Tối ưu hóa lịch trình sạc xả xe điện trong hệ thống V2G bằng phương pháp Rolling Horizon

Mô hình lập lịch trình ngoại tuyến 1. Tổng quan

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. 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.

Mục tiêu tối đa lợi nhuận có được từ quá trình sạc xả xe điện, chỉ xét tới chi phí chi trả khi sạc điện và chi phí nhận được khi xả điện lên lưới. Mục tiêu tối đa lợi nhuận có được từ quá trình sạc xả xe điện, xét tới chi phí phải trả khi sạc điện, chi phí nhận được khi xả điện lên lưới và chi phí bị phạt khi không đảm bảo SOC theo yêu cầu của chủ EV khi phương tiện ra khỏi trạm. 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.

- 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). 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.

Mô hình lập lịch trình trực tuyến 1. Tổng quan

SOC của EV i tại thời điểm đầu tiên (t = 1) là thông tin hệ thống nhận được khi xe đi vào bãi gửi. Trong một thời điểm không đồng thời diễn ra hai quá trình sạc và xả. EV không sạc điện trước khi đến hoặc sau khi đi khỏi bãi gửi xe.

Giải mô hình

Sử dụng thư viện Pyomo của Python mô hình hóa bài toán với các chỉ số, tham số, biến số, hàm mục tiêu, các ràng buộc và thiết lập quan hệ các phần tử như đã nhắc đến trong tiểu mục 3.2 và 3.3. Trong quá trình giải mô hình, thực hiện đồng thời vi kiểm tra trạng thái giải của bộ giải (solver) có thành công không, kiểm tra điều kiện kết thúc của quá trình giải có phải do tìm được lời giải tối ưu không. Nếu cả hai điều kiện trên đều được thỏa mãn, tức là mô hình đã được giải quyết thành công và kết quả là lời giải tối ưu đảm bảo thỏa mãn các ràng buộc trong mô hình, thì đoạn code sẽ in ra thông báo “Mô hình đã được giải quyết thành công” hoặc “Mô hình tại thời điểm t đã được giải quyết thành công.”.

Kết quả đạt được 1. Lịch trình ngoại tuyến

Trong khi đó, đồ thị phía xả tuy thời gian diễn ra hẹp nhưng đỉnh xả sâu (tối đa bằng 36 pu ở t = 35) cho thấy pha EV xả diễn ra sôi động và là cách hoạt động chính của hệ thống EV. Trong các thời đoạn khác, hệ thống điều khiển sạc xả EV phù hợp, mục đích tích trữ điện năng ở những khung thời gian có chi phí mua điện thấp để chờ phát điện ngược lại vào lưới ở những thời điểm có chi phí bán điện cao. Có thể thấy 100% các EV không đạt được mức dsoc như mong muốn khách hàng (số lượt xuất hiện bằng 0 khi giá trị z là 0).

Nhìn chung, lịch trình sạc xả mang tính chất mua đáy bán đỉnh, lợi dụng chênh lệch giá tạo lợi nhuận hơn là lưu trữ năng lượng cho EV hoạt động. Mục đích vừa để tích trữ điện năng ở những khung thời gian có chi phí mua điện thấp để chờ phát điện ngược lại vào lưới ở những thời điểm có chi phí bán điện cao, vừa đảm bảo thỏa mãn được yêu cầu về dsoc của chủ EV. Lí do mà kết quả kịch bản A.2 đáp ứng yêu cầu về dsoc của chủ EV là vì hàm mục tiêu của kịch bản này được bổ sung thêm điều kiện tuân thủ dsoc do chủ EV yêu cầu song song với tối đa hóa lợi nhuận.

Ngoài ra, từ thời điểm t = 40 trở đi, kịch bản A.1 duy trì trạng thái cân bằng sạc xả trong khi ở kịch bản A.2 là thời điểm sạc EV bù để đảm bảo dsoc thỏa yêu cầu khách hàng. Trong khi đó, đồ thị phía chiều xả tuy thời gian diễn ra hẹp nhưng đỉnh xả sâu (tối đa bằng 37 pu ở t = 36) cho thấy pha EV xả diễn ra sôi động và là hoạt động chính của hệ thống EV. Trong các thời đoạn khác, hệ thống điều khiển sạc xả EV phù hợp, mục đích tích trữ điện năng ở những khung thời gian có chi phí mua điện thấp để chờ phát điện ngược lại vào lưới ở những thời điểm có chi phí bán điện cao.

