Bài viết Ứng dụng giải pháp giám sát tải không xâm nhập trong quản lý phụ tải và tăng cường hiệu quả sử dụng điện mô tả tổng quan các nghiên cứu GSTKXN trên thế giới, đồng thời giới thiệu mô hình thử nghiệm được phát triển bởi các tác giả, dựa trên các phân tích dữ liệu phụ tải, thuật toán học sâu (Deep learning) thông minh. | CHUYỂN ĐỔI SỐ VÀ NÂNG CAO HIỆU QUẢ HỆ THỐNG ĐIỆN QUỐC GIA ỨNG DỤNG GIẢI PHÁP GIÁM SÁT TẢI KHÔNG XÂM NHẬP TRONG QUẢN LÝ PHỤ TẢI VÀ TĂNG CƯỜNG HIỆU QUẢ SỬ DỤNG ĐIỆN 1 1 2 3 Lê Thanh Tùng Vũ Thành Trung Lê Đại Dương Nguyễn Ngọc Hải 1Ban quản lý dự án điện 1 Tập đoàn điện lực Việt Nam 0904373240 tunglt229@ 2Tổng công ty Công nghiệp Công nghệ cao Viettel 0386782192 ledaiduongvnth@ 3Bauman moscow state technical university 7965207085 Tóm tắt Đảm bảo an ninh năng lượng là vấn đề cấp thiết ở mỗi Quốc gia trong đó việc quản lý vận hành hệ thống điện ổn định và sử dụng năng lượng điện hiệu quả được coi là một trong những nhiệm vụ trọng tâm. Hiện nay các nghiên cứu trong ngành điện đang tập trung chủ yếu đến các giải pháp hiệu quả năng lượng đối với nguồn phát và lưới điện truyền tải phân phối. Hiệu quả sử dụng năng lượng dân dụng ít được quan tâm hơn song đây là thành phần chiếm tỷ trọng đáng kể và có vai trò quyết định đến sự ổn định của hệ thống điện. Hiện nay với sự phát triển của công nghệ thông tin các giải pháp số trong quản lý hệ thống điện nhỏ hộ gia đình được nhắc đến nhiều như nhà thông minh. Tuy nhiên các giải pháp này chưa phổ biến do chi phí đầu tư thiết bị cũng như tái cấu trúc mạng điện tòa nhà tương đối cao. Bài báo này giới thiệu giải pháp giúp các tòa nhà hộ gia đình quản lý điện năng tiêu thụ một cách chủ động giảm đến 20 hóa đơn tiền điện hàng tháng làm đều phụ tải hệ thống và gần như không mất chi phí đầu tư ban đầu. Giải pháp đề cập ở đây là Giám sát tải không xâm nhập GSTKXN tức là chỉ thông qua số liệu đo tải điện ở đầu vào tòa nhà từ công tơ điện tử có thể nhận biết và phân tách tải của các thiết bị điện đang sử dụng chuẩn đoán sự bất thường và lỗi của các thiết bị tiêu tốn điện trong thời gian thực. Trong bài báo mô tả tổng quan các nghiên cứu GSTKXN trên thế giới đồng thời giới thiệu mô hình thử nghiệm được phát triển bởi các tác giả dựa trên các phân tích dữ liệu phụ tải thuật toán học sâu Deep .
