Ứng dụng mạng nơ ron để dự báo phụ tải cho xuất tuyến 471 110 diên hồng, huyện ia grai

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA - TRẦN VĂN DŨNG TRẦN VĂN DŨNG KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA C C ỨNG DỤNG MẠNG NƠ-RON ĐỂ DỰ BÁO PHỤ TẢI CHO XUẤT TUYẾN 471/110 DIÊN HỒNG, HUYỆN IA GRAI R L T U D LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA KHOÁ K37_TĐH_KT Đà Nẵng – Năm 2020 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA - TRẦN VĂN DŨNG ỨNG DỤNG MẠNG NƠ-RON ĐỂ DỰ BÁO PHỤ TẢI CHO XUẤT TUYẾN 471/110 DIÊN HỒNG, HUYỆN IA GRAI C C R L T Chuyên ngành: Kỹ thuật điều khiển Tự động hóa Mã số: 8520216 U D LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: Tiến sĩ Giáp Quang Huy Đà Nẵng – Năm 2020 i LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng hướng dẫn Tiến sĩ Giáp Quang Huy, Giảng viên môn Tự động hóa, khoa Điện, trường Đại học Bách khoa Đà Nẵng Các số liệu, kết nêu luận văn trung thực sản phẩm riêng cá nhân, không chép người khác Nội dung luận văn có tham khảo sử dụng số thơng tin, tài liệu từ nguồn sách, tạp chí liệt kê danh mục tài liệu tham khảo Tác giả luận văn C C Trần Văn Dũng R L U D T ii LỜI CẢM ƠN Tôi xin bày tỏ lịng kính trọng lời cảm ơn đến Tiến sĩ Giáp Quang Huy người Thầy, Cô hướng dẫn, tận tình giúp đỡ tơi suốt trình thực luận văn Xin trân trọng cảm ơn Ban giám hiệu, Thầy, Cô giáo trường đại học bách khoa Đà Nẵng, phân hiệu Kon Tum giảng dạy trình học tập nghiên cứu Tác giả luận văn C C R L U D T Trần Văn Dũng iii MỤC LỤC Lời cam đoan i Tóm tắt luận văn v Danh mục từ viết tắt iv Danh mục hình iiv Danh mục bảng iiiv MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ LƯỚI ĐIỆN VÀ XT 471/110 DH CẤP ĐIỆN CHO HUYỆN IA GRAI 1.1 Tình hình kinh tế xã hội 1.2 Khí hậu 1.3 Tình hình cấp điện 1.4 Đặc điểm XT 471/110 Diên Hồng 1.5 Kết luận chương CHƯƠNG 2: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP DỰ BÁO SẢN LƯỢNG ĐIỆN 10 2.1 Tổng quan công tác dự báo 10 2.2 Các loại dự báo hệ thống điện 11 2.3 Các yếu tố ảnh hưởng đến sản lượng điện 12 2.4 Các phương pháp dự báo 12 2.4.1 Phương pháp tính hệ số trượt 12 3.4.2 Phương pháp tính trực tiếp 13 3.4.3 Phương pháp so sánh đối chiếu 14 3.4.4 Phương pháp chuyên gia 14 3.4.5 Phương pháp san hàm mũ 14 3.4.6 Phương pháp ngoại suy theo thời gian 14 3.4.7 Phương pháp sử dụng mạng ANN 16 2.5 Tổng quan cơng trình sử dụng hệ thống ANN dự báo công bố 16 2.6 Sự cần thiết phải xây dựng mơ hình ANN để dự báo điện đơn vị 20 2.7 Kết luận chương 20 CHƯƠNG 3: XÂY DỰNG MƠ HÌNH MẠNG NƠ-RON NHÂN TẠO ĐỂ DỰ BÁO ĐIỆN NĂNG 21 3.1 Lịch sử phát triển mạng Nơ-ron nhân tạo 21 3.2 Nơ-ron sinh học 24 3.2.1 Chức năng, tổ chức hoạt động não người 24 3.2.2 Mạng Nơ-ron sinh học 25 3.3 Mạng Nơ-ron nhân tạo 26 3.3.1 Khái niệm 26 3.3.2 Mơ hình Nơ-ron 28 3.3.3 Cấu trúc mạng 30 C C R L U D T 3.3.4 Các hình trạng kiến trúc mạng 3.3.5 Thiết kế cấu trúc mạng 3.3.6 Vấn đề khớp 3.3.7 Huấn luyện mạng 3.3.8 Thuật toán huấn luyện lan truyền ngược 3.3.9 Thuật toán