Các phương pháp dự báo phụ tải điện năng.pdf

ĐẠI HỌC CƠNG NGHIỆP TP.HCM KHOA CƠNG NGHỆ ĐIỆN KHĨA LUẬN TỐT NGHIỆP CÁC PHƯƠNG PHÁP DỰ BÁO PHỤ TẢI ĐIỆN NĂNG SINH VIÊN :Phùng Quân Đạt - 16055151 Lê Minh Hải - 16060201 Nguyễn XuânTrình - 16051031 Nguyễn ĐìnhTú - 16060401 LỚP : DHDI12BTT GVHD : TS Trần Thanh Ngọc TP HCM, NĂM 2020 P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP TP HCM KHOA CÔNG NGHỆ ĐIỆN PHIẾU GIAO NHIỆM VỤ KHÓA LUẬN TỐT NGHIỆP Họ tên sinh viên/ nhóm sinh viên giao đề tài (1): Phùng Quân Đạt, MSSV: 16055151 (2): Lê Minh Hải, MSSV: 16060201 (3): Nguyễn Xuân Trình, MSSV: 16051031 (4): Nguyễn Đình Tú, MSSV: 16060401 Tên đề tài CÁC PHƯƠNG PHÁP DỰ BÁO PHỤ TẢI ĐIỆN NĂNG Nhiệm vụ (Nội dung số liệu ban đầu) Trình bày tóm tắt nội dung thực hiện, số liệu ban đầu khóa luận (nếu có) Kết dự kiến Trình bày tóm tắt kết dự kiến đạt Tp HCM, ngày Giảng viên hướng dẫn tháng Sinh viên Trưởng môn ii năm 20… P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN MỤC LỤC PHIẾU GIAO NHIỆM VỤ KHÓA LUẬN TỐT NGHIỆP ii NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN iii MỤC LỤC iii DANH SÁCH CÁC HÌNH VẼ vi DANH SÁCH CÁC BẢNG viii LỜI CẢM ƠN x LỜI MỞ ĐẦU xi CHƯƠNG 1: TỔNG QUAN VỀ PHỤ TẢI ĐIỆN CƠ SỞ LÝ THUYẾT CỦA DỰ BÁO GIỚI THIỆU CÁC PHƯƠNG PHÁP DỰ BÁO PHỤ TẢI ĐIỆN NĂNG 1.1 Giới thiệu chung hệ thống điện Việt Nam 1.2 Tổng quan phụ tải điện 1.3 Khái niệm dự báo phụ tải 1.3.1 Các khái niệm 1.3.2 Cơ sở lý thuyết dự báo 1.3.3 Tầm quan trọng dự báo phụ tải điện .6 1.4 Các phương pháp dự báo 1.4.1 Dự báo đời sống 1.4.2 Xác định thông số để dự báo 10 1.5 Giới thiệu phần mềm R 11 1.5.1 Phần mềm R .11 1.5.2 Điểm mạnh ngôn ngữ R .11 iii P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp 1.5.3 Khía cạnh thống kê R 12 1.5.4 Ưu nhược điểm R 12 CHƯƠNG 2: DỰ BÁO PHỤ TẢI BẰNG PHƯƠNG PHÁP SAN BẰNG HÀM MŨ 13 2.1 Cơ sở lý thuyết 13 2.1.1 Phân loại phương pháp san hàm mũ 13 2.1.2 Phương pháp san hàm mũ đơn giản (N, N) .14 2.1.3 Phương pháp san hàm mũ xu hướng tuyến tính Holt (Holt’s linear trend method) (A, N) .21 2.1.4 Phương pháp san hàm mũ xu hướng suy giảm (Damped trend methods) (Ad, N) 27 2.1.5 Phương pháp san hàm mũ mơ hình cộng Holt – Winters (A, A) 34 2.1.6 Phương pháp san hàm mũ mơ hình nhân Holt – Winters (A, M) 42 2.1.7 Phương pháp san hàm mũ với hệ số suy giảm mơ hình nhân Holt – Winters (Ad, A) 50 2.2 Ứng dụng vào dự báo phụ tải cho thành phố Hồ Chí Minh 58 2.2.1 Phương pháp san hàm mũ đơn giản 58 2.2.2 Phương pháp san hàm mũ xu hướng tuyến tính Holt (A, N) 61 2.2.3 Phương pháp san hàm mũ xu hướng suy giảm (Ad, N) 63 2.2.4 Phương pháp san hàm mũ mơ hình cộng Holt-Winters (A, A) .66 2.2.5 Phương pháp san hàm mũ mơ hình nhân Holt – Winters (A, M) 70 2.2.6 Phương pháp san hàm mũ hệ số suy giảm mơ hình nhân Holt – Winters (Ad, M) .72 2.3 Kết luận 76 CHƯƠNG 3: DỰ BÁO PHỤ TẢI BẰNG PHƯƠNG PHÁP ARIMA 78 3.1 Cơ sở lý thuyết 78 3.1.1 Mơ hình tự hồi quy (Autoregressive models) .78 iv P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp 3.1.2 Mơ hình trung bình trượt (Moving average models) 79 3.1.3 Mơ hình ARIMA không theo mùa (Non-seasonal ARIMA models) 80 3.1.4 Mô hình ARIMA theo mùa (Seasonal ARIMA models) 87 3.1.5 Mơ hình Arima R (ARIMA modelling in R) 93 3.2 Ứng dụng vào dự báo phụ tải thành phố Hồ Chí Minh 98 3.2.1 Dự báo ngày cho phụ tải thành phố Hồ Chí Minh 98 3.2.2 Dự báo tuần cho phụ tải thành phố Hồ Chí Minh 103 3.3 Kết luận 108 TÀI LIỆU THAM KHẢO 109 v P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp DANH SÁCH CÁC HÌNH VẼ Hình 2.1: Biểu đồ phương pháp (N, N) với số liệu Training 19 Hình 2.2: Biểu đồ kết dự báo phương pháp (N, N) với số liệu Testing 20 Hình 2.3: Biểu đồ phương pháp (A, N) với số liệu Training 25 Hình 2.4: Biểu đồ kết dự báo phương pháp (A, N) với số liệu Testing 26 Hình 2.5: Biểu đồ phương pháp (Ad, N) với số liệu Training 32 Hình 2.6: Biểu đồ kết dự báo phương pháp (A, N) với số liệu Testing 33 Hình 2.7: Biểu đồ phương pháp (A, A) với số liệu Training 40 Hình 2.9: Biểu đồ phương pháp (A, A) với số liệu Training 48 Hình 2.10: Biểu đồ kết dự báo phương pháp (A, A) với số liệu Testing 49 Hình 2.11: Biểu đồ phương pháp (A, M) với số liệu Training 56 Hình 2.12: Biểu đồ kết dự báo phương pháp (Ad, N) với số liệu Testing 57 Hình 2.13: Biểu đồ phương pháp (N, N) với số liệu Training 60 Hình 2.14: Biểu đồ kết dự báo phương pháp (N, N) số liệu Testing 60 Hình 2.15: Biểu đồ phương pháp (A, N) với số liệu Training 62 Hình 2.16: Biểu đồ kết dự báo phương pháp (A, N) với số liệu Testing 63 Hình 2.17: Biểu đồ phương pháp (Ad, N) với số liệu Training 65 Hình 2.18: Biểu đồ kết dự báo phương pháp (Ad, N) với số liệu Testing 66 Hình 2.19: Biểu đồ phương pháp (A, A) với số liệu Training 68 Hình 2.20: Biểu đồ kết dự báo phương pháp (A, A) với số liệu Testing 69 Hình 2.21: Biểu đồ phương pháp (A, M) với số liệu Training 71 Hình 2.22: Biểu đồ kết dự báo phương pháp (A, M) với số liệu Testing 72 Hình 2.23: Biểu đồ phương pháp (Ad, M) với số liệu Training 75 Hình 2.24: Biểu đồ kết dự báo phương pháp (Ad, M) với số liệu Testing 76 vi P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp Hình 3.1: Hai ví dụ liệu từ mơ hình tự phát với tham số khác Trái: AR (1) với 𝒚𝒕 = 𝟏𝟖 − 𝟎 𝟖𝒚𝒕 − 𝟏 + 𝜺𝒕 Phải AR(2) với 𝒚𝒕 = 𝟖 + 𝟏 𝟑𝒚𝒕 − 𝟏 − 𝟎 𝟕𝒚𝒕 − 𝟐 + 𝜺𝒕 79 Hình 3.2: Hai ví dụ liệu từ mơ hình trung bình trượt với tham số khác Trái: MA (1) với 𝒚𝒕 = 𝟐𝟎 + 𝜺𝒕 − 𝟎 𝟖𝜺𝒕 − 𝟏 Phải: MA (2) với 𝒚𝒕 = 𝜺𝒕 − 𝜺𝒕 − 𝟏 + 𝟎 𝟖𝜺𝒕 − 𝟐 80 Hình 3.3: Thay đổi tỷ lệ phần trăm hàng quý tiêu dùng Hoa Kỳ 82 Hình 3.4: Dự báo thay đổi tỷ lệ phần trăm hàng quý chi tiêu tiêu dùng Hoa Kỳ 83 Hình 3.5: ACF thay đổi tỷ lệ phần trăm hàng quý tiêu dùng Mỹ 84 Hình 3.6: PACF thay đổi tỷ lệ phần trăm hàng quý tiêu dùng Hoa Kỳ 85 Hình 3.7: Doanh số bán thuốc Corticosteroid Úc 88 Hình 3.8: Doanh số bán thuốc corticosteroid phân biệt theo mùa Úc 89 Hình 3.9: Dư lượng từ ARIMA (3,0,1) (0,1,2)12 mơ hình áp dụng cho liệu bán hàng tập lệnh hàng tháng H02 91 Hình 3.10: Dự báo từ ARIMA (3,0,1) (0,1,2)12 mơ hình áp dụng cho liệu bán hàng hàng tháng H02 93 Hình 3.11: Chỉ số đơn đặt hàng thiết bị điện điều chỉnh theo mùa khu vực Euro 94 Hình 3.12: Sơ đồ thời gian sơ đồ ACF PACF cho liệu thiết bị điện điều chỉnh theo mùa khác 95 Hình 3.13: Các biểu đồ phần dư mơ hình ARIMA (3,1,1) 96 Hình 3.14: Dự báo số đơn hàng điện điều chỉnh theo mùa 97 Hình 3.15: Biểu đồ hàm auto.arima phương pháp Grid Search với số liệu Testing 103 Hình 3.16: Biểu đồ hàm auto.arima phương pháp Grid Search với số liệu Testing 108 vii P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp DANH SÁCH CÁC BẢNG Bảng 2.1: Phân loại hai chiều phương pháp san hàm mũ 13 Bảng 2.2: Các phương pháp san hàm mũ dùng chủ yếu 13 Bảng 2.3: Công thức tính tốn đệ quy dự báo điểm 14 Bảng 2.4: Cơ dở liệu dùng để dự báo 14 Bảng 2.5: Xác định dự báo công thức lý thuyết 17 Bảng 2.6: So sánh hệ số α tối ưu công thức lý thuyết với phần mềm R 20 Bảng 2.7: So sánh kết dự báo Excel với phần mềm R 21 Bảng 2.8: Xác định dự báo công thức lý thuyết 24 Bảng 2.9: So sánh hệ số α tối ưu công thức lý thuyết với phần mềm R 26 Bảng 2.10: So sánh kết dự báo Excel với phần mềm R 27 Bảng 2.11: Xác định dự báo công thức lý thuyết 30 Bảng 2.12: So sánh hệ số α tối ưu công thức lý thuyết với phần mềm R 33 Bảng 2.13: So sánh kết dự báo Excel với phần mềm R 33 Bảng 2.14: Cơ dở liệu dùng để dự báo 34 Bảng 2.15: Xác định dự báo công thức lý thuyết 38 Bảng 2.16: So sánh hệ số α, β*, γ tối ưu công thức lý thuyết với phần mềm R 41 Bảng 2.17: So sánh kết dự báo Excel với phần mềm R 42 Bảng 2.18: Xác định dự báo công thức lý thuyết 46 Bảng 2.19: So sánh hệ số α, β*, γ tối ưu công thức lý thuyết với phần mềm R 49 Bảng 2.20: So sánh kết dự báo Excel với phần mềm R 50 Bảng 2.21: Xác định dự báo công thức lý thuyết 54 Bảng 2.22: So sánh hệ số α, β*, γ, 𝝓 tối ưu công thức lý thuyết với phần mềm R 57 Bảng 2.23: So sánh kết dự báo Excel với phần mềm R 58 viii P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp Bảng 3.1: Các trường hợp đặc biệt mơ hình ARIMA 81 Bảng 3.2: Giá trị AICc cho mơ hình ARIMA khác 90 Bảng 3.3: Giá trị RMSE cho mô hình ARIMA khác áp dụng cho liệu bán hàng hàng tháng H02 91 Bảng 3.4: So sánh sai số dự báo hàm auto.arima phương pháp Grid Search 102 Bảng 3.5: So sánh sai số hàm auto.arima phương phương Grid Search 102 Bảng 3.6: So sánh sai số dự báo hàm auto.arima phương pháp Grid Search 107 Bảng 3.7: So sánh sai số dự báo hàm auto.arima phương pháp Grid Search 107 ix P.Q.Đạt – L.M.Hải – N.X.Trình – N.Đ.Tú Khóa luận tốt nghiệp LỜI CẢM ƠN Chúng xin bày tỏ lời cảm ơn sâu sắc tới tác giả cơng trình nghiên cứu, tác giả tài liệu nghiên cứu mà chúng tơi trích dẫn tham khảo để hoàn thành luận văn Đặc biệt vô cảm ơn TS.Trần Thanh Ngọc, người tận tình hướng dẫn tơi q trình thực luận văn.Và chúng tơi xin chân thành cảm ơn tất thầy cô giảng dạy giúp đỡ chúng tơi q trình học tập vừa qua x ... Chương 1: Tổng quan phụ tải điện, sở lý thuyết dự báo, phương pháp dự báo phụ tải điện Chương 2: Dự báo phụ tải phương pháp san hàm mũ Chương 3: Dự báo phụ tải phương pháp Arima xii P.Q.Đạt –... lý thuyết dự báo Dự báo nhu cầu phụ tải điện hệ thống điện quốc gia dự báo nhu cầu cho toàn phụ tải điện cung cấp điện từ hệ thống điện truyền tải, trừ phụ tải điện có nguồn cung cấp điện riêng... cứu phương pháp san hàm mũ phương pháp Arima, áp dụng tính tốn đưa dự báo đồ thị phụ tải điện Dựa vào đồ thị phụ tải điện dự báo, đơn vị quản lý phân phối điện có phương án huy động nguồn điện