Hệ thống hỗ trợ ra quyết định trong vận hành thủy điện thác xăng”ngành kỹ thuật điều khiển và tự động hóa

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (7.83 MB, 131 trang )

<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

BỘ GIÁO DỤC VÀ ĐÀO TẠO

<b>TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT </b>

<b>HÀ VĂN THỦY </b>

<b>HỆ THỐNG HỖ TRỢ </b>

<b>RA QUYẾT ĐỊNH TRONG VẬN HÀNH THỦY ĐIỆN THÁC XĂNG </b>

<b>LUẬN ÁN TIẾN SĨ KỸ THUẬT </b>

<b>Hà Nội – Năm 2024 </b>

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

BỘ GIÁO DỤC VÀ ĐÀO TẠO

<b>TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT </b>

<b>HÀ VĂN THỦY </b>

<b>HỆ THỐNG HỖ TRỢ </b>

<b>RA QUYẾT ĐỊNH TRONG VẬN HÀNH THỦY ĐIỆN THÁC XĂNG </b>

<b>NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA </b>

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

Tác giả xin cam đoan đây là cơng trình nghiên cứu của bản thân tác giả. Các kết quả nghiên cứu và các kết luận trong luận văn là trung thực, không sao chép từ bất kỳ một nguồn nào và dưới bất kỳ hình thức nào. Việc tham khảo các nguồn tài liệu đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

Tác giả xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS. Nguyễn Đức Khoát và TS. Hà Ngọc Tuấn đã tận tình chỉ bảo, hướng dẫn và giúp đỡ tác giả trong suốt thời gian thực hiện và hoàn thành luận án.

Tác giả xin chân thành cảm ơn đến các cấp lãnh đạo của Trường Đại học Mỏ - Địa chất, phòng Sau đại học, Khoa Cơ – Điện, Bộ mơn Tự động hóa, các thầy, cơ giáo và các bạn đồng nghiệp, Tập đồn điện lực Kyushu đã tạo điều kiện thuận lợi, chia sẻ, tư vấn cho tác giả trong suốt quá trình học tập và thực hiện Luận án.

Tác giả xin trân trọng cảm ơn các nhà khoa học, các cơ quan đã tạo điều kiện cung cấp các thông tin và tài liệu cần thiết, giúp đỡ tác giả trong quá trình nghiên cứu, thực hiện Luận án.

Cuối cùng tác giả xin gửi lời cảm ơn chân thành tới gia đình, bạn bè, người thân đã luôn là chỗ dựa vững chắc cả về vật chất và tinh thần trong suốt quá trình nghiên cứu đến khi hồn thành bản Luận án này.

</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">

1.Tính cấp thiết của đề tài nghiên cứu ... 1

2.Mục tiêu nghiên cứu của đề tài luận án ... 2

3.Đối tượng và phạm vi nghiên cứu ... 2

4.Cách tiếp cận và phương pháp nghiên cứu... 3

5.Ý nghĩa khoa học và thực tiễn của luận án ... 3

6.Những đóng góp mới của luận án ... 4

7.Cấu trúc của luận án ... 4

<b>Chương 1.Tổng quan về thủy điện và hệ thống hỗ trợ ra quyết định ... 6</b>

1.1.Thủy điện ... 6

1.1.1.Khái niệm ... 6

1.1.2.Lịch sử phát triển ... 6

1.1.3.Cơng trình thuỷ điện ... 7

1.1.4.Vấn đề vận hành cơng trình thuỷ điện ... 8

1.1.5.Sự cố thuỷ điện ở Việt Nam ... 9

1.2.Hệ thống hỗ trợ ra quyết định DSS ... 12

1.2.1.Tổng quan giới thiệu hệ thống hỗ trợ ra quyết định vận hành hồ chứa thủy điện………….. ... 12

1.2.2.Tình hình phát triển hệ thống DSS vận hành hồ chứa trên Thế giới . 19 1.3.Những tồn tại, hạn chế trong bài toán ra quyết định ... 25

1.4.Hướng tiếp cận và phương pháp giải quyết bài toán DSSTĐ của Luận án……….. ... 26

1.5.Kết luận ... 28

<b>Chương 2.Cơ sở khoa học của hệ thống hỗ trợ ra quyết định nhà máy thủy điện……….. ... 29</b>

</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">

2.1.Mơ hình hóa mưa rào - dịng chảy cho lưu vực sơng ... 29

2.1.1.Mơ hình bể chứa (Tank model) ... 30

2.1.2.Cơ sở lý thuyết hiệu chỉnh thơng số mơ hình ... 31

2.1.3.Thuật tốn hiệu chỉnh mơ hình ... 38

3.3.2.Hệ thống thu thập dữ liệu tại Nhà máy ... 61

3.4.Phát triển mô hình mưa rào – dịng chảy cho thủy điện Thác Xăng ... 65

3.4.1.Cấu trúc mơ hình bể chứa: ... 67

3.4.2.Xây dựng mơ hình mơ phỏng ... 67

3.4.3.Kết quả phân tích và xây dựng mơ hình ... 69

3.5.Phần mềm mô phỏng hồ đập, nhà máy cho thủy điện Thác Xăng ... 77

3.5.1.Chương trình (Cấu trúc) mơ phỏng ... 77

3.5.2.Khối xử lý số liệu đầu vào ... 78

3.6.3.Hiệu quả kinh tế ... 88

3.6.4.Phân tích mức độ an tồn công tác điều tiết lũ sử dụng hệ thống DSS………. ... 92

</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">

3.7.Kết luận ... 94

Kết quả đạt được của luận án ... 96

Những đóng góp mới của luận án... 96

Những tồn tại và kiến nghị nghiên cứu tiếp theo của luận án. ... 96

<b>DANH MỤC CƠNG TRÌNH ĐÃ CƠNG BỐ ... 97</b>

Phụ lục 1. Matlab Script Phụ lục 2. Thuật toán tối ưu

Phụ lục 3. Thơng số chính của Nhà máy

</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">

<b>DANH MỤC HÌNH VẼ </b>

Hình 1.1 Đập thuỷ điện Itaipu (nguồn internet) ... 7

Hình 1.2 Cấu tạo tổng thể của một cơng trình thuỷ điện (nguồn internet) ... 8

Hình 1.3 Biểu đồ so sánh tổng lượng mưa trong 2 tuần tháng 10/2020 (TĐTL Kyushu) ... 10

Hình 1.4 Sự cố tràn đập thuỷ điện (nguồn internet) ... 10

Hình 1.5 Sự cố vỡ đập thuỷ điện (nguồn internet) ... 11

Hình 1.6 Hệ thống phân tích quá trình trực tuyến OLAP (nguồn smartboost) ... 16

Hình 1.7 Kiến trúc hệ thống hỗ trợ ra quyết định (Nguồn ResearchGate) ... 18

Hình 1.8 Kiến trúc hệ thống vận hành hồ chứa BeDam ... 19

Hình 1.9 Phần mềm hỗ trợ ra quyết định dự báo lưu lượng về hồ [13] ... 21

Hình 1.10 Màn hình giao diện hỗ trợ ra quyết định vận hành tối ưu ngắn hạn [14] ... 22

Hình 1.11 Các thao tác vận hành và hệ thống hỗ trợ [15] ... 23

Hình 1.12 Kết quả dự báo và kết quả đo thực tế lượng nước về hồ [18] ... 24

Hình 1.13 Cấu trúc hệ thống DSS đề xuất ... 27

Hình 2.1 Lưu vực sơng ... 30

Hình 2.2 Mơ hình mưa rào – dịng chảy với 04 bể chứa [Jong Wook Lee] ... 31

Hình 2.3 Mơ hình tốn học mơ tả bể chứa ... 32

Hình 2.4 Mơ hình bể tuyến tính đơn giản ... 32

Hình 2.5 Đường cong đặc tính mức nước mơ hình bể chứa ... 32

Hình 2.6 Đầu ra của bốn bể chứa ... 34

Hình 2.7 Mơ hình khởi tạo ... 34

Hình 2.8 Đồ thị lưu lượng dịng chảy theo tính tốn và quan trắc ... 35

Hình 2.9 Tham số đầu vào và đầu ra của mơ hình ... 36

Hình 2.10 Thuật tốn xác định tham số mơ hình bể chứa ... 39

Hình 2.11 Nguyên lý hoạt động của nhà máy thủy điện ... 41

Hình 2.12 Mơ hình bể chứa cho hệ thống hồ đập ... 42

Hình 2.13 Giá trị rời rạc hóa của dịng chảy vào hồ ... 48

Hình 2.14 Giá trị rời rạc hóa của lưu lượng chảy mất khỏi hồ... 48

Hình 2.15 Đồ thị với các điểm gồm các cực trị địa phương và cực trị tồn cục ... 52

Hình 3.1 Vị trí bố trí Nhà máy thủy điện Thác Xăng ... 53

Hình 3.2 Bản đồ lưu vực của thủy điện Thác Xăng ... 56

</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">

Hình 3.3 Hình ảnh nhà máy thủy điện Thác xăng ... 57

Hình 3.4 Cấu trúc hệ thống DSS đề xuất cho Thủy điện Thác Xăng ... 58

Hình 3.5 Đa giác Thiesen dùng thu thập lượng mưa lưu vực ... 59

Hình 3.6 Sơ đồ bố trí các trạm thu thập thơng tin thời tiết, dịng chảy ... 60

Hình 3.7 Trạm đo mưa ... 61

Hình 3.8 Cấu trúc hệ thống thu thập dữ liệu cho hệ thống DSS tại nhà máy ... 62

Hình 3.9 Cảm biến Radar đo mực nước thượng/hạ lưu ... 62

Hình 3.10 Hệ thống đo lường dịng chảy tự nhiên ... 63

Hình 3.11 Cảm biến siêu âm đo lượng nước qua tổ máy ... 63

Hình 3.12 Hệ thống cảm biến xác định lưu lượng qua đập tràn... 64

Hình 3.13 Cấu trúc dữ liệu và truyền tin cho DSS ở thủy điện Thác Xăng ... 64

Hình 3.14 Bản đồ phân chia lưu vực cho Thủy điện Thác Xăng ... 65

Hình 3.15 Mơ hình bể chứa cho Thủy Điện Thác Xăng ... 66

Hình 3.16 Mơ hình bể chứa cho lưu vực Thủy điện Thác Xăng ... 67

Hình 3.17 Cấu trúc bốn bể mơ phỏng mưa rào dịng chảy thủy điện Thác Xăng ... 68

Hình 3.18 Cấu trúc mơ phỏng bể chứa đỉnh (Top tank) ... 68

Hình 3.19 Cấu trúc mơ phỏng các bể dưới ... 69

Hình 3.20 Lượng mưa trung bình tại các trạm quan trắc (1960-2006) ... 70

Hình 3.21 Phân bổ lượng mưa trung bình theo tháng tại các trạm ... 71

Hình 3.22 Lượng mưa trung bình theo mùa hàng năm ... 71

Hình 3.23 Dữ liệu lưu lượng dịng chảy thu thập được tại các trạm ... 72

Hình 3.24 Tương quan lưu lượng dịng chảy ... 72

Hình 3.25 Dữ liệu lưu lượng dòng chảy hàng năm theo mùa ... 73

Hình 3.26 Đồ thị mưa rào – dịng chảy 1960-1970 ... 75

Hình 3.27 Tương quan dịng chảy Mơ hình (Qe) và dịng chảy Quan trắc (Q) ... 75

Hình 3.28 Kết quả mơ phỏng và quan trắc lưu lượng dòng chảy tại Văn Mịch (1977) 76 Hình 3.29 Kết quả mơ phỏng và quan trắc lưu lượng dòng chảy tại Văn Mịch (2017-2018) ... 76

