã đề ra.

Có thể thấy, một khi các chính sách về bảo vệ môi trường và giảm phát thải khí nhà kính được các quốc gia trên thế giới áp dụng, sự phát triển của năng lượng tái tạo sẽ được thúc đẩy một cách mạnh mẽ, đặc biệt là điện gió thay vì mặt trời.Qua đó, có thể thấy trong tương lai, cần có chính sách hỗ trợ nhằm đưa các quốc gia đang phát triển tiếp cận với công nghệ điện gió đương đại của thế giới nhằm rút ngắn chi phí đầu tư điện gió, bởi vì một hệ thống điện ít khí thải phụ thuộc vào năng lượng tái tạo, đặc biệt là nguồn điện gió Đồng thời cần phát triển các nguồn năng lượng tái tạo khác và các dịch vụ hỗ trợ nhằm đáp ứng được sự tối ưu và ổn định trong quá trình hệ thống điện vậnhành.

Đặtvấnđề

Các nhà máy điện gió thường gây khó khăn cho các đơn vị vận hành hệ thống điện trong việc tính toán một cách tin cậy các số liệu liên quan đến công suất phát, kế hoạch phát điện và cung cấp điện cho toàn bộ phụ tải Việc thay đổi đột ngột công suất phát của các nhà máy điện gió làm tăng các yếu tố không chắc chắn trong vận hành hệ thống điện nên Trung tâm điều độ hệ thống điện thường phải yêu cầu tăng cường dự phòng công suất phát, dẫn đến chi phí phát điện toàn hệ thống tăng cao Khi mức độ tích hợp các nhà máy điện gió vào hệ thống điện còn ở mức thấp thì mức độ ảnh hưởng đến hệ thống điện hầu như không đáng kể Tuy nhiên, khi mức độ tích hợp các nhà máy điện gió vào hệ thống điện đạt mức cao thì có một số thách thức cần phải được quan tâm, bao gồm mất cân bằng công suất, tăng dự trữ hệ thống Để khắc phục vấn đề này đòi hỏi việc dự báo công suất phát nguồn điện gió cần phải được nghiên cứu, xây dựng các mô hình dự báo với sai số thấp nhất có thể để có thể khắc phục những vấn đề này Việc dự báo chính xác công suất phát nguồn điện gió có thể hỗ trợ nâng cao khả năng ổn định của hệ thống điện, nâng cao độ tin cậy cung cấp điện và cải thiện chất lượng điện năng Từ đó việc tính toán cân bằng công suất trong hệ thống điện, tính toán vận hành kinh tế hệ thống điện cũng sẽ chính xác hơn, góp phần làm giảm chi phí vận hành hệ thống điện Hơn nữa, việc tính toán cân bằng công suất và vận hành kinh tế trong hệ thống điện sẽ chính xác hơn, góp phần giảm chi phí vận hành Một số ảnh hưởng của sai số dự báo đối với việc vận hành thị trườngđiện:

 Gây mất cân bằng công suất tác dụng, công suất phản kháng trong hệthống.

 Giảm độ tin cậy cung cấpđiện.

 Suy giảm chất lượng điện năng (giá trị điện áp, tần số vận hành không đảm bảo yêu cầu kinh tế - kỹthuật).

 Công suất dự phòng tăng lên dẫn đến chi phí vận hành hệ thống tăng lên, từ đó làm tăng giá sản xuất điện, đẩy giá bán điện lên cao, không cạnh tranh được.

 Đối với thị trường điện giao ngay, việc dự báo không chính xác công suất phát điện gió sẽ khiến nhà máy chịu thiệt hại về giáđiện.

Hiện nay trên thế giới đã có nhiều nghiên cứu về việc dự báo công suất phát nguồn điện gió với nhiều phương pháp dự báo khác nhau, trong đó các phương pháp thống kê được sử dụng tương đối phổ biến, đặc biệt là phương pháp dựa trên mạng trí tuệ nhân tạo như đã trình bày ở chương 1 Hầu hết các nghiên cứu đều đã đề xuất các phương pháp tân tiến và xây dựng được các mô hình dự báo công suất phát nguồn điện gió có thể ứng dụng cho thực tế sản xuất Tuy nhiên vấn đề sai số trong công tác dự báo vẫn có thể được cải thiện hơn nữa thông qua các phương pháp tối ưu và họcmáy.

Với mục tiêu nâng cao tính chính xác và giảm sai số trong dự báo công suất phát nhà máy điện gió, chương này đề xuất mô hình sử dụng mạng trí tuệ nhân tạo kết hợp với thuật toán bầy đàn và thuật toán di truyền để xây dựng chương trình dự báo công suất phát nguồn điện gió Trong đó, thuật toán bầy đàn sẽ được sử dụng để điều chỉnh các thông số của mạng nơ-ron nhằm tăng cường độ chính xác Song song với quá trình đó, thuật toán di truyền sẽ được sử dụng để điều chỉnh các tham số của thuật toán bầy đàn nêu trên để nâng cao hơn nữa tính chính xác của kết quả dự báo.

Mô hình được kiểm tra với dữ liệu thực tế thu thập từ nhà máy điện gió Tuy Phong ở tỉnh Bình Thuận, Việt Nam như được trình bày ở các mục tiếptheo.

Mạng trí tuệ nhân tạo và thuật toántốiưu

4.2.1 Mạng trí tuệ nhân tạo(ANN)

Trí tuệ nhân tạo (Artificial Intelligence) là lĩnh vực nghiên cứu làm cho máy móc khả năng làm được các việc như suy luận, phán đoán, cảm nhận, hiểu ngôn ngữ và giải quyết vấn đề như con người.

Mạng nơron nhân tạo có cấu trúc tương tự như bộ não tuy nhiên số nơron trong mạng nơron nhân tạo là hữu hạn tuỳ thuộc vào nhu cầu thực tế của bài toán, còn đối với bộ não con người số nơron lên tới xấp xỉ 15 tỉ nơron Mạng nơron có khả năng học và áp dụng lại những gì đã được dạy, chính vì đặc điểm này mà mạng nơron đang được phát triển rất mạnh mẽ và đang được ứng dụng rất nhiều trong thực tế, đặc biệt là trong lĩnh vực dự báo, phân loại, nhận dạng, điều khiển[75].

