Dự báo phụ tải điện sử dụng mạng wavelet và fuzzy logic

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM - NGUYỄN NGỌC HUY DỰ BÁO PHỤ TẢI ĐIỆN SỬ DỤNG MẠNG WAVELET VÀ FUZZY LOGIC LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ Thuật Điện Mã số ngành: 60520202 TP HỒ CHÍ MINH, tháng 01 năm 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM - NGUYỄN NGỌC HUY DỰ BÁO PHỤ TẢI ĐIỆN SỬ DỤNG WAVELET VÀ FUZZY LOGIC LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ Thuật Điện Mã số ngành:60520202 CÁN BỘ HƯỚNG DẪN KHOA HỌC: TS NGÔ CAO CƯỜNG TP HỒ CHÍ MINH, tháng 01 năm 2014 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM Cán hướng dẫn khoa học : TS NGÔ CAO CƯỜNG Luận văn Thạc sĩ bảo vệ Trường Đại học Công nghệ TP HCM ngày 18 tháng 01 năm 2014 Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ Luận văn Thạc sĩ) T T1 T S T S T S P G T S C h P bi P bi Ủ v Xác nhận Chủ tịch Hội đồng đánh giá Luận sau Luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV TRƯỜNG ĐH CƠNG NGHỆ TP HCM PHỊNG QLKH – ĐTSĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc TP HCM, ngày … tháng… năm 20 … NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN NGỌC HUY Giới tính: Nam Ngày, tháng, năm sinh: 1980 .Nơi sinh: Mỹ Tho Kỹ Chuyên ngành: MSHV:1241830011 thuật điện I- Tên đề tài: Dự Báo Phụ Tải Điện Sử Dụng Mạng Wavelet Fuzzy II- Nhiệm vụ nội dung: Nội dung: - Nghiên cứu tìm hiểu phép phân tích Wavelet Fuzzy logic - Tìm hiểu ứng dụng Wavelet xây dựng mơ hình dự báo phụ tải Phương pháp nghiên cứu: - Sử dụng phương pháp phân tích vận dụng phép biến đổi wavelet k ết hợp Fuzzy Logic để tạo giá trị ngõ mạng wavelet giá trị phụ tải điện cần dự báo - Tận dụng khả linh hoạt phần mềm Matlab việc xử lý số liệu biểu diễn kết dự báo Kết đạt được: - Ứng dụng phép phân tích Wavelet Fuzzy logic để dự báo phụ tải cho tỉnh Tiền Giang - So sánh kết dự báo với thực tế đưa hướng phát triển đề tài III- Ngày 12/6/2013 giao nhiệm vụ: IVNgày hoàn thành nhiệm vụ: V- Cán hướng dẫn: TS NGÔ CAO CƯỜNG CÁN BỘ HƯỚ NG DẪN NGÀNH (Họ tên chữ ký) KHOA QUẢN LÝ CHUYÊN (Họ tên chữ ký) i LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng tơi Các số liệu, kết n Luận văn trung thực chưa công bố công trình khác Tơi xin cam đoan giúp đỡ cho việc thực Luận văn cảm ơn thơng tin trích dẫn Luận văn rõ nguồn gốc Học viên thực Luận văn (Ký ghi rõ họ tên) Nguyễn Ngọc Huy ii LỜI CÁM ƠN Tôi xin chân thành cảm ơn TS.NGƠ CAO CƯỜNG – Trưởng Phòng Tổ Chức Trường Đại Học Công Nghệ TPHCM , người thầy hết lòng bảo, hướng dẫn, truyền đạt kiến thức chuyên môn kinh nghiệm nghiên cứu suốt thời gian học tập thực luận văn Xin chân thành cảm ơn Ban Giám Hiệu, Ban chủ nhiệm khoa Cơ - Điện – Điện tử, Phòng quản lý sau đại học Trường Đại Học Công nghệ Tp.HCM tạo điều kiện tốt vật chất lẫn tinh thần để hoàn thành tốt luận văn Xin chân thành cám ơn đến tất Q Thầy, Cơ Trường Đại Học Công nghệ Tp.HCM giảng dạy, trang bị cho tơi kiến thức bổ ích q báu suốt trình học tập nghiên cứu sau Xin cảm ơn bạn bè, đồng nghiệp đặc biệt nhóm thực nghiệm chung Trường Đại Học Công nghệ Tp.HCM hướng dẫn Thầy Ngô Cao Cường người ln giành tình cảm sâu sắc nhất, giúp đỡ khuyến khích tơi để vượt qua khó khăn suốt q trình thực luận văn Xin cảm ơn Gia đình tạo điều kiện để yên tâm học tập tốt suốt thời gian vừa qua Xin cảm ơn Ban Giám Hiệu Trường Cao Đẳng Nghề TG tất bạn bè thân thuộc động viên, tạo điều kiện thuận lợi hỗ trợ cho nhiều q trình học tập, cơng tác suốt thời gian thực luận văn (Họ tên Tác giả Luận văn) Nguyễn N gọc Huy TÓM TẮT -o0o Dự báo phụ tải điện đóng vai trò quan trọng việc lập kế hoạch thiết kế vận hành hệ thống điện Dự báo giúp định hướng phương hướng kế hoạch cho tương lai, chủ động công v iệc xử lí nhứng biến cố xảy Nếu khơng có cơng việc dự báo phụ tải điện, ta gặp phải hai trường hợp xảy : thiếu hụt điện sử dụng hai sản xuất lượng điện thừa vơ ích Đối với trường hợp thiếu hụt điện năng, khơng có đủ điện để phục vụ cho nhu cầu sinh hoạt, giải trí nhân dân khơng đủ điều kiện để cung cấp điện cho ngành kinh tế công nghiệp, nông nghiệp dịch vụ Nó gây hậu nghiêm trọng: dây chuyền tự động, máy móc, thiết bị ngưng hoạt động, kinh tế bị ảnh hưởng Đối với trường hợp dư thừa điện năng, khơng giống loại hàng hóa khác, điện có tính chất đặc biệt khơng thể lưu trữ hay cất vào kho dư thừa Do bị lãng phí lượng lớn điện dư thừa vơ ích, gây thiệt hại kinh tế cho đất nước Để đảm bảo lượng điện sản xuất không dư thừa không thiếu hụt so với nhu cầu sử dụng tốn dự báo phụ tải điện cần quan tâm mức Việc dự báo xác góp phần cải thiện chất lượng điện giảm chi phí sản xuất, vận hành đảm bảo an toàn cho hệ thống điện Tiền Giang tỉnh nằm khu vực đồng sông Cửu Long, tỉnh nằm vùng kinh tế trọng điểm phía nam Do cầu sử dụng điện Tiền Giang cao việc dự báo phụ tải điện đặt lên hàng đầu việc thiết kế vận hành hệ thống điện Trong khuôn khổ luận văn này, phương pháp dự báo kết hợp mạng Wavelet F uzzy Logic nghiên cứu áp dụng để dự báo đồ thị phụ tải ngày tỉnh Tiền Giang với liệu công suất thu thập từ ngày 01/01/2011 đến 31/12/2011 ABSTRACT Load forecast plays a very important role in planning the design and operation of electrical systems It will help us to forecast the direction and orientation plan for the future, work actively and treat the incident Without the work of the load forecast, we can meet two cases: the power shortage and the power redundancy In case of the power shortage, we will not have enough power to serve people’s daily as well as to provide for industries such as industrial, agriculture and services It causes a serious consequence: the automated production lines, machines and equipment will be shut down, the economy will be affected In case of the power redundancy, unlike other commodities, electricity is a very special properties that it can not be stored or put into storage So we will waste a large amount of excess energy in vain, to cause great damage to the national economy To ensure that power does not produce surplus nor deficit relative to the problem using the electricity load forecast should be well heeded The predictions improve power quality and reduce production costs, operation and safety for the electrical system Tien Giang province is located in the Cuu Long River Delta - a key economic area of the south Thus the demand for electricity is very high in Tien Giang and load forecast is placed on top in the design and operation of electrical systems In the framework of this thesis, Wavelet and Fuzzy Logic networks will be studied and applied to predict daily load graph of Tien Giang province with a capacity of data collected from 1.1 days / 2011 to 31/12/2011 MỤC LỤC LỜI CAM ĐOAN i LỜI CÁM ƠN ii TÓM TẮT iii MỤC LỤC v DANH MỤC CÁC TỪ VIẾT TẮT viii DANH MỤC CÁC BẢNG ix DANH MỤC CÁC BIỂU ĐỒ, ĐỒ THỊ, SƠ ĐỒ , HÌNH ẢNH x Chương 1.1 Đặc vấn đề 1.2 Tính cấp thiết đề tài 1.3 Mục tiêu đề tài 1.4 Nội dung nghiên cứu 1.5 Phương pháp luận phương pháp nghiên cứu 1.5.1 Phương pháp