Nội dung

188 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 XÁC ĐỊNH TỐI ƯU VỊ TRÍ TUA-BIN TRONG TRANG TRẠI GIÓ SỬ DỤNG THUẬT TOÁN TÌM KIẾM Lê Thanh Thỏa, Võ Ngọc Điều Bộ môn Hệ thống điện - Khoa Điện - Điện tử - Trường Đại học Bách khoa TP. HCM Tóm tắt: Thiết kế nhà máy điện gió có điểm khác biệt so với thiết kế một số nhà máy điện thông thường liên quan kiểm soát được nhiên liệu đầu vào. Công suất phát nhà máy điện gió phụ thuộc tốc độ gió luôn biến đổi, giải quyết vấn đề bố trí vị trí tua-bin trong trang trại gió nhằm thu được sản lượng điện tối đa được đặc biệt quan tâm. Nghiên cứu đề xuất áp dụng một số thuật toán gần đây: Grey Wolf Optimizer (GWO), Whale Optimization Algorithm (WOA) và Moth-flame optimization algorithm (MFO) để tính toán bố trí tối ưu vị trí tua-bin cho trang trại gió nhằm thu được sản lượng điện gió tối đa có ý nghĩa quan trọng và cấp thiết. Kết quả tính toán từ thuật toán đề xuất được so sánh với thuật toán cổ điển Paiticle Swam Optimization algorithm (PSO) và phần mềm windPRO để bố trí tối ưu vị trí tua-bin gió trong trang trại gió ngoài khơi và trang trại gió trên đất liền có địa hình phức tạp. Nhằm đánh giá khách quan hiệu quả của thuật toán đề xuất, phần mềm WAsP được sử dụng để tính toán năng lượng gió cho tất cả các kịch bản. Kết quả chứng minh thuật toán đề xuất cung cấp kết quả cạnh tranh và có thể áp dụng thiết kế các trại gió trong thực tế. Tuy nhiên, khả năng áp dụng thuật toán đề xuất trong việc giải quyết bố trí tối ưu vị trí các tua-bin gió trong trại gió trên đất liền cần được tiếp tục nghiên cứu và phát triển trong tương lai. 1. GIỚI THIỆU Phân bố công suất tối ưu là một trong những vấn đề cơ bản của hệ thống điện. Về bản chất, các vấn đề tối ưu hóa liên quan đến tối thiểu chi phí phát điện nhưng vẫn đảm bảo hệ thống điện vận hành tin cậy. Đối với nhà máy điện gió, tối thiểu chi phí phát điện tương đương với tối đa năng lượng gió thu được và giảm thiểu tổn thất che chắn giữa các tua-bin gió. Để đạt được điều này, bố trí tối ưu vị trí tua-bin trong trang trại gió được đặt biệt quan tâm. Nhiều công trình nghiên cứu về bố trí tối ưu vị trí tua-bin trong trang trại gió được công bố liên tục từ năm 1992 đến nay vẫn đang tiếp tục với các hàm mục tiêu khác nhau và áp dụng các thuật toán khác nhau [1,4], phần lớn tập trung nghiên cứu với hai hàm mục tiêu tối ưu chi phí đầu tư và tối ưu sản lượng điện gió thu được. Hiện tại, một số phần mềm thương mại phục vụ hiệu quả cho việc thiết kế nhà máy điện gió, phần mềm phổ biến nhất là WAsP [5] và windPRO [6]. Phần mềm WAsP là tiêu chuẩn cho đánh giá tài nguyên gió, bố trí tua-bin gió và tính toán năng lượng gió. Phần mềm windPRO được sử dụng rộng rãi bố trí tối ưu vị trí tua-bin trong trang trại PHÂN BAN NGUỒN ĐIỆN | 189 gió dựa trên tối đa sản lượng điện gió thu được. WAsP và windPRO được các chuyên gia tư vấn thiết kế, các