Mục tiêu của nghiên cứu này là tối thiểu hóa chi phí vận hành của MG có xét đến tính bất định sử dụng phương pháp tối ưu mạnh mẽ Robust Optimization (RO). Bài toán tối ưu có dạng max-min được biến đổi thành bài toán đối ngẫu bằng điều kiện tối ưu KarushKuhnTucker (KKT), và áp dụng phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) để giải.
Trang 1LẬP KẾ HOẠCH QUẢN LÝ NĂNG LƯỢNG CHO LƯỚI ĐIỆN SIÊU NHỎ XÉT ĐẾN TÍNH BẤT ĐỊNH SỬ DỤNG
PHƯƠNG PHÁP ROBUST OPTIMIZATION
Nguyễn Xuân Thắng (1) , Đỗ Đức Quang (1) , Nguyễn Thị Hoài Thu
(1) sinh viên Viện Điện -Trường Đai Học Bách Khoa Hà Nội
*Tác giả liên hệ: thu.nguyenthihoai@hust.edu.vn
TÓM TẮT
Lưới điện siêu nhỏ (Microgrid – MG) với
nguồn năng lượng tái tạo đang rất được
quan tâm do những ưu điểm vượt trội và
khả năng vận hành ở chế độ nối lưới hoặc
tách đảo Tuy nhiên, do tính bất định của nó
nên việc tính toán chi phí vận hành của MG
gặp nhiều khó khăn Mục tiêu của nghiên
cứu này là tối thiểu hóa chi phí vận hành
1 GIỚI THIỆU
Trong những năm trở lại đây, do sự gia tăng
về nhu cầu sử dụng năng lượng cùng với đó
là sự cạn kiệt của các nguồn năng lượng hóa
thạch Hệ thống năng lượng tái tạo đã trở
thành một xu hướng toàn cầu do những ưu
điểm rất lớn của nó về khả năng tái tạo, sự
tiện ích và độ thân thiện với môi trường Việt
Nam hiện cũng là một trong những nước có
tiềm năng lớn về năng lượng tái tạo Tuy
nhiên, hệ thống năng lượng tái tạo vẫn tồn
tại những nhược điểm cốt lõi là dao động
bất định, phụ thuộc nhiều vào thời tiết và
giá thành cao Điều đó gây ra rất nhiều khó
khăn trong việc xác định công suất đầu ra, chi
Keyword: microgrid, RO, KKT, MILP, tính bất định lớn nhất.
phí vận hành và đảm bảo ổn định điện Để ứng dụng được hệ thống năng lượng tái tạo
ở Việt Nam thì ta cần khắc phụ được những nhược điểm trên Vậy nên, việc tính toán để tối ưu hóa hệ thống được xem như một yếu
tố giữ vai trò then chốt
Hiện nay, việc chuyển đổi lưới điện truyền thống thành lưới điện thông minh đang là giải pháp để có thể thu thập tất cả các nguồn điện nhằm nâng cao chất lượng vận hành, cải thiện độ tin cậy cho người tiêu dùng Các Microgrid (MG) được kết nối với nhau
và cùng kết nối với lưới điện tạo thành một
của MG có xét đến tính bất định sử dụng phương pháp tối ưu mạnh mẽ Robust Optimization (RO) Bài toán tối ưu có dạng max-min được biến đổi thành bài toán đối ngẫu bằng điều kiện tối ưu KarushKuhn-Tucker (KKT), và áp dụng phương pháp quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) để giải
Trang 2hệ thống Vì vậy cần tạo ra hệ thống quản lý
năng lượng (EMS) có chức năng phân phối
công suất và lưu trữ năng lượng Bằng cách
quản lý năng lượng một cách hợp lý có thể
giảm thiểu chi phí vận hành, tối ưu việc mua
bán, tích trữ điện năng và đảm bảo được chất
lượng điện Có 3 phương pháp EMS đã được
sử dụng là EMS tập trung, EMS phi tập trung
và EMS phối hợp Chức năng của EMS tập
trung là quản lý cân bằng công suất, dòng
điện, năng lượng dự trữ của pin trong toàn
bộ hệ thống EMS tập trung phù hợp với lưới
điện siêu nhỏ như một hộ tiêu thụ, có tải thay
đổi chậm Tuy nhiên chỉ cần một thay đổi nhỏ
thì việc phục hồi cân bằng trở nên rất khó
khăn [1] Đối với EMS phi tập trung mỗi MG là
một cá thể riêng biệt có chức năng là tối đa
hóa lợi nhuận trong trạng thái nối lưới và giữ
ổn định nguồn điện khi vận hành độc lập Tuy
nhiên hạn chế là không đạt được cân bằng
công suất trong toàn hệ thống [2] EMS phối
hợp là sự khắc phục nhược điểm và kế thừa
ưu điểm của cả hai phương pháp: cân bằng
công suất, dự trữ năng lượng và tối ưu hóa
chi phí vận hành [3]
Tuy nhiên, các phương pháp EMS trên vẫn
chưa xét đến tính bất định Khi mà các ràng
buộc về tính bất định không được cân nhắc
đến, kết quả thu được có thể bị sai lệch
nghiêm trọng và nếu được ứng dụng trong
thực tế, nó có khả năng gây ra những hậu quả
nặng nề Có 2 phương pháp thường được sử
dụng để giải quyết vấn đề trên là phương
pháp tối ưu hóa mạnh mẽ (RO) và phương
pháp tối ưu hóa ngẫu nhiên (SO) Phương pháp RO được Zhang đề xuất để quản lý vận hành MG [4] Độ bất định được Zhang giải quyết bằng cách kết hợp giữa thiết lập một
mô hình sạc/xả không liên tục và việc điều chỉnh tải nhằm mục đích giữ cho MG được cân bằng độc lập nhiều nhất có thể Phương pháp để xử lý tính bất định còn lại – phương pháp tối ưu hóa ngẫu nhiên (SO) cũng được
sử dụng rất rộng rãi Bao đã áp dụng phương pháp này vào mô hình quản lý MG tối ưu [5] Bài báo thiết lập hai mô hình: mô hình dự báo
và mô hình thực Mô hình dự báo được thiết lập dựa trên sự bất định của nhiều trường hợp khác nhau và đặt mục tiêu là tối thiểu hóa chi phí Còn mô hình thực được xây dựng theo dữ liệu của mô hình dự báo Độ sai lệch trong dự báo sẽ được làm mịn bằng cách lưu trữ năng lượng dưới dạng hóa năng (pin) và lưu trữ dưới dạng nhiệt năng (tải làm mát) để đáp ứng nhu cầu đa dạng của người tiêu thụ (điện năng, nhiệt năng)
Nhược điểm lớn nhất khi áp dụng phương pháp SO là yêu cầu khối lượng tính toán lớn
do số lượng các trường hợp cần tính toán nhiều cũng như phải đảm bảo các ràng buộc
về xác suất [6] Ngược lại, phương pháp RO không phải xét tất cả các trường hợp trong bộ bất định mà chỉ quan tâm đến trường hợp với
độ bất định lớn nhất nên sẽ giảm được khối lượng tính toán Do đó, trong nghiên cứu này chúng tôi sử dụng phương pháp RO để giải bài toán lập kế hoạch quản lý năng lượng trong ngày tới của MG có xét tính bất định
Trang 32.PHƯƠNG PHÁP NGHIÊN CỨU:
Mô hình MG có nguồn được lấy từ hệ
thống pin mặt trời, turbin gió và điện
năng từ lưới hệ thống Tính bất định của
nguồn là do lượng công suất đầu ra không
cố định và thay đổi theo thời gian Trong
đó, nguồn gió phụ thuộc vào vận tốc và
hướng của gió; nguồn pin mặt trời phụ
thuộc vào lượng bức xạ, nhiệt độ trên tấm
pin và góc tới của tia sáng
2.1 Hàm mục tiêu:
Mục tiêu của đề xuất này là tối thiểu hóa
chi phí vận hành (min) nhưng vì có xét đến
tính bất định của nguồn năng lượng tái
tạo nên cần xét đến trường hợp bất định
lớn nhất (max), ta có hàm mục tiêu sau:
u: Tính bất định của tổng công suất đầu
ra
Cpv, Cw, CBAT: tương ứng là chi phí vận hành
của PV/Wind/Battery
Ppv (t), Pw(t): tương ứng là công suất đầu ra
của nguồn PV,Wind
Ctđ: Giá 1kWh trao đổi với lưới
: Độ lệch so với giá trị dự báo
: Là một số nguyên mang ý nghĩa: hạn chế số khoảng thời gian công suất PV thực
tế thuộc khoảng sai lệch dự báo trong một ngày
: Độ lệch so với giá trị dự báo
2.3 Các ràng buộc:
• Ràng buộc cân bằng công suất:
Ptđ: Công suất trao đổi với lưới
2.2 Bộ bất định:
• Ràng buộc công suất trao đổi với lưới:
• Ràng buộc BATTERY:
: năng lượng lưu trữ của BAT tại thời điểm t : năng lượng lưu trữ định mức của BAT : hiệu suất sạc, xả của pin
Trang 4TÀI LIỆU THAM KHẢO
[1]: Olivares DE, Canizares CA, Kazerani M A
centralized energy management system for
isolated microgrids IEEE Trans Smart Grid July
2014;5(4):1864–75.
[2]: Wang Z, Chen B, Kim J Decentralized energy
management system for networked microgrids in
grid-connected and islanded modes IEEE Trans
Smart Grid Mar 2016;7(2):1097–105.
[3]: Wang Y, Mao S, Nelms RM On hierarchical power
scheduling for the macrogrid and cooperative
microgrids IEEE Trans Ind Informat Dec
2015;11(6):1574–84
[4]: Zhang C, Xu Y, Dong ZY, Ma J Robust operation
of microgrid via two-stage coordinated energy
storage and direct load control IEEE Trans Power
Syst 2017; 32(4): 2858–68.
[5]: Bao Z, Zhou Q, Yang Z, Yang Q, Xu L, Wu T A multi
time-scale and multi energytype coordinated
microgrid scheduling solution-part I: model and
methodology IEEE Trans Power Syst Sept 2015;
30(5): 2257–66.
[6]: Zhang B, Li Q, Wang L, Feng W Robust optimization
for energy transactions in multi-microgrids under
uncertainty Appl Energy 2018; 217: 346–60.
TÁC GIẢ Ý TƯỞNG
Đỗ Đức Quang: Là sinh viên Hệ thống điện
(2017), K62, Viện Điện, Trường Đại học Bách khoa Hà Nội Hướng nghiên cứu: Tối ưu vận hành hệ thống năng lượng tái tạo
Nguyễn Xuân Thắng: Là sinh viên Hệ
thống điện (2017), K62, Viện Điện, Trường Đại học Bách khoa Hà Nội Hướng nghiên cứu: Tối ưu vận hành hệ thống năng lượng tái tạo
3 TỔNG KẾT:
Dự kiến công việc: Hàm mục tiêu được
biến đổi thành bài toán đối ngẫu bằng
điều kiện KKT để chuyển về dạng min
(max) tiếp đó tuyến tính hóa ràng buộc
rồi giải bằng phương pháp MILP sử dụng
phần mềm Matlab để hỗ trợ Kết quả
mong muốn sẽ tối ưu được chi phí vận
hành trong lưới, đảm bảo chất lượng và
độ ổn định điện
GIẢNG VIÊN HƯỚNG DẪN
TS Nguyễn Thị Hoài Thu: nhận bằng Kỹ sư
– Hệ thống điện (2006), Thạc sỹ - Mạng và
Hệ thống điện (2008) từ Đại học Bách khoa
Hà Nội và Tiến sỹ - Kỹ thuật năng lượng và
cơ khí (2017) từ Đại học Tsukuba, Nhật Bản Hiện cô đang là giảng viên Trường Đại học Bách khoa Hà Nội Các hướng nghiên cứu chính là tối ưu dung lượng thiết bị, dự báo công suất và tính bất định của nguồn năng lượng tái tạo
Hiệu quả của phương pháp: Do xét đến tính bất định của nguồn năng lượng tái tạo, ràng buộc về cân bằng công suất, khả năng lưu trữ và giải phóng năng lượng của pin nên kết quả dự đoán sẽ chính xác hơn Điều này dẫn đến việc mua bán với lưới điện hiệu quả hơn và cũng thu được lợi nhuận cao hơn cho cả nhà đầu tư và người tiêu dùng điện
