Phương pháp điều khiển trực tiếp tải điều hòa

TỔNG QUAN VỀ DLC VÀ ĐIỀU HÒA KHÔNG KHÍ

TỔNG QUAN DLC VÀ ĐIỀU HÒA KHÔNG KHÍ

DLC – Direct Load Control, hay kiểm soát tải trực tiếp, được định nghĩa là phương pháp thực thi cắt giảm tải đỉnh thông qua một máy tính lập trình sẵn hoặc điều khiển từ xa Ví dụ về kiểm soát tải bao gồm chuyển động của động cơ, tải thiết bị và quá trình đun sôi nước.

Khác với phương pháp quản lý tải gián tiếp, DLC tạo điều kiện cho ngành điện, các nhà cung cấp và khách hàng hợp tác trong việc áp dụng các biện pháp quản lý tải, nhằm tối ưu hóa hiệu quả sử dụng điện.

DLC cho khách hàng tiêu thụ điện được thiết kế nhằm kiểm soát việc sử dụng máy điều hòa không khí, lò sưởi, máy nước nóng và thiết bị chiếu sáng Các phương pháp quản lý được phân loại dựa trên các đặc tính khác nhau của tải như loại tải, tính chất tải, thời gian đáp ứng và phương thức điều khiển Chúng ta có thể chia thành hai nhóm: nhóm phương pháp điều khiển tải trước (sớm) và nhóm phương pháp điều khiển tải thực.

II/ Nhóm điều khiển tải trước (sớm):

Phương pháp điều khiển này sử dụng các chương trình dự báo để cung cấp thông tin liên tục và đáng tin cậy về năng lượng tiêu thụ trong tương lai Thông qua những thông tin này, nhà cung cấp và khách hàng có thể điều chỉnh, phân bổ năng lượng và lập kế hoạch hợp lý để đạt được mục tiêu của mỗi bên Các yếu tố như dao động chi phí năng lượng, thay đổi hành vi tiêu thụ điện và yếu tố thời tiết được cập nhật thường xuyên để đảm bảo tính chính xác.

Dự báo đường cong phụ tải là yếu tố quan trọng, đòi hỏi thông tin được truyền tải nhanh chóng và chính xác qua các công nghệ hiện đại như Internet, PLC, GPS, và WAN Các phương pháp tiêu biểu như mạng neural nhân tạo, hệ logic mờ và hệ chuyên gia chủ yếu dựa vào cơ sở dữ liệu thu thập được, do đó, hiệu quả của chúng phụ thuộc vào độ chính xác của các thông số đầu vào và khả năng thích ứng với độ nhiễu thông tin Để đạt hiệu quả tối ưu, cần áp dụng các kỹ thuật tân tiến, bao gồm các mô hình toán học tuyến tính và phi tuyến Thời gian biểu sẽ bị ảnh hưởng bởi các yếu tố như giá điện, yêu cầu từ nhà cung cấp, nguồn công suất bổ sung và sự gia tăng tiêu thụ từ khách hàng Thời gian tính toán của chương trình tối ưu phụ thuộc vào số lượng biến và độ phức tạp của thuật toán, vì vậy công thức của chương trình tối ưu cần được thiết kế đơn giản để đáp ứng các ràng buộc về thời gian.

Phương pháp điều khiển trực tiếp tải điều hòa theo nhóm g-DLC mà luận văn trình bày thuộc nhóm điều khiển tải thời gian thực

III/ Nhóm điều khiển tải thời gian thực:

Mục tiêu của nhóm phương pháp kiểm soát tải trực tiếp là đạt được thời gian đáp ứng ngắn nhất, gần như ngay lập tức trong thời gian thực Các phương pháp này được áp dụng cho thiết bị chiếu sáng, cửa tự động và đầu đọc thẻ từ Gần đây, công nghệ cảm biến (Sensor-based Approach) đã được đề xuất nhằm nâng cao chất lượng điều khiển, giúp cải thiện khả năng quản lý, đáp ứng nhu cầu người tiêu dùng và tối ưu hóa nguồn năng lượng.

Các phương pháp điều khiển tải trong thời gian thực hiện nay chủ yếu dựa vào kỹ thuật quản lý trực tiếp kiểu phân tán, đang được áp dụng rộng rãi trên toàn cầu Trong mô hình này, các thiết bị và người dùng được coi là các phần tử quan trọng trong hệ thống.

Mỗi "agent" trong một tập hợp hoạt động độc lập và linh hoạt, cho phép tương tác với các phần tử khác Các "agent" này thực hiện các nhiệm vụ riêng biệt dưới sự giám sát và điều khiển của hệ thống chủ.