nhà phát triển dự án, các nhà sản xuất tuabin gió sử dụng và kết quả phân tích từ các phần mềm này dễ dàng được chấp nhận từ các nhà đầu tư và các ngân hàng hỗ trợ tài chính dự án là các yếu tố quan trọng triển khai thành công dự án. Các thuật toán tìm kiếm tối ưu ngày càng trở nên phổ biến trong các ứng dụng kỹ thuật vì [7]: (i) dựa vào các khái niệm khá đơn giản và dễ thực hiện; (ii) có thể bỏ qua tối ưu cục bộ; (iii) có thể được sử dụng giải quyết các vấn đề bao gồm các lĩnh vực khác nhau. Một số thuật toán phổ biến nhất là [8]: Genetic Algorithms (GA) và Particle Swarm Optimization (PSO). Mặc dù các thuật toán này có thể giải quyết được nhiều vấn đề thực tế và đầy thách thức, tuy nhiên, nghiên cứu “No Free Lunch theorem” [9], tất cả các thuật toán thực hiện tương đương nhau khi giải quyết các vấn đề tối ưu hóa. Do đó, một thuật toán có thể rất hiệu quả trong việc giải quyết một số các vấn đề nhưng không hiệu quả cho các vấn đề khác. Đây là nền tảng của nhiều công trình nghiên cứu thuật toán mới. Một số thuật toán mới được công bố của Seyedali Mirjalili và cộng sự [10], Whale Optimization Algorithm (WOA), Moth-Flame Optimization algorithm (MFO), Grey Wolf Optimizer (GWO) cho kết quả tối ưu hóa rất cạnh tranh so với các thuật toán đang áp dụng. Bài báo này đề xuất áp dụng thuật toán GWO, bài báo được trích dẫn nhiều nhất trong Tạp chí ADES [10], thuật toán WOA và thuật toán MFO, bố trí tối ưu vị trí tuabin trong trại gió mục đích thu được sản lượng điện tối đa hàng năm. Thuật toán đề xuất được so sánh với thuật toán phổ biến PSO và bố trí tối ưu trại gió sử dụng phần mềm windPRO. Tất cả các thuật toán được sử dụng cùng một dữ liệu đầu vào (bản đồ địa hình, độ nhám bề mặt và dữ liệu gió), kết quả tính toán sản lượng điện gió hàng năm sẽ được tính toán lại và phân tích bởi phần mềm WAsP để đánh giá khách quan tất cả các thuật toán được đề xuất. Bài báo xem xét bố trí tối ưu trang trại gió có diện tích hình chữ nhật hoặc diện tích bất kỳ, bố trí tối ưu cho trại gió ngoài khơi hoặc khu vực đất liền có địa hình phức tạp nhằm xem xét các vấn đề cần phát triển trong tương lai. 2. MÔ HÌNH TOÁN HỌC 2.1. Giả định Bài báo này thừa nhận các giả định sau:  Giả định 1. Các tua-bin trong trang trại gió được giả định giống nhau.  Giả định 2. Số lượng tua-bin gió N được biết trước và cố định.  Giả định 3. Trang trại gió được giả định bố trí trong mặt phẳng tọa độ (cao độ địa hình và độ nhám bề mặt ít thay đổi).  Giả định 4. Tốc độ gió v theo hướng gió θ trong các trang trại gió theo một phân phối Weibull [11]: 190 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 ( , , )= , = ( ), − (2.1) = ( ) Trong đó, p(·) là hàm mật độ xác suất Weibull, v là tốc độ gió, c là hệ số tỷ lệ, và k là hệ số hình dạng.  