Dự báo phụ tải sử dụng mạng fuzzy wavelet

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA V TH NG C MAI S D BÁO PH T I D NG M NG FUZZY WAVELET Chuyên ngành: Thi t b , m ng nhà máy n Mã s : 605250 LU N V N TH C S TP HỒ CHÍ MINH, THÁNG 06 NAÊM 2013 TR I H C QU C GIA TP.HCM NG I H C BÁCH KHOA C NG HÒA XÃ H I CH NGH A VI T NAM c l p - T - H nh phúc NHI M V LU N V N TH C S H tên h c viên: V TH NG C MAI MSHV:10180089 Ngày, tháng, n m sinh: 20/03/1983 N i sinh: Bình D Chuyên ngành: Thi t b , m ng nhà máy n Mã s : 605250 I TÊN ng TÀI: D BÁO PH T I S D NG M NG FUZZY WAVELET II NHI M V VÀ N I DUNG: - Tìm hi u m ng Fuzzy wavelet - ng d ng m ng Fuzzy wavelet cho bào toán d báo ph t i - ng d ng m ng Fuzzy wavelet (ki u t ng quan) D báo ph t i n m 2012 cho TP H Chí Minh, Tr m Gị V p III NGÀY GIAO NHI M V : 02/07/2012 IV.NGÀY HOÀN THÀNH NHI M V : 21/06/2013 V CÁN B H NG D N : PGS TS PHAN TH THANH BÌNH Tp HCM, ngày tháng n m 2013 CÁN B H NG D N (H tên ch ký) TR CH NHI M B MÔN ÀO T O (H tên ch ký) NG KHOA….……… (H tên ch ký) L IC M N o0o Em xin chân thành c m n đ n PGS TS Phan Th Thanh Bình, ng i t n tình h ng d n giúp đ em th c hi n đ tài Cô h ng d n kèm c p Em su t trình th c hi n đ tài ân c n ch b o cho Em nh ng h ng gi i quy t v n đ đ Em có th hồn thành đ tài Em xin chân thành c m n Th y Cô tr ng i H c Bách Khoa Tp.H Chí Minh, đ c bi t Th y Cô chuyên ngành Thi t b , m ng nhà máy n t n tình d y d , truy n th cho em nh ng ki n th c chuyên môn c ng nh kinh nghi m th c ti n quý báu trong su t khóa h c cao h c c a Em t i tr ng Nh ng ki n th c chuyên môn k thu t, c ng nh b c th c hi n công vi c liên quan giúp cho em h c h i b sung thêm nh ng ki n th c thi u Em s ti p t c c g ng h n n a đ h c h i b sung tích l y nh ng kinh nghi m th c t đ đáp ng t t trình h c t p làm vi c sau Trong trình làm lu n v n, m c dù b n thân em r t c g ng giúp đ c a Cô PGS TS Phan Th Thanh Bình b n bè nh ng h n gian v n ki n th c nên s không tránh đ c nh ng thi u sót, em r t đ c s ch b o c a th y s đóng góp c a b n bè đ đ tài lu n v hoàn thi n h n đ c s ch v th i mong nh n n đ c Em xin chân thành c m n gia đình t o u ki n, h tr cho Em su t trình h c t p, xin chân thành c m n b n bè, đ ng nghi p đ ng viên giúp đ em trình làm lu n v n Em xin c m n Th y Cô đ c, ph n bi n góp ý ki n đ Lu n v n đ hoàn thi n đ tài đ c ng d ng vào th c t Tp H Chí Minh, tháng n m 2013 H c viên th c hi n V TH NG C MAI c TÓM T T -o0o - V n đ d báo n n ng đóng m t vai trị h t s c quan tr ng có tính quy t đ nh đ i v i n n kinh t đ i s ng ng i D báo n n ng t ng lai d a vào quan sát kh , ph c v cho công tác qui ho ch ngu n l i h th ng n, ph c v cho công tác u đ h th ng (đ có k ho ch chu n b s n sàng đáp ng ph t i) N u nh công vi c d báo n n ng khơng đ hi n hay khơng xác, sai l ch nhi u, có th r i vào tr c th c ng h p thi u h t n n ng s d ng, hay d th a n n ng d n đ n h u qu không t t cho n n kinh t nh h tr ng l n đ n vi c l p l ch huy đ ng công su t k ho ch v n hành th ng n c nh tranh Hi n nay, có nhi u ph ng pháp cho ho t đ ng d báo, h u h t d a vào kinh nghi m c a kh đ d báo cho t ng lai Vì v y k t qu khơng kh thi khơng ph i lúc c ng có th áp d ng vào hoàn c nh hi n t i thay đ i r t nhi u so v i tr c Vi c phân tích, đánh giá ph ng pháp d báo nhu c u ph t i nh m tìm nh ng nét chung, nét riêng đ có th áp d ng cho nh ng u ki n c th v n đ h t s c c p thi t đ i v i s phát tri n m ng n n ngành kinh t Vi t Nam có nh ng bi n chuy n l n Trong khuôn kh lu n v n này, ph Wavelet s đ c ta, đ c bi t b i c nh ng pháp d báo s d ng m ng Fuzzy - c nghiên c u áp d ng đ d báo đ th ph t i ngày c a khu v c thành ph H Chí Minh, Tr m Gị V p v i d li u ph t i nhi t đ đ ngày 01/02/2012 đ n 31/08/2012 c thu th p t ABSTRACT -o0o - Predicted power problem plays a crucial role and decisive for the economy and our human life Power forecasting in the future based on the past observations, it serve for planning the network resource in the electricity system and for regulating system (having available plans in order to meet the load) If the power forecasting is not performed or not done correctly, too many false, we can fall into power shortage for using, or excess energy leads to negative consequences for the economy and influence seriously on mobilization planning schedule in operating plans of competitive electricity market Currently, there are many methods for forecasting activities, mostly based on the experience of the past to predict the future Therefore, the result is not feasible because it is not always applicable to the current situation, but has changed a lot compared to before The analysis and evaluation the forecasting methods of load demand to find out what the common features and distinctions can be applied to the specific conditions is very urgent issue for the development of net, especially in the context of the economic sectors in Vietnam are getting major shifts In this thesis, the forecasting method using Fuzzy-Wavelet net was applied to predict the graph of the daily load in the Ho Chi Minh City area The load data and temperature of the Go Vap station were collected from 01/02/2012 to 31/08/2012 GVHD: PGS.TS PHAN TH THANH BÌNH DANH SÁCH CÁC NG C MAI DANH SÁCH CÁC HÌNH 1.1 1.2 1.3 1.4 10 15 15 2.1 15 2.2 20 CH 38 38 3.1 38 3.2 39 3.3 Xây nhóm (Cluster Estimation) 42 3.4 51 4: 56 MINH 56 4.1 56 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI 4.2 56 4.3 D 63 4.4 68 73 73 : 74 : 75 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI j S4 ) trung bình GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI DANH SÁCH CÁC Hình 2.1 : Hàm (t ) Hình 2.2 : Hàm (t ) Hình 2.3 : (t ) Hình 2.4 : F ( x) Hình 2.5 : Hình 2.6 Hình 2.7 Hình 2.8 Hình 2.9 Hình 3.1: Phân Hình 3.2 -Wavelet Hình 4.1 Hình 4.2 Hình 4.3 Hình 4.4 Hình 4.5 ) Hình 4.6 Hình 4.7 Hình 4.8 y) GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI Hình 4.9 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI ngày Ngày Sai s Sai s Ngày Sai s Sai s Ngày Sai s Sai s 2 10/07 0.0112 0.0159 15/07 0.0218 0.0167 20/07 0.0303 0.0206 11/07 0.0122 0.0255 16/07 0.0608 0.0746 21/07 0.0239 0.0266 12/07 0.0331 0.0471 17/07 0.0208 0.0180 22/07 0.0583 0.0584 13/07 0.0273 0.00048 18/07 0.0282 0.0116 23/07 0.0343 0.0414 14/07 0.0003 0.0113 19/07 0.0222 0.0185 24/07 0.0352 0.0294 là: 2.8 % % m 72 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI Nh ng ví d áp d ng trình bày lu có nhi y m ng Fuzzy Wavelet m M ng Fuzzy wavelet m t s k t h p gi a kh ng quát hóa, n m b t hành v h th ng c a m ng Wavelet kh n Logic v n d ng nh ng ki n th c kinh nghi m d báo Tuy nhiên, d i y u t ,s ng công nghi p hay s ng kinh t qu u ph i thành l p mơ hình d báo riêng bi t cho nh ng bi c giá tr c a y u t liên quan n m i v i nh ng chu i d li u bi k b t bu c ph i bi kh th ng b m d báo ib m không theo chu m t chu i d li u có bi ng Fuzzy wavelet s phát huy h t kh i gi ng báo t c a Kh kh m b t thông tin c a m ng Fuzzy wavelet theo chu k l thu c vào y a chu i d li n m ng n ti p theo s ti p t c kh o sát ng d ng c a m ng Fuzzy wavelet s d n c a t ng vùng, t s hoàn thi ngu quan v i y u t m, t p tính y tốn d báo c a c nhu c u d báo kh n nói riêng kinh t qu c dân 73 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI TÀI LI U THAM KH O [1] Mallat, S 1989 A Theory for Multiresolution Signal Decomposition: The Wavelet Representation IEEE Transactions on Pattern Analysis and Machine Intelligence 11: 674-93 [2] [3] Zidan Bashir, El-Hawary Wavelet Neural Network Using short-term load forecasting [4] avelet [5] Anant Oonsivilai, El-Hawary Short-term load forecasting of power system based on Wavelet Neural Network [6] Chiu, S 1997 Extracting Fuzzy Rules from Data for Function Approximation and Pattern Classification D Dubois, H Prade, and R Yager (Eds.), Fuzzy Information Engineering: A Guided Tour of Applications John Wiley and Sons [7] 200 [8] Chiu, S 1994 Fuzzy Model Identification Based on Cluster Estimation Journal of Intelligent & Fuzzy Systems (3): 267-278 [9] [10] 74 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI Build IO function [Bst]=build_IO(modcof,x,i) %XAP XEP DU LIEU % chuong trinh thiet lap ma tran input-output Bst=[]; c=x; endnum=198; m=endnum+i; n=c(10:m,:); modcof1=[modcof;modcof(end)]; Bst=[n,modcof1]; 75 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI hu n hóa d li u v h i: function [X,minX,maxX]=normalizedata(X,minX,maxX,opt) %% Chuong trinh chuan hoa du lieu ve he don vi tuong doi [0,1] [numrows numcolums] = size(X); if isempty(minX) minX=min(X); end if isempty(maxX) maxX=max(X); end index = find(maxX == minX); minX(index) = minX(index) - 0.0001*(1 + abs(minX(index))); maxX(index) = maxX(index) + 0.0001*(1 + abs(maxX(index))); %% if opt==0 for i = 1:numcolums; X(:,i) = (X(:,i) - minX(i)) / (maxX(i) minX(i)); end elseif opt ==1 minX=min(minX); maxX=max(maxX); X=(X-minX*ones(numrows,numcolums))/(maxX-minX); elseif opt ==2 minX = min(minX); maxX = max(maxX); maxX = maxX + 0.2*maxX; X = (X - minX*ones(numrows,numcolums))/(maxX-minX); end %% X = min(max(X,0),1); 76 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI i thu t Mountain Clustering: function [C]=MountainCluster(X,ra) %% Chuong trinh tim tam nhom theo giai thuat Mountain Clustering [nrowsX ncolumsX] = size(X); alpha = 4/(ra^2); beta =4/((1.5*ra)^2); e_down = 0.15; e_up = 0.5; PC=ones(nrowsX,ncolumsX+1); %% THE FIRST CLUSTER P1 dist_square=ones(nrowsX); for i=1:nrowsX; for j=1:nrowsX; dist_square(i,j)=sum((X(i,:)-X(j,:)).^2); end end Pi=ones(nrowsX,1); for i=1:nrowsX; Pi(i,1)=sum(exp(-alpha*dist_square(:,i))); end PXi=[Pi X]; PXi = sortrows(PXi,-1); PC(1,:)=PXi(1,:); PXi(1,:)=[]; e_up = e_up*PC(1,1); e_down = e_down*PC(1,1); %% OTHER CLUSTERS Pk wh1=1; while wh1 for i=1:size(PXi,1) dist_square=sum((PXi(i,2:end)PC(wh1,2:end)).