IV/ Hiện trạng sử dụng năng lượng ở nước ta:

Nhu cầu sử dụng năng lượng tại Việt Nam đang gia tăng nhanh chóng, với tổng nhu cầu năng lượng sơ cấp dự kiến đạt khoảng 63 – 65 triệu TOE vào năm 2010, 135 triệu TOE vào năm 2020 và 175 triệu TOE vào năm 2025.

Dự báo nhu cầu điện năng của Việt Nam sẽ tăng gấp đôi sau mỗi 5 năm và đến năm 2015 sẽ tăng gấp 4 lần, yêu cầu EVN cung cấp thêm hơn 1000 MW điện mỗi năm Tuy nhiên, áp lực từ các nhà máy điện đối với môi trường khiến khả năng đáp ứng công suất của hệ thống điện trở nên khó khăn Hệ thống điện thường vận hành với lượng dự trữ thấp và thường xuyên phải sa thải phụ tải khi thiếu hụt công suất Đồ thị phụ tải cũng không ổn định, với độ chênh lệch lớn giữa cao và thấp điểm (Pmin / Pmax = 0.54) Để giải quyết vấn đề này và sử dụng nguồn năng lượng hợp lý, cần tìm phương pháp điều chỉnh đường cong phụ tải cho phù hợp với công suất cung cấp từ hệ thống, trong đó quản lý nhu cầu phụ tải là chìa khóa cần thiết.

Nhu cầu sử dụng thiết bị HVAC tại Việt Nam đang gia tăng mạnh mẽ, hiện chiếm khoảng 20% tổng nhu cầu điện Việc quản lý và điều khiển trực tiếp tải điều hòa không khí (ĐHKK) là một giải pháp hiệu quả để cân bằng cung cầu điện năng trong nước.

V/ Các chương trình quản lý phụ tải tại Việt Nam:

Theo các chuyên gia ngành điện, nhu cầu điện năng ở Việt Nam sẽ tăng khoảng 15% mỗi năm đến năm 2020, trong khi mức tổn thất điện năng trên 10% của lưới điện truyền tải và phân phối đang đặt ra thách thức lớn Để đáp ứng nhu cầu năng lượng và giảm tổn thất xuống còn 7%, cần đầu tư vào các dự án truyền tải và phân phối, đồng thời áp dụng công nghệ tiên tiến trong vận hành, quản lý, nâng cấp và bảo trì lưới điện hiện tại.

Hiện nay, Trung tâm Điều độ Hệ thống điện Quốc gia cùng với các Trung tâm Điều độ Hệ thống điện miền đã triển khai ứng dụng hệ thống SCADA/EMS hiện đại để quản lý lưới điện hiệu quả hơn.

• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện Quốc gia là hệ thống RANGER do hãng ABB (Mỹ) cung cấp và đưa vào vận hành từ 3/2001

• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện miền Nam là hệ thống EMP do hãng Areva (Pháp) cung cấp và đưa vào vận hành từ 12/2000

• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện miền Trung là hệ thống EMP cũng do hãng Areva (Pháp) cung cấp

• SCADA / EMS tại Trung tâm Điều độ Hệ thống điện miền Bắc là hệ thống SPIDER do hãng ABB (Thụy Điển) cung cấp

Công nghệ truyền dẫn của EVN bao gồm thiết bị tải ba – powerline carrier (PLC), được sử dụng rộng rãi trong mạng viễn thông điện lực để cung cấp kênh truyền cho hệ thống relay bảo vệ, kênh SCADA, dịch vụ hotline và thuê bao xa Bên cạnh đó, EVN còn áp dụng công nghệ viba và cáp quang để nâng cao hiệu quả truyền tải.

Về quản lý phụ tải, hiện tại ở Việt Nam đang thực hiện một số chương trình sau [7]:

Giá điện theo thời gian (TOU) cho khách hàng lớn được triển khai từ năm 1995, với việc EVN lắp đặt 45.000 meter TOU cho các khu công nghiệp, khách sạn và khách hàng có nhu cầu tiêu thụ điện cao Đến cuối năm 2004, chương trình TOU đã giúp cắt giảm 45 MW công suất đỉnh trong giờ cao điểm từ 19 – 21h, theo đánh giá của các chuyên gia.

+ Chương trình khuyến khích khách hàng:

MỘT CÁCH TIẾP CẬN TRONG ĐIỀU KHIỂN TẢI ĐIỀU HÒA

MỘT CÁCH TIẾP CẬN ĐIỀU KHIỂN TRỰC TIẾP

Nhiệt độ ngoài trời, yêu cầu về tiện nghi nhiệt của khách hàng và hiệu ứng tải trả lại hạn chế khả năng điều khiển trực tiếp tải điều hòa và lên lịch DLC Để khắc phục những hạn chế này, một chương trình điều khiển nhóm DLC mới được phát triển, sử dụng phương pháp ước lượng enthalpy tối thiểu (Least Enthalpy Estimation - LEE), nhằm điều chỉnh mức độ thoải mái về nhiệt trong các hệ thống điều hòa.

Chương trình g-DLC nhằm tối ưu hóa việc điều khiển hệ thống điều hòa nhiệt độ và giải quyết hiệu quả các vấn đề trong quản lý tải Bộ điều khiển này giúp điều phối giữa các tải điều hòa và chương trình quản lý tải, đồng thời lập lịch cho các tải điều hòa G-DLC duy trì nhiệt độ trong một phạm vi nhất định, kéo dài thời gian nhàn rỗi của chương trình DLC và tăng cường khả năng sa thải tải Ngoài ra, nó còn giảm thiểu tác động của nhiệt độ bên ngoài và ngăn ngừa hiệu ứng tải trả lại.

Chương trình sắp xếp tải sa thải tối ưu đã được triển khai, với dữ liệu tải được điều chỉnh phù hợp qua bộ điều khiển g-DLC Phương thức group-DLC giúp giảm thiểu tác động của các hạn chế trong việc điều khiển trực tiếp tải điều hòa, đồng thời tối ưu hóa lịch làm việc hiệu quả.

Nghiên cứu trước đây đã tập trung vào việc lập kế hoạch DLC nhằm giảm thiểu hiện tượng trả lại tải Một thuật toán di truyền đã được phát triển để tối ưu hóa việc lên kế hoạch DLC Việc điều khiển tải được cải thiện bằng cách áp dụng các chương trình hiệu quả mạnh mẽ và một số chương trình phi tuyến khác, giúp giải quyết những thách thức trong lĩnh vực điều hòa nhiệt độ.

Mô hình tải mô phỏng vật lý cho các hệ thống điều hòa không khí trong hộ dân cư được đại diện bởi mô hình tải điều hòa của DLC Những mô hình này rất phức tạp, do đó việc giảm thiểu ảnh hưởng của các hạn chế trong tải điều hòa trở nên khó khăn.

Mặc dù điều khiển trực tiếp tải điều hòa có những hạn chế, nhưng vấn đề này có thể được khắc phục bằng cách áp dụng bộ điều khiển hệ thống điều hòa kết hợp với các kỹ thuật lập trình tuyến tính hoặc phi tuyến để tối ưu hóa việc lập kế hoạch DLC.

II/ Điều khiển độ thoải mái về nhiệt độ trong hệ thống điều hòa không khí:

Dựa vào biểu đồ tâm lý người dân sử dụng điều hòa trong mùa hè theo ANSI/ASHRAE 55, nhiệt độ cố định tạo ra mức độ thoải mái về nhiệt (TCL) không thay đổi Tuy nhiên, do độ ẩm biến thiên, nhiệt độ cần điều chỉnh để duy trì TCL Hệ thống điều khiển dàn trao đổi nhiệt (FCU) có khả năng giảm lưu lượng không khí trong phòng, từ đó giảm năng lượng tiêu thụ khi giữ mức TCL ổn định Do đó, việc sử dụng TCL làm tiêu chí điều khiển điều hòa là một giải pháp khả thi.

Sự thay đổi tải điều hòa liên quan đến sự biến động của enthalpy trong không khí, và khái niệm này có thể giúp dự đoán yêu cầu về trạng thái không khí trong tương lai Đề án áp dụng phương pháp ước lượng enthalpy thấp nhất (Least Enthalpy Estimation - LEE) nhằm xác định các điều chỉnh phù hợp để đảm bảo sự thoải mái về nhiệt độ và tiết kiệm năng lượng Để duy trì vùng thoải mái về mặt nhiệt độ (thermal comfort zone), một bộ điều khiển mờ đã được thiết kế để điều khiển FCU trong hệ thống điều hòa không khí.

Hình 2.1 – ANSI/ASHRAE 55-2004: Điều kiện nhiệt độ môi trường đối với hộ tiêu thụ

Hình 2.2 minh họa hai phòng sử dụng chung một hệ thống điều hòa không khí, mỗi phòng được trang bị một FCU và một bộ điều khiển LEE-based fuzzy thermal comfort Bộ điều khiển này là phần mềm được tích hợp trong máy tính điều khiển FCU, nhằm đảm bảo sự thoải mái về mặt nhiệt độ theo các quy tắc mờ.

III/Ảnh hưởng của nhiệt độ ngoài trời đến các tải điều hòa:

Hệ thống điều hòa tiêu thụ phần lớn năng lượng để nén chất làm lạnh, từ đó giảm nhiệt độ nước làm lạnh và thực hiện trao đổi nhiệt giữa bên trong và bên ngoài Tải điều hòa chịu ảnh hưởng lớn từ nhiệt độ môi trường bên ngoài.