Trong chương này, một mạng rơ-non truyền thẳng được sử dụng để dự báo công suất phát nguồn điện gió như thể hiện ởhình 4.1 Cấu trúc cơ bản của mạng nơ-ron nhiều lớp truyền thẳng được mô tả như sau:

- Một mạng truyền thẳng nhiều lớp bao gồm một lớp vào, một lớp ra và một hoặc nhiều lớp ẩn nằm giữa lớp vào và lớpra.

- Đầu vào là các vector (x 1 , x2…, xn) trong không gian n chiều, đầu ra là các vector (y1, y2 , yk) trong không gian kchiều.

- Mỗi nơron thuộc tầng sau liên kết với tất cả các nơron thuộc tầng liền trước nó.

- Đầu ra của nơron tầng trước là đầu vào của nơron thuộc tầng liền saunó.

- Các lớp đầu vào nhận tín hiệu vào và tái phân phối cho các nơron trong lớp ẩn Các nơron đầu vào không thực hiện bất kỳ một tính toán nào Các nơron lớp ẩn sẽ phát hiện các tính năng và trọng số của các nơron đại diện cho các tính năng ẩn của lớp đầu vào Những tính năng này sẽ được sử dụng bởi các lớp ra để xác định mô hình đầu ra Luồng thông tin trong mạng nơron truyềnthẳng sẽ đi từ trái qua phải, các giá trị đầu vào (x 1, x2,x3…, xn) được truyềntớicácnơronlớpẩnthôngquatrọngsốkếtnốisauđóđưatớilớpra.Trọng số kết nối từ phần tử vào thứitới nơron ẩn thứ h được ký hiệu là w1ih, trọng số kết nối từ nơron ẩn thứ h tới các nơron ra thứ k được ký hiệu là w2hk.

Hình 4.1 Sơ đồ mạng nơron nhiều lớp truyền thẳng

Với lớp nơron ẩn thứ h [138]: n net h =∑w ih x i + trong đó ω làb h i trong đó ω là= trong đó ω là1

- x i là biến đầu vào thứi;

- w ih là trọng số liên kết giữa biến đầu vào thứ i và neuron thứh;

- net h là tham số hàmtruyền;

Trong nghiên cứu này, tác giả sử dụng lớp đầu vào bao gồm 03 nơ-ron biểu thị tốc độ gió, hướng gió và nhiệt độ, 01 lớp ẩn và lớp đầu ra có 01 nơ-ron là công suất phát nguồn điện gió Mạng nơ-ron có 10 nơ-ron trong lớp ẩn với số lượng nơ- ron trong lớp ẩn đã được lựa chọn cẩn thận Nếu con số này quá nhỏ thì có khả năng dẫn đến không thể xác định đầy đủ các tín hiệu trong một tập dữ liệu phức tạp Tuy nhiên, nếu có quá nhiều nơ-ron trong lớp ẩn sẽ làm tăng thời gian huấn luyện mạng và có thể dẫn đến vấn đề quá khớp (overfitting) trong dự báo Số lượng nơ-ron trong lớp ẩn phụ thuộc vào các yếu tố như số lượng đầu vào, đầu ra của mạng, số bản ghi trong tập mẫu, nhiễu của dữ liệu đích, độ phức tạp của hàm truyền, kiến trúc mạng và thuật toán huấn luyện mạng Tác giả đã tiến hành nhiều thử nghiệm để xác định số lượng nơ-ron trong lớp ẩn với các cấu hình khác nhau Dựa trên kinh nghiệm nghiên cứu của tác giả và cách tiếp cận thử nghiệm thí điểm, sau đó tiến hành mô phỏng để thực hiện huấn luyện mạng và đánh giá sai số (MAPE) Cuối cùng, số lượng mười nơ-ron trong lớp ẩn đã được chọn vì nó cho giá trị sai số MAPE tốt hơn so với các trường hợp thử nghiệm còn lại mà không dẫn đến vấn đề quá khớp (overfitting) Tác giả đã sử dụng hàm tan-sigmoid làm hàm kích hoạt cho các nơ-ron ở lớp ẩn và hàm purelin cho lớp đầu ra Thông qua nghiên cứu của tác giả về trí tuệ nhân tạo và kinh nghiệm thực tế, hàm tan-sigmoid là một hàm phi tuyến có thể mô phỏng tương đối gần với đường cong công suất của tuabin gió Do đó, chức năng này đã được sử dụng làm chức năng kích hoạt cho lớp ẩn Hơn nữa, dựa trên kết quả từ các nghiên cứu khác, hàm kích hoạt thích hợp nhất cho lớp đầu ra của mạng nơron truyền thẳng là một hàm tuyến tính Đây là lý do tại sao tác giả sử dụng hàm tuyến tính purelin để chuyển dữ liệu từ lớp ẩn sang lớp đầura.

4.2.2 Thuật toán tối ưu hoá bầyđàn

Thuật toán tối ưu hóa bầy đàn (PSO) là một trong những thuật toán xây dựng dựa trên khái niệm trí tuệ bầy đàn để tìm kiếm lời giải cho các bài toán tối ưu hóa trên một không gian tìm kiếm nào đó.

Thuật toán tối ưu hóa bầy đàn là một dạng của các thuật toán tiến hóa quần thể đã được biết đến trước đây như thuật giải di truyền (Genetic algorithm (GA)),thuật toán đàn kiến (Ant colony algorithm) Tuy vậy PSO khác với GA ở chỗ nó thiên về sử dụng sự tương tác giữa các cá thể trong một quần thể để khám phá không gian tìm kiếm PSO là kết quả của sự mô hình hóa việc đàn chim bay đi tìm kiếm thức ăn cho nên nó thường được xếp vào các loại thuật toán có sử dụng trí tuệ bầy đàn Thuật toán PSO được giới thiệu vào năm 1995 tại một hội nghị của IEEE bởi James Kennedy và kỹ sư Russell C.Eberhart [139].