Hình 3.30 Cấu trúc chương trình mơ phỏng tổng qt ... 77

Hình 3.31 Các kịch bản xả lũ ... 82

Hình 3.32 Định nghĩa khung giờ trong quy chế bán điện theo chi phí tránh được ... 83

Hình 3.33 Các khung giờ trong thị trường điện dựa vào thống kê giá thị trường ... 84

</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">

Hình 3.34 Giao diện vận hành và theo dõi dịng chảy Thủy điện Thác Xăng ... 86

Hình 3.35 Giao diện hiển thị các lưu lượng và mức thực tế và dự báo theo kế hoạch vận hành ... 87

Hình 3.36 So sánh điều kiện thủy văn 2017-2018 ... 89

Hình 3.37 Ví dụ hiệu quả vận hành đón lũ ... 90

Hình 3.38 Phân tích hiệu quả kinh tế qua các năm ... 91

Hình 3.39 Tổng lượng nước tích lũy 2017, 2018, 2019 ... 92

Hình 3.40 Đồ thị dịng chảy Thác Xăng mùa mưa 2019 ... 93

Hình 3.41 Đồ thị dòng chảy Thác Xăng mùa mưa 2020 ... 93

Hình 3.42 Đồ thị dịng chảy Thác Xăng mùa mưa 2021 ... 94

</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">

<b>DANH MỤC BẢNG </b>

Bảng 3.1 Đặc trưng hình thái lưu vực sơng Bắc Giang và trạm thủy văn... 54

Bảng 3.2 Các đặc trưng dòng chảy năm tuyến đập Thác Xăng ... 56

Bảng 3.3 Kết quả tính đỉnh lũ thiết kế tuyến Sơng Bắc Giang... 56

Bảng 3.4 Dịng chảy phù sa trung bình hàng năm tại tuyến cơng trình Thác Xăng ... 57

Bảng 3.5 Danh sách các trạm thu thập dữ liệu ... 61

Bảng 3.6 Lượng mưa trung bình hàng năm của lưu vực (1967-2006) ... 70

Bảng 3.7 Lượng mưa trung bình theo tháng ... 71

Bảng 3.8 Kết quả thơng số mơ hình bể chứa ... 74

Bảng 3.9 Ví dụ về quy định giá bán điện theo chi phí tránh được năm 2020 ... 84

Bảng 3.10 Thơng số chính của thủy điện Thác Xăng ... 16

</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">

DSS Hệ thống hỗ trợ ra quyết định (Decision Support System) GA Thuật toán di truyền (Genetic Algorithm)

SA Thuật toán Simulated Annealing (SA)

GIS Hệ thông tin địa lý (Geographic Information System) HTTĐ Hệ thống thủy điện

LSTM Long Short Term Memory

DSSTĐ Hệ thống hỗ trợ ra quyết định nhà máy thủy điện NMTĐ Nhà máy thủy điện

</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">

<b>MỞ ĐẦU 1. Tính cấp thiết của đề tài nghiên cứu </b>

Hiện nay, do nhu cầu phát triển nên tại các nước đang phát triển chỉ chú trọng phát triển về số lượng hồ chứa thuỷ lợi - thuỷ điện mà thiếu quan tâm đúng mức đến vận hành sao cho có hiệu quả, đem lại lợi ích lớn nhất (IAHS, 1998) [46]. Nhiều cơng trình nghiên cứu về vận hành hồ chứa được công bố trong thời gian gần đây trên các tạp chí quốc tế như Water Resources Research, Water Resources Planning and Management, Water Management v.v... cho thấy mối quan tâm của thế giới về vấn đề này và đòi hỏi cần có các nghiên cứu chuyên sâu để kiểm nghiệm, cải tiến và ứng dụng vào Việt Nam.

Tại Việt Nam, trong những năm gần đây, thuỷ điện đóng vai trò quan trọng trong cung cấp điện cho hệ thống với nhu cầu điện tăng rất nhanh và dự báo vẫn duy trì mức trên 20% trong những năm tới. Điều này đòi hỏi cần xây dựng nhiều cơng trình hồ chứa thuỷ điện đáp ứng nhu cầu phát điện và cấp nước cho các ngành kinh tế.

Theo quy hoạch điện VII hiệu chỉnh tháng 03 năm 2016 giai đoạn 2015 - 2030 mặc dù tổng công suất đặt của thủy điện sẽ tiếp tục gia tăng, song tỷ trọng công suất thủy điện của Việt Nam sẽ giảm từ 38% năm 2015 xuống 30,1% vào năm 2020, 21,1% năm 2025 và đạt 16,9% sau năm 2030 (tương tự với tỷ lệ trung bình của thủy điện trên thế giới) [45].

Kinh nghiệm và thành tựu nghiên cứu trong lĩnh vực phát triển và khai thác vận hành thủy điện trên thế giới cho thấy, ngồi những ưu điểm lớn như khơng tiêu thụ nhiên liệu, giá thành rẻ và linh hoạt trong vận hành…, thủy điện cũng đã bộc lộ một số nhược điểm cần khắc phục như ngập lụt hồ chứa, tác động tiêu cực đến môi trường [41, 42, 43, 44]. Vấn đề khai thác, vận hành hợp lý các nhà máy thủy điện hiện nay đang rất cấp thiết và đang được nhiều quốc gia trên thế giới quan tâm nghiên cứu nhằm mục tiêu phát triển bền vững, giảm thiểu ô nhiễm môi trường và tăng cường an ninh năng lượng. Đối với Việt Nam, trong điều kiện tỷ trọng phát triển nhiệt điện than ngày càng gia tăng, ngồi bài tốn phát triển hợp lý các dự án thủy điện, vấn đề nghiên cứu xây dựng cơ sở phương pháp luận cũng như chương trình tính tốn tối ưu chế độ vận hành các nhà máy thủy điện trong HTTĐ Việt Nam, nhằm huy động hợp lý khả năng phát công suất phủ đỉnh của nhà máy thủy điện là vấn đề cần thiết và cấp bách hiện nay.

</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">

Thực tế vận hành các hồ chứa nước ở Việt Nam những năm gần đây đã xảy ra rất nhiều các sự cố trong vận hành, làm vỡ đập, ngập lụt hạ lưu, chết người, vv... tạo lên bức xúc rất lớn trong xã hội, lãng phí nguồn tài nguyên nước. Đa số các hồ chứa nước tại Việt Nam ngoài khả năng có kinh nghiệm vận hành và các công cụ truyền thống như đo mức nước, quan sát dòng chảy trực quan, cân bằng nước theo kinh nghiệm để vận hành thì khơng có các cơng cụ đo đếm tính tốn các thơng số chính xác theo thời gian thực để giúp người điều khiển quyết định các công việc như xả lũ, chạy máy, điều tiết lũ bậc thang, vv... một cách tối ưu.

Hiện nay ở nước ta đã có một số các nghiên cứu về vận hành hồ chứa nhưng chưa có một cơng trình khoa học nào nghiên cứu chi tiết và đầy đủ sự ảnh hưởng của các yếu tố thời tiết, bộ công cụ vận hành, lưu trữ tính tốn vận hành theo thời gian thực để đưa ra các thơng số chính xác theo phút, giờ. Từ đó có thể đưa ra được những thuật toán điều khiển hợp lý nhằm tối ưu các chế độ dòng chảy, cảnh báo lũ, quyết định xả lũ không gây ra lũ nhân tạo, nâng cao hiệu suất phát điện, tối ưu nguồn nước nâng cao

<b>hiệu quả kinh tế nguồn tài nguyên nước, vv... Vì vậy đề tài luận án: “Hệ thống hỗ trợ ra quyết định trong vận hành thủy điện Thác Xăng” là vấn đề mang tính cấp thiết, </b>

có ý nghĩa khoa học và đáp ứng các yêu cầu thực tiễn trong điều khiển vận hành các hồ chứa nước tại Việt Nam nói chung và thực tế áp dụng cho thủy điện Thác Xăng nói riêng.

<b>2. Mục tiêu nghiên cứu của đề tài luận án </b>

a) Xác định được cơ sở khoa học và thực tiễn để nâng cao hiệu quả khai thác thủy điện nói chung và thủy điện vừa và nhỏ nói riêng trong bối cảnh lưu lượng nước luôn thay đổi.

b) Xây dựng hệ thống hỗ trợ ra quyết định trên cơ sở thuật toán lập lịch, các mô-đun xử lý số liệu vào ra, kết nối các mơ hình; tối ưu mơ hình bể chứa nhằm giải quyết bài toán.

c) Áp dụng việc liên kết các mơ hình đã đề xuất trên nhằm kiểm định khả năng ứng dụng cho Nhà máy Thủy điện Thác Xăng.

<b>3. Đối tƣợng và phạm vi nghiên cứu </b>

(1) Đối tượng nghiên cứu của đề tài là hệ thống hồ chứa thủy điện nói chung và thủy điện vừa và nhỏ nói riêng (Trực tiếp áp dụng cho thủy điện Thác Xăng) với mục tiêu phát điện và điều tiết lũ;

</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">

(2) Phạm vi nghiên cứu ứng dụng là nâng cao hiệu quả vận hành hệ thống hồ chứa với mục tiêu phát điện và điều tiết lũ.

<b>4. Cách tiếp cận và phương pháp nghiên cứu </b>

<i>1) Phương pháp kế thừa: Trên cơ sở việc nghiên cứu tổng quan cập nhật tình </i>

hình nghiên cứu trong và ngồi nước thơng qua nhiều nguồn như hội thảo, các bài báo và cơng trình nghiên cứu khoa học, tác giả kế thừa có chọn lọc các tài liệu và kết quả của các cơng trình nghiên cứu liên quan đến vận hành hệ thống hồ chứa như các mơ hình mơ phỏng, mơ hình tối ưu, để nghiên cứu cơ sở khoa học, đề xuất liên kết các mơ hình, áp dụng cho hệ thống hồ chứa (HTTĐ) Thác Xăng.