Giả định 5. Theo hướng gió θ, tất cả rô-to của tua-bin quay theo hướng vuông góc với hướng gió. 2.2. Mô hình che chắn gió (wake modeling) Tua-bin gió tạo ra hai vùng ảnh hưởng hiệu ứng che chắn là “vùng ảnh hưởng gần” và “vùng ảnh hưởng xa” [12]. Vùng ảnh hưởng gần khoảng cách 2-3 đường kính rô-to phía sau tua-bin, vùng các tua-bin trực tiếp làm nhiễu loạn gió. Vùng ảnh hưởng xa phía sau vùng ảnh hưởng gần, nơi chủ yếu bị tác động bởi trang trại gió lớn. Trong vấn đề tối ưu hóa vị trí tua-bin, vùng ảnh hưởng xa trở nên quan trọng hơn vùng ảnh hưởng gần. Hình 2.1: Ảnh hưởng che chắn thực tế Hình 2.2: Vùng nhiễu loạn gió phía sau tua-bin Tốc độ gió suy giảm tại một vị trí nhất định d [14]: V =1− V V = 1− 1−C (1 + κd/R) (2.2) trong đó, C hệ số thrust coefficient của tua-bin, κ là hằng số ảnh hưởng bởi địa hình (hằng số có giá trị 0.075 cho địa hình đất liền và 0.04 cho khu vực ngoài khơi [15]), và d là khoảng cách sau tua-bin theo hướng gió θ. Bởi vì chỉ có hệ số c của phân bố Weibull bị ảnh hưởng bởi hiệu ứng che chắn gió, hiệu ứng che chắn được mô tả theo phân bố thống kê như sau [14]: ( ) = ( ). (1 − ) (2.3) PHÂN BAN NGUỒN ĐIỆN | 191 2.3. Đặc tuyến tua-bin gió Đặc tuyến tua-bin gió được xác định bởi các nhà sản xuất tua-bin giúp cho việc ước tính sản lượng điện gió tại khu vực trại gió. Mô hình chính xác đặc tuyến tua-bin rất quan trọng trong việc ước đoán năng lượng điện gió và hỗ trợ việc mở rộng trang trại gió. Nhiều phương pháp tiếp cận đối với đặc tuyến tua-bin gió đã được giới thiệu, trong đó bao gồm xấp xỉ đa thức [16]. Trong bài báo này, mô hình đa thức bậc 9 được đánh giá phù hợp nhất. Hình 2.3 và Hình 2.4 cho thấy so sánh giữa mô hình đa thức và đặc tuyến tua-bin gió thực tế đề xuất của bài báo. 1400 800 600 0.6 0.4 400 0.2 200 0 0 3 8 13 v [m/s] 18 23 P [kW] 1000 Power curve Ninth degree Ct curve 1200 0.8 Ct P [kW] Power curve Ninth degree Ct curve 0.8 1400 1 1200 0.9 1600 1.2 1000 800 0.6 0.5 0.4 600 0.3 400 0.2 200 0.1 0 0 3 Hình 2.3: Đặc tuyến tua bin gió GE 1.68-82.5 0.7 Ct 1600 8 13 v [m/s] 18 Hình 2.4: Đặc tuyến tua-bin gió FL MD 77 2.4. Mô hình tính toán sản lượng điện gió 2.4.1. Mô hình đặc trưng gió Đặc trưng thống kê gió thường được mô hình bởi hai yếu tố khác nhau: hướng gió và tốc độ gió. Hướng gió được biểu diễn bởi xác suất xảy ra cho từng sector tạo thành bởi hoa gió (wind rose). Nghiên cứu này đề xuất sử dụng hoa gió 12 sector vì được sử dụng rộng rãi cho thiết kế trang trại gió và đặc trưng tốc độ gió thường được mô tả bởi phân bố Welbull. Phân bố Weibull được xác định bởi các thông số c, k theo công thức (2.1). 2.4.2. Sản lượng điện gió Sản lượng điện gió được tính: ( , )= ( ) ( , ( ), ( )) (2.4) Trong đó, p(v, c, k) là phân bố xác suất tốc độ gió, cho bởi công thức (2.1) và f(v) đặc tuyến tua-bin gió. 192 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 2.4.3. Hàm mục tiêu Đề tài này đề xuất tối ưu bố trí tua-bin trong trang trại gió với mục tiêu tối đa sản lượng điện gió thu được Obj = max[ΣE(P)]. 