ứng dụng chuỗi thời gian trong dự báo nhu cầu phụ tải điện ở công ty điện lực tây ninh

Nhằm giÁi quyÁt các v¿n đà trên, luÁn vn đà xu¿t ph°¢ng pháp nghiên cāu dă báo chuçi thái gian để dă báo nhu cÁu phā tÁi đián trung h¿n xu thÁ, tác độ phát triển và nhu cÁu cÿa phā tÁi đ

HàC VIâN CÔNG NGHâ B¯U CHÍNH VIàN THÔNG

-

ĀNG DĀNG CHUâI THâI GIAN TRONG DĂ BÁO NHU CÀU

(Theo định hướng ứng dụng)

TP Hâ CHÍ MINH – NM 2022

HàC VIâN CÔNG NGHâ B¯U CHÍNH VIàN THÔNG

-

ĀNG DĀNG CHUâI THâI GIAN TRONG DĂ BÁO NHU CÀU

LâI CAM ĐOAN

Tôi xin cam đoan luÁn vn th¿c sĩ há tháng thông tin <Āng dāng chuãi thãi gian trong dă báo nhu cÁu phā tÁi điãn å Công ty Điãn lăc Tây Ninh= do tôi nghiên cāu, tång hÿp và thăc hián

Toàn bộ nội dung luÁn vn, nhāng điÃu đ°ÿc trình bày là cÿa chính cá nhân tôi hoặc là đ°ÿc tham khÁo, tång hÿp từ nhiÃu nguãn tài liáu khác nhau T¿t cÁ các tài liáu tham khÁo, tång hÿp đÃu đ°ÿc trích xu¿t vßi nguãn gác rõ ràng Các sá liáu, kÁt quÁ nêu trong luÁn vn là trung thăc và ch°a từng đ°ÿc ai công bá trong b¿t kỳ công trình nào khác

Hác viên thăc hiãn luÃn vn

Nguyán Thanh Nhân

Cuái cùng, tôi xin gÿi lái cÁm ¢n chân thành đÁn gia đình, b¿n bè và quý đãng nghiáp vì đã luôn đãng hành, t¿o điÃu kián, hç trÿ và khuyÁn khích tôi cá gÃng trong suát nhāng nm tháng học tÁp cũng nh° quá trình nghiên cāu viÁt luÁn vn này

Xin chân thành cÁm ¢n!

Hác viên thăc hiãn luÃn vn

Nguyán Thanh Nhân

2 Tång quan v¿n đà nghiên cāu 2

3 Māc tiêu nghiên cāu 4

4 Đái t°ÿng và ph¿m vi nghiên cāu 5

5 Ph°¢ng pháp nghiên cāu 5

6 C¿u trúc luÁn vn 6

CH¯¡NG 1: TäNG QUAN V DĂ BÁO CHUæI THàI GIAN 8

1.1 Tång quan và dă báo 8

1.2 Các ph°¢ng pháp dă báo 9

1.2.1 Các mô hình thống kê 9

1.2.2 Các mô hình hiện đại dựa trên máy học, khai phá dữ liệu và trí tuệ nhân tạo 12

1.3 Thăc tr¿ng dă báo phā tÁi đián ã Công ty Đián lăc Tây Ninh 13

CH¯¡NG 2: MÔ HÌNH DĂ BÁO CHUæI THàI GIAN VÀ ĀNG DĀNG TRONG DĂ BÁO NHU CÀU PHĀ TÀI ĐIàN 16

2.1 Phân tích chuçi thái gian nhu cÁu phā tÁi đián 16

2.2 Mô hình ARIMA 21

3.1 Xây dăng mô hình dă báo 29

3.2 Xây dăng mô hình dă báo SARIMA 31

3.3 Xây dăng mô hình dă báo LSTM 33

3.4 Xây dăng mô hình dă báo Prophet 35

CH¯¡NG 4: KÀT QUÀ DĂ BÁO NHU CÀU PHĀ TÀI ĐIàN â CÔNG TY ĐIàN LĂC TÂY NINH 37

4.1 KÁt quÁ dă báo 37

4.1.1 Dự báo nhu cầu phụ tải 1 tháng 37

4.1.2 Dự báo nhu cầu phụ tải 12 tháng 43

4.2 So sánh kÁt quÁ khi áp dāng các mô hình Prophet, SARIMA, LSTM 444.3 NhÁn xét chung 46

CH¯¡NG 5: XÂY DĂNG Hà THàNG DĂ BÁO NHU CÀU PHĀ TÀI ĐIàN 47

5.1 ThiÁt kÁ há tháng 47

5.1.1 Mô hình hệ thống 47

5.1.2 Thiết kế c¡ sở dữ liệu cho hệ thống 48

5.1.3 Xây dựng Dashboard phân tích, dự báo 50

5.2 KÁt quÁ 52

KÀT LUÀN 54

DANH MĀC TÀI LIàU THAM KHÀO 55

DANH MĀC CÁC KÝ HIâU, CHĀ VI¾T TÄT

ANN Artificial Neural Network M¿ng n¢-ron nhân t¿o LSTM Long Short Term Memory M¿ng n¢-ron bộ nhß dài-ngÃn ARIMA Autoregressive Intergrated

Moving Average Mô hình trung bình tr°ÿt tích

hÿp tă hãi quy SARIMA Seasonal ARIMA ARIMA mùa vā

SVM Support Vector Machine Véc-t¢ máy hç trÿ RMSE Root Mean Square Error Sai sá trung bình bình ph°¢ng

gác (Độ lách chuẩn cÿa phÁn d°) MAPE Mean Absolute Percentage

Error Sai sá phÁn trm tuyát đái trung

bình

DANH SÁCH BÀNG

BÁng 3.1: Các giá trị RMSE nhß nh¿t từng mô hình thăc hián tìm kiÁm l°ßi trên dā liáu 09 Đián lăc 33 BÁng 4.1: Giá trị RMSE giāa dā liáu đánh giá và dă báo cÿa 09 Đián lăc khi triển khai dă báo theo mô hình Prophet 37 BÁng 4.2: Sai sá (%) giāa dā liáu 12 tháng và kÁt quÁ dă báo từng tháng t°¢ng āng cÿa 09 đián lăc 38 BÁng 4.3: Độ đo RMSE giāa dā liáu đánh giá và dă báo cÿa 09 Đián lăc khi triển khai mô hình SARIMA 39 BÁng 4.4: Sai sá (%) giāa dā liáu 12 tháng và kÁt quÁ dă báo từng tháng t°¢ng āng cÿa 09 mô hình t°¢ng āng 09 Đián lăc 40 BÁng 4.5: Độ đo RMSE giāa dā liáu đánh giá và dă báo cÿa 09 Đián lăc khi triển khai mô hình m¿ng LSTM 41 BÁng 4.6: Sai sá (%) giāa dā liáu 12 tháng và kÁt quÁ dă báo từng tháng t°¢ng āng cÿa 09 mô hình t°¢ng āng 09 Đián lăc 42 BÁng 4.7: Các giá trị RMSE cÿa dā liáu 12 tháng dùng đánh giá và kÁt quÁ dă báo cÿa mô hình Prophet t°¢ng āng cÿa 09 Đián lăc 43 BÁng 4.8: Các giá trị RMSE cÿa dā liáu 12 tháng dùng đánh giá và kÁt quÁ dă báo cÿa mô hình SARIMA t°¢ng āng cÿa 09 Đián lăc 44 BÁng 4.9: So sánh hiáu su¿t dă báo từng tháng cÿa 3 mô hình SARIMA, Prophet và LSTM 44 BÁng 4.10: So sánh hiáu su¿t dă báo 12 tháng cÿa 2 mô hình SARIMA và Prophet 46

DANH SÁCH HÌNH VẼ

Hình 2.1a: Biểu đã sÁn l°ÿng đián th°¢ng phẩm hàng tháng cÿa một doanh nghiáp

có māc tiêu thā hàng nm trên 1 triáu kWh 17

Hình 2.1b: Biểu đã sÁn l°ÿng đián th°¢ng phẩm hàng tháng các khách hàng có māc tiêu thā d°ßi 1 triáu kWh/nm 18

Hình 2.2: Biểu đã phân rã các đặc tr°ng (thành phÁn) cÿa dā liáu chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm hàng tháng chu kỳ 12 tháng cÿa các khách hàng có māc tiêu thā d°ßi 1 triáu kWh/nm 20

Hình 2.3a: Biểu đã chu kỳ 12 tháng cÿa chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm 20

Hình 2.3b: Biểu đã sai phân bÁc 1 cÿa chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm 21