<i>2) Phương pháp thu thập, thống kê, tổng hợp thông tin số liệu: sử dụng để thu </i>

thập thông tin, số liệu, từ đó thống kê, phân tích, xử lý dữ liệu đầu vào để thực hiện các nội dung nghiên cứu, tính tốn trong luận án. Các mô hình thống kê, đánh giá được sử dụng để tạo ra bộ số liệu cho đề tài.

<i>3) Phương pháp sử dụng mơ hình mô phỏng và tối ưu hệ thống: Các thuật tốn và </i>

mơ hình được nghiên cứu sử dụng một cách thích hợp nhằm phát huy ưu điểm của mơ hình, kết hợp với nhau cho từng bước giải quyết bài tốn. Các mơ hình mơ phỏng, tối ưu được sử dụng kết hợp nhằm đưa ra kết quả mục tiêu cuối cùng là nâng cao hiệu quả vận hành.

<b>5. Ý nghĩa khoa học và thực tiễn của luận án </b>

<i><b>a. Ý nghĩa khoa học </b></i>

- Luận án xác lập được các cơ sở khoa học để tìm ra chế độ vận hành cận tối ưu, nâng cao hiệu quả vận hành hệ thống hồ chứa thủy điện để phát điện và điều tiết lũ, có xét đến ràng buộc lợi dụng tổng hợp. Luận án đã kết hợp giữa các mơ hình: (i) Mơ phỏng; (ii) Tối ưu bể chứa; và (iii) bài toán lập lịch, đưa ra cách thức vận hành hợp lý và cập nhật liên tục, hỗ trợ công tác vận hành nhằm đạt hiệu quả vận hành thực tế tốt.

- Luận án xây dựng được chương trình hỗ trợ ra quyết định với khả năng tính tốn, biểu diễn tồn diện tình hình khí tượng thủy văn cũng như có các cơng cụ mơ phỏng vận hành theo thời gian thực. Chương trình này có đặc điểm là cho phép người dùng vào số liệu từ hệ thống quan trắc như mực nước hồ, công suất phát hay độ mở cửa xả lũ để tính tốn lưu lượng nước vào hồ hay các thành phần lưu lượng mơ hình mưa rào dịng chảy và các phần thơng số khác liên quan.

</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">

- Luận án áp dụng mơ hình đề xuất này cho nhà máy thủy điện Thác Xăng, từ đó tạo ra tiền đề có thể áp dụng phương pháp luận khoa học của luận án để giải quyết vấn đề tương tự của các nhà máy thủy điện nói chung và thủy điện vừa và nhỏ nói riêng ở nước ta hiện nay.

<i><b>b. Ý nghĩa thực tiễn </b></i>

- Với sự phát triển nhanh các nhà máy thủy điện, kết quả nghiên cứu là cơ sở khoa học để các đơn vị sở hữu quản lý vận hành hồ chứa nước các thủy điện có thể dùng làm tài liệu tham khảo, ứng dụng. Đề ra được những giải pháp kỹ thuật phù hợp, có thể ứng dụng kết quả nghiên cứu cài đặt các thuật toán điều khiển tiên tiến nhằm giảm tối đa sự cố không mong muốn, tăng hiệu suất phát điện và tiết kiệm nguồn tài nguyên cho đất nước.

- Phương pháp luận; phương pháp tính tốn; phương pháp đánh giá; thông tin và số liệu thực tiễn, các giải pháp khả thi để nâng cao hiệu quả vận hành của Luận án có giá trị hữu ích cho các cơng ty vận hành hồ chứa, cơ quan quản lý nhà nước về tài nguyên nước Trung ương và địa phương tham khảo.

- Nội dung của Luận án là tài liệu tham khảo tốt cho nghiên cứu giải quyết các vấn đề tương tự của HTTĐ trên các lưu vực sông khác, cho việc biên soạn tài liệu giảng dạy, góp phần phát triển bền vững thủy điện và hệ thống nguồn nước.

<b>6. Những đóng góp mới của luận án </b>

(1) Xác lập cơ sở khoa học kết hợp mơ hình mô phỏng – tối ưu, xây dựng được bộ công cụ hỗ trợ ra quyết định để đề xuất phương án vận hành cận tối ưu cho hệ thống hồ nhà máy thủy điện nói chung và thủy điện vừa và nhỏ nói riêng, có kể đến biến đổi và các tác động thực tế của nguồn nước theo thời gian thực nhằm nâng cao hiệu quả phát điện và điều tiết lũ;

(2) Áp dụng mơ hình mơ phỏng, hỗ trợ ra quyết định trong vận hành hệ thống nhà máy thủy điện Thác Xăng nâng cao hiệu quả phát điện và điều tiết lũ.

Ngoài phần mở đầu và kết luận, các kết quả nghiên cứu của luận án được trình bày trong ba chương sau:

Chương 1. Tổng quan tình hình nghiên cứu vận hành hệ thống thủy điện vừa và nhỏ. Nội dung chính của chương này là phân tích, đánh giá tổng hợp các kết quả áp dụng hệ thống hỗ trợ ra quyết định (DSS) trong nghiên cứu về mô

</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">

phỏng, vận hành tối ưu hệ thống thủy điện nhằm đưa ra vấn đề cần tiếp tục nghiên cứu ở Việt Nam. Trên cơ sở đó, hướng tiếp cận và phương pháp giải quyết bài toán đề xuất.

Chương 2. Nghiên cứu cơ sở khoa học của hệ thống hỗ trợ nhằm nâng cao hiệu quả vận hành hệ thống hồ chứa. Các phương pháp vận hành cùng các mô hình tốn và thuật tốn liên quan đã được nghiên cứu, phân tích để lựa chọn cách tiếp cận và đề xuất phương pháp kết hợp mơ hình mơ phỏng – tối ưu, lập trình tối ưu và kết nối các mơ hình để giải quyết bài tốn vận hành nhà máy thủy điện nói chung và thủy điện vừa và nhỏ nói riêng.

Chương 3. Nghiên cứu phát triển hệ thống DSS cho nhà máy thủy điện Thác Xăng. Trên cơ sở khoa học đã được xác lập, mơ hình kết hợp đã được áp dụng thành công cho nhà máy thủy điện Thác Xăng với những kết quả đáng tin cậy, cho thấy hiệu quả vận hành được nâng cao.

</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">

<b>CHƯƠNG 1. </b>

<b>TỔNG QUAN VỀ THỦY ĐIỆN VÀ HỆ THỐNG HỖ TRỢ RA QUYẾT ĐỊNH1.1. </b>

Thủy điện là nguồn điện có được từ năng lượng nước. Đa số năng lượng thủy điện có được từ thế năng của nước được tích tại các đập nước làm quay một turbine nước và máy phát điện. Kiểu ít được biết đến hơn là sử dụng năng lượng động lực của nước hay các nguồn nước khơng bị tích bằng các đập nước như năng lượng thủy triều. Thủy điện là nguồn năng lượng tái tạo.

Năng lượng lấy được từ nước phụ thuộc không chỉ vào thể tích mà cả vào sự khác biệt về độ cao giữa nguồn và dòng chảy ra. Sự khác biệt về độ cao được gọi là áp suất. Lượng năng lượng tiềm tàng trong nước tỷ lệ với áp suất. Để có được áp suất cao nhất, nước cung cấp cho một turbine nước có thể được cho chảy qua một ống lớn gọi là ống dẫn nước có áp (penstock).

<b>1.1.2. Lịch sử phát triển </b>

Cơng trình thuỷ điện đầu tiên đặt nền móng cho sự phát triển thuỷ điện trên thế giới đó chính là cơng trình thuỷ điện cơng suất nhỏ của gia đình Luis Armstrong tại vùng ngoại ô Northemberland, Vương quốc Anh vào năm 1878. Cơng trình này chỉ phát điện với công suất khoảng 4 kW dành cho việc chiếu sáng phịng tranh của Luis Armstrong và ngơi nhà. Bốn năm sau đó vào năm 1882, một cơng trình thuỷ điện phát điện và cung cấp điện thương mại ra đời ở Wisconsin, Mỹ. Trong khoảng thời gian này cũng có nhiều cơng trình thuỷ điện được xây dựng ở Bắc Mỹ như Michigan năm 1880, Ottawa và Ontorio năm 1881, NewYork năm 1881. Năm 1891 người Đức đã sản xuất thành công turbine thuỷ điện 3 pha đầu tiên. Năm 1895, nhà máy thuỷ điện lớn nhất thế giới thời bấy giờ được xây dựng ở thác Niagara, NewYork, Mỹ với tên gọi Edwar Dean Adams Power Plant. Vào khoảng đầu thế kỷ 20, trên thế giới có tới hàng trăm cơng trình thuỷ điện cỡ nhỏ được xây dựng hồn thiện và đưa vào vận hành. Trạm thuỷ điện công suất nhỏ đầu tiên của Trung Quốc với công suất lắp máy 500 kW được xây dựng vào năm 1905. Cuối thế kỷ 20, Brazil và Trung Quốc vươn lên trở thành hai quốc gia đứng đầu trên thế giới về thuỷ điện. Đập thuỷ điện Itaipu được xây dựng vào năm 1984 ở khu vực biên giới giữa Brazil và Paraguay có cơng suất lên tới 12 600 MW. Và tại Trung Quốc cơng trình đập thuỷ điện Tam Hiệp với công suất phát điện thiết kế đạt 32 000 MW (

</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">

<i>Hình 1.1 Đập thuỷ điện Itaipu (nguồn internet) </i>

<b>1.1.3. Cơng trình thuỷ điện </b>

Cơng trình thủy điện hay cịn gọi là trạm thủy điện bao gồm hệ thống dẫn dòng chảy và nhà máy thủy điện nhằm biến năng lượng của dòng nước trở thành điện năng cung cấp lên hệ thống lưới điện phục vụ nhu cầu sinh hoạt và sản xuất.