3. THUẬT TOÁN ÁP DỤNG Bài báo đề xuất áp dụng một số thuật toán tìm kiếm: 1. Paiticle Swam Optimization [17]: PSO là thuật toán tối ưu dựa trên quần thể và ngẫu nhiên. PSO lấy cảm hứng từ hành vi đàn cá và đàn chim, được phát triển bởi Kennedy and Eberhart năm 1995. PSO đặc biệt phù hợp cho các vấn đề liên tục. 2. Grey Wolf Optimizer [8]: GWO lấy cảm hứng từ những con sói xám. Thuật toán GWO bắt chước hệ thống cấp bậc chỉ huy và cơ chế săn bắt của con sói xám trong tự nhiên. Ba bước chính của việc săn bắt, tìm kiếm con mồi, bao quanh con mồi và tấn công con mồi. 3. Whale Optimization Algorithm [7]: WOA bắt chước các hành vi săn mồi của cá voi. Thuật toán lấy cảm hứng từ chiến lược săn bong bóng. Các bước chính của thuật toán: Bao vây con mồi, phương pháp tấn công và tìm kiếm con mồi. 4. Moth-flame optimization algorithm [18]: MFO lấy cảm hứng từ phương pháp chuyển hướng của bướm đêm trong tự nhiên gọi là định hướng ngang. Bướm đêm bay trong đêm bằng cách duy trì một góc cố định đối với Mặt Trăng, một cơ chế rất hiệu quả cho việc di chuyển trong một đường thẳng cho khoảng cách xa. 5. Thuật toán tối ưu trong phần mềm WindPRO: Các công trình nghiên cứu trước đó dự đoán rằng, phần mềm windPRO tối ưu hóa vị trí tua-bin trong trang trại gió sử dụng thuật toán tương tự như thuật toán tham lam (greedy algorithm) [19]. Thuật toán tham lam là thuật toán theo phương pháp kỹ thuật phỏng đoán để tìm được vị trí tối ưu toàn cầu gần đúng bằng cách làm cho tối ưu cục bộ ở từng giai đoạn. Kết quả bố trí tối ưu vị trí tua-bin trong trang trại gió sử dụng các thuật toán trên sẽ được so sánh với bố trí tối ưu từ phần mềm windPRO (module OPTIMIZE) với cùng dữ liệu đầu vào. Để đánh giá khách quan hiệu quả sử dụng các thuật toán đề xuất, toàn bộ trang trại gió đã được bố trí tối ưu sẽ được tính toán và phân tích bởi phần mềm WAsP. 3.1. Tối ưu bố trí vị trí tua-bin trong trang trại gió Lưu đồ thực hiện bố trí tua-bin trong trang trại gió được thể hiện trong Hình 3.1. PHÂN BAN NGUỒN ĐIỆN | 193 Hình 3.1: Lưu đồ bố trí tối ưu vị trí tua-bin trong trang trại gió  Bước 1. Dữ liệu thô gió, địa hình, độ nhám bề mặt, chướng ngại vật và dữ liệu máy phát điện gió sẽ được đưa vào phần mềm WAsP xử lý và đầu ra của quá trình này là bản đồ mật độ năng lượng gió (wind resource map).  Bước 2. Bản đồ mật độ năng lượng gió sẽ được sử dụng làm dữ liệu đầu vào cho windPRO, PSO, GWO, WOA, MFO bố trí tối ưu vị trí tua-bin.  Bước 3. Trại gió sau khi được bố trí tối ưu bởi các thuật toán đề xuất trên sẽ được tính toán lại và phân tích bởi phần mềm WAsP.  