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 số dữ liệu khác được thể hiện tại “bảng 4.2 ”.
Bảng 4.1 Thông tin về thành viên gia đình
STT Tên Tuổi Nghề nghiệp Ghi chú 1 Arthur 45 Văn phòng Bố 2 Cassie 40 Nội trợ Mẹ 3 George 12 Trung học Con
4 Garreth 8 Tiểu học Con
5 Gregor 4 Mẫu
giáo Con
Bảng 4.2 Một số thông tin cài đặt khác
Nhiệt độ trung bình Vị trí địa lý (Germany) Thời gian tính toán Phương tiện di chuyển Khoảng cách đi hàng ngày 17.2o C Hamburg 24 giờ Xe buýt 30 km
45 và xe ô
tô riêng
b) Dữ liệu phụ tải.
Sau khi đã lựa chọn mô hình CHR20 và giả lập lịch trình sử dụng hàng ngày của họ trên phần mềm LPG, kết quả đầu ra đạt được là lịch trình sử dụng của hộ gia đình bao gồm 26 thiết bị. Tác giả tiến hành chia các thiết bị này thành 3 nhóm riêng biệt (A1, A2 và A3) tùy vào cách thức vận hành của từng thiết bị. Dữ liệu chi tiết của các thiết bị này được thể hiện trong “bảng 4.3 – 4.31”. Việc nắm được chính xác cách thức, tính chất của phụ tải giúp quá trình tối ưu lịch trình trở nên dễ dàng và hiệu quả hơn. Bên cạnh đó, bài toán không chỉ dịch chuyển phụ tải để tối ưu chi phí điện mà còn bảo đảm các thành viên trong gia đình vẫn phải thấy thoải mái với mô hình mới thông qua việc mở rộng thời gian làm việc của phụ tải xung quanh thời gian làm việc ban đầu trong phần mềm LPG (bảng 4.32, 4.33).
46
Bảng 4.3 Dữ liệu thiết bị A2
Tên Máy sấy tóc
Bếp
điện Đầu đĩa PS3
SAT Receiver Pdm (W) 2000 1700 36 152 15 E (Wh) 670 2850 100 630 100 Tên Radio bếp Loa Hifi Hệ thống phim Đèn nhà tắm Đèn nhà bếp Pdm (W) 15 100 70 200 300 E (Wh) 10 170 290 500 1080 Tên Đèn phòng ngủ Đèn phòng ngủ trẻ em 1 Đèn phòng ngủ trẻ em 2 Đèn nhà tắm phụ Đèn phòng làm việc Pdm (W) 200 200 200 100 200 E (Wh) 700 1220 1330 240 430 Tên TV Đèn phòng khách Pdm (W) 360 200 E (Wh) 5700 1840
47 Bảng 4.4 Dữ liệu thiết bị A3 Tên Máy sấy quần áo Máy pha coffe Máy đánh trứng Ấm đun nước Máy say sinh tố Máy nướng bánh mì Máy giặt Pdm 1140 1100 365 2400 200 860 940 E (Wh) 1540 240 40 980 40 50 2120 Bảng 4.5 Dữ liệu thiết bị A1 Tên Cục phát wifi Tủ lạnh Pdm (W) 8 122 E (Wh) 192 1190
Bảng 4.6 Điện năng tiêu thụ của bóng đèn phòng khách
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 kWh 0 0 0 0.023 0.2 0.057 0.183 0.173 T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0.2 0.2 0.107 0.183 0.197 0.2 0.12 0 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 kWh 0 0 0 0 0 0 0 0
48
Bảng 4.7 Điện năng tiêu thụ bóng đèn nhà bếp
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 kWh 0 0 0 0 0 0.06 0.3 0.125 T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0.06 0.5 0.075 0 0.075 0.3 0.04 0 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 kWh 0 0 0 0 0 0 0.035 0
Bảng 4.8 Điện năng tiêu thụ đèn nhà tắm
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 kWh 0 0 0 0.02 0.02 0.113 0.04 0.113 T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0.043 0 0 0.017 0.017 0.02 0.093 0 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 kWh 0 0 0 0 0 0 0 0
Bảng 4.9 Điện năng tiêu thụ đèn nhà tắm phụ
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 kWh 0 0 0 0.013 0.009 0.048 0.018 0.054
T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0.015 0 0 0.011 0.002 0.018 0.051 0
49 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00
kWh 0 0 0 0 0 0 0 0
Bảng 4.10 Điện năng tiêu thụ bóng đèn phòng ngủ
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 kWh 0 0 0 0 0 0 0 0.087 T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0.143 0.103 0 0 0.047 0.2 0.117 0 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 kWh 0 0 0 0 0 0 0 0
Bảng 4.11 Điện năng tiêu thụ đèn phòng làm việc
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 kWh 0 0 0 0 0 0 0 0 T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0 0.143 0.13 0.003 0.15 0 0 0 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 kWh 0 0 0 0 0 0 0 0
Bảng 4.12 Điện năng tiêu thụ đèn phòng ngủ trẻ em 2
T 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00
kWh 0 0 0 0 0 0.143 0.2 0.033
T 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 kWh 0.02 0.2 0.187 0.16 0.2 0.1 0.083 0
50 T 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00