Thông tin tài liệu
IăH CăQU CăGIAăTHĨNHăPH ăH ăCHệăMINH TR NGă IăH CăBỄCHăKHOA LÂMăTH ăBÉăY N NGăD NGăM NGăN RONăNHỂNăT O VĨOăD ăBỄOă I NăN NGă UăNGU N T IăT NGăCỌNGăTYă I NăL CăMI NăNAM APPLICATION OF ARTIFICIAL NEURON NETWORK IN ELECTRICITY FORECAST AT SOUTHER POWER CORPORATION ChuyênăngƠnh:ăK ăThu tă i n Mưăs :ă8520201 LU NăV NăTH CăS TP.ăH ăCHệăMINH,ăthángă07 n mă2022 Cơngătrìnhăđ Cán b h c hoàn thành t i: Tr ngă i h c Bách Khoa ậ HQG-HCM ng d n khoa h c : TS.Nguy n Nh t Nam Cán b ch m nh n xét : TS.ăTr ngăHoƠngăKhoa Cán b ch m nh n xét : TS Tr n Thanh Ng c Lu năv năth căs ăđ c b o v t i Tr ngă i h căBáchăKhoa,ă HQGăTp.ăHCM ngày 16 tháng 07 n mă2022 Thành ph n H iăđ ngăđánhăgiáălu năv năth căs ăg m: TS Tr năHoƠngăL nhăậ Ch t ch H iăđ ng TS Hu nh Quang Minh ậ Th ăkỦăH iăđ ng TS.ăTr ngăHoƠngăKhoaăăậ Ph n bi n TS Tr n Thanh Ng c ậ Ph n bi n PGS.TS.ăTr ngăVi t Anh ậ y viên H iăđ ng Xác nh n c a Ch t ch H iăđ ngăđánhăgiáăLVăvƠăTr ngành sau lu năv năđưăđ CH T CH H Iă ng Khoa qu n lý chuyên c s a ch a (n u có) NG TR NG KHOA I Năậ I NăT IăH CăQU CăGIAăTP.HCM TR NGă C NGăHOĨăXẩăH IăCH ăNGH AăVI TăNAM IăH CăBỄCHăKHOA căl pă- T ădoă- H nhăphúc NHI M V LU NăV NăTH CăS H tên h c viên: LÂM TH BÉ Y N MSHV: 2070146 NgƠy,ătháng,ăn măsinh:ă26/11/1993 N iăsinh:ăTrƠăVinh Chuyên ngành: K Thu tă i n Mã s : 8520201 TểNă TÀI: NG D NG M NGăN RON NHÂN T O VÀO D BÁOă I NăN NGă U NGU N T I T NGăCỌNGăTYă I N L C MI N NAM APPLICATION OF ARTIFICIAL NEURON NETWORK IN ELECTRICITY FORECAST AT SOUTHER POWER CORPORATION NHI M V VÀ N I DUNG: − Tìm hi u m ngăn ronănhơnăt o − Xây d ng mơ hình m ng n ăronăđ d báoăđi năn ngăng n h n (ngày tu n) cho T ngăCôngătyă i n l c mi n Nam − Ki m ch ng ki m tra áp d ng th c t NGÀY GIAO NHI M V : ngày 14/02/2022 NGÀY HOÀN THÀNH NHI M V : ngày 06/06/2022 CÁN B H NG D N: TS NGUY N NH T NAM Tp HCM, ngày 16 tháng 07 n m 2022 CỄNăB ăH NGăD N TR CH ăNHI MăB ăMỌNă ĨOăT O NGăKHOAă I Năậ I NăT i L I C Mă N Tr c tiên, Tôi xin t lòng bi tă năsơuăs căđ n th y TS Nguy n Nh t Nam th y TS Nguy n Phúc Kh i, nh ngăng i th yăđưăt nătìnhăh ng d năvƠăgiúpăđ tơi su t q trình th c hi n quy n lu năv nănƠy Tôi xin chân thành c mă năt t c quý Th yăCôăKhoaă i n ậ i n t nói chung quý Th y Cô b môn H Th ngă i n nói riêng cán b phịng Ơoă T oă đưă giúpă đ r t nhi u su t trình h c t p q trình hồn thành quy n lu năv nănƠy Cu i xin chân thành c mă nă nh ngă ng i thân, b nă bèă vƠă đ ng nghi păđưăluônă bênătôiăvƠăđ ng viên r t nhi uăđ tơi hồn thành khóa h c Thành ph H Chí Minh, ngày 16 tháng 07 n mă2022 H căviênăth căhi n LơmăTh ăBéăY n ii TÓM T T LU NăV NăTH CăS Trong b i c nh phát tri n Th tr ngăđi nănh ăhi nănay,ăđ t iă uăhóaăvi c qu n lý ph t i cho m c tiêu khác (chi phí nh nh t,ăđ m b o an ninh h th ngầ)ă vi c d báo ph t i,ă đ c bi t d báo ph t i ng n h nă đóngă m t vai trò quan tr ng Qua nghiên c u m t s ph pháp có nh ngă uănh ngă phápă d báoă nă n ng,ă tôiă th y m iă ph căđi m riêng, tùy theo yêu c u v đ tin c y,ăđ xác ph m vi d báoăđ l a ch năph ngăphápăthíchăh p M ngăn ăronănhơnăt o có th xétăđ n nhăh nhi tă đ ,ă đ ngă ng c a nhi u y u t khácănhauănh ă m, ngày làm vi c,ă cácă mùaă trongă n mầă tácă đ ngă đ nă đ c tính ph t i n Chính v y mà mơ hình m ngă n ă ronă vƠă c uă trúcă đưă đ xu tă đ d báo s n l ngăđi n nh năđ u ngu n theo chu k 30ăphútăđưăth hi nătínhă uăvi t c a v đ chínhăxácăcao,ăvƠăđ c ki m tra áp d ng th c t d báo s năl ngăđi n nh năđ u ngu n theo ngày theo tu n cho T ngăCôngătyă i n l c mi năNamăvƠăđưăđ tăđ xác cao M c d uăph ngăphápănƠyăc n thu th p thông tin nhi u kh iăl l nănh ngăv i s h tr c aămáyătínhăthìăđơyălƠăm tăph ng tính tốn ngăphápăh a h n s ph c v đ c l c cho công tác d báo nh măgiúpăcácăCôngătyă i n l c nâng cao v n hành hi u qu tin c y h th ngăđi n nói riêng giúp cho T ngăCôngătyă i n l c mi n Nam t iă uăhóaăchiăphíăkhiămuaăđi n Th tr ngăđi năvƠăđi uăhƠnhăđ t k ho ch s n xu t ậ kinh doanh T păđoƠnă i n l c Vi t Nam giao iii ABSTRACT In the current development context of the electricity market, in order to optimize the load management for different goals (minimum cost, ensure system security, etc.), the load forecasting, especially is that short-term load forecasting plays an important role Through researching a number of power forecasting methods, I found that each method has its own advantages and disadvantages, depending on the requirements of reliability, accuracy and forecasting range to choose the appropriate method The Artificial Neural Network can consider the influence of many different factors such as temperature, humidity, working day, seasons of the yearầă affecting the electrical load characteristics Therefore, the proposed Neural Network and structure model to predict forecasting of electricity for 30-minute cycle upcoming has shown its superiority in terms of high accuracy, and has been tested and applied in practice Forecasting upstream power output on a daily and weekly basis for the Southern Power Corporation and has achieved an accuracy of up to 90% Although this method needs to collect a lot of information and a large amount of computation, with the help of computers, it is a promising method that will serve effectively for forecasting to help Electricity Company improving the efficient and reliable operation of the power system in particular and helping the Southern Power Corportion to optimize costs when purchasing electricity from the electricity market and operating to achieve the assigned production and business plan iv L IăCAMă OAN TơiăcamăđoanăđơyălƠăcơngătrìnhănghiênăc u c a Các s li u, k t qu nêu lu năv nălƠătrungăth căvƠăch aăt ngăđ c cơng b cơng trình khác Thành ph H Chí Minh, tháng 07 n mă2022 H c viên th c hi n Lâm Th Bé Y n v M CL C N i L IC M TÓM T T LU NăV NăTH CăS ii ABSTRACT iii L IăCAMă OAN iv M C L C v DANH M C CÁC HÌNH NH vi DANH M C CÁC B NG viii DANH SÁCH CÁC T PH N M VI T T T ix U 1 Gi i thi u lý ch năđ tài: M c tiêu c a lu năv n: iăt ng, ph m vi gi i h n c a lu năv n: i m m i c a lu năv n: C u trúc lu năv n: Ch ngă1: T NG QUAN V D BỄOă I NăN NG 1.1 Gi i thi u chung v l iăđi năvƠăt ngătr ng s năl ngăđi n n ngă mi n Nam: 1.1.1 Gi i thi u chung v h th ngăđi n Vi t Nam 1.1.2 Gi i thi u chung v h th ng n mi n Nam: 1.2.ăT ng tr ng s năl ngăđi năn ngătiêuăth mi n Nam: 1.3 T m quan tr ng c a d báoăđi năn ng,ăđ c bi t d báo ng n h n: 1.3.1 T m quan tr ng c a d báoăđi năn ng: 1.3.2 T m quan tr ng c a d báoăđi n n ngăng n h n: 1.4ăCácăph ngăphápăd báo ph t i: 1.4.1ăPh ngăphápăngo i suy: 1.4.2ăPh ngăphápăh i quy: 10 vi 1.4.3ăPh ngăphápăh s đƠnăh i: 11 1.4.4ăPh ngăphápăt 1.4.5ăPh ngăphápăchuyênăgia: 14 ngăquanăậ xu th : 12 1.5 Nh ng y u t tácăđ ngăđ n d báoăđi năn ngăng n h n: 14 1.6 Th c tr ng công tác d báoăđi năn ngăhi n nay: 15 1.7 M c tiêu, ph m vi nghiên c u c a toán d báoăđi năn ngăng n h n: 16 1.8 K t lu n: 16 Ch ngă2: 18 GI I THI U M NGăN ăRONăNHỂNăT O 18 2.1 T ng quan v m ngăn ăron: 18 2.2 C u trúc m ngăn ăron: 21 2.3 C u trúc c a m ngăn ăron: 22 2.3.1 M ng truy n th ng (Feed-forward neural network): 22 2.3.2 M ngăn ăronăh i quy (Recurrent neural network - RNN): 22 2.4 B nh ng n dài: 23 Ch ngă3: 26 GI I THI U V MÔ HÌNH GATED RECURRENT UNITS 26 3.1 Gi i thi u v m ng Gated Recurrent Units: 26 3.2 C u trúc c a m ng GRU: 27 3.2.1 Ho tăđ ng c a c ng xóa: 27 3.2.2 Ho tăđ ng c a c ng c p nh t 29 3.2.3 K t h p gi a c ng xóa c ng c p nh t ậ Output: 29 Ch ngă4: 31 GI I THI UăC ăS L D NGă I N NH Nă LI U VÀ XÂY D NG MƠ HÌNH D U NGU N TRÊN BÁO S N NG D NG MATLAB 31 4.1 D li uăđ u vào: 31 4.1.1 D li u s năl ngăđi n nh năđ u ngu n c a EVNSPC: 31 vii 4.1.2 D li u nhi tăđ : 33 4.2 Xây d ng mơ hình d báo 35 Ch ngă5: 41 K T QU D BÁO S NăL NGă I N NH Nă U NGU N 41 T I T NG CÔNG TY I N L C MI N NAM 41 5.1 Mơ hình d báo s năl ngăđi n nh n ngày (Angày): 41 5.1.1 Mơ hình d báoăngƠyăbìnhăth ng (AngƠyăbìnhăth ng): 41 5.1.2 Mơ hình d báo ngày ch nh t: 50 5.2 Mơ hình d báo tu n (Atu n): 57 5.2.1 Mơ hình d báo tu n khơng có ngày ngh l , T t (Atu n khơng có ngày ngh l , T t): 5.2.2 Mơ hình d báo tu n có ngày ngh l , T t (Atu n có ngày ngh Ch l , T t): 57 64 ngă6: 71 K T LU NăVĨăH NG PHÁT TRI Nă TÀI 71 6.1 K t lu n: 71 6.2ăH ng phát tri n c aăđ tài: 72 TÀI LI U THAM KH O 73 Ph l că1:ăC ăs d li u s năl ngăđi n nh năđ u ngu n 75 Ph l că2:ăC ăs d li u nhi tăđ 78 PH N LÝ L CH TRÍCH NGANG 81 67 Kích th c miniBatch OutputSize of fully layer Kích th c đ u c a l p fullyCon- 500 nected Dropout Probability Xác su t lo i b 0.1 Initial Learning Rate T c đ h c kh i t o c a mơ hình d 0.003 báo Learning Rate Drop Period Chu k gi m t c đ h c c a mô hình 25 d báo Learning Rate Drop Factor H s gi m t c đ h c c a mơ hình d 0.2 báo Verbose 10 Hi n th thông s đào t o c a s l nh (1: on 0: off) N 11 S vòng l p u ki n đ d ng hu n 1000 luy n B c 4: Hu n luy n ki m ch ng mơ hình: Sau k tăthúcăch li uăđ ngătrìnhăhu n luy n K t qu ki m tra 10% t p d c tác gi trìnhăbƠyănh ăsau:ă 68 K t qu sai s MAPE: 6.45% Hình 5.18: Sai s MAPE mơ hình Atu n có ngày ngh l ,T t K t qu sai s RMSE: 2273,291 MWh Hình 5.19: Sai s RMSE mơ hình Atu n có ngày ngh l ,T t 69 K t qu so sánh giá tr d báo giá tr th c t nh ăhìnhăsau:ă Hình 5.20: So sánh giá tr d báo so v i giá tr th c t mơ hình Atu n có ngày ngh l , T t Nh n xét: − Sau k t thúc trình hu n luy n v i t p d li u ki m tra chi m 10% đưăchoăk t qu sai s MAPE đ i v i mơ hình d báo Atu l ,T t 6.45%, sai s nƠyăv B CơngăTh th đ n có ngày ngh t m c cho phép theoăquyăđ nh c a ngălƠă3%ăđ i v i k v ng c a tác gi 5% nh ngăcóă c ch p nh n v i v i lỦădoăsauăđơy:ă o Mơ hình hu n luy năch aăđ c h c chuyên sâu th t s hoàn ch nh t p d li u hu n luy n nh v i s l ng m u có tu n có ch a ngày ngh l , T tătrongăgiaiăđo n t n mă2018-2020 ch có 18 tu n o Do t p d li u ngày ngh l , T t đangăs d ng lu năv n cịn nênăch aăth phân tách xây d ng mơ hình d báo cóăngƠyăngh ăl , T t áp d ng cho nh ng tr ng h p c th đ c i thi n ch tă l nh :ă(i)ămơ hình có ngh l th c (T tăD T HùngăV ng sai s ngăL ch, T t Âm L ch, Gi ng,ăNgƠyăgi i phóng mi n Nam Qu c t Thi u nhi, Qu c Khánhầ), (ii) mơ hình có ngày ngh bù (tùy thu c vào s l ng ngày ngh 70 l th căr iăvƠoăngƠyăcu i tu n), (iii) mơ hình có ngày cu i tu n kéo dài (là nh ng ngày cu i tu n li n v i ngày ngh l ho c ngày ngh bù) − Cùng d li u thông s đ aăvƠoăđƠoăt oăđ d báo Atu T t; n khơng có ngày ngh l , k t qu cho th y mơ hình GRU cho sai s MAPE t iă uăh năsoăv i mơ hình LSTM, c th : B ngă5.15:ăSoăsánhăsaiăs ăMAPE/RMSEăgi aăGRUăvƠăLSTM mơ hình Atu Saiăs ăMAPEă(%) Tu n LSTM Tu năcó ngƠyăngh ăl ,ăT t B n có ngày ngh l , T t GRU 7.23 6.45 RMSE (MWh) LSTM GRU 2467,140 2273,290 c 5: Ki m tra áp d ng th c t Vi c ki m ch ng mơ hình t p d li u m u 10% t iăb s MAPE 6.45%, v i k t qu sai s d báo mơ hình c cho k t qu sai Atu n có ngày ngh l , T t cao vƠăch aăđ t sai s theoăquyăđ nh Bên c nhăđó, s l v n ng ngày ngh l , T t t p d li u m u ch aăđ dài nên vi c áp d ng m t mô hình d báo nh t choăcácăđ t ngh l khácănhauăch aăth c s hi u qu doăch aăph n ngăđ yăđ tính ch t c a khác c aăcácăđ t ngh l , T t 71 Ch ngă6: K T LU N VĨăH Ch NG PHÁT TRI Nă TÀI ngă6ă tóm t tă cácă m lu nă v nă vƠă đ xu tă cácă h tri n cho mơ hình d báo s năl ng phát ngăđi năn ngăng n h n theoăquanăđi m hi u bi t c a cá nhân tác gi 6.1 K t lu n: Qua k t qu thuăđ c th c hi n lu năv năđ trênăđơy,ăm t s v năđ đưăth c hi năđ − Lu n v năđưătrìnhăbƠyăđ c trình bày ph n c tóm t tănh ăsau:ă c ki n th c c ăb n v m ngăn ăron, đ ng th i nghiên c u áp d ng c u trúc m ng Gated Recurrent Units đ xây d ng mơ hình d báo ng n h n s nă l ngă n nh nă đ u ngu n cho EVNSPC ng d ng MATLAB, c th d báo s nă l ng n nh n ngày t i, tu n t i theo chu k 30ă phútă cóă xétă đ n m i quan h t ngăquan gi a nhi t đ s năl ng − K t qu d báo b ng mơ hình m ngăn ăronăk t h p v i c u trúc m ng Gated Recurrent Units đưă đáp ng k v ng m c tiêu sai s ph m vi 5%,ăđ ng th i k t qu ki m ch ng t p d li u m u cho th y mơ hình Gated Recurrent Units cho sai s t tăh nămơăhìnhăLong Short Term Memory − K t qu ki m tra áp d ng th c t cho th y mơ hình d báo s năl ng n nh n ngày đ t sai s choăphépătheoăquyăđ nh c a B CôngăTh ngă t i Quy tăđ nh s 07/Q - T LălƠă khai d báo s nă l 2%; có tính áp d ngăcaoăđ tri n ngă n nh nă đ u ngu n ng n h n cho EVNSPC; góp ph n c i thi n ch tăl ng d báo, h tr đ c l c cho vào ho tăđ ng s n xu t ậ kinh doanh c a EVNSPC Ngồi ra, trình t xây d ng mơ hình d báo s nă l đ ngă n nh n c ngă c trình bày rõ lu năv n Các tài li u có th đ nghiên c u cho nh ngăng c s d ngănh ăcácătƠiăli u iăquanătơmăđ năl nhăv c d báoăđi năn ng.