Nâng cao tiêu chuẩn về độ tin cậy lưới điện

Có thể đã đến lúc các công ty điện lực cần chú trọng hơn đến MAIFI^a và các tiêu chí liên quan đến chất lượng điện để thấu hiểu sâu sắc hơn về chất lượng dịch vụ tổng thể.

Ngày càng có nhiều khách hàng thương mại và công nghiệp bị ảnh hưởng đáng kể bởi sự cố mất điện thoáng qua và các vấn đề về chất lượng điện (Ảnh st)

Báo cáo về tình hình độ tin cậy điện thương mại và công nghiệp năm 2021 do S&C Electric Co. (Mỹ) phát hành cho thấy số lượng sự cố mất điện hàng tháng trong năm ngành công nghiệp chính bao gồm chế tạo, chăm sóc sức khỏe, giáo dục, đại lý độc quyền thương mại nhỏ và bán lẻ đã tăng gấp đôi trong năm 2020. Điều đáng lo ngại hơn là dữ liệu này tiết lộ tình trạng mất điện đang gia tăng bao gồm cả chủng loại các vụ mất điện trong thời gian ngắn không được các chỉ số độ tin cậy công ty điện lực SAIDI (Thời gian mất điện trung bình) và SAIFI (Số lần mất điện trung bình) theo dõi chặt chẽ nắm bắt. Khi chúng ta ngày càng đi sâu hơn vào thế giới kỹ thuật số đang thâm nhập khắp nơi, liệu đã đến lúc đánh giá lại cách chúng ta xác định và duy trì độ tin cậy của hệ thống?

Hướng dẫn của IEEE (Hội Kỹ sư Điện và Điện tử) về Chỉ số Độ tin cậy phân phối điện (Tiêu chuẩn 1366) được sử dụng phổ biến để đánh giá độ tin cậy của dịch vụ phân phối. Có thể các chỉ số được theo dõi và báo cáo thường xuyên nhất bao gồm Chỉ số Tần suất gián đoạn trung bình của hệ thống (SAIFI), là mức độ thường xuyên mà khách hàng trung bình trải nghiệm mất điện; và Chỉ số Thời gian gián đoạn trung bình của hệ thống (SAIDI) được xác định là tổng số phút gián đoạn trung bình mà khách hàng trải nghiệm. Các chỉ số này liên quan đến mất điện kéo dài được IEEE xác định là mất điện trên năm phút.

Cuộc khảo sát của S&C chỉ ra rằng ngày càng có nhiều khách hàng thương mại và công nghiệp bị ảnh hưởng đáng kể bởi các sự cố mất điện thoáng qua và các vấn đề về chất lượng điện. Các khách hàng sinh hoạt cũng báo cáo về sự không hài lòng về các lần mất điện thoáng qua làm gián đoạn hoạt động của các linh kiện điện tử nhạy cảm thường có trong các thiết bị gia dụng. IEEE sử dụng Chỉ số Số lần mất điện thoáng qua trung bình (MAIFI) để mô tả các gián đoạn ngắn. Có thể đã đến lúc các công ty điện lực cần chú trọng hơn đến MAIFI và các tiêu chí liên quan đến chất lượng điện năng để hiểu rõ hơn về chất lượng dịch vụ tổng thể.

Các khách hàng sinh hoạt cũng báo cáo về sự không hài lòng về các lần mất điện thoáng qua làm gián đoạn hoạt động của các linh kiện điện tử nhạy cảm thường thấy trong các thiết bị gia dụng (Ảnh st)

S&C nhận thấy rằng các công ty thương mại và công nghiệp (C&I) đang ngày càng thực hiện nhiều biện pháp để theo dõi số lần, thời lượng và chi phí mất điện để theo đuổi việc đền bù hoặc bắt buộc công ty điện lực phải hành động sửa chữa. Để bảo vệ các nhà cung cấp dịch vụ điện, sự phức tạp ngày càng tăng của các mạng lưới điện không nhất thiết nằm trong tầm kiểm soát của họ. Với dự đoán về mức tăng các nguồn năng lượng tái tạo (DER) gấp 10 lần từ năm 2020 đến năm 2030, sự bất ổn về nguồn cung ngày càng gia tăng. Chúng ta sẽ không nhìn thấy ảnh hưởng đối trọng thông qua tính linh hoạt tăng cao của phụ tải nhu cầu và các tùy chọn tích trữ điện không có đủ độ lớn để cân bằng hệ thống. Theo một số chuyên gia, giải pháp này cũng chính là chuyển động đã đưa chúng ta đến vị trí của chúng ta ngày hôm nay: Số hóa.

Tập đoàn Siemens (Đức) tin rằng số hóa cơ sở hạ tầng điện, bao gồm các quy trình và dữ liệu analog, là một bước quan trọng trong quá trình chuyển đổi sang lưới điện tương lai. Với sự trợ giúp của các cảm biến kỹ thuật số và Internet vạn vật kết nối (IoT), phân tích dữ liệu, trí tuệ nhân tạo (AI) và tự động hóa sẽ biến đổi ngành điện, nâng cao độ tin cậy và độ dẻo dai. 

Công ty Exelon (Mỹ) đã chia sẻ tầm nhìn của họ về việc sử dụng phép phân tích để làm việc với dữ liệu đầu vào từ Hệ thống thông tin địa lý (GIS); các hệ điều hành; quản lý tài sản và công trình; quản lý và báo cáo mất điện; mô hình hóa mạng lưới điện; quản lý năng lượng; hạ tầng đo đếm tiên tiến (AMI); theo dõi thời tiết và các hệ thống khách hàng. Các kết quả tiềm năng từ việc khai thác dữ liệu sâu như vậy bao gồm một phạm vi rộng: tối ưu hóa các công cụ mô hình hóa mạng lưới điện; đánh giá hiệu suất bảo trì và tiên đoán tuổi thọ tài sản; xác định các tài sản và mạch điện có rủi ro cao; tiên đoán thiệt hại và thời gian khôi phục sự cố mất điện và bão; v.v.

Các nỗ lực của Exelon đang thể hiện cơ hội của các chương trình có thể chuyển nhượng để nâng cao an toàn cho người dân và người lao động, giảm chi phí vận hành và bảo dưỡng (O&M), tăng sự hài lòng của khách hàng cũng như cải thiện độ tin cậy và độ dẻo dai. Một ví dụ đáng chú ý là việc sử dụng phân tích dữ liệu và AI trong các lĩnh vực quản lý thảm thực vật (VM) và tiên đoán mất điện. Phần lớn các công ty điện lực chỉ ra rằng khoảng 20% ​​sự cố mất điện của họ là do các nguyên nhân liên quan đến thảm thực vật mặc dù VM thường đứng đầu danh sách các chi phí bảo trì đang thực hiện. Exelon đang sử dụng phân tích VM để kiểm soát chi phí và để tiên đoán rủi ro mất điện và lập kế hoạch khôi phục.

AIDASH sử dụng hình ảnh vệ tinh để thực hiện một loạt các hoạt động lập kế hoạch, ưu tiên và rà soát tinh vi (Ảnh st)

Tận dụng mối quan tâm ngày càng tăng trong việc sử dụng phân tích dữ liệu để hiện đại hóa công tác quản lý thảm thực vật của công ty điện lực, Công ty AIDASH (Mỹ) đã kết hợp hình ảnh vệ tinh và AI để tạo thuận lợi cho việc theo dõi và thanh tra từ xa tình trạng hành lang an toàn (ROW) và thực hiện một loạt các hoạt động lập kế hoạch, ưu tiên và xem xét tinh vi. Các thuật toán cải tiến, theo từng trường hợp cụ thể, được đào tạo trước, hình ảnh giám sát từ vệ tinh và dữ liệu từ các nguồn khác được kết hợp với dữ liệu vị trí, thời tiết, đất và loài cây theo thời gian thực để xác định khoảng hở và tốc độ tăng trưởng của thảm thực vật dọc theo đường dây điện; xác định các khu vực nguy hiểm/có nguy cơ do cây cối và các khu vực có rủi ro cao; lập kế hoạch chu kỳ cắt tỉa/phát quang đường dây; và lập kế hoạch sử dụng thuốc diệt cỏ và các chất điều tiết sinh trưởng cây cối. Ngoài ra, các nền tảng của AIDASH có thể được sử dụng để cải thiện khả năng tránh, chuẩn bị và ứng phó khẩn cấp. Các khu vực dễ xảy ra thiên tai có thể được xác định và có thể lập kế hoạch trước để tránh/khắc phục thảm họa. Hơn nữa, có thể thu được hình ảnh vệ tinh sau sự kiện gần thời gian thực để hỗ trợ việc ứng phó và khắc phục thiệt hại.

Những kỳ vọng của khách hàng về độ tin cậy và độ dẻo dai cung cấp cơ sở lý luận thuyết phục để các công ty điện lực sử dụng MAIFI bên cạnh SAIDI và SAIFI để chứng minh những cải tiến dịch vụ đang diễn ra của họ. Các công ty tiên phong đang ngày càng sử dụng nhiều công nghệ kỹ thuật số tiên tiến để lập kế hoạch, phân tích, chẩn đoán, điều khiển và bảo trì hệ thống lưới điện của họ. AI và tự động hóa đang nhanh chóng mở rộng các lĩnh vực kinh doanh nơi chúng ta có thể thực hiện các cải tiến có ý nghĩa về độ tin cậy và tính năng, do đó sẽ tiếp tục nâng cao tiêu chuẩn về độ tin cậy lưới điện.

^aMAIFI (momentary average interruption frequency index) Chỉ số tần suất gián đoạn trung bình thoáng qua

Biên dịch: Bùi Thị Thu Hường

Theo “tdworld”, số tháng 2/2022