Thiết kế chương trình dự báo phụ tải điện cho tỉnh bình dương sử dụng neural network

MỤC LỤC * GIỚI THIỆU ĐỀ TÀI Đặt vấn ñeà Nhiệm vụ mục tiêu luận văn Những nghiên cứu đề tài Những kết đạt Chương 1: THỰC TRẠNG VỀ PHỤ TẢI ĐIỆN CỦA TỈNH BÌNH DƯƠNG 1.1 LỊCH SỬ PHÁT TRIỂN CỦA TỈNH BÌNH DƯƠNG 1.2 THỰC TRẠNG VỀ PHỤ TẢI ĐIỆN CỦA TỈNH BÌNH DƯƠNG 1.2.1 Tình hình tiêu thụ điện tỉnh Bình Dương qua năm 1.2.2 Hiện trạng khu công nghiệp tập trung 10 1.2.2.1 Khu công nghiệp 10 1.2.2.2 Khu sản xuất công nghiệp 11 1.2.2.3 Tốc độ tăng trưởng GDP 14 Chương 2: DỰ BÁO VÀ CÁC PHƯƠNG PHÁP DỰ BÁO 2.1 KHÁI NIỆM CHUNG 15 2.2 CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG 16 2.2.1 Phương pháp bình phương cực tiểu 16 2.2.1.1 Khaùi nieäm chung 16 2.2.1.2 Các biểu thức toán học để xác định hệ số mô hình dự báo 17 2.2.2 Phương pháp tính hệ số vượt trước 19 2.2.3 Phương pháp tính trực tiếp 20 2.2.4 Phương pháp so sánh đối chiếu 20 2.2.5 Phương pháp chuyên gia 21 2.2.6 Phương pháp san hàm mũ 21 2.2.7 Phương pháp ngoại suy theo thời gian 23 2.2.7.1 Mô hình có dạng hàm giải tích 24 2.2.7.2 Mô hình Brown 25 2.2.7.3 Mô hình Baeys 25 2.2.7.4 Mô hình Neural 25 2.2.7.5 Mô hình theo Wavelet 25 2.2.8 Phương pháp tương quan 26 2.3 KẾT QUẢ DỰ BÁO THEO PHƯƠNG PHÁP SAN BẰNG HÀM MŨ 27 Chương 3: TỔNG QUAN VỀ MẠNG NEURAL 3.1 LỊCH SỬ PHÁT TRIỂN CỦA MẠNG NEURAL 31 3.2 MẠNG NEURAL VÀ CÁC KHÁI NIỆM CƠ BẢN 32 Trang 3.2.1 Giới thiệu mạng Neural 32 3.2.2 Cấu trúc phân loại maïng Neural 36 3.2.2.1 Phân loại theo cấu trúc 36 3.2.2.2 Phân loại theo phương pháp dạy 37 3.2.3 Cấu trúc mạng Neural 38 3.2.3.1 Mạng Neural lớp 38 3.2.3.2 Mạng Neural nhiều lớp 39 3.3 LUẬT HỌC VÀ CÁC PHƯƠNG PHÁP DẠY MẠNG 41 3.3.1 Luật học sữa loãi 41 3.3.2 Luật học Hebbian 41 3.3.3 Luật học cạnh tranh 43 3.3.4 Giải thuật hoïc Delta 43 3.3.5 Giải thuật học Delta tổng quát 47 3.3.6 Các mạng nuôi tiến giải thuật truyền ngược 49 3.4 KHÁI QUÁT MỘT SỐ MẠNG NEURAL NHÂN TẠO 53 3.4.1 Maïng Maccalox 53 3.4.2 Maïng Perceptron 53 3.4.3 Maïng Multilayer Perceptrons 55 3.4.4 Maïng Hopfield 56 3.4.5 Maïng Hemmin 57 3.4.6 Maïng Functional Link Net 59 3.5 CÁC ỨNG DỤNG CỦA MẠNG NEURAL 59 Chương 4: THIẾT KẾ MẠNG NEURAL ỨNG DỤNG VÀO DỰ BÁO 4.1 TRÌNH TỰ THIẾT KẾ 61 4.2 PHAÂN TÍCH DỮ LIỆU 61 4.2.1 Phân tích liệu theo phng pháp chuỗi thời gian 61 4.2.2 Phân tích liệu theo phương pháp tương quan 63 4.3 NHỮNG MẠNG NEURAL VÀ GIẢI THUẬT HUẤN LUYỆN ỨNG DỤNG DỰ BÁO PHỤ TẢI CHO TỈNH BÌNH DƯƠNG 65 4.3.1 Maïng Neural 65 4.3.1.1 Maïng Feed-forward backpropagation 65 4.3.1.2 Maïng Elman backpropagation 67 4.3.1.3 Maïng Cascade-forward backpropagation 70 4.3.1.4 Maïng Feed-forward input-delay backpropagation 71 4.3.2 Giải thuật huấn luyện 72 4.3.2.1 Giải thuật gradient liên hợp (Traincgf, Traincgp, Traincgb, Trainscg) 72 4.3.2.2 Giải thuật thay đổi tốc độ học (Traingda, Traingdx) 73 4.3.2.3 Giải thuật truyền ngược đàn hoài (Trainrp) 74 Trang 4.3.2.4 Phương pháp Quasi-Newton (Trainbfg) 74 4.3.2.5 Giải thuật cắt bước (Trainoss) 75 4.3.2.6 Giải thuật Levenberg-Marquardt (Trainlm) 75 4.4 ỨNG DỤNG DỰ BÁO PHỤ TẢI ĐIỆN CHO TỈNH BÌNH DƯƠNG 77 4.4.1 Dự báo ngắn hạn 77 4.4.2 Dự báo dài hạn 77 4.4.2.1 Dự báo theo mô hình chuỗi thời gian 78 4.4.2.2 Dự báo theo mô hình tương quan 80 Chương 5: PHẦN MỀM DỰ BÁO PHỤ TẢI ĐIỆN 5.1 NHẬP DỮ LIỆU 88 5.1.1 Nhập liệu theo phương pháp chuỗi thời gian 88 5.1.2 Nhập liệu theo phương pháp tương quan 89 5.2 HUAÁN LUYỆN MẠNG 91 5.2.1 Loaïi maïng 91 5.2.2 Số neural lớp ẩn hàm truyền lớp 92 5.2.2.1 Số neural 92 5.2.2.2 Hàm truyền 92 5.2.3 Giaûi thuật huấn luyện 94 5.2.4 Các thông số khác 94 5.3 KẾT QUẢ HUẤN LUYỆN VÀ QUÁ TRÌNH DỰ BÁO 95 5.3.1 Kết huấn luyện 95 5.3.2 Kiểm tra dự báo 97 5.3.3 Dự báo 99 KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG PHÁT TRIỂN 101 Phụ lục SỐ LIỆU SẢN LƯNG ĐIỆN CÁC GIỜ TRONG NGÀY 104 Phụ lục SỐ LIỆU SẢN LƯNG ĐIỆN CÁC NGÀY TRONG TUẦN 108 Tài Liệu Tham Khảo Trang GIỚI THIỆU ĐỀ TÀI ĐẶT VẤN ĐỀ Dự báo phụ tải đóng vai trò quan trọng việc đảm bảo chế độ làm việc an toàn tiết kiệm hệ thống điện, đồng thời có tính chất định việc hoạch định chiến lược phát triển hệ thống Tính xác dự báo cần phải đặc biệt trọng Nếu dự báo thừa so với nhu cầu sử dụng dẫn tới hậu huy động nguồn lớn, tăng vốn đầu tư tăng tổn thất lượng Ngược lại dự báo phụ tải thấp so với nhu cầu không đủ lượng cung cấp cho hộ tiêu thụ tất nhiên dẫn đến việc cắt bỏ số phụ tải kế hoạch gây thiệt hại cho kinh tế Tỉnh Bình Dương tách từ tỉnh Sông Bé cũ từ năm 1996 Từ năm 1996 có phát triển mạnh ngành kinh tế, đặc biệt khu công nghiệp tập trung Do vậy, đòi hỏi cần phải cung cấp đủ nguồn điện cho khu công nghiệp Tuy nhiên việc đáp ứng đủ lượng điện cho trình phát triển việc làm khó khăn dự báo phụ tải không xác Phương pháp dự báo dài hạn Công ty Tư vấn xây dựng điện áp dụng cho tỉnh Bình Dương giai đoạn 1999-2004 cho kết qủa không xác (sai số lên đến 30%) làm cho việc xây dựng hệ thống cung cấp điện, trạm biến áp làm việc qúa tải non tải gây hỏng hóc thiết bị … Việc không đáp ứng đủ nhu cầu sử dụng điện gây hậu qủa nghiêm trọng đến phát triển kinh tế tỉnh Bình Dương nói riêng Việt Nam nói chung Những phương pháp dự báo truyền thống khó thực dự báo xác do: Số liệu điện ít, tiền lịch sử ngắn; Số liệu không mang tính ổn định; Tăng trưởng kinh tế vượt bậc; Các khu công nghiệp tăng nhanh kéo theo việc dân số tăng lên từ địa phương khác đỗ Hiện có nhiều phương pháp dự báo mà hầu hết phương pháp mang tính chất kinh nghiệm túy Vận dụng cách giải theo kinh nghiệm vào toán dự báo không đầy đủ, cách làm hoàn toàn dựa kinh nghiệm giai đoạn khứ mà kinh nghiệm lúc vận dụng vào hoàn cảnh thay đổi so với trước Do cần phải hoàn thiện mặt lý thuyết vấn đề dự báo Sự hoàn thiện cho phép có thêm sở tiệm cận với việc lựa chọn phương pháp dự báo, đánh giá mức độ xác dự báo đồng thời xác định khoảng thời gian lớn dùng cho dự báo Mạng neural nhân tạo giải pháp để dự báo phụ tải cho tỉnh Bình Dương có ưu điểm sau : Trang Mạng Neural nhân tạo xây dựng nguyên lý hoạt động hệ neural thần kinh người nên có tính chất đặc biệt học mẫu, phát quan hệ quy luật ẩn luồng liệu, liệu không đầy đủ, mâu thuẫn chí bị sai lệch Nếu đầu đầu vào dù mối quan hệ, mà phương pháp truyền thống phát mạng neural nhân tạo dễ dàng thực với độ xác cao Nhờ mạng neural ứng dụng rộng rãi lónh vực đời sống xã hội, chứng minh khả toán phân loại, nhận dạng, dự báo [2] Các nhà khoa học ứng dụng mạng Neural nhân tạo hoạt động dự báo để thay phương pháp cổ điển đạt nhiều thành công Phương pháp cổ điển thường không hiệu miêu tả đầy đủ xác trình thực tế xảy số lượng sở liệu không đầy đủ có nhiều sai số đòi hỏi nhiều thời gian cho tính toán Trong thực tế không tồn phương trình với tham số có sẵn mà ta biết giá trị gần kỳ vọng toán học ta phải đưa phương trình có sẵn với tham số chưa biết, dùng phương pháp gần để tìm tham số độ xác giảm nhiều Phương pháp cổ điển sử dụng có hiệu trường hợp liệu quan hệ tuyến tính với Để cải thiện nhược điểm phương pháp dự báo cổ điển, người ta nghiên cứu đưa phương pháp dự báo tảng công nghệ: “trí tuệ nhân tạo” Trong [4] đề xuất phương án sử dụng mạng Nuôi tiến truyền ngược (Feed-forward backpropagation), mạng Elman (Elman backpropagation network), mạng truyền ngược xếp tầng-tiến (Cascade-forward backpropagation), mạng nuôi tiến truyền ngược có đầu vào trễ (Feed-forward input delay backpropagation) để dự báo phụ tải ngắn hạn dài hạn Ứng dụng Neural dự báo dài hạn đạt nhiều kết khả quan [4,5] Những đặc điểm chung công trình đề xuất cấu trúc mạng giải thuật huấn luyện khác Tuy nhiên chưa có tài liệu hay công trình đưa tiêu chuẩn cho phép lựa chọn cấu trúc mạng thoả mãn điều kiện toán Vì phụ thuộc vào mức độ khó dễ liệu, toán mà người thiết kế lựa chọn cấu trúc giải thuật huấn luyện thích hợp Vì để dự báo cần phải có mô hình dự báo phù hợp với liệu, điều kiện hoàn cảnh cụ thể đồng thời cho độ xác cao Một hướng nghiên cứu khai thác tính chất ưu việt mạng Neural nhân tạo Dự báo phụ tải mạng Neural có tính xác cao [4] việc xây dựng mô hình dự báo phụ tải sở mạng Neural có ý nghóa thực tế to lớn Trang NHIỆM VỤ VÀ MỤC TIÊU ĐỀ TÀI - Nghiên cứu khai thác ứng dụng to lớn mạng Neural lónh vực dự báo nói chung dự báo phụ tải nói riêng - Nghiên cứu loại mạng neural, cấu trúc giải thuật huấn luyện Ứng dụng xây dựng mô hình dự báo phụ tải - Thiết kế chương trình dự báo phụ tải NHỮNG NGHIÊN CỨU CƠ BẢN CỦA ĐỀ TÀI Để góp phần xây dựng mô hình dự báo phụ tải hữu hiệu, đề tài luận văn đề xuất giải pháp sử dụng mạng Neural nhân tạo Các mạng khảo sát ứng dụng đề tài như: Mạng Nuôi tiến truyền ngược, Mạng Elman truyền ngược (một loại mạng hồi quy), mạng Xếp tầng – tiến (Cascade-forward), mạng nuôi tiến truyền ngược có đầu vào trễ (Feed-forward Input-delay) giải thuật huấn luyện giải thuật truyền ngược Và cuối tìm cấu trúc giải thuật tối ưu để giải toán dự báo, cụ thể mạng Feed-Forward mạng Elman với giải thuật dạy mạng Back-Propagation Lập mô hình dự báo ngắn hạn, dự báo dài hạn phụ tải với kết xác đến 3% cho ngắn hạn 5% cho dài hạn Phần mềm dự báo phụ tải viết MATLAB Phần mềm cho phép ta thay đổi loại mạng, số lớp ẩn, dạng hàm truyền, giải thuật huấn luyện… trình thiết kế mô hình dự báo Đồng thời cho phép ta thay đổi cách đặt liệu sẵn có phù hợp với chế độ dự báo ngắn hạn (các ngày, ngày tuần, tháng năm) hay dài hạn (5 năm hay 10 năm sau) Ưu điểm phần mềm dự báo dự báo phụ tải điện dựa vào loại mạng truyền ngược nêu, huấn luyện với giải thuật huấn luyện khác nhau; Từ lựa chọn loại mạng giải thuật huấn luyện tối ưu phục vụ cho công tác dự báo KẾT QUẢ ĐỀ TÀI ĐẠT ĐƯC: - Ứng dụng xây dựng mô hình dự báo phụ tải MATLAB phục vụ cho công tác dự báo phụ tải dài hạn ngắn hạn - Nghiên cứu phân tích giải thuật truyền ngược đồng thời ứng dụng huấn luyện mạng neural - Thiết kế phần mềm dự báo phụ tải với tính linh hoạt tổng quát, tạo điều kiện thuận lợi cho người sử dụng Trang CHƯƠNG : THỰC TRẠNG VỀ PHỤ PHỤ TẢI ĐIỆN Ở TỈNH BÌNH DƯƠNG 1.1 LỊCH SỬ PHÁT TRIỂN CỦA TỈNH BÌNH DƯƠNG : Tỉnh Bình Dương tách từ tỉnh Sông Bé cũ từ năm 1996 Từ năm 1996 có phát triển mạnh ngành kinh tế, đặc biệt khu công nghiệp tập trung Do vậy, đòi hỏi cần phải cung cấp đủ nguồn điện cho khu công nghiệp Tuy nhiên việc đáp ứng đủ lượng điện cho qúa trình phát triển việc làm khó khăn dự báo phụ tải không xác Phương pháp dự báo dài hạn Công ty tư vấn xây dựng điện áp dụng cho tỉnh Bình Dương giai đoạn 1999-2004 cho kết qủa không xác (sai số lên đến 30%) làm cho việc xây dựng hệ thống cung cấp điện, trạm biến áp làm việc qúa tải non tải gây hỏng hóc thiết bị … Việc không đáp ứng đủ nhu cầu sử dụng điện gây hậu qủa nghiêm trọng đến phát triển kinh tế tỉnh Bình Dương nói riêng Việt Nam nói chung Những phương pháp dự báo truyền thống khó thực dự báo xác do: Số liệu điện ít, tiền lịch sử ngắn Số liệu không mang tính ổn định Tăng trưởng kinh tế vượt bậc Các khu công nghiệp tăng nhanh kéo theo việc dân số tăng lên từ địa phương khác đỗ Do cần phải tìm phương pháp dự báo mới, tốt (sai số dự báo nhỏ hơn) việc sử dụng “trí tuệ nhân tạo” Neural Network wavelett Mặt khác để phục vụ cho việc dự báo ngắn (theo giờ, ngày, tháng) cần phần mềm tiện ích xây dựng sở Neural Network với mạng giải thuật khác 1.2 THỰC TRẠNG VỀ PHỤ TẢI ĐIỆN Ở TỈNH TỈNH BÌNH DƯƠNG 1.2.1 Tình hình tiêu thụ điện tỉnh Bình Dương qua năm Bảng thống kê tình hình tiêu thụ điện tỉnh Bình Dương Trang Bảng 1.1: Thành phần phụ tải 1998 1999 2000 2001 2002 2003 154.011.094 231.836.101 327.412.044 438.413.533 691.931.482 1.000.800.671 1.905.556 3.864.423 3.689.250 4.825.408 5.846.136 6.386.959 6.393.047 5.292.597 9.297.840 13.037.029 16.495.152 21.807.724 113.253.370 133.390.799 152.348.401 181.638.125 226.391.616 272.207.573 35.428.682 16.620.852 14.682.342 18.525.170 25.745.625 30.978.695 Tổng Tổng thất (%) Điện nhận lưới 310.991.749 391.004.772 507.429.877 656.439.265 966.410.011 966.410.011 1.332.181.622 9,4 8,54 6,65 6,49 5,96 340.224.973 424.396.580 541.173.964 699.042.173 6,3 1.027.293.8 42 1.416.571.196 Tmax Pmax (MW) Giá bán điện bình quân (đ/kWh) Tốc độ tăng hàng naêm 4.650 4.700 4.770 4.800 4.832 4.898 66,9 83,2 106,4 136,8 200,0 272,0 669,7 697,0 734,4 745,7 780,2 845,4 25,7 29,8 29,4 47,2 37,8 Công nghiệp xây dựng Nông lâm thuỷ Dịch vụTM NHKS Quản lý TD dân cư Hoạt động khác Biểu đồ tiêu thụ điện TÌNH HÌNH TIÊU THỤ ĐIỆN NĂNG TỈNH BÌNH DUONG GIAI ĐOẠN 1995 - 2003 1332 1400 1200 966 1000 GWH S T T 800 656 507 600 400 200 156 1995 2000 2001 NĂM 2002 Trang 2003 Bảng thống kê tình hình sử dụng điện Tỉnh Bình Dương tính đến tháng 12/2003 12/2003 : Bảng 1.2: - Số xã có điện/ tổng số xã: 100/100 - Số hộ có điện/ tổng số hộ: 162.720/172.644 (94,3%) - Điện thương phẩm bình quân/ đầu người/năm (KWH): 1.599 - Điện assh bình quân/ hộ có điện/ tháng (KWH): 118,9 - Số điện kế chính/ tổng số hộ có điện: 127.465/162.720 - Số điện kế tổng (chưa kể thị xã): 449 - Số hộ sử dụng điện qua điện kế cụm-tổng: 35.255 (21,7%) - Tổn thất lưới phân phối ngành điện quản lý: 6,85% - Phụ tải cao điểm: (MW) (2003-9/2004) 272/358 - Diesel khách hàng: (MW) 62,5 Tỉ lệ số hộ có điện huyện thị : Bảng 1.3: + TX Thủ Dầu Một + Huyện Thuận An + Huyện Dó An + Huyện Bến Cát 99,8% 99,7% 92,1% 92,3% + Huyện Dầu Tiếng + Huyện Tân Uyên + Huyện Phú Giáo 85,4% 96,0% 77,5% Tính đến cuối tháng 12/2003 Tỉnh Bình Dương thực xong chương trình xoá tất ấp trắng chưa có điện Lưới điện hạ số địa phương đầu tư vốn ngân sách, số dân huy động đầu tư Ngành điện thu tiền trực tiếp hộ dân theo giá bán điện bậc thang bán lẻ thu theo giá bán điện cụm - tổng qua Ban quản lý điện xã qua mô hình dịch vụ bán lẻ điện nông thôn Giá bán điện bình quân năm 2003 Điện Lực Bình Dương 845,4 đ/kWh Hiện địa bàn, số lượng điện kế tổng nhiều, số hộ dân sử dụng điện kế tổng chiếm tỉ lệ đáng kể (21,3%) Giá điện sử dụng sau điện kế tổng bình quân toàn Tỉnh là: 700 đ/ kWh Uỷ ban nhân dân Tỉnh đạo triển khai chương trình xoá điện kế tổng toàn Tỉnh để bán điện trực tiếp đến hộ dân, mục tiêu đến năn 2005 hoàn thành Trang * Nhận xét tình hình tiêu thụ điện năng: Tốc độ tăng trưởng chung điện bình quân hàng năm Tỉnh Bình Dương từ năm 1991-1995 28,8% Tốc độ tăng trưởng bình quân năm 1996 đến 2000 26,6 % Biểu tổng hợp điện cho thấy sản lượng điện Tỉnh Bình Dương tăng hàng năm với tỷ trọng lớn, đặc biệt năm 2001 – 2002 tăng 47,2% tốc độ tăng vượt bậc Tỉnh có công nghiệp phát triển tương đối nhiều, nguyên nhân nhiều sở công nghiệp đầu tư địa bàn, sản lượng điện công nghiệp vượt trội so với thành phần khác giữ tỷ lệ cao cấu thành phần điện năm sau: - Thành phần điện nông nghiệp có xu hướng giảm dần - Thành phần quản lý tiêu dùng dân cư không đồng năm thường tăng nhiều năm có đầu tư nhiều vào chương trình điện khí hoá đến xã - Thành phần dịch vụ - thương mại - nhà hàng khách sạn tăng trưởng chưa ổn định có năm bị âm số liệu thống kê, cách phân tổ điện ccá thành phần bị thay đổi Tuy nhiên thành phần này, từ sau năm 2000 bắt đầu có khởi sắc, khuynh hướng tăng - Biểu đồ phụ tải năm Tỉnh Bình Dương cho thấy phụ tải đỉnh rơi vào tháng 11 12 Biểu đồ phụ tải ngày cho đỉnh: đỉnh thứ vào buổi sáng (10 giờ) ứng với hoạt động công nghiệp buổi tối (19 giờ) tương ứng với thời điểm sử dụng điện cho tiêu dùng dân cư 1.2.2 Hiện trạng khu công nghiệp tập trung : 1.2.2.1 Khu công nghiệp Đến Tỉnh có 12 khu công nghiệp với tổng diện tích 2.431 khu liên hợp công nghiệp - dịch vụ - đô thị Bình Dương Các khu công nghiệp cấp phép Trang 10 5.1.2 Nhập liệu theo phương pháp tương quan Các số liệu cần nhập: Số năm, sản lượng điện năng, dân số, tốc độ tăng trưởng GDP, tốc độ tăng trưởng GDP (%), Sản lượng công nghiệp, hàng hóa, số hộ có điện Cửa sổ nhập liệu theo phương pháp tương quan : Dữ liệu mở từ file sau : Sau nhập xong liệu, nhấn phím NHẬP XONG chương trình đưa lời cảnh báo (Chương trình muốn lưu ý cho lưu file lại để tiện việc sử dụng sau Do chương trình nhớ liệu nhập vào sử dụng lần cuối trước sử dụng lại) Trang 89 - Nếu chấp nhận bỏ qua “Cảnh báo” chương trình nhấn phím Đồng ý, giao diện HUẤN LUYỆN xuất - Nếu muốn lưu lại liệu ta nhấn phím Từ chối sau nhấn phím LƯU trênô3 NHẬP DỮ LIỆU Sau nhập xong liệu, nhấn phím NHẬP XONG, liệu nhập vào sai chương trình báo lỗi Lưu ý: Dữ liệu nhập vào bị sai xảy trường hợp sau đây: - Dữ liệu đầu vào bảng nhập liệu chữ ký tự đặc biệt bàn phím - Dữ liệu có dấu phẩy (MATLAB không hiểu dấu phẩy bảng AxtiveXcontrol) - Nhập thiếu thông số Ví dụ dự báo theo liệu mà phải nhập 24 42 ngày trước dự báo cho 24 ngày hôm sau; Dự báo theo ngày liệu mà phải nhập ngày (từ thứ hai đến Chủ nhật) 10 tuần trước dự báo cho ngày tuần tiếp theo; Đối với dự báo theo tháng liệu mà phải nhập 12 tháng (từ tháng đến tháng 12) năm trước dự báo cho 12 tháng năm tiếp theo; Dự báo năm theo phương pháp chuỗi nhập 10 năm trước để huấn luyện; Dự báo năm theo phương pháp tương quan thí phải nhập số năm, sản lượng điện yếu tố ảnh hưởng: dân số, tốc độ tăng trưởng GDP, tốc độ tăng trưởng GDP (%), Sản lượng công nghiệp, hàng hóa, số hộ có điện Trang 90 Nếu liệu nhập vào sau nhấn phím TIẾP TỤC chương trình cho phép đến trình HUẤN LUYỆN 5.2 HUẤN LUYỆN MẠNG Trước thực trình huấn luyện mạng ta phải thực bước lựa chọn sau (hoặc sử dụng thông số mặc định chương trình) - Chọn loại mạng - Số neural hàm truyền lớp - Giải thuật huấn luyện - Sai số cho phép (Enable error) - Số lần lặp cho phép (Number of Enable loop) - Tốc độ dạy (Training speed) 5.2.1 Chọn loại mạng : Trang 91 Trong chương trình có loại mạng để lựa chọn : - Feed-forward backpropagation network (Mạng nuôi tiến truyền ngược) - Elman backpropagation Network (Mạng Elman truyền ngược – Mạng hồi qui) - Cascade-forword backpropagation network (Mạng truyền ngược xếp tầng tiến) - Feed-forward Input-delay backpropagation network (Mạng nuôi tiến truyền ngược có đầu vào trễ) 5.2.2 Số Neural hàm truyền lớp : 5.2.2.1 Số Neural: Neural Chương trình mặc định số neural đầu vào đầu mạng (người dùng không cần phải lựa chọn thông số này) Số Neural lớp thứ Số Neural lớp ẩn Số Neural lớp đầu Hàm truyền Của lớp Sau nhập xong số neural lớp ẩn, chương trình mặc định hàm truyền tansig, ta thay đổi cách chọn lớp ẩn cần thiết chọn hàm truyền hiển thị radion button Nếu muốn xóa lớp ẩn ta nhấn phím xóa sau lựa chọn lớp muốn xóa Lưu ý y : Chúng ta phải nhập từ lớp thứ đến lớp thứ không chương trình không chấp nhận (báo lỗi) Ta không chọn hàm truyền chưa chọn số neural lớp ẩn 5.2.2.2 Hàm truyền: Chương trình mặc định hàm truyền cho lớp neural đầu vào đầu mạng (người dùng không cần phải lựa chọn thông số này) Trang 92 Trong chương trình thiết kế có hàm truyền để lựa chọn - Hàm truyền Logsig : - Hàm truyền Tansig : - Hàm truyền Purelin : - Hàm truyền Hardlim : Trang 93 Sự lựa chọn giao diện sau : 5.2.3 Giải thuật huấn luyện : Chương trình có tất 10 giải thuật huấn luyện để lựa chọn: - Huấn luyện với TrainLM - Huấn luyện với TrainBFG - Huấn luyện với TrainOSS - Huấn luyện với TrainRP - Huấn luyện với TrainCGF - Huấn luyện với TrainCGP - Huấn luyện với TrainCGB - Huấn luyện với TrainSCG - Huấn luyện với TrainGDA - Huấn luyện với TrainGDX 5.2.4 Các thông số khác : - Sai số cho phép (Enable Error): Thông số nhập trực tiếp từ bàn phím cửa sổ thay đổi trình huấn luyện, tùy theo mức yêu cầu khác Giá trị mặc định 10-8 (Lưu ý ta cần đánh số từ bàn phím chương trình hiểu 10-8 hay ta đánh số chương trình hiểu 10-9) - Tốc độ dạy (Training speech): Cũng với Enable error, thông số nhập từ bàn phím thay đổi Nếu không nhập giá trị chương trình tự động gán 0.3 - Số lần lặp cho phép (Number of Enable loop): Đây thông số quan trọng việc huấn luyện Nó giới hạn số lần lặp việc huấn luyện, không cho trình lặp đến vô hạn chưa tìm sai số yêu cầu Sau nhập xong tất thông số cần huấn luyện, nhấn phím HUẤN LUYỆN chương trình huấn luyện xuất kết qủa sau : Trang 94 5.3 KẾT QUẢ HUẤN LUYỆN VÀ QUÁ TRÌNH DỰ BÁO 5.3.1 Kết huấn luyện: • Sai số đạt (Sqrared Error): Đây sai số đạt dừng trình huấn luyện Tuỳ trường hợp mà giá trị nhỏ sai số cho phép lớn sai số cho phép Đồ thị qúa trình huấn luyện : + Nếu sai số đạt lớn sai số cho phép nghóa chưa đạt yêu cầu: Lúc bạn thay đổi sai số cho phép giá trị nhỏ để tiếp tục huấn luyện Nhấn phím HUẤN LUYỆN để huấn luyện lại với sai số + Nếu sai số đạt nhỏ sai số cho phép nghóa chưa đạt yêu cầu • Số lần lặp (Number of Training Loop): Thông số báo cho bạn biết với giá trị sai số tìm (Squared error) chương trình trải qua lần lặp Lưu ý y : Ta nhấn phím Stop Training muốn dừng trình huấn luyện Trang 95 Cửa sổ kết trình huấn luyện (Dự báo theo giờ) Cửa sổ kết trình huấn luyện (Dự báo theo năm) Trang 96 5.3.2 Kiểm tra dự báo : Sau huấn luyện xong, tiến hành kiểm tra dự báo : Đối với dự báo theo kiểm tra dự báo cho 24 (tính sai số phần trăm sau tính sai số phần trăm trung bình) Cửa sổ dự báo kiểm tra dự báo theo : Đối với dự báo theo ngày kiểm tra dự báo cho ngày (tính sai số phần trăm ngày sau tính sai số phần trăm trung bình) Cửa sổ kiểm tra dự báo theo ngày tương tự theo ngày hàng ngang từ thứ hai đến chủ nhật Trang 97 Đối với dự báo theo tháng kiểm tra dự báo cho 12 tháng (tính sai số phần trăm tháng sau tính sai số phần trăm trung bình) Đối với dự báo theo năm kiểm tra dự báo cho năm (từ năm 2001 đến năm 2004) dựa sai số trung bình năm Trang 98 Nếu không chấp nhận kết trình kiểm tra dự báo (do sai số trung bình so với thực tế qúa lớn, thường > 5%) nhấn phím TRỞ LẠI để huấn luyện lại tiếp tục trình kiểm tra dự báo lại Nếu chấp nhận kết trình kiểm tra dự báo (thường sai số trung bình < 5%) đến trình dự báo 5.3.3 Dự báo : Có hai cách dự báo sau : Dự báo với thông số vừa huấn luyện: Sau ngừng trình huấn luyện chương trình cho phép dự báo với thông số Trên cửa sổ HUẤN LUYỆN nhấn phím dự báo cửa sổ dự báo Dự báo với thông số vừa huấn luyện: Dự báo với thông số huấn luyện trước Từ cửa sổ nhấn phím DỰ BÁO (trong trường hợp bạn phải chắn có liệu huấn luyện lưu lại từ lần huấn luyện trước Khi ta nhấn phím DỰ BÁO chương trình dự báo cho thời đoạn từ liệu lần trước (Ví dụ số liệu ngày cuối dự báo theo ngày 42 chương trình dự báo cho 24 ngày thứ 43) Sau có liệu cập nhật ngày thứ 43, nhấn phím CẬP NHẬT nhấn phím kiểm tra DỰ BÁO, ta xem Trang 99 sai số số liệu dự báo thực tế; Từ định dự báo huấn luyện lại - Đối với dự báo theo dự báo cho 24 ngày hôm sau - Đối với dự báo theo ngày dự báo cho ngày tuần - Đối với dự báo theo tháng dự báo cho 12 tháng năm - Đối với dự báo theo năm dự báo từ thời điểm (năm 2005) đến năm 2010 Trang 100 Khi dự báo xong, muốn lưu lại kết để dự báo cho thời đoạn lưu trực tiếp cách nhấn phím LƯU hay dùng để xuất sang file Excel in ấn phần mềm Excel Trang 101 KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG PHÁT TRIỂN - Trong khoa học dự báo, mạng Neural giải pháp hoàn thiện tối ưu để giải mặt vấn đề dự báo mà phạm vi ứng dụng tượng kinh tế, xã hội, khoa học kỹ thuật,… Chương trình Neural Network xây dựng tảng mô hình hoá thống kê mạng Neural Tuy nhiên mô hình hoá thống kê tập trung vào toán tuyến tính mạng Neural sử dụng để giải toán phi tuyến - Có nhiều mạng Neural với nhiều giải thuật học khác nội dung đề tài luận văn đề cập đến bốn loại mạng với giải thuật sử dụng giải thuật lan truyền ngược (Back Propagation) Ứng dụng để huấn luyện mạng theo hai phương pháp tương quan chuỗi thời gian - Để có kết dự báo phù hợp khả thi, người sử dụng yếu tố kinh nghiệm kiến thức khoa học huấn luyện mạng quan trọng Tuỳ theo yêu cầu, mục đích dự báo, kiểu liệu mà ta lựa chọn mạng Neural thích hợp - Kết dự báo phụ thuộc vào cấu trúc mạng Neural số lượng thông tin học Nếu số lượng thông tin học ít, sai số huấn luyện nhỏ kết dự báo phù hợp cho mẫu dự báo đầu tiên, sau sai số dự báo lớn Nếu số lượng thông tin lớn sai số huấn luyện lớn, kết dự báo ổn định phù hợp cho nhiều mẫu sau Đối với việc dự báo cho ngày thông tin học tháng, tháng,… - Các kiểu liệu dự báo biểu diễn cho điện năng, nhiên số liệu khác biểu diễn tương tự trên, huấn luyện dự báo - Khi dự báo phụ tải ngắn hạn (theo giờ, tuần tháng) ta nên sử dụng phương pháp dự báo theo chuỗi thời gian Còn dự báo dài hạn nên sử dụng phương pháp tương quan cho kết xác hợp lý - Qua kết thu được, ta thấy chương trình Neural Network (trên MATLAB) với giải thuật huấn luyện truyền ngược khác đạt kết tốt Tuy nhiên chương trình số hạn chế xử lý liệu Lựa chọn hàm truyền… Còn cần phải sửa đổi hoàn thiện phiên sau Trang 102 Hướng phát triển đề tài: - Hoàn thiện khâu xử lý liệu (Khâu quan trọng) - Thiết kế chương trình dự báo phụ tải cho hệ thống điện Miền Nam (Sử dụng Neural Network - Trên MATLAB) Trang 103 ... lónh vực dự báo nói chung dự báo phụ tải nói riêng - Nghiên cứu loại mạng neural, cấu trúc giải thuật huấn luyện Ứng dụng xây dựng mô hình dự báo phụ tải - Thiết kế chương trình dự báo phụ tải NHỮNG... ỨNG DỤNG DỰ BÁO PHỤ TẢI ĐIỆN CHO TỈNH BÌNH DƯƠNG 77 4.4.1 Dự báo ngắn haïn 77 4.4.2 Dự báo dài hạn 77 4.4.2.1 Dự báo theo mô hình chuỗi thời gian 78 4.4.2.2 Dự báo. .. ứng dụng huấn luyện mạng neural - Thiết kế phần mềm dự báo phụ tải với tính linh hoạt tổng quát, tạo điều kiện thuận lợi cho người sử dụng Trang CHƯƠNG : THỰC TRẠNG VỀ PHỤ PHỤ TẢI ĐIỆN Ở TỈNH BÌNH