Hình 2.2 – Công trình sử dụng hệ thống FCU với bộ điều khiển mờ LEE

Hình 2.3 minh họa chu trình tiêu thụ năng lượng trong 24 giờ của hai phòng, với tổng năng lượng tiêu thụ là 82 kWh ở phòng 1 và 130 kWh ở phòng 2 Phòng 1 sử dụng công nghệ điều khiển dựa trên LEE (fuzzy control), trong khi phòng 2 áp dụng phương pháp điều khiển nhiệt thông thường (CV) Kỹ thuật điều khiển FC đã giúp tiết kiệm 36.9% năng lượng Ngoài ra, nhiệt độ ngoài trời ảnh hưởng nhiều hơn đến phòng 2 so với phòng 1.

IV/ Nhiệt độ nước ướp lạnh thay đổi trong thời gian nhàn rỗi (off shift):

Trong thời gian không sử dụng chương trình DLC, nhiệt độ trong phòng có thể tăng do công suất nước làm lạnh không đủ để loại bỏ hoàn toàn nhiệt Bộ điều khiển FC dựa trên LEE là giải pháp hiệu quả cho tình huống này, theo một số kết quả thí nghiệm.

Biểu đồ so sánh năng lượng tiêu thụ giữa hai kỹ thuật Thermostat và Thermostat comfort controller cho thấy hiệu quả ổn định năng lượng của FC Hình 3 minh họa sự khác biệt về nhiệt độ nước ướp lạnh giữa hai phương pháp FC và CV.

V/ Hiện tượng trả lại tải trong quá trình DLC:

Máy điều hòa không khí hoạt động bằng cách chuyển hóa nhiệt tích lũy từ bên ngoài thông qua bộ trao đổi nhiệt Khi máy nén ngừng hoạt động, nhiệt độ trong phòng sẽ không được giải phóng ra ngoài, dẫn đến việc kéo dài thời gian máy nén tắt sẽ làm gia tăng yêu cầu tải trong chu trình tiếp theo Hiện tượng này được gọi là trả lại tải trong quá trình điều khiển trực tiếp của máy điều hòa không khí.

Hình 2.4 – Biểu đồ so sánh sự gia tăng nhiệt độ nước làm lạnh của 2 kỹ thuật điều khiển mờ LEE và điều khiển bình thường

Hình 2.5 minh họa hiện tượng trả lại tải trong hệ thống điều hòa không khí, với ba trường hợp sử dụng các bộ điều khiển khác nhau và thời gian nhàn rỗi khác nhau.

VI/ Những hạn chế về tải sa thải:

ĐIỀU KHIỂN TRỰC TIẾP TẢI THEO NHÓM

Mô tả ý tưởng

Chúng tôi sẽ phát triển một mô hình điều khiển tải điều hòa theo nhóm dựa trên ý tưởng g-DLC từ bài báo [1] Mô hình này cho phép người dùng nhập các thông số kỹ thuật như số lượng máy lạnh, công suất cắt của từng máy, yêu cầu cắt tải trong một chu kỳ, thời gian chu kỳ và số chu kỳ thực hiện Chương trình sẽ tính toán để tối ưu hóa thời gian OFF của các máy lạnh, đảm bảo công suất cắt gần sát với yêu cầu, đồng thời duy trì các yếu tố kỹ thuật như ngăn ngừa hiện tượng tải trả lại và tránh tình trạng nhiều máy lạnh cùng OFF trong thời gian ngắn Để thực hiện điều này, chúng ta cần tìm hiểu các công thức cần thiết cho việc xây dựng mô hình.

Các công thức cần thiết

Theo Hình 2.9, tại vị trí nhóm "m", lệnh cắt tải sẽ được thực hiện mỗi 5 phút trong chu kỳ 1 giờ Dựa vào giá trị công suất cắt tải của từng máy lạnh, với i = 1 N (N là số lượng máy lạnh trong nhóm "m"), ta có thể xác định thời gian tắt cho các máy lạnh trong chu kỳ "k" theo công thức đã cho.

Trong chu kỳ hoạt động của máy lạnh, có hai trạng thái chính là ON và OFF Quản lý hợp lý hai trạng thái này là yếu tố quan trọng để tối ưu hóa hiệu suất hoạt động Để đạt được điều này, cần phân tích số lượng giai đoạn ON/OFF mà máy lạnh trải qua trong một chu kỳ, từ đó phát triển phương pháp điều khiển hiệu quả.

