Dựa trên ý tưởng của Chi-Min Chu và Tai-Lang Jong, luận văn nêu ra một cách tiếp cận trong việc điều khiển trực tiếp tải điều hòa là g-DLC group-Direct Load Control, giúp tối ưu hóa việc
TỔNG QUAN VỀ DLC VÀ ĐIỀU HÒA KHÔNG KHÍ
TỔNG QUAN DLC VÀ ĐIỀU HÒA KHÔNG KHÍ
DLC – Direct Load Control được định nghĩa như sau: là một sự thực thi trực tiếp cắt giảm tải đỉnh, được thi hành bởi một máy tính được lập trình sẵn hoặc thao tác bằng tay thông qua điều khiển từ xa Chuyển động của motor, các tải thiết bị hay sự đun sôi nước là các ví dụ về điều khiển tải
Trái với phương pháp quản lý tải gián tiếp – là tuyên truyền và khuyến khích khách hàng thay đổi hành vi sử dụng điện, DLC cho phép ngành điện – các nhà cung cấp điện và khách hàng cùng thực hiện các cách thức quản lý tải để đạt được mục tiêu sử dụng điện hiệu quả
DLC đối với khách hàng – người tiêu thụ điện hầu như được thiết kế để kiểm soát việc tiêu thụ máy điều hòa không khí, lò sưởi, máy nước nóng và các thiết bị chiếu sáng Việc phân loại các phương pháp quản lý dựa trên các đặc tính khác nhau của tải (loại tải, tính chất tải, thời gian đáp ứng, phương thức điều khiển…) Ta có thể chia thành 2 nhóm: nhóm phương pháp điều khiển tải trước (sớm) và nhóm phương pháp điều khiển tải thực
II/ Nhóm điều khiển tải trước (sớm):
Phương pháp điều khiển này dựa trên các chương trình dự báo để cung cấp thông tin liên tục và có độ tin cậy cao liên quan đến năng lượng được tiêu thụ trong tương lai Dựa trên những thông tin này, các nhà cung cấp và khách hàng sẽ có sự điều chỉnh, phân bố năng lượng và lập kế hoạch hợp lý nhằm thực hiện những mục tiêu của mỗi bên Sự dao động của chi phí năng lượng, thay đổi hành vi tiêu thụ điện, yếu tố thời tiết là những thông tin được cập nhật thường xuyên nhất
Một yếu tố quan trọng là việc dự báo đường cong phụ tải Do đó các thông tin phải được truyền đi nhanh chóng và chính xác thông qua các kỹ thuật truyền thông hiện đại (Internet, PLC, GPS, WAN…) Có thể kể ra một vài phương pháp tiêu biểu: mạng neural nhân tạo (Artificial Neural Network), hệ logic mờ, hệ chuyên gia – chủ yếu dựa vào cơ sở dữ liệu thu thập được Cho nên hiệu quả của nhóm phương pháp này phụ thuộc vào độ chính xác của các thông số đầu vào và khả năng dự báo thích ứng với độ nhiễu thông tin thu nhận (phần trăm không chắc chắn) Để đạt được mức hiệu quả mong muốn cần phải sử dụng các kỹ thuật tân tiến Các mô hình toán học tuyến tính và phi tuyến được nghiên cứu và áp dụng để lên kế hoạch quản lý Thời gian biểu sẽ phụ thuộc và sự thay đổi các thông số như giá điện, yêu cầu từ nhà cung cấp, nguồn công suất bổ sung, tăng vọt tiêu thụ từ khách hàng… Thời gian tính toán của một chương trình tối ưu (optimization program - OP) tùy thuộc vào số lượng các biến và độ phức tạp của thuật toán Để thỏa mãn các ràng buộc về thời gian đáp ứng, công thức của một OP càng đơn giản càng tốt
Phương pháp điều khiển trực tiếp tải điều hòa theo nhóm g-DLC mà luận văn trình bày thuộc nhóm điều khiển tải thời gian thực
III/ Nhóm điều khiển tải thời gian thực:
Các phương pháp điều khiển trực tiếp hướng đến mục đích kiểm soát tải trong thời gian đáp ứng gần như tức thời, diễn ra ngay lập tức và dùng cho các thiết bị như hệ thống chiếu sáng, cửa tự động, đầu đọc thẻ từ Gần đây, phương pháp điều khiển dựa trên cảm biến đã được đề xuất để nâng cao chất lượng điều khiển, giúp quản lý tối ưu, đáp ứng nhu cầu người dùng và giải quyết bài toán sử dụng năng lượng hiệu quả.
Ngoài ra, các phương pháp điều khiển tải trong thời gian thực còn dựa vào kỹ thuật quản lý trực tiếp kiểu phân tán – đang được sử dụng rộng rãi trên thế giới Các thiết bị và người dùng được xem như các phần tử
“agent” trong một tập hợp Mỗi “agent” hoạt động độc lập và linh hoạt, có thể tương tác với các phần tử khác để thực hiện các nhiệm vụ riêng biệt dưới sự giám sát và điều khiển của hệ thống chủ
IV/ Hiện trạng sử dụng năng lượng ở nước ta:
Càng ngày, nhu cầu sử dụng năng lượng ở nước ta càng tăng cao Tổng nhu cầu năng lượng sơ cấp năm 2010 khoảng 63 – 65 triệu TOE (Ton Oil Equivalent), năm 2020 sẽ là 135 triệu TOE và đến năm 2025 là 175 triệu TOE [7]
Dự báo nhu cầu điện năng của Việt Nam sẽ tăng gấp đôi sau mỗi 5 năm và đến năm 2015 sẽ tăng gấp 4 lần Với tốc độ gia tăng nhanh như vậy, EVN cần cung cấp thêm hơn 1000 MW điện mỗi năm Cùng lúc đó, các nhà máy lại gây nên áp lực rất lớn với môi trường Do đó khả năng đáp ứng công suất của hệ thống điện đối với nhu cầu phụ tải trong vận hành là một bài toán nan giải Hệ thống điện nước ta nhiều lúc vận hành ở chế độ không có lượng dự trữ cao và liên tục sa thải phụ tải khi thiếu hụt công suất Ngoài ra đồ thị phụ tải rất không bằng phẳng, độ chênh lệch giữa cao và thấp điểm rất lớn Pmin / Pmax = 0.54 Để giải quyết vấn đề này cũng như đảm bảo sử dụng nguồn năng lượng hợp lý, cần tìm ra phương pháp làm cho đường cong phụ tải phù hợp với công suất đáp ứng từ hệ thống cung cấp Quản lý nhu cầu phụ tải chính là chìa khóa mà ta cần tìm
Trong phần trên ta đã phân tích nhu cầu sử dụng các thiết bị HVAC ở nước ta ngày càng tăng cao và chiếm tỷ lệ tương đối lớn (hiện tại khoảng 20%) nhu cầu sử dụng điện Do đó quản lý điều khiển trực tiếp tải ĐHKK cũng là một phương pháp tốt nhằm cân bằng cơ cấu cung – cầu về điện ở nước ta
V/ Các chương trình quản lý phụ tải tại Việt Nam:
Tốc độ tăng trưởng nhu cầu điện ở Việt Nam dự kiến đạt khoảng 15% mỗi năm tính đến năm 2020 Mức tổn thất điện năng trên 10% của hệ thống truyền tải/phân phối đòi hỏi phải đầu tư mạnh vào các dự án truyền tải/phân phối Để đáp ứng nhu cầu năng lượng và giảm tổn thất xuống còn 7%, Việt Nam cần áp dụng các công nghệ tiên tiến vào vận hành, quản lý, nâng cấp và bảo trì lưới điện.
Về việc quản lý lưới điện, hiện nay Trung tâm Điều độ Hệ thống điện Quốc gia và Trung tâm Điều độ Hệ thống điện các miền đã ứng dụng hệ thống SCADA / EMS hiện đại bao gồm:
• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện Quốc gia là hệ thống RANGER do hãng ABB (Mỹ) cung cấp và đưa vào vận hành từ 3/2001
• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện miền Nam là hệ thống EMP do hãng Areva (Pháp) cung cấp và đưa vào vận hành từ 12/2000
• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện miền Trung là hệ thống EMP cũng do hãng Areva (Pháp) cung cấp
• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện miền Bắc là hệ thống SPIDER do hãng ABB (Thụy Điển) cung cấp
Về công nghệ truyền dẫn, EVN có thiết bị tải ba – powerline carrier (PLC) đã được sử dụng phổ biến trong hệ thống mạng viễn thông điện lực, chủ yếu cung cấp các kênh truyền cho hệ thống relay bảo vệ đường dây, kênh SCADA, dịch vụ hotline, thuê bao xa… Ngoài ra EVN còn truyền dẫn bằng công nghệ viba và cáp quang
Về quản lý phụ tải, hiện tại ở Việt Nam đang thực hiện một số chương trình sau [7]:
Giá điện theo thời gian cho các khách hàng lớn bắt đầu được triển khai từ 1995 EVN đã tiến hàng lắp đặt các meter đo đếm theo thời gian (Time Of Use – TOU) cho các khu công nghiệp, khu chế xuất, khách sạn và các khách hàng có nhu cầu tiêu thụ điện lớn Tính đến cuối năm 2004, EVN đã lắp đặt 45 000 meter TOU cho các khách hàng Theo đánh giá của các chuyên gia, chương trình TOU của EVN đến nay đã giúp cắt giảm được 45 MW công suất đỉnh ở giờ cao điểm từ 19 – 21h
