Luận văn thạc sĩ Quản lý năng lượng: Ứng dụng mạng nơron vào dự báo phụ tải ngắn hạn tại khu vực phía Nam

Tӯ ÿyGӳ liӋXÿѭӧc sӱ dөQJÿӇ thӵc hiӋn các bài toán vұQKjQKOѭӟLÿLӋn thӡi gian thӵc QKѭKX\ÿӝng nguӗQÿLӅu chӍnh tҫn sӕÿLӋQiS« ĈLӅu này cho thҩy rҵng, viӋc dӵ báo phө tҧi ngҳn hҥn mà cө thӇ l

&{QJ WUuQK ÿѭӧc hoàn thành tҥi: 7UѭӡQJ Ĉҥi hӑc Bách Khoa ± Ĉ+4*-HCM

Cán bӝ Kѭӟng dүn khoa hӑc: PGS TS Phan Thӏ Thanh Bình

Cán bӝ chҩm nhұn xét 1: TS Lê Thӏ Tӏnh Minh

Cán bӝ chҩm nhұn xét 2: PGS TS HuǤnh Châu Duy

LuұQ YăQ WKҥF Vƭ ÿѭӧc bҧo vӋ tҥL 7UѭӡQJ Ĉҥi hӑF %iFK KRD Ĉ+4* 7S +&0 QJj\WKiQJQăP (trӵc tuyӃn)

Thành phҫn HӝLÿӗQJÿiQKgiá luұQYăQWKҥFVƭJӗm:

1 Chӫ tӏch HӝLÿӗng: TS TrҫQ+RjQJ/ƭQK

7KѭNê+ӝLÿӗng: TS NguyӉn Ngӑc Phúc DiӉm

3 Ӫy viên Phҧn biӋn 1: TS Lê Thӏ Tӏnh Minh

4 Ӫy viên Phҧn biӋn 2: PGS TS HuǤnh Châu Duy

5 Ӫy viên HӝLÿӗQJ76'ѭѫQJ7KDQK/RQJ

Xác nhұn cӫa Chӫ tӏch HӝLÿӗQJÿiQKJLi/9Yj7Uѭӣng Khoa quҧn lý chuyên ngành sau khi luұQYăQÿmÿѭӧc sӱa chӳa (nӃu có)

APPLICATION OF NEURAL NETWORK FOR SHORT-TERM LOAD

FORECASTING IN SOUTHERN AREA

NHIӊM VӨ VÀ NӜI DUNG:

- Tìm hiӇu vӅ FiFSKѭѫQJSKiSGӵ báo phө tҧi

- Xây dӵng mô hình mҥQJQѫURQFKRGӵ báo phө tҧi ngҳn hҥn

- Ӭng dөng mô hình mҥQJQѫURQÿӇ dӵ báo phө tҧi ngҳn hҥn Pmax, Pmin, Pnext-hour cho

khu vӵc phía Nam

II NGÀY GIAO NHIӊM VӨ: Ngày 21/09/2020

III NGÀY HOÀN THÀNH NHIӊM VӨ: Ngày 10/06/2021

IV CÁN BӜ +ѬӞNG DҮN: PGS TS PHAN THӎ THANH BÌNH

7S+&0QJj\WKiQJQăP

75ѬӢ1*.+2$Ĉ,ӊN ± Ĉ,ӊN TӰ

LӠI CҦ0Ѫ1

Sau mӝt thӡi gian thӵc hiӋQÿӅ tài Ӭng dөng mҥng QѫURQYjRGӵ báo phө tҧi ngҳn hҥn tҥi khu vӵF SKtD 1DP W{L ÿm Kӑc hӓL WKrP ÿѭӧc nhiӅu kiӃn thӭc, kinh nghiӋm và rҩt nhiӅX ÿLӅu bә ích, quý báu tӯ giҧQJ YLrQ Kѭӟng dүn, bҥQ Eq ÿӗng nghiӋp NӃu không có nhӳng sӵ JL~Sÿӥÿӝng viên nhiӋt thành cӫDJLDÿuQK các thҫy

cô, bҥQEqYjÿӗng nghiӋp thì tôi khó có thӇ hoàn thành tӕt luұQYăQQj\

Xin chân thành gӱi lӡi cҧPѫQÿӃQJLDÿuQKÿmWҥo mӑLÿLӅu kiӋn tӕWÿҽp nhҩt

ÿӇ tôi có thӇ hӑc tұp và nghiên cӭu ӣ P{LWUѭӡQJVDXÿҥi hӑc Em xin chân thành gӱi lӡi cҧPѫQÿӃn quý thҫy cô cӫD7UѭӡQJĈҥi hӑc Bách Khoa - Ĉ+4*73+&0FiFthҫ\F{WURQJNKRDĈLӋn - ĈLӋn tӱÿһc biӋt là các thҫy cô trong Bӝ môn HӋ thӕng ÿLӋn và các thҫy cô tham gia giҧng dҥy ngành QuҧQOêQăQJOѭӧQJÿmQKLӋt tình giҧng dҥy, truyӅQÿҥt kiӃn thӭc và tҥo mӑLÿLӅu kiӋn thuұn lӧi trong quá trình hӑc tұSFNJQJQKѭWURQJTXiWUuQKWKӵc hiӋn và hoàn thành luұQYăQQj\

Em xin trân trӑng bày tӓ lòng biӃWѫQVkXVҳFÿӃn cô PGS.TS Phan Thӏ Thanh Bình, giҧQJYLrQÿmWUӵc tiӃSKѭӟng dүn, chӍ bҧo và nhiӋWWuQKJL~Sÿӥ em, tҥRÿLӅu kiӋn tӕt nhҩWÿӇ em hoàn thành luұQYăQQj\%rQFҥQKÿyHP[LQJӱi lӡi cҧPѫQÿһc biӋWÿӃn anh Bùi Duy Linh, kӻ Vѭ3KzQJ4Xҧn lý nguӗQQăQJOѭӧng mӟLQăQJOѭӧng tái tҥo, thuӝF7UXQJWkPĈLӅXÿӝ HӋ thӕQJÿLӋn QuӕFJLD$ ÿmFyQKӳQJKѭӟng dүn, chia sҿ hӳu ích cho quá trình thӵc hiӋQÿӅ tài này

CҧPѫQOmQKÿҥo cӫD7UXQJWkPĈLӅXÿӝ HӋ thӕQJÿLӋn miӅQ1DP$ ÿһc biӋWOjFiFOmQKÿҥo, các anh chӏ em, bҥQEqÿӗng nghiӋSWURQJSKzQJ3KѭѫQJWKӭc ÿmWҥRÿLӅu kiӋn thuұn lӧLÿӇ tôi có thӡi gian làm viӋc, hӑc tұp và nghiên cӭu trong suӕt thӡi gian thӵc hiӋn luұQYăQ

Cuӕi cùng, em xin kính chúc các thҫy, cô, các anh, chӏ và bҥn bè thұt nhiӅu sӭc khoҿ và thành công!