Thuật toán PSO có một số ưu điểm chính như sau: khái niệm đơn giản, dễ thực hiện, khả năng kiểm soát các tham số mạnh, và hiệu quả tính toán cao khi so sánh với thuật toán toán học và các kỹ thuật tối ưu hóa heuristic khác [140] Thuật toán có nhiều ứng dụng quan trọng trong tất cả các lĩnh vực mà ở đó đòi hỏi phải giải quyết các bài toán tối ưu hóa [141].

Thuật toán PSO được mô tả bởi 2 phương trình: phương trình vận tốc và phương trình vị trí với mối liên hệ được thể hiện ởhình 4.2[139]:

- Phương trình vị trí phần mỗi phầntử: x i =x i +v i k+1 k k+1 ( 4.3)

- Phương trình vận tốc mỗi phần tử: v i = trong đó ω làwv i + trong đó ω làc trong đó ω làr trong đó ω là(p i −x i ) trong đó ω là+ trong đó ω làc trong đó ω làr trong đó ω là(p g −x i ) k+1 kk 11 k k 22 k k ( 4.4)

Hình 4.2 Sơ đồ cập nhật các thông số vị trí và vận tốc của thuật toán PSO

Trong đó: xik Vị trí phần tử thứ i tại bước lặp thứk xik+1 Vị trí phần tử thứ i tại bước lặp thứ k+1 vik Vân tốc phần tử thứ i tại bước lặp thứ k xik+1 Vân tốc phần tử thứ i tại bước lặp thứk+1 pik Vị trí tốt nhất của riêng phần tử thứ i ở bước lặp thứk pgk Vị trí tốt nhất g (global) trong các vị trí của các phần tử đến bước lặp thứ k wk Trọng số quán tính khôngđổi c1,c2 Thông số kinh nghiệm và quan hệ bầy đàn r1,r2 Các số ngẫu nhiên trong khoảng từ 0 đến1.

Trong chương này, thuật toán PSO được sử dụng phối hợp với thuật toán di truyền và mạng trí tuệ nhân tạo để xây dựng mô hình dự báo công suất phát nguồn điện gió.

4.2.3 Thuật toán di truyền(GA)

Giải thuật di truyền là một kỹ thuật của khoa học máy tính và là một phân ngành của giải thuật tiến hóa nhằm tìm kiếm giải pháp thích hợp cho bài toán tìm kiếm và tối ưu dựa vào các nguyên lý của tiến hóa như di truyền, đột biến, chọn lọc tự nhiên, và trao đổi chéo [142].

Thuật toán di truyền (GA – Genetic Algorithm) là một công cụ rất hiệu quả để giải quyết các vấn đề tối ưu Thuật toán di truyền được xây dựng dựa vào hai quá trình sinh học cơ bản: lý thuyết di truyền học của Gregor Johan Mendel (1865) và lý thuyết tiến hóa của Charles Darwin (1875) GA có thể mô tả và giải quyết được rất nhiều bài toán tối ưu phức tạp trong nhiều lĩnh vực như bài toán lập thời khóa biểu,lập kế hoạch bán hàng, bài toán người du lịch… Lưu đồ thuật toán di truyền được thể hiện nhưhình 4.3[142].

Hình 4.3 Lưu đồ thuật toán di truyền [142]

Thuật toán di truyền có nhiều ưu điểm so với các thuật toán tối ưu hóa truyền thống Hai ưu điểm đáng chú ý nhất là khả năng xử lý các vấn đề phức tạp và tính song song Các thuật toán di truyền có thể làm việc với nhiều loại tối ưu hóa khác nhau, cho dù hàm mục tiêu (hàm thích nghi) là tuyến tính hoặc phi tuyến, liên tục hoặc không liên tục hoặc với nhiễu ngẫu nhiên Bởi vì nhiều cá thể con trong một quần thể hoạt động giống như các tác nhân độc lập, nên quần thể (hoặc bất kỳ nhóm con nào) có thể khám phá không gian tìm kiếm theo nhiều hướng đồng thời Tính năng này làm cho nó lý tưởng để thực hiện song song các thuật toán Các tham số khác nhau và thậm chí các nhóm chuỗi mã hóa khác nhau có thể được tính toán cùng một lúc[143].

Tuy nhiên, thuật toán di truyền cũng có một số nhược điểm Việc xây dựng hàm thích nghi, sử dụng kích thước quần thể, lựa chọn các thông số quan trọng như tỷ lệ đột biến và trao đổi chéo, và các tiêu chuẩn lựa chọn của quần thể mới cần

Mô hình dự báo công suất phát nguồn điện gió sử dụng mạng trítuệ nhân tạo kết hợp với các thuật toántốiưu

4.3.1 Mô hình dự báo công suất phát nguồn điện gióPSO-PSO-ANN

Cấu trúc thuật toán PSO-PSO-ANN gồm 3 vòng chính: Vòng lặp PSO1, vòng lặp PSO2 và vòng mạng nơron được thể hiện nhưhình4.6.

Hình 4.6 Mô hình thuật toán PSO-PSO-ANN

Vòng lặp ngoài cùng PSO1 sử dụng thuật toán PSO để xác định các thông sốc 12 , c22và w2tối ưu cho thuật toán PSO2 Vòng lặp PSO2 cũng sử dụng thuật toán PSO nhận các thông số c12, c22và w2từ kết quả từ vòng lặp PSO1 để điều chỉnh cácthông số của mạng nơron Vòng ANN dùng để tính sai số trong mỗi vòng lặp.Sơ đ thu t toán PSO-PSO-ANN đồ thuật toán PSO-PSO-ANN được thể hiện ở ật toán PSO-PSO-ANN được thể hiện ở ược thể hiện ởc th hi n ể hiện ở ện ở ởhình4.7.

