Dự báo phụ tải ngắn hạn và trung hạn sử dụng mạng wavelet

ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA TRẦN ANH DŨNG DỰ BÁO PHỤ TẢI NGẮN HẠN VÀ TRUNG HẠN SỬ DỤNG WAVELET Chuyên ngành: Thiết bị, mạng nhà máy điện Mã số ngành : 2.06.07 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, THÁNG 12 NĂM 2006 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ tại: HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng năm 2006 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày tháng năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: TRẦN ANH DŨNG Phái: Nam Ngày, tháng, năm sinh:01-6-1981 Nơi sinh: Đà Nẳng Chuyên ngành: THIẾT BỊ MẠNG VÀ NHÀ MÁY ĐIỆN MSHV: 01805439 I- TÊN ĐỀ TÀI: DỰ BÁO PHỤ TẢI NGẰN HẠN VÀ TRUNG HẠN SỬ DỤNG WAVELET II- NHIỆM VỤ VÀ NỘI DUNG: 1) Tìm hiểu dự báo, mạng nơron nhân tạo, wavelet, mạng wavelet, logic mờ 2) Tìm hiểu mơ hình dự báo, xây dựng mơ hình dự báo 3) Tìm hiểu kết dự báo III- NGÀY GIAO NHIỆM VỤ: 15-8-2006 IV- NGÀY HOÀN THÀNH NHIỆM VỤ: 15-11-2006 V- CÁN BỘ HƯỚNG DẪN: TS NGUYỄN HOÀNG VIỆT CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH CN BỘ MÔN QL CHUYÊN NGÀNH Nội dung đề cương luận văn thạc sĩ Hội đồng chuyên ngành thông qua TRƯỞNG PHÒNG ĐT – SĐH Ngày tháng năm 2006 TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Con xin chân thành cảm ơn ba mẹ quan tâm, chăm sóc, động viên, chỗ dựa tinh thần cho Em xin chân thành cảm ơn Thầy Nguyễn Hoàng Việt hướng dẫn em trình nghiên cứu năm q trình hồnh thành luận văn Em xin chân thành cảm ơn Cơ Phan Thị Thanh Bình tận tình hướng dẫn hồn thành phần dự báo trung hạn quan tâm, nâng đỡ tận tình thời gian khó khăn Em xin chân thành cảm ơn anh Nguyễn Quang Thi cung cấp số liệu phối hợp với em trình nghiên cứu đề tài Tôi xin chân thành cảm ơn bạn, em sinh viên (Lâm Hồng Vũ, Ngơ Bảo Anh, Trần Đình Phương (Chương trình Việt Pháp), Vân (lớp điện lực)) phối hợp nghiên cứu hướng dẫn nghiên cứu, làm luận văn tốt nghiệp thực đề tài nghiên cứu Học viên thực Trần Anh Dũng i LỜI GIỚI THIỆU Vấn đề dự báo điện đóng vai trị quan trọng có tính định kinh tế đời sống người Dự báo giúp cho định hướng phương hướng kế hoạch cho tương lai, chủ động công việc xử lí biến cố Luận văn giới thiệu dự báo phụ tải trung hạn, ngắn hạn sử dụng wavelet ngắn hạn ngày đặc biệt sử dụng mạng wavelet logic mờ Do luận văn bao gồm nội dung lớn, bao gồm dự báo ngắn hạn, trung hạn ngắn hạn ngày đặc biệt, kết nghiên cứu năm tác giả, hướng dẫn, đồng hướng dẫn vài em sinh viên làm đề tài nghiên cứu, luận văn tốt nghiệp, luận văn đề cập nhiều vấn đề, mơ hình dày Vì thế, phần lý thuyết tóm lượt cách ngắn gọn để tập trung đề cập cho phần yếu luận văn Luận văn bao gồm: - Các phần giới thiệu: chương (tổng quan dự báo), chương (giới thiệu mạng nơron nhân tạo, wavelet, mạng wavelet), chương (giới thiệu logic mờ) - Mơ hình dự báo: chương (mơ hình dự báo wavelet tổng qt) - Kết nghiên cứu làm tảng cho việc xây dựng mơ hình cụ thể cho loại dự báo: chương (một số kết luận trình nghiên cứu mạng wavelet) Phần kết q trình đúc kết tìm hiểu, xây dựng mơ hình dự báo chạy chương trình suốt năm Nếu đưa bước tiến hành, rút kết luận đưa mơ hình dự báo xác cho loại dự báo độ dài luận văn vượt độ dài cho phép, học viên xin đưa kết trình nghiên cứu đưa mơ hình cuối luôn, không đưa bước ban đầu trung gian - Các loại dự báo, mơ hình kết quả: chương (dự báo trung hạn), chương (dự báo ngắn hạn, ngày thường), chương (dự báo ngắn hạn, ngày đặc biệt) - Kết luận chung: chương (tổng kết) Tồn chương trình dự báo viết ngôn ngữ Matlab ii MỤC LỤC Nhiệm vụ luận văn Lời cám ơn Mục lục Lời giới thiệu Chương TỔNG QUAN VỀ DỰ BÁO ĐIỆN NĂNG 1.1 Vai trò dự báo điện 1.2 Vai trò phương pháp dự báo wavelet so với loại dự báo khác 1.3 Các loại dự báo điện 1.4 Các mơ hình dự báo 1.5 Các công thức đánh giá sai số dự báo Chương GIỚI THIỆU VỀ MẠNG NƠRON NHÂN TẠO, WAVELET VÀ MẠNG WAVELET 2.1 Mạng nơron nhân tạo 11 2.2 Phép biến đổi wavelet 16 2.3 Giới thiệu vế wavenet 24 Chương GIỚI THIỆU VỀ LOGIC MỜ 3.1 Khái niệm tập mờ 26 3.2 Các phép toán tập mờ 29 3.3 Biến ngôn ngữ giá trị 30 3.4 Luật hợp thành mờ 31 3.5 Giải mờ 33 3.6 Các bước thiết kế mờ 37 Chương MƠ HÌNH DỰ BÁO WAVELET TỔNG QT 4.1 Mơ hình dự báo tổng qt đầu vào 38 4.2 Mơ hình dự báo tổng qt đầu vào 44 4.3 Mơ hình dự báo tổng quát đầu vào 49 4.4 Mở rộng thành mô hình n đầu vào 55 Chương MỘT SỐ KẾT LUẬN TRONG QUÁ TRÌNH NGHIÊN CỨU MẠNG WAVELET 5.1 Nhận xét mơ hình wavelet dạng liệu 57 5.2 Nhận xét hệ số học 61 5.3 Nhận xét số wavelet 65 5.4 Ảnh hưởng số năm kiểm tra 66 5.5 Ảnh hưởng số không gian khảo sát 69 5.6 Kết luận chung 70 Chương MƠ HÌNH DỰ BÁO TRUNG HẠN 6.1 Các dạng điện 72 6.2 Mơ hình phù hợp cho dạng liệu 75 6.3 Kết điện dự báo vùng kinh tế dạng điện 75 Chương MƠ HÌNH DỰ BÁO NGẮN HẠN, NGÀY THƯỜNG 7.1 Mơ hình dự báo ngắn hạn 105 7.2 Kết minh họa 111 7.3 Kết luận 115 Chương MÔ HÌNH DỰ BÁO NGẮN HẠN, NGÀY ĐẶC BIỆT 8.1 Giới thiệu 116 8.2 Đặc điểm đồ thị phụ tải ngày lễ 116 8.3 Dự báo đồ thị phụ tải tỉ lệ mạng wavelet 121 8.4 Dự báo phụ tải cực đại phụ tải cực tiểu phép suy luận mờ 124 8.5 Thủ tục dự báo phụ tải hàng 128 8.6 Kết thử nghiệm 129 Chương TỔNG KẾT 144 Chương 1: Tổng quan dự báo điện -1- Chương 1: TỔNG QUAN VỀ DỰ BÁO ĐIỆN NĂNG 1.1 Vai trò dự báo điện năng: Vấn đề dự báo điện đóng vai trị quan trọng có tính định kinh tế đời sống người Đây khoa học quan trọng nhằm nghiên cứu phương pháp luận khoa học để đưa số xác xảy tương lai, giúp cho định hướng phương hướng kế hoạch cho tương lai, chủ động cơng việc xử lí biến cố Nếu khơng có cơng việc dự báo điện năng, ta gặp phải hai trường hợp xảy ra, thiếu hụt điện sử dụng hay dư thừa điện Đối với trường hợp thứ nhất, điện thiếu hụt, khơng có đủ điện để phục vụ cho nhu cầu sinh hoạt, giải trí khơng đủ cung cấp cho ngành kinh tế công nghiệp, nông nghiệp dịch vụ Mà xã hội phát triển người phụ thuộc nhiều vào điện Ta hình dung này, khơng có đủ điện để trì sản xuất, dây chuyền tự động, máy móc, thiết bị ngừng hoạt động, kinh tế bị ảnh hưởng, đặc biệt cố điện trầm trọng knh tế xuống Cịn mặt sinh hoạt, làm việc, giải trí người, khơng có điện năng, hoạt động bị ngừng trệ, đặc biệt nước phát triển Ta thấy tác hại đợt nóng nước châu Âu vào mùa nóng năm 2003, đợt nóng giết chết nhiều người, đặc biệt người vơ gia cư, lí đơn giản họ khơng có thiết bị quạt hay máy điều hịa nhiệt độ để giảm nóng Và ta chắn thời gian đó,nếu khơng có thiếu hụt điện thiệt hại người vật chất tăng lên nhiều Đó ta chưa xét thiệt hại mặt khác giao thông, y tế … Và vậy, ta kết luận thiếu hụt điện gây hậu nghiêm trọng Với trường hợp thứ hai, điện sản xuất dư thừa Khơng loại hàng hóa khác, điện có tính chất đặc biệt khơng thể để dành hay cất vào kho dư thừa lấy xài bị thiếu hụt điện Và vậy, nhà máy điện phải giảm sản xuất, ta tiêu tốn số tiền lớn vào việc xây dựng nhà máy điện hệ thống truyền dẫn điện Do việc xây dựng sở vật chất, sản xuất khơng có tính tốn gây lãng phí lớn, đặc biệt tình cảnh đất nước ta cịn gặp nhiều khó khăn, thiếu thốn GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 1: Tổng quan dự báo điện -2- Ngoài việc xây dựng nhà máy hệ thống điện ln cần có thời gian Do muốn đáp ứng yêu cầu sử dụng điện, ngành điện phải làm tốt công tác dự báo để lập kế hoạch triển khai Bên cạnh đó, biết trước lượng điện tiêu thụ, việc vận hành dễ dàng đem lại hiệu kinh tế cao Ví dụ việc khởi động tổ máy 300 MW từ trạng thái nóng 30-50 nhiên liệu, trạng thái lạnh 50-60 nhiên liệu Qua khảo sát trên, ta thấy rõ vấn đề dự báo xác điện đóng vai trị quan trọng định đến kinh tế đời sống người Nhưng nay, ta gặp số khó khăn vấn đề sản xuất sử dụng điện Đó nhu cầu điện tiêu thụ ngày gia tăng hệ thống truyền dẫn sản xuất hoạt động đạt tới mức độ giới hạn Mà ta đề cập, điện lưu trữ, để dành, vậy, vấn đề gây khó khăn cho ngành điện nói riêng tồn kinh tế nói chung đời sống người dân Ngồi cịn có số khó khăn khác, ta cần có dự báo xác để lập kế hoạch, tính tốn sử dụng điện năng, … cho phù hợp 1.2 Vai trò phương pháp dự báo wavelet so với loại dự báo khác: Các phương pháp dự báo phụ tải truyền thống thường miêu tả đầy đủ xác q trình thực tế xảy số lượng sở liệu khơng đầy đủ có nhiều sai số địi hỏi q nhiều thời gian cho tính tốn.Trong thực tế khơng tồn phương trình với tham số có sẵn mà ta biết giá trị gần kỳ vọng tốn học Vì 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 nhau, khơng thể trình bày rõ ràng mối quan hệ phi tuyến phức tạp phụ tải tham số liên quan Để cải thiện nhược điểm phương pháp dự báo phụ tải truyền thống, nhà khoa học ứng dụng kỹ thuật dự báo đại như: fuzzy logic, mạng neural, phép phân tích wavelet, …Các phương pháp dự báo đại ngày quan tâm kết dự báo xác Trong thời gian gần đây, phương pháp dự báo sử dụng phép phân tích wavelet quan tâm Mặc dù phương pháp gặt hái kết bước đầu tốt 1.3 Các loại dự báo điện năng: GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt MAE = 24 ∑ P' (i ) − P(i ) 24 i =1 - 130 - (8.9) P’(i) : giá trị phụ tải dự báo thứ i ; P(i) : giá trị phụ tải thực thứ i Để đánh giá kết dự báo cho tải cực đại cực tiểu cho ngày lễ ta dùng công thức sai số phần trăm tuyệt đối : APE = P' M − PM PM × 100% (8.10) P’M : kết tải cực đại tải cực tiểu dự báo ; PM : kết tải cực đại tải cực tiểu thực Để đánh giá kết dự báo đồ thị phụ tải ngày lễ ta dùng công thức sai số phần trăm tuyệt đối trung bình : 24 P ' (i ) − P (i ) MAPE = ∑ P(i ) × 100% 24 i =1 (8.11) P’(i) : giá trị phụ tải dự báo thứ i P(i) : giá trị phụ tải thực thứ i 8.6.2 Kết dự báo đồ thị phụ tải tỉ lệ Dùng liệu phụ tải khứ tỉ lệ thành phố Hồ Chí Minh năm 1999-2003 1999-2004, theo thứ tự, làm mẫu luyện cho mạng WNN1 WNN2 Lần lượt thực luyện hai mạng wavelet với hệ luyện 5000, 10000, 50000 100000 ta nhận thấy với hai số hệ luyện sau sai số tập mẫu thử tăng lên Cịn với 5000 hệ luyện hai mạng chưa đạt tới sai số tốt Do luận văn thực luyện với 10000 hệ luyện cho hai mơ hình mạng wavelet Sự tăng sai số theo hệ luyện nhiễu có liệu luyện, có tập mẫu kiểm tra khớp ta biết số hệ luyện tốt mà không xảy khớp Giải thuật luyện mạng giải thuật lan truyền ngược với hệ số học thích nghi Hệ số học ban đầu 0.001, đạo hàm khứ dấu hệ số học tăng thêm lượng κ = 0.001, ngược lại hệ số học giảm Tiến hành thử nghiệm nhiều lần với nhiều số wavelon khác ta thấy kết tập mẫu thử tốt với số wavelon 16 GVHD: TS Nguyễn Hồng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 131 - Để đánh giá sai số cho việc dự báo đồ thị phụ tải tỉ lệ ta dùng sai số tuyệt đối trung bình MAE Sau 10000 hệ luyện sai số MSE tập mẫu luyện cho mạng WNN1 WNN2 3.873x10-5 3.015x10-4 Ta thấy sai số ngày lễ dương lịch nhỏ sai số ngày lễ âm lịch sau số hệ luyện Điều số mẫu luyện ngày lễ âm lịch nhiều ngày lễ dương lịch mạng wavelet phải nhiều hệ luyện có sai số ngày lễ dương lịch Các hình 8.9 hình 8.10 cho thấy sai số MSE tập mẫu luyện theo số hệ luyện, hình 8.11 hình 8.12 cho thấy sai số MSE mẫu liệu luyện sau luyện Hình 8.9 – Sai số MSE ngày lễ dương lịch theo hệ luyện GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 132 - Hình 8.10 – Sai số MSE ngày lễ âm lịch theo hệ luyện Hình 8.11 – Sai số mẫu luyện ngày lễ dương lịch GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 133 - Hình 8.12 – Sai số mẫu luyện ngày lễ âm lịch Kết sai số dự báo đồ thị phụ tải tỉ lệ cho ngày lễ dương lịch năm 2004 ngày lễ âm lịch năm 2005 trình bày bảng 8.4 Bảng 8.4 – Sai số dự báo đồ thị phụ tải tỉ lệ ngày lễ dương lịch năm 2004 ngày lễ âm lịch năm 2005 Các ngày lễ dương lịch Tết dương lịch 1-1-2004 Ngày giải phóng miền nam 30-4-2004 Ngày quốc tế lao động 1-5-2004 Ngày Quốc Khánh GVHD: TS Nguyễn Hoàng Việt MAE 0.0386 0.0439 0.0248 0.0396 Các ngày lễ tết âm lịch MAE Ngày 29 tết – 2005 0.0210 Ngày 30 tết – 2005 0.0240 Ngày mùng – 2005 0.0412 Ngày mùng – 2005 0.0387 Ngày mùng – 2005 0.0107 Ngày mùng – 2005 0.0340 HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 134 - 2-9-2004 Ta thấy sai số tuyệt đối dự báo đồ thị phụ tải tỉ lệ cho ngày lễ dương lịch năm 2004 năm 2005 tương đối lớn, với ngày lễ dương lịch Sai số trung bình ngày lễ dương lịch lớn so với ngày lễ âm lịch Điều lý giải số mẫu luyện ngày lễ dương lịch so với ngày lễ âm lịch nên mạng wavelet không nắm bắt đặc tính đồ thị phụ tải Như ta biết tính tổng qt hóa mạng neural nói chung mạng wavelet nói riêng phụ thuộc nhiều vào số mẫu luyện Số mẫu luyện lớn tính tổng qt mạng cao sai số mẫu thử nghiệm nhỏ hay nói cách khác mạng đáp ứng tốt với nhiều dạng mẫu thử khác 8.6.2 Kết dự báo phụ tải cực đại phụ tải cực tiểu Như trình bày mơ hình suy luận mờ sử dụng hai biến đầu vào VLD ngày lễ năm trước VLD ngày lễ (cùng nhóm ngày) gần năm Biến mơ hình VLD dự báo (max min) ngày lễ cần dự báo Trên sở xem xét liệu khứ ta xác định miền giá trị VLD khoảng [12,12] Các biến ngôn ngữ giống cho biến vào gồm 11 giá trị : NVB, NB, NM, NS, NVS, ZE, PVS, PS, PM, PB, PVB Hàm thuộc cho biến mơ hình xây dựng theo biến ngôn ngữ trình bày phần Để thực mờ hố ta rời rạc giá trị miền giá trị biến thành 49 giá trị, giá trị cách 0.5 Luật hợp thành mờ xây dựng theo liệu khứ trình bày Thiết bị hợp thành chọn luật max-MIN phương pháp điểm trọng tâm dùng để giải mờ Đối với ngày 30-4, 1-5, 2-9 ta dùng biến đầu vào cho mơ hình VLD ngày tương ứng năm trước VLD ngày lễ trước năm Nhưng với ngày 1-1 ta khơng có ngày lễ trước ngày năm nên ta dùng ngày lễ gần vào năm trước đó, cụ thể ta dùng biến vào VLD ngày 1-1 năm trước VLD ngày 2-9 năm trước Khoảng thời gian ngày 2-9 ngày 1-1 không lớn nên khuynh hướng thay đổi tải giống nên VLD ngày 2-9 năm trước dùng để dụ báo cho VLD ngày 1-1 năm sau Ta có biến vào dùng dự báo VLD cho ngày lễ năm 2004 cho bảng 4.5 Biến X Y định nghĩa phần GVHD: TS Nguyễn Hồng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 135 - Bảng 8.5 – Các biến dùng dự báo cho ngày lễ dương lịch năm 2004 Các ngày cần dự báo Biến X Biến Y 1-1-2004 VLD (1-1-2003) VLD (2-9-2003) 30-4-2004 VLD (30-4-2003) VLD (1-1-2004) 1-5-2004 VLD (1-5-2003) VLD (30-4-2004) 2-9-2004 VLD (2-9-2003) VLD (1-5-2004) Tương tự ngày lễ âm lịch Các ngày 30, mùng 1, mùng 2, mùng mùng sử dụng biến nhập cho mơ hình suy luận mờ VLD ngày tết âm lịch năm trước (ngày âm lịch) VLD ngày trước ngày cần dự báo Riêng ngày 29 tết khác, ta dùng ngày tết âm lịch sau năm trước dự báo cho ngày 29 tết năm Từ ngày mùng tết năm trước ngày 29 tết năm sau cách gần năm xu hướng phát triển tải thay đổi Ngày mùng tết năm trước không đại diện cho đáp ứng tải năm Vì để xác ta lấy VLD ngày lễ dương lịch năm để đại diện cho xu hướng đáp ứng tải cần cho dự báo ngày 29 tết âm lịch Ta biết ngày lễ tết âm lịch rơi vào tháng 1, tháng tháng dương lịch Do ngày lễ dương lịch trước ngày lễ tết âm lịch có ngày têt dương lịch 1-1 Vì ta dùng VLD ngày 1-1 dương lịch làm biến vào cho mơ hình dự báo VLD ngày 29 tết âm lịch Bảng 8.6 trình bày cụ thể biến dùng dự báo cho ngày tết âm lịch năm 2005 Bảng 8.6 - Các biến dùng dự báo cho ngày lễ âm lịch năm 2005 Các ngày cần dự báo Biến X Biến Y Ngày 29 tết năm 2005 VLD (29 tết - 2004) VLD (1-1-2005) Ngày 30 tết năm 2005 VLD (30 tết - 2004) VLD (29 tết - 2005) Mùng tết năm 2005 VLD (mùng tết - 2004) VLD (30 tết - 2005) Mùng tết năm 2005 VLD (mùng tết - 2004) VLD (mùng tết - 2005) GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 136 - Mùng tết năm 2005 VLD (mùng tết - 2004) VLD (mùng tết - 2005) Mùng tết năm 2005 VLD (mùng tết - 2004) VLD (mùng tết - 2005) Áp dụng mơ hình suy luận mờ với biến nhập ta tính giá trị VLD dự báo tải cực đại tải cực tiểu cho ngày lễ dương lịch năm 2004 Sau áp dụng cơng thức (8.3) (8.4) ta tính LD dự báo cho tải cực đại tải cực tiểu Có giá trị LD rối ta áp dụng cơng thức (8.6) (8.7) tính tải cực đại tải cực tiểu cho ngày lễ cần dự báo Kết dự báo tải cực đại tải cực tiểu cho ngày lễ dương lịch năm 2004 cho bảng 8.7 Và kết dự báo tải cực đại tải cực tiểu cho ngày lễ âm lịch năm 2005 cho bảng 8.8 Bảng 8.7 – Kết dự báo tải min, max cho ngày lễ dương lịch năm 2004 Amax Amax Amin Dự báo Amin dự báo Sai số thực Sai số Amax Thực 1/1/2004 865.07 597.00 856.1 604.0 1.05 1.16 30/4/2004 852.99 623.93 843.0 618.0 1.19 0.96 1/5/2004 847.41 550.36 832.9 546.9 1.74 0.63 2/9/2004 874.72 634.91 867.5 639.3 0.83 0.69 Amin Bảng 8.8 – Kết dự báo tải min, max cho ngày lễ âm lịch năm 2005 Amax Amax Amin Dự báo Amin dự báo Sai số thực Sai số Amax Thực 29 tết 722.60 438.04 712.0 433.0 1.49 1.16 30 tết 725.02 380.65 716.9 387.1 1.13 1.67 Mùng tết 635.53 394.55 644.5 391.0 1.39 0.91 Mùng tết 635.47 386.63 627.1 380.0 1.33 1.74 GVHD: TS Nguyễn Hoàng Việt Amin HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 137 - Mùng tết 629.51 378.75 642.2 383.1 1.98 1.14 Mùng tết 638.37 369.19 643.3 365.0 0.77 1.15 Sai số dự báo tải cực đại tải cực tiểu cho ngày lễ năm 2004 2005 tốt Tất sai số nhỏ % Sai số dự báo lớn 1.98 % dự báo tải cực đại cho ngày mùng tết năm 2005 sai số dự báo nhỏ 0.63 % dự báo tải cực tiểu cho ngày 1-5-2004 Xem xét hai bảng 8.3 8.4 ta thấy mơ hình suy luận mờ áp dụng tốt cho ngày lễ dương lịch so với ngày lễ âm lịch Tổng quát ta thấy sai số ngày lễ dương lịch tốt so với ngày lễ âm lịch Với mức sai số ta khẳng định mơ hình suy luận mờ xây dựng tốt cho việc dự báo tải cực đại tải cực tiểu cho ngày lễ thành phố Hồ Chí Minh 8.6.3 Kết dự báo đồ thị phụ tải thực Kết hợp kết đồ thị phụ tải tỉ lệ dự báo mạng wavelet tải cực đại, tải cực tiểu dự báo phép suy luận mờ theo cho ta kết phụ tải dự báo 24 theo phương trình (8.8) cho ngày lễ năm 2004 2005 Bảng 8.9 cho ta sai số báo MAPE ngày lễ dương lịch năm 2004 ngày lễ âm lịch năm 2005 thành phố Hồ Chí Minh Bảng 8.9 – Sai số dự báo MAPE ngày lễ dương lịch năm 2004 ngày lễ âm lịch năm 2005 Các ngày lễ dương lịch Tết dương lịch 1-1-2004 Ngày giải phóng miền nam 30-4-2004 Ngày quốc tế lao động 1-5-2004 Ngày Quốc Khánh 2-9-2004 GVHD: TS Nguyễn Hoàng Việt MAPE 1.990 1.268 3.128 Các ngày lễ tết âm lịch MAPE Ngày 29 tết – 2005 1.773 Ngày 30 tết – 2005 2.940 Ngày mùng – 2005 3.474 Ngày mùng – 2005 4.516 Ngày mùng – 2005 1.819 Ngày mùng – 2005 3.354 3.041 HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 138 - Sai số MAPE trung bình ngày lễ dương lịch năm 2004 : MAPE = 2.357% Sai số MAPE trung bình ngày lễ âm lịch năm 2005 : MAPE = 2.979 % Khi dự báo đồ thị phụ tải tỉ lệ ta có sai số trung bình ngày lễ dương lịch lớn so với ngày lễ âm lịch Nhưng đồ thị phụ tải thực ngược lại, sai số dự báo trung bình ngày lễ dương lịch lại nhỏ so với ngày lễ âm lịch Sở dĩ có điều sai số dự báo tải cực đại tải cực tiểu ngày lễ dương lịch nhỏ so với ngày lễ âm lịch Kết dự báo tốt tất sai số nhỏ 5% sai số trung bình nhỏ 3% Sai số lớn 4.516% dự báo cho ngày mùng tết âm lịch năm 2005 sai số nhỏ 1.773% dự báo ngày 29 tết âm lịch năm 2005 Hình 8.13 tới hình 8.16 biểu diễn đồ thị phụ tải dự báo đồ thị phụ tải thực ngày lễ dương lịch năm 2004 Hình 8.17 tới hình 8.22 biểu diễn đồ thị phụ tải dự báo đồ thị phụ tải thực ngày tết âm lịch năm 2005 Hình 8.13 – Đồ thị phụ tải thực dự báo ngày 1-1-2004 GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 139 - Hình 8.14 – Đồ thị phụ tải thực dự báo ngày 30-4-2004 Hình 8.15 – Đồ thị phụ tải thực dự báo ngày 1-5-2004 GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 140 - Hình 8.16 – Đồ thị phụ tải thực dự báo ngày 2-9-2004 Hình 8.17 – Đồ thị phụ tải thực dự báo ngày 29 tết âm lịch năm 2005 GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 141 - Hình 8.18 – Đồ thị phụ tải thực dự báo ngày 30 tết âm lịch năm 2005 Hình 8.19 – Đồ thị phụ tải thực dự báo ngày mùng tết âm lịch năm 2005 GVHD: TS Nguyễn Hồng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 142 - Hình 8.20 – Đồ thị phụ tải thực dự báo ngày mùng tết âm lịch năm 2005 Hình 8.21 – Đồ thị phụ tải thực dự báo ngày mùng tết âm lịch năm 2005 GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng Chương 8: Mơ hình dự báo ngắn hạn, ngày đặc biệt - 143 - Hình 8.22 – Đồ thị phụ tải thực dự báo ngày mùng tết âm lịch năm 2005 Nhận xét sở đồ thị phụ tải thực đồ thị phụ tải dự báo ngày lễ ta thấy hai đồ thị không khớp Các đồ thị không khớp chủ yếu vào giai đoạn ban ngày vào buổi trưa, vào giai đoạn hai đồ thị cách xa Sự khác biệt việc dự báo đồ thị phụ tải tỉ lệ mạng wavelet không tốt Mạng wavelet khơng có tính tổng qt hóa tốt liệu thử nghiệm Nguyên nhân mạng wavelet khơng có đủ liệu cần thiết để thu đặc tính cục mẫu liệu khơng đạt tính tổng qt mong muốn Để tăng tính tổng qt ta khơng cách khác phải tăng số mẫu liệu luyện mạng cách tăng số liệu phụ tải khứ GVHD: TS Nguyễn Hoàng Việt HVTH: Trần Anh Dũng TÀI LIỆU THAM KHẢO Lê Minh Trung Trương Văn Thiện, Mạng nơron nhân tạo, Nhà xuất thống kê, 1999 S Sitharama Iyengar, E.C.Cho and Vir V Phoha, Foundations of wavelet networks and applications, Chapman & Hall/CRC A.D.P.Lofo and C.R.Minussi, Electric power systems load forecasting: A surver Y Oussar, Training wavelet networks for nonlinear dynamic input-output modeling Qinghua Zhang and Albert Benveniste, Wavelet networks, IEEE transactions on neural networks, vol 3, 1992 Sathyanarayan S Rao and Balakrishna Kumthekar, Recurrent wavelet networks, Villanova university I.Ciuaca and J.A.Ware, Wavelet networks as an alternative to neural networks vii ... thiệu dự báo phụ tải trung hạn, ngắn hạn sử dụng wavelet ngắn hạn ngày đặc biệt sử dụng mạng wavelet logic mờ Do luận văn bao gồm nội dung lớn, bao gồm dự báo ngắn hạn, trung hạn ngắn hạn ngày... MẠNG VÀ NHÀ MÁY ĐIỆN MSHV: 01805439 I- TÊN ĐỀ TÀI: DỰ BÁO PHỤ TẢI NGẰN HẠN VÀ TRUNG HẠN SỬ DỤNG WAVELET II- NHIỆM VỤ VÀ NỘI DUNG: 1) Tìm hiểu dự báo, mạng nơron nhân tạo, wavelet, mạng wavelet, ... Chương MƠ HÌNH DỰ BÁO NGẮN HẠN, NGÀY ĐẶC BIỆT 8.1 Giới thiệu 116 8.2 Đặc điểm đồ thị phụ tải ngày lễ 116 8.3 Dự báo đồ thị phụ tải tỉ lệ mạng wavelet 121 8.4 Dự báo phụ tải cực đại phụ tải cực tiểu