xây dựng mô hình dự báo tình hình sử dụng điện sử dụng mạng nơ ron nhân tạo

Trong công tác quy ho¿ch và xây dāng chiÁn l°ÿc phát triÅn kinh tÁ xã hßi nói chung và quy ho¿ch phát triÅn há thống đián nói riêng, cÁn thiÁt phÁi tính toán xác định đ°ÿc các chỉ số của

Các ph°¢ng pháp dą báo 1 Mô hình chung 1 Mô hình chungPh°¢ng pháp tham chi¿u

Ph°Âng phỏp tham chiÁu thuÁn tỳy ho¿t đòng mà khụng cÁn mụ hỡnh toỏn học Cỏc khỏi niỏm c bÁn của ph°Âng phỏp này là đÅ tỡm ra mòt tr¿ng thỏi trong c sỏ dÿ liỏu năng l°ÿng của dÿ liỏu lịch sā mà t°Âng đòng vỏi dÿ liỏu đó đ°ÿc dā đoỏn Mòt tÁp hÿp cỏc biÁn giÁi thớch đ°ÿc định nghĩa và cú sā t°Âng đòng giÿa cỏc tr¿ng thỏi đ°ÿc đo bằng các biÁn này Ph°¢ng pháp này s¿ đ°ÿc mô tÁ bằng ví dā sau: đÅ tính toán nhu cÁu nhiát và điỏn cho thứ hai, vỏi nhiỏt đò dā bỏo trung bỡnh là +5 đò C, thuÁt toỏn chỉ đÂn giÁn là tỡm kiÁm trong c sỏ dÿ liỏu của mòt ngày thứ hai khỏc vỏi nhiỏt đò trung bỡnh gÁn +5 đò C Do đú dÿ kiỏn tiờu dựng lịch sācho ngày đú đó đ°ÿc sā dāng làm dā bỏo Trong thòi gian dài, ph°¢ng pháp này là ph°¢ng pháp tham chiÁu cho các dā báo nhu cÁu năng l°ÿng, đặc biát là cho các nhà cung c¿p địa ph°¢ng, và hián nay nó v¿n còn đ°ÿc sā dāng ròng rói ¯u điÅm của ph°Âng phỏp này là viỏc thāc hiỏn nú r¿t đÂn giÁn Cỏc kÁt quÁ đ°ÿc diòn giÁi dò dàng Mặc dự viỏc thāc hiỏn ph°Âng phỏp cú vẻ đÂn giÁn, nh°ng nÁu số l°ÿng cỏc tiờu chớ tăng lờn, nú s¿ trỏ nờn r¿t phức t¿p Vớ dā, nÁu nh° nhiỏt đò hàng giò đ°ÿc sā dāng thay vỡ nhiỏt đò trung bỡnh hàng ngày thỡ cỏc biỏn phỏp t°Âng tā khụng cũn chớnh xỏc nÿa Vỏi mòt số l°ÿng ngày càng tăng của cỏc biÁn giÁi thớch, xỏc su¿t khụng tìm th¿y dÿ liáu nào tỉ lá thuÁn vái sā gia tăng của các tiêu chí

Trong các ứng dāng thāc tÁ, ph°¢ng pháp tham chiÁu đ°ÿc sā dāng kÁt hÿp vái chỉ tiêu thích ứng khác tùy theo hành vi tiêu thā năng l°ÿng trong quá khứ Ngoài ra, ph°Âng phỏp tham chiÁu cũn đ°ÿc hỗ trÿ bỏi mụ hỡnh hòi quy mụ tÁ cỏc tỏc đòng Ánh

11 h°ỏng đÁn mụi tr°òng và/hoặc thòi gian tiờu hao năng l°ÿng do cỏc yÁu tố sÁn xu¿t trong các doanh nghiáp công nghiáp gây ra.

Ph°¢ng pháp phân tích chuỗi thái gian

Phương pháp dự báo nhu cầu không giải thích làm thế nào các giá trị của biến dự báo được xác định Ở đây, các biến được giả định là hoàn toàn được thể hiện theo thời gian, bỏ qua các yếu tố ảnh hưởng khác Biến thời gian được sử dụng giải thích tốt nhất cho các dữ liệu sẵn có và được coi là phù hợp nhất cho các dự báo ngắn hạn Một chuỗi thời gian thường là sự kết hợp của các thuật ngữ sau nhằm mục đích mô tả các nhu cầu năng lượng như là hiệu suất phụ thuộc thời gian y(t):

• Sā thay đái xu h°áng dài h¿n (T)

• Sā biÁn đái theo mùa (S)

• BiÁn đòng khụng đòng đÃu (R) Sā thay đỏi xu h°ỏng dài h¿n (T) mụ tÁ sā chuyÅn dịch dÁn dÁn của chuỗi thòi gian, th°òng là do cỏc yÁu tố dài h¿n nh° sā thay đỏi và dõn số, cụng nghỏ và nÃn kinh tÁ

