Cơ sở lý thuyết
Quản lý nhu cầu
Quản lý nhu cầu là yếu tố then chốt cho sự phát triển bền vững của ngành năng lượng, giúp tối ưu hóa sử dụng điện và giảm thiểu khí thải Qua đó, nó nâng cao tính linh hoạt trong hệ thống điện và giảm lượng CO2 trong sản xuất điện Sự phát triển nhanh chóng của năng lượng tái tạo trong những năm gần đây đã đa dạng hóa công nghệ và giải pháp quản lý nhu cầu, củng cố vị trí của nó trong các vấn đề về điện năng.
1.1.1 Một số góc nhìn về quản lý điện năng
Hiện nay, có hai cách tiếp cận trong việc vận hành hệ thống điện để đáp ứng nhu cầu phụ tải dự báo trong tương lai Một là phát triển thêm các nguồn năng lượng mới từ phía nhà cung cấp Hai là áp dụng các biện pháp quản lý hiện đại nhằm tối ưu hóa nhu cầu sử dụng điện của người tiêu dùng.
Giải pháp đầu tiên nhằm cung cấp thêm điện năng để đáp ứng nhu cầu tiêu thụ ngày càng tăng do phát triển kinh tế và hiện đại hóa Ngược lại, giải pháp thứ hai tập trung vào việc duy trì sản lượng điện hiện tại và áp dụng các biện pháp quản lý hiệu quả để hạn chế sự gia tăng nhu cầu sử dụng điện.
1.1.2 Mục tiêu và lợi ích của quản lý nhu cầu
Quản lý nhu cầu được ra đời để giải quyết góc nhìn thứ hai nêu trên
Quản lý nhu cầu là quá trình lập kế hoạch, thực hiện và giám sát các chương trình và công cụ nhằm thay đổi thói quen tiêu thụ điện của khách hàng, từ đó đạt được đồ thị phụ tải như mong muốn.
Quản lý nhu cầu mang lại lợi ích cho cả hai phía là bên sản xuất và bên sử dụng điện:
- Giảm thiểu lượng dự trữ
- Nâng cao hiệu quả kinh tế thông qua cải thiện hiệu suất vận hành lưới điện
- Nâng cao hiệu quả kinh tế của lưới phân phối
- Duy trì sự cân bằng giữa các nguồn năng lượng tái tạo
- Nâng cao hiệu quả tổng thể cho lưới điện
1.1.3 Cấu trúc của quản lý nhu cầu
Hình 1.1 Cấu trúc của quản lý nhu cầu
1.1.3.1 Tiết kiệm và sử dụng hiệu quả năng lượng
Tiết kiệm năng lượng là một yếu tố trọng tâm của quản lý năng lượng
Cả tiết kiệm năng lượng và sử dụng năng lượng hiệu quả đều nhằm mục đích bảo vệ môi trường, nhưng chúng có cách tiếp cận khác nhau Người tiêu dùng thường nhầm lẫn giữa hai khái niệm này.
Việc tiết kiệm năng lượng hiện vẫn chưa đạt hiệu quả như mong đợi Sự so sánh các yếu tố trong "bảng 1.1" sẽ giúp làm rõ sự khác biệt giữa tiết kiệm năng lượng và sử dụng năng lượng một cách hiệu quả.
Bảng 1.1 So sánh tiết kiệm điện năng và sử dụng hiệu quả
Yếu tố Tiết kiệm năng lượng Sử dụng hiệu quả Ý nghĩa
Thay đổi hành vi hoặc thói quen của người dùng hướng tới sử dụng ít điện năng hơn
Sử dụng các công nghệ hoặc phần mềm hỗ trợ quản lý
Sự tương tác của người dùng Có Có thể có hoặc không
Loại phụ tải Phụ tải truyền thống Phụ tải hiện đại (số)
Sự hài lòng của người dùng Cân đối Tối ưu
Sử dụng ánh sáng mặt trời
Sử dụng phương tiện chạy bằng điện
Sử dụng pin năng lượng mặt trời
1.1.3.2 Tối ưu hóa năng lượng và lịch trình sử dụng a) Tối ưu hóa năng lượng
Tối ưu hóa là quá trình lựa chọn giải pháp tối ưu nhất trong nhiều phương án để đạt được mục tiêu, liên quan đến việc xác định các cực đại hoặc cực tiểu dựa trên các ràng buộc nhất định.
Tối ưu hóa trong quản lý năng lượng giúp xác định các thông số cần thiết cho việc quản lý lưới điện thông minh Các thông số này được phân chia thành hai loại: thông số hiện hành và thông số mong muốn từ người dùng.
Quản lý năng lượng truyền thống dựa vào dự báo phụ tải từ đồng hồ cũ, gây ra nhiều vấn đề trong việc dự đoán mức tiêu thụ hàng giờ Hiện nay, đồng hồ kỹ thuật số đã thay thế đồng hồ truyền thống, cung cấp dữ liệu chính xác hơn cho việc dự báo phụ tải dựa trên "đáp ứng nhu cầu".
Dự báo năng lượng tiêu thụ là yếu tố quan trọng để tối ưu hóa việc sử dụng năng lượng Đồng thời, sự thoải mái của người dùng cũng là tiêu chí đánh giá hiệu quả của quá trình tối ưu hóa này Bên cạnh đó, lịch trình sử dụng năng lượng cần được xem xét để đạt được hiệu quả tốt nhất.
Theo xu hướng phát triển hiện nay, lưới điện truyền thống đang dần được thay thế bằng lưới điện phi tập trung Thay vì cắt giảm phụ tải, quản lý sẽ lập lịch trình sử dụng cho phụ tải Quản lý nhu cầu bao gồm việc thay đổi lịch trình của các thiết bị thông qua việc sửa đổi mô hình tiêu thụ điện năng của chúng.
Lập lịch trình sử dụng cho phụ tải là một kỹ thuật quan trọng trong quản lý phụ tải, giúp chuyển đổi các thiết bị số hiện đại từ giờ cao điểm sang giờ thấp điểm Kỹ thuật này không chỉ giảm thiểu đỉnh tiêu thụ điện trong giờ cao điểm mà còn tối ưu hóa mức tiêu thụ trong giờ thấp điểm Lập lịch trình phụ tải mang lại nhiều lợi ích cho các bên liên quan, bao gồm sản xuất, cung cấp và sử dụng điện, đồng thời cải thiện hệ số tải hiệu quả.
Nguồn phân tán, hay còn gọi là nguồn phi tập trung, là nguồn điện kết nối trực tiếp với lưới phân phối hoặc người dùng, đóng vai trò như một nguồn dự phòng cho người sử dụng điện Nguồn này không chỉ giúp giảm thiểu tổn thất mà còn giảm tải cho các đường dây truyền tải Công nghệ nguồn phân tán mang lại nhiều lợi ích kinh tế như giảm đỉnh, dự phòng và phát đồng thời Trong các ngôi nhà thông minh, nguồn phân tán bao gồm năng lượng tái tạo từ gió, mặt trời, tuabin khí, thiết bị ngoại vi và pin.
