Phần mềm dự báo trước giá trị giảm sản lượng điện trong quá trình vận hành của nhà máy, từ đó giúp chủ sở hữu nhà máy lập phương án vận hành hợp lý và thu được tối đa lợi ích.

Dự báo trước công suất phát điện

TS Nguyễn Quang Ninh và nhóm nghiên cứu Viện Khoa học Năng lượng, Viện Hàn lâm Khoa học và Công nghệ Việt Nam đã tiến hành đề tài: “Nghiên cứu phương pháp và xây dựng phần mềm dự báo công suất phát ngắn hạn của nhà máy điện mặt trời ứng dụng trí tuệ nhân tạo”.

TS Nguyễn Quang Ninh cho biết, nhóm nghiên cứu đã xem xét các phương pháp dự báo ngắn hạn công suất phát nhà máy điện mặt trời ứng dụng trí tuệ nhân tạo, lựa chọn phương pháp phù hợp để ứng dụng cho các nhà máy điện mặt trời quy mô công nghiệp ở Việt Nam. Nhóm lập trình xây dựng phần mềm dự báo công suất phát ngắn hạn nhà máy điện mặt trời.

Kết quả của đề tài là phương pháp dự báo dựa trên kỹ thuật trí tuệ nhân tạo, để dự báo trước giá trị giảm sản lượng điện trong quá trình vận hành của nhà máy. Dự báo giúp chủ sở hữu nhà máy lập phương án vận hành hợp lý và thu được tối đa lợi ích trong điều kiện cắt giảm công suất phát.

Nhóm đã sử dụng mô hình LSTM để xây dựng công cụ dự báo công suất phát đầu ra của nhà máy điện mặt trời ở Việt Nam. Để giải quyết vấn đề công suất phát thực tế đầu ra của nhà máy điện mặt trời không tương ứng với công suất có thể phát của nhà máy theo bức xạ, do sự yêu cầu cắt giảm công suất từ các nhà điều hành hệ thống, các tác giả đã đề xuất một kỹ thuật phân tích mới để tăng tính chất của Bộ nhớ ngắn hạn dài (Long - Short Term Memory: LSTM), mạng nơ-ron để dự báo chính xác công suất đầu ra (chia khoảng GHI, thêm hệ số P/GHI và ứng dụng tập validation).

Mô hình dự báo kiểm chứng công suất phát cho nhà máy điện mặt trời vận hành thực tế theo các kịch bản: Một ngày mùa mưa, một ngày mùa nắng, một tháng mùa mưa, một tháng mùa nắng. Kết quả cho thấy công suất dự báo khá sát so với công suất phát thực tế với sai số phần trăm tuyệt đối trung bình MAPE đạt được dưới 10%, đáp ứng yêu cầu kỹ thuật đề ra, và phần mềm hoạt động dự báo ổn định trong điều kiện thí nghiệm.

Theo TS Nguyễn Quang Ninh, phương pháp mới được đề xuất hiệu quả hơn so với phương pháp cũ, do sai số dự báo MAPE (Lỗi phần trăm trung bình tuyệt đối) giảm 6,059% và RMSE (Lỗi bình phương trung bình gốc) giảm 6,710%. Điều này rất có ý nghĩa trong quản lý vận hành điện mặt trời.

Sẽ xây dựng hệ thống cảnh báo theo thời gian thực

TS Nguyễn Quang Ninh cho biết, giải pháp dự báo sản lượng điện mặt trời trong 5 phút tới, là dự báo từng bước. Kết quả dự báo công suất đầu ra của nhà máy điện mặt trời cho loại dự báo này có thể là dữ liệu đầu vào cho hệ thống quản lý năng lượng (EMS) để đưa ra các tính toán cảnh báo thời gian thực với trạng thái hoạt động trong 5 phút tới (quá tải, sự tắc nghẽn, vận hành tối ưu...).

Nó cho phép người điều phối kịp thời thực hiện các biện pháp trong các tình huống khẩn cấp để hạn chế rủi ro về tần số hoặc điện áp sụp đổ trong hệ thống.

Kết quả nghiên cứu có thể được ứng dụng trong các nhà máy điện mặt trời ở Việt Nam. Phần mềm dự báo sẽ giúp các nhà vận hành nhà máy điện mặt trời dự báo trước giá trị giảm sản lượng điện trong quá trình vận hành của nhà máy. Từ đó các chủ sở hữu nhà máy điện mặt trời có thể lập phương án vận hành hợp lý và thu được tối đa lợi ích trong điều kiện cắt giảm công suất phát.

Theo TS Nguyễn Quang Ninh, để có thể đưa kết quả của nghiên cứu này vào ứng dụng trong thực tiễn, nhóm nghiên cứu mong muốn sẽ tiếp tục thu thập dữ liệu, tính toán thử nghiệm cho các nhà máy điện mặt trời ở Việt Nam trong các điều kiện khác nhau và tiến hành xây dựng 1 hệ thống dự báo vận hành theo thời gian thực tế cho 1 nhà máy điện mặt trời ở Việt Nam. Từ đó làm cơ sở cho việc triển khai rộng hệ thống dự báo này tại các nhà máy điện mặt trời trên toàn quốc.