+ Chương trình khuyến khích khách hàng:
MỘT CÁCH TIẾP CẬN TRONG ĐIỀU KHIỂN TẢI ĐIỀU HÒA
MỘT CÁCH TIẾP CẬN ĐIỀU KHIỂN TRỰC TIẾP
Nhiệt độ ngoài trời, yêu cầu tiện nghi về nhiệt của khách hàng và hiệu ứng tải trả lại (payback load effect) làm hạn chế việc điều khiển trực tiếp tải điều hòa và việc lên lịch DLC Khi mà những mặt hạn chế trên là đặc trưng cho tải điều hòa, một chương trình điều khiển nhóm DLC mới bằng phương pháp ước lượng enthalpy tối thiểu (Least Enthalpy Estimation – LEE) được đề ra, dựa trên việc điều khiển mức độ thoải mái về nhiệt (thermal comfort controller) trong các hệ thống điều hòa
Chương trình nhằm mục đích điều khiển các hệ thống điều hòa nhiệt độ và triệt tiêu các vấn đề trong DLC một cách tối ưu Bộ điều khiển này (g-DLC) là một phương thức nhằm giải quyết các vấn đề giữa các tải điều hòa và chương trình quản lý tải (load management program), đồng thời sắp xếp lịch DLC cho các tải điều hòa G-DLC có thể duy trì cấp nhiệt độ trong một phạm vi nhất định và kéo dài thời gian nhàn rỗi của chương trình DLC, qua đó gia tăng lượng tải sa thải (shedding load) Nó cũng làm giảm nhẹ tác động của nhiệt độ ngoài trời và ngăn ngừa xảy ra hiệu ứng tải trả lại
Áp dụng chương trình sắp xếp tải tối ưu, sử dụng bộ điều khiển g-DLC để điều chỉnh dòng tải phù hợp với nhu cầu Phương pháp group-DLC giúp hạn chế ảnh hưởng của việc điều khiển trực tiếp tải điều hòa, tối ưu hóa lịch làm việc và tiết kiệm năng lượng.
Một số nghiên cứu trước đây tập trung vào việc lập kế hoạch Kiểm soát Tải Cầu (DLC) để giảm hiện tượng trả lại tải Một vòng lặp thuật toán di truyền dành riêng cho việc lập kế hoạch DLC được phát triển Các biện pháp điều khiển tải điện với các chương trình điều khiển công suất mạnh, cũng như một số chương trình phi tuyến, đã được áp dụng để giải quyết các vấn đề khó khăn của DLC trong lĩnh vực điều hòa nhiệt độ.
Những mô hình tải mô phỏng vật lý dựa theo các tải điều hòa trong hộ dân cư được đại diện cho mô hình tải điều hòa của DLC Những mô hình này rất tinh vi và phức tạp, cho nên khó mà giảm được ảnh hưởng của hạn chế trong tải điều hòa
Tuy nhiên, những mặt hạn chế trong điều khiển trực tiếp tải điều hòa là đặc trưng cho loại tải này Theo đó, những vấn đề có thể được giải quyết bằng cách sử dụng một bộ điều khiển hệ thống điều hòa và những kỹ thuật lập trình tuyến tính hoặc phi tuyến cho việc lên kế hoạch DLC
II/ Điều khiển độ thoải mái về nhiệt độ trong hệ thống điều hòa không khí:
Dựa vào vùng thoải mái (comfort zone) của biểu đồ tâm lý người dân sử dụng điều hòa trong mùa hè, được trình bày bởi ANSI/ASHRAE 55 [2], ta rút ra nhận xét: nhiệt độ cố định tạo nên mức độ thoải mái về nhiệt (Thermal Comfort Level - TCL) không đổi Tuy nhiên, do sự tác động của độ ẩm – cụ thể là độ ẩm luôn biến thiên, nhiệt độ cũng phải thay đổi nếu muốn duy trì mức TCL Hệ thống điều khiển dàn trao đổi nhiệt (fan coil unit – FCU) giảm lưu lượng không khí trong phòng, do đó giảm năng lượng tiêu thụ khi duy trì 1 mức TCL Vì thế sử dụng TCL như là một tiêu chí điều khiển điều hòa là một phương án khả thi
Sự thay đổi tải nhiệt liên quan đến sự thay đổi enthalpy trong không khí Enthalpy có thể dự đoán nhu cầu không khí trong tương lai Phương pháp Ước lượng enthalpy thấp nhất (LEE) quyết định điều chỉnh nhiệt độ thoải mái và tiết kiệm năng lượng Bộ điều khiển mờ điều khiển FCU (fan coil unit) trong hệ thống điều hòa để duy trì nhiệt độ thoải mái.
Hình 2.1 – ANSI/ASHRAE 55-2004: Điều kiện nhiệt độ môi trường đối với hộ tiêu thụ
Hệ thống điều hòa không khí sử dụng chung cho 2 phòng được thể hiện trong Hình 2.2 Mỗi phòng đều được trang bị FCU và bộ điều khiển dựa trên thuật toán mờ LEE, đây là phần mềm được cài đặt trong máy tính điều khiển FCU để đảm bảo sự thoải mái về nhiệt độ.
