ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
--------------------

TRẦN HỒNG DUY

ĐÁNH GIÁ HIỆU QUẢ NĂNG LƯỢNG CƠNG TRÌNH
BẰNG MƠ HÌNH MÁY HỌC
CHO CÁC DỰ ÁN XÂY DỰNG SỬ DỤNG
HỆ THỐNG NĂNG LƯỢNG MẶT TRỜI ÁP MÁI
Chuyên ngành
Mã số

: QUẢN LÝ XÂY DỰNG
: 8580302

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 07 năm 2023


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC QUỐC GIA TPHCM
Cán bộ hướng dẫn khoa học:
Cán bộ hướng dẫn 1:

TS. Phạm Hải Chiến

Cán bộ hướng dẫn 2:

PGS.TS Phạm Vũ Hồng Sơn

Cán bộ chấm nhận xét 1:

PGS.TS Quản Thành Thơ

Cán bộ chấm nhận xét 2:

TS. Đặng Thị Trang

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG
Tp. HCM ngày 14 tháng 07 năm 2023.
Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:
1. Chủ tịch hội đồng:

TS. Lê Hoài Long

2. Thư ký hội đồng:

PGS.TS Lương Đức Long

3. Ủy viên phản biện 1:

PGS.TS Quản Thành Thơ

4. Ủy viên phản biện 2:

TS. Đặng Thị Trang

5. Ủy viên:


TS. Nguyễn Hoài Nghĩa

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý
chuyên ngành sau khi luận văn đã được sửa chữa (nếu có).
CHỦ TỊCH HỘI ĐỒNG

TRƯỞNG KHOA
KỸ THUẬT XÂY DỰNG

TS. Lê Hoài Long

PGS.TS Lê Anh Tuấn


ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: TRẦN HOÀNG DUY

MSHV: 1970474

Ngày, tháng, năm sinh: 07/1/1996

Nơi sinh: Khánh Hòa

Chuyên ngành: Quản lý xây dựng


Mã số: 8580302

I. TÊN ĐỀ TÀI: ĐÁNH GIÁ HIỆU QUẢ NĂNG LƯỢNG CƠNG TRÌNH BẰNG MƠ
HÌNH MÁY HỌC CHO CÁC DỰ ÁN XÂY DỰNG SỬ DỤNG HỆ THỐNG NĂNG
LƯỢNG MẶT TRỜI ÁP MÁI
ENERGY EFFICIENCY ASSESSMENT BY MACHINE LEARNING MODELS
FOR CONSTRUCTION PROJECTS USING ROOF SOLAR POWER SYSTEM
II. NHIỆM VỤ VÀ NỘI DUNG:
1. Tìm hiểu tình hình ứng dụng máy học để dự đốn cơng suất phát điện mặt trời áp mái
cơng trình trong giai đoạn quyết định đầu tư dự án.
2. Nghiên cứu xây dựng mơ hình dự báo cơng suất phát của điện mặt trời áp mái cơng trình
(24 giờ tới) dựa trên dữ liệu đại lượng thời tiết và công suất phát điện mặt trời tại các cơng
trình tịa nhà đã có bằng máy học. Qua đó nhận xét ưu, khuyết điểm khi áp dụng.
3. Áp dụng cơng cụ dự đốn sản lượng điện mặt trời vào đánh giá hiệu quả sử dụng năng
lượng tái tạo cho cơng trình tịa nhà.
III. NGÀY GIAO NHIỆM VỤ: 06/02/2023
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 11/06/2023
V. CÁN BỘ HƯỚNG DẪN: TS. PHẠM HẢI CHIẾN - PGS.TS PHẠM VŨ HỒNG
SƠN

Tp. HCM, ngày 11 tháng 06 năm 2023
CÁN BỘ HƯỚNG DẪN 1

CÁN BỘ HƯỚNG DẪN 2

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TS. Phạm Hải Chiến


PGS.TS. Phạm Vũ Hồng Sơn

TS. Lê Hoài Long

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

PGS.TS Lê Anh Tuấn


LỜI CẢM ƠN
Trong suốt thời gian từ khi bắt đầu học tập ở giảng đường đại học đến nay là hồn thành
khóa luận tốt nghiệp sau đại học, em đã nhận được rất nhiều sự quan tâm, giúp đỡ của
quý thầy cơ, gia đình và bạn bè. Đó là động lực rất lớn để em vượt qua những khó khăn
và hồn thành các chương trình học tập tại trường.
Với lịng biết ơn sâu sắc nhất, em xin gửi lời cảm ơn đến quý Thầy Cô Khoa Xây dựng
Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh những người
đã dùng tri thức và tâm huyết của mình để truyền đạt vốn kiến thức quý báu cho chúng
em trong suốt thời gian qua.
Em xin chân thành cảm ơn thầy TS. Phạm Hải Chiến cùng thầy PGS.TS. Phạm Vũ Hồng
Sơn đã hết lịng hướng dẫn tận tình và truyền đạt cho em những kiến thức vô cùng giá
trị để em thực hiện đề tài này.
Sau cùng, em xin kính chúc q Thầy Cơ trong Khoa Xây dựng nói riêng và tồn thể
Thầy Cơ Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh nói
chung thật dồi dào sức khỏe, niềm tin để tiếp tục sự nghiệp trồng người và truyền đạt
kiến thức cho các thế hệ mai sau.
Trân trọng,