Chuỗi thời gian sau đây thể hiện các tính chất thời gian trong 1 chu kỳ “k”, mỗi chu kỳ (60 phút) được chia làm 12 giai đoạn (stages):

• : thời gian ON của máy lạnh “i” trước khi cắt/nghỉ (OFF)

• : thời gian ON bắt buộc của máy lạnh “i”

• = : thời gian OFF của máy lạnh “i”, các thời gian OFF của các máy lạnh là bằng nhau

• : thời gian ON sau khi OFF cộng với thời gian ON bắt buộc trong chu kỳ kế tiếp của máy lạnh “i”

Tại sao cần có thời gian ON bắt buộc ở mỗi chu kỳ? Đó là để ngăn

1 : trạng thái ON bắt buộc

X : trạng thái chưa xác định (0 hoặc 1)

0 : trạng thái OFFđã xác định

Trạng thái ON được xác định trong mục VIII chương 2, bảng TABLE I, liên quan đến thời gian ON bắt buộc sau khi máy lạnh OFF, hay còn gọi là Least ON time Theo Hình 3.1, sau khi máy lạnh “i” OFF trong 25 phút (5 phút mỗi stage x 5 stage OFF), cần phải ON trong 35 phút Tuy nhiên, do thời điểm kết thúc trạng thái OFF là phút thứ 45, chu kỳ còn lại chỉ 15 phút Do đó, trong chu kỳ tiếp theo, máy lạnh cần ON thêm 20 phút (35 – 15) tương ứng với 4 stages, như thể hiện trong Hình 3.1 Thời gian ON đầu chu kỳ “k+1” này chính là thời gian ON bắt buộc - Least ON constraint time - của chu kỳ, giải thích lý do tại sao cần có giá trị này.

Thời gian ON bắt buộc trong chu kỳ kế tiếp “k+1” của máy lạnh “i” được tính theo công thức sau:

(2) với 5 là số phút trong 1 stage và 12 là số stage trong một chu kỳ

Trạng thái ON/OFF được thể hiện bằng các phần tử trong ma trận với 2 giá trị là 0(OFF) và 1(ON):

Với “x” là trạng thái chưa xác định – sẽ được tính toán trong các bước kế tiếp

Ma trận chưa xác định được xây dựng từ công thức trên – là tổng hợp của các phần tử :

, N là số máy lạnh trong group

Tính toán lượng công suất tải cắt đi trong mỗi giai đoạn (stage):

Tổng công suất cắt của các máy lạnh trong trạng thái ON/OFF được xác định bằng cách nhân công suất cắt của từng máy lạnh với giá trị nghịch của cột “j” trong ma trận Ví dụ, nếu cột đầu tiên là [0 1 0 1 1 1] T, thì giá trị nghịch của nó sẽ là [1 0 1 0 0 0] T Kết quả này cho thấy lượng công suất tải cắt đi trong một giai đoạn.

Sai số bình phương tối thiểu của lượng công suất cắt thực và lượng công suất cắt do LMP đưa xuống:

Công suất cắt của nhóm trong một giai đoạn được xác định bởi LMP, tạo ra sự chênh lệch trung bình giữa công suất cắt thực tế mà chương trình thực hiện và công suất cắt mà LMP yêu cầu.

Vấn đề quan trọng nhất cần giải quyết là tìm được nhỏ nhất để thiết lập được ma trận xác định :

Công thức (7) là điều kiện ràng buộc của các phần tử , nghĩa là

=0 tức là máy lạnh OFF, =1 là máy lạnh ON ( là thời lượng ON, là thời lượng OFF

(8) : ma trận xác định – decision matrix

Sau khi xác định ma trận, chúng ta sẽ tính toán thời gian hoạt động (ON) của máy lạnh “i” trước khi tắt (OFF) và thời gian hoạt động bắt buộc trong chu kỳ tiếp theo của máy lạnh “i”.

[Hình 3.2 – Ma trận chưa xác định và ma trận xác định ]

1 : trạng thái ON bắt buộc

X : trạng thái chưa xác định (0 hoặc 1)

0 : trạng thái OFFđã xác định

1 : trạng thái ON đã xác định

Khi kết thúc chu kỳ “k”, chúng ta sẽ lặp lại quy trình với yêu cầu cắt tải từ LMP Lúc này, thời gian ON bắt buộc của máy lạnh (i) sẽ được xác định trong chu kỳ “k+1”.

Cuối cùng, sau khi kết thúc chuỗi chu kỳ, ta sẽ xây dựng biểu đồ cắt tải theo thời gian như sau:

Sau khi thực hiện thí nghiệm, bảng TABLE II đã được đưa ra để trình bày các giá trị thời gian ON cần thiết sau khi máy lạnh OFF, nhằm ngăn ngừa tình trạng trả lại tải.