Lí do có sự chênh lệch rất lớn giữa nhu cầu của khách hàng và dsoc thực tế là vì hàm mục tiêu của kịch bản B.1 nhắm tới tối đa hóa lợi nhuận có được sau quá trình sạc xả mà không đề cập tới việc đảm bảo đạt được dsoc. Có thể thấy 100% các EV không đạt được mức dsoc như mong muốn khách hàng (số lượt xuất hiện bằng 0 khi giá trị z là 0). Nhìn chung, lịch trình sạc xả mang tính chất mua đáy bán đỉnh, lợi dụng chênh lệch giá để tạo ra lợi nhuận hơn là lưu trữ năng lượng cho EV hoạt động.

Mục đích vừa tích trữ điện năng ở những khung thời gian có chi phí mua điện thấp để chờ phát điện ngược lại vào lưới ở những thời điểm có chi phí bán điện cao, vừa đảm bảo thỏa mãn được yêu cầu về dsoc của chủ EV. Lí do mà kết quả bài toán đáp ứng yêu cầu về dsoc của chủ EV là vì hàm mục tiêu của kịch bản B.2 được bổ sung thêm điều kiện tuân thủ dsoc ban đầu khi tối đa hóa lợi nhuận. Ngoài ra, từ thời điểm t = 40 trở đi, kịch bản B.1 duy trì trạng thái cân bằng sạc xả trong khi ở kịch bản B.2 là thời điểm sạc EV bù để đảm bảo dsoc thỏa yêu cầu khách hàng.

Đánh giá kết quả

Ở các thời đoạn khác, hệ thống điều khiển ưu tiên chỉ sạc hoặc vừa sạc vừa xả EV tùy theo yêu cầu trong hàm mục tiêu. Mục đích cuối cùng là tối ưu lợi nhuận xả, tối thiểu chi phí sạc hoặc đảm bảo yêu cầu dung lượng sau sạc. Kết quả cho thấy kịch bản A.1 và B.1 có chiều hướng phân bố công suất sạc xả tương tự nhau ở các thời đoạn.

Các khung giờ còn lại, hệ thống V2G sạc xả luân phiên phù hợp với mục đích tích trữ điện năng vào EV và xả ra lúc cao điểm. Từ thời đoạn 40 trở đi, hệ V2G tập trung xả cạn tới mức dung lượng tối thiểu của mỗi EV, không sạc thêm điện trong giai đoạn này. Vì kịch bản A.1 giải bài toán tĩnh, đơn vị quản lý đã biết trước thông tin EV, thời điểm xe ra vào bãi gửi và thông tin lưới điện.

Thông tin EV không được biết trước mà sẽ được cập nhật tại từng thời đoạn sau khi EV vào bãi gửi xe. Vì vậy, kết quả của kịch bản B.1 là tập hợp các kết quả tối ưu trong từng khoảng thời gian chương trình chạy mô phỏng, và giá trị chi. Do đó, sử dụng mô hình động đã xây dựng để giải bài toán cho các tập hợp EV khác là đáng tin cậy.

Kết quả cho thấy kịch bản A.2 và B.2 có chiều hướng phân bố công suất sạc xả tương tự nhau ở các thời đoạn. Các khung giờ còn lại, hệ thống V2G tập trung sạc EV để đảm bảo đạt dsoc theo yêu cầu chủ phương tiện. Từ thời đoạn 40 trở đi, hệ V2G tập trung sạc đầy pin toàn bộ EV có trong bãi gửi, không xả thêm điện trong giai đoạn này.

Vì kịch bản A.2 giải bài toán tĩnh, đơn vị quản lý đã biết trước thông tin EV, thời điểm xe ra vào bãi gửi và thông tin lưới điện. Thông tin EV không được biết trước mà sẽ được cập nhật tại từng thời đoạn sau khi EV vào bãi gửi xe. Vì vậy, kết quả của kịch bản B.2 là tập hợp các kết quả tối ưu trong từng khoảng thời gian chương trình chạy mô phỏng, và giá trị chi phí tối ưu khi vận hành sạc xả hệ thống V2G của kịch bản B.2 không thể lớn hơn chi phí ở kịch bản A.2.