TNU Journal of Science and Technology
229(10): 413 - 420
http://jst.tnu.edu.vn 413 Email: jst@tnu.edu.vn
ECONOMIC RISK ASSESSMENT FOR THAC XANG HYDROPOWER PLANT
TO SUPPORT DECISION MAKING ON FLOOD OPERATION
Ha Van Thuy1*, Ha Ngoc Tuan2
1Hanoi University of Mining and Geology, 2Kyuden Inovatech Vietnam Co.Ltd
ARTICLE INFO
ABSTRACT
Received:
16/6/2024
The Decision Support System for Hydropower Plants (DSS-HP) is a tool
designed to optimize water resource management and ensure safe
operations of hydropower plants. Due to the uncertainties in water
inflows forecasting, especially from rainfall forecasting, selecting
appropriate operational scenarios based on these forecasts is a complex
challenge. This paper presents a method for economic risks analysis for a
DSS system which consists of Numerical weather model, Rainfall-
Runoff model and Power generation simulator program. The risks are
analized with different forecast scenarios in hydropower plant
operations. For each operating scenario, calculations are made about the
profits gained from accurate forecasts as well as the losses from
inaccurate forecasts. The evaluation results support information for
managers to make right operational decisions. A case study on flood
catching operations at Thac Xang Hydropower Plant from 16th to 18th,
May 2024 demonstrates that the method yields accurate analysis results,
offering significant support for effective exploitation and operation.
Revised:
10/7/2024
Published:
11/7/2024
KEYWORDS
Hydropower plant
Decision Support System - DSS
Risk assessment
Precipitation forecasting
Run off forecasting
ĐÁNH GIÁ RỦI RO KINH T CHO NHÀ MÁY THỦY ĐIỆN THÁC XĂNG
H TR RA QUYẾT ĐỊNH VẬN HÀNH ĐÓN LŨ
Hà Văn Thủy1*, Hà Ngọc Tun2
1Trường Đại hc M - Địa cht, 2Công ty Kyuden Innovatech Việt Nam
TÓM TẮT
Ngày nhận bài:
16/6/2024
H thng h tr ra quyết định cho nhà máy thủy đin (Decision Support
System for HydroPower Plant: DSS-HP) một công cụ h tr cho các
hoạt động vận hành của nhà máy nhằm tối ưu hóa nguồn tài nguyên
ớc, đm bảo an toàn vận hành. Do dự báo lượng nước v h thủy điện
có đ chính xác không tuyệt đối (đặc bit vi d báo mưa), việc la chn
kch bn vận nh theo các tỷ l xác suất chính xác ca d báo một
thách thức lớn. Bài báo trình bày phương pháp phân tích ri ro kinh tế
cho h thng DSS bao gm hình số thi tiết, hình ợng mưa-
dòng chảy chương trình phỏng phát điện. Rủi ro được phân tích
bằng các kịch bn d báo khác nhau trong quá trình vn hành nhà máy
thủy điện. Đối vi mi kch bn hoạt động, các tính toán v li nhun thu
đưc nếu nhng d báo chính xác cũng như nhng tn tht nếu d báo
không chính xác đưc thc hiện phân tích đánh giá. Kết qu đánh giá sẽ
sở đ h tr người quản ra quyết định vn hành. Phân tích cho
trường hợp nghiên cu vận hành đón tại nhà máy Thủy điện Thác
Xăng t ngày 16 đến ngày 18/05/2024 cho thấy kết qu phân tích ca
phương pháp là chính xác, hỗ tr tốt cho công tác khai thác vận hành.
