Luận án Tiến sĩ: Điều khiển tần số thông minh trong hệ thống điện đa nguồn phát

Tổng quan về luận án

Luận án "Điều khiển tần số thông minh trong hệ thống điện đa nguồn phát" giải quyết một thách thức cấp bách trong kỹ thuật điện hiện đại: duy trì ổn định tần số trong các hệ thống điện đa kết nối ngày càng phức tạp, đặc trưng bởi sự gia tăng của các nguồn năng lượng tái tạo (RESs) và các yếu tố phi tuyến, bất định. Bối cảnh khoa học hiện nay chứng kiến sự chuyển dịch mạnh mẽ sang năng lượng xanh, song song với việc này là sự giảm sút quán tính hệ thống và gia tăng tính biến động, gây khó khăn cho việc duy trì tần số danh định. Nghiên cứu này mang tính tiên phong khi tích hợp một cách toàn diện các phương pháp điều khiển thông minh để giải quyết đồng thời các vấn đề này, vượt ra ngoài giới hạn của các nghiên cứu trước đây vốn chỉ tập trung vào một số khía cạnh riêng lẻ.

Research gap cụ thể mà luận án này hướng tới là việc thiếu vắng một giải pháp điều khiển tần số thông minh có khả năng đối phó hiệu quả với sự kết hợp phức tạp của GDB (Governor Deadband), GRC (Generation Rate Constraint), tính trễ thời gian, các thông số hệ thống bất định và sự tham gia ngày càng lớn của các nguồn năng lượng tái tạo (điện gió, điện mặt trời) trong hệ thống điện đa vùng. Như luận án đã nhận định, "Các nghiên cứu trên trong khi xét hệ thống điện với những điều kiện giới hạn đều sử dụng các phương pháp điều khiển thông minh... Tuy nhiên chỉ giới hạn trong những điều kiện của tác giả." Các bộ điều khiển đại số, PID đơn giản khó có thể điều khiển tối ưu ổn định tần số hệ thống trong bối cảnh phức tạp này. Chẳng hạn, [2] đã đề xuất điều khiển phản hồi trạng thái cho hệ thống ba máy phát nhưng chưa xem xét đến GDB, GRC hay tính trễ. Tương tự, [58] áp dụng điều khiển mờ-PI cho sáu vùng nhưng bỏ qua các yếu tố bất định và các vùng mô phỏng hoàn toàn giống nhau. Luận án này lấp đầy khoảng trống đó bằng cách đề xuất và kiểm chứng các bộ điều khiển thông minh, lai giữa các phương pháp hiện đại để đạt được sự ổn định tần số ưu việt dưới các điều kiện vận hành thực tế và thách thức nhất.

Nghiên cứu được định hướng bởi các câu hỏi và giả thuyết sau:

1. Research Question 1: Làm thế nào để mô hình hóa một cách chính xác và toàn diện hệ thống điện đa kết nối (hai vùng, ba vùng) có xét đến các yếu tố phi tuyến (GDB, GRC), bất định (thông số thay đổi), tính trễ thời gian và động thái của các nguồn năng lượng tái tạo (gió, mặt trời) theo dạng không gian trạng thái và hàm truyền?
2. Research Question 2: Bộ điều khiển thích nghi hàm Gauss dựa trên lý thuyết ổn định Lyapunov có thể cải thiện hiệu suất ổn định tần số trong hệ thống điện hai vùng với các yếu tố phi tuyến và bất định như thế nào so với các phương pháp điều khiển truyền thống?
3. Research Question 3: Các bộ điều khiển lai thông minh như Mờ-PID và Mờ-PSO-PID có thể cung cấp hiệu suất ổn định tần số và công suất đường dây vượt trội như thế nào trong hệ thống điện đa vùng (hai vùng, ba vùng) dưới tác động của nhiễu tải đa dạng, thông số bất định, tính trễ và sự tham gia của RESs?
   • Hypothesis 3.1: Bộ điều khiển Mờ-PID sẽ cho chất lượng điều khiển tốt hơn đáng kể so với PID cổ điển trong việc ổn định tần số và công suất đường dây ở hệ thống điện hai vùng với các yếu tố phi tuyến, bất định và tính trễ.
   • Hypothesis 3.2: Bằng cách tối ưu hóa các thông số của bộ điều khiển Mờ-PID sử dụng thuật toán PSO, bộ điều khiển Mờ-PSO-PID sẽ đạt được hiệu suất vượt trội về thời gian xác lập, độ quá điều chỉnh và giảm thiểu sai số tần số trong hệ thống điện ba vùng có sự tham gia của các nguồn năng lượng tái tạo.

Theoretical framework của luận án dựa trên sự kết hợp của Lý thuyết Điều khiển Mờ (Fuzzy Logic Control) của L.A. Zadeh (1965), Lý thuyết Ổn định Lyapunov (Lyapunov Stability Theory), và các nguyên lý của Tối ưu hóa bầy đàn (Particle Swarm Optimization - PSO) của Kennedy và Eberhart (1995). Lý thuyết điều khiển mờ được sử dụng để xử lý các tính chất phi tuyến và bất định mà không yêu cầu mô hình toán học chính xác. Lý thuyết Lyapunov cung cấp nền tảng cho thiết kế bộ điều khiển thích nghi hàm Gauss, đảm bảo tính ổn định toàn cục của hệ thống. PSO được tích hợp để tối ưu hóa các tham số của bộ điều khiển mờ-PID, nhằm đạt được hiệu suất tối ưu dưới các điều kiện vận hành thay đổi.

Đóng góp đột phá của luận án bao gồm:

1. Thiết kế và kiểm chứng Bộ điều khiển thích nghi hàm Gauss (Chương III): Lần đầu tiên áp dụng bộ điều khiển thích nghi hàm Gauss dựa trên lý thuyết Lyapunov để ổn định tần số trong hệ thống điện hai vùng có tua bin không hồi nhiệt, đặc biệt trong các trường hợp tồn tại thông số bất định, cho thấy khả năng duy trì ổn định tần số cao, đạt được sai số tần số vùng 1 và vùng 2 nhỏ hơn 0.05 Hz trong trường hợp 2 với các thông số bất định, so với trạng thái chưa có bộ điều khiển với sai số khoảng -0.035 pu (tương đương 1.75 Hz).
2. Phát triển Bộ điều khiển Mờ-PSO-PID (Chương IV): Đề xuất một bộ điều khiển lai tiên tiến kết hợp điều khiển mờ, tối ưu hóa PSO và PID để ổn định tần số hệ thống điện ba vùng, có xét đến GDB, GRC, tính trễ và các nguồn năng lượng tái tạo. Bộ điều khiển này đã chứng minh khả năng giảm thiểu đáng kể sai số tần số và thời gian xác lập dưới các dạng nhiễu tải phức tạp (bước, xung, ngẫu nhiên, sin), thể hiện sự vượt trội rõ rệt so với PID và Mờ-PID truyền thống. Cụ thể, trong các trường hợp mô phỏng, phương pháp này đạt được tiêu chuẩn điều khiển IATE và ISTE thấp hơn đáng kể (ví dụ, IATE giảm 30-50%) so với các bộ điều khiển không tối ưu, đảm bảo đáp ứng tần số vùng 1, vùng 2, vùng 3 tiến về 0.
3. Mô hình hóa toàn diện hệ thống điện hiện đại: Xây dựng các mô hình toán học chi tiết cho hệ thống điện đa vùng (2 và 3 vùng) có tích hợp đầy đủ các yếu tố phi tuyến (GDB 0.06%, GRC 0.1 pu/min), bất định (thông số thay đổi), tính trễ và mô hình động học của các nguồn năng lượng tái tạo (tua bin gió với hằng số thời gian Twts và năng lượng mặt trời với Tspv). Mô hình này cung cấp một nền tảng thực tế hơn để đánh giá các chiến lược điều khiển tần số.
4. Minh chứng hiệu quả trong môi trường vận hành khắc nghiệt: Các kết quả mô phỏng trên MATLAB/Simulink chứng minh rằng các bộ điều khiển đề xuất hoạt động hiệu quả ngay cả khi hệ thống chịu tác động của nhiều yếu tố gây bất ổn định đồng thời, bao gồm nhiễu tải lớn, thông số hệ thống biến động và sự thay đổi đột ngột từ nguồn năng lượng tái tạo.

Scope của luận án tập trung vào việc mô hình hóa hệ thống điện đa kết nối gồm hai và ba vùng. Các mô hình bao gồm các tổ máy phát điện nhiệt (tua bin không hồi nhiệt, hồi nhiệt) và thủy điện, cùng với sự tích hợp của các nguồn năng lượng tái tạo như gió và mặt trời. Phạm vi nghiên cứu bao gồm việc kiểm thử các bộ điều khiển dưới các điều kiện vận hành khắc nghiệt, bao gồm nhiễu tải dưới dạng hàm bước, hàm xung, hàm ngẫu nhiên và hàm sin, cùng với sự thay đổi thông số hệ thống bất định và tính trễ thời gian. Significance của nghiên cứu nằm ở khả năng cung cấp các giải pháp kiểm soát tần số tiên tiến, giúp tăng cường độ tin cậy và ổn định của lưới điện, đặc biệt quan trọng trong bối cảnh tăng cường tích hợp năng lượng tái tạo, giảm thiểu sự cố và tối ưu hóa hiệu suất hoạt động của các thiết bị điện, tránh các rung động quá mức ở tua bin hoặc sự cố sóng hài.

Literature Review và Positioning

Nghiên cứu điều khiển tần số tải (LFC) trong hệ thống điện đa kết nối là một lĩnh vực được quan tâm rộng rãi, với nhiều luồng nghiên cứu chính. Các luồng này có thể được tổng hợp thành hai nhóm lớn: điều khiển tần số tải sử dụng kỹ thuật học máy và điều khiển tần số theo các phương pháp tối ưu.

Synthesis của major streams:

• Điều khiển tần số sử dụng kỹ thuật học máy: Các nghiên cứu như của [1] đã xây dựng bộ điều khiển PID thích nghi dựa trên mạng mờ-nơron cho hệ thống thủy điện nhỏ, đạt kết quả ổn định tần số tốt. [58] thiết kế bộ điều khiển mờ kiểu PI để kiểm soát tần số phụ tải cho sáu vùng sử dụng tua bin không hồi nhiệt, cho thấy chất lượng điều khiển tốt so với I, PI, PID. [57] đề xuất bộ điều khiển thông minh trực tuyến kết hợp thuật toán thích nghi loài dơi và mờ cho hệ thống bốn vùng, bao gồm ba vùng tua bin hồi nhiệt và một vùng tua bin thủy lực. Những nghiên cứu này thường tập trung vào khả năng thích ứng của các bộ điều khiển thông minh với sự thay đổi của hệ thống và nhiễu, nhưng thường bỏ qua sự kết hợp toàn diện của các yếu tố phi tuyến và bất định.
• Điều khiển tần số dựa vào các phương pháp tối ưu: Nhiều tác giả đã áp dụng các thuật toán tối ưu hóa siêu heuristic để tinh chỉnh các thông số bộ điều khiển. [9] sử dụng thuật toán BFOA cho hệ thống hai vùng, trong khi [61] nghiên cứu bộ điều khiển lai BFOA và PSO. [34] đề xuất bộ điều khiển lai hPSO-PS để tối ưu hệ số vào ra của bộ điều khiển mờ-PI, so sánh với BFOA, GA, hBFOA-PSO. [38] sử dụng thuật toán QOGWO để tối ưu các thông số bộ điều khiển PID dựa trên hàm mục tiêu ITAE, áp dụng cho hai và bốn vùng tua bin nhiệt và thủy lực. Các phương pháp này tập trung vào việc tìm kiếm bộ tham số tối ưu, nhưng đôi khi có thể thiếu sự linh hoạt trong môi trường vận hành thay đổi liên tục và chưa giải quyết triệt để các yếu tố phi tuyến động.

Contradictions/debates: Có sự tranh luận về việc phương pháp điều khiển nào là hiệu quả nhất khi đối mặt với sự phức tạp ngày càng tăng của lưới điện. Một số nghiên cứu như [52] đã xem xét các yếu tố bất định và phi tuyến (GDB, GRC, tính trễ) và sử dụng bộ điều khiển PI tối ưu bằng phương pháp hòa âm, sau đó kết hợp mờ-nơron. Tuy nhiên, thời gian xác lập của họ còn lớn, khoảng 80s. Ngược lại, các phương pháp tối ưu hóa như PSO của [47] hoặc hPSO-PS của [34] thường tập trung vào việc cải thiện tốc độ hội tụ và giảm độ quá điều chỉnh, nhưng có thể gặp thách thức trong việc đảm bảo tính ổn định toàn cục hoặc xử lý các yếu tố phi tuyến một cách tường minh. Ví dụ, [34] đã sử dụng luật mờ theo kinh nghiệm, điều này "sẽ không thể tối ưu hóa được các thông số. Chính vì vậy sẽ ảnh hưởng đến hoạt động của bộ điều khiển mờ dẫn đến hệ thống đáp ứng không như mong muốn." Đây là một điểm yếu mà luận án này hướng tới khắc phục thông qua việc tích hợp PSO để tối ưu hóa luật mờ.

Positioning trong literature: Luận án này định vị mình bằng cách vượt qua những hạn chế của các nghiên cứu trước đây thông qua việc đề xuất một cách tiếp cận toàn diện hơn. Thay vì chỉ tập trung vào một hoặc hai yếu tố gây bất ổn định, luận án này đồng thời xem xét GDB, GRC, tính trễ, các thông số bất định và sự tham gia của các nguồn năng lượng tái tạo (gió, mặt trời) trong cùng một mô hình hệ thống điện đa vùng. Như đã nêu, "Luận án này sẽ mô hình hóa đối tượng theo các phương pháp như hàm truyền, không gian trạng thái cùng với việc kết hợp những bộ điều khiển thông minh, bộ điều khiển lai, phương pháp điều khiển ổn định và tối ưu trong nhiều khi hệ thống điện được xét đến là hệ thống điện đa vùng với những giới hạn rộng hơn trong hệ thống điện đa nguồn phát." Điều này là một khoảng trống cụ thể mà nhiều nghiên cứu trước đây, như [2] chỉ tập trung vào thay đổi phụ tải, hoặc [57] bỏ qua phi tuyến và bất định, chưa giải quyết được.

How this advances field: Luận án thúc đẩy lĩnh vực này bằng cách cung cấp các giải pháp điều khiển tần số mạnh mẽ và thích ứng hơn cho lưới điện hiện đại. Việc tích hợp bộ điều khiển thích nghi hàm Gauss dựa trên Lyapunov và bộ điều khiển lai Mờ-PSO-PID không chỉ nâng cao hiệu suất điều khiển mà còn tăng cường khả năng phục hồi của hệ thống trước các nhiễu loạn phức tạp. Các đóng góp này mang lại một công cụ mạnh mẽ cho các kỹ sư vận hành lưới điện để đối phó với những thách thức từ việc tăng cường năng lượng tái tạo và tối ưu hóa chi phí.

So sánh với ÍT NHẤT 2 international studies:

1. So sánh với [52]: Nghiên cứu của [52] đã xem xét GDB, GRC, tính trễ và các thông số bất định, và sử dụng bộ điều khiển mờ-nơron sau khi tối ưu PI bằng phương pháp hòa âm. Mặc dù đã tính đến nhiều yếu tố phức tạp, nghiên cứu này vẫn cho "thời gian xác lập lớn khoảng 80s" và không đề cập rõ ràng đến sự ảnh hưởng của năng lượng tái tạo. Luận án hiện tại vượt trội hơn bằng cách cung cấp "thời gian xác lập" nhanh hơn đáng kể (ví dụ, 4-5 giây cho Mờ-PID như [59] đề xuất, và còn tốt hơn với Mờ-PSO-PID) và tích hợp tường minh mô hình động học của tua bin gió và năng lượng mặt trời (như trong Chương II, Mục 2.4.4 và 2.4.5), điều mà [52] chưa làm được một cách chi tiết.
2. So sánh với [34]: Nghiên cứu của [34] sử dụng phương pháp lai hPSO-PS để tối ưu hóa các tham số của bộ điều khiển mờ-PI và đã so sánh với BFOA, GA. Tuy nhiên, nghiên cứu này thừa nhận "Việc sử dụng các luật mờ theo kinh nghiệm sẽ không thể tối ưu hóa được các thông số. Chính vì vậy sẽ ảnh hưởng đến hoạt động của bộ điều khiển mờ dẫn đến hệ thống đáp ứng không như mong muốn." Luận án này giải quyết trực tiếp vấn đề này bằng cách sử dụng PSO để tối ưu hóa các thông số (Kp', Kd', α) của luật mờ (xem Bảng 4.1-4.3, Bảng 4.14), đảm bảo rằng các luật mờ không chỉ dựa trên kinh nghiệm mà còn được tối ưu hóa theo hàm mục tiêu, dẫn đến "chất lượng đáp ứng đầu ra tốt hơn" và vượt qua hạn chế của phương pháp chỉ dựa trên kinh nghiệm.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào lý thuyết điều khiển tần số tải (LFC) bằng cách mở rộng và thách thức các lý thuyết hiện có, đặc biệt trong bối cảnh các hệ thống điện đa nguồn phát hiện đại.

Các đóng góp chính:

• Extend/challenge WHICH specific theories (name theorists):

  • Mở rộng Lý thuyết Điều khiển Mờ (Fuzzy Logic Control) của L.A. Zadeh (1965): Luận án mở rộng ứng dụng của điều khiển mờ bằng cách tích hợp nó với các kỹ thuật tối ưu hóa siêu heuristic (PSO) để điều chỉnh động các tham số của bộ điều khiển PID trong môi trường hệ thống điện phi tuyến, bất định và đa nguồn phát. Điều này vượt qua hạn chế của các hệ thống mờ dựa trên kinh nghiệm, đảm bảo tính tối ưu và khả năng thích ứng cao hơn.
  • Củng cố và áp dụng Lý thuyết Ổn định Lyapunov: Luận án sử dụng lý thuyết ổn định Lyapunov làm nền tảng cho thiết kế bộ điều khiển thích nghi hàm Gauss. Bằng cách chứng minh tính ổn định của hệ thống với bộ điều khiển thích nghi thông qua hàm Lyapunov, nghiên cứu này củng cố khả năng ứng dụng của lý thuyết Lyapunov trong việc thiết kế các bộ điều khiển mạnh mẽ cho các hệ thống phức tạp, phi tuyến tính.
  • Thách thức các giới hạn của Điều khiển PID cổ điển: Luận án cho thấy các bộ điều khiển PID truyền thống không đủ khả năng để ổn định tần số tối ưu trong các hệ thống điện đa nguồn phát với GDB, GRC, tính trễ và RESs. Điều này thách thức quan điểm rằng PID có thể là giải pháp điều khiển "mọi nơi" và khuyến khích phát triển các bộ điều khiển thông minh, lai phù hợp hơn với sự phức tạp của lưới điện hiện đại.

• Conceptual framework với components và relationships: Khung phân tích của luận án được xây dựng trên ba thành phần chính:

  1. Mô hình hóa hệ thống điện toàn diện: Bao gồm các mô hình động học chi tiết của máy phát (nhiệt, thủy lực), tua bin (không hồi nhiệt, hồi nhiệt), phụ tải, đường dây liên kết, và đặc biệt là các nguồn năng lượng tái tạo (gió, mặt trời). Các yếu tố phi tuyến (GDB, GRC) và bất định (thông số thay đổi, tính trễ) được tích hợp trực tiếp vào mô hình.
  2. Phát hiện và Phân tích Lỗi Điều khiển Khu vực (ACE): ACE (Area Control Error) được tính toán từ sai lệch tần số và sai lệch công suất đường dây, là đầu vào chính cho các bộ điều khiển thông minh. "ACEi = ΔPtie,i,j + βi Δfi" (1.1).
  3. Chiến lược Điều khiển Thông minh Lai: Bao gồm các bộ điều khiển Mờ-PID, Mờ-PSO-PID và Điều khiển Thích nghi hàm Gauss. Các bộ điều khiển này được thiết kế để xử lý ACE, điều chỉnh công suất phát của các tổ máy, đưa tần số và công suất đường dây trở về giá trị danh định.

• Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết đề xuất bao gồm các mệnh đề:

  • Mệnh đề 1: Việc tích hợp các yếu tố phi tuyến (GDB, GRC), bất định và tính trễ vào mô hình hệ thống điện là cần thiết để phản ánh chính xác động thái của lưới điện hiện đại, đặc biệt khi có sự tham gia của RESs. (Chương II, "Cấu trúc hệ thống điện hai vùng phi tuyến có xét đến năng lượng tái tạo", Hình 2.19)
  • Mệnh đề 2: Bộ điều khiển thích nghi hàm Gauss dựa trên Lyapunov sẽ cung cấp khả năng ổn định tần số mạnh mẽ hơn so với PID truyền thống trong các hệ thống điện hai vùng với thông số bất định, do khả năng tự điều chỉnh tham số theo thời gian thực. (Chương III)
  • Mệnh đề 3: Các bộ điều khiển lai sử dụng Logic Mờ và thuật toán tối ưu (như PSO) để điều chỉnh tham số PID có thể xử lý hiệu quả hơn các đặc tính phi tuyến và bất định của hệ thống điện đa vùng so với các bộ điều khiển đơn thuần (chỉ PID hoặc chỉ Mờ). (Chương IV)
  • Mệnh đề 4: Tối ưu hóa các luật mờ bằng thuật toán siêu heuristic (PSO) sẽ cải thiện đáng kể hiệu suất điều khiển (ví dụ, giảm IATE, ISTE và thời gian xác lập) so với các luật mờ dựa trên kinh nghiệm. (Chương IV, "Thiết kế bộ điều khiển mờ - PSO - PID")

• Paradigm shift với EVIDENCE từ findings: Luận án gợi mở một sự chuyển dịch mô hình (paradigm shift) từ điều khiển tần số dựa trên mô hình tuyến tính, tham số cố định sang một mô hình điều khiển thích nghi, mạnh mẽ và thông minh, có khả năng tự động học hỏi và điều chỉnh trong môi trường vận hành không ngừng thay đổi. Bằng chứng rõ ràng từ kết quả mô phỏng trong Chương IV, nơi bộ điều khiển Mờ-PSO-PID "cho chất lượng điều khiển tốt" và vượt trội hơn so với các phương pháp trước đó trong nhiều trường hợp nhiễu tải và bất định, đặc biệt là khi "các thông số của bộ điều khiển được tối ưu hóa theo hàm mục tiêu dựa vào phương pháp tối ưu PSO." Điều này cho thấy sự cần thiết của các bộ điều khiển có khả năng "học những đáp ứng khi các thông số thay đổi" để đảm bảo hiệu quả ổn định tần số.

Khung phân tích độc đáo

Khung phân tích của luận án độc đáo ở chỗ nó kết hợp một cách chiến lược các lý thuyết điều khiển và thuật toán tối ưu để giải quyết đồng thời sự phức tạp đa chiều của hệ thống điện hiện đại.

• Integration của theories (name 3+ specific theories): Khung phân tích tích hợp ba lý thuyết chính:

  1. Lý thuyết Điều khiển Mờ (Fuzzy Logic): Được sử dụng để xử lý tính phi tuyến và bất định của hệ thống, cho phép thiết kế các bộ điều khiển dựa trên các luật mờ linh hoạt (ví dụ: "Luật mờ cho Kp', Kd', α" trong Chương IV, Bảng 4.1-4.3).
  2. Lý thuyết Tối ưu hóa Bầy đàn (Particle Swarm Optimization - PSO): Một thuật toán metaheuristic được sử dụng để tối ưu hóa các tham số của bộ điều khiển mờ-PID, vượt qua hạn chế của việc thiết kế luật mờ dựa trên kinh nghiệm. "Thông số PSO" được mô tả trong Bảng 4.16.
  3. Lý thuyết Ổn định Lyapunov: Nền tảng toán học cho thiết kế bộ điều khiển thích nghi hàm Gauss (Chương III), đảm bảo tính ổn định toàn cục của hệ thống khi đối mặt với sự thay đổi của các thông số.

• Novel analytical approach với justification: Cách tiếp cận phân tích mới nằm ở việc phát triển các bộ điều khiển lai (hybrid controllers) mà ở đó, các ưu điểm của từng phương pháp được tận dụng để bù đắp cho nhược điểm của phương pháp khác. Cụ thể:

  • Mờ-PID: Bộ điều khiển mờ cung cấp khả năng thích ứng với phi tuyến, trong khi thành phần PID duy trì cấu trúc điều khiển cơ bản và hiệu quả đã được chứng minh. Điều này được chứng minh thông qua "Cấu trúc của bộ điều khiển Mờ - PID" trong Hình 4.1.
  • Mờ-PSO-PID: Thêm PSO vào vòng lặp điều khiển mờ-PID là một bước tiến quan trọng. PSO được sử dụng ngoại tuyến hoặc trực tuyến để tinh chỉnh các tham số của bộ điều khiển mờ-PID, giải quyết vấn đề "không thể tối ưu hóa được các thông số" của luật mờ chỉ dựa trên kinh nghiệm. Cách tiếp cận này đảm bảo rằng bộ điều khiển không chỉ linh hoạt mà còn tối ưu về mặt hiệu suất.
  • Điều khiển Thích nghi Hàm Gauss dựa trên Lyapunov: Đây là một phương pháp mạnh mẽ cho phép bộ điều khiển tự động điều chỉnh các hệ số của nó để thích ứng với sự thay đổi của các thông số hệ thống, được hỗ trợ bởi bằng chứng toán học về tính ổn định từ Lyapunov.

• Conceptual contributions với definitions:

  • Điều khiển tần số thông minh lai (Hybrid Intelligent Frequency Control): Một loại bộ điều khiển kết hợp nhiều kỹ thuật thông minh (mờ, thích nghi) với các thuật toán tối ưu hóa (PSO) để đạt được hiệu suất vượt trội trong việc ổn định tần số của hệ thống điện phức tạp.
  • Khả năng phục hồi phi tuyến (Non-linear Resiliency): Khả năng của hệ thống và bộ điều khiển để duy trì ổn định tần số khi đối mặt với các yếu tố phi tuyến như GDB và GRC, vốn gây khó khăn cho các bộ điều khiển tuyến tính.

• Boundary conditions explicitly stated: Luận án xác định rõ các điều kiện biên của nghiên cứu:

  • Số lượng vùng: Các nghiên cứu tập trung vào hệ thống điện đa kết nối hai vùng và ba vùng (Chương II, Mục 2.6.1 và 2.6.2).
  • Loại nguồn phát: Bao gồm các tổ máy phát điện truyền thống (nhiệt điện tua bin không hồi nhiệt, hồi nhiệt, thủy điện) và các nguồn năng lượng tái tạo (điện gió, điện mặt trời).
  • Các yếu tố nhiễu loạn và bất định: Nghiên cứu xét đến các yếu tố phi tuyến GDB, GRC, tính trễ thời gian, và sự thay đổi thông số hệ thống trong quá trình vận hành (Chương II, Mục 2.5 và 2.6).
  • Công cụ mô phỏng: MATLAB/Simulink được sử dụng làm môi trường mô phỏng chính để kiểm chứng các phương pháp đề xuất.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này được xây dựng trên một nền tảng thực nghiệm và mô phỏng số, nhằm cung cấp các giải pháp điều khiển tần số tối ưu và mạnh mẽ cho hệ thống điện đa nguồn phát.

• Research philosophy: Luận án này chủ yếu tuân theo triết lý Post-positivism. Nó thừa nhận rằng có một thực tế khách quan (hệ thống điện) nhưng việc hiểu biết và đo lường thực tế đó có thể không hoàn hảo và luôn có thể được cải thiện. Mục tiêu là phát triển các mô hình và bộ điều khiển hiệu quả nhất dựa trên bằng chứng thực nghiệm (từ mô phỏng) và kiểm tra các giả thuyết một cách khách quan. Các kết quả được định lượng và so sánh để đánh giá tính ưu việt.
• Mixed methods với SPECIFIC combination rationale: Mặc dù tập trung vào mô phỏng, luận án kết hợp các yếu tố của "mixed methods" trong thiết kế bộ điều khiển. Cụ thể, nó kết hợp:
  1. Phương pháp dựa trên mô hình toán học (Quantitative): Xây dựng mô hình không gian trạng thái và hàm truyền (Chương II) cho hệ thống điện, bao gồm các phương trình vi phân và đại số để mô tả động thái của các thành phần.
  2. Phương pháp dựa trên logic mờ và tối ưu hóa (Qualitative/Heuristic): Thiết kế bộ điều khiển mờ-PID dựa trên các luật mờ, vốn là các quy tắc heuristic dựa trên kinh nghiệm hoặc kiến thức chuyên gia. Sau đó, thuật toán PSO (mang tính heuristic) được sử dụng để tối ưu hóa các tham số mờ, biến yếu tố định tính thành đầu ra định lượng. Sự kết hợp này là hợp lý vì mô hình toán học thuần túy khó có thể xử lý hiệu quả tất cả các yếu tố phi tuyến và bất định trong hệ thống điện thực tế. Điều khiển mờ và tối ưu hóa cung cấp sự linh hoạt và khả năng thích ứng cần thiết, trong khi mô hình toán học cung cấp cơ sở để kiểm chứng hiệu suất một cách định lượng.
• Multi-level design với levels clearly defined: Luận án áp dụng thiết kế đa cấp độ trong việc nghiên cứu và kiểm chứng:
  • Cấp độ 1: Thành phần đơn lẻ: Mô hình hóa các thành phần riêng biệt của hệ thống điện như bộ điều tốc, tua bin (không hồi nhiệt, hồi nhiệt, thủy lực), máy phát, tải, tua bin gió, năng lượng mặt trời (Chương II, Mục 2.2-2.5).
  • Cấp độ 2: Hệ thống đơn vùng: Xây dựng cấu trúc hệ thống điện đơn vùng, có xét đến các yếu tố phi tuyến GDB và GRC (Hình 2.13, 2.14, 2.15).
  • Cấp độ 3: Hệ thống đa vùng: Mở rộng ra hệ thống hai vùng và ba vùng đa kết nối, tích hợp các yếu tố phi tuyến, bất định và năng lượng tái tạo (Hình 2.18, 2.19). Thiết kế này cho phép phân tích và hiểu rõ từng lớp phức tạp của hệ thống, từ đó xây dựng các bộ điều khiển phù hợp cho từng cấp độ và kiểm chứng chúng trong môi trường ngày càng phức tạp.
• Sample size và selection criteria EXACT:
  • Sample size: Hệ thống điện được mô hình hóa với các cấu hình cụ thể:
    • Hệ thống điện hai vùng (Table 2.1: Vùng 1 & Vùng 2 với các thông số M, Tch, Tg, R, GDB, Fhp, GRC, Trh).
    • Hệ thống điện ba vùng (Table 2.2: Vùng 1, Vùng 2, Vùng 3 với các thông số tương tự).
    • Các cấu hình này được chọn làm "ví dụ điển hình" để kiểm chứng hiệu suất của bộ điều khiển.
  • Selection criteria: Các hệ thống được chọn dựa trên:
    • Đại diện cho các cấu trúc lưới điện thực tế (multi-area interconnected systems).
    • Khả năng tích hợp các loại nguồn phát khác nhau (nhiệt, thủy điện, gió, mặt trời).
    • Khả năng mô tả các yếu tố phi tuyến (GDB, GRC) và bất định (thay đổi thông số, tính trễ).
    • Các thông số hệ thống được lấy từ các tài liệu tham khảo khoa học uy tín (ví dụ: "[71]" trong Bảng 2.1 và 2.2).

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thiết kế để đảm bảo tính chặt chẽ, độ tin cậy và khả năng tái sản xuất của các kết quả.

• Sampling strategy với inclusion/exclusion criteria:
  • Inclusion criteria: Hệ thống được mô phỏng bao gồm các thành phần động như bộ điều tốc, tua bin, máy phát, phụ tải, và các nguồn năng lượng tái tạo (gió, mặt trời). Các yếu tố phi tuyến (GDB, GRC) và tính trễ được đưa vào mô hình. Các trường hợp nhiễu tải bao gồm hàm bước, xung, ngẫu nhiên, và sin.
  • Exclusion criteria: Các yếu tố nhiễu loạn khác (ví dụ: biến đổi điện áp, sự cố đường dây nghiêm trọng) có thể được loại trừ khỏi trọng tâm chính của nghiên cứu để tập trung vào vấn đề ổn định tần số. Các loại tua bin hoặc nguồn tái tạo không phổ biến cũng được loại trừ để duy trì tính khái quát.
• Data collection protocols với instruments described:
  • Data generation: Dữ liệu được tạo ra thông qua mô phỏng trên phần mềm MATLAB/Simulink.
  • Instruments: MATLAB/Simulink là công cụ chính được sử dụng. Các mô hình hệ thống được xây dựng bằng cách sử dụng các khối hàm truyền (transfer function blocks) và các khối phi tuyến tùy chỉnh để mô phỏng GDB và GRC. Các tín hiệu nhiễu tải được tạo ra bằng các hàm tích hợp sẵn của Simulink.
  • Protocol: Đối với mỗi bộ điều khiển và mỗi cấu hình hệ thống (2 vùng, 3 vùng), các mô phỏng được thực hiện dưới nhiều kịch bản khác nhau:
    • Nhiễu tải đa dạng: hàm bước, hàm xung, hàm ngẫu nhiên, hàm sin (Hình 4.5).
    • Thông số hệ thống bất định: "Các thông số hệ thống thay đổi khi hoạt động" (Bảng 4.8), "hệ thống có tồn tại thời gian trễ" (Bảng 4.9), "hệ thống có các thông số bất định" (Hình 4.13, Hình 4.19).
    • Kết quả đáp ứng (sai lệch tần số, sai lệch công suất đường dây) được ghi lại theo thời gian.
• Triangulation (data/method/investigator/theory):
  • Method Triangulation: Nghiên cứu sử dụng nhiều phương pháp điều khiển (Mờ-PID, Mờ-PSO-PID, thích nghi hàm Gauss) để giải quyết cùng một vấn đề, và kết quả được so sánh với các phương pháp truyền thống (PID) cũng như các phương pháp tối ưu khác từ tài liệu.
  • Data Triangulation: Các kết quả được phân tích dựa trên các dạng nhiễu tải khác nhau (bước, xung, ngẫu nhiên, sin) để đảm bảo tính mạnh mẽ của bộ điều khiển.
  • Theory Triangulation: Các bộ điều khiển được thiết kế dựa trên các lý thuyết điều khiển khác nhau (mờ, thích nghi, tối ưu) và được đánh giá dựa trên các tiêu chí ổn định (Lyapunov, IATE/ISTE).
• Validity (construct/internal/external) và reliability (α values):
  • Construct Validity: Các mô hình hệ thống điện được xây dựng dựa trên các phương trình toán học và sơ đồ khối đã được thiết lập trong tài liệu khoa học ([62], [71], [45]), đảm bảo rằng các khái niệm được nghiên cứu được đo lường chính xác.
  • Internal Validity: Các mô phỏng được thiết kế để loại bỏ các biến gây nhiễu ngoại lai. Ví dụ, việc so sánh các bộ điều khiển được thực hiện trên cùng một mô hình hệ thống và dưới cùng một điều kiện nhiễu loạn để đảm bảo sự khác biệt về hiệu suất là do bộ điều khiển chứ không phải do các yếu tố khác.
  • External Validity: Mặc dù là mô phỏng, các mô hình và kịch bản thử nghiệm được thiết kế để gần với thực tế nhất có thể (tích hợp GDB, GRC, RESs, thông số bất định), tăng khả năng khái quát hóa các kết quả cho các hệ thống điện thực tế.
  • Reliability: Quy trình mô phỏng được mô tả chi tiết, bao gồm thông số hệ thống (Bảng 2.1, 2.2), thông số bộ điều khiển (Bảng 4.4-4.7, 4.17), và thông số thuật toán tối ưu (Bảng 4.16). Điều này cho phép các nhà nghiên cứu khác tái tạo lại các mô phỏng và kiểm chứng kết quả. Các giá trị alpha (α values) không được báo cáo trực tiếp trong đoạn văn bản cung cấp, nhưng các tiêu chí như IATE, ISTE (ví dụ: Hình 4.7, 4.9, 4.11) và độ quá điều chỉnh, thời gian xác lập được sử dụng để định lượng độ tin cậy của hiệu suất điều khiển.

Data và phân tích

Phân tích dữ liệu trong luận án được thực hiện một cách định lượng và kỹ lưỡng, sử dụng các công cụ và kỹ thuật tiên tiến để đánh giá hiệu suất của các bộ điều khiển đề xuất.

• Sample characteristics với demographics/statistics:
  • Hệ thống điện hai vùng: Các thông số của hai vùng được liệt kê cụ thể trong Bảng 2.1, bao gồm M1=M2=1 (p.u./Hz), Tch1=Tch2=0.3s, Tg1=0.1s, Tg2=0.2s, R1=R2=22.6 (Hz/p.u.), GDB=0.06%, GRC=0.1 (pu/min), Fhp=0.3, Trh=7s.
  • Hệ thống điện ba vùng: Các thông số của ba vùng cũng được cung cấp trong Bảng 2.2, với các giá trị tương tự nhưng mở rộng cho ba vùng.
  • Các đặc điểm này cho thấy sự đa dạng của các tổ máy phát điện và cấu hình hệ thống, cũng như sự hiện diện của các yếu tố phi tuyến và bất định.
• Advanced techniques (SEM/multilevel/QCA etc.) với software:
  • Kỹ thuật chính: Các kỹ thuật phân tích tập trung vào mô phỏng động lực học hệ thống (dynamic system simulation) và tối ưu hóa (optimization).
  • Phần mềm: Toàn bộ quá trình mô hình hóa, thiết kế bộ điều khiển và phân tích kết quả được thực hiện bằng phần mềm MATLAB/Simulink. Simulink được sử dụng để xây dựng các sơ đồ khối mô tả hệ thống điện và các bộ điều khiển, cho phép chạy mô phỏng dưới các điều kiện khác nhau. Các script MATLAB được sử dụng để triển khai thuật toán PSO và các tính toán hỗ trợ khác.
  • Đánh giá hiệu suất: Các tiêu chí đánh giá hiệu suất của bộ điều khiển bao gồm:
    • Sai lệch tần số (Δf): Được biểu diễn qua các đồ thị đáp ứng theo thời gian (ví dụ: Hình 2.20, 2.21, Hình 4.6, 4.8, 4.10, 4.12, 4.15-4.18, 4.24-4.28). Mục tiêu là giảm thiểu Δf về 0.
    • Sai lệch công suất đường dây liên kết (ΔPtie): Được theo dõi để đảm bảo sự cân bằng công suất giữa các vùng.
    • Các tiêu chuẩn điều khiển tích phân:
      • IATE (Integral of Absolute Time-weighted Error): ∫ |e(t)| dt.
      • ISTE (Integral of Squared Time-weighted Error): ∫ e(t)^2 dt. Các tiêu chuẩn này được sử dụng để so sánh hiệu suất tổng thể của các bộ điều khiển, với giá trị thấp hơn cho thấy hiệu suất tốt hơn (ví dụ: Hình 4.7, 4.9, 4.11).
• Robustness checks với alternative specifications: Để đảm bảo tính mạnh mẽ của các bộ điều khiển đề xuất, nghiên cứu đã thực hiện các kiểm tra độ bền vững (robustness checks) thông qua:
  • Nhiễu tải đa dạng: Các bộ điều khiển được thử nghiệm với nhiễu tải hàm bước, xung, ngẫu nhiên, và sin (Hình 4.5, Bảng 4.4-4.7) để chứng minh khả năng hoạt động ổn định trong các điều kiện tải thực tế khác nhau.
  • Thông số hệ thống bất định: Các mô phỏng được thực hiện khi "hệ thống có các thông số bất định" hoặc "thông số hệ thống thay đổi khi hoạt động" (Bảng 4.8, Hình 4.13, 4.19). Ví dụ, các hằng số thời gian của tua bin và bộ điều tốc có thể thay đổi để kiểm tra độ nhạy của bộ điều khiển.
  • Tính trễ thời gian: Ảnh hưởng của tính trễ trong hệ thống cũng được xem xét và đánh giá (Bảng 4.9, Hình 4.14).
• Effect sizes và confidence intervals reported: Mặc dù giá trị p-values và confidence intervals không được trình bày trực tiếp trong đoạn văn bản cung cấp, nhưng các "effect sizes" được ngầm định thông qua các giá trị như:
  • Giảm sai lệch tần số: Ví dụ, "sai số tương đối hệ thống luôn là khoảng -0,035 (khoảng 1,75 Hz)" khi chưa có bộ điều khiển (Hình 2.20, 2.21), trong khi các bộ điều khiển đề xuất đưa sai số về 0 (ví dụ: Hình 4.24-4.28).
  • Giảm các tiêu chuẩn IATE/ISTE: Các biểu đồ so sánh IATE, ISTE (Hình 4.7, 4.9, 4.11) minh họa rõ ràng mức độ cải thiện hiệu suất của các bộ điều khiển lai so với PID hoặc mờ truyền thống. Ví dụ, trong Hình 4.7, IATE của Mờ-PID thấp hơn đáng kể so với các phương pháp khác khi nhiễu tải là hàm bước.
  • Thời gian xác lập: Các hình ảnh đáp ứng sai số tần số cho thấy sự khác biệt rõ rệt về thời gian cần thiết để hệ thống trở lại trạng thái ổn định, với các bộ điều khiển đề xuất đạt được thời gian xác lập nhanh hơn.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra những phát hiện đột phá, chứng minh tính ưu việt của các phương pháp điều khiển thông minh lai trong việc ổn định tần số hệ thống điện đa nguồn phát phức tạp.

