TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN

CHƯƠNG 1 TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆNDự báo nhu cầu điện là một trong những bài toán quan trọng trong quy hoạch và phát triển hệ thống điện, kết quả của dự báo nhu cầ

CHƯƠNG 1 TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN

Dự báo nhu cầu điện là một trong những bài toán quan trọng trong quy hoạch

và phát triển hệ thống điện, kết quả của dự báo nhu cầu điện có ảnh hưởng rất lớn đếncác tham số kinh tế - kỹ thuật (KT-KT) của mạng điện và đến tiến trình phát triển hệthống điện Vấn đề dự báo nhu cầu điện năng đã được rất nhiều tác giả đề cập đếntrong các tài liệu khác nhau Hai cách tiếp cận chính đang được sử dụng rộng rãi hiệnnay, về bản chất, dựa vào hoặc là mô hình kinh tế lượng (KTL) hoặc là mô hình phân

tích KT-KT [3], [35] Sự khác nhau cơ bản giữa hai cách tiếp cận là mức độ thu thập

dữ liệu đầu vào Mô hình KTL được sử dụng nhiều hơn, bản chất của nó dựa trên mốiliên hệ của các nhân tố giá và thu nhập hoặc các thông số của hoạt động kinh tế khácvới nhu cầu năng lượng Mô hình phân tích KT-KT là loại mô hình trong đó quá trìnhphân tích được tiến hành nhằm nhận dạng các yếu tố kinh tế, dân số, xã hội và kỹ thuậttác động đến sự phát triển về nhu cầu năng lượng, từ đó đánh giá và mô phỏng sự tiếntriển của chúng trong thời gian dự báo hoặc là thông qua các tính toán trực tiếp từ môhình hoặc là thông qua việc xây dựng các kịch bản Gần đây một cách tiếp cận mới đãđược đề xuất và ứng dụng ngày càng nhiều, do tính linh hoạt và năng lực suy diễn tiềmtàng của nó [35] , đó là cách tiếp cận dựa vào kỹ thuật trí tuệ nhân tạo Ngoài ra, cònmột số phương pháp dự báo khác thường được dùng để kiểm chứng như phương pháp

so sánh đối chiếu, phương pháp chuyên gia v.v Sơ đồ phả hệ các phương pháp dự báonhu cầu phụ tải điện được thể hiện trên hình 1.1

Phương pháp dự báo nhu cầu điện năng

1.1 Các mô hình kinh tế lượng (KTL) 1.1.1 Các mô hình KTL sử dụng phương pháp đàn hồi 1.1.1.1 Phương pháp luận của mô hình sử dụng phương pháp đàn hồi

Dạng chung nhất của phương trình KTL được sử dụng trong các nghiên cứunăng lượng dựa trên hàm số sản xuất Cobb-Douglas [3], [35] :

E = a Yα P-β (1.1)Trong đó: E: Nhu cầu năng lượng; Y: Thu nhập; P: Giá năng lượng; a: Hệ số hồiquy; α: Đàn hồi thu nhập của nhu cầu năng lượng; β: Đàn hồi giá năng lượng

Đàn hồi thu nhập và giá biểu thị nhu cầu năng lượng thay đổi do sự thay đổi giánăng lượng và thu nhập trong mô hình KTL Giá trị này có thể được xác định như sau:

α

Et=δAA % δAY %=

ΔAA A ΔAY

Y (1.2) Trong đó: αET - Hệ số đàn hồi thu nhập; A%, Y% - Suất tăng tương đối điện năng

và GDP; A - Điện năng sử dụng; Y - Giá trị thu nhập; A; Y - Tăng trưởng trungbình điện năng và thu nhập trong giai đoạn xét

Đàn hồi giá được xác định như sau:

β Et=δAA % δAP%=

ΔAA A ΔAP

P (1.3) Trong đó: βET - Hệ số đàn hồi giá điện; A%, P% - Suất tăng tương đối điện năng

và giá điện năng; A - Điện năng sử dụng; P - Giá điện năng; A; P - Tăng trưởngtrung bình điện năng và giá điện năng trong giai đoạn xét

Các mô hình KTL được sử dụng rộng rãi trong dự báo nhu cầu năng lượng Tuynhiên, giả định gốc của cách tiếp cận này là mối liên hệ giữa thu nhập, giá và nhu cầunăng lượng tồn tại trong quá khứ sẽ tiếp tục giữ vững trong tương lai Cấu trúc cơ bảncủa nhu cầu năng lượng không được phân tích và năng lực dự báo của mô hình sẽ bịphá vỡ khi cấu trúc cơ bản thay đổi Thực tế cho thấy, môi quan hệ giữa năng lượng,thu nhập và giá năng lượng có thể thay đổi đáng kể trong tương lai khi mà những thayđổi quan trọng trong cấu trúc công nghệ của nhu cầu năng lượng và phản ứng củangười tiêu dùng xảy ra

Một ứng dụng quan trọng của mô hình KTL là sử dụng dự báo hiệu quả sửdụng năng lượng Tuy nhiên, dự báo này dựa trên sự phát triển của các dịch vụ nănglượng Nếu cấu trúc công nghệ của nhu cầu năng lượng giữ nguyên không thay đổi,bao gồm cả hiệu quả sử dụng năng lượng cuối cùng, dẫn đến dự báo tăng trưởng sửdụng năng lượng đồng nhất với tăng trưởng dịch vụ năng lượng Kiểu dự báo này cũngdẫn đến như là kịch bản đóng băng hiệu quả (frozen-efficiency).

Các mô hình KTL có ưu điểm là yêu cầu dữ liệu không nhiều và dựa trên lýthuyết thống kê Thường chúng được sử dụng cho tất cả các nhóm hộ sử dụng nănglượng mà không cần xét tới cấu trúc công nghệ sử dụng năng lượng Vì vậy, chúngđược sử dụng khá rộng rãi

Ở Việt Nam trong các Quy hoạch phát triển điện lực Việt Nam giai đoạn 1990 –

2000 [22] và giai đoạn 2001 – 2010 có xét đến 2020 [24] đã sử dụng phương pháp đànhồi để dự báo nhu cầu điện năng Tháng 6 năm 2001, Thủ tướng Chính phủ đã ra quyếtđịnh phê duyệt Quy hoạch phát triển điện lực Việt Nam giai đoạn 2001 – 2010 có xéttriển vọng đến năm 2020, trong đó dự báo nhu cầu tiêu thụ điện năng năm 2005 từ 45đến 50 tỷ kWh với mức tăng trưởng bình quân 10-11%/năm Nhịp độ tăng trưởng tiêuthụ điện năng cả giai đoạn 2001 – 2010 là 11-12%/năm tương ứng với các kịch bảntăng trưởng kinh tế (GDP) khoảng 7,2-8,0%/năm Tuy nhiên, trong thực tế năm 2001

và 9 tháng đầu năm 2002 mặc dù tăng trưởng kinh tế chỉ ở mức dưới 7%/năm nhưngtiêu thụ điện năng đã tăng 15,4% và 17,1% trong đó tiêu thụ của hai thành phần chủ

yếu là công nghiệp – xây dựng tăng 14,4-21,3%, thành phần quản lý và tiêu dùng dân

cư tăng 13,3 – 13,7% so với tăng trưởng bình quân dự báo của phương án phụ tải caotrong TSĐ5 tương ứng là 14,9 và 10,9% [24]

Thông thường các hệ số đàn hồi được xác định bằng các phân tích KTL của cácchuỗi dữ liệu theo thời gian trong quá khứ Điều này là khó chính xác đối với ViệtNam vì các chuỗi dữ liệu theo thời gian này không đủ và ngay cả khi có đủ thì một số

sự phân bổ sai lệch tác động đến nền kinh tế Việt Nam sẽ làm mất tác dụng của cáchtiếp cận này Vì thế các hệ số đàn hồi dùng trong việc phân tích dự báo nhu cầu nănglượng thường được lựa chọn bằng cách mô phỏng kinh nghiệm của các quốc gia lâncận ở thời điểm mà họ có các điều kiện và hoàn cảnh tương tự Cách tiếp cận nàykhông phải là dễ dàng vì một số lý do Các ước tính kinh trắc thường là không tin cậy

và dễ bị thay đổi tuỳ thuộc vào việc hình thành các quan hệ giữa sử dụng năng lượng

và nhu cầu năng lượng cũng như các tập hợp dữ liệu nhất định đang được nghiên cứu.Ngoài ra, Việt Nam còn là một trường hợp đặc biệt vì trước đó có sự hạn chế về sửdụng điện Nhu cầu bị kiềm chế này ở Việt Nam là khá lớn, nó tác động làm cho giá trịtrung bình của hệ số đàn hồi thu nhập tính toán trở lên kém tin cậy Vì những lý dotrên, phương pháp này ứng dụng tại Việt Nam mang nặng tính chuyên gia

1.1.2 Các mô hình KTL sử dụng phương pháp ngoại suy

1.1.2.1 Phương pháp luận của mô hình sử dụng phương pháp ngoại suy

Nội dung của phương pháp này là nghiên cứu diễn biến của phụ tải trong cácnăm quá khứ tương đối ổn định và tìm ra quy luật biến đổi của phụ tải phụ thuộc vàothời gian, từ đó sử dụng mô hình tìm được để ngoại suy cho giai đoạn dự báo [12].Các mô hình dự báo được xác định trên cơ sở phân tích tương quan hồi quy Tùy thuộcvào sự diễn biến của phụ tải trong các năm quá khứ, có thể tồn tại một số dạng môhình dự báo cơ bản sau đây:

a Hàm tuyến tính

Mô hình tuyến tính biểu thị sự biến đổi của phụ tải P theo thời gian t có dạng:

Pt = a + bt (1.5)Các hệ số a, b xác định theo phương pháp bình phương cực tiểu

Mô hình dự báo tuyến tính cũng có thể được biểu thị dưới dạng:

Pt = Po + P0,.(t-t0) = P0[1+..(t-t0)] (1.6)

Trong đó: P0 - Phụ tải năm cơ sở t0 ;  - suất tăng phụ tải trung bình hàng năm,

c Hàm mũ

Đối với phụ tải có quá trình phát triển nhanh, ổn định mô hình ngoại suy có thểbiểu diễn dưới dạng hàm mũ:

Pt = P0 (1+)t (1.8)Trong đó: P0 - Phụ tải của năm cơ sở ;  - Suất gia tăng phụ tải hàng năm

Nếu đặt hệ số C = (1+) thì hàm mũ 1.8 có thể biểu diễn dưới dạng ngắn gọn sau:

Pt = P0Ct (1.9)Trong nhiều trường hợp hàm mũ cũng có thể biểu thị dưới dạng:

Pt = A.eat (1.10)Trong đó : A và a là các hệ số được xác định từ số liệu thống kê

Tồn tại một số mô hình biến dạng của mô hình logistic mà người ta thường gọi

là mô hình dự báo đường cong chữ S:

1+ m e−at

; (1.13)Với: m; n; a là các tham số của mô hình dự báo

Phương pháp ngoại suy là một trong những phương pháp được ứng dụng nhiều

do những ưu điểm là phản ánh khá chính xác quá trình phát triển của phụ tải ổn định,

có thể đánh giá mức độ tin cậy của hàm xu thể dễ dàng Tuy nhiên theo phương phápnày cần phải có lượng thông tin đủ lớn, quá trình khảo sát quá khứ và quá trình pháttriển trong tương lai phải tương đối ổn định Để nâng cao độ chính xác cần phải dự báoriêng cho từng thành phần của phụ tải rồi sau đó mới tổng hợp theo các phương pháptính toán thông dụng

Hàm dự báo được xây dựng trên cơ sở số liệu thống kê của những tập mẫu và

đánh giá mức độ chặt chẽ bằng hệ số tương quan tuyến tính

mô hình dự báo là đáng tin cậy

1.1.2.2 Ứng dụng phương pháp ngoại suy dự báo nhu cầu điện

Tại Bắc Mỹ, Hội đồng kỹ thuật điện NERC (North American ElectricReliability Council), đã áp dụng phương pháp ngoại suy để dự báo nhu cầu tiêu thụđiện năng ở thời kỳ 1974 – 1983 [39] mức tăng là 7,5% năm Trên thực tế, nhu cầuđiện năng tăng ở mức 2,3% năm Phương pháp ngoại suy được NERC sử dụng dự báophụ tải cho các khu vực Bắc Mỹ có sai số vượt quá 300%