i



TĨM TẮT LUẬN VĂN THẠC SĨ
Hiệu quả năng lượng tịa nhà đề cập đến khả năng tối ưu hóa năng lượng và giảm thiểu
lượng năng lượng tiêu thụ trong quá trình vận hành của tịa nhà. Điều này có thể đạt
được thông qua việc sử dụng hệ thống năng lượng mặt trời được lắp đặt trên mái các tòa
nhà, sử dụng tấm pin mặt trời để chuyển đổi năng lượng ánh sáng thành điện năng. Tuy
nhiên, sử dụng hệ thống năng lượng này đối mặt với một số thách thức như chi phí đầu
tư ban đầu cao và thời gian hồn vốn dài, vì vậy cơng cụ dự đốn chính xác công suất
phát của hệ thống điện mặt trời áp mái là cần có trong giai đoạn thiết kế xây dựng và
vận hành tịa nhà.
Việc dự đốn cơng suất điện mặt trời áp mái tòa nhà tương đối phức tạp do sự thay đổi
của nhiều đại lượng liên quan nên để giảm quá trình thu thập dữ liệu và tối thiểu khả
năng can thiệp của con người, việc nghiên cứu máy học và áp dụng các mơ hình dự báo
tối ưu là cần thiết. Bằng việc sử dụng ngôn ngữ Python, luận văn này sẽ đề xuất các mơ
hình máy học phù hợp để xây dựng mơ hình dự báo công suất phát của điện mặt trời áp
mái bao gồm các mơ hình hồi quy độc lập, các mơ hình kết hợp và mơ hình mạng thần
kinh nhân tạo. Các mơ hình sử dụng thơng số đại lượng thời tiết là nhiệt độ, độ ẩm và
tốc độ gió để dự đoán sản lượng điện mỗi 30 phút. Các kết quả thử nghiệm trên tập dữ
liệu thực tế tại Thành phố Hồ Chí Minh, Việt Nam cho thấy rằng mơ hình kết hợp Tăng
cường Gradient – Gradient Boosting Regressor (GBR) cho kết quả tốt nhất với RMSE
là 13.246 (kW) và hệ số R 2 là 0.737.
Dựa vào mơ hình GBR xây dựng các tiêu chí đánh giá hiệu quả năng lượng tái tạo đối
với mức tiêu thụ năng lượng tòa nhà và lượng CO2 được giảm thiểu cho bốn trường hợp
tòa nhà giả định. Các kết quả này có thể được ứng dụng thực tiễn để cải thiện hiệu suất
và khả năng quản lý của các hệ thống năng lượng mặt trời áp mái đang ngày càng cấp
thiết.

ii


ABSTRACT

The efficacy of building energy performance pertains to the ability to optimize energy
utilization and minimize energy consumption throughout the operational lifespan of a
building. This objective can be realized through the incorporation of rooftop solar
energy systems, which harness solar irradiance and convert it into electrical power using
photovoltaic panels. However, the adoption of such systems is confronted with various
challenges, including high initial capital investment and prolonged payback periods.
Consequently, the accurate prediction of power generation capacity for rooftop solar
photovoltaic systems becomes imperative during the design, construction, and operation
phases of buildings.
The prediction of rooftop solar power capacity for buildings is a relatively complex task
due to the variability of multiple related variables. To reduce data collection efforts and
minimize human intervention, research in machine learning and the application of
optimized forecasting models are necessary. By utilizing the Python programming
language, this thesis proposes suitable machine learning models for developing a
forecasting model for rooftop solar power generation, including independent regression
models, ensemble models, and artificial neural network models. These models utilize
weather variables such as temperature, humidity, and wind speed to predict electricity
generation every 30 minutes. Experimental results on real-world data in Ho Chi Minh
City, Vietnam, demonstrate that the ensemble model of Gradient Boosting Regressor
(GBR) yields the best performance, with an RMSE of 13.246 (kW) and an R2 coefficient
of 0.737.
Based on the GBR model, criteria were established to evaluate the effectiveness of
renewable energy for reducing building energy consumption and minimizing CO2
emissions for four hypothetical building cases. These results can be practically applied
to enhance the performance and management capabilities of rooftop solar energy
systems, which are increasingly vital in practice.

iii



LỜI CAM ĐOAN
Tác giả xin cam đoan đây là công trình nghiên cứu của bản thân tác giả. Các kết quả
nghiên cứu và các kết luận trong luận văn này là trung thực, và không sao chép từ bất
kỳ một nguồn nào và dưới bất kỳ hình thức nào. Việc tham khảo các nguồn tài liệu (nếu
có) đã được thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.
Tác giả luận văn

Trần Hoàng Duy

iv


MỤC LỤC
LỜI CẢM ƠN .................................................................................................................i
TÓM TẮT LUẬN VĂN THẠC SĨ .............................................................................. ii
ABSTRACT ................................................................................................................. iii
LỜI CAM ĐOAN ........................................................................................................ iv
DANH MỤC HÌNH ẢNH ......................................................................................... viii
DANH MỤC BẢNG .................................................................................................... ix
DANH MỤC BIỂU ĐỒ .................................................................................................x
DANH MỤC CÁC TỪ VIẾT TẮT ............................................................................ xi
CHƯƠNG 1

MỞ ĐẦU .............................................................................................1

1.1

Đặt vấn đề .........................................................................................................1

1.2


Lý do cho sự lựa chọn đề tài............................................................................6

1.3

Mục tiêu nghiên cứu ........................................................................................7

1.4

Phạm vi nghiên cứu .........................................................................................7

1.5

Ý nghĩa khoa học và thực tiễn của đề tài .......................................................7

1.5.1

Về khoa học .......................................................................................................7

1.5.2

Về thực tiễn ........................................................................................................8

1.6

Cấu trúc luận văn.............................................................................................8

CHƯƠNG 2

TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU ...................................9


2.1

Các nghiên cứu trước đây ...............................................................................9

2.1.1

Các nghiên cứu nước ngoài................................................................................9

2.1.2

Các nghiên cứu trong nước ..............................................................................18

2.2
Các kỹ thuật máy học dùng trong mơ hình dự đốn công suất phát của hệ
thống năng lượng mặt trời ..........................................................................................22
2.2.1

Các mơ hình phân tích hồi quy độc lập ...........................................................24

2.2.2

Các mơ hình kết hợp ........................................................................................26

2.2.3

Mơ hình mạng thần kinh nhân tạo ...................................................................27

2.3


Môi trường ảo thực thi máy học ...................................................................27