Yêu cầu cắt tải Tải cắt thực tế do g-DLC thực hiện

*Vậy các biến cần thiết để thực hiện chương trình mô phỏng sẽ là:

• : công suất cắt do LMP đưa xuống group “m” trong chu kỳ “k”, nhập từ bàn phím

• : công suất cắt của máy lạnh “i”, i=1 N (N min là 2, max là

• : thời gian off của mỗi máy lạnh (bằng nhau) trong chu kỳ “k”, xác định bởi công thức (1)

• : thời gian ON của máy lạnh “i” trước khi OFF trong chu kỳ

“k”, xác định sau khi đã tìm được ma trận xác định (độ dài của chuỗi 1 trong từng hàng của ma trận)

Thời gian ON bắt buộc của máy lạnh “i” trong chu kỳ “k” được xác định ở chu kỳ đầu tiên bởi thông số do LMP gửi xuống, trong khi trong các chu kỳ tiếp theo, thời gian này sẽ được nhập từ bàn phím và tính toán theo công thức (2).

• : thời gian ON sau khi OFF bắt buộc để ngăn ngừa hiện tượng trả lại tải chu kỳ “k” của máy lạnh “i”, xác định bởi bảng TABLE II

• : thời gian ON bắt buộc trong chu kỳ kế tiếp “k+1” của máy lạnh “i”, được xác định bởi công thức (2)

• : ma trận chưa xác định, xây dựng từ các

Ma trận xác định được xây dựng sau khi xác định các phần tử chưa biết “x” Các phần tử “x” sẽ được xác định khi tìm ra giá trị nhỏ nhất theo công thức (6).

Thuật toán

[Hình 3.4] Đầu tiên, ta tiến hành thu thập dữ liệu được nhập vào từ người dùng:

• Giá trị công suất cắt được yêu cầu – chương trình thực hiện bao nhiêu chu kỳ thì sẽ có bấy nhiêu giá trị tương ứng được nhập vào

• Nhập giá trị số chu kỳ thực hiện val_numcycle, số giai đoạn trong 1 chu kỳ val_stage và thời lượng của từng giai đoạn val_minstage

• Nhập các giá trị thời gian ON bắt buộc ở chu kỳ đầu tiên

• Nhập số máy lạnh trong group N, N có giá trị từ 2 – 8

• Nhập công suất cắt tải của các máy lạnh val_pow0x, x=1 N

Sau khi máy lạnh tắt, cần lập bảng TABLE II để xác định các giá trị thời gian ON bắt buộc nhằm ngăn ngừa tình trạng trả lại tải.

Tạo một ma trận gồm 11 hàng và 4 cột, sau đó gán các giá trị tương ứng với công suất cắt và thời gian OFF của các máy lạnh

Sử dụng công thức (1) để tính thời gian OFF đồng bồ của các máy lạnh trong chu kỳ đầu tiên

Tiếp theo, chúng ta sẽ thiết lập ma trận chưa xác định dựa trên các giá trị đã nhập ở bước trước Số hàng của ma trận tương ứng với số lượng máy lạnh N, trong khi số cột tương ứng với số giai đoạn trong một chu kỳ Mỗi hàng sẽ bao gồm hai giá trị: 1 và X Giá trị 1 biểu thị trạng thái ON bắt buộc, với số lượng phần tử 1 tương ứng với giá trị chia cho thời gian của mỗi giai đoạn val_minstage Giá trị X đại diện cho trạng thái chưa xác định, tức là các phần tử còn lại.

Khi nhập các giá trị như ở Hình 3.4, ta nhận được val_stage là 12 và val_minstage là 5, với các giá trị 0, 35, 20, 25, 35, 5, 15, 0 Số phần tử 1 trong từng hàng lần lượt được tính như sau: 0, 35/5 = 7, 20/5 = 4, 25/5 = 5, 35/5 = 7, 5/5 = 1 Do chỉ có 6 máy lạnh trong nhóm, nên các giá trị ở tải thứ 7 và thứ 8 sẽ bị bỏ qua Ma trận chưa xác định sẽ được trình bày như sau.

Bước quan trọng nhất trong luận văn là xác định ma trận bằng phương pháp bình phương tối thiểu Có nhiều phương pháp để tìm giá trị nhỏ nhất của biểu thức, như Lagrange, Genetic Algorithm (GA), hoặc fuzzy, như đã đề cập trong các bài báo [5], [6] Mặc dù GA cho kết quả nhanh và Matlab hỗ trợ công cụ Global Optimization, nhưng phương pháp này không đáp ứng được ràng buộc rằng các số 0 (thời gian OFF) phải liên tục và nằm kề nhau trong cùng một hàng Do đó, luận văn đã phát triển một hướng lập trình khác để giải quyết vấn đề này, với ý tưởng điền các số 0 tương ứng vào từng hàng ngay sau thời gian đã tính.

ON bắt buộc , sau đó tính ứng với các vị trí đấy

Tiếp theo, chúng ta sẽ di chuyển các số 0 sang phải một đơn vị cho mỗi hàng, đảm bảo rằng các số 0 luôn liền kề nhau Mỗi lần chỉ thực hiện cho một hàng, sau đó tiến hành tính toán tương ứng Cuối cùng, so sánh kết quả với lần tính gần nhất và lưu lại giá trị nhỏ hơn.

Cứ thế ta sẽ tìm ra được nhỏ nhất, từ đó suy ra được ma trận tối ưu, chính là ma trận xác định

Lấy trường hợp các nhập liệu như Hình 3.4, ta sẽ tính được:

Số lượng các phần tử “0” kề nhau trên cùng một hàng là yếu tố quan trọng trong thuật toán Để tính toán tối thiểu, chúng ta xây dựng các ma trận bắt đầu từ các phần tử 0 ngay sau các phần tử 1, được thể hiện bằng chữ in đậm, nhằm đảm bảo thời lượng ON bắt buộc.

(TH.1) Ở TH.1, lượng công suất cắt ở từng giai đoạn tính theo công thức

Như vậy, ở TH.1 có giá trị là 174.333

Ta dịch chuyển dần các phần tử 0 sang bên phải đối với từng hàng 1, thế nên ma trận của TH.2 sẽ là:

Tương tự, ở TH.2, lượng công suất cắt ở từng giai đoạn lần lượt là:

Giá trị của TH.2 đạt 211, cao hơn so với TH.1 là 174.333 Mặc dù ma trận của TH.1 cho kết quả cắt tải tốt hơn, chúng ta vẫn quyết định giữ lại ma trận và giá trị của TH.1 để thực hiện so sánh với các trường hợp khác.

Chúng ta tiếp tục dịch chuyển các phần tử 0 sang phải 1 đơn vị, sau đó tính toán kết quả cho từng trường hợp và so sánh với trường hợp tối ưu nhất tạm thời Cuối cùng, chúng ta xác định được ma trận và kết quả tối ưu nhất.

Lúc này, ở TH.X, lượng công suất cắt ở từng giai đoạn lần lượt là:

[Hình 3.5 – Ma trận xác định]

Sau khi thành lập ma trận xác định, chúng ta tiến hành tính toán thời gian ON của các máy lạnh trước khi tắt, được xác định bằng độ dài chuỗi số 1 trong từng hàng nhân với thời gian của một stage Ví dụ, các giá trị từ i = 1 đến 6 lần lượt là: 0, 10x5 (50), 4x5 (20), 6x5 (30), 8x5 (40), và 2x5 (10).

Kế đến, từ công thức

Trong chu kỳ kế tiếp “k+1”, chúng ta sẽ tính toán các giá trị thời gian ON bắt buộc cho các máy lạnh với các tham số val_minstage là 5 và val_stage là 12.

* Xây dựng giao diện chương trình:

Các dữ liệu được nhập bởi người dùng là:

• Số lượng máy lạnh – Number of Load: min là 2 và max là 8

• Các giá trị – thời gian ON bắt buộc - ở chu kỳ đầu tiên – Least

• Công suất cắt tải của từng máy lạnh – Power of load

• Số giai đoạn trong 1 chu kỳ - Stage

• Thời lượng của 1 giai đoạn – Minutes per stage

• Số chu kỳ thực hiện DLC – Number of Cycle

Công suất cắt tải LMP được giao cho nhóm thực hiện dựa trên nhu cầu cắt tải Số lượng giá trị nhập vào phụ thuộc vào số chu kỳ (Number of Cycle), và nếu không khớp với chương trình, hệ thống sẽ thông báo lỗi.

Các dữ liệu đầu ra sẽ là:

• Thời gian máy lạnh OFF trong từng chu kỳ - Off shift time: tùy thuộc vào Number of Cycle mà số lượng giá trị sẽ hiện ra tương ứng

Sai số bình phương tối thiểu (LMSE) giữa công suất cắt thực và công suất cắt yêu cầu bởi LMP phụ thuộc vào số lượng chu kỳ, do đó số lượng giá trị hiển thị sẽ thay đổi tương ứng.

