Chương 1 : Cơ sở lý thuyết
1.4 Phần mềm giả lập lịch trình phụ tải LPG (Load Profile Generator)
1.4.2 Mô hình cơ bản của phụ tải hộ gia đình
a) Mô hình một hộ gia đình được khởi tạo theo 5 bước cơ bản (hình 3.1):
Bước 1: Tạo mô hình đơn bao gồm thông tin phụ tải, số người, thời gian. Bước 2: Thêm các thông tin cụ thể hơn bao gồm nhiệt độ, vị trí địa lý, ngày
lễ,…
Bước 3: Mở rộng mô hình.
Bước 4: Lựa chọn phụ tải tự động.
24 b) Các yếu tố ảnh hưởng đến lựa chọn phụ tải tự động:
Loại phụ tải
Sự mong muốn
Hồ sơ thời gian
Phụ tải
Địa điểm
Thời gian hoạt động
Khả năng chi trả chi phí
Loại gia đình
Mỗi một yếu tố đều có tác động riêng biệt ảnh hưởng đến người. Ví dụ một người thích giải trí sẽ được hướng tới sử dụng nhiều thiết bị như TV, đài radio, máy tính,… (hình 3.2).
25
Hình 3.1 Các bước khởi tạo mô hình
26 1.4.3 Loại phụ tải
Loại phụ tải là yếu tố cơ bản ảnh hưởng đến mọi kết quả tính toán. Loại phụ tải bao gồm một số thông tin cơ bản (hình 3.3):
Tên phụ tải: tên của phần tử (không quá 200 ký tự).
Name of the unit of power: đơn vị tính toán. Công suất tác dụng của phụ tải điện (W), lưu lượng nước (l/min).
Name of the unit of sums: đơn vị tổng, thường được tính theo ngày, tháng năm với thiết bị điện là kWh, với nước là m3
.
Load type weight: mức độ quan trọng của phụ tải càng cao thì phụ tải được chọn càng nhiều trong các mô hình tùy thuộc vào nhu cầu của người dùng.
Hình 3.3 Thuộc tính của loại phụ tải
1.4.4 Sự mong muốn.
Sự mong muốn được thể hiện trong những hành động cụ thể, thể hiện mức độ quan trọng của hành động. Các phụ tải liên quan đến hành động đó có được chọn lựa nhiều hay không tùy thuộc vào độ mong muốn có lớn hay không. Ví dụ, hành động giải trí được đặt mức mong muốn là 25% thì phần mềm có thể chỉ lựa chọn phụ tải TV với thời gian sử dụng 2h/ngày; nếu đặt mức mong muốn là 75% thì ngoài phụ tải TV được tăng thời gian sử dụng lên
27 5 – 6 h/ngày, nhiều phụ tải nữa sẽ được lựa chọn như PC, radio, máy chơi game PS3. Các thuộc tính được cài đặt như “hình 3.4” và được tổng hợp lại như trên “hình 3.5”.
Hình 3.4 Thuộc tính của sự mong muốn
Tên sự mong muốn
Default decay threshold (%): giá trị giới hạn mà con người bắt đầu mong muốn. Ví dụ khi đặt giá trị bắt đầu mong muốn ăn uống là 50% mà người đó đã ăn no ở mức 75% thì lúc này mọi nhu cầu về ăn uống sẽ được đặt về 0%.
Default decay rate (h): thời gian để đạt được giá trị mong muốn đã đặt.
28
Hình 3.5 Bảng tổng hợp sự mong muốn
1.4.5. Thông tin chi tiết về người sử dụng
Tên người dùng.
Description: mô tả thêm đặc điểm về người dùng.
Age: tuổi của người dùng. Độ tuổi sẽ giới hạn lượng hoạt động của người dùng. Ví dụ, đứa trẻ 3 tuổi sẽ không thể nấu nướng.
Sick day per year: số ngày ốm trong năm thể hiện một số nhu cầu mà người ốm cần hơn người khỏe mạnh. Ví dụ, người bệnh sẽ không đi làm, không đi ra ngoài mà thay vào đó họ sẽ ngủ nhiều hơn.
Gender: giới tính cũng ảnh hưởng lớn đến thói quen của người sử dụng điện.
Các thông tin được cài đặt được thể hiện trên “hình 3.6” và “hình 3.7”.
