tối ưu lịch trình sạc xả của xe điện trong hệ thống sạc điện hai chiều sử dụng phương pháp rolling horizon optimization

Một ví dụ điển hình gồm 160 xe điện thực hiện sạc xả lên lưới thông qua hệ thống sạc hai chiều đặt trong bãi gửi xe thông minh được đưa ra để minh họa hiệu suất của phương pháp đang đề x

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

TRẦN NGUYÊN

TỐI ƯU LỊCH TRÌNH SẠC XẢ CỦA XE ĐIỆN TRONG HỆ THỐNG SẠC ĐIỆN HAI CHIỀU SỬ DỤNG PHƯƠNG PHÁP ROLLING HORIZON OPTIMIZATION

OPTIMAL SCHEDULING FOR CHARGING AND DISCHARGING ELECTRIC VEHICLE IN VEHICLE-TO-GRID SYSTEM USING

ROLLING HORIZON OPTIMIZATION METHOD

Chuyên ngành: Kỹ Thuật Điện Mã số: 8520201

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 01 năm 2024

Công trình được hoàn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM

Cán bộ hướng dẫn khoa học: PGS.TS Võ Ngọc Điều

Cán bộ chấm nhận xét 1: TS Nguyễn Phúc Khải

Cán bộ chấm nhận xét 2: TS Dương Thanh Long

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 20 tháng 01 năm 2024

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1 Chủ tịch hội đồng: TS Trần Hoàng Lĩnh

2 Thư ký: TS Nguyễn Ngọc Phúc Diễm 3 Phản biện 1: TS Nguyễn Phúc Khải

4 Phản biện 2: TS Dương Thanh Long 5 Ủy viên: TS Lê Văn Đại

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA -

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc

- NHIỆM VỤ LUẬN VĂN THẠC SĨ

Ngày, tháng, năm sinh: 10/08/1998 Nơi sinh: Ninh Thuận

II NHIỆM VỤ VÀ NỘI DUNG:

- Tìm hiểu xe điện, trạm sạc xe điện, lịch trình sạc xả xe điện, phương pháp Rolling Horizon Optimization

- Tìm giải thuật tính toán tối ưu lịch trình sạc xả xe điện theo các mục tiêu - Thiết kế mô hình toán và giải bài toán bằng Python

- Phân tích kết quả và đưa ra kết luận

III NGÀY GIAO NHIỆM VỤ: 04/09/2023

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 18/12/2023 V CÁN BỘ HƯỚNG DẪN: PGS.TS Võ Ngọc Điều

Tp HCM, ngày tháng năm

TRƯỞNG KHOA ĐIỆN – ĐIỆN TỬ

LỜI CẢM ƠN

Trong suốt thời gian làm Luận văn Thạc sĩ này, em đã nhận được nhiều sự giúp đỡ từ các Thầy Cô bộ môn, Thầy Cô văn phòng Khoa, đặc biệt là sự hướng dẫn tận tình từ Thầy PGS.TS Võ Ngọc Điều

Với lòng biết ơn sâu sắc, em xin gửi lời cảm ơn chân thành đến quý Thầy Cô trường Đại học Bách Khoa – ĐHQG Tp Hồ Chí Minh, quý Thầy Cô bộ môn Hệ thống điện, khoa Điện – Điện tử Đặc biệt, em xin gửi lời cảm ơn chân thành nhất đến Thầy PGS.TS Võ Ngọc Điều đã truyền đạt cho em nhiều kiến thức bổ ích, giúp em tiếp cận các nguồn tài liệu phong phú và hỗ trợ tạo mọi điều kiện thuận lợi nhất để em có thể hoàn thành Luận văn này

Em cũng xin cảm ơn quý anh chị đồng nghiệp Công ty Cổ phần Năng lượng TTC đã hỗ trợ tạo điều kiện thuận lợi khi em thực hiện Luận văn

Cảm ơn bạn Nguyễn Đạt Duy, học viên cao học ngành Kỹ thuật Xây dựng, khoa Kỹ thuật Xây dựng đã có nhiều góp ý mang tính xây dựng để mình hoàn thành Luận văn này

Xin gửi lời cảm ơn sâu sắc đến gia đình, bạn bè đã đồng hành, ủng hộ và giúp đỡ trong suốt quãng thời gian dài vừa qua

Sau cùng, em xin kính chúc quý Thầy Cô thật nhiều sức khỏe và thành công hơn nữa trong sự nghiệp giáo dục trồng người

Em xin chân thành cảm ơn!

TÓM TẮT

Sau 2 tuần đàm phán tại Hội nghị lần thứ 28 các bên tham gia Công ước khung của Liên Hợp Quốc về biến đổi khí hậu (COP 28) ở Dubai, UAE, ngày 13/12/2023 vừa qua, 200 nước thành viên đã thông qua một thỏa thuận lịch sử về khí hậu, trong đó có nội dung về cắt giảm sử dụng nhiên liệu hóa thạch Điều đó chứng tỏ trong tương lai không xa, xe điện sẽ sớm thay thế các phương tiện sử dụng động cơ đốt trong truyền thống Do đó, việc nghiên cứu, xây dựng và phát triển các công nghệ sạc xả xe điện trở nên bức thiết

Luận văn sẽ đi theo hướng đưa ra giải pháp góp phần làm hài lòng chủ sở hữu xe điện, vì đây là phần tử quan trọng và đông đảo nhất trong hệ thống sạc xả hai chiều Sự hài lòng của chủ phương tiện có thể giúp hệ thống hoạt động ổn định hơn, giúp xe điện trở nên phổ biến hơn và dẫn tới sự phát triển của mảng sạc xả xe điện

Luận văn này đề xuất một mô hình tối ưu lịch trình sạc xả ngoại tuyến, một mô hình tối ưu lịch trình sạc xả trực tuyến cho hệ thống sạc điện hai chiều Một ví dụ điển hình gồm 160 xe điện thực hiện sạc xả lên lưới thông qua hệ thống sạc hai chiều đặt trong bãi gửi xe thông minh được đưa ra để minh họa hiệu suất của phương pháp đang đề xuất Kết quả cho thấy phương pháp đang đề xuất đáp ứng được các yêu cầu về tài chính, kỹ thuật của bãi gửi xe và lưới điện Hơn nữa, chủ phương tiện còn có thể kiếm được lợi nhuận thông qua quá trình sạc xả này tùy vào nhu cầu của họ về dung lượng pin khi xe khởi hành

ABSTRACT

After 2 weeks of negotiations at the 28th Conference of Parties to the United Nations Framework Convention on Climate Change (COP 28) in Dubai, UAE, on December 13, 2023, 200 member countries agreed passed a historic climate agreement, which includes cutting fossil fuel use This proves that in the near future, EV will soon replace vehicles using traditional internal combustion engines Therefore, research, construction and development of EV charging and discharging technologies becomes urgent

This thesis aims to provide a solution that contributes to the satisfaction of owners of electric vehicles, because this is the most important and numerous element in the V2G system Vehicle owner satisfaction can help the system operate more stably, help EV become more popular and lead to the development of EV charging and discharging

This thesis proposes an optimization model for offline charging and discharging schedules and an optimization model for online charging and discharging schedules for V2G systems A typical example of 160 EVs charging and discharging to the grid through a V2G system located in a smart parking lot is given to illustrate the performance of the proposed method The results show that the proposed method meets the financial and technical requirements of the parking lot and power grid Furthermore, vehicle owners can also make a profit through this charging and discharging process depending on their needs for battery capacity when the vehicle departs

