Nghiên cứu giải pháp xử lý dữ liệu khuyết trong xây dựng biểu đồ phụ tải điển hình

Bài viết Nghiên cứu giải pháp xử lý dữ liệu khuyết trong xây dựng biểu đồ phụ tải điển hình đề xuất phương pháp để xây dựng giải pháp xử lý nguồn dữ liệu đo đếm bị “khiếm khuyết” và tiến tới xây dựng đồ thị phụ tải điển hình cho lưới điện phân phối.
Nội dung trích xuất từ tài liệu:
Nghiên cứu giải pháp xử lý dữ liệu khuyết trong xây dựng biểu đồ phụ tải điển hình CHUYỂN ĐỔI SỐ VÀ NÂNG CAO HIỆU QUẢ HỆ THỐNG ĐIỆN QUỐC GIA NGHIÊN CỨU GIẢI PHÁP XỬ LÝ DỮ LIỆU KHUYẾT TRONG XÂY DỰNG BIỂU ĐỒ PHỤ TẢI ĐIỂN HÌNH SOLUTION TO HANDLE MISSING DATA IN CREATE TYPICAL LOAD GRAPH 1 2 Nguyễn Thanh Minh , Nguyễn Thanh Quý 1Công ty Điện lực Thừa Thiên Huế, 0947216363, minhnt3@cpc.vn 2Công ty Điện lực Thừa Thiên Huế, 0989756585, quynt@cpc.vn Tóm tắt: Xây dựng đồ thị phụ tải điển hình là nhu cầu rất cần thiết hiện nay của ngành điện nói chung và Công ty Điện lực Thừa Thiên Huế nói riêng. Đồ thị phụ tải điển hình là thông số quan trọng, là nguồn dữ liệu đầu vào cho các chương trình tính toán lưới điện để tính toán tối ưu hóa vận hành lưới điện cũng như dự báo thị trường điện trong tương lai. Đối với nguồn cơ sở dữ liệu thu thập được từ hệ thống Kho dữ liệu đo đếm thông qua các kênh truyền thông thường có 1 số khiếm khuyết, lỗi thiếu hụt dữ liệu, dẫn đến khó sử dụng và ảnh hưởng đến phần nào tính chính xác và độ tin cậy của nguồn dữ liệu mang lại. Trong bài báo này, tác giả đề xuất phương pháp để xây dựng giải pháp xử lý nguồn dữ liệu đo đếm bị “khiếm khuyết” và tiến tới xây dựng đồ thị phụ tải điển hình cho lưới điện phân phối. Công cụ tính toán và xây dựng được tích hợp với các thuật toán với chương trình Matlab và được áp dụng cho lưới điện và các nhóm phụ tải thuộc tỉnh Thừa Thiên Huế. Từ khoá: công tơ điện tử; công nghệ thu thập dữ liệu từ xa AMR-AMI; biểu đồ phụ tải điển hình; cụm dữ liệu; K-means; Fuzzy K-means. Abstract: Building a typical load graph is a very necessary need of the electricity industry in general and Thua Thien Hue Power Company in particular. Typical load graph is an important parameter, an input data source for grid calculation programs to calculate and optimize grid operation as well as forecast the future electricity market. For the source of the database collected from the Measurement Data Warehouse system through communication channels, there are usually some defects, data shortage errors, which lead to difficulty in use and partly affect the accuracy. accuracy and reliability of the data source. In this paper, the author proposes a method to build a solution to deal with 'defective' metering data sources and proceed to build a typical load graph for the distribution grid. The calculation and construction tools are integrated with the algorithms with the Matlab program and are applied to the power grid and load groups in Thua Thien Hue province. Keyword: electronic meter; AMR-AMI, typical