1. Thông tin nhiệm vụ:
Tên nhiệm vụ: Tối ưu công suất cực đại của hệ thống pin quang điện trên lưới điện phân phối.
Sản phẩm chính của nhiệm vụ:
|
TT |
Tên sản phẩm |
Mô tả tính năng |
Mô tả một số |
Ghi chú |
|
1 |
Mô hình hóa bài toán xác định công suất cực đại của PV trong lưới điện phân phối. |
- Xây dựng mô hình toán mô tả mối quan hệ giữa công suất phát PV, điện áp nút và tổn thất công suất trên lưới. - Xác định các biến quyết định và hàm mục tiêu tổng quát nhằm tối đa hóa công suất PV tham gia lưới. - Thiết lập các hàm phạt ràng buộc để đảm bảo giới hạn kỹ thuật và ổn định vận hành của hệ thống. |
- Mô hình được biểu diễn dưới dạng bài toán tối ưu phi tuyến có ràng buộc. - Phù hợp để áp dụng cho các lưới điện phân phối chuẩn IEEE 33 nút và 69 nút. - Có khả năng mở rộng phục vụ các nghiên cứu quy hoạch DG và tích hợp năng lượng tái tạo khác. |
Phục vụ công tác nghiên cứu, giảng dạy và đào tạo chuyên ngành hệ thống điện |
|
2 |
Thuật toán Deep Reinforcement Learning (DRL) xác định công suất cực đại của PV tham gia lưới điện phân phối |
- Mô tả, phân tích cấu phần DRL (trạng thái, hành động, phần thưởng, chính sách, môi trường). - Áp dụng DRL để tìm công suất phát PV tối đa trong giới hạn kỹ thuật (điện áp, dòng, ràng buộc nút/nhánh). - Triển khai lưu đồ thuật toán DRL chuyên biệt cho bài toán tối đa công suất PV trên LĐPP |
- Kiến trúc tác nhân dùng mạng nơ-ron sâu (ví dụ DDPG/PPO/SAC) cho không gian hành động liên tục (công suất PV). - Thiết kế hàm thưởng tổng hợp (tăng công suất PV, phạt vi phạm điện áp/tải, giảm tổn thất). - Quy trình huấn luyện – đánh giá có khả năng hội tụ ổn định; tái lặp kết quả trên lưới IEEE 33 và 69 nút. - Lưu đồ DRL minh họa pipeline: khởi tạo → tương tác môi trường (power flow) → cập nhật chính sách → dừng theo tiêu chí hội tụ. |
Trong báo cáo có tham số huấn luyện và tải liệu; phục vụ nghiên cứu, giảng dạy và chuyển giao ứng dụng |
|
3 |
Bộ dữ liệu và kết quả kiểm nghiệm trên lưới điện phân phối IEEE 33 nút và 69 nút và phục vụ giảng dạy và nghiên cứu. |
- Cung cấp bộ số liệu chuẩn cho IEEE 33 và 69 nút (thông số nút, nhánh, tải, giới hạn điện áp). - Thực hiện mô phỏng thực nghiệm và so sánh kết quả tối ưu giữa DRL và các thuật toán tham chiếu (GWO, PSO, RSA,…). - Tài liệu phục vụ giảng dạy (bảng kết quả, biểu đồ so sánh, hướng dẫn tái lập thí nghiệm). |
- Kịch bản kiểm thử thống nhất (điều kiện ràng buộc, tiêu chí hội tụ, số vòng lặp) để bảo đảm khả năng tái lập và so sánh công bằng. - Bộ biểu đồ/hình: đường hội tụ, so sánh điện áp nút, tổn thất, và công suất PV cực đại; kèm bảng tổng tắt chi số đánh giá. - Tài liệu báo cáo, cơ sở dữ liệu, hình ảnh kết quả để học tập và nghiên cứu. |
Phục vụ đào tạo sinh viên và nghiên cứu sinh trong lĩnh vực Năng lượng tái tạo/Hệ thống điện/Quy hoạch DG. |
2. Đơn vị đề nghị:
Tên tổ chức: Trường Cao đẳng Công nghệ Thủ Đức.
Địa chỉ: 53 Võ Văn Ngân, phường Thủ Đức, Thành Phố Hồ Chí Minh
Điện thoại: 028.3897 0023
Website: www.tdc.edu.vn
Người đại diện pháp lý: ông Phạm Hữu Lộc – Hiệu trưởng
Cơ quan chủ quản (nếu có): Ủy ban nhân dân Thành phố Hồ Chí Minh.
3. Cá nhân chủ trì thực hiện nhiệm vụ:
Họ và tên: Tôn Ngọc Triều
Ngày, tháng, năm sinh: 20/10/1981 Giới tính: Nam
Số CCCD/Hộ chiếu: 051081006733
Chức danh khoa học (nếu có): Tiến sĩ
Nơi công tác (nếu có): Trường Cao đẳng Công nghệ Thủ Đức
Địa chỉ cơ quan (nếu có): 53 Võ Văn Ngân, phường Thủ Đức, Thành Phố Hồ Chí Minh
Điện thoại NR/CQ: 0989517318
4. Lĩnh vực khoa học và công nghệ:Kỹ thuật điện
5. Tác động chính của kết quả nhiệm vụ:
Đối với lĩnh vực khoa học và công nghệ có liên quan
Kết quả nghiên cứu của đề tài mang lại đóng góp quan trọng cho lĩnh vực khoa học và công nghệ điện – năng lượng tái tạo – trí tuệ nhân tạo ứng dụng, thể hiện trên các khía cạnh sau:
- Về phương pháp và mô hình khoa học: Đề tài đã lần đầu tiên tại Việt Nam xây dựng được mô hình tối ưu đa mục tiêu cho hệ thống PV trên lưới điện phân phối sử dụng Học tăng cường sâu (Deep Reinforcement Learning – DRL). Mô hình này cho phép hệ thống tự học, tự ra quyết định và thích nghi trong điều kiện phụ tải, bức xạ và vận hành biến động, khắc phục hạn chế của các phương pháp truyền thống (GA, PSO, GWO…).