Hình 2.4: Một m¿ng LSTM và c¿u trúc bên trong cÿa tÁ bào LSTM 26

Hình 2.5: C¿u trúc cÿa một tÁ bào LSTM 27

Hình 3.1: Minh họa phân chia dā liáu chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm trong lăa chọn mô hình và đánh giá các mô hình 29

Hình 3.2: Mã giÁ thuÁt toán đánh giá mô hình theo chiÁn l°ÿc kiểm tra gái đÁu đ°ÿc áp dāng trong lăa chọn mô hình và đánh giá hiáu su¿t các mô hình 30

Hình 3.3: Mã giÁ thuÁt toán tìm kiÁm l°ßi khám phá bộ tham sá SARIMA cho một chuçi thái gian đ¢n biÁn 32

Hình 3.4: Đo¿n mã Python xây dăng mô hình LSTM 34

Hình 3.5a: Biểu đã giá trị RMSE các mô hình LSTM theo sá neurons, epochs 34

Hình 3.5b: Biểu đã giá trị RMSE các mô hình LSTM theo sá neurons, epochs 35

Hình 3.6: Đo¿n mã Python mô hình dă báo Prophet 35

Hình 4.1: Biểu đã so sánh kÁt quÁ dă báo từng tháng cÿa 3 mô hình SARIMA, Prophet và m¿ng LSTM cÿa 9 đián lăc 45

Hình 5.1: Mô hình kiÁn trúc tång thể 47

Hình 5.2: L°ÿc đã ERD c¢ sã dā liáu dă báo 48

Hình 5.4: Dā liáu m¿u bÁng khách hàng 49

Hình 5.5: Dā liáu m¿u bÁng dā liáu phā tÁi đián hàng tháng 49

Hình 5.6: Dā liáu m¿u bÁng tham sá các mô hình 50

Hình 5.8: Mã nguãn Dashboard phân tích, dă báo 51

Hình 5.9: KÁt quÁ dă báo 12 tháng phā tÁi đián khách hàng thuộc Đián lăc Thành phá Tây Ninh từ tháng 2/2021 52

Hình 5.10: KÁt quÁ dă báo 12 tháng phā tÁi đián khách hàng thuộc Đián lăc Gò DÁu từ tháng 2/2021 53

Mä ĐÀU 1 Lý do chán đÁ tài

Dă báo nhu cÁu phā tÁi đián là ho¿t động tính toán, °ßc l°ÿng và đánh giá xu h°ßng tng tr°ãng, tác độ tng tr°ãng và nhu cÁu cÿa phā tÁi đián đ°ÿc cung c¿p đián từ há tháng đián trong ngÃn h¿n, trung h¿n và dài h¿n [1] Theo miÃn thái gian t°¢ng lai, dă báo nhu cÁu phā tÁi đián có thể đ°ÿc phân thành các lo¿i dă báo sau [2], [3]:

- Dă báo ngÃn h¿n (d°ßi 1 ngày/tuÁn) đóng một vai trò quan trọng trong công tác lÁp ph°¢ng thāc vÁn hành t¿i các công ty đián lăc

- Dă báo trung h¿n (1 ngày/tuÁn đÁn 1 nm) cÁn thiÁt cho viác quy ho¿ch, vÁn hành nguãn, l°ßi cũng nh° đánh giá hiáu quÁ ho¿t động

- Dă báo dài h¿n (trên 1 nm) là một phÁn quan trọng trong quy ho¿ch há tháng đián, quy định biểu giá và phân phái đián nng

Dă báo nhu cÁu phā tÁi đián là một ho¿t động có vai trò quan trọng trong viác quy ho¿ch, vÁn hành há tháng đián Công ty Đián lăc Tây Ninh là một đ¢n vị phân phái đián bên c¿nh nhu cÁu dă báo ngÃn h¿n phāc vā lÁp ph°¢ng thāc vÁn hành (điÃu độ há tháng đián) thì nhu cÁu dă báo phā tÁi đián trung h¿n nhằm nhằm nâng cao hiáu quÁ ho¿t động, độ tin cÁy và đÁm bÁo cân đái cung cÁu phā tÁi đián cũng hÁt sāc cÁn thiÁt

Thăc hián chỉ đ¿o cÿa TÁp đoàn Đián lăc Viát Nam và triển khai thăc hián Thông t° 19 [1] cÿa Bộ công th°¢ng, các Công ty Đián lăc phÁi thăc hián dă báo phā tÁi cÿa các nhóm khách hàng, thành phÁn phā tÁi trong ho¿t động điÃu hành, vÁn hành há tháng đián hằng tháng Tuy nhiên viác triển khai thăc hián gặp nhiÃu khó khn do ch°a có ph°¢ng pháp dă báo phā tÁi phù hÿp vßi nguãn dā liáu hián hāu Hián nay, chÿ yÁu các Công ty Đián lăc dă báo nhu cÁu phā tÁi dăa theo ph°¢ng pháp chuyên

gia hoặc mô hình hàm hãi quy đa biÁn phā thuộc vào các yÁu tá nh° thái tiÁt, nhiát độ, chỉ sá kinh tÁ, & cho nên kÁt quÁ dă báo còn h¿n chÁ

Nhằm giÁi quyÁt các v¿n đà trên, luÁn vn đà xu¿t ph°¢ng pháp nghiên cāu dă báo chuçi thái gian để dă báo nhu cÁu phā tÁi đián trung h¿n (xu thÁ, tác độ phát triển và nhu cÁu cÿa phā tÁi đián) Từ đó thiÁt kÁ xây dăng một há tháng dă báo nhu cÁu phā tÁi đián để giÁi quyÁt các khó khn nêu trên cũng nh° để đáp āng yêu cÁu báo cáo tháng kê và hç trÿ ra quyÁt định là một nhu cÁu c¿p thiÁt đái vßi Công ty Đián lăc Tây Ninh ĐiÃu này giúp Lãnh đ¿o cÿa Công ty Đián lăc Tây Ninh nÃm bÃt kịp thái tình hình phát triển phā tÁi đián và nhanh chóng đ°a ra nhāng điÃu chỉnh, giÁi pháp kịp thái cũng nh° các định h°ßng thích hÿp và mặt điÃu hành há tháng đián nhằm đ¿t đ°ÿc māc tiêu nâng cao hiáu quÁ, độ tin cÁy cung c¿p đián và đÁm bÁo cân đái cung cÁu phā tÁi đián phāc vā nhu cÁu sÿ dāng đián cÿa khách hàng Từ nhāng lý do trên, tôi xin lăa chọn đà tài nghiên cāu <Āng dāng chuãi thãi gian trong dă báo nhu cÁu phā tÁi điãn å Công ty Điãn lăc Tây Ninh=

2 Táng quan v¿n đÁ nghiên cāu

Dă báo phā tÁi chính xác là điÃu cÁn thiÁt trong ho¿t động điÃu hành, vÁn hành há tháng đián NÁu dă báo sai lách quá nhiÃu và khÁ nng cung c¿p và nhu cÁu phā tÁi đián s¿ d¿n đÁn giÁm hiáu quÁ ho¿t động NÁu dă báo quá thừa và nhu cÁu phā tÁi s¿ phÁi huy động nguãn quá lßn làm tng ván đÁu t° d¿n đÁn lãng phí ván đÁu t° và không khai thác hÁt công su¿t thiÁt bị, ng°ÿc l¿i nÁu dă nÁu dă báo thiÁu nhu cÁu phā tÁi s¿ d¿n đÁn cung c¿p đián không đÿ cho nhu cÁu cÿa phā tÁi, giÁm độ tin cÁy cung c¿p đián làm giÁm hiáu quÁ ho¿t động

Dă báo chuçi thái gian là một lßp mô hình quan trọng trong tháng kê, kinh tÁ l°ÿng và máy học Mô hình là chuçi thái gian (time series) là mô hình đ°ÿc áp dāng trên các chuçi đặc thù có yÁu tá thái gian Một mô hình chuçi thái gian th°áng dă báo dăa trên giÁ định rằng các qui luÁt trong quá khā s¿ lặp l¿i ã t°¢ng lai Do đó xây dăng mô hình chuçi thái gian là đang mô hình hóa mái quan há trong quá khā giāa biÁn độc lÁp (biÁn đÁu vào) và biÁn phā thuộc (biÁn māc tiêu) Dăa vào mái quan há

này để dă đoán giá trị trong t°¢ng lai cÿa biÁn phā thuộc Hián nay có r¿t nhiÃu nghiên cāu dă báo chuçi thái gian và dă báo phā tÁi đián, tuy nhiên có thể phân lo¿i thành 2 nhóm là ph°¢ng pháp cå điển dăa trên tháng kê và ph°¢ng pháp hián đ¿i dăa trên công nghá trí tuá nhân t¿o

NhiÃu nghiên cāu dă báo phā tÁi đián dăa trên ph°¢ng pháp tháng kê có thể kể đÁn nh° các mô hình dă báo sÿ dāng hãi quy đ¢n biÁn, đa biÁn mà đ¿i dián tiêu biểu là mô hình ARIMA (Autoregressive Intergrated Moving Average - Tă hãi quy tích hÿp trung bình tr°ÿt) Lê Duy Phúc và các đãng să [4] đã sÿ dāng ph°¢ng pháp lọc và mô hình dă báo ARIMA trong dă báo phā tÁi đián ngÃn h¿n l°ßi đián TP.HCM, kÁt quÁ dă báo vßi độ tin cÁy 95% Nazih Abu-Shikhah và các đãng să [5] sÿ dāng ph°¢ng pháp hãi quy đa biÁn và hãi quy phi tuyÁn trong dă báo phā tÁi đián trung h¿n ã NEPCO (National Electric Power Company of Jordan) Isaac A Samuel và các đãng să [6] sÿ dāng phân tích hãi quy trong dă báo phā tÁi đián cÿa tr°áng Covenant University

Trong nhāng nm gÁn đây, ph°¢ng pháp dă báo đã chuyển từ ph°¢ng pháp cå điển sang āng dāng nhāng thành tău cÿa trí tuá nhân t¿o vào trong dă báo Các thuÁt toán học máy nh° máy vector hç trÿ và m¿ng n¢ ron nhân t¿o đ°ÿc āng dāng rộng rãi đã cÁi thián đáng kể độ chính xác cÿa dă đoán nhu cÁu phā tÁi đián Các nghiên cāu [7], [8], [9] sÿ dāng m¿ng n¢-ron nhân t¿o lan truyÃn ng°ÿc (BP ANN) kÁt hÿp các yÁu tá Ánh h°ãng nh° chỉ sá tiêu dùng, chỉ sá công nghiáp, tác độ tng dân sá và nhiát độ để dă báo phā tÁi đián trung h¿n có độ chính xác và khÁ nng giÁi thích tát h¢n các ph°¢ng pháp truyÃn tháng khác Lei Guo và cộng să [10] đã sÿ dāng m¿ng n¢ron nhiÃu lßp và LSTM để dă đoán phā tÁi đián trong thái gian ngÃn và kÁt quÁ thăc nghiám đã chāng minh tính °u viát cÿa m¿ng n¢ron học sâu Zhitong Ma và các đãng să [11] đã sÿ dāng máy vector hç trÿ để dă đoán māc tiêu thā nng l°ÿng cÿa tòa nhà ã Trung Quác d°ßi Ánh h°ãng các yÁu tá thái tiÁt

GÁn đây, các nghiên cāu dă báo chuçi thái gian phi tuyÁn theo mô hình cộng (Additive Model) trong đó các xu thÁ phi tuyÁn khßp vßi tính thái vā hàng nm, hàng

tuÁn và hàng ngày, cộng vßi các Ánh h°ãng ngày lß cũng đ°ÿc sÿ dāng cho hiáu quÁ tát Sean J Taylor và Benjamin Letham [12] đã gißi thiáu ph°¢ng pháp phân tích chuçi thái gian theo mô hình cộng bằng thuÁt toán Facebook Prophet trong dă báo sá să kián trên Facebook Huỳnh Trọng Th°a và các đãng să [13] đã công bá kÁt quÁ nghiên cāu sÿ dāng thuÁt toán phân tích chuçi thái gian Facebook Prophet trong dă báo ho¿t động đÁu t° ã Khu Công nghá cao TP.HCM Zar Zar Oo và Sabai Phyu [14] sÿ dāng thuÁt toán Prophet để dă báo nhiát độ ã tỉnh Myintkyina, Myanmar cho kÁt quÁ tát so vßi các ph°¢ng pháp truyÃn tháng Toni Toharudin và các đãng să [15] đã công bá báo cáo so sánh kÁt quÁ dă báo nhiát độ không khí hàng ngày trong 5 nm ã Bandung, Taiwan giāa 2 mô hình dă báo bãi LSTM và Facebook Prophet; Các kÁt quÁ cho th¿y rằng, Prophet cho kÁt quÁ tát h¢n đái vßi nhiát độ tái đa, trong khi LSTM cho kÁt quÁ tát h¢n đái vßi nhiát độ tái thiểu; Tuy nhiên, să khác biát và giá trị cÿa RMSE không quá lßn đáng kể Emir }unić và các đãng să [16] đà xu¿t bộ khung āng dāng thuÁt toán Prophet trong dă báo doanh sá bán hàng trong thăc tÁ để dă báo doanh sá hằng tháng, hằng quý sÃp tßi

3 Māc tiêu nghiên cāu 3.1 Māc đích nghiên cāu

Xây dăng há tháng dă báo nhu cÁu phā tÁi đián trung h¿n nhằm hç trÿ ban Lãnh đ¿o Công ty Đián lăc Tây Ninh trong ho¿t động điÃu hành, vÁn hành há tháng đián đÁm bÁo māc tiêu nâng cao hiáu quÁ, độ tin cÁy cung c¿p đián và đÁm bÁo cân đái cung cÁu phā tÁi đián phāc vā nhu cÁu sÿ dāng đián cÿa khách hàng

3.2 Māc tiêu táng quát

Đánh giá thăc tr¿ng nhu cÁu dă báo phā tÁi ã Công ty Đián lăc Tây Ninh và nghiên cāu ph°¢ng pháp dă báo chuçi thái gian trong dă báo nhu cÁu phā tÁi đián trung h¿n, từ đó đà xu¿t giÁi pháp dă báo nhu cÁu phā tÁi đián trung h¿n ã Công ty Đián lăc Tây Ninh

3.3 Māc tiêu cā thß

- Nghiên cāu các ph°¢ng pháp dă báo chuçi thái gian trong dă báo nhu cÁu phā tÁi đián trung h¿n

- Đánh giá thăc tr¿ng dă báo nhu cÁu phā tÁi đián trung h¿n ã Công ty Đián lăc Tây Ninh

- ĐÃ xu¿t giÁi pháp dă báo nhu cÁu phā tÁi đián trung h¿n dăa trên phân tích chuçi thái gian Facebook Prophet ã Công ty Đián lăc Tây Ninh

- Xây dăng há tháng thăc nghiám và đánh giá há tháng dă báo nhu cÁu phā tÁi đián trung h¿n ã Công ty Đián lăc Tây Ninh

4 Đái t°ÿng và ph¿m vi nghiên cāu 4.1 Đái t°ÿng nghiên cāu:

- Thăc tr¿ng nhu cÁu dă báo phā tÁi đián trung h¿n ã Công ty Đián lăc Tây Ninh

- Các ph°¢ng pháp dă báo nhu cÁu phā tÁi đián trung h¿n và ph°¢ng pháp dă báo đà xu¿t là dă báo chuçi thái gian theo mô hình cộng Facebook Prophet

- GiÁi pháp hÿp lý dă báo nhu cÁu phā tÁi đián trung h¿n ã Công ty Đián lăc Tây Ninh

VÃ không gian: Nghiên cāu đ°ÿc thăc hián và āng dāng ã Công ty Đián lăc Tây Ninh

5 Ph°¢ng pháp nghiên cāu

ĐÃ tài này sÿ dāng ph°¢ng pháp nghiên cāu lý thuyÁt kÁt hÿp vßi xây dăng āng dāng thăc nghiám:

- Nghiên cāu lý thuyÁt dă báo phā tÁi đián dài h¿n, các thành phÁn phā tÁi đián và các yÁu tá Ánh h°ãng đÁn dă báo

- Thu thÁp dā liáu nhu cÁu phā tÁi đián cÿa các nhóm thành phÁn phā tÁi đián, theo khu văc và nhóm khách hàng: SÁn l°ÿng đián tiêu thā hàng tháng cÿa các nhóm khách hàng trên địa bàn tỉnh Tây Ninh do Công ty Đián lăc Tây Ninh quÁn lý Đây chính là dā liáu cÿa các đái t°ÿng nghiên cāu phāc vā cho quá trình phân tích và tìm hiểu xu thÁ, tác độ phát triển và nhu cÁu cÿa đái t°ÿng nghiên cāu

- Xây dăng há tháng thăc nghiám, đánh giá kÁt quÁ thăc nghiám, đ°a ra h°ßng phát triển mã rộng cÿa để tài để đáp āng nhāng nhu cÁu triển khai thăc tÁ

6 C¿u trúc luÃn vn

Ngoài phÁn mã đÁu, māc lāc, kÁt luÁn và kiÁn nghị, danh māc hình v¿, danh māc bÁng biểu, tài liáu tham khÁo, phā lāc, phÁn chính cÿa luÁn vn gãm 5 ch°¢ng nh° sau:

Ch°¢ng 1 Táng quan vÁ dă báo nhu cÁu phā tÁi điãn: Ch°¢ng này nêu

khái quát, há tháng hóa c¢ sã lý luÁn và v¿n đà dă báo, đãng thái tÁp trung trình bày các nghiên cāu dă báo chuçi thái gian và āng dāng trong báo phā tÁi đã đ°ÿc sÿ dāng

Ch°¢ng 2 Mô hình dă báo chuãi thãi gian và āng dāng trong dă báo nhu cÁu phā tÁi điãn: Ch°¢ng này s¿ gißi thiáu và các yêu cÁu đặt ra đái vßi bài toán dă

báo phā tÁi, đãng thái nêu các lý thuyÁt liên quan đÁn giÁi pháp tiÃn xÿ lý dā liáu, các ph°¢ng pháp dă báo phā tÁi sÿ dāng trong luÁn vn, qua đó đà xu¿t các mô hình dă báo phā tÁi

Ch°¢ng 3 Xây dăng mô hình dă báo nhu cÁu phā tÁi điãn: Ch°¢ng này

trình bày các kÁt quÁ phân tích, thiÁt kÁ, cài đặt và thÿ nghiám các mô hình dă báo cÿa há tháng

Ch°¢ng 4 K¿t quÁ dă báo nhu cÁu phā tÁi điãn å Công ty Điãn lăc Tây Ninh: Ch°¢ng này trình bày thăc nghiám các kÁt quÁ dă báo nhu cÁu phā tÁi ã Công ty Đián lăc Tây Ninh và nhÁn xét chung

Ch°¢ng 5 Xây dăng hã tháng dă báo nhu cÁu phā tÁi điãn: Ch°¢ng này

gißi thiáu há tháng dă báo nhu cÁu phā tÁi đián hàng tháng āng dāng các mô hình dă báo phā tÁi đián đã nghiên cāu

CH¯¡NG 1: TàNG QUAN VÀ DĂ BÁO CHUâI THâI GIAN

Ch°¢ng này nêu khái quát, há tháng hóa c¢ sã lý luÁn và v¿n đà dă báo, đãng thái tÁp trung trình bày các nghiên cāu dă báo chuçi thái gian và āng dāng trong báo phā tÁi đián đã đ°ÿc sÿ dāng

1.1 Táng quan vÁ dă báo

Dă báo là khoa học và nghá thuÁt tiên đoán các să viác có thể s¿ xÁy ra trong t°¢ng lai Tính khoa học cÿa dă báo thể hián ã chç khi tiÁn hành dă báo ng°ái ta phÁi cn cā trên các dā liáu phÁn ánh tình hình thăc tÁ trong quá khā và hián t¿i, cn cā vào xu thÁ trên c¢ sã khoa học để dă đoán nhāng să viác có thể s¿ xÁy ra trong t°¢ng lai Tính nghá thuÁt trong dă báo thể hián ã chç phÁi sÿ dāng tài phán đoán, kinh nghiám trong nhāng điÃu kián thiÁu thông tin hoặc nhu cÁu cÿa khách hàng biÁn động m¿nh Từ nhāng đặc điểm này cho th¿y dă báo bao giá cũng có sai sá, chỉ ng¿u nhiên nÁu chúng ta dă báo đúng hoàn toàn, tính chính xác cÿa dă báo càng th¿p khi thái gian dă báo càng dài

Các ph°¢ng pháp dă báo c¢ bÁn đ°ÿc phân thành hai lo¿i c¢ bÁn: các ph°¢ng pháp định tính và định l°ÿng, và viác lăa chọn lo¿i thích hÿp chÿ yÁu phā thuộc vào dā liáu có sẵn Các ph°¢ng pháp dă báo định tính mang tính chÿ quan, să kián t°¢ng lai đ°ÿc dă đoán chÿ quan dăa trên viác sÿ dāng ý kiÁn cÿa các chuyên gia; tuy nhiên, chúng không hoàn toàn là phßng đoán, nh°ng chúng là các ph°¢ng pháp tiÁp cÁn có c¿u trúc đ°ÿc phát triển để thu đ°ÿc các dă báo tát mà không cÁn sÿ dāng dā liáu lịch sÿ Do đó, các ph°¢ng pháp này hāu ích và đ°ÿc triển khai khi dā liáu lịch sÿ không có sẵn hoặc khan hiÁm Mặt khác, các ph°¢ng pháp dă báo định l°ÿng dăa trên toán học và công thāc tháng kê Chúng đ°ÿc áp dāng khi có sẵn dā liáu, nh°ng phÁi thõa mãn hai điÃu kián: thông tin và quá khā có sẵn và giÁ định rằng một sá các khía c¿nh cÿa mô hình trong quá khā s¿ tiÁp tāc trong t°¢ng lai Các ph°¢ng pháp dă báo định l°ÿng liên quan đÁn một lo¿t các ph°¢ng pháp và mçi ph°¢ng pháp có các thuộc tính, độ chính xác và chi phí riêng phÁi đ°ÿc cân nhÃc khi lăa chọn một

ph°¢ng pháp cā thể trong các ngành cā thể, cho các māc đích cā thể HÁu hÁt các dă báo định l°ÿng yêu cÁu dā liáu chuçi thái gian đ°ÿc thu thÁp trong các khoÁng thái gian đÃu đặn theo thái gian hoặc dā liáu cÃt ngang (dā liáu đ°ÿc thu thÁp t¿i một thái điểm duy nh¿t)

1.2 Các ph°¢ng pháp dă báo

Các ph°¢ng pháp dă báo ban đÁu hÁu nh° hoàn toàn dăa theo ph°¢ng pháp tháng kê truyÃn tháng nh°ng vßi să tiÁn bộ cÿa khoa học hián đ¿i, các công nghá dă báo đã phát triển đáng kể GÁn đây, các ph°¢ng pháp dă báo dăa trên lý thuyÁt học máy là ngày càng trã nên phå biÁn h¢n trong dă báo PhÁn sau đây gißi thiáu và mô tÁ các ph°¢ng pháp dă báo đ°ÿc sÿ dāng phå biÁn nh¿t theo hai h°ßng sau: các mô hình tháng kê và các mô hình hián đ¿i dăa trên máy học, khai phá dā liáu và trí tuá nhân t¿o

1.2.1 Các mô hình thống kê

Trong cách tiÁp cÁn dă báo theo mô hình tháng kê thì các nghiên cāu dă báo chuçi thái gian theo mô hình ARIMA đ¢n giÁn hoặc SARIMA (ARIMA theo mùa) dăa theo ph°¢ng pháp chuẩn Box-Jenkins đ°ÿc sÿ dāng một cách khá th°áng xuyên

1.2.1.1 Mô hình Tă hãi quy tích hÿp trung bình tr°ÿt (ARIMA) Lê Huy Phúc và các đãng să [4] đã nghiên cāu āng dāng ph°¢ng pháp lọc dā liáu để đánh giá độ tin cÁy cÿa nguãn dā liáu đÁu vào nhằm nâng cao ch¿t l°ÿng dă báo phā tÁi đián ngÃn h¿n trên l°ßi đián TP.HCM Trong nghiên cāu, nhóm tác giÁ đã đà xu¿t áp dāng mô hình ARIMA và ANN để có să đái chiÁu (sau khi lo¿i bß các yÁu tá b¿t th°áng trong dā liáu), kÁt quÁ cho th¿y MAPE cÿa mô hình ARIMA nhß h¢n so vßi mô hình ANN, t°¢ng āng 4,9% so vßi 5,87%

Huỳnh T¿n Nguyên và Nguyßn Vn L°ÿng [17] nghiên cāu này āng dāng mô hình ARIMA trong dă báo chỉ sá giá tiêu dùng CPI ã Viát Nam trong quý 2 nm 2016 Sá liáu đ°ÿc thu thÁp từ Tång cāc Tháng kê Viát Nam giai đo¿n tháng 1/2010 đÁn tháng 03/2016 KÁt quÁ cho th¿y mô hình ARIMA (2,1,1) là thích hÿp cho viác

dă báo KÁt quÁ dă báo CPI quý 2 nm 2016 lÁn l°ÿt là 159.5409%, 159.5447%, 159.5476% cho kÁt quÁ dă báo CPI tát và viác āng dāng mô hình ARIMA đã đ°ÿc thăc hián ã một sá nghiên cāu trên thÁ gißi

Trịnh Thị Phan Lan [18] sÿ dāng mô hình trong hình chuyển động tă hãi quy ARIMA để tìm ra mô hình tát cho viác dă báo biÁn động tỷ giá t¿i Viát Nam KÁt quÁ nghiên cāu cho th¿y, mô hình SARIMA cho kÁt quÁ dă báo tát nh¿t trong các mô hình đ°ÿc nghiên cāu Sai sá trong mô hình không lßn cho th¿y, có thể sÿ dāng mô hình SARIMA để dă báo tỷ giá trong t°¢ng lai

Nghiêm Phúc HiÁu [19] sÿ dāng ph°¢ng pháp Box-Jenkins để xây dăng mô hình ARIMA theo mùa (hay còn gọi là SARIMA - Seasonal Autoregressive Integrated Moving Average) nhằm dă báo l°ÿng khách quác tÁ đÁn Viát Nam dăa trên sá liáu công bá hàng tháng cÿa Tång cāc Du lịch Viát Nam Nghiên cāu cũng đ°a ra dă báo thÿ nghiám và l°ÿng khách quác tÁ đÁn Viát Nam nhāng tháng cuái nm 2017 vßi māc độ sai sá ch¿p nhÁn đ°ÿc từ 1.7% đÁn 12.4%

Lê Nhị BÁo Ngọc và các đãng să [20] sÿ dāng mô hình SARIMA để dă báo giá giao lên tàu (FOB) thăc tôm sú ngÃn h¿n vßi nguãn sá liáu là chuçi giá tôm sú có kích cỡ 30-40 con/kg theo thái gian từ tháng 1/2011 đÁn tháng 12/2016 KÁt quÁ nghiên cāu khẳng định mô hình là phù hÿp để giÁi thích đ°ÿc să biÁn động giá FOB thăc cÿa tôm sú trong giai đo¿n nói trên Đãng thái, mô hình dă báo r¿t đáng tin cÁy, giá trị thăc cÿa tháng 1 trong nm 2017 nằm trong khoÁng tin cÁy 95% và gÁn bằng vßi giá trị dă báo vßi điểm sai sá dă báo nhß

1.2.1.2 Mô hình phân rã Ý t°ãng cÿa mô hình phân rã là chuçi thái gian có thể đ°ÿc phân tách thành ba thành phÁn: xu h°ßng (h°ßng dài h¿n), theo mùa (có há tháng, chuyển động liên quan đÁn lịch) và b¿t th°áng (biÁn động không há tháng, ngÃn h¿n) Mô hình phân rã thông th°áng chia thành 2 lo¿i: Mô hình cộng và Mô hình nhân

Trong mô hình cộng, chuçi thái gian quan sát (Ot) đ°ÿc coi là tång cÿa ba thành phÁn độc lÁp: theo mùa St, xu h°ßng Tt và b¿t th°áng It:

Ot = Tt + St + It (1.1) Trong mô hình nhân, chuçi thái gian quan sát (Ot) đ°ÿc biểu thị nh° là tích cÿa các thành phÁn xu h°ßng Tt, theo mùa St và b¿t th°áng It:

Ot = Tt × St × It (1.2) GÁn đây, các nghiên cāu dă báo chuçi thái gian phi tuyÁn theo mô hình cộng (Additive Model) trong đó các xu thÁ phi tuyÁn khßp vßi tính thái vā hàng nm, hàng tuÁn và hàng ngày, cộng vßi các Ánh h°ãng ngày lß cũng đ°ÿc sÿ dāng cho hiáu quÁ tát Sean J Taylor và Benjamin Letham [12] đã gißi thiáu ph°¢ng pháp phân tích chuçi thái gian theo mô hình cộng bằng thuÁt toán Facebook Prophet trong dă báo sá să kián trên Facebook Huỳnh Trọng Th°a và các đãng să [13] đã công bá kÁt quÁ nghiên cāu sÿ dāng thuÁt toán phân tích chuçi thái gian Facebook Prophet trong dă báo ho¿t động đÁu t° ã Khu Công nghá cao TP.HCM Zar Zar Oo và Sabai Phyu [14] sÿ dāng thuÁt toán Prophet để dă báo nhiát độ ã tỉnh Myintkyina, Myanmar cho kÁt quÁ tát so vßi các ph°¢ng pháp truyÃn tháng Toni Toharudin và các đãng să [15] đã công bá báo cáo so sánh kÁt quÁ dă báo nhiát độ không khí hàng ngày trong 5 nm ã Bandung, Taiwan giāa 2 mô hình dă báo bãi LSTM và Facebook Prophet; Các kÁt quÁ cho th¿y rằng, Prophet cho kÁt quÁ tát h¢n đái vßi nhiát độ tái đa, trong khi LSTM cho kÁt quÁ tát h¢n đái vßi nhiát độ tái thiểu; Tuy nhiên, să khác biát và giá trị cÿa RMSE không quá lßn đáng kể Emir }unić và các đãng să [16] đà xu¿t bộ khung āng dāng thuÁt toán Prophet trong dă báo doanh sá bán hàng trong thăc tÁ để dă báo doanh sá hằng tháng, hằng quý sÃp tßi

Cách tiÁp cÁn dă báo theo mô hình tháng kê, đặc biát là mô hình dă báo chuçi thái gian có °u thÁ trong dă báo chuçi thái gian khi mà xu thÁ, tính mùa vā đ°ÿc thể hián rõ ràng

1.2.2 Các mô hình hiện đại dựa trên máy học, khai phá dữ liệu và trí tuệ nhân tạo

Các mô hình tháng kê truyÃn tháng còn h¿n chÁ và đôi khi có thể d¿n đÁn các giÁi pháp không đ¿t yêu cÁu Các lý do là khái l°ÿng tính toán quá lßn d¿n đÁn tiêu tán nhiÃu thái gian để đ¿t kÁt quÁ và độ phāc t¿p cÿa các m¿u dā liáu phi tuyÁn Do đó, máy học và các kỹ thuÁt dăa trên trí tuá nhân t¿o cung c¿p một giÁi pháp thay thÁ đÁy hāa hẹn và h¿p d¿n

1.2.2.1 ThuÁt toán M¿ng neural nhân t¿o (ANN) Lei Guo và các đãng să [10] áp dāng mô hình m¿ng neural LSTM (Long Short Term Memory) để dă báo phā tÁi đián ngÃn h¿n M¿ng LSTM đ°ÿc xây dăng theo hai h°ßng, một giá và một tuÁn, t°¢ng āng Mô hình dă đoán trong một giá là đ¿t yêu cÁu vßi MAPE 2.09% Mô hình dă đoán cÿa một tuÁn không hiáu quÁ (MAPE 7.03%) do thái gian dă báo quá dài và đ°ÿc cÁi thián (MAPE 5.99%) bằng cách thêm đÁu vào cÿa thông tin hàng tuÁn và thông tin dă báo thái tiÁt, cho th¿y tÁm quan trọng cÿa thông tin thái tiÁt để dă báo phā tÁi đián ngÃn h¿n tuÁn

E C Ashigwuike và các đãng să [8] đã có nghiên cāu so sánh dă báo phā tÁi trung h¿n 48 tháng tßi cÿa l°ßi đián phân phái AMAC theo mô hình hãi quy đa biÁn và mô hình ANN có tính đÁn Ánh h°ãng cÿa nhiát độ, thái gian, tỷ lá gia tng dân sá và các ho¿t động cÿa các khu văc khác nhau (mô hình NARX-ANN) Các dā liáu cÿa các giá trị đỉnh hàng tháng đÁn hàng nm đ°ÿc thu thÁp trong khoÁng thái gian từ nm 2012 đÁn quý đÁu tiên cÿa 2018 KÁt quÁ nghiên cāu cho th¿y mô hình NARX-ANN đà xu¿t hiáu quÁ h¢n mô hình hãi quy đa biÁn do có tính đÁn các yÁu tá Ánh h°ãng đÁn phā tÁi đián

Trong n°ßc, các nghiên cāu āng dāng m¿ng ANN [21], [22] trong dă báo phā tÁi đián ã TiÃn Giang và Đà Nẵng Các kÁt quÁ nghiên cāu cho th¿y viác āng dāng m¿ng ANN trong dă báo phā tÁi ngÃn h¿n cho kÁt quÁ tát KÁt quÁ nghiên cāu [21] ph°¢ng pháp dă báo dùng m¿ng truyÃn thẳng nhiÃu lßp kÁt hÿp vßi giÁi thuÁt lan

truyÃn ng°ÿc cho kÁt quÁ dă báo vßi sai sá nhß, vßi dă báo 24 giá trong ngày, các ngày trong tuÁn cho kÁt quÁ t°¢ng đái chính xác (< 5%) nh°ng vßi dă báo các tháng trong nm thì sai sá t°¢ng đái lßn (9,629% - < 10%)

1.2.2.2 Support Vector Machines (SVMs) Zhitong Ma và các đãng să [11] đã sÿ dāng mô hình SVM để dă đoán māc tiêu thā nng l°ÿng xây dăng ã Trung Quác Mô hình có bÁy thông sá bao gãm dā liáu thái tiÁt nh° nhiát độ bÁu khô ngoài trái trung bình hàng nm, độ ẩm t°¢ng đái và toàn cÁu bāc x¿ mặt trái l¿y từ NMIC, CMA và các yÁu tá kinh tÁ nh° tỷ lá đô thị hóa, tång nội địa sÁn phẩm, māc tiêu dùng hộ gia đình và tång dián tích c¢ c¿u thu thÁp từ NBSC từ nm 2000 đÁn nm 2014 đ°ÿc l¿y làm đÁu vào Mô hình đà xu¿t có thể đ°ÿc khuyÁn nghị để dă đoán māc tiêu thā nng l°ÿng cÿa tòa nhà ã nhāng khu văc mà dā liáu liên quan bị thiÁu hoặc không có sẵn, giúp đ°a ra quyÁt định và tòa nhà tiÁt kiám nng l°ÿng

KÁt quÁ các nghiên cāu āng dāng mô hình máy học cho th¿y, để nâng cao hiáu quÁ dă báo thì các yÁu tá Ánh h°ãng đÁn v¿n đà dă báo phÁi đ°ÿc tính đÁn và bao gãm trong tham sá đÁu vào Đái vßi dă báo phā tÁi đián thì các yÁu tá Ánh h°ãng đÁn nhu cÁu phā tÁi cÁn phÁi xem xét là tác độ tng tr°ãng kinh tÁ, thái tiÁt, nhiát độ, độ ẩm, mÁt độ dân sá, & Tuy nhiên, các yÁu tá này l¿i khó dă đoán cũng làm Ánh h°ãng đÁn kÁt quÁ dă báo cÿa các mô hình dăa trên máy học

1.3 Thăc tr¿ng dă báo phā tÁi điãn å Công ty Điãn lăc Tây Ninh

Công ty Đián lăc Tây Ninh là đ¢n vị thành viên trong Tång công ty Đián lăc miÃn Nam (EVN SPC) thuộc TÁp đoàn Đián lăc Viát Nam (EVN) thăc hián chāc nng quÁn lý, phân phái và phát triển đián trên địa bàn tỉnh Tây Ninh Công ty Đián lăc Tây Ninh có tång cộng 882 lao động công tác trên các lĩnh văc sÁn xu¿t kinh doanh đián, t° v¿n khÁo sát thiÁt kÁ, giám sát ch¿t l°ÿng thi công xây dăng công trình đián, quÁn lý vÁn hành l°ßi đián trên địa bàn 09 huyán, thị và thành phá trong tỉnh

Trong các nm qua sÁn xu¿t công nghiáp trên địa bàn tỉnh Tây Ninh phāc hãi m¿nh m¿, nhiÃu doanh nghiáp đÁu t° mßi đ°a vào ho¿t động Do đó, sÁn l°ÿng đián th°¢ng phẩm giai đo¿n từ nm 2016-2019 tng tr°ãng cao đ¿t khoÁng 15,1% (Công ty luôn có tác độ tng tr°ãng thuộc nhóm đÁu trong 21 Công ty Đián lăc thuộc các tỉnh phía Nam) Lũy kÁ 12 tháng nm 2020 toàn Công ty thăc hián 4.707,01 triáu kWh, tng 14,65% so vßi cùng kỳ nm 2019 (4.105,38 triáu kWh; Đián lăc Gò DÁu có tỷ lá tng so vßi cùng kỳ nm 2019 cao nh¿t (24,97%) Th°¢ng phẩm theo 5 thành phÁn phā tÁi 12 tháng nm 2020 so vßi cùng kỳ 2019: Nông-Lâm-Thÿy sÁn tng 58,70%; Công nghiáp-xây dăng tng 15,96%; Th°¢ng nghiáp-khách s¿n-nhà hàng tng 13,15%; QuÁn lý và tiêu dùng dân c° tng 08,94%; Các ho¿t động khác tng 10,94% Và tỷ trọng 12 tháng nm 2020 các thành phÁn phā tÁi trong th°¢ng phẩm: Nông-Lâm-Thÿy sÁn chiÁm 3,11%; Công nghiáp-xây dăng chiÁm 74,64%; Th°¢ng nghiáp-khách s¿n-nhà hàng chiÁm 1,57%; QuÁn lý và tiêu dùng dân c° chiÁm 18,79%; Các ho¿t động khác chiÁm 1,89%

Vßi kÁt quÁ đó, để có kÁ ho¿ch chuẩn bị sẵn sàng đáp āng nhu cÁu phā tÁi đián trong t°¢ng lai phāc vā công tác điÃu hành há tháng đián vßi māc tiêu hiáu quÁ, tin cÁy thì viác dă báo chính xác xu h°ßng, tác độ phát triển và nhu cÁu cÿa phā tÁi đián trong t°¢ng lai trã nên cÁn thiÁt

Bên c¿nh đó, vßi māc tiêu kép là triển khai thăc hián Thông t° sá BCT cÿa Bộ công th°¢ng [1] và nâng cao hiáu quÁ ho¿t động, độ tin cÁy cung c¿p đián và đÁm bÁo cân đái cung cÁu giāa các nguãn đián phát và nhu cÁu phā tÁi đián phāc vā công tác điÃu hành hàng tháng, TÁp đoàn Đián lăc Viát Nam (EVN) đã chỉ đ¿o các Tång công ty phân phái đián triển khai thăc hián dă báo nhu cÁu phā tÁi đián (sÁn l°ÿng đián th°¢ng phẩm) ã các Công ty Đián lăc vßi ph°¢ng pháp dă báo phā tÁi bằng viác kÁt hÿp 02 ph°¢ng pháp dă báo trăc tiÁp và tháng kê đái vßi từng nhóm khách hàng, cā thể nh° sau:

19/1017/TT Nhóm khách hàng lßn (đián th°¢ng phẩm ≥ 1.000.000 kWh/nm): áp dāng ph°¢ng pháp dă báo trăc tiÁp

- Nhóm khách hàng còn l¿i (đián th°¢ng phẩm < 1.000.000 kWh/nm): áp dāng ph°¢ng pháp dă báo tháng kê và sÿ dāng các công cā để dă báo đián tiêu thā dă kiÁn hàng tháng và cÁ nm cÿa khách hàng

Trong quá trình triển khai thăc hián công tác dă báo nhu cÁu phā tÁi đián (sÁn l°ÿng đián th°¢ng phẩm hàng tháng), Công ty Đián lăc Tây Ninh sÿ dāng các công cā dă báo bằng ph°¢ng pháp dă báo phā tÁi theo mô hình hàm hãi quy đa biÁn có sẵn trên Microsoft Excel hoặc sÿ dāng ph°¢ng pháp chuyên gia để dă báo Tuy nhiên, các yÁu tá đÁu vào cho viác dă báo bằng ph°¢ng pháp hãi quy đa biÁn nh° GDP (Tång thu nhÁp quác nội), thái tiÁt, nhiát độ và độ ẩm tùy theo khu văc khó thu thÁp và khó dă báo đ°ÿc chính xác làm Ánh h°ãng đÁn quá trình dă báo Hoặc dă báo theo ph°¢ng pháp chuyên gia l¿i phā thuộc yÁu tá kinh nghiám, không mang tính bÃn vāng và cũng bị Ánh h°ãng bãi các điÃu kián phāc t¿p cÿa dă báo Ngoài hai ph°¢ng pháp dă báo đó, Công ty Đián lăc Tây Ninh cũng ch°a cũng ch°a có công trình nghiên cāu áp dāng các ph°¢ng pháp dă báo khác vào công tác dă báo nhu cÁu phā tÁi đián Do đó, kÁt quÁ dă báo là h¿n chÁ và có să chênh lách vßi kÁt quÁ thăc tÁ

