Giáo trình mạng _Chương 2

Chương 2: Dự báo và các phương pháp dự báo. - 31 - Chương II DỰ BÁO VÀ CÁC PHƯƠNG PHÁP DỰ BÁO Trong phần này, giới thiệu về dự báo và trình bày những phương pháp dự báo phụ tải để nâng cao khả năng cung cấp và giảm tổn thất trong cung cấp điện. I.KHÁI NIỆM CHUNG Dự báo là đi tìm một mô hình toán thích hợp mô tả đại lượng cần dự báo và các yếu tố khác. Việc xác đònh các tham số mô hình chính là bài tóan trọng tâm của dự báo.Về mặt lý luận các tính chất của mô hình dự đoán được nghiên cứu trên cơ sở giả đònh rằng nó được ứng dụng để dự đoán mọât quá trình nào đó sinh ra bằng một mô hình giải tích. Khoa học dự báo là một ngành còn non trẻ, trong đó vẫn còn nhiều vấn đề chưa hình thành trọn vẹn. Đối tượng nghiên cứu của khoa học này là các phương pháp dự báo, còn phạm vi ứng dụng của nó là các hiện tượng xã hội, kinh tế, khoa học kỹ thuật v.v… Hiện nay có nhiều phương pháp luận cho hoạt động dự báo mà hầu hết các phương pháp ấy đều mang tính chất kinh nghiệm thuần tuý. Vận dụng cách giải quyết theo kinh nghiệm vào việc dự báo là không đầy đủ, vì cách làm ấy chỉ hoàn toàn dựa trên những kinh nghiệm của giai đoạn quá khứ mà các kinh nghiệm ấy không phải lúc nào cũng có thể vận dụng vào hoàn cảnh đã thay đổi so với trước. Do đó cần phải hoàn thiện về mặt lý thuyết các vấn đề dự báo. Sự hoàn thiện ấy cho phép chúng ta có thêm cơ sở tiệm cận với việc lựa chọn các phương pháp dự báo, đánh giá mức độ chính xác của dự báo đồng thời xác đònh khoảng thời gian lớn nhất có thể dùng cho dự báo. Tóm lại dự báo là một khoa học quan trọng, nhằm mục đích nghiên cứu những phương pháp luận khoa học, làm cơ sở cho việc đề xuất các dự báo cụ thể, cũng như việc đánh giá mức độ tin cậy, mức độ chính xác của các phương pháp dự báo. Tác dụng của dự báo đối với quản lý kinh tế nói chung rất lớn. Dự báo và lập kế hoạch là hai giai đoạn liên kết chặt chẽ với nhau của một quá trình quản lý. Trong mối quan hệ ấy phần dự báo sẽ góp phần giải quyết các vấn đề cơ bản sau: - Xác đònh xu thế phát triển của kinh tế, của khoa học kỹ thuật . - Đề xuất những yếu tố cụ thể quyết đònh các xu thế ấy . - Xác đònh quy luật và đặc điểm của sự phát triển kinh tế và khoa học kỹ thuật theo dự báo. Chúng ta hiểu rằng nếu công tác dự báo mà dựa trên lập luận khoa học thì sẽ trở thành cơ sở để xây dựng các kế hoạch phát triển nền kinh tế quốc dân. Đặc biệt đối với ngành năng lượng thì tác dụng của dự báo càng có ý nghóa quan trọng vì Chương 2: Dự báo và các phương pháp dự báo. - 32 - năng lượng có liên quan rất chặt chẽ đối với tất cả các ngành kinh tế quốc dân, cũng như mọi sinh hoạt bình thường của nhân dân. Do đó nếu dự báo không chính xác hoặc sai lệch quá nhiều về khả năng cung cấp hoặc về nhu cầu năng lượng thì sẽ dẫn đến những hạn chế không tốt cho nền kinh tế. Ví dụ nếu chúng ta dự báo phụ tải quá thừa so với nhu cầu sử dụng thì dẫn đến hậu quả là huy động nguồn vốn quá lớn, tăng vốn đầu tư, tăng tổn thất năng lượng. Ngược lại nếu ta dự báo phụ tải quá thấp so với nhu cầu thì sẽ không đủ năng lượng cung cấp cho các hộ tiêu thụ và tất nhiên dẫn đến việc cắt bớt một số phụ tải một cách không có kế hoạch gây thiệt hại cho nền kinh tế quốc dân. Người ta thường phân loại dự báo theo thời gian dài hạn hay ngắn hạn và gọi là tầm dự báo. (Dự báo ngắn hạn khoảng 1 ÷2 năm, dự báo hạn vừa 3 ÷10 năm, và dự báo dài hạn khoảng 15 ÷ 20 năm và dài hơn nữa ). Riêng đối với dự báo dài hạn (còn gọi là dự báo triển vọng ) thì mục đích chỉ là nêu ra các phương hướng phát triển có tính chất chiến lược về mặt kinh tế, về mặt khoa học kỹ thuật. Nói chung không yêu cầu xác đònh chỉ tiêu cụ thể. Tính đúng đắn của dự báo phụ thuộc nhiều vào các phương pháp dự báo mà chúng ta áp dụng, mỗi phương pháp dự báo ứng với các sai số cho phép khác nhau. Đối với các dự báo ngắn hạn, sai số cho phép khoảng 5 ÷ 10%. Còn đối với dự báo dài hạn sai số cho phép khoảng 5 ÷ 15% và có khi còn cho phép đến 20%. Ngoài các loại dự báo ngắn hạn và dài hạn nói trên chúng ta còn gặp dự báo điều độ, tầm dự báo khoảng vài giờ, vài ngày, vài tuần lễ để phục vụ cho các công tác vận hành của các xí nghiệp , các hệ thống điện. Sai số dự báo này khoảng 3 ÷ 5%. II. CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG Trong phần này chúng ta sẽ lần lượt nghiên cứu một số phương pháp dự báo thường được ứng dụng trong ngành năng lượng để dự báo nhu cầu điện năng. II.1. Phương pháp bình phương cực tiểu II.1.1. Khái niệm chung Trước hết chúng ta hãy xem xét một trường hợp đơn giản nhất gồm có hai biến ngẫu nhiên liên hệ với nhau bằng một hàm dạng tuyến tính : y = α + βx Trong đó a, b là hằng số, x là biến độc lập, y là biến phụ thuộc. Nếu xét đến ảnh hưởng của các hiện tượng ngẫu nhiên thì phương trình trên có thể viết một cách tổng quát như sau: y = α + βx + ε Trong đó nhiễu ε có các giả thiết như sau : Chương 2: Dự báo và các phương pháp dự báo. - 33 - - ε là một biến ngẫu nhiên - Kỳ vọng toán học của ε bằng không - Phương sai của ε là hằng số - Các giá trò của ε không phụ thuộc lẫn nhau Dựa vào kết quả thống kê chúng ta thu được một dãy các giá trò x i , tương ứng sẽ có một dãy các giá trò y i. Vấn đề là xác đònh các thông số α và β. Nhưng giá trò thực của chúng không thể biết được vì chúng ta dựa vào một lượng thông tin hạn chế, nên chỉ nhận được các giá trò tính toán gần đúng a và b. Do đó phương trình hồi quy có dạng: bx a y += ) Trong đó các hệ số a và b được xác đònh theo phương pháp bình phương tối thiểu. Thực chất của phương pháp bình phương tối thiểu là tìm các thông số như thế nào để tổng bình phương độ lệch giá trò tính toán theo phương trình hồi quy với giá trò thực tế của chúng là nhỏ nhất, nghóa là: min )yy( n 1i 2 ii ⇒− ∑ = ) (2.1) Phương pháp bình phương tối thiểu được ứng dụng phổ biến vì tính chất đơn giản của nó, tính toán ít phức tạp và có cơ sở vững chắc về mặt xác suất. Điều đáng chú ý là theo phương pháp bình phương tối thiểu với giả thiết ε đã nêu ở trên thì các giá trò hệ số nhận được theo phương trình hồi quy có các tính chất sau đây : - Cách đánh giá thông số là không chệch, nghóa là kỳ vọng toán học của giá trò thông số bằng giá trò thực của thông số ấy. - Các giá trò quan sát được là xác đáng nghóa là phương sai của các giá trò ấy tiến tới không, khi tăng số lần quan sát n lên. - Các giá trò quan sát được là hiệu quả nghóa là chúng có phương sai nhỏ nhất. Chúng ta biết rằng cùng một giá trò có thể có nhiều ước lượng không chệch và xác đáng, các ước lượng này có phương sai khác nhau. Do đó phương sai của các ước lượng nào bé thì sai số của ước lượng đó nhỏ. Vì vậy chọn phương sai cực tiểu sẽ đặc trưng cho giá trò quan sát là có hiệu quả . II.1.2. Biểu thức toán học để xác đònh các hệ số của mô hình dự báo Giả thiết rằng có hàm số liên tục y = ϕ(x,a,b,c,…). Xác đònh các hệ số a,b,c,… sau cho thỏa điều kiện : ∑ = ϕ− n i i c, .)]b,a,(x, [y 1 -> min (2.2) Muốn vậy chúng ta lần lượt lấy đạo hàm công thức trên theo a, b, c, … và cho triệt tiêu chúng ta sẽ được một hệ phương trình : Chương 2: Dự báo và các phương pháp dự báo. - 34 - ∑ = ϕ− n i i c, .)]b,a,(x, [y 1 0= ∂ ϕ∂ a ∑ = ϕ− n i i c, .)]b,a,(x, [y 1 0= ∂ ϕ∂ b (2.3) ∑ = ϕ− n i i c, .)]b,a,(x, [y 1 0= ∂ ϕ∂ c Giải hệ phương trình trên chúng ta sẽ xác đònh các hệ số a, b, c, … Ví dụ 1.5: Dạng phương trình : y = ax + b Theo (2.3) ta có 0 1 =+− ∑ = n i iii xb)](ax [y 0 1 =+− ∑ = n i ii b)](ax [y Hay: ∑ = n i 2 i x a 1 + ∑ = n i i x b 1 = ∑ = n i ii yx 1 ∑ = n i i x a 1 + nb = ∑ = n i i y 1 Đây là hệ thống 2 phương trình 2 ẩn số. Giải hệ thống phương trình này sẽ xác đònh được a và b. Dạng phương trình y = ax 2 + bx + c thì (2.3) sẽ là: ∑ = n i a 1 4 i x + ∑ = n i b 1 3 i x + ∑ = n i c 1 2 i x = ∑ = n i i y 1 2 i x ∑ = n i a 1 3 i x + ∑ = n i b 1 2 i x + ∑ = n i c 1 i x = ∑ = n i i y 1 i x ∑ = n i a 1 2 i x + ∑ = n i b 1 i x + n . c = ∑ = n i 1 i y Chương 2: Dự báo và các phương pháp dự báo. - 35 - Cũng giải phương trình trên để xác đònh a, b, c II.2 Phương pháp tính hệ số vượt trước Phương pháp này giúp ta thấy được khuynh hướng phát triển của nhu cầu và sơ bộ cân đối nhu cầu này với nhòp độ phát triển năng lượng điện với nhòp độ phát triển của toàn bộ nền kinh tế quốc dân. Ví dụ 1-1 :Trong thời gian 5 năm từ năm 1950 -> 1955 sản lượng công nghiệp của Liên Xô tăng từ 100 lên 185% còn sản lượng điện năng cũng trong thời gian ấy tăng 186,5% Như vậy hệ số vượt trước sẽ là: K= 185 5186, =1,01 Ở miền Bắc nước ta từ 1955 -> 1960 hệ số vượt trước là 0,81 từ năm 1960-> 1965 hệ số vượt trước là 1,13. Như vậy phương pháp này chỉ nói lên một xu thế phát triển với một mức độ chính xác nào đó và trong tương lai xu thế này còn chòu ảnh hưởng của nhiều yếu tố khác nữa, chẳng hạn như: - Do tiến bộ về mặt khoa học kỹ thuật và quản lý nên suất tiêu hao điện năng đối với mỗi sản phẩm công nghiệp ngày càng giảm xuống. - Do điện năng ngày càng được sử dụng rộng rãi trong các ngàng kinh tế quốc dân và các đòa phương. - Do cơ cấu kinh tế không ngừng thay đổi. Vì những yếu tố trên mà hệ số vượt trượt có thể khác 1 và tăng hay giảm khá nhiều. Dựa vào hệ số K để xác đònh điện năng ở năm dự báo. II.3. Phương pháp tính trực tiếp Nội dung của phương pháp này là xác đònh nhu cầu điện năng của năm dự báo, dựa trên tổng sản lượng kinh tế của các ngành ở năm đó và suất tiêu hao điện năng đối với từng loại sản phẩm. Đối với những trường hợp không có suất tiêu hao điện năng thì xác đònh nhu cầu điện năng cho từng trường hợp cụ thể (như công suất điện trung bình cho một hộ gia đình, bệnh viện, trường học v.v…). Phương pháp tính trực tiếp thường được ứng dụng ở các nước xã hội chủ nghóa vì nền kinh tế phát triển có kế hoạch, ổn đònh, không có sự cạnh tranh nhau và không có khủng hoảng. Phương pháp này có ưu điểm là tính toán đơn giản, và ngoài yêu cầu xác đònh tổng điện năng dự báo chúng ta còn biết được tỷ lệ sử dụng điện năng trong các ngành kinh tế, chẳng hạn tỷ lệ điện năng dùng cho công nghiệp, nông ngiệp, dân dụng v.v…, cũng như xác đònh được nhu cầu điện ở các khu vực đòa lý khác nhau. Từ đó có thể đề xuất các phương hướng điều chỉnh, quy hoạch cho Chương 2: Dự báo và các phương pháp dự báo. - 36 - cân đối. Tuy nhiên xác đònh mức độ chính xác của phương pháp này cũng gặp nhiều khó khăn vì nó phụ thuộc vào mức độ chính xác của tổng sản lượng các ngàng kinh tế quốc dân trong tương lai dự báo, cũng như phụ thuộc vào suất tiêu hao điện năng của một đơn vò sản phẩm sản xuất ra của các ngành kinh tế ấy. Do đó phương pháp này thường được áp dụng để dự báo nhu cầu điện năng với thời gian ngắn và trung bình. II.4. Phương pháp so sánh đối chiếu Nội dung của phương pháp này là so sánh đối chiếu nhu cầu phát triển điện năng của các nước có hoàn cảnh tương tự. Đây cũng là phương pháp được nhiều nước áp dụng để dự báo nhu cầu năng lượng của nước mình một cách hiệu quả. Phương pháp này thường áp dụng cho dự báo ngắn hạn và trung hạn thì kết quả tương đối chính xác hơn. II.5. Phương pháp chuyên gia Trong nhữõng năm gần đây nhiều nước đã áp dụng phương pháp chuyên gia có trọng lượng, dựa trên những hiểu biết sâu sắc của các chuyên gia giỏi về các lónh vực của các ngành để dự báo các chỉ tiêu kinh tế. Cũng có khi dùng phương pháp này để dự báo triển vọng, lúc ấy người ta lấy trung bình trọng lượng ý kiến của các chuyên gia phát biểu về năng lượng của nước mình. II.6. Phương pháp san bằng hàm mũ Mỗi toán tử dự báo được đặc trưng bởi một hàm hồi quy ( còn gọi là hàm xu thế). Trong các hàm hồi quy ấy, thường các hệ số được xác đònh theo phương pháp bình phương tối thiểu. Bản thân phương pháp này cho ta các hệ số không đổi của mô hình dự báo trên cơ sở những số liệu quan sát trong quá khứ. Sử dụng mô hình này để tính dự báo cho tương lai với các hệ số hằng sẽ phạm một sai số nào đó tuỳ thuộc vào khoảng thời gian dự báo. Nếu tầm dự báo càng xa thì sai số càng lớn. Ngoài ra nhận thấy rằng những số liệu gần hiện tại có ảnh hưởng đến giá trò dự báo nhiều hơn những số liệu ở quá khứ xa. Nói cách khác tỉ trọng của các số liệu đối với giá trò dự báo giảm theo hàm mũ khi lùi về quá khứ. Dưới đây trình bài phương pháp dự báo bằng cách san bằng hàm mũ. Nội dung cơ bản của phương pháp này là tính toán sự hiệu chỉnh các hệ số của toán tử dự báo theo phương pháp truy ứng. Tiếp theo trình bài sự phụ thuộc của sai số dự báo trung bình vào thời kỳ quá khứ và thời kỳ dự báo. Dự báo theo phương pháp san bằng hàm mũ Giả thiết có một chuỗi thời gian y t (t=1,2,…,n) và được mô tả bằng một đa thức bậc p. y t = a 0 +a 1 t+ 2 2 2 t ! a + … + p p t !p a + ε t = i i p i t !i a ∑ =0 + ε i (2.4) Chương 2: Dự báo và các phương pháp dự báo. - 37 - Trong đó a i ,t=0,1,…,p là hệ số của hàm dự báo, ε t là sai số dự báo. Dựa vào đây cần dự báo giá trò y t tại thời điểm (n+l) với l=1,2,…,L. Dự báo giá trò y t tại thời điểm (t+l) (với t=n) có thể thực hiện theo phương pháp phân tích chuỗi Taylor y t+l = y t (0) + l y t (1) + (2) t y ! l 2 2 + … + (p) t p y !p l (2.5) Trong đó y t (k) là đạo hàm bậc k tại thời điểm t, và bất cứ đạo hàm bậc k nào (với k=0,1,2,…, p) của phương trình (2.5) đều có trể biểu diển bằng một tổ hợp tuyến tính của trung bình mũ đến bậc (p+1), và ta cần xác đònh trung bình mũ ấy Giá trò trung bình mũ bậc một của chuỗi y t xác đònh như sau : S t [1] (y)= α ∑ = α− n i i-t i y )( 0 1 (2.6) Trong đó α là hệ số san bằng 0<α<1, nó thể hiện ảnh hưởng của các quan sát quá khứ đến dự báo. Nếu α tiến tới 1, nghóa là chỉ xét đến quan sát sau cùng. Nếu α tiến tới không, nghóa là xét đến ảnh hưởng của mọi quan sát trong quá khứ. Giá trò trung bình mũ bậc k của chuỗi y t được biểu diễn theo bậc [k-1] S t [k] (y)= α ∑ = α− n i 1]-[k 1-t i (y) S )( 0 1 (2.7) Brown.R.G đã phân tích công thức truy ứng để xác đònh trung bình mũ như sau: S t [k] (y)= α S t [k-1] (y) +(1-α) S t-1 [k] (y) (2.8) Như vậy xuất phát từ công thức truy ứng (2.8) tất cả các đạo hàm trong công thức (2.5) đều có thể nhận được theo các phương trình : S t [1] (y)= α (y t ) +(1-α) S t-1 [1] (y) S t [2] (y)= α S t [1] (y) +(1-α) S t-1 [2] (y) …. … …. … … . . . . . . (2.9) S t [n] (y)= α S t [n-1] (y) +(1-α) S t-1 [n] (y) Trong đó S t [k] (y) là trung bình mũ bậc k tại thời điểm t. Xác đònh các giá trò của hệ số mô hình dự báo Bây giờ xét một mô hình tuyến tính có dạng y t = a 0 + a 1 t + ε t (2.10) Chương 2: Dự báo và các phương pháp dự báo. - 38 - Để xác đònh các hệ số của phương trình (2.10) ta dùng đònh lý cơ bản của Brow R.G và Meyer R.F, nhận được một hệ thống phương trình biểu diển mối quan hệ giữa giá trò các hệ số a 0 , a 1 với trung bình mũ S t [1] (y), S t [2] (y) như sau: S t [1] (y) = 10 a -1 a ˆ )) α α + (2.11) S t [2] (y) = 20 a )-2.(1 a ˆ )) α α + Giải hệ thống phương trình trên tìm được: 0 a ˆ ) = 2.S t [1] (y) - S t [2] (y) 1 a ˆ ) = α− α 1 [S t [1] (y)- S t [2] (y) ] (2.12) Như vậy hàm dự báo lúc này có dạng la a y 101-t ))) += (2.13) và sai số dự báo xác điònh theo công thức : [ ] 222 3 1 234215141 2 ll)()()( )( t t y α+α−α+α−+α−+ α− α σ=σ ε + ) (2.14) Trong đó σ εt là sai số trung bình bình phương (hay độ lệch quân phương) của các quan sát trong quá khứ. Xác đònh điều kiện đầu Từ công thức (2.8) ở trên nhận thấy rằng, muốn xác đinh thủ tục san bằng cần phải quy đònh đại lượng ban đầu (điều kiện đầu kí hiệu là S 0 (y)). Điều kiện đầu đối với mô hình (2.10) có dạng S 0 [1] (y) = a 0 - α α−1 a 1 (2.15) S 0 [2] (y) = a 0 – 2. α α−1 a 1 Xác đònh thông số san bằng α tối ưu Khi xây dựng mô toán tử dự báo theo phương pháp san bằng hàm mũ một vấn đề quan trọng cần quan tâm là xác đònh thông số san bằng tối ưu α. Rõ ràng là với mỗi α khác nhau thì kết quả dự báo sẽ khác nhau. Giá trò α được tính theo công thức sau: Chương 2: Dự báo và các phương pháp dự báo. - 39 - α = 1 2 +m (2.16) Trong đó m là số quan sát được trong khoảng san bằng. II.7. Phương pháp ngoại suy theo thời gian (Chuỗi thời gian): Ở đây chúng ta dùng phương pháp ngoại suy theo thời gian nghóa là nghiên cứu sự diễn biến của nhu cầu điện năng trong một thời gian quá khứ ổn đònh, tìm ra một quy luật nào đó, rồi kéo dài quy luật đó ra để dự đoán trong tương lai. Trong phương pháp này có rất nhiều mô hình dự báo. Ở đây xin giới thiệu những mô hình thường sử dụng sau đây: a)Mô hình có dạng hàm giải tích: Giả sử mô hình có dạng hàm mũ như sau: A t = A 0 (1 + α) t (2.17) Trong đó: At là điện năng dự báo ở năm thứ t A0 là điện năng ở năm chọn làm gốc α là tốc độ phát triển bình quân hàng năm t thời gian dự báo. Để xác đònh thừa số (1+α) chúng ta dựa vào biểu thức (2.3) const A A t )t( =α+= + 1 1 =C Như vậy dạng hàm mũ có dạng đơn giản, phản ánh chỉ số phát triển hàng năm không thay đổi. Có thể xác đònh hằng số C bằng cách lấy giá trò trung bình nhân chỉ số phát triển nhiều năm : C = n n C .C.C 21 (2.18) Một cách tổng quát mô hình dự báo điện năng có thể viết như sau: At = A0Ct (2.19) Lấy logarit hóa biểu thức (2.19) LogAt = logA0 + t.logC (2.20) Đặt y= logAt ; a=logA0 ; b= logC Thì (2.20) có thể viết: y = a+ b.t (2.21) Vấn đề là phải xác đònh các hệ số a, b. Muốn vậy ta dùng phương pháp bình phương cực tiểu (đã được trình bày ở phần trước). Ưu điểm của phương pháp ngoại suy hàm mũ là đơn giản và có thể áp dụng để dự báo điện năng tầm ngắn và tầm xa. Khuyết điểm của phương pháp này là chỉ Chương 2: Dự báo và các phương pháp dự báo. - 40 - cho kết quả chính xác nếu tương lai không có nhiễu và quá khứ phải tuân theo một qui luật. b- Mô hình Brown: Hàm dự báo tuyến tính có dạng : Y=a+bt Ta có các công thức tính các hệ số của mô hình như sau : a(t) =a(t-1)+b(t-1) + (1-β²).e(t-1) ; b(t) =b(t-1) + (1-β)².e(t-1). Trong đó: β hệ số c-Mô hình Baeys: Chuỗi thời gian y có phân bố f(y|θ) (phụ thuộc vào θ). Đánh giá mới sẽ thu được ở dạng h 1 (θ|y) gọi là phân phối hậu nghiệm theo Bayes: h 1 (θ/y) = )( )/()( 0 yg yfh θθ d-Mô hình Neural : Y=F(NET) NET=W*X Trong đó: Y là ma trận đầu ra của mạng Neural X là ma trận đầu vào của mạng Neural F là hàm truyền của các Neural trong mạng W là ma trận trọng số e-Mô hình theo Wavelet: Hàm phân bố có dạng: tbiii N i i GttRDtg +−Ψ= ∑ = )]([)( 1 ω với: N: số wavelet: ω:trọng số mô hình ψ: Hàm mẹ (mother) Di: ma trận tỉ lệ Ri: ma trận quay; t: biến của hàm. ti: hệ số truyền dẫn (translation). Gtb: trung bình cộng của biến đầu vào. [...]... 27 28 29 30 31 32 33 34 35 679.8 580.3 681.4 733.4 711.4 694.6 696.5 650.3 6 52 717.6 691.7 678.3 709.5 724 .7 680 657.5 7 02. 7 2. 8 523 19 2. 85 121 2 2. 846347 2. 845 628 2. 846 723 2. 847 023 2. 846 729 2. 846517 2. 8446 62 2.8 429 72 2.843689 2. 84348 2. 8 428 1 2. 84 326 2 2. 84 420 1 2. 843551 2. 8 421 26 2. 85 525 7 2. 855033 2. 85455 2. 854055 2. 853647 2. 85 327 9 2. 8 529 15 2. 8 525 6 2. 8 521 21 2. 851613 2. 851173 2. 850745 2. 850304 2. 849913 2. 849596... 1089 1156 122 5 14910 2. 848435 2. 856 729 2. 867703 2. 86368 2. 840043 2. 7 923 92 2.856789 2. 859918 2. 869818 2. 864511 2. 845594 2. 8 323 81 2. 763653 2. 8334 02 2.865341 2. 8 521 14 2. 841735 2. 8 429 21 2. 813114 2. 81 424 8 2. 8558 82 2.839918 2. 831 422 2. 8509 52 2.860158 2. 8 325 09 2. 817896 2. 84677 99.486 62 22. 78748 25 .71056 28 .67703 31.50048 34.080 52 36.30109 39.99505 42. 89878 45.91709 48.69669 51 .22 069 53.81 524 55 .27 305 59.50144... 2. 86 029 3 2. 859699 2. 85 922 2 2. 858 825 2. 8585 12 2.858195 2. 857901 2. 857609 2. 857346 2. 857144 2. 856984 2. 856788 2. 856415 2. 856084 2. 8558 2. 85559 2. 85543 a0 2. 848871 2. 837853 2. 839499 2. 843 029 2. 845333 2. 847858 2. 847401 2. 847903 2. 847698 2. 848414 2. 85 026 3 2. 8515 32 2.850148 2. 843735 2. 8448 12 2.846148 2. 8484 52 2.849999 - 44 - a1 -0.00036 -0.00066 -0.00059 -0.00048 -0.0004 -0.00031 -0.000 32 -0.00 029 -0.00 029 -0.00 026 ... 730.6 11 12 691.9 12 13 620 13 14 719.1 14 15 724 .3 15 16 741 16 17 7 32 17 18 700.8 18 19 679.8 19 20 580.3 20 21 681.4 21 22 733.4 22 23 711.4 23 24 694.6 24 25 696.5 25 26 650.3 26 27 6 52 27 28 717.6 28 29 691.7 29 30 678.3 30 31 709.5 31 32 724 .7 32 33 680 33 34 657.5 34 35 7 02. 7 35 Tổng 24 401.3 630 64 81 100 121 144 169 196 22 5 25 6 28 9 324 361 400 441 484 529 576 625 676 729 784 841 900 961 1 024 1089... Bảng 2. 4: Bảng kết quả tính toán theo phương pháp san bằng hàm mũ t Thực tế 1 5 62. 1 2 722 3 753.5 4 738.4 5 744.7 6 701.8 7 715.6 8 705.4 9 719 10 737.4 11 730.6 12 691.9 13 620 14 719.1 15 724 .3 16 741 17 7 32 18 700.8 St1 2. 8549 12 2.849073 2. 849599 2. 851 126 2. 8 520 79 2. 853185 2. 8 527 98 2. 8 529 02 2.8 526 54 2. 8 528 8 2. 853704 2. 85 425 8 2. 853468 2. 850075 2. 850448 2. 850974 2. 8 520 21 2. 8 527 15 St2 2. 860953 2. 86 029 3... 2. 849596 2. 84 926 2. 848864 2. 849381 2. 847391 2. 838144 2. 83 720 2 2. 839799 2. 840766 2. 840543 2. 840475 2. 83 720 2 2. 834331 2. 83 620 6 2. 83 621 4 2. 835315 2. 836611 2. 838806 2. 837843 2. 835388 -0.00017 -0.00 022 -0.00048 -0.0005 -0.00041 -0.00037 -0.00036 -0.00036 -0.00044 -0.00051 -0.00044 -0.00043 -0.00044 -0.00039 -0.000 32 -0.00034 -0.0004 701.8917 3 .25 696.8189 20 .08 673.7 422 1. 12 671.1081 8.49 677.39 4.78 679.6754 2. 15... St1 St2 a0 a1 Dự báo e% 37 695 2. 8 426 14 2. 848176 2. 837051 -0.00033 668.7 625 3.78 38 687 2. 8 425 79 2. 847865 2. 83 729 2 -0.00031 669.5554 2. 54 39 750.9 2. 8 422 67 2. 847554 2. 836979 -0.00031 668.5887 10.96 - 45 - Chương 2: Dự báo và các phương pháp dự báo 40 757.1 2. 844117 2. 847363 2. 840871 -0.00019 681.4355 9.99 41 639 2. 846064 2. 84 729 1 2. 844837 -7.2E-05 694.9 421 8.75 42 706 2. 84381 2. 847098 2. 840 523 -0.00019... -0.00 026 -0.00 02 -0.00016 -0.00 02 -0.00037 -0.00033 -0.00 028 -0.00 021 -0.00016 Tính toán e% 5 62. 1 0.00 687.3745 4.80 689.1454 8.54 694.3851 5.96 697. 824 2 6 .29 701. 925 8 0. 02 700.6418 2. 09 701 .20 44 0.59 700.4 324 2. 58 701.5348 4.86 705.0815 3.49 707.5679 2. 26 704.3753 13.61 690.0586 4.04 6 92. 1031 4.45 694.8485 6 .23 699.9917 4.37 703.5 324 0.39 Chương 2: Dự báo và các phương pháp dự báo 19 20 21 22 23 24 25 26 ... mẫu quan sát ( từ ngày 3/9 /20 03 đến 7/10 /20 03) Ta bắt đầu dự báo cho cột đầu tiên ( giờ thứ 1): Bảng 2. 3: Bảng số liệu cơ sở ti ti2 m At 1 5 62. 1 1 1 2 722 2 4 3 753.5 3 9 4 738.4 4 16 5 744.7 5 25 6 701.8 6 36 7 715.6 7 49 - 42 - logAt 2. 749814 2. 858537 2. 877083 2. 86 829 2 2. 871981 2. 84 621 3 2. 85467 ti*logAt 2. 749814 5.717074 8.63 125 11.47317 14.35991 17.07 728 19.9 826 9 Chương 2: Dự báo và các phương pháp... 51 .22 069 53.81 524 55 .27 305 59.50144 63.0375 65.598 62 68 .20 163 71.07303 73.14096 75.98469 79.96471 82. 357 62 84.9 426 5 88.379 52 91. 525 06 93.4 727 9 95.80846 99.63695 1789.491 Trong đó: m: Số mẫu quan sát trong khoảng san bằng At: Điện năng thực tế Dùng phương pháp bình phương tối thiểu để xác đònh các hệ số a0 , a1 ta có hệ phương trình sau: 35 35 i =1 i =1 LogC ∑ t i2 + logA0 ∑ t i = 35 LogC ∑ t i + 35.logA0 = . 3 .25 20 580.3 2. 85 121 2 2. 855033 2. 847391 -0.00 022 696.8189 20 .08 21 681.4 2. 846347 2. 85455 2. 838144 -0.00048 673.7 422 1. 12 22 733.4 2. 845 628 2. 854055 2. 83 720 2. 53.81 524 20 580.3 20 400 2. 763653 55 .27 305 21 681.4 21 441 2. 8334 02 59.50144 22 733.4 22 484 2. 865341 63.0375 23 711.4 23 529 2. 8 521 14 65.598 62 24 694.6 24