Với sự phát triển bền vững và giảm thiểu khí thải, năng lượng tái tạo đang trở thành nguồn năng lượng chủ lực, vượt trội so với các nguồn phân tán khác nhờ vào tính xanh, sạch và tiết kiệm chi phí Năng lượng mặt trời dẫn đầu trong lĩnh vực này, đặc biệt được ứng dụng rộng rãi trong các ngôi nhà thông minh Theo sau là năng lượng gió, trong khi năng lượng sinh khối cũng được sử dụng tại một số địa phương để phục vụ nhu cầu nấu ăn và sưởi ấm.
Năng lượng tái tạo mang lại nhiều lợi ích, nhưng cũng tồn tại những nhược điểm, trong đó sự phụ thuộc vào thiên nhiên là một trong những vấn đề lớn nhất Chẳng hạn, tấm pin năng lượng mặt trời chỉ hoạt động khi có ánh nắng và không phát điện vào ban đêm, dẫn đến gián đoạn trong cung cấp năng lượng Do đó, việc dự trữ năng lượng trở thành giải pháp quan trọng giúp khắc phục nhược điểm này Khi năng lượng tái tạo được lưu trữ, người tiêu dùng sẽ không còn phải phụ thuộc vào nguồn điện lưới.
Lưới điện thông minh
Ngày nay, hệ thống phân phối điện đang trở nên tin cậy và phục hồi nhanh hơn, dẫn đến sự ra đời của lưới phân phối điện thông minh Việc lắp đặt các thiết bị đóng cắt điều khiển từ xa và đồng hồ thông minh đã giúp giảm đáng kể thời gian mất điện và tăng tốc độ phục hồi Sự gia tăng số lượng thiết bị này đang chuyển đổi hệ thống phân phối truyền thống thành hệ thống phân phối điện thông minh của tương lai.
Lưới phân phối điện cung cấp năng lượng từ các trạm biến áp, với độ tin cậy là tiêu chí quan trọng để đánh giá hiệu quả hoạt động Tuy nhiên, độ tin cậy này thường bị ảnh hưởng bởi các yếu tố thiên nhiên như bão và sấm chớp Để giảm thiểu tác động của thiên nhiên và nâng cao độ tin cậy, chính phủ cùng các cơ quan quản lý năng lượng đang nỗ lực hiện đại hóa lưới phân phối bằng cách áp dụng các thiết bị thông minh.
Trước đây, công việc thu thập, điều khiển và giám sát dữ liệu từ xa gặp
Việc quản lý sự cố trong lĩnh vực điện lực gặp nhiều khó khăn do phần lớn dữ liệu chỉ được hiển thị tại hiện trường, dẫn đến sự chậm trễ trong kiểm soát và ứng phó Để xác định chính xác vị trí sự cố, các nhà điều hành thường phải phụ thuộc vào đội ngũ sửa chữa tại chỗ và thông tin từ khách hàng Trước những thách thức này, việc áp dụng lưới điện thông minh trở thành một giải pháp đổi mới cần thiết cho các nhà quản lý.
1.2.1 Hệ thống đo lường thông minh
Trong lưới phân phối thông minh, đồng hồ đo lường thông minh đóng vai trò quan trọng trong việc điều khiển và giám sát, giúp thu thập dữ liệu và rút ngắn thời gian phản ứng với các sự kiện ảnh hưởng đến độ tin cậy của lưới điện Với khả năng liên lạc hai chiều, đồng hồ thông minh tự động truyền dữ liệu về điện năng tiêu thụ hàng ngày và các thông số vận hành của lưới điện đến nhà điều hành Thông tin nhận được bao gồm điện áp (kV), công suất tác dụng (kW) và công suất biểu kiến (kVA), cho phép nhà điều hành giám sát hoạt động theo thời gian thực một cách hiệu quả.
Cấu trúc truyền thông của đồng hồ thông minh cho phép các thiết bị đo lường thông minh thu thập dữ liệu tiêu thụ từ khách hàng hoặc thông số vận hành mỗi 5 phút Tùy thuộc vào khối lượng dữ liệu thu thập được, thông tin sẽ được gửi đến hệ thống quản lý dữ liệu đo lường (MDSM) trung bình mỗi 15 phút Dữ liệu này sẽ được chuyển đến điểm tập trung tại trung tâm điều hành phân phối qua mạng.
8 diện rộng (WAN) để phục vụ cho việc quản lý sự cố, lập hóa đơn khách hàng hay nhiều mục đích khác [3]
Hình 1.2 Cấu trúc truyền thông từ thiết bị đo lường thông tin đến trung tâm điều hành phân phối
Đồng hồ thông minh hỗ trợ nhiều ứng dụng hữu ích, trong đó có tính năng tự động lập hóa đơn cho khách hàng Chức năng này cho phép đồng hồ so sánh dữ liệu với bộ phân đo công suất và tự động gửi thông tin tiêu thụ về hệ thống, giúp tiết kiệm thời gian và nâng cao hiệu quả quản lý.
Khả năng ghi lại lịch sử hóa đơn và phân tích dữ liệu giúp nâng cao hiệu quả sử dụng điện năng cho khách hàng Đồng thời, việc ước tính trạng thái hiện tại của hệ thống phân phối và quản lý điện áp/công suất phản kháng là rất quan trọng để giảm tổn thất điện năng, giữ điện áp trong ngưỡng cho phép Đồng hồ thông minh cung cấp dữ liệu gần thời gian thực, hỗ trợ cho các hệ thống điều chỉnh điện áp và công suất phản kháng Hơn nữa, khả năng kết nối và ngắt kết nối từ xa của thiết bị đo lường thông minh cho phép quản lý điện năng sử dụng một cách nhanh chóng và chính xác, giảm thiểu sự phụ thuộc vào đội ngũ hiện trường Các chương trình đáp ứng nhu cầu cũng có thể được thực hiện thông qua thiết bị này, giúp điều khiển phụ tải của khách hàng trong giờ cao điểm Cuối cùng, việc dự báo và mô hình hóa phụ tải là yếu tố quyết định trong việc hoạch định nguồn lực và lập kế hoạch xây dựng, vận hành hiệu quả.
1.2.2 Khả năng điều khiển từ xa trong lưới phân phối thông minh a) Vai trò của các thiết bị chuyển mạch từ xa
Khả năng chuyển mạch từ xa mang lại nhiều lợi ích nổi bật cho nhà phân phối, cho phép họ khôi phục dịch vụ một cách nhanh chóng và hiệu quả.