ă 72 6.2 H ng phát tri n c aăđ tài: Xây d ng mơ hình d báoăđi năn ngăriêngăphùăh păchoăcácăgiaiăđo n b h nh ng m nh b i nh ng y u t đ t bi n (d ch b nh Covid-19, bi n đ ng kinh t ng n h n, s n xu t mùa v , n ng l ng tái t o) nh giai đo n n mă2021ăv a qua Xây d ng mơ hình d báo chun sâu cho tu n có ngày l t tă đ i v i tr ng h p c th nh :ă(i)ămơăhìnhăcóăngh l th c (T tăD L ch, Gi T HùngăV ngăL ch, T t Âm ng,ăNgƠyăgi i phóng mi n Nam Qu c t Thi u nhi, Qu c Khánhầ),ă(ii)ămơăhìnhăcóăngƠyăngh bù (g m nh ng ngày th ho c th ho c c ngày th th 3, tùy thu c vào s l ng ngày ngh l th căr iăvƠoăngày cu i tu n), (iii) mơ hình có ngày cu i tu n kéo dài (là nh ng ngày cu i tu n li n v i ngày ngh l ho c ngày ngh bù) M r ng thu t tốn tìm ki m m u, ph ngăphápăphơnătáchăph t iăđ tìm ki m b sung thêm thơng s đ u vào cho mơ hình m ng n ăronăđưăxơyăd ng lu năv nănƠy.ăQuaăđó, góp ph n c i thi n ch tăl EVNSPC ng d báo năn ng c a 73 TÀI LI U THAM KH O [1] C că i uăti tă i năL c.ă“BanăhƠnhăQuyătrìnhăd ăbáoănhuăc uăph ăt iăđi năh ă th ngăđi năqu căgia.”ăQuy tăđ nhăs ă07/Q - T L, 2013 [2] “D ăli uăs năl ngăđi nănh năđ uăngu năl uătr ăvƠăbáoăcáoăliênăquan.”ăBáoă cáo T ngăCôngătyă i năl cămi năNam, 2022 [3] “Weather archive at the weather stationăinăHoăChiăMinhăCityă(Airport).”ăInternet: https://rp5.ru/Weather_chive_in_Ho_Chi_Minh_City_(airport),_METAR, 2022 [4] “Báoă cáoă th ngă niênă n mă 2021.”ă Báoă cáoă T pă đoƠnă i nă l că Vi tă Nam,ă 2021 [5] J Noh, S J Hwang, H J Park, andăJ.ăS.ăKim.ă“GatedărecurrentăUnităwithă Genetic Algorithm for Product Demand Forecasting in Supply Chain Management.” Internet: http://www.researchgate.net/publiction/340605184_Gated_Recurrent_Unit_ with_Genetic_Algorithm_for_Product_Demand_Forecasting_in_Supply_Ch ain_Management, 2020 [6] A Inteha, and Nahid-Al-Masood, "A GRU-GA Hybrid Model Based Technique for Short Term Electrical Load Forecasting." IEEE Acess, vol 92, pp 515-519, 2021 [7] Y Tang et al, "Question detection from acoustic features using recurrent neural network with gated recurrent unit." IEEE Acess, vol 104, pp 61256129, 2016 [8] Y Wang, M Liu, Z Bao, andăS.ăZhang.ă“Short-Term Load Forecasting with Multi-Source Data Using Gated Recurrent Unit Neural Networks.” Internet: http://www.researchgate.net/publication/324945378_ShortTerm_Load_Forecasting_with_MultiSource_Data_Using_Gated_Recurrent_Unit_Neural_Networks, 2018 74 [9 Báchă khoaă toƠnă th ă m ă Wikipedia “Gatedă recurrentă unit.”ă Internet:ă http://en.wikipedia.org/wiki/Gated_recurrent_unit, 2022 [10] N H Nam “ToƠnă b ă v ă m ngă GRU.”ă Internet:ă http://www.noron.vn/post/toan- bo-ve-mang-gru-1494wsylpn80d, 2018 75 Ph l că1:ăC ăs d li u s năl Ngày 01/01/2018 02/01/2018 03/01/2018 04/01/2018 05/01/2018 06/01/2018 07/01/2018 08/01/2018 09/01/2018 10/01/2018 11/01/2018 12/01/2018 13/01/2018 14/01/2018 15/01/2018 16/01/2018 17/01/2018 18/01/2018 19/01/2018 20/01/2018 21/01/2018 22/01/2018 23/01/2018 24/01/2018 25/01/2018 Th Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 0h30 2679.95 2422.23 3418.04 3544.04 3649.46 3625.78 3560.82 3197.55 3598.55 3603.09 3546.10 3521.35 3488.37 3391.98 3028.52 3566.81 3587.21 3578.16 3617.86 3511.01 3528.18 3121.87 3559.63 3538.35 3571.57 1h 2596.12 2387.14 3380.85 3521.37 3588.86 3593.84 3534.62 3171.68 3582.10 3582.96 3493.42 3480.75 3448.09 3357.85 3012.06 3502.73 3552.24 3565.09 3587.64 3502.28 3488.15 3091.97 3537.85 3530.49 3538.98 1h30 2576.13 2373.36 3355.09 3486.94 3580.32 3570.57 3497.70 3107.87 3556.32 3577.22 3469.44 