Cấu tạo của cơng trình thủy điện có nhiều điểm khác nhau tùy theo công suất lắp đặt các tổ máy, cột áp và lưu lượng làm việc của turbine, quy mơ hồ chứa, địa hình nơi xây dựng nhà máy … Tuy vậy, các cơng trình thủy điện về cơ bản vẫn giống nhau, theo chiều dòng chảy các thiết bị, hạng mục cơng trình bao gồm: hồ chứa nước, đập dâng nước (hoặc đập chắn nước), cụm cửa van nhận nước, đường dẫn, turbine, cửa xả nước (cửa thoát). Bên trong nhà máy gồm có turbine thủy lực, máy phát điện, trạm biến áp, đường dây tải điện hịa lưới. Ngồi ra, cịn có các thiết bị, máy móc, hệ thống điều khiển và gian máy phục vụ bảo dưỡng sửa chữa, phòng điều hành phục vụ việc vận hành nhà máy thủy điện (Hình 1.2).

Thơng qua hệ thống đập dâng, nước thu gom từ lượng mưa trên lưu vực thông qua hệ thống các dịng chảy tập trung về và hình thành nên hồ chứa cho thủy điện. Tại nhà máy nước được dẫn từ hồ thông qua đường ống áp lực tới làm quay turbine máy phát để phát điện.

</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">

<i>1 – Hồ chứa; 2 – Cửa van nhận nước; 3 – Lưới chắn rác; 4 – Cửa nhận nước; 5 – Đường ống áp lực; 6 – Trạm biến áp; 7 – Gian máy phát điện; 8 – Máy phát; 9 – Turbine; 10 - Ống thoát; 11 – Cửa xả; 12 – Máng trượt; 13 – Kênh; 14 – Đường dây </i>

<i>Hình 1.2 Cấu tạo tổng thể của một cơng trình thuỷ điện (nguồn internet) </i>

<b>1.1.4. Vấn đề vận hành cơng trình thuỷ điện </b>

Từ các nội dung đã trình bày ở trên cho thấy, thủy điện là một hệ thống các công trình được bố trí trên một dịng chảy tự nhiên để biến đổi thủy năng thành năng lượng điện. Vì vậy, hoạt động của thủy điện phụ thuộc rất lớn vào tự nhiên, cụ thể là nguồn nước và thời tiết. Nếu thời tiết khô hạn hoặc quá mưa lớn, điều này có thể ảnh hưởng đến sản lượng điện sản xuất. Quá trình vận hành thủy điện cơ bản là các quá trình vận hành các cơng trình thủy điện để đảm bảo tối ưu hóa nguồn năng lượng, hạn chế ảnh hưởng tới môi trường và giảm thiểu các rủi ro có thể sảy ra. Cụ thể việc vận hành gồm các hoạt động như trình bày sau đây.

<i><b>a. Quản lý nguồn nước </b></i>

Việc quản lý nguồn nước là một vấn đề khó khăn khi vận hành nhà máy thủy điện. Điều này bao gồm phải đảm bảo đủ lượng nước cần thiết để vận hành nhà máy, đồng

</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21">

thời không ảnh hưởng đến nguồn nước cho các mục đích khác như tưới tiêu, sinh hoạt, nông nghiệp và thủy sản. Nước được thu thập từ nguồn nước như sông, suối. Nước được lưu trữ trong bể chứa hoặc hồ chứa được hình thành nhờ các đập thủy điện chắn trên các con sông để sử dụng và sản xuất điện. Trên cơ sở nguồn nước thu thập được, Nhà máy thủy điện có thể cần điều chỉnh và giữ ở mức tối ưu để sản xuất điện để đáp ứng nhu cầu điện và giá điện thị trường.

<i><b>b. Vận hành thiết bị </b></i>

Với mục tiêu quản lý nguồn nước nêu trên, các thiết bị cơng trình thủy điện như cửa nhận xả nước, máy phát điện, bơm nước, van được vận hành để đảm bảo sản lượng điện sản xuất được đạt mức tối đa và thiết bị hoạt động đúng cách. Sản lượng sản xuất điện cần phải được điều chỉnh để đáp ứng nhu cầu và giá điện thị trường nhằm đảm bảo tối đa hóa lợi nhuận cho chủ đầu tư. Trong q trình vận hành, ngồi việc thực hiện đúng các quy trình thì các thiết bị cần được bảo trì và kiểm tra định kỳ để đảm bảo hoạt động đúng cách và tránh sự cố có thể gây ra các hỏng hóc thiết bị, đường ống, bể chứa, v.v..

Vì các nhà máy thủy điện thường được xây dựng ở vị trí núi và có các cơng trình thủy lợi lớn, việc đảm bảo an toàn cho những người làm việc và cư dân trong khu vực trong quá trình vận hành là rất quan trọng.

Những ảnh hưởng đến môi trường như tác động đến động vật, cảnh quan, môi trường nước và khơng khí đều phải được xem xét và giảm thiểu khi vận hành nhà máy thủy điện.

Ngoài ra, các hoạt động vận hành cũng cần được báo cáo và theo dõi định kỳ để đảm bảo hoạt động được thực hiện đúng quy trình và đáp ứng yêu cầu của cơ quan quản lý và khách hàng.

Như vậy hoạt động vận hành thủy điện là một hoạt động phức tạp. Nhà máy hoạt động được dựa trên các yếu tố đầu vào là bất định: Lượng mưa trên lưu vực; Giá điện trên thị trường. Ngồi ra trong q trình vận hành nhà máy còn bị phụ thuộc vào nhiều yếu tố ràng buộc phức tạp: Đảm bảo an toàn hồ đập; Đảm bảo mức nước vận hành hiệu quả; Thực hiện đúng quy trình vận hành theo quy định…

<i><b>a. Một số sự cố, rủi ro trong q trình vận hành cơng trình thuỷ điện </b></i>

 <b>Sự cố tràn đập </b>

Mặc dù trong tính tốn thiết kế cơng trình thuỷ điện hoặc hồ thuỷ lợi đều phải dựa trên số liệu quan trắc thuỷ văn của lưu vực và khảo sát đánh giá lũ với chu kỳ lặp tới 100, 500 năm hoặc 1000 năm. Biểu đồ bên trình bày số liệu so sánh lượng mưa trung bình

</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">

trong vịng 2 tuần của tháng 10/2020 so với lượng mưa trung bình cả năm 2018 và năm 2019 của một vài địa phương các tỉnh miền Trung (Hình 1.3). Số liệu cho thấy rõ sự khác biệt và bất thường của thời tiết, lượng mưa trong 2 tuần của tháng 10 gần như xấp xỉ hoặc vượt tổng lượng mưa cả năm. Điều này cho thấy rằng vấn đề biến đổi khí hậu ngày nay diễn ra rất phức tạp nên xác xuất các cơn lũ dị thường là khá cao và khó dự đốn trước. Giả sử có thay đổi thời tiết bất thường, mưa lớn cục bộ cho một lưu vực với lưu lượng lớn hơn lưu lượng thiết kế của các cửa xả tràn. Nếu kết quả dự báo thời tiết không đủ sớm hoặc thiếu chính xác thì các hồ chứa khơng kịp xả bớt nước để đón cơn lũ về. Kết quả là mực nước trong hồ dâng cao và có nguy cơ tràn đập.

<i>Hình 1.3 Biểu đồ so sánh tổng lượng mưa trong 2 tuần tháng 10/2020 (TĐTL Kyushu) </i>

Khi sự cố tràn đập xảy ra có thể phá hoại thiết bị, cơng trình ngay sau thân đập. Mức độ lớn có thể cuốn trơi, xạt lở đất và có nguy cơ vỡ đập. Tháng 7/2020 đã xảy ra sự cố tràn đập thuỷ điện Thái An do mưa lũ kéo dài. Đất đá được cuốn trôi bao trùm lên trạm biến áp và lấp đầy gian máy của nhà máy.

<i>Hình 1.4 Sự cố tràn đập thuỷ điện (nguồn internet) </i>

</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23">

 <b>Sự cố vỡ đập </b>

Khi lượng nước lũ từ thượng lưu trở về hồ chứa tăng đột biến, mặc dù các cửa xả tràn đã được mở nhưng mực nước hồ không giảm mà còn tăng lên dẫn tới áp lực tác động lên thân đập tăng, xung lực của dòng chảy tại cửa xả tràn lúc này rất lớn, thậm chí nước còn tràn qua mặt đập. Dưới tác dụng của dòng chảy đất nền bị xói mịn, đất đá trương nở và trở lên yếu hơn. Nếu hiện tượng này diễn ra trong một khoảng thời gian dài liên tục thì nguy cơ vỡ đập có thể xảy ra cho dù con đập được xây dựng đảm bảo theo đúng thiết kế.

Khi vỡ đập thuỷ điện sẽ gây ra một cơn lũ nhân tạo có sức tàn phá rất khủng khiếp. Dung tích của hồ chứa càng lớn, vị trí xây dựng đập có cao độ lớn thì mức độ tàn phá càng cao.

<i>Hình 1.5 Sự cố vỡ đập thuỷ điện (nguồn internet) </i>

Nguyên nhân chung của các sự cố nêu trên đều liên quan tới việc khơng kiểm sốt được hoặc chưa kiểm sốt tốt nguồn nước và kế hoạch khai thác nguồn nước hiệu quả. Bên cạnh nguyên nhân khách quan do yếu tố biến đổi khí hậu, các ngun nhân có thể xếp thành hai nhóm: nhóm nguyên nhân tới từ trang thiết bị cơng nghệ và nhóm ngun nhân tới từ quy định và quản lý của nhà nước.

<i><b>b. Nhóm nguyên nhân tới từ trang thiết bị và cơ sở vật chất </b></i>

Mặc dù hiện nay một số công ty thuỷ điện đã áp dụng các thiết bị khoa học công nghệ trong vận hành cơng trình thuỷ điện như: Máy tính điều khiển có tốc độ xử lý cao 80 Tera FLOPS; Mô hình số dự báo thời tiết WRF có lưới phân giải 9 x 9 km; Radar thời tiết.

Tuy nhiên hệ thống các trang thiết bị này vẫn cịn có những hạn chế như sau: Độ chính xác của mơ hình dự báo thời tiết chưa cao; Chưa đưa cơng nghệ mơ hình hố thuỷ văn vào thực tế sản xuất thuỷ điện; Chưa giải quyết tốt vấn đề nhiễu tín hiệu của radar thời tiết.

</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">

<i><b>c. Nhóm nguyên nhân tới từ quản lý nhà nước </b></i>

Ngoài các nguyên nghân về trang thiết bị và cơ sở vật chất các sự cố vận hành cịn có những ngun nhân từ cơng tác quản lý như:

- Việc quản lý tài nguyên nước còn phụ thuộc và chồng chéo bởi nhiều cơ quan nhà nước;

- Các ràng buộc pháp lý và quy trình vận hành hồ chứa còn nhiều kẽ hở dẫn tới xung đột giữa vận hành an toàn và tiết kiệm nước;

- Sự phối hợp điều tiết giữa các hồ chứa cịn chưa đồng bộ và khó quản lý khi khác chủ sở hữu cơng trình.

<b>1.2. </b>

<b>Hệ thống hỗ trợ ra quyết định DSS </b>

<b>1.2.1. Tổng quan giới thiệu hệ thống hỗ trợ ra quyết định vận hành hồ chứa thủy điện </b>

<i><b>a. Khái niệm về hệ thống hỗ trợ ra quyết định vận hành (DSS) </b></i>

Hệ thống hỗ trợ quyết định (DSS-Decision support system) là một hệ thống thông tin hỗ trợ các hoạt động ra quyết định của doanh nghiệp hoặc tổ chức. DSS phục vụ cấp quản lý, hoạt động và lập kế hoạch của một tổ chức (thường là quản lý cấp trung và cấp cao hơn) và giúp mọi người đưa ra quyết định về các vấn đề có thể thay đổi nhanh chóng và khơng dễ dàng xác định trước - là những vấn đề quyết định phi cấu trúc và bán cấu trúc. Hệ thống hỗ trợ quyết định có thể được máy tính hóa hồn tồn hoặc do con người cung cấp hoặc kết hợp cả hai (Wikipedia).

Hệ thống hỗ trợ ra quyết định được ứng dụng trong nhiều lĩnh vực hoạt động của các tổ chức. Trước đây, các DSS trợ giúp ra quyết định hướng đến các nhà quản lý cấp cao, còn ngày nay bắt đầu nhằm vào đối tượng là các nhà quản lý cấp trung cho đến những người quản lý sản xuất, vận hành. Một DSS hỗ trợ ra quyết định được tổ chức hiệu quả nếu có khả năng phục vụ nhiều cấp quản lý khác nhau:

 Đối với các nhà quản lý cấp cao: DSS hỗ trợ ban hành các quyết định chiến lược nhằm xác định mục tiêu, các nguồn lực và các chính sách của tổ chức trong dài hạn. Vấn đề quan trọng ở đây là dự đoán được tương lai của tổ chức và môi trường mà tổ chức đang hoạt động trong đó.

 Đối với các nhà quản lý cấp trung: DSS hỗ trợ ban hành các quyết định chiến thuật để giải quyết các vấn đề như phân bổ hiệu quả các nguồn lực, xác định cách thức tổ chức thực hiện các nhiệm vụ một cách tốt nhất. Việc điều khiển quá trình này địi hỏi

</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">

mối liên hệ chặt chẽ với những người thực hiện nhiệm vụ cụ thể nào đó của tổ chức.  Đối với cấp chuyên gia: DSS giúp đánh giá các sáng kiến về sản phẩm, dịch vụ mới, cách thức để truyền kiến thức mới; cách thức để phân phối thông tin hiệu quả trong tổ chức…

 Đối với cấp tác nghiệp (vận hành): DSS tạo ra các quyết định liên quan đến các hoạt động cụ thể như xác định bộ phận, cá nhân thực hiện nhiệm vụ, thời gian hoàn thành nhiệm vụ, tiêu chuẩn sử dụng các nguồn lực và đánh giá các kết quả đạt được…

Hệ thống hỗ trợ ra quyết định quản lý có chức năng cung cấp thông tin và trợ giúp cho các nhà quản lý suốt q trình xây dựng và thơng qua các quyết định quản lý. Các nhà quản lý có thể tìm những dữ liệu thích hợp, lựa chọn và sử dụng các mơ hình thích hợp, điều khiển q trình thực hiện nhờ những phương tiện có tính chuyên nghiệp.

Hệ thống hỗ trợ ra quyết định vận hành có chức năng cung cấp các cơng cụ hỗ trợ, quản lý thơng tin một cách có hệ thống hoặc các mơ hình kiểm sốt mạnh mẽ nhằm hỗ trợ trong các nhà máy có cơ chế, quy trình phức tạp cao, có thơng tin phong phú. Ở các nhà máy hay các hệ thống công nghệ này việc đưa ra quyết định để tối ưu thông số vận hành là một thách thức lớn. Hệ thống hỗ trợ ra quyết định vận hành lúc này thực hiện kết hợp mơ hình kiểm soát tiên tiến, tương tác giữa con người và hệ thống cũng như các quy trình tư duy ưu tiên để đề xuất, cải thiện chất lượng quyết định cho các nhân viên vận hành. Từ đó nó góp phần nâng cao hiệu quả và năng suất cho nhà máy hay hệ thống công nghệ.

DSS đã trở thành một chủ đề được quan tâm từ những năm 1970 trong nhiều lĩnh vực khoa học kinh tế, tốn, quản lý, thơng tin … Nhiều tác giả đã thực hiện phát triển nhiều loại hệ thống khác nhau để giúp hỗ trợ đưa ra quyết định bằng cách tích hợp nhiều kỹ thuật như trí tuệ nhân tạo (AI), mạng, truyền thơng và nhiều kỹ thuật khác. Khái niệm DSS được dựa trên sự phát triển cũng như phân tích từ hệ thống trung tâm thông tin truyền thông (ICT – Information, Communication Technology) để hỗ trợ việc cung cấp cho quá trình ra quyết định [1]. Trong thập kỷ 70 của thế kỷ trước có rất nhiều tác giả đã nỗ lực phát triển các hệ thống dựa trên nền tảng kỹ thuật IT để hỗ trợ trong việc giải quyết những vấn đề phức tạp và vất vả. Từ những thập kỷ gần đây, DSS có sự phát triển vượt bậc nhờ sự hỗ trợ từ sự phát triển trong lĩnh vực công nghệ thông tin [2]. Cùng với sự phát triển của lĩnh vực công nghệ thông tin các hệ thống hỗ trợ ra quyết định DSS được phát triển thành các hệ thống hỗ trợ ra quyết định thông minh (IDSS – Intelligent

</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">

decision support system). Ngày nay, các hệ thống trí tuệ doanh nghiệp (BI – Bussiness Intelligent) là các hệ thống được phát triển từ khái niệm của hệ thống DSS.

Một cách khái quát, hệ thống DSS là hệ thống hỗ trợ để giải quyết những vấn đề hệ thống để giảm thiểu những quyết định không chắc chắn, nâng cao chất lượng quyết định. Nhiều tác giả đã thực hiện việc nghiên cứu DSS để nâng cao chất lượng của doanh nghiệp cũng như sản lượng hàng hóa của cơng ty. Hầu hết các hệ thống DSS là các hệ thống giúp các doanh nghiệp nâng cao năng suất, chất lượng, ổn định và phát triển.

<i><b>b. Phân loại hệ thống ra quyết định </b></i>

Hệ thống hỗ trợ ra quyết định hiện nay được chia thành hai nhóm chính là: Hệ thống hỗ trợ ra quyết định và hệ thống ra quyết định thông minh. Với sự hỗ trợ của các hệ thống cơng nghệ thơng tin, máy tính hiện nay hệ thống hỗ trợ ra quyết định DSS được định nghĩa là các hệ thống công nghệ thông tin được sử dụng để xử lý, tương tác với các thành phần thơng tin trong tồn bộ hệ thống để hỗ trợ việc thực hiện ra quyết định cho nhà quản lý cũng như các cán bộ nhân viên trong các trường hợp cụ thể [3]. Trong khi đó [4] định nghĩa hệ thống ra quyết định thông minh (IDSS) là sự kết hợp của hệ thống DSS với trí tuệ nhân tạo (AI). IDSS là một hệ thống DSS để hỗ trợ việc cung cấp các giải pháp cho các vấn đề phức tạp dựa vào các kiến thức thông qua sự kết hợp nhuần nhuyễn của trí tuệ nhân tạo (AI) và hệ thống hỗ trợ ra quyết định (DSS) thông qua các hệ thống chuyên gia [4].

Bonczek và nhóm nghiên cứu (2014) đưa ra định nghĩa về DSS là một hệ thống máy tính để thực hiện q trình kết nối, thu thập, xử lý dữ liệu, hiển thị … để chỉ thị các cảnh báo sự cố và đưa ra các quyết định [5]. Các hệ thống này được chia thành hệ thống được thiết lập trong các máy tính để bàn (desk-top DSS) cũng như các hệ thống máy tính cơng ty (enterprise DSS) trong đó khả năng hỗ trợ của các hệ thống này là rất khác nhau. Ở quan điểm khác, Rikalovic (2018) cho rằng hệ thống hỗ trợ ra quyết định thông minh (IDSS) được xác định dựa trên khía cạnh khả năng xử lý thông tin, tập trung vào đặc trưng của các hệ thống chuyên gia thông qua những đặc điểm kiến thức sử dụng của hệ thống DSS trong xử lý thơng tin và tính tốn ra quyết định, kết hợp việc phân tích và khả năng xử lý vấn đề [6].

Hệ thống desktop DSS là hệ thống được thiết lập trong các máy tính cá nhân với một người sử dụng nhưng một hệ thống DSS công ty được thiết lập trong toàn bộ tổ chức, nới có thể truy suất và sử dụng bởi nhiều nhà quản lý. Ra quyết định là một phần

</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">

không thể thiếu của hoạt động con người và hỗ trợ trong quá trình ra quyết định là mối quan tâm hàng đầu của các nhà nghiên cứu từ các lĩnh vực nghiên cứu khác nhau như tâm lý học, thống kê, kỹ thuật máy tính và nhiều hơn nữa trong những năm qua. Vào những năm 1960, khái niệm về hệ thống máy tính hỗ trợ sử dụng cho các hệ thống hỗ trợ quyết định ra đời. Đến những năm 1980, theo Druzdzel (2002), người ta không thể đưa ra một định nghĩa cụ thể cho cả hai khía cạnh máy tính hỗ trợ và hệ thống hỗ trợ ra quyết định nên IDSS là cách giải thích gần nghĩa nhất có thể đưa ra cho hệ thống hỗ trợ quyết định. Tuy nhiên, cũng có nhiều tài liệu đã đưa ra những quan điểm khác, trong số họ đưa ra định nghĩa rõ ràng cho DSS mà không xác định quy trình ra quyết định (DS) [7]. Nižetić (2007) nhấn mạnh vào quyết định của con người là trụ cột chính của DSS, điều này rõ ràng khác với việc ra quyết định bằng máy tính. Hỗ trợ quyết định là một thuật ngữ chung chung và có thể được sử dụng trong mọi khía cạnh liên quan đến việc ra quyết định hệ thống [8].

Có rất nhiều các mơ hình DSS và IDSS được sử dụng cho những ứng dụng khác nhau và với những đặc điểm phát triển khác nhau.