LỜI CAM ĐOAN

Tôi xin cam đoan đề tài “Tối ưu lịch trình sạc xả của xe điện trong hệ thống sạc điện hai chiều sử dụng phương pháp Rolling Horizon Optimization”, tên tiếng Anh “Optimal Scheduling for Charging and Discharging Electric Vehicle in Vehicle-to-Grid System Using Rolling Horizon Optimization Method” là công trình nghiên cứu cá nhân của tôi, dưới sự hướng dẫn khoa học từ Thầy PGS.TS Võ Ngọc Điều

Mọi số liệu, thông tin tham khảo được sử dụng để phân tích trong luận văn được trích dẫn rõ ràng Mọi số liệu, kết quả mô phỏng là trung thực, không sao chép từ công trình khoa học nào của người khác

Tôi xin chịu hoàn toàn trách nhiệm nếu có sự không trung thực trong thông tin sử dụng ở công trình nghiên cứu này

Học viên/ Tác giả

Trần Nguyên

1.2 Mục tiêu của nghiên cứu 2

1.3 Đối tượng và phạm vi nghiên cứu 3

2.2.2.3 Chuẩn sạc Combined Charging System (CCS): 9

2.2.2.4 Chuẩn sạc Tesla - Tesla Supercharger: 9

2.2.2.5 Các chuẩn sạc khác 9

2.2.3 Thực trạng 10

3.2.4.1 Phương trình điều khiển sạc xả của EV trong hệ thống 21

3.2.4.2 Bất phương trình giới hạn điện năng sạc xả của hệ V2G 21

3.2.4.3 Phương trình tính SOC tại từng thời điểm 21

3.2.4.4 Phương trình tính SOC tại thời điểm 1 22

3.2.4.5 Bất phương trình giới hạn SOC tại từng thời điểm 22

3.2.4.6 Bất phương trình giới hạn trạng thái sạc xả 22

3.2.4.7 Bất phương trình giới hạn thời gian sạc xả 22

3.2.4.8 Phương trình xác định trạng thái sạc xả của EV 22

3.2.4.9 Phương trình giới hạn dung lượng còn thiếu (áp dụng cho kịch bản A.2) 22

3.3 Mô hình lập lịch trình trực tuyến 23

3.3.4.1 Phương trình điều khiển sạc xả của EV trong hệ thống 26

3.3.4.2 Bất phương trình giới hạn điện năng sạc xả của hệ V2G 26

3.3.4.3 Phương trình tính SOC tại từng thời điểm 26

3.3.4.4 Phương trình tính SOC tại thời điểm 1 26

3.3.4.5 Bất phương trình giới hạn SOC tại từng thời điểm 27

3.3.4.6 Bất phương trình giới hạn trạng thái sạc xả 27

3.3.4.7 Bất phương trình giới hạn thời gian sạc xả 27

3.3.4.8 Phương trình xác định trạng thái sạc xả của EV 27

3.3.4.9 Phương trình giới hạn dung lượng còn thiếu (áp dụng cho kịch bản A.2) 27

CHƯƠNG 4: PHƯƠNG PHÁP ROLLING HORIZON OPTIMIZATION 28

5.1.4 Thông số khác của hệ thống V2G và lưới điện 40

6.2 Hướng phát triển đề tài 63

TÀI LIỆU THAM KHẢO 64

PHỤ LỤC 1 68

A Code tạo thông tin EV vào 68

B Code giải bài toán kịch bản A.1 69

C Code giải bài toán kịch bản A.2 73

D Code giải bài toán kịch bản B.1 78

E Code giải bài toán kịch bản B.2 85

PHỤ LỤC 2 93

A Bảng thông tin EV vào 93

B Bảng kết quả kịch bản A.1 theo thời đoạn t 97

C Bảng kết quả kịch bản A.1 theo EV 98

D Bảng kết quả kịch bản A.2 theo thời đoạn t 103

E Bảng kết quả kịch bản A.2 theo EV 104

F Bảng kết quả kịch bản B.1 theo thời đoạn t 108

DANH MỤC HÌNH ẢNH

Hình 2-1: Các loại xe điện hiện có trên thị trường [5] 5

Hình 2-2: Hình ảnh minh họa xe BEV [6] 6

Hình 2-3: Hình ảnh minh họa xe HEV [6] 6

Hình 2-4: Hình ảnh minh họa xe PHEV [6] 7

Hình 2-5: Các chuẩn đầu sạc khác 10

Hình 2-6: Mô hình trạm sạc ô tô điện ở trạm dừng cao tốc (Nguồn: VinFast) 10

Hình 2-7: Trạm sạc VinFast tại một trung tâm thương mại (Nguồn: VinFast) 11

Hình 2-8: Trụ sạc của Schneider Electric [9] 11

Hình 2-9: Trụ sạc của ABB [10] 12

Hình 2-10: Trụ sạc của EVNCPC (Nguồn: EVNCPC) 12

Hình 3-1: Mô hình trạm sạc xe điện 18

Hình 4-1: Lập lịch trình trong RHO 28

Hình 4-2: Lưu đồ thực hiện thuật toán RHO 31

Hình 4-3: Lưu đồ thuật toán lập lịch trình sạc xả EV trực tuyến sử dụng RHO 32

Hình 5-1: Trụ sạc DC 30kW thương hiệu Vinfast [22] 34

Hình 5-2: Số EV mới vào trạm ở thời điểm t 35

Hình 5-3: Số EV trong trạm ở thời điểm t 36

Hình 5-4: Tần suất xuất hiện các loại EV 37

Hình 5-5: Tần số phân bổ asoc 37

Hình 5-6: Tần số phân bổ dsoc 37

Hình 5-7: asoc và dsoc của 32 EV (20%) lấy ngẫu nhiên 38

Hình 5-8: Đồ thị chi phí sạc xả EV (VNĐ/pu) 40

Hình 5-9: Công suất sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản A.1 42

Hình 5-10: Lịch trình sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản A.1 43

Hình 5-11: Tương quan giá điện và trạng thái sạc xả hệ V2G kịch bản A.1 44

Hình 5-12: Tương quan số EV trong bãi xe và tham gia sạc xả kịch bản A.1 45

Hình 5-13: Công suất sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản A.2 46

Hình 5-14: Lịch trình sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản A.2 47

Hình 5-15: Tương quan giá điện và trạng thái sạc xả hệ V2G kịch bản A.2 48

Hình 5-16: Tương quan số EV trong bãi xe và tham gia sạc xả kịch bản A.2 49

Hình 5-17: Trạng thái sạc xả của hệ V2G kịch bản A.1 và A.2 50

Hình 5-18: Công suất sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản B.1 51

Hình 5-19: Lịch trình sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản B.1 52

Hình 5-20: Tương quan giá điện và trạng thái sạc xả hệ V2G kịch bản B.1 53

Hình 5-21: Tương quan số EV trong bãi xe và tham gia sạc xả kịch bản B.1 54

Hình 5-22: Công suất sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản B.2 55

Hình 5-23: Lịch trình sạc xả hệ thống V2G trong 48 thời đoạn của kịch bản B.2 56

Hình 5-24: Tương quan giá điện và trạng thái sạc xả hệ V2G kịch bản B.2 57

Hình 5-25: Tương quan số EV trong bãi xe và tham gia sạc xả kịch bản B.2 58

Hình 5-26: Trạng thái sạc xả của hệ V2G kịch bản B.1 và B.2 59

Hình 5-27: Trạng thái sạc xả của hệ V2G kịch bản A.1 và B.1 60

Hình 5-28: Trạng thái sạc xả của hệ V2G kịch bản A.2 và B.2 61

DANH MỤC BẢNG

Bảng 2-1: Phân loại trạm sạc theo chuẩn đầu sạc 8

Bảng 5-1: Dung lượng khả dụng xe điện Vinfast [23] 34

Bảng 5-2: Số EV trong trạm ở thời điểm t 36

Bảng 5-3: Giá mua điện kinh doanh, cấp điện áp từ 6kV đến dưới 22kV [24] 38

Bảng 5-4: Giá hệ thống V2G mua điện từ EVN 39

Bảng 5-5: Giá hệ thống V2G bán điện lên lưới 40

Bảng 5-6: Số lượt xuất hiện ứng với các giá trị z ở kịch bản A.1 45

Bảng 5-7: Số lượt xuất hiện ứng với các giá trị dsoc thực tế ở kịch bản A.1 45

Bảng 5-8: Số lượt xuất hiện ứng với các giá trị z ở kịch bản A.2 49

Bảng 5-9: Số lượt xuất hiện ứng với các giá trị dsoc thực tế ở kịch bản A.2 49

Bảng 5-10: Số lượt xuất hiện ứng với các giá trị z ở kịch bản B.1 54

Bảng 5-11: Số lượt xuất hiện ứng với các giá trị dsoc thực tế ở kịch bản B.1 54

Bảng 5-12: Số lượt xuất hiện ứng với các giá trị z ở kịch bản B.2 58

Bảng 5-13: Số lượt xuất hiện ứng với các giá trị dsoc thực tế ở kịch bản B.2 58

DANH MỤC CÁC TỪ VIẾT TẮT

1 BEV Battery Electric Vehicle Xe điện chạy hoàn toàn bằng pin

3 EVN Vietnam Electricity Tập đoàn Điện lực Việt Nam

4 HEV Hybrid Electric Vehicle Xe điện lai

5 ICE Internal Combustion Engine Động cơ đốt trong 6 PHEV Plug-in Hybrid Electric

Vehicle

Xe điện lai có cổng sạc điện

7 RHO Rolling Horizon Optimization Phương pháp tối ưu Rolling Horizon

có chia cho dung lượng tối đa của pin

xả lại điện năng từ xe điện lên lưới điện

CHƯƠNG 1: MỞ ĐẦU 1.1 Lí do chọn đề tài

Trong những năm gần đây, các phương tiện truyền thông, chính phủ và cơ quan xã hội đã và đang nhắc rất nhiều tới vấn đề bảo vệ môi trường, phát triển bền vững Một trong những nguồn quan tâm chính là từ ảnh hưởng của việc sử dụng nguồn nhiên liệu hóa thạch

Theo báo cáo năm 2018 của Cơ quan năng lượng quốc tế (IEA), giao thông vận tải đóng góp khoảng 24% lượng khí thải carbon mỗi năm [1] Ở Việt Nam, hầu hết ô tô, xe tải, tàu thuyền và máy bay hoạt động bằng nhiên liệu hoá thạch Khí thải ô nhiễm môi trường ở đô thị có tới 70% bắt nguồn từ các phương tiện giao thông [2] Với tình hình như vậy, việc giảm tiêu thụ nhiên liệu hóa thạch hoặc giảm khí thải trong lĩnh vực vận tải có thể đem lại những lợi ích đáng kể cho môi trường

Chính phủ Việt Nam đang tập trung vào các sáng kiến về vận tải xanh, bao gồm xe điện và hệ thống giao thông công cộng thân thiện với môi trường Giao thông xanh, hay vận tải bền vững, đề cập đến việc đáp ứng nhu cầu vận tải hiện tại mà không ảnh hưởng đến khả năng của thế hệ tương lai để đáp ứng nhu cầu này Các hướng phát triển phù hợp trong lĩnh vực giao thông xanh ở Việt Nam có thể kể đến là sử dụng nguồn năng lượng tái tạo như hydro, nhiên liệu sinh học và khí tự nhiên cho động cơ đốt trong (Internal Combustion Engine - ICE), cùng với việc áp dụng công nghệ mới như xe điện (Electric Vehicle - EV)

Theo thống kê của Cục Đăng kiểm Việt Nam, số lượng xe điện ở Việt Nam còn khá hạn chế, 140 xe được thống kê vào năm 2019, tăng lên 900 xe trong năm 2020 và hết Quý I năm 2021 là 600 xe [3] Tuy nhiên, BMI Research dự báo thị trường xe điện tại Việt Nam sẽ có sự tăng trưởng mạnh trong 10 năm tới Trong năm 2023, doanh số bán xe điện dự kiến tăng 118% so với cùng kỳ năm trước, lên 18.000 xe Doanh số bán xe điện loại chạy hoàn toàn bằng pin (Battery Electric Vehicle - BEV) dự kiến sẽ tăng trưởng 104.4% so với cùng kỳ năm trước, lên 17.000 đơn vị Xe điện có cổng kết nối sạc (Plug-in Hybrid Electric Vehicle - PHEV) cũng sẽ có doanh số tăng 9 lần so với cùng kỳ năm trước lên 1.100 đơn vị [4]

Để đảm bảo sự ổn định, tin cậy cung cấp điện của hệ thống điện chuẩn bị đón làn sóng xe điện gia tăng mạnh mẽ, cần có nhiều nghiên cứu về chủ đề sạc xả EV vào lưới điện hiện hữu mà trong đó sử dụng hệ thống sạc điện hai chiều (Vehichle to Grid - V2G) là một trong những phương án thường xuyên được nhắc tới và thảo luận

Về cơ bản, lịch trình sạc xả EV trong một hệ thống V2G sẽ cần phải được kiểm soát và quản lý Công tác này sẽ trở nên quan trọng hơn nữa khi mà số lượng EV xuất hiện trong lưới đang tăng lên nhanh chóng Trong nghiên cứu này, việc lên lịch trình ngoại tuyến lẫn trực tuyến được phát triển để tối đa hóa lợi nhuận mà chủ sở hữu EV nhận được khi tham gia vào hệ thống V2G

1.2 Mục tiêu của nghiên cứu

Mục đích của luận văn này là xây dựng một mô hình toán học chính xác và linh hoạt cho quá trình lên lịch trình sạc xả của xe điện trong hệ thống V2G để tối đa hóa chi phí nhận được từ quá trình sạc xả theo các mục tiêu được xét, góp phần làm cơ sở để đánh giá sự hài lòng của chủ sở hữu EV trong các nghiên cứu khác có liên quan