Nhập dữ liệu và chia dữ liệu thành tập dữ liệu huấn luyện và

Xây dựng cấu trúc mạng nơron, chọn các thông số của thuật toán PSO1 và PSO2

Chọn xinit trong đó ω làvà vinit trong đó ω làcho các phần tử thuộc 1i1i Chọn xinit trong đó ω làvà vinitcho các phần tử thuộc 2i2i

Cập nhật pbest trong đó ω làvà f trong đó ω làbest 1i1i

Tính f trong đó ω là 2i current trong đó ω là và p current 2i

Cập nhật gbest trong đó ω làvà f trong đó ω làbest 11

Cập nhật pbest trong đó ω làvà f trong đó ω làbest 2i2i Cập nhật vận tốc

Cập nhật gbest trong đó ω làvà f trong đó ω làbest

Tính f trong đó ω là current Cập nhật vận tốc

Nếu f trong đó ω là current < f trong đó ω là best

Sai Cập nhật vị trí

Cập nhật best trong đó ω làvà best p 1i f 1i

Tính f trong đó ω là 2i current max(fbest) trong đó ω là= trong đó ω làmax(fbest trong đó ω là, trong đó ω làf trong đó ω làbest trong đó ω là, trong đó ω là… trong đó ω làf trong đó ω làbest trong đó ω là) Nếu f trong đó ω là current trong đó ω là < f trong đó ω là best Sai

Nếu max (f trong đó ω làbest) < f trong đó ω làbest Cập nhật pbest trong đó ω làvà f trong đó ω làbest

1i1 Sai 2i2i Đúng Cập nhật best trong đó ω làvà best g 1 f 1 max(fbest) trong đó ω là= trong đó ω làmax(fbest trong đó ω là, trong đó ω làf trong đó ω làbest trong đó ω là, trong đó ω là… trong đó ω làf trong đó ω làbest trong đó ω là) 2i 22222n

Nếu max (f trong đó ω làbest) < f trong đó ω làbest Sai

Tất cả phần tử đều được cập nhật? 2i2 Sai Đúng Đúng Cập nhật gbest trong đó ω làvà f trong đó ω làbest 22 Cập nhật xinit trong đó ω làvà vinit 2i2i

Tất cả phần tử đều được cập nhật?

Số bước lặp = iteration 1 _max? Đúng Sai Đúng Sai số đạt được đủ nhỏ? Đúng

Xuất kết quả thông số của mạng nơron Số bước lặp = iteration 1 _max? Sai Đúng

Dự đoán với tập dữ liệu kiểm tra

Hình 4.7 Lưu đồ thuật toán của thuật toán PSO-PSO-ANN

- x init :Vị trí ban đầu của phần tử thứ i của thuật toán PSO1.

- x init :Vị trí ban đầu của phần tử thứ i của thuật toán PSO2.

- v init :Vận tốc ban đầu của phần tử thứ i của thuật toánPSO1.

- p best : Vị trí tối ưu của phần tử thứ i của thuật toánPSO1.

- f current : Giá trị sai số của phần tử thứ i ở bước lặp hiện tại của thuật toán

- f best : Giá trị sai số tối ưu của phần tử thứ i của thuật toánPSO1.

- f best : Giá trị sai số tối ưu của phần tử thứ i thuộc thuật toánPSO2.

- g best :Vị trí tối ưu toàn cục của thuật toánPSO1.

- f best : Vị trí tối ưu toàn cục của thuật toánPSO1.

4.3.2 Mô hình dự báo công suất phát nguồn điện gióGA-PSO-ANN

Cấu trúc thuật toán GA-PSO-ANN gồm 3 vòng chính: Vòng lặp GA, vòng lặp PSO, vòng ANN được thể hiện như ởhình 4.8 Vòng lặp ngoài cùng GA sửdụng thuật toán di truyền để xác định các thông số c1, c2và w tối ưu cho vòng lặp PSO.Vòng lặp PSO sử dụng thuật toán PSO nhận các thông sốc1,c2và w từ kếtquả từ vòng lặp GA để điều chỉnh các thông số của mạng nơron Vòng ANN dùng để xác định sai số trong mỗi lầnlặp.

Hình 4.8 Mô hình thuật toán GA-PSO-ANN

Lưu đồ thuật toán GA-PSO-ANN được thể hiện trênhình 4.9 Trong đó:

- x init :Vị trí ban đầu của phần tử thứ i của thuật toánPSO2.

- f current : Giá trị sai số của phần tử thứ i ở bước lặp hiện tại của thuật toán

- f best : Giá trị sai số tối ưu của phần tử thứ i thuộc thuật toánPSO2.

- Q:Quầnthểbaogồmcácphươngán(Q 1 ,Q2…,QN),Qi= (c1i,c2i,wi)vớii

=1, 2, 3…, N N là số lượng các phương án trong quần thể.

Hình 4.9 Lưu đồ thuật toán GA-PSO-ANN

4.3.3.1 Giới thiệu về nhà máy điện gió Tuy Phong-BìnhThuận

Nhà máy điện gió Tuy Phong được đặt tại xã Bình Thạnh, huyện Tuy Phong, tỉnh Bình Thuận, có vị trí địa lý từ 11°13'09.7" đến 11°11'29.8" vĩ độ Bắc và từ 108°40'28.6" đến 108°40'34.3" kinh độ Đông.

Hình 4.10 Các trụ điện gió thuộc Nhà máy điện gió Tuy Phong - Bình Thuận

Hình 4.11 Tiềm năng gió ở Tuy Phong Bình Thuận [6]

Vị trí nhà máy cách Quốc lộ 1A khoảng 500m về phía Tây Bắc và giáp biển, cách biển khoảng 2km về phía Đông Nam Khu vực nhà máy là một khu đất cát ven biển, xung quanh không có vật cản gió, cây cối xung quanh chủ yếu là các cây bụi thấp [145] Khu vực Tuy Phong – Bình Thuận được xem là một trong những nơi có tiềm năng gió lớn nhất ở Việt Nam.

Nhà máy điện gió Tuy Phong do Công ty cổ phần Năng lượng tái tạo Việt Nam (REVN – Renewable Energy Vietnam) đầu tư được triển khai đầu tiên.

Sau hơn 3 tháng khởi công xây dựng và lắp đặt, tuabin điện gió đầu tiên công suất 1,5MW đã khởi động an toàn và phát điện vào ngày 21 tháng 8 năm 2009 Đây là dự án phong điện có quy mô lớn đầu tiên tại Việt Nam Dự án nhà máy phong điện của REVN có tổng công suất là 120 MW với 80 tuabin, được thực hiện theo nhiều giai đoạn.

Giai đoạn 1 gồm 5 tuabin và giai đoạn 2 gồm 15 tuabin đã hoạt động vào năm 2008 và 2011 tương ứng Các tuabin có chiều cao cột 85m, đường kính cánh quạt 77m, công suất 1,5MW, tổng trọng lượng tuabin là 89,4 tấn, cột tháp là 165 tấn.

Toàn bộ thiết bị hiện đại của nhà máy do Fuhrlaender, một hãng chế tạo thiết bị phong điện nổi tiếng thế giới của Cộng hòa Liên Bang Đức cung cấp và được cán bộ, kỹ sư và chuyên gia của Công ty cổ phần phong điện Fuhrlaender Việt Nam lắp đặt.

4.3.3.2 Cấu tạo tuabin và các thông số chính của các thiết bị trong nhàmáy

Cấu tạo tuabin và các thông số chính của các thiết bị trong nhà máy được thể hiện nhưhình 4.12 và các bảng 4.2, bảng 4.3.

Bảng 4.2 Bảng thông số về tuabin

Tốc độ gió khởi động (V cut−in ) 3 m/s

Tốc độ gió định mức (Vrates) 11,1 m/s

Tốc độ gió lớn nhất phải dừng tuabin

Bảng 4.3 Bảng thông số máy phát

Công suất định mức 1500 kW

Nguyên tắc cấu tạo Máy phát không đồng bộ kết nối thép

Hệ số công suất định mức 0,955

Hình 4.12 Cấu tạo của tubin gió 4.3.3.3 Dữliệu

Dữ liệu bao gồm công suất tác dụng và các thông số tốc độ gió, hướng gió, nhiệt độ được thu thập theo chu kỳ 30 phút dùng để huấn luyện mô hình được lấy từ nhà máy điện gió Tuy Phong, Bình Thuận cho tuabin FL612.

Số liệu sau khi được xử lý nhiễu có 3866 bản ghi, được chia thành hai tập: tập huấn luyện (training) và tập kiểm tra (test) Tập training có 3479 điểm dữ liệu dùng để huấn luyện và tập test có 387 điểm dữ liệu dùng để kiểm tra độ chính xác của mô hình nhưhình4.13.

Chương trình để chạy các thuật toán trong nghiên cứu này được xây dựng trên ngôn ngữ lập trình Python Python là ngôn ngữ lập trình bậc cao và hướng đối tượng Python có cấu trúc rõ ràng, dễ hiểu, dễ lập trình và các đoạn code được viết trên Python thường ngắn hơn so với các ngôn ngữ lập trình khác Đặc biệt Python hỗ trợ rất nhiều các thư viện toán học, thư viện về học máy, khoa học dữ liệu, các thư viện thuật toán tối ưu như Pyswarms, Pyeasyga[134].

DỮ LIỆU CÔNG SUẤT PHÁT TUABIN VÀ VẬN TỐC GIÓ

Hình 4.13 Dữ liệu công suất phát và vận tốc gió của tuabin

Kết quảthử nghiệm

4.4.1 Phương pháp đánh giá kếtquả Để đánh giá hiệu quả của các mô hình dự báo, hai loại tiêu chuẩn đo độ chính xác sau được sử dụng: Sai số phần trăm giá trị tuyệt đối trung bình (MAPE) và sai số bình phương trung bình(MSE).

Sai số phần trăm giá trị tuyệt đối trung bình:

MAPE= ∑ i trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là trong đó ω là i trong đó ω là trong đó ω là100%

Sai số bình phương trung bình:

Trong đóP true là trong đó ω làgiá trong đó ω làtrị trong đó ω làcông trong đó ω làsuất trong đó ω làthực trong đó ω làtế trong đó ω làthứ trong đó ω lài,P predict là trong đó ω làgiá trong đó ω làtrị trong đó ω làcông trong đó ω làsuất i i dự đoán thứ i và N là tổng số mẫu dữ liệu thu thập được.

4.4.2 Kếtquả thửnghiệm Để đánh giá độ chính xác hơn, mỗi thuật toán được đề xuất đã được sử dụng để huấn luyện và kiểm tra mạng nơ-ron 24 lần để tính giá trị MSE và MAPE trung bình Kết quả so sánh với các phương pháp PSO-ANN và Adam-ANN được thể hiện trongBảng4.4.

Bảng 4.4 Sai số của mô hình dự báo đề xuất so sánh với mô hình PSO-ANN vàAdam-ANN

Lần thử GA-PSO-ANN PSO-PSO-ANN PSO-ANN Adam-ANN

MSE MAPE MSE MAPE MSE MAPE MSE MAPE

Hình 4.14 và hình 4.15cho thấy các chỉ số MAPE và MSE trong 24 lần thử nghiệm của cả bốn mô hình (được xây dựng dựa trên bốn phương pháp nói trên).Trong các hình, mô hình PSO-PSO-ANN và GA-PSO-ANN có độ chính xác ổn định hơn so với mô hình PSO-ANN vàAdam-ANN.

PSO-PSO-ANN GA-PSO-ANN

GA-PSO-ANNPSO-PSO-ANNPSO-ANNAdam-PSO

Hình 4.14 Chỉ số MAPE cho 24 lần thử nghiệm

Hình 4.15 Chỉ số MSE cho 24 lần thử nghiệm

GA-PSO-ANNPSO-PSO-ANNPSO-ANNAdam-ANN

Giá trị trung bình MSE and MAPE được thể hiện nhưbảng 4.5 và hình 4.16, hình 4.17.

Bảng 4.5 Giá trị trung bình của MAPE và MSE

GA-PSO-ANN 4.52% 0.001139635 PSO-PSO-ANN 4.54% 0.001117418 PSO-ANN 4.90% 0.001212124 Adam-ANN 7.79% 0.001235203

Hình 4.16 Giá trị trung bình của MAPE cho 24 lần thử nghiệm

Hình 4.17 Giá trị trung bình MSE cho 24 lần thử nghiệm

Công suất phát nhà máy điện gió thực tế và dự báo trong 01 ngày (mô hình GA-PSO-ANN)

Kết quả trung bình của MAPE qua 24 lần thử nghiệm đối với thuật toán GA- PSO-ANN là4 , 5 2 % , P S O - P S O - A N N l à 4 , 5 4 % , P S O - A N N l à 4 , 9 0 % v à A d a m -

ANN là 7,79% Cả hai thuật toán PSO-PSO-ANN và GA-PSO-ANN đều cho kết quả tốt hơn PSO-ANN và Adam-ANN Trong đó, thuật toán GA-PSO-ANN có kết quả tốt nhất, tốt hơn một chút so với thuật toán PSO-PSO-ANN.