luận 1.5.2 Phương pháp nghiên cứu 1.6 Tổng quan dự báo 1.7 Các phương pháp dự báo phụ tải điện: 1.7.1 Phương pháp tính hệ số vượt trước: 1.7.2 Phương pháp tính trực tiếp: 1.7.3 Phương pháp so sánh đối chiếu : 1.7.4 Phương pháp chuyên gia: 1.7.5 Phương pháp san hàm mũ: 1.7.6 Phương pháp ngoại suy theo thời gian: 1.8 Những đề tài công bố 11 Chương 14 LÝ THUYẾ T WAVELET VÀ FUZZY LOGIC 14 2.1 Lý thuyết Wavelet: 14 2.1.1 Tổng quan : 14 2.1.2 Biển đổi Wavelet liên tục (CWT): 15 2.1.3 Biển đổi wavelet rời rạc (DWT): 17 2.1.4 Giới thiệu số họ wavelet thông dụng: 17 2.1.5 Một số ứng dụng bật phân tích Wavelet: 19 2.2 Lý thuyết Fuzzy Logic: 20 2.2.1 Khái niệm tập hợp kinh điển: 20 2.2.2 Khái niệm tập mờ - khái niệm bản: 21 2.2.3 Luật hợp thành mờ: 23 2.2.4 Giải mờ: 32 2.2.5 Các bước thiết kế mờ: 35 Chương 37 3.1 Giới thiệu: 37 3.2 Phân tích wavelet tiền xử lý: 38 3.2.1 Biến đổi wavelet rời rạc (DWT – Discrete Wavelet Transform): 38 3.2.2 Biến đổi wavelet rời rạc phủ toàn diện (MODWT): 38 3.3 Xây dựng mơ hình Fuzzy cho tốn dự báo dựa giải thuật ước lượng nhóm (Cluster Estimation): 41 3.3.1 Giới thiệu giải thuật ước lượng nhóm : 41 3.3.2 Phân nhóm liệu dựa giải thuật Moutain Clustering: 42 3.3.3 Mơ hình nhận dạng mờ (Fuzzy Model Identification): 44 3.4 Mơ hình dự báo mạng Fuzzy-Wavelet: 48 3.5 Các sơ đồ khối: 50 3.5.1 Mơ hình dự báo Fuzzy-Wavelet: 50 3.5.2 Xây dựng mơ hình nhận dạng mờ Fuzzy Identification: 51 3.5.3 Giải thuật tìm tâm nhóm theo Mountain Clustering: 52 3.5.4 Sơ đồ khối dự báo: 53 Chương 54 4.1 Giới thiệu Tiền Giang 54 4.2 Đặc điểm đồ thị phụ tải tỉnh Tiền Giang 56 4.3 Dự báo đồ thị phụ tải ngày tỉnh Tiền Giang 58 4.3.1 Lựa chọn mẫu liệu đưa vào luyện mạng 58 4.3.2 Áp dụng mạng Wavelet-Fuzzy Logic công tác dự báo: 59 4.3.3 Dự báo hệ số MODWT tổ hợp dự báo: 65 4.3.4 Dự báo 23 thời điểm để đưa kết công suất ngày: 67 Chương 77 PHẦN LẬP TRÌNH 78 Chương trình (main function): 78 Chương trình thiết lập ma trận input -output (build_IO): 79 / 11 6.2 11 11 6.8 11 11 6.4 11 11 6.0 11 11 5.6 11 11 7.5 11 11 9.8 12 12 0.6 12 12 6.2 13 13 1.4 13 13 1.0 13 13 0.6 13 11 11 11 11 10 11 12 12 13 14 14 14 11 11 11 11 11 11 12 12 13 14 14 14 12 12 12 11 11 12 12 12 13 14 14 14 11 12 12 12 12 12 12 12 12 12 13 13 13 11 11 11 11 11 11 12 12 13 14 14 14 12 12 12 12 12 12 12 12 13 14 14 14 12 12 12 12 11 12 12 12 12 13 13 13 11 11 11 11 10 11 12 12 13 14 14 14 6/ 12 0.0 11 12 0.3 11 11 9.8 11 11 9.5 11 11 9.2 11 12 3.4 12 12 6.8 12 12 9.0 13 13 6.4 13 14 6.5 14 14 6.1 14 14 5.8 14 12 12 11 11 11 12 12 13 13 14 14 13 11 12 11 11 11 12 12 13 13 14 14 14 12 12 12 12 12 12 12 12 12 13 13 13 12 12 12 12 11 12 12 12 13 14 14 14 11 11 11 11 11 11 11 12 13 14 14 14 12 12 12 12 12 12 12 12 13 14 14 14 12 12 12 12 12 12 12 13 13 14 14 14 11 11 11 11 11 12 12 12 13 14 14 14 12 12 12 12 12 12 12 12 12 13 13 13 11 11 11 11 11 11 12 13 13 14 14 14 8/ 11 2.0 10 11 2.5 10 11 2.2 10 11 1.7 10 11 1.3 10 11 9.8 11 12 3.1 11 13 3.2 12 13 8.9 12 14 8.9 13 14 8.5 13 14 8.2 13 10 10 9 10 11 11 12 13 13 13 8 8 9 10 10 10 10 10 8 8 10 11 12 12 12 12 12 8 8 10 11 12 12 12 12 12 10 10 10 10 10 11 11 12 12 12 12 12 10 10 9 11 12 13 13 14 14 13 10 10 10 10 10 11 12 12 13 13 13 13 A b (M (M (M (M (M (M (M (M (M 2 (M (M (M 13 13 13 14 13 13 12 12 11 11 11 14 14 14 15 15 12 14 13 13 12 11 10 14 14 14 14 14 13 13 13 13 12 11 10 12 12 12 12 12 12 13 13 13 11 11 14 14 14 15 15 12 13 13 13 12 11 10 2 14 9.9 15 15 0.4 15 15 0.8 15 15 1.6 15 15 0.9 14 12 3.9 12 14 1.5 14 14 1.0 14 13 5.2 13 12 9.8 12 11 5.7 11 10 0.0 10 14 14 14 14 12 12 13 13 12 12 11 15 15 15 15 12 12 13 13 12 12 11 9 14 14 14 14 12 12 13 13 12 12 11 12 12 12 12 12 10 12 12 12 11 10 13 14 14 14 11 11 13 13 12 11 11 10 15 15 15 15 14 12 13 13 12 11 10 13 13 14 14 14 11 13 13 12 11 10 14 14 14 15 12 12 14 13 12 11 10 13 7.4 12 13 7.9 12 13 8.4 12 14 1.3 12 14 0.7 12 12 3.5 12 14 0.1 13 13 9.6 13 12 9.7 12 11 6.5 11 10 9.4 10 9 9 10 10 10 11 14 13 12 10 10 12 13 13 16 15 11 13 13 12 11 10 14 14 14 14 14 11 14 14 13 11 10 10 14 14 14 14 11 11 14 14 13 12 11 13 13 13 14 14 11 14 14 13 11 10 10 14 14 14 14 14 12 14 13 12 11 10 13 13 13 14 13 11 13 13 12 11 10 12 12 12 12 12 11 13 13 12 11 10 12 12 13 15 14 10 13 13 12 11 10 13 13 13 13 11 11 14 13 12 11 10 13 8.5 13 13 9.0 13 13 9.5 13 13 9.9 15 13 0.0 15 12 9.3 11 15 3.0 14 14 7.6 14 13 0.9 13 12 0.1 11 11 0.2 10 9 13 13 13 15 15 12 14 14 13 11 11 13 13 13 13 12 12 14 13 12 11 10 11 11 11 12 12 12 14 14 13 12 11 13 14 15 16 16 12 14 14 13 12 11 13 13 13 13 13 13 16 14 13 12 11 10 13 13 13 13 13 13 15 14 13 12 11 10 14 14 15 15 15 12 14 14 13 12 11 10 14 14 14 14 14 12 14 14 13 12 11 10 12 12 12 12 12 12 14 14 13 12 11 10 13 13 13 13 12 12 14 15 14 13 11 10 14 0.2 14 14 8.7 14 15 5.4 14 16 0.0 14 15 8.8 14 12 6.9 12 14 6.8 14 14 6.1 13 13 6.1 13 12 6.3 12 11 6.0 11 10 5.2 10 13 13 13 13 12 11 13 14 13 12 11 10 13 14 14 14 14 11 14 14 12 11 10 13 13 13 13 12 12 14 14 13 12 11 12 12 13 13 13 11 13 13 12 11 10 13 13 14 15 15 12 14 13 12 11 10 13 13 13 13 12 11 15 13 12 11 10 13 14 15 16 15 12 14 14 12 12 11 10 13 13 13 13 13 13 13 14 13 12 11 13 14 15 15 15 12 14 14 13 12 11 10 13 13 14 14 14 12 14 13 12 12 11 10 13 1.2 13 14 0.6 14 15 0.4 14 15 6.4 14 15 6.0 13 15 5.1 12 13 8.4 15 14 9.9 15 13 9.7 14 12 9.7 12 11 8.7 11 10 6.0 10 13 13 13 13 13 13 15 15 14 13 12 10 14 15 15 15 15 12 12 12 11 11 10 14 14 15 15 15 12 14 14 13 12 11 10 13 13 14 14 12 12 13 14 13 12 11 10 13 14 14 15 15 12 14 14 13 12 11 10 13 13 13 14 14 11 14 14 13 12 11 10 14 14 14 14 14 13 13 14 13 12 11 10 13 13 14 15 14 12 12 12 12 11 10 13 13 14 14 14 12 14 13 12 11 10 13 13 14 14 14 12 14 14 13 12 11 10 13 7.2 13 9.9 14 6.5 15 7.4 15 6.6 12 9.0 15 0.1 14 7.8 13 6.4 12 6.4 11 6.1 10 6.8 2 13 3.0 13 13 4.6 13 14 0.7 14 14 4.1 14 14 3.2 14 12 7.3 13 14 8.8 14 14 1.7 14 13 0.2 13 12 0.4 12 11 0.1 11 10 0.0 10 13 13 13 13 13 11 13 13 12 11 10 13 13 13 13 13 12 14 13 12 11 10 13 13 13 13 13 11 14 13 12 11 10 13 13 13 14 13 12 14 14 13 12 11 10 10 10 11 11 11 10 11 12 12 11 10 9 11 11 11 10 12 11 11 10 12 12 12 12 12 11 12 11 11 10 13 13 13 14 14 12 13 14 13 12 11 10 12 12 14 15 15 13 13 13 12 11 10 12 12 12 13 13 12 13 14 13 12 10 13 2.0 12 13 3.4 12 13 6.1 13 13 8.0 14 13 7.5 14 11 6.9 12 13 9.2 13 13 8.5 13 12 8.7 12 11 8.9 11 10 9.0 10 9 10 13 13 13 14 14 12 13 13 12 11 10 12 12 13 13 13 12 14 13 12 11 10 13 13 13 14 14 11 12 13 13 12 11 10 12 12 12 12 12 10 13 13 12 11 10 12 12 12 12 12 11 13 13 12 11 10 12 12 12 12 12 12 14 14 13 12 11 10 13 13 13 13 13 12 14 14 13 12 11 10 13 13 13 14 14 12 14 14 13 12 11 13 13 13 13 12 11 13 13 12 11 10 13 13 13 14 13 11 13 13 12 11 10 13 5.0 12 13 6.4 12 13 7.0 13 14 0.1 13 13 9.6 13 12 4.4 12 13 5.6 14 14 1.9 14 13 1.5 13 12 1.2 12 11 0.1 10 10 1.2 13 13 13 13 13 12 14 14 13 12 11 10 12 12 13 13 13 12 13 14 13 12 11 10 13 13 13 13 13 12 13 13 12 11 10 11 11 12 12 12 11 14 13 12 11 10 13 13 13 14 14 12 13 13 12 11 10 12 12 12 13 13 11 13 13 