Thành phӕ Hӗ &Kt0LQKWKiQJQăP

Hӑc viên thӵc hiӋn

NguyӉn Trӑng Tuҩn

TÓM TҲT LUҰ19Ă17+Ҥ&6Ƭ

HiӋn nay, cùng vӟi sӵ phát triӇn kinh tӃ - xã hӝi ngày càng cao cӫa ViӋt Nam, nhu cҫXQăQJOѭӧQJQJj\FjQJJLDWăQJFQJYӟLÿyOjVӵ thâm nhұp vӟi mӭFÿӝ ngày càng cao cӫa các nguӗQQăQJOѭӧng tái tҥo mang tính chҩt bҩWÿӏnh vào hӋ thӕQJÿLӋn miӅn Nam nói riêng và hӋ thӕQJÿLӋn ViӋt Nam nói chung Trong bӕi cҧQKÿyF{QJtác dӵ báo và lұp kӃ hoҥch vұn hành có tính chҩt quan trӑng và gҫQQKѭÿyQJYDLWUzquyӃWÿӏnh trong viӋFÿҧm bҧo vұn hành hӋ thӕQJÿLӋn mӝt cách an toàn, әQÿӏnh và tin cұy Chính vì thӃ viӋc dӵ báo phө tҧi ngҳn hҥn cӫa hӋ thӕQJÿLӋn ngày càng trӣ nên cҩp thiӃt và góp phҫn quan trӑQJWURQJF{QJWiFÿLӅXÿӝ, vұn hành ViӋc dӵ báo phө tҧi ngҳn hҥn cӫa hӋ thӕQJÿLӋn sӁ cung cҩSFѫVӣ cho lұp kӃ hoҥch vұn hành Tӯ ÿyGӳ liӋXÿѭӧc sӱ dөQJÿӇ thӵc hiӋn các bài toán vұQKjQKOѭӟLÿLӋn thӡi gian thӵc QKѭKX\ÿӝng nguӗQÿLӅu chӍnh tҫn sӕÿLӋQiS«

ĈLӅu này cho thҩy rҵng, viӋc dӵ báo phө tҧi ngҳn hҥn mà cө thӇ là dӵ báo nhu cҫu công suҩt giӡ tӟi Pnext-hour, Pmax và Pmin cӫa ngày tiӃSWKHRFNJQJQKѭ ÿӗ thӏ phө tҧi 24h cӫa ngày tiӃSWKHRÿyQJYDLWUzTXDQWUӑQJYjFyêQJKƭDKӃt sӭc thiӃt thӵc ÿӕi vӟLF{QJWiFÿLӅXÿӝ hӋ thӕQJÿLӋn, giúp cho các kӻ VѭFyWKӇ lұp kӃ hoҥch vұn hành mӝWFiFKFKtQK[iFKѫQÿҧm bҧo công tác vұn hành hӋ thӕQJÿLӋn thӡi gian thӵFÿѭӧc an toàn, әQÿӏnh, tin cұy

Trong thӡi gian vӯa qua, công tác dӵ báo phө tҧi không còn mӟi mҿ và quá xa

lҥ, rҩt nhiӅu công cө dӵ báo phө tҧLÿѭӧc xây dӵng dӵa trên nhiӅu mô hình hoһc thuұt toán khác nhau LuұQYăQQj\WUuQKEj\YҩQÿӅ vӅ ӭng dөng mҥQJQѫURQYjRGӵ báo phө tҧi ngҳn hҥn tҥi khu vӵc phía Nam Nӝi dung cӫa luұQYăQEDRJӗPFKѭѫQJ

&KѭѫQJOXұQYăQJLӟi thiӋu chung mӝt cách tәng quát vӅ hӋ thӕQJÿLӋn ViӋt Nam

và tҫm quan trӑng cӫa bài toán dӵ báo phө tҧi ngҳn hҥQ&KѭѫQJWUuQKEjy vӅ bài toán dӵ báo phө tҧi vӟLFiFSKѭѫQJSKiSGӵ báo truyӅn thӕQJNKiFQKDX&KѭѫQJluұQYăQWUuQKEj\YӅ mҥQJQѫURQQKkQWҥo trong dӵ báo phө tҧi ngҳn hҥn và mô hình

bӝ nhӟ dài ± ngҳn hҥQ&KѭѫQJWUuQKEj\YӅ quá trình xây dӵng các mô hình dӵ báo phө tҧi dӵa trên ӭng dөQJFKѭѫQJWUuQK0DW/$%FNJQJQKѭNӃt quҧ cӫa các mô hình

&KѭѫQJVӁ trình bày vӅ mӝt sӕ yӃu tӕ ҧQKKѭӣQJÿӃn quá trình huҩn luyӋn và sai sӕ

P{KuQK&KѭѫQJFXӕLFQJ&KѭѫQJ VӁ ÿѭDUDNӃt luұQYjKѭӟng phát triӇn cӫa

ÿӅ tài trong WѭѫQJODL

ABSTRACT

Currently, along with the increasing socio-economic development of Vietnam, the energy demand is rising together with the growing penetration of uncertain renewable energy sources in the Southern power system in particular and the national power system in general Given that context, forecasting and operation planning are important and play a decisive role in ensuring the safe, stable, and reliable operation

of the power system Therefore, the short-term load forecasting of the power system

is becoming more and more urgent and makes a significant contribution to the dispatching and operation The short-term load forecasting of the power system will provide the basis for operational planning From there the data is used to perform real-time grid operation problems such as source mobilization, frequency adjustment, voltage adjustment, etc

This shows that the short-term load forecasting, specifically the hourly capacity demand forecast Pnext-hour, Pmax and Pmin of the next day, as well as the 24-hour load graph of the next day plays a crucial and practical role for the dispatching of the power system, helping engineers to plan the operation more accurately, ensuring the real-time operation of the power system is safe, stable, and reliable

In the past time, load forecasting was not new and too strange, many load forecasting tools were built based on many different models or algorithms This thesis presents the problem of applying neural networks to the short-term load forecasting

in the southern region The content of the thesis consists of six chapters Chapter 1 gives a general introduction to the Vietnamese power system and the importance of the short-term load forecasting Chapter 2 presents the problem of load forecasting with various traditional forecasting methods Chapter 3 presents the artificial neural network in the short-term load forecasting and the long-short-term memory model Chapter 4 presents the process of building load forecasting models based on the application of MatLAB program as well as the results of these models Chapter 5 will focus on some factors affecting the training process and model error The final chapter

(Chapter 6) will give conclusions and directions for the future development of the topic

LӠ,&$0Ĉ2$1

7{L[LQFDPÿRDQÿk\OjOXұQYăQQJKLrQFӭu cӫa riêng tôi Tҩt cҧ các kiӃn thӭc

lý thuyӃWÿӅXÿѭӧc tôi tham khҧo và tӵ tәng hӧp tӯ các tài liӋXWURQJYjQJRjLQѭӟc Các sӕ liӋu và kӃt quҧ nghiên cӭu trong luұQYăQQj\OjWUXQJWKӵc và FKѭDKӅ ÿѭӧc

sӱ dөQJÿӇ bҧo vӋ mӝt hӑc vӏ nào Mӑi sӵ JL~Sÿӥ cho viӋc thӵc hiӋn luұQYăQQj\ÿmÿѭӧc cҧPѫQYjFiFWK{QJWLQWUtFKGүn trong luұQYăQÿmÿѭӧc chӍ rõ nguӗn gӕc U}UjQJYjÿѭӧc phép công bӕ

Thành phӕ Hӗ &Kt0LQKWKiQJQăP

Hӑc viên thӵc hiӋn

NguyӉn Trӑng Tuҩn

MӨC LӨC

LӠI CҦ0Ѫ1 i

TÓM TҲT LUҰ19Ă17+Ҥ&6Ƭ ii

ABSTRACT iv

LӠ,&$0Ĉ2$1 vi

MӨC LӨC vii

DANH MӨC BҦNG xi

DANH MӨC HÌNH ҦNH xii

DANH MӨC CÁC TӮ NGӲ VIӂT TҲT xv

PHҪN MӢ ĈҪU 1

0.1 Giӟi thiӋu lý do chӑQÿӅ tài 1

0.2 VҩQÿӅ sӁ ÿѭӧc nghiên cӭu 3

0.3 Tính cҩp thiӃt cӫDÿӅ tài 4

ĈӕLWѭӧng, phҥm vi và giӟi hҥn nghiên cӭu 4

3KѭѫQJSKiSQJKLrQFӭu 4

éQJKƭDNKRDKӑc và thӵc tiӉn cӫDÿӅ tài 5

0.7 KӃt quҧ 5

0.8 Bӕ cөc luұQYăQ 6

&+ѬѪ1**,ӞI THIӊU CHUNG 7

1.1 Tәng quan hiӋn trҥng hӋ thӕQJÿLӋn ViӋt Nam 7

1.2 Tҫm quan trӑng cӫa bài toán dӵ báo phө tҧi ngҳn hҥn 8

1.3 KӃt luұn 10

&+ѬѪ1*%¬,72È1'Ӵ BÁO PHӨ TҦI 12

2.1 Bài toán dӵ báo phө tҧi 12

2.2 Dӵ báo phө tҧLWKHRSKѭѫQJSKiSQJRҥi suy 13

2.3 Dӵ báo phө tҧLWKHRSKѭѫQJSKiSKӗi quy 14

2.4 Dӵ báo phө tҧLWKHRSKѭѫQJSKiSKӋ sӕ ÿjQKӗi 16

2.5 Dӵ báo phө tҧLWKHRSKѭѫQJSKiSWѭѫQJTXDQ± xu thӃ 17

2.6 Dӵ báo phө tҧLWKHRSKѭѫQJSKiSFKuyên gia 19

2.7 Sai sӕ dӵ báo phө tҧi 19

2.8 Các yӃu tӕ ҧQKKѭӣQJWiFÿӝQJÿӃn công tác DBPT 19

2.8.1 Thӭ cӫa ngày trong tuҫn 19

2.8.2 Thӡi tiӃt trong ngày 20

1Jj\ÿһc biӋWWURQJQăP 20

2.8.4 TruyӅn hình trӵc tiӃp các sӵ kiӋQYăQKyDWKӇ thao 20

2.9 Tҫm quan trӑng cӫa dӵ báo Pmax, Pmin, Pnext-hour hiӋn nay 21

2.10 KӃt luұn 22

&+ѬѪ1*0Ҥ1*1Ѫ5ON TRONG DӴ BÁO PHӨ TҦI NGҲN HҤN 23

3.1 Tәng quan vӅ mҥQJQѫURQ 23

3.2 Dӵ báo phө tҧLWKHRSKѭѫQJSKiSPҥQJQѫURQ 24

3.3 Tәng quan vӅ các công trình dӵ báo phө tҧLWKHRSKѭѫQJSKiSPҥQJQѫURQ 27

3.4 Bӝ nhӟ dài ± ngҳn hҥn (Long Short-Term Memory, LSTM) 28

4 &+ѬѪ1* 4: ӬNG DӨNG MATLAB XÂY DӴNG MÔ HÌNH DӴ BÁO PHӨ TҦI 38 éWѭӣng tәng quát 38

4.2 Dӳ liӋXÿҫu vào và tiӅn xӱ lý 39

4.3 Xây dӵng mô hình dӵ báo 44

4.4 Mô hình dӵ báo Pt (giӡ tiӃp theo hay Pnext-hour) 48

4.5 Mô hình dӵ báo Pt24h (24 giӡ cӫa ngày tiӃp theo) - dӵ EiRÿӗ thӏ phө tҧi ngày 51

4.5.1 Mô hình dӵ báo cho ngày EuQKWKѭӡng 51

4.5.2 Mô hình dӵ báo cho ngày nghӍ lӉ 56

4.6 Mô hình dӵ báo Pmax, Pmin 60

4.6.1 Mô hình dӵ báo Pmax, Pmin dӵDWUrQWѭѫQJTXDQYӟi Tmax, Tmin 60

4.6.2 Dӵ báo Pmax, Pmin dӵa trên kӃt quҧ cӫa mô hình dӵ báo Pt24h 66

&+ѬѪ1* 5: MӜT SӔ YӂU TӔ Ҧ1++ѬӢ1*ĈӂN QUÁ TRÌNH HUҨN LUYӊN VÀ SAI SӔ MÔ HÌNH 70

5.1 Thuұt toán huҩn luyӋn 70

5.2 Sӕ lӟp cӫa mҥQJQѫURQ 73

5.3 Sӕ ÿѫQYӏ ҭn cӫa lӟp LSTM (numHiddenUnits) 74

5.4 Tӹ lӋ loҥi bӓ (dropout probability) 75

.tFKWKѭӟc các khӕi nhӓ (miniBatch size) 76

5.6 TӕFÿӝ hӑc (tӹ lӋ hӑc tұp, learning rate) 77

5.7 Các thông sӕ ÿmÿѭӧc lӵa chӑQWURQJP{KuQKFѫEҧn 77

6 &+ѬѪ1* 6: KӂT LUҰ19¬+ѬӞNG PHÁT TRIӆN CӪ$Ĉӄ TÀI 79

6.1 KӃt luұn 79

+ѭӟng phát triӇn cӫDÿӅ tài 80

TÀI LIӊU THAM KHҦO 81

PHӨ LӨC 83

Phө lөc 1 Chi tiӃt vӅ các lӟp trong mô hình mҥQJQѫURQ 83

PL1.1 sequenceInputLayer 83

PL1.2 lstmLayer 84

PL1.3 fullyConnectedLayer 85

PL1.4 dropoutLayer 86

PL1.5 regressionLayer 87

PL1.6 trainingOptions 87

Phө lөF&KѭѫQJWUuQK0DW/$% 93

Phө lөc 3 Quá trình chҥ\FKѭѫQJWUuQK0DW/$% 108

Phө lөc 4 Dӳ liӋu thӡi tiӃt thu thұp tӯ trang rp5.ru 115

Phө lөc 5 Dӳ liӋu xây dӵQJÿӇ ÿѭDYjRFKѭѫQJWUuQK 123

PHҪN LÝ LӎCH TRÍCH NGANG 130

DANH MӨC BҦNG

BҧQJѬXQKѭӧFÿLӇm cӫDSKѭѫQJSKiSQJRҥi suy 14

BҧQJѬXQKѭӧFÿLӇm cӫDSKѭѫQJSKiSKӗi quy 15

BҧQJѬXQKѭӧFÿLӇm cӫDSKѭѫQJSKiSKӋ sӕ ÿjQKӗi 16

BҧQJѬXQKѭӧFÿLӇm cӫDSKѭѫQJSKiSWѭѫQJTXDQ± xu thӃ 18

BҧQJѬXQKѭӧFÿLӇm cӫDSKѭѫQJSKiSPҥQJQѫURQQKkQWҥo 26

Bҧng 3.2 Các công thӭc mô tҧ các thành phҫn ô nhӟ tҥLEѭӟc thӡi gian t 35

Bҧng 4.1 Ví dө dӳ liӋu phө tҧi 24h trong mӝt ngày 39

Bҧng 4.2 Sӵ WѭѫQJTXDQJLӳa dӳ liӋu phө tҧi và nhiӋWÿӝ 42

Bҧng 4.3 Cҩu trúc bҧng dӳ liӋu mүXÿӇ ÿѭDYjRFKѭѫQJWUuQK 43

Bҧng 4.4 HӋ sӕ WѭѫQJTXDQJLӳDFiFÿҥLOѭӧng phө tҧi ± nhiӋWÿӝ (output ± input) 43

Bҧng 4.5 Các thông sӕ ÿҫu vào tùy chӑn khi chҥ\FKѭѫQJWUuQK 46

Bҧng 4.6 KӃt quҧ sai sӕ MAPE/RMSE cӫa mô hình dӵ báo Pt24h 55

Bҧng 4.7 HӋ sӕ WѭѫQJTXDQJLӳa Pmax vӟi Tmax 60

Bҧng 4.8 HӋ sӕ WѭѫQJTXDQJLӳa Pmin vӟi Tmin 60

Bҧng 4.9 KӃt quҧ dӵ báo Pt24h cӫa ngày thӭ Wѭ 67

Bҧng 4.10 Sai sӕ tính toán kӃt quҧ dӵ báo Pmax, Pmin dӵa trên kӃt quҧ mô hình dӵ báo Pt24h 68

