Xây dựng hệ thống dự báo phụ tải điện sử dụng mạng nơron nhân tạo

1 DANH MỤC HÌNH VẼ LỜI CẢM ƠN LỜI NÓI ĐẦU CHƢƠNG : TỔNG QUAN VỀ DỰ PHỤ TẢI NGẮN HẠN 1.1 Vai trò dự báo phụ tải ngắn hạn công tác điều độ 1.2 Tầm quan trọng dự báo phụ tải điện 1.3 Các yếu tố ảnh hưởng trực tiếp đến phụ tải ngày 12 1.4 Phương hướng nghiên cứu dự báo phụ tải 13 CHƢƠNG : MẠNG NƠRON 14 2.1 Giới thiệu mạng nơron 14 2.1.1 Lịch sử phát triển 14 2.1.2 Ứng dụng 15 2.1.3 Căn nguyên sinh học 16 2.2 Nơron nhân tạo 17 2.3 Hàm xử lý 18 2.3.1 Hàm kết hợp 18 2.3.2 Hàm kích hoạt (hàm chuyển) 18 2.4 Cấu trúc mạng nơron 20 2.4.1 Mạng truyền thẳng 20 2.4.2 Mạng hồi qui 21 2.5 Luật học 21 2.6 Hàm mục tiêu 22 CHƢƠNG : ỨNG DỤNG MẠNG NƠRON TRONG DỰ BÁO PHỤ TẢI ĐIỆN 24 3.1 Mạng nơron truyền thẳng 24 3.1.1 Kiến trúc 24 3.1.2 Khả biểu diễn 25 3.1.3 Vấn đề thiết kế cấu trúc mạng 26 3.1.4 Số lớp ẩn 26 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 3.1.5 Số nơron lớp ẩn 26 3.2 Thuật toán lan truyền ngược(Back – Propagation Algorithm) 28 3.2.1 Mơ tả thuật tốn 28 3.2.2 Sử dụng thuật toán lan truyền ngược 34 3.2.3 Một số biến thể thuật toán lan truyền ngược 38 3.3 Chương trình dự báo đỉnh đáy biểu đồ phụ tải 40 3.3.1 Cấu trúc mạng nơron dự báo đỉnh biểu đồ phụ tải 40 3.3.2 Dữ liệu dự báo phụ tải 41 3.3.3 Sơ đồ khối chương trình 47 3.3.4 Hướng dẫn sử dụng chương trình 48 KẾT LUẬN 54 TÀI LIỆU THAM KHẢO 56 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 DANH MỤC HÌNH VẼ Hình 1.1: Sản lượng trung bình ngày tháng qua năm a 10 Hình 1.2: Tốc độ tăng trưởng phụ tải trung bình tháng qua năm b 11 Hình 2.1: Đơn vị xử lý thứ j c 17 Hình 2.2: Hàm tuyến tính d 18 Hình 2.3: Hàm ranh giới cứng e 19 Hình 2.4: Hàm Log – Sigmoid f 20 Hình 2.5: Hàm Sigmoid lưỡng cực g 21 Hình 2.6: Mạng nơron truyền thẳng nhiều lớp h 21 Hình 2.7: Mạng hồi qui i 22 Hình 2.8: Mơ hình học có thầy j 24 Hình 3.1: Mạng nơron truyền thẳng nhiều lớp k 35 a, Trường hợp i=1 l 35 b,Trường hợp i=2 m 36 c,Trường hợp i=4 n 36 d,Trường hợp i=8 o 36 Trường hợp i=8 số nơron lớp ẩn p 37 Hình 3.2: Kiến trúc mạng q 41 Hình 3.3: Biểu đồ sở liệu r 41 Hình 3.4: Sơ đồ khối chương trình s 47 Hình 3.5: Giao diện t 48 Hình 3.6: Giao diện form liệu u 49 Hình 3.7: Giao diện form đồ thị phụ tải v 50 Hình 3.8: Giao diện form dự báo phụ tải w 51 Hình 3.9: Giao diện form huấn luyện phụ tải x 52 Hình 3.9: Giao diện form dự báo phụ tải y 53 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 HTĐ DBPT Sinh Viên: Đỗ Thanh Tùng DỰ BÁO PHỤ TẢI Mã SV: 090128 LỜI CẢM ƠN Trong trình thực đồ án, em xin chân thành cảm ơn hướng dẫn, bảo tận tình T.S Nguyễn Hữu Quỳnh – Trưởng khoa Công nghệ thông tin trường Đại học Điện Lực người hướng dẫn trực tiếp em suốt trình làm đồ án, Thầy dành nhiều thời gian quý báu để giúp em định hướng nghiên cứu đồ án Trong suốt trình học tập, quan tâm dạy dỗ bảo tận tình Thầy Cơ em trưởng thành lên nhiều , kinh nghiệm học tập suốt trình học tập