^2); PXi(i,1)=PXi(i,1)-PC(wh1,1)*exp(beta*dist_square); end PXi = sortrows(PXi,-1); %% accept/reject/stop condictions wh2 =1; stopcond=1; while wh2 %%%%% cond : up if PXi(1,1)>e_up PC(wh1+1,:) = PXi(1,:); PXi(1,:)=[]; wh1=wh1+1; break 77 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI %%%%% cond : down elseif PXi(1,1)=1; PC(wh1+1,:) = PXi(1,:); PXi(1,:)=[]; wh1=wh1+1; break %%%% condd 3.2 else PXi(1,1)=0; PXi=sortrows(PXi,-1); end end end %%%% stop the checking a/r/s conddictions system if stopcond == break end end%end "while" %% RESULT : Matrix C PC(wh1+1:end,:)=[]; C=PC(:,2:end); 78 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI n luy n m ng: function [matrix_X] = trainningFuzzyModel(C,IOmatrix,ra,gama) %% chuong trinh huan luyen mang [nrowsC ncolumsC]=size(C); [nrowsIO ncolumIO] = size(IOmatrix); Y=IOmatrix(:,1:ncolumIO-1); Z=IOmatrix(:,end); Yclusters=C(:,1:ncolumsC-1); alpha = 4/(ra^2); %% Tim Muy va Ro %tinh dist_square = ||y - Yclusters|| [dist_square]=ones(nrowsIO,nrowsC); for i = 1:nrowsIO; for j = 1:nrowsC; dist_square(i,j)=sum((Y(i,:)Yclusters(j,:)).^2); end end %%%tinhs Muy Muy = exp((-alpha)*dist_square);%nrowsIOxnrowsC SigmaMuy = sum(Muy,2); Ro=ones(nrowsIO,nrowsC); for k = 1:nrowsC Ro(:,k)=Muy(:,k)./SigmaMuy; end %% TIM A matrix_A=[]; Ai=ones(nrowsIO,ncolumIO-1); for i =1:nrowsC for j=1:nrowsIO; Ai(j,:) = Ro(j,i)*Y(j,:); end matrix_A = [matrix_A Ai Ro(:,i)]; end clear Ai %% THAM SO X matrix_X=[]; [nrowsA ncolumsA]=size(matrix_A); S = gama*eye(ncolumsA,ncolumsA);%S = gama*I matrix_X(:,1)=zeros(ncolumsA,1);%Xo = for i =1:nrowsIO; a=matrix_A(i,:); b=Z(i,:); S = S - (S*(a')*a*S/(1+a*S*(a'))); matrix_X = matrix_X + S*(a')*(b-a*matrix_X); 79 GVHD: PGS.TS PHAN TH THANH BÌNH end NG C MAI n+1 c a ma tr n input Y: function [Bst_nplus1]=build_I_nplus1(X,k) %% chuong trinh tim hang thu n+1 cua ma tran input Y : Y(n+1) Bst_nplus1=ones(1); Bst_nplus1=[X(end,1:end-1)]; 80 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI n+1 c a ma tr n A: function [A_nplus1]=build_A_nplus1(Bnplus1,C,ra) %% chuong trinh tinh hang thu n+1 cua ma tran A : A(n+1) [nrows ncolums]=size(C); Yclusters=C(:,1:ncolums-1); alpha=4/(ra^2); dist=ones(1,nrows); for j =1:nrows dist(1,j)=sum((Bnplus1-Yclusters(j,:)).^2); end muy_nplus1=exp((-alpha)*dist); Ro_nplus1=muy_nplus1/sum(muy_nplus1); A_nplus1 = []; for k =1:nrows tem = Ro_nplus1(k)*Bnplus1; A_nplus1=[A_nplus1 tem Ro_nplus1(k)]; end 81 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI nXv h ng: function [X]=denormalizedata(X,minX,maxX,opt) %% chuong trinh chuyen X ve he don vi binh thuong %X : chuoi gia tri he dvtd can dua ve he don vi binh thuong [numrows numcolums] = size(X); if length(maxX)==1&&length(minX)==1 X = X*(maxX-minX)+minX*ones(numrows,numcolums); else if opt X(:,:)=(X(:,:)*(maxX(opt)-minX(opt)))+minX(opt); else for i=1:numcolums X(:,i) = (X(:,i) * (maxX(i) - minX(i))) + minX(i); end end end 82 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI báo ph t i: %Du bao phu tai(main) %Cac subfunction : % build_IO : xay dung ma tran input-output % normalizedata : chuyen data ve he dvtd % MountainCluster : tim tam theo giai thuat MC % trainningFuzzyModel : huan luyen data tim ma tran X % build_I_nplus1 : xay dung Yn+1 % build_A_nplus1 : xay dung An+1 % denormalizedata : chuyen data ve he don vi thuong % lv : cap phan tich modwt % gama : hang so bat ki du lon de tinh S0 %lv = input('nhap cap phan tich MODWT :') %ra=input('nhap ban kinh Ra dung de tim tam va du bao:') %numpoint =input('nhap so mau dung de uoc luong:') %gama = input ('nhap so gama bat ki :') nlv=4; gama =100000; ra=0.5; startnum = 10; endnum = 198; ss=[]; ssi=0; data=[]; n_pred_ahead =15; % du bao 15 thoi diem lien tiep tuong lai %% nhap du lieu va khoi dong wmtsa matlap toolbox