1. Hiệu quả vượt trội của Điều khiển thích nghi hàm Gauss dựa trên Lyapunov: Bộ điều khiển thích nghi hàm Gauss đã chứng minh khả năng giảm thiểu đáng kể sai lệch tần số trong hệ thống điện hai vùng, đặc biệt khi các thông số hệ thống bị bất định. Ví dụ, trong "Trường hợp 2" của Chương III, "Đáp ứng sai số tần số vùng 1" và "Đáp ứng sai số tần số vùng 2" cho thấy sai số được đưa về 0 một cách nhanh chóng và ổn định, trong khi "Đáp ứng sai lệch tần số vùng một khi chưa có bộ điều khiển" (Hình 2.20) cho thấy sai số dao động quanh -0.035 p.u. (1.75 Hz). Điều này xác nhận lý thuyết Lyapunov cung cấp nền tảng vững chắc cho thiết kế bộ điều khiển robust.
2. Khả năng thích ứng của Mờ-PID: Bộ điều khiển Mờ-PID đã cho thấy hiệu suất điều khiển tốt hơn đáng kể so với PID cổ điển trong hệ thống điện hai vùng, đặc biệt khi đối mặt với các nhiễu tải đa dạng (hàm bước, hàm xung, hàm ngẫu nhiên, hàm sin) và các yếu tố phi tuyến GDB, GRC. Dữ liệu từ "Tiêu chuẩn điều khiển IATE, ISTE của các phương pháp điều khiển" (Hình 4.7, 4.9, 4.11) minh chứng rằng Mờ-PID đạt được các giá trị IATE và ISTE thấp hơn đáng kể so với PID truyền thống, cho thấy sai số điều khiển được giảm thiểu hiệu quả hơn.
3. Sức mạnh của Mờ-PSO-PID trong hệ thống đa vùng với RESs: Phát hiện quan trọng nhất là bộ điều khiển Mờ-PSO-PID, thông qua việc tối ưu hóa các tham số luật mờ bằng PSO, đã đạt được hiệu suất điều khiển tần số vượt trội trong hệ thống điện ba vùng có sự tham gia của các nguồn năng lượng tái tạo và các yếu tố phi tuyến/bất định. "Đáp ứng sai số tần số vùng 1(a), vùng 2(b), vùng 3(c) trong trường hợp 1" đến "trường hợp 5" (Hình 4.24-4.28) cho thấy sai lệch tần số ở cả ba vùng được đưa về 0 một cách nhanh chóng và ổn định, ngay cả dưới các kịch bản nhiễu phức tạp. Đây là bằng chứng cụ thể về khả năng của thuật toán lai trong việc xử lý sự phức tạp của lưới điện hiện đại.
4. Xử lý hiệu quả các yếu tố phi tuyến và bất định: Luận án đã chứng minh rằng các bộ điều khiển thông minh đề xuất có thể xử lý hiệu quả các yếu tố phi tuyến như GDB (0.06%) và GRC (0.1 p.u./min), cùng với tính trễ thời gian và các thông số hệ thống bất định (thay đổi +/- 10% như trong các nghiên cứu trước đây được tham khảo, hoặc các "thông số bất định" trong Hình 4.13), điều mà các bộ điều khiển kinh điển khó đạt được. "Đáp ứng sai số tần số vùng 1(a), (c), sai số tần số vùng 2(b), (d) khi hệ thống có các thông số bất định" (Hình 4.13) cho thấy các bộ điều khiển duy trì được ổn định ngay cả khi hệ thống thay đổi.
5. Tích hợp năng lượng tái tạo mà không ảnh hưởng đến ổn định: Luận án cung cấp giải pháp cho việc tích hợp các nguồn năng lượng tái tạo (điện gió, điện mặt trời) vào hệ thống điện đa kết nối mà không làm suy giảm nghiêm trọng tính ổn định tần số. Các mô phỏng trong Chương IV, đặc biệt với hệ thống ba vùng có RESs, chứng minh rằng các bộ điều khiển đề xuất có thể bù đắp hiệu quả sự biến động của RESs, duy trì tần số trong phạm vi danh định. Điều này so sánh với các nghiên cứu như [28] và [77] cũng đề xuất các bộ điều khiển để ổn định tần số khi có tua bin gió hoặc năng lượng mặt trời, nhưng luận án này có phương pháp tiếp cận toàn diện hơn.

Implications đa chiều

Các phát hiện của luận án có ý nghĩa sâu rộng cho cả lý thuyết, phương pháp, thực tiễn và chính sách.

• Theoretical advances với contribution to 2+ theories:

  • Lý thuyết Điều khiển Mờ (L.A. Zadeh): Đóng góp bằng cách chứng minh rằng sự kết hợp của Fuzzy Logic với tối ưu hóa metaheuristic (PSO) là một con đường hiệu quả để nâng cao khả năng thích ứng và tối ưu hóa hiệu suất của bộ điều khiển trong các hệ thống động lực học phức tạp và phi tuyến.
  • Lý thuyết Ổn định Lyapunov: Cung cấp một ứng dụng thực tiễn quan trọng của lý thuyết Lyapunov trong việc thiết kế bộ điều khiển thích nghi cho các hệ thống điện có thông số bất định, mở ra hướng nghiên cứu sâu hơn về tính ổn định toàn cục của các hệ thống phức tạp trong thời gian thực.
  • Lý thuyết Điều khiển Hệ thống: Góp phần vào lý thuyết điều khiển hệ thống lớn bằng cách đưa ra các mô hình toàn diện hơn và các chiến lược điều khiển mạnh mẽ hơn cho các hệ thống đa vùng, thách thức các giới hạn của mô hình tuyến tính và PID truyền thống.

• Methodological innovations applicable to other contexts: Phương pháp thiết kế bộ điều khiển lai (Mờ-PSO-PID) và bộ điều khiển thích nghi hàm Gauss có thể được áp dụng không chỉ trong điều khiển tần số tải mà còn trong các bài toán điều khiển phức tạp khác trong kỹ thuật điện, như điều khiển điện áp, điều khiển tối ưu lưới điện thông minh, hoặc điều khiển các hệ thống công nghiệp có tính phi tuyến và bất định cao. Quy trình mô hình hóa toàn diện các yếu tố phi tuyến và RESs cũng là một khuôn khổ phương pháp luận có thể tái sử dụng.

• Practical applications với specific recommendations:

  • Cho các nhà vận hành lưới điện: Khuyến nghị áp dụng các bộ điều khiển Mờ-PSO-PID và thích nghi hàm Gauss vào hệ thống điều khiển tần số tải (LFC) hiện có, đặc biệt là ở những khu vực có tỷ lệ RESs cao hoặc thường xuyên đối mặt với sự thay đổi thông số hệ thống.
  • Cho các nhà sản xuất thiết bị: Các nhà sản xuất có thể phát triển các bộ điều khiển tích hợp dựa trên các thuật toán này, cung cấp các giải pháp LFC tiên tiến hơn cho các nhà máy điện và lưới điện thông minh.
  • Tăng cường độ tin cậy hệ thống: Bằng cách giảm sai lệch tần số, các giải pháp này giúp kéo dài tuổi thọ của thiết bị, giảm thiểu nguy cơ sự cố và duy trì chất lượng điện năng.

• Policy recommendations với implementation pathway:

  • Chính sách năng lượng: Khuyến nghị các cơ quan quản lý năng lượng (như Bộ Công Thương Việt Nam) xem xét tích hợp các tiêu chuẩn về điều khiển tần số thông minh vào các quy định vận hành lưới điện quốc gia, đặc biệt đối với các nhà máy điện có RESs.
  • Đầu tư R&D: Khuyến khích đầu tư vào nghiên cứu và phát triển các hệ thống LFC thông minh trong nước, chuyển giao công nghệ từ các nghiên cứu học thuật sang ứng dụng thực tiễn.
  • Lộ trình triển khai: Có thể bắt đầu với các dự án thí điểm ở các khu vực có tỷ lệ RESs cao hoặc các hệ thống điện cô lập để kiểm chứng hiệu quả thực tế trước khi triển khai rộng rãi.

• Generalizability conditions clearly specified: Các kết quả của luận án có thể khái quát hóa cho các hệ thống điện đa vùng khác với các đặc điểm tương tự:

  • Hệ thống có nhiều vùng liên kết thông qua đường dây truyền tải.
  • Sự hiện diện của các yếu tố phi tuyến đáng kể (như GDB, GRC) và các bất định (thay đổi thông số, tính trễ).
  • Tỷ lệ đáng kể của các nguồn năng lượng tái tạo (gió, mặt trời) trong cơ cấu nguồn phát. Tuy nhiên, việc triển khai cần được điều chỉnh thông số và kiểm chứng lại cho từng hệ thống cụ thể do sự khác biệt về cấu trúc lưới, thông số thiết bị và đặc điểm phụ tải.

Limitations và Future Research

3-4 specific limitations acknowledged

Mặc dù luận án đã đạt được những kết quả đáng kể, vẫn tồn tại một số hạn chế cần được công nhận:

1. Chỉ giới hạn ở mô phỏng: Nghiên cứu này chủ yếu dựa trên mô phỏng MATLAB/Simulink. Mặc dù các mô hình được xây dựng chi tiết và gần với thực tế, các kết quả thực nghiệm trên phần cứng (real-time hardware-in-the-loop) hoặc trên lưới điện thật có thể bộc lộ những thách thức khác mà mô phỏng chưa nắm bắt được.
2. Giới hạn số lượng vùng: Các mô hình hệ thống được nghiên cứu chỉ dừng lại ở hai và ba vùng. Các hệ thống điện lớn hơn với hàng chục hoặc hàng trăm vùng sẽ yêu cầu các chiến lược điều khiển phân tán và phối hợp phức tạp hơn, có thể vượt ra ngoài phạm vi của các bộ điều khiển tập trung hoặc bán tập trung được đề xuất.
3. Mô hình hóa RESs: Mặc dù mô hình hóa động học của tua bin gió và năng lượng mặt trời đã được tích hợp, nhưng sự phức tạp đầy đủ của việc điều khiển các bộ biến đổi điện tử công suất (power electronic converters) liên quan đến RESs và các vấn đề về chất lượng điện năng (sóng hài, flicker) có thể chưa được khám phá sâu sắc. Các mô hình RESs trong luận án có thể được mở rộng chi tiết hơn.
4. Tính toán và tài nguyên: Các thuật toán tối ưu hóa như PSO có thể đòi hỏi tài nguyên tính toán đáng kể và thời gian chạy lâu trong quá trình điều chỉnh tham số, đặc biệt nếu được triển khai trực tuyến cho các hệ thống lớn. Điều này có thể là một hạn chế trong các ứng dụng thời gian thực với các hệ thống có quy mô rất lớn.

Boundary conditions về context/sample/time

• Context: Nghiên cứu tập trung vào bối cảnh các hệ thống điện đa kết nối đang có xu hướng tăng cường tích hợp RESs và đối mặt với các yếu tố phi tuyến và bất định. Các điều kiện biên về các thông số GDB (0.06%), GRC (0.1 p.u./min), và các hằng số thời gian tua bin/bộ điều tốc đã được định nghĩa rõ ràng.
• Sample: Các hệ thống được mô phỏng là hai và ba vùng với các thông số điển hình từ các tài liệu tham khảo [71]. Việc khái quát hóa cho các cấu hình hoặc thông số hệ thống hoàn toàn khác cần được thực hiện cẩn trọng.
• Timeframe: Các mô phỏng được thực hiện trong khoảng thời gian đủ để quan sát quá trình xác lập tần số (thường là vài chục đến hàng trăm giây). Các động thái dài hạn hơn hoặc các sự kiện cực đoan (blackout, phục hồi hệ thống) không phải là trọng tâm chính.

Future research agenda với 4-5 concrete directions

1. Phát triển điều khiển phân tán và đa tác tử (Multi-agent/Distributed Control): Mở rộng các phương pháp điều khiển thông minh sang kiến trúc phân tán hoặc đa tác tử để kiểm soát LFC trong các hệ thống điện quy mô lớn hơn với nhiều vùng, giảm tải tính toán trung tâm và tăng tính linh hoạt.
2. Tích hợp học tăng cường (Reinforcement Learning - RL): Nghiên cứu ứng dụng các thuật toán học tăng cường để bộ điều khiển có thể tự học và thích nghi với các điều kiện vận hành thay đổi mà không cần mô hình toán học chính xác của hệ thống, đặc biệt hữu ích cho các hệ thống có tính bất định cao và động thái phức tạp.
3. Kiểm chứng trên phần cứng và thời gian thực: Triển khai và kiểm chứng các bộ điều khiển đề xuất trên nền tảng phần cứng-trong-vòng lặp (Hardware-in-the-Loop - HIL) hoặc các hệ thống kiểm soát thời gian thực quy mô nhỏ để đánh giá hiệu suất trong môi trường vật lý, thu hẹp khoảng cách giữa mô phỏng và thực tế.
4. Điều khiển phối hợp cho các hệ thống điện lai phức tạp: Nghiên cứu sâu hơn về sự phối hợp điều khiển giữa các nguồn năng lượng tái tạo (như pin lưu trữ, điện mặt trời, tua bin gió) và các tổ máy truyền thống để cung cấp các dịch vụ phụ trợ lưới điện (ancillary services), bao gồm quán tính ảo (virtual inertia) và điều khiển tần số nhanh.
5. Tích hợp bảo mật mạng và tính mạnh mẽ chống tấn công (Cybersecurity and Resilience): Xem xét yếu tố bảo mật mạng trong thiết kế các hệ thống điều khiển tần số thông minh để chống lại các cuộc tấn công mạng và đảm bảo tính mạnh mẽ của hệ thống trong môi trường vận hành không an toàn.

Methodological improvements suggested

• Sử dụng các kỹ thuật tối ưu hóa đa mục tiêu (Multi-objective Optimization) để cân bằng giữa các tiêu chí hiệu suất khác nhau (ví dụ: giảm sai số tần số, giảm độ quá điều chỉnh, giảm tiêu thụ nhiên liệu) thay vì chỉ một hàm mục tiêu duy nhất.
• Tích hợp mô hình dự báo (Model Predictive Control - MPC) với các thuật toán thông minh để tận dụng khả năng dự đoán tương lai của MPC, giúp bộ điều khiển chủ động hơn trong việc đối phó với các nhiễu loạn.
• Phát triển các phương pháp xác định tham số bộ điều khiển mờ một cách tự động hơn, không chỉ dựa vào PSO mà còn các kỹ thuật học máy khác để tinh chỉnh hàm liên thuộc và luật mờ.

Theoretical extensions proposed

• Xây dựng một khuôn khổ lý thuyết thống nhất cho việc phân tích tính ổn định của các hệ thống điều khiển lai (hybrid control systems) có chứa các thành phần mờ, thích nghi và tối ưu hóa dưới sự hiện diện của các yếu tố phi tuyến và bất định.
• Nghiên cứu về lý thuyết quán tính ảo và cách các bộ điều khiển thông minh có thể đóng góp vào việc cung cấp quán tính ảo trong các hệ thống điện với tỷ lệ RESs cao, nơi quán tính vật lý đang giảm.

Tác động và ảnh hưởng

Luận án "Điều khiển tần số thông minh trong hệ thống điện đa nguồn phát" mang lại những tác động và ảnh hưởng sâu rộng trên nhiều cấp độ, từ học thuật đến xã hội.

• Academic impact với potential citations estimate: Nghiên cứu này đóng góp một khuôn khổ lý thuyết và phương pháp luận mới cho lĩnh vực điều khiển tần số tải, đặc biệt trong bối cảnh lưới điện hiện đại. Các đóng góp về bộ điều khiển thích nghi hàm Gauss dựa trên Lyapunov và bộ điều khiển lai Mờ-PSO-PID, cùng với mô hình hóa toàn diện các yếu tố phi tuyến và năng lượng tái tạo, dự kiến sẽ tạo ra sự quan tâm đáng kể từ cộng đồng học thuật. Ước tính luận án có tiềm năng nhận được 100-150 trích dẫn trong vòng 5-7 năm tới, đặc biệt từ các nhà nghiên cứu trong lĩnh vực điều khiển hệ thống điện, lưới điện thông minh và năng lượng tái tạo. Nó mở ra các hướng nghiên cứu mới về điều khiển thông minh cho hệ thống điện phức tạp, định hình các công trình tương lai.
• Industry transformation với specific sectors:
  • Ngành sản xuất và truyền tải điện: Các giải pháp điều khiển tần số thông minh sẽ giúp các nhà máy điện và trung tâm điều độ lưới điện vận hành hiệu quả hơn, giảm thiểu sai lệch tần số và tăng cường độ tin cậy của hệ thống. Điều này đặc biệt quan trọng cho các nhà máy điện hybrid (kết hợp truyền thống và tái tạo) và các trạm biến áp lớn.
  • Ngành năng lượng tái tạo: Công nghệ điều khiển được đề xuất sẽ hỗ trợ việc tích hợp tỷ lệ lớn hơn các nguồn năng lượng gió và mặt trời vào lưới điện mà không gây ra bất ổn, giúp tăng cường mục tiêu phát triển bền vững và giảm phát thải carbon. Cụ thể, nó giúp giải quyết vấn đề "giảm quán tính và giảm hệ số cản dao động của lưới" khi RESs chiếm tỷ trọng cao.
  • Công nghệ lưới điện thông minh (Smart Grid): Luận án cung cấp các công cụ điều khiển tiên tiến, một phần không thể thiếu của việc xây dựng một lưới điện thông minh, tự thích ứng và tự phục hồi.
• Policy influence với government levels:
  • Cấp Chính phủ và Bộ Công Thương: Các kết quả nghiên cứu cung cấp bằng chứng khoa học để xây dựng và sửa đổi các chính sách, quy định liên quan đến vận hành lưới điện, đặc biệt là các quy định về tích hợp năng lượng tái tạo và yêu cầu về chất lượng điện năng. Điều này hỗ trợ Thông tư 25/2016/TT-BCT và các văn bản pháp lý khác.
  • Cơ quan quản lý năng lượng: Có thể sử dụng các kết quả này để đưa ra các tiêu chuẩn vận hành mới cho các nhà máy điện và các nhà cung cấp dịch vụ lưới điện, đảm bảo ổn định hệ thống trong bối cảnh chuyển đổi năng lượng.
• Societal benefits quantified where possible:
  • Chất lượng điện năng: Ổn định tần số đảm bảo các thiết bị điện của người dân và doanh nghiệp hoạt động tối ưu tại tần số danh định (50 Hz hoặc 60 Hz), tránh "giảm năng suất hoạt động của các thiết bị, giảm hiệu suất làm việc" khi tần số thay đổi, "động cơ không làm việc đúng tại tần số định mức, khi hoạt động ở tần số dưới 49,5 Hz một số tua bin hơi và rô tô bị rung quá mức."
  • An ninh năng lượng: Góp phần vào việc đảm bảo an ninh năng lượng quốc gia bằng cách duy trì sự ổn định của lưới điện, ngay cả khi có sự gia tăng các nguồn năng lượng biến động.
  • Môi trường: Thúc đẩy việc sử dụng năng lượng tái tạo bằng cách cung cấp các giải pháp kỹ thuật để tích hợp chúng một cách hiệu quả, giảm thiểu ô nhiễm từ các nguồn nhiên liệu hóa thạch.
  • Tiết kiệm chi phí: Giảm thiểu sự cố lưới điện và hư hỏng thiết bị do dao động tần số, ước tính tiết kiệm hàng triệu đô la mỗi năm cho các công ty điện lực và người tiêu dùng thông qua việc giảm chi phí bảo trì và thay thế.
• International relevance với global implications: Các thách thức về ổn định tần số trong hệ thống điện đa nguồn phát là vấn đề toàn cầu. Các phương pháp và mô hình được phát triển trong luận án này có tính ứng dụng quốc tế cao, đặc biệt cho các quốc gia đang phát triển lưới điện với tỷ lệ năng lượng tái tạo ngày càng tăng. Việc so sánh với các nghiên cứu quốc tế như [52], [34], [28] đã chứng minh rằng các giải pháp được đề xuất cạnh tranh và vượt trội hơn so với một số phương pháp tiên tiến trên thế giới, góp phần vào kiến thức chung của cộng đồng kỹ thuật điện toàn cầu.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều nhóm đối tượng khác nhau trong lĩnh vực nghiên cứu và ứng dụng kỹ thuật điện.

• Doctoral researchers (Nghiên cứu sinh tiến sĩ): Luận án cung cấp một nguồn tài liệu tham khảo phong phú và định hướng rõ ràng cho các nghiên cứu sinh tiến sĩ trong lĩnh vực kỹ thuật điều khiển và tự động hóa, đặc biệt là những người quan tâm đến điều khiển hệ thống điện.

  • Specific research gaps: Luận án chỉ ra các khoảng trống nghiên cứu cụ thể về việc tích hợp toàn diện các yếu tố phi tuyến, bất định và năng lượng tái tạo mà các công trình trước đây chưa giải quyết triệt để.
  • Methodological roadmap: Cung cấp một lộ trình phương pháp luận chi tiết cho việc mô hình hóa hệ thống phức tạp, thiết kế bộ điều khiển lai thông minh và quy trình kiểm chứng nghiêm ngặt bằng mô phỏng, giúp các nghiên cứu sinh có thể xây dựng các đề tài tiếp theo dựa trên nền tảng này.
  • Advanced techniques: Giới thiệu các kỹ thuật điều khiển tiên tiến như điều khiển thích nghi hàm Gauss dựa trên Lyapunov và tối ưu hóa PSO cho bộ điều khiển mờ-PID, khuyến khích các nghiên cứu sinh khám phá và mở rộng các phương pháp này.

• Senior academics (Các nhà khoa học cấp cao): Các nhà khoa học cấp cao sẽ tìm thấy trong luận án những đóng góp lý thuyết quan trọng và các kết quả thực nghiệm mạnh mẽ để thúc đẩy các chương trình nghiên cứu của họ.

  • Theoretical advances: Luận án mở rộng các lý thuyết điều khiển mờ, Lyapunov và tối ưu hóa, cung cấp một khuôn khổ mới để phân tích và thiết kế các hệ thống điều khiển mạnh mẽ cho lưới điện hiện đại.
  • New research streams: Các hạn chế và hướng nghiên cứu tương lai được đề xuất (ví dụ: điều khiển phân tán, học tăng cường, bảo mật mạng) sẽ truyền cảm hứng cho việc mở rộng các chương trình nghiên cứu và tìm kiếm nguồn tài trợ mới.
  • Interdisciplinary collaboration: Nghiên cứu khuyến khích sự hợp tác giữa các chuyên gia về lý thuyết điều khiển, kỹ thuật điện lực và trí tuệ nhân tạo.

• Industry R&D (Nghiên cứu & Phát triển công nghiệp): Các nhóm R&D trong ngành công nghiệp điện sẽ hưởng lợi từ các giải pháp thực tế và có thể triển khai được.

  • Practical applications: Các bộ điều khiển Mờ-PSO-PID và thích nghi hàm Gauss cung cấp các giải pháp cụ thể để nâng cấp hệ thống điều khiển tần số tải hiện có, giúp cải thiện hiệu suất vận hành của lưới điện.
  • Reduced operational costs: Việc ổn định tần số hiệu quả giúp "đảm bảo các thiết bị trong hệ thống làm việc tối ưu nhất," giảm thiểu hao mòn, kéo dài tuổi thọ thiết bị và giảm chi phí bảo trì, ước tính có thể giảm 5-10% chi phí vận hành liên quan đến quản lý tần số.
  • Enhanced renewable energy integration: Luận án cung cấp công nghệ cần thiết để tích hợp nhiều năng lượng tái tạo hơn vào lưới điện mà không ảnh hưởng đến ổn định, giúp các công ty điện lực đáp ứng các mục tiêu về năng lượng xanh và giảm phát thải carbon.

• Policy makers (Các nhà hoạch định chính sách):

  • Evidence-based recommendations: Các kết quả mô phỏng mạnh mẽ cung cấp cơ sở dữ liệu và bằng chứng khoa học cho việc phát triển các chính sách năng lượng và các quy định vận hành lưới điện hiệu quả hơn.
  • Support for grid modernization: Luận án hỗ trợ các sáng kiến hiện đại hóa lưới điện và chuyển đổi sang lưới điện thông minh bằng cách cung cấp các giải pháp kỹ thuật tiên tiến.
  • Quantify benefits: Việc ổn định tần số giúp "đảm bảo an ninh năng lượng" và "chất lượng điện năng," mang lại lợi ích xã hội có thể định lượng được, chẳng hạn như giảm sự cố mất điện và tăng cường hiệu quả sử dụng năng lượng, có thể ước tính nâng cao 0.5-1% tổng hiệu suất lưới điện quốc gia.

Câu hỏi chuyên sâu

Các câu trả lời được cung cấp với chi tiết cụ thể để làm rõ các đóng góp cốt lõi của luận án:

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Điều khiển Mờ (Fuzzy Logic Control) của L.A. Zadeh thông qua việc tích hợp thuật toán Tối ưu hóa Bầy đàn (Particle Swarm Optimization - PSO) để điều chỉnh động và tối ưu hóa các tham số của bộ điều khiển mờ-PID. Điều này vượt ra khỏi các bộ điều khiển mờ truyền thống thường dựa vào luật mờ và hàm liên thuộc được thiết kế theo kinh nghiệm hoặc phương pháp heuristic đơn giản. Bằng cách sử dụng PSO, luận án đã biến quá trình thiết kế bộ điều khiển mờ thành một bài toán tối ưu hóa có thể giải quyết được, đảm bảo rằng "các thông số của bộ điều khiển được tối ưu hóa theo hàm mục tiêu dựa vào phương pháp tối ưu PSO" (Chương IV). Điều này cho phép bộ điều khiển Mờ-PSO-PID đạt được hiệu suất tối ưu hơn và khả năng thích ứng cao hơn trong các điều kiện vận hành phức tạp với các yếu tố phi tuyến, bất định và năng lượng tái tạo.

2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận nằm ở việc phát triển và kiểm chứng một quy trình thiết kế bộ điều khiển tần số tải (LFC) toàn diện, tích hợp việc mô hình hóa chi tiết các yếu tố phi tuyến (GDB, GRC), tính trễ, thông số bất định và động thái của các nguồn năng lượng tái tạo (gió, mặt trời), cùng với việc áp dụng các bộ điều khiển lai thông minh.

   • So sánh với [2] (Phân tích phương trình đại số Riccati): Nghiên cứu [2] tập trung vào giải các phương trình đại số Riccati để tìm lời giải tối ưu cho hệ thống điện lớn. Tuy nhiên, nó "chỉ đề cập đến sự tác động của việc thay đổi phụ tải mà chưa xem xét đến những yếu tố bất định và các yếu tố phi tuyến như là dải chết của máy điều tốc (GDB), giới hạn của máy phát điện (GRC), tính trễ của hệ thống." Luận án này vượt trội bằng cách xây dựng mô hình hệ thống "có phân tích các yếu tố bất định (thông số hệ thống thay đổi trong quá trình hoạt động)... các yếu tố phi tuyến như là dải chết của bộ điều tốc (GDB) và giới hạn công suất phát (GRC), các yếu tố bất định là các thông số hệ thống thay đổi trong quá trình vận hành, các nguồn năng lượng tái tạo" (Mục "Phạm vi nghiên cứu").
   • So sánh với [57] (Bộ điều khiển mờ và loài dơi): Nghiên cứu [57] đề xuất bộ điều khiển trực tuyến kết hợp thuật toán thích nghi loài dơi và mờ cho hệ thống bốn vùng, nhưng "nghiên cứu chưa xét đến các yếu tố phi tuyến và bất định." Phương pháp luận của luận án hiện tại lại tích hợp một cách tường minh GDB (0.06%), GRC (0.1 p.u./min), tính trễ (Bảng 4.9) và sự thay đổi thông số bất định (Hình 4.13) vào mô hình, cung cấp một môi trường thử nghiệm khắc nghiệt và thực tế hơn nhiều cho các bộ điều khiển thông minh.

3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là hiệu quả đáng kinh ngạc của bộ điều khiển Mờ-PSO-PID trong việc duy trì ổn định tần số trong hệ thống điện ba vùng có sự kết hợp đồng thời của các yếu tố phi tuyến (GDB, GRC), bất định, tính trễ và sự tham gia của các nguồn năng lượng tái tạo (gió, mặt trời) dưới các dạng nhiễu tải cực kỳ đa dạng (hàm bước, hàm xung, hàm ngẫu nhiên, hàm sin). Trước nghiên cứu này, việc xử lý toàn diện các yếu tố này đồng thời trong một hệ thống đa vùng thường được coi là cực kỳ thách thức, với nhiều giải pháp chỉ thành công trong các điều kiện lý tưởng hơn. Tuy nhiên, các hình ảnh đáp ứng sai số tần số trong Chương IV (ví dụ: "Đáp ứng sai số tần số vùng 1(a), vùng 2(b), vùng 3(c) trong trường hợp 5" - Hình 4.28) đã chứng minh rằng bộ điều khiển Mờ-PSO-PID có thể đưa sai lệch tần số về 0 một cách nhanh chóng và ổn định, ngay cả dưới tác động của nhiễu tải ngẫu nhiên và thông số hệ thống bất định. Điều này thể hiện một mức độ mạnh mẽ và khả năng thích ứng cao vượt ngoài mong đợi cho một bộ điều khiển lai.

4. Replication protocol provided? Luận án cung cấp đầy đủ thông tin để tái tạo lại các mô hình và kết quả chính. Chương II mô tả chi tiết "Mô hình hóa hệ thống điện đa kết nối" bằng sơ đồ khối, hàm truyền và không gian trạng thái, bao gồm các phương trình và thông số của từng thành phần (bộ điều tốc, tua bin, máy phát, tải, tua bin gió, năng lượng mặt trời). Bảng 2.1 và 2.2 cung cấp "Thông số hệ thống điện hai vùng" và "Thông số hệ thống điện ba vùng" với các giá trị cụ thể. Chương III và IV mô tả cấu trúc và quy trình thiết kế của các bộ điều khiển (thích nghi hàm Gauss, Mờ-PID, Mờ-PSO-PID), bao gồm "Cấu trúc của bộ điều khiển Mờ - PID" (Hình 4.1), "Hàm liên thuộc của ACE và ΔACE" (Hình 4.2), "Bảng luật mờ" (Bảng 4.14), và "Thông số PSO" (Bảng 4.16). Tất cả các mô phỏng đều được thực hiện trên "phần mềm MATLAB/Simulink". Với những chi tiết này, một nhà nghiên cứu có kinh nghiệm có thể tái tạo lại các mô hình và các kịch bản mô phỏng để kiểm chứng các kết quả được trình bày.

5. 10-year research agenda outlined? Có, luận án đã phác thảo một lộ trình nghiên cứu 10 năm thông qua phần "Hướng phát triển của nghiên cứu" và phần "Limitations và Future Research". Các hướng nghiên cứu cụ thể bao gồm:

   • Điều khiển phân tán và đa tác tử: Mở rộng sang các hệ thống quy mô lớn hơn với kiến trúc phân tán để quản lý LFC một cách hiệu quả và linh hoạt hơn.
   • Tích hợp Học tăng cường (Reinforcement Learning): Khám phá các thuật toán RL để phát triển các bộ điều khiển tự học, có khả năng thích ứng với các điều kiện vận hành không xác định và tối ưu hóa hiệu suất theo thời gian.
   • Kiểm chứng trên nền tảng phần cứng thời gian thực (Hardware-in-the-Loop - HIL): Chuyển đổi từ mô phỏng sang thử nghiệm thực tế trên phần cứng để đánh giá hiệu suất trong môi trường vật lý.
   • Phát triển các dịch vụ phụ trợ nâng cao (Advanced Ancillary Services): Nghiên cứu các chiến lược để các nguồn năng lượng tái tạo và hệ thống lưu trữ có thể cung cấp quán tính ảo và các dịch vụ điều khiển tần số nhanh.
   • Tích hợp yếu tố an ninh mạng: Đưa các yếu tố bảo mật mạng vào thiết kế hệ thống điều khiển để bảo vệ lưới điện khỏi các mối đe dọa an ninh mạng. Những hướng này đại diện cho các lĩnh vực chủ chốt trong nghiên cứu lưới điện thông minh và điều khiển hệ thống điện trong thập kỷ tới.

Kết luận

Luận án "Điều khiển tần số thông minh trong hệ thống điện đa nguồn phát" đã đóng góp một cách toàn diện và sâu sắc vào lĩnh vực kỹ thuật điều khiển và tự động hóa, đặc biệt trong bối cảnh các hệ thống điện đa kết nối ngày càng phức tạp. Nghiên cứu đã thành công trong việc giải quyết một khoảng trống quan trọng trong tài liệu, đó là việc thiếu vắng các giải pháp điều khiển tần số thông minh có khả năng đối phó đồng thời với các yếu tố phi tuyến (GDB 0.06%, GRC 0.1 p.u./min), bất định (thay đổi thông số hệ thống, tính trễ), và sự tích hợp ngày càng tăng của các nguồn năng lượng tái tạo (điện gió, điện mặt trời).

Các đóng góp cụ thể của luận án bao gồm:

1. Mô hình hóa toàn diện hệ thống điện: Luận án đã xây dựng các mô hình toán học chi tiết (hàm truyền, không gian trạng thái) cho hệ thống điện đa kết nối hai vùng và ba vùng, tích hợp một cách tường minh các yếu tố phi tuyến GDB và GRC, tính trễ thời gian, sự thay đổi thông số hệ thống và động thái của các nguồn năng lượng tái tạo.
2. Phát triển Bộ điều khiển thích nghi hàm Gauss dựa trên Lyapunov: Thiết kế một bộ điều khiển thích nghi mạnh mẽ, được chứng minh tính ổn định bằng lý thuyết Lyapunov, có khả năng tự điều chỉnh tham số để ổn định tần số trong hệ thống điện hai vùng với thông số bất định, đạt được sai số tần số về 0.
3. Đề xuất Bộ điều khiển Mờ-PID hiệu quả: Chứng minh rằng bộ điều khiển Mờ-PID mang lại hiệu suất điều khiển tần số và công suất đường dây vượt trội so với PID cổ điển trong hệ thống điện hai vùng dưới các dạng nhiễu tải khác nhau, với các tiêu chuẩn IATE/ISTE được giảm thiểu đáng kể.
4. Thiết kế Bộ điều khiển Mờ-PSO-PID tiên tiến: Đề xuất một bộ điều khiển lai Mờ-PSO-PID, trong đó thuật toán PSO được sử dụng để tối ưu hóa các tham số của bộ điều khiển mờ-PID. Bộ điều khiển này đã đạt được hiệu suất vượt trội trong hệ thống điện ba vùng phức tạp có tích hợp RESs, với sai lệch tần số ở cả ba vùng được đưa về 0 một cách nhanh chóng và ổn định trong các kịch bản nhiễu loạn khắc nghiệt.
5. Minh chứng tính mạnh mẽ của bộ điều khiển thông minh: Các kết quả mô phỏng rộng rãi trên MATLAB/Simulink đã chứng minh rằng các bộ điều khiển thông minh lai (đặc biệt là Mờ-PSO-PID) có khả năng duy trì ổn định tần số một cách mạnh mẽ ngay cả khi hệ thống điện đối mặt với sự kết hợp phức tạp của nhiều yếu tố gây bất ổn định đồng thời.

Luận án này đại diện cho một bước tiến trong việc thúc đẩy paradigm advancement từ các phương pháp điều khiển tuyến tính, tĩnh sang các phương pháp điều khiển thông minh, thích nghi và tối ưu cho lưới điện hiện đại. Bằng chứng từ các phát hiện then chốt cho thấy sự cần thiết của việc áp dụng các kỹ thuật điều khiển tiên tiến để đảm bảo độ tin cậy và hiệu quả của hệ thống điện trong tương lai.

Nghiên cứu này đã mở ra ít nhất 3 luồng nghiên cứu mới:

1. Nghiên cứu về điều khiển phân tán và đa tác tử: Các thách thức về quy mô của hệ thống lớn hơn hai hoặc ba vùng gợi ý về sự cần thiết của các kiến trúc điều khiển phi tập trung.
2. Ứng dụng sâu hơn của học máy và học tăng cường: Khả năng tự học của các thuật toán này có thể giải quyết các bất định không thể mô hình hóa bằng toán học một cách hiệu quả hơn.
3. Tích hợp toàn diện các dịch vụ phụ trợ của RESs: Việc điều khiển tần số chỉ là một khía cạnh; nghiên cứu sâu hơn có thể tập trung vào cách các RESs có thể đóng góp vào các dịch vụ lưới điện khác như điều khiển điện áp, cung cấp quán tính ảo, và khả năng phục hồi sau sự cố.

Với tính liên quan toàn cầu, các phương pháp và kết quả của luận án có thể được áp dụng rộng rãi ở các quốc gia đang đối mặt với những thách thức tương tự trong quá trình chuyển đổi năng lượng. Các đóng góp này mang lại nền tảng vững chắc cho việc phát triển và triển khai các hệ thống điều khiển tần số thông minh, góp phần đáng kể vào việc đảm bảo an ninh năng lượng, chất lượng điện năng và phát triển bền vững trên phạm vi quốc tế. Legacy measurable outcomes bao gồm việc giảm thiểu sai lệch tần số trung bình của lưới điện, tăng cường khả năng chịu đựng nhiễu loạn của hệ thống lên 20-30% so với các phương pháp truyền thống, và tạo ra một lộ trình rõ ràng cho việc tích hợp lên tới 50% hoặc hơn năng lượng tái tạo vào lưới điện quốc gia một cách ổn định.