1. Trang chủ
  2. » Luận Văn - Báo Cáo

Dự báo phụ tải cho tỉnh kiên giang sử dụng neural network

167 2 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Dự Báo Phụ Tải Cho Tỉnh Kiên Giang Sử Dụng Neural Network
Tác giả Trịnh Tiến Uy
Người hướng dẫn PGS.TS Quyền Huy Ánh
Trường học Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Chuyên ngành Kỹ Thuật Điện
Thể loại Luận Văn Thạc Sĩ
Năm xuất bản 2017
Thành phố Tp. Hồ Chí Minh
Định dạng
Số trang 167
Dung lượng 11,11 MB

Cấu trúc

  • Chương 1: TỔNG QUAN (26)
    • 1.1 Tổng quan về hướng nghiên cứu (26)
    • 1.2 Mục tiêu và nhiệm vụ của luận văn (27)
    • 1.3 Phạm vi nghiên cứu (27)
    • 1.4 Phương pháp nghiên cứu (27)
    • 1.5 Điểm mới của luận văn (28)
    • 1.6 Giá trị thực tiễn của luận văn (28)
    • 1.7 Nội dung của luận văn (28)
  • Chương 2: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP DỰ BÁO PHỤ TẢI ĐỆN (28)
    • 2.1 Phương pháp dự báo truyền thống (29)
      • 2.1.1 Phương pháp hệ số đàn hồi (29)
      • 2.1.2 Phương pháp tính tương quan - xu thế (30)
      • 2.1.3 Phương pháp tính trực tiếp (31)
      • 2.1.4 Phương pháp chuyên gia (32)
      • 2.1.5 Phương pháp hồi quy (32)
      • 2.1.6 Phương pháp san bằng hàm mũ (33)
      • 2.1.7 Phương pháp ngoại suy theo thời gian (34)
    • 2.2 Phương pháp dự báo phụ tải hiện đại (35)
      • 2.2.1 Phương pháp dự báo bằng Fuzzy logic (logic mờ) (36)
      • 2.2.2 Phép phân tích Wavelet (37)
      • 2.2.3 Mạng nơron nhân tạo (neural network) (38)
      • 2.2.4 Mạng nơron mờ (Fuzzy neural network - FNN) (40)
  • Chương 3: PHƯƠNG PHÁP DỰ BÁO TRÊN CƠ SỞ MẠNG NƠRON NHÂN TẠO (28)
    • 3.1 Mạng nơron nhân tạo (41)
      • 3.1.1 Cấu trúc của mạng nơron nhân tạo (42)
      • 3.1.2 Một số hàm truyền thông dụng (43)
      • 3.1.3 Mô hình kết nối (44)
      • 3.1.4 Phân loại (46)
      • 3.1.5 Các loại mạng nơron (47)
      • 3.1.6 Một số luật học và giải thuật cơ bản (49)
    • 3.2 Mô hình dự báo sử dụng mạng nơron (55)
      • 3.2.1 Huấn luyện mạng nơron (55)
      • 3.2.2 Các yếu tố ảnh hưởng đến quá trình huấn luyện mạng (56)
      • 3.2.3 Lựa chọn mạng (58)
      • 3.2.4 Thuật toán huấn luyện mạng theo giải thuật lan truyền ngược cho mạng nơron nhân tạo (62)
  • Chương 4: GIẢI THUẬT DỰ BÁO PHỤ TẢI ĐỀ XUẤT (28)
    • 4.1 Huấn luyện mạng nơron cho mô hình dự báo phụ tải điện (68)
    • 4.2 Giải thuật chương trình huấn luyện (69)
      • 4.2.1 Lựa chọn thay đổi số neural lớp ẩn (0)
      • 4.2.2 Phân tích kết quả (78)
    • 4.3 Giải thuật lập trình dự báo phụ tải bằng mạng nơron (79)
      • 4.3.1 Giải thuật dự báo phụ tải 24 giờ (ngày) (79)
      • 4.3.2 Giải thuật dự báo phụ tải tuần (80)
      • 4.3.3 Giải thuật dự báo phụ tải tháng (82)
    • 5.1 Các chương trình dự báo phụ tải cho tỉnh Kiên Giang bằng mạng nơron (84)
      • 5.1.1 Dự báo phụ tải 24 giờ của 7 ngày tiếp theo (84)
      • 5.1.2 Dự Báo phụ tải của 7 ngày tiếp theo (96)
      • 5.1.3 Dự Báo phụ tải 12 tháng tiếp theo (107)
    • 5.2 Kết quả dự báo phụ tải cho tỉnh Kiên Giang bằng mạng nơron (117)
      • 5.2.1 Kết quả dự báo phụ tải 24 giờ (117)
      • 5.2.2 Kết quả dự báo phụ tải của 7 ngày (124)
      • 5.2.3 Kết quả dự báo phụ tải 12 tháng (124)
  • Chương 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI (28)
    • 6.1 Kết luận (126)
    • 6.2 Hướng phát triển của đề tài (126)
  • TÀI LIỆU THAM KHẢO (28)

Nội dung

TỔNG QUAN

Tổng quan về hướng nghiên cứu

Sản xuất và tiêu dùng năng lượng ngày càng phát triển, ảnh hưởng đến nhiều vấn đề xã hội quan trọng như kinh tế, dân số, chất lượng cuộc sống, công nghệ, công nghiệp hóa, môi trường và chính sách năng lượng của nhà nước Hệ thống năng lượng trở nên phức tạp hơn về quy mô và trình độ, vì vậy việc quy hoạch và dự báo phát triển hệ thống năng lượng, đặc biệt là hệ thống điện, luôn là mối quan tâm hàng đầu của các quốc gia.

Dự báo phụ tải trong ngành năng lượng đóng vai trò quan trọng, ảnh hưởng trực tiếp đến đời sống sinh hoạt và các ngành kinh tế Nó quyết định việc đảm bảo an toàn và tiết kiệm cho hệ thống điện, đồng thời là yếu tố then chốt trong việc hoạch định chiến lược phát triển hệ thống năng lượng.

Năng lượng đóng vai trò quan trọng trong mọi hoạt động của con người, đặc biệt trong thời đại hiện đại khi khoa học kỹ thuật phát triển vượt bậc Sự thiếu hụt năng lượng không thể tưởng tượng nổi, vì nó là yếu tố thiết yếu giúp con người chinh phục thiên nhiên và kiểm soát cuộc sống của mình.

Công tác dự báo cần tính chính xác:

Nếu dự báo nguồn cung vượt quá nhu cầu sử dụng, việc huy động nguồn lực quá mức sẽ dẫn đến tăng vốn đầu tư, gây lãng phí và có khả năng làm gia tăng tổn thất năng lượng.

Dự báo phụ tải là yếu tố quan trọng để đảm bảo cung cấp năng lượng hiệu quả, nếu dự báo quá thấp sẽ dẫn đến cắt giảm phụ tải không kế hoạch, gây thiệt hại cho nền kinh tế Tại Việt Nam, vấn đề này đang được chú trọng nghiên cứu, nhưng vẫn còn nhiều thách thức cần giải quyết Các phương pháp truyền thống thường thiếu chính xác do dữ liệu không đầy đủ và thời gian tính toán lâu Không có công thức chính xác nào để dự đoán giá trị kỳ vọng, dẫn đến việc sử dụng các phương trình gần đúng, làm giảm độ chính xác Gần đây, các nhà khoa học đã nghiên cứu và phát triển các phương pháp dự báo mới dựa trên công nghệ trí tuệ nhân tạo, như fuzzy logic, nhằm cải thiện nhược điểm của các phương pháp cổ điển.

Các phương pháp dự báo hiện đại như mạng nơron, phân tích wavelet, và sự phối hợp giữa các phương pháp fuzzy với nơron, fuzzy với wavelet, và wavelet với nơron đang ngày càng được chú trọng Những phương pháp này mang lại kết quả dự báo chính xác, đặc biệt là ứng dụng mạng nơron nhân tạo, đã cho thấy nhiều thành công trong lĩnh vực dự báo.

Mục tiêu và nhiệm vụ của luận văn

 Tìm hiểu tổng quan về các phương pháp dự báo phụ tải điện;

Nghiên cứu tập trung vào mạng nơron và các mô hình dự báo, bao gồm thuật toán huấn luyện mô hình dự báo và giải thuật lập trình dự báo phụ tải Mục tiêu là phát triển các phương pháp dự đoán hiệu quả cho tỉnh Kiên Giang, nhằm tối ưu hóa việc quản lý và phân bổ tài nguyên.

 Ứng dụng mạng nơron dự báo cho tỉnh Kiên Giang với kết quả sai số nằm trong phạm vi cho phép (

Ngày đăng: 23/12/2023, 21:18

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1]. Yan Yan and Aimin Yang, “Fuzzy Load Forecasting of Electric Power System”, Journal of Computers, Vol.7, Issue 8, pp: 1903-1910, August 2012 Sách, tạp chí
Tiêu đề: Fuzzy Load Forecasting of Electric Power System
[2]. Patel Parth Manoj, Ashish Pravinchandra Shah, “Fuzzy logic methodology for short-term load forecasting”, International Journal of Research in Engineering and Technology, Vol. 3, Issue 4, pp: 2321-7308, April 2014 Sách, tạp chí
Tiêu đề: Fuzzy logic methodology for short-term load forecasting
[3]. Hasan H.Cevik and Mehmet Cunkas, “A Fuzzy Logic Based Short-term Load Forecast for the Holidays”, International Journal of Machine Learning and Computing,Vol. 6, Issue 1, pp: 57, February.2016 Sách, tạp chí
Tiêu đề: A Fuzzy Logic Based Short-term Load Forecast for the Holidays
[4]. Mahmuda Akter Monne and Kazi Saifui Alam, “Application of Fuzzy logic to Electric Load Forecasting”, International Journal of Science and Advanced Technology, Vol. 3, Issue 12, pp: 2221-8386, December.2013 Sách, tạp chí
Tiêu đề: Application of Fuzzy logic to Electric Load Forecasting
[5]. Badri A, Ameli Z, Birjandi A.M, “Application of Artificial Neural Networks and Fuzzy logic Methods for Short Term Load Forecasting”, Energy Procedia 2012, 14, pp.1883–1888, 2012 Sách, tạp chí
Tiêu đề: Application of Artificial Neural Networks and Fuzzy logic Methods for Short Term Load Forecasting
[6]. Webberley.A, D.W.Gao, “Study of articial neural network based short term load forecasting”, Power and Energy Society General Meeting (PES), IEEE, Vancouver, BC, pp. 1-4, 2013 Sách, tạp chí
Tiêu đề: Study of articial neural network based short term load forecasting
[7]. Yokoyama.J, H.D.Chiang, “Short Term Load Forecasting improved by ensemble and its variations”, Power and Energy Society General Meeting (PES), 2012 IEEE, pp. 1-6, November.2012 Sách, tạp chí
Tiêu đề: Short Term Load Forecasting improved by ensemble and its variations
[8]. M.Buhari, S.S.Adamu, “Short-Term Load Forecasting Using Artificial Neural Network,” IMECS, pp. 83-88, Mar.2012 Sách, tạp chí
Tiêu đề: Short-Term Load Forecasting Using Artificial Neural Network,” "IMECS
[9]. M.De Felice, Y.Xin, "Short-term load forecasting with neural network ensembles: A comparative study", IEEE Computational Intell. Mag, vol 6, pp. 47-56, 2013 Sách, tạp chí
Tiêu đề: Short-term load forecasting with neural network ensembles: A comparative study
[10]. S.Li, P.Wang, L.Goel, "Short-term load forecasting by wavelet transform and evolutionary extreme learning machine", Electric Power System Research, vol. 122, pp. 96-103, 2015 Sách, tạp chí
Tiêu đề: Short-term load forecasting by wavelet transform and evolutionary extreme learning machine
[11]. N.Amjady, F.Keynia, "Short-term load forecasting of power systems by combination of wavelet transform and neuro-evolutionary algorithm", Energy, vol. 34, pp. 46-57, 2012 Sách, tạp chí
Tiêu đề: Short-term load forecasting of power systems by combination of wavelet transform and neuro-evolutionary algorithm
[12]. Liu Dong, Li Li, “Embed expert system short-term load forecasting of wavelet neural network”, Shanxi Electric Power, 37(10):44-48, 2012 Sách, tạp chí
Tiêu đề: Embed expert system short-term load forecasting of wavelet neural network
[13]. Che Gua, Peter.B.Luh, Laurent.D.Michel, Yuting Wang, Peter.B.Friendland, “Very Short-Term Load Forecasting; Wavelet Neural Network With Data Pre-Filtering”, IEEE Trans, Power System, Vol 28, No.1, pp. 30-41, Feb 2013 Sách, tạp chí
Tiêu đề: Very Short-Term Load Forecasting; Wavelet Neural Network With Data Pre-Filtering
[14]. D. Chaturvedi , S. Anad, and A. Chandiok, "Short Term load Forecasting Using Nero - Fuzzy - Wavelet Approach", International Journal of Computing Academic Research, Vol.2, No.1, p.p.36-48, February 2013 Sách, tạp chí
Tiêu đề: Short Term load Forecasting Using Nero - Fuzzy - Wavelet Approach
[15]. Medha Joshi, Rajiv Singh, “Short-term load forecasting approaches: A review”, International Journal of Recent Engineering Research and Development (IJRERD), Volume No. 01 – Issue No. 03, ISSN: 2455- 8761, pp. 09-17, 2013 Sách, tạp chí
Tiêu đề: Short-term load forecasting approaches: A review
[16]. Medha Joshi, Rajiv Singh , “An Intelligent ANN Approach for Short Term Electric Load Forecasting”, International Journal of Scientific Engineering and Research (IJSER), ISSN: 2347-3878, 2015 Sách, tạp chí
Tiêu đề: An Intelligent ANN Approach for Short Term Electric Load Forecasting
[17]. Nazih Abu-Shikhah, Fawwaz Elkarmi, Osama M. Aloquili “Medium-Term Electric Load Forecasting Using Multivariable Linear and Non-Linear Regression”, Smart Grid and Renewable Energy, vol 2, pp: 126-135, 2011 Sách, tạp chí
Tiêu đề: Medium-Term Electric Load Forecasting Using Multivariable Linear and Non-Linear Regression”, "Smart Grid and Renewable Energy
[18]. Manoj Kumar, “Short-term load forecasting using artificical neural network techniques”, Department of Electrical Engineering National Institute of Technology Rourkela, 2009 Sách, tạp chí
Tiêu đề: Short-term load forecasting using artificical neural network techniques