3489.96 3418.67 3335.93 2992.48 3502.97 3541.48 3510.13 3557.70 3466.76 3442.15 3047.06 3539.42 3506.33 3505.35 ngăđi n nh năđ u ngu n ầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ 23h 2621.24 3651.25 3815.40 3917.88 3870.57 3849.01 3412.69 3865.24 3874.60 3833.36 3779.95 3700.51 3656.46 3211.74 3792.34 3836.02 3824.06 3877.52 3741.25 3810.86 3312.35 3798.95 3802.26 3829.72 3879.54 23h30 2545.53 3576.69 3716.32 3818.53 3762.42 3768.64 3319.64 3766.63 3785.89 3726.02 3689.64 3655.95 3571.94 3157.94 3676.73 3734.71 3740.17 3773.77 3669.42 3733.07 3237.70 3707.82 3709.02 3726.78 3756.86 24h 2485.33 3479.05 3620.59 3735.28 3717.15 3645.86 3251.10 3633.68 3707.43 3639.49 3603.91 3566.59 3491.67 3098.40 3592.29 3657.56 3662.98 3710.87 3590.04 3588.62 3160.05 3637.81 3613.67 3646.77 3665.55 76 26/01/2018 27/01/2018 28/01/2018 29/01/2018 30/01/2018 31/01/2018 01/02/2018 02/02/2018 03/02/2018 04/02/2018 05/02/2018 06/02/2018 07/02/2018 08/02/2018 09/02/2018 10/02/2018 11/02/2018 12/02/2018 13/02/2018 14/02/2018 15/02/2018 16/02/2018 ầầ 06/12/2020 07/12/2020 08/12/2020 09/12/2020 10/12/2020 Th ă6 Th ă7 Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 ầầ Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 t t t t 3608.21 3605.90 3461.77 3213.33 3615.01 3686.94 3634.71 3637.94 3652.67 3547.17 3162.38 3496.91 3361.94 3317.88 3261.26 3189.09 2904.86 2678.36 2619.74 2332.49 2113.14 2446.61 ầầ 4158.79 3634.32 4312.68 4368.44 4411.27 3566.27 3575.95 3400.58 3148.14 3607.00 3628.87 3599.29 3603.81 3582.42 3480.29 3135.07 3453.16 3341.24 3252.14 3229.34 3152.98 2871.33 2621.09 2565.74 2277.85 2062.33 2320.31 ầầ 4105.77 3602.34 4272.58 4339.02 4404.15 3523.32 3551.89 3387.97 3150.87 3558.59 3621.63 3602.18 3569.15 3565.14 3439.37 3100.46 3419.70 3325.85 3221.41 3191.57 3129.43 2827.02 2621.56 2524.27 2259.53 2025.39 2187.36 ầầ 4057.29 3564.62 4253.73 4286.22 4335.77 ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ 3864.44 3671.67 3422.81 3885.50 3964.25 3899.02 3937.79 3901.32 3833.94 3376.78 3766.61 3625.17 3513.17 3527.51 3413.52 3160.39 2915.81 2877.18 2583.30 2380.10 2609.04 2257.61 ầầ 3888.52 4588.04 4674.33 4717.10 4729.23 3784.58 3593.45 3335.96 3781.14 3839.11 3798.31 3809.22 3793.39 3705.26 3295.30 3630.86 3513.63 3422.20 3400.58 3284.47 3065.18 2821.01 2781.56 2467.79 2275.29 2569.63 2167.95 ầầ 3798.11 4510.95 4537.18 4608.37 4589.03 3688.63 3516.01 3256.24 3709.68 3751.42 3700.57 3731.37 3713.46 3621.67 3229.35 3578.45 3426.30 3319.89 3324.57 3228.65 2981.73 2749.11 2701.12 2398.46 2189.95 2533.05 2101.24 ầầ 3720.77 4413.38 4456.75 4512.75 4508.08 77 11/12/2020 12/12/2020 13/12/2020 14/12/2020 15/12/2020 16/12/2020 17/12/2020 18/12/2020 19/12/2020 20/12/2020 21/12/2020 22/12/2020 23/12/2020 24/12/2020 25/12/2020 26/12/2020 27/12/2020 28/12/2020 29/12/2020 30/12/2020 31/12/2020 ầầ Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 ầầ 4420.83 4461.59 4342.34 3811.11 4479.74 4473.78 4490.13 4569.03 4475.14 4287.54 3582.51 4150.87 4047.41 4114.17 4210.54 4191.31 4271.47 3757.09 4332.60 4383.03 4144.12 ầầ 4388.03 4446.97 4264.23 3770.21 4450.77 4415.05 4430.51 4507.36 4436.73 4192.42 3578.06 4135.60 4022.69 4094.11 4149.16 4139.56 4233.39 3728.10 4289.23 4358.33 4100.93 ầầ 4370.59 4389.62 4205.73 3725.29 4406.31 4391.00 4401.35 4489.80 4408.42 4187.49 3536.52 4084.99 4020.75 4096.52 4124.28 4094.54 4178.83 3674.24 4253.04 4306.79 4073.52 ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ ầầ 4775.99 4601.04 4050.56 4774.66 4770.66 4789.15 4875.82 4835.07 4575.23 3795.58 4387.13 4268.51 4339.64 4434.37 4465.24 4617.28 4044.93 4627.47 4697.73 4429.15 3900.24 ầầ 4672.74 4521.60 3962.30 4673.09 4679.11 4701.60 4734.08 4706.99 4474.43 3752.34 4287.69 4200.49 4277.29 4359.99 4393.57 4508.49 3916.89 4527.12 4591.55 4357.34 3803.80 ầầ 4545.48 4419.46 3895.75 4578.61 4574.30 4553.24 4657.52 4579.73 4348.93 3674.31 4227.78 4115.06 4190.78 4281.42 4306.66 4399.86 3844.62 4430.65 4485.67 4247.62 3695.42 ầầ 78 Ph l c 2: C ăs d li u nhi tăđ Ngày 01/01/2018 02/01/2018 03/01/2018 04/01/2018 05/01/2018 06/01/2018 07/01/2018 08/01/2018 09/01/2018 10/01/2018 11/01/2018 12/01/2018 13/01/2018 14/01/2018 15/01/2018 16/01/2018 17/01/2018 18/01/2018 19/01/2018 20/01/2018 21/01/2018 22/01/2018 23/01/2018 24/01/2018 25/01/2018 Th Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 0h30 24.0 25.00 25.00 25.00 27.00 26.00 26.00 27.00 26.00 26.00 25.00 25.00 23.00 24.00 25.00 26.00 26.00 26.00 25.00 25.00 26.00 25.00 26.00 26.00 26.00 1h 23.0 25.00 25.00 25.00 27.00 26.00 26.00 27.00 26.00 26.00 25.00 24.00 23.00 25.00 25.00 26.00 26.00 26.00 25.00 25.00 25.00 25.00 26.00 26.00 26.00 1h30 23.0 24.00 24.00 24.00 26.00 26.00 26.00 26.00 26.00 26.00 24.00 24.00 23.00 24.00 25.00 26.00 26.00 25.00 26.00 25.00 25.00 25.00 26.00 26.00 26.00 ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ 23h 26.0 26.00 26.00 27.00 26.00 26.00 27.00 27.00 27.00 26.00 26.00 25.00 24.00 26.00 26.00 26.00 26.00 25.00 25.00 26.00 26.00 27.00 26.00 26.00 25.00 23h30 25.0 26.00 26.00 27.00 26.00 26.00 27.00 26.00 26.00 25.00 26.00 24.00 25.00 26.00 26.00 26.00 26.00 25.00 25.00 25.00 26.00 26.00 26.00 26.00 25.00 24h 25.0 26.00 26.00 27.00 26.00 26.00 27.00 26.00 26.00 25.00 25.00 24.00 25.00 26.00 26.00 26.00 26.00 25.00 25.00 25.00 26.00 26.00 25.00 26.00 25.00 79 26/01/2018 27/01/2018 28/01/2018 29/01/2018 30/01/2018 31/01/2018 01/02/2018 02/02/2018 03/02/2018 04/02/2018 05/02/2018 06/02/2018 07/02/2018 08/02/2018 09/02/2018 10/02/2018 11/02/2018 12/02/2018 13/02/2018 14/02/2018 15/02/2018 16/02/2018 ầ 06/12/2020 07/12/2020 08/12/2020 09/12/2020 10/12/2020 Th ă6 Th ă7 Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 ầ Ch ănh Th ă2 Th ă3 Th ă4 Th ă5 t t t t 25.00 26.00 26.00 27.00 25.00 26.00 26.00 26.00 25.00 25.00 23.00 23.00 23.00 23.00 23.00 24.00 24.00 24.00 24.00 24.00 24.00 26.00 ầ 25.00 26.00 25.00 26.00 26.00 25.00 26.00 26.00 27.00 25.00 25.00 26.00 26.00 26.00 26.00 23.00 22.00 22.00 22.00 23.00 24.00 24.00 24.00 24.00 23.00 24.00 26.00 ầ 24.00 26.00 25.00 25.00 26.00 26.00 25.00 26.00 26.00 25.00 26.00 25.00 25.00 25.00 25.00 23.00 22.00 22.00 23.00 23.00 24.00 24.00 24.00 24.00 22.00 24.00 26.00 ầ 24.00 26.00 25.00 25.00 26.00 ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ 26.00 26.00 27.00 26.00 27.00 26.00 26.00 26.00 25.00 24.00 25.00 24.00 23.00 24.00 