dulieu = xlsread ('D:\luan van 2013\chuong trinh\du bao phu tai\tphcm.xlsx'); %khoi dong modwt toolbox : run('D:\luan van 2013\chuong trinh\wmtsa-matlab0.2.6\wmtsa\startup.m'); addpath 'D:\luan van 2013\chuong trinh\wmtsa-matlab0.2.6\munit'; %% PHAN TICH MODWT n MAU DU LIEU LUYEN MANG xi=[];yi=[]; xi=dulieu(1:213,5); %xi=log(xi); yi=dulieu(1:213,1); data=yi; %data=log(yi); tem=data(1:startnum-1,:); DS=[]; for i=startnum:endnum tem(i,:)=data(i); [D,S]=modwt_mra(tem,'La8',nlv,'circular'); DS=[DS ;D(end,:) S(end)]; 83 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI end clear D S DStem %% TRAINING DATA HUAN LUYEN MANG FUZZY-WAVELET Pred_value=ones(1,n_pred_ahead); R=[]; Resulthour = ones(1,size(DS,4)); for k = 1:n_pred_ahead datatang=[]; if ~isempty(R) datatang=data(1:endnum+k-1); [D S]=modwt_mra(datatang,'La8',nlv,'circular'); DS = [DS; D(end,:) S(end)]; clear D S end for j=1:size(DS,2); modcof = DS(:,j); %[B]=build_IO(modcof,data',k); [B]=build_IO(modcof,xi,k); [Bst,min,max]=normalizedata(B,[],[],2); %luuD=['D_',num2str(k),'_',num2str(j)];%luu cac gia tri input-output cua D va S %save(luuD,'B'); clear B bst=[]; bst=Bst(1:end-1,:); [C] = MountainCluster(bst,ra); %luuC=['C_',num2str(k),'_',num2str(j)];%luu cac gia tri tam C cua D va S %save(luuC,'C'); [matrix_X]=trainningFuzzyModel(C,Bst,ra,gama); %luuX=['matrix_X_',num2str(k),'_',num2str(j)];%luu cac gia tri X cua D va S %save(luuX,'matrix_X'); %% PREDICT BASE ON TRAINING DATA MODEL'S PARAMETER MATRIX (X) [Bst_nplus1]=build_I_nplus1(Bst,k); %luuBst_nplus1=['Bst_nplus1_',num2str(k),'_',num2str(j)] ;%luu cac gia tri input-output thu n+1 cua D va S %save(luuBst_nplus1,'Bst_nplus1'); [A_nplus1]=build_A_nplus1(Bst_nplus1,C,ra); %luuA_nplus1=['A_nplus1_',num2str(k),'_',num2str(j)];%lu u cac gia tri hang thu n+1 cua ma tran A %save(luuA_nplus1,'A_nplus1'); 84 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI z_nplus1 = A_nplus1*matrix_X; [appcof]=denormalizedata(z_nplus1,min,max,2); Resulthour(j)=appcof ;% %ket qua du bao cua gio thu k %luuRh=['Reusulthour_',num2str(k),'_',num2str(j)];%luu cac gia tri du bao cua gio thu k cua D va S %save(luuRh,'Resulthour'); end %end1 %% TO HOP TUYEN TINH DU BAO R = sum(Resulthour,2); Pred_value(k) = R; end %end2 ss1=yi(end-14:end); ss2=Pred_value(end-14:end); %ss2=exp(ss2); ss1=ss1'; saiso=abs(ss2-ss1)./ss1; ss=sum(saiso)/length(saiso); clear z R Bst A_nplus1 Bst_nplus1 appcof z_nplus1 max save ss 85 GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI Tóm t t: H Ng c Mai Sinh ngày: 20/03/1983 Gi i tính: N a ch liên l c: nl S ng Phú Th , TP Th D u M t, T n tho i: 01284018019 Email: vumai203@yahoo.com.vn o T T t nghi i h c Bách Khoa TP H Chí Minh ih H Trúng n k thi n sinh cao h o: Thi t b , m n MSHV: 10180089 Q trình cơng tác Công tác t i Công t nl n 86 ... TÊN ng TÀI: D BÁO PH T I S D NG M NG FUZZY WAVELET II NHI M V VÀ N I DUNG: - Tìm hi u m ng Fuzzy wavelet - ng d ng m ng Fuzzy wavelet cho bào toán d báo ph t i - ng d ng m ng Fuzzy wavelet (ki... bi n chuy n l n Trong khuôn kh lu n v n này, ph Wavelet s đ c ta, đ c bi t b i c nh ng pháp d báo s d ng m ng Fuzzy - c nghiên c u áp d ng đ d báo đ th ph t i ngày c a khu v c thành ph H Chí... ( - - 1.2.2 Ph - - - - phân tích FuzzyMinh GVHD: PGS.TS PHAN TH THANH BÌNH NG C MAI - -5%) -10%) -20%) pháp - D báo theo chu i th i gian tìm m t quy lu ic d báo ph thu c vào giá tr c a 0,a 1,a