III/Ảnh hưởng của nhiệt độ ngoài trời đến các tải điều hòa:
Hầu hết năng lượng tiêu thụ bởi chu trình làm lạnh trong hệ thống điều hòa dùng để nén các chất làm lạnh, do đó giảm nhiệt độ nước làm lạnh (chilled-water), và trao đổi nhiệt giữa bên trong và bên ngoài Tải điều hòa phụ thuộc rất lớn vào nhiệt độ ngoài trời
Hình 2.2 – Công trình sử dụng hệ thống FCU với bộ điều khiển mờ LEE
Hình 2.3 diễn tả một chu trình tiêu thụ năng lượng trong 24h của 2 phòng đề cập ở phần A Tổng năng lượng tiêu thụ ở phòng 1 là 82 kWh, ở phòng 2 là 130 kWh Kĩ thuật điều khiển ở phòng 1 là LEE-based FC (fuzzy control), phòng 2 là kĩ thuật điều khiển nhiệt thông thường (CV) Năng lượng tiết kiệm bởi FC là 36.9% Nhiệt độ ngoài trời tác động đến phòng 2 nhiều hơn phòng 1
IV/ Nhiệt độ nước ướp lạnh thay đổi trong thời gian nhàn rỗi (off shift):
Trong thời gian nhàn rỗi của chương trình DLC, nhiệt độ căn phòng có thể gia tăng khi công suất nước làm lạnh (chilled-water capacity) không thể loại bỏ hoàn toàn nhiệt trong phòng Bộ điều khiển LEE-based FC là một giải pháp tốt trong trường hợp này Theo một vài kết quả thí nghiệm,
Hình 2.3 – Biểu đồ so sánh năng lượng tiêu tốn khi sử dụng 2 kĩ thuật khác nhau: Thermostat và Thermostat comfort controller hoạt động của FC có thể ổn định năng lượng tiêu thụ Hình 3 cho một phép so sánh về nhiệt độ nước ướp lạnh của 2 phương pháp FC và CV
V/ Hiện tượng trả lại tải trong quá trình DLC:
Máy điều hòa chuyển hóa lượng nhiệt tích lũy ngoài trời thông qua một bộ trao đổi nhiệt (heat exchange) Khi máy nén (compressor) tắt, lượng nhiệt tích lũy trong phòng sẽ không được chuyển ra bên ngoài Do vậy, tăng thời lượng máy nén ở trạng thái tắt sẽ làm tăng yêu cầu tải trong quy trình kế tiếp Đó được gọi là hiện tượng trả lại tải trong chu trình điều khiển trực tiếp tải điều hòa không khí
Hình 2.4 – Biểu đồ so sánh sự gia tăng nhiệt độ nước làm lạnh của 2 kỹ thuật điều khiển mờ LEE và điều khiển bình thường
Hình 2.5 diễn ta một ví dụ về hiện tượng trả lại tải trong điều hòa, tham khảo 3 trường hợp sử dụng các bộ điều khiển khác nhau và thời gian nhàn rỗi khác nhau
VI/ Những hạn chế về tải sa thải:
ĐIỀU KHIỂN TRỰC TIẾP TẢI THEO NHÓM
Mô tả ý tưởng
Ta sẽ xây dựng 1 mô hình điều khiển trực tiếp tải điều hòa theo nhóm dựa trên ý tưởng g-DLC của bài báo [1] Theo đó, mô hình sẽ cho phép người sử dụng nhập các thông số kỹ thuật như số máy lạnh, công suất cắt của từng máy lạnh, yêu cầu cắt tải trong một chu kỳ, thời lượng một chu kỳ, số chu kỳ thực hiện,… để chương trình tính toán cho ra kết quả tối ưu về thời gian OFF của các máy lạnh trong các chu kỳ sao cho đảm bảo công suất cắt gần sát với giá trị yêu cầu nhất đồng thời vẫn đảm bảo các yếu tố kĩ thuật như ngăn ngừa hiện tượng tải trả lại, các máy lạnh không OFF cùng lúc quá nhiều (chẳng hạn không có chuyện 6/6 máy lạnh cùng OFF trong 5 phút), tiết kiệm năng lượng… Đầu tiên ta phải tìm hiểu các công thức cần thiết trong việc xây dựng mô hình.
