Dữ liệu là xương sống của quá trình hiện đại hóa lưới điện

Các hệ thống quản lý lưới điện cũ gặp khó khăn trong việc xử lý luồng dữ liệu khổng lồ cần thiết để tích hợp trí tuệ nhân tạo (AI).

Để quản lý các môi trường phát điện phân tán phức tạp, các giải pháp ADSM phải kết nối với bản sao số không gian địa lý của lưới điện, tích hợp với các hoạt động lưới điện thông minh, hiểu được bảo mật tiên tiến và thậm chí theo dõi và thích ứng với nhu cầu của hộ tiêu thụ (Ảnh st)

Khi thế giới đang tăng tốc hướng tới mục tiêu phát thải cacbon ròng bằng 0, các nhà điều hành điện lực đang nằm trong thời điểm thay đổi tình thế.

Trong thập kỷ qua, áp lực lên các nhà điều hành điện lực đã tăng lên đáng kể, do các sáng kiến ​​mới đòi hỏi phải thiết kế lại hoàn toàn lưới điện. Các nhà điều hành điện lực đang phải đối mặt với mức tiêu thụ điện tăng đột biến từ giao thông điện khí hóa, các nguồn năng lượng phân tán (DER) và các hệ thống lưới điện thông minh do AI thúc đẩy. Những thách thức kỹ thuật mới nổi cũng đòi hỏi các giải pháp kỹ thuật tiên tiến và phương pháp tiếp cận hiện đại hóa ở cấp độ hệ thống.

Ở Mỹ, chính quyền đã đặt mục tiêu 56% doanh số bán xe mới là xe điện vào năm 2032, cột mốc này sẽ thúc đẩy nhu cầu điện trên toàn quốc tăng 38%. Đồng thời, các DER, chẳng hạn như các hệ thống quang điện (PV), tích trữ bằng pin hộ sinh hoạt và cơ sở hạ tầng sạc xe điện (EV), đang phá vỡ các mô hình phân phối điện truyền thống. Tác động kết hợp của các xu hướng này cho thấy rõ ràng rằng hiện đại hóa không thể chỉ là gia tăng dần mà thay vào đó phải bao gồm các nâng cấp cơ bản do các công nghệ dựa trên dữ liệu hỗ trợ. 

Sự phức tạp ngày càng tăng của lưới điện hiện đại 

Kiến trúc lưới điện hiện đại đã chuyển từ dòng công suất tuyến tính, một chiều sang các hệ thống hai chiều có thể tích hợp phát điện năng lượng tái tạo, các nguồn năng lượng phân tán (DER) và các giải pháp sau công tơ. Trao đổi công suất đa hướng đòi hỏi khả năng hiển thị lưới điện và trí thông minh vận hành theo thời gian thực. Do đó, các giải pháp như hệ thống quản lý phân phối tiên tiến (ADMS) và các hệ thống quản lý nguồn năng lượng phân tán (DERMS) là thiết yếu để tối ưu hóa khả năng điều khiển lưới điện, cũng như cân bằng cung và cầu trong các điều kiện biến động cao. 

Sự tiến hoá này đòi hỏi phải nâng cấp cơ sở hạ tầng đáng kể và tích hợp toàn diện các công nghệ hiện có và mới. Các hệ thống và chức năng từng hoạt động khá tốt như các hoạt động riêng lẻ giờ đây phải kết nối và tích hợp với nhau. Để quản lý các môi trường phát điện phân tán phức tạp, các giải pháp ADSM phải kết nối với bản sao số không gian địa lý của lưới điện, tích hợp với các hoạt động lưới điện thông minh, hiểu được bảo mật tiên tiến và thậm chí theo dõi và thích ứng với nhu cầu của hộ tiêu thụ. Để ứng phó với điều này, các nhà điều hành lưới điện cần áp dụng các giao thức dữ liệu hiện đại và đảm bảo hệ thống của họ có thể tích hợp với các nền tảng tiên tiến như FME⁽¹⁾ của Công ty Safe Software (Canađa) để có các quy trình ETL⁽²⁾ liền mạch trên các nguồn dữ liệu không gian địa lý và hoạt động không đồng nhất. 

Những thách thức trong việc chuẩn bị dữ liệu lưới điện cho đào tạo AI tạo sinh 

Sự lên ngôi của trí tuệ nhân tạo (AI) trong các hoạt động lưới điện đã mang đến cả cơ hội và thách thức. Các hệ thống AI hiện đóng vai trò then chốt trong việc tối ưu hóa phân phối năng lượng, cải thiện dự báo nhu cầu và quản lý các luồng dữ liệu quy mô lớn từ các cảm biến. Tuy nhiên, việc tích hợp AI đòi hỏi cơ sở hạ tầng dữ liệu mạnh mẽ có khả năng xử lý các luồng dữ liệu khổng lồ từ các cảm biến Internet Vạn vật kết nối (IoT), máy bay không người lái và hệ thống vệ tinh - một nhiệm vụ mà các hệ thống quản lý lưới điện cũ khó có thể thực hiện hiệu quả. 

Theo báo cáo của Phòng thí nghiệm năng lượng tái tạo quốc gia, AI tạo sinh cho các hoạt động lưới điện, ngay cả khi các mô hình và dữ liệu có sẵn thì vẫn cần phải xác thực và làm sạch⁽³⁾ chúng trước khi sử dụng để đào tạo AI tạo sinh. Điều này đặt ra một thách thức đáng kể cho ngành điện, nơi mà việc phát triển các mô hình cấu trúc mạng lưới để con người lưu trữ hồ sơ, tuân thủ và phân tích, không phải để đào tạo AI. Ví dụ, người ta phát triển một sơ đồ rơle bảo vệ (hoặc mô hình) để phát hiện các điều kiện bất thường, như quá dòng, cũng như truyền thông với các rơle liền kề để cô lập các sự kiện bất thường. Tuy nhiên, dữ liệu này có thể không xác thực cho mục đích đào tạo AI. Ngay cả khi đã sẵn sàng để đào tạo AI tạo sinh, chất lượng có thể thay đổi đáng kể do tính không chính xác của cảm biến, các vấn đề truyền thông và sự không nhất quán trong định dạng dữ liệu. 

Việc cung cấp các mô hình và dữ liệu lịch sử này cho mục đích đào tạo AI đòi hỏi một lớp xác thực và làm sạch bổ sung để đảm bảo rằng các mô hình phản ánh chính xác kiến ​​trúc và hành vi của lưới điện trong các điều kiện vận hành khác nhau. Các kỹ thuật như phát hiện ngoại lệ và lọc nhiễu là thiết yếu để chuẩn bị các tập dữ liệu chất lượng cao. Hoạt động lưới điện đáng tin cậy phụ thuộc vào các mô hình và dữ liệu chính xác, vốn rất quan trọng đối với các thao tác, lập kế hoạch, dự báo và điều khiển. Ví dụ, giá trị dòng công suất là 100MW chỉ có ý nghĩa khi đã ngữ cảnh hóa bên trong một mô hình ánh xạ dòng công suất từ nơi phát điện đến phụ tải của khách hàng thông qua các đường dây điện. 

Các hệ thống tiên tiến như ADMS và DERMS có thiết kế để tối ưu hóa việc điều khiển lưới điện, nhưng chúng cũng yêu cầu dữ liệu lưới điện vừa kịp thời vừa chính xác. Việc tích hợp các giải pháp AI vào các hệ thống này phụ thuộc vào khả năng xử lý những lượng lớn dữ liệu thời gian thực và đảm bảo dữ liệu đã làm sạch và xác thực trước khi có thể sử dụng để ra quyết định. 

Điều này đặt ra một thách thức quan trọng đối với AI tạo sinh trong lưới điện: sẽ rất khó phát triển các mô hình AI lớn, đa năng cho lưới điện trừ khi có sự đầu tư đáng kể vào việc xác thực dữ liệu, cũng như làm sạch và ngữ cảnh hóa. Mặc dù AI cung cấp nhiều khả năng thú vị để tối ưu hóa hoạt động của lưới điện, nhưng độ tin cậy của các giải pháp này phụ thuộc vào các hệ thống quản lý dữ liệu nền tảng hỗ trợ toàn bộ quá trình hiện đại hóa lưới điện. Nếu không có dữ liệu lưới điện xác thực, ngay cả các mô hình AI tiên tiến nhất cũng không thể hoạt động ở mức tốt nhất. 

Dữ liệu là nền tảng của hiện đại hóa lưới điện 

Trọng tâm của quá trình hiện đại hóa lưới điện là nhu cầu dữ liệu chính xác, kịp thời về trạng thái của lưới điện vật lý. Sự phức tạp của lưới điện ngày nay là sự kết hợp của một số yếu tố như việc bổ sung các cảm biến mới, các bộ sạc EV và các điểm cuối khác. Điều này có nghĩa là các nhà điều hành ngày càng phụ thuộc vào tự động hóa để theo kịp nhu cầu vận hành. Đổi lại, tự động hóa đòi hỏi dữ liệu lưới điện thời gian thực có độ chính xác cao (tức là bản sao số); các hệ thống dữ liệu lỗi thời không còn có thể hỗ trợ tốc độ nhanh chóng của các hoạt động lưới điện hiện đại. 