Bước 4. Kết luận và đề xuất giải pháp tốt nhất bố trí tối ưu trại gió. 4. KẾT QUẢ TÍNH TOÁN VÀ ĐÁNH GIÁ THUẬT TOÁN ÁP DỤNG 4.1. Các kịch bản xem xét Bài báo đề xuất ba kịch bản của trang trại gió thực tế đang vận hành tại Việt Nam với giả định khác nhau để xem xét toàn diện và đánh giá hiệu quả thuật toán. 194 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 Bảng 4.1. Các kịch bản bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản Kịch bản 1 Kịch bản 2 Kịch bản 3 Trại gió Ngoài khơi Ngoài khơi Đất liền Công suất trại gió 16.8 MW 104 MW 30 MW Tua bin gió 10 x 1.68 MW 62 x 1.68 MW 20 x 1.5 MW Loại tua-bin gió GE 1.68 - 82.5 GE 1.68 - 82.5 FL MD 77 Đặc tuyến tua-bin gió Hình 2.3 Hình 2.3 Hình 2.4 4.2. Kịch bản 1 Bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản 1, Hình 4.1 – Hình 4.6. Bảng 4.2. Tổng hợp kết quả tính toán Mô tả Gross AEP Net AEP Wake loss Capacity factor [GWh] [GWh] [%] [%] Hiện hữu 67.945 63.369 6.73 43.06 windPRO 69.144 65.608 5.11 44.58 PSO 68.299 65.159 4.60 44.28 GWO 68.468 65.708 4.03 44.65 WOA 67.993 65.301 3.96 44.37 MFO 67.753 65.734 2.98 44.67 So sánh thuật toán tốt nhất (MFO) với: Hiện hữu -0.28% 3.73% -3.75 1.61 windPRO -2.01% 0.19% -2.13 0.09 PHÂN BAN NGUỒN ĐIỆN | 195 Bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản 1 Hình 4.2: Tối ưu sử dụng windPRO Hình 4.3: Tối ưu sử dụng PSO Hình 4.4: Tối ưu sử dụng GWO Hình 4.5: Tối ưu sử dụng WOA Hình 4.6: Tối ưu sử dụng MFO PHÂN BAN NGUỒN ĐIỆN | 195 Hình 4.1: Trại gió hiện hữu Bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản 2 Hình 4.7. Trại gió hiện hữu Hình 4.8. Tối ưu sử dụng windPRO Hình 4.9. Tối ưu sử dụng MFO Bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản 3 Hình 4.10. Trại gió hiện hữu Hình 4.11. Tối ưu sử dụng windPRO Hình 4.12. Tối ưu sử dụng MFO 196 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 196 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017 PHÂN BAN NGUỒN ĐIỆN | 197 Nhận xét  Các thuật toán đề xuất (GWO và MFO) bố trí tối ưu tốt hơn phần mềm windPRO, trong đó thuật toán MFO cho kết quả tốt nhất. Thuật toán MFO cho sản lượng lớn hơn 0.19% so với windPRO và 3.73% so với trại gió hiện hữu.  Kết quả tính toán bằng chương trình thực hiện nghiên cứu cho kết quả sai lệch 2.85% sản lượng và tổn thất do che chắn sai lệch 2.87% so với phần mềm WAsP. 4.3. Kịch bản 2 Bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản 2, Hình 4.7 – Hình 4.9. Bảng 4.3. Tổng hợp kết quả tính toán Mô tả Gross AEP Net AEP Wake loss Capacity factor [GWh] [GWh] [%] [%] Hiện hữu 431.94 391.883 9.27 42.95 windPRO 439.987 390.255 11.30 42.77 MFO 432.155 392.285 9.23 42.99 So sánh thuật toán MFO với: Hiện hữu 0.05% 0.10% -0.04 0.04 windPRO -1.78% 0.52% -2.07 0.22 Nhận xét  Các thuật toán đề xuất MFO bố trí tối ưu tốt hơn phần mềm windPRO. Thuật toán MFO cho sản lượng cao hơn 0.52% so với windPRO và cao hơn 0.10% so với trại gió hiện hữu.  Kết quả tính toán bằng chương trình nghiên cứu cho kết quả sai lệch -4.90% sản lượng và tổn thất do che chắn sai lệch 4.39% so với phần mềm WAsP. 4.4. Kịch bản 3 Bố trí tối ưu vị trí tua-bin trong trang trại gió Kịch bản 3, Hình 4.10 – Hình 4.12.