Chỉ với vài thao tác đơn giản, khách hàng có thể chuyển nguồn cấp khi gặp sự cố từ xa mà không cần đến tận nơi Mặc dù chi phí lắp đặt thiết bị chuyển mạch từ xa này khá thấp với số lượng hạn chế, các nhà cung cấp cần tính toán kỹ lưỡng để cân bằng giữa yếu tố kinh tế và kỹ thuật Hơn nữa, việc điều khiển từ xa còn góp phần nâng cao độ tin cậy cho lưới điện thông minh.
Hiện nay, để đánh giá độ tin cậy của lưới điện, hai thông số quan trọng được sử dụng là Thời gian Mất Điện Trung Bình (SAIDI) và Tần Suất Mất Điện Trung Bình (SAIFI) SAIDI đo lường tổng thời gian mà khách hàng không có điện trong một khoảng thời gian nhất định, trong khi SAIFI tính toán số lần mất điện trung bình mà mỗi khách hàng trải qua.
Báo cáo thường niên về độ tin cậy của hệ thống điện năm 2014 chỉ ra rằng các thông số SAIDI và SAIFI chỉ được tính khi xảy ra mất điện liên tục từ 5 phút trở lên Thời gian để nhà cung cấp liên lạc với đội hiện trường và xử lý thiết bị chuyển mạch tại chỗ có thể kéo dài Tuy nhiên, nhược điểm này có thể được khắc phục bằng cách thay thế bộ chuyển mạch truyền thống bằng thiết bị chuyển mạch từ xa, giúp nhà cung cấp thao tác chuyển nguồn và cách ly sự cố chỉ trong vài giây Điều này dẫn đến việc giảm đáng kể thời gian mất điện và nâng cao độ tin cậy của hệ thống điện.
Đáp ứng nhu cầu phụ tải
Lưới điện là một hệ thống phức tạp dùng để truyền tải điện từ các nhà máy đến người tiêu dùng Mặc dù đã có nhiều cải tiến về thông tin và điều khiển, hệ thống điện vẫn chưa bắt kịp với sự phát triển nhanh chóng của công nghệ Đáp ứng phụ tải (DR) hiện nay cung cấp nhiều ứng dụng phong phú cho hệ thống điện, với các chương trình đã phát triển từ việc cắt giảm phụ tải trong giờ cao điểm thành các giải pháp đa dạng nhằm đáp ứng nhiều mục tiêu mới DR không chỉ giúp giảm tải trong thời gian cao điểm mà còn trở thành công cụ quan trọng cho các nhà quản lý, cho phép họ giải quyết nhiều thách thức trong hệ thống điện và tối ưu hóa lợi ích từ thị trường điện.
Gần đây, sự tham gia ngày càng tăng của các nhà đầu tư vào phát triển ứng dụng đáp ứng phụ tải (DR) đã tạo ra nhiều dịch vụ hiệu quả về chi phí và độ tin cậy Chương trình DR không chỉ giúp quản lý năng lượng hàng ngày mà còn cung cấp các dịch vụ phụ trợ như dự trữ năng lượng, theo dõi và điều tiết phụ tải Sự phát triển này đã mang lại những tác động tích cực, thúc đẩy thị trường mở rộng và tích hợp nhiều tính năng của DR hơn nữa.
1.3.2 Khái niệm về đáp ứng phụ tải
Nhu cầu sử dụng điện năng thay đổi liên tục theo thời gian, với mức tiêu thụ cao hơn vào mùa hè do sự gia tăng sử dụng các thiết bị như quạt và điều hòa Trước đây, các nhà cung cấp điện chỉ có thể điều chỉnh sản lượng của các nhà máy phát điện để đáp ứng nhu cầu này, nhưng điều này yêu cầu đầu tư lớn vào cơ sở hạ tầng, đặc biệt là trong việc dự trữ điện Tuy nhiên, nhu cầu cao điểm chỉ xảy ra trong một số khoảng thời gian nhất định trong ngày, dẫn đến việc các cơ sở vật chất không được sử dụng hiệu quả, làm giảm hiệu quả của quá trình đầu tư.
Các công ty điện lực đã phát triển ứng dụng đáp ứng phụ tải (DR) để tăng cường tính linh hoạt của phụ tải, nhằm hạn chế nhu cầu trong các giờ cao điểm Điều này giúp nhà cung cấp tránh được việc sử dụng các nguồn năng lượng tốn kém và giảm thiểu đầu tư vào công suất dự trữ cho những thời điểm cao điểm.
Hiện nay, điện năng từ các nguồn năng lượng tái tạo như điện gió và điện mặt trời đang ngày càng chiếm tỷ trọng lớn, giúp giảm tải trong giờ cao điểm Điều này thúc đẩy sự phát triển vượt trội của ứng dụng đáp ứng phụ tải (DR) so với các phương pháp truyền thống Các thế hệ DR tiếp theo được kết nối với nhiều hình thức dự trữ năng lượng và ứng dụng tự động hóa, cho phép nhanh chóng ứng phó với những thay đổi trong hệ thống điện, đặc biệt là về tần số.
Nhìn từ góc độ lưới điện thông minh, chương trình đáp ứng phụ tải giúp người dùng quản lý và sắp xếp lại mức tiêu thụ điện năng, từ đó giảm chi phí vận hành nhờ vào việc lựa chọn nguồn năng lượng giá rẻ hơn Đồng thời, việc này cũng tiết kiệm chi phí nâng cao dự trữ hàng năm và góp phần nâng cao độ tin cậy của hệ thống điện.
Hệ thống cắt giảm, dịch chuyển và hạn chế phụ tải trong các giờ cao điểm giúp nâng cao độ tin cậy của hệ thống điện Thông qua việc đấu thầu và ký kết hợp đồng với người dùng, thị trường điện trở nên minh bạch và hiệu quả hơn, đồng thời mang lại lợi ích kinh tế cho cả bên sản xuất, quản lý và người tiêu dùng Nhìn chung, nhu cầu phụ tải có thể được chia thành ba khía cạnh chính.
Cắt giảm phụ tải đỉnh là biện pháp cần thiết để ngăn chặn tình trạng nhu cầu sử dụng điện vượt quá mức dự trữ của trạm phân phối hoặc gây quá nhiệt cho máy biến áp Tuy nhiên, người dùng có thể cảm thấy không hài lòng khi phải giảm nhu cầu sử dụng điện của mình.
Tăng phụ tải đáy nhằm khuyến khích khách hàng tiêu thụ năng lượng ngoài giờ cao điểm, đặc biệt là các phụ tải lưu trữ như sạc xe điện Điều này giúp tối ưu hóa việc sử dụng năng lượng và giảm áp lực lên lưới điện trong những thời điểm cao điểm.