trường , ngày 01 tháng 07 năm 2010 Ngƣời thực Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 LỜI NÓI ĐẦU Dự báo toán quan trọng mang lại nhiều lợi ích thiết thực phục vụ người, giúp người nắm bắt qui luật vận động tự nhiên đời sống kinh tế xã hội Trong năm gần đây, mạng nơron truyền thẳng nhiều lớp thực tiễn chứng minh mạnh hiệu toán dự báo phân tích số liệu, đặc biệt toán dự báo phụ tải, dự báo kinh tế, dự báo thời tiết, Cho đến có nhiều phương pháp luận cho hoạt động dự báo, đa số phương pháp luận mang tính chất kinh nghiệm tuý Dùng cách giải theo kinh nghiệm vào việc dự báo chưa đầy đủ, cách làm hồn tồn dựa vào kinh nghiệm giai đoạn khứ, mà kinh nghiệm khơng phải lúc vận dụng vào hoàn cảnh thay đổi so với trước Việc nghiên cứu ứng dụng mơ hình dự báo khác cho phép ta có sở tiếp cận tới việc lựa chọn phương pháp dự báo, đánh giá mức độ xác dự báo đồng thời xác định khoảng thời gian lớn dùng dự báo Dự báo phụ tải ngắn hạn (giờ, ngày tuần) có vai trị quan trọng vận hành, lập phương thức ngày, phương thức tuần Nếu dự báo phụ tải thừa so với nhu cầu sử dụng hậu phải huy động nguồn dự phòng đắt tiền lớn mức cần thiết Ngược lại, dự báo phụ tải thấp so với nhu cầu dẫn đến kết nguồn dự phịng thấp, giảm an tồn cung cấp điện, khơng đáp ứng đủ nhu cầu điện cho hộ tiêu thụ, làm thiệt hại cho kinh tế quốc dân Mục đích luận văn tìm hiểu, làm sáng tỏ số khía cạnh mạng nơron truyền thẳng nhiều lớp, thuật toán lan truyền ngược, giới thiệu phương pháp luận số kết nghiên cứu ứng dụng mạng nơron vào dự báo phụ tải ngắn hạn cho hệ thống điện Trong đồ án gồm có: Chương 1: Tổng quan dự báo phụ tải ngắn hạn Chương 2: Mạng nơron Chương 3: Ứng dụng mạng nơron dự báo phụ tải điện Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 CHƢƠNG : TỔNG QUAN VỀ DỰ PHỤ TẢI NGẮN HẠN 1.1 Vai trò dự báo phụ tải ngắn hạn công tác điều độ Điện sản phẩm đặc biệt quan trọng phát triển kinh tế, đời sống dân sinh môi trường quốc gia giới Không giống doanh nghiệp sản xuất sản phẩm khác kinh tế thị trường với mục tiêu lợi nhuận khơng có lợi nhuận ngừng sản xuất, điện sản phẩm đặc biệt thiếu được, nên ngành điện coi ngành thuộc sở hạ tầng Điện phân biệt với sản phẩm hàng hoá khác nhờ khả đáp ứng nhanh chóng biến đổi nhu cầu thời điểm tính khơng thể dự trữ Do vấn đề dự báo phụ tải cách xác tồn dây truyền sản xuất, truyền tải, phân phối phải ln tình trạng sẵn sàng đáp ứng nhu cầu phụ tải yếu tố ảnh hưởng đến hiệu phục vụ khách hàng tồn hệ thống Trong cơng tác vận hành, lập phương thức ngày phương thức tuần người làm công tác điều độ, dự báo phụ tải ngắn hạn bao gồm dự báo trước giờ, ngày tuần đóng vai trị vơ quan trọng Những phương thức vận hành ngày huy động nguồn, phối hợp thuỷ điện nhiệt điện, truyền tải công suất miền, giải công tác sửa chữa lưới điện đánh giá mức độ an toàn hệ thống điện(HTĐ) địi hỏi phải có dự báo phụ tải xác Việc dự báo phụ tải ngày HTĐ với sai số cao có ảnh hưởng lớn đến giá