Trong suốt giai đoạn 1983 đến 1997, NERC đã phải hiệu chỉnh các kết quả dựbáo của mình tới 4 lần Lần hiệu chỉnh đầu tiên, tốc độ tăng trưởng của dự báo nhu cầunăng lượng đã giảm xuống chỉ còn 2,4%/năm từ 1985 đến 1994 Tốc độ tăng trưởnglại tiếp tục được hiệu chỉnh xuống còn 2,3% từ 1986 đến 1995 trong lần hiệu chỉnh thứ

2 Sau đó lại tiếp tục được hiệu chỉnh giảm xuống còn 2,1% từ 1987 đến 1996 tronglần hiệu chỉnh thứ 3 Cuối cùng, tốc độ tăng trưởng được hiệu chỉnh xuống còn2,0%/năm từ 1988 đến 1997 Kết quả dự báo nhu cầu phụ tải của NERC, 1974-1983

và 19751994 được thể hiện trên hình 1.2

Nguyên nhân chính dẫn đến sai số dự báo là do sự biến động của một số nhân

tố liên qua đến quá trình tiêu thụ điện, trong đó biến quan trọng nhất là giá điện Cuộckhủng hoảng năng lượng đầu tiên năm 1973 đã làm giá điện tăng 4,1% hàng năm chogiai đoạn dự báo 1974-1983

Có giả thiết cho rằng sự thay đổi cấu trúc trong mô hình cũng là nguyên nhânkhác gây ra sai số dự báo, tuy nhiên bằng kết quả thử nghiệm của mình tác giả Uhler

đã cho rằng sai số dự báo do sự thay đổi cấu trúc của mô hình là không đáng kể

Ở Việt Nam, từ trước đến nay phương pháp ngoại suy ít được sử dụng trong dựbáo nhu cầu năng lượng do không đủ dữ liệu quá khứ và quá trình phát triển nhu cầuđiện không ổn định

1.1.3 Phương pháp tương quan hồi quy

1.1.3.1 Phương pháp luận

Phân tích tương quan hồi quy là xác định sự liên quan định lượng giữa hai biếnngẫu nhiên Y và X, kết quả của phân tích hồi quy được dùng cho dự báo khi một trong

các biến, bằng cách nào đó, được xác định trong tương lai Hồi quy đơn được dùng đểxem xét mối liên hệ tuyến tính giữa hai biến X và Y, trong đó X được xem là biến độclập (ảnh hưởng đến biến Y), còn Y là biến phụ thuộc (chịu ảnh hưởng bởi biến X)

Thực chất nhu cầu điện không chỉ liên quan đến một, mà có liên quan đến rấtnhiều yếu tố, như: Thu nhập quốc gia (NI – National Income); Dân số (POP –population); Tổng sản phẩm nội địa (GDP – Gross of Domestic Production); Chỉ sốgiá tiêu dùng (CPI – Consumer Price Index) v.v , vì vậy trong thực tế người ta thường

sử dụng phương pháp tương quan hồi quy bội [3] để giải quyết vấn đề này Quan hệgiữa nhu cầu điện Y với các nhân tố xi được thể hiện dưới một số dạng chính sau:

ak

(1.15) + Dạng mũ: y = a0 + a1x1

1.1.3.2 Ứng dụng phương pháp hồi quy trong thực tế

a Dự báo phụ tải tại Bắc Mỹ bằng Mô hình Uhler

Uhler đã lập mô hình KTL với phụ tải sphụ thuộc vào giá điện và thu nhập củangười tiêu dùng Mô hình của ông được biểu thị như sau:

GE = f(GP,GGDP) (1.17)Với: GE - mức tăng nhu cầu điện; GP - mức tăng giá điện; GGDP - mức tăng GDP

Mô hình 1.17 phù hợp với các dữ liệu từ năm 1951-1973 Mức biến động trongngắn hạn của giá điện là - 0,3 và biến động trong dài hạn là - 0,44 Tương tự, biếnđộng thu nhập mức 0,83 đã được dự tính cho cả ngắn hạn và dài hạn

Mô hình Uhler có khả năng tính được tác động của giá điện và thu nhập đếnnhu cầu phụ tải Uhler đã dùng kỹ thuật BJ để dự báo các biến ngoại suy là giá điện vàGDP để dự báo phụ tải từ mô hình KTL cho giai đoạn 1974-1983 Mức tăng 6,8% đãđược dự báo bằng mô hình này cao hơn so mức tăng thực tế nhưng thấp hơn dự báocủa NERC

Nguyên nhân gây sai số trong mô hình dự báo Uhler:

Trong giai đoạn 1951-1973, giá điện giảm và thu nhập người tiêu dùng tăngnhanh khiến cho nhu cầu phụ tải tăng nhanh chóng Các mô hình ES và Uhler đã tínhđược mức tăng phụ tải khá chính xác.

Giai đoạn dự báo giữa 1974 và 1983, giá điện thực tế đã bắt đầu tăng nhanh ởmức 4,7% năm Kỹ thuật BJ được sử dụng để dự báo giá điện cho giai đoạn 1974-

1983, kết quả dự báo giá điện thấp hơn giá điện thực tế 0,6% Sự khác nhau giữa dựbáo và thực tế của giá điện đã làm cho mô hình Uhler dự báo vượt nhu cầu điện

b Dự báo nhu cầu phụ tải tại Nova Scotia - Canada

Công ty năng lượng NSPI (Nova Scotia Power Inc) đã dự báo nhu cầu điện tạiNova Scotia giai đoạn 2004 đến 2013 [41]

Khách hàng tiêu thụ năng lượng tại Nova Scotia được chia thành 3 nhóm – hộgia đình, thương mại và công nghiệp Mô hình nhu cầu phụ tải hộ gia đình có thể biểuthị bằng:

RREP = giá bán năng lượng trung bình sau thuế ở giá cố định năm t

- Mô hình nhu cầu phụ tải thương mại có thể biểu thị như sau:

với RQTOS = t GDP năm t

- Mô hình nhu cầu phụ tải công nghiệp nhỏ:

2

Small industry = 0.0155RQTOS + 112.89, adj R = 90.89% 

- Mô hình nhu cầu phụ tải công nghiệp vừa :

2

Medium industry = 0.0345RQTOS  239.38, adj R = 99.00%

Chỉ 6 nhóm đối tượng thuộc nhóm công nghiệp lớn được đưa vào mô hình dựbáo trong vòng 3 năm dựa trên kế hoạch sản xuất của khách hàng và thiết bị được lắpđặt Tổn thất hệ thống và cả doanh số bán nằm ngoài sổ sách được giả sử tính toántrung bình trong vòng 5 năm Theo kịch bản này, tổn hao truyền tải đặt ở mức 2,9%,

tổn hao phân phối là 6,6% và tổng tổn hao bao gồm cả việc bán gian lận nằm ngoài sổsách là 6,9%.

Dự báo phụ tải tại New Zealand thuộc trách nhiệm của Bộ phát triển kinh tếNew Zealand (MED) [60] MED sử dụng mô hình cân bằng cục bộ (SADEM) trong

mô hình hoá ngành năng lượng Ngành điện là một phân ngành thuộc mô hình này.MED không dự báo nhu cầu phụ tải mà dự báo mức tăng giả thiết là 1,8% nhu cầu phụtải trong giai đoạn 2000-2020 để mô hình hoá cho các phân ngành năng lượng

* Mohamad và Bodger [42] đã sử dụng mô hình KTL tuyến tính để dự báo nhucầu điện cho New Zealand giai đoạn 1965-1999 Dạng chung của mô hình được biểuthị như sau:

t 1 1t 2 2t 3 3t t

Y = a + b X + b X + b X + u (1.20)Với:Y t - nhu cầu điện năng theo GWh trong năm t; X 1t- GDP thực (triệu $NZ ) trongnăm t; X 2t- giá điện (cents/kWh) trong năm t; X 3t- dân số trong năm t; u t - sai sốthời kỳ t = 1965–1999

Giá điện đưa vào mô hình là giá điện thực tế Nhu cầu điện được chia làm các nhómnội địa và nhóm phi nội địa

Nội địa Phi nội địa Tổng GDP Giá Dân số

Bảng 1.1 thể hiện sự tương quan giữa các biến mô hình trên mức 0,9 Tất cả các biếnngoại suy của mô hình đều có một ý nghĩa thống kê (xem Bảng 1.2) và các kết quả ướclượng theo các nhóm có thể tổng kết như sau:

Hình 1.3 Nhu cầu điện năng dự báo theo các phương pháp tại New Zealand

MED và CAE cùng dự báo nhu cầu điện giống nhau ở mức 1,8% năm Dự báoKTL phù hợp với dự báo của MED và CAE trong khi mô hình hồi quy logistic cho kếtquả dự báo thấp nhất, đặc biệt là vào cuối giai đoạn dự báo Mức dự báo thấp của môhình hồi quy logistic vào cuối giai đoạn có thể do cấu trúc mô hình cho phép bão hoà

* Scrimgeour [43] sử dụng một mô hình KTL để dự báo nhu cầu điện cho khuvực hộ gia đình và công nghiệp

- Mô hình hộ gia đình được biểu thị:

HLD = f GDP, Pr, Pc; T + u (1.24)Với: HLD- nhu cầu điện hộ gia đình; Pr- giá điện hộ gia đình; Pc- chỉ số giá tiêudùng; T- nhiệt độ; u - sai số

- Mô hình công nghiệp được biểu thị

IND = g GDP, Pi, Pc; T + v (1.25)

Với: IND - nhu cầu điện công nghiệp; Pi - giá điện công nghiệp; v - sai số.

- Mô hình tổng nhu cầu do đó là:

TFC = k GDP, Pt, Pc; T + w (1.26)Với: TFC - tổng nhu cầu điện năng; Pt - giá điện; w - sai số

Dữ liệu giữa các năm 1960-1999 đã được sử dụng để tính bằng các mô hìnhEGECM (phương pháp hiệu chỉnh sai số), FMLS (phương pháp bình phương cực tiểucải biến) và ARDL (phân bố lùi tự động có tính trễ) 3 phương pháp trên có tính minhhoạ cao hơn phương pháp bình phương cực tiểu đơn thuần do có tính đến sự đồng tíchhợp

Trong phương pháp EGECM, các biến của mô hình được kiểm tra để kết hợp

Ví dụ, mô hình nhu cầu điện cho dân cư được biểu thị:

Với ECM t 1 là sai số do việc phản hồi thông tin HLD trong GDP Pr Pc và Ttạo ra

Trong cách tiếp cận FMLS, bước đầu tiên mô hình được tính bằng OLS và thửcho tương quan nối tiếp Mô hình sau đó được tính lại sử dụng các cửa sổ trễ Mô hìnhARDL có thể biểu thị như sau:

Có thể thấy rằng mô hình Mohamad và mô hình Scrimgeour cho các kết quảtương tự đối với New Zealand mặc dù có các khác biệt giữa hai mô hình Kết quả này

có thể do sự phát triển ổn định của New Zealand trong giai đoạn dự báo

d Dự báo phụ tải tại Ấn Độ

Ranjan và Jain [45] đã sử dụng một mô hình KTL để dự báo nhu cầu điện tạiDelhi Mô hình của họ có dạng:

Ranjan và Jain đã chia giai đoạn dự báo thành mùa đông, mùa hè, trước mùagió và sau mùa gió Kết quả được tổng kết lại như sau:

Mùa đông: E = 25.4682 + 5.9647x t  1t  0.3389x ; 2t F = 444.584 (1.31)

Mùa hè: E = 44.2198 + 6.9926x + 0.2447x ; t  1t 2t F = 1716.94 (1.32)Trước mùa gió: E = 43.6125 0.0482x t  4t  0.3183x ; 3t F = 9.201 (1.33)Sau mùa gió: E = 40.8423 + 6.0697x + 6.0697x + 0.0055x ; t  1t 2t 5t F = 584.934 (1.34)

Sharma, Nair và Balasubramanian [48] đã sử một mô hình KTL để dự báo nhu cầuđiện cho 20 năm theo các nhóm đối tượng tại Kerala Kết quả như sau:

Nhu cầu điện nhóm này tăng từ 65,6 GWh năm 1971 lên 652 GWh năm 1997tương đương với mức tăng trưởng bình quân hàng năm là 9% Mô hình của ngành nàylà:

* Nhóm công nghiệp vừa và lớn

Nhu cầu điện nhóm công nghiệp lớn tăng ở mức 8% năm giai đoạn 1971-1997

Mô hình dự báo cho nhóm này có thể biểu thị như sau:

Nhu cầu điện nhóm công nghiệp lớn tăng ở mức 6% năm giai đoạn 1971-1997

Mô hình dự báo cho nhóm này có thể biểu thị như sau:

Với: EMISC- nhu cầu điện các nhóm; QP- tỉ lệ sản phẩm sơ cấp của nhóm so với SDP

e Dự báo phụ tải tại Thái Lan

Các nhà dự báo Thailand [60] cho rằng giá điện, GDP và nhiệt độ là các yếu tốchính ảnh hưởng đến nhu cầu phụ tải Quan hệ giữa nhu cầu phụ tải và các yếu tốchính có thể xác định qua hàm tổng quát:

Với: Et - nhu cầu điện tháng t (GWh); GDPt - GDP trong tháng (tỉ baht); TEMPt - nhiệt

độ (celsius); Pt - giá điện trung bình tháng t baht/kWh

Một số mô hình nhu cầu điện năng theo tháng sẽ được xác định, ước tính, thử vàlựa chọn làm mô hình cho nhu cầu phụ tải Nhu cầu phụ tải sẽ được chia và mô hìnhhoá thành các nhóm sau đây:

1) Tổng nhu cầu của hệ thống điện;

2) Nhu cầu của hệ thống điện miền Bắc;

3) Nhu cầu của hệ thống điện miền Trung;

4) Nhu cầu của hệ thống điện miền Nam;

5) Nhu cầu của hệ thống điện vùng Tây Bắc;

6) Nhu cầu thuộc phạm vi của PEA;

7) Nhu cầu thuộc phạm vi của MEA

Dữ liệu về nhu cầu điện, giá điện hàng tháng được 3 cơ quan chức năng cungcấp Dữ liệu về nhiệt độ được thu thập từ Cục khí tượng Giá điện hàng tháng được lấy

từ các cơ quan chức năng liên quan bằng cách tính doanh thu hàng tháng trên kWh.Giá năng lượng hàng tháng do đó sẽ là hằng số cho năm cho trước

Dữ liệu về nhiệt độ được thu thập từ các trạm khí tượng ở mỗi vùng Nhiệt độcác ngày được tính từ mỗi trạm từ nhiệt độ ngày trung bình và số ngày trong tháng.Nhiệt độ trung bình ngày cho mỗi vùng được tính từ số các trạm trong vùng

Dữ liệu từ GDP được thiết lập trên cơ sở hàng năm Do mô hình dự báo là môhình tháng nên sẽ cần đến một biến thay thế cho GDP tháng Do quan hệ giữa nguồntiền và GDP đã được thiết lập trong lý thuyết kinh tế vĩ mô và dữ liệu về nguồn tiền đã

có trong cơ sở tháng, nguồn tiền được lựa chọn là biến thay thế cho GDP trong môhình dự báo tháng

Hàm tổng quát dự báo phụ tải năng lượng có thể biểu diễn như sau:

với M1 t là nguồn tiền trong tháng t

Dạng tuyến tính đơn giản của (1.41) được xác định như sau:

t t t

E = 3933.97 + 0.011393 M1 + 7.05076 TEMP + 62.4324 P  adj.R = 0.95042 (1.43)

Mô hình tuyến tính đơn giản có thể dự báo với sai số khoảng 5%, các nhà dựbáo Thailand đã nhận thấy rằng biến giá đã có một dấu hiệu “sai sót” Sai sót của biếngiá thuộc về thiếu sót của mô hình mà ta cần xác định

Đó có thể là một số trễ trong quan hệ giữa các biến ngoại suy và biến nội suy.Các mô hình với biến bị trễ có thể xác định bằng hàm tổng quát

t t i t j t k t h

E = f P , M1 , TEMP   , E  i, j, k, h = 0, 1, 2 

(1.44)Các quan hệ trễ giữa các biến trong mô hình có thể giải thích bằng các hành vikhác nhau giữa những khách hàng sử dụng năng lượng Cấu trúc giá điện tại Thái Lan

có cơ chế Ft để điều chỉnh mức giá điện khi có các thay đổi chi phí ở tầm vĩ mô Mứcgiá được điều chỉnh 4 tháng 1 lần, vì thế người sử dụng không thể biết mức giá trongtháng t do mức giá mà anh ta thanh toán trong tháng t thực ra là “mức giá trung bình”của 4 tháng trước đó Một giả thiết khác trong trường hợp này là nhu cầu điện năngcủa một khách hàng phụ thuộc vào mức giá điện dự kiến trong tháng t Mô hình có thểxác định như sau: