GHIÊN CỨU DỰ BÁO CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIĨ

ĐẠI HỌC ĐÀ NẴNG TRƢỜNG ĐẠI HỌC BÁCH KHOA - - LƢƠNG THỊ DIỄM ĐOAN NGHIÊN CỨU DỰ BÁO CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIĨ LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỆN Đà Nẵng – Năm 2018 ĐẠI HỌC ĐÀ NẴNG TRƢỜNG ĐẠI HỌC BÁCH KHOA - - LƢƠNG THỊ DIỄM ĐOAN NGHIÊN CỨU DỰ BÁO CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIĨ Chuyên ngành : KỸ THUẬT ĐIỆN Mã số : 60520202 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS ĐINH THÀNH VIỆT Đà Nẵng – Năm 2018 i LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết luận văn trung thực chưa cơng bố cơng trình khác Tác giả luận văn LƢƠNG THỊ DIỄM ĐOAN ii LỜI CẢM ƠN Khơng có thành cơng mà khơng gắn liền với hỗ trợ, giúp đỡ, dù hay nhiều, dù trực tiếp hay gián tiếp người khác Với lịng biết ơn sâu sắc nhất, tơi xin chân thành cảm ơn PGS.TS Đinh Thành Việt - người hướng dẫn khoa học tận tâm hướng dẫn tơi suốt thời gian thực đề tài, hồn thành luận văn Tôi xin chân thành cảm ơn quý thầy cô giảng dạy Khoa Điện Trường Đại học Bách Khoa Đà Nẵng bạn bè đồng nghiệp quan tâm, giúp đỡ tơi hồn thành luận văn Sau cùng, tơi xin kính chúc thầy Đinh Thành Việt thầy cô trường Đại học Bách Khoa Đà Nẵng bạn bè đồng nghiệp thật dồi sức khỏe, hạnh phúc Trân trọng! iii TÓM TẮT LUẬN VĂN NGHIÊN CỨU DỰ BÁO CÔNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIÓ Học viên: Lương Thị Diễm Đoan Chuyên ngành: Kỹ thuật Điện Mã số: 60520202 Trường Đại học Bách Khoa – ĐHĐN Khóa: K34.CHĐ.QN Tóm tắt: Năng lượng gió nguồn lượng sử dụng phổ biến giới phát triển Việt Nam lợi ích to lớn mà mang lại đặc biệt môi trường Việt Nam nước giàu tiềm lượng gió, thuận lợi cho việc lắp đặt tuabin lớn Để khai thác sử dụng hiệu nguồn lượng gió việc dự báo xác vận tốc công suất phát cho nhà máy điện gió quan trọng Trong lưới điện vào thời điểm phải trì cân lưới điện điện tiêu thụ nguồn cung cấp Thông tin mang lại từ dự báo phục vụ cho việc tính tốn phát điện nhà máy mà cung cấp cho đơn vị quản lý vận hành hệ thống điện mà nhà máy kết nối Việc phân tích, đề xuất phương pháp dự báo cách khoa học, cho kết xác cho nhà máy điện cần thiết Luận văn trình bày phương pháp dự báo dựa phương pháp thống kê tự hồi quy kết hợp với mạng nơ-ron kỹ thuật tiền xử lý để dự báo công suất phát cho nhà máy điện gió Tuy Phong Từ khóa: Các phương pháp dự báo điện gió, lượng gió, Mạng nơ-ron, dự báo điện gió sử dụng mạng nơ-ron, dự báo điện gió STUDYING THE POWER PROJECT OF THE WIND POWER FACTORY Abstract: The wind power is one of the new energy resources used popularly in the world and is being developed in Vietnam because of the enormous benefits that it brings especially for the environment Vietnam is a very potential country for wind power that