12 11 10 13 13 13 13 13 12 13 13 12 11 10 13 13 13 13 13 14 11 13 12 11 10 11 11 12 12 12 11 12 12 12 11 10 12 12 13 14 14 11 14 14 13 12 11 10 12 5.0 13 12 6.2 13 12 8.5 13 13 1.2 13 13 0.4 12 12 7.1 12 13 2.9 14 14 1.6 13 13 1.2 12 12 0.1 11 11 0.0 10 10 0.1 13 13 13 13 13 12 14 13 12 11 11 10 13 13 13 13 12 12 12 14 13 12 11 10 12 12 12 12 12 12 14 13 12 11 10 12 12 12 13 13 11 13 13 12 11 10 12 13 13 13 12 12 14 14 12 11 10 13 13 13 13 13 11 14 13 12 11 10 13 13 14 14 14 14 13 13 12 11 10 13 13 13 13 12 11 14 14 12 11 10 13 13 13 13 13 12 14 14 13 12 11 10 13 13 13 14 13 13 15 14 12 11 10 10 13 / 2.2 13 2.8 13 6.7 14 4.0 14 3.7 12 1.6 14 4.8 13 8.9 12 7.8 11 7.6 10 7.2 1 13 9.7 13 14 0.0 13 14 0.4 14 14 1.0 15 13 0.5 15 12 4.7 11 15 6.5 15 14 7.9 14 13 0.2 12 12 1.2 11 11 0.0 10 10 0.3 14 14 14 14 13 12 13 14 12 11 10 13 13 13 13 12 12 13 14 12 11 10 13 13 13 13 12 12 14 13 12 11 10 12 12 12 13 13 12 14 13 12 11 10 12 12 13 13 13 13 15 14 12 11 10 12 12 12 12 12 11 14 14 12 11 10 12 12 12 12 12 11 14 13 12 11 10 14 14 14 14 13 12 14 14 12 11 10 13 13 13 13 13 12 13 14 12 11 10 13 13 14 15 15 11 14 13 12 11 10 2 13 5.2 13 13 5.6 13 13 5.9 13 13 6.7 13 13 0.0 12 12 1.4 11 14 8.0 15 14 8.6 14 13 0.0 12 12 1.1 11 11 0.3 10 10 2.3 14 14 14 14 14 12 14 13 12 11 10 13 13 13 13 11 10 13 14 12 11 10 10 14 14 14 14 13 12 13 14 13 12 11 10 14 14 14 14 13 12 15 14 12 11 10 13 13 13 13 12 11 14 14 12 11 10 13 14 14 14 14 12 13 12 11 10 10 12 12 12 12 12 11 14 14 12 11 10 10 12 12 13 14 14 12 14 13 12 11 10 13 13 13 13 12 12 13 13 12 11 10 12 12 12 12 12 12 13 14 13 12 11 10 14 / 0.2 12 14 0.5 13 14 0.8 13 14 1.0 14 12 5.3 14 11 1.2 11 14 1.7 14 13 9.1 13 12 6.4 12 11 6.4 11 10 6.3 10 9 13 13 13 13 15 12 14 13 12 11 10 13 13 13 13 12 12 14 14 12 11 10 14 14 14 14 14 14 14 13 12 11 10 9 13 13 13 14 14 12 14 13 12 11 10 11 11 11 11 10 14 12 11 10 12 13 13 13 12 12 13 14 12 11 10 13 13 13 13 12 11 13 14 12 11 10 13 13 13 13 12 11 13 14 12 11 10 13 13 13 13 12 12 14 13 12 11 10 13 13 13 13 12 12 13 13 12 11 10 12 9.4 13 12 9.8 13 13 0.0 13 13 0.3 13 12 0.4 13 11 3.2 12 13 0.9 13 13 3.2 13 12 1.3 12 11 1.1 11 10 3.2 10 9 13 13 13 13 12 12 13 12 11 10 10 13 13 13 13 11 11 13 12 12 11 10 13 13 13 13 12 11 12 13 12 11 10 13 13 13 13 12 11 13 14 12 12 11 10 11 11 12 13 13 11 14 13 12 11 10 12 12 12 12 11 10 11 13 12 11 10 13 13 13 13 11 11 13 14 12 11 11 10 13 13 14 14 14 12 14 13 12 11 10 13 13 13 13 12 11 13 14 12 11 10 13 13 13 13 13 11 14 13 12 11 10 10 13 8.0 13 8.6 13 8.9 13 9.5 13 7.5 11 1.3 14 1.9 13 7.8 12 2.1 11 7.5 10 8.0 9 13 3.0 12 13 3.5 12 13 3.8 12 13 4.0 12 12 9.0 12 12 8.3 11 14 4.9 12 13 8.0 13 12 4.2 13 11 8.3 12 10 8.8 11 10 0.0 10 12 12 12 12 12 11 13 13 12 11 11 10 12 12 13 13 12 11 13 13 12 11 10 12 12 12 13 12 12 13 13 12 11 10 13 13 13 13 13 11 14 13 12 11 10 13 13 14 14 14 14 14 14 13 12 11 10 14 14 14 14 14 11 14 14 13 12 11 10 13 13 13 14 14 12 13 14 13 12 11 10 13 13 13 13 13 12 13 14 13 12 11 10 14 14 14 14 14 12 14 14 13 12 11 10 14 14 14 14 13 12 14 15 13 12 11 10 1 14 3.6 13 14 3.9 13 14 4.2 14 14 4.5 14 14 2.3 13 12 5.6 12 14 2.7 14 15 2.5 14 13 4.6 12 12 4.5 11 11 4.5 10 10 4.5 14 14 14 14 14 12 15 15 13 12 11 10 14 14 14 14 13 12 14 15 13 12 11 10 13 13 13 14 13 13 13 14 13 12 11 10 14 14 14 14 14 13 15 15 13 12 11 10 14 14 14 14 14 13 15 15 13 12 11 10 14 14 14 14 13 13 14 15 13 12 11 10 14 14 14 14 15 13 15 15 13 12 11 10 14 14 14 14 13 13 15 15 13 12 11 10 13 13 14 14 13 12 14 14 13 12 11 10 14 14 14 15 14 13 14 14 12 11 10 2 14 4.5 14 14 4.8 14 14 5.0 14 14 5.3 14 13 5.6 13 12 5.8 12 14 6.6 14 15 2.6 14 13 3.3 13 12 3.1 12 11 3.2 11 10 4.0 10 14 14 14 14 13 13 12 12 12 11 10 14 14 14 14 14 13 14 15 13 12 11 10 13 13 13 13 13 12 14 15 13 12 11 10 14 14 14 14 13 13 14 14 13 12 11 10 14 14 14 14 14 14 14 15 13 12 11 10 13 13 13 13 13 13 16 14 12 11 10 13 13 13 13 13 13 13 13 13 12 11 10 10 10 10 10 10 10 12 12 12 11 10 12 12 12 12 12 12 13 14 13 12 11 10 12 13 14 14 14 12 14 14 13 12 11 10 12 / 4.8 13 12 5.3 14 12 6.4 14 12 7.3 14 12 6.7 13 12 0.5 12 14 2.7 13 14 2.0 14 13 2.6 13 12 1.3 12 11 3.4 11 10 3.6 10 13 / 1.0 13 2.6 13 3.5 13 8.7 13 8.1 12 5.0 14 2.1 14 1.3 13 2.4 12 1.4 11 1.3 10 2.4 Chương KẾT LUẬN Mạng Wavelet -Fuzzy thể nhiều ưu điểm toán dự báo bước Mạng Wavelet -Fuzzy kết hợp khả tổng quát hóa, nắm bắt hành vi hệ thống mạng Wavelet khả suy luận logic vận dụng kiến thức kinh nghiệm dự báo Những ví dụ áp dụng trình bày luận văn cho thấy mạng Wavelet Fuzzy Logic có khả nắm bắt biến động mang tính chu kì hành vi hệ thống tốt đồ thị phụ tải ngày dự báo có hình dạng giống với đồ thị phụ tải thực tế Sai số kết dự báo thực tế chấp nhận toán dự báo thời điểm liên tiếp tương lai Mặc dù mạng Wavelet -Fuzzy Logic cho thấy khả nắm bắt biến động chuỗi liệu luyện mạng tốt giới hạn luận văn, với cơng cụ tính tốn máy tính PC, khơng thể đưa chuỗi liệu luyện mạ ng dài vào dự báo sử dụng mạng Wavelet-Fuzzy Logic Cụ thể luận văn đưa chuỗi đồ thị phụ tải 200 ngày vào trình luyện mạng Điều gây số hạn chế luận văn Đó biến động gia tăng hay suy giảm công suấ t sử dụng theo chu kì mùa, theo biến động kinh tế … với chuỗi liệu luyện mạng 200 ngày, mạng Wavelet -Fuzzy Logic nắm bắt dẫn đến sai số kết dự báo lớn (mặc dù đồ thị phụ tải dự báo có hình dạng giống với đồ thị thực tế) Hơn mạng Wavelet -Fuzzy Logic khơng thể dự báo xác cho đồ thị phụ tải ngày lễ Những hạn chế giải có cơng cụ tính tốn mạnh Lúc đó, đưa chuỗi liệu luyện mạng đủ dài (k hoảng vài năm) vào trình luyện mạng Như biến động công suất ngày lễ hay biến động gia tăng, suy giảm công suất liệu theo chu kì mùa, biến động kinh tế mạng Wavelet -Fuzzy Logic học đầy đủ đưa kết dự báo xác PHẦN LẬP TRÌNH Chương trình (main function): clc; clear all; close all; nlv=5; gama = 1000; ra=0.4; startnum = 1536; endnum = 4800; numdays = 201; bh = 2; bd = 2; bw = 4; n_pred_ahead = 24; %% NHAP SO LIEU CONG SUAT VA KHOI DONG WMTSA TOOLBOX dulieu = xlsread ('D:\al.xls'); run('D:\wmtsa-matlab-0.2.6\wmtsa\startup.m'); addpath 'D:\wmtsa-matlab-0.2.6\munit'; %% PHAN TICH MODWT n MAU DU LIEU LUYEN MANG clear data data=[]; for i =1:numdays data=[data dulieu(i,:)]; end data = data'; tem=data(1:startnum-1,:); DS=[]; for i=startnum:endnum tem(i,:)=data(i); [D,S]=modwt_mra(tem,'La8',nlv,'circular'); DS=[DS ;D(end,:) S(end)]; end clear D S %% TRAINING DATA HUAN LUYEN MANG FUZZY-WAVELET Pred_value=ones(1,n_pred_ahead); R=[]; Resulthour = ones(1,size(DS,2)); for k = 1:n_pred_ahead if ~isempty(R) data(end+1)=R; [D S]=modwt_mra(data,'La8',5,'circular'); DS = [DS; D(end,:) S(end)]; clear D S; end for j=1:size(DS,2); modcof = DS(:,j); [B]=build_IO(modcof,bh,bd,bw); [Bst,min,max]=normalizedata(B,[],[],2); clear B [C] = MountainCluster(Bst,ra); [matrix_X]=trainningFuzzyModel(C,Bst,ra,gama); %% PREDICT BASE ON TRAINING DATA MODEL'S PARAMETER MATRIX (X) [Bst_nplus1]=build_I_nplus1(Bst,bh,bd,bw); [A_nplus1]=build_A_nplus1(Bst_nplus1,C,ra); z_nplus1 = A_nplus1*matrix_X; [appcof]=denormalizedata(z_nplus1,min,max,bh+bd+1); Resulthour(j)=appcof; end %% TO HOP TUYEN TINH DU BAO R = sum(Resulthour,2); Pred_value(k) = R; end Chương trình thiết lập ma trận input -output (build_IO): function [Bst]=build_IO(X,bh,bd,bw) Bst=[]; b=bh+bw+bd; str = size(X,1); if bw == if bd ==0 Bst(:,b+1)=X(bh+1:str); for i = 1:str-bh for j = 1:bh Bst(i,j)=X(i+bh-(bh-j+1)); end end else Bst(:,b+1)=X(24*bd+1:str); for i=1:str-24*bd for j = 1:bd Bst(i,j)=X(i+24*bd-24*(bd-j+1)); end for j = 1:bh Bst(i,j+bd)=X(i+24*bd-(bh-j+1)); end end end else Bst(:,b+1)=X(7*24*bw+1:str); for i = 1:str-7*24*bw for j = 1:bw Bst(i,j)=X(i+24*7*bw-24*7*(bw-j+1)); end if bd ~= for j = 1:bd Bst(i,j+bw)=X(i+7*24*bw-24*(bd-j+1)); end if bh ~=0 for j = 1:bh Bst(i,j+bw+bd)=X(i+7*24*bw-(bh-j+1)); end end else if bh~=0 for j = 1:bh Bst(i,j+bw)=X(i+7*24*bw-(bh-j+1)); end end end end end Chương trình chuẩn hóa liệu hệ đơn vị tương đối (normalizedata): function [X,minX,maxX]=normalizedata(X,minX,maxX,opt) [numrows numcolums] = size(X); if isempty(minX) minX=min(X); end if isempty(maxX) maxX=max(X); end index = find(maxX == minX); minX(index) = minX(index) - 0.0001*(1 + abs(minX(index))); maxX(index) = maxX(index) + 0.0001*(1 + abs(maxX(index))); if opt==0 for i = 1:numcolums; X(:,i) = (X(:,i) - minX(i)) / (maxX(i) - minX(i)); end elseif opt ==1 minX=min(minX); maxX=max(maxX); X=(X-minX*ones(numrows,numcolums))/(maxX-minX); elseif opt ==2 minX = min(minX); maxX = max(maxX); maxX = maxX + 0.2*maxX; X = (X - minX*ones(numrows,numcolums))/(maxX-minX); end X = min(max(X,0),1); Chương trình tìm tâm theo giải thuật MC (MountainCluster): function [C]=MountainCluster(X,ra) [s1 s2] = size (X); alpha = 4/(ra^2); beta =4/((1.5*ra)^2); e_down = 0.15; e_up = 0.5; PC=ones(s1,s2+1); %% TAM DAU TIEN C1 d2=ones(s1); for i=1:s1; for j=1:s1; d2(i,j)=sum((X(i,:)-X(j,:)).^2); end end PMi=ones(s1,1); for i=1:s1; PMi(i,1)=sum(exp(-alpha*d2(:,i))); end PMi=[PMi X]; PMi = sortrows(PMi,-1); PC(1,:)=PMi(1,:); PMi(1,:)=[]; e_up = e_up*PC(1,1); e_down = e_down*PC(1,1); %% CAC TAM CON LAI Ck z=1; while z for i=1:size(PMi,1) d2=sum((PMi(i,2:end)-PC(z,2:end)).^2); PMi(i,1)=PMi(i,1)-PC(z,1)*exp(-beta*d2); end PMi = sortrows(PMi,-1); %% KIEM TRA DIEU KIEN CHAPNHAN/LOAIBO/DUNG TAM Ck =1; con1=1; while if PMi(1,1)>e_up PC(z+1,:) = PMi(1,:); PMi(1,:)=[]; z=z+1; break elseif PMi(1,1)=1; PC(z+1,:) = PMi(1,:); PMi(1,:)=[]; z=z+1; break else PMi(1,1)=0; PMi=sortrows(PMi,-1); end end end if con1 == break end end %% KET QUA : [C] PC(z+1:end,:)=[]; C=PC(:,2:end); Chương trình thiết lập mơ hình Fuzzy Logic (trainningFuzzyModel): function [matrix_X] = traindataFuzzyModel(C,Bsteps,ra,gama) [ss1 ss2]=size(C); [s1 s2] = size(Bsteps); Y=Bsteps(:,1:s2-1); Z=Bsteps(:,end); ysao=C(:,1:ss2-1); alpha = 4/(ra^2); %% TIM Muy VA Ro [d2]=ones(s1,ss1); for i = 1:s1; for j = 1:ss1; d2(i,j)=sum((Y(i,:)-ysao(j,:)).^2); end end Muy = exp((-alpha)*d2); SigmaMuy = sum(Muy,2); Ro=ones(s1,ss1); for k = 1:ss1 Ro(:,k)=Muy(:,k)./SigmaMuy; end %% TIM A matrix_A=[]; Ai=ones(s1,s2-1); for i =1:ss1 for j=1:s1; Ai(j,:) = Ro(j,i)*Y(j,:); end matrix_A = [matrix_A Ai Ro(:,i)]; end %% THAM SO X matrix_X=[]; [a1 a2]=size(matrix_A); S = gama*eye(a2,a2); matrix_X(:,1)=zeros(a2,1); for i =1:s1; a=matrix_A(i,:); b=Z(i,:); S = S - (S*(a')*a*S/(1+a*S*(a'))); matrix_X = matrix_X + S*(a')*(b-a*matrix_X); end Chương trình thiết lập Y n+1 (build_I_nplus1): function [Bst_nplus1]=build_I_nplus1(X,bh,bd,bw) str=size(X,1); Bst_nplus1=ones(1,bh+bd+bw); if bw == if bd ==0 for j = 1:bh Bst_nplus1(1,j)=X(str-(bh-j)); end else for j = 1:bd Bst_nplus1(1,j)=X(str+1-24*(bd-j+1)); end if bh ~= for j = 1:bh Bst_nplus1(1,j+bd)=X(str+1-(bh-j+1)); end end end else for j = 1:bw Bst_nplus1(1,j)=X(str+1-24*7*(bw-j+1)); end if bd ~= for j = 1:bd Bst_nplus1(1,j+bw)=X(str+1-24*(bd-j+1)); end if bh ~=0 for j = 1:bh Bst_nplus1(1,j+bw+bd)=X(str+1-(bh-j+1)); end end else if bh~=0 for j = 1:bh Bst_nplus1(1,j+bw)=X(str+1-(bh-j+1)); end end end end Chương trình thiết lập A n+1 (build_A_nplus1): function [A_nplus1]=build_A_nplus1(Bnplus1,C,ra) [ss1 ss2]=size(C); ysao=C(:,1:ss2-1); alpha=4/(ra^2); dist=ones(1,ss1); for j =1:ss1 dist(1,j)=sum(Bnplus1-ysao(j,:).^2); end muy_nplus1=exp((-alpha)*dist); Ro_nplus1=muy_nplus1/sum(muy_nplus1); A_nplus1 = []; for k =1:ss1 tem = Ro_nplus1(k)*Bnplus1; A_nplus1=[A_nplus1 tem Ro_nplus1(k)]; end Chương trình chuyển liệu hệ đơn vị thường (denormalizedata): function [X]=denormalizedata(X,minX,maxX,opt) [numrows numcolums] = size(X); if length(maxX)==1&&length(minX)==1 X = X*(maxX-minX)+minX*ones(numrows,numcolums); else if opt X(:,:)=(X(:,:)*(maxX(opt)-minX(opt)))+minX(opt); else for i=1:numcolums X(:,i) = (X(:,i) * (maxX(i) - minX(i))) + minX(i); end end end TÀI LIỆU THAM KHẢO [1] Aussem, A., J., and F Murtagh 1997 “Combining neural network forecasts on wavelet-transformed time series.” Connection Science (1): 113-121 [2] “Wavelet-based Multiresolution Forecasting”.UniS Technical Report(June 2005) [3] Chiu, S 1994 “Fuzzy Model Identification Based on Cluster Estimation.” Journal of Intelligent & Fuzzy Systems (3): 267-278 [4] Chiu, S 1997 “Extracting Fuzzy Rules from Data for Function Approximation and Pattern Classification.” D Dubois, H Prade, and R Yager (Eds.), Fuzzy Information Engineering: A Guided Tour of Applications John Wiley and Sons [5] Bojadzive,G., Bojadzive,M 2007 “Fuzzy Logic for business, finance and management” World Scientific Publishing Co Pte Ltd, Singapore [6] Genỗay, R., F Selcuk, and B Whitcher 2002 “An Introduction to Wavelets and Other Filtering Methods in Finance and Economics.” Academic Press, New York [7] Mallat, S 1989 “A Theory for Multiresolution Signal Decomposition: The Wavelet Representation.” IEEE Transactions on Pattern Analysis and Machine Intelligence 11: 674-93 [8] Zhang, X.P,, Tian, L.S., and Peng, Y.N 1996 “From the Wavelet series to Discrete Wavelet Transform – the Initialization” IEEE Trans Signal Process 44: No [9] Percival, D B., and A T Walden 2000 “Wavelet Methods for Time Series Analysis.” Cambridge University Press [10] Ramsey, J B 1999 “The contribution of wavelets to the analysis of economic and financial data.” Phil Trans R Soc Lond A 357: 2593-2606 [11] Shensa, M J 1992 “The discrete wavelet transform: wedding the àtrous and Mallat algorithms.” IEEE Trans Signal Process 40: 2464-248 ... tích Wavelet Fuzzy logic - Tìm hiểu ứng dụng Wavelet xây dựng mơ hình dự báo phụ tải - Ứng dụng phép phân tích Wavelet Fuzzy logic để dự báo phụ tải cho tỉnh Tiền Giang - So sánh kết dự báo với... hình dự báo phụ tải Phương pháp nghiên cứu: - Sử dụng phương pháp phân tích vận dụng phép biến đổi wavelet k ết hợp Fuzzy Logic để tạo giá trị ngõ mạng wavelet giá trị phụ tải điện cần dự báo. .. thuật điện I- Tên đề tài: Dự Báo Phụ Tải Điện Sử Dụng Mạng Wavelet Fuzzy II- Nhiệm vụ nội dung: Nội dung: - Nghiên cứu tìm hiểu phép phân tích Wavelet Fuzzy logic - Tìm hiểu ứng dụng Wavelet xây dựng