CHƯƠNG 3

PHƯƠNG PHÁP NGHIÊN CỨU ...................................................29

3.1

Quy trình thực hiện nghiên cứu ...................................................................29

3.2

Cơng cụ thực hiện nghiên cứu ......................................................................29

3.3

Các lý thuyết, thuật toán áp dụng ................................................................30
v


3.3.1

Các loại dự báo và các phương pháp dự báo ...................................................30

3.3.2

Các mơ hình phân tích hồi quy độc lập ...........................................................32

3.3.3


Các mơ hình kết hợp ........................................................................................36

3.3.4

Mơ hình mạng thần kinh nhân tạo ...................................................................44

3.4

Thiết lập mơ hình dự đốn ............................................................................47

3.5

Các đặc điểm trong mơ hình .........................................................................47

3.6

Kiểm sốt mơ hình dự báo ............................................................................48

3.6.1

Sai số căn trung bình bình phương (RMSE) ....................................................48

3.6.2

Hệ số tương quan R2 ........................................................................................48

3.7

Xây dựng các chỉ số đánh giá hiệu quả năng lượng ...................................49


3.7.1

Xác định mức tiêu thụ năng lượng tòa nhà ......................................................49

3.7.2

Lượng CO2 được giảm thiểu ............................................................................50

3.7.3

Đánh giá tỉ lệ sử dụng nguồn năng lượng tái tạo .............................................51

3.7.4

Chi phí lắp đặt hệ thống điện mặt trời áp mái tòa nhà .....................................51

CHƯƠNG 4

HUẤN LUYỆN MƠ HÌNH DỰ BÁO VÀ THẢO LUẬN .............53

4.1

Tổng quan về dữ liệu .....................................................................................53

4.1.1

Thu thập dữ liệu ...............................................................................................53

4.1.2


Xử lý dữ liệu ....................................................................................................53

4.1.3

Mô tả dữ liệu ....................................................................................................54

4.2

Các biến trong mơ hình dự đốn ..................................................................56

4.3

Kết quả mơ hình máy học và các chỉ số dùng để đánh giá mô hình .........58

4.3.1

Xử lý dữ liệu ....................................................................................................58

4.3.2

Kết quả .............................................................................................................62

4.4

Các chỉ số đánh giá hiệu quả năng lượng ....................................................69

4.4.1

Xác định mức tiêu thụ năng lượng tòa nhà ......................................................69


4.4.2

Trường hợp nghiên cứu....................................................................................70

CHƯƠNG 5

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ......................................74

5.1

Kết luận ...........................................................................................................74

5.2

Giới hạn của nghiên cứu và hướng phát triển của nghiên cứu .................75

5.2.1

Giới hạn về dữ liệu và hướng khắc phục .........................................................75

5.2.2

Giới hạn về mơ hình học máy ..........................................................................75

vi


DANH MỤC CƠNG TRÌNH KHOA HỌC ..............................................................77
DANH MỤC TÀI LIỆU THAM KHẢO ...................................................................78


vii


DANH MỤC HÌNH ẢNH
Hình 1.1 Tịa nhà Deutsches Haus là tòa nhà văn phòng đầu tiên tại Việt Nam phát điện
bằng hệ thống quang điện mặt trời trên mái nhà .............................................................4
Hình 3.1 Quy trình thực hiện nhiệm vụ nghiên cứu ......................................................29
Hình 3.2 Cách thức hoạt động của mơ hình Rừng ngẫu nhiên......................................38
Hình 3.3 Lưu đồ thuật tốn GBR ..................................................................................41
Hình 3.4 Mạng thần kinh nhân tạo cơ bản ....................................................................44
Hình 3.5 Mơ hình MLP với 1 lớp ẩn .............................................................................46
Hình 3.6 Quy trình cơ bản để huấn luyện mơ hình dự đốn .........................................47
Hình 4.1 Vị trí bốn tịa nhà ở thành phố Hồ Chí Minh .................................................55
Hình 4.2 Mơ tả dữ liệu...................................................................................................57
Hình 4.3 So sánh dữ liệu huấn luyện và dữ liệu kiểm tra trước (a) và sau (b) khi hiệu
chỉnh mơ hình GBR .......................................................................................................67
Hình 4.4 Xếp hạng tầm quan trọng các đặc điểm .........................................................68
Hình 4.5 Đường cong học tập của mơ hình GBR .........................................................68

viii


DANH MỤC BẢNG
Bảng 2.1 Một số nghiên cứu nước ngoài áp dụng AI dự báo năng lượng tòa nhà phục vụ
cho việc quản lý xây dựng .............................................................................................10
Bảng 2.2 Một số nghiên cứu nước ngồi xây dựng mơ hình máy học dự báo công suất
phát điện mặt trời áp mái ...............................................................................................14
Bảng 2.3 Bảng liệt kê một số đề tài nghiên cứu trong nước .........................................18
Bảng 3.1 Các công cụ thực hiện nghiên cứu .................................................................30
Bảng 3.2 Phân loại các loại dự báo theo khoảng thời gian ...........................................31

Bảng 3.3 Các đặc điểm được xem xét giá trị tương quan với công suất phát ...............47
Bảng 3.4 Hệ số phát thải................................................................................................50
Bảng 3.5 Thang phân loại tiêu thụ năng lượng tái tạo ..................................................51
Bảng 3.6 Bảng phân bổ chi phí lắp đặt hệ thống năng lượng mặt trời áp mái ..............51
Bảng 4.1 Thống kê công suất lắp đặt của 04 tòa nhà ....................................................54
Bảng 4.2 Phân loại đặc điểm khí tượng.........................................................................55
Bảng 4.3 Bảng quy đổi điều kiện thời tiết .....................................................................56
Bảng 4.4 Đặc điểm dữ liệu ............................................................................................57
Bảng 4.5 Các cặp đặc điểm có hệ số tương quan từ cao đến thấp ................................59
Bảng 4.6 Kết quả so sánh các mơ hình áp dụng xây dựng mơ hình dự báo cơng suất phát
năng lượng mặt trời áp mái............................................................................................62
Bảng 4.7 Đánh giá mô hình sau khi kiểm tra chéo........................................................65
Bảng 4.8 Phân loại tịa nhà tại Singapore theo kích thước ............................................69
Bảng 4.9 Các tiêu chí đánh giá về hiệu quả năng lượng tịa nhà ..................................71
Bảng 4.10 Chi phí lắp đặt và vốn hệ thống mỗi năm ....................................................72
Bảng 4.11 Chi phí từ hệ thống điện mặt trời áp mái theo từng năm (trong 20 năm) ....73