thành vận hành Dự báo phụ tải cao thực tế làm chi phí tăng cao, huy động khơng cần thiết nguồn điện dự phòng đắt tiền diesel, Dự báo phụ tải thấp thực tế dẫn đến kết nguồn dự phòng thấp, giảm độ an tồn cung cấp điện, phải cắt điện việc huy động thiếu nguồn, gây thiệt hại kinh tế, an ninh xã hội, đời sống sinh hoạt nhân dân uy tín phục vụ ngành khách hàng Đối với thực tế vận hành HTĐ Việt Nam, thành phần phụ tải sinh hoạt dịch vụ chiếm tỷ lệ cao nên chênh lệch phụ tải cao điểm (phụ tải cao Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 ngày Pmax) phụ tải thấp điểm (phụ tải thấp ngày P min) lớn (khoảng 2.5 đến lần) Đây hai giá trị phụ tải đặc biệt đồ thị phụ tải ngày, người làm công tác điều độ quan tâm nhiều trình vận hành Về mặt vận hành với đồ thị phụ tải biến động lớn, thành phần thay đổi, trình khởi động máy diễn thường xuyên ảnh hưởng đến tuổi thọ tiêu kinh tế kỹ thuật nhà máy, tổn thất công suất điện gây nhiều bất lợi Phụ tải cao điểm nhân tố định việc huy động nguồn nhiệt điện, tuabin khí, diesel dự phòng nhằm đảm bảo đủ nguồn phủ đỉnh dự phịng nóng, tăng độ an tồn cung cấp điện Phụ tải thấp điểm định việc phối hợp điều chỉnh nguồn tua-bin khí, nhiệt điện, thuỷ điện nhằm đảm bảo vận hành kinh tế, tránh cho nhà máy thuỷ điện Hồ Bình, Thác Bà, Yaly, … vận hành vùng công suất không cho phép kỹ thuật Trong phụ tải lúc cao điểm Pmax khâu quan trọng ngày Dự báo xác phụ tải cao điểm có hiệu lớn kinh tế vào mùa lũ cần khai thác tối đa nguồn thuỷ điện, nước hồ chứa xả nguồn điện khác huy động nhằm mục đích an tồn Nếu sai số dự báo phụ cao điểm giảm 2%, theo tính tốn sơ ngành điện tiết kiệm khoảng 80MW nguồn tua-bin khí chạy dầu đắt tiền (khoảng 102.800.000đ) Việc hạn chế phụ tải lúc cao điểm thường xảy mùa lũ thiếu nguồn phủ đỉnh Tính xác lượng công suất thiếu để chủ động cắt phụ tải không quan trọng, tránh cắt thừa cắt thiếu, tránh sa thải phụ tải bảo vệ tần số thấp tác động có ý nghĩa lớn vận hành, góp phần giảm thiểu thiệt hại việc cắt điện gây Hiện việc đảm bảo độ tin cậy cung cấp điện, vận hành an toàn kinh tế HTĐ có ý nghĩa ảnh hưởng lớn ngành điện nói riêng kinh tế quốc dân nói chung Trong tương lai HTĐ Việt Nam liên kết với HTĐ nước ASEAN Trung Quốc, vấn đề tăng độ tin cậy cung cấp điện, vận hành an toàn kinh tế HTĐ trở nên thiết Đó khơng yếu tố đảm bảo việc nâng cao chất lượng phục vụ nhu cầu tiêu thụ điện sản xuất đời sống sinh hoạt, góp phần vào tăng trưởng kinh tế đất nước mà yếu tố đảm bảo Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 cho Điện Lực Việt Nam hoàn thành điều khoản cam kết văn ký kết với HTĐ nước khu vực Giải tốt vấn đề cung cấp điện có vai trị ý nghĩa vơ to lớn, việc áp dụng nghiên cứu mơ hình dự báo khác nhằm tìm mơ hình dự báo tối ưu cho vấn đề dự báo phụ tải việc cần thiết 1.2 Tầm quan trọng dự báo phụ tải điện Dự báo phụ tải điện (DBPT) đóng vai trị vơ quan trọng cơng tác quy hoạch, đầu tư phát triển vận hành hệ thống điện (HTĐ) Chúng ta biết nhu cầu tiêu dùng điện phụ thuộc vào trình độ phát triển kinh tế quốc dân dự báo phụ tải điện phận dự báo phát triển kinh tế khoa học kỹ thuật Nếu dự báo phụ tải thừa so với nhu cầu sử dụng hậu phải huy động nguồn dự phòng đắt tiền lớn mức cần thiết Ngược lại, dự báo phụ tải thấp so với nhu cầu dẫn đến kết nguồn dự phịng thấp giảm an tồn cung cấp điện, không đáp ứng đủ nhu cầu điện cho hộ tiêu thụ làm thiệt hại cho kinh tế quốc dân Dự báo phụ tải dài hạn ( khoảng từ 1-20 năm) có nhiệm vụ cung cấp số liệu cho công tác quy hoạch đầu tư phát triển hệ thống điện Còn dự báo phụ tải ngắn hạn (khoảng từ -30 ngày) có nhiệm vụ đảm bảo vận hành hệ thống điện an toàn kinh tế Đối với dự báo dài hạn có tính chất chiến lược nêu nên phương hướng phát triển chủ yếu mà không yêu cầu xác định tiêu cụ thể Dự báo phụ tải điện thừa so với nhu cầu dẫn đến việc huy động vốn đầu tư lớn để xây dựng nhiều nguồn phát điện, thực tế không dùng hết công suất chúng gây lãng phí Nếu dự báo lại nhỏ so với nhu cầu thực tế dẫn đến tình trạng thiếu nguồn điện Phụ tải hệ thống điện hàm số phụ thuộc vào thời gian t, phụ thuộc vào thông số chế độ - tần số mơ đul điện áp thơng qua đặc tính thống kê Đặc tính ngẫu nhiên phụ tải xác định qua hai yếu tố: - Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 10 - 1.1 a : - Thiên , tivi, v.v - Tương tự chu kỳ T lấy từ chu kỳ hoạt động người: ngày, đêm, tháng, năm Tuy nhiên coi chu kỳ chu kỳ lặp lại chu kỳ trước: tăng trưởng phụ tải theo thời gian, biến đổi bất thường phụ tải Tóm lại yếu tố ảnh hưởng đến phụ tải bao gồm: Qua đồ thị ta thấy tốc độ tăng trưởng phụ tải qua năm khác nhau: Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 42 Dữ liệu dự báo đỉnh đáy BĐPT DL dự báo đỉnh Phụ tải cao Nhiệt độ điểm (MW) (0C) DL dự báo đáy Phụ tải thấp Nhiệt độ điểm(MW) thấp(0C) Thứ Ngày CN 1/6/2003 5718.4 35 3334.2 26 2/6/2003 6258.2 36 3257.5 27 3/6/2003 6257.5 35 3532.3 27 4/6/2003 6189.6 37 3654.3 27 5/6/2003 6358.8 35 3460.5 26 6/6/2003 6364.4 36 3618.4 27 7/6/2003 6210.7 37 3905 28 CN 8/6/2003 6020.5 37 3967 27 9/6/2003 6588.5 36 3997.5 26 10/6/2003 6581.5 36 4316.5 26 11/6/2003 6454.9 35 4124.5 26 12/6/2003 6450.2 32 3837.5 25 13/6/2003 6587.1 33 3858.5 25 14/6/2003 6245.5 35 3658.5 26 CN 15/6/2003 5896.5 34 3842 26 16/6/2003 6412.9 35 3760.5 25 17/6/2003 6431.4 35 3890 25 18/6/2003 6506.5 35 3969 26 19/6/2003 6547.8 35 4149.5 27 20/6/2003 6592.2 33 4063.5 25 21/6/2003 6237.3 33 3850 26 CN 22/6/2003 5743.5 34 3618 26 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 43 23/6/2003 6396.7 33 3452 26 24/6/2003 6404.8 32 3829.5 25 25/6/2003 6391.6 35 3814 25 26/6/2003 6483.1 35 3956.5 26 27/6/2003 6284.8 35 3995.5 27 28/6/2003 5958.3 36 3781 27 CN 29/6/2003 5551.3 36 3634 26 6050.8 35 3289 25 30/6/2003 Có số liệu nhiệt độ cao Tmax phụ tải cao Pmax tương ứng làm việc tháng, ta xây dựng tập hợp ví dụ huấn luyện dùng để huấn luyện kiểm