Hÿp phÁn theo chu kỳ S đ¿i diỏn cho cỏc biÁn đòng theo chu kỳ nhiÃu năm trong nÃn kinh tÁ Sā thay đỏi theo chu kỳ hoặc theo mựa trong lo¿t thòi gian núi chung là do thòi tiÁt theo mùa hoặc do các sā kián theo mùa cố định Các thuÁt ngÿ này có thÅ đ°ÿc kÁt hÿp vỏi mụ hỡnh chuỗi thòi gian hỗn hÿp:

Mô hình bá sung: y(t) = T(t) + S(t) + C(t) + R(t) (1) Mô hình hỗn hÿp: y(t) = T(t) x S(t) + R(t) (2) Ngoài phõn tớch chuỗi thòi gian đÂn biÁn, cỏc ph°Âng phỏp tā đòng phõn c¿p cung c¿p cách tiÁp cÁn mô hình khác mà chỉ yêu cÁu dÿ liáu trên biÁn mô hình tr°ác đó Các mụ hỡnh tā hòi quy (AR) mụ tÁ hiỏu su¿t thāc tÁ yt bằng sā kÁt hÿp tuyÁn tớnh của cỏc chuỗi tr°ỏc yt-1, yt-2, , yt-p và của tỏc đòng thāc tÁ t¿i: yt = 1yt-1 + 2 yt-2 + + p yt-p + at (3) Cỏc hỏ số tā hòi quy phÁi đ°ÿc °ỏc l°ÿng trờn c sỏ đo l°òng.Cỏc mụ hỡnh AR cú thÅ đ°ÿc kÁt hÿp vái các mô hình dịch chuyÅn trung bình (MA) hoặc mô hình ARMA mà lÁn đÁu tiên đ°ÿc nghiên cứu bái Box và Jenkins [2]

Ph°Âng phỏp chuỗi thòi gian cú lÿi thÁ là đÂn giÁn và dò sā dāng GiÁ định rằng mô hình của các biÁn thiên trong quá khứ s¿ tiÁp tāc trong t°¢ng lai B¿t lÿi chính của cách tiÁp cÁn này nằm á chỗ nó bỏ qua khÁ năng t°¢ng tác giÿa các biÁn H¢n nÿa, các tỏc đòng và khớ hÁu và cỏc yÁu tố Ánh h°ỏng khỏc cũng khụng đ°ÿc quan tõm.

Cỏc mụ hỡnh hòi quy

Hệ thống mối quan hệ nguyên nhân - kết quả được định nghĩa là mối liên hệ giữa một hoặc nhiều biến đầu vào và đầu ra được yêu cầu là biến phụ thuộc của hệ hàm tuyến tính hay phi tuyến tính.

Trong tr°òng hÿp đÂn giÁn nh¿t, mụ hỡnh hòi quy tuyÁn tớnh đÂn biÁn mụ tÁ mối quan hỏ giÿa mòt biÁn đÁu vào x và biÁn đÁu ra y theo cụng thức sau: y = f(x,a0,a1) = a0 + a1x (4) Do đú, giÁi thớch theo hỡnh học thỡ mòt đ°òng thẳng mụ tÁ mối quan hỏ giÿa y và x Hỡnh d¿ng của đ°òng thẳng đ°ÿc xỏc định bỏi so đ°ÿc gọi là cỏc tham số hòi quy a0 và a1 Đối vái phép đo x1, x2, , xn và y1, y2, , yn của các biÁn x và y các thông số đ°ÿc tính theo khoÁng cách bÁc hai trung bình giÿa các phép đo yi (i = 1, , n) và các giá trị mụ hỡnh ŷi trờn đ°òng thẳng đ°ÿc giÁm thiÅu ĐiÃu đú cú nghĩa là v¿n đà tối °u húa s¿ đ°ÿc giÁi quyÁt nh° sau:

Cỏc tham số hòi quy đó đ°ÿc tớnh toỏn đ¿i diỏn cho mòt so đ°ÿc gọi là dā toỏn bình ph°¢ng nhỏ nh¿t của bài toán lắp ráp [3]

Mụ hỡnh hòi quy cú thÅ đ°ÿc mỏ ròng đÁn mòt mối quan hỏ tuyÁn tớnh đa biÁn, trong đó biÁn đÁu ra y bị Ánh h°áng bái p đÁu vào x1 x2, , xp: y = f (x, a) = a0 + a1x1 + a2x2 + + apxp (6) Chúng ta định nghĩa các ký hiáu nh° sau:

Trong đú vector y gòm cỏc phộp đo của biÁn đÁu ra, mòt đ¿i diỏn cho vector của cỏc tham số hòi quy, và ma trÁn X gòm cỏc phộp đo xij của quan sỏt thứ i của đÁu vào xj

Do đú viỏc °ỏc l°ÿng bỡnh ph°Âng nhỏ nh¿t của bài toỏn hòi quy tuyÁn tớnh đa biÁn s¿ thu đ°ÿc bằng cách giÁi quyÁt bài toán giÁm thiÅu:

(8) ¯ỏc tớnh bỡnh ph°Âng nhỏ nh¿t của tham số hòi quy a đ¿i diỏn cho giÁi phỏp của ph°Âng trỡnh bỡnh th°òng đối vỏi bài toỏn giÁm thiÅu (8):

Và c¿u trúc đặc biát của há thống tuyÁn tính này, các ph°¢ng pháp thích nghi nh° quy trình Cholesky và Housholder thì luôn khÁ dāng đÅ giÁi công thức (9) sā dāng tính đối xứng của ma trÁn há số (Deuflhard & Hohmann, 2003) [4] Mô hình đÁu ra có thÅ đ°ÿc mô tÁ nh° sau: ŷ = Xâ (10)

Trong đó vector chứa các giá trị đÁu ra của mô hình ŷi (i = 1, , n) và a đ¿i dián cho vector của cỏc hỏ số hòi quy °ỏc l°ÿng aj (j = 1, , p) nh° là lòi giÁi cho cụng thức(9)

Cỏc kÁt quÁ của phộp phõn tớch hòi quy phÁi đ°ÿc chứng minh bằng ph°Âng phỏp chẩn đoỏn hòi quy ĐiÃu đú cú nghĩa chỳng ta phÁi trÁ lòi nhÿng cõu hỏi sau:

• Liỏu mòt mối quan hỏ tuyÁn tớnh giÿa cỏc biÁn đÁu vào x1 x2, , xp và đÁu ra y cú thāc sā tòn t¿i?

• Các biÁn đÁu vào nào thāc sā có liên quan?

Vái sā trÿ giúp của há số xác định B chúng ta có thÅ chứng minh đ°ÿc tính tuyÁn tính của mối liên há

Cỏc hòi quy tuyÁn tớnh đa biÁn đ°ÿc sā dāng ròng rói trong lĩnh vāc dā bỏo nhu cÁu năng l°ÿng Cách thāc hián khá đ¢n giÁn, nhanh chóng, đáng tin cÁy và chúng cung c¿p thụng tin và tÁm quan trọng của mỗi biÁn dā đoỏn và tớnh b¿t ỏn của cỏc hỏ số hòi quy HÂn nÿa cỏc kÁt quÁ t°Âng đối gÁn thāc tÁ Cỏc mụ hỡnh hòi quy phi tuyÁn cũng khÁ dāng cho cỏc dā bỏo Nh°ng trong tr°òng hÿp này °ỏc l°ÿng tham số trỏ nờn khú khăn h¢n H¢n nÿa, tính ch¿t phi tuyÁn tính của biÁn cÁm ứng phÁi đ°ÿc đÁm bÁo Các thuÁt toỏn dāa trờn hòi quy điÅn hỡnh ho¿t đòng theo hai b°ỏc: đÁu tiờn dÿ liỏu đ°ÿc tỏch dāa theo cỏc biÁn theo mựa (vớ dā nh° dÿ liỏu lịch) và sau đú thāc hiỏn hòi quy và cỏc biÁn liờn tāc (dÿ liỏu khớ t°ÿng) ĐiÃu đú cú nghĩa là mòt phõn tớch hòi quy phÁi đ°ÿc thāc hián cho mỗi cām theo mùa theo thuÁt toán sau:

B°ác 1 Phân tích số liáu năng l°ÿng sẵn có B°ác 2 Chia nhỏ dÿ liáu tiêu thānăng l°ÿng lịch sā thành các nhóm theo mùa B°ác 3 Xác định các yÁu tố Ánh h°áng đÁn nhu cÁu năng l°ÿng

B°ỏc 4 Phõn tớch hòi quy B°ỏc 5 Xỏc nhÁn mụ hỡnh (Chẩn đoỏn hòi quy) B°ác 6 Tích hÿp các mô hình phā

Các ph°¢ng pháp học máy 1 Mô hình Bayesian Network 1 Mô hình Bayesian Network

M¿ng Bayesian là sā kÁt hÿp của trí tuá nhân t¿o và thống kÁ M¿ng này t¿o ra dāa trờn mòt mụ hỡnh xỏc su¿t mà cú thÅ sā dāng cỏc kÁt quÁ đÁu vào đÅ suy diòn ra đÁu ra

M¿ng Bayesian đ°ÿc đ°a ra bái Judea Pearl năm 1983 Bayesian có thÅ sā dāng cho mô hỡnh dā đoỏn, nhÁn d¿ng m¿u, phõn lo¿i và hòi quy

M¿ng Bayesian phân định xác su¿t các yÁu tố đÁu vào khác nhau Giống nh° nhiÃu mô hình học máy khác, m¿ng Bayesian đ°¢c sā dāng trong hu¿n luyán dÿ liáu Sau khi hu¿n luyán, có thÅ đ°ÿc sā dāng đÅ thāc hián dā đoán và dÿ liáu mái

Mòt m¿ng Bayesian cú thÅ đ°ÿc xỏc định dāa trờn suy diòn sau: