Untitled TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 18, SOÁ K3 2015 Trang 5 Phối hợp đồ thị phụ tải và đồ thị tang góc cho bài toán phân loại đồ thị phụ tải của các khách hàng Phan Thị Thanh Bình Khoa Điện Đ[.]
TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 18, SỐ K3- 2015 Phối hợp đồ thị phụ tải đồ thị tang góc cho tốn phân loại đồ thị phụ tải khách hàng Phan Thị Thanh Bình Khoa Điện-Điện tử - Trường Đại học Bách khoa, ĐHQG-HCM (Bản nhận ngày 17 tháng năm 2015, hoàn chỉnh sửa chữa ngày 25 tháng năm 2015) TÓM TẮT Phân nhóm đồ thị phụ tải khách quan tâm tới việc chọn không gian đầu vào hàng thường dựa khơng gian đầu vào 24 chiều Điều có nghĩa đồ thị phụ tải coi phần tử 24 đặc tính tương ứng với 24 giá trị tải ngày Tuy nhiên vài trường hợp phân nhóm dựa đồ thị phụ tải dẫn tới phân nhóm sai, mà hai đồ thị Từ mội đồ thị phụ tải, đồ thị tang góc xây Việc phân nhóm dựa khơng đồ thị phụ tải mà dựa đồ thị tang góc Kỹ thuật phân nhóm dựa giải thuật Pulsa báo cải biên cho phù hợp với không gian đầu vào Khảo sát cho trường hợp thành khác hồn tồn hình dáng phố Hồ chí Minh cho thấy cách tiếp cận nêu lại có khoảng cách Ơclit tới đồ thị cho kết tốt thứ ba Để khắc phục điều này, báo Từ khóa: phân nhóm đồ thị phụ tải, khoảng cách Ơclit GIỚI THIỆU Phân loại đồ thị phụ tải điện nhằm mục đích tìm nhóm phụ tải có hình dạng đồ thị dùng điện Nó thường dùng cho hoạch định giá điện chương trình quản lý nhu cầu dùng điện (DSM) công ty điện Các báo tổng quan kỹ thuật phân loại đồ thị phụ tải trình bày [1] [2] [3] Trong việc phân loại đồ thị phụ tải khách hàng, lượng đồ thị lớn đồ thị biểu diễn hệ đơn vị có tên Điều hồn tồn khác tiến hành phân loại đồ thị khách hàng Số lượng đồ thị điển hình cho loại khách hàng cơng nghiệp bia, giấy, hóa chất…thường khơng lớn Thay biểu diễn đồ thị hệ đơn vị có tên, cơng suất tiêu thụ khách hàng khác chênh lệch nhiều (từ vài MW tới vài Trang SCIENCE & TECHNOLOGY DEVELOPMENT, Vol.18, No.K3 - 2015 chục MW), nên đồ thị biểu diễn hệ đơn vị tương đối Sự phân loại dựa khoảng cách dij hai phần tử i j Dạng phổ biến dij khoảng cách Ơclit: d ij m (x k 1 ik x jk ) (1) Với xik- đặc tính thứ k phần tử thứ i Khi phân loại đồ thị phụ tải, vấn đề chủ yếu lựa chọn đặc tính cơng thức (1) Hầu cơng trình coi đồ thị phụ tải phần tử với 24 đặc tính tương ứng với tải 24 ngày Một số tác [4] [5] lại sử dụng vài số đồ thị làm đặc tính là: Pmean-day/ Pmax; Pmin /Pmax; Pmin / Pmean-day với Pmean-day , Pmin , Pmax –trị tải trung bình, bé lớn đồ thị phụ tải ngày Kết tính theo số có độ tin cậy thấp Ý tưởng [6] áp dụng cho gần 30 khách hàng lại dựa đồ thị số góc khơng sử dụng khoảng cách Ơclit Đây thuật tốn khó có tính khả thi thường cho số nhóm lớn Ở q trình phân nhóm tn thủ theo tăng giảm tải theo thời gian cách đồng đồ thị theo hệ số góc đây, từ đồ thị phụ tải tính 23 giá trị hệ số góc ε Các góc α đồ thị trình bày Hình Hệ số góc α tang góc ε Theo [6], hai phần tử i j thuộc nhóm trị tuyệt đối (εi (k)-εj (k)) cho tất phân đoạn thời gian k nhỏ giá trị đủ nhỏ Với đồ thị phụ tải hệ đơn vị tương đối, khoảng cách Ơclit hai đồ thị thường nhỏ tình sau xảy ra: hai đồ thị hồn tồn khác hình dạng song lại có khoảng cách (1) tới đồ thị khác (Hình 2) Trong Hinh hai đồ thị có khoảng cách tới đồ thị Trong đó, xét đường cong hệ số góc ε đường cong lại có hình dạng hoàn toàn khác vậy, khoảng cách Ơclit hai đường cong hệ số góc tới đường cong hệ số góc hồn toàn khác α P α α α Bài báo tập trung vào tìm kiếm đặc tính (1) áp dụng thuật tốn Pulsar [7] để phân nhóm CÁC ĐẶC TÍNH CHO PHÂN NHÓM ĐỒ THỊ PHỤ TẢI Như đề cập trên, đặc tính sử dụng [6] hệ số tang góc Ở Trang Hình Gócα t TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 18, SỐ K3- 2015 Như vậy, để phân nhóm đồ thị phụ tải hệ đơn vị tương đối, giải pháp tốt phối hợp đồ thị phụ tải đường cong hệ số góc P1 Curve ε1 0.7 0.6 1 t t -0.1 ε1 0.2 P1 -0.3 P2 Curve 0.7 0.8 ε2 0.6 0.6 0.6 2 t -0.2 ε2 0.2 P2 1 0.4 t -0.1 t 0.8 0.8 t ε3 P3 Curve 0.7 -0.2 0.4 Hình Hai đường cong hệ số góc giống lại có đồ thị phụ tải khác 0.6 t t -0.3 Hình Đường cong hệ số gócε Tuy nhiên đường cong hệ số góc (tang góc) coi đặc thù cho việc xét phân nhóm, chiều (hướng) thay đổi tải theo phân đoạn thời gian xem xét, song lại không quan tâm tới giá trị trục y tức giá trị thực tải Hình giải thích rõ điều Trong hình này, hai đồ thị có đồ thị tang góc, song lại có tiêu thụ tải hồn tồn khác THUẬT TỐN PULSAR 3.1 Thuật tốn Pulsar truyền thống Một kỹ thuật phân nhóm giải thuật Pulsar [7] Với q trình phân nhóm số liệu đầu vào (số phần tử cần phân nhóm) giải thuật tỏ đơn giản hiệu Thuật toán bao gồm nhiều giai đoạn Trong giai đoạn, nhóm phát số phần tử nhóm bị loại trừ trình Quá trình tiếp diễn tất liệu xem xét Có nhiều bước lặp cho giai đoạn bước lặp, Trang SCIENCE & TECHNOLOGY DEVELOPMENT, Vol.18, No.K3 - 2015 bán kính phân nhóm thay đổi tùy thuộc vào số phần tử rơi vào nhóm quét Chọn tâm ban đầu e0 tính bán kính rmax, rmin ( khoảng cách lớn nhỏ phần tử) Bán kính r khoảng cách hai phần tử x y: n r xy (x j Ở n-số chiều (số đặc tính) véc tơ đầu vào x y (ví dụ x y hai đồ thị phụ tải 24 n 24) Giải thuật trình bày sau: Cho giai đoạn: r0= S0={xX : rmin rmax xác định nhóm x e r0 } Tính số phần tử n0 rơi vào nhóm S0 cho γ0 = 0, với γ0 số lần dao động bán kính bước ban đầu 2- Giả sử bước thứ m, với tâm em bán kính rm : Xác định Sm ={xX : x e m rm } (2) Tính số phần tử nm nhóm Sm xác định γ = γm Tính : e m1 xi nm X i S m (3) = min( + , ⎧ max( − , ℎ ặ ⎨ < ⎩ − ℎ ườ Trang ≤ > ≠ ℎợ ò ), ), 1 m nmax nmin số phần tử lớn nhỏ nhóm δ ngưỡng để điều chỉnh bán kính; γcp số lần cho phép dao động bán kính, thường gán Cho γ1 = γ0 = với m 1: if rm rm1 m1 m m if rm rm1 y j )2 j 1 1- Với Với : (4) Từ (4) cho thấy bán kính quét thay đổi số phần tử nhóm vượt nmax nhỏ nmin 3-Nếu em+1 = em, rm+1 = rm dừng lại, không quay bước Như nhóm hình thành sau giai đoạn Giai đoạn thứ hai lặp lại cho phần tử cịn lại q trình tiếp diển 3.2 Thuật toán Pulsar cải biên Như đề cập mục 2, khách hàng xem xét phân nhóm theo hai đặc thù: đồ thị phụ tải đồ thị tang góc Do giải thuật Pulsar cần thiết phải cải biên lại Trong báo này, hai thuật toán cải biên xây dựng Trong giải thuật thứ nhất, giải thuật Pulsar dùng hai lần cách cho giai đoạn Trước hết, giải thuật Pulsar áp dụng cho tập đồ thị phụ tải Sau xác định nhóm, đồ thị tang góc phần tử nhóm phân nhóm giải thuật Pulsa lần Và tạo nhóm Các phần tử cịn lại lại phân nhóm theo qui trình để xác định nhóm thứ hai Rồi lại tiếp tục cho nhóm thứ ba tiếp tục Ký hiệu giải thuật Pulsar cải biên TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 18, SỐ K3- 2015 Giải thuật thứ hai (được ký hiệu Pulsar cải biên 2) trình bày sau: Giả sử bước lặp m đó, với phần tử (khách hàng), tính khoảng cách từ đồ thị phụ tải tới tâm kiểm tra điều kiện (2) Nếu (2) thỏa mãn, tính tiếp khoảng cách từ đồ thị tang góc tới tâm Nếu lại tuân thủ điều kiện (2), phần tử thành phần tử nhóm Điều có nghĩa có hai tâm hai bán kính cần hiệu chỉnh bước 2,3 Tâm thứ tâm tính theo đồ thị phụ tải gọi tâm Tâm tâm theo đồ thị tang góc ÁP DỤNG Do khơng có thơng tin đồ thị phụ tải khách hàng để minh họa áp dụng ý tưởng báo, số liệu đồ thị phụ tải thành phố Hồ chí Minh sử dụng Các đồ thị hai năm: 2011 2012 Với năm 2011 có 29 trạm, cịn năm 2012 số trạm tăng lên 41 Khảo sát tiến hành cho giải thuật: 1sử dụng giải thuật Pulsar truyền thống với đồ thị phụ tải; 2-theo ý tưởng [6] dựa đồ thị tang góc; giải thuật Pulsar cải biên A Năm 2011 4.1 Giải thuật Pulsar truyền thống Hình Phân nhóm theo giải thuật Pulsar dựa đồ thị phụ tải-Năm 2011 Khi không gian đầu vào đồ thị phụ tải, có ba nhóm tạo thành Hình Nhóm có ba đỉnh với đỉnh tối tương đối cao Trong nhóm thứ hai tải vùng thấp điểm nhỏ nhóm Nhóm thứ ba bao gồm đồ thị tương đối phẳng Trang SCIENCE & TECHNOLOGY DEVELOPMENT, Vol.18, No.K3 - 2015 đồ thị tương đối phẳng Như so với giải thuật Pulsar truyền thống, nhóm có đặc thù rõ nét 4.2 Dựa đồ thị tang góc Số lượng nhóm lớn, gần số trạm Điều có nghĩa khả tương tự (giống nhau) theo đồ thị tang góc nhỏ 4.4 Giải thuật Pulsar cải biên Các kết trình bày Hình Trong nhóm thu nhóm thứ ba có đặc thù lộn xộn hình thù đồ thị tải Điều có nghĩa giải thuật có kết khơng thuyết phục 4.3 Giải thuật Pulsar cải biên Số nhóm thu nhóm biểu diễn Hình Ba nhóm có tải đỉnh sáng đầu chiều Nhóm có tải thời điểm tối tương đối cao (lớn 0.8) Nhóm thứ ba đặc trưng tải ban đêm nhỏ Nhóm thứ tư có đỉnh đỉnh tối Nhóm cuối gồm 1 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5 0.5 0.4 0.4 10 15 20 25 0.9 0.8 0.7 0.6 0.5 10 15 20 25 0.4 10 10 15 0.95 0.95 0.9 0.9 0.85 0.85 0.8 0.8 0.75 0.75 0.7 0.7 0.65 0.65 0.6 0.55 10 15 20 25 15 20 25 Hình Các nhóm 29 đồ thị phụ tải theo giải thuật Pulsar cải biên Trang 10 20 25 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 18, SOÁ K3- 2015 1 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5 0.5 0.4 10 15 20 25 0.4 1 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5 0.5 0.4 0.4 10 15 20 25 0 5 10 10 15 15 20 20 25 25 Hình Các nhóm 29 đồ thị phụ tải theo giải thuật Pulsar cải biên B Năm 2012 Các đồ thị 41 trạm đưa vào phân nhóm Với giải thuật Pulsar truyền thống có nhóm hình thành không rút đặc thù từ nhóm Với giải thuật dựa đường cong tang góc, kết không tốt thu Lý số nhóm tìm q lớn (hơn 30 nhóm) 4.5 Giải thuật Pulsar cải biên Các kết trình bày Hình Bảng 4.6 Giải thuật Pulsar cải biên Kết thu giống giải thuật Pulsar truyền thống Qua phân tích đồ thị hai năm, kết luận là: đa số đồ thị rơi vào nhóm với tải tối tương đối cao, ngồi cịn có đỉnh sáng đỉnh đầu chiều Trang 11 SCIENCE & TECHNOLOGY DEVELOPMENT, Vol.18, No.K3 - 2015 1 0.95 0.9 0.9 0.8 0.85 0.7 0.8 0.75 0.6 0.7 0.5 0.65 0.4 10 15 20 25 10 15 20 10 15 25 1 0.95 0.9 0.9 0.8 0.85 0.8 0.7 0.75 0.6 0.7 0.65 0.5 0.6 0.4 0.55 0.5 10 15 20 25 5 20 25 0.95 0.9 0.9 0.8 0.85 0.8 0.7 0.75 0.6 0.7 0.5 0.65 0.4 0.6 0.55 10 15 20 25 10 Hình Các nhóm 41 đồ thị theo giải thuật cải biên Pulsar Trang 12 15 20 25 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 18, SỐ K3- 2015 Bảng1 Các đặc thù nhóm theo giải thuật Pulsar cải biên 1-Năm 2012 Nhóm Đặc thù đỉnh áp đảo: sáng đầu chiều, tải chiều tương đối cao (>0.8) cao nhóm có đỉnh sáng đầu chiều Một đỉnh đỉnh tối Tải thấp điểm thấp nhất; hai đỉnh: sáng đầu chiều Tải đêm tương đối cao; hai đỉnh: sáng đầu chiều Tính phẳng đồ thị tương đối cao Tải tối nhỏ KẾT LUẬN Phân loại đồ thị phụ tải dựa khoảng cách Ơclit không gian 24 chiều chưa đủ tin cậy Một cách tiếp cận hợp lý dựa đồ thị phụ tải đồ thị tang góc Với số lượng đồ thị phân loại giải thuật Pulsar hữu hiệu, nhiên giải thuật cần phải cải biên để phù hợp với không gian đầu vào bao gồm hai đặc thù Nghiên cứu cho trường hợp thành phố Hồ chí Minh cho thấy giải thuật cho kết tốt Nhóm có nhiều đồ thị rơi vào nhóm có hai đỉnh tải: buổi sáng đầu chiều với tải buổi tối cao Combination of load curves and tangent curve for customer’s load curve clustering Phan Thi Thanh Binh Department of Electrical and Electronics Engineering, Ho Chi Minh city University of Technology, VNU-HCM ABSTRACT The load curve clustering for electrical customers traditionally is based on the 24- load curve itself can not lead to the right cluster when the two curves have different dimension input space It means that every load curve is considered as an element with 24 attributes corresponding to 24 load values per 0day But in some cases, the forms but have the same distance to the third one To overcome this limitation, the present paper pays attention to the selection of the input space From each load curve, Trang 13 SCIENCE & TECHNOLOGY DEVELOPMENT, Vol.18, No.K3 - 2015 the tangent curve will be received Now the input space Examining for the electrical clustering will be based not only on the load load curve of Ho Chi Minh city constumers, curve but on the tangent curve The the propose approach has achieved the clustering techniques used the Pulsar best results algorithm with some modifications to fit the Từ khóa: The load curve clustering, the Euclidean distance REFERENCES [1] Chico G et al, Comparision among Clustering teacniques for Electricity Classification, IEEE Trans, Power Syst ,Vol.21, N.2, 2006 [2] S Valero, M Ortiz, C Senabre, C Alvarez, F.J.G Franco and A Gabaldon, Methods for customer and demand response policies selection in new electricity markets, IET Gener Transm Distrib., Vol 1, No 1, January 2007 [3] G Chicco et al., Customer characterization for improve the tariff offer IEEE Trans, Power Syst., (2003), vol 18, pp 381- 387 [4] Gianfranco Chicco, Roberto Napoli and Federico Piglione, Application of Clustering Algorithms and Self – Organising Maps to Classify Electricity Customers, IEEE Proc Bologna Power Tech Conference, 2003 Trang 14 [5] Y.-H.Pao and D.J.Sobajic, Combined use of unsupervised and distribute the load diagrams among the groups formed An supervised learning for dynamic security assessment, IEEE Trans Overall evaluation of the algorithms leads to consider the on Power Systems 7, (May 1992) 878-884 [6] Lei Wen, The Application of Temporal Pattern Clustering Algorithms in DSM, Sixth International Conference on Intelligent Systems Design and Applications (ISDA’06) Volume 1, 2006 [7] Aivazyan S.A., Classification and reduction of dimensionality, Financial and statistics, Moscow, 1989, 606p [8] Địa liên hệ: Phan Thị Thanh Bình [9] Khoa Điện-Điện tử, ĐHBK, ĐHQG-HCM [10] Bộ môn Cung cấp điện, ĐHBK Tp.HCM [11] Email: thanhbinh055@yahoo.com ... đó, xét đường cong hệ số góc ε đường cong lại có hình dạng hồn tồn khác vậy, khoảng cách Ơclit hai đường cong hệ số góc tới đường cong hệ số góc hồn tồn khác α P α α α Bài báo tập trung vào tìm... -0.2 0.4 Hình Hai đường cong hệ số góc giống lại có đồ thị phụ tải khác 0.6 t t -0.3 Hình Đường cong hệ số gócε Tuy nhiên đường cong hệ số góc (tang góc) coi đặc thù cho việc xét phân nhóm, chiều... cao Tải tối nhỏ KẾT LUẬN Phân loại đồ thị phụ tải dựa khoảng cách Ơclit không gian 24 chiều chưa đủ tin cậy Một cách tiếp cận hợp lý dựa đồ thị phụ tải đồ thị tang góc Với số lượng đồ thị phân