Giá điện theo khoảng thời gian sử dụng
Tại các khoảng thời gian khác nhau trong ngày hoặc theo mùa (hình 2.6), người dùng sẽ bị tính giá điện khác nhau. Các khoảng thời gian này do nhà cung cấp quy định, thường mỗi khoảng thời gian trong ngày sẽ lớn hơn hoặc bằng 1 giờ. Ví dụ theo hình 5, các khoảng thời gian trong ngày sẽ được chia thành 3 phần: giờ thấp điểm, giờ trung bình và giờ cao điểm theo thứ tự ứng với 3 màu xanh, vàng và đỏ. Giá điện tại giờ cao điểm sẽ cao hơn nhiều giá điện tại giờ thấp điểm và giờ trung bình nhằm khuyến khích khách hàng phải chuyển nhu cầu của họ sang các giờ còn lại. Đồ thị giá theo khoảng thời gian sử dụng này sẽ được lên kế hoạch từ trước và áp dụng trong thời gian rất lâu để khách hàng có thể dễ dàng tiếp cận và có kế hoạch sử dụng hợp lý.
Giá điện tại giờ cao điểm theo các thời điểm đặc biệt quan trọng
Khi độ tin cậy của lưới điện bị ảnh hưởng, giá điện tại các giờ cao điểm sẽ được thay thế bằng giá điện cao hơn. Mức giá này phải được xác định từ trước và thông báo với người dùng để giảm nhu cầu dùng của họ. Ngoài ra,
22 các thời điểm áp mức giá đặc biệt sẽ bị giới hạn theo số giờ hoặc số ngày trong 1 năm.
Giá điện theo thời gian thực.
Bảng giá điện theo thời gian thực (hình 2.7) hay còn được gọi là giá động, giá điện này sẽ thay đổi liên tục vào các khoảng thời gian khác nhau ngắn hơn nhiều so với “giá điện theo khoảng thời gian sử dụng”, có thể mỗi 15 phút đến một giờ. Giá điện này được áp dựa trên cơ sở dữ liệu là giờ trước hoặc ngày trước nhằm phản ánh đúng thực trạng phụ tải. Đây có thể coi là bảng giá mang lại hiệu quả kinh tế tốt nhất bởi vì giá điện thay đổi theo thời gian thực.
Giá điện theo tỷ lệ khối (giá thấp và giá cao).
Bảng giá theo tỷ lệ khối hay còn gọi là giá điện lũy kế (hình 2.8), đang được áp dụng cho dân sinh tại Việt Nam. Bảng giá này được thiết kế theo 2 khối (thấp và cao) với ý nghĩa khi người dùng sử dụng đến một mức độ nhất định, tại các kWh tiếp theo họ sẽ phải trả nhiều tiền hơn so với số kWh trước. Ví dụ ở Việt Nam, bậc 1: từ 0 – 50 kWh (1,678 đồng); bậc 2: từ 51 – 100 kWh (1,734 đồng); bậc 3: từ 101 – 200 kWh (2,014 đồng); bậc 4: từ 201 – 300 kWh (2,536 đồng); bậc 5: từ 301 – 400 kWh (2,834 đồng); bậc 6: từ 401 kWh trở lên (2,937 đồng).
1.4 Phần mềm giả lập lịch trình phụ tải LPG (Load Profile Generator). 1.4.1 Giới thiệu chung. 1.4.1 Giới thiệu chung.
Hiện nay, những nghiên cứu, phân tích đối với lưới phân phối ngày càng được chú ý nhiều hơn và cụ thể đó là các phụ tải gia đình. Tuy nhiên, để thực hiện những nghiên cứu này thì việc thu thập dữ liệu từ các hộ gia đình là một trở ngại rất lớn vì một số các quốc gia hiện nay vẫn chưa triển khai được
23 hệ thống đo lường thông minh cho toàn bộ lưới điện. Vì vậy, các nhà khoa học cần một phần mềm có đủ sự tin cậy, đa dạng các nguồn tài nguyên để làm cơ sở dữ liệu thay thế cho các khảo sát thực tế. Đó chính là lý do mà phần mềm giả lập lịch trình phụ tải LPG ra đời.
Phần mềm LPG được tạo ra nhằm giúp nghiên cứu các công nghệ năng lượng mới, lưới phân phối hạ áp và dự trữ năng lượng. Phần mềm này dựa trên mô hình hành xử của nhà tâm lý học người Đức D. Dorner. Mô hình này đưa ra mối quan hệ giữa những mong muốn của con người và hành động thực tế của họ, từ đó đưa ra loại phụ tải nào liên quan đến hành động đó.
Phần mềm LPG bao gồm một tập hợp rất lớn, đa dạng về mẫu người (tuổi, giới tính, công việc,…), phụ tải và loại hình gia đình (mô hình gia đình 3 người lớn 1 trẻ em; hai người lớn cùng đi làm;…). Phần mềm này không hướng tới việc tạo ra một lượng lớn những mô hình tương đồng mà hướng tới tạo ra những sự khác biệt lớn. Ví dụ, một gia đình có cả hai vợ chồng làm văn phòng sẽ rất khác với một gia đình mà người chồng làm bán hàng tự do và người vợ ở nhà nội chợ [6].
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