is convenient to install big turbines To exploit and use wind power effectively, accurate forecaste of the wind speed and power generation for wind power factories is important In the grid at any time must maintain the balanced grid between power consumption and power supply.Therefore, the information provided by the forecast is not only for the calculation and power generation of the factory but also for the management and operation of the power system in which the factory is connected It is very necessary to analyse and propose a reliable forecasting method for accurate results for power factories, The thesis presents the forecasting method based on the autoregressive statistical method combined with neural network and preprocessing techniques application of power forecast for Tuy Phong wind power factory Key words: the forecasting methods for wind power, wind power, neural network, wind power forecasting using neural network, wind foreceting iv MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii TÓM TẮT LUẬN VĂN iii MỤC LỤC iv DANH MỤC CÁC CHỮ VIẾT TẮT vii DANH MỤC CÁC BẢNG viii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ ix MỞ ĐẦU 1 Lý chọn đề tài Mục đích nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Ý nghĩa khoa học tính thực tiễn đề tài Bố cục luận văn Chƣơng - TỔNG QUAN VỀ TÌNH HÌNH PHÁT TRIỂN ĐIỆN GIĨ Ở THẾ GIỚI VÀ VIỆT NAM 1.1 Tình hình phát triển điện gió 1.1.1 Tình hình phát triển điện gió giới 1.1.2 Tình hình phát triển điện gió Việt Nam 1.2 Tiềm trữ lượng gió Việt Nam 1.2.1 Tiềm nguồn lượng gió Việt Nam 1.2.2 Trữ lượng gió Việt Nam 1.3 Tổng quan lượng gió máy phát điện gió 1.3.1 Nguyên lý để chuyển gió thành điện 1.3.2 Tuabin trạm điện gió 11 1.3.3 Các địa điểm xây dựng điện gió 15 1.4 Kết luận chương 15 Chƣơng - CÁC PHƢƠNG PHÁP DỰ BÁO ĐIỆN GIÓ 16 2.1 Những vấn đề chung phương pháp tiếp cận với vấn đề dự báo nhà máy điện gió 16 2.1.1 Những vần đề chung 16 2.1.2 Lý dự báo điện gió 16 2.1.3 Phân loại dự báo 17 v 2.2 Các phương pháp dự báo phân loại theo miền thời gian 18 2.2.1 Phương pháp dự báo nhanh - ngắn hạn (dự báo trước giờ) 18 2.2.2 Phương pháp dự báo ngắn hạn (dự báo trước ngày) 19 2.2.3 Phương pháp dự báo dài hạn (dự báo trước nhiều ngày) 21 2.3 Các phương pháp dự báo phân loại theo phương pháp luận 21 2.3.1 Phương pháp vật lý 22 2.3.2 Phương pháp thống kê 24 2.3.3 Phương pháp trí tuệ nhân tạo 27 2.3.4 Phương pháp Persistence 27 2.3.5 Phương pháp lai ( Phương pháp kết hợp - hybrid) 28 2.4 Đánh giá dự báo 28 2.4.1 Cơ sở liệu để đào tạo kiểm tra 29 2.4.2 Các sai số dự báo 29 2.4.3 Lỗi dự báo điển hình 32 2.5 Kết luận chương 32 Chƣơng - XÂY DỰNG PHƢƠNG PHÁP DỰ BÁO VẬN TỐC GIĨ VÀ CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIĨ 34 3.1 Xây dựng mơ hình dự báo cho nhà máy điện gió 34 3.1.1 Các yêu cầu liệu đầu vào: Thu thập nhập liệu 34 3.1.2 Diện tích ảnh hưởng 34 3.1.3 Mục tiêu dự báo 36 3.1.4 Dữ liệu lịch sử 36 3.1.5 Phương pháp 36 3.2 Điều kiện tự nhiên thuận lợi nhà máy Điện Tuy Phong 38 3.2.1 Đặc điểm tự nhiên khu vực Nhà máy điện Tuy Phong 38 3.2.2 Đặc điểm gió khu vực nhà máy điện gió Tuy Phong 38 3.3 Các số liệu dùng cho dự báo 40 3.4 Xây dựng thuật toán dự báo 47 3.5 Mơ hình mạng nơ-ron 49 3.5.1 Mơ hình Nơ -ron đơn giản 49 3.5.2 Các hàm truyền 50 3.5.3 Neuron có đầu vào vec tơ 52 3.5.4 Cấu trúc mạng nơ-ron lớp 53 3.5.5 Cấu trúc mạng nơ-ron nhiều lớp 54 3.5.6 Mạng hồi quy 56 vi 3.6 Chương trình dự báo 57 3.7 Kết dự báo 57 3.8 Kết luận chương 65 KẾT LUẬN VÀ KIẾN NGHỊ 66 DANH MỤC TÀI LIỆU THAM KHẢO 68 vii DANH MỤC CÁC CHỮ VIẾT TẮT NWP Dự báo thời tiết số trị (Numerical Weather Prediction) AR Tự hồi quy (AutoRegressive) MA Trung bình trượt (Moving Average) ARMA Trung bình trượt tự hồi quy (AutoRegressive Moving Average) ARIMA Trung bình trượt tích hợp tự hồi quy (AutoRegressive Integrated Moving Average) VAR ME Tự hồi quy vector (Vector AutoRegressive) Sai số trung bình (ME - Mean Error) MAE Sai số tuyệt đối trung bình (Mean Absolute Error) MSE Sai số bình phương trung bình (Mean Square Error) RMSE PE MPE MAPE OLS Sai số bình phương trung bình gốc (Root Mean Square Error) Sai số phần trăm (Percentage Error) Sai số phần trăm trung bình (Mean Percentage Error) Sai số phần trăm tuyệt Absolute Percentage Error) đối trung Bình phương nhỏ (Ordinary Least Squares) bình (Mean viii DANH MỤC CÁC BẢNG Số hiệu Tên bảng Trang Bảng 1.1 Công suất tiềm tài nguyên lượng gió biển khu vực độ sâu 0-30m Bảng 1.2 Công suất tiềm tài nguyên lượng gió biển khu vực độ sâu 30-60m Bảng 1.3 Bảng phân loại loại tuanbin gió 14 Bảng 2.1 Phân loại miền thời gian để dự báo gió 18 Bảng 2.2 Các mơ hình dự báo tốc độ gió lượng gió 19 Bảng 3.1 Bảng trích dẫn số liệu đầu vào năm 2015 mơ hình dự báo 40 Bảng 3.2 Bảng trích dẫn số liệu đầu vào năm 2016 mơ hình dự 42 báo Bảng 3.3 Bảng trích dẫn số liệu đầu vào năm 2017 mơ hình dự báo 44 Bảng 3.4 Các hàm truyền dùng mạng neuron 51 Bảng 3.5 Sai số MAE(%) RMSE(%) công suất dự báo công suất phát thực tế đo từ ngày 01/12/2017 đến ngày 64 31/12/2017 64  Thực phép đo cho toàn liệu kiểm tra từ ngày 01/12/2017 đến ngày 31/12/2017 sai số MAE RMSE sau: Bảng 3.5: Sai số MAE(%) RMSE(%) công suất dự báo công suất phát thực tế đo từ ngày 01/12/2017 đến ngày 31/12/2017 Ngày đo 10 MAE(%) 1,72 1,9 1,66 2,6 1,74 1,48 1,94 1,75 1,7 RMSE(%) 2,21 2,59 2,05 3,45 2,12 1,63 2,18 2,06 2,18 2,47 Ngày đo 11 12 13 14 15 16 17 18 19 20 MAE(%) 2,23 1,61 1,52 1,75 1,45 2,75 2,51 2,24 2,6 RMSE(%) 2,54 2,04 1,7 1,92 2,04 4,41 3,33 2,63 2,72 3,56 Ngày đo 21 22 23 MAE(%) 3,91 2,86 2,46 1,45 RMSE(%) 4,41 3,53 2,99 1,99 8,53 5,01 5,74 4,97 24 25 4,6 26 27 28 29 30 31 4,55 5,11 4,08 5,21 3,91 2,51 6,5 4,97 3,02 Từ sai số trên, vẽ đồ thị biến thiên theo ngày dự báo sai số MAE RMSE ĐỒ THỊ BIẾN THIÊN THEO NGÀY DỰ BÁO CỦA SAI SỐ MAE (%) 1 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 Hình 3.28: Đồ thị biến thiên theo ngày dự báo sai số MAE(%) 65 ĐỒ THỊ BIẾN THIÊN THEO NGÀY DỰ BÁO CỦA SAI SỐ RMSE(%) 1 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 Hình 3.29: Đồ thị biến thiên theo ngày dự báo sai số RMSE(%) Nhận xét: Mơ hình dự báo cho ngày ngẫu nhiên cho kết dự báo công suất phát công suất thực nhà máy tương đối xác Các đường cong củacơng suất dự báo công suất thực đo nhà máy gần giống Các số sai số MAE, RMSE MAPE nhỏ nằm giới hạn cho phép Từ kết sai số ta thấy sử dụng Mơ hình Nơ-ron kết hợp với phương pháp thống kê tự quy hồi để thực dự báo lượng gió khả quan 3.8 Kết luận chƣơng Trong chương xây dựng phương pháp dự báo công suất phát nhà máy điện, vận dụng xây dựng mơ hình dự báo cho nhà máy điện Tuy Phong phương pháp thống kê tự hồi quy kết hợp với mơ hình mạng nơ-ron để dự báo ngắn hạn với miền thời gian 24 Mô hình dự báo cho kết tương đối xác, số sai số MAE, MAPE, RMSE không lớn nằm vùng cho phép Từ kết sai số cho thấy mơ hình dự báo cho kết khả quan Kết cung cấp thông tin quan trọng cho nhà máy điện gió Tuy Phong đơn vị vận hành lưới điện có nhà máy kết nối vào lưới điện 66 KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN Ngày lượng gió ngày thu hút quan tâm nhà nghiên cứu, đơn vị khai thác sử dụng lượng gió lợi ích to lớn mang lại từ nguồn lượng đặc biệt vấn đề môi trường Ưu điểm bật điện gió khơng lo hết hay cạn kiệt nguồn nhiên liệu, không gây ô nhiễm môi trường nhà máy nhiệt điện, dễ chọn địa điểm tiết kiệm đất xây dựng Việt Nam có nhiều thuận lợi tiềm để phát triển lượng gió Tuy nhiên việc phát triển dự án điện gió với quy mơ cơng nghiệp Việt Nam cịn chậm Nguyên nhân mặt tài đầu tư cho dạng lượng hạn chế Việc kết nối nhà máy điện gió với lưới điện phân phối phải đảm báo chất lượng điện ổn định điện áp, dao động điện áp, tần số dịng điện việc dự báo xác vận tốc công suất phát cho nhà máy điện gió quan trọng Thơng tin mang lại từ dự báo khơng phục vụ cho việc tính toán, khai thác sử dụng hiệu nguồn lượng gió nhà máy mà cịn phục vụ cho đơn vị quản lý vận hành lưới điện mà nhà máy điện gió kết nối vào lưới Việc xây dựng mơ hình dự báo lượng gió thực tế thường gặp nhiều khó khăn Cơng suất phát nhà máy điện gió chịu ảnh hưởng vận tốc gió, hướng gió, thời tiết Q trình gió q trình ngẫu nhiên, gió thay đổi liên tục theo thời gian q trình gió chứa đựng nhiều yếu tố, số liệu thu thập từ q trình gió thực tế thường tồn nhiều liệu lỗi, liệu v.v Việc tìm quy luật mối quan hệ chứa đựng q trình gió khó khăn Ngồi ra, nhà máy khác gió có đặc điểm riêng cần mơ hình riêng cho nhà máy Việc phân tích, đề xuất đánh giá phương pháp dự báo cách khoa học, cho kết xác cho nhà máy điện gió cần thiết có ý nghĩa thiết thực Với liệu đo nhà máy Tuy Phong năm gần đây, sau phân tích liệu có được, đề xuất phương pháp dự báo sử dụng mơ hình mạng nơ-ron kết hợp với phương pháp thống kê tự quy hồi kỹ thuật xử lý số liệu bị lỗi, bị chuẩn hóa liệu để dự báo ngắn hạn với miền thời gian 24 Mơ hình dự báo cho kết tương đối xác, số sai số MAE, MAPE, RMSE không lớn nằm vùng cho phép Từ kết sai số thực phép đo cho ngày ngẫu nhiên cho thấy mơ hình dự báo cho kết khả quan 67 KIẾN NGHỊ Ứng dụng phương pháp dự báo công suất phát cho nhà máy điện Tuy Phong tốn dự báo, độ xác kết dự báo không phụ thuộc vào phương pháp lựa chọn, kỹ thuật sử dụng mà phụ thuộc vào chất lượng số lượng số liệu thực tế Số liệu có nhiều tốt (ít bị lỗi, bị mất, ) thời gian thu thập dài (từ vài năm trở lên) thơng tin có q trình quy luật gió khai thác đầy đủ, số sai số nhỏ hơn, công suất phát dự báo nhà máy gần với công suất thực nhà máy đo Thông tin góp phần cải thiện mơ hình dự báo để từ cho kết dự báo xác Trong thời gian tới, có thêm số liệu từ nhiều năm trước nhà máy điện Tuy Phong sử dụng để cải thiện mơ hình dự báo tiếp thục thử nghiệm thêm nhiều phương pháp kỹ thuật dự báo khác để tiến hành so sánh phương pháp khả quan hơn, xác dễ thực 68 DANH MỤC TÀI LIỆU THAM KHẢO [1] A review of Wind power Forecasting models, ICSGCE 2011: 27-30 September 2011, chengdu, China, www.sciencedirect.com H Cramer, Mathematical Methods of Statistics, Princeton University Press, 1945 [2] Current methods and advances in forecasting of wind power generation Aoife M Foley a,b,d,*, Paul G Leahy a,b, Antonino Marvuglia c, Eamon J McKeogh a,b [3] Dr.K.Balaramam," Wind forecasting" 5, 11th, 2013 [4] [5] Hiện trạng lượng gió biển giới đề xuất phát triển lượng gió biển Việt Nam hướng tới mục tiêu giảm thiểu tác động biến đổi khí hậu, Dư Văn Tốn Nghiêm Thanh Hải https://en.wikipedia.org/wiki/Wind_power_forecasting [6] Integaratinh Renewables in Electricity markets, Juan M.Morales Antonio J.Conejo henrik Madsen Pierre Pinson Marco Zugno, http://www.springer.com/series/6161 [7] M G De Giorgi, A Ficarella, and M Tarantino, “Assessment of the benefits of numerical weather predictions in wind power forecasting based on statistical methods”, Energy, 36, 3968–3978, 2011 [8] Mơ hình Neuron cấu trúc mạng – giáo trình mạng Neuron [9] Power Electronics and Power Systems; [10] Ứng dụng Năng lượng gió – xu chung đánh giá đưới góc độ kinh tế mơi trường, PGS.TSKH Nguyễn Trung Dũng [11] Wen-Yeau Chang, “A Literature Review of Wind Forecasting Methods”, Journal of Power and Energy Engineering, 2, 161–168, 2014; [12] Wind Power Forecasting: State-of-the-Art 2009;