Đăng ký thành viên

AI và học máy có vai trò quan trọng trong quản lý thủy điện (Ảnh st)

Janice Goodenough, Giám đốc Điều hành của Công ty Hydrogrid (Áo), cung cấp những hiểu biết có giá trị về vai trò chuyển đổi của AI và học máy trong quản lý thủy điện.

Những thách thức chính trong quản lý thủy điện mà AI và học máy có thể giúp giải quyết là gì?

Đó là một câu hỏi quan trọng và để trả lời câu hỏi đó, trước tiên chúng ta cần làm sáng tỏ AI thực sự là gì. Nhiều người sợ AI vì AI nghe có vẻ phức tạp hoặc đáng sợ, nhưng về cơ bản, AI sử dụng dữ liệu và các thuật toán để hỗ trợ hoặc mô phỏng quá trình ra quyết định của con người.

Ngành thủy điện phải đối mặt với những thách thức như lập kế hoạch sản xuất, lập lịch bảo trì và quản lý nước. Các quyết định này thường cần đưa ra nhanh chóng, đôi khi chỉ trong vài giờ hoặc thậm chí vài phút. AI và khoa học dữ liệu giúp cung cấp các công cụ để các quy trình này nhanh hơn và chính xác hơn.

Quay trở lại câu hỏi ban đầu, dự báo dòng chảy vào là một trong những thách thức lớn nhất của thủy điện. Theo truyền thống, các nhà điều hành thủy điện dựa vào dữ liệu lịch sử và các mô hình cơ bản để tiên đoán các dòng chảy vào. Nhưng với sự thay đổi ngày càng tăng của các kiểu thời tiết, các phương pháp truyền thống này đang trở nên kém tin cậy hơn. AI có thể xử lý lượng lớn dữ liệu từ nhiều nguồn khác nhau - như dự báo thời tiết, tiên đoán tuyết tan và số liệu ghi chép lịch sử về dòng chảy vào - để tạo ra các dự báo dòng chảy vào chính xác và kịp thời hơn. Điều này cho phép các nhà điều hành quản lý hồ chứa tốt hơn, tối ưu hóa sự cân bằng giữa sản xuất điện và bảo tồn nước.

Một ứng dụng thực tế khác là lập kế hoạch bảo trì và tối ưu hóa thời gian bảo trì. Bằng cách sử dụng các tiên đoán về dòng chảy vào cũng như giá thị trường điện hoặc biểu giá điện ưu đãi, các nhà điều hành có thể lập kế hoạch bảo trì theo cách tối ưu giúp giảm thiểu tổn thất doanh thu. Ví dụ, tối ưu hóa thời gian bảo trì có thể giúp các nhà điều hành đưa ra quyết định xem có đáng để lên lịch bảo trì vào cuối tuần hay không – khi chi phí lao động sẽ cao hơn – để giảm chi phí thời gian chết (vì giá điện có thể thấp hơn vào cuối tuần). Việc xem xét rõ ràng chi phí của cả hai lựa chọn cạnh nhau có thể đưa ra các quyết định như vậy theo cách sáng suốt và định lượng đầy đủ.

Lập kế hoạch sản xuất cũng là một lĩnh vực quan trọng mà AI tạo nên sự khác biệt. Đối với các nhà máy thủy điện có khả năng tích trữ nước, điều thiết yếu là phải lập kế hoạch sản xuất không chỉ cho tương lai gần mà còn cho nhiều tuần hoặc nhiều tháng tới. AI giúp tối ưu hóa các kế hoạch này, có tính đến các yếu tố như dòng chảy vào dự kiến, giá thị trường và các yêu cầu về môi trường.

Khái niệm phòng điều khiển thủy điện kỹ thuật số

Phòng điều khiển thủy điện (Ảnh st)

Khái niệm phòng điều khiển thủy điện đã tồn tại trong nhiều năm. Theo truyền thống, các phòng điều khiển này chứa đầy các mặt đồng hồ đo analog mà người điều hành sử dụng để theo dõi và kiểm soát hoạt động của nhà máy thủy điện. Mặc dù công nghệ này đã thay đổi, nhưng khái niệm cơ bản vẫn giữ nguyên: đó là trung tâm quản lý thời gian thực của các nhà máy thủy điện.

Những gì chúng tôi đang làm hiện nay là đưa khái niệm này vào kỷ nguyên số. Phòng điều khiển thủy điện kỹ thuật số không chỉ là thay thế các mặt đồng hồ đo analog bằng màn hình kỹ thuật số; mà còn là bổ sung thêm các lớp trí tuệ tiên đoán. Điều này có nghĩa là người điều hành không chỉ có thể thấy những gì đang diễn ra ngay bây giờ mà còn có thể hiểu rõ hơn về những gì có nhiều khả năng sẽ xảy ra trong tương lai gần.

Với việc tích hợp AI, chúng ta có thể chuyển từ quản lý thụ động – phản ứng với các vấn đề khi chúng xảy ra – sang quản lý chủ động, nơi chúng ta có thể lường trước các vấn đề tiềm ẩn và tối ưu hóa hoạt động trước khi chúng trở thành vấn đề. Sự thay đổi này cải thiện đáng kể hiệu quả vận hành và giảm khả năng xảy ra lỗi của con người, giúp toàn bộ quy trình trở nên hợp lý và hiệu quả hơn.

Nền tảng của Hydrogrid góp phần cải thiện sự phù hợp với môi trường và tính bền vững

Thủy điện là nguồn năng lượng độc nhất vô nhị vì nó gắn chặt với nguồn nước tự nhiên. Nước dùng để phát điện cũng cần thiết cho nước uống, tưới tiêu và kiểm soát lũ lụt, do đó cần có trách nhiệm quản lý nước một cách khôn ngoan. Các cơ quan quản lý áp đặt nhiều yêu cầu về môi trường khác nhau để đảm bảo các nhà máy thủy điện hoạt động theo cách giảm thiểu tác động của chúng đến môi trường.

Nền tảng Hydrogrid giúp các nhà điều hành đáp ứng các yêu cầu về sự phù hợp với môi trường này bằng cách cung cấp các công cụ tiên tiến để lập kế hoạch và quản lý theo thời gian thực.

Ví dụ, trong các sự kiện thời tiết cực đoan như tuyết tan nhiều, gió mùa hoặc các điều kiện El Niño, nền tảng của Hydrogrid có thể tiên đoán tác động đến dòng nước chảy vào và giúp các nhà điều hành lập kế hoạch phù hợp. Điều này đảm bảo quản lý nước một cách hiệu quả, giảm thiểu sự cố tràn và tác động đến môi trường, đồng thời tối đa hóa sản lượng điện.

Làm thế nào AI và học máy có thể tăng sản lượng điện lên tới 10%?

Có hai con đường chính qua đó khoa học dữ liệu và học máy có thể góp phần tăng sản lượng điện tại các nhà máy thủy điện.

Con đường đầu tiên liên quan đến việc tối ưu hóa hiệu suất tuabin. Với các mô hình dòng chảy vào thay đổi, đặc biệt là đối với các nhà máy điện có nhiều tuabin vận hành song song, có một cách tối ưu để phân phối nước qua các tuabin tại bất kỳ thời điểm nào để tối đa hóa sản lượng điện.

Con đường thứ hai dành riêng cho các nhà máy điện linh hoạt có khả năng tích trữ. Ở đây, chìa khóa để tăng sản lượng điện là tránh tràn nước không cần thiết. Chúng ta cần quản lý mực nước trong các hồ chứa một cách thông minh và chủ động. Điều này có nghĩa là chuyển từ cách tiếp cận thụ động (ví dụ như "Trời đang mưa, hãy tăng sản lượng điện") sang cách tiếp cận chủ động (ví dụ như "Ngày mai trời sẽ mưa, hãy xả nước trong hồ chứa hôm nay để hứng hết nước đó nhằm sử dụng sau"). Cách tiếp cận này không chỉ có lợi cho việc phát điện mà còn cải thiện các khía cạnh an toàn.

Điều thú vị là các chiến lược này là liên kết lợi ích của nhà sản xuất điện, môi trường và hộ tiêu thụ. Bằng cách triển khai lập kế hoạch sản xuất thông minh và quản lý nước, chúng ta tăng doanh thu của các nhà sản xuất điện, giúp vận hành an toàn hơn, hỗ trợ sự ổn định của lưới điện và cung cấp điện khi hộ tiêu thụ cần điện nhất. Đây là trường hợp hiếm hoi khi mà các lợi ích được liên kết hoàn hảo giữa tất cả các bên.