Ngày hoàn thiện:
10/7/2024
Ngày đăng:
11/7/2024
DOI: https://doi.org/10.34238/tnu-jst.10610
* Corresponding author. Email: hathuysp1@gmail.com
TNU Journal of Science and Technology
229(10): 413 - 420
http://jst.tnu.edu.vn 414 Email: jst@tnu.edu.vn
1. Gii thiu
H thng h tr quyết định (Decision Support System - DSS) là một h thống thông tin h tr
các hoạt động ra quyết định ca doanh nghip hoc t chc, phc v cp quản trung cao
trong việc đưa ra các quyết định phi cấu trúc bán cấu trúc. DSS thể được hoàn toàn máy
tính hóa, do con người cung cp hoc kết hp c hai, và đưc ng dng rộng rãi trong nhiều lĩnh
vc hoạt động ca t chc. DSS h tr hiu qu các cấp quản khác nhau: đi vi qun cấp
cao, hỗ tr các quyết định chiến lược v mục tiêu chính sách dài hạn; đối vi quản cấp
trung, giúp ban hành các quyết định chiến thut v phân bổ ngun lực t chc nhim v;
đối với chuyên gia, đánh giá các sáng kiến mới; đối vi cp vận hành, tạo ra các quyết
định liên quan đến hoạt động c th tiêu chuẩn s dng ngun lực. DSS đã trở thành một ch
đề quan trng t những năm 1970, được phát triển nh tích hợp các kỹ thuật như trí tuệ nhân tạo,
đã tiến hóa thành các hệ thng h tr ra quyết định thông minh (IDSS) h thống trí tuệ
doanh nghiệp (BI). Nhìn chung, DSS giúp giảm thiu s không chắc chắn, nâng cao chất lượng
quyết định, và tăng cường năng suất và chất lượng cho doanh nghip [1], [2].
H thng h tr ra quyết định vận nh hồ cha thy điện (DSS-HP) một công cụ dựa trên
máy tính với những tính năng tương tác, đồ họa hình a, nhằm h tr người dùng nghiên
cứu tìm kiếm gii pháp tối ưu cho các quyết định vn hành. Mục đích của DSS-HP là cải thin
kh năng ra quyết định của con người để đạt được các mục tiêu xác định trước [3]. H thống y
cung cấp cho người vn hành khả ng tính toán các đại lượng thủy văn theo thời gian thực, như
lưu lượng đến và tốc độ dòng chảy, giúp đưa ra các quyết định kp thời để điu tiết h cha và đảm
bảo an toàn cho hồ đập. Một tính năng quan trọng kc là khả năng dự đoán dòng chảy vào hồ cha
bằng hình Dự báo Thời tiết S (NWP), giúp kiểm soát an toàn hơn. Với kh năng dự đoán
dòng chảy chính xác, việc lp kế hoch cho vận hành thủy điện th đưc thc hin hiu qu
thông qua chương trình mô phỏng, t đó giúp người vận hành tìm ra phương án tối ưu [4][7].
Để h tr ra quyết định cho vic lp kế hoch vận hành các nhà máy thủy điện, vic d báo
lưu lượng dòng chảy cùng quan trọng. Điều này bắt đầu t vic s dụng nh d báo
thi tiết s (NWP) để d báo lượng mưa (QPF). J. Zhang và cộng s đã phát triển mt thuật toán
kết hợp QPF hình mạng neural nhân tạo (MPL-ANNs) để d báo lượng nước vào h t 1
đến 6 ngày, ng dụng cho n 20 hồ cha tỉnh Phúc Kiến, Trung Quc [8]. Kh năng dự đoán
dòng chảy vào hồ chứa, giúp kiểm soát an toàn hơn lập kế hoch sn xut hiu qu thông
qua các mô hình trí tuệ nhân tạo (AI). Các thuật toán như Random Forest (RF), mạng neural nhân
tạo (ANN), hồi quy vector h tr (SVR) đã được s dụng để d báo dòng chảy vào hồ cha,
cho thy kết qu d báo đảm bo chất lượng cho các quyết định vận hành [9]. D báo dòng chảy
cũng được ng dụng để kiểm soát tốc độ dâng của mức nước h chứa trong các đợt lũ, đặc bit
các lưu vực có thời gian hình thành lũ ngn.