29
Hình 3.7 Thông tin về người sử dụng
1.4.6 Thông tin về thời gian.
Thông tin về thời gian được sử dụng để cài đặt thời gian sử dụng cho phụ tải hoặc thời gian mà người dùng thực hiện hành động. Phần mềm đưa ra hai loại thời gian: chính xác và tương đối. Thông tin chính xác sẽ cho thấy số liệu chi tiết từng khoảng thời gian, ví dụ 00:01 1000W; 00:02 400W. Thông tin tương đối sẽ hiện thị số liệu theo dạng phần trăm, ví dụ 00:01 40%. Mỗi loại thông tin sẽ có những ưu điểm riêng, thông tin chính xác được dùng cho một phụ tải cụ thể, trong khi thông tin tương đối được sử dụng cho một nhóm nhiều phụ tải. Thông tin về dữ liệu cài đặt được thể hiện trên “hình 3.8, 3.9 và 3.10”.
30 Hình 3.9 Nhập dữ liệu có sẵn từ excel
Hình 3.10 Dữ liệu thiết bị sử dụng thẻ thời gian này
Tên khoảng thời gian.
Time profile type: Loại thời gian. Chính xác hoặc tương đối.
Duration: thể hiện độ dài khoảng thời gian được xét. Thường được tính theo mỗi phút.
Import data: Nhập dữ liệu từ tệp excel có sẵn (hình 3.9).
1.4.7 Thông tin về phụ tải.
31
Hình 3.12 Chi tiết phân loại phụ tải
Hình 3.13 Dữ liệu điện năng và công suất của phụ tải
32 Thông tin, dữ liệu cài đặt phụ tải được thể hiện trên “hình 3.11 – 3.14”:
Tên phụ tải.
Description: Thông tin thêm về phụ tải (không ảnh hưởng đến mô phỏng).
Production year: Năm sản xuất (không ảnh hưởng đến mô phỏng).
Weight energy intensity: Thể hiện mức độ ưu tiên của phụ tải trong các mô hình khi được chọn ngẫu nhiên.
Load type: Loại phụ tải (tiêu thụ điện hoặc nước).
Maximum power: Công suất tối đa (W).
Average yearly consumption for this devide (kWh): Điện năng tiêu thụ trung bình mỗi năm của thiết bị.
Hệ số cos-phi được đặt cố định ở mức 0.95 đối với phụ tải điện.
1.4.8 Thông tin về vị trí địa lý.
Vị trí địa lý là yếu tố ảnh hưởng rất lớn đến thói quen sử dụng điện của người dùng (hình 3.15 – 3.17):
33
Hình 3.16 Số liệu vị trí cụ thể của thành phố
Tên thành phố.
Time limit for light: Số giờ tối đa sử dụng được ánh sáng tự nhiên hoặc giờ sinh hoạt phải dùng ánh sáng từ thiết bị.
1.4.9 Thông tin về hộ gia đình.
34
Hình 3.18 Dữ liệu thành viên trong gia đình
Hình 3.19 Dữ liệu công việc của thành viên
Hình 3.20 Các hoạt động cụ thể của từng thành viên
Name: Tên hộ gia đình.
35 Vacation: Lựa chọn kỳ nghỉ.
Energy intensity: Chọn mức độ tiêu thụ điện năng (Tiết kiệm, ngẫu nhiên, thoải mái).
Persion: Chọn người trong gia đình.
Living pattern tag: Tùy chọn một số hành động hoặc lối sống của thành viên.
1.4.10 Giả lập, tính toán mức tiêu thụ của hộ gia đình.
1.4.10.1 Tính toán mức độ tiêu thụ điện năng.
Phần mềm LPG sử dụng nhiều loại dữ liệu khác nhau về từng cá nhân, thời gian cũng như địa điểm áp dụng (hình 3.21 – 3.23) để giả lập tính toán. Vì vậy, kết quả đạt được rất sát với thực tế và được nhiều tác giả sử dụng cho mô phỏng.
36
Hình 3.22 Nhập dữ liệu cho tính toán 2
Hình 3.23 Nhập dữ liệu cho tính toán 3
Caculation type: Loại hình gia đình (hộ gia đình mặc định hoặc tùy biến).
Target: Mục tiêu cụ thể của mô hình.
Internal, External time resolution: Khoảng thời gian tính toán số liệu (1 phút/lần – 1 giờ/lần).
Temperature profile: Dữ liệu nhiệt độ.
Geographic location: Dữ liệu địa lý.
37 Start – end date: Ngày giờ tính toán cụ thể.
Load type to include: Lựa chọn loại phụ tải (tự chọn, gọi ý hoặc tất cả).
Transportation device set: Phương tiện di chuyển đi làm. 1.4.10.2 Kết quả giả lập.
Sau khi đã lựa chọn giả lập xong, kết quả sẽ được lưu dưới dạng các file excel rất chi tiết (hình 3.24) bao gồm các dạng đồ thị phụ tải về tổng năng lượng tiêu thụ (từng người, từng thiết bị, từng giờ), hành động của từng người, lượng tiêu thụ của toàn gia đình, lượng tiêu thụ của từng thiết bị,… được thể hiện trên “hình 3.24 – 3.27”.