Các công thức cần thiết
Trước tiên, theo như Hình 2.9, đứng ở vị trí group “m” ta sẽ nhận được lệnh cắt một lượng tải mỗi 5 phút trong một chu kỳ (1 giờ) Tiếp đó, với các giá trị công suất cắt tải của từng máy lạnh cho sẵn - i=1 N với N là số lượng máy lạnh trong group “m” đang xét – ta xác định được thời gian off cho các máy lạnh trong chu kỳ “k” theo công thức:
Trong một chu kỳ hoạt động, máy lạnh sẽ có 2 trạng thái là ON và OFF Việc quản lý 2 trạng thái này một cách hợp lý sẽ đem đến kết quả tối ưu cho chu trình hoạt động Muốn vậy cần phân tích trong một chu kỳ, một máy lạnh có thể trải qua bao nhiêu giai đoạn ON/OFF để từ đó đưa ra phương pháp điều khiển
Chuỗi thời gian sau đây thể hiện các tính chất thời gian trong 1 chu kỳ “k”, mỗi chu kỳ (60 phút) được chia làm 12 giai đoạn (stages):
• : thời gian ON của máy lạnh “i” trước khi cắt/nghỉ (OFF)
• : thời gian ON bắt buộc của máy lạnh “i”
• = : thời gian OFF của máy lạnh “i”, các thời gian OFF của các máy lạnh là bằng nhau
• : thời gian ON sau khi OFF cộng với thời gian ON bắt buộc trong chu kỳ kế tiếp của máy lạnh “i”
Tại sao cần có thời gian ON bắt buộc ở mỗi chu kỳ? Đó là để ngăn
1 : trạng thái ON bắt buộc
X : trạng thái chưa xác định (0 hoặc 1)
0 : trạng thái OFFđã xác định
1 : trạng thái ON đã xác định trong mục VIII chương 2, bảng TABLE I Do đó ta thấy chính là Least ON time – thời gian ON bắt buộc sau khi OFF của máy lạnh Theo Hình 3.1, sau khi máy lạnh “i” OFF 5 (số phút mỗi stage) x 5 (số stage OFF) = 25 phút, cần phải ON một thời lượng là 35 phút Nhưng thời điểm kết thúc trạng thái OFF của máy lạnh là phút thứ 45, chu kỳ chỉ còn lại 15 phút Chính vì thế mà ở chu kỳ tiếp theo, máy lạnh cần ON thêm một khoảng thời gian là 35 – 15 = 20 phút ứng với 4 stages như Hình 3.1 thể hiện 20 phút ON đầu chu kỳ “k+1” đó chính là thời gian ON bắt buộc – Least ON constraint time - của chu kỳ Đó chính là ý nghĩa tại sao cần phải có giá trị
Thời gian ON bắt buộc trong chu kỳ kế tiếp “k+1” của máy lạnh “i” được tính theo công thức sau:
(2) với 5 là số phút trong 1 stage và 12 là số stage trong một chu kỳ
Trạng thái ON/OFF được thể hiện bằng các phần tử trong ma trận với 2 giá trị là 0(OFF) và 1(ON):
Với “x” là trạng thái chưa xác định – sẽ được tính toán trong các bước kế tiếp
Ma trận chưa xác định được xây dựng từ công thức trên – là tổng hợp của các phần tử :
, N là số máy lạnh trong group
Tính toán lượng công suất tải cắt đi trong mỗi giai đoạn (stage):
Tổng công suất cắt của các máy lạnh ứng với trạng thái ON/OFF tương ứng – được tính bằng cách lấy giá trị công suất cắt của từng máy lạnh nhân với giá trị nghịch của cột “j” của ma trận (ví dụ cột thứ nhất của là [0 1 0 1 1 1] T thì giá trị nghịch của cột thứ nhất là [1 0 1 0 0 0] T )- chính là lượng công suất tải cắt đi trong 1 stage
Sai số bình phương tối thiểu của lượng công suất cắt thực và lượng công suất cắt do LMP đưa xuống:
Với là công suất cắt của group trong 1 stage và là công suất cắt do LMP đưa xuống cho group “m” Do đó là lượng chênh lệch trung bình của việc thực hiện cắt tải thực do chương trình thực hiện và công suất cắt do LMP yêu cầu
Vấn đề quan trọng nhất cần giải quyết là tìm được nhỏ nhất để thiết lập được ma trận xác định :
Công thức (7) là điều kiện ràng buộc của các phần tử , nghĩa là
=0 tức là máy lạnh OFF, =1 là máy lạnh ON ( là thời lượng ON, là thời lượng OFF