Như vậy, h thng DSS-HP (Decision Support System for Hydropower) hoạt động dựa trên
các nh dự báo thời tiết, hình dự báo dòng chảy hình phỏng hoạt động vn
hành. Do các giá trị d báo luôn tồn tại xác suất sai lch so với giá trị thc tế, các ri ro kinh tế
liên quan đến các kịch bn vận hành theo kết qu d báo cần được đánh giá nhằm h tr nhà
quản lý ra quyết định phù hợp. Ni dung của bài báo này sẽ trình bày phương pháp đánh giá rủi
ro kinh tế vận hành đón lũ cho nhà máy thủy điện Thác Xăng theo các kịch bản độ chính xác của
mô hình dự báo dòng chảy v h khác nhau.
2. Phương pháp nghiên cứu
Các mô hình DSS-HP dùng đầu vào là lưu lượng d báo về h cũng như các tham s k thut
ca h thng vận hành điều tiết phát, x để tính toán trước các kịch bn vận hành giúp cán bộ
vận hành lựa chọn phương án tối ưu ra quyết định vận hành. Hệ thng DSS-HP của nhà máy
Thác Xăng sử dụng 3 công nghệ bản hình dự báo mưa, hình d báo dòng chảy
chương trình mô phỏng vận hành Hình 1.
TNU Journal of Science and Technology
229(10): 413 - 420
http://jst.tnu.edu.vn 415 Email: jst@tnu.edu.vn
Hình 1. Các công nghệ chính trong h thng DSS
2.1. Mô hình dự báo mưa
hình WRF (Weather Research and Forecasting) một h thống hình s được thiết kế
để thc hiện các dự báo thời tiết và nghiên cứu khí tượng. Mô hình được phát triển bởi Trung tâm
Nghiên cứu Khí quyển Quốc gia (NCAR) cùng với s hợp tác của nhiu t chức khác như
quan Ktượng Quc gia M (NOAA) các nhà nghiên cu tại các trường đại học. hình
WRF được cung cp với nguồn m khả năng chạy với độ phân giản cao t quy khu
vực đến quy toàn cầu; Tùy chọn vật lý đa dạng... Do đó, hình WRF, với tính linh hoạt,
cộng đồng người dùng lớn khả năng ng dng rộng rãi, đã trở thành một công c quan trng
trong lĩnh vực d báo thời tiết và nghiên cứu khí tượng [10].
Bng 1. Bng tham s thiết lập cho mô hình mưa
nh 2. i d o cho u vc h thy điện Tc ng
Quá trình
vật lý
Tên tham số
Cài đặt
Bc x mt
tri
Sóng dài
RRTMG scheme
Sóng ngắn
RRTMG scheme
Điu kin
biên
Biên đại
khí quyển
MYNN 3rd level
TKE
Biên tiếp xúc bề
mt
MYNN Monin-
Obukhov
Quá trình
b mặt đất
Pleim-Xui
Quá trình vật
lý mưa
i trong
Kain-Fritch scheme
ới ngoài
Kain-Fritch scheme
Vi những đặc điểm nêu trên, hình NIMBUS (Phiên bản WRF trin khai cho Vit Nam)
được tác giả la chn trong vic d báo mưa cho lưu vực thủy điện Thác Xăng. Nghiên cứu này
triển khai hình NIMBUS với lưới lồng miền d báo (domain) của lưới trong có độ phân
gii 5x5 km miền d báo của lưới ngoài độ phân giải 15x15 km. Phm vi của lưới trong
ph lên lưu vực h thủy điện Thác Xăng như biểu din trên Hình 2. hình trin khai với các
tham s hình được tả trong Bng 1 cho các điều kin v bc x mt trời, điều kiện biên
khí quyển và mặt đất cũng như các tham số liên quan đến quá trình vật lý gây mưa.
