Luận văn thạc sĩ Quản lý xây dựng: Tối ưu hóa giá điện đấu thầu điện và xác định hiệu quả đầu tư dự án năng lượng tái tạo tại Việt Nam

TRƯỜNG ĐẠI HỌC BÁCH KHOA TP HỒ CHÍ MINH - -

NGUYỄN THANH HUY

TỐI ƯU HOÁ GIÁ ĐIỆN ĐẤU THẦU ĐIỆN VÀ XÁC ĐỊNH HIỆU QUẢ ĐẦU TƯ

DỰ ÁN NĂNG LƯỢNG TÁI TẠO TẠI VIỆT NAM

Chuyên ngành: Quản lý xây dựng Mã số: 8580302

LUẬN VĂN THẠC SĨ

TP HCM, tháng 01 năm 2022

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM

Cán bộ hướng dẫn khoa học: TS Phạm Vũ Hồng Sơn Chữ ký:

Cán bộ chấm nhận xét 1: PGS.TS Phạm Hồng Luân Chữ ký:

Cán bộ chấm nhận xét 2: TS Nguyễn Thanh Phong Chữ ký:

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 14 tháng 01 năm 2022

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1 TS Nguyễn Anh Thư Chủ tịch hội đồng 2 TS Trần Nguyễn Ngọc Cương Ủy viên thư kí

4 PGS.TS Phạm Hồng Luân Cán bộ phản biện 1 5 TS Nguyễn Thanh Phong Cán bộ phản biện 2

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)

TS Nguyễn Anh Thư

TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Ngày, tháng, năm sinh: 09/01/1996 Nơi sinh: Sông Bé

QUẢ ĐẦU TƯ DỰ ÁN NĂNG LƯỢNG TÁI TẠO TẠI VIỆT NAM

1 Tìm hiểu và nắm vững thuật toán mô hình Agent Base Model (ABM)

2 Tìm hiểu cách mô phỏng thị trường điện bằng mô hình ABM và các phương pháp dự báo giá đã được sử dụng trong các nghiên cứu trước

3 Đề xuất mô hình điện với phương pháp dự báo phù hợp với định hướng phát triển thị trường điện ở Việt Nam, phương pháp dự báo giá dựa trên tối ưu hoá

4 So sánh, nhận xét, phân tích và đánh giá các kết quả khi áp dụng các phương pháp dự báo giá khác nhau, đặc biệt là phương pháp dự báo giá mới dựa trên tối ưu hoá được đề xuất

5 Kết luận và kiến nghị

III NGÀY GIAO NHIỆM VỤ : 22/02/2021

Tp Hồ Chí Minh, ngày 20 tháng 12 năm 2021

TS Phạm Vũ Hồng Sơn

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

HVTH: NGUYỄN THANH HUYI

LỜI CẢM ƠN

Luận văn thạc sĩ ngành quản lý xây dựng như là một minh chứng cho học viên cao học về khả năng tự nghiên cứu và tự giải quyết những vấn đề thực tế mà ngành quản lý xây dựng đặt ra Đây vừa là trách nhiệm vừa là niềm tự hào của mỗi học viên

Để hoàn thành luận văn “Tối ưu hóa giá điện trong đấu thầu điện và xác định hiệu quả đầu tư dự án năng lượng tái tạo tại Việt Nam”, ngoài sự nỗ lực của bản thân, em đã nhận được sự giúp đỡ tận tình rất nhiều từ quý Thầy, quý Cô và bạn bè Em xin gửi lời cảm ơn chân thành đến các tập thể, các nhân đã dành cho em sự giúp đỡ quý báu này

Em xin kính gửi lời cảm ơn đặc biệt đến Thầy TS PHẠM VŨ HỒNG SƠN đã rất tận tâm hướng dẫn, đưa ra những gợi ý đầu tiên để hình thành nên ý tưởng của đề tài và trong quá trình thực hiện luận văn các Thầy đã cho em những góp ý rất hay và bổ ích về cách nhận định đúng đắn trong những vấn đề nghiên cứu, cũng như cách tiếp cận nghiên cứu hiệu quả Sự tận tâm chỉ bảo của các Thầy là động lực lớn để em có thể hoàn thành tốt luận văn này

Em xin chân thành cảm ơn quý Thầy Cô Khoa Kỹ Thuật Xây Dựng, trường Đại học Bách Khoa Thành phố Hồ Chí Minh đã giảng dạy cho em những kiến thức bổ ích, đó cũng là những kiến thức quý giá, không thể thiếu của em trên con đường học tập và sự nghiệp mai sau

Với sự cố gắng của bản thân, luận văn thạc sĩ này đã được hoàn thành trong thời gian quy định, tuy nhiên không thể không có những sai sót Kính mong quý Thầy, quý Cô chỉ bảo thêm để em có thể bổ sung, sửa chữa những kiến thức để hoàn thiện bản thân mình hơn

Xin trân trọng cảm ơn rất nhiều!

Tp Hồ Chí Minh, ngày 20 tháng 12 năm 2021

NGUYỄN THANH HUY

HVTH: NGUYỄN THANH HUYII

TÓM TẮT

Việc đầu tư phát triển nhanh về Năng Lượng Tái Tạo (NLTT) cũng như việc áp dụng đề án phát triển thị trường bán lẻ điện cạnh tranh luôn là thách thức lớn đối với các nhà đầu tư Sự không chắc chắn về giá bán điện dẫn đến nhiều rủi ro trong việc hoạch định doanh thu và lợi nhuận khi quyết định đầu tư một nhà máy mới Nghiên cứu này nhằm mục đích phân tích các phương pháp dự báo giá khác nhau được áp dụng trong các mô hình mô phỏng hệ thống điện dựa trên dữ liệu của các Agent hiện có Từ đó đưa ra phương pháp dự báo giá dựa trên mô hình tối ưu hóa và hỗ trợ ra nhà đầu tư ra quyết định Kết quả mô phỏng cho thấy rằng, trong một thị trường điện cô lập với các thiết lập mô hình được cách điệu hóa cao, các quyết định đầu tư được thực hiện bởi các thuật toán đầu tư hiện có rất nhạy cảm với các giả định liên quan đến các tham số nhất định của thuật toán ra quyết định đầu tư Việc áp dụng mô hình ABM này giúp các nhà đầu tư giảm thiểu các rủi ro tiềm ẩn và hướng tới một thị trường cạnh tranh minh bạch trong tương lai, phù hợp với thị trường bán lẻ điện cạnh tranh mà Việt Nam đang hướng tới

HVTH: NGUYỄN THANH HUYIII

ABSTRACT

The investment in the rapid development of Renewable Energy, as well as the application of the project to develop the competitive retail electricity market, is always a big challenge for investors Uncertainty about electricity price leads to many risks in revenue and profit planning when deciding to invest in a new plant This study aims to analyze different price forecasting methods applied in power system simulation models based on data of existing agents From there, the price forecasting method is based on the optimization model and supports investor decision-making The simulation results show that in an isolated electricity market with highly stylized model settings, investment decisions made by existing investment algorithms are very sensitive to assumptions related to certain parameters of the investment decision-making algorithm The application of this agent-based model helps investors reduce potential risks and move towards a transparent competitive market in the future, in line with the competitive retail electricity market in Vietnam.

HVTH: NGUYỄN THANH HUYIV

LỜI CAM ĐOAN

Tôi xin cam đoan đây là luận văn do chính tôi thực hiện dưới sự hướng dẫn của thầy TS Phạm Vũ Hồng Sơn

Các kết quả của luận văn là đúng đắn và chưa được công bố trong các nghiên cứu khác Tôi xin chịu trách nhiệm về công việc thực hiện của mình

Tp Hồ Chí Minh, ngày 20 tháng 12 năm 2021

NGUYỄN THANH HUY

HVTH: NGUYỄN THANH HUYV

1.4 Đối tượng và phạm vi nghiên cứu 5

1.5 Ý nghĩa khoa học và thực tiễn của đề tài nghiên cứu 5

1.6 Phương pháp, quy trình nghiên cứu 6

1.7 Công cụ nghiên cứu 7

1.8 Cấu trúc luận văn 7

CHƯƠNG 2 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU 9

CHƯƠNG 3 CƠ SỞ LÝ THUYẾT 18

3.1 Mô hình ABM (Agent-base model - ABM) 18

Sự cần thiết của mô hình ABM 18

Agent là gì? 18

Lợi ích của mô hình ABM 20

Sử dụng mô hình ABM cho thị trường điện 21

3.2 Mô hình Phòng thí nghiệm mô hình hóa năng lượng (Energy Modelling Laboratory - EMLAB) 22

Tổng quan 22

HVTH: NGUYỄN THANH HUYVI

Agent 24

Công nghệ phát điện 26

Các nguồn năng lượng không liên tục 29

Vận hành nhà máy điện và đấu thầu thị trường giao ngay 29

Các thuật toán thị trường điện và CO2 31

Thuật toán đầu tư 35

Các kịch bản ngoại sinh 39

CHƯƠNG 4 MÔ HÌNH MÔ PHỎNG VÀ TRƯỜNG HỢP NGHIÊN CỨU 41

4.1 Xây dựng mô hình 41

Mục đích 42

Thực thể, biến trạng thái và thang đo 42

Tổng quan về quy trình và lập kế hoạch 43

4.2 Thiết kế mô hình 45

Giai đoạn khởi tạo 45

Dữ liệu đầu vào 46

Mô hình con 47

4.3 Các trường hợp nghiên cứu 49

Phương pháp dự báo giá ngoại sinh 52

Phương pháp dự báo giá nội sinh 53

Phương pháp dự báo giá dựa trên tối ưu hóa 59

Thiết lập trường hợp nghiên cứu 64

CHƯƠNG 5 SO SÁNH CÁC PHƯƠNG PHÁP DỰ BÁO 66

5.1 Phân tích độ nhạy của tầm nhìn tương lai (look-ahead horizon) 68

5.2 Phân tích độ nhạy về các giá trị được gán cho cây kịch bản trong phương pháp dự báo giá “các kịch bản ngoại sinh cho các khoản đầu tư trong tương lai” 72