ix


DANH MỤC BIỂU ĐỒ
Biểu đồ 1.1 Lượng khí thải CO2 trong năm 2022. ..........................................................2
Biểu đồ 2.1 Quy trình huấn luyện mơ hình bằng máy học............................................23
Biểu đồ 2.2 Các mơ hình máy học áp dụng trong luận văn ..........................................24
Biểu đồ 3.1 Biểu đồ phân loại các mơ hình kết hợp theo chức năng ............................37
Biểu đồ 4.1 Ma trận tương quan Pearson ......................................................................58
Biểu đồ 4.2 Thể hiện các cặp đặc điểm có hệ số tương quan cao .................................59
Biểu đồ 4.3 Biểu đồ phân bố dữ liệu mỗi đặc điểm được đưa vào mơ hình .................61
Biểu đồ 4.4 Biểu đồ tần suất mỗi đặc điểm đưa vào mơ hình trước và sau khi chuẩn hóa
.......................................................................................................................................62

Biểu đồ 4.5 So sánh các mơ hình theo RMSE...............................................................63
Biểu đồ 4.6 So sánh các mơ hình theo R2......................................................................64
Biểu đồ 4.7 So sánh các mơ hình theo thời gian thực hiện ...........................................64
Biểu đồ 4.8 So sánh các mơ hình bằng kiểm tra chéo KFold........................................65
Biểu đồ 4.9 So sánh công suất phát với công cụ hỗ trợ tham khảo...............................71

x


DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt

Từ gốc tiếng Anh (nếu có)

Tiếng Việt

GBR

Gradient Boosting Regressor

Tăng cường Gradient

AI

Artificial Intelligence

Trí tuệ nhân tạo

ANN


Artificial Neural Networks

Mạng thần kinh nhân tạo

ETR

Extra Tree Regressor

Hồi quy cây quyết định

KNR

Kneighbors Regressor

Hồi quy K-lân cận gần nhất

MLP

Multilayer Perceptron

Mạng nhiều tầng truyền thẳng

RF

Random Forest

Hồi quy rừng ngẫu nhiên

SVR


Support Vector Regression

Hồi quy dựa theo vectơ hỗ trợ

RMSE

Root Mean Square Error

Sai số căn trung bình bình phương

RR

Ridge Regression

Hồi quy Ridge

R2

Coefficient of Determination

Hệ số xác định

XGBoost

Extreme Gradient Boosting

Tăng cường Gradient cực cao

xi



CHƯƠNG 1
1.1

MỞ ĐẦU

Đặt vấn đề

Ngày nay, một trong những thách thức đáng kể mà ngành quản lý xây dựng đối mặt là
sự gia tăng phức tạp của các dự án. Mỗi dự án xây dựng thường có độ phức tạp riêng về
cấu trúc dự án, kỳ vọng từ phía chủ đầu tư, điều kiện mặt bằng và cách thu hồi vốn, vì
thế chi phí thất bại và chi phí phát sinh từ các rủi ro không thể dự báo trước trong các
dự án xây dựng phức tạp là tương đối cao. Hiệu quả sử dụng năng lượng là một trong
những tiêu chí quan trọng cần được đánh giá đầu tiên trong ngành quản lý xây dựng,
thúc đẩy việc xác định các rủi ro liên quan đến giai đoạn lên kế hoạch thực hiện dự án
xây dựng [1]. Hiệu quả sử dụng năng lượng có ảnh hưởng đến ngành quản lý xây dựng
ba khía cạnh sau [2]:
i)

Đầu tiên, hiệu quả năng lượng của tịa nhà ảnh hưởng đến chi phí hoạt động và bảo
trì của tịa nhà. Khi tịa nhà được thiết kế để tiết kiệm năng lượng thì chi phí vận
hành sẽ giảm, đồng thời giúp tăng độ ổn định và tuổi thọ của tịa nhà. Chủ đầu tư
có thể đảm bảo việc các tòa nhà được thiết kế và đưa vào hoạt động đáp ứng được
các tiêu chuẩn về hiệu quả năng lượng và các yêu cầu về bảo trì;

ii) Thứ hai, hiệu quả năng lượng của tịa nhà cũng có tác động đến mơi trường, bởi vì
tịa nhà tiêu thụ năng lượng và tài nguyên đất đai. Nếu chủ đầu tư đầu tư vào các
giải pháp tiết kiệm năng lượng, như sử dụng vật liệu xây dựng thân thiện với mơi
trường, cải thiện hệ thống điều hịa khơng khí hoặc sử dụng năng lượng tái tạo sẽ
giảm thiểu khả năng ô nhiễm và tác động tiêu cực đến môi trường;

iii) Thứ ba, tác động của hiệu suất năng lượng cũng có thể ảnh hưởng đến giá trị của
tịa nhà. Tòa nhà được thiết kế để tiết kiệm năng lượng và sử dụng các công nghệ
tiên tiến như sử dụng năng lượng tái tạo để tăng cường hiệu suất sẽ có giá trị cao
hơn và thu hút khách hàng hơn.
Bên cạnh đó, theo báo cáo “2021 Global Status Report for Buildings and Construction”
[3], lĩnh vực xây dựng góp phần đáng kể vào việc thải ra khí thải carbon, chiếm tỷ lệ
37% tổng lượng khí thải carbon trên tồn cầu (Biểu đồ 1.1). Đây là một ngun nhân
chính góp phần vào hiệu ứng nhà kính và đóng góp khoảng 36% vào tổng mức sử dụng

1


năng lượng trên toàn thế giới. Như vậy, việc giảm sử dụng năng lượng trong các dự án
xây dựng không chỉ giúp giảm lượng khí carbon thải ra mà cịn đảm bảo an ninh năng
lượng quốc gia trước nguy cơ cạn kiệt nguồn điện dự phịng.
Lượng khí thải CO2
6%

6%
Cư dân (trực tiếp)

11%
23%

Cư dân (gián tiếp)
Không từ cư dân (trực tiếp)

3%

Không từ cư dân (gián tiếp)


7%

Ngành xây dựng cơng trình
Xây dựng khác
Các ngành cơng nghiệp khác

10%

Giao thơng
24%

Khác

10%

Biểu đồ 1.1 Lượng khí thải CO2 trong năm 2022.
Nguồn: [3]
Chú thích: "Ngành xây dựng cơng trình" là phần (ước tính) của tổng thể ngành dành
cho sản xuất vật liệu xây dựng như thép, xi măng và thủy tinh. Phát thải gián tiếp là
phát thải từ quá trình phát điện để sản xuất điện và nhiệt thương mại.
Một trong các biện pháp nâng cao việc sử dụng năng lượng hiệu quả tại các cơng trình
xây dựng là triển khai hệ thống điện mặt trời áp mái [4]. Mái của các tịa nhà trong đơ
thị được xem như các vị trí đầy hứa hẹn cho việc lắp đặt hệ thống quang điện mặt trời
[5]. Việc sử dụng trực tiếp năng lượng mặt trời trong các tòa nhà có thể xảy ra thơng
qua các hệ thống quang điện mặt trời nhằm mục đích hấp thụ bức xạ mặt trời và tạo ra
điện [6]. Năng lượng mặt trời là một nguồn năng lượng sạch, không chịu tác động của
sự biến động từ giá cả nhiên liệu đầu vào như các nguồn năng lượng truyền thống khác.
Ngoài ra, chi phí đầu tư cho hệ thống năng lượng mặt trời cũng giảm dần theo thời gian
nhờ sự tiến bộ trong công nghệ sản xuất tấm pin quang điện. Với nguồn năng lượng vô

cùng rộng lớn, điện mặt trời không chỉ góp phần tiết kiệm điện tịa nhà, tăng hiệu quả
đầu tư, mà đồng thời bảo vệ mơi trường, ứng phó biến đổi khí hậu [1].
2


Hiện nay ở Việt Nam đang thúc đẩy sự phát triển mạnh mẽ của điện mặt trời theo hình
thức tự sản tự tiêu, bao gồm cả việc sử dụng điện mặt trời từ mái nhà của người dân và
mái công trình xây dựng. Theo Quyết định số 500/QĐ-TTg Phê duyệt Quy hoạch điện
VIII ngày 15/5/2023 1, tiềm năng điện mặt trời mái nhà khoảng 48,200MW, từ nay đến
năm 2030 công suất của nguồn điện loại hình này ước tính tăng thêm 2,600MW và được
ưu tiên phát triển không giới hạn cơng suất, mục tiêu có 50% các tịa nhà cơng sở và
50% nhà dân dụng sử dụng hệ thống quang điện trên mái tự sản tự tiêu. Thị trường này
thực sự rất lớn để các chủ đầu tư nghiên cứu đầu tư, các nhà thầu tư vấn lắp đặt và đơn
vị vận hành tham gia. Các lí do để Việt Nam thuận lợi sử dụng hệ thống điện mặt trời
trên mái các tịa nhà được xét đến như sau:
• Việc lắp đặt điện mặt trời áp mái không tốn diện tích đất, nhà đầu tư tận dụng diện
tích mặt bằng mái lớn (khơng bị che bóng) tại các tịa nhà văn phịng, khu cơng nghiệp,
cơ sở hạ tầng sẵn có,… giúp tăng nguồn thu cho nhà đầu tư.
• Cơ sở hạ tầng điện lưới đầy đủ, đấu nối vào lưới điện hạ áp và trung áp hiện hữu đơn
giản nhanh chóng, giảm q tải lưới điện truyền tải, giúp chính quyền giảm ngân sách
đầu tư vào các cơng trình nguồn điện và lưới truyền tải điện.
• Quy mơ dự án nhỏ, vốn không lớn, phù hợp nhiều đối tượng tham gia, đạt mục tiêu xã
hội hóa, mở rộng nguồn phát điện, tăng sản lượng điện sạch.

Quyết định số 500/QĐ-TTg của Thủ tướng Chính phủ Phê duyệt Quy hoạch phát triển điện lực quốc gia thời kỳ
2021 – 2023, tầm nhìn đến năm 2050 (gọi tắt là Quy hoạch điện VIII) ngày 15 tháng 5 năm 2023.

1

3



Hình 1.1 Tịa nhà Deutsches Haus là tịa nhà văn phòng đầu tiên tại Việt Nam phát
điện bằng hệ thống quang điện mặt trời trên mái nhà
Nguồn: Deutsches Haus Ho Chi Minh City
Dự đốn cơng suất điện mặt trời áp mái là một khía cạnh cần thiết của việc sử dụng hiệu
quả năng lượng, nhất là trong lĩnh vực năng lượng tái tạo. Dự đốn cơng suất điện mặt
trời áp mái sẽ ảnh hưởng đến ngành quản lý xây dựng trong các khía cạnh sau:
• Thiết kế tịa nhà: Dự đốn cơng suất điện mặt trời áp mái sẽ giúp đơn vị thiết kế tính
tốn được cơng suất lắp đặt cần thiết để đáp ứng nhu cầu sử dụng điện của tịa nhà.
Nhờ đó, họ có thể tích hợp hệ thống mặt trời áp mái vào thiết kế tòa nhà một cách hiệu
quả nhất.
• Rà sốt năng lượng tiêu thụ: Dự đốn cơng suất điện mặt trời trên mái giúp tư vấn thiết
kế đánh giá lượng năng lượng tiêu thụ của tịa nhà và các thiết bị điện. Từ đó, họ có
thể đưa ra thiết kế hợp lý về việc sử dụng năng lượng tái tạo và tối ưu hóa hiệu quả sử
dụng năng lượng.
• Nghiên cứu và phát triển: Dự đốn cơng suất điện mặt trời áp mái hỗ trợ chủ đầu tư
đưa ra quyết định sử dụng tài chính vào các cơng nghệ mới để tối ưu hóa sử dụng năng
lượng trong các tòa nhà.

4


• Nâng cấp chất lượng cuộc sống: Việc tích hợp hệ thống quang điện vào mái các tịa
nhà khơng chỉ giúp tiết kiệm năng lượng mà còn giúp cải thiện chất lượng cuộc sống
của cư dân trong các khu đô thị.
Chủ đầu tư ln mong muốn thời gian hồn vốn nhanh và tiết kiệm tài chính tối đa có
thể từ các hệ thống năng lượng mặt trời [7]. Một dự án có sử dụng điện mặt trời áp mái
điển hình có thể được chia thành năm giai đoạn: lập báo cáo khả thi, kỹ thuật, xây dựng,
khai thác và ngừng hoạt động [8]. Do đó, cần phải có cơng cụ dự đốn chính xác cơng

suất phát của hệ thống điện mặt trời áp mái trước khi vận hành để các nhà thiết kế và
quản lý xây dựng có thể đưa ra các quyết định sáng suốt nhằm đạt được tính bền vững
về kinh tế của các hệ thống điện mặt trời áp mái.
Nếu thiếu cơng cụ dự đốn cơng suất phát điện mặt trời hoặc cơng cụ này khơng chính
xác thì sẽ gây ra một số hậu quả tiêu cực đối với quản lý xây dựng, bao gồm:
• Thiết kế khơng hiệu quả: Nếu thiếu cơng cụ dự đốn chính xác về công suất điện mặt
trời, người thiết kế sẽ không thể thiết kế hệ thống mặt trời áp mái một tối ưu. Điều này
có thể dẫn đến hình thức sử dụng thiết bị phát điện dự phịng hoặc khơng đáp ứng đủ
nhu cầu sử dụng điện.
• Thiếu độ chính xác trong dự báo: Nếu cơng cụ dự đốn thiếu chính xác, chủ đầu tư có
thể khơng dự báo chính xác được sản lượng điện mặt trời. Điều này có thể gây ra sự
cố về điện hoặc đòi hỏi phải sử dụng nhiều nguồn năng lượng khác nhau để đáp ứng
nhu cầu sử dụng điện.
• Khó khăn trong việc đánh giá hiệu quả: Nếu cơng cụ dự đốn thiếu chính xác, chủ đầu
tư sẽ khó khăn trong việc đánh giá hiệu quả của hệ thống mặt trời áp mái. Điều này có
thể ảnh hưởng đến quyết định đầu tư và chi phí để cài đặt hệ thống.
• Mất thời gian và tiền bạc: Nếu cơng cụ dự đốn thiếu chính xác, chủ đầu tư sẽ phải
dành nhiều thời gian và vốn để tìm kiếm và sử dụng các cơng cụ khác để đảm bảo tính
chính xác của dự báo. Điều này có thể gây ra các chi phí khơng đáng có và làm giảm
hiệu quả của dự án.
Vì vậy, cơng cụ dự đốn cơng suất phát điện mặt trời là rất quan trọng trong ngành quản
lý xây dựng và cần phải được sử dụng một cách chủ động và đáng tin cậy để đảm bảo
tính hiệu quả của các dự án. Nghiên cứu này sẽ mang lại lợi ích cho các nhà thiết kế và

5


quản lý xây dựng trong việc xác định giải pháp tối ưu để triển khai hệ thống năng lượng
mặt trời trên mái nhà và mặt tiền trong các giai đoạn thiết kế và xây dựng.
Do đó, đánh giá hiệu quả việc lắp đặt hệ thống điện năng lượng mặt trời áp mái cơng

trình thơng qua cơng cụ dự đốn cơng suất phát, là căn cứ để chủ đầu tư phân chia nguồn
lực về tài chính dự án, đặc biệt trong giai đoạn nghiên cứu tiền khả thi. Vấn đề về dự
đốn cơng suất phát của hệ thống điện mặt trời áp mái cần thiết trong giai đoạn nghiên
cứu đầu tư xây dựng cơng trình sẽ là vấn đề được nghiên cứu trong đề tài này.
1.2

Lý do cho sự lựa chọn đề tài

Việc dự báo tải và sử dụng năng lượng tái tạo rất quan trọng đối với việc quản lý năng
lượng tòa nhà và tiết kiệm năng lượng ở nhiều khía cạnh khác nhau, ví dụ như đáp ứng
nhu cầu sử dụng, tiết giảm phụ tải đỉnh, vận hành tối ưu, giảm thiểu lãng phí năng lượng
và triển khai tịa nhà khơng sử dụng năng lượng. Trong đó sử dụng AI để dự báo năng
lượng được nhiều nhà nghiên cứu thực hiện.
Máy học là một lĩnh vực thuộc AI, sử dụng chương trình máy tính để học hỏi từ những
dữ liệu, phân chia các mẫu và đưa ra chọn lựa với sự can dự ít nhất của con người. Việc
sử dụng máy học để dự báo công suất phát hệ thống điện mặt trời áp mái tịa nhà có
những lợi ích sau:
i)

So với các phương pháp kỹ thuật, phương pháp dự đốn dựa trên máy học u cầu
ít thơng tin vật lý chi tiết hơn của tòa nhà. Người phát triển mơ hình khơng cần phải
có kiến thức cao về các tham số vật lý của tòa nhà, điều này giúp tiết kiệm cả thời
gian và chi phí cho việc thực hiện dự đốn;

ii) Q trình thu thập dữ liệu và tải chúng tương đối thuận tiện, điều đó có nghĩa là mơ
hình dự báo có thể được thiết lập dễ dàng;
iii) Dựa trên các nghiên cứu trước đây, các phương pháp dự đoán dựa trên máy học
mang lại độ chính xác dự đốn đầy hứa hẹn khi mơ hình được đào tạo tốt.
Các phương pháp xây dựng mơ hình máy học dự đốn cơng suất phát của điện mặt trời
rất đa dạng và thay đổi theo nhiều yếu tố, tuy nhiên gặp phải các thách thức chung sau:

• Những thay đổi của các đại lượng thời tiết như nhiệt độ, độ ẩm, tốc độ gió và bức xạ
mặt trời của các khu vực khác nhau tác động đáng kể đến sự thay đổi của công suất

6


đầu ra do hệ thống năng lượng mặt trời tạo ra [9]. Từ đó gây hiệu ứng đến khả năng
dự đốn chính xác sản lượng điện dự kiến của hệ thống.
• Ngày càng có nhiều mơ hình mới được phát hiện, cải thiện khả năng tính tốn nên các
mơ hình dùng để dự đoán từ trước trở nên thiếu hiệu quả.
Vì vậy, việc nghiên cứu Đánh giá hiệu quả năng lượng cơng trình bằng mơ hình máy
học cho các dự án xây dựng sử dụng hệ thống năng lượng mặt trời áp mái là cần thiết
để giải quyết các thách thức trên và có ý nghĩa ở Việt Nam hiện nay.
1.3
i)

Mục tiêu nghiên cứu
Tìm hiểu ứng dụng máy học dự đốn cơng suất phát điện mặt trời áp mái cần thiết
trong giai đoạn quyết định đầu tư dự án.

ii) Nghiên cứu xây dựng mơ hình dự báo cơng suất phát của điện mặt trời áp mái (24
giờ tới) dựa trên dữ liệu đại lượng thời tiết và công suất phát điện mặt trời tại các
cơng trình tịa nhà đã có bằng máy học. Qua đó nhận xét ưu, khuyết điểm khi áp
dụng.
iii) Áp dụng cơng cụ dự đốn sản lượng điện mặt trời vào đánh giá hiệu quả sử dụng
năng lượng tái tạo cho tòa nhà.
1.4

Phạm vi nghiên cứu


Địa điểm: Nghiên cứu áp dụng cho các cơng trình xây dựng tòa nhà văn phòng sử dụng
hệ thống năng lượng mặt trời áp mái tại Thành phố Hồ Chí Minh.
Đối tượng nghiên cứu: máy học, công suất phát của hệ thống điện mặt trời áp mái.
Đối tượng khảo sát: Dữ liệu là công suất lắp đặt, đại lượng thời tiết, công suất phát của
cơng trình sử dụng điện mặt trời áp mái.
Cơng cụ: Ngơn ngữ lập trình Python và các mơi trường hỗ trợ tính tốn tương ứng.
1.5

Ý nghĩa khoa học và thực tiễn của đề tài

1.5.1 Về khoa học
Sau khi hồn tất, nghiên cứu này sẽ đóng góp về mặt khoa học các nội dung như sau:
Là nghiên cứu áp dụng máy học vào ngành quản lý xây dựng, mô hình với các điều kiện
ngồi tầm kiểm sốt của thế giới thực.

7


Đánh giá tính hiệu quả mơ hình máy học trong dự đốn cơng suất phát điện mặt trời áp
mái cần thiết trong việc xác định tính hiệu quả năng lượng trong cơng trình xây dựng.
Xây dựng tiền đề cho các nghiên cứu máy học về sau, đóng góp thêm phương thức mới
cho lĩnh vực quản lý xây dựng hiện nay.

1.5.2 Về thực tiễn
Phát triển thêm cơng cụ dự đốn sản lượng đầu ra của năng lượng tái tạo, từ đó đánh giá
hiệu quả năng lượng tòa nhà trong giai đoạn thiết kế cơ sở.
Giúp các nhà đầu tư dự án có thêm các phương án để đánh giá về kỹ thuật và tài chính
trong bối cảnh thế giới đang nỗ lực giảm phát thải khí nhà kính liên quan tới dự án trong
giai đoạn thiết kế và vận hành.
Từ đó nâng cao năng lực quản lý xây dựng ở Việt Nam, hướng tới phát triển ngành xây

dựng bền vững.
1.6

Cấu trúc luận văn

CHƯƠNG 1: MỞ ĐẦU: Giới thiệu chung về vấn đề nghiên cứu: đặt vấn đề, lý do cho
sự lựa chọn đề tài, đối tượng và phạm vi, phương pháp, quy trình, cơng cụ nghiên cứu.
CHƯƠNG 2: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU: Trình bày tổng quan về
vấn đề đã được nghiên cứu trong và ngoài nước.
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU: Trình bày cơ sở lý thuyết các mơ
hình sử dụng để dự báo cơng suất phát năng lượng mặt trời.
CHƯƠNG 4: ĐÀO TẠO MƠ HÌNH DỰ ĐỐN VÀ THẢO LUẬN VỀ KẾT QUẢ:
Xây dựng và so sánh các mơ hình để chọn mơ hình dự báo hiệu quả nhất. Áp dụng mơ
hình dự báo cho các chỉ số hiệu quả năng lượng tòa nhà.
CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN: Đưa ra kết luận về vấn đề
nghiên cứu đã đề xuất và một số gợi ý phát triển hướng nghiên cứu trong tương lai.

8


CHƯƠNG 2
2.1

TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU

Các nghiên cứu trước đây

Những năm gần đây, khoa học máy tính trong ngành xây dựng được các nhà khoa học
quan tâm và thúc đẩy ứng dụng. Nhiều nghiên cứu trong và ngoài nước trong vấn đề sử
dụng AI được thực hiện ở nhiều loại hình dự án khác nhau: dân dụng, cảng biển, dự án

năng lượng,… Các tác giả đã nghiên cứu và áp dụng nhiều phương pháp từ các góc độ
khác nhau.

2.1.1 Các nghiên cứu nước ngồi
Thơng qua các bài báo nước ngồi gần đây, có thể thấy rằng các ứng dụng AI cho xây
dựng các tòa nhà chủ yếu liên quan đến ba khía cạnh, đó là (i) phát hiện và kiểm sốt
mơi trường trong nhà, chẳng hạn như nhiệt độ, độ ẩm và chất lượng khơng khí, (ii) hiệu
quả của tòa nhà sử dụng đa năng lượng, (iii) độ chính xác dự đốn của dự báo (để kiểm
sốt tối ưu) trong các tòa nhà, bao gồm dự báo tải năng lượng, hệ thống phụ (ví dụ: hệ
thống sưởi, thơng gió và điều hịa khơng khí (HVAC), chiếu sáng), hiệu suất và cấu trúc
an tồn của tịa nhà [10].
Với các ứng dụng AI, tịa nhà có thể có hiệu suất tốt hơn trong sự thoải mái khi vận hành
(duy trì sự thoải mái về nhiệt trong nhà, duy trì chất lượng khơng khí trong nhà, loại bỏ
q trình làm mát/sưởi ấm, loại bỏ việc làm mát/sưởi ấm không đủ, tối đa hóa thơng
gió/chiếu sáng tự nhiên), chi phí (ví dụ: giảm thiểu năng lượng chi phí, độ chính xác của
dự báo phụ tải, tối đa hóa việc phát điện, loại bỏ các hoạt động khơng cần thiết) và an
tồn (an tồn kết cấu tịa nhà, an tồn vận hành thiết bị, an toàn vận hành cơ sở, an toàn
vận hành khẩn cấp).
Tổng quan có ba phương pháp dự đốn năng lượng trong các tịa nhà: thiết lập cơng thức
dựa trên mối quan hệ vật lý, dựa vào AI và kết hợp hai phương pháp trên. Các phương
pháp dựa trên mối quan hệ vật lý và kết hợp chủ yếu dự đoán mức tiêu thụ năng lượng
bằng cách giải các phương trình nhiệt động lực học, trong khi phương pháp dựa trên AI
dựa trên các kỹ thuật khai thác dữ liệu như: sử dụng dữ liệu lịch sử để dự báo việc sử
dụng năng lượng trong tương lai dưới các ràng buộc, sử dụng ANN, hay kết hợp nhiều
mơ hình dự đoán dựa trên AI đơn lẻ để cải thiện độ chính xác của dự đốn phức tạp.

9


Luận văn đã tổng hợp một số nghiên cứu nước ngoài liên quan đến áp dụng AI để dự

báo các dạng năng lượng tòa nhà phục vụ cho việc quản lý xây dựng (Bảng 2.1).
Bảng 2.1 Một số nghiên cứu nước ngồi áp dụng AI dự báo năng lượng tịa nhà phục
vụ cho việc quản lý xây dựng
STT

Tên nghiên cứu

Tác giả

Năm

Mô tả
Nghiên cứu tổng quan về

1

An Overview of

các phương pháp thường

Artificial

được sử dụng AI, đặc biệt

Intelligence-

về mạng thần kinh, logic

Based Methods


Moncef Krarti

2003

mờ và thuật toán di

for Building

truyền để dự báo mức sử

Energy Systems

dụng năng lượng của tịa

[11]

nhà và mơ hình truyền
nhiệt của vỏ tịa nhà.
Nghiên cứu này lập mơ
hình dự báo năng lượng
mặt trời tòa nhà ở Ấn Độ

Solar irradiance
forecasting and
energy
2

optimization for
achieving nearly
net zero energy

building [12]

và làm rõ khái niệm kiến
A. Naveen

trúc năng lượng mặt trời

Chakkaravarthy,

thụ động đang được tăng

M. S. P. Subathra,
P. Jerin Pradeep,

2018

cường trong một số lĩnh
vực để đạt được khái

và Nallapaneni

niệm năng lượng bằng

Manoj Kumar

khơng.
Mơ hình sử dụng: Hồi
quy tuyến tính (LR), hồi
quy SMO và RF.
Kết quả tốt nhất: RF.


3

When artificial

Biao Yan, Fei Hao

intelligence

và Xi Meng

10

2020

Bài báo tiến hành xem xét
và so sánh các cách tiếp


meets building

cận dựa trên AI trong các

energy

tòa nhà năng lượng bằng

efficiency, a

khơng.


review focusing

Tóm tắt các ứng dụng về

on zero enery

cảm biến dựa trên internet

building [10]

vạn vật (IoT) cho tiện
nghi nhiệt, thuật tốn để
kiểm sốt đa năng lượng
tịa nhà và phương pháp
dự báo tải tòa nhà, hiệu
suất hệ thống phụ và an
toàn cấu trúc.
Nghiên cứu này đánh giá
chuyên sâu về các nghiên
cứu gần đây về ứng dụng
AI trong các tịa nhà
thơng minh thông qua
khái niệm hệ thống quản

Hooman Farzaneh,

4

Artificial


Ladan

Intelligence

Malehmirchegini,

Evolution in

Adrian Bejan,

Smart Buildings

Taofeek Afolabi,

for Energy

Alphonce

Efficiency [13]

Mulumba và

lý tịa nhà và các chương
trình đáp ứng nhu cầu.
Nghiên cứu giới thiệu
2021

một khung đánh giá và sử
dụng để đánh giá nghiên

cứu gần đây trên các lĩnh

Precious P. Daka

vực AI chính, bao gồm
năng lượng, độ thoải mái,
thiết kế và bảo trì.
Cuối cùng, bài viết thảo
luận về những thách thức
mở và hướng nghiên cứu
trong tương lai về ứng

11