Với mô hình mưa được hiu chnh, sai s d báo được phân tích bằng công cụ phân tích sai số
tương đối gia tổng lượng mưa d báo tổng lượng mưa trung bình lưu vực. Phân tích lọc các
trận mưa có tổngng lớn hơn 30 mm rơi vào lưu vực do lượng mưa này tác đng trc tiếp đến
vn hành điều tiết. Các trận mưa nhỏ n được b qua do tổng lượng nước chy v h nh hơn so
vi sc cha ca h Thác ng. Lượng nước nh này không có nguy cơ gây ra sự c h đập nên sẽ
được cán bộ vận hành điều tiết khai thác hoàn toàn cho phát điện mà kng cần dự o.
Công cụ đánh giá chất lượng d báo cho các kết qu đánh giá độ chính xác và xác sut xy ra
độ chính xác này. Đánh giá cho kết qu sai s trong di t 0% đến 75% cho thấy phân phối sai s
TNU Journal of Science and Technology
229(10): 413 - 420
http://jst.tnu.edu.vn 416 Email: jst@tnu.edu.vn
min 0% đến 25% lớn nhất xác suất chiếm 53,66%. Sai s t 25% đến 50% xác sut chiếm
34,15%. Còn lại là sai số lớn hơn 75% xác suất chiếm 12,2%.
Công cụ cũng cho thy biểu đồ phân phối sai s (error histogram) mức độ tp trung sai s
thp vi tn sut cao chng t hiu chỉnh hình đã đạt được chất lượng kh dng cho d báo
mưa vào lưu vực h thủy điện Thác Xăng. Độ ổn định hội t của các phiên t xa đến gn s
kiện mưa cũng được đánh giá bằng công cụ đánh giá chất lượng d báo này để so sánh với các
mô hình khác khi quyết định la chọn mô hình dự báo.
2.2. Mô hình dự báo lưu lượng v h
hình dự báo dòng chảy v h được s dng Thủy điện Thác Xăng hình bể cha
(Tank) ca Sugawara [11]. K t lần đầu tiên được Sugawara và Fuyuki giới thiu, nhiu biến th
của hình đã được đề xut. Trong s đó, một biến th ni tiếng nhất hình với bn b
cha xếp lớp đ hình hóa đặc điểm mưa rào dòng chảy ca một lưu vực. bao gồm các
tp hợp các bể tuyến tính được kết ni ni tiếp với các cửa ra bên cạnh dưới đáy của b.
ớc qua các cửa x bên tạo thành các dòng chảy b mặt và dòng chảy dưới b mặt trong khi đ
bão hòa và thấm nước ngầm được th hin bằng các dòng chảy giữa các bể Hình 3 (a).
Hình 3. (a) Mô hình bể chứa cho mưa rào dòng chy [12], (b) Lưu vực thủy điện Thác Xăng
Việc xác định các h s cho hình cho phép tính toán xác đnh t l gia tổng lượng mưa
đầu vào với lượng dòng chy ra đầu ra t đó thể xác định được đồ th lưu lượng dòng chảy
ra của lưu vực.
Trên sở nh bể chứa tác giả đã tiến hành phân ch lưu vực dòng chảy cho Nhà máy
thủy điện Thác Xăng thành 05 tiểu lưu vực Hình 3 (b) thực hiện hình hóa m tham s ti
ưu cho mô hình bằng Matlab simulink Hình 4.
Kết qu chy hun luyện nh bể chứa cho lưu vực thủy điện Thác Xăng cho bộ tham s
mô hình đạt kết qu d báo dòng chảy có độ tương quan 0,94 với dòng chảy thc tế.
TNU Journal of Science and Technology
229(10): 413 - 420
http://jst.tnu.edu.vn 417 Email: jst@tnu.edu.vn
2.3. Chương trình mô phỏng vận hành
Dựa trên kết qu d báo của hình dòng chảy
(Tank), mô hình tối ưu hóa chạy trong trình
phỏng, chương trình máy tính được xây dựng trong
h thng DSS-HP. Mt tp hợp các giá trị lưu lượng
x tối ưu được tính toán dựa trên dữ liu tr ng h
cha hin tại dự báo dòng chảy vào trong tương
lai. Người vận hành cũng tùy chn trực quan hóa
d báo mực nước dâng tương ng ca h chứa
năng lượng điện thể được sn xuất (tính bằng
kWh) theo các thuật toán tối ưu hóa. Điều này cho
phép đơn vị vận hành những thông tin hỗ tr để ra
quyết định theo thi gian thc.
Hình 4. Mô hình bể chứa cho các tiểu lưu vực
Vic tối ưu hóa lượng nước v h được thc hin da trên hai yếu t bản là: lưu lượng
dòng nước vào hồ chứa giá năng ợng. Chi phí này được c định bằng phương án chi phí
tránh được áp dụng cho nhà máy thủy điện Thác Xăng. Chương trình phỏng hoạt động da
trên chức năng sn xut của Nhà máy thủy điện (th hiện thông qua hàm HydroPower Function -
HPF) và kỹ thut tối ưu hóa.
HPF là một h các phương trình phi tuyến được ly t hiu sut Turbine máy phát thủy điện,
hiu suất đơn v , lưu lượng nước qua Turbine Q(t) và cột áp thủy lc H(t).
Trong đó: P(t)-công suất phát điện (kW); g-gia tốc trọng trường (m/s2); H(t)- cột nước
(m); Q(t) - lưu lượng qua Turbine (m3/s); E-Điện năng phát được trong mt khong thi gian
T (kWh), R- Doanh thu thủy điện (đồng); r(t)-Giá năng lượng (đồng/kWh).
Thuật toán mô phỏng gii quyết vấn đề tối ưu hóa đng. Với dung lượng nước sẵn có trong hồ
cha, sn sàng cho phát điện giá điện nhất định trong khong thi gian c th (T), người vn
hành nhà máy phải quyết định lượng nước dùng để phát điện trong mỗi giai đoạn (t) để tối đa hóa
giá trị kinh tế ca điện được sn xut. Tức là tối đa hóa:
Ngi ra, vic vận hành phát điện cũng cần tuân theo các ràng buộc: Gii hn v tổng lượng
c gii phóng W; Giới hn v tổng công suất phát P(t); và giới hn v tổng điện năng được phát.
Dựa vào các tả toán học quan h trong h thống nêu trên, một chương trình phn mềm đã
được xây dựng để mô phỏng vận hành, hỗ tr ra quyết định la chn kch bn vận hành tối ưu.
2.4. Phương pháp đánh giá rủi ro, h tr ra quyết định
Vn hành thủy điện trong c giai đoạn mùa khô tờng ít có các nguy rủi ro và ng p ngun
ớc, do lượngc v h bao nhu s đưc tích tr và dùng hết cho hoạt động pt điện, kng có
vic x tha. Tuy nhn vào giai đoạn giao a với tiểu n cuối tháng 5 nguy xả tha do
kng d báo được có th xy ra trong khi vnnh h ct nước đ đón lại th phi hiu qu khi
không về. Vì thế giai đoạn này cần công c vn hành để đánh giá c ri ro v kinh tế vn nh cho
nhà máy. Vn hành thủy điện trong mùa mưa , trong a mưa với những đợt a lớn thường
xuyên sẽ đòi hi mt b công cụ để h tr ra quyết đnh vn nh để ti ưu nguồn nước.
D báo không chính xác có th gây ra những ri ro khi h mức nưc xuống quá sâu để phòng
không về hoặc ngược li khi h mức nước xuống quá ít về nhiu dẫn đến vic x
thừa. Vì vậy, trong h thng DSS-HP ca Thủy điện Thác Xăng, một công cụ phân tích đánh giá
ri ro (Risk analysis tool RAT) v lợi ích kinh tế được xây dựng. Công cụ được xây dựng để