tra khả dự báo mạng Một ví dụ huấn luyện cụ thể tập ví dụ huấn luyện nói xây dựng từ tám giá trị vào: • Tmax ngày cần dự báo • Tmax ngày trước ngày cần dự báo • Tmax ba ngày có kiểu ngày trước • Pmax ba ngày có kiểu ngày trước giá trị đầu : Pmax ngày cần dự báo Chẳng hạn, ngày cần dự báo thứ - 20/6/2003 Giá trị mạng Giá trị vào mạng Tmax Tmax Tmax Tmax Tmax Pmax Pmax Pmax Pmax (20/6) (19/6) (19/6) (18/6) (17/6) (19/6) (18/6) (17/6) (20/6) 33 35 35 35 35 6547.8 6506.5 6431.4 6592.2 Số liệu đầu vào ngày khác xây dựng theo phương pháp tương tự Bảng 3.2 tập ví dụ huấn luyện dùng cho trình học dự báo Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 44 mạng vào tháng 6/2003, xây dựng sở liệu phụ tải ngày làm việc bình thường tháng Như có liệu nhiệt độ cao ngày phụ tải cao tương ứng ngày ta xây dựng tập ví dụ huấn luyện cho giai đoạn năm Các liệu đầu vào mạng phải chuyển đổi cho liệu nằm khoảng [0,1] Đối với toán DBPT đỉnh Trung tâm Điều độ Quốc gia giá trị phụ tải Pmax chia cho 9000, nhiệt độ cao ngày vào mùa hè chia cho 60 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 45 ị mạng Giá trị vào mạng Tmax Tmax Tmax ngày thứ dự trƣớc báo kiểu ngày Tmax Ngày Tmax ngày thứ kiểu thứ kiểu ngày Pmax Pmax Pmax ngày thứ kiểu thứ kiểu thứ kiểu dự báo Pmax 9/6/2003 36 36 36 35 37 6364.4 6358.8 6189.6 6588.5 10/6/2003 36 36 36 36 35 6588.5 6364.4 6358.8 6581.5 11/6/2003 35 36 36 36 36 6581.5 6588.5 6364.4 6454.9 12/6/2003 32 35 35 36 36 6454.9 6581.5 6588.5 6450.2 13/6/2003 33 32 32 35 36 6450.2 6454.9 6581.5 6587.1 16/6/2003 35 34 34 33 32 6587.1 6450.2 6454.9 6412.9 17/6/2003 35 35 35 33 32 6412.9 6587.1 6450.2 6431.4 18/6/2003 35 35 35 35 33 6431.4 6412.9 6587.1 6506.5 19/6/2003 35 35 35 35 35 6506.5 6431.4 6412.9 6547.8 20/6/2003 33 33 33 35 35 6547.8 6506.5 6431.4 6592.2 23/6/2003 33 34 34 33 35 6592.2 6547.8 6506.5 6396.7 24/6/2003 32 33 33 33 35 6396.7 6592.2 6547.8 6404.8 25/6/2003 35 32 32 33 33 6404.8 6396.7 6592.2 6391.6 26/6/2003 35 35 35 32 33 6391.6 6404.8 6396.7 6483.1 27/6/2003 35 35 35 35 32 6483.1 6391.6 6404.8 6284.8 30/6/2003 35 36 36 35 35 6284.8 6483.1 6391.6 6050.8 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 46 Sau chuyển đổi ta có bảng giá trị sau: Tập liệu sau chuyển đổi ị mạng Giá trị vào mạng Tmax Tmax Tmax Pmax Pmax Tmax Ngày Tmax ngày thứ dự trƣớc báo kiểu ngày Pmax ngày thứ kiểu thứ kiểu thứ kiểu ngày thứ thứ cùng kiểu kiểu Pmax ngày dự báo 9/6/2003 0.6 0.6 0.6 0.58 0.62 0.71 0.71 0.69 0.73 10/6/2003 0.6 0.6 0.6 0.6 0.58 0.73 0.71 0.71 0.73 11/6/2003 0.58 0.6 0.6 0.6 0.6 0.73 0.73 0.71 0.72 12/6/2003 0.53 0.58 0.58 0.6 0.6 0.72 0.73 0.73 0.72 13/6/2003 0.55 0.53 0.53 0.58 0.6 0.72 0.72 0.73 0.73 16/6/2003 0.58 0.57 0.57 0.55 0.53 0.73 0.72 0.72 0.71 17/6/2003 0.58 0.58 0.58 0.55 0.53 0.71 0.73 0.72 0.71 18/6/2003 0.58 0.58 0.58 0.58 0.55 0.72 0.71 0.73 0.72 19/6/2003 0.58 0.58 0.58 0.58 0.58 0.72 0.72 0.71 0.73 20/6/2003 0.55 0.55 0.55 0.58 0.58 0.73 0.72 0.72 0.73 23/6/2003 0.55 0.57 0.57 0.55 0.58 0.73 0.73 0.72 0.71 24/6/2003 0.53 0.55 0.55 0.55 0.58 0.71 0.73 0.73 0.71 25/6/2003 0.58 0.53 0.53 0.55 0.55 0.71 0.71 0.73 0.71 26/6/2003 0.58 0.58 0.58 0.53 0.55 0.71 0.71 0.71 0.72 27/6/2003 0.58 0.58 0.58 0.58 0.53 0.72 0.71 0.71 0.7 30/6/2003 0.58 0.6 0.6 0.58 0.58 0.7 0.72 0.71 0.67 Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 47 3.3.3 Sơ đồ khối chƣơng trình Hình 3.4 : Sơ đồ khối chương trình s Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 48 3.3.4 Hƣớng dẫn sử dụng chƣơng trình Giao diện Hình 3.5 Giao diện t Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 49 Giao diện form liệu Hình 3.6 Giao diện form liệu u Gồm chức : Thêm, Sửa, Xóa liệu Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 50 Giao diện form đồ thị phụ tải Hình 3.7 Giao diện form đồ thị phụ tải v Chức mô biểu đồ liệu dạng cột ngày tuần Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 51 Giao diện form dự báo phụ tải Hình 3.8 Giao diện form dự báo phụ tải w Chức : Lấy mẫu liệu để huấn luyện Chọn ngày cần dự báo Chọn số vòng huấn luyện hệ số lỗi huấn luyện Dự báo đỉnh đáy phụ tải Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 52 Giao diện form huấn luyện phụ tải Hình 3.9 Giao diện form huấn luyện phụ tải x Đưa kết mẫu huấn luyện, điều chỉnh trọng số tập huấn luyện cho mẫu huấn luyện có sai số % sai số nhỏ Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 53 Giao diện form dự báo phụ tải Hình 3.9 Giao diện form dự báo phụ tải y Đưa kết mẫu dự báo, sai số % sai số Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 54 KẾT LUẬN Dự báo phụ tải ngắn hạn sử dụng mạng nơron phương pháp áp dụng mạnh nhiều lĩnh vực, đặc biệt giải toán mà quan hệ đầu vào đầu phi tuyến với nhiều đầu vào nhiều đầu ra, chun gia đánh giá có độ xác cao so với phương pháp trước Trong luận văn, mạng nơron nhân tạo nhiều lớp lan truyền ngược nghiên cứu, ứng dụng để giải toán dự báo phụ tải ngắn hạn Giai đoạn giai đoạn nhận dạng biểu đồ Với liệu khứ lưu trữ ta dễ dàng xác định kiểu cần dự báo Giai đoạn 2, mạng nơron truyền ngược sai số qua trình huấn luyện với tập mẫu giá trị phụ tải đỉnh (phụ tải đáy) nhiệt độ cao (nhiệt độ thấp nhất) ngày có kiểu ngày với ngày dự báo, sử dụng để dự báo phụ tải đỉnh phụ tải đáy theo nhiệt độ môi trường Qua việc nghiên cứu áp dụng mạng nơron vào dự báo phụ tải ngắn hạn thấy việc dự báo đỉnh đáy biểu đồ phụ tải đem lại độ xác hẳn phương pháp hồi qui tuyến tính Sai số dự báo đỉnh đáy biểu đồ nhỏ vào khoảng từ 0-5% Có véc tơ BĐPT, phụ tải đỉnh phụ tải đáy ngày cần dự báo Một yếu tố quan trọng tập ví dụ huấn luyện cần phải thu thập cho đạt độ xác cao Nếu có ví dụ huấn luyện vào ngày có cố bất thường xảy ra, mạng nơron cho kết với sai số cao Việc loại trừ sai số chủ quan lấy thông tin phụ tải xảy ngày có cố, loại trừ việc ghi số liệu khơng xác làm tăng độ xác q trình dự báo Để đảm bảo