Dịch chuyển phụ tải là quá trình điều chỉnh nhu cầu tiêu thụ điện của khách hàng trong một ngày, nhằm duy trì sự cân bằng giữa việc cắt giảm phụ tải đỉnh và chuyển lượng phụ tải đó để lấp đầy phụ tải đáy.
Hình 2.1 Cắt giảm phụ tải đỉnh
Hình 2.2 Lấp đầy phụ tải đáy
Hình 2.3 Dịch chuyển phụ tải
1.3.3 Lợi ích mà đáp ứng phụ tải đem lại Đáp ứng phụ tải (DR) mang lại rất nhiều lợi ích cho hệ thống điện và có thể chia ra thành 3 loại: hiệu quả kinh tế, độ tin cậy của hệ thống và bảo vệ môi trường DR được tạo nên bởi một tập hợp các phần tử khác nhau giúp đa dạng hóa và đáp ứng được nhiều yêu của của nhiều hệ thống
Hiệu quả kinh tế của DR được thể hiện qua việc giảm giá bán điện trên thị trường, nhờ khả năng thay thế các nguồn năng lượng truyền thống bằng nguồn năng lượng rẻ hơn Điều này không chỉ giúp phủ đỉnh mà còn tối ưu hóa việc phân bổ phụ tải, từ đó tạo ra một đồ thị phụ tải đồng đều hơn.
Sự linh hoạt của ứng dụng DR không chỉ nâng cao hiệu quả thị trường mà còn giảm thiểu nguy cơ thao túng từ các nhà phân phối điện Bên cạnh đó, ứng dụng này còn mang lại nhiều lợi ích kinh tế khác, bao gồm quản lý rủi ro và quản lý tài chính hiệu quả.
Nâng cao độ tin cậy của hệ thống Đáp ứng phụ tải (DR) giúp người vận hành có thêm nguồn lực trong các tình huống khẩn cấp, tránh mất điện Ứng dụng DR còn cung cấp dịch vụ phụ trợ như dự trữ năng lượng và cân bằng nhu cầu thông qua việc điều chỉnh nhanh chóng mức tiêu thụ Nhờ đó, độ ổn định của hệ thống được cải thiện rõ rệt bằng cách thay đổi hợp lý nguồn cung và nhu cầu phụ tải Các dịch vụ từ nhiều nguồn tài nguyên khác nhau trong DR được minh họa trong “hình 2.4”.
Hình 2.4 Các dịch vụ được cung cấp từ nhiều nguồn
Bảo vệ môi trường thông qua đáp ứng phụ tải (DR) giúp kết nối nhu cầu tiêu thụ với nguồn năng lượng tái tạo như điện gió và điện mặt trời Khả năng linh hoạt của DR cho phép năng lượng tái tạo chiếm tỷ lệ lớn hơn trong hệ thống điện, tạo ra nguồn điện dồi dào và thậm chí dư thừa trong điều kiện thích hợp Tuy nhiên, lượng điện dư thừa này không gây hại cho hệ thống, nhờ vào dịch vụ dự trữ mà DR cung cấp, hỗ trợ quản lý khi nguồn cung vượt quá mức tiêu thụ.
1.3.4 Các dịch vụ và phân loại đáp ứng phụ tải
Phần mềm giả lập lịch trình phụ tải LPG (Load Profile Generator)
Hiện nay, nghiên cứu và phân tích lưới phân phối, đặc biệt là các phụ tải gia đình, đang nhận được nhiều sự quan tâm Tuy nhiên, việc thu thập dữ liệu từ các hộ gia đình vẫn là một thách thức lớn, do một số quốc gia chưa triển khai được hệ thống này.
Hệ thống đo lường thông minh cho lưới điện yêu cầu các nhà khoa học phát triển phần mềm đáng tin cậy với nguồn dữ liệu đa dạng Để thay thế cho các khảo sát thực tế, phần mềm giả lập lịch trình phụ tải LPG đã được ra đời, cung cấp cơ sở dữ liệu cần thiết cho nghiên cứu và phân tích.
Phần mềm LPG được phát triển để nghiên cứu công nghệ năng lượng mới, lưới phân phối hạ áp và dự trữ năng lượng Dựa trên mô hình hành vi của nhà tâm lý học D Dorner, phần mềm này phân tích mối quan hệ giữa mong muốn và hành động của con người, từ đó xác định loại phụ tải liên quan đến những hành động đó.
Phần mềm LPG cung cấp một bộ sưu tập phong phú về mẫu người, bao gồm các yếu tố như tuổi tác, giới tính, nghề nghiệp và loại hình gia đình, giúp đáp ứng nhu cầu đa dạng của người dùng.
Phần mềm này không chỉ tập trung vào việc tạo ra nhiều mô hình giống nhau mà còn nhằm tạo ra những sự khác biệt rõ rệt giữa các gia đình Chẳng hạn, một gia đình có cả hai vợ chồng làm việc văn phòng sẽ có lối sống và nhu cầu khác hẳn so với một gia đình trong đó chồng làm nghề tự do và vợ ở nhà chăm sóc gia đình.
1.4.2 Mô hình cơ bản của phụ tải hộ gia đình a) Mô hình một hộ gia đình được khởi tạo theo 5 bước cơ bản (hình 3.1): Bước 1: Tạo mô hình đơn bao gồm thông tin phụ tải, số người, thời gian
Bước 2: Thêm các thông tin cụ thể hơn bao gồm nhiệt độ, vị trí địa lý, ngày lễ,…
Bước 3: Mở rộng mô hình
Bước 4: Lựa chọn phụ tải tự động
Bước 5: Tạo ra các mô hình hộ gia đình khác nhau
24 b) Các yếu tố ảnh hưởng đến lựa chọn phụ tải tự động:
Khả năng chi trả chi phí
Mỗi yếu tố đều có ảnh hưởng riêng đến con người; chẳng hạn, những người yêu thích giải trí thường sử dụng nhiều thiết bị như TV, radio và máy tính.
Hình 3.1 Các bước khởi tạo mô hình
Hình 3.2 Sự tương tác giữa các yếu tố của mô hình
Loại phụ tải là yếu tố cơ bản ảnh hưởng đến mọi kết quả tính toán Loại phụ tải bao gồm một số thông tin cơ bản (hình 3.3):
Tên phụ tải: tên của phần tử (không quá 200 ký tự)
Name of the unit of power: đơn vị tính toán Công suất tác dụng của phụ tải điện (W), lưu lượng nước (l/min)
Name of the unit of sums: đơn vị tổng, thường được tính theo ngày, tháng năm với thiết bị điện là kWh, với nước là m 3
Mức độ quan trọng của loại phụ tải ảnh hưởng trực tiếp đến số lượng phụ tải được lựa chọn trong các mô hình, tùy thuộc vào nhu cầu của người dùng.
Hình 3.3 Thuộc tính của loại phụ tải
Mức độ mong muốn thể hiện qua các hành động cụ thể, ảnh hưởng đến việc lựa chọn phụ tải liên quan Khi mong muốn giải trí đạt 25%, phần mềm chỉ chọn phụ tải TV với thời gian sử dụng 2 giờ mỗi ngày Ngược lại, nếu mong muốn tăng lên 75%, thời gian sử dụng TV sẽ được gia tăng cùng với việc lựa chọn thêm các phụ tải khác.
Trong khoảng thời gian từ 5 đến 6 giờ mỗi ngày, nhiều thiết bị khác nhau sẽ được lựa chọn, bao gồm máy tính cá nhân, radio và máy chơi game PS3 Các thuộc tính được thiết lập như mô tả trong "hình 3.4" và được tổng hợp lại như thể hiện trong "hình 3.5".
Hình 3.4 Thuộc tính của sự mong muốn
Ngưỡng suy giảm mặc định (%): Đây là giá trị giới hạn mà con người bắt đầu cảm thấy mong muốn Chẳng hạn, nếu một người đặt giá trị mong muốn ăn uống là 50% nhưng đã ăn no đến 75%, thì lúc này mọi nhu cầu về ăn uống sẽ trở về 0%.
Default decay rate (h): thời gian để đạt được giá trị mong muốn đã đặt Default weight: mức độ quan trọng của sự mong muốn
Hình 3.5 Bảng tổng hợp sự mong muốn
1.4.5 Thông tin chi tiết về người sử dụng
Description: mô tả thêm đặc điểm về người dùng
Age: tuổi của người dùng Độ tuổi sẽ giới hạn lượng hoạt động của người dùng Ví dụ, đứa trẻ 3 tuổi sẽ không thể nấu nướng
Số ngày ốm trong năm phản ánh nhu cầu cao hơn của người bệnh so với người khỏe mạnh Khi ốm, họ thường không đi làm hay ra ngoài, mà thay vào đó, dành nhiều thời gian để nghỉ ngơi và ngủ nhiều hơn.
Gender: giới tính cũng ảnh hưởng lớn đến thói quen của người sử dụng điện
Các thông tin được cài đặt được thể hiện trên “hình 3.6” và “hình 3.7”
Hình 3.6 Thông tin về mô hình sử dụng đối tượng
Hình 3.7 Thông tin về người sử dụng
1.4.6 Thông tin về thời gian
Thông tin về thời gian sử dụng cho phụ tải hoặc hành động của người dùng được phân chia thành hai loại: chính xác và tương đối Thông tin chính xác cung cấp số liệu chi tiết theo từng khoảng thời gian, ví dụ như 00:01 1000W; 00:02 400W, trong khi thông tin tương đối thể hiện dưới dạng phần trăm, chẳng hạn như 00:01 40% Mỗi loại thông tin có ưu điểm riêng: thông tin chính xác phù hợp cho một phụ tải cụ thể, còn thông tin tương đối thích hợp cho nhóm nhiều phụ tải Dữ liệu cài đặt được trình bày trong các hình 3.8, 3.9 và 3.10.
Hình 3.8 Dữ liệu cài đặt thời gian
Hình 3.9 Nhập dữ liệu có sẵn từ excel
Hình 3.10 Dữ liệu thiết bị sử dụng thẻ thời gian này
Time profile type: Loại thời gian Chính xác hoặc tương đối
Duration: thể hiện độ dài khoảng thời gian được xét Thường được tính theo mỗi phút
Import data: Nhập dữ liệu từ tệp excel có sẵn (hình 3.9)
1.4.7 Thông tin về phụ tải
Hình 3.11 Thông tin phụ tải
Hình 3.12 Chi tiết phân loại phụ tải
Hình 3.13 Dữ liệu điện năng và công suất của phụ tải
Hình 3.14 Dữ liệu mô hình phụ tải được sử dụng
Thông tin, dữ liệu cài đặt phụ tải được thể hiện trên “hình 3.11 – 3.14”: Tên phụ tải
Description: Thông tin thêm về phụ tải (không ảnh hưởng đến mô phỏng)
Production year: Năm sản xuất (không ảnh hưởng đến mô phỏng)
Weight energy intensity: Thể hiện mức độ ưu tiên của phụ tải trong các mô hình khi được chọn ngẫu nhiên
Load type: Loại phụ tải (tiêu thụ điện hoặc nước)
Maximum power: Công suất tối đa (W)
Average yearly consumption for this devide (kWh): Điện năng tiêu thụ trung bình mỗi năm của thiết bị
Hệ số cos-phi được đặt cố định ở mức 0.95 đối với phụ tải điện
1.4.8 Thông tin về vị trí địa lý
Vị trí địa lý là yếu tố ảnh hưởng rất lớn đến thói quen sử dụng điện của người dùng (hình 3.15 – 3.17):
Hình 3.16 Số liệu vị trí cụ thể của thành phố
Time limit for light: Số giờ tối đa sử dụng được ánh sáng tự nhiên hoặc giờ sinh hoạt phải dùng ánh sáng từ thiết bị
1.4.9 Thông tin về hộ gia đình
Hình 3.17 Dữ liệu hộ gia đình
Hình 3.18 Dữ liệu thành viên trong gia đình
Hình 3.19 Dữ liệu công việc của thành viên
Hình 3.20 Các hoạt động cụ thể của từng thành viên
Name: Tên hộ gia đình
Device Selection: Lựa chọn kiểu phụ tải
Vacation: Lựa chọn kỳ nghỉ
Energy intensity: Chọn mức độ tiêu thụ điện năng (Tiết kiệm, ngẫu nhiên, thoải mái)
Persion: Chọn người trong gia đình
Living pattern tag: Tùy chọn một số hành động hoặc lối sống của thành viên
1.4.10 Giả lập, tính toán mức tiêu thụ của hộ gia đình
1.4.10.1 Tính toán mức độ tiêu thụ điện năng
Phần mềm LPG sử dụng nhiều loại dữ liệu khác nhau về từng cá nhân, thời gian cũng như địa điểm áp dụng (hình 3.21 – 3.23) để giả lập tính toán
Vì vậy, kết quả đạt được rất sát với thực tế và được nhiều tác giả sử dụng cho mô phỏng
Hình 3.21 Nhập dữ liệu cho tính toán 1
Hình 3.22 Nhập dữ liệu cho tính toán 2
Hình 3.23 Nhập dữ liệu cho tính toán 3
Caculation type: Loại hình gia đình (hộ gia đình mặc định hoặc tùy biến)
Target: Mục tiêu cụ thể của mô hình
Internal, External time resolution: Khoảng thời gian tính toán số liệu (1 phút/lần – 1 giờ/lần)
Temperature profile: Dữ liệu nhiệt độ
Geographic location: Dữ liệu địa lý
Energy intensity: Lựa chọn mức độ tiêu thụ điện của hộ gia đình
Start – end date: Ngày giờ tính toán cụ thể
Load type to include: Lựa chọn loại phụ tải (tự chọn, gọi ý hoặc tất cả) Transportation device set: Phương tiện di chuyển đi làm
Sau khi hoàn tất quá trình giả lập, kết quả sẽ được lưu dưới dạng file Excel chi tiết, bao gồm các đồ thị phụ tải về tổng năng lượng tiêu thụ theo từng cá nhân, thiết bị và theo từng giờ Các thông tin này thể hiện hành động của từng người, lượng tiêu thụ của toàn gia đình và từng thiết bị, được trình bày trong các hình 3.24 đến 3.27.
