Điện gió và trí tuệ nhân tạo: Đã đến lúc máy móc có thể đưa ra dự báo chính xác?

Nhà máy điện gió - Nguồn: Internet

Công cuộc nghiên cứu mô hình dự báo công suất nguồn năng lượng tái tạo: Những kẻ đi… “đếm gió”

Thách thức của việc sử dụng năng lượng gió hay bức xạ mặt trời là tính chất không ổn định tự nhiên của chúng. Sự tích hợp của năng lượng tái tạo vào hệ thống điện dẫn đến những khó khăn trong điều độ tối ưu hệ thống điện (chẳng hạn: ảnh hưởng đến hoạt động điều độ kinh tế, lên kế hoạch phát điện cho các tổ máy phát). Trong khi đó, các dự án năng lượng tái tạo cần thiết được phát triển mạnh và ngày càng chiếm tỷ trọng tăng dần trong hệ thống điện quốc gia.

Như vậy, việc dự báo chính xác và dự báo sớm công suất các nguồn năng lượng tái tạo, mà ở đây là nhà máy điện gió, đóng vai trò quan trọng trong việc duy trì ổn định hệ thống điện và sử dụng hiệu quả các nguồn năng lượng khác nhau trong hệ thống.

Những năm gần đây, cùng với sự phát triển của sức mạnh học máy (machine learning), các phương pháp sử dụng trí tuệ nhân tạo (artificial intelligence) đã được áp dụng để xây dựng mô hình huấn luyện dự báo trong ngành điện. Nổi bật trong đó là công trình của nhóm nghiên cứu gồm Giáo sư Yuan-Kang Wu (IEEE Member), các nghiên cứu sinh tại Phòng Nghiên cứu Hệ thống Điện và Năng lượng tái tạo (Đại học Quốc gia Chung Cheng, Đài Loan) và Kỹ sư Lê Hà Phan (Kỹ sư Trung tâm Đào tạo và Nghiên cứu Phát triển PECC2, hiện đang theo học chương trình thạc sĩ của Đại học Bách Khoa TP.HCM). Nghiên cứu của nhóm đang được đăng ký xuất bản với Tạp chí IEEE Transactions on Industry Applications, với kết quả có thể dự báo chính xác dải công suất nhà máy điện gió trước một ngày nhờ sử dụng thuật toán Clustered Adaptive Neuro-Fuzzy Inference System (Clustered ANFIS).

 

Hiểu về sơ đồ cấu trúc của thuật toán Clustered ANFIS dùng trong dự báo điện gió

Mục đích chính của phương pháp này là cải thiện độ chính xác của dự báo công suất gió từng điểm trước một ngày (one-day-head deterministic wind power forecasting) dựa trên sự kết hợp sức mạnh định nghĩa từ hệ mờ và khả năng học từ ANN của mô hình ANFIS (như Hình 1).

ANFIS kết hợp các phương pháp phân nhóm (clustering), đóng vai trò quan trọng trong quá trình mờ hóa (fuzzification) các biến số của gió. Quá trình mờ hóa, cụ thể với cách tiếp cận là Fuzzy c-means (FCM) sẽ cung cấp một cái nhìn tổng quát về tính chất của các biến dữ liệu của gió (vận tốc, hướng, công suất) và mối tương quan giữa chúng trong việc quyết định công suất đầu ra của nhà máy điện. Từ đó giúp phân các dữ liệu đầu vào thành từng nhóm có tính chất giống nhau (clustering). Cùng với đó, quá trình huấn luyện của mạng nơ-ron nhân tạo phía sau trong mô hình ANFIS sẽ đạt được hiệu quả cao hơn so với việc đơn thuần đưa toàn bộ các dữ liệu thô vào mô hình, tạo ra nguy cơ gây sai số lớn trong kết quả dự báo, đặc biệt là trong dự báo sớm trước một ngày. Kết quả công suất dự báo từng điểm này sẽ đóng vai trò quan trọng trong việc xây dựng hàm mật độ sai số quyết định chất lượng dự báo dải (one-day-head probabilistic wind power forecasting).

 

Hình 1 Mạng clustered ANFIS được đề xuất để cải thiện độ chính xác cho dự báo công suất gió từng điểm trước một ngày

 

Hình 2 biểu diễn sự phân nhóm dựa theo giá trị công suất gió sử dụng kỹ thuật FCM, hay nói cách khác, thông qua quá trình thử và sai, các giá trị công suất gió đã được phân thành 3 nhóm khác nhau. Trong đó, các điểm màu đỏ, xanh dương và xanh lá lần lượt đại diện cho các nhóm công suất cao, trung bình và thấp. Các điểm màu đen còn lại được xác định có khả năng thuộc cả hai nhóm.

Hình 2 Phân nhóm đường cong công suất bằng FCM

 

Dữ liệu đầu ra thu được từ quá trình mờ (Fuzzy) sẽ trở thành đầu vào cho mô hình huấn luyện mạng nơ-ron nhân tạo (Artificial Neural Network). Sau quá trình huấn luyện, đầu ra mong muốn của dự báo dải là giới hạn trên (Upper Bound) và giới hạn dưới (Lower Bound) của công suất gió. Hình 1-3 mô tả các mô hình huấn luyện của dự báo dải cho công suất gió trước một ngày.

Hình 3 Mô hình dự báo dải công suất gió trước 1 ngày

 

Kết quả dự báo dải công suất nhà máy điện gió trước một ngày

Kết quả mô phỏng được thể hiện trong Hình 4 và Hình 5, đường màu đỏ đại diện cho giá trị công suất thực được ghi nhận, các bảng màu từ vàng đến xanh lá là các khoảng dự báo tương ứng với các mức tin cậy từ 50% đến 90% tại hai nhà máy điện gió A và B. Ta có thể hiểu rằng, với mức tin cậy là 90%, tương ứng với toàn bộ các vùng bao phủ bởi màu xanh lá, dự báo cho ra kết quả trùng khớp với 90% giá trị công suất thực của nhà máy.

Hình 4 Kết quả dự báo dải công suất trước một ngày tại nhà máy A

Hình 5 Kết quả dự báo dải công suất trước một ngày tại nhà máy B

 

Một trong những ưu điểm nổi bật nhất mà dải công suất dự báo mang lại chính là việc thể hiện được đặc tính bất định của gió thông qua các mức tin cậy. Điều này khiến mô hình dự báo dải vượt trội so với việc dự báo từng điểm riêng lẻ, vốn không thể hiện được tất cả các kịch bản phát có thể xảy ra. Nói cách khác, các khoảng xác suất dự báo này đem đến nhiều thông tin hữu ích cho việc đưa ra quyết định hơn, trên phương diện của cả người vận hành hệ thống và nhà đầu tư.

 

Triển vọng phát triển của hoạt động dự báo năng lượng tái tạo tại Việt Nam

Theo quy hoạch điện VII điều chỉnh, với tiềm năng phát triển năng lượng sạch dồi dào, dự kiến năm 2020, tổng công suất đặt của các nguồn điện gió và mặt trời sẽ tương ứng 1010MW (1.7%) và 6670MW (11.3%), đến năm 2025 sẽ là khoảng 6030MW (5.8%) và 14450MW (13.8%). Trong đó, khu vực Nam Trung Bộ (Ninh Thuận, Bình Thuận) có mức độ tập trung cao các nguồn năng lượng tái tạo. Tuy nhiên, việc đầu tư cơ sở hạ tầng truyền tải chưa đồng bộ gây ra bài toán cắt giảm đối với các nhà máy tại khu vực này. Để giải quyết bài toán tối ưu trong ngắn hạn, việc sử dụng các dự báo phát là rất cần thiết để có thể đảm bảo lợi ích của nhà đầu tư và độ tin cậy của lưới điện hiện hữu.

Bên cạnh đó, đối với các khu vực vùng xa, hải đảo, nơi mà việc cung cấp điện thông qua lưới quốc gia được xem là khó khăn, có thể xem những khu vực này như là những lưới điện siêu nhỏ (Microgrid). Việc cấp điện tự dùng thông qua các nguồn năng lượng tái tạo trên đảo được xem như là một giải pháp bền vững. Do các nguồn điện này vẫn chứa đựng các rủi ro vì độ bất ổn, giải pháp dự báo năng lượng tái tạo sẽ là công cụ hữu hiệu để quyết định lượng dự trữ nóng tối ưu đến từ các máy phát chạy dầu, từ đó giúp giảm thiểu chi phí đầu tư và nâng cao độ tin cậy cấp điện.

Về tầm nhìn dài hạn, theo báo cáo “Đánh giá công nghệ lưới điện thông minh cho năng lượng tái tạo và hiệu quả năng lượng” thực hiện bởi Tổ chức Hợp tác Phát triển Đức GIZ, việc đầu tư để phát triển hoạt động dự báo năng lương tái tạo biến đổi ngắn hạn được đánh giá là có tính khả thi cao về mặt kinh tế.

Tuy nhiên, để thực hiện một cách hiệu quả tại Việt Nam, vấn đề cơ sở dữ liệu chính xác về các nhà máy điện mặt trời và năng lượng gió (liên quan đến vị trí, quy mô và các thông số kỹ thuật của các tuabin gió, tấm pin mặt trời…) cần được thiết lập và thường xuyên cập nhật. Việc đưa ra quy định bắt buộc thu thập thông tin tập trung trong các quy định về lưới điện truyền tải là rất hữu ích. Cần chủ động thiết lập sớm các kế hoạch đăng ký nói trên, để không cần thu thập dữ liệu hồi tố khi công suất phát điện năng lượng tái tạo chiếm tỷ lệ đáng kể trong hệ thống điện.

Thực hiện: Lê Hà Phan

Chia sẻ:

Tin cũ hơn