Cách tiếp cận cũ là quản lý hoạt động lưới điện bằng hồ sơ giấy và cập nhật thủ công không còn khả thi nữa. Số hóa quy trình làm việc và tích hợp các giải pháp di động đồng bộ hóa dữ liệu thời gian thực giữa hoạt động thực địa và hệ thống trung tâm và cập nhật ngay lập tức mô hình mạng lưới là những bước thiết yếu để cải thiện năng suất của nhóm thực địa và tăng cường độ chính xác của dữ liệu mạng lưới. Nếu không có điều này, tự động hóa không thể hoạt động hiệu quả, dẫn đến tình trạng kém hiệu quả có thể ảnh hưởng đến tính ổn định và độ tin cậy của lưới điện. 

Lượng dữ liệu khổng lồ do các công nghệ lưới điện hiện đại tạo ra đòi hỏi các hệ thống quản lý dữ liệu tiên tiến có thể tích hợp liền mạch các đầu vào từ nhiều nguồn khác nhau. Từ các cảm biến IoT đến máy bay không người lái kiểm tra cơ sở hạ tầng khó tiếp cận, khả năng xử lý và phân tích dữ liệu từ nhiều điểm phi tập trung là rất quan trọng đối với việc duy trì tính toàn vẹn của lưới điện và tối ưu hóa tính năng. Điều này đặc biệt quan trọng khi các nhà điều hành kết hợp nhiều nguồn năng lượng tái tạo hơn, làm tăng tính biến động cho nguồn cấp điện và yêu cầu quản lý theo thời gian thực để duy trì tính ổn định. 

Nghiên cứu tình huống – Cơ quan năng lượng Bolivar 

Bolivar Energy Authority đã chủ động đầu tư vào cơ sở hạ tầng dữ liệu của mình, đảm bảo dữ liệu có thể dễ dàng truy cập ở mọi cấp độ của tổ chức (Ảnh st)

Bolivar Energy Authority (bang Tennessee, Mỹ), công ty điện lực khu vực có tư duy tiến bộ, đã chủ động đầu tư vào cơ sở hạ tầng dữ liệu của mình, đảm bảo dữ liệu có thể dễ dàng truy cập ở mọi cấp độ của tổ chức. Kể từ năm 2022, Bolivar đã triển khai phần mềm quản lý tiên tiến trên toàn công ty, hợp lý hóa các hoạt động hàng ngày và cải thiện hiệu suất. Các nhà thầu cũng hưởng lợi từ phần mềm này vì nó cho phép họ truy cập thông tin trực tiếp, giảm sự phụ thuộc vào các cuộc gọi và quy trình thủ công. Sự thay đổi này không chỉ tiết kiệm được thời gian quý báu, chẳng hạn như giảm số lượng xe tải làm việc thực địa trên các hạng mục hành lang lưới điện, mà những sáng kiến ​​này còn cải thiện chất lượng dữ liệu lưới điện. 

Mặc dù Bolivar vẫn chưa tập trung vào tích hợp AI, nhưng cách tiếp cận quản lý dữ liệu của công ty đang đặt nền tảng vững chắc để khai thác lợi thế tối đa AI và công nghệ tiên tiến trong tương lai. Công ty này hiện đang thu thập dữ liệu ngữ cảnh chất lượng cao, rất cần thiết cho việc ra quyết định do AI thúc đẩy. Khi Bolivar tiếp tục tinh chỉnh các hệ thống phần mềm và kết hợp các công cụ quản lý quy trình làm việc, nền tảng mà công ty đang xây dựng sẽ cho phép chuyển đổi sang các công nghệ AI. Dữ liệu mạng lưới chất lượng cao sẽ cho phép họ khai thác lợi thế AI để cải thiện quản lý lưới điện, dự báo và vận hành mà không cần phải giải quyết các thách thức dữ liệu cơ bản. 

Biến quản lý dữ liệu thành trọng tâm của mục tiêu khử cacbon 

Để đạt mục tiêu khử cacbon, các nhà điều hành điện lực phải ưu tiên chất lượng dữ liệu mạng lưới làm nền tảng cho chiến lược hiện đại hóa của họ. Sự chậm trễ trong việc thu thập dữ liệu và cập nhật các hệ thống phụ trợ có thể cản trở nghiêm trọng quá trình tự động hóa, dẫn đến tình trạng thiếu hiệu quả ảnh hưởng đến mọi thứ, từ phân phối năng lượng đến ngăn ngừa mất điện. Độ chính xác của dữ liệu lưới điện theo thời gian thực và đồng bộ hóa giữa các hoạt động tại hiện trường và trung tâm có thể giảm thiểu các rủi ro. Điều này nâng cao khả năng xử lý các nguồn năng lượng tái tạo, duy trì sự ổn định và ngăn ngừa lưới điện mất điện. 