(8) : ma trận xác định – decision matrix
Sau khi có được ma trận xác định , ta sẽ tính được thời gian ON của máy lạnh “i” trước khi OFF và thời gian ON bắt buộc trong chu kỳ kế tiếp của máy lạnh “i”
[Hình 3.2 – Ma trận chưa xác định và ma trận xác định ]
1 : trạng thái ON bắt buộc
X : trạng thái chưa xác định (0 hoặc 1)
0 : trạng thái OFFđã xác định
1 : trạng thái ON đã xác định
Kết thúc chu kỳ “k”, ta lại lặp lại quy trình như trên với một yêu cầu cắt tải được gửi xuống từ LMP Lúc này lại đóng vai trò là thời gian ON bắt buộc của máy lạnh (i) trong chu kỳ “k+1”
Cuối cùng, sau khi kết thúc chuỗi chu kỳ, ta sẽ xây dựng biểu đồ cắt tải theo thời gian như sau:
Sau khi tiến hành thực nghiệm người ta đưa ra bảng TABLE II thể hiện các giá trị thời gian ON bắt buộc sau khi OFF của máy lạnh để ngăn ngừa tình trạng trả lại tải:
Yêu cầu cắt tải Tải cắt thực tế do g-DLC thực hiện
*Vậy các biến cần thiết để thực hiện chương trình mô phỏng sẽ là:
• : công suất cắt do LMP đưa xuống group “m” trong chu kỳ “k”, nhập từ bàn phím
• : công suất cắt của máy lạnh “i”, i=1 N (N min là 2, max là 8), nhập từ bàn phím
• : thời gian off của mỗi máy lạnh (bằng nhau) trong chu kỳ “k”, xác định bởi công thức (1)
• : thời gian ON của máy lạnh “i” trước khi OFF trong chu kỳ
“k”, xác định sau khi đã tìm được ma trận xác định (độ dài của chuỗi 1 trong từng hàng của ma trận)
Tuổi thọ bắt buộc bật (ON) của máy lạnh (AC) "i" trong chu kỳ "k" gọi là T_i,k Trong chu kỳ đầu tiên, T_i,k sẽ được hệ thống quản lý tòa nhà (BMS) gửi xuống hoặc nhập từ bàn phím trong quá trình mô phỏng Đối với các chu kỳ tiếp theo, T_i,k được xác định bởi công thức (2).
• : thời gian ON sau khi OFF bắt buộc để ngăn ngừa hiện tượng trả lại tải chu kỳ “k” của máy lạnh “i”, xác định bởi bảng TABLE II
• : thời gian ON bắt buộc trong chu kỳ kế tiếp “k+1” của máy lạnh “i”, được xác định bởi công thức (2)
• : ma trận chưa xác định, xây dựng từ các
• : ma trận xác định, xây dựng sau khi đã tìm ra các phần tử chưa xác định “x” Các phần tử “x” được xác định sau khi tìm được giá trị min của – công thức (6)
Thuật toán
[Hình 3.4] Đầu tiên, ta tiến hành thu thập dữ liệu được nhập vào từ người dùng:
• Giá trị công suất cắt được yêu cầu – chương trình thực hiện bao nhiêu chu kỳ thì sẽ có bấy nhiêu giá trị tương ứng được nhập vào
• Nhập giá trị số chu kỳ thực hiện val_numcycle, số giai đoạn trong 1 chu kỳ val_stage và thời lượng của từng giai đoạn val_minstage
• Nhập các giá trị thời gian ON bắt buộc ở chu kỳ đầu tiên
• Nhập số máy lạnh trong group N, N có giá trị từ 2 – 8
• Nhập công suất cắt tải của các máy lạnh val_pow0x, x=1 N
Sau đó, ta lập bảng TABLE II để thể hiện các giá trị thời gian ON bắt buộc sau khi OFF của máy lạnh để ngăn ngừa tình trạng trả lại tải
Tạo một ma trận gồm 11 hàng và 4 cột, sau đó gán các giá trị tương ứng với công suất cắt và thời gian OFF của các máy lạnh
Sử dụng công thức (1) để tính thời gian OFF đồng bồ của các máy lạnh trong chu kỳ đầu tiên
Tiếp theo, ta tạo ma trận chưa xác định bằng các giá trị đã nhập ở bước đầu tiên Số lượng hàng trong ma trận bằng số máy lạnh N, số lượng cột bằng số giai đoạn trong một chu kỳ Mỗi hàng gồm hai giá trị 1 và X, trong đó 1 là trạng thái ON bắt buộc (số phần tử 1 tương ứng với giá trị chia cho thời lượng của mỗi giai đoạn val_minstage), còn X là trạng thái chưa xác định (tức các phần tử còn lại).