load chart; cluster; K-means; Fuzzy K- means. KÝ HIỆU Ký hiệu Đơn vị Ý nghĩa U V Hiệu điện thế I A Cường độ dòng điện 167 KỶ YẾU HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC NĂM 2022 1. GIỚI THIỆU Lưới điện phân phối bao gồm lưới điện cao áp (110kV), trung áp (6, 10, 22, 35 kV) và lưới điện hạ áp (220/380 V) là khâu cuối cùng trong hệ thống điện để truyền tải năng lượng cho phụ tải. Hiện nay, Tập đoàn Điện lực Việt Nam (EVN) [1] đang đề ra mục tiêu giảm tổn thất điện năng từ 8% năm 2015 xuống còn 6,5% năm 2020. Theo tính toán của EVN và đề xuất của Bộ Công thương dự kiến cơ cấu nguồn điện đến năm 2030 đạt khoảng 120.995-148.358 MW, trong đó, thủy điện đạt 26.795-28.946 MW, chiếm tỷ lệ 19,5-22,1%; nhiệt điện than 37.467 MW, chiếm tỷ lệ 25,3-31%; nhiệt điện khí (tính cả nguồn điện sử dụng LNG) 29.880-38.980 MW, chiếm tỷ lệ 24,726,3%; năng lượng tái tạo ngoài thủy điện (điện gió, điện mặt trời, điện sinh khối, ...) 21.666-35.516 MW, chiếm tỷ lệ 17,9-23,9%, nhập khẩu điện 3.937-5.000 MW, chiếm tỷ lệ 3,3-3,4%. Theo đó, để đảm bảo đầu tư nguồn cung đủ điện thì cần đầu tư 7,9 tỷ USD/năm cho hệ thống điện Việt Nam, trong đó 25% vốn đầu tư được sử dụng cho mục đích giảm tổn thất điện năng. Tính đến năm 2020, lưới điện phân phối đã được quy hoạch xây dựng hơn 120.000 km đường dây trung thế, khoảng 85.000 MVA trạm biến áp phân phối và khoảng 93.000 km đường dây hạ thế. Với tốc độ mở rộng nhanh chóng, mạng lưới phân phối, truyền tải sẽ phải đối mặt với vấn đề tổn thất điện năng nghiêm trọng. Theo kế hoạch đã đề ra trước đây, Việt Nam sẽ tiếp tục thí điểm 'thị trường bán lẻ cạnh tranh' và sẽ được đưa vào hoạt động vào đầu trong thời gian sắp đến [2]. Vì vậy, việc nghiên cứu tạo phụ tải điển hình luôn là vấn đề cấp thiết của các Công ty Điện lực cũng như của chung toàn ngành Điện. Vì vậy, đây là một đề án cấp bách, đòi hỏi tính chính xác và hiệu quả cao từ các phương pháp luận và ứng dụng. Để giảm tổn thất điện năng một cách hiệu quả, cần phải từng bước xây dựng và thu thập dữ liệu về đồ thị phụ tải điển hình cho từng nhóm phụ tải và với từng thời điểm khác nhau. Hiện nay, việc lựa chọn đồ thị phụ tải điển hình được xây dựng theo hai phương pháp: (i) Chọn đồ thị phụ tải của một ngày ngẫu nhiên trong năm; (ii) Sử dụng đồ thị phụ tải cực đại. Việc chọn bất kì một đồ thị phụ tải làm đồ thị phụ tải điển hình sẽ gây nên sai số trong việc bù công suất phản kháng như: sai dung lượng, đặt không đúng vị trí, đóng cắt tụ bù liên lục gây giảm tuổi thọ tụ bù cũng như các thiết bị đóng cắt. Hơn thế nữa, việc thu thập dữ liệu liên tục rất khó khăn do phải cập nhật 30 phút một lần, do đó nguồn cơ sở dữ liệu là rất lớn và hầu như không thể thu thập hoàn hảo 100% dữ liệu có được, mà nguồn dữ liệu sẽ thường xuyên có những trường hợp như thiếu dữ liệu, khiếm khuyết một vài thời điểm. Hiện nay, việc khắc phục các vấn đề trên trong thời gian ngắn là rất khó khăn ở Việt Nam. Theo Thông tư 19/2017 ...