Kết quả trung bình của MSE trong 24 lần thử nghiệm đối với các thuật toán GA-PSO-ANN, PSO-PSO-ANN, PSO-ANN và Adam-ANN lần lượt là 0,00114; 0,00112; 0,00121 và 0,00123 Trong trường hợp của chỉ số MSE, PSO-PSO-ANN có kết quả tốt nhất trong số bốn thuật toán này Một lần nữa, có thể thấy hai thuật toán PSO-PSO-ANN và GA-PSO-ANN cho kết quả tốt hơn PSO-ANN và Adam- ANN.

Trong cả hai trường hợp, các thuật toán đề xuất GA-PSO-ANN và PSO- PSO-ANN có kết quả vượt trội so với PSO-ANN và Adam-ANN Vì đồ thị dự báo so với kết quả thực tế cho hai thuật toán được đề xuất tương đối giống nhau nên đồ thị của mô hình GA-PSO-ANN được hiển thị như được minh họa tronghình 4.18 và 4.19, kết quả dự báo điện gió trong một ngày (hình 4.18) và trong một tuần (hình 4.19) bằng mô hình GA-PSO-ANN khá sát với kết quả dự báo điện gió thực tế được lưu trữ qua hệ thống SCADA.

Hình 4.18 Công suất phát thực tế và dự báo của tuabin gió trong 24h

C ô n g su ất đ ầu r a tu ab in ( M W )

Công suất phát nhà máy điện gió thực tế và dự báo trong 01 tuần (mô hình GA-PSO-ANN)

Hình 4.19 Công suất phát thực tế và dự báo của tuabin gió trong 24h (mô hình

Bên cạnh đó, luận án cũng đã nghiên cứu và xây dựng mô hình dự báo điện gió ngắn hạn sử dụng ngôn ngữ lập trình Python, kết hợp thư viện TensorFlow để huấn luyện mạng nơron nhân tạo [146] Sai số dự báo được cải thiện thông qua việc thử nghiệm và lựa chọn hàm kích hoạt, hàm tối ưu hóa, số lớp ẩn, số nơron trong mỗi lớp, tỷ lệ tập huấn luyện/kiểm tra phù hợp với dữ liệu Tiêu chuẩn đánh giá sai số phần trăm trung bình (MAPE) được dùng để so sánh sai số của các mô hình huấn luyện, lựa chọn được mô hình tối ưu So sánh với các nghiên cứu trước đây về dự báo điện gió cho thấy kết quả dự báo có sai số tương đối thấp như thể hiện ở hình 4.20.

C ô n g su ất đ ầu r a tu ab in ( M W ) 1 7

Adam-ANN GA-PSO-ANNPSO-PSO-ANN

SAI SỐ MAPE TRUNG BÌNH

Hình 4.20 Đồ thị sai số MAPE trung bình của mô hình dự báo sử dụng

Tensorflowso với một số mô hình dự báo khác

Việc lập trình bằng ngôn ngữ Python chạy trên môi trường GoogleColab giúp tiết kiệm thời gian, đơn giản hóa việc lập trình Mô hình đề xuất có thể được ứng dụng vào thực tiễn cho công tác dự báo công suất phát của các nhà máy điện gió.

Chương này đã đề xuất mô hình và xây dựng thành công phần mềm dự báo công suất phát nhà máy điện gió với mức độ chính xác tương đối tốt so với các mô hình khác Trên cơ sở ngôn ngữ lập trình mã nguồn mở Python, tác giả đã kết hợp ứng dụng mạng trí tuệ nhân tạo với thuật toán bầy đàn, thuật toán di truyền để xây dựng nên chương trình dự báo Trong đó, tác giả đã sử dụng thuật toán bầy đàn để huấn luyện mạng neural nhân tạo (mô hình PSO-ANN) Để giảm sai số dự báo, nâng cao tính chính xác, tác giả đã sử dụng một thuật toán bầy đàn khác và thuật toán di truyền (mô hình PSO-PSO-ANN và GA-PSO-ANN) nhằm tự động điều chỉnh tối ưu các tham số trong quá trình huấn luyện mạng neural Mô hình do tác giả đề xuất đã được áp dụng nhằm dự báo công suất phát cho nhà điện gió Tuy PhongtạitỉnhBìnhThuận,ViệtNam.KếtquảchothấycácmôhìnhdựbáoPSO-

PSO-ANN và GA-PSO-ANN cho kết quả dự báo tốt hơn hẳn so với mô hình PSO- ANN hay Adam-ANN Mô hình dự báo đề xuất trong luận án này có độ phức tạp lớn hơn, cũng như thời gian huấn luyện mạng dài hơn so với các mô hình thông thường, tuy nhiên lại cho sai số tốt hơn so với một số mô hìnhkhác.

Bảng 4.6cho thấy sự so sánh MAPE giữa các mô hình dự báo điện gió khác nhau [75], [92], [147] Các mô hình đề xuất PSO-PSO-ANN và GA-PSO-ANN cho thấy độ chính xác tốt hơn so với các mô hình nói trên, điều này cho thấy rằng các mô hình đề xuất trong mô hình này có thể được sử dụng tốt để dự báo trong sản xuất thực tế của các trang trại điện gió trong khi đảm bảo mức độ cao cho độ chính xác.

