Tối ưu hóa lập lịch sạc/xả pin trong hệ thống năng lượng mặt trời cho nhà ở dân dụng

Abstract

Đồ án tập trung giải quyết bài toán tối ưu hóa lập lịch sạc/xả pin trong hệ thống điện mặt trời có lưu trữ tại hộ gia đình, nhằm giảm chi phí mua điện từ lưới và tận dụng tối đa nguồn năng lượng tái tạo. Đề tài xây dựng chiến lược điều phối năng lượng bằng phương pháp học máy Random forest và XGboost với tập dữ liệu huấn luyện được tạo ra dựa vào phương pháp MILP. Các mô phỏng được thực hiện trên nền tảng Python, sử dụng dữ liệu thực tế về bức xạ mặt trời, phụ tải tiêu thụ và biểu giá điện tại Việt Nam. Kết quả cho thấy các phương pháp học máy giúp giảm chi phí vận hành và nâng cao hiệu quả hệ thống cũng như tuổi thọ pin so với cách điều khiển truyền thống. Đồ án có tính thực tiễn cao, có thể ứng dụng cho các hộ gia đình sử dụng điện mặt trời có kết nối lưới. Trong tương lai, mô hình có thể mở rộng để điều phối cho cụm hộ gia đình hoặc tích hợp dự báo thời tiết và học sâu. Thông qua quá trình thực hiện, sinh viên đã rèn luyện được kỹ năng lập trình, mô hình hóa toán học, tư duy tối ưu hóa, cũng như khả năng ứng dụng các thuật toán học máy vào thực tiễn