(Luận văn thạc sĩ) dự báo nhu cầu sử dụng điện mặt trời sử dụng phương pháp học máy xây dựng mô hình dự báo tình hình sử dụng điện mặt trời

LỜI CAM ĐOAN Trên thực tế khơng có thành công mà không gắn liền với hỗ trợ, giúp đỡ dù hay nhiều, dù trực tiếp hay gián tiếp người khác Trong suốt thời gian từ bắt đầu học tập trường đến nay, nhận nhiều quan tâm, giúp đỡ q Thầy (Cơ), gia đình bạn bè Với lịng biết ơn sâu sắc nhất, tơi xin gửi đến quý Thầy (Cô) Ở Khoa Công Nghệ Thông Tin Trường Đại Học Điện Lực với tri thức tâm huyết để truyền đạt vốn kiến thức quý báu cho suốt thời gian học tập trường Và đặc biệt, thời gian thực luận văn xin chân thành cám ơn TS Nguyễn Thị Thu Hà nhiệt tình hướng dẫn, khơng có lời hướng dẫn Cơ luận văn khó hồn thiện Một lần nữa, xin chân thành cảm ơn Cô Tuy nhiên thời gian nguồn lực có hạn nên khơng tránh khỏi thiếu sót Rất mong nhận ý kiến đóng góp quý báu từ quý Thầy Cô để kiến thức lĩnh vực hoàn thiện n Người thực đề tài Vũ Đức Khánh i MỤC LỤC CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN MẶT TRỜI 1.1 Giới thiệu 1.1.1 Khái niệm điện mặt trời 1.1.2 Nguyên tắc xạ mặt trời 1.2 Một số hệ thống điện mặt trời phổ biến 1.3 Một số phương pháp dự báo 1.3.1 Phương pháp thống kê kinh tế 1.4 Phương pháp đánh giá dự báo 10 1.5 Kết luận chương 11 CHƯƠNG 2: DỰ BÁO NHU CẦU SỬ DỤNG ĐIỆN MẶT TRỜI 12 SỬ DỤNG PHƯƠNG PHÁP HỌC MÁY 12 2.1 Một số phương pháp liên quan 12 2.1.1 Multi-agent models 13 2.1.2 Các mơ hình 14 n 2.1.3 Mơ hình reduced-form 15 2.1.4 Mơ hình thống kê kinh tế lượng 15 2.1.5 Tính tốn thơng minh 17 2.1.5.1 Mạng Nơ-ron nhân tạo 17 2.1.5.2 Máy Vec-tơ hỗ trợ (SVMs) 18 2.1.5.3 Suy diễn mờ 18 2.1.5.4 Mạng no-ron học sâu 19 2.2 Dự báo nhu cầu sử dụng điện mặt trời dựa học máy 20 2.2.1 Mô hình tốn 20 2.2.2 Phân tích yếu tố ảnh hưởng 21 2.3 Ứng dụng máy Vec-tơ hỗ trợ (SVMs) toán dự báo nhu cầu sử dụng điện mặt trời 28 2.3.1 Máy Vec-tơ hỗ trợ (SVMs) 28 2.3.2 Phương pháp VMS tuyến tính 31 2.3.3 Phân tách tuyến tính theo khơng gian đầu vào 32 ii 2.3.4 Phương pháp VMS phi tuyến tính 36 2.3.5 Đánh giá phân tích kết 37 2.4 Kết luận chương 38 CHƯƠNG 3: XÂY DỰNG MƠ HÌNH DỰ BÁO TÌNH HÌNH SỬ DỤNG ĐIỆN MẶT TRỜI 39 3.1 Môi trường cài đặt 39 3.2 Ngôn ngữ sử dụng 39 3.3 Kiến trúc hệ thống 40 3.4 Quy trình thực nghiệm 43 3.5 Kết thử nghiệm .44 3.5.1 Nguồn liệu sử dụng 44 3.5.2 Dữ liệu dùng cho thử nghiệm 45 3.6 Một số giao diện chương trình 46 3.7 Kết luận chương 47 KẾT LUẬN 48 TÀI LIỆU THAM KHẢO 50 n iii DANH MỤC BẢNG BIỂU Bảng 1.1: Tỉ lệ phần trăm thu nhập tiêu dùng thời trang .7 Bảng 2.1: Kết cho mơ hình học tập khác 19 Bảng 3.1: Dữ liệu huấn luyện 42 Bảng 3.2: Lưu dự báo qua lần thử nghiệm 43 Bảng 3.3: Dữ liệu thống kê khách hàng sản lượng phát 45 n iv DANH MỤC HÌNH VẼ Hình 1.1: Mơ hình lương chi tiêu gia đình Hình 1.2: Kết thử nghiệm với mơ hình HW Hình 1.3: Kết thử nghiệm với mơ hình ARIMA Hình 2.1: Một số phương pháp tiếp cận dự báo 12 Hình 2.2: Phân nhóm phương pháp dự báo nhu cầu sử dụng điện .13 Hình 2.4: Mơ hình hệ thống điều khiển mờ 18 Hình 2.5: Dự báo tải với mạng thần kinh tái diễn 19 Hình 2.8: Ví dụ minh họa phân loại k- láng giềng gần 30 Hình 2.9: Nguồn gốc máy vector hỗ trợ tuyến tính cho (a) chia tách tuyến tính (b) điểm liệu khơng tuyến tính 33 Hình 3.1: Thành phần Microsoft NET 39 Hình 3.2: Microsoft NET Framework .40 n Hình 3.3: Sơ đồ chức hệ thống dự báo .41 Hình 3.4: Biểu đồ Use case tổng quát .42 Hình 3.5: Tập đồn Điện lực Việt Nam 45 Hình 3.6: Tổng cục thống kê Việt Nam 45 Hình 3.7: Giao diện liệu huấn luyện cho chương trình .46 Hình 3.8: Giao diện dự báo nhu cầu sử dụng điện mặt trời 47 v DANH MỤC TỪ VIẾT TẮT STT Từ viết tắt Nội dung NLMT Năng lượng mặt trời ANN Mạng nơ ron nhân tạo DNN Mạng nơ ron học sâu CNN Mạng nơ ron tích chập ASR Nhận dạng giọng nói tự động n vi CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN MẶT TRỜI 1.1 Giới thiệu 1.1.1 Khái niệm điện mặt trời Nguồn lượng tốt lớn tận dụng Mặt trời Để sử dụng lượng Mặt Trời không gây ảnh hưởng đến mơi trường Sử dụng lượng mặt trời khơng gây khí nước độc hại, khơng làm nhiễm mơi trường hiệu ứng nhà kính Cách để thu nhận lưu trữ lượng Mặt Trời có hai phương pháp: Phương pháp chủ động sử dụng thiết bị đặc biệt để thu xạ nhiệt sử dụng hệ thống quạt máy bơm để phân phối nhiệt Phương pháp thụ động sử dụng nguyên tắc thu giữ nhiệt cấu trúc vật liệu cơng trình xây dựng Phương pháp thụ động có lịch sử phát triển lâu đời hơn, phương pháp chủ động phát triển chủ yếu kỷ 20 Các ứng dụng lượng mặt trời n Nhiệt Mặt Trời: chuyển xạ Mặt Trời thành nhiệt năng, ứng dụng hệ thống sưởi, để đun nước tạo quay turbin điện Điện Mặt Trời: chuyển xạ Mặt Trời thành điện (hay gọi quang điện-photovoltaics) 1.1.2 Nguyên tắc xạ mặt trời Nguồn lượng cho q trình phong hóa, bào mòn, vận chuyển, bồi tụ Trái Đất, chiếu sáng, sưởi ấm cho hành tinh hệ Mặt Trời Bức xạ mặt trời dòng vật chất lượng Mặt Trời phát Bức xạ mặt trời gồm xạ hạt xạ điện từ: Bức xạ hạt hay cịn gọi gió mặt trời chủ yếu gồm Bức xạ hạt hay cịn gọi gió Mặt Trời chủ yếu gồm proton electron Đa phần chúng có hại cho sinh vật, Trái Đất có tầng ozone bao phủ ngăn phần ảnh hưởng có hại Năng lượng xạ hạt Mặt Trời thường thấp lượng xạ nhiệt 107 lần, thâm nhập vào tầng khí khơng q 90 km Khi đến gần Trái Đất, có vận tốc tới 300-1.525 km/s mật độ 5-80 ion/cm³ Bức xạ điện từ có hai dạng: xạ trực tiếp xạ khuếch tán Có bước sóng rộng từ xạ gamma đến sóng vơ tuyến với lượng cực đại vùng quang phổ khả kiến Đây nguồn lượng chủ yêu để chiếu sáng trì hoạt động sinh hóa Trái Đất Khi qua khí Trái Đất, xạ sóng ngắn có hại cho sống gần bị tầng ozone hấp thụ hồn tồn Ngày cơng nghiệp phát triển, chất CFC thải vào khí huỷ hoại tầng ozone, tạo nguy xạ sóng ngắn tiêu diệt sống Trái Đất Chùm tia truyền thẳng từ mặt trời gọi xạ trực xạ Tổng hợp tia trực xạ tán xạ gọi tổng xạ Mật độ dòng xạ trực xạ ngồi lớp khí quyển, tính với 1m2 bề mặt đặt vng góc với tia xạ Do khoảng cách trái đất mặt trời thay đổi theo mùa năm nên β thay đổi q thay đổi độ thay đổi khơng lớn nên xem q không đổi gọi số mặt trời Khi truyền qua lớp khí bao bọc quanh trái đất chùm tia xạ bị hấp thụ tán xạ tầng ôzôn, nước bụi khí quyển, phần lượng truyền trực tiếp tới trái đất Đầu tiên ôxy phân tử bình n thường O2 phân ly thành ơxy nguyên tử O, để phá vỡ liên kết phân tử đó, cần phải có photon bước sóng ngắn 0,18 µm, photon (xem xạ hạt rời rạc - photon) có lượng bị hấp thụ hoàn toàn Chỉ phần ngun tử ơxy kết hợp thành phân tử, cịn đại đa số nguyên tử tương tác với phân tử ôxy khác để tạothành phân tử ôzôn O3 ôzôn hấp thụ xạ tử ngoại với mức độ thấp so với ôxy, tác dụng photon với bước sóng ngắn 0,32 µm, phân tách O3 thành O2 O xảy Như toàn lượng xạ tử ngoại sử dụng để trì trình phân ly hợp O, O2 O3, q trình ổn định Do q trình này, qua khí quyển, xạ tử ngoại biến đổi thành xạ với lượng nhỏ Các xạ với bước sóng ứng với vùng nhìn thấy vùng hồng ngoại phổ tương tác với phân tử khí hạt bụi khơng khí khơng phá vỡ liên kết chúng, photon bị tán xạ theo hướng số photon quay trở lại không gian vũ trụ Bức xạ chịu dạng tán xạ chủ yếu xạ có bước sóng ngắn Sau phản xạ từ phần khác khí xạ tán xạ đến mang theo màu xanh lam bầu trời sáng quan sát độ cao không lớn Các giọt nước tán xạ mạnh xạ mặt trời Bức xạ mặt trời qua khí cịn gặp trở ngại đáng kể hấp thụ phần tử nưóc, khí cacbơnic hợp chất khác, mức độ hấp thụ phụ thuộc vào bước sóng, mạnh khoảng vùng hồng ngoại phổ Phần lượng xạ mặt trời truyền tới bề mặt trái đất ngày quang đãng (khơng có mây) thời điểm cao vào khoảng 1000W/m2 Yếu tố xác định cường độ xạ mặt trời điểm trái đất quãng đường qua Sự mát lượng quãng đường gắn liền với tán xạ, hấp thụ xạ phụ thuộc vào thời gian ngày, mùa, vị trí địa lý Các mùa hình thành nghiêng trục trái đất mặt phẳng quỹ đạo quanh mặt trời gây Góc nghiêng vào khoảng 66,50 thực tế xem không đổi không gian Sự định hướng trục quay trái đất chuyển động mặt trời gây dao động quan trọng độ dài ngày đêm năm Công suất 4.1013 lần tổng cơng suất n điện tồn giới nay, vào khoảng P = 1013W2 Nguyên tắc tận thu xạ mặt trời Cường độ xạ mặt đất chủ yếu phụ thuộc yếu tố: góc nghiêng tia sáng mặt phẳng bề mặt cho độ dài đường tia sáng khí nói chung phụ thuộc vào độ cao mặt trời (góc phương từ điểm quan sát đến mặt trời mặt phẳng nằm ngang qua điểm đó) Yếu tố xác định cường độ xạ mặt trời điểm trái đất quãng đường qua Sự mát lượng quãng đường gắn liền với tán xạ, hấp thụ xạ phụ thuộc vào thời gian ngày, mùa, vị trí địa lý Quan hệ xạ mặt trời ngồi khí thời gian năm xác định theo phương trình Tính tốn góc tới xạ trực xạ Hệ số khối khơng khí: m, tỷ số khối lượng khí theo phương tia xạ truyền qua khối lượng khí theo phương thẳng đứng (tức mặt trời đỉnh) Như m = mặt trời đỉnh, m = góc đỉnh θz 600 Đối với góc đỉnh từ – 700 xác định gần m = 1/cosθz Cịn góc θz độ cong bề mặt trái đất phải đưa vào tính tốn Riêng trường hợp tính tốn xạ mặt trời ngồi khí m = Trực xạ: xạ mặt trời nhận không bị bầu khí phát tán Đây dịng xạ có hướng thu thu kiểu tập trung (hội tụ) Tán xạ: xạ mặt trời nhận sau hướng bị thay đổi phát tán bầu khí (trong số tài liệu khí tượng, tán xạ gọi xạ bầu trời, cần phân biệt tán xạ mặt trời với xạ hồng ngoại bầu khí phát ra) Tổng xạ: tổng trực xạ tán xạ bề mặt (phổ biến tổng xạ bề mặt nằm ngang, thường gọi xạ cầu bề mặt) Cường độ xạ (W/m2): cường độ lượng xạ mặt trời đến bề mặt tương ứng với đơn vị diện tích bề mặt Cường độ xạ bao gồm cường độ xạ trực xạ Etrx, cường độ xạ tán xạ Etx cường độ xạ quang phổ Eqp Năng lượng xạ (J/m 2): lượng xạ mặt trời truyền tới đơn vị diện tích bề mặt khoảng thời gian, lượng xạ đại lượng tích phân cường độ xạ khoảng thời gian định (thường 1giờ hay ngày) Giờ mặt trời: thời gian dựa chuyển động biểu n kiến mặt trời bầu trời, với quy ước mặt trời ngọ thời điểm mặt trời qua thiên đỉnh người quan sát Giờ mặt trời thời gian sử dụng quan hệ góc mặt trời, khơng đồng nghĩa với theo đồng hồ Quan hệ hình học mặt phẳng bố trí mặt đất xạ mặt trời truyền tới, tức vị trí mặt trời so với mặt phẳng xác định theo góc đặc trưng: Góc vĩ độ φ: vị trí góc tương ứng với vĩ độ phía bắc phí nam đường xích đạo trái đất, với hướng phía bắc hướng dương -900≤ φ ≤ 900 Góc nghiêng β: góc mặt phẳng bề mặt tính toán phương nằm ngang0 ≤ β ≤ 1800 ( β > 900 nghĩa bề mặt nhận xạ hướng xuống phía dưới) Góc phương vị bề mặt γ: góc lệch hình chiếu pháp tuyến bề mặt mặt phẳng nằm ngang so với đường kinh tuyến Góc γ = bề mặt quay hướng nam , γ lấy dấu (+) bề mặt quay phía tây lấy dấu (-) bề mặt quay phía đơng.-1800 ≤ γ ≤ 1800 2.3.4 Phương pháp VMS phi tuyến tính Dữ liệu dạng khơng gian đầu vào ln giả định tách hàm tuyến tính, nhiều lĩnh vực, cách xử lý Để đạt phân loại hợp lý không gian phi tuyến tính, chức cần thay đổi SVM điều chỉnh kết cách sử dụng chức ánh xạ đặc trưng Φ Bản đồ chức từ không gian tách rời phi tuyến tính đến khơng gian tính chiều cao H nơi tách tuyến tính Quay trở lại tốn tối ưu hóa kép phương trình (2.19) Điều giúp tích hợp đồ tính Φ cần thay phần kết có chứa ánh xạ tới khơng gian chiều cao Điều dẫn đến vấn đề tối ưu hóa kép cho phi tuyến tính SVM: n (2.25) Để tránh tính tốn rõ ràng Φ : R d → H, ánh xạ gây kernel K với K(x, x1 ) = {Φ(x), Φ(x1)} Kỹ thuật gọi kỹ thuật hạt nhân Do đó, cần áp dụng hàm hạt nhân mẫu tính tốn kết sau thay tính toán kết chiều cao Một hạn chế ma trận hạt nhân K ∈ Rn × n sử dụng lập trình bậc hai semidefinite, có nghĩa điều kiện xT Kx ≥ phải áp dụng Với điều kiện này, đảm bảo tách điểm liệu không gian chiều cao Ba hàm kernel phổ biến thỏa mãn ràng buộc là: (2.26) (2.27) (2.28) Bằng cách này, hạt nhân tuyến tính tương đương với SVM tuyến tính giải thích Sự gia tăng tính phức tạp tính tốn hồn toàn phụ thuộc vào độ phức tạp hàm hạt nhân kích thước liệu khơng gian đầu vào 36 ban đầu Chi tiết thông tin hàm hạt nhân tìm thấy Hastie et al Thêm hàm hạt nhân vào toán tối ưu hóa kép phương trình (2.25) (2.29) nhãn mẫu x1 xác định với hàm định liên quan sau: (2.30) 2.3.5 Đánh giá phân tích kết n Ở phần này, thông tin học máy, bao gồm tự động việc học hàm mà ánh xạ giá trị từ đầu vào đến không gian đầu ra, giới thiệu Giá trị không gian đầu vào gọi mẫu đối lập chúng không gian đầu nhãn Trong suốt công việc này, đặc điểm thuật ngữ sử dụng để mô tả thành phần đơn lẻ mẫu Để huấn luyện, kiểm tra đánh giá mơ hình phân loại hồi quy, có liệu tương ứng giới thiệu Với kiến thức đào tạo tập liệu, phân biệt việc học có giám sát khơng giám sát Phương pháp giám sát sử dụng mối liên hệ biết mẫu nhãn khóa đào tạo tập liệu để tìm hiểu hàm ánh xạ Các chức sau sử dụng để định thích hợp nhãn cho mẫu Để đưa ví dụ đơn giản mơ hình phân loại hồi quy, thuật tốn học giám sát k-láng giềng gần sử dụng Vì chủ yếu sử dụng phương pháp học giám sát, có ví dụ ngắn phương pháp học không giám sát, phương pháp đưa là: k-means clustering Với cách phân cụm k, phân loại mẫu thành nhóm k (cụm) gán nhãn tương ứng cho chúng Trên sở đó, phần thứ hai chương 37 tập trung vào việc nghiên cứu nguyên tắc sử dụng học máy vectơ hỗ trợ (SVM) Bắt đầu từ tối ưu hóa mơ hình SVM tuyến tính cho liệu dạng khơng gian đầu vào phân tách tuyến tính Dựa điều này, việc phân loại phi tuyến tính khơng gian cách áp dụng biến slack sử dụng Kết luận gọi hàm hạt nhân cho mơ hình, vấn đề tối ưu hóa tham chiếu vào khơng gian đầu vào chiều cao hơn, tách tuyến tính Mơ hình SVM phân loại mẫu không gian liệu phức tạp gán nhãn thích hợp, tuân thủ hai tham số người dùng định nghĩa C γ, điều chỉnh độ phức tạp học máy Phần cuối chương giải thích thay đổi cần thiết để tạo kết hồi quy cách sử dụng SVM Thay giá trị rời rạc, khơng gian liệu có giá trị liên tục Phần mở rộng SVM mơ hình hồi quy gọi hỗ trợ hồi quy vector (SVR) Trong luận văn này, SVR sử dụng làm mơ hình dự báo nhu cầu sử dụng điện mặt trời 2.4 Kết luận chương Trong chương này, luận văn trình bày tổng quan khái niệm n liên quan tới dự báo, dự báo kinh tế Các phương pháp thường sử dụng dự báo kinh tế bao gồm phương pháp liên quan tới kinh tế lượng học máy 38 CHƯƠNG 3: XÂY DỰNG MƠ HÌNH DỰ BÁO TÌNH HÌNH SỬ DỤNG ĐIỆN MẶT TRỜI 3.1 Mơi trường cài đặt Chương trình viết nền.NET Framework triển khai môi trường phần mềm Môi trường phần mềm máy ảo cung cấp dịch vụ an ninh phần mềm (security), quản lý nhớ (memory management), xử lý lỗi ngoại lệ (exception handling) .NET framework bao gồm tập thư viện lập trình lớn, thư viện hỗ trợ việc xây dựng chương trình phần mềm lập trình giao diện; truy cập, kết nối sở liệu; ứng dụng web; giải thuật, cấu trúc liệu; giao tiếp mạng CLR với thư viện thành phần của.NET framework .NET framework đơn giản hóa việc viết ứng dụng cách cung cấp nhiều thành phần thiết kế sẵn, người lập trình cần học cách sử dụng tùy theo sáng tạo mà gắn kết thành phần lại với Nhiều cơng cụ tạo n để hỗ trợ xây dựng ứng dụng.NET, IDE (Integrated Developement Environment) phát triển hỗ trợ Microsoft Visual Studio Các thức cài đặt chương trình Chương trình chạy windows 3.2 Ngôn ngữ sử dụng Microsoft Net Kiến trúc Microsoft NET Hình 3.1: Thành phần Microsoft NET 39 Microsoft NET Framework Hình 3.2: Microsoft NET Framework Ngơn ngữ lập trình C# Ngơn ngữ C# đơn giản với khoảng 80 từ khóa khoảng mười kiểu liệu xây dựng sẵn Tuy nhiên, ngơn ngữ C# có ý nghĩa cao thực thi khái niệm lập trình đại C# bao gồm tất hỗ trợ cho cấu trúc, thành phần, lập trình hướng đối tượng Những tính chất diện ngơn ngữ lập trình đại ngơn ngữ C# tụ đủ điều kiện vậy, xây dựng tảng hai ngôn ngữ mạnh C++ java 3.3 Kiến trúc hệ thống n Dựa vào việc xác định biến tham gia vào mơ hình dự báo phương pháp thu thập liệu nguồn liệu trình bày Mơ hình sử dụng số liệu từ biến độc lập chu kỳ thứ n để dự báo cho biến phụ thuộc chu kỳ thứ n+1 Mơ hình khơng có ý nghĩa dự báo cho kết biến phụ thuộc (nhu cầu sử dụng lượng mặt trời) chu kỳ mà thể mức độ ảnh hưởng biến độc lập đến biến phụ thuộc nhằm mục tiêu kiểm soát biến độc lập để đảm tính ổn định nhu cầu sử dụng lượng mặt trời Các liệu cần đưa vào liệu biến độc lập lại sau loại biến tương quan Dựa vào liệu chu kỳ thứ n để dự báo cho chu kỳ thứ n+1, hệ số mơ hình thay đổi theo thời gian cần phải liên tục tính tốn lại tính phù hợp mơ hình theo thời gian để tránh sai lệch Yêu cầu hệ thống Hệ thống dự báo nhu cầu sử dụng bao gồm pha chính: pha huấn luyện pha dự báo 40 - Pha huấn luyện: pha huấn luyện thực việc huấn luyện liệu dựa mạng nơ ron nhân tạo - Pha dự báo: pha dự báo sử dụng liệu với thông số đầu vào đảm bảo với yêu cầu, kiểu định dạng liệu thực cho kết đầu Các chức hệ thống Chức tổng quát Dựa vào yêu cầu hệ thống dự báo giá điện năng, chức hệ thống mơ tả hình vẽ 3.8 HỆ THỐNG DỰ BÁO NHU CẦU SỬ DỤNG DỰ BÁO n HUẤN LUYỆN Hình 3.3: Sơ đồ chức hệ thống dự báo Hình 3.4 mô tả biểu đồ ca sử dụng tổng quát hệ thống biểu đồ use case tổng quát o Huấn luyện o Thêm liệu o Xem thơng tin o Dự báo 41 Hình 3.4: Biểu đồ Use case tổng quát n Biểu đồ lớp Sử dụng Office Excel để tạo sở liệu lưu trữ trình huấn luyện kết dự báo nhu cầu sử dụng cho lần Chương trình thiết kế từ bảng sau: Bảng 3.1: Dữ liệu huấn luyện Tên trường Kiểu liệu Khóa Mơ tả ID Int X SHCS Int Số chiếu sáng SLPhat Double Sả lượng phát điện SLKH Int Số lượng khách hàng sử dụng TGTK Datetime Thời gian thống kê 42 Bảng 3.2: Lưu dự báo qua lần thử nghiệm Tên trường Kiểu liệu ID Int Khóa Mơ tả X NhuCauDuBao decimal(18, 0) Nhu cầu sử dụng lượng dự báo ThoiGianDuBao Datetime Thời gian dự báo thay đổi nhu cầu lượng NgayTao datetime Ngày tạo LanDuBao Int Lần dự báo SL_Truoc Int Số liệu gần trước dự báo TyLeChenh decimal(18, 0) Tỷ lệ chênh so với thực tế 3.4 Quy trình thực nghiệm Tiến hành thực nghiệm hai tập liệu: liệu thực liệu sinh tự động Sử dụng phương thức k - fold n Mỗi tập liệu, sử dụng phương thức k – fold, chia tập liệu làm 10 fold, sau tiến hành huấn luyện với 10 lần lặp Mỗi lần, sử dụng – fold liệu làm tập huấn luyện mơ hình, fold cịn lại làm tập test Mơ hình thực nghiệm luận văn thực thực nghiệm với mơ hình SVR đơn Do điều kiện thời gian nên việc thực thực nghiệm với mơ hình SVR có kết hợp giải thuật di truyền chưa hồn thiện Vì luận văn này, chưa trình bày phần thực nghiệm với mơ hình SVR có kết hợp giải thuật di truyền Lựa chọn hàm nhân cho SVR nhân Radial Basis Functions (RBF) nhân đa thức (Polynomial - Poly) để ánh xạ liệu biến đầu vào xi mơ hình SVR Thử nghiệm thực với giải thuật smoreg cho mơ hình hồi quy vector hỗ trợ Đầu vào mơ hình bao gồm: số lượng người lắp đặt thực tế, sản lượng phát điện đăng ký, tổng số chiếu sáng theo tháng năm Đầu mơ hình số lượng người đăng ký lắp đặt Bảng 3.3: Lựa chọn giá trị tham số cho mơ hình thực nghiệm 43 Phương pháp đánh giá mơ hình Trong nghiên cứu này, sử dụng phương pháp sau n Trong đó, yi fi giá trị thực giá trị dự báo thời điểm i, y, f giá trị trung bình giá trị thực giá trị dự báo Phương pháp dự báo tốt phương pháp nhận sai số R lớn sai số RMSE MAE nhỏ (càng gần không tốt) 3.5 Kết thử nghiệm 3.5.1 Nguồn liệu sử dụng Dữ liệu dùng cho thử nghiệm lấy từ 02 nguồn: - Dữ liệu thống kê số lượng khách hàng sử dụng công suất phát pin mặt trời lấy từ Ban kinh doanh điện trực thuộc Tập đồn Điện lực Việt Nam 44 Hình 3.5: Tập đoàn Điện lực Việt Nam - Dữ liệu số chiếu sáng tháng lấy từ tổng cục thống kê Việt Nam n Hình 3.6: Tổng cục thống kê Việt Nam 3.5.2 Dữ liệu dùng cho thử nghiệm Với 03 nhân tố ảnh hưởng, luận văn thực thử nghiệm với liệu từ tháng 02/2018 đến tháng 07/2018 sau: Bảng 3.4: Dữ liệu thống kê khách hàng sản lượng phát 45 3.6 Một số giao diện chương trình n Hình 3.7: Giao diện liệu huấn luyện cho chương trình 46 Hình 3.8: Giao diện dự báo nhu cầu sử dụng điện mặt trời 3.7 Kết luận chương Trong chương này, luận văn trình bày trình xây dựng, cài đặt hệ thống thử nghiệm kết hệ thống Đồng thời chương đánh giá lỗi tỉ lệ hay gọi sai số chênh lệch kết dự báo kết thực Các giao diện hệ thống mô tả hệ thống thực chương n 47 KẾT LUẬN Kết đạt - Từ mơ hình máy vecto hỗ trợ xây dựng tiến hành dự báo nhu cầu sử dụng lượng mặt trời năm 2018 từ tháng 7/2018, từ kết so sánh với số liệu thống kê thu thập để kiểm định kết mơ hình dự báo với phương sai hiệu chỉnh 2,371541502 Đánh giá ưu nhược điểm Ưu điểm - Giúp người dự báo biết biến có ảnh hưởng nhiều đến biến phụ thuộc Điều có ý nghĩa quan trọng dựa sở để xếp thứ tự ưu tiên, người sử dụng có chiến lược thích hợp - Từ việc đánh giá kết sau dự báo với số liệu q khứ nhận thấy mơ hình dự báo tương đối xác vịng nhiều tháng nên thích hợp cho việc dự báo dài hạn để đưa định hướng kinh tế tương lai n Nhược điểm Việc dự báo mơ hình cịn gặp phải nhược điểm: - Không tiên liệu trước độ trễ - Trong q trình dự báo cịn đưa nhiều giả định - Mơ hình có thêm độ trễ bậc tự do, liệu chuỗi thời gian khơng đủ dài ý nghĩa thống kê mơ hình ngày - Các biến giải thích thực chất giá trị biến X theo thời gian, điều gây tương quan biến giải thích mơ hình, tức có tượng đa cộng tuyến Ước lượng tham số mơ hình trường hợp có đa cộng tuyến cho kết xác Hướng phát triển tương lai Có thể nói mơ hình có tính thực tế ứng dụng thực tiễn cao, thời đại kinh tế phát triển nhanh chóng Vậy nên cần sử dụng mơ hình tiền đề để tiếp tục nghiên cứu phát triển Cần có nhìn tổng quan đánh giá xác lực dự báo mơ hình từ đề 48 biện pháp khắc phục nhược điểm, đề hướng phát triển cho mơ hình tương lai, áp dụng để dự báo số giá tiêu dùng cho năm tới Ngồi ra, dựa mơ hình để triển khai xây dựng thành phần mềm ứng dụng, giúp việc dự báo trở nên chuyên nghiệp, thuận tiện, phổ biến quy mơ rộng hạn chế thấp sai sót xảy ảnh hưởng đến kết dự báo Giúp đưa mơ hình dự báo số giá tiêu dùng hồi quy bội trở thành công cụ đắc lực hỗ trợ việc dự báo, phát huy hết vai trị tác dụng dự báo Khơng dừng lại đó, cần tiếp tục nghiên cứu để mở rộng lĩnh vực dự báo, đặc biệt lĩnh vực có nhiều biến động, tốc độ phát triển nhanh chóng ảnh hưởng nhiều đến kinh tế n 49 TÀI LIỆU THAM KHẢO [1] Solar electric power association,Miriam Makhyoun 2011 [2] H Madsen: Time Series Analysis, Chapman and Hall, 392 pp, 2008 [3] J.M Morales, A.J Conejo, H Madsen, P Pinson, M Zugno: Integrating Renewables in ElectricityMarkes, Springer, 430 pp., 2013 [4] G Giebel, R Brownsword, G Kariniotakis, M Denhard, C Draxl: The state-ofthe-art inshort-term prediction of wind power, ANEMOS plus report, 2011 [5] P Pinson, H Madsen: Adaptive modeling and forecasting of wind power fluctuations withMarkov-switching autoregressive models Journal of Forecasting, 2010 [6] Dissertation zur Erlangung des Gradeseines Doktors der Naturwissenschaften: Support Vector Regression for Solar Power Prediction Oldenburg, den 12 April 2017 [7] Tổng cục thống kê, 2008, “Niên giám Thống Kê”, NXB Thống kê n [8] Tập đoàn Điện lực Việt Nam Nguồn: www.evn.com.vn [9] Tổng cục Thống kê Việt Nam Nguồn: www.gso.gov.vn 50