Bảng 4.6 So sánh giá trị MAPE của mô hình đề xuất so với các mô hình khác

Việc dự báo công suất phát các nhà máy điện gió đóng vai trò quan trọng trong việc vận hành hệ thống điện và thị trường điện Mô hình do tác giả đề xuất trong chương này có thể được mở rộng và phát triển hơn nữa nhằm nâng cao độ chính xác của kết quả dự báo Một số hướng mở rộng nghiên cứu có thể xem xét như là: nghiên cứu thuật toán nhằm lọc và loại bỏ các nhiễu trong dữ liệu đầu vào;nghiên cứu thuật toán xác định số lớp ẩn tối ưu trong mạng neural để cho kết quả dự báo với sai số thấp nhất; nghiên cứu xác định số nơ-ron tối ưu trong lớp ẩn thông qua một vòng lặp PSO/GAkhác

KẾT LUẬN VÀ KIẾN NGHỊ

Trên cơ sở mục đích nghiên cứu đã đặt ra, luận án đã có những đóng góp mới trong lĩnh vực nghiên cứu ảnh hưởng của nguồn điện gió công suất lớn đối với hệ thống điện và thị trường điện, cụ thể nhưsau:

Luận án đã trình bày tổng quan về nguồn điện gió và các nghiên cứu về vấn đề ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện và thị trường điện Qua đó, có thể thấy rằng nguồn điện gió đã và đang được các các quốc gia, các tổ chức, cá nhân trên thế giới chú trọng nghiên cứu và khai thác mạnh mẽ Với mục tiêu giảm dần các nguồn điện truyền thống gây ô nhiễm môi trường và giảm lượng khí thải nhà kính, hầu hết các quốc gia đều có chiến lược tăng tỷ trọng của nguồn điện năng lượng tái tạo, trong đó có nguồn điện gió, trong cơ cấu nguồn cung cấp điện củamình.

Tuy nhiên, khi mức độ thâm nhập của nguồn điện gió vào cơ cấu nguồn điện tăng lên sẽ dẫn đến nhiều tác động đến hệ thống điện và thị trường điện Luận án đã nghiên cứu, phân tích và trình bày các ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện, bao gồm ảnh hưởng đến cân bằng công suất và ổn định hệ thống điện, ảnh hưởng đến chất lượng điện năng, ảnh hưởng đến lưới điện truyền tải, ảnh hưởng đến vận hành tối ưu các nhà máy điện và ảnh hưởng đến an ninh cung cấp điện cũng như vấn đề về giảm lượng khí thải nhà kính, bảo vệ môi trường Để làm rõ hơn nội dung này, luận án đã thực hiện tính toán, phân tích và mô phỏng ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện trên mô hình lưới điện IEEE 9 nút Kết quả tính toán và mô phỏng được thể hiện cụ thể, chi tiết qua các bảng biểu, biểu đồ và được luận án phân tích, đánh giá cụthể.

Bên cạnh đó, nhằm đánh giá cụ thể hơn về ảnh hưởng của nguồn điện gió đến vấn đề giảm lượng khí thải nhà kính, bảo vệ môi trường, luận án đã nghiên cứu xây dựng mô hình tính toán quy hoạch phát triển nguồn điện năng lượng tái tạo vào hệthốngđiện,trongđóchútrọngnghiêncứucácnguồnđiệngió,nguồnđiệnmặt trời và các hệ thống lưu trữ năng lượng Với hàm mục tiêu là tính toán tối ưu hóa chi phí đầu tư và vận hành trong khi đảm bảo tuân thủ các kịch bản về giảm lượngkhí thải CO 2 , luận án đã xây dựng chương trình phần mềm trên ngôn ngữ lập trìnhPython (là một ngôn ngữ lập trình mã nguồn mở) và áp dụng tính toán cho lưới điện giả định Chương trình phần mềm do luận án đề xuất đã tính toán được cơ cấunguồn điện phù hợp với các mức giảm lượng khí thảiCO 2 trong các kịch bản khácnhau Kết quả nghiên cứu chỉ ra rằng khi các nguồn năng lượng tái tạo thâm nhậpcàng cao trong hệ thống điện thì lượng khí thải CO 2 giảm càng nhiều Từ đó có thểthấy một khi các chính sách về bảo vệ môi trường và giảm phát thải khí nhà kính được các quốc gia trên thế giới áp dụng thì sẽ thúc đẩy sự phát triển của các nguồn điện năng lượng tái tạo một cách mạnh mẽ, đặc biệt là nguồn điện gió Mô hình tính toán do luận án đề xuất cho phép các đơn vị tư vấn, các cơ quan chức năng có một công cụ tính toán đắc lực phục vụ cho bài toán lập quy hoạch hệ thống điện với mức độ thâm nhập ngày càng cao của các nguồn năng lượng táitạo.

Trong luận án này cũng đã trình bày ảnh hưởng của nguồn điện gió công suất lớn đến thị trường điện, bao gồm ảnh hưởng đến giá thị trường, ảnh hưởng đến chi phí cho các dịch vụ phụ trợ và ảnh hưởng đến tài chính của các nhà máy điện gió tham gia trong thị trường điện cạnh tranh Để minh hoạ rõ hơn, luận án đã nghiên cứu tính toán ảnh hưởng của sai số dự báo công suất phát nhà máy điện gió đến doanh thu của nhà máy điện gió tham gia trong thị trường phát điện cạnh tranh đối với tình huống cụ thể Thông qua kết quả nghiên cứu, có thể thấy rằng sai số dự báo công suất phát nguồn điện gió càng lớn thì nhà máy điện gió càng thiệt hại nhiều khi tham gia trong thị trường điện cạnhtranh. Để góp phần giải quyết vấn đề nêu trên, luận án đã nghiên cứu đề xuất mô hình và xây dựng thành công phần mềm dự báo công suất phát nguồn điện gió với mức độ chính xác tương đối tốt so với các mô hình khác Trên cơ sở ngôn ngữ lập trình mã nguồn mở Python, luận án đã kết hợp ứng dụng mạng trí tuệ nhân tạo với thuật toán bầy đàn và thuật toán di truyền để xây dựng nên chương trình dự báo Mô hình dự báo PSO-PSO-ANN và GA-PSO-ANN do luận án đề xuất đã được áp dụng nhằm dự báo công suất phát cho nhà điện gió Tuy Phong tại tỉnh Bình Thuận, Việt Nam Kết quả cho thấy các mô hình dự báo nêu trên cho kết quả dự báo tốt hơn hẳn so với mô hình PSO-ANN hay Adam-ANN và có thể sử dụng cho các nhà máy điện gió, các trung tâm điều độ nhằm phục vụ cho công tác điều độ, vận hành, lập kế hoạch sản xuất các nhà máy điện gió.

Có thể thấy rằng, các kết quả của nghiên cứu của luận án đã đáp ứng các mục đích nghiên cứu đề ra, đồng thời góp phần tích cực cho việc đẩy mạnh khai thác, ứng dụng và phát triển các nguồn điện gió cũng như các nguồn điện năng lượng tái tạo trong thời giantới.

Trên cơ sở các kết quả nghiên cứu của luận án này, một số hướng nghiên cứu tiếp theo được đề xuất như sau:

- Nghiên cứu phân bố tối ưu các tuabin gió trong nhà máy điệngió.

- Nghiên cứu giám sát và tự động điều khiển tối ưu nguồn điện gió qua hệ thốngSCADA/EMS.

- Nghiên cứu tích hợp nguồn năng lượng tái tạo công suất lớn vào hệ thống điện.

- Nghiên cứu vận hành tối ưu nguồn năng lượng gió trong thị trườngđiện.

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ

1 Dinh Thanh Viet,Vo Van Phuong, Minh Quan Duong, Alexander Kies, Bruno

U Schyska, Yuan Kang Wu,A Short-Term Wind Power Forecasting Tool forVietnamese Wind Farms and Electricity Market, 2018 4th International

Conference on Green Technology and Sustainable Development (GTSD 2018), 23-24 Nov 2018, Ho Chi Minh City, Vietnam (SCOPUSindexed).

2 Dinh Thanh Viet,Vo Van Phuong, Minh Quan Duong, Ma Phuoc Khanh, Alexander Kies, Bruno Schyska,A Cost-Optimal Pathway to

IntegrateRenewable Energy into the Future Vietnamese Power System,

20184thInternational Conference on Green Technology and Sustainable Development (GTSD 2018), 23-24 Nov 2018, Ho Chi Minh City, Vietnam (SCOPUS indexed).

3 Dinh Thanh Viet, Tran Quoc Tuan,Vo Van Phuong,Optimal Placement andSizing of Wind Farm in Vietnamese Power System Based on Particle Swarm Optimization, 2019 International Conference on System Science and

Engineering (ICSSE 2019), Dong Hoi city, Quang Binh province, Vietnam, July 20-21, 2019 (SCOPUSindexed).

4 Dinh Thanh Viet,Vo Van Phuong, Minh Quan Duong, Tran Quoc Tuan,Models for Short‐Term Wind Power Forecasting Based on Improved ArtificialNeural Network Using Particle Swarm Optimization and Genetic Algorithms, Energies

5 Markus Schlott, Bruno Schyska, Dinh Thanh Viet,Vo Van Phuong, Duong Minh Quan, Ma Phuoc Khanh, Fabian Hofmann, Lueder von Bremen, Detlev Heinemann, Alexander Kies,PyPSA-VN: An open model of the

VietnameseElectricity System, 5th International Conference on Green

Technology and Sustainable Development (GTSD 2020), Ho Chi Minh city,Vietnam, November 27-28, 2020 (SCOPUS indexed).

6 Dương Minh Quân, Đinh Thành Việt, Lê Tuân, Hoàng Dũng,Võ Văn Phương,

Mã Phước Khánh,Vai trò của hệ thống lưu trữ với mức độ xâm nhập cao củanguồn năng lượng tái tạo vào lưới điện việt nam đến năm 2030, Tạp chí khoa học và công nghệ Đại học Đà Nẵng, Vol 18, No 5.2, 2020, trang45-50.

7 Đinh Thành Việt,Võ Văn Phương, Dương Minh Quân, Nguyễn Đình Ngọc Hải, Chu Văn Long,Nghiên cứu ứng dụng học sâu trong dự báo công suất phátnguồn điện gió, Tạp chí điện tử khoa học và công nghệ Đại học Đà Nẵng, Vol 19,

Tiêu đề	Nghiên Cứu, Đánh Giá Ảnh Hưởng Của Nguồn Điện Gió Công Suất Lớn Đến Hệ Thống Điện
Tác giả	Võ Văn Phương
Người hướng dẫn	PGS. TS. Đinh Thành Việt, GS.TSKH. Trần Quốc Tuấn
Trường học	Đại học Đà Nẵng
Chuyên ngành	Kỹ thuật điện
Thể loại	luận án tiến sĩ kỹ thuật
Năm xuất bản	2023
Thành phố	Đà Nẵng

Định dạng
Số trang	199
Dung lượng	3,95 MB

Nghiên cứu, đánh giá ảnh hưởng của nguồn điện gió công suất lớn đến hệ thống điện

Tính cấp thiết củađềtài

Mục đíchnghiêncứu

Phương phápnghiên cứu

Đối tượng và phạm vinghiêncứu

Ý nghĩa khoa học và thực tiễn củaluậnán

Bố cục củaluậnán

Tổng quan về nguồnđiệngió

Tìnhhìnhnghiêncứuảnhhưởngcủanguồnđiệngiócôngsuấtlớnđối với hệ thống điện và thịtrườngđiện

Kết luậnchương 1

Đặtvấnđề

Mô hình turbine, máy phátđiệngió

Ảnh hưởng của nguồn điện gió công suất lớn đến hệthống điện

Nghiêncứutínhtoánvàphântíchảnhhưởngcủanguồnđiệngióđến hệthốngđiện

Ảnh hưởng của nguồn điện gió công suất lớn đến thịtrườngđiện

Nghiên cứu ảnh hưởng của sai số dự báo công suất phát nguồn điện gióđếnd o a n h t h u c ủ a n h à m á y đ i ệ n g i ó t h a m g i a t r o n g t h ị t r ư ờ n g p h á

Kết luậnchương2

79

Đặtvấnđề

Mô hìnhtínhtoán

Nghiêncứutốiưuhoátíchhợpnguồnnănglượngtáitạovàohệthống điện theo các kịch bản giảm lượng khíthảiCO 2

Kết luậnchương3

Đặtvấnđề

Mạng trí tuệ nhân tạo và thuật toántốiưu

Mô hình dự báo công suất phát nguồn điện gió sử dụng mạng trítuệ nhân tạo kết hợp với các thuật toántốiưu

Kết quảthử nghiệm

Kết luậnchương4