Hình 3.24 Tệp dữ liệu kết quả
38 Hình 3.26 Dữ liệu vận hành của thiết bị
Hình 3.27 Các tệp kết quả tính toán chi tiết
1.5 Kết luận.
Quản lý nhu cầu hiện nay đang đóng một vai trò rất lớn trong sự phát triển bền vững của ngành năng lượng. Tuy nhiên, để quản lý nhu cầu có thể
39 phát huy những lợ thế vốn có của mình thì cần phải được kết hợp với lưới điện thông minh – lưới điện có sự tham gia của các thiết bị đo lường thông minh.
Quản lý nhu cầu bao gồm nhiều các phương pháp và chương trình khác nhau, trong đó đáp ứng phụ tải được sử dụng chuyên dụng để quản lý, điều tiết các phụ tải trong lưới phân phối. Thực hiện các giải pháp như dịch chuyển phụ tải, cắt giảm đỉnh tải, lấp đáy đồ thị phụ tải kết hợp với các hợp đồng được ký kết giữa bên bán điện và người sử dụng điện nhằm mang lại nhiều lợi ích cho cả hai bên. Một số lợi ích phải kể đến đó là: tiết kiệm chi phí đầu tư nguồn dự trữ, tránh điều động các nguồn điện đắt đỏ, giảm ô nhiễm môi trường, cân bằng và cả thiện hiệu suất vận hành của lưới, đồng thời tiết kiệm chi phí sử dụng cho người dùng điện. Tuy nhiên, xây dựng một chương trình đáp ứng phụ tải cho các hộ gia đình nhỏ lẻ là một vấn đề không hề dễ dàng khi phải cần một lượng thông tin rất lớn từ người dùng. Vì vậy, dữ liệu thực tế từ các hộ gia đình cho chương trình đáp ứng phụ tải đã được tác giả thay thế bằng dữ liệu giả lập trong phần mềm giả lập lịch trình phụ tải LPG để tính toán tối ưu chi phí cho người sử dụng được trình bày cụ thể trong chương 2.
40
Chương 2: Mô phỏng và kết quả
2.1 Chương trình đáp ứng phụ tải
Với số lượng ngày càng tăng và đa dạng của phụ tải gia đình hiện nay dẫn đến sự tiêu tốn điện năng lớn nếu không được sử dụng một cách hợp lý. Vì vậy, quản lý thời gian, nhu cầu sử dụng là rất vấn đề hết sức cấp thiết nhằm tiết kiệm điện năng cũng như chi phí cho người sử dụng. Tuy nhiên, để tối ưu được chi phí của phụ tải gia đình đòi hỏi người lập trình cần nắm được đặc tính hoạt động của từng loại phụ tải [5].
Chương trình “đáp ứng phụ tải” có thể được xây dựng dựa trên việc khuyến khích người dùng (trực tiếp kiểm soát phụ tải, gián đoạn phụ tải, đấu thầu nhu cầu phụ tải, cắt giảm nhu cầu trong trường hợp khẩn cấp) hoặc dựa trên giá điện. Xây dựng chương trình DR dựa trên khuyến khích người dùng có thể gây ra những ảnh hưởng không tốt vì người dùng có thể phải cung cấp nhiều thông tin cá nhân hoặc quyền kiểm soát phụ tải trong gia đình họ, dẫn đến lộ thông tin cá nhân hoặc họ sẽ cảm thấy không thoải mái. Vì vậy, luận văn đã xây dựng chương trình DR dựa trên giá điện nhằm đảm bảo sự chủ động cho người tiêu dùng đồng thời mang lại sự thoải mái nhất định cho khách hàng.
Chương trình DR trong luận văn dựa vào thói quen sinh hoạt, sử dụng điện của khách hàng và giá điện để đưa ra những gợi ý về việc sử dụng phụ tải một cách hợp lý hơn để giúp khách hàng tiết kiệm chi phí điện năng.
Chương trình đáp ứng phụ tải đã được nhiều công trình đề cập, tuy nhiên luận văn đưa ra một chương trình “đáp ứng phụ tải” theo hướng mới đó là việc tối ưu lịch trình phụ tải thông qua dịch chuyển nhu cầu phụ tải nhưng không cắt giảm lượng nhu cầu phụ tải trong ngày, đồng thời đảm bảo rằng
41 người sử dụng sẽ cảm thấy hài lòng khi nhu cầu của họ không bị dịch chuyển đi quá xa.
Mô hình giá điện theo giờ cao điểm, giờ thấp điểm và giờ bình thường trong ngày cũng được áp dụng nhằm thể hiện hiệu quả của mô hình tối ưu lịch trình.