5.3 Đóng góp và hạn chế 75

CHƯƠNG 6 KẾT LUẬN VÀ KIẾN NGHỊ HƯỚNG NGHIÊN CỨU TRONG TƯƠNG LAI 77

HVTH: NGUYỄN THANH HUYVII

6.1 Kết luận 77 6.2 Hướng nghiên cứu trong tương lai 77 TÀI LIỆU THAM KHẢO 79

HVTH: NGUYỄN THANH HUYVIII

DANH MỤC CÁC HÌNH

Hình 1-1 Tỷ lệ NLTT trong ngành Điện theo Chiến lược phát triển NLTT 1

Hình 1-2 Quy trình nghiên cứu đề tài 6

Hình 1-3 Lưu đồ thể hiện bố cục luận văn 8

Hình 3-1 Agent điển hình 20

Hình 3-2 Cấu trúc của mô hình 25

Hình 3-3 Cấu trúc của thuật toán thanh toán bù trừ thị trường 31

Hình 3-4 Cấu trúc của thuật toán đầu tư 37

Hình 4-1 Một ví dụ về biểu diễn thời gian qua các ngày đại diện [46] 43

Hình 4-2 Lưu đồ của mô hình ABM dài hạn 44

Hình 4-3 Mô phỏng thanh toán bù trừ thị trường ảo 52

Hình 4-4 Sơ đồ các phương pháp dự báo giá nội sinh được sử dụng trong [30] (a) và [26] (b) 57

Hình 4-5 Cây kịch bản được triển khai để thể hiện sự mở rộng của đối thủ cạnh tranh [26] 58

Hình 4-6 Sơ đồ phương pháp dự báo giá dựa trên tối ưu hóa 60

Hình 4-7 Một ví dụ minh họa về việc dự đoán giá có cân nhắc đến hành vi chiến lược 61

Hình 4-8 Tổng quan về mô hình ABM với phương pháp dự báo giá dựa trên tối ưu hoá được đưa vào quy trình đầu tư 62

Hình 5-1 Tổng quan về tác động của các thông số chính trong các phương pháp dự báo giá khác nhau đến kết quả cơ cấu nguồn điện 67

Hình 5-2 Dự báo cơ cấu nguồn điện của Agent đầu tiên quyết định đầu tư trong vòng đầu tư đầu tiên trong một năm quan trọng điển hình 71

Hình 5-3 Cơ cấu nguồn điện với các dự báo mở rộng của các đối thủ cạnh tranh khác nhau 74

HVTH: NGUYỄN THANH HUYIX

DANH MỤC CÁC BẢNG

Bảng 1-1 Công cụ thực hiện nghiên cứu 7

Bảng 2-1 Các mô hình ABM được sử dụng trong mô phỏng hệ thống điện 9

Bảng 2-2 Các nghiên cứu liên quan đến mô hình hình dựa trên Agent 12

Bảng 3-1 Hệ số chuyển đổi đối với nhà máy điện 27

Bảng 3-2 Dữ liệu nhà máy phát điện 28

Bảng 3-3 Các kí hiệu dùng trong mô hình EMLAB 33

Bảng 3-4 Kịch bản giá nhiên liệu 40

Bảng 4-1 Đặc điểm kinh tế kỹ thuật của các công nghệ được xem xét 46

Bảng 4-2 Các kí hiệu dùng trong mô hình 48

Bảng 4-3 Tóm tắt các phương pháp dự báo giá trong các khung mô hình ABM dài hạn hiện có 49

Bảng 4-4 Các tham số được xem xét cho cây kịch bản mở rộng 65

Bảng 5-1 Công suất các công nghệ khác nhau trong cơ cấu nguồn điện (đơn vị: MW) 73

HVTH: NGUYỄN THANH HUYX

DANH MỤC CÁC CHỮ VIẾT TẮT ABM Agent-base model

AMIRIS Agent-based Model for the Integration of Renewables Into the Power System

EMCAS Electricity Market Complex Adaptive System EMLAB Energy Modelling Laboratory

ETS Emissions Trading System TSO Transmission System Operator

VOM The Variable Operations and Maintenance costs FOM The Fixed Operation and Maintenance cost

HVTH: NGUYỄN THANH HUY1

CHƯƠNG 1 MỞ ĐẦU 1.1 Đặt vấn đề

Theo các quy ước hiện hành trong lĩnh vực năng lượng, các nguồn năng lượng tái tạo (NLTT) bao gồm thủy điện; Sinh khối; Năng lượng mặt trời; Năng lượng gió; Năng lượng địa nhiệt; Năng lượng thủy triều; Năng lượng sóng, với thủy điện và sinh khối được coi là nguồn năng lượng tái tạo truyền thống trong khi phần còn lại được coi là nguồn năng lượng tái tạo mới Trong những năm gần đây chính phủ đã có nhiều biện pháp khuyến khích phát triển năng lượng tái tạo cộng với động lực quan trọng là công nghệ phát triển, giá thành sản xuất thiết bị đang giảm rất nhanh chóng đã khiến nguồn năng lượng tái tạo ở Việt Nam đã có mức tăng trưởng ấn tượng Năm 2019 và 2020 đã có sự phát triển mạnh mẽ của năng lượng mặt trời cả dưới hình thức trang trại quy mô lớn và mái nhà quy mô nhỏ Chỉ tính riêng năm 2020, khoảng 12.000 MW năng lượng mặt trời đã được đưa vào hoạt động Nhà máy thủy điện nhỏ đã cho thấy sự tăng trưởng ổn định trong những năm qua, trong khi năng lượng sinh khối hầu như không thay đổi Năng lượng gió, mặc dù chưa chiếm tỷ trọng cao, nhưng được kỳ vọng sẽ là động lực tăng trưởng chính cho năng lượng tái tạo vào năm 2021 với nhiều dự án sẽ đi vào hoạt động theo kế hoạch trong nửa cuối năm

Hình 1-1 Tỷ lệ NLTT trong ngành Điện theo Chiến lược phát triển NLTT

Cùng với sự phát triển của NLTT, Chính phủ đã có kế hoạch triển khai xây dựng thị trường bán lẻ điện theo đúng xu hướng tự do hóa thi trường điện của các nước trên

HVTH: NGUYỄN THANH HUY2

thế giới Mục tiêu chính của thị trường này là cho phép khách hàng được quyền lựa chọn, thay đổi đơn vị cung cấp điện với giá điện phản ánh đầy đủ các chi phí hợp lý, hợp lệ và cạnh tranh nhằm đảm bảo sự công bằng, bình đẳng, minh bạch trong các hoạt động giao dịch mua bán điện Căn cứ vào điều kiện của ngành điện Việt Nam, Đề án đưa ra 02 mô hình thiết kế phù hợp với từng giai đoạn phát triển của thị trường bán lẻ điện Việt Nam, bao gồm:

i) Khách hàng sử dụng điện mua điện từ thị trường điện giao ngay;

ii) Khách hàng sử dụng điện có thể lựa chọn mua điện từ đơn vị bán lẻ điện Việc phát triển quá nhanh về NLTT cũng như đề án phát triển thị trường bán lẻ điện cạnh tranh là thách thức lớn đối với các nhà đầu tư NLTT khi đứng trước sự không chắc chắn về giá bán điện, dẫn đến sự không chắn chắn trong doanh thu và lợi nhuận khi quyết định đầu tư một nhà máy mới

Trước khi tự do hóa thị trường điện, việc đầu tư được lựa chọn dựa trên quy hoạch tổng thể với mục tiêu giảm thiểu chi phí Chi phí bình quân là thông số quan trọng cho việc lựa chọn công nghệ Việc phát triển hệ thống được lập kế hoạch bởi một công ty phát điện với mục tiêu giảm thiểu chi phí điện năng cho người tiêu dùng

Sau khi tự do hóa ngành điện, việc lựa chọn đầu tư được tiến hành trong một thị trường cạnh tranh, trong đó các công ty phát điện cố gắng tăng lợi nhuận của họ bằng cách hoạt động tốt hơn so với các đối thủ cạnh tranh Do đó, trong các thị trường tự do hóa, các khoản đầu tư được đánh giá dựa trên các lợi ích cá nhân trên cơ sở tối đa hóa lợi nhuận

Các công ty phải quyết định xem một khoản đầu tư có tạo ra khoản tiền mặt đáng kể trong tương lai hay không, theo đó, họ cần phải đánh giá cả sự phát triển thị trường dự kiến và chiến lược đầu tư của các đối thủ cạnh tranh Do đó, các khoản đầu tư chỉ được thực hiện nếu chúng tạo ra giá trị phù hợp cho chủ sở hữu và khi giá trị hiện tại ròng của doanh thu dự kiến bù đắp được các chi phí phát sinh trong suốt thời gian hoạt động của nó, bao gồm cả khoản đầu tư ban đầu

Mô tả về các loại rủi ro khác nhau mà các nhà sản xuất phải đối mặt trong thị trường điện tự do hóa được trình bày trong [1] Các tác giả đưa ra ba lĩnh vực rủi ro chính như sau:

HVTH: NGUYỄN THANH HUY3

- Rủi ro về giá: Dự báo sự không chắc chắn của giá nhiên liệu, CO2 và điện ảnh hưởng đến cả chi phí và doanh thu của các nhà máy phát điện

- Rủi ro về kỹ thuật: Chỉ sự không chắc chắn của chi phí đầu tư, vận hành, bảo trì và ngừng hoạt động Rủi ro về số lượng cũng được bao gồm trong danh mục này, đề cập đến sự không chắc chắn của mức sử dụng do những thay đổi trong nhu cầu điện và sự gia nhập của các đối thủ cạnh tranh mới Nhóm này cũng bao gồm rủi ro về quy định đại diện cho sự không chắc chắn gây ra bởi những thay đổi pháp lý có thể xảy ra

- Rủi ro tài chính: Bao gồm rủi ro tín dụng, lãi suất và rủi ro hợp đồng

Rủi ro được phản ánh trong chi phí sử dụng vốn mà họ cần phải trả để thực hiện các dự án của họ Nguồn vốn có thể được huy động từ thị trường vốn dưới dạng nợ hoặc vốn chủ sở hữu Giá vốn cho thấy lợi tức mà các nhà đầu tư mong đợi trên số vốn mà họ cung cấp cho một dự án, và phải cạnh tranh với lợi tức của các khoản đầu tư thay thế có cùng mức rủi ro Vì những lý do này, các nhà hoạch định chính sách cần đặc biệt chú ý đến việc các chính sách hỗ trợ ảnh hưởng như thế nào đến rủi ro của các dự án năng lượng tái tạo Tuy nhiên, không phải tất cả các loại rủi ro đều bị ảnh hưởng như nhau bởi các quyết định về chính sách

Các đặc điểm của chính sách trực tiếp định hình rủi ro về số lượng và rủi ro về giá, nhưng không thể giảm thiểu rủi ro về kỹ thuật hoặc rủi ro tài chính Các chương trình hỗ trợ phân bổ rủi ro về giá và số lượng cho các nguồn năng lượng tái tạo dưới các hình thức khác nhau Trước ngày 01-11-1021, chính sách Feed-in tariffs (FIT) đảm bảo việc mua điện với giá định mức loại bỏ hoàn toàn rủi ro liên quan đến sự biến động của giá điện và không để các nhà đầu tư chịu rủi ro về giá cả hoặc số lượng Nhưng sau ngày 01-11-2021, khi chính sách FIT không còn, nhà đầu tư sẽ chịu rủi ro về giá cả và số lượng điện sản xuất ra trong tương lai

Và vấn đề xây dựng mô hình mô phỏng hệ thống điện để dự đoán giá điện và sự phát triển của hệ thống điện từ đó có chiến lược đấu thầu cũng như quyết định đầu tư chính là vần đề được nghiên cứu trong luận văn này

1.2 Lựa chọn đề tài

Với mức độ phức tạp của hệ thống điện thì Mô hình ABM Agent-Based Model (ABM) là một trong những mô hình được thường xuyên sử dụng Mô hình ABM cho phép kết hợp cả hai yếu tố kinh tế và các yếu tố phi kinh tế trong mô tả quá trình ra quyết

HVTH: NGUYỄN THANH HUY4

định đầu tư [2], [3] Tuy nhiên, mặc dù có nhiều lợi ích, có một số thách thức liên quan đến việc thiết kế các mô hình ABM như định nghĩa cấu trúc mô hình và sự thiếu minh bạch của nó Nghiên cứu nhằm mục đích tăng cường tính minh bạch của các thuật toán ra quyết định đầu tư bằng cách làm sáng tỏ các giả định ngầm về phương pháp dự báo giá được sử dụng trong các thuật toán này tác động đến kết quả mô hình như thế nào

Thuật toán ra quyết định đầu tư trong mô hình ABM dài hạn thường bao gồm ba bước

Đầu tiên, các dự báo được đưa ra liên quan đến lợi nhuận/tiền thuê ngắn hạn (tức là doanh thu trừ chi phí hoạt động) có thể thu được cho các khoản đầu tư tiềm năng

Thứ hai, những dự báo này được sử dụng để đánh giá khả năng sinh lời của các khoản đầu tư tiềm năng Khả năng sinh lời thường được thể hiện bằng cách tính toán các số liệu phổ biến, chẳng hạn như giá trị hiện tại ròng (NPV) hoặc tỷ suất hoàn vốn nội bộ (IRR)

Trong bước thứ ba và cuối cùng, khoản đầu tư có lợi nhất, nếu có, sẽ được chọn Quá trình này thường được lặp lại cho đến khi không có Agent nào sẵn sàng đầu tư nữa Thách thức chính mà các mô hình này phải đối mặt nằm ở bước đầu tiên, tức là thiết kế một phương pháp phù hợp cho phép các Agent đưa ra dự đoán về các dòng doanh thu / giá trong tương lai Trong khi các mô hình ABM hiện tại được điều chỉnh dựa trên các chỉ số và tiêu chí được sử dụng để đưa ra quyết định đầu tư (ví dụ: NPV không âm hoặc IRR tối thiểu), các phương pháp được sử dụng trong các mô hình ABM dài hạn hiện có là khác nhau để dự đoán giá trong tương lai hoặc các luồng doanh thu thay đổi mạnh mẽ

Do đó, nghiên cứu này nhằm mục đích phân tích các phương pháp dự báo giá khác nhau được áp dụng trong các mô hình mô phỏng hệ thống điện dựa trên Agent dài hạn hiện có Hơn nữa, một phương pháp dự báo giá dựa trên mô hình tối ưu hóa được đề xuất và đánh giá dựa trên các phương pháp dự báo giá hiện có

Vì vậy, tên đề tài của luận văn là: Tối ưu hóa giá điện trong đấu thầu điện và từ đó xác định hiệu quả đầu tư dự án NLTT tại Việt Nam

1.3 Mục đích nghiên cứu

- Các phương pháp dự báo giá trong các mô hình mô phỏng hệ thống điện dựa trên Agent dài hạn hiện có được xem xét và so sánh

HVTH: NGUYỄN THANH HUY5

- Tác động của các phương pháp được sử dụng để dự đoán giá / dòng doanh thu trong tương lai đối với kết quả của các mô hình ABM dài hạn được đánh giá Cần chú ý cụ thể đến cả ảnh hưởng của các phương pháp dự báo giá đối với kết quả mô phỏng (cấp hệ thống) và khả năng của các phương pháp dự báo giá trong việc tính đến thông tin liên quan đến kịch bản cụ thể

- Một phương pháp dự báo giá dựa trên mô hình tối ưu hóa được đề xuất Phương pháp mới được đề xuất cung cấp một tiêu chuẩn lý thuyết để mở rộng thêm mô hình dài hạn dựa trên Agent và cho phép kết hợp tính minh bạch của các mô hình tối ưu hóa với tính linh hoạt của các mô hình ABM để xem xét các khía cạnh hành vi

1.4 Đối tượng và phạm vi nghiên cứu

- Thời gian nghiên cứu: 22/02/2021 đến 12/12/2021 - Môn học: Luận văn thạc sĩ 2021

- Đối tượng nghiên cứu:

+ Các phương pháp dự báo giá trong các mô hình mô phỏng hệ thống điện dựa trên Agent dài hạn hiện có

+ Một phương pháp dự báo giá dựa trên mô hình tối ưu hóa được đề xuất - Trong các trường hợp nghiên cứu (case study) sẽ thiết lập bộ dữ liệu nhằm

kiểm chứng tính phù hợp cũng như so sánh kết quả từ phương pháp dự báo giá đề xuất với các phương pháp dự báo giá đã có

1.5 Ý nghĩa khoa học và thực tiễn của đề tài nghiên cứu

- Giới thiệu mô hình dự báo giá mới dự trên mô hình Agent ABM

- So sánh với các phương pháp dự báo giá thông dụng: phương pháp dự báo giá nội sinh và ngoại sinh Đề xuất mô hình với phương pháp dự báo giá dựa trên tối ưu hoá

- Mô hình với phương pháp dự báo giá được đề xuất là một mô hình hoàn toàn mới tuy nhiên vẫn còn hạn chế, những bất ổn bao gồm nhưng không giới hạn ở những bất ổn về tăng trưởng phụ tải, những bất ổn về giá nhiên liệu và những bất ổn về chính sách chưa được xem xét Hướng phát triển tiếp theo, mô hình sẽ có thể ánh xạ từ những điểm không chắc chắn này đến những điểm

HVTH: NGUYỄN THANH HUY6

không chắc chắn về dự báo giá, điều này đòi hỏi một bài toán lập kế hoạch mở rộng công suất ngẫu nhiên để tạo ra một phân phối dự báo giá

1.6 Phương pháp, quy trình nghiên cứu

- Vấn đề nghiên cứu được đưa ra từ những vấn đề, bất cập trong cuộc sống và công việc cần được giải quyết tối ưu hơn Các nghiên cứu khoa học trên thế giới liên quan đến vấn đề cần giải quyết (được tìm kiếm bằng các công cụ tìm kiếm như: google, tạp chí, báo khoa học, ) sẽ làm dẫn chứng cho cơ sở lý thuyết bước đầu của nghiên cứu

- Sau đó, xác định tính khả thi, lựa chọn phương pháp nghiên cứu để bắt đầu lập trình thuật toán phục vụ cho nghiên cứu

Nghiên cứu cơ sở lý thuyết- Những vấn đề liên quan đến mô phỏng hệ thống điện

- Các bài báo trong nước và nước ngoài- Các thuật toán có thể áp dụng

Đặt vấn đề

Tìm kiếm dữ liệu nghiên

Lựa chọn hướng nghiên cứu(phương pháp, thuật toán)

Tính khả thi của phương án nghiên cứuNo

Lập trình thuật toán và phương pháp tối ưu

HVTH: NGUYỄN THANH HUY7

1.7 Công cụ nghiên cứu

Từ quy trình nghiên cứu được đề cập ở trên, tiến hành thực hiện bằng các công cụ sau đây:

Bảng 1-1 Công cụ thực hiện nghiên cứu

Nghiên cứu cở sở lý thuyết Các bài báo, tạp chí nghiên cứu trong và ngoài nước Lập mô hình mô phỏng có ứng

dụng thuật toán tối ưu

- Lập mô hình mô phỏng dựa trên thuật toán ABM

- Sử dụng tối ưu hóa tuyến tính Lập trình, mô phỏng tìm kết quả

tối ưu

Công cụ lập trình: Julia Công cụ tối ưu: Gurobi 1.8 Cấu trúc luận văn

- Chương 1 Giới thiệu: Trình bày mục tiêu nghiên cứu, nội dung nghiên cứu, tính cần thiết và ý nghĩa thực tiễn của nghiên cứu

- Chương 2 Tổng quan về các nghiên cứu trước đây: Trình bày tình hình nghiên cứu của nước ngoài và chỉ ra những vấn đề mà luận văn cần tập trung giải quyết - Chương 3 Cơ sở lý thuyết: Trình bày cơ sở lý thuyết về mô hình dự trên Agent

và mô hình mô phỏng hệ thống điện: EMLAB

- Chương 4 Xây dựng mô hình: Một khung mô hình dự báo giá dựa trên Agent được phát triển để đánh giá hiệu quả và ảnh hưởng của các phương pháp dự báo giá đến kết quả mô phỏng

- Chương 5 So sánh, đánh giá kết quả: So sánh kết quả có được khi áp dụng các phương pháp dự báo giá khác nhau Nhận xét và đánh giá về ưu, nhược điểm của phương pháp dự báo giá mới (dưạ trên tối ưu hoá) so với phương pháp dự báo giá nội sinh và ngoại sinh

- Chương 6 Kết luận và kiến nghị: Trình bày các kết luận của tác giả khi nghiên cứu và ứng dụng, cũng như có đề xuất và kiến nghị cho những nghiên cứu về sau

HVTH: NGUYỄN THANH HUY81 LÝ DO CHỌN ĐỀ TÀI

- Xác định vấn đề nghiên cứu2 MỤC TIÊU NGHIÊN CỨU- Xác định đối tượng nghiên cứu3 PHẠM VI NGHIÊN CỨU- Giới hạn của phạm vi nghiên cứu- Phương pháp, quy trình nghiên cứu

8 SO SÁNH KẾT QUẢ

- So sánh kết quả khi áp dụng áp dụng các phương pháp dự báo giá

- Nhận xét, đánh giá về phương pháp dự báo giá dựa trên tối ưu được đề xuất

Hình 1-3 Lưu đồ thể hiện bố cục luận văn

HVTH: NGUYỄN THANH HUY9

CHƯƠNG 2 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU Trong những thập kỷ qua, mô hình ABM đã được sử dụng để trả lời nhiều loại câu hỏi nghiên cứu trong bối cảnh hệ thống điện Nhìn chung, có thể xác định hai nhóm mô hình ABM: mô hình ABM ngắn hạn và mô hình ABM dài hạn Hai loại mô hình ABM này thường được sử dụng cho các mục đích khác nhau và trọng tâm của nghiên cứu là về mô hình ABM dài hạn Bảng phân loại các mô hình ABM và các ứng dụng của chúng được tóm tắt trong Bảng 2-1

Bảng 2-1 Các mô hình ABM được sử dụng trong mô phỏng hệ thống điện Phân loại Quyết định

của Agent Mục đích chính của mô hình Ví dụ

Mô hình ABM ngắn hạn

Các chiến lược đặt giá

[4]–[6]

[7], [8]

[6], [8]–[11]

Mô hình ABM dài hạn

Ra quyết định đầu tư

Đánh giá chính sách (ví dụ trợ cấp NLTT)

Chuyển đổi hệ thống năng lượng có tham khảo các thiết kế thị trường

Ảnh hưởng của các hành vi hợp lý có giới hạn của các Agent trong thời gian dài

HVTH: NGUYỄN THANH HUY10

chính về mô hình ABM ngắn hạn sẽ được xem xét ngắn gọn Các ứng dụng đầu tiên của mô hình ABM trong thị trường điện từ cuối những năm 1990 khi xu hướng tự do hóa thị trường điện trên toàn cầu Mô hình ABM được xác định là một phương pháp thích hợp để nghiên cứu tính hiệu quả của thị trường theo các thiết kế thị trường khác nhau, vì nó cho phép các giả định thoải mái như sự cân bằng của thị trường ổn định và các Agent là người định giá Các nghiên cứu đầu tiên đã đánh giá thiết kế thị trường theo hai khía cạnh: tần suất bù trừ của thị trường và cơ chế định giá [4], [5] Các mô hình trước đây tương đối trừu tượng và được xây dựng dựa trên các giả định như Agent tối đa hóa lợi nhuận, nhu cầu không co giãn và hệ thống không tắc nghẽn Sau đó, các nhà nghiên cứu khác đã đóng góp cho cộng đồng bằng cách mở rộng mô hình trừu tượng theo các hướng khác nhau để trả lời các câu hỏi nghiên cứu liên quan đến kết quả thị trường dưới tác động của các ràng buộc về lưới điện [6], [9], các ràng buộc về cam kết đơn vị [10], thương mại xuyên biên giới [8] và đáp ứng nhu cầu [11] Không giống như các mô hình ABM ngắn hạn tập trung vào kết quả của thị trường giao ngay, các mô hình ABM dài hạn được phát triển để nghiên cứu quá trình chuyển đổi hệ thống điện với quy mô thời gian thay đổi từ nhiều năm đến nhiều thập kỷ Những nghiên cứu này thường được thực hiện để đánh giá ảnh hưởng của các yếu tố cụ thể như thiết kế hỗ trợ NLTT [12], thiết kế thị trường CO2 [21], cơ chế đãi ngộ công suất [14], [15] và sở thích công nghệ [22] đối với sự phát triển của hệ thống

Trong những thập kỷ qua, một số khuôn khổ mô hình ABM dài hạn đã kết hợp việc ra quyết định đầu tư ở cấp Agent, ví dụ PowerACE [23], [24], AMIRIS [25], EMCAS [26], [27] và EMLab [28]–[30] PowerACE là một khung mô hình ABM được phát triển để phân tích tác động của các thiết kế thị trường khác nhau (ví dụ: thị trường năng lượng duy nhất - energy only market, cơ chế đãi ngộ năng lực) và các biện pháp chính sách về đầu tư vào các nguồn NLTT và sự đóng góp của chúng đối với an ninh nguồn cung ở cấp quốc gia và châu Âu [24] Mô hình này nhằm mục đích kết hợp các thị trường khác nhau (thị trường giao ngay, thị trường kỳ hạn, thị trường CO2 và thị trường dự trữ) và đã được sử dụng để giải quyết các câu hỏi nghiên cứu khác nhau như ảnh hưởng của NLTT đối với giá thị trường giao ngay [31], hiệu quả kinh tế của thiết kế thị trường CO2 [32] và tác động của khoản vay ưu đãi đối với việc mở rộng công suất tái tạo [13] AMIRIS (Mô hình ABM để tích hợp NLTT vào hệ thống điện) là một công

HVTH: NGUYỄN THANH HUY11

cụ thiết kế chính sách được sử dụng để thúc đẩy việc tích hợp các nguồn NLTT vào thị trường điện Mô hình được thiết kế để nghiên cứu các chương trình kinh doanh NLTT khác nhau, đặc biệt chú ý đến việc đánh giá hiệu quả của chính sách tiếp thị trực tiếp so với các khoản trợ cấp thuế quan không hiệu quả Để so sánh hiệu quả của chính sách, các Agent sản xuất điện được cung cấp năm mô hình kinh doanh khác nhau và kết quả có thể được so sánh [25] EMCAS (Hệ thống thích ứng phức hợp với thị trường điện) ban đầu được thiết kế không có mô-đun ra quyết định đầu tư mà nhằm mục đích mô phỏng hành vi của các Agent trên thị trường giao ngay EMCAS ban đầu bao gồm các Agent công ty phát điện, Agent điều hành hệ thống, Agent tiêu dùng và Agent quản lý Khả năng học hỏi của các Agent được cung cấp bởi các thuật toán di truyền Với sự trợ giúp của các loại Agent khác nhau này, mô hình có khả năng nghiên cứu các tổ chức thị trường khác nhau như định giá cận biên theo địa phương [33], phí tác nghẽn [34], hợp đồng song phương [35] và các thị trường dịch vụ phụ trợ [33] Sau đó, khung EMCAS đã được mở rộng để có khả năng nghiên cứu sự mở rộng công suất trong dài hạn [26] EMLab (Phòng thí nghiệm mô hình hóa năng lượng) là một khuôn khổ mô hình hóa dựa trên Agent dài hạn được thiết kế để đánh giá tác động của các công cụ chính sách và thiết kế thị trường khác nhau

Thách thức chính mà các mô hình này phải đối mặt là thiết kế một phương pháp phù hợp cho phép các Agent đưa ra dự đoán về các dòng doanh thu / giá trong tương lai Trong khi các mô hình ABM hiện tại được điều chỉnh dựa trên các chỉ số và tiêu chí được sử dụng để đưa ra quyết định đầu tư (ví dụ: NPV không âm hoặc IRR tối thiểu), các phương pháp được sử dụng trong các mô hình ABM dài hạn hiện có là khác nhau để dự đoán giá hoặc các luồng doanh thu trong tương lai Và ở nghiên cứu này sẽ tập trung so sánh sự khác nhau này, từ đó đề xuất một phương pháp dự báo giá mới phù hợp hơn và có khả năng ứng dụng ở thị trường bán lẻ điện cạnh tranh của Việt Nam trong tương lai

HVTH: NGUYỄN THANH HUY12

Bảng 2-2 Các nghiên cứu liên quan đến mô hình hình dựa trên Agent

STT Tên bài báo,

1

Model-Based Comparisons of Pool and Bilateral Markets for Electricity[4]

John Bower,Derek W Bunn

2000

- Trình bày một mô hình mô phỏng tính toán chuyên sâu của thị trường điện bán buôn ở Anh và xứ Wales để cô lập và kiểm tra một cách có hệ thống tác động tiềm tàng của các thỏa thuận mua bán thay thế đối với giá điện - Bài báo sử dụng mô phỏng dựa trên Agent để đánh giá hai khía cạnh quan trọng của đề xuất thay đổi thị trường ở Anh và xứ Wales sang giao dịch song phương

2

Agent-based simulation - An application to the new electricity trading

arrangements of England and Wales [5]

Derek W Bunn, Fernando S Oliveira

2001

Bài báo trình bày một ứng dụng quy mô lớn của mô hình tiến hóa đa phương đối với các thỏa thuận mua bán điện mới (NETA) được đề xuất ở Anh NETA liên quan đến thị trường kỳ hạn song phương, theo sau là cơ chế cân bằng và sau đó là quá trình giải quyết sự mất cân bằng Mô hình mô phỏng dựa trên Agent này có thể cung cấp thông tin chi tiết về giá cả và chiến lược, trước khi NETA giới thiệu thực tế

3

Dynamic Testing of Wholesale Power Market Designs: An Open-Source Agent-Based Framework [6]

Junjie Sun, Leigh Tesfatsion

2007

- Nghiên cứu báo cáo về việc phát triển mô hình và triển khai mã nguồn mở (bằng Java) của thị trường điện bán buôn tính toán được tổ chức phù hợp với các tính năng cốt lõi của WPMP và vận hành trên lưới điện truyền tải thực tế

- Các nhà giao dịch trong mô hình thị trường này là các Agent tìm kiếm lợi nhuận chiến lược có hành vi học tập dựa trên dữ liệu từ các thí nghiệm đối tượng là con người Trọng tâm thử nghiệm chính là sự tác động lẫn nhau phức tạp giữa các điều kiện cấu trúc, giao thức thị trường và các hành vi học hỏi liên quan đến hoạt động thị trường ngắn hạn và dài hạn

4

Can based models forecast spot prices in electricity markets? Evidence from the New Zealand electricity market [7]

agent-Young David, Poletti Stephen, Browne Oliver

2014

- Mô hình hóa hình thành giá trên thị trường điện là một quá trình nổi tiếng là khó khăn, do những hạn chế về vật chất đối với sản xuất và truyền tải điện, và tiềm năng thị trường điện Khó khăn này đã tạo cảm hứng cho sự phát triển gần đây của các mô hình học thuật toán dựa trên Agent của thị trường điện - Nghiên cứu này phát triển mô hình SWEM,

trong đó lấy một trong những thuật toán hứa hẹn nhất, một phiên bản sửa đổi của thuật toán Roth và Erev, và áp dụng nó để đơn giản

HVTH: NGUYỄN THANH HUY13

hóa 19 nút của thị trường điện New Zealand Khi các biến chính như trữ nước được tính đến, nghiên cứu cho thấy rằng mô hình có thể mô phỏng chặt chẽ giá điện ngắn hạn (hàng tuần) tại 19 điểm nút này, dựa trên các yếu tố đầu vào cơ bản như chi phí nhiên liệu, dữ liệu mạng và nhu cầu

5

Market dynamics driven by the decision-making power producers [9]

Damien Ernst, Anna Minoia, Marija Ilic

2004

- Bài báo xem xét một công cụ để phân tích kết quả thị trường khi các Agent cạnh tranh (nhà sản xuất điện) tương tác thông qua thị trường Cơ chế bù trừ thị trường dựa trên sơ đồ giá cận biên địa phương

- Một mô hình về hành vi chiến lược được xây dựng cho các Agent Mỗi Agent chọn giá thầu của mình để tối đa hóa lợi nhuận của mình bằng cách giả định rằng các Agent khác sẽ đăng giá thầu giống như ở phiên trước của thị trường và bằng cách biết các đặc điểm của mạng lưới Thu nhập của mỗi Agent trong một khoảng thời gian nhất định đối với các cấu hình hệ thống điện khác nhau (bổ sung khả năng truyền tải mới, các nhà máy điện mới) được đánh giá theo động lực thị trường này và bằng cách tích hợp động lực này theo thời gian đã chọn

6

A multiagent model of the UK market in electricity generation [10]

Anthony J Bagnal, George D Smith

2005

- Bài báo mô tả phương pháp tiếp cận kinh tế học tính toán dựa trên Agent để nghiên cứu ảnh hưởng của các cấu trúc và cơ chế thay thế đối với hành vi trên thị trường điện Các Agent thích ứng tự chủ, sử dụng hệ thống phân loại học theo thứ bậc, học thông qua cạnh tranh trong một mô hình mô phỏng của thị trường Vương quốc Anh về sản xuất điện - Cấu trúc Agent phức tạp được phát triển thông qua một chuỗi thử nghiệm để kiểm tra xem nó có đủ khả năng đáp ứng các yêu cầu hay không: thứ nhất, các Agent có thể học được các chiến lược tối ưu khi cạnh tranh với các Agent không thích hợp; thứ hai, các Agent có thể học các chiến lược có thể quan sát được trong thế giới thực khi cạnh tranh với các Agent thích ứng khác; và thứ ba, sự hợp tác mà không có giao tiếp rõ ràng có thể phát triển trong một số tình huống thị trường nhất định

7

Agent-based model for electricity consumption and storage to

Menglian Zheng, Christoph Johannes Meinrenke

2014

Bài báo đưa ra mô hình ngẫu nhiên dựa trên Agent để mô phỏng nhu cầu điện của một hộ gia đình trung bình ở Hoa Kỳ, dịch chuyển nhu cầu thông qua các chiến lược điều động đơn giản; và xác định lợi nhuận tiềm năng

HVTH: NGUYỄN THANH HUY14

evaluate economic viability of tariff arbitrage for residential sector demand response[11]

Kaveri K.Iychettira, Rudi A.Hakvoort,

PedroLinares, Robde Jeu

2017

- Mục tiêu của bài báo là đánh giá tác động của các lựa chọn chính sách, được gọi là Yếu tố thiết kế, liên quan đến các chương trình hỗ trợ điện tái tạo đối với phúc lợi xã hội - Cách tiếp cận được áp dụng trong công việc

này về cơ bản khác biệt ở chỗ thứ nhất, có sự chuyển đổi từ quan điểm ‘chính sách’ sang cách tiếp cận dựa trên ‘yếu tố thiết kế’ để đánh giá hỗ trợ điện tái tạo và thứ hai là các quyết định đầu tư được mô phỏng bằng cách sử dụng mô hình ABM

9

Simulating the expansion of renewable electricity generation in Germany-An Agent-Based Approach [13]

Frank Sensfuß, Mario Ragwitz, Massimo Genoese

2006

- Bài báo trình bày một cách tiếp cận mới để mô phỏng sự phát triển của sản xuất điện tái tạo dựa trên khái niệm mô phỏng dựa trên Agent

- Trong một nghiên cứu điển hình, phiên bản đầu tiên của nền tảng mô phỏng đã phát triển được áp dụng để phân tích tác động của các khoản vay ưu đãi đối với sự phát triển năng lượng gió ở Đức

10

An assessment of the newly proposed strategic reserve in Germany [14]

Andreas Bublitz, Lea Renz, Dogan Keles, Massimo Genoese, Wolf Fichtner

2015

- Trong bài báo, lần đầu tiên một mô hình mô phỏng chi tiết dựa trên Agent được sử dụng để phân tích tác động của việc thực hiện dự trữ chiến lược đối với giá điện và các khoản đầu tư

- Kết quả cho thấy công cụ này cải thiện đáng kể sự an toàn của nguồn cung và chi phí hàng năm của nó dao động từ 50 đến 300 triệu Euro tùy thuộc vào sự khan hiếm của thị trường

11 The

effectiveness of capacity markets in the presence of a high portfolio share of renewable energy sources [15]

Pradyumna C.Bhagwat, Kaveri K.Iychettira, Jörn C.Richstein, Emile J.L.Chappin, Laurens J.De Vries

2017

Hiệu quả của thị trường công suất được phân tích bằng cách mô phỏng ba điều kiện có thể gây ra đầu tư dưới mức tối ưu trong sản xuất điện: thông tin không hoàn hảo và sự không chắc chắn; cú sốc nhu cầu giảm dẫn đến mất tải; và tỷ trọng ngày càng tăng của các nguồn năng lượng tái tạo trong danh mục phát điện

HVTH: NGUYỄN THANH HUY15

12

Cross-border effects of capacity mechanisms in interconnected power systems [21]

Pradyumna C.Bhagwat, Jörn C.Richstein, Emile J.L.Chappin, Kaveri K.Iychettira, Laurens J.De Vries

2017

Các tác động xuyên biên giới của thị trường công suất và thị trường dự trữ chiến lược trong thị trường điện kết nối được mô hình hóa bằng phương pháp mô hình hóa dựa trên Agent Cả hai cơ chế năng lực đều cải thiện an ninh nguồn cung và giảm chi phí tiêu dùng Kết quả của nghiên cứu chỉ ra rằng các kết nối không ảnh hưởng đến hiệu quả của thị trường công suất, trong khi dự trữ chiến lược bị ảnh hưởng tiêu cực

13

Interactions between carbon and power markets in transition [16]

Jörn C

Richstein 2015

- Các phân tích được thực hiện với việc sử dụng EMLab-Generation, một mô hình ABM mô phỏng hai thị trường điện được kết nối với nhau với một hệ thống mua bán khí thải CO2 chung Trong mô hình này, các công ty có kiến thức hạn chế về tương lai, do đó có thể điều tra tác động của các công cụ chính sách công đối với động lực đầu tư dài hạn

14

Simulating the impact of investment preference on low-carbon transition in power sector [22]

Chen Huadong, Wang Can, Cai Wenjia, Wang Jianhui

2018

- Để đánh giá tác động của các ưu đãi đầu tư đến con đường phát triển của ngành điện, nghiên cứu đã phát triển mô hình ABM kết hợp với mô phỏng Monte Carlo để nắm bắt một cách định lượng các ưu đãi rủi ro và các ưu đãi kỹ thuật thích ứng của các doanh nghiệp điện lực trong quá trình ra quyết định của họ Hai kịch bản được thiết lập tương ứng có và không có ưu tiên rủi ro và ưu tiên kỹ thuật thích ứng

- Kết quả chỉ ra rằng cả sự không thích rủi ro và sự ưa thích kỹ thuật thích ứng của các doanh nghiệp sản xuất điện đều đóng vai trò quan trọng trong việc thúc đẩy quá trình chuyển đổi các-bon thấp của ngành điện và chúng thể hiện tác động tổng hợp

15

Multi-Agent Simulation of Generation Expansion in Electricity Markets [26]

Audun Botterud, Matthew R Mahalik, Thomas D Veselka, Heon-Su Ryu, Ki-Won Sohn

2007

- Nghiên cứu giới thiệu một mô hình đa Agent mới về mở rộng phát điện trên thị trường điện Mô hình mô phỏng các quyết định đầu tư công suất của các công ty phát điện phi tập trung tương tác trong một môi trường đa chiều, phức tạp Thuật toán điều phối theo xác suất tính toán giá cả và lợi nhuận cho các đơn vị ứng viên mới ở các trạng thái tương lai khác nhau của hệ thống Sự không chắc chắn về tải trong tương lai, điều kiện thủy điện và hành động của đối thủ cạnh tranh được thể hiện trong cây kịch bản và phân tích quyết định được sử dụng để xác định quyết định mở rộng tối ưu cho từng Agent riêng lẻ

HVTH: NGUYỄN THANH HUY16

16

E-laboratories: agent-based modeling of electricity markets [27]

North, Michael J., Guenter Conzelmann, Vladimir Koritarov, Charles M Macal, Prakash R Thimmapuram and Thomas D Veselka

2002

- Thị trường điện là những hệ thống thích ứng phức tạp, hoạt động theo nhiều quy tắc và trải qua nhiều quy mô thời gian khác nhau Những quy tắc này được áp đặt từ bên trên bởi xã hội và bên dưới bởi vật lý Những chuyển đổi cổ phần cao này đòi hỏi sự ra đời của các cấu trúc quy định chưa được kiểm chứng Các phòng thí nghiệm thích hợp có thể được sử dụng để kiểm tra các cấu trúc quy định trước khi chúng được áp dụng cho các hệ thống thực là cần thiết

- Các mô hình ABM có thể cung cấp các phòng thí nghiệm điện tử như vậy hoặc '' phòng thí nghiệm điện tử '' Để hiểu rõ hơn các yêu cầu của phòng thí nghiệm điện tử thị trường điện, mô phỏng thị trường điện trực tiếp đã được tạo ra Kinh nghiệm này đã giúp định hình sự phát triển của mô hình Hệ thống thích ứng phức hợp thị trường điện (EMCAS)

17

Simulating climate and energy policy with agent-based

modelling: The Energy

Modelling Laboratory (EMLab) [29]

Emile J.L.Chappin,Laurens J.de Vries, Joern C.Richstein,

Pradyumna Bhagwat, KaveriIychettira, SalmanKhana

2017

- Bài báo trình bày một cách tiếp cận để mô phỏng chính sách khí hậu và năng lượng cho EU, sử dụng cách tiếp cận mô hình ABM linh hoạt và mô-đun và một hộp công cụ, được gọi là Phòng thí nghiệm Mô hình Năng lượng (EMLab)

- Bài báo đánh giá những thách thức cốt lõi và các cách tiếp cận để lập mô hình chính sách khí hậu và năng lượng trong bối cảnh quá trình chuyển đổi năng lượng Sau đó, trình bày một mô hình đầu tư vào sản xuất điện dựa trên Agent đã giải quyết được nhiều câu hỏi về chính sách năng lượng của Châu Âu Mô hình mô tả sự phát triển của lõi mô hình linh hoạt cũng như các mô-đun về chính sách carbon và năng lượng tái tạo, cơ chế năng lực, hành vi đầu tư và đại diện của năng lượng tái tạo không liên tục

18

The merit-order effect: A detailed analysis of the price effect of renewable electricity generation on spot market prices in Germany [31]

Frank Sensfuß, Mario Ragwitz, Massimo Genoese

2008

- Việc Đức hỗ trợ sản xuất điện từ các nguồn năng lượng tái tạo đã dẫn đến tốc độ tăng trưởng cao của các công nghệ được hỗ trợ Một khía cạnh quan trọng cần được xem xét là hiệu ứng giá do sản xuất điện tái tạo tạo ra - Bài báo tìm cách phân tích tác động của việc

phát điện tái tạo đối với thị trường điện ở Đức Khía cạnh trọng tâm được phân tích là tác động của sản xuất điện tái tạo đối với giá thị trường giao ngay

- Các kết quả được tạo ra bởi một nền tảng mô phỏng dựa trên Agent chỉ ra rằng khối lượng

HVTH: NGUYỄN THANH HUY17

tài chính của việc giảm giá là đáng kể Trong ngắn hạn, điều này làm phát sinh hiệu ứng phân phối, tạo ra tiết kiệm cho phía cầu bằng cách giảm lợi nhuận của nhà phát điện

HVTH: NGUYỄN THANH HUY18

CHƯƠNG 3 CƠ SỞ LÝ THUYẾT 3.1 Mô hình ABM (Agent-base model - ABM)

Sự cần thiết của mô hình ABM

Mô hình ABM đang trở nên phổ biến vì chúng ta đang sống trong một thế giới ngày càng phức tạp:

Đầu tiên, các hệ thống mà chúng ta cần phân tích và mô hình hóa đang trở nên phức tạp hơn về sự phụ thuộc lẫn nhau của chúng Các công cụ tạo mô hình thông thường có thể không được áp dụng như trước đây Ví dụ là ứng dụng trong việc bãi bỏ quy định tập trung của ngành điện trước đây, trong đó các Agent (công ty phát điện) được tự do đưa ra các lựa chọn về giá cả và đầu tư dựa trên các tiêu chí cá nhân của họ

Thứ hai, một số hệ thống luôn quá phức tạp để có thể mô hình hóa một cách thích hợp Mô hình hóa thị trường kinh tế theo truyền thống dựa trên các khái niệm về thị trường hoàn hảo, các Agent đồng nhất và trạng thái cân bằng dài hạn bởi vì những giả định này làm cho các vấn đề có thể phân tích và tính toán được Các nhà nghiên cứu đang bắt đầu nới lỏng một số giả định này và có cái nhìn thực tế hơn về các hệ thống kinh tế này thông qua ABM

Thứ ba, dữ liệu đang được thu thập và tổ chức thành cơ sở dữ liệu ở mức độ chi tiết tốt hơn Dữ liệu vi mô hiện có thể hỗ trợ các mô phỏng dựa trên từng cá nhân

Và thứ tư, nhưng quan trọng nhất, sức mạnh tính toán đang tiến bộ nhanh chóng Bây giờ chúng ta có thể tính toán các mô hình vi mô quy mô lớn mà chỉ vài năm trước đây sẽ không hợp lý

Agent là gì?

Không có thống nhất chung nào về định nghĩa chính xác của thuật ngữ “Agent” trong ngữ cảnh của mô hình ABM Không giống như các hệ thống hạt (ví dụ: các hạt khí lý tưởng hóa) là đối tượng của lĩnh vực mô phỏng hệ thống vật lý, các Agent được sử dụng rất đa dạng, không đồng nhất và năng động về các thuộc tính và quy tắc hành vi của chúng, như thể hiện trong Hình 3-1 Một số nhà mô hình coi bất kỳ loại thành phần độc lập cho dù đó là phần mềm hay một mô hình đều có thể trở thành một Agent [36] Hành vi của một thành phần độc lập có thể từ đơn giản về bản chất, ví dụ: được mô tả bằng các quy tắc if-then đơn giản đến phức tạp, ví dụ: được mô tả bằng các mô

HVTH: NGUYỄN THANH HUY19

hình hành vi phức tạp từ các lĩnh vực khoa học nhận thức hoặc trí tuệ nhân tạo Một số tác giả nhấn mạnh rằng hành vi của một thành phần cũng phải thích ứng để nó được coi là một Agent Theo quan điểm này, nhãn Agent được dành riêng cho các thành phần có thể học hỏi từ môi trường của chúng và tự động thay đổi hành vi của chúng theo trải nghiệm của chúng Nghiên cứu [37] lập luận rằng các Agent nên chứa cả các quy tắc cấp cơ sở cho hành vi cũng như một tập hợp cấp cao hơn các “quy tắc để thay đổi các quy tắc” Các quy tắc cấp cơ sở cung cấp các phản ứng đối với môi trường, trong khi "các quy tắc để thay đổi các quy tắc" cung cấp sự thích ứng Nghiên cứu [38] cung cấp một quan điểm khoa học máy tính về “Agent” nhấn mạnh đặc điểm thiết yếu của hành vi tự chủ Điều này đòi hỏi các Agent phải là những người phản hồi và lập kế hoạch tích cực hơn là những thành phần thụ động thuần túy

Đối với các mục đích mô hình hóa thực tế, các nhà nghiên cứu coi các Agent có các thuộc tính nhất định:

• Agent là tự chủ và tự định hướng Một Agent có thể hoạt động độc lập trong môi trường của nó và trong các tương tác của nó với các Agent khác Hành vi của Agent là sự thể hiện của một quá trình liên kết cảm nhận của Agent về môi trường với các quyết định và hành động của nó

• Agent là mô-đun hoặc khép kín Agent là một cá thể có thể nhận dạng, rời rạc với một tập hợp các đặc điểm hoặc thuộc tính, hành vi và khả năng ra quyết định

• Một Agent là thành phần của xã hội, tương tác với các Agent khác Agent có các giao thức hoặc cơ chế mô tả cách họ tương tác với các Agent khác, giống như Agent có các hành vi Các giao thức tương tác Agent phổ biến bao gồm tranh chấp về không gian và tránh va chạm; công nhận Agent; giao tiếp và trao đổi thông tin; ảnh hưởng; và các cơ chế dành riêng cho miền hoặc ứng dụng khác Agent thường có các thuộc tính bổ sung, có thể có hoặc không được coi là đặc tính xác định hoặc cần thiết cho Agent

• Một Agent có thể sống trong một môi trường Agent tương tác với môi trường của nó cũng như với các Agent khác Agent được định vị, theo nghĩa là hành vi của nó phụ thuộc vào tình huống, có nghĩa là hành vi của nó dựa trên trạng thái hiện tại của các tương tác của nó với các Agent khác và với môi trường

• Agent có thể có các mục tiêu rõ ràng thúc đẩy hành vi của nó Các mục tiêu không nhất thiết là các mục tiêu để tối đa hóa nhiều như các tiêu chí để đánh giá tính

HVTH: NGUYỄN THANH HUY20

hiệu quả của các quyết định và hành động của nó Điều này cho phép một Agent liên tục so sánh kết quả của các hành vi với mục tiêu của nó và cung cấp cho nó một điểm chuẩn để có thể sửa đổi hành vi của nó

• Một Agent có thể có khả năng học hỏi và điều chỉnh các hành vi của mình dựa trên kinh nghiệm của nó Việc học tập và thích nghi của cá nhân đòi hỏi Agent phải có bộ nhớ, thường ở dạng thuộc tính Agent động

• Agent thường có các thuộc tính tài nguyên cho biết tình trạng hiện tại của một hoặc nhiều tài nguyên, ví dụ: năng lượng, của cải, thông tin,…

Hình 3-1 Agent điển hình

Các quy tắc hành vi của Agent có thể khác nhau về mức độ tinh vi của chúng, lượng thông tin được xem xét trong quyết định của Agent, mô hình bên trong của Agent về thế giới bên ngoài bao gồm các phản ứng hoặc hành vi có thể có của các Agent khác và khả năng bộ nhớ của nó về các sự kiện trong quá khứ mà một Agent giữ lại và sử dụng trong các quyết định của mình

Lợi ích của mô hình ABM

Mô hình ABM cung cấp ba lợi ích chính so với các kỹ thuật mô hình khác [39]: Các mô hình ABM:

• Nắm bắt các hiện tượng mới nổi, những hiện tượng này là kết quả của sự tương tác của các thực thể riêng lẻ “Tổng thể nhiều hơn tổng các bộ phận của nó bởi vì sự tương tác giữa các bộ phận” [39] Các hiện tượng mới nổi này có thể có các thuộc tính được tách ra khỏi các thuộc tính của các thực thể đơn lẻ

HVTH: NGUYỄN THANH HUY21

• Cung cấp một mô tả tự nhiên về một hệ thống Nếu hệ thống bao gồm các thực thể hành vi, thì các mô hình ABM là tự nhiên và gần với thực tế nhất để mô hình hóa các hệ thống này

• Linh hoạt Tính linh hoạt có trong các kích thước khác nhau Ví dụ: có thể thêm nhiều Agent, mức độ phức tạp của Agent, hành vi của họ, mức độ hợp lý, khả năng học hỏi và phát triển có thể được điều chỉnh

Sử dụng mô hình ABM cho thị trường điện

Mô hình ABM cho phép phân tích sự phụ thuộc lẫn nhau của cấp vi mô (các bên tham gia) và cấp vĩ mô (cấu trúc thị trường tổng thể) Các đơn vị phát điện có thể được mô hình hóa như các Agent Họ đáp ứng các yêu cầu cơ bản đối với các Agent được đưa ra bởi [40] trong phần 3.1.2 Các đơn vị sản xuất điện là tự chủ, họ có khả năng xã hội theo nghĩa là họ tương tác trên thị trường với nhau và phản ứng với nhau do họ thu thập thông tin đầu vào về trạng thái và môi trường để quyết định hành động của họ Hơn nữa, các đơn vị này sử dụng tính chủ động để thử các hành động khác nhau nhằm tăng lợi nhuận của họ

Sự tương tác giữa các Agent (đơn vị phát điện) rất phức tạp và các Agent có thể học được các hiệu ứng liên quan đến hành vi lặp đi lặp lại và kết hợp tác động của sức mạnh thị trường [41], [5] Một thị trường độc quyền được giả định Do đó, các nhà sản xuất điện có thể đặt giá thầu một cách chiến lược cao hơn chi phí cận biên khi họ nhận thấy ảnh hưởng có thể có của mình đối với giá thị trường [42]

Không có giả định nào liên quan đến việc đạt được trạng thái cân bằng được đưa ra khi lập mô hình thị trường điện Không có gì đảm bảo rằng hành vi tổng hợp của hệ thống là ổn định nếu mọi Agent đều cố gắng tối đa hóa lợi nhuận của mình Thay vào đó, điểm cân bằng có đạt được hay không được đánh giá từ việc thực hiện mô hình thực tế

Hầu hết các nghiên cứu mô hình giả định rằng có một quy trình đấu thầu tại một thị trường trung tâm được giám sát bởi Trung tâm vận hành hệ thống truyền tải (Transmission System Operator – TSO), dẫn đến một tập hợp các mức giá bù trừ trên thị trường Hầu hết các nghiên cứu đều bỏ qua giao dịch song phương và về mặt mô hình mạng, hầu hết các nghiên cứu đều bỏ qua hoàn toàn các ràng buộc về đường truyền [43]

HVTH: NGUYỄN THANH HUY22

3.2 Mô hình Phòng thí nghiệm mô hình hóa năng lượng (Energy Modelling Laboratory - EMLAB)

Tổng quan

Mô hình được thiết kế để phân tích tác động tổng hợp của các quyết định đầu tư của các công ty phát điện theo các kịch bản chính sách và thiết kế thị trường khác nhau nhằm đánh giá tác động có thể có của các công cụ chính sách khác nhau đối với sự phát triển lâu dài của thị trường điện châu Âu Bởi vì các mô phỏng kéo dài vài thập kỷ, bước thời gian của mô hình là một năm Mô hình cung cấp cái nhìn sâu sắc về các kết quả có thể từ các biện pháp chính sách khác nhau và đặc biệt từ sự kết hợp của các biện pháp chính sách

Động lực của sự thay đổi trong mô hình là những thay đổi đối với các yếu tố ngoại sinh, chẳng hạn như giá nhiên liệu và nhu cầu điện, và những thay đổi về chính sách Trong môi trường tĩnh, một sự thay đổi chính sách như giảm giới hạn phát thải CO2 sẽ dẫn đến trạng thái cân bằng mới với công nghệ tạo ra các-bon thấp hơn Tuy nhiên, trong môi trường có các yếu tố ngoại sinh thay đổi liên tục, thời gian xây dựng nhà máy điện mới kéo dài và tuổi thọ lâu dài của chúng dẫn đến hệ quả là thị trường điện khó có thể ở trạng thái cân bằng đầu tư Đây cũng là trường hợp trong mô hình này Khi giá liên quan thay đổi, sở thích của các Agent đối với công nghệ phát điện thay đổi Câu hỏi quan trọng là bộ chính sách nào dẫn đến mức giảm thiểu CO2 mong muốn và làm thế nào để chi phí có thể được giảm thiểu một cách dễ dàng nhất, với nhiều tình huống khác nhau của các điều kiện ngoại sinh luôn thay đổi

Agent chính trong mô hình là các công ty phát điện Trong mô hình, họ đưa ra quyết định về giá bán điện và về việc đầu tư và hủy bỏ đầu tư vào các nhà máy phát điện Họ mua nhiên liệu với giá xác định ngoại sinh, tức là họ là người định giá trên các thị trường này Các Agent điều hành nhà máy điện của họ dựa trên giá nhiên liệu, điện và CO2, trong khi đối với các quyết định đầu tư của họ, họ cũng xem xét các ước tính về giá trong tương lai, chi phí của các công nghệ phát điện khác nhau và, nếu người lập mô hình mong muốn, các yếu tố khác như ngại rủi ro hoặc ưu tiên cho các công nghệ sản xuất cụ thể như năng lượng tái tạo

Thị trường điện và CO2 là những lĩnh vực chính mà các Agent tương tác Để mô phỏng thực tế của thị trường điện châu Âu, mô hình chứa nhiều thị trường điện với khả

HVTH: NGUYỄN THANH HUY23

năng kết nối hạn chế giữa chúng Có một thị trường CO2 duy nhất Các thị trường điện được mô hình hóa như trao đổi điện năng, chúng được thanh toán bù trừ đồng thời, bao gồm cả thuật toán khớp nối thị trường để phân bổ công suất máy liên kết Một quy trình lặp đi lặp lại được sử dụng để mô phỏng chênh lệch giá giữa thị trường điện và thị trường CO2

Khi các Agent xây dựng một nhà máy điện mới, họ có thể chọn từ một loạt các công nghệ phát điện Sự đổi mới của các công nghệ này được mô phỏng như sự giảm dần chi phí và cải thiện hiệu suất (chẳng hạn như mức tiêu hao nhiên liệu) Trong phạm vi có thể, những xu hướng này đã được hiệu chỉnh với dữ liệu thực nghiệm Các công nghệ đã hình thành, chẳng hạn như khí đốt, than và điện hạt nhân, phát triển chậm hơn so với các công nghệ mới hơn như năng lượng gió hoặc công nghệ hấp thụ carbon

Mô hình đã được phát triển để kiểm tra kết hợp chính sách carbon và chính sách NLTT trong các thị trường liên kết với nhau, với các giả định khác nhau về hành vi đầu tư Chính sách carbon cơ bản là một kế hoạch thương mại khí thải dựa trên ETS của EU Giá carbon tối thiểu có thể được bao gồm trong chương trình này Thay vào đó, hoặc ngoài ra, thuế carbon có thể được thực hiện Các công cụ chính sách NLTT có thể được thêm vào mô hình

Các giả định sau đây làm cơ sở cho mô hình:

1 Nhiên liệu luôn có sẵn Nguồn cung cấp sinh khối và khí tự nhiên không giới hạn 2 Giá nhiên liệu là ngoại sinh và tái hiện sự khan hiếm tương đối của nhiên liệu

Hệ thống được mô hình hóa quá nhỏ để ảnh hưởng đến giá nhiên liệu thế giới 3 Sinh khối được giả định là 100% carbon trung tính Trong mô hình, sinh khối đại

diện cho các đặc điểm chung của năng lượng tái tạo: không chứa carbon, nhưng đắt hơn

4 Các đặc điểm chính của Giai đoạn 3 của EU ETS (2013 trở về sau) bao gồm: 100% quyền phát thải CO2 được đấu giá và giới hạn sẽ giảm theo thời gian 5 Tác động của thương mại phát thải giữa các ngành được cho là không đáng kể so

với thương mại nội ngành

6 Đổi mới chỉ giới hạn trong học tập; các công nghệ sẵn có dần dần được cải thiện về giá thành và hiệu suất, các công nghệ hoàn toàn mới không có trong mô hình

HVTH: NGUYỄN THANH HUY24

7 Tất cả các chi phí và giá cả không đổi trong năm 2011 Giá điện là giá bán buôn; thuế và phí truyền tải không được bao gồm

Hình 3-2 giới thiệu tổng quan về mô hình Trước khi bắt đầu mô phỏng, một tệp kịch bản được tải lên trong đó xác định dữ liệu chuỗi thời gian, hàm nhu cầu, công nghệ sản xuất, danh mục đầu tư phát điện và các thông số của các công cụ chính sách như giới hạn CO2 hoặc mức thuế Trong mỗi bước thời gian, thị trường điện được thanh toán cho từng phần của chức năng thời gian phụ tải Nếu thị trường CO2 được thực hiện, giá CO2 được xác định trong một quá trình lặp đi lặp lại với việc bù trừ thị trường điện: giá được điều chỉnh cho đến khi lượng phát thải vừa với giới hạn Mỗi bước, các Agent cũng quyết định xem có nên đầu tư vào nhà máy mới hay không và có nên dỡ bỏ nhà máy cũ hay không và họ mua các khoản tín dụng CO2, nếu có

Agent

Các Agent chính trong mô hình là các công ty phát điện Ngoài ra, tổng lượng điện tiêu thụ được đại diện bởi một Agent duy nhất Người lập mô hình có thể lựa chọn số lượng công ty phát điện cũng như quy mô và tính nhất quán của danh mục nhà máy điện của họ khi bắt đầu mô phỏng Các công ty phát điện cần đưa ra các loại quyết định chiến lược sau:

- Sự đầu tư Các Agent quyết định xem liệu việc đầu tư vào một cơ sở phát điện mới có đủ hấp dẫn đối với họ hay không Các Agent đầu tư khi một nhà máy điện mới xuất hiện đủ hấp dẫn Phần 3.2.7 sẽ mô tả chi tiết về thuật toán đầu tư được sử dụng

- Loại hình công nghệ Nếu các Agent quyết định đầu tư, họ cần chọn một loại công nghệ phát điện

HVTH: NGUYỄN THANH HUY25

Hình 3-2 Cấu trúc của mô hình

Ngoài quản lý chiến lược, các nhà phát điện đưa ra các quyết định vận hành sau: - Bán điện Các công ty phát điện cung cấp điện của họ cho sàn giao dịch điện với chi phí cận biên cộng với một mức tăng giá (price mark-up), được cho là tồn tại do sức mạnh thị trường Chi phí biên của sản xuất được tính từ giá nhiên liệu và CO2

- Mua nhiên liệu Dựa trên thực tế sản xuất điện, nhiên liệu cần thiết được xác định và thu mua Trong trường hợp các nhà máy điện đa nhiên liệu, các Agent sẽ tối ưu hóa mức tiêu thụ nhiên liệu của họ dựa trên giá nhiên liệu dự kiến

HVTH: NGUYỄN THANH HUY26

- Có được quyền phát thải CO2 Khối lượng quyền phát thải CO2 mà các công ty phát điện mua được xác định trong một quá trình lặp đi lặp lại, trong đó sự chênh lệch giá giữa thị trường điện và thị trường CO2 được tối ưu hóa Giả định rằng thị trường điện và thị trường CO2 ngắn hạn hoạt động tối ưu và chênh lệch giá giữa chúng cũng là tối ưu

Một Agent tiêu dùng duy nhất đại diện cho tổng cầu của tất cả người tiêu dùng điện trong nước Nhu cầu hàng năm phụ thuộc vào kịch bản

Công nghệ phát điện

Không có hạn chế về số lượng công nghệ phát điện có thể được sử dụng trong mô hình này Tuy nhiên, vì mục đích đơn giản, luận văn bắt đầu mô hình với các công nghệ sau

- Điện than, có thể có hoặc không thu và lưu giữ carbon (CCS) (với tùy chọn đốt với nhiên liệu sinh khối - Biomass co-firing):

o Máy nghiền siêu tới hạn (PSC)

o Chu trình hỗn hợp khí hóa tích hợp (IGCC) - Điện sinh khối

- Khí ga

o Tua bin khí chu trình mở (OCGT) o Tua bin khí chu trình hỗn hợp (CCGT) - Điện hạt nhân

- Điện gió o Trên bờ o Ngoài khơi - Điện mặt trời

Các thuộc tính chính của nhà máy điện được mô hình hóa là hiệu quả sử dụng nhiên liệu, chi phí đầu tư, chi phí vận hành và bảo dưỡng (O&M), tải tối đa, tuổi thọ và thời gian xây dựng

Nghiên cứu sử dụng các đặc điểm công nghệ và chi phí điển hình của các nhà máy phát điện hiện có (một ước tính hợp lý) Các giả định cụ thể được mô tả trong Bảng

HVTH: NGUYỄN THANH HUY27

3-1 và bảng 3-2 Trong mô hình, hiệu suất của các nhà máy điện mới được cải thiện dần dần theo thời gian (dẫn đến mức tiêu thụ nhiên liệu thấp hơn và sản lượng CO2 trên mỗi MWhe sản xuất ra) Đối với các công nghệ mới như điện gió, các tốc độ học tập này phát triển nhanh hơn so với các công nghệ hiện có Vốn và chi phí vận hành của các nhà máy mới cũng giảm, nhưng trong suốt vòng đời của nhà máy, chi phí vận hành và bảo trì cố định của nó tăng lên, giảm cấp đầu tiên và sau đó tăng mạnh hơn sau khi tuổi thọ danh nghĩa của nó trôi qua

Bảng 3-1 Hệ số chuyển đổi đối với nhà máy điện