Bҧng 5.1 ҦQKKѭӣng cӫa thuұt toán huҩn luyӋn 71

Bҧng 5.2 ҦQKKѭӣng cӫa sӕ lӟp cӫa mҥQJQѫURQ 73

Bҧng 5.3 ҦQKKѭӣng cӫa sӕ ÿѫQYӏ ҭn cӫa lӟp LSTM 74

Bҧng 5.4 ҦQKKѭӣng cӫa tӹ lӋ loҥi bӓ 75

Bҧng 5.5 ҦQKKѭӣng cӫDNtFKWKѭӟc các khӕi nhӓ 76

Bҧng 5.6 ҦQKKѭӣng cӫa tӕFÿӝ hӑc 77

Bҧng 5.7 Các thông sӕ tham khҧRFKRP{KuQKFѫEҧQÿmÿӅ xuҩt 78

DANH MӨC HÌNH ҦNH

+uQK&ѫFҩu nguӗQÿLӋQWURQJ+7Ĉ4XӕFJLDQăP 1

Hình 2.1 CҩXWU~FFѫEҧn cӫa mӝt bài toán DBPT 12

+uQKĈӗ thӏ phө tҧL+7ĈPLӅn Nam ngày 22-07-2020 21

+uQK/ѭXÿӗ giҧi thuұt cӫa mӝt mҥQJQѫURQQKkQWҥo 24

Hình 3.2 CҩXWU~FFѫEҧn cӫa mӝt mҥQJQѫURQQKkQWҥo 24

+uQK/ѭXÿӗ xây dӵng mô hình dӵ báo bҵQJSKѭѫQJSKiSPҥQJQѫURQ 26

Hình 3.4 RNN có thӇ hӑFÿѭӧc nhӳng thông tin ӣ gҫn [10] 29

Hình 3.5 RNN khó có thӇ hӑFÿѭӧc nhӳng thông tin ӣ xa [10] 29

Hình 3.6 Mô-ÿXQOһp lҥi trong RNN tiêu chuҭn chӭa mӝt lӟp duy nhҩt [10] 30

Hình 3.7 Mô-ÿXQOһp lҥi trong mӝt LSTM chӭa 4 lӟSWѭѫQJWiF[10] 31

Hình 3.8 Trҥng thái ô nhӟ (cell) trong LSTM [10] 31

Hình 3.9 Mӝt cәng vӟi hàm kích hoҥt sigmoid [10] 32

Hình 3.10 Cәng quên (forget gate) trong LSTM [10] 32

Hình 3.11 Cәng vào (input gate) trong LSTM [10] 33

Hình 3.12 Cұp nhұt trҥng thái mӟi cӫa ô nhӟ trong LSTM [10] 33

Hình 3.13 Cәng ra (output gate) trong LSTM [10] 33

Hình 3.14 Luӗng dӳ liӋu tҥLEѭӟc thӡi gian t trong LSTM 34

+uQK0{KuQK/670ÿѭӧFWKrPFiFÿѭӡng kӃt nӕL³SHHSKROHFRQQHFWLRQV´[10] 36

Hình 3.16 Mô hình LSTM nӕi 2 cәng quên và cәQJÿҫu vào [10] 36

Hình 3.17 Mô hình LSTM vӟi cәng cұp nhұt (update gate) [10] 36

Hình 4.1 BiӇXÿӗ nhiӋWÿӝ trong 10 ngày tҥi TPHCM 39

Hình 4.2 Dӳ liӋu khí hұu ± thӡi tiӃt thu thұSÿѭӧc tӯ web rp5.ru 41

Hình 4.3 Mô hình mҥQJQHXUDOÿm[k\Gӵng 44

+uQK/ѭXÿӗ giҧi thuұt tәng quát cӫa quá trình xây dӵng mô hình dӵ báo 47

Hình 4.5 Input và output cӫa mô hình dӵ báo Pt 48

+uQK6ѫÿӗ khӕi cӫa mô hình dӵ báo Pt 49

Hình 4.7 Mô hình dӵ báo PtĈӗ thӏ so sánh giӳa giá trӏ dӵ báo cӫa mô hình và giá trӏ quan ViWÿѭӧc trong tұp kiӇm tra 50

Hình 4.8 Mô hình dӵ báo Pt: Sai sӕ MAPE cӫDP{KuQKÿѭӧc kiӇm tra bҵng tұp dӳ liӋu kiӇm tra 50

Hình 4.9 Mô hình dӵ báo Pt: Sai sӕ RMSE cӫDP{KuQKÿѭӧc kiӇm tra bҵng tұp dӳ liӋu kiӇm tra 51

Hình 4.10 Input và output cӫa mô hình dӵ báo Pt24h FKRQJj\EuQKWKѭӡng 52

+uQK6ѫÿӗ khӕi cӫa mô hình dӵ báo Pt24h FKRQJj\EuQKWKѭӡng 53

Hình 4.12 Mô hình dӵ báo Pt24hĈӗ thӏ so sánh giӳa giá trӏ dӵ báo cӫa mô hình và giá trӏ quan sát ÿѭӧc trong tұp kiӇm tra 54

Hình 4.13 Mô hình dӵ báo Pt24h: Sai sӕ MAPE cӫDP{KuQKÿѭӧc kiӇm tra bҵng tұp dӳ liӋu kiӇm tra 54

Hình 4.14 Mô hình dӵ báo Pt24h: Sai sӕ RMSE cӫDP{KuQKÿѭӧc kiӇm tra bҵng tұp dӳ liӋu kiӇm tra 55

Hình 4.15 Input và output cӫa mô hình dӵ báo Pt24h dành cho ngày nghӍ lӉ 57

+uQK6ѫÿӗ khӕi cӫa mô hình dӵ báo Pt24h dành cho ngày nghӍ lӉ 57

Hình 4.17 So sánh kӃt quҧ mô hình dӵ báo Pt24h cho ngày nghӍ lӉ 58

Hình 4.18 Sai sӕ MAPE cӫa mô hình dӵ báo Pt24h cho ngày nghӍ lӉ 58

Hình 4.19 Sai sӕ RMSE cӫa mô hình dӵ báo Pt24h cho ngày nghӍ lӉ 59

Hình 4.20 Input và output cӫa mô hình dӵ báo Pmax, Pmin dӵDWUrQWѭѫQJTXDQYӟi Tmax, Tmin 61

+uQK6ѫÿӗ khӕi cӫa mô hình dӵ báo Pmax, Pmin dӵDWUrQWѭѫQJTXDQYӟi Tmax, Tmin 62

Hình 4.22 So sánh kӃt quҧ kiӇm tra mô hình dӵ báo Pmax dӵDWUrQWѭѫQJTXDQYӟi Tmax 63

Hình 4.23 Sai sӕ MAPE kiӇm tra mô hình dӵ báo Pmax dӵDWUrQWѭѫQJTXDQYӟi Tmax 63

Hình 4.24 Sai sӕ RMSE kiӇm tra mô hình dӵ báo Pmax dӵDWUrQWѭѫQJTXDQYӟi Tmax 64

Hình 4.25 So sánh kӃt quҧ kiӇm tra mô hình dӵ báo Pmin dӵDWUrQWѭѫQJTXDQYӟi Tmin 64

Hình 4.26 Sai sӕ MAPE kiӇm tra mô hình dӵ báo Pmin dӵDWUrQWѭѫQJTXDQYӟi Tmin 65

Hình 4.27 Sai sӕ RMSE kiӇm tra mô hình dӵ báo Pmin dӵDWUrQWѭѫQJTXDQYӟi Tmin 65

Hình 4.28 Sӵ bә sung cӫa mô hình dӵ báo Pmax, Pmin dӵDWUrQVѫÿӗ khӕi cӫa mô hình dӵ báo Pt24h 66

Hình 4.29 So sánh kӃt quҧ dӵ báo Pmax dӵa trên kӃt quҧ mô hình dӵ báo Pt24h 67

Hình 4.30 So sánh kӃt quҧ dӵ báo Pmin dӵa trên kӃt quҧ mô hình dӵ báo Pt24h 68

Hình 5.1 Quá trình huҩn luyӋn mô hình bҵng thuұt toán Adam 71

Hình 5.2 Quá trình huҩn luyӋn mô hình bҵng thuұt toán RMSProp 72

Hình 5.3 Quá trình huҩn luyӋn mô hình bҵng thuұt toán SGDM 72

Hình PL1.1 Khái niӋm chuҭn hóa Z-score 84

Hình PL3.1 Menu chӑn ngày cҫn dӵ báo 108

Hình PL3.2 Cӱa sә ÿLӅQÿѭӡng dүQÿӃn file chӭa dӳ liӋu 108

Hình PL3.3 Cӱa sә chӑn tӹ lӋ phân tách dӳ liӋu thành tұp huҩn luyӋn và tұp kiӇm tra 109

Hình PL3.4 Menu chӑn dӳ liӋu quá khӭ GQJÿӇ huҩn luyӋn mô hình 109

Hình PL3.5 Cӱa sә tùy chӑn thông sӕ huҩn luyӋn mô hình 110

Hình PL3.6 Cӱa sә FKRQJѭӡi dùng chӑQKjQKÿӝng tiӃp theo 111

Hình PL3.7 Cӱa sә nhұSÿѭӡng dүQÿӃn file chӭa dӳ liӋu cҫn dӵ báo 111

Hình PL3.8 KӃt quҧ dӵ báo trong cӱa sә lӋnh 112

Hình PL3.9 Quá trình huҩn luyӋn mô hình 112

Hình PL3.10 Sai sӕ MAPE cӫDP{KuQKÿѭӧc kiӇm tra bҵng tұp dӳ liӋu kiӇm tra 113

Hình PL3.11 Sai sӕ RMSE cӫDP{KuQKÿѭӧc kiӇm tra bҵng tұp dӳ liӋu kiӇm tra 113

+uQK3/Ĉӗ thӏ so sánh giӳa giá trӏ tính toán cӫa mô hình và giá trӏ TXDQViWÿѭӧc trong tұp kiӇm tra 114

MRE Mean Relative Error

RMSE Root Mean Square Error

RMSProp Root Mean Square Propagation

RNN Recurrent Neural Network

SCADA Supervisory Control and Data Acquisition SGDM Stochastic Gradient Descent with Momentum SVM Support Vector Machine

PHҪN MӢ ĈҪU

0.1 Giӟi thiӋu lý do chӑQÿӅ tài

1ăQJOѭӧng là mӝt trong nhӳng nguӗn lӵFFѫEҧn cӫa nӅn kinh tӃ nên phát triӇQQăQJOѭӧng bӅn vӳng là mӕLTXDQWkPKjQJÿҫu cӫa các quӕFJLDWURQJÿyFyViӋt Nam Song hành cùng vӟLJLDLÿRҥQWăQJWUѭӣng kinh tӃ mҥnh mӁ, nhu cҫu tiêu thө ÿLӋQQăQJFӫa ViӋW1DPÿmJLDWăQJOLrQWөc trong thӡi gian vӯDTXDYѭӧt quá khҧ QăQJFXQJӭng cӫa hӋ thӕQJÿLӋn, bҵng chӭng là viӋc phҧi nhұp khҭXÿLӋn tӯ Lào

và Trung Quӕc hoһc phҧLWăQJFѭӡng chҥy các tә Pi\SKiWÿLӋn vӟi nhiên liӋu dҫu

có chi phí cӵc kǤ ÿҳWÿӓ

7URQJNKLÿyQJXӗQFXQJÿLӋQQăQJFӫa ViӋt Nam chӫ yӃu là thӫ\ÿLӋn và nhiӋWÿLӋn (than, khí, dҫu) Hình 0.1 thӇ hiӋQFѫFҩu nguӗQÿLӋQQăP/jPWKӫy ÿLӋn phҧi mҩt rӯQJÿk\OjQJXӗn phát phө thuӝc hoàn toàn vào tình hình thӫ\YăQtrên các con sông lӟn phía Bҳc (hiӋQQD\ÿDQJEӏ cҥn kiӋt do Trung Quӕc xây mӝt sӕ Oѭӧng lӟQÿұp thӫ\ÿLӋn ӣ ÿҫu nguӗQ YjFiFFKX\rQJLDFNJQJGӵ báo rҵng tiӅPQăQJthӫ\ÿLӋn sӁ ÿѭӧc khai thác hӃWWURQJYjLQăPWӟi Phát triӇn nhiӋWÿLӋn gây ô nhiӉm P{LWUѭӡng, phҧi nhұp khҭu than nên phө thuӝc vào giá than thӃ giӟL+ѫQQӳa, nhӳng tài nguyên không tái tҥRQKѭWKDQÿiGҫu mӓNKtWKLrQQKLrQFNJQJVӁ cҥn dҫn Dӵ án ÿLӋn hҥt nhân tҥi Ninh ThuұQWKuÿDQJWURQJWuQKWUҥQJ³KRmQY{WKӡi hҥQ´VDXVӵ cӕ QKjPi\ÿLӋn hҥt nhân Fukushima cӫa Nhұt BҧQYjRQJj\WKiQJQăP

Hình 0.1 &˯F̭u ngu͛QÿL͏QWURQJ+7Ĉ4X͙FJLDQăP

(Ngu͛Q7UXQJWkPĈL͉Xÿ͡ +7Ĉ4X͙c Gia.)

NhҵPÿҧm bҧo nguӗn cung ӭQJÿLӋn lâu dài và giҧm thiӇu các tác hҥLÿӃn môi WUѭӡng, Chính phӫ chӫ WUѭѫQJVӱ dөQJQăQJOѭӧng tái tҥo (NLTT) nhiӅXKѫQQӳa, WURQJÿyFyÿLӋn mһt trӡLYjÿLӋn gió ± nhӳng nguӗQQăQJOѭӧQJÿѭӧFÿiQKJLiOj

³VҥFK´YjFyQKLӅu tiӅPQăQJӣ ViӋt Nam

Dӵa vào chӫ WUѭѫQJ NKX\Ӄn khích cӫa Chính phӫ thông qua QuyӃW ÿӏnh sӕ

4Ĉ-TTg cӫa Thӫ Wѭӟng Chính phӫ vӅ &ѫchӃ khuyӃn khích phát triӇn các

dӵ iQÿLӋn mһt trӡi tҥi ViӋt Nam (gӑi tҳt là QuyӃWÿӏQK KjQJWUăPFiFGӵ iQÿLӋn mһt trӡi mӑc lên khҳSQѫLWURQJFҧ Qѭӟc, tұp trung chӫ yӃu ӣ phía Nam vӟi tiêu biӇu

là hai tӍnh Ninh Thuұn và Bình Thuұn Chính phӫ FNJQJFam kӃWWK~Fÿҭy phát triӇn ÿLӋn gió thông qua ban hành QuyӃWÿӏnh sӕ 4Ĉ-77JQJj\WKiQJQăP

2018 vӅ SӱDÿәi, bә sung mӝt sӕ ÿLӅu cӫa QuyӃWÿӏnh sӕ 4Ĉ-TTg ngày 29 WKiQJQăPFӫa Thӫ Wѭӟng Chính phӫ vӅ &ѫFKӃ hӛ trӧ phát triӇn các dӵ án ÿLӋn gió tҥi ViӋt Nam

Bên cҥQKÿyWURQJQJj\WKiQJQăPYӯa qua, Thӫ Wѭӟng Chính phӫ ÿmNêEDQKjQK4X\ӃWÿӏnh sӕ 4Ĉ-TTg vӅ &ѫFKӃ khuyӃn khích phát triӇn ÿLӋn mһt trӡi tҥi ViӋt Nam (gӑi tҳt là QuyӃWÿӏQK ÿӇ thay thӃ cho QuyӃWÿӏnh 11 ÿmKӃt hiӋu lӵc tӯ ngày 30/6/2019 Trong QuyӃWÿӏnh 13 nêu rõ viӋFÿҭy mҥnh phát triӇQÿLӋn mһt trӡi áp mái lҳSÿһt trên mái nhà cӫa các công trình xây dӵng hoһc hӝ dân

7Uѭӟc tình hình thâm nhұp vӟi tӹ lӋ ngày càng cao cӫa các nguӗn NLTT vào

hӋ thӕQJÿLӋQYjÿһc tính bҩWÿӏnh cӫa chúng (do phө thuӝc nhiӅu vào thӡi tiӃt), khiӃn cho viӋc dӵ báo nhu cҫu phө tҧi ngҳn hҥn trӣ thành mӝt trong nhӳng vҩQÿӅ hӃt sӭc cҩp bách và quan trӑQJÿӕi vӟi viӋc vұn hành hӋ thӕng Bên cҥQKÿyYLӋFQJjQKÿLӋn ViӋW1DPKѭӟng tӟi thӏ WUѭӡng bán lҿ ÿLӋn cҥQKWUDQKWURQJWѭѫQJODLNK{QJ[DFNJQJ

là mӝt trong nhӳng yӃu tӕ nâng tҫm quan trӑng cӫa viӋc dӵ báo phө tҧi ngҳn hҥn, phөc vө cho viӋFÿҩu thҫu, chào giá, giúp cho các bên tham gia thӏ WUѭӡng có thêPFѫ

sӣ quyӃWÿӏnh giá mua ± bán trên thӏ WUѭӡQJÿLӋQĈyFNJQJFKtQKOjOêGRFKӑn lӵDÿӅ tài này

0.2 VҩQÿӅ sӁ ÿѭӧc nghiên cӭu

ĈӇ ÿҧm bҧo vұn hành hӋ thӕQJÿLӋn mӝt cách an toàn, әQÿӏnh, tin cұ\Yjÿҥt hiӋu quҧ kinh tӃ, duy trì hӋ thӕQJÿLӋn ӣ trҥng thái hoҥWÿӝQJEuQKWKѭӡng vӟi các thông sӕ nҵm trong dҧi cho phép, bài toán cân bҵQJQăQJOѭӧQJÿѭӧF[HPQKѭYҩn

ÿӅ cӕt lõi ViӋc dӵ EiRÿѭӧc nhu cҫu phө tҧi ngҳn hҥn sӁ JL~SFKR7UXQJWkPĈLӅu

ÿӝ có thӇ lұp lӏFKKX\ÿӝQJFiFQKjPi\SKiWÿLӋn mӝt cách tӕLѭXQhҩWÿӗng thӡi WtQKWRiQÿѭӧFOѭӧng công suҩt dӵ phòng cҫn thiӃWÿӇ ÿҧm bҧo tính an toàn, әQÿӏnh cho hӋ thӕng Bên cҥQKÿyYLӋc dӵ báo phө tҧi còn góp phҫQÿiQJNӇ vào viӋc lұp kӃ hoҥch bҧRGѭӥng, sӱa chӳa nguӗQÿLӋQOѭӟLÿLӋn, xây dӵng nhu cҫXÿӕi vӟi các dӏch

vө phө trӧ cҫn thiӃt cӫa hӋ thӕng

ĈӅ tài nghiên cӭu sӁ xây dӵng công cө dӵ báo phө tҧi ngҳn hҥn (cө thӇ là Pmax,

Pmin, Pnext-hour) trong hӋ thӕQJÿLӋn Giӟi thiӋXFiFSKѭѫQJSKiSÿiQKJLiSKө tҧi nói chung, dӵ báo phө tҧi ngҳn hҥn nói riêng, hiӋQÿmÿѭӧc áp dөng tính toán trong các ÿѫQYӏ ĈLӅXÿӝ7URQJÿyWұp trung vào viӋc ӭng dөQJSKѭѫQJSKiSPҥQJQѫURQYjRviӋc dӵ báo phө tҧi ngҳn hҥn, kèm theo sӵ WiFÿӝng cӫa yӃu tӕ nhiӋWÿӝ - mӝt trong nhӳng yӃu tӕ thӡi tiӃt chính có ҧQKKѭӣQJÿӃn quá trình dӵ báo phө tҧi Phân tích các WUѭӡng hӧp riêng biӋt vӅ dӵ báo Pmax, Pmin, Pnext-hourÿiQKJLiVDLVӕ FiFWUѭӡng hӧp và cung cҩp mӝt bӝ thông sӕ tӕLѭXFKRP{KuQKGӵ báo phө tҧi ngҳn hҥn bҵQJSKѭѫQJpháp mҥQJQѫURQĈӅ tài muӕn giӟi thiӋu cách thӭc tiӃp cұn chӫ ÿӅ dӵ báo nhu cҫu phө tҧi cӫa hӋ thӕQJGѭӟLJyFÿӝ cӫa viӋc xây dӵng mô hình dӵ báotӯ các dӳ liӋu phө tҧi thu thұS ÿѭӧc tӯ hӋ thӕng SCADA và dӳ liӋu nhiӋW ÿӝ thu thұS ÿѭӧc cӫa Trung tâm Dӵ EiR.KtWѭӧng thӫ\YăQQKҵm mөFÿtFKJL~SFKRGӵ báo nhu cҫu phө tҧi hӋ thӕQJÿLӋn mӝt cách chính xác nhҩt có thӇJL~SFiFÿѫQYӏ ÿLӅXÿӝ, vұn hành

có thӇ lұp kӃ hoҥch vұn hành hӋ thӕQJÿLӋn mӝt cách tӕLѭXQKҩWÿӗng thӡi có thӇ xây dӵng sҹn các tình huӕng, kӏch bҧn ӭng phó cҫn thiӃWÿӕi vӟi các tình trҥng bҩt WKѭӡng diӉn ra trên hӋ thӕQJÿLӋn, duy trì hӋ thӕng vұn hành an toàn, әQÿӏnh và tin cұy nhҩt có thӇ

0.3 Tính cҩp thiӃt cӫDÿӅ tài

Trong quá trình vұn hành hӋ thӕQJÿLӋQÿѫQYӏ ÿLӅXÿӝ, vұn hành cҫn thông tin chính xác vӅ nhu cҫu phө tҧi cӫa hӋ thӕQJÿӇ phөc vө FiFWtQKWRiQSKѭѫQJWKӭc ngҳn hҥQQKѭ

- Lұp kӃ hoҥch vұn hành (bao gӗm kӃ hoҥFKKX\ÿӝng nguӗQÿLӋn, kӃ hoҥch bҧRGѭӥng sӱa chӳDOѭӟLÿLӋn, )

- Tính toán và tӕLѭXKyDWUjROѭXF{QJVXҩt vұQKjQKWUrQOѭӟLÿLӋn

- ĈiQKJLiYӅ an ninh hӋ thӕQJÿLӋQ[iFÿӏnh nhu cҫu các dӏch vө dӵ phòng, dӏch vө phө trӧ

- ;iFÿӏnh kӃWOѭӟi hӋ thӕQJÿLӋn

- Các bài toán vӅ giao dӏch trên thӏ WUѭӡQJÿLӋn

'RÿyFK~QJWDFҫQFySKѭѫQJSKiSGӵ báo phө tҧi ngҳn hҥn vӟi kӃt quҧ chính xác nhҩt có thӇ ÿӇ tӯ ÿyFyWKӇ xây dӵQJÿѭӧc kӃ hoҥch vұn hành cӫa hӋ thӕQJÿLӋn QKѭNӃ hoҥFKKX\ÿӝng nguӗn, kӃ hoҥch sӱa chӳa, bҧRGѭӥng, nhu cҫu vӅ các dӏch

vө dӵ phòng, dӏch vө phө trӧ,

0.4 ĈӕLWѭӧng, phҥm vi và giӟi hҥn nghiên cӭu

KӃt quҧ cӫa mӝt mô hình dӵ báo phө tҧi ngҳn hҥn cӫa hӋ thӕQJ ÿLӋQ ÿѭӧc ÿiQKJLiOjFKtQK[iFWLQFұy phө thuӝc nhiӅu vào chҩWOѭӧng tín hiӋu SCADA (ghi nhұn dӳ liӋu phө tҧi) và chҩWOѭӧng dӳ liӋu nhiӋWÿӝ thu thұSÿѭӧc (có thӇ tӯ Trung tâm Dӵ EiR.KtWѭӧng thӫ\YăQKRһc mӝWÿѫQYӏ thӵc hiӋn dӏch vө cung cҩp sӕ liӋu NKiF 'RÿyÿӅ tài sӁ thӵc hiӋn xây dӵng mô hình dӵ báo phө tҧi ngҳn hҥn bҵng SKѭѫQJSKiSPҥQJQѫURQiSGөng cho khu vӵc miӅQ1DPÿӇ ÿҧm bҧo cho bài toán

dӵ báo phө tҧLÿҥt kӃt quҧ QKѭPRQJÿӧi

0.5 3KѭѫQJSKiSQJKLrQFӭu

- Thu thұp dӳ liӋu phө tҧi quá khӭ tӯ hӋ thӕng SCADA cho hӋ thӕQJÿLӋn khu vӵc miӅn Nam (theo quy mô tӯng tӍnh thành)

- Thu thұp dӳ liӋu nhiӋWÿӝ thӵc tӃ trong quá khӭ và nhiӋWÿӝ dӵ báo tӯ Trung tâm Dӵ EiR.KtWѭӧng thӫ\YăQKRһc mӝWÿѫQYӏ thӵc hiӋn dӏch vө cung cҩp

sӕ liӋu khác

- Xây dӵng mô hình dӵ báo phө tҧi ngҳn hҥn bҵQJSKѭѫQJSKiSiSGөng mҥng QѫURQQKkQWҥo

- Áp dөng mô hình vӯa xây dӵQJÿѭӧFÿӇ tiӃn hành dӵ báo phө tҧi ngҳn hҥn

Pmax, Pmin, Pnext-hour cho khu vӵFSKtD1DPÿiQKJLiVDLVӕ tӯ ÿyKLӋu chӍnh và tìm ra mô hình tӕLѭXQKҩt

0.6 éQJKƭDNKRDKӑc và thӵc tiӉn cӫDÿӅ tài

ViӋc dӵ báo phө tҧi ngҳn hҥn hӋ thӕQJÿLӋn sӁ cung cҩSFѫVӣ cho viӋc lұp kӃ hoҥch vұn hành hӋ thӕQJÿLӋn Tӯ ÿyFiFGӳ liӋXÿѭӧc sӱ dөQJÿӇ thӵc hiӋn các bài toán vұn hành hӋ thӕQJÿLӋQQKѭ

- Lұp kӃ hoҥFKKX\ÿӝng nguӗQÿLӋn

- TӕLѭXÿLӅu khiӇn công suҩt phát giӳa các vùng

- Vұn hành tӕLѭXYjNLQKWӃ hӋ thӕng máy phát

- Lұp kӃ hoҥch bҧRGѭӥng, sӱa chӳDOѭӟLÿLӋn

- TӕLѭXPҥng truyӅn tҧi, giҧm tәn thҩWOѭӟLÿLӋn

- Phân bӕ nguӗn tӕLѭXJLӳa các loҥi KuQKQăQJOѭӧng

- Xây dӵng nhu cҫXKX\ÿӝng công suҩt dӵ phòng, các dӏch vө phө trӧ

- Nâng cao chҩWOѭӧQJYjÿӝ әQÿӏnh hӋ thӕQJÿLӋn

- Các bài toán vӅ giao dӏch thӏ WUѭӡQJÿLӋn

0.8 Bӕ cөc luұQYăQ

%ӕFөFFӫDÿӅWjLEDRJӗPQKӳQJQӝLGXQJFKtQKVDX

&KѭѫQJ*Lӟi thiӋu chung

&KѭѫQJ%jLWRiQGӵ báo phө tҧi

&KѭѫQJ0ҥQJQѫURQWURQJGӵ báo phө tҧi ngҳn hҥn

&KѭѫQJӬng dөng Matlab xây dӵng mô hình dӵ báo phө tҧi

&Kѭѫng 5: Mӝt sӕ yӃu tӕ ҧQKKѭӣQJÿӃn quá trình huҩn luyӋn và sai sӕ

mô hình

&KѭѫQJ.Ӄt luұQYjKѭӟng phát triӇn cӫDÿӅ tài

1 &+ѬѪ1**,ӞI THIӊU CHUNG

Nӝi dung cӫDFKѭѫQJ Qj\FKӫ yӃu mô tҧ hiӋn trҥng cӫa hӋ thӕQJÿLӋn ViӋt 1DPÿӗng thӡi làm rõ tҫm quan trӑng cӫa bài toán dӵ báo phө tҧi ngҳn hҥn trong công tác vұn hành hӋ thӕQJÿLӋn

1.1 Tәng quan hiӋn trҥng hӋ thӕQJÿLӋn ViӋt Nam

Vӟi nhӳng nӛ lӵc hӃt sӭc mҥnh mӁ trong thӡi gian vӯDTXDVDXKѫQQăPthӵc hiӋQTXiWUuQKĈәi mӟi, nӅn kinh tӃ ViӋW1DPÿmÿҥWÿѭӧc sӵ phát triӇn ҩQWѭӧng vӟi tӍ lӋ WăQJWUѭӣQJ*'3WURQJKDLQăPOLrQWLӃp 2018 và 2019 khoҧng 7%, khiӃn ViӋt Nam trӣ thành mӝt trong nhӳng quӕc gia có tӕFÿӝ WăQJWUѭӣng cao nhҩt trong khu vӵc và trên thӃ giӟi

Trong khuôn khә DiӉQÿjQ1ăQJOѭӧng ViӋt Nam 2019, và theo các dӳ liӋu thӕng kê tӯ %iRFiRWKѭӡQJQLrQQăPFӫa TұSÿRjQĈLӋn lӵc ViӋt Nam (EVN), WtQKÿӃn cuӕLQăPKӋ thӕQJÿLӋn ViӋW1DPÿҥt tәng công suҩWÿһt là 48.573

MW, quy mô sҧn xuҩWÿLӋQÿӭng thӭ 23 trên toàn thӃ giӟi và thӭ 2 trong khu vӵc ASEAN (sau Indonesia)

SҧQOѭӧQJÿLӋn sҧn xuҩWFNJQJOLrQWөFWăQJWUѭӣng cao trong thӡLJLDQGjL1ăP

2000, sҧQOѭӧQJÿLӋn sҧn xuҩt chӍ là 22 tӹ N:KÿӃQQăPÿҥt 220,31 tӹ kWh và QăPѭӟFÿҥt khoҧng 242 tӹ N:KWăQJJҩp 11 lҫn sau khoҧng gҫQQăP

&NJQJWKHRVӵ phát triӇQÿyKӋ thӕQJOѭӟLÿLӋn truyӅn tҧi gӗm khoҧng 7.800 NPÿѭӡQJGk\N9NPÿѭӡQJGk\N9NPÿѭӡng dây 110kV

và trên 150.000 MVA công suҩt các máy biӃn áp cҩSÿLӋn áp tӯ 110 ± N9ÿӭng ÿҫu khu vӵc ASEAN và vүn tiӃp tөFWăQJWUѭӣng và phát triӇn

Ĉһc biӋt, trong tình cҧnh các nguӗQQăQJOѭӧng truyӅn thӕQJÿDQJQJj\Pӝt cҥn kiӋt, kӃt hӧp vӟLFiFFKtQKViFKѭXÿmLFKӫ WUѭѫQJӫng hӝ cӫa Chính phӫ vӅ viӋc khuyӃn khích phát triӇn các nguӗQQăQJOѭӧng tái tҥR1/77 WURQJWKiQJÿҫXQăP

2019 vӯDTXDFiFQKjPi\ÿLӋQJLyÿLӋn mһt trӡLÿmӗ ҥt mӑc lên, góp phҫQÿiQJNӇ vào viӋFÿҧm bҧRDQQLQKQăQJOѭӧng quӕc gia

7tQKÿӃn hӃWWKiQJÿmFyQKjPi\ÿLӋQJLyYjÿLӋn mһt trӡi hòa Oѭӟi vӟi tәng công suҩWÿһt 5.038 MW, chiӃm 9,5% tәng công suҩWÿһt hӋ thӕQJÿLӋn

quӕc gia Dӵ kiӃQÿӃn ngày 31/12/2019, sӁ có thêm khoҧng 1.000 MW các nguӗn QăQJOѭӧng tái tҥRÿҩu nӕi vào hӋ thӕQJÿLӋn quӕc gia, nâng tәng công suҩWÿһt cӫa

hӋ thӕng lên trên 54.000 MW

7tQK ULrQJ ÿLӋn mһt trӡi áp mái, trong 3 tháng tӯ WKiQJ  ÿӃn tháng

ÿmFyKѫQKӝ JLDÿuQKOҳSÿһt hӋ thӕQJÿLӋn mһt trӡi áp mái vӟi tәng công suҩWÿҥt 200 MW vӟi kǤ vӑQJÿӃn cuӕLQăPF{QJVXҩWÿLӋn mһt trӡi áp mái sӁ ÿҥt thêm 300 MW

HiӋn nay, Bӝ &{QJ7KѭѫQJÿDQJ[k\Gӵng Quy hoҥch phát triӇQÿLӋn lӵc quӕc gia thӡi kǤ 2021 ± 2030, tҫPQKuQÿӃQQăPJӑi tҳt là Quy hoҥFKÿLӋn VIII) vӟi thӡi hҥQKRjQWKjQKEDQÿҫu là tháng 6/2020 Tuy nhiên, do ҧQKKѭӣng cӫa dӏch bӋnh Covid-19 hoành hành trên khҳp thӃ giӟi nói chung và ViӋt Nam nói riêng nên hiӋn nay Quy hoҥFKÿLӋn VIII vүQÿDQJWURQJWKӡi kǤ xây dӵng và hoàn thiӋn Khác biӋt FѫEҧn so vӟi các Quy hoҥFKÿLӋn VI, Quy hoҥFKÿLӋn VII và Quy hoҥFKÿLӋn VII hiӋu chӍQKWUѭӟFÿk\FKӫ yӃu tұp trung vào các nguӗQÿLӋn truyӅn thӕQJQKѭWKӫy ÿLӋn, nhiӋWÿLӋQWKDQWXDELQNKt«WKu4X\KRҥFKÿLӋn VIII sӁ là thӡi kǤ tұp trung YjRQăQJOѭӧng tái tҥo ViӋc xây dӵng Quy hoҥFKÿLӋn VIII hӃt sӭc phӭc tҥp vì tính chҩt bҩWÿӏnh (phө thuӝc nhiӅu vào thӡi tiӃt) cӫa các nguӗQQăQJOѭӧng gió và mһt trӡL&KtQKYuÿLӅXÿyNKLӃn cho bài toán dӵ báo phө tҧi càng trӣ nên quan trӑng trong thӡi kǤ mà NLTT thâm nhұp ngày càng sâu và chiӃm tӹ trӑng ngày càng cao trong

hӋ thӕQJÿLӋn quӕc gia

1.2 Tҫm quan trӑng cӫa bài toán dӵ báo phө tҧi ngҳn hҥn

Dӵ báo phө tҧi ngҳn hҥn (dӵ EiRWUѭӟc mӝt giӡ, mӝt ngày hoһc mӝt tuҫQ ÿyQJmӝt vai trò quan trӑng trong vұn hành, lұSSKѭѫQJWKӭFQJj\YjSKѭѫQJWKӭc tuҫn NhӳQJSKѭѫQJWKӭc vұQKjQKFѫEҧQWURQJQJj\QKѭKX\ÿӝng nguӗn, phӕi hӧp thӫy ÿLӋn và nhiӋWÿLӋn, truyӅn tҧi công suҩt giӳa các miӅn, giҧi quyӃt các công tác sӱa chӳDWUrQOѭӟLÿLӋQYjÿiQKJLiPӭFÿӝ an toàn hӋ thӕQJÿLӋQ+7Ĉ