Định nghĩa “Microgrid - Lưới điện siêu nhỏ” và phân loại.

Cụ thể, lưới điện siêu nhỏ là một nhóm phân tán gồm các nguồn và tải được kết nối với nhau. Ở chế độ bình thường, lưới điện này được kết nối và đồng bộ với lưới điện quốc gia (grid-connected mode), nhưng khi có sự cố lưới điện siêu nhỏ này có khả năng nhanh chóng cách ly khỏi lưới điện chính, trở về chế độ ốc đảo (islanded mode) để vận hành độc lập.

Lưới điện siêu nhỏ xoay chiều (ACMG) được mô tả trong hình 1 gồm các đơn vị phát điện với đầu ra xoay chiều được kết nối với nhau thông qua một thanh cái AC và vận hành cùng tần số. Thanh cái chung này kết nối vào lưới hiện hữu thông qua một máy cắt tại điểm kết nối chung. Để cấp nguồn cho tải một chiều, các nguồn dòng một chiều được chuyển đổi từ nguồn dòng xoay chiều 50Hz bởi các bộ chỉnh lưu hoặc cấp trực tiếp cho tải xoay chiều mà không cần thông qua các bộ biến đổi.

Tương tự ACMG, lưới điện siêu nhỏ một chiều (DCMG) gồm các đơn vị phát điện DC (hoặc nguồn AC kết hợp bộ chuyển đổi AC/DC) được kết nối với nhau tại một thanh cái DC, từ đó cấp nguồn trực tiếp cho tải DC hoặc tải AC thông qua bộ nghịch lưu DC/AC như mô tả trong hình 2.

Rõ ràng, một hệ thống lưới điện siêu nhỏ lai AC – DC (HADMG) sẽ trở nên hiệu quả hơn khi góp phần giảm thiểu tổn hao khi lược bớt các bộ chuyển đổi, đơn giản hóa việc kết nối những nguồn phân tán vào hệ thống điện chính, đổi lại vấn đề vận hành hệ thống này sẽ phức tạp hơn.

Cấu trúc của một hệ thống lưới điện siêu nhỏ lai rút gọn ở chế độ vận hành độc lập được mô tả qua mô hình sau:

Hình 3: Sơ đồ nguyên lý của lưới điện siêu nhỏ lai AC-DC

Trong đó, lưới điện siêu nhỏ xoay chiều được kết nối với lưới điện siêu nhỏ một chiều thông qua bộ biến đổi liên kết và các thiết bị bảo vệ. Bộ biến đổi liên kết này có chức năng đảm bảo sao cho hệ thống hoạt động tốt, phù hợp với yêu cầu điều khiển trao đổi công suất giữa thanh cái AC và DC, đảm bảo giá trị điện áp và tần số tại điểm kết nối chung nằm trong ngưỡng cho phép.

Các giải thuật điều khiển để loại bỏ sóng hài

Như đã trình bày ở trên, các bộ biến đổi công suất AC/AC, DC/DC, DC/AC, AC/DC, AC-DC/DC-AC được ứng dụng ngày càng nhiều trong lưới điện siêu nhỏ để có thể tích hợp các nguồn phân tán vào hệ thống, đặc biệt khi các nguồn năng lượng tái tạo xuất hiện ngày càng nhiều. Trong đó, những bộ nghịch lưu AC/DC gây ra những tác hại không tốt lên hệ thống vì những thành phần hài bậc cao ở tín hiệu đầu ra sẽ chuyển hóa thành nhiệt năng, phá hỏng cách điện, gây nhiễu tín hiệu viễn thông, phát sinh tổn hao và có thể dẫn tới phá hủy thiết bị. Do đó, để đảm bảo chất lượng điện năng và dạng sóng của tín hiệu đầu ra, việc loại bỏ sóng hài bậc cao ở các bộ nghịch lưu trong lưới điện siêu nhỏ là vấn đề quan trọng cần được xét đến. Vấn đề này được thực hiện bằng cách sử dụng các kỹ thuật loại bỏ sóng hài chọn lọc (Selective harmonic elimination: SHE) hay sử dụng các bộ nghịch lưu đa bậc ghép tầng, hoặc kết hợp việc sử dụng các kỹ thuật loại bỏ sóng hài cho bộ nghịch lưu đa bậc ghép tầng.

Các kỹ thuật loại bỏ sóng hài chọn lọc SHE sử dụng các góc kích khóa bán dẫn tối ưu để tạo ra giá trị điện áp và phổ sóng hài mong muốn. Trước khi áp dụng các kỹ thuật SHE, cần hiểu về liên hệ giữa góc kích khóa bán dẫn và hệ số méo dạng toàn phần (Total harmonic ditortion: THD). Gọi là góc đóng cắt của khóa thứ m, tiến hành phân tích Fourier để tìm ra thành phần cơ bản và thành phần hài bậc cao, ta có:

Từ mối liên hệ giữa hệ số méo dạng toàn phần và góc kích của các khóa bán dẫn như trên, cần tìm ra giá trị phù hợp cho các góc kích  này. Thông thường, các giá trị tối ưu của góc kích  (Optimal switching angle: OSA)  được tính toán ứng với các giá trị tỉ số điều biên   khác nhau trong khoảng [0,1]. Với các phương pháp truyền thống như điều chế độ rộng xung sin (Sinusoldal Pulse Width Modulation: SPWM) hay phương pháp lặp Newton Raphson (NR), giá trị góc kích tối ưu sau khi tính toán sẽ được tổng hợp thành bảng tra cứu. Tuy nhiên, việc tạo ra bảng tra cứu sẽ khó có thể bao quát toàn bộ trường hợp. Hơn nữa, với bộ nghịch lưu đa bậc ghép tầng, khi số bậc càng cao khối lượng tính toán, thời gian tính toán và độ phức tạp cũng sẽ tăng lên.

Nhiều bài nghiên cứu đã cho thấy để triệt tiêu sóng hài ở tín hiệu điện áp ngõ ra, vận dụng các thuật toán siêu hình (metaheuristic) như thuật toán di truyền (Genetic Algorithm: GA), thuật toán tối ưu bầy đàn (Particle Swarm Optimization: PSO) hay thuật toán bắt chước tập tính săn mồi của loài sói xám (Grey wolf Optimizer: GWO) cho kết quả tốt hơn các phương pháp truyền thống và có thể sử dụng trực tiếp kết quả tính toán mà không cần thông qua bảng tra cứu.

Những thuật toán siêu hình

Các thuật toán siêu hình là những thuật toán được đúc kết từ tự nhiên, bắt chước từ những đặc tính tốt nhất trong thiên nhiên thông qua chọn lọc tự nhiên và sự thích nghi xã hội. Những bài toán này có thể mô tả ở mức độ trừu tượng, thường đưa ra lời giải gần tối ưu trong không gian tìm kiếm và được phân thành 2 loại: thuật toán dựa trên quỹ đạo và thuật toán dựa trên dân số, sự khác biệt dựa trên số lời giải dự kiến được sử dụng trong mỗi bước lặp của thuật toán. Các phương pháp GA, PSO và GWO được nhắc đến ở trên là những ví dụ điển hình của thuật toán dựa trên quỹ đạo.

Lấy cảm hứng từ qúa trình di truyền và chọn lọc tự nhiên, thuật toán di truyền GA thực hiện thông qua 6 bước như sau: Khởi tạo giá trị ban đầu à Đánh giá và gán giá trị cho các cá thể trong quần thể à Chọn cá thể phù hợp nhất à Trao đổi chéo từ tổ hợp của cá thể bố mẹ để tạo ra cá thể con à Đột biến à Chèn lại,  trở về quá trình đánh giá ở bước 2 cho tới khi đạt được độ chính xác như yêu cầu.

Tương tự GA, thuật toán tối ưu bầy đàn PSO cũng xuất phát từ tự nhiên, nhưng bắt chước tập tính di chuyển và trí thông minh của các đàn sinh vật thông qua 4 bước lặp. Đánh giá hàm mục tiêu ứng với mỗi nhóm quần thể à Cập nhật giá trị của cá thể ưu tú nhất, giá trị toàn cục của hàm mục tiêu và vị trí à Tính toán vận tốc mới cho vị trí hiện tại, tìm ra vị trí phù hợp nhất với giá trị của hàm mục tiêu với phần tử đó, vị trị phù hợp với giá trị toàn cục hiện tại của hàm mục tiêu à tính toán vị trí mới ứng với tốc độ mới ứng với mỗi nhóm thuộc quẩn thể.

Thuật toán bắt chước tập tính săn mồi của bầy sói GWO mô phỏng theo kỹ thuật phân lớp lãnh đạo và săn mồi của loài sói xám trong tự nhiên. Một lãnh đạo ưu tú nhất được gọi là alpha ( lời giải tốt nhất), cũng là phần tử đưa ra quyết định đi săn, các lãnh đạo cấp dưới lần lượt là beta và delta, những phần tử còn lại là omega. Bài toán được thực hiện qua 4 bước lặp: (1)àBao vây con mồi à Săn đuổi à Tấn công à Thăm dòà(1). Lời giải tối ưu sẽ được lấy ra từ trung bình cộng của 3 cấp lãnh đạo cao nhất. Nhờ vào việc kiểm tra lại vị trí, thuật toán tránh khỏi những giá trị tối ưu cục bộ, từ đó tìm ra được lời giải phù hợp nhất.

Kết quả mô phỏng trên matlab ứng dụng phương pháp GWO

Theo một nghiên cứu ứng dụng GWO cho việc triệt tiêu sóng hài ở tín hiệu điện áp ngõ ra, với bộ nghịch lưu 11 bậc, sóng hài có THD có giá trị nhỏ hơn 10% ứng với các giá trị tỉ số điều biên thay đổi từ 0.4 đến 1. Với bộ nghịch lưu này, phương pháp GWO cho kết quả tương tự các phương pháp truyền thống như Resultans hay Online Step pulse PWM.

Hình 4: THD% của phương pháp GWO, Resultants và Online step pulse PWM ứng với bộ nghịch lưu 11 bậc

Hình 5: THD% của phương pháp GWO ứng với bộ nghịch lưu 15 bậc

Với bộ nghịch lưu 15 bậc, sóng hài có giá trị nhỏ hơn 10% ứng với các giá trị tỉ số điều biên thay đổi từ 0.3 đến 1. Các phương pháp truyền thống khó tiếp cận được lời giải khi độ phức tạp của bài toán tăng lên cùng với sộ bậc của bộ nghịch lưu, trong khi GWO dễ dàng cho kết quả tối ưu chỉ với vài thay đổi nhỏ của tham số.

Kết quả mô phỏng cho thấy tiềm năng ứng dụng các thuật toán siêu hình cho bài toán tối ưu sẽ góp phần tăng khả năng tính toán và giải quyết được những hạn chế mà các phương pháp truyền thống chưa làm được khi độ phức tạp tăng lên hay cho phép tính toán trực tuyến thay vì việc sử dụng các bảng tra cứu tốn nhiều tài nguyên bộ nhớ. Các thuật toán GA và PSO cũng sẽ tiếp tục được mô phỏng thử nghiệm trên các phần mềm tính toán để tìm ra lời giải tốt nhất. Việc áp dụng các thuật toán siêu hình để đảm bảo chất lượng điện năng như đã nêu trên sẽ góp phần giúp lưới điện không chỉ thông minh hơn mà còn tiết kiệm chi phí khi có thể giảm bớt những bộ chuyển đổi cồng kềnh và những bộ lọc sóng hài tốn kém.

Thực hiện: Nguyễn Thanh Hằng – TR&D

Tham khảo:

[1] E S N Raju P (Research scholar) and Trapti Jain (Assistant Professor), in Electrical Engineering, IIT Indore, Indore, India, October,2013,  Hybrid AC/DC Micro Grid: An Overview, Page 1, 2.

[2] Pouria Qashqai, Kamal AlHaddad in GREPCI , Ecole de technology superieur (ETS) Montrea, Canada. Hani Vahedi in Power Electronic RD OSIACO Montrea Canada, 2019, IEEE, Applications of artifical intelligence in power electronics, Page 3,4.

[3] Susana Estefany, Hugo Calleja, 2020, IEEE, Metaheuristic Optimization Methods Applied to Power Converters: A Review, Page 1-5.

[4] Phan Quoc Dung et Al, 2020, IEEE, Selective Harmonic Elimination for Cascaded Multilevel Inverters Using Greys Wolf Optimize Algorithm, Page 1-5.

[5] Đề cương đề xuất nghiên cứu lưới điện thông minh, smart grid, PECC2.

[6] Microgrid, Wikipedia, 17/2/2020, https://en.wikipedia.org/wiki/Microgrid