Bộ giáo dục v đo tạo Trờng đại học Bách khoa hμ néi ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯ Ngun Qu©n nhu NGHI£N CøU Vμ ứNG DụNG MạNG NƠRON V LÔGíC Mờ CHO BI TOáN Dự BáO PHụ TảI ĐIệN NGắN HạN Chuyên ngnh : ĐO ll ờng Mó s: 62.52.62.01 Tóm tắt luận án tiÕn sÜ KỸ THUẬT Hμ Néi - 2011 Cơng trình nghiên cứu hoàn thiện Trường đại học Bách khoa Hà Nội ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯ Ng−êi h−íng dÉn khoa häc : PGS TS Phạm thợng hn PGS TSKH Trần hoμi linh Phản biện 1: GS.TSKH Thân Ngọc Hoàn Đại học Hải Phòng Phản biện 2: PGS.TS Nguyễn Văn Tách Cục đo lường quân đội - Hà Nội Phản biện 3: TS Cao Minh Quyền Viện Khoa học công nghệ quân - Hà Nội Luận án bảo vệ trước Hội đồng chấm luận án cấp Trường, họp Trường đại học Bách khoa Hà Nội Vào hồi 14 ngày16 tháng.3 năm 2012 Có thể tìm hiểu luận án thư viện Quốc gia thư viện Trường Đại học Bách khoa Hà Nội DANH MỤC CÁC BÀI BÁO KHOA HỌC LIÊN QUAN ĐẾN LUẬN ÁN ĐÃ CƠNG BỐ Trần Hồi Linh, Nguyễn Qn Nhu, Application of hybrid model in daily peak power load prediction problem (Ứng dụng mơ hình hỗn hợp dự báo phụ tải đỉnh biểu đồ phụ tải ngày) Tạp chí Khoa học cơng nghệ trường đại học kỹ thuật, số 73, trang 46-49, 2009 Trần Hoài Linh, Nguyễn Quân Nhu,Trần văn Giang, Polit Monique, Ứng dụng phương pháp chuỗi thời gian mạng nơ ron dự báo phụ tải ngày thành phố Hà Nội (Estimation of short - time daily power load for Ha Noi city using time series and neural networks) Tạp chí Khoa học công nghệ Đại học Thái Nguyên, tập 55, số 7, trang 75-80, 2009 Trần Hoài Linh, Nguyễn Quân Nhu, Ứng dụng mạng Nơ - ron Kohonen phối hợp với lơ - gíc mờ dự báo dạng biểu đồ phụ tải ngắn hạn (Combined applications of Kohonen self - organizing network and fuzzy - logic in the prediction of short- term power load profile) Tạp chí Khoa học cơng nghệ Đại học Thái Ngun, tập 56, số 8, trang 31-36, 2009 Phạm Thượng Hàn, Trần Hồi Linh, Nguyễn Qn Nhu, Mơ hình hỗn hợp ứng dụng ước lượng quan hệ phi tuyến Tuyển tập báo cáo khoa học Hội nghị khoa học kỹ thuật đo lường toàn quốc lần thứ 5, trang 298-304, 2010 DANH MỤC CÁC KÝ HIỆU VÀ CÁC CHỮ VIẾT TẮT SVD (Singular Value Decomposion – phân tích ma trận theo giá trị kỳ dị ma trận) MLP (Multi Layer Perceptron) - Mạng nơ-ron perceptron nhiều lớp MRE (Mean Relative Error) - Trung bình sai số tương đối MAE (Mean Absolute Error) - Trung bình sai số tuyệt đối MaxAE (Maximum Absolute Error) - Giá trị lớn sai số tuyệt đối A PHẦN GIỚI THIỆU CHUNG VỀ LUẬN ÁN Lý lựa chọn đề tài Hiện thời kỳ đẩy mạnh cơng nghiệp hố-hiện đại hố đất nước, việc xây dựng cơng cụ dự báo nhu cầu nói chung dự báo nhu cầu phụ tải điện nói riêng, làm sở cho việc vận hành khai thác hiệu nguồn lưới điện, tiến tới hỗ trợ quy hoạch phát triển nguồn vấn đề cần thiết Xác định hai giá trị đặc biệt đồ thị phụ tải phụ tải cao điểm Pmax phụ tải thấp điểm Pmin dạng biểu đồ phụ tải mục tiêu quan trọng hàng đầu người làm công tác dự báo Tính kinh tế, hiệu phương pháp vận hành điều độ ngày, hướng đầu tư phát triển tương lai HTĐ phụ thuộc lớn vào việc dự báo xác hai giá trị Pmax Pmin Đến có nhiều mơ hình giải pháp đề xuất ứng dụng cho dự báo phụ tải điện ngắn hạn, nhiên thời điểm chưa có mơ hình coi chuẩn áp dụng hiệu Luận án: “Nghiên cứu ứng dụng mạng Nơron lơgíc mờ cho tốn dự báo phụ tải điện ngắn hạn” đề xuất mơ hình dự báo phụ tải điện ngắn hạn sử dụng mô hình hỗn hợp (là mơ hình sử dụng phối hợp hai giải pháp phi tuyến tuyến tính) trình bày khả ứng dụng mơ hình thực tiễn dự báo Mục đích nghiên cứu: - Về mặt lý thuyết: Xây dựng mơ hình mạng nơron thích hợp cho tốn dự báo đồ thị phụ tải ngày hệ thống điện, nghiên cứu phương pháp xử lý số liệu để tăng độ xác mơ hình - Về mặt thực tế: Xây dựng giải pháp ứng dụng trí tuệ nhân tạo có độ xác cao so với giải pháp kinh điển để sử dụng toán dự báo mà cụ thể dự báo đồ thị phụ tải ngày cho hệ thống điện Đối tượng nghiên cứu phạm vi nghiên cứu: Đối tượng nghiên cứu toán dự báo đồ thị phụ tải ngày Hệ thống điện Cụ thể ứng dụng cho việc dự báo đồ thị phụ tải điện ngày cho tỉnh Thái Nguyên Phương pháp nghiên cứu: - Nghiên cứu sở lý thuyết - Sử dụng so sánh liệu đối chứng - Các phương pháp phân tích, kiểm tra Ý nghĩa k hoa học thực tiễn đề tài: Bài toán dự báo phụ tải hệ thống điện có nhiều nghiên cứu thực tế nhiều nước giới Tuy nhiên điều kiện Việt Nam nước có kinh tế phát triển với tốc độ cao, mơ hình xây dựng chuyên dùng cho nước có kinh tế phát triển không đáp ứng độ phức tạp toán dự báo Việt Nam Trong nước ta, giải pháp nơron nhân tạo dừng mức lý thuyết để giải số tốn đơn giản, có lượng thơng tin cần xử lý thấp độ phức tạp mơ hình khơng cao Đến có số nghiên cứu ứng dụng mạng nơron dự báo phụ tải hệ thống điện, nhiên kết bước đầu, chưa thực trở thành hướng nghiên cứu phổ biến Do đó, việc xây dựng mơ hình ứng dụng mạng nơron nhân tạo dự báo hướng nghiên cứu nên triển khai thử nghiệm Những kết đạt điểm luận án: • Luận án đề xuất phương án mở rộng mơ hình hoạt động mạng Kohonen cách phối hợp thêm ý tưởng luật suy luận sử dụng lô-gic mờ (mạng Fuzzy Extended Kohonen) để dự báo hình dạng chuẩn đồ thị phụ tải ngày Trước mơ hình thường sử dụng độc lâp giải pháp khác nhau, không sử dụng phối hợp để tiếp tục phát huy ưu điểm mơ hình hạn chế nhược điểm chúng • Đề xuất mơ hình hỗn hợp sử dụng hai dạng ước lượng phi tuyến tuyến tính để ước lượng giá trị đỉnh P max, giá trị đáy P đồ thị phụ tải • Đề xuất phương pháp xử lý số liệu dùng thuật tóan SVD để đánh giá mức độ ảnh hưởng đặc tính đầu vào, từ tạo sở để lựa chọn đặc tính cuối dùng cho mơ hình dự báo • Luận án ứng dụng thành cơng mơ hình đề xuất để dự báo phụ tải ngắn hạn cho tỉnh Thái Nguyên, với kết có độ xác cao so với giải pháp kinh điển B NỘI DUNG LUẬN ÁN Chương I: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI ĐIỆN 1.1 Giới thiệu chung Trong phát triển kinh tế-xã hội đất nước, ngành Điện lực giữ vai trò quan trọng Cùng với tăng trưởng kinh tế, nhu cầu điện nước ta năm qua tăng nhanh, sản lượng điện hàng năm tăng từ 23% đến 25% Việc xây dựng công cụ dự báo nhu cầu nói chung dự báo nhu cầu phụ tải điện nói riêng vấn đề cần thiết, làm sở cho việc vận hành khai thác hiệu nguồn lưới điện đạt hiệu cao, tiến tới hỗ trợ quy hoạch phát triển nguồn Dự báo nhu cầu điện ngắn hạn việc hỗ trợ vận hành điều độ lưới điện hỗ trợ xác định quy luật đặc điểm nhu cầu điện phụ tải điện tiến tới phát giải vấn đề tiềm ẩn bên hệ thống phụ tải (ổn định điện áp, ổn định tần số, cân điện sản xuất điện tiêu thụ, san đồ thị phụ tải…) 1.2 Đồ thị phụ tải ngày Đồ thị phụ tải ngày đồ thị phụ tải 24 ngày đêm (hình 1.1) với số đặc trưng đồ thị phụ tải ngày đêm P max, Pmin, Qmax, Qmin, cosϕTB , AP24, AQ24 Chế độ phụ tải cực đại chế độ phụ tải cực tiểu hệ thống điện yếu tố quan trọng thiết kế vận hành hệ thống điện Cơng suất cực đại có liên quan đến độ trữ cơng suất, cịn cơng suất cực tiểu có liên quan đến độ linh hoạt hệ thống điện Thơng qua hình dáng biểu đồ phụ tải người ta đề biện pháp vận hành nhà máy điện hệ thống san đồ thị phụ tải P P max P tb P t (giờ) 10 12 14 16 18 20 20 24 Hình 1.1 Đồ thị phụ tải ngày 1.2.1 Các yếu tố ảnh hưởng đến đồ thị phụ tải ngày 1.2.1.1 Thành phần ngành kinh tế quốc dân tham gia vào đồ thị phụ tải Thầnh phần ngành kinh tế quốc dân tham gia vào đồ thị phụ tải có ảnh hưởng lớn đến hình dáng đồ thị phụ tải, đặc biệt tỷ lệ phụ tải cơng nghiệp phụ tải dân dụng Trên hình 1.2 đồ thị phụ tải với tỷ lệ dân dụng cao, phụ tải cực đại buổi chiều lớn cực đại buổi sáng, tỷ lệ rõ rệt mùa hè Phụ tải điện vào cao điểm cao nhiều phụ tải điện vào thấp điểm, phụ tải (50÷60%) phụ ti max P P Hè Hè Đông Đông t t 10 12 14 16 18 20 20 24 Hình 1.2 Đồ thị phụ tải có tỉ lệ phụ tải dân dụng cao - 10 12 14 16 18 20 20 24 Hình 1.3 Đồ thị phụ tải có tỉ lệ phụ tải cơng nghiệp cao Trên hình 1.3 đồ thị phụ tải với tỷ lệ phụ tải công nghiệp cao Phụ tải cực đại sáng chiều gần Phụ tải (70 ÷ 80)% phụ tải max Tổng mức điện tiêu thụ ngày khác tuần không chênh lệch nhiều Đồ thị phụ tải phẳng so với đồ thị phụ tải có tỉ lệ dân dụng cao Các địa phương có đồ thị phụ tải với tỉ lệ phụ tải công nghiệp cao Thái Nguyên, Vĩnh Phúc, Biên Hòa 1.2.1.2 Yếu tố thời tiết Thời tiết có ảnh hưởng đến hình dáng đồ thị phụ tải Hai yếu tố thời tiết có ảnh hưởng nhiều đến đồ thị phụ tải ánh sáng nhiệt độ khơng khí Trên hình 1.4 biểu diễn đồ thị phụ tải tối trời (đường nét đứt) trời sáng (đường nét liền) Trên hình 1.5 biểu diễn đồ thị phụ tải trời nóng (đường nét đứt) trời lạnh (đường nét liền) Với phụ tải có tỉ lệ phụ tải cơng nghiệp cao yếu tố thời tiết ảnh hưởng đến mức tiêu thụ so với phụ tải có tỉ lệ phụ tải dân dụng cao P P Tr ời nóng Trời tối Tr ời sáng Trời lạnh 10 12 14 16 18 20 20 24 Hình 1.4 Đồ thị phụ tải tối trời trời sáng t 10 12 14 16 18 20 20 24 t Hình 1.5 Đồ thị phụ tải trời nóng trời lạnh Chế độ phụ tải cực đại chế độ phụ tải cực tiểu yếu tố quan trọng thiết kế vận hành hệ thống điện Cơng suất cực đại có liên quan đến độ trữ cơng suất, cịn cơng suất cực tiểu lại có liên quan đến độ linh hoạt hệ thống điện Thường tỷ lệ công suất cực tiểu cơng suất cực đại là: Pmin/P max ≈ 0,5 ÷ 0,8 14 ú: ã t = ữ 24 - ngày • p (t ) − phụ tải dự báo t, • pnorm (t ) − phụ tải chuẩn hóa (về đoạn 0-1) t, • Pmax , Pmin − giá trị đỉnh đáy (ước lượng) biểu đồ phụ tải 4.2 Xây dựng mơ hình ước lượng hình dạng đồ thị phụ tải ngày 4.2.1 Mơ hình Theo khảo sát số liệu khu vực Thái Nguyên đại lượng phụ tải ngày d phụ thuộc mạnh vào ngày liền kề ngày (cùng thứ) tuần liền trước (cũng trình bày chi tiết phần dự báo đỉnh đáy phụ tải) Mơ hình luận án đề nghị sử dụng ngày khứ ngày d-1, d-2, d-3 d-7 để làm sở dự báo cho hình dạng đồ thị phụ tải ngày d Trên hình 4.1 mơ hình chung dùng để thực ước lượng hình dạng đồ thị phụ tải thông qua nguyên tắc suy luận: if Pprofiled -1 ≈ A1 and Pprofiled -2 ≈ A2 and Pprofiled -3 ≈ A3 and Pprofiled -7 ≈ A4 then Pprofiled ≈ A5 Hình 4.1 Mơ hình dự báo hình dạng đồ thị phụ tải Đặc trưng cho luật suy luận véc-tơ A = [A1, A , A 3, A , A ] chứa dạng đồ thị phụ tải ngày (mỗi véc-tơ có 24 thành phần) Với yêu cầu đặt sai số hình dạng biểu đồ dự báo ε ≤ 15% hay nói cách khác trọng tâm ci véc-tơ xj thuộc trọng tâm ta có: 15 24 ∑x ik − c jk