CH¯¡NG 2: MÔ HÌNH DĂ BÁO CHUâI THâI GIAN VÀ ĀNG DĀNG TRONG DĂ BÁO NHU CÀU PHĀ TÀI ĐIâN

Ch°¢ng này s¿ gißi thiáu và các yêu cÁu đặt ra đái vßi bài toán dă báo phā tÁi, đãng thái nêu các lý thuyÁt liên quan đÁn giÁi pháp tiÃn xÿ lý dā liáu, các ph°¢ng pháp dă báo phā tÁi sÿ dāng trong luÁn vn, qua đó đà xu¿t các mô hình dă báo phā tÁi

2.1 Phân tích chuãi thãi gian nhu cÁu phā tÁi điãn

Trong các bài toán dă báo nói chung và các bài toán dă báo nhu cÁu phā tÁi đián nói riêng, dā liáu dùng cho dă báo là dā liáu chuçi thái gian Dā liáu chuçi thái gian là một chuçi các quan sát cÿa một quá trình ng¿u nhiên đ°ÿc l°u trā theo thā tă thái gian Một sá ví dā và chuçi thái gian nh° dā liáu và giá chāng khoán hằng ngày, doanh thu bán hàng hàng ngày, sÁn l°ÿng đián tiêu thā hàng tháng cÿa một x°ãng sÁn xu¿t, & ¯u điểm cÿa chuçi thái gian là nó có thể l°u trā đ°ÿc tr¿ng thái cÿa một tr°áng dā liáu theo thái gian để từ đó rút trích ra các thông tin quan trong để dă báo cho các tr¿ng thái trong t°¢ng lai Chính vì thÁ dā liáu chuçi thái gian đóng một vai trò căc kỳ quan trọng đái vßi să phát triển

Đặc đißm cÿa dā liãu chuãi thãi gian:

Dā liáu chuçi thái gian các các đặc tr°ng là tính xu h°ßng và tính chu kỳ: - Tính xu h°ßng là yÁu tá thể hián xu h°ßng thay đåi cÿa dā liáu theo thái

gian Một sá ví dā có thể th¿y tính xu h°¢ng thay đåi theo thái gian cÿa chuçi thái gian dân sá thÁ gißi tng qua các nm, nhiát độ trung bình trái đ¿t tng theo thái gian Đây là đặc tr°ng th°áng th¿y cÿa r¿t nhiÃu dā liáu chuçi thái gian

- Tính chu kỳ là qui luÁt có tính ch¿t lặp l¿i cÿa dā liáu theo thái gian B¿t kỳ să vÁn động, phát triển cÿa să vÁt hay hián t°ÿng nào cũng đÃu chịu Ánh h°ãng cÿa chu kỳ và lặp l¿i theo thái gian nh° să thay đåi thái tiÁt, să phát

triển cÿa các loài động vÁt cho tßi hành vi mua sÃm, tiêu dùng cÿa con ng°ái Chính vì thÁ tìm ra đ°ÿc yÁu tá chu kỳ s¿ giúp ích cho viác dă báo chính xác h¢n

- Tính ng¿u nhiên thể hián să biÁn thiên không đoán tr°ßc đ°ÿc xung quanh xu h°ßng cÿa dā liáu theo thái gian

Dā liáu sÁn l°ÿng đián th°¢ng phẩm hàng tháng cÿa ng°ái dân hay các c¢ quan tå chāc là dā liáu chuçi thái gian, cũng có các đặc tr°ng cÿa một chuçi thái gian là tính xu h°ßng và tính chu kỳ Theo să phát triển cÿa xã hội nhu cÁu và nng l°ÿng ngày càng tng, do đó chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm có xu h°ßng tng theo thái gian và cũng có tính chu kỳ là nm (12 tháng) Hình 2-1a, 2-1b là biểu đã minh họa chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm hàng tháng cÿa một doanh nghiáp có tång sÁn l°ÿng tiêu thā hàng nm trên 1 triáu kWh và tång hÿp cÿa các khách hàng có māc tiêu thā hàng tháng d°ßi 1 triáu kWh trên địa bàn Thành phá Tây Ninh

Hình 2.1a: Bißu đß sÁn l°ÿng điãn th°¢ng ph¿m hàng tháng cÿa mßt doanh nghiãp có

māc tiêu thā hàng nm trên 1 triãu kWh

Hình 2.1b: Bißu đß sÁn l°ÿng điãn th°¢ng ph¿m hàng tháng các khách hàng có māc

tiêu thā d°ái 1 triãu kWh/nm

Phân tích khám phá dā liãu sÁn l°ÿng điãn th°¢ng ph¿m hàng tháng:

Phân tích chuçi thái gian là một cách tiÁp cÁn để phân tích dā liáu có d¿ng chuçi thái gian để rút ra các đặc điểm có ý nghĩa cÿa dā liáu và t¿o ra nhāng hiểu biÁt hāu ích khác Phân tích khám phá dā liáu là một cách có há tháng để khám phá dā liáu bằng cách sÿ dāng các ph°¢ng pháp chuyển đåi và trăc quan hóa dā liáu Phân tích khám phá dā liáu chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm hàng tháng cho chúng ta cái nhìn đÁu tiên và dā liáu, từ đó rút ra các đặc tr°ng hç trÿ cho viác lăa chọn các tham sá cÿa mô hình dă báo hay tiÃn xÿ lý dā liáu tr°ßc khi đ°a vào mô hình dă báo Một sá đặc điểm cÿa dā liáu chuçi thái gian có thể rút ra khi thăc hián khám phá dā liáu, cā thể:

Tính dừng: Một chuçi thái gian Yt đ°ÿc xem là dừng nÁu nh° giá trị trung bình và ph°¢ng sai cÿa chuçi không thay đåi theo thái gian và giá trị cÿa hiáp ph°¢ng sai giāa hai thái đo¿n chỉ phā thuộc vào độ trß và thái gian giāa hai thái đo¿n này

chā không phā thuộc vào thái điểm thăc tÁ mà hiáp ph°¢ng sai đ°ÿc tính Cā thể:

- Trung bình: µ = E(�㕌�㕡) = ℎằÿý Āố

- Ph°¢ng sai: σ2 = �㕉�㕎ÿ(�㕌�㕡) = /ằÿý Āố

- Hiáp ph°¢ng sai giāa 2 thái đo¿n: ýĀ�㕣(�㕌�㕡, �㕌�㕡2�㕘) = ý�㕘Viác khÁo sát chuçi thái gian dừng dß dàng h¢n Ph°¢ng pháp chuyển đåi đ¢n giÁn nh¿t chuçi không dừng sang chuçi dừng là l¿y sai phân thā d

Tính mùa vụ: Tính mùa vā là hành vi có tính chu kỳ cÿa chuçi thái gian trên

c¢ sã nm lịch Chuçi thái gian có tãn t¿i tính mùa vā s¿ không có tính dừng Ph°¢ng pháp chuyển đåi đ¢n giÁn nh¿t để khÿ tính mùa vā là l¿y sai phân thā m NÁu Yt có tính mùa vā vßi chu kỳ m thái đo¿n thì chuçi Zt = Yt − Yt−m s¿ đ°ÿc khÁo sát thay vì chuçi Yt

Hình 2-2 minh họa khám phá các đặc tr°ng cÿa chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm các khách hàng d°ßi 1 triáu kWh/nm cho th¿y xu h°ßng tng theo thái gian cÿa chuçi, tính chu kỳ và biÁn thiên ng¿u nhiên

Thành phần xu h°ớng

Thành phần chu kỳ

Thành phần ngẫu nhiên

Hình 2.2: Bißu đß phân rã các đặc tr°ng (thành phÁn) cÿa dā liãu chuãi thãi gian sÁn l°ÿng điãn th°¢ng ph¿m hàng tháng chu kÿ 12 tháng cÿa các khách hàng có

māc tiêu thā d°ái 1 triãu kWh/nm

Một cách trăc quan để khÁo sát tính mùa vā và tính dừng cÿa chuçi thái gian là v¿ biểu đã theo chu kỳ và biểu đã sai phân cÿa nó Hình 2-3a là biểu đã sÁn l°ÿng đián th°¢ng phẩm hàng tháng cÿa các khách hàng có māc tiêu thā d°ßi 1 triáu kWh/nm cho th¿y chu kỳ mùa vā cÿa chuçi là 12 tháng và chuçi là không dừng (xu h°ßng tng theo thái gian) Hình 2-3b là biểu đã sai phân bÁc 1 cÿa chuçi thái gian chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm, qua biểu đã cho th¿y chuçi dừng khi chuyển đåi sang chuçi sai phân bÁc 1

Hình 2.3a: Bißu đß chu kÿ 12 tháng cÿa chuãi thãi gian sÁn l°ÿng

điãn th°¢ng ph¿m

Hình 2.3b: Bißu đß sai phân bÃc 1 cÿa chuãi thãi gian sÁn l°ÿng

điãn th°¢ng ph¿m

Nh° vÁy, qua phân tích khám phá dā liáu chuçi thái gian sÁn l°ÿng đián th°¢ng phẩm cho th¿y chuçi có xu h°ßng tng theo thái gian gian và chu kỳ mùa vā là 12 tháng, chuçi dừng khi tính sai phân bÁc 1

2.2 Mô hình ARIMA

Mô hình trung bình tr°ÿt tích hÿp tă hãi quy (Autoregressive Integrated Moving Average - ARIMA) là một ph°¢ng pháp r¿t phå biÁn trong viác lÁp mô hình chuçi thái gian, th°áng đ°ÿc gọi là ph°¢ng pháp Box-Jenkins (1976) Mô hình ARIMA phân tích tính tă t°¢ng quan trong dā liáu quan sát để đ°a ra mô hình dă báo Mô hình ARIMA đ°ÿc kÁt hÿp bãi 3 thành phÁn chính: AR (Autoregressive - thành phÁn tă hãi quy), MA (Moving Average - thành phÁn trung bình tr°ÿt) và I (Integrated – thành phÁn tích hÿp, thăc hián quá trình sai phân để t¿o chuçi dừng)

Mô hình tự hồi quy (Autoregressive) AR(p): là quá trình trong đó giá trị dừng

hián t¿i �㕦�㕡 phā thuộc tuyÁn tính dăa trên p giá trị trong quá khā cÿa nó Ý t°ãng cÿa mô hình AR(p) là hãi quy dăa trên să tãn t¿i mái quan há phā thuộc tuyÁn tính cÿa các phân tÿ chuçi dừng vào p phÁn tÿ cÿa nó trong quá khā cộng vßi nhißu trÃng không t°¢ng quan vßi nó:

�㕦�㕡 = �㔙0+ �㔙1�㕦�㕡21+ �㔙2�㕦�㕡22+ ⋯ + �㔙ý�㕦�㕡2ý+ �㔖�㕡 (2.1) Trong đó:

�㕦�㕡: giá trị quan sát dừng hián t¿i �㕦�㕡21, �㕦�㕡22, … , �㕦�㕡2ý: là các giá trị quan sát dừng trong quá khā �㔙1, �㔙2, … , �㔙ý: là p há sá tă hãi quy đ°ÿc lăa chọn để sinh ra giá trị hãi quy phù hÿp nh¿t cho �㕦�㕡 qua các giá trị quá khā �㕦�㕡21, �㕦�㕡22, … , �㕦�㕡2ý

�㔖�㕡: là sai sá dă báo ng¿u nhiên t¿i thái điểm t �㔖�㕡 là nhißu trÃng có trung bình bằng 0

Mô hình trung bình tr°ợt (Moving Average) MA(q): giá trị quan sát dừng hián

t¿i �㕦�㕡 là hàm phā thuộc tuyÁn tính q sai sá dă báo quá khā và sai sá ng¿u nhiên hián t¿i:

�㕦�㕡 = �㔃0+ �㔃1�㔖�㕡21+ �㔃2�㔖�㕡22 + ⋯ + �㔃þ�㔖�㕡2þ+ �㔖�㕡 (2.2) Trong đó:

�㕦�㕡: giá trị quan sát dừng hián t¿i �㔖�㕡21, �㔖�㕡22, … , �㔖�㕡2þ: là q sai sá dă báo quá khā �㔃1, �㔃2, … , �㔃þ: là q há sá hãi quy trung bình tr°ÿt đ°ÿc lăa chọn phù hÿp nh¿t cho �㕦�㕡 qua các giá trị quá khā �㔖�㕡21, �㔖�㕡22, … , �㔖�㕡2þ

�㔖: là sai sá dă báo ng¿u nhiên t¿i thái điểm t �㔖�㕡 là nhißu trÃng có trung bình bằng 0

Tích hợp I(d): Thông th°áng các chuçi thái gian không dừng, hÁu hÁt đÃu tng

hoặc giÁm theo thái gian, do vÁy cÁn biÁn đåi chuçi thái gian trã thành chuçi dừng Ph°¢ng pháp chÿ yÁu th°áng đ°ÿc sÿ dāng là l¿y sai phân để chuçi biÁn đåi thu đ°ÿc là chuçi dừng và chuçi này đ°ÿc gọi là chuçi tích hÿp Khi l¿y sai phân bÁc d để chuçi cuái cùng thu đ°ÿc là chuçi dừng thì đ°ÿc gọi là chuçi tích hÿp bÁc d: I(d)

Quá trình sai phân bÁc d cÿa một chuçi yt là: - Sai phân bÁc 1: �㔼(1) = ∆�㕦�㕡 = �㕦�㕡2 �㕦�㕡21 - Sai phân bÁc d: �㔼(þ) = ∆�㕑�㕦�㕡 = ∆(… ∆(∆�㕦�㕡) … ) Trên thăc tÁ, r¿t ít chuçi thái gian là chuçi tích hÿp bÁc lßn h¢n 1 Một chuçi s¿ dừng sau quá trình sai phân bÁc 0 hoặc 1

Nh° vÁy, ph°¢ng trình trung bình tr°ÿt tích hÿp tă hãi qui ARIMA (p, d, q) cÿa chuçi yt có thể đ°ÿc biểu dißn d°ßi d¿ng:

∆�㕑�㕦�㕡 = �㔙1∆�㕑�㕦�㕡21+ ⋯ + �㔙ý∆�㕑�㕦�㕡2ý + �㔃1�㔖�㕡21+ ⋯ + �㔃þ�㔖�㕡2þ (2.3) Trong đó:

- d là bÁc sai phân để chuçi yt là chuçi dừng - p là bÁc tă hãi quy

- q là bÁc trung bình tr°ÿt - ∆�㕑�㕦�㕡 là giá trị sai phân bÁc d - �㔖�㕡 là giá trị nhißu trÃng Mô hình ARIMA đ°ÿc thăc hián theo ph°¢ng pháp Box-Jenkins vßi bán b°ßc lặp:

- NhÁn d¿ng mô hình

d lần

- ¯ßc l°ÿng tham sá và lăa chọn mô hình - Kiểm định mô hình

- Dă báo

Các b°ác xây dăng mô hình ARIMA đß dă báo chuãi thãi gian:

Nhận dạng mô hình: NhÁn d¿ng mô hình ARIMA(p,d,q) là tìm các giá trị thích

hÿp cÿa p, d, q, vßi d là bÁc sai phân cÿa chuçi thái gian đ°ÿc khÁo sát, p là bÁc tă hãi qui và q là bÁc trung bình tr°ÿt

¯ớc l°ợng tham số và lựa chọn mô hình: Sau khi đã nhÁn d¿ng các giá trị

thích hÿp cÿa p và q, b°ßc tiÁp theo là °ßc l°ÿng các thông sá cÿa các sá h¿ng tă hãi quy và trung bình tr°ÿt trong mô hình

Kiểm định mô hình: Sau khi đã lăa chọn mô hình ARIMA cā thể và °ßc l°ÿng

các tham sá cÿa nó, ta tìm hiểu xem mô hình lăa chọn có phù hÿp vßi dā liáu ã māc ch¿p nhÁn hay không bãi vì có thể một mô hình ARIMA khác cũng phù hÿp vßi dā liáu NÁu mô hình ARIMA không phù hÿp thì lăa chọn mô hình khác phù hÿp h¢n Nh° vÁy, ph°¢ng pháp Box-Jenkins là một quá trình lặp l¿i

Dự báo: â b°ßc cuái cùng này, sau khi kiểm định mô hình dă báo, khi mô

hình phù hÿp vßi dā liáu s¿ đ°ÿc sÿ dāng vào viác dă báo

2.3 Mô hình SARIMA

Mô hình trung bình tr°ÿt tích hÿp tă hãi quy theo mùa (SARIMA hoặc ARIMA theo mùa), là một mô hình mã rộng cÿa ARIMA hç trÿ dā liáu chuçi thái gian đ¢n biÁn vßi thành phÁn theo mùa SARIMA bå sung thêm ba tham sá mßi là thành phÁn tă hãi quy (AR), tích hÿp (I) và trung bình động (MA) cho thành phÁn theo mùa cÿa chuçi thái gian đ¢n biÁn, cũng nh° một tham sá xác định khoÁng thái gian theo mùa Viác xác định bộ tham sá cÿa mô hình SARIMA yêu cÁu chọn các tham sá cho cÁ các yÁu tá xu h°ßng và theo mùa cÿa chuçi