Một số ví dụ thực tế minh họa những lợi ích này:

• Ở Ấn Độ, Hydrogrid đã giúp một nhà điều hành thủy điện quản lý an toàn nhà máy thủy điện của họ trong mùa gió mùa. Nhà máy thủy điện nằm ở thượng nguồn của một thành phố lớn và bất kỳ sự cố tràn đập nào đều có thể gây thiệt hại cho khu vực xung quanh. Việc lập kế hoạch sản xuất thông minh của Hydrogrid không chỉ nâng cao hiệu quả và doanh thu mà còn tăng cường an toàn cho người dân địa phương.
• Tại Vương quốc Anh, Hydrogrid đã giúp nhà sản xuất thủy điện lớn nhất của quốc gia này trong việc tối ưu hóa kế hoạch bảo trì của họ. Hydrogrid đã tích hợp dữ liệu từ nhiều hệ thống vào một nguồn thông tin duy nhất, cho phép toàn bộ tổ chức – từ người điều hành phòng điều khiển đến nhân viên bảo trì – truy cập thông tin thống nhất. Việc tối ưu hóa này đã giảm thiểu thời gian chết và tổn thất doanh thu trong khi vẫn hỗ trợ ổn định lưới điện bằng cách lên lịch bảo trì trong các giai đoạn nhu cầu điện thấp.
• Ở Na Uy, Hydrogrid đã giúp một công ty điện lực cỡ trung quản lý nước trong hệ thống bậc thang phức tạp của họ. Trước đây, nhóm kíp trực phải túc trực 24/7, nhiều khi phải bật dậy vào ban đêm để can thiệp thủ công khi mực nước quá cao hoặc quá thấp. Bằng cách tự động hóa phần lớn hoạt động quản lý can thiệp này với Hydrogrid Insight,
• Hydrogrid đã giảm khoảng 95% số lần thức dậy vào ban đêm, khiến nó trở thành ngoại lệ thay vì là chuẩn mực. Điều này mang lại lợi ích rất lớn cho nhóm kíp trực, giúp họ sảng khoái và tràn đầy năng lượng hơn để đưa ra quyết định vào ban ngày.

Hydrogrid Insight – Cho phép quản lý chủ động và ra quyết định chiến lược 24/7 (Ảnh st)

Các ví dụ này chứng minh giải pháp của Hydrogrid có thể mang lại tác động đáng kể, đặc biệt là đối với các công ty quản lý các hệ thống phức tạp gồm nhiều nhà máy.

Nền tảng của Hydrogrid cung cấp khả năng tối ưu hóa theo thời gian thực. Học máy cho phép thực hiện điều này như thế nào, và nó mang lại lợi ích gì cho thủy điện?

Nhà máy thủy điện kiểu dòng sông (Ảnh st)

Trước đây, việc lập kế hoạch sản xuất thủy điện khá đơn giản. Mười hoặc hai mươi năm trước, bạn có thể lập kế hoạch hàng năm cho một nhà máy thủy điện chỉ cần những điều chỉnh nhỏ trong suốt cả năm. Đối với các nhà máy thủy điện kiểu dòng sông, chiến lược rất đơn giản: phát điện khi có nhiều nước. Đối với các nhà máy thủy điện tích năng, mô hình có thể tiên đoán được: chạy vào ban ngày, bơm vào ban đêm. Kế hoạch hàng năm này thường vẫn khá chính xác.

Tuy nhiên, tình hình đã thay đổi rất lớn. Như chúng ta đã thảo luận trước đó, các kiểu thời tiết đã trở nên khó tiên đoán hơn nhiều. Ngoài ra, thị trường điện trên toàn thế giới đang tự do hóa, dẫn đến các hoạt động ngày càng ngắn hạn. Tùy thuộc vào khu vực, hiện tại chúng ta không chỉ thấy thị trường điện mua trước một ngày mà còn cả thị trường trong ngày và các dịch vụ phụ trợ lưới điện. Một số thị trường này hoạt động theo khoảng thời gian 15 phút hoặc thậm chí là những khung thời gian ngắn hơn.

Bối cảnh mới này khiến việc đưa ra quyết định tối ưu theo thời gian thực, 24 giờ một ngày mà không có sự hỗ trợ của học máy trở nên cực kỳ khó khăn. Đó là lý do tại sao chúng tôi phát triển thuật toán lập kế hoạch thông minh độc quyền có tên là Hiro. Việc thiết kế thuật toán này giúp người dùng điều hướng các quyết định phức tạp này.

Một tính năng chính của thuật toán Hiro là tính đa dụng của nó. Nó có thể quản lý mọi thứ từ các nhà máy điện kiểu dòng sông đơn giản đến các nhà máy bậc thang phức tạp trong một hệ thống lập kế hoạch sản xuất tích hợp duy nhất. Chúng tôi sử dụng phương pháp chia để trị nhằm giải quyết vấn đề lập kế hoạch tối ưu, giúp tăng đáng kể tốc độ tính toán.

Tốc độ tính toán tăng lên rất quan trọng vì nó cho phép tối ưu hóa theo thời gian thực. Khi nhận được dữ liệu cảm biến mới, chúng tôi có thể tính toán ngay lập tức tác động của nó lên dự báo dòng chảy vào và kế hoạch sản xuất tối ưu. Trong vòng chưa đầy 15 phút, chúng tôi có thể tạo ra một kế hoạch cập nhật để tối ưu hóa cho tình hình mới.

Khả năng này cung cấp cho các nhà điều hành thủy điện một lợi thế cạnh tranh đáng kể. Nó cho phép họ phản ứng theo thời gian thực với các sự kiện khi chúng diễn ra, điều chỉnh hoạt động của chúng để tối đa hóa hiệu suất và sản lượng trong một môi trường ngày càng biến động.

Những tiến bộ nào trong AI và học máy sẽ có tác động đáng kể nhất trong những năm tới?

Xu hướng quan trọng nhất mà chúng ta nhiều khả năng có thể thấy trong những năm tới là việc áp dụng rộng rãi AI và học máy trong vận hành thủy điện. Hiện tại, nếu chúng ta nhìn vào bức tranh toàn cầu, không chỉ riêng ở Châu Âu hay nước Mỹ, tôi ước tính rằng chưa đến 25% các nhà điều hành thủy điện đang sử dụng các công nghệ này ở bất kỳ công suất đáng kể nào trong các tổ chức của họ. Tuy nhiên, nhìn vào tương lai 10 đến 15 năm tới, tôi dự đoán con số này sẽ tăng lên khoảng 85%.

Động lực thúc đẩy sự chuyển đổi này là tính không thể tiên đoán được ngày càng tăng của các mô hình thời tiết và thị trường điện. Nói một cách đơn giản, AI và khoa học dữ liệu sẽ trở nên thiết yếu để các nhà điều hành thủy điện duy trì khả năng cạnh tranh. Nó giống như một cuộc chạy đua vũ trang về công nghệ – những ai không áp dụng các công nghệ mới này sẽ thấy mình ở thế bất lợi trên thị trường khi cạnh tranh với các nhà điều hành đã áp dụng các công cụ tiên tiến này.

Hơn nữa, tôi tin rằng việc sử dụng AI và học máy sẽ ngày càng trở thành yêu cầu theo quy định. Các cơ quan quản lý chịu trách nhiệm quản lý an toàn lũ lụt hoặc sự phù hợp của thủy điện với môi trường nhiều khả năng sẽ đòi hỏi các nhà điều hành thủy điện sử dụng một số loại công cụ lập kế hoạch tiên đoán. Đó là do, các công nghệ này không chỉ tăng cường tính an toàn và sự phù hợp cho bản thân nhà máy thủy điện mà còn cho môi trường xung quanh.

Xu hướng này hài hòa với những nỗ lực của ngành thủy điện nhằm trở nên bền vững hơn và đáp ứng các hướng dẫn do các tổ chức như Hiệp hội Thủy điện Quốc tế (IHA) đặt ra. Việc triển khai AI và học máy hỗ trợ tính bền vững theo nhiều cách:

Trước tiên, thủy điện vốn đã là một dạng phát điện xanh, gần như không cacbon. Bằng cách sử dụng AI để tăng sản lượng điện của nhà máy thủy điện trong khi vẫn sử dụng cùng một lượng nước, chúng ta đang đóng góp thêm vào các mục tiêu bền vững. Ví dụ, tăng sản lượng điện lên 10% thông qua vận hành tối ưu hóa có tác động tích cực ngay lập tức đến Mục tiêu phát triển bền vững số 7 - Năng lượng sạch và giá cả phải chăng.

Thứ hai, quản lý nước tốt hơn thông qua AI có thể hỗ trợ quản lý lũ lụt, tưới tiêu và cung cấp nguồn nước đáng tin cậy cho các cộng đồng địa phương. Điều này góp phần vào các Mục tiêu phát triển bền vững 2, 6, 11 và 14 bằng cách đảm bảo tiếp cận nước uống sạch, hỗ trợ nông nghiệp, bảo vệ cộng đồng hạ lưu và hỗ trợ hệ sinh thái địa phương.

Về bản chất, việc áp dụng AI và học máy trong thủy điện không chỉ nhằm nâng cao hiệu quả vận hành mà còn nhằm tạo ra một ngành công nghiệp bền vững và có trách nhiệm hơn, có thể phục vụ tốt hơn cho cả nhu cầu của môi trường và cộng đồng.