- Về giá trị công nghệ: Kết quả đề tài tạo nền tảng cho việc ứng dụng trí tuệ nhân tạo (AI) trong vận hành và điều độ hệ thống điện thông minh (Smart Grid). Các thuật toán học sâu và học tăng cường có thể được mở rộng sang các bài toán khác như cân bằng tải, điều khiển phản kháng, và quy hoạch nguồn phân tán (DG Planning).
- Về học thuật và công bố khoa học: Với 08 công bố khoa học (trong đó có 01 bài SCIE – Q1 và 04 bài Scopus – Q2), đề tài đã góp phần nâng cao vị thế học thuật của Trường Cao đẳng Công nghệ Thủ Đức trên trường quốc tế, đồng thời đóng góp cho cộng đồng nghiên cứu trong nước về mô hình AI – năng lượng tái tạo.
- Về định hướng phát triển KH&CN: Mô hình nghiên cứu là bước đột phá trong hướng tiếp cận AI ứng dụng cho ngành điện, góp phần thực hiện mục tiêu “nâng cao năng lực nghiên cứu và chuyển giao công nghệ của các cơ sở giáo dục nghề nghiệp” theo Chiến lược phát triển KH&CN Việt Nam đến năm 2030.
Đối với nơi ứng dụng kết quả nghiên cứu
Kết quả của đề tài đã được ứng dụng và triển khai hiệu quả tại Trường Cao đẳng Công nghệ Thủ Đức, mang lại nhiều tác động tích cực về đào tạo, nghiên cứu và chuyên giao công nghệ:
- Trong đào tạo và phát triển học liệu:
+ Mô hình và bộ dữ liệu DRL được tích hợp vào các học phần: Năng lượng tái tạo, Tối ưu hệ thống điện, Ứng dụng AI trong kỹ thuật điện.
+ Hình thành bộ học liệu số và bài giảng mô phỏng DRL, giúp sinh viên tiếp cận các công nghệ AI mới nhất trong lĩnh vực năng lượng.
- Trong nghiên cứu khoa học và hợp tác:
+ Kết quả nghiên cứu là nền tảng cho các đề tài kế tiếp về quy hoạch nguồn phân tán, điều độ công suất và kế toán xanh (Green Accounting).
+ Thúc đẩy hợp tác nghiên cứu giữa nhà trường và doanh nghiệp điện lực, khu công nghiệp, hướng tới chuyển giao mô hình tối ưu năng lượng vào thực tế vận hành.
- Trong hoạt động đào tạo nghề gắn với chuyển đổi số: Đề tài góp phần nâng cao năng lực số cho giảng viên và sinh viên, đồng thời tạo ra môi trường học tập – nghiên cứu liên ngành giữa kỹ thuật điện, trí tuệ nhân tạo và quản lý năng lượng, đúng định hướng “Giáo dục nghề nghiệp gắn kết công nghệ 4.0".
Đối với kinh tế - xã hội và môi trường
Kết quả nghiên cứu mang lại lợi ích thiết thực và bền vững cho phát triển kinh tế, xã hội và bảo vệ môi trường, thể hiện rõ ở các phương diện sau:
- Về kinh tế:
+ Mô hình DRL giúp giảm tổn thất công suất từ 10-15%, nâng hiệu suất hấp thụ PV 8-12%, góp phần giảm chi phí năng lượng từ 6-8% trong chu kỳ vận hành.
+ Giải pháp có khả năng tối ưu hóa đầu tư và vận hành cho các hệ thống PV áp mái quy mô nhỏ, giúp rút ngắn thời gian hoàn vốn đầu tư trung bình từ 7 năm xuống 6,2 năm.
+ Mô hình có thể thương mại hóa dưới dạng phần mềm “Smart PV Optimizer" hoặc gói học liệu số mô phỏng năng lượng thông minh, mang lại giá trị kinh tế lâu dài.
- Về xã hội:
+ Đề tài tạo môi trường học tập, sáng tạo và nghiên cứu khoa học năng lượng cho sinh viên, góp phần hình thành nguồn nhân lực chất lượng cao cho ngành điện – năng lượng tái tạo.
+ Tạo hiệu ứng lan tỏa trong cộng đồng thông qua seminar, hội thảo chuyên đề, và các hoạt động học thuật tại TP.HCM, góp phần thúc đẩy tinh thần đổi mới sáng tạo trong giáo dục nghề nghiệp.
- Về môi trường:
+ Giải pháp DRL giúp tăng tỷ lệ sử dụng năng lượng tái tạo, giảm phát thải CO2 và giảm phụ thuộc vào nguồn điện truyền thống, qua đó hỗ trợ mục tiêu phát triển “lưới điện xanh – bền vững”.
+ Đóng góp thiết thực cho Chương trình chuyển đổi năng lượng quốc gia và Chiến lược tăng trưởng xanh đến năm 2050 của Chính phủ.
6. Dự kiến thời gian tổ chức đánh giá kết quả:
Thời gian dự kiến: Tháng 11/2025
7. Địa điểm dự kiến tổ chức báo cáo kết quả nghiên cứu
Địa điểm tổ chức báo cáo kết quả nghiên cứu:
Sở Khoa học và Công nghệ Thành phố Hồ Chí Minh
Địa chỉ: 244 Đường Điện Biên Phủ, Phường Xuân Hòa, Tp. Hồ Chí Minh