Hình 3.24 Tệp dữ liệu kết quả
Hình 3.25 Tệp biểu đồ hiển thị hành động và điện năng tiêu thụ
Hình 3.26 Dữ liệu vận hành của thiết bị
Hình 3.27 Các tệp kết quả tính toán chi tiết
Kết luận
Quản lý nhu cầu hiện nay đóng vai trò quan trọng trong sự phát triển bền vững của ngành năng lượng Để đạt được hiệu quả trong quản lý nhu cầu, cần áp dụng các chiến lược tối ưu và công nghệ tiên tiến nhằm giảm thiểu lãng phí và nâng cao hiệu suất sử dụng năng lượng.
Để phát huy những lợi thế vốn có, cần kết hợp với lưới điện thông minh, trong đó có sự tham gia của các thiết bị đo lường thông minh.
Quản lý nhu cầu bao gồm nhiều phương pháp và chương trình khác nhau, trong đó việc đáp ứng phụ tải là công cụ quan trọng để điều tiết các phụ tải trong lưới phân phối Các giải pháp như dịch chuyển phụ tải và cắt giảm đỉnh tải không chỉ tiết kiệm chi phí đầu tư nguồn dự trữ mà còn giảm ô nhiễm môi trường và cải thiện hiệu suất vận hành của lưới điện Tuy nhiên, việc xây dựng chương trình đáp ứng phụ tải cho các hộ gia đình nhỏ lẻ gặp khó khăn do yêu cầu thông tin lớn từ người dùng Do đó, dữ liệu thực tế đã được thay thế bằng dữ liệu giả lập trong phần mềm LPG để tối ưu hóa chi phí cho người sử dụng, như sẽ được trình bày trong chương 2.
Mô phỏng và kết quả
Chương trình đáp ứng phụ tải
Sự gia tăng đa dạng của phụ tải gia đình hiện nay đang dẫn đến mức tiêu thụ điện năng cao, nếu không được quản lý và sử dụng hợp lý.
Quản lý thời gian và nhu cầu sử dụng điện là rất quan trọng để tiết kiệm năng lượng và chi phí cho người tiêu dùng Để tối ưu hóa chi phí cho các thiết bị gia đình, người lập trình cần hiểu rõ đặc tính hoạt động của từng loại phụ tải.
Chương trình "đáp ứng phụ tải" có thể được thiết kế dựa trên khuyến khích người dùng hoặc giá điện Tuy nhiên, việc khuyến khích người dùng có thể gây ra lo ngại về việc cung cấp thông tin cá nhân và quyền kiểm soát phụ tải, làm cho họ cảm thấy không thoải mái Do đó, luận văn này đề xuất xây dựng chương trình DR dựa trên giá điện, nhằm đảm bảo sự chủ động cho người tiêu dùng và mang lại sự thoải mái cho khách hàng.
Chương trình DR trong luận văn phân tích thói quen sinh hoạt, mức tiêu thụ điện và giá điện của khách hàng nhằm đưa ra các gợi ý sử dụng phụ tải hiệu quả hơn, giúp khách hàng tiết kiệm chi phí điện năng.
Chương trình đáp ứng phụ tải đã được nhiều công trình nghiên cứu, tuy nhiên luận văn này giới thiệu một cách tiếp cận mới, tập trung vào việc tối ưu hóa lịch trình phụ tải Phương pháp này cho phép dịch chuyển nhu cầu phụ tải mà không làm giảm tổng lượng nhu cầu trong ngày, đồng thời vẫn đảm bảo tính ổn định và hiệu quả trong việc sử dụng năng lượng.
41 người sử dụng sẽ cảm thấy hài lòng khi nhu cầu của họ không bị dịch chuyển đi quá xa
Mô hình giá điện được phân chia theo các khung giờ cao điểm, thấp điểm và bình thường trong ngày nhằm tối ưu hóa lịch trình sử dụng điện, từ đó nâng cao hiệu quả sử dụng năng lượng.
Chương trình đáp ứng phụ tải được phát triển trên nền tảng phần mềm Matlab, tích hợp các hàm mục tiêu và ràng buộc thiết bị Dữ liệu đầu vào, bao gồm thiết bị, thời gian hoạt động, công suất và điện năng tiêu thụ, được cung cấp thông qua phần mềm giả lập lịch trình phụ tải LPG.
2.1.1 Hàm mục tiêu và các ràng buộc
Việc tối ưu lịch lịch trình và thời gian sử dụng phụ tải phải đảm bảo rằng chi phí điện hàng ngày nhỏ nhất:
(4.1) Đồng thời, lượng nhu cầu phụ tải sau khi tối ưu cũng phải được giữ nguyên:
Trong đó: T là các khoảng thời gian được xét trong ngày (T = 24 h), E i là điện năng tiêu thụ của thiết bị i trong thời gian t, Ct là giá điện trong khoảng thời
42 gian T, N là tổng số thiết bị được xét
2.1.1.2 Các ràng buộc bài toán
Để đảm bảo việc di chuyển và phân bổ đồng đều đồ thị phụ tải, lượng điện năng tiêu thụ trong mỗi giờ cần phải tuân thủ các ràng buộc giới hạn về điện năng.
Trong đó: E max(1h) là tổng điện năng được tiêu thụ tối đa trong vòng 1 giờ (3 kWh)
Phụ tải được sử dụng trong bài toán được phân thành 3 loại chính: Phụ tải cố định, phụ tải gián đoạn, phụ tải không gián đoạn
Phụ tải cố định, ký hiệu A1, là những thiết bị tiêu thụ điện năng liên tục trong suốt cả ngày mà ít có sự thay đổi, như máy phát Wifi và tủ lạnh.
Phụ tải gián đoạn, ký hiệu A2, là những thiết bị mà người sử dụng có thể dễ dàng bật tắt theo nhu cầu, như bóng điện và tivi.
Phụ tải không gián đoạn, ký hiệu A3, là những thiết bị yêu cầu một khoảng thời gian nhất định để hoàn thành công việc sau khi được bật lên trước khi có thể tắt Ví dụ điển hình của loại phụ tải này bao gồm máy pha cà phê tự động và máy giặt.
Bảng phân loại từng loại phụ tải và ràng buộc cụ thể sẽ được trình bày trong mục sau
- Ràng buộc chung của phụ tải cố định (A1):
Ràng buộc chung của phụ tải gián đoạn (A2) yêu cầu rằng điện năng tiêu thụ trong một giờ không được vượt quá mức điện năng tối đa của thiết bị.
Ràng buộc chung đối với phụ tải không gián đoạn (A3) yêu cầu rằng trong suốt quá trình thiết bị hoạt động, điện năng tiêu thụ trong một giờ không được vượt quá mức điện năng tối đa của thiết bị Điều này cần được đảm bảo mỗi khi thiết bị được bật lên cho đến khi công việc hoàn tất.
2.2.1 Dữ liệu sử dụng trong bài toán
Xây dựng chương trình đáp ứng phụ tải cho hộ gia đình nhỏ cần một cơ sở dữ liệu cá nhân phong phú từ người sử dụng, bao gồm thông tin về độ tuổi, thói quen, tính cách và hoạt động hàng ngày Tuy nhiên, việc thu thập những dữ liệu này thực tế gặp nhiều khó khăn Do đó, tác giả đã quyết định sử dụng dữ liệu đầu ra từ phần mềm LPG để thay thế cho các dữ liệu thực tế cần thiết.
Mô hình CHR20 được sử dụng để giả lập trong phần mềm LPG, trong đó CHR đại diện cho các hộ gia đình nhà mặt đất và 20 là thứ tự Tác giả chọn mô hình này vì đây là hộ gia đình có số lượng thành viên lớn nhất trong các mô hình có sẵn, đồng thời có sự đa dạng về thói quen, tính cách và lứa tuổi Điều này giúp kết quả của chương trình dễ dàng đáp ứng nhu cầu phụ tải và được đón nhận tốt hơn.
Kết quả
2.2.1 Chi phí điện năng của hộ gia đình trước khi tối ưu
Chi phí điện năng được xác định dựa trên giá điện thay đổi theo từng giờ, theo các mô hình hai giá và ba giá Công thức tính giá điện được áp dụng để tính toán chi phí này một cách chính xác.
Trong đó: t là khoảng thời gian (t = 1:24 h) Et là tổng điện năng tiêu thụ trong khoảng thời gian t Ct là giá điện tại khoảng thời gian t
Chi phí mà hộ gia đình phải trả theo giờ và theo ngày cụ thể theo mô hình hai giá (bảng 4.34) và mô hình ba giá (bảng 4.35)
Bảng 4.34 Điện năng tiêu thụ và chi phí điện theo mô hình hai giá
Tổng điện năng tiêu thụ (kWh)
Bảng 4.35 Điện năng tiêu thụ và chi phí điện theo mô hình ba giá
Tổng điện năng tiêu thụ (kWh)
Biểu đồ 4.1 Điện năng tiêu thụ của hộ gia đình CHR20 trong vòng 24 giờ
Biểu đồ 4.2 Biểu đồ so sánh giá điện của mô hình hai giá và ba giá
2.2.2 Chi phí điện năng của bài toán tối ưu hóa
0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 ĐIỆN NĂ NG T IÊU T HỤ (KW H)
THỜI GIAN TRONG NGÀY (GIỜ)
BIỂU ĐỒ ĐIỆN NĂNG TIÊU THỤ TRONG 24 GIỜ
Thời gian trong ngày (Giờ)
Mô hình 2 giá Mô hình 3 giá
2.2.2.1 Ràng buộc phụ tải và thuật toán tối ưu a) Ràng buộc phụ tải
Cục phát wifi A1 hoạt động liên tục 24/24 giờ với mức tiêu thụ điện năng ổn định Do đó, lượng điện năng tiêu thụ trong một ngày có thể được tính bằng cách nhân mức tiêu thụ trung bình trong một giờ với 24 giờ.
Tủ lạnh A1 trong mô hình CHR20 là loại tủ lạnh cơ truyền thống, với công suất thực tế chỉ đạt 50% so với công suất định mức của thiết bị.
Máy sấy tóc (A2) cần được sử dụng đúng cách, không vượt quá công suất định mức của thiết bị Đồng thời, tổng điện năng tiêu thụ không được vượt quá mức điện năng tiêu thụ ban đầu.
Bếp điện chủ yếu được sử dụng trong các bữa chính, và tổng điện năng tiêu thụ trong các khoảng thời gian cần phải được duy trì ổn định Công suất sử dụng mỗi lần không được vượt quá công suất định mức của bếp.
- Đầu đĩa CD/DVD (A2): thuộc nhóm các thiết bị giải trí vì vậy thời gian sử dụng mới sẽ được nới rộng từ 9 – 22h:
- PS3 (A2): thiết bị giải trí:
- SAT Receiver (A2): thiết bị giải trí và học tập:
Tivi (A2) là thiết bị giải trí đa năng, thường được kết nối với nhiều thiết bị khác như PS3, đầu đĩa CD/DVD, hệ thống chiếu phim và loa Hifi Với khả năng phục vụ nhiều thành viên trong gia đình, thời gian hoạt động của Tivi được kéo dài hơn so với các thiết bị giải trí khác, từ 8 đến 23 giờ.
- Radio nhà bếp (A2): thiết bị giải trí được dùng trong khoảng thời gian nấu bữa sáng 5 – 9h:
Loa Hifi (A2) là thiết bị quan trọng trong hệ thống giải trí, thường được sử dụng để nâng cao trải nghiệm xem phim Thiết bị này hoạt động hiệu quả trong khoảng thời gian từ 17 đến 22 giờ, khi các thành viên trong gia đình cùng nhau quây quần, tạo nên không gian giải trí ấm cúng và sống động.
- Hệ thống chiếu phim (A2): hoạt động đồng thời cùng loa Hifi:
- Đèn nhà tắm và đèn phụ (A2): nhóm thiết bị chiếu sáng được sử dụng trong những khoảng thời gian sinh hoạt không có ánh sáng mặt trời 1 –
- Đèn phòng ngủ (A2): thiết bị chiếu sáng trong phòng ngủ người lớn, có thời gian hoạt động là buổi sáng khi họ thức dậy và buổi tối
Đèn phòng ngủ trẻ em A2 cần được thiết kế để phù hợp với thời gian sử dụng dài hơn so với người lớn, thường từ 5 đến 14 giờ và 19 đến 23 giờ Điều này giúp đảm bảo ánh sáng đầy đủ cho các hoạt động của trẻ trong suốt thời gian ở nhà.
- Đèn phòng khách (A2): phòng khách là nơi diễn ra nhiều hoạt động vui chơi, giải trí vì vậy nhu cầu chiếu sáng cũng cao hơn từ 5 – 9 giờ và 17 – 23 giờ:
- Đèn phòng làm việc (A2): được sử dụng vào thời điểm 20 – 23 giờ chủ yếu bởi người chồng:
- Đèn nhà bếp (A2): được sử dụng vào thời gian nấu bữa chính:
Máy sấy quần áo (A3) là thiết bị cần thời gian để hoàn thành nhiệm vụ và không thể ngắt tự do Thiết bị này chỉ hoạt động một lần duy nhất trong ngày, do đó người dùng cần lưu ý thời gian sử dụng để đạt hiệu quả tối ưu.
- Máy pha coffe (A2): hoạt động ngẫu nhiên trong thời gian bữa sáng 5 –
- Máy đánh trứng (A3): tương tự như máy pha coffe, thiết bị chỉ hoạt động một lần trong thời gian bữa sáng:
- Máy say sinh tố (A3): hoạt động tương tự hai thiết bị trên:
- Máy nướng bánh mì (A3): nhóm thiết bị hoạt động duy nhất một lần trong bữa sáng:
- Ấm đun nước (A3): thời gian cần thiết để đun nước sôi là 10 phút và hoạt động ngẫu nhiên 5 lần trong thời gian từ 6 – 22 giờ hàng ngày:
- Máy giặt (A3): hoạt động ngẫu nhiên 1 lần trong ngày
(4.53) b) Xây dựng thuật toán tối ưu của chương trình đáp ứng phụ tải trên Matlab
Thuật toán tối ưu của chương trình đáp ứng phụ tải được tác giả xây dựng và lập trình trên phần mềm Matlab theo các bước nhu sau:
Hình 4.1 Thuật toán tối ưu lịch trình phụ tải theo chi phí thấp nhất trên
Sau khi nhập dữ liệu từ tập Excel về công suất định mức và điện năng tiêu thụ của từng thiết bị trong phần mềm LPG, chương trình “đáp ứng phụ tải” sẽ chuyển tải phụ tải sang các khung giờ lân cận Dải dịch chuyển này sẽ không quá rộng nhằm đảm bảo người sử dụng điện không cảm thấy bất tiện hoặc phải thay đổi thói quen một cách đột ngột, như thể hiện trong “bảng 4.32”.
Chương trình bắt đầu kiểm tra các điều kiện ràng buộc về công suất của phụ tải và ràng buộc chung của hệ thống Nếu dữ liệu tính toán không thỏa mãn các ràng buộc, chương trình DR sẽ khởi động lại từ đầu cho lần tính tiếp theo Ngược lại, nếu dữ liệu thỏa mãn, chương trình sẽ xuất lịch trình hoạt động của thiết bị và tính toán chi phí theo mô hình hai giá và ba giá Kết quả chi phí của 1000 lần tính toán sẽ được lưu lại, so sánh và đưa ra kết quả có chi phí thấp nhất.
2.2.2.2 Kết quả tính toán của chương trình đáp ứng phụ tải a) Kết quả theo mô hình hai giá
Sau 1000 lần tính toán, kết quả được lưu trữ tại các biến “pop” (lịch trình phụ tải) và “bestsol” (kết quả có chi phí thấp nhất) như thể hiện trong “hình 4.2” Dữ liệu đầu ra về điện năng tiêu thụ hàng giờ sau khi dịch chuyển phụ tải được lưu dưới dạng ma trận 1x24, như mô tả trong “hình 4.3” và “biểu đồ 4.3”.
Chi phí tốt nhất theo mô hình 2 giá sau khi đã dịch chuyển phụ tải là
Hình 4.2 Biến chứa kết quả của bài toán hai giá
Hình 4.3 Các thông số chi tiết
Biểu đồ 4.3 Điện năng tiêu thụ theo giờ của mô hình hai giá sau khi đã dịch chuyển phụ tải
1.57 7 1.43 6 0.17 5 0.05 8 2.09 8 1.36 7 0.64 3 0.68 0.89 3 1.12 1 1.07 3 0.55 1 0.86 8 0.73 1 0.41 3 0.72 0.91 7 1.25 8 1.23 2 0.89 3 1.62 8 1.19 8 1.32 2 0.05 3 ĐIỆN NĂ NG T IÊU T HỤ (KW H)
THỜI GIAN TRONG NGÀY (GIỜ)
BIỂU ĐỒ ĐIỆN NĂNG TIÊU THỤ
Hình 4.4 Biểu đồ điện năng tiêu thụ của các thiết bị trong 24 giờ (1)
Hình 4.5 Biểu đồ điện năng tiêu thụ của các thiết bị trong 24 giờ (2) b) Kết quả theo mô hình ba giá
Chi phí thấp nhất thu được sau 1000 lần tính toán theo mô hình 3 giá là
Hình 4.6 Chi phí đầu ra
Biểu đồ 4.4 Điện năng tiêu thụ theo giờ của mô hình ba giá sau khi đã dịch chuyển phụ tải
0.69 1 1.22 4 0.19 8 0.08 7 1.19 6 2.19 4 0.60 7 0.89 3 0.76 1 1.45 3 1.09 7 0.96 8 0.85 6 0.72 5 0.41 3 0.56 5 1.48 2 0.8 0.96 3 0.78 8 1.13 7 0.88 2 1.83 0.99 8 ĐIỆN NĂ NG T IÊU T HỤ (KW H)
THỜI GIAN TRONG NGÀY (GIỜ)
BIỂU ĐỒ ĐIỆN NĂNG TIÊU THỤ
Hình 4.7 Biểu đồ điện năng tiêu thụ của các thiết bị trong 24 giờ (3)
Hình 4.8 Biểu đồ điện năng tiêu thụ của các thiết bị trong 24 giờ (4)
2.2.2.3 Đánh giá hiệu quả của chương trình đáp ứng phụ tải Điện năng tiêu thụ của hộ gia đình mô hình CHR20 giả lập trên phần mềm LPG (biểu đồ 4.1) cho thấy nhu cầu sử dụng chủ yếu được tập trung tại
Trong khung giờ cao điểm buổi sáng (6 – 8 giờ) và buổi trưa (11 – 14 giờ), chi phí điện năng có thể tăng cao Cụ thể, nếu áp dụng mô hình hai giá, người tiêu dùng sẽ phải chi 79.909 VND, trong khi với mô hình ba giá, chi phí sẽ lên tới 87.855 VND.
Sau khi áp dụng chương trình đáp ứng phụ tải nhằm tối ưu hóa chi phí, kết quả cho thấy nhu cầu đã được phân bổ đều sang các khu vực lân cận, giúp giảm thiểu tình trạng tập trung vào các giờ cao điểm.
Bảng 4.36 So sánh hiệu quả bài toán
Phần trăm chi phí được tiết kiệm (%) Chi phí mô hình hai giá
Chi phí mô hình ba giá 87855 67325 30.4