• Lượng công suất cắt khác biệt giữa yêu cầu và thực hiện – Differ

• Phần trăm sai lệch giữa công suất cắt yêu cầu và thực hiện – E%

• Biểu đồ thể hiện sự cắt tải

Với ví dụ ứng với [Hình 3.4b], ta có các số liệu đầu vào thể hiện như trên hình như sau:

• Số lượng máy lạnh – Number of Load: 6

• Các giá trị – thời gian ON bắt buộc - ở chu kỳ đầu tiên – Least

ON time ứng với từng máy lạnh là: 0, 35, 20, 25, 35, 5 (phút)

• Công suất cắt tải của từng máy lạnh – Power of load lần lượt là: 11,

• Số giai đoạn trong 1 chu kỳ - Stage: 12

• Thời lượng của 1 giai đoạn – Minutes per stage: 5

• Số chu kỳ thực hiện DLC – Number of Cycle: 3

• Công suất cắt tải LMP đưa xuống cho group thực hiện – Load shedding demand ứng với 3 chu kỳ lần lượt là: 16, 27, 38

Cuối cùng ta được đồ thị cắt tải (cho 1 chu kỳ) như sau:

[Hình 3.6 – Biểu đồ cắt tải chu kỳ đầu tiên] Ứng với các nhập liệu ở Hình 3.4, đồ thị cắt tải cho 3 chu kỳ như sau:

[Hình 3.7 – Biểu đồ cắt tải 3 chu kỳ]

Các dữ liệu đầu ra:

• Thời gian máy lạnh OFF trong từng chu kỳ - Off shift time lần lượt trong từng chu kỳ: 10, 16.875, 23.75 (phút)

• Sai số bình phương tối thiểu của công suất cắt thực và công suất cắt yêu cầu bởi LMP – Least mean square error (LMSE): 8.333, 35, 77.833

• Lượng công suất cắt chênh lệch giữa thực tế và yêu cầu – Differ: 0, -

• Phần trăm sai lệch giữa công suất cắt thực và yêu cầu – E%: 0, -

II/Chạy chương trình cho các số liệu khác:

Khi điều chỉnh số giai đoạn trong một chu kỳ (val_stage) và số phút của mỗi giai đoạn (val_minstage), kết quả sẽ có sự thay đổi tương ứng Ví dụ, nếu giảm số giai đoạn từ 12 xuống 10, và điều chỉnh số phút cho mỗi giai đoạn, sẽ dẫn đến những thay đổi đáng kể trong kết quả cuối cùng.

[Hình 3.8 – Biểu đồ cắt tải 3 chu kỳ với 14 stage và 6 phút/stage]

Làm tương tự nhưng tăng số chu kỳ lên:

[Hình 3.9 - Biểu đồ cắt tải 6 chu kỳ với 10 stage và 6 phút/stage]

Kết quả với 5 máy lạnh trong 1 group:

[Hình 3.10 - Biểu đồ cắt tải của group gồm 5 máy lạnhvới 6 chu kỳ với 10 stage và 6 phút/stage]

Kết quả với 7 máy lạnh trong 1 group:

[Hình 3.11 - Biểu đồ cắt tải của group gồm 7 máy lạnh với 6 chu kỳ với 10 stage và 6 phút/stage]

Chúng ta sẽ kiểm tra tính hợp lý của kết quả bằng cách xem xét biểu đồ với 7 máy lạnh trong 6 chu kỳ Cụ thể, chúng ta sẽ tập trung vào chu kỳ thứ 4, diễn ra từ phút thứ 180 đến phút thứ 240.

• Chu kỳ thứ 4 được lệnh cắt tải là 22 kW, thời gian OFF là 12.4527 phút, least mean square error là 14.8

• Dùng Debug mode, ta có thể tính được các giá trị (đã chia cho

6 phút) lần lượt là: 0, 2.5849, 0, 0.5849, 5.4182, 5.4182, 0 Ma trận xác định như hình sau:

Thành lập các thông số của chu kỳ 4 để kiểm tra (a1 ứng với ma trận xác định, b1 là chuỗi các giá trị , c1 là giá trị nhỏ nhất):

Tính toán least mean square error bằng tay:

• Nhìn vào đồ thị, dễ dàng thấy được công suất cắt mỗi 12 phút lần lượt là 27, 17, 24, 20, 18 kW

• Chu kỳ có 10 stage, mỗi stage gồm 6 phút, vậy lượng công suất cắt ở mỗi stage lần lượt là 27, 27, 17, 17, 24, 24, 20, 20, 18, 18 kW

• Độ chênh lệch lượng công suất cắt thực tế và yêu cầu:

*Các kết quả kiểm tra đều khớp với kết quả tìm được trong Debug mode Như vậy thuật toán mô phỏng khớp với giải thuật trong bài báo [1]

Xét trường hợp group có 3 máy lạnh, ta có biểu đồ tương ứng với các thông số input:

Biểu đồ ở chu kỳ 2 và 3 vượt lên trên đường cắt tải yêu cầu nhiều và giữ nguyên một đường thẳng do sự thay đổi trong các yếu tố tác động đến tải trọng Việc hiểu rõ nguyên nhân này sẽ giúp chúng ta nhận diện được các xu hướng và điều chỉnh kịp thời trong quá trình phân tích.

• Thời gian OFF của máy lạnh lên đến 39.5122 ≈ 40 phút