- Trang Chủ
- Năng lượng
- Xây dựng mô hình tính toán độ phụ thuộc vào lưới của hệ thống năng lượng mặt trời Battery dựa trên tổng lượng bức xạ hàng năm
Xem mẫu
- PHÂN BAN NGUỒN ĐIỆN | 275
XÂY DỰNG MÔ HÌNH TÍNH TOÁN ĐỘ PHỤ THUỘC VÀO
LƯỚI CỦA HỆ THỐNG NĂNG LƯỢNG MẶT TRỜI/BATTERY
DỰA TRÊN TỔNG LƯỢNG BỨC XẠ HÀNG NĂM
Nguyễn Thị Hoài Thu, Phạm Năng Văn
Bộ môn Hệ thống điện, Viện Điện, Trường Đại học Bách khoa Hà Nội
Tóm tắt. Bài báo này đề xuất 1 phương pháp tính toán độ phụ thuộc vào lưới của hệ
thống điện sử dụng năng lượng mặt trời (PV) và battery cung cấp điện cho một số loại
phụ tải khác nhau. Độ phụ thuộc của hệ thống này vào lưới, ký hiệu là GD (Grid
Dependency), được tính toán dựa trên số liệu thời tiết thống kê trong 15 năm của 5
địa điểm ở Việt Nam và tương ứng với dung lượng khác nhau của PV và battery. Từ các
kết quả tính toán này, tác giả đã rút ra nhận xét là có thể tính GD dựa trên tổng lượng
bức xạ hàng năm mà không cần dựa vào chuỗi bức xạ theo thời gian cũng như vị trí địa
lý. Vì thế, nghiên cứu đã xây dựng công thức kinh nghiệm để tính GD là hàm số của
tổng lượng bức xạ hàng năm, dung lượng của battery và PV. Công thức này có độ
chính xác cao trong việc ước tính nhanh GD.
Từ khóa: năng lượng mặt trời, battery, độ phụ thuộc lưới, tổng lượng bức xạ
hàng năm.
1. ĐẶT VẤN ĐỀ
Năng lượng đóng vai trò quan trọng trong sự phát triển của toàn xã hội và trong
các hoạt động thiết yếu của đời sống. Tuy nhiên hiện nay các nguồn năng lượng hóa
thạch từ than đá, dầu mỏ,… đang ngày càng cạn kiệt và còn phát thải khí nhà kính ảnh
hưởng đến môi trường. Do đó việc nghiên cứu và đưa vào ứng dụng các loại nguồn
năng lượng tái tạo (Renewable energy – RE) trở nên cấp thiết, đặc biệt là trong lĩnh vực
phát điện [1-4]. Điện năng sản xuất từ năng lượng mặt trời đang được nghiên cứu và
phát triển rộng rãi trên thế giới do có ưu điểm là có khả năng tái tạo, bền vững, an toàn,
thân thiện với môi trường. Mặc dù vậy nhược điểm của chúng là dao động bất định và
phụ thuộc vào thời tiết [4]. Năng lượng mặt trời (Photovoltaic – PV) chỉ có vào ban
ngày, những khi có nắng và sẽ sụt giảm hoặc dao động mạnh khi có mây, không có vào
ban đêm. Để đảm bảo cung cấp điện cho phụ tải một cách ổn định, hệ thống điện mặt
trời thường được nối với lưới hoặc với các thiết bị dự trữ năng lượng như battery (Hình
1). Hệ thống điện này được nối với lưới và nhận điện từ lưới khi cần thiết. Vì thế việc
tính toán độ phụ thuộc vào lưới có ý nghĩa quan trọng và cần thiết để đảm bảo vận hành
hệ thống ổn định. Đặc biệt là khi tính toán tối ưu dung lượng các thiết bị cho hệ thống
này thì GD là 1 thông số kỹ thuật quan trọng cần xét đến.
Việc tính toán thông số kỹ thuật cho hệ thống PV/battery cấp điện cho tải và có
nối lưới cũng đã được nghiên cứu rộng rãi trên thế giới và được sử dụng trong bài toán
- 276 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017
tính dung lượng tối ưu [5-11]. Yang et al. [5] có xét đến thông số kỹ thuật là xác suất
mất điện (LPSP). Thông số này cũng được xem xét trong nhiều nghiên cứu khác [6-10]
và thường được tính bằng phương pháp lặp tương ứng với 1 năm thời tiết điển hình tại 1
địa điểm nào đó. Do đó, khi thời tiết thay đổi qua các năm, hoặc với các địa điểm khác
nhau thì việc tính toán sẽ phải thực hiện lại từ đầu. Ngoài ra, hiện nay chưa có nghiên
cứu nào ở Việt Nam tính toán độ tin cậy cung cấp điện của hệ thống PV/battery dựa trên
bức xạ mặt trời và dung lượng các thiết bị theo hướng tổng quát. Trong bài báo này, tác
giả đã xây dựng công thức kinh nghiệm để tính độ phụ thuộc vào lưới GD cho các địa
điểm ở Việt Nam. Mối quan hệ hàm giữa GD và điều kiện thời tiết, dung lượng các thiết
bị được thiết lập dựa trên tính toán GD ở 5 địa điểm khác nhau với số liệu thời tiết trong
vòng 15 năm. Ngoài ra, 4 loại phụ tải cũng được xem xét trong việc tính GD. Sau khi
xây dựng công thức, việc đánh giá độ chính xác của nó cũng được tiến hành.
2. MÔ HÌNH BÀI TOÁN
Trong phần này, mô hình của các thiết bị và cách tính GD theo cách thông thường
được trình bày. Sơ đồ khối của hệ thống PV kết hợp battery được minh họa trong hình
1. Hệ thống bao gồm các tấm PV và battery cấp điện cho phụ tải. Các thiết bị được nối
với hệ thống điện 1 chiều qua các bộ chuyển đổi điện.
2.1. Mô hình các thiết bị trong hệ thống
PV system
Công suất của PV phụ thuộc vào thời tiết, đặc biệt là bức xạ mặt trời và nhiệt độ.
Có thể ước tính công suất PV theo phương trình sau:
S (t )
PPV (t ) CPV ηloss (t ) ηDC
PV
/ DC (1)
SSTD
Trong đó: PPV(t), CPV tương ứng là công suất đầu ra ở thời điểm t và công suất
định mức của PV (kW). S(t), SSTD là cường độ bức xạ thực tế ở bề mặt nghiêng của tấm
PV (kW/m2) và bức xạ chuẩn (1 kW/m2). DC/ PV
DC là hiệu suất của bộ chuyển đổi DC/DC.
ηloss là hiệu suất khi tính đến tổn thất năng lượng do sự tăng nhiệt độ, có thể tính
như sau:
ηloss (t ) 1 Tcell (t ) 25 (2)
S (t )
Tcell (t ) Ta (t ) TNOCT 20 (3)
0 .8
Trong đó: λ là hệ số nhiệt độ (0.0046/oC), Tcell(t), Ta(t) và TNOCT tương ứng là
nhiệt độ của tấm PV, nhiệt độ ngoài trời [°C] và nhiệt độ vận hành danh định (45 °C).
Trong nghiên cứu này, mô hình bức xạ mặt trời trên bề mặt nghiêng bao gồm 3
thành phần: bức xạ chiếu trực tiếp, bức xạ khuếch tán và thành phần phản xạ. Mô tả chi
tiết của mô hình này được trình bày trong [12,13].
- PHÂN BAN NGUỒN ĐIỆN | 277
Hình 1: Hệ thống PV/Battery cấp điện cho phụ tải
Battery
Battery là 1 thiết bị lưu trữ điện năng thường được tích hợp vào hệ thống năng
lượng tái tạo vì nó có khả năng thay đổi công suất rất nhanh chóng và có hiệu suất cao.
Tuy nhiên nhược điểm của nó là mật độ dòng điện thấp, bị tổn thất điện năng dù không
hoạt động trong thời gian dài do hiện tượng tự xả [14]. Battery được mô hình bằng
lượng điện năng trong battery tại từng thời điểm. Lượng điện năng này có thể ước tính
theo công suất của battery khi xả (phương trình 4) hoặc khi nạp (phương trình 5)
như sau:
1
E BA (t ) E BA (t 1) 1 σ PBA (t ) t step (4)
η discharge
EBA (t ) EBA (t 1) 1 σ PBA (t ) ηcharge t step (5)
Với EBA (t) là lượng điện năng trong battery ở thời điểm t, σ là tốc độ tự xả trong
1 giờ (4.6 × 10-4 /h) và ηcharge, ηdischarge tương ứng là hiệu suất của quá trình nạp và xả
(ηcharge = ηdischarge = 0.9). PBA(t) là công suất của battery ở thời điểm t, chính là công suất
xả hoặc nạp trong các phương trình (6) và (7):
PD(t )
PBA (t ) PPV (t ) ηCONV (6)
ηINV
PD(t ) 1
PBA (t ) PPV (t ) (7)
ηINV ηCONV
Trong đó PD(t) là công suất phụ tải ở thời điểm t, ηINV, ηCONV là hiệu suất của bộ
chuyển đổi (ηINV = ηCONV = 0.9). EBA(t) sẽ bị giới hạn trong phạm vi (0,CBA) (kWh). Khi
battery đã xả hết, phần công suất thiếu không đủ sẽ được cung cấp từ lưới:
PD(t )
Pgrid (t ) PPV (t ) (8)
ηINV
Pgrid(t) (kW) là phần công suất nhận từ lưới tại thời điểm t nếu có.
- 278 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017
Dữ liệu thời tiết
Trong nghiên cứu này, số liệu thời tiết về bức xạ (GHI – Global Horizontal
Irradiation) và nhiệt độ của 5 địa điểm là: Quảng Ninh, Hải Phòng, Hà Nội, Thanh Hóa
và Nghệ An trong vòng 15 năm được thu thập. Hình 2 biểu thị GHI của các vùng ở Việt
Nam (a), chuỗi bức xạ và nhiệt độ ở Hà Nội năm 2005 (b).
(a) (b)
Hình 2: GHI (Global Horiontal Irradiation) của các vùng ở Việt Nam (a), bức xạ mặt trời
và nhiệt độ năm 2005 tại Hà Nội (b)
Số liệu phụ tải
Nhu cầu sử dụng điện thay đổi trong ngày và mùa phụ thuộc vào mục đích sử
dụng, các loại phụ tải khác nhau và các hoạt động sinh hoạt của con người. Nghiên cứu
này xét 4 loại phụ tải khác nhau: tải văn phòng (tải 1), tải sinh hoạt (tải 2), tải ở các
trung tâm thương mại (tải 3) và tải bằng phẳng cấp cho bệnh viện (tải 4). Giả thiết các
loại tải này có dạng như trên hình 3. Ngoài ra để tổng quát hóa bài toán, giả thiết là tổng
năng lượng tiêu thụ trong 1 ngày của tải là 1 đơn vị tương ứng với 1 kWh/ngày.
Pattern1 Pattern2 Pattern3 Pattern4
0.15
Power demand
0.10
[kW]
0.05
0.00
0 12 24 0 12 24 0 12 24 0 12 24
Time [h]
Hình 3: Các mẫu phụ tải khác nhau
- PHÂN BAN NGUỒN ĐIỆN | 279
2.2. Độ phụ thuộc vào lưới:
Độ phụ thuộc vào lưới được định nghĩa là tỉ số giữa lượng điện năng nhận được từ
lưới khi hệ thống PV/battery không thể cung cấp cho tải và tổng điện năng cần cung cấp
cho tải trong 1 năm:
P (t ) 1
8760
grid
GD t 1
(9)
PDyear
Trong đó PDyear là tổng điện năng tiêu thụ của tải trong 1 năm.
Thuật toán để tính GD theo số liệu thực của thời tiết được mô tả trên hình 4.
Trước hết, PPV (t) được tính bằng các phương trình từ (1) đến (3). Sau đó EBA (t) được
xác định sử dụng phương trình (4) hoặc (5). Nếu battery đã xả hết (EBA(t) = 0), lưới điện
sẽ cung cấp phần công suất còn thiếu. Quá trình này được lặp lại trong 8760h tương ứng
với 1 năm và tính GD theo phương trình (9).
3. XÂY DỰNG CÔNG THỨC KINH NGHIỆM TÍNH GD
Hình 4: Thuật toán để tính toán độ phụ thuộc vào lưới theo chuỗi bức xạ và nhiệt độ
- 280 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017
Như ở trong phần đặt vấn đề đã đề cập, nghiên cứu này có mục đích là xây dựng
công thức kinh nghiệm để tính GD phụ thuộc vào thời tiết và dung lượng các thiết bị.
Trong mục này, mối quan hệ giữa GD và tổng lượng bức xạ hàng năm được phân tích.
Để xây dựng mối quan hệ này, GD sẽ được tính toán theo thuật toán trong hình 4 dựa
vào số liệu thực tế của bức xạ mặt trời và nhiệt độ ở 5 địa điểm khác nhau trong vòng
15 năm. Sau đó, từ kết quả tính toán, sử dụng phương pháp xấp xỉ hồi quy để thành lập
hàm quan hệ của GD và các thông số.
3.1. Mối quan hệ của GD vào tổng lượng bức xạ hàng năm
Với mục đích phân tích mối quan hệ giữa GD và tổng lượng bức xạ hàng năm
Stotal, nghiên cứu đã sử dụng số liệu thời tiết bao gồm bức xạ và nhiệt độ của 5 địa điểm
trong vòng 15 năm để tính GD. Dựa trên kết quả tính toán này, mối quan hệ giữa GD và
Stotal được thiết lập và biểu diễn trên hình 5. Có thể nhận thấy GD tỉ lệ tuyến tính với
Stotal. Nếu coi Stotal là chuỗi x xi và GD là chuỗi y yi , hệ số tương quan rxy đo độ
lớn và hướng của mối quan hệ giữa x và y [15] được tính như sau:
s xy
rxy
sx s y
(10)
n n n
1
Với s x xi x 2 , s y 1 yi y 2 , s xy 1 xi x yi y
(11)
n i 1 n i 1 n i 1
Trong đó sx, sy tương ứng là độ phân tán của x và y, sxy là hiệp phương sai của x
và y. x , y là giá trị trung bình của x và y.
Mức độ tương quan được coi là mạnh nếu giá trị tuyệt đối của rxy càng gần 1.
Như vậy có thể tính toán GD dựa trên Stotal mà không cần quan tâm đến dạng sóng
của chuỗi số liệu thời tiết, nghĩa là có thể dùng 1 thông số đại diện cho điều kiện thời
tiết, đó là tổng lượng bức xạ hàng năm. Chỉ cần biết tổng lượng bức xạ hàng năm là có
thể ước tính GD nếu biết dung lượng các thiết bị và loại phụ tải.
Hình 5: Mối quan hệ giữa GD và tổng lượng bức xạ hàng năm Stotal tính với cả 5 địa điểm tương ứng
với 1 vài giá trị cụ thể dung lượng của PV/battery, mẫu tải 2
- PHÂN BAN NGUỒN ĐIỆN | 281
3.2. Sự phụ thuộc của GD vào dung lượng PV và battery
Dựa trên phát hiện về sự phụ thuộc của GD vào Stotal, tác giả đã đề xuất phương
pháp xác định GD dựa trên Stotal, CPV, CBA mà không cần xét theo năm, khu vực và đặc
biệt là không cần chuỗi số liệu thời tiết. Nhằm mục đích xây dựng công thức GD là hàm
của Stotal, CPV, CBA, nghiên cứu sử dụng mô hình hồi quy để tìm mối quan hệ của GD
với 1 biến, sau đó các hệ số hồi quy sẽ tiếp tục là hàm của các biến còn lại.
Có thể thấy GD phụ thuộc vào lượng điện PV phát ra hàng năm, là đại lượng được
xác định bằng tích số của CPV và Stotal như trong biểu thức sau:
EPV S total CPV (12)
Do đó, mối quan hệ giữa GD và năng lượng PV hàng năm EPV được phân tích.
Hình 6 biểu diễn mối quan hệ này trong một số trường hợp CBA khác nhau. Kết quả cho
thấy các điểm được phân bố theo dạng hàm mũ. Mô hình hồi quy của hàm mũ được lựa
chọn như sau:
g ( wi ) a e kw 1 a (13)
Trong đó w wi là năng lượng PV hàng năm EPV . a, k là các hệ số hồi quy.
Sử dụng phương pháp bình phương tối thiểu, các hệ số này được xác định tương
ứng với mỗi CBA khác nhau. Hệ số xác định R y2yˆ dùng để đánh giá độ chính xác của hàm
tìm được, R y2yˆ được tính như sau:
n
y g (w )
2
i
R 1
2
yyˆ
i 1
n (14)
y y
2
i 1
Trong đó y yi là GD, n là số lượng dữ liệu. Hệ số xác định R y2yˆ cho thấy độ phù
hợp giữa kết quả thực tế với mô hình hàm như thế nào. R y2yˆ càng gần 1 thì hàm số tìm
được càng chính xác. Hình 7 biểu diễn hệ số xác định R y2yˆ tương ứng với CBA. Giá trị
nhỏ nhất của R y2yˆ là 0.987 trong khi giá trị lớn nhất là gần bằng 1. R y2yˆ cao chứng tỏ lựa
chọn hàm số dạng mũ là hợp lý và các hệ số tìm được tương đối chính xác.
Tương tự, mô hình hàm mũ cũng được áp dụng để xấp xỉ mối quan hệ giữa GD và
EPV trong trường hợp mẫu tải 1, 3 và 4.
Các hệ số hồi quy a và k được coi là hàm của CBA. Hình 8 biểu diễn sự phụ thuộc
của các hệ số này vào CBA trong trường hợp mẫu tải 2. Dựa vào đạo hàm, hàm số của
các hệ số này với CBA được rút ra theo phương trình hồi quy sau:
- 282 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017
p v p v P1
a 1a q2 a v 2 a
q1a e q3 a P1 v
p1k v p2 k v P1
k q1k v 2 q2 k v q3 k P1 v P2 (15)
r1k e r3 k
r2 k v
P2 v
Hình 6: Sự phụ thuộc của GD vào năng lượng PV hàng năm tính cho cả 5 địa điểm, mẫu tải 2
Hình 7: Hệ số xác định của quá trình xấp xỉ phụ thuộc vào dung lượng của battery, mẫu tải 2
Trong hình 8, đường cong hồi quy (đường màu đỏ) cho a2, k2 được xây dựng sử
dụng phương pháp bình phương tối thiểu. Các hệ số xác định của quá trình hồi quy
tương ứng là 0.998, 0.985. Công thức tính các hệ số cho các mẫu tải thu được như sau:
k S total CPV
GD FPat2 (CBA , CPV , S total ) a2 e 2 1 a2 (16)
0.7173 CBA 0.4253 CBA 0.6
a2
1.98 e
4.25CBA
1.015 0.6 CBA
- PHÂN BAN NGUỒN ĐIỆN | 283
2.30 CBA 4.34 CBA 0.6
k2 4.78 CBA 2 7.80 CBA 5.92 0.6 CBA 0.85
2.09e
2.58CBA
2.97 0.85 CBA
Hình 8: Sự phụ thuộc của các hệ số hồi quy vào CBA trong trường hợp mẫu tải 2
Tương tự với các mẫu tải 1, 2, 4, công thức ước tính GD dựa vào Stotal, CPV, CBA
cũng được xây dựng như sau:
k S total CPV
GD FPat1 (CBA , CPV , S total ) a1 e 1 1 a1 (17)
0.195 CBA 0.963 CBA 0.25
a1
0.152 e
2.8CBA
1.028 0.25 CBA
0.792 CBA 3.005 CBA 0.25
k1 0.507 CBA 2 1.06 CBA 2.86 0.25 CBA 0.95
1.223e
1.00CBA
4.543 0.95 CBA
k S total CPV
GD FPat3 (CBA , CPV , S total ) a3 e 3 1 a3 (18)
0.712 CBA 0.560 CBA 0.45
a3
1.143 e
4.565CBA
0.45 CBA
1.055
1.854 CBA 3.750 CBA 0.45
k3 5.015 CBA 6.082 CBA 4.645 0.45 CBA 0.65
2
1.432e
2.58C
3.173
BA
0.65 CBA
k S total CPV
GD FPat4 (CBA , CPV , S total ) a4 e 4 1 a4 (19)
0.761 CBA 0.442 CBA 0.55
a4
2.21 e
4.45CBA
1.05 0.55 CBA
- 284 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017
2.19 CBA 4.24 CBA 0.55
k4 5.07 CBA 2 8.02 CBA 5.92 0.55 CBA 0.85
14.0e
5.05CBA
2.95 0.85 CBA
3.3. Đánh giá độ chính xác của công thức kinh nghiệm
Như phần trên đã xây dựng và phân tích, có thể ước tính GD dựa vào tổng lượng
bức xạ hàng năm Stotal, dung lượng của PV và battery mà không cần quan tâm đến chuỗi
thời gian của bức xạ mặt trời. Nhằm đánh giá công thức vừa xây dựng, trong phần này,
độ chính xác chung của hàm số 3 biến sẽ được phân tích.
Tương ứng với mỗi cặp giá trị cụ thể (CPV, CBA), GD có thể được ước tính theo 1
thông số đại diện cho điều kiện thời tiết là Stotal. Sai số ei giữa tính toán thực tế và theo
hàm xấp xỉ và giá trị sai số trung bình | e | được tính theo các phương trình (20), (21):
e i y i fˆ ( x i ) (20)
n
i 1
ei
|e| (21)
n
Trong đó x x i biểu thị cho chuỗi Stotal, fˆ ( x i ) là giá trị ước tính của GD theo
công thức kinh nghiệm GD y y i , n là số lượng dữ liệu.
Hình 9: Phân bố sai số tuyệt đối trung bình giữa GD tính theo công thức kinh nghiệm
và tính theo số liệu thời tiết thực tế sử dụng chuỗi bức xạ và nhiệt độ cho 4 mẫu tải
- PHÂN BAN NGUỒN ĐIỆN | 285
Sử dụng CPV trong khoảng từ 0 kW đến 2 kW với bước 0.05 kW, CBA từ 0 đến 2
kWh với bước 0.05 kWh, sai số tuyệt đối trung bình tương ứng với mỗi cặp (CPV, CBA)
được tính và biểu diễn trên hình 10 cho mẫu tải 2. Màu sắc càng chuyển sang màu vàng
đỏ thì | e | càng lớn và ngược lại, càng chuyển sang màu xanh thì | e | càng nhỏ. Từ hình
10, có thể thấy | e | tương đối nhỏ trong vùng CPV và CBA cao. Trong khi đó, giá trị lớn
nhất của | e | là 0.05, trong vùng CPV = 0.5 kW. Để tăng độ chính xác, có thể tăng số biến
phụ thuộc, chẳng hạn xét cả địa điểm trong công thức GD hoặc sử dụng mô hình hồi
quy phức tạp hơn để xấp xỉ.
Sai số tuyệt đối trung bình được tính tương tự cho các mẫu tải 1, 3 và 4 và biểu
diễn trên hình 9. Nhìn chung, chúng tương đối nhỏ và có thể nói rằng công thức GD đã
xây dựng có độ chính xác cao.
4. KẾT LUẬN
Trong bài báo này, công thức kinh nghiệm để ước tính độ phụ thuộc vào lưới của
hệ thống PV/battery cấp điện cho các loại phụ tải khác nhau đã được xây dựng. Từ kết
quả tính toán GD dựa trên số liệu thời tiết thực tế tại 5 vùng, có thể rút ra kết luận là GD
phụ thuộc vào tổng lượng bức xạ hàng năm, dung lượng của PV và battery. Mô hình
xấp xỉ hồi quy được sử dụng để tìm ra mối quan hệ giữa GD và các đại lượng này. Kết
quả cho thấy hàm tìm được có độ chính xác cao và có thể áp dụng để ước tính một cách
đơn giản độ phụ thuộc của hệ thống này vào lưới.
Lời cảm ơn
Nghiên cứu này được tài trợ bởi Trường Đại học Bách khoa Hà Nội theo chương
trình đề tài phân cấp PC 2017.
TÀI LIỆU THAM KHẢO
[1] M. Iqbalb, M. Azam, M. Naeem, A.S. Khwaja, A. Anpalagan, Optimization classification,
algorithms và tools for renewable energy: A review, Renewable và Sustainable Energy
Reviews 39 (2014) 640–654.
[2] Prabodh Bajpai, Vaishalee Dash, Hybrid renewable energy systems for power
generation in stand-alone applications: A review, Renewable và Sustainable Energy
Reviews 16 (2012) 2926–2939.
[3] T.T.H. Nguyen, T. Nakayama, M. Ishida, Power Control Method Using Kalman Filter
Prediction for Stable Operation of PV/FC/LiB Hybrid Power System Based on
Experimental Dynamic Characteristics, Journal of the Japan Institute of Energy, 94
(2015) 532-541.
[4] A.R.De, L. Musgrove, The optimization of hybrid energy conversion systems using the
dynamic programming model - Rapsody, International Journal of Energy Research
12(1988) 447-457.
- 286 | HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC 2017
[5] Yang HX, Lu L, Zhou W. A novel optimization sizing model for hybrid solar – wind
power generation system, Solar Energy, 81(1) (2007) 76-84.
[6] Borowy BS, Salameh ZM, Methodology for optimally sizing the combination of a
battery bank và PV array in a wind/PV hybrid system. IEEE Transactions on Energy
Conversion 11(2) (1996) 367-373.
[7] Diaf, D. Diaf, M. Belhamel, M. Haddadi, A. Louche, A methodology for optimal sizing of
autonomous hybrid PV/wind system, Energy Policy 35 (2007) 5708–5718.
[8] Diaf, G. Notton, M. Belhamel, M. Haddadi, A. Louche, Design and techno–economical
optimization for hybrid PV/wind system under various meteorological conditions,
Applied Energy 85 (2008) 968–987.
[9] Hongxing Yang, Lin Lu, Wei Zhou, A novel optimization sizing model for hybrid solar-
wind power generation system, Solar Energy 81 (2007) 76–84.
[10] Zachariah Iverson, Ajit Achuthan, Pier Marzocca, Daryush Aidun, Optimal design of
hybrid renewable energy systems (HRES) using hydrogen storage technology for data
center applications, Renewable Energy 52 (2013) 79–87.
[11] H.X. Yang, L. Lu, J. Burnett, Weather data and probability analysis of hybrid
photovoltaic-wind power generation systems in Hong Kong, Renewable Energy 28
(2003) 1813–1824.
[12] A. Kashefi Kaviani, G.H. Riahy, SH.M. Kouhsari, Optimal design of a reliable hydrogen-
based stand-alone wind/PV generating system, considering component outages,
Renewable Energy 34 (2009) 2380–2390.
[13] N.Z. Al-Rawahi, Y.H. Zurigat and N.A. Al-Azri, Prediction of Hourly Solar Radiation on
Horizontal and Inclined Surfaces for Muscat/Oman, The Journal of Engineering
Research 8 (2) (2011) 19–31.
[14] Robert Foster, Majid Ghassemi, Alma Cota, (2010), Solar Energy: Renewable Energy
and the Environment, CRC Press, Taylor & Francis Group.
[15] Rui Xiong, Xianzhi Gong, Chunting Chris Mi, Fengchun Sun, A robust state–of–charge
estimator for multiple types of lithium-ion batteries using adaptive extended Kalman
Filter, Journal of Power Sources 243 (2013) 805-816
[16] T.H.T. Nguyen, T. Nakayama, M. Ishida, Optimal capacity design of battery and
hydrogen system for the DC grid with photovoltaic power generation based on the
rapid estimation of grid dependency, International Journal of Electrical Power and
Energy Systems, 89 (2017) 27-39
nguon tai.lieu . vn