 <b>Hệ thống DSS dựa vào mơ hình (MD-DSS) </b>

Đây là hệ thống DSS sử dụng các mơ hình mơ phỏng tốn học và tối ưu hóa tham số của hệ thống quản lý để giúp cho nhà quản lý, người vận hành ra quyết định trong bất kỳ tình huống nào. Các thành phần của hệ thống DSS này thường là những thông tin, dữ liệu chun sâu, nó khơng u cầu một cơ sở dữ liệu khổng lồ để hoạt động. Các thành phần chính của hệ thống DSS này thường sử dụng 2 hoặc nhiều hơn các mô hình định tính và xác định chức năng của hệ thống quản lý. Các cơng cụ phân tích được sử dụng trong các hệ thống hỗ trợ ra quyết định này thường là các hàm đại số bậc thấp cơ bản. Nhiều trường hợp việc tạo ra một ứng dụng hỗ trợ ra quyết định dựa theo mơ hình được phát triển từ các mơ hình đại số tạo ra dựa trên các bảng tính.

 <b>Hệ thống DSS dựa vào dữ liệu (DD-DSS) </b>

Loại DSS này cung cấp khả năng xử lý các dữ liệu có cấu trúc với các tùy chọn theo thời gian của cả dữ liệu bên trong cũng như bên ngồi cơng ty và cả các trường hợp xử lý dữ liệu theo thời gian thực. Một điều phân biệt DSS dựa vào dữ liệu là chức năng của nó. Mặc dù dữ liệu ít phức tạp và ít chuyên sâu hơn, nhưng các dữ liệu được quản lý bằng các công cụ và kỹ thuật cơ bản trên các nguồn dữ liệu về thông tin doanh nghiệp như kho dữ liệu, kế hoạch công ty, những nguồn dữ liệu đã được xử lý số hóa trên máy

</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">

tính, góp phần mang lại hiệu quả hỗ trợ cao hơn. Một hệ thống DSS dựa vào dữ liệu điển hình được biết đến là hệ thống kinh doanh thông minh BI (Business Intelligence), hệ thống có các công cụ mạnh mẽ như hệ thống phân tích q trình phân tích trực tuyến OLAP (OnLine Analytical Procesing).

<i>Hình 1.6 Hệ thống phân tích q trình trực tuyến OLAP (nguồn smartboost) </i>

 <b>Hệ thống DSS dựa trên mạng truyền thông (C-DSS) </b>

Công nghệ truyền thông và kỹ thuật mạng là trụ cột của hệ thống DSS dựa trên mạng truyền thông, giúp kết nối những người ra quyết định và đảm bảo sự tin cậy của các nguồn kết nối truyền thông và phối hợp giữa những người ra quyết định. Một dạng hệ thống C-DSS được phát minh trước đây được thấy trong [9] là hệ thống quyết định theo nhóm, sau này được gọi là hệ thống hỗ trợ ra quyết định nhóm G-DSS (Group Decision Support System). Hệ thống phối hợp ra quyết định (Collaboration Decisions Support System) là một hình thức khác của hệ thống hỗ trợ ra quyết định dựa trên mạng truyền thông nhờ vào việc tương tác trên hệ thống máy tính, trong đó các cá nhân đưa ra quyết định cùng nhau để có được giải pháp cho các vấn đề trong hệ thống.

 <b>Hệ thống DSS dựa theo tài liệu (D-DSS) </b>

Việc sử dụng tài liệu đã trở thành một phần không thể thiếu trong các công ty, doanh nghiệp. Số lượng các file (tài liệu âm thanh, hình ảnh, video và HTTP) được lưu trữ trong các loại hệ thống khác nhau liên tục tăng lên. Có rất nhiều các loại cơ sở dữ liệu tài liệu trên thế giới hiện nay có xu hướng hỗ trợ ra quyết định dựa theo các công nghệ internet. Một số trang web dựa trên hệ thống DSS dựa theo tài liệu là Altẻ Visa & Web Crawler. Thường không có tiêu chuẩn thống nhất cho các loại tài liệu. Vì lý do này mà số lượng lớn các thơng tin lưu trữ có dạng phi cấu trúc. Việc tách thông tin từ các hệ

</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">

thống như Lexis Nexis (một hệ thống trích xuất thơng tin) tạo ra các thông tin hay tài liệu giúp hỗ trợ ra quyết định tốt hơn. Hệ thống trích xuất văn bản giúp lọc và chuẩn hóa các tài liệu theo một định dạng dễ khai thác sẽ mang lại lợi ích cho cơng ty [10].

<i><b> Hệ thống DSS dựa trên tri thức (K-DSS) </b></i>

Trí tuệ nhân tạo là nền tảng để tạo ra hệ thống hỗ trợ ra quyết định dựa trên tri thức. K-DSS có thể được coi là một hệ thống dựa trên máy tính bởi với các kỹ thuật AI, hệ thống chuyên gia, kỹ thuật dữ liệu lớn và kỹ thuật truyền thơng được tích hợp lại. Hệ thống hỗ trợ ra quyết định thông minh này được phát triển qua 02 giai đoạn. Đầu tiên hệ thống được phát triển dựa trên hệ thống các nguyên tắc chuyên gia. Các hệ thống này được sử dụng để lập lịch cho hệ thống sản xuất. Nguyên lý hoạt động của hệ thống chuyên gia được dựa trên các thuật toán tự học (học máy) để tổng hợp ra các hỗ trợ giải quyết vấn đề. Để sử dụng các hệ thống này một cách phù hợp, các kiến thức chuyên gia của con người phải được nhúng vào trong cơ sở dữ liệu. Mạng neural được sử dụng như thế hệ phát triển thứ hai của K-DSS với mơ hình tính toán được dựa trên các nhóm neural nhân tạo và các liên kết tuyến tính để xử lý thơng tin. Trong đó mạng neural có thể ứng dụng trong các mơ hình DSS dựa theo dữ liệu hoặc dựa theo mơ hình.

Trong thực tế khơng có một kết luận hay khái niệm chung nhất về hệ thống hỗ trợ ra quyết định - DSS, nên việc đưa ra các đặc điểm của một hệ thống DSS là không thể chính xác hồn tồn. Với sự phát triển mạnh mẽ của công nghệ thông tin, các hệ thống DSS ngày nay có xu hướng là các hệ thống DSS thông minh với việc sử dụng các khái niệm, các ý tưởng nhúng các thuật toán hiện đại trong hệ thống.

<i><b>c. </b></i> <b>Kiến trúc của một hệ thống hỗ trợ ra quyết định </b>

Dựa vào việc phân loại một số loại hệ thống hỗ trợ ra quyết định DSS ở trên, kiến trúc tổng quát của một hệ thống DSS được thể hiện như trên Hình 1.7. Trong kiến trúc đó, có rất nhiều thành phần quan trọng trong một hệ thống DSS. Đầu tiên là thành phần các dạng cơ sở dữ liệu của hệ thống (Data), là hệ thống chịu trách nhiệm lưu trữ, giữ an toàn, cung cấp các chức năng thao thác, xử lý thông tin và dữ liệu.

</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">

<i>Hình 1.7 Kiến trúc hệ thống hỗ trợ ra quyết định (Nguồn ResearchGate) </i>

Bên cạnh đó là một thành phần khác đó là hệ thống quản lý mơ hình MMS (Model Management System), hệ thống này thực hiện các chức năng mơ phỏng dựa trên việc phân tích các nguồn dữ liệu và biện pháp toán học để tạo ra các thông tin phức tạp bằng các giao diện người dùng dễ hiểu để quản lý việc tương tác giữa người dùng và hệ thống.

<i><b>d. </b></i> <b>Hệ thống hỗ trợ ra quyết định vận hành hồ chứa thủy điện </b>

DSS hỗ trợ ra quyết định vận hành hồ chứa thủy điện là một công cụ dựa trên máy tính có các đặc điểm tương tác, đồ họa và mơ hình hóa để giải quyết các vấn đề cụ thể, vừa hỗ trợ các cá nhân nghiên cứu và tìm kiếm giải pháp cho các vấn đề quản lý của họ (Loucks & da Costa, 1991). Mục đích của DSS khơng phải để thay thế mà là cải thiện khả năng ra quyết định của con người trong việc đưa ra các lựa chọn sáng suốt để đạt được mục tiêu xác định trước (Ahmad & Simonovic, 2006).

Hệ thống này nhằm mục đích cung cấp cho người vận hành nhà máy khả năng tính tốn các đại lượng thủy văn theo thời gian thực như lưu lượng đến, tốc độ dòng chảy vào hồ chứa hoặc lưu lượng qua các cửa xả lũ. Với thông tin thời gian thực, nhà điều hành sẽ có thể đưa ra các quyết định kịp thời để điều tiết hồ chứa, ví dụ: mở hoặc đóng cửa xả lũ phù hợp với quy tắc vận hành để đảm bảo không xảy ra sự cố như lũ nhân tạo hoặc đe dọa sự ổn định của đập.

</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">

<i>Hình 1.8 Kiến trúc hệ thống vận hành hồ chứa BeDam </i>

Một tính năng quan trọng khác của DSS là khả năng dự đốn dịng chảy vào hồ chứa bằng cách sử dụng lượng mưa được dự báo bằng mơ hình Dự báo Thời tiết số (NWP-Numerical Weather Prediction). Với khả năng dự đoán một cách đáng tin cậy dịng chảy vào hồ chứa dựa trên các cơng cụ đo thực tế trong lưu vực, công cụ rada vv.., việc kiểm sốt lũ sẽ an tồn hơn.

Khi dịng chảy của hồ chứa có thể được dự đốn với độ chính xác đủ lớn, lập kế hoạch sản xuất cho vận hành thủy điện có thể được tạo ra một cách hiệu quả thông qua việc sử dụng trình mơ phỏng, một chương trình phần mềm tinh vi được xây dựng để giúp người vận hành nghiên cứu các tình huống vận hành khác nhau để tìm ra phương án tối ưu.

<b>1.2.2. Tình hình phát triển hệ thống DSS vận hành hồ chứa trên Thế giới </b>

Hiện nay trên thế giới đã có những nghiên cứu phát triển hệ thống DSS cho các nhà máy thủy điện. Các hệ thống DSS được phát triển cho các nhà máy thủy điện từ quy mô nhỏ đến quy mô lớn hay hệ thống các nhà máy thủy điện. Với các hệ thống khác

</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">

nhau thì cách thức hỗ trợ, mức độ hỗ trợ, mơ hình hỗ trợ cũng khác nhau. Các nghiên cứu phát triển các hệ thống DSS trong lĩnh vực thủy điện cũng rất đa dạng như trình bày dưới đây.

Việc hoạch định và vận hành đập thường phải xem xét một số lượng lớn các yếu tố và các mục tiêu mâu thuẫn nhau. Điều này làm cho việc đưa ra quyết định trở nên vô cùng khó khăn. Trong những tình huống như vậy, hệ thống hỗ trợ quyết định (DSS) có một vai trò quan trọng. Trong những năm qua, nhiều DSS khác nhau đã được phát triển để lập kế hoạch và vận hành đập. Trong [11], tác giả trình bày đánh giá về các loại DSS khác nhau và ứng dụng của chúng trong quản lý tài nguyên nước. Bài báo cung cấp một cái nhìn tổng quan và khuôn khổ để hiểu các vấn đề liên quan đến việc ra quyết định liên quan đến các đập lớn ở Châu Phi.

Một trong những trở ngại chính đối với sự phát triển kinh tế xã hội của vùng Amazon thuộc Brazil là việc thiếu năng lượng điện trong nhiều cộng đồng nhỏ biệt lập trong khu vực, cản trở sản xuất nơng nghiệp có giá trị gia tăng, tăng trưởng doanh thu và tạo việc làm. Một cách để giải quyết vấn đề này là thiết lập các nhà máy thủy điện siêu nhỏ (MHP-Micro Hydropower) theo quan điểm phát triển bền vững. Claudio J.C. Blanco cùng các đồng nghiệp đã trình bày một hệ thống hỗ trợ quyết định (DSS) phân tích giải pháp này [12]. Hệ thống xem xét các khía cạnh thủy văn, địa hình, địa kỹ thuật, môi trường, năng lượng, kinh tế và xã hội của địa điểm mục tiêu. Các phân tích chi tiết được thực hiện bằng mơ hình thủy văn sử dụng mơ hình dịng chảy lượng mưa để phân tích lưu vực nhỏ; quy hoạch năng lượng sử dụng phương pháp hai tuabin để xác định sản lượng năng lượng tối đa trong thời gian cao điểm của nhu cầu, và các khía cạnh kinh tế cho thấy chi phí năng lượng do các nhà máy MHP tạo ra tương đương với chi phí từ hệ thống lưới điện nơng thơn và thấp hơn chi phí từ các máy phát điện diesel. Do đó, việc sử dụng các nguồn thủy điện của các lưu vực nhỏ của Amazon kết hợp với việc giảm thiểu các tác động môi trường do MHP gây ra không chỉ đáp ứng nhu cầu năng lượng của các cộng đồng nhỏ trong khu vực, mà còn khả thi về mặt kinh tế cùng với việc tạo việc làm và tạo doanh thu và hỗ trợ quan điểm phát triển bền vững.

</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">

<i>Hình 1.9 Phần mềm hỗ trợ ra quyết định dự báo lưu lượng về hồ [13] </i>

Để có thể hỗ trợ ra quyết định cho việc lập kế hoạch vận hành nhà máy cũng như hệ thống các nhà máy thủy điện thì việc dự báo lưu lượng dịng chảy là hết sức cần thiết. Để dự báo dịng chảy thì trước hết cần có các mơ hình dự báo thời tiết số (NWP-Numerical Weather Prediction) để dự báo lượng mưa (QPF- Quantitative Precipitation Forecasting). J.Zhang cùng các đồng nghiệp đã trình bày một thuật tốn đơn giản để dự báo lượng nước vào hồ trước từ 1-6 ngày dựa vào lượng mưa QPF và mơ hình dự báo mạng neural nhân tạo đa lớp (MPL-ANNs - multilayer perceptron artificial neural networks) [13]. Thuật tốn được trình bày được tích hợp vào một hệ thống phần mềm thực tế để hỗ trợ ra quyết định dự đốn dịng chảy hàng ngày với thời gian dự báo trước thay đổi từ 1 đến 6 ngày của hơn 20 hồ chứa do Công ty Lưới điện tỉnh Phúc Kiến, Trung Quốc vận hành.

Tổng công suất phát thủy điện lắp đặt của Trung Quốc đã tăng 500% kể từ năm 1980 và vượt quá 100 GW vào năm 2004, chiếm 1/4 tổng công suất điện lắp đặt và cung cấp khoảng 20% tổng công suất điện của cả nước. Hệ thống thủy điện của Trung Quốc, sau gần nhiều năm phát triển, đã hình thành một hệ thống vận hành các trạm thủy điện xuyên lưu vực, quy mơ lớn, có quan hệ lịch trình phức tạp và đòi hỏi nhiều phương pháp và kỹ thuật để giải quyết. Một trong những thách thức lớn nhất đối với lưới điện của Trung Quốc hiện nay là làm thế nào để xây dựng một hệ thống thủy điện vận hành quy mô lớn, khoa học, hiệu quả, thuận tiện và sẵn có cho hệ thống thực tiễn. Để hỗ trợ công

</div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">

tác vận hành quy mơ lớn thì một hệ thống hỗ trợ quyết định cho các hoạt động hệ thống thủy điện quy mô lớn được định hướng cho lưới điện tỉnh hoặc thành phố trực thuộc trung ương đã được nghiên cứu triển khai. Nội dung tóm tắt kết quả của nền tảng, mục tiêu, thách thức và nội dung của hệ thống hỗ trợ quyết định được trình bày trong [14]. Trọng tâm chính là các cơng nghệ quan trọng của hệ thống, thiết kế của lưu đồ và các thành phần cốt lõi của nó. Hệ thống được xây dựng dựa trên 03 module: module dữ liệu; module vận hành ngắn hạn; module vận hành trung và dài hạn. Trong đó dữ liệu, bao gồm dữ liệu lịch sử và dữ liệu cập nhật định kỳ được khai thác để xây dựng và hiệu chỉnh mơ hình dự báo dòng chảy. Trên cơ sở kết quả dự báo, các thuật tốn tính tốn tối ưu cho hoạt động vận hành được thực hiện để cho ra các hỗ trợ ra quyết định. Thông qua các giao diện người - máy, người vận hành có thể hiệu chỉnh đặc tính (dựa vào kinh nghiệm) vận hành.

<i>Hình 1.10 Màn hình giao diện hỗ trợ ra quyết định vận hành tối ưu ngắn hạn [14] </i>

Hệ thống hiện tại đã được áp dụng cho các hệ thống thủy điện ở Công ty lưới điện Hoa Nam, Công ty lưới điện Hoa Đông, lưới điện tỉnh Phúc Kiến, lưới điện tỉnh Vân Nam và lưới điện tỉnh Quý Châu, nơi có tổng công suất phát điện được lắp đặt thủy điện vượt quá 30 GW vào cuối năm 2009 và tổng số 1500 trạm thủy điện.

Việc kiểm soát tốc độ dâng của mức nước hồ chứa trong một đợt lũ có thể rất quan trọng, đặc biệt là các lưu vực ở Địa Trung Hải, nơi thời gian hình thành rất ngắn. Trong tình huống này, một công cụ phần mềm tự động có thể giúp người quản lý hồ

</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">

chứa đưa ra quyết định nhanh chóng. Một DSS dựa trên việc thực thi các mơ hình chính thức bằng cách kiểm tra mơ hình đã được trình bày trong [15]. Kỹ thuật tìm kiếm một cách toàn diện các nhánh thực thi khác nhau của một mơ hình của hệ thống. DSS giải quyết hai nhiệm vụ kiểm sốt lũ lụt. Đầu tiên, DSS mơ phỏng sự thay đổi mức nước của hồ chứa (nước được tích trữ và xả ra) khi áp dụng chiến lược kiểm soát lũ lụt được xác định trước. Thứ hai, DSS tạo ra, trong một thời gian ngắn, các chiến lược kiểm soát lũ mới dựa trên dự đốn về dịng nước và các mục tiêu và hạn chế do người quản lý đập đặt ra. Nhiệm vụ này gắn liền với khái niệm rủi ro theo nghĩa kỹ thuật của nó; nghĩa là, xác suất của một sự kiện cực đoan xảy ra và chi phí thiệt hại liên quan đến một sự kiện đó. DSS trả về một tập hợp các thao tác trên các cửa đập để kiểm soát sự dâng lên của cấp đập theo các mục tiêu và hạn chế do người quản lý đập thiết lập. Hệ thống đề xuất đã được ứng dụng trên đập La Concepción

<i>Hình 1.11 Các thao tác vận hành và hệ thống hỗ trợ [15] </i>

Hồ chứa là cơng trình nhân tạo dùng để thu thập, tích trữ phân phối nguồn nước mặt cho con người với nhiều mục đích khác nhau. Hoạt động của các hồ chứa để có được hiệu quả địi hỏi phải có các chính sách và người vận hành hiểu được đặc điểm của dòng chảy và sự thay đổi của chúng dưới các điều kiện khí tượng thủy văn khác nhau để có thể dự báo trước và hỗ trợ ra quyết định chế độ vận hành (DSS). Nhờ sự hỗ trợ của trí tuệ nhân tạo và dữ liệu lớn (AI&DM), việc hỗ trợ tính tốn dự báo dịng chảy theo tiểu mùa cho đến mùa được phát triển mạnh mẽ. Sử dụng các thuật toán Random Forest (RF),

</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">

mạng trí tuệ nhân tạo (ANN – Artificial Neural Network), và Hồi quy vector (SVR-Support Vector Regression), Tiantian Yang cùng nhóm hỗ trợ nghiên cứu đã thực hiện dự báo trước 01 tháng cho dòng chảy vào hồ chứa cho 02 lưu vực hồ ở Mỹ và ở Trung quốc [16]. Cả hai đều sử dụng các thông tin thủy văn và 17 hiện tượng thời tiết được lựa chọn để dự đốn và mơ phỏng dịng chảy vào hồ chứa. Các kết quả cho thấy việc sử dụng các thông tin về hiện tượng thời tiết cùng với thuật toán RF cho các kết quả dự báo có thơng số thống kê có chất lượng đảm bảo cho các hoạt động hỗ trợ ra quyết định.

Cũng thực hiện chức năng hỗ trợ ra quyết định để quản lý nguồn nước cấp tại hồ chứa thông qua công tác dự báo sớm dòng chảy về hồ, tác giả Donghee Lee cùng các cộng sự đã xây dựng mơ hình dự báo dịng chảy đầu nguồn hồ chứa [17]. Mơ hình được xây dựng đựa trên hệ thống kết nối dữ liệu giữa dòng chảy về hàng tháng về hồ và các biến thời tiết. Khả năng dự báo được xác định dựa trên mối quan hệ trực tiếp giữ số liệu thống kê hàng tháng và mơ hình DSS dựa trên dữ liệu. Với mục đích này các mơ hình hướng dữ liệu phổ biến là hồi quy đa tuyến tính (MLR-Multi linear regression), SVM (Support vector machine), mạng neural nhân tạo (ANN) đã được nhóm tác giả sử dụng để phát triển các mơ hình dự báo dịng chảy về hồ hàng tháng.

<i>Hình 1.12 Kết quả dự báo và kết quả đo thực tế lượng nước về hồ [18] </i>

Trong [18], Bin Luo cùng cộng sự lại sử dụng mơ hình lai dựa trên kỹ thuật học sâu kết hợp giữa DBN (Deep belief network), LSTM (Long Short-Term Memory) để dự báo dòng chảy. Mơ hình xem xét đầy đủ đến ảnh hưởng của yếu tố lượng mưa và dòng chảy lưu vực, những yếu tố ảnh hưởng rõ ràng tới dòng chảy về hồ. Kết quả thu được cho thấy các mơ hình cho kết quả dự đốn tốt, có tiềm năng được sử dụng như một công cụ hỗ trợ ra quyết định về vận hành hồ chứa.

</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">

Việc điều động tối ưu các nhà máy thủy điện lên lưới chứa đựng những thách thức trong việc tận dụng cả dịng chảy đầu nguồn và dịng chảy sơng sẵn có. Mặc dù mục tiêu cung cấp cơng suất tối đa cho lưới điện, nhưng việc tối ưu bị ảnh hưởng bởi một số tham số là không chắc chắn, biến động, phi tuyến tính và phi tham số. Tuy nhiên, cùng với sự phát triển của khoa học máy tính và một số mơ hình hỗ trợ ra quyết định có thể hỗ trợ người vận hành điều động các nhà máy thủy điện, do đó tối đa hóa sản lượng điện của các nhà máy thủy điện. Trong những năm qua, một số nghiên cứu đã khai thác các kỹ thuật học máy (ML-Machine Learning) để tối ưu hóa việc điều động của các nhà máy thủy điện, được áp dụng trong các giai đoạn trước khi vận hành, thời gian thực và sau vận hành. Do đó, cơng việc này bao gồm hoạt động đánh giá hệ thống để phân tích cách các mơ hình học máy được sử dụng để tối ưu hóa sản xuất năng lượng từ các nhà máy thủy điện. Phân tích tập trung vào các tiêu chí ảnh hưởng đến các dự báo sản xuất năng lượng, chính sách vận hành và đánh giá hiệu suất. Trong [19], Jose Bernardes cùng các cộng sự đã thực hiện thảo luận nhằm vào các kỹ thuật học máy, dự báo lịch trình, hệ thống sơng và các ứng dụng ML để tối ưu hóa thủy điện. Kết quả cho thấy các kỹ thuật học máy đang là xu hướng được ứng dụng nhiều hơn để dự báo dịng chảy sơng và hỗ trợ ra quyết định (DSS) tối ưu hóa vận hành hồ chứa. Lập kế hoạch dài hạn là ứng dụng phổ biến nhất trong các nghiên cứu đã phân tích. Mặc dù là một chủ đề được khám phá rộng rãi, học máy vẫn tiếp tục mang lại cơ hội cho nghiên cứu đột phá, chẳng hạn như dự báo lịch trình thời gian thực, tối ưu hóa hệ thống sơng ngịi và vận hành nhà máy thủy điện cột nước thấp.

<b>1.3. </b>

<b>Những tồn tại, hạn chế trong bài toán ra quyết định </b>

Trên thế giới đã sử dụng nhiều mơ hình tốn cho DSS của nhà máy thủy điện (DSSTĐ). Tuy nhiên vẫn còn là thách thức do đặc điểm phức tạp của vấn đề nghiên cứu, đó là: (1) bài toán nhiều chiều, đa ngành và mang tính đặc thù của từng hệ thống; (2) tính ngẫu nhiên của nhà máy thủy điện (NMTĐ) do các yếu tố tự nhiên (dòng chảy đến, các yếu tố khí tượng thủy văn khác) và các hoạt động của con người (nhu cầu sử dụng nước, chủ định của người ra quyết định). Tính chính xác của dự báo là rất quan trọng cho bất kỳ mơ hình nào, tuy nhiên tính chính xác của việc dự báo nhất là dự báo dài hạn vẫn còn chưa cao. Sự phức tạp và tính ngẫu nhiên là hai thách thức cho

<i><b>DSSTĐ nên khơng có thuật tốn hay mơ hình đơn lẻ nào là tổng qt giải quyết tồn </b></i>

diện cho bài tốn DSSTĐ.

</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">

Các hạn chế về DSSTĐ hiện nay ở nước ta như sau:

- Điều hành dựa trên kinh nghiệm và quy trình vận hành được lập kể từ khi thiết

<i><b>kế và không được cập nhật thường xuyên. </b></i>

- Điều hành theo hồ chứa đơn lẻ, chưa có sự phối hợp của hệ thống trong việc nâng cao hiệu quả DSSTĐ

- Việc giải quyết mơ hình tối ưu cho hệ thống hồ chứa là nhiều khó khăn do khối lượng tính tốn lớn. Thêm nữa, dự báo thủy văn dài hạn có độ chính xác hạn chế, cũng như các yếu tố tự nhiên và kinh tế -xã hội, gây khó khăn cho DSSTĐ. Do vậy, việc áp dụng tối ưu vào vận hành thực cần phải có cách tiếp cận phù hợp.

<b>1.4. </b>

<b>Hướng tiếp cận và phương pháp giải quyết bài toán DSSTĐ của Luận án </b>

Từ việc nghiên cứu tổng quan ở trên, tác giả đưa ra các điểm then chốt về hướng tiếp cận, giải quyết bài toán như sau:

 Quan điểm nghiên cứu đứng trên quan điểm mang tính hệ thống, quản lý tổng hợp;

 Bài toán DSSTĐ được coi là bài toán động theo thời gian và khơng gian, trong đó có rất nhiều biến ngẫu nhiên do tác động của tự nhiên và con người (như điều kiện khí tượng thủy văn bao gồm lượng nước tự nhiên đến hồ, yêu cầu phát điện của hệ thống, v.v...);

 Khơng có một mơ hình đơn lẻ nào có thể giải quyết trọn vẹn bài tốn vận hành HTTĐ do tính phức tạp của bài toán này, nên cần phải liên kết các thuật giải để tìm ra cách vận hành hiệu quả.

Trên cơ sở các nguyên tắc này, tác giả cùng với cán bộ kỹ thuật tập đoàn Kyushu đề xuất phương pháp giải quyết bài toán xây hệ thống hỗ trợ ra quyết định có cấu trúc như hình Hình 1.13.

Để thực hiện chức năng phân tích đề xuất hỗ trợ ra quyết định, cấu trúc hệ thống DSS được đề xuất cần có các hệ thống thu thập thơng tin thời tiết (đặc biệt là lượng mưa) trên lưu vực của Nhà máy. Các thông tin này cùng với các thông tin dự báo thời tiết (dự báo mưa) được thu thập về máy chủ của tập đồn Kyushu cung cấp cho máy mơ phỏng sử dụng để phân tích tính tốn và dự báo lưu lượng nước về hồ.

</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">

<i>Hình 1.13 Cấu trúc hệ thống DSS đề xuất </i>

Tại Nhà máy hệ thống cần có hệ thống quan trắc (mực nước hồ, mực nước hạ lưu) và thu thập dữ liệu vận hành (công suất phát, độ mở cửa xả lũ). Các thông tin quan trắc và vận hành sẽ được sử dụng để tính tốn lưu lượng nước qua đập. Ngồi ra máy tính nhà máy, thơng qua hệ thống mạng internet, cịn có chức năng thu thập các thông tin phục vụ cho việc xây dựng quyết định vận hành:

 Thông tin thời tiết phục vụ cho việc dự báo sớm về lượng mưa, dịng chảy;  Thơng tin cảnh báo lũ;

 Thông tin về thị trường giá điện.

Dựa trên các thông tin thu thập, dự báo, Hệ thống máy chủ vận hành sẽ tiến hành sẽ thực hiện chạy mô phỏng để dự báo lượng nước về hồ cho mỗi nhà máy và hệ thống các nhà máy liên hồ. Kết quả dự báo lưu lượng nước về hồ được sử dụng để làm đầu vào cho việc mô phỏng các chế độ vận hành và tìm ra kịch bản vận hành tối ưu cho hệ thống và mỗi nhà máy thủy điện. Căn cứ vào kịch bản tối ưu hệ thống hỗ trợ người vận hành (tiến tới là hệ thống điều khiển tự động của nhà máy) ra quyết định thực hiện kịch bản vận hành theo điều kiện thực tế.

Trong nội dung luận án này, tác giả sẽ thực hiện nghiên cứu triển khai một phần của cấu trúc hệ thống đề xuất. Đó là xây dựng hệ thống hỗ trợ ra quyết định cho một nhà máy thủy điện nhỏ, cụ thể là Nhà máy thủy điện Thác Xăng.

</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40">

<b>1.5. </b>

Trên thế giới đã sử dụng nhiều mơ hình cho DSSTĐ. Tuy nhiên DSSTĐ vẫn còn là thách thức do đặc điểm phức tạp của vấn đề nghiên cứu nhất là tính ngẫu nhiên của NMTĐ do các yếu tố tự nhiên (dòng chảy đến, các yếu tố khí tượng thủy văn khác) và các hoạt động của con người (nhu cầu sử dụng nước, chủ định của người ra quyết định). Thêm nữa là DSSTĐ phụ thuộc rất nhiều vào đặc tính cụ thể của HTTĐ và TNN lưu vực, nên khơng có thuật toán đơn lẻ nào là tổng quát giải quyết cho bài toán DSSTĐ.

Việt Nam đã áp dụng các mô hình DSSTĐ khác nhau trên các lưu vực sông, tuy nhiên vẫn cịn tồn tại khoảng cách giữa tính tốn trên lý thuyết và thực tế vận hành, công tác dự báo thủy văn dài hạn cịn có độ chính xác thấp, xử lý số liệu và tính tốn các phương án để cho ra các quyết định điều hành hợp lý khơng kịp thời.

Chính vì vậy cần phải có cơng cụ vận hành hợp lý hơn cho HTTĐ, nhằm nâng cao hiệu quả khai thác sử dụng nước và khắc phục những hạn chế trong DSSTĐ.

Những vấn đề được trình bày trong Chương 1 chính là cơ sở và tiền đề cho nội dung của Luận án này. Vấn đề đặt ra, hướng tiếp cận và phương pháp giải quyết bài toán DSSTĐ sẽ được giải quyết ở các Chương tiếp theo, trong đó chủ yếu là nghiên cứu cơ sở khoa học và thực tiễn nhằm liên kết các mơ hình DSSTĐ - tối ưu nâng cao hiệu quả vận hành, áp dụng cho HTTĐ Thác Xăng.

</div>