Trong bối cảnh mục tiêu hai carbon, việc tối ưu hóa hệ thống năng lượng tích hợp (IES) sử dụng bốn kịch bản phân tích mô hình điều độ với các biến kiểm soát: cơ chế tối ưu hóa theo khung giờ, giao dịch carbon, phản hồi nhu cầu cấp hai và tối ưu hóa điều độ thân thiện môi trường liên kết. Mô hình này được xây dựng bằng MATLAB + YALMIP + CPLEX. Hàm mục tiêu bao gồm ba thành phần: chi phí vận hành hệ thống, chi phí mua năng lượng và chi phí giao dịch carbon, nhằm tối thiểu hóa tổng chi phí. Các thiết bị và máy móc được xem xét bao gồm tua-bin khí, lò hơi nhiệt dư, thiết bị thu hồi nhiệt dư ORC, lò hơi khí, máy bơm nhiệt, máy lạnh điện, hệ thống lưu trữ điện và hệ thống lưu trữ nhiệt, cùng với giới hạn công suất tăng/giảm của hệ thống lưu trữ.

Ở một phòng thí nghiệm vắng vẻ vào nửa đêm, máy lạnh vẫn đang hoạt động mạnh mẽ. Nhìn mã lệnh MATLAB hiện lên màn hình, tôi nhận ra rằng việc tối ưu hóa điều độ hệ thống năng lượng tích hợp giống như một cuộc đối đầu liên tục — cơ chế giá điện theo khung giờ, chi phí giao dịch carbon, giới hạn vật lý của thiết bị lưu trữ, tất cả đều tác động trong suốt vòng 24 giờ.

Phân tích mô hình cốt lõi:

Tổng chi phí hệ thống = chi phí vận hành + hóa đơn mua năng lượng + chi phí phạt giao dịch carbon. Khi xây dựng mô hình bằng YALMIP, hàm mục tiêu được biểu diễn như tổng weighted ba thành phần:

objective = sum(C_om + C_purchase + C_carbon);
optimize([constraints, ...], objective);

Chi phí vận hành C_om cần tính đến tổn thất khởi động của các thiết bị như tua-bin khí, do đó trong mã nguồn sử dụng biến nhị phân để đánh dấu trạng thái hoạt động:

binvar(24,N,'full'); % 24 giờ x N thiết bị, trạng thái bật/tắt

Kỹ thuật đặc biệt cho hệ thống lưu trữ:

Rào cản tăng/giảm công suất là một vấn đề tiềm ẩn. Trong một lần mô phỏng, hệ thống lưu trữ điện sạc quá mức vào khung giờ giá thấp khiến công suất thay đổi đột ngột, kích hoạt cơ chế bảo vệ. Sau đó đã thêm ràng buộc về tốc độ thay đổi công suất:

for t=2:24
    constraints = [constraints, 
        -ramp_limit <= P_ess(t)-P_ess(t-1) <= ramp_limit];
end

Chi phí giao dịch carbon – phép màu bí ẩn:

Khi lượng phát thải vượt ngưỡng quy định, chi phí biên tăng theo cấp số nhân. Sử dụng hàm tuyến tính từng đoạn để mô phỏng giá carbon:

carbon_cost = @(x) 200*x.*(x<=500) + 300*(x-500).*(x>500);

Thực nghiệm cho thấy khi công suất tua-bin khí vượt 73%, chi phí carbon tăng mạnh đột ngột, lúc này lò hơi khí phải được kích hoạt để giảm chi phí tổng thể.

So sánh bốn kịch bản điều khiển:

1. Kịch bản基准 không có phản hồi nhu cầu: Chi phí mua điện chiếm 48%
2. Phản hồi nhu cầu dạng giá đơn tầng: Tăng hiệu quả sử dụng điện vào khung giá thấp 17%
3. Phản hồi kích thích + giá hai tầng: Tổng chi phí giảm 12.6%
4. Kết hợp giao dịch carbon: Giảm 28% lượng phát thải nhưng chi phí vận hành tăng nhẹ

Kết quả tối ưu hóa trong một ngày điển hình thú vị — khi sản lượng điện mặt trời giảm mạnh vào chiều, mô hình không chọn khởi động tua-bin khí mà chuyển sang sử dụng máy bơm nhiệt + hệ thống lưu trữ nhiệt. Phân tích sau cho thấy cơ chế phạt vào thời điểm giá carbon cao đã ảnh hưởng lớn đến quyết định.

Kinh nghiệm từ những lỗi thường gặp:

• Lỗi khi định nghĩa kích thước ma trận trong YALMIP rất khó hiểu, gần như mã morse
• Khi CPLEX báo "infeasible", thường là do ràng buộc SOC của hệ thống lưu trữ chưa khép kín
• Dữ liệu giá điện theo khung giờ cần chuẩn hóa, nếu không sẽ gây nhiễu đơn vị trong hàm mục tiêu

Khi cuối cùng nhìn thấy bốn đường cong so sánh xuất hiện hoàn chỉnh, tôi chợt nhận ra đây không chỉ là bài toán tối ưu toán học — đây là một "mod" động lực cân bằng cho hệ thống năng lượng. Lần tới, tôi muốn thử tích hợp hệ thống xe điện V2G vào mô hình, nhưng đó là một câu chuyện khác vào một buổi nửa đêm nữa...