Thật dễ dàng để giải thích tại sao dữ liệu mạng lưới chính xác lại quan trọng đối với quá trình chuyển đổi lưới điện nhưng lại khó đạt được đến thế. Khi làm việc với các công ty điện lực trên toàn thế giới, Công ty IQGeo (Vương quốc Anh) đã đầu tư nhiều thời gian và nguồn lực để tích hợp các luồng dữ liệu "nói các ngôn ngữ khác nhau". Để đẩy nhanh quá trình này, IQGeo đã phát triển các giao diện lập trình ứng dụng (API) cấp hệ thống, thiết lập các giao thức trao đổi dữ liệu như EDIF (Định dạng trao đổi dữ liệu điện) và làm việc với các công cụ dữ liệu tiêu chuẩn công nghiệp như FME từ Safe Software.

Mặc dù quá trình tích hợp dữ liệu có thể phức tạp, đặc biệt là khi xử lý dữ liệu chất lượng kém (quá phổ biến trong ngành), nhưng lợi ích của việc kiên trì xử lý là rất hấp dẫn. Các hệ thống quản lý dữ liệu mạng lưới tích hợp cho phép các thành viên trong nhóm và người vận hành thực địa truy cập và gửi dữ liệu tại nhiều điểm tương tác khác nhau, hợp lý hóa hoạt động và hỗ trợ tuân thủ quy định. Khi các hệ thống có nền tảng dữ liệu toàn diện hỗ trợ, các quy trình sẽ diễn ra suôn sẻ hơn, hỗ trợ nhu cầu năng lượng tăng cao do quá trình khử cacbon và những tiến bộ công nghệ thúc đẩy. Năng lực xử lý dữ liệu tiên tiến cũng sẽ rất cần thiết khi máy bay không người lái, lưới điện thông minh và các hệ thống vệ tinh trở nên phổ biến hơn trong quản lý lưới điện.

Điều hướng quá trình chuyển đổi trong khi vẫn đảm bảm dòng điện liên tục

Trong nhiều thập kỷ, ngành công nghiệp điện lực đã cung cấp các dịch vụ thiết yếu trong một môi trường ngày càng phức tạp. Tuy nhiên, sự hội tụ của điện khí hóa, AI và các nguồn năng lượng phân tán là điều chưa từng có, đòi hỏi các nhà điều hành phải nhanh chóng thích ứng. Nhiều công ty điện lực đã bắt đầu quá trình số hóa, nhưng họ phải đối mặt với nhiệm vụ khó khăn là nâng cấp hệ thống trong khi vẫn duy trì dịch vụ không bị gián đoạn - một nhiệm vụ thường được ví như việc chế tạo lại một chiếc máy bay trong khi đang bay. 

Chìa khóa để điều hướng quá trình chuyển đổi này nằm ở việc tập trung vào chất lượng dữ liệu và quản lý quy trình công việc kỹ thuật số. Các nhà điều hành điện lực có thể nâng cao hiệu quả tự động hóa bằng cách ưu tiên các giải pháp quản lý dữ liệu theo thời gian thực. Điều này sẽ hỗ trợ tốt hơn cho các mục tiêu khử cacbon và giúp các nhà điều hành chuẩn bị cho bối cảnh ngành đang tiến hóa. Tương lai của lưới điện không chỉ phụ thuộc vào các công nghệ mới mà còn phụ thuộc vào khả năng quản lý dữ liệu lưới điện hiệu quả và khai thác lợi thế của nó để xây dựng một hệ thống điện dẻo dai, hiệu quả và bền vững hơn. 

Để duy trì khả năng cạnh tranh và đáp ứng nhu cầu của tương lai, các công ty điện lực phải áp dụng hiện đại hóa dựa trên dữ liệu ngay bây giờ. Việc tích hợp AI, các nỗ lực khử cacbon và sự lên ngôi của các nguồn năng lượng phân tán đặt ra cả thách thức và cơ hội phụ thuộc vào nền tảng dữ liệu mạng chính xác và thời gian thực. Cách các công ty điện lực phản ứng ngày hôm nay sẽ quyết định khả năng điều hướng bối cảnh năng lượng của tương lai và thực hiện các cải tiến thực sự cho lưới điện.

1: FME (Feature Manipulation Engine) là một nền tảng ETL chuyên biệt dành cho dữ liệu không gian, giúp trích xuất, chuyển đổi và tải dữ liệu giữa hơn 450 định dạng và hệ thống GIS, CAD, BIM, cơ sở dữ liệu, đám mây

2: ETL (Extract – Transform – Load), nghĩa là trích xuất, biến đổi và tải là một quy trình trong xử lý dữ liệu, giúp thu thập, biến đổi và lưu trữ dữ liệu từ nhiều nguồn khác nhau vào một hệ thống tập trung.

3: Quá trình xử lý, chỉnh sửa và loại bỏ các dữ liệu sai lệch, trùng lặp, thiếu sót hoặc không hợp lệ ra khỏi tập dữ liệu

Biên dịch: Phạm Gia Đại

Theo “renewableenergyworld”, tháng 12/2024