24.00 24.00 24.00 26.00 25.00 25.00 25.00 26.00 ầ 27.00 26.00 27.00 27.00 25.00 27.00 27.00 27.00 26.00 26.00 26.00 26.00 25.00 25.00 24.00 24.00 22.00 23.00 24.00 24.00 24.00 24.00 25.00 24.00 24.00 26.00 25.00 ầ 27.00 26.00 26.00 27.00 25.00 27.00 26.00 27.00 26.00 26.00 27.00 26.00 25.00 25.00 23.00 24.00 22.00 23.00 24.00 24.00 24.00 24.00 25.00 24.00 24.00 25.00 25.00 ầ 26.00 25.00 26.00 26.00 25.00 80 11/12/2020 12/12/2020 13/12/2020 14/12/2020 15/12/2020 16/12/2020 17/12/2020 18/12/2020 19/12/2020 20/12/2020 21/12/2020 22/12/2020 23/12/2020 24/12/2020 25/12/2020 26/12/2020 27/12/2020 28/12/2020 29/12/2020 30/12/2020 31/12/2020 ầầ Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 Th ă6 Th ă7 Ch ănh t Th ă2 Th ă3 Th ă4 Th ă5 ầầ 24.00 27.00 25.00 27.00 26.00 26.00 26.00 26.00 26.00 25.00 24.00 25.00 24.00 25.00 25.00 27.00 26.00 25.00 26.00 26.00 26.00 ầầ 24.00 27.00 25.00 27.00 26.00 26.00 26.00 26.00 26.00 25.00 24.00 25.00 24.00 25.00 25.00 26.00 26.00 26.00 26.00 26.00 25.00 ầầ 24.00 27.00 25.00 27.00 26.00 26.00 26.00 26.00 26.00 24.00 24.00 25.00 24.00 25.00 25.00 26.00 26.00 25.00 26.00 26.00 25.00 ầầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầ ầầ 28.00 26.00 28.00 26.00 27.00 26.00 27.00 27.00 25.00 24.00 25.00 25.00 25.00 26.00 27.00 26.00 26.00 26.00 26.00 26.00 25.00 ầầ 28.00 26.00 27.00 26.00 26.00 26.00 27.00 27.00 25.00 24.00 25.00 25.00 25.00 25.00 27.00 26.00 26.00 26.00 27.00 26.00 24.00 ầầ 27.00 26.00 27.00 26.00 26.00 26.00 27.00 27.00 25.00 24.00 25.00 24.00 25.00 25.00 27.00 26.00 26.00 26.00 27.00 26.00 24.00 ầầ 81 PH N LÝ L CH TRÍCH NGANG B N THÂN: H tên: Lâm Th Bé Y n Phái: N NgƠy,ătháng,ăn măsinh:ă26/11/1993 N iăsinh:ăTrƠăVinh a ch liên l c:ăChungăc ăDiamondăRiversideăậ s 1646A đ Ph ng VõăV năKi t, ng 16, Qu n 8, Thành ph H Chí Minh Email: lamthibeyen@gmail.com QUỄăTRỊNHă ĨOăT O: Th iăgian đƠoăt o Lo iăhìnhă NgƠnhăh c đƠoăt o Tr ng Iă H C V aăh că V aăLƠm T ă thángă 11/2011 (Phân h đ năthángă4/2016 EVNSPC đài th ) Tr ngă H ă Th ngă Khoa ậ i n HCM iă h că Báchă HQGă TP.ă CAO H C Tr ngă T ă thángă 6/2020 K ă thu tă Chính quy Khoa ậ đ nănay n HCM iă h că Báchă HQGă TP.ă Q TRÌNH CƠNG TÁC: Th i gian N iălƠmăvi c T tháng 7/2016 đ n tháng 7/2017 Công tác t i Chiă nhánhă n Cao th Trà Vinh (nay Xí nghi p d ch v i n l c Trà Vinh ) T tháng 04/2018 8/2017 đ n T thángă5/2018ăđ n tháng Công tác t iă Côngă tyă L iă n cao th mi n Nam (nay Công ty D ch v i n l c mi n Nam) Công tác t i Ban Kinh doanh thu c T ng Côngătyă i n l c mi n Nam ... 8520201 TểNă TÀI: NG D NG M NGăN RON NHÂN T O VÀO D BÁOă I NăN NGă U NGU N T I T NGăCỌNG? ?TY? ? I N L C MI N NAM APPLICATION OF ARTIFICIAL NEURON NETWORK IN ELECTRICITY FORECAST AT SOUTHER POWER CORPORATION... a h n s ph c v đ c l c cho công tác d báo nh măgiúpăcác? ?Công? ?ty? ? i n l c nâng cao v n hành hi u qu tin c y h th ngăđi n nói riêng giúp cho T ng? ?Công? ?ty? ? i n l c mi n Nam t iă uăhóaăchiăphíăkhiămuaăđi... squared error PH N M U Gi iăthi uălỦădoăch năđ ătƠi: D báo ph t i ho tăđ ng c n thi t c a T ng? ?công? ?ty? ? i n l c Công ty? ? i n l c.? ?Công? ?tácănƠyăgiúpăchoăcácăđ năv đ aăraăcácăquy tăđ nh quan tr ng
Ngày đăng: 13/10/2022, 08:26
Xem thêm:
