Thuật toán tối ưu hóa hà mã (hippo) ảnh hưởng đến tính năng lưới điện như thế nào?

Một thuật toán mô phỏng hành vi của hà mã (hippo) có thể tối ưu hóa dung lượng lưới điện để tích hợp các nguồn năng lượng tái tạo và các bộ sạc xe điện.

Rất nhiều lưới điện tích hợp các bộ bù tĩnh phân phối (DSTATCOM), các thiết bị điện tử cung cấp khả năng bơm công suất động và hấp thụ công suất phản kháng. Do bản chất biến động của năng lượng tái tạo và nhu cầu không thể lường trước của xe điện, cần tối ưu hóa vị trí đặt các thiết bị này để nâng cao tính năng lưới điện.

Nhiều nhà nghiên cứu đang sử dụng thuật toán tối ưu hóa hippo để nâng cao tính năng lưới điện bằng cách tối ưu hóa các vị trí lắp đặt này.

Bằng cách nào thuật toán hà mã có thể tối ưu hóa lưới điện dùng cho xe điện và tích hợp năng lượng tái tạo? (Ảnh st)

Tác động của các trạm sạc xe điện đối với lưới điện

Với nhiều xe điện hơn trên đường phố, các trạm sạc phải tích hợp vào mạng lưới phân phối điện. Đã có nhiều nghiên cứu nhằm tối ưu hóa vị trí đặt các trạm sạc. Tuy nhiên, các quyết định vẫn dựa trên nhu cầu vận hành của người lái xe và chỉ xét đến sự hài lòng của người dùng, phạm vi lái xe và thời gian chờ đợi.

Người ta vẫn chưa hiểu rõ đầy đủ tác động của việc bố trí trạm sạc xe điện lên phụ tải lưới điện phân phối. Việc triển khai hàng loạt các trạm sạc với khoảng cách quá gần nhau có thể ảnh hưởng tiêu cực đến lưới điện. Cách bố trí này có thể gây ra tắc nghẽn năng lượng, làm mất ổn định và giảm độ tin cậy của hệ thống.

Xe điện giờ đây đã có thể gây ra đột biến nhu cầu năng lượng ngoài dự kiến, do đó tối ưu hóa vị trí đặt trạm sạc trong lưới điện là điều quan trọng để giảm thiểu tác động đến khu vực địa phương. Tuy nhiên, các quyết định này cần phải dựa trên phụ tải thực tế trên lưới điện.

Một yếu tố quan trọng trong bài toán tối ưu hóa thường bị bỏ qua

Một số nghiên cứu đã tập trung vào việc giảm tổn thất điện năng và sai lệch điện áp trong khi cân nhắc các yếu tố tiếp nhận (hosting factors). Tuy nhiên, nhiều nghiên cứu chỉ cân nhắc các yếu tố tiếp nhận xe điện (EV-HF) hoặc chỉ xét đến các yếu tố tiếp nhận của phát điện phân tán từ năng lượng tái tạo (RDG-HF), mà không tính đến yếu tố kia.

Xe điện và năng lượng tái tạo tích hợp vào lưới điện (Ảnh st)

Yếu tố tiếp nhận, hoặc năng lực tiếp nhận là công suất phát tối đa (chủ yếu tập trung vào nguồn năng lượng tái tạo) mà một phần cụ thể của lưới điện có thể tiếp nhận mà không làm quá tải hệ thống, gây ra các vấn đề vận hành hoặc ảnh hưởng đến độ tin cậy và sự ổn định.

Các nỗ lực khác nhằm cải thiện việc tích hợp trạm sạc tập trung vào các thành phần của mạng lưới điện, chẳng hạn như các DSTATCOM và các nguồn phát điện phân tán. Tuy nhiên, quá trình này gặp khó khăn do thiếu sự cân nhắc giữa nhiều phương pháp tiếp cận EV-HF và RDG-HF.

Việc tích hợp năng lượng tái tạo tại các trạm sạc có thể giảm nhu cầu của lưới điện, nhưng các quy trình tối ưu hóa nhiều khi bỏ qua yếu tố RDG-HF. Nhiều phương pháp đánh giá cách các phụ tải xe điện ảnh hưởng ra sao lên lưới điện địa phương thường bỏ qua yếu tố tiếp nhận và chỉ nghiên cứu các tác động của số lượng xe trong phạm vi mạng lưới phân phối, mà đây không phải là một thước đo chính xác về phụ tải thực tế của lưới điện địa phương.

Thuật toán tối ưu hóa hippo đưa ra bức tranh rõ ràng hơn

Trong một nghiên cứu công bố trên tạp chí Scientific Reports, các nhà nghiên cứu đã sử dụng một khuôn khổ với các thước đo chính là RDG-HF và EV-HF để xác định vị trí và phương án tích hợp các trạm sạc xe điện, các tấm pin mặt trời và các DSTATCOM. Họ đã kết hợp các thước đo này với thuật toán tối ưu hóa hippo (HO) để lập kế hoạch tích hợp một hệ thống sạc xe điện bên trong một hệ thống IEEE 69 bus.

Thuật toán HO mô phỏng các hành vi của một bầy hà mã để tự bảo vệ khỏi các mối đe dọa. Thuật toán này sẽ quyết định bảo vệ hoặc tránh các mối đe dọa dựa trên vị trí của từng cá thể hà mã (hoặc tác nhân) trong bầy.

Các mô phỏng của các nhà nghiên cứu đã xem xét 5 kịch bản cân nhắc các giá trị RDG-HF và EV-HF. Mỗi kịch bản đã tích hợp các ràng buộc và năng lực tiếp nhận của các RDG để hoạt động trong giới hạn an toàn mà không sử dụng tích trữ bằng pin (nhằm đảm bảo độ ổn định có thể duy trì bên trong lưới điện mà không phải phụ thuộc vào tích trữ bên ngoài).

Mô hình này đã phân tích các khía cạnh kỹ thuật cũng như kinh tế trong việc bố trí trạm sạc. Khía cạnh kinh tế đã tập trung vào chi phí đầu tư và thời gian hoàn vốn cho các DSTATCOM và các RDG. Khía cạnh kỹ thuật đã đánh giá cách bố trí việc sạc điện sao cho có thể giảm thiểu tổn thất công suất và sai lệch điện áp đồng thời tối đa hóa độ ổn định điện áp nhằm xác định vị trí và quy mô trạm sạc tối ưu trong phạm vi hệ thống IEEE 69 bus.

Năm kịch bản đề xuất (Ảnh st)

Kết quả mô phỏng cho thấy, tối ưu hóa vị trí các trạm sạc xe điện kèm theo các tấm pin mặt trời và các DSTATCOM có thể giúp giảm tổn thất công suất lên đến 31,5% và giảm tổn thất công suất phản kháng lên đến 29,2%. Về mặt kinh tế, nghiên cứu này đã kết luận rằng thời gian hoàn vốn dao động từ 2,7 đến 10,4 năm, dựa trên kịch bản này, với lợi nhuận tiềm năng lên tới 1.052.365 USD trong 25 năm.

Thuật toán cho phép lập kế hoạch lưới điện thông minh hiệu quả hơn

Các kết quả chứng minh rằng các khía cạnh kỹ thuật và kinh tế đều quan trọng khi tối ưu hóa vị trí trạm sạc xe điện nhằm giảm tải lưới điện cho việc cân bằng hiệu suất mạng lưới và mang lại lợi ích kinh tế cho địa phương, xử lý một cách hiệu quả các thách thức do sự gia tăng số lượng xe điện và tích hợp năng lượng tái tạo, và cung cấp cái nhìn về quy hoạch cơ sở hạ tầng tối ưu cho các lưới điện thông minh trong tương lai.

Biên dịch: Phạm Gia Đại

Theo “eepower”, tháng 12/2024