Việc phát triển song song hai lịch trình quản lý sạc xả ngoại tuyến và trực tuyến sẽ giúp so sánh kết quả của hai mô hình này và đưa ra kết luận phù hợp Trong mô hình ngoại tuyến, tất cả dữ liệu mạng điện và thông tin của EV được biết trước do đó sẽ thực hiện lên lịch trình dựa trên các thông tin này Nhưng trong mô hình trực tuyến, thông tin lưới điện là dữ liệu duy nhất được biết trước, thông số kỹ thuật EV không được xác định cho đến khi chúng vào hệ thống nên mô hình ngoại tuyến lên lịch trình mà không biết trước thông tin nào về các EV khác trong hệ thống Do đó, mục tiêu thứ ba là kiểm tra và đánh giá hiệu suất của mô hình trực tuyến bằng cách sử dụng phương pháp Rolling Horizon Optimization (RHO) So sánh kết quả với mô hình ngoại tuyến để xác định sự tương đồng và độ chính xác của mô hình trực tuyến so với mô hình ngoại tuyến Trong tài liệu, các thuật toán heuristics hay meta heuristics chủ yếu được sử dụng cho các vấn đề lập kế hoạch, tuy nhiên kết quả không được đảm bảo là tối ưu toàn cục Luận văn này phát triển và đề xuất một phương pháp tối ưu toàn cục thông qua việc sử dụng phương pháp RHO Từ đó xác định khả năng của phương pháp trực tuyến để đạt được giải pháp gần tối ưu toàn cục

Bằng cách đặt ra các mục tiêu nghiên cứu trên, luận văn này mong muốn đóng góp vào lĩnh vực quản lý năng lượng trong hệ thống V2G, đặc biệt là trong công tác tối ưu hóa lịch trình sạc xả EV để đồng thời thỏa mãn yêu cầu của chủ sở hữu EV và cả các ràng buộc từ hệ thống điện

1.3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu

Đề tài nghiên cứu “Tối ưu lịch trình sạc xả của xe điện trong hệ thống sạc điện hai chiều sử dụng phương pháp Rolling Horizon Optimization” dựa trên hai lịch trình ngoại tuyến và trực tuyến, lịch trình ngoại tuyến sử dụng mô hình Mixed Integer Programming, trong khi lịch trình trực tuyến sử dụng phương pháp RHO với đối tượng nghiên cứu là mô hình Mixed Integer Programming, thuật toán RHO và bài toán sạc xả cho EV Thông qua đó giải các bài toán tối ưu hóa kinh tế cụ thể

Phạm vi nghiên cứu

Luận văn tập trung vào việc phát triển mô hình toán học và giải bài toán tối ưu lịch trình sạc xả cho EV trong hệ thống V2G bằng ngôn ngữ lập trình Python Sử dụng Python để xây dựng mô hình toán học chính xác và linh hoạt Mô hình được thiết kế với hàm mục tiêu tối đa lợi ích kinh tế mà chủ sở hữu EV có thể nhận được từ quá trình sạc xả (bao gồm chi phí phải trả khi sạc từ lưới, doanh thu nhận được khi xả điện vào lưới, tiền phạt khi sạc không đạt yêu cầu của khách hàng) Sử dụng các thư viện và công cụ tối ưu hóa có sẵn trong Python như Pandas, Pyomo, CPLEX Nghiên cứu sẽ thực hiện phân tích các kịch bản khác nhau để đánh giá mức độ ảnh hưởng của các yếu tố khác nhau đến chi phí vận hành

1.4 Ý nghĩa khoa học

Luận văn xây dựng mô hình toán học mô phỏng các biến đổi về năng lượng trong quá trình sạc xả EV, dựa vào đó có thể làm nền tảng cho các nghiên cứu tương tự và giúp hiểu rõ hơn về tối ưu hóa quản lý năng lượng trong hệ thống V2G

Việc sử dụng Python xử lí thành công bài toán tối ưu chứng minh rằng giải bài toán tối ưu bằng ngôn ngữ lập trình này là khả thi và hiệu quả, và làm cơ sở tham khảo cho các nghiên cứu tương lai sử dụng ngôn ngữ này

1.5 Ý nghĩa thực tiễn

Nghiên cứu này có thể giúp quản lý năng lượng một cách hiệu quả, khuyến khích sử dụng xe điện, hỗ trợ chuyển đổi từ nguồn năng lượng nhiên liệu hóa thạch sang năng lượng tái tạo và tối ưu hóa sử dụng nguồn năng lượng tái tạo

Có thể áp dụng kết quả luận văn vào thực hiện hệ thống V2G trong thực tế Điều này giúp tạo ra một cơ sở hạ tầng quản lý năng lượng thông minh và bền vững Ngoài ra, dựa trên các kịch bản được phân tích về mức độ ảnh hưởng của các yếu tố, luận văn có thể cung cấp thông tin làm cơ sở cho các quyết định, quy định, chiến lược, chính sách về năng lượng và xe điện trong tương lai

1.6 Nội dung luận văn

Nội dung luận văn được tổ chức thành sáu chương có cấu trúc cụ thể như sau: Chương 1: Giới thiệu tổng quan về đề tài luận văn Trình bày lí do chọn đề tài, mục tiêu khi chọn đề tài, đối tượng và phạm vi nghiên cứu của đề tài, ý nghĩa khoa học và thực tiễn của đề tài

Chương 2: Giới thiệu thông tin chung về EV, trạm sạc, hệ thống V2G, thực trạng sử dụng EV và trạm sạc, ứng dụng V2G trên thế giới Giới thiệu vấn đề lập lịch trình sạc xả xe điện, thông tin các công trình nghiên cứu trong và ngoài nước có liên quan đến phương pháp lập lịch trình ngoại tuyến và trực tuyến, tối ưu nhiều mục tiêu trong bài toán sạc xả EV vào lưới điện

Chương 3: Xây dựng mô hình toán học để lập lịch trình ngoại tuyến và trực tuyến điều khiển sạc xả EV

Chương 4: Giới thiệu phương pháp Rolling Horizon Optimization và hướng áp dụng vào bài toán

Chương 5: Chuẩn bị dữ liệu đầu vào, cung cấp kết quả giải bài toán tối ưu cho các kịch bản, cả trong mô hình ngoại tuyến và trực tuyến So sánh, đánh giá kết quả

Chương 6: Đưa ra kết luận và kiến nghị hướng cải tiến trong tương lai

CHƯƠNG 2: TỔNG QUAN 2.1 Xe điện

2.1.1 Khái niệm

Xe điện, còn được gọi là EV, là một phương tiện giao thông sử dụng một hoặc nhiều động cơ điện để tạo lực đẩy Xe điện lần đầu xuất hiện từ giữa thế kỷ 19, khi mà điện là phương pháp ưa chuộng cho động cơ xe đường bộ, với sự thoải mái và dễ vận hành hơn xe chạy xăng thời bấy giờ Trong thế kỷ 21, xe điện chứng kiến sự trỗi dậy trở lại nhờ vào những tiến bộ công nghệ và nỗ lực tập trung vào năng lượng tái tạo và giảm thiểu tác động của giao thông vận tải lên biến đổi khí hậu, ô nhiễm không khí, và những vấn đề môi trường khác Khác biệt cơ bản giữa xe điện và xe chạy bằng động cơ đốt trong (như xe chạy xăng hoặc dầu diesel) là nguồn năng lượng sử dụng

2.1.2 Phân loại

Có nhiều loại xe điện khác nhau: xe điện hybrid (HEV), xe điện plug-in hybrid (PHEV) và xe điện chạy hoàn toàn bằng pin (BEV)

Hình 2-1: Các loại xe điện hiện có trên thị trường [5]

BEV - Battery Electric Vehicle: là loại xe hoàn toàn chạy bằng điện và không có động cơ đốt trong Xe này cần được sạc từ một nguồn điện ngoại vi, ví dụ như điện lưới Pin của chúng thường lớn để có thể chạy trong phạm vi dài

Hình 2-2: Hình ảnh minh họa xe BEV [6]

HEV - Hybrid Electric Vehicle: đây là loại xe điện có khả năng tiết kiệm nhiên liệu cao, vì chúng bao gồm cả động cơ đốt trong và pin sạc Loại này hội đủ các thuộc tính tốt nhất bao gồm: thân thiện với môi trường, sử dụng hiệu quả nhiên liệu, đáp ứng nhu cầu kinh tế của người tiêu dùng Đối với HEV, pin được sạc bởi một động cơ đốt trong thứ hai và phanh hồi sinh Do đó, chúng không cần phải được kết nối với lưới điện để sạc

Hình 2-3: Hình ảnh minh họa xe HEV [6]

PHEV - Plug-in Hybrid Electric Vehicle: là loại kết hợp động cơ đốt trong và động cơ điện, có thể được tiếp nhiên liệu từ cả lưới điện hoặc tại trạm xăng Dung lượng pin của chúng lớn hơn HEV, đó là lý do chính khiến chi phí cao hơn so với HEV

Hình 2-4: Hình ảnh minh họa xe PHEV [6]

Một trong những vấn đề chính cản trở việc mua EV là bị giới hạn phạm vi di chuyển Mọi người đã quen với động cơ đốt trong có thể chạy gần 600-700 km trước khi tiếp nhiên liệu Khách hàng dùng động cơ đốt trong có thể bơm nhiên liệu mỗi tuần một lần, nhưng pin của EV thì có thể cần sạc lại mỗi ngày một lần

2.1.3 Thực trạng

Trong thời gian gần đây, thị trường EV đang ngày càng mở rộng, số lượng xe bán ra trên toàn cầu đạt 2,3 triệu xe trong quý I năm 2023, và ước đạt 14 trong cả năm 2023 [7]

Số lượng EV tăng lên đồng nghĩa sẽ cần nhiều điện hơn từ lưới điện để sạc Chủ EV sẽ sạc phương tiện của họ tại nhà, cơ quan hoặc các hạ tầng sạc công cộng Điều này sẽ gây ra một sự bùng nổ lớn trong mạng lưới điện

2.2 Trạm sạc

2.2.1 Khái niệm

Trạm sạc xe điện, còn được gọi là EV charging, là nơi cung cấp năng lượng điện cho các phương tiện giao thông vận hành bằng điện như xe ô tô điện, xe máy điện, xe buýt điện Trên phạm vi toàn cầu, có khoảng 2,7 triệu điểm sạc công cộng tính đến cuối năm 2020, tăng 50% so với giai đoạn 2015-2019 [7]

Thời gian sạc xe BEV

40 – 50 giờ 4 – 10 giờ 4 – 10 giờ

Quãng đường đi được với mỗi giờ sạc

phòng hoặc công cộng

Công cộng

2.2.2.1 Chuẩn đầu sạc SAE J1772

Thường được gọi là đầu sạc J, là chuẩn sạc phổ biến và chủ yếu ở Bắc Mỹ và Nhật Bản, dùng cho sạc cấp độ 1 (Level 1) và cấp độ 2 (Level 2)

Thiết kế đầu sạc có 5 chân để sạc AC Trong đó, ba chân chính kết nối AC pha 1 (L1), AC trung tính (N) và bảo vệ nối đất (PE); hai chân nhỏ hơn có chức năng xác nhận trạng thái (PP - Proximity Pilot), và giao tiếp đảm bảo an toàn giữa EV và trạm sạc (CP - Control Pilot)

Combo 1 là một phiên bản sửa đổi của SAE J1772 nên còn có tên gọi là SAE Combo, trong khi CCS Combo 2 dựa trên chuẩn Mennekes của châu Âu Chuẩn CCS (Combo 1 và Combo 2) hỗ trợ sạc nhanh DC bằng cách thêm hai chân cắm cho dòng điện một chiều (DC)

2.2.2.4 Chuẩn sạc Tesla - Tesla Supercharger:

Đây là hệ thống sạc nhanh độc quyền của Tesla, cung cấp sạc nhanh cho các mẫu xe của hãng này Bộ siêu tăng áp Tesla có thể mang lại tốc độ sạc nhanh hơn nhiều so với các trạm sạc J1772 tiêu chuẩn

2.2.2.5 Các chuẩn sạc khác

- Type 2 (Mennekes): phổ biến ở châu Âu, sạc Level 2 và sạc nhanh DC - GB/T: chuẩn sạc quốc gia của Trung Quốc, dùng cho cả sạc AC và DC - SAE J2954: là chuẩn đầu tiên cho sạc không dây, cho phép sạc an toàn và hiệu quả lên đến 11 kW qua không gian không khí, đạt hiệu suất lên đến 94%

Hình 2-6: Mô hình trạm sạc ô tô điện ở trạm dừng cao tốc (Nguồn: VinFast)

Ở Việt Nam, VinFast là một trong những hãng đi đầu trong việc phát triển hệ thống trạm sạc, với hơn 150.000 cổng sạc trải dài khắp cả nước Trạm sạc của VinFast có nhiều loại từ sạc thường đến sạc nhanh và siêu nhanh, với thời gian sạc dao động từ khoảng 60 phút cho trụ sạc nhanh ô tô DC 30kW đến khoảng 23,4 phút cho trụ sạc siêu nhanh ô tô DC 150kW Các trạm sạc này được lắp đặt ở nhiều địa điểm khác nhau, từ trung tâm thương mại đến các tuyến cao tốc và quốc lộ [8]

Hình 2-7: Trạm sạc VinFast tại một trung tâm thương mại (Nguồn: VinFast)

EV One, với công nghệ của Schneider Electric, cung cấp các giải pháp sạc từ trạm sạc công suất lớn ở nơi công cộng (EVlink Pro DC) đến giải pháp sạc gia đình (EVlink Pro AC) EVlink Pro DC cung cấp các phiên bản 120 – 150 và 180 kW [9]

Hình 2-8: Trụ sạc của Schneider Electric [9]

Ngoài ra, EV One cũng cung cấp trụ sạc từ thương hiệu ABB, với nhu cầu sạc tại nhà có công suất từ 3 kW đến 24 kW, quy mô doanh nghiệp có các trụ sạc công suất từ 50 kW cho đến 360 kW [10]

Hình 2-9: Trụ sạc của ABB [10]

Một trong những doanh nghiệp trong nước cũng đang tích cực chạy đua nghiên cứu và cho ra đời các trạm sạc đáp ứng chất lượng, tiêu chuẩn quốc tế là Tổng công ty Điện lực Miền Trung (EVNCPC) thuộc Tập đoàn Điện lực Việt Nam (EVN), với sản phẩm trạm sạc nhanh cho xe ô tô điện Sản phẩm này đạt Top 10 sản phẩm Make in Viet Nam hạng mục sản phẩm số tiềm năng

Hình 2-10: Trụ sạc của EVNCPC (Nguồn: EVNCPC)

Đến nay, Trung tâm Sản xuất thiết bị đo điện tử Điện lực miền Trung đã lắp đặt trạm sạc cho 13 Công ty Điện lực thành viên và hợp tác thử nghiệm trạm sạc xe điện kết nối với hệ thống điện mặt trời với Tổng công ty Dầu Việt Nam (PVOIL) Trạm sạc nhanh cho xe ô tô với các tính năng: Nhiều chế độ sạc, sạc song song 2 vòi cùng một lúc, thiết kế theo hướng module hóa, hỗ trợ tiêu chuẩn sạc khác nhau, kết nối cổng thanh toán VNPay, quản lý mạng lưới trạm sạc và trạng thái hoạt động [11]

Nhìn chung, hệ thống trạm sạc đang ngày càng phát triển và mở rộng để phục vụ tốt hơn cho người dùng xe điện, từ trạm sạc trong khu vực đô thị đến trạm sạc trên các tuyến đường quốc lộ và cao tốc

2.3 Hệ thống V2G

2.3.1 Khái niệm

Hệ thống V2G, viết tắt của "Vehicle-to-Grid", là công nghệ sử dụng cổng sạc hai chiều cho phép xe điện không chỉ nhận điện từ lưới để sạc mà còn có thể xả năng lượng trở lại lưới điện Điều này được thực hiện thông qua một hệ thống giao tiếp giữa EV và lưới, nơi xe điện có thể nhận biết thông tin lưới điện, thông tin điều khiển và thực hiện truyền phần điện dư thừa vào lưới khi cần thiết

2.3.2 Thực trạng

Một trong những cách để đối phó với sự gia tăng EV trong lưới, biên độ tải đỉnh tăng và giữ ổn định lưới điện là ứng dụng công nghệ V2G Trong một hệ thống V2G, EV sẽ được sử dụng để quản lý phụ tải điện bằng cách tham gia như các đơn vị lưu trữ năng lượng và lấy năng lượng từ lưới điện trong giờ thấp điểm, và sẽ xả và cung cấp điện trở lại lưới điện trong giờ cao điểm Nói cách khác, EV có thể cung cấp các dịch vụ phụ trợ và đáp ứng được nhu cầu phụ tải điện nếu việc sạc xả của chúng được quản lý

Ưu điểm của V2G đối với giao thông vận tải là giảm tiêu thụ xăng dầu, tăng cường tính bền vững cho nền kinh tế, và bảo vệ môi trường Ngoài ra chủ sở hữu EV có thể giảm chi phí sạc điện bằng cách xả ngược lại điện năng vào hệ thống V2G Ngoài ra, người dùng EV có lợi hơn so với người dùng ICE do điện rẻ hơn xăng Giá xăng phụ thuộc vào thị trường quốc tế vì vậy sẽ dao động theo thời gian, trong khi

giá điện ở phạm vi khu vực và có tính ổn định hơn Khách hàng của EV sẽ không cần phải lo lắng về lạm phát không đoán trước trong giá nhiên liệu của họ

Để có thể triển khai V2G, một số cơ sở hạ tầng thiết yếu được yêu cầu và sẽ tốn kém khi thực hiện Lưới điện thông minh là một phần của cơ sở hạ tầng này Xe điện có thể được sạc qua đêm tại nhà dân, hoặc vào ban ngày tại nơi làm việc hoặc các trạm sạc công cộng khác Cơ sở hạ tầng sạc là một trong những phần chính, bắt buộc và thiết yếu của hệ thống V2G Điều này làm cho EV có phạm vi lái xe ngắn hơn ICE Do đó, người sử dụng EV có xu hướng khắt khe hơn khi lên kế hoạch cho hành trình của họ Sự lo lắng này đã hoạt động như một rào cản đối với việc áp dụng EV ở quy mô lớn Một giải pháp để giải quyết sự lo lắng phạm vi là thông qua phát triển cơ sở hạ tầng sạc rộng khắp, đồng bộ

2.4 Vấn đề lập lịch trình sạc xả xe điện

2.4.1 Tổng quan

Sạc xả thông minh là thuật ngữ được sử dụng mô tả việc điều khiển có điều kiện quá trình sạc xả EV Điều này có nghĩa là EV sạc điện từ lưới trong thời điểm điện ở mức giá thấp, và xả khi điện ở mức giá cao

Các vấn đề lập kế hoạch sạc xả EV đã được nghiên cứu bởi các nhà khoa học trước đây Lịch trình sạc xả là một chuỗi thời gian được lên kế hoạch trước để sạc xả điện Các nghiên cứu khác nhau đã tối ưu hóa các vấn đề lập kế hoạch từ các quan điểm khác nhau Hầu hết các nghiên cứu này chủ yếu dựa trên góc nhìn của phía đơn vị quản lí lưới điện mà ít tập trung vào sự hài lòng của khách hàng Khách hàng là một bên quan trọng của hệ thống V2G Nếu họ không hài lòng, họ có thể không tham gia V2G Do đó, xem xét các tiêu chí có ảnh hưởng gián tiếp tới mức độ hài lòng của khách hàng trong công tác lập kế hoạch sạc xả EV cần phải được để tâm

Việc lập kế hoạch sẽ xét cho cả trường hợp ngoại tuyến (tĩnh) và trực tuyến (động) Đối với ngoại tuyến, tất cả các thông tin có sẵn, do đó người quản lý hệ thống biết trước được số lượng cũng như thông tin các EV sẽ tham gia Tuy nhiên, trong trường hợp ngược lại, không phải tất cả các thông tin cần thiết đều được xác định trước khi lên lịch trình trực tuyến Số lượng của EV trong hệ thống không được biết

trước, và các yêu cầu sạc xả thì thay đổi theo thời gian và ý muốn khách hàng Xác định lịch trình tối ưu để sạc xả EV là chìa khóa cho sự thành công của V2G, cũng như khuyến khích cả khách hàng và cơ quan quản lí ứng dụng công nghệ này Các nghiên cứu đã làm trên cả lịch trình ngoại tuyến và trực tuyến về sạc xả của EV sẽ được xem xét trong tiểu mục tiếp theo

2.4.2 Lịch trình ngoại tuyến

Có một số bài báo về tối ưu hóa ngoại tuyến liên quan đến khía cạnh kỹ thuật của EV lập kế hoạch từ quan điểm của công ty điện lực, một số trong đó chỉ tập trung vào sạc EV mà không xem xét hệ thống V2G [12], để giảm thiểu tải cao điểm và san bằng tải đỉnh

Một số bài báo khác đã sử dụng các thuật toán meta heuristic như tối ưu hóa bầy đàn (PSO) trong mô hình hóa các vấn đề lập kế hoạch ngoại tuyến [12] [13] Ví dụ, mục tiêu tối ưu hóa trong [12] là để giảm thiểu tổng chi phí vận hành V2G bao gồm: chi phí nhiên liệu, chi phí khởi động Trong bài báo [13], tác giả đã áp dụng tối ưu hóa bầy đàn để tối đa hóa lợi nhuận của chủ sở hữu EV

Một số nghiên cứu đã xem xét lợi ích tài chính của khách hàng cùng với những hạn chế kỹ thuật của lưới điện Ví dụ [14] đã phát triển một chương trình toán học phi tuyến cho vấn đề lập kế hoạch ngoại tuyến, xem xét các hạn chế kỹ thuật cũng như hạn chế tài chính

Tóm lại, các mô hình lập kế hoạch ngoại tuyến của các nhà nghiên cứu trước đây chủ yếu là từ quan điểm công ty điện lực hoặc nhà quản lý, trong khi trong mô hình lập kế hoạch của luận văn này được phát triển từ góc nhìn của khách hàng Hơn nữa, các thuật toán meta heuristic và mô hình phi tuyến NLP là các phương pháp phổ biến nhất trong các nghiên cứu, trong khi mô hình tuyến tính nguyên hỗn hợp MILP là phương pháp được sử dụng trong luận văn này Hơn nữa, không giống như một số bài báo trong tài liệu tham khảo, luận văn này lên lịch cho cả pha sạc và pha xả của EV trong hệ thống V2G

2.4.3 Lịch trình trực tuyến

Cũng giống như các nghiên cứu ngoại tuyến, rất nhiều bài báo tập trung vào lập

kế hoạch trực tuyến EV chú trọng khía cạnh kỹ thuật trong khi lại bỏ qua vai trò hệ thống V2G cũng như quá trình xả EV Ví dụ, trong [15], một mô hình sạc EV được tối ưu hóa trực tuyến đã được phát triển để giảm thiểu chi phí sạc bằng cách sử dụng mô hình heuristic để giải quyết mô hình tối ưu hóa song không xem xét việc xả EV

Khác với những bài báo quan tâm tới yếu tố kỹ thuật, cũng có một số bài báo giải quyết lợi ích về tài chính Ở đây, các nhà nghiên cứu đã xem xét lợi ích tài chính của chủ sở hữu EV và cơ quan quản lý ngang với khía cạnh kỹ thuật của V2G Cả hai thuật toán heuristic và meta heuristic đã được sử dụng trong các nghiên cứu này [16], [17], [18], [19] Ví dụ, trong [16], các tác giả đã đề xuất một thuật toán meta heuristic và cố gắng lên lịch trình sạc trong thời điểm giá điện rẻ nhất và xả trong thời điểm giá đắt nhất Một ví dụ khác, trong [17], một thuật toán heuristic V2G trực tuyến đã được xây dựng để tối đa hóa lợi nhuận cho đơn vị quản lý Lợi nhuận của đơn vị quản lí có liên quan đến lợi ích hệ thống như chi phí thấp cho khách hàng Trong một nghiên cứu khác [18], một thuật toán tối ưu hóa bầy đàn trực tuyến đã được tạo ra từ quan điểm nhà quản lý để giảm thiểu tổng chi phí phát điện Sau đó, để so sánh và đánh giá PSO này, một lịch trình ngoại tuyến dùng tuyến tính nguyên hỗn hợp được phát triển Lập trình phi tuyến được phát triển và triển khai trong Mô hình đại số nói chung (GAMS) Doanh thu của công ty tổng hợp đến từ chi phí sạc EV cộng với doanh thu thu được bằng cách cung cấp các dịch vụ quy định

Một bài báo khác [20] đã đề xuất một thuật toán trực tuyến để quản lý tối ưu PHEV tại bãi đậu xe xem xét mong muốn và nhu cầu của khách hàng Mô hình toán học được phát triển để tối đa hóa giá trị SOC trung bình của EV Tác giả xem xét giá mua bán điện, thời gian sạc và SOC hiện tại trong mô hình này để cho phép các phương tiện tham gia hệ thống sạc một cách linh hoạt Hệ thống V2G và việc EV xả chưa được dự tính trong nghiên cứu này

Trong một nghiên cứu khác, [21] đã nghiên cứu một lịch trình thời gian thực tập trung của PHEV Đầu tiên, việc lập kế hoạch ngoại tuyến được mô hình hóa thành công thức toán học và sau đó bốn thuật toán trực tuyến khác nhau đã được phát triển, tất cả đều là thuật toán heuristic Chức năng mục tiêu là lên lịch sạc EV với chi phí tối thiểu Nghiên cứu này là từ quan điểm của một chủ sở hữu EV, nhưng không xem

xét hoạt động của V2G

Tóm lại, các mô hình lập kế hoạch trực tuyến của các học giả trước đây chủ yếu là từ quan điểm của công ty điện lực hoặc chủ hệ thống V2G Trong khi trong luận văn này, mô hình lập kế hoạch trực tuyến được phát triển từ quan điểm khách hàng góp phần gia tăng sự hài lòng của họ Trước đây, thuật toán heuristic và meta heuristic là các phương pháp chủ yếu được sử dụng nghiên cứu Tuy nhiên, những phương pháp này không đảm bảo một giải pháp tối ưu cục bộ hoặc toàn cục tương ứng Do đó, phương pháp RHO được sử dụng lập lịch trình trực tuyến trong luận văn để có được một giải pháp tối ưu Cả hai quá trình sạc và xả EV đều được thực hiện trong mô hình lập kế hoạch của luận văn này

CHƯƠNG 3: MÔ HÌNH BÀI TOÁN 3.1 Mô hình hệ thống V2G

Trong luận văn này, cả hai mô hình lập kế hoạch sạc xả ngoại tuyến và trực tuyến đều được phát triển Các EV được coi là được kết nối với lưới điện để sạc xả thông qua một trạm sạc công cộng, đó là một bãi gửi xe thông minh

Mục tiêu của cả hai vấn đề tối ưu hóa lịch trình là tối đa hóa chi phí nhận được từ quá trình sạc xả theo các mục tiêu được xét, góp phần làm cơ sở để đánh giá sự hài lòng của chủ sở hữu EV trong các nghiên cứu khác có liên quan Các yếu tố được xem xét đánh giá sự ảnh hưởng tới chi phí nhận được từ quá trình sạc xả bao gồm:

1 EV được sạc tới mức SOC yêu cầu 2 Sạc EV với mức chi phí thấp nhất 3 EV xả điện với mức lợi nhuận cao nhất

Hệ thống V2G tích hợp trong bãi gửi xe thông minh có trang bị các trụ sạc Bãi gửi xe này được quản lý và kiểm soát bởi một đơn vị quản lý chuyên nghiệp Kiến trúc hệ thống V2G được mô tả trong Hình 3-1 Thành phần chính của hệ thống V2G bao gồm EV, đơn vị quản lý bãi gửi xe, công ty điện lực

Hình 3-1: Mô hình trạm sạc xe điện

Trong cả hai mô hình lập kế hoạch sạc xả ngoại tuyến và trực tuyến, hai kịch bản khác nhau được phát triển Ở kịch bản đầu tiên, mục tiêu tập trung tối đa hóa lợi

nhuận có được từ quá trình sạc xả của EV Trong khi ở kịch bản thứ hai, ngoài doanh thu xả điện và chi phí sạc điện, có áp dụng thêm chi phí phạt đối với đơn vị quản lý bãi gửi xe nếu không đạt được SOC mong muốn của chủ EV, chi phí phạt lũy kế theo số đơn vị điện thiếu hụt

3.2 Mô hình lập lịch trình ngoại tuyến

3.2.1 Tổng quan

Trong môi trường ngoại tuyến, tất cả các thông tin về đặc điểm kỹ thuật của lưới điện cũng như EV được biết trước Giả sử rằng các thông tin đã được cung cấp cho quản lí bãi xe trước một thời gian, và mô hình toán học được phát triển cho vấn đề ngoại tuyến Đơn vị quản lý V2G sử dụng tất cả thông số của EV và lưới điện đã biết trước đó làm dữ liệu vào cho mô hình toán học và tìm ra lịch trình sạc xả tối ưu

3.2.2 Chỉ số, tham số, biến số

Như đã giải thích ở trên, bài toán lập lịch ngoại tuyến được phát triển theo hai kịch bản (gọi là kịch bản A.1 và A.2) để so sánh tác động của các yếu tố khác nhau trong mô hình tối ưu hóa Các chỉ số, tham số và biến được sử dụng trong cả hai kịch bản được trình bày dưới đây

pc: Chi phí phạt do không đạt dsoc (VNĐ)

ct: Giá mua điện (giá điện sạc vào EV) ở thời điểm t (VNĐ) pt: Giá bán điện (giá điện EV xả lên lưới) ở thời điểm t (VNĐ) mri: SOC tối thiểu của EV i (pu)

mci: SOC tối đa, tương đương dung lượng pin của EV i (pu) 3.2.2.3 Biến số

xit: Trạng thái sạc của EV i tại thời điểm t, sạc khi xit = 1, không sạc khi xit = 0

yit: Trạng thái xả của EV i tại thời điểm t, xả khi yit = 1, không xả khi yit = 0

mdit: Trạng thái sạc xả của EV i tại thời điểm t, sạc khi mdit = 1, xả khi mdit = -1, trạng thái chờ khi mdit = 0

zi: Số đơn vị điện còn thiếu để đạt SOC yêu cầu của EV i (pu) socit: SOC của EV i ở thời điểm t (pu)

x_syst: Công suất sạc của hệ V2G tại thời điểm t (pu) y_syst: Công suất xả của hệ V2G tại thời điểm t

md_syst: Trạng thái và công suất sạc xả của hệ V2G ở thời điểm t count_EVt: Số lượng có trong bãi ở thời điểm t

x_EVi: Tổng điện năng đã sạc của EV i y_EVi: Tổng điện năng đã xả của EV i

Vế phải của diễn giải ở công thức (3.1) tương đương với công thức toán sau:

Max (lợi nhuận)

= Max (doanh thu xả điện), Min (chi phí sạc điện), Min (chi phí phạt) (3.3) Diễn giải ở công thức (3.3) tương đương với công thức toán sau:

3.2.4.2 Bất phương trình giới hạn điện năng sạc xả của hệ V2G

Công suất sạc xả tức thời của hệ V2G không lớn hơn khả năng cung cấp và khả năng tiếp nhận công suất của lưới điện

x cp

y cp

3.2.4.3 Phương trình tính SOC tại từng thời điểm

SOC của EV i tại thời điểm t bằng SOC của EV i tại thời điểm t – 1 cộng với phần điện năng được sạc (dương) hoặc xả (âm) tại thời điểm t

( )

it i t 1 itit

3.2.4.4 Phương trình tính SOC tại thời điểm 1

SOC của EV i tại thời điểm đầu tiên (t = 1) là thông tin hệ thống nhận được khi xe đi vào bãi gửi

3.2.4.5 Bất phương trình giới hạn SOC tại từng thời điểm

- Giá trị SOC tại từng thời điểm không nhỏ hơn giá trị quy định (ở đây được hiểu là giới hạn SOC dưới mà nhà sản xuất đưa ra, hoặc theo yêu cầu của chủ xe mà đã khai báo khi vào trạm sạc)

3.2.4.6 Bất phương trình giới hạn trạng thái sạc xả

Trong một thời điểm không đồng thời diễn ra hai quá trình sạc và xả

3.2.4.7 Bất phương trình giới hạn thời gian sạc xả

EV không sạc điện trước khi đến hoặc sau khi đi khỏi bãi gửi xe

3.2.4.8 Phương trình xác định trạng thái sạc xả của EV

Xác định trạng thái sạc xả của EV i tại thời điểm t EV sạc khi mdit = 1, EV xả khi mdit = -1, EV ở trạng thái chờ khi mdit = 0

Như vậy, quá trình mô hình hóa bài toán hoàn thành, tất cả các hàm mục tiêu, hàm ràng buộc đã được miêu tả chi tiết

3.3 Mô hình lập lịch trình trực tuyến

3.3.1 Tổng quan

Không giống như mô hình ngoại tuyến, sẽ không có thông tin nào của EV được xác định trước thời điểm EV vào bãi gửi xe ở mô hình lập lịch trực tuyến Ban quản lý V2G biết được tất cả các thông số kỹ thuật lưới điện Nhưng ban quản lý không biết có chính xác bao nhiêu EV sẽ vào hay ra khỏi hệ thống ở mỗi giai đoạn, và họ cần bao nhiêu điện; nó là một mô hình động Điều này thực tế hơn so với mô hình ngoại tuyến

Đơn vị quản lý kiểm tra xe đang tồn tại (hay khả dụng cho sạc xả) trong trạm sạc bằng cách kiểm tra thời gian đến và đi của từng xe, nếu xe được xác định là khả dụng thì thêm xe đó vào tập i_available

Để mô hình hóa vấn đề lập kế hoạch trực tuyến này, phương pháp tối ưu hóa RHO được sử dụng và liên kết với mô hình toán học được phát triển trước đó Kỹ thuật RHO giúp hệ thống V2G nhận thông tin của EV trong từng giai đoạn và gửi dữ liệu này đến mô hình toán Giả sử thời điểm xe vào bãi gửi xe là t, đơn vị quản lý V2G sử dụng thông tin có sẵn (của lưới điện) và thông tin tức thời (của EV) làm dữ liệu vào cho mô hình toán học và tìm ra lịch trình sạc xả tối ưu cho các thời đoạn t+1 trở đi

3.3.2 Chỉ số, tham số, biến số

Bài toán lập lịch trực tuyến được phát triển theo hai kịch bản (gọi là kịch bản B.1 và B.2) để so sánh tác động của các yếu tố khác nhau trong mô hình tối ưu hóa Các chỉ số, tham số và biến được sử dụng trong hai kịch bản được trình bày dưới đây 3.3.2.1 Chỉ số

t_loop: Chỉ số thời gian phụ, sử dụng trong các vòng lặp

3.3.2.2 Tham số

ai: Thời gian vào bãi gửi xe của EV i a_subi: Tham số phụ của ai

di: Thời gian ra dự kiến của EV i

asoci: SOC ban đầu khi vào bãi gửi xe của EV i (pu) asoc_subi: Tham số phụ của asoci (pu)

dsoci: SOC mong muốn khi ra của EV i (pu)

cp: Công suất khả dụng của lưới điện, bằng với công suất MBA, cũng là giới hạn công suất sạc xả của hệ V2G (pu)

pc: Chi phí phạt do không đạt dsoc (VNĐ)

ct: Giá mua điện (giá điện sạc vào EV) ở thời điểm t (VNĐ) pt: Giá bán điện (giá điện EV xả lên lưới) ở thời điểm t (VNĐ) mri: SOC tối thiểu của EV i (pu)

mci: SOC tối đa, tương đương dung lượng pin của EV i (pu) 3.3.2.3 Biến số

xit: Trạng thái sạc của EV i tại thời điểm t, sạc khi xit = 1, không sạc khi xit = 0

x_saveit: Biến phụ của xit

yit: Trạng thái xả của EV i tại thời điểm t, xả khi yit = 1, không xả khi yit = 0

y_saveit: Biến phụ của yit

mdit: Trạng thái sạc xả của EV i tại thời điểm t, sạc khi mdit = 1, xả khi mdit = -1, trạng thái chờ khi mdit = 0

md_saveit: Biến phụ của mdit