Nghiên cứu phương pháp và xây dựng phần mềm dự báo công suất phát ngắn hạn của nhà máy điện mặt trời qui mô công nghiệp ứng dụng trí tuệ nhân tạo

-    Về khoa học: Trong nghiên cứu này, các phương pháp dự báo ngắn hạn công suất phát nhà máy điện mặt trời ứng dụng trí tuệ nhân tạo đã được các tác giả review, trình bày chi tiết các phương pháp, đánh giá, lựa chọn phương pháp phù hợp để ứng dụng cho các nhà máy điện mặt trời quy mô công nghiệp ở Việt Nam. Dựa trên thuật toán Long Short-Term Memory, LSTM, các tác giả đã đề xuất giải pháp xử lý dữ liệu đầu vào cho trường hợp nhà máy bắt buộc phải cắt giảm công suất, đề xuất thuật toán mới để huấn luyện mô hình LSTM cho hiệu quả dự báo cao hơn. Tiếp đến các tác giả đã lập trình xây dựng phần mềm dự báo công suất phát ngắn hạn nhà máy điện mặt trời ở Việt Nam và tiến hành ứng dụng tính toán dự báo thử nghiệm theo các kịch bản đề ra cho công suất phát ngắn hạn của 1 nhà máy ĐMT tại Việt Nam. Các kết quả dự báo kiểm chứng công suất phát cho nhà máy điện mặt trời vận hành thực tế theo các kịch bản: một ngày mùa mưa, một ngày mùa nắng, một tháng mùa mưa, một tháng mùa nắng cho thấy công suất dự báo khá sát so với công suất phát thực tế với sai số phần trăm tuyệt đối trung bình MAPE đạt được dưới 10%, đáp ứng yêu cầu kỹ thuật đề ra, và phần mềm hoạt động dự báo ổn định trong điều kiện thí nghiệm.

Mục đích chính của nghiên cứu này không chỉ là đề xuất hướng lựa chọn các tính năng và cấu trúc phù hợp của mô hình LSTM mà còn tạo ra một quy trình khả thi để dự báo sản lượng ngắn hạn của một nhà máy điện mặt trời ở Việt Nam. Trong nghiên cứu này, các tác giả tập trung vào các kỹ thuật đào tạo nâng cao cho mạng nơ-ron LSTM bằng cách đề xuất sử dụng các tập validation và ứng dụng các kỹ thuật chia khoảng GHI, thêm hệ số P/GHI trong quá trình xử lý dữ liệu thu thập được ban đầu ở điều kiện bắt buộc phải cắt giảm công suất phát. Kết quả cho thấy phương pháp mới được đề xuất hiệu quả hơn so với phương pháp cũ với sai số dự báo MAPE (Lỗi phần trăm trung bình tuyệt đối) giảm 6,059% và RMSE (Lỗi bình phương trung bình gốc) giảm 6,710%.

*** Sản phẩm cụ thể giao nộp:

- Các bài báo đã công bố:
+ Linh Bui Duy, Ninh Nguyen Quang, Binh Van Doan, Eleonora Riva Sanseverino, Forecasting energy output of a solar power plant in curtailment condition based on LSTM using P/GHI coefficient and validation in training process, a case study in Vietnam, Electric Power Systems Research Volume 213, 2022, 108706
+ Ninh Quang Nguyen, Linh Duy Bui, Doan Van Binh, Eleonora Riva Sanseverino, Dario Di Cara and Quang Dinh Nguyen, A new method for forecasting energy output of a large-scale solar power plant based on Long Short-Term Memory networks – a case study in Vietnam, Electric Power Systems Research, Volume 199, October 2021, 107427
+ Ninh Nguyen Quang, Linh Bui Duy, Binh Van Doan, Quang Dinh Nguyen, Applying Artificial Intelligence in Forecasting the Output of Industrial Solar Power Plant in Vietnam, EAI Endorsed Transactions on Energy Web,  http://dx.doi.org/10.4108/eai.29-3-2021.169166, 2021
+ Linh Bui Duy, Ninh Nguyen Quang, Binh Doan Van, Khanh Pham Tuan, Duong Dinh Le, Evaluating the Effectiveness of the Solar Power Plant Output Forecasting Model Based on LSTM Method Using Validation in Different Seasons of the Year in Vietnam, GMSARN International Journal, 2022 (accepted)
- Các sản phẩm cụ thể (mô tả sản phẩm, nơi lưu giữ)
Phần mềm dự báo công suất ngắn hạn nhà máy điện mặt trời ở Việt Nam. Phần mềm được lưu trữ trong USB.

Kết quả của đề tài có thể được ứng dụng trong các nhà máy điện mặt trời ở Việt Nam. Phần mềm dự báo sẽ giúp các nhà vận hành nhà máy điện mặt trời dự báo trước giá trị giảm sản lượng điện trong quá trình vận hành của nhà máy. Từ đó các chủ nhà máy điện mặt trơi có thể lập phương án vận hành hợp lý và thu được tối đa lợi ích trong điều kiện cắt giảm công suất phát.