Lấy trường hợp các giá trị được nhập như ở Hình 3.4, ta được val_stage 12; val_minstage = 5; = 0, 35, 20, 25, 35, 5, 15, 0 Lúc này số phần tử 1 trong từng hàng lần lượt là: 0, 35/5 = 7, 20/5 = 4, 25/5 = 5, 35/5 = 7, 5/5 = 1 (chỉ có 6 máy lạnh trong group nên các giá trị nhập ở tải thứ 7 và thứ 8 được bỏ qua) Ma trận chưa xác định như sau:
Bước quan trọng nhất của luận văn – tìm ma trận xác định bằng phương pháp bình phương tối thiểu Có nhiều cách để tìm giá trị nhỏ nhất của biểu thức Trong các bài báo [5], [6] có đề cập đến việc dùng phương pháp Lagrange, GA – Genetic Algorithm hoặc fuzzy Dùng phương pháp GA cho ra kết quả rất nhanh, bản thân Matlab cũng hỗ trợ công cụ là Global Optimization nhưng GA không thực hiện được ràng buộc của giải thuật: đó là các số 0 (thời gian OFF) phải liên tục, tức là nằm kề nhau trong cùng một hàng Do đó luận văn thực hiện lập trình theo hướng khác để giải quyết vấn đề Ý tưởng của thuật toán là sẽ điền các số 0 (tức thời gian OFF) tương ứng với giá trị đã tính ở trên vào từng hàng ở vị trí ngay sau thời gian
ON bắt buộc , sau đó tính ứng với các vị trí đấy
Tiếp theo ta sẽ nhích các số 0 qua phải 1 đơn vị (các số 0 luôn luôn liền kề nhau) cho từng hàng 1 (mỗi lần chỉ nhích 1 hàng), rồi lại tính tiếp tương ứng, sau đó so sánh với của lần tính gần nhất, nếu nào nhỏ hơn thì lưu lại
Cứ thế ta sẽ tìm ra được nhỏ nhất, từ đó suy ra được ma trận tối ưu, chính là ma trận xác định
Lấy trường hợp các nhập liệu như Hình 3.4, ta sẽ tính được:
• ệ Số lượng phần tử “0” kề nhau trờn cựng 1 hàng Theo ý tưởng của thuật toán đề ra ở trên, ta xây dựng các ma trận để tính toán nhỏ nhất, bắt đầu với các phần tử 0 ngay sau các phần tử 1- ở trong ma trận được thể hiện bằng chữ in đậm (thời lượng ON bắt buộc):
(TH.1) Ở TH.1, lượng công suất cắt ở từng giai đoạn tính theo công thức
Như vậy, ở TH.1 có giá trị là 174.333
Ta dịch chuyển dần các phần tử 0 sang bên phải đối với từng hàng 1, thế nên ma trận của TH.2 sẽ là:
Tương tự, ở TH.2, lượng công suất cắt ở từng giai đoạn lần lượt là:
Giá trị của trường hợp 2 (TH.2) là 211 lớn hơn giá trị của trường hợp 1 (TH.1) là 174,333 Tuy nhiên, ma trận của TH.1 cho kết quả cắt tải tốt hơn Do đó, chúng ta giữ lại ma trận và giá trị của TH.1 để so sánh với các trường hợp khác.
Cứ thế, ta tiếp tục dịch chuyển các phần tử 0 sang phải 1 đơn vị, tính của trường hợp đó và so sánh với trường hợp tối ưu nhất tạm thời Cuối cùng, ta tìm được ma trận và kết quả tối ưu nhất là:
Lúc này, ở TH.X, lượng công suất cắt ở từng giai đoạn lần lượt là:
[Hình 3.5 – Ma trận xác định]
Tiếp theo, sau khi thành lập ma trận xác định, ta tính các giá trị thời gian ON của các máy lạnh trước khi OFF bằng cách nhân độ dài chuỗi các số 1 trong từng hàng với thời lượng của 1 stage Ví dụ như trong hình trên, các giá trị i = 1 6 lần lượt là: 0, 10x5(50), 4x5(20), 6x5(30), 8x5(40), 2x5(10).
Kế đến, từ công thức
(2) ta sẽ tính được các giá trị - thời gian ON bắt buộc trong chu kỳ kế tiếp “k+1” của các máy lạnh, với các giá trị val_minstage = 5 và val_stage = 12
* Xây dựng giao diện chương trình:
Các dữ liệu được nhập bởi người dùng là:
• Số lượng máy lạnh – Number of Load: min là 2 và max là 8
• Các giá trị – thời gian ON bắt buộc - ở chu kỳ đầu tiên – Least
• Công suất cắt tải của từng máy lạnh – Power of load
• Số giai đoạn trong 1 chu kỳ - Stage
• Thời lượng của 1 giai đoạn – Minutes per stage
• Số chu kỳ thực hiện DLC – Number of Cycle
• Công suất cắt tải LMP đưa xuống cho group thực hiện – Load shedding demand: số lượng giá trị nhập vào phụ thuộc vào Number of Cycle, nếu không ăn khớp chương trình sẽ báo lỗi
Các dữ liệu đầu ra sẽ là:
• Thời gian máy lạnh OFF trong từng chu kỳ - Off shift time: tùy thuộc vào Number of Cycle mà số lượng giá trị sẽ hiện ra tương ứng
• Sai số bình phương tối thiểu của công suất cắt thực và công suất cắt yêu cầu bởi LMP – Least mean square error (LMSE): tùy thuộc vào Number of Cycle mà số lượng giá trị sẽ hiện ra tương ứng
• Lượng công suất cắt khác biệt giữa yêu cầu và thực hiện – Differ
• Phần trăm sai lệch giữa công suất cắt yêu cầu và thực hiện – E%
• Biểu đồ thể hiện sự cắt tải
Với ví dụ ứng với [Hình 3.4b], ta có các số liệu đầu vào thể hiện như trên hình như sau:
• Số lượng máy lạnh – Number of Load: 6
• Các giá trị – thời gian ON bắt buộc - ở chu kỳ đầu tiên – Least
ON time ứng với từng máy lạnh là: 0, 35, 20, 25, 35, 5 (phút)
• Công suất cắt tải của từng máy lạnh – Power of load lần lượt là: 11,
• Số giai đoạn trong 1 chu kỳ - Stage: 12
• Thời lượng của 1 giai đoạn – Minutes per stage: 5
• Số chu kỳ thực hiện DLC – Number of Cycle: 3
• Công suất cắt tải LMP đưa xuống cho group thực hiện – Load shedding demand ứng với 3 chu kỳ lần lượt là: 16, 27, 38
Cuối cùng ta được đồ thị cắt tải (cho 1 chu kỳ) như sau:
[Hình 3.6 – Biểu đồ cắt tải chu kỳ đầu tiên] Ứng với các nhập liệu ở Hình 3.4, đồ thị cắt tải cho 3 chu kỳ như sau:
[Hình 3.7 – Biểu đồ cắt tải 3 chu kỳ]
Các dữ liệu đầu ra:
• Thời gian máy lạnh OFF trong từng chu kỳ - Off shift time lần lượt trong từng chu kỳ: 10, 16.875, 23.75 (phút)
• Sai số bình phương tối thiểu của công suất cắt thực và công suất cắt yêu cầu bởi LMP – Least mean square error (LMSE): 8.333, 35, 77.833
• Lượng công suất cắt chênh lệch giữa thực tế và yêu cầu – Differ: 0, -
• Phần trăm sai lệch giữa công suất cắt thực và yêu cầu – E%: 0, -
II/Chạy chương trình cho các số liệu khác:
Khi thay đổi số giai đoạn trong 1 chu kỳ và số phút của 1 giai đoạn, kết quả sẽ thay đổi theo Như hình vẽ bên dưới ta thay đổ val_stage (số giai đoạn trong 1 chu kỳ) từ 12 -> 10, val_minstage (số phút của 1 giai đoạn) từ
[Hình 3.8 – Biểu đồ cắt tải 3 chu kỳ với 14 stage và 6 phút/stage]
Làm tương tự nhưng tăng số chu kỳ lên:
[Hình 3.9 - Biểu đồ cắt tải 6 chu kỳ với 10 stage và 6 phút/stage]
Kết quả với 5 máy lạnh trong 1 group:
[Hình 3.10 - Biểu đồ cắt tải của group gồm 5 máy lạnhvới 6 chu kỳ với 10 stage và 6 phút/stage]
Kết quả với 7 máy lạnh trong 1 group:
[Hình 3.11 - Biểu đồ cắt tải của group gồm 7 máy lạnh với 6 chu kỳ với 10 stage và 6 phút/stage]
Để kiểm tra tính hợp lý của kết quả, chúng ta sẽ lấy dữ liệu từ biểu đồ và kiểm tra một chu kỳ cụ thể Chu kỳ thứ 4 diễn ra từ phút thứ 180 đến phút thứ 240.
• Chu kỳ thứ 4 được lệnh cắt tải là 22 kW, thời gian OFF là 12.4527 phút, least mean square error là 14.8
• Dùng Debug mode, ta có thể tính được các giá trị (đã chia cho
6 phút) lần lượt là: 0, 2.5849, 0, 0.5849, 5.4182, 5.4182, 0 Ma trận xác định như hình sau:
Thành lập các thông số của chu kỳ 4 để kiểm tra (a1 ứng với ma trận xác định, b1 là chuỗi các giá trị , c1 là giá trị nhỏ nhất):
Tính toán least mean square error bằng tay:
• Nhìn vào đồ thị, dễ dàng thấy được công suất cắt mỗi 12 phút lần lượt là 27, 17, 24, 20, 18 kW
• Chu kỳ có 10 stage, mỗi stage gồm 6 phút, vậy lượng công suất cắt ở mỗi stage lần lượt là 27, 27, 17, 17, 24, 24, 20, 20, 18, 18 kW
• Độ chênh lệch lượng công suất cắt thực tế và yêu cầu:
*Các kết quả kiểm tra đều khớp với kết quả tìm được trong Debug mode Như vậy thuật toán mô phỏng khớp với giải thuật trong bài báo [1]
Xét trường hợp group có 3 máy lạnh, ta có biểu đồ tương ứng với các thông số input:
Tại sao biểu đồ ở chu kỳ 2 và 3 lại vượt lên trên đường cắt tải yêu cầu nhiều và giữ nguyên 1 đường thẳng như vậy? Ta hãy cùng tìm hiểu nguyên nhân
• Thời gian OFF của máy lạnh lên đến 39.5122 ≈ 40 phút