Chương trình đáp ứng phụ tải được xây dựng trên phần mềm Matlab với các hàm mục tiêu và các ràng buộc thiết bị. Dữ liệu đầu vào (thiết bị, thời gian hoạt động, công suất, điện năng tiêu thụ) cho chương trình được được cung cấp bởi phần mềm giả lập lịch trình phụ tải LPG.
2.1.1 Hàm mục tiêu và các ràng buộc.
2.1.1.1 Hàm mục tiêu.
Việc tối ưu lịch lịch trình và thời gian sử dụng phụ tải phải đảm bảo rằng chi phí điện hàng ngày nhỏ nhất:
∑ ∑
(4.1)
Đồng thời, lượng nhu cầu phụ tải sau khi tối ưu cũng phải được giữ nguyên: ∑ ∑ ∑ ∑ (4.2)
Trong đó: T là các khoảng thời gian được xét trong ngày (T = 24 h), Ei là điện năng tiêu thụ của thiết bị i trong thời gian t, Ct là giá điện trong khoảng thời
42 gian T, N là tổng số thiết bị được xét.
2.1.1.2. Các ràng buộc bài toán.
Ràng buộc giới hạn điện năng:
Để đáp ứng được yêu cầu dịch chuyển và san đều đồ thị phụ tải, lượng điện năng được tiêu thụ trong vòng 1 giờ phải đảm bảo thỏa mãn:
∑
(4.3)
Trong đó: Emax(1h) là tổng điện năng được tiêu thụ tối đa trong vòng 1 giờ (3 kWh).
Ràng buộc phụ tải:
Phụ tải được sử dụng trong bài toán được phân thành 3 loại chính: Phụ tải cố định, phụ tải gián đoạn, phụ tải không gián đoạn.
- Phụ tải cố định là những phụ tải được sử dụng liên tục trong ngày và ít có sự thay đổi. Ký hiệu A1. Ví dụ như thiết bị phát Wifi, tủ lạnh,…
- Phụ tải gián đoạn là những phụ tải mà người sử dụng có thể bật tắt bất cứ lúc nào khi họ cần. Ký hiệu A2. Ví dụ như bóng điện, Tivi,…
- Phụ tải không gián đoạn là những phụ tải khi đã bật lên sẽ đòi hỏi một khoảng thời gian nhất định để hoàn thành trước khi lựa chọn tắt tùy thuộc vào công việc. Ký hiệu A3. Ví dụ như máy pha coffe tự động, máy giặt,…
Bảng phân loại từng loại phụ tải và ràng buộc cụ thể sẽ được trình bày trong mục sau.
43
(4.4)
- Ràng buộc chung của phụ tải gián đoạn (A2) phải thỏa mãn điều kiện điện năng tiêu thụ trong một giờ không được vượt qua điện năng tối đa của thiết bị:
∑ (4.5)
- Ràng buộc chung của phụ tải không gián đoạn (A3) phải thỏa mãn điều kiện mỗi khi thiết thị được bật lên cho đến khi hoàn thành công việc thì điện năng tiêu thụ trong một giờ không được vượt quá điện năng tối đa của thiết bị:
∑
(4.6)
2.2.1. Dữ liệu sử dụng trong bài toán.
Xây dựng một chương trình đáp ứng phụ tải cho các hộ gia đình nhỏ lẻ đòi hỏi một cơ sở dữ liệu cá nhân lớn từ người sử dụng (độ tuổi, thói quen, tính cách, hoạt động hàng ngày,…). Để thu thập được những dữ liệu này trong thực tế là điều rất khó khăn. Vì vậy, tác giả đã sử dụng các dữ liệu đầu ra của phần mềm LPG để thay thế những dữ liệu thực tế.
a) Dữ liệu hộ gia đình được sử dụng.
Mô hình được sử dụng để giả lập trong phần mềm LPG là CHR20 (CHR: là các hộ gia đình nhà mặt đất; 20 là thứ tự). Tác giả lựa chọn mô hình này bởi vì đây là một hộ gia đình có số lượng thành viên lớn nhất trong các mô hình được xây dựng sẵn trong phần mềm LPG và đây là một gia đình có sự đa dạng trong thói quen, tính cách, lứa tuổi. Điều này giúp cho kết quả của chương trình đáp ứng phụ tải dễ dàng được đón nhận hơn. Ví dụ: một gia đình
44 có thói quen sử dụng điện tập trung và giống nhau, giả thiết sau khi có kết quả tính toán một người trong gia đình đó đồng ý thay đổi thói quen sử dụng điện nhưng những người khác lại không đồng ý thì hiệu quả của chương trình đáp ứng nhu cầu sẽ không được như mong muốn.
Hộ gia đình CHR20 bao gồm 2 người lớn và 3 trẻ em (bảng 4.1). Một