độ xác trình dự báo, cần thường xuyên kiểm tra kết dự báo để kịp thời huấn luyện lại mạng theo số liệu mới, thấy sai số dự báo tăng Việc sử dụng mạng nơron vào trình dự báo phụ tải ngắn hạn theo phương pháp hai giai đoạn cho phép dự báo phụ tải ngày xác, đơn giản nhanh chóng Hơn phương pháp dự báo cịn giúp kỹ sư vào nghề, qua khoảng thời gian nghiên cứu khơng lâu, nhanh chóng nắm bắt làm việc độc lập trình dự báo Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 55 Ngoài ưu điểm nêu trên, phương pháp dự báo có số hạn chế : trình huấn luyện nhiều thời gian khơng đảm bảo chắn hội tụ Mặc dù có điều chỉnh để nhằm rút ngắn thời gian huấn luyện mạng để có kết tốt nhất, vấn đề cần tiếp tục nghiên cứu Việc xác định cấu trúc mạng, lựa chọn hệ số học thơng qua thực nghiệm Để có nghiên cứu tồn diện, mang lại hiệu thực cho trình dự báo phụ tải ngành Điện lực, tương lai cần phải sâu nghiên cứu Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 56 TÀI LIỆU THAM KHẢO Tài liệu tham khảo tiếng Việt [1.] Đinh Mạnh Tường(2002), Trí tuệ nhân tạo, NXB Khoa học Kỹ thuật [2.] Nguyễn Hữu Tình, Lê Tấn Hùng, Phạm Ngọc Yến, Nguyễn Lan Hương(1999), Cơ sở ứng dụng Matlab, NXB Khoa học Kỹ thuật [3.] Trần Đình Long VS GS TSKH(1998), Quy hoạch phát triển Năng lượng Điện lực, NXB ĐHBK Hà Nội Tài liệu tham khảo tiếng Anh [4.] Dipti Srinivasan, A C Liew, John S., P Chen(1991), “Short term forecasting using neural network aproach”, IEEE 91TH0374-9/91/00000012, pp 12-16 [5.] Hagan M T., Demuth H B., Beale M(1996), Neural Networks Design, PWS Publishing Company, Boston, Ma [6.] Kaastra, I., & Boyd, M(1996), – Designing a neural network for forecasting financial and economic time series - Neurocomputing 10, pp 215-236 [7.] Oh S.H., Lee Yj(1995), A modified error function to improve the error BackPropagation algorithm for Multi-layer perceptrons, ETRI Journal Vol 17, No [8.] Ooyen A V., Nienhuis B(1992), Improving the Convergence of the BackPropagation algorithm, Neural networks, Vol 5, pp.465-471 [9.] T masters(1993), Practical neural network Recipes in C++, Academic Press, Inc [10.] Tom M Mitchell(1997), Machine learning, The McGraw-Hill Companies, Inc [11.] http://www.codeproject.com/ [12.] Artificial neural network From Wikipedia, the free encyclopedia Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 ... ứng dụng mạng nơron vào dự báo phụ tải ngắn hạn cho hệ thống điện Trong đồ án gồm có: Chương 1: Tổng quan dự báo phụ tải ngắn hạn Chương 2: Mạng nơron Chương 3: Ứng dụng mạng nơron dự báo phụ tải. .. pháp dự báo phụ tải ngày nghiên cứu áp dụng phương pháp để tìm quan hệ phụ tải ngày yếu tố chủ yếu ảnh hưởng đến phụ tải ngày Việc áp dụng mạng nơron nhân tạo cho dự báo phụ tải HTĐ Việt Nam dựa... dụng cho dự báo Cũng dự báo khác, dự báo phụ tải ngày phải dựa vào số liệu thống kê, phân tích áp dụng thuật toán để xác định mối quan hệ phụ tải yếu tố ảnh hưởng, từ dự báo phụ tải dựa yếu tố