Levenberg - Marquardt 3.4 Xây dựng mơ hình mạng ANN dự báo sản lượng điện cho XT 471/110DH Huyện Ia Grai, tỉnh Gia Lai 3.4.1 Xác định liệu cho mơ hình ANN 3.4.2 Lựa chọn cấu trúc mạng ANN dự báo sản lượng điện 3.4.3 Chỉ tiêu đánh giá 3.5 Kết luận chương CHƯƠNG 4: MÔ PHỎNG VÀ KẾT QUẢ 4.1 Xây dựng chương trình lựa chọn mơ hình ANN tối ưu 4.1.1 Lựa chọn cấu trúc mơ hình ANN 4.1.2 Dữ liệu đầu vào 4.1.3 Huấn luyện mạng 4.1.4 Chỉ tiêu đánh giá 4.1.5 Thực nghiệm lựa chọn mơ hình 4.2 Kết thực nghiệm 4.3 Nhận xét 4.4 Kết luận chương KẾT LUẬN VÀ PHÁT TRIỂN Tài liệu tham khảo C C R L U D T 32 34 35 36 38 39 40 40 41 42 42 43 43 43 44 46 46 46 49 54 54 55 56 v ỨNG DỤNG MẠNG NƠ-RON ĐỂ DỰ BÁO SẢN LƯỢNG ĐIỆN CHO XUẤT TUYẾN 471/110 DIÊN HỒNG, HUYỆN IA GRAI, TỈNH GIA LAI Học viên: Trần Văn Dũng Chuyên ngành: Kỹ thuật Điều khiển Tự động hóa Mã số: 8520216 Khóa: K37.TĐH.KT Trường Đại học Bách khoa – ĐHĐN Tóm tắt: Cơng việc dự báo có ý nghĩa vô quan trọng vận hành hệ thống điện Việc dự báo xác giúp đảm bảo tính ổn định hệ thống điện, bảo đảm cân điện sản xuất tiêu thụ Đưa lịch công tác bảo dưỡng phù hợp Luận văn nghiên cứu mơ hình mạng Nơ-ron nhân tạo (ANN) để dự báo sản lượng điện huyện Ia Grai, tỉnh Gia Lai Mơ hình ANN lựa chọn để nghiên cứu mạng Nơ-ron truyền thẳng lớp huấn luyện thuật toán Levenberg-Marquardt (LM) Các tham số đầu vào huấn luyện mạng ngày, tháng, nhiệt độ, lượng mưa thu thập nơi thực C C Từ khóa: STLF, Dự báo, mạng Nơ-ron, nhiệt độ, ngắn hạn R L Abstract: Output power forecasting is of great importance in power system operation Accurate forecasting will help ensure the stability of power systems, balancing energy production and consumption Set up a reasonable schedule for electrical grid maintenance This essay research an artificial neural network (ANN) model for predicting output power in Ia Grai district, Gia Lai province The ANN model selected for study was a 4-layer feedforward neural network trained with the LevenbergMarquardt algorithm The network inputs parameters are the date, month, temperature, amount of rain Weather parameters collected at the place of implementation T U D Keywords: STLF, Forecast, neural network, temperature, short-term vi DANH MỤC CÁC TỪ VIẾT TẮT ANN Mạng Nơ-ron nhân tạo (Artificial Neural Network) MDMS Chương trình máy tính quản lý lưu trữ số liệu đo đếm (Meter Data Management System) XT 471/110DH Xuất tuyến 471 cấp điện áp 22kV, trạm biến áp 110kV Diên Hồng TBA Trạm biến áp P Công suất tác dụng Pmax Công suất đỉnh (cực đại) Pmin Công suất đáy (cực tiểu) Tmax Nhiệt độ lớn Tmin Nhiệt độ nhỏ L Lượng mưa (mm) Angày Sản lượng điện theo ngày (kWh) SSE Bình phương sai số (Sum of Squares Errors) BPN Lan truyền ngược (Back Propagation Neural Network) LM Thuật toán Levenberg - Marquard AI Trí tuệ nhân tạo (Artificial Intelligence) IEEE Hiệp hội công nghệ điện điện tử Mỹ ME Sai số trung bình (Mean Error) APE Sai số tuyệt đối phần trăm (Absolute Pecent Error) MAPE Sai số phần trăm tuyệt đối trung bình (Mean Absolute Pecent Error) MAE Sai số tuyệt đối trung bình (Mean Absolute Error) MSE Sai số bình phương trung bình (Mean Square Error) RMSE Sai số bình phương trung bình quân phương (Root mean square C C R L T U D Error) R Hệ số tương quan (Correlation coefficient) vii DANH MỤC CÁC HÌNH Số hiệu hình vẽ 1.1 1.2 1.3 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 3.18 3.19 3.20 3.21 3.22 3.23 3.24 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 Tên hình vẽ Trang Bản đồ hành tỉnh Gia Lai Bản đồ hành huyện Ia Grai Diện tích trồng loại huyện Ia Grai Tỷ lệ điện thương phẩm huyện Ia Grai 2018 Biểu đồ sản lượng điện tháng năm 2018 XT 471/110 DH Minh họa mạng thần kinh nhân tạo Minh họa sơ đồ Perceptron dạng ANN đơn giản có lớp Minh họa ANN có 02 lớp Mơ hình Nơ-ron sinh học Mơ hình Nơ-ron đơn giản Mơ hình Nơ-ron 03 04 lớp Cấu trúc huấn luyện ANN Mạng Nơ-ron đơn giản đầu vào Đồ thị biểu tượng hàm lưỡng cực Đồ thị biểu tượng hàm tuyến tính Mạng Nơ-rơn nhiều đầu vào Mạng Nơ-rơn nhiều đầu vào (R) rút gọn Cấu trúc mạng Nơ-ron lớp S Nơ-ron có R đầu vào lớp, rút gọn Cấu trúc mạng Nơ-ron lớp S Nơ-ron có R đầu vào lớp, rút gọn Mạng Nơ-ron truyền thẳng lớp, nhiều lớp Biểu diễn tóm tắt mạng Nơ-ron truyền thẳng Mạng Nơ-ron hồi quy lớp, nhiều lớp Biểu diễn tóm tắt mạng Nơ-ron hồi quy Học có giám sát Học khơng có giám sát Sơ đồ tổng quát huấn luyện tế bào ANN Cấu trúc ANN lớp tổng quát dự báo Angày Sơ đồ xây dựng mơ hình ANN dự báo sản lượng điện Cấu trúc mơ hình ANN dự báo sản lượng điện Matlab Thuật toán thực dự báo sản lượng điện Q trình huấn luyện mơ hình ANN Đồ thị hàm mục tiêu (MSE) Biểu đồ hồi quy giá trị dự báo thực tế Mơ hình tối ưu dự báo sản lượng điện Đồ thị liệu dự báo thực tế 21 22 24 25 26 27 27 28 29 29 29 30 30 31 31 32 32 33 33 33 36 37 38 41 43 44 47 48 48 49 51 53 C C R L U D T viii DANH MỤC CÁC BẢNG Số hiệu bảng 1.1 4.1 4.2 4.3 Tên bảng Trang Thành phần điện thương phẩm huyện Ia Grai 2018 Rút gọn liệu đầu vào mạng ANN Rút gọn liệu đánh giá mơ hình ANN Rút gọn liệu dự báo thực tế C C R L U D T 45 50 53 Number of hidden layer Number of hidden layer 11 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 14 14 14 20 10 11 12 13 14 15 16 17 18 19 20 10 11 12 13 14 15 16 17 18 19 20 MAPE15_t MAPE15_v 21.30488449 19.53251868 19.94211429 19.94921103 20.40319643 19.84897675 20.93634075 17.27387842 24.57839501 18.29455277 22.07794421 19.38542019 17.79489876 20.78660993 18.4955686 23.09519276 20.93288463 18.82484423 18.09098829 19.21526304 16.54424462 33.47568296 20.14466915 21.87062599 14.83158709 16.38434588 21.56316939 16.59712261 19.88348037 17.43628473 18.8887906 21.7465903 18.01656672 21.03989025 19.185441 18.35845541 21.73297386 18.78852165 21.18559719 17.10703598 21.69372495 22.35358173 28.50353166 20.36139658 16.96098669 21.5884942 16.75542589 19.2730432 18.4094361 16.52493146 14.32736474 21.3665617 23.12640169 17.25780992 16.45640023 15.5323047 25.85345661 16.28945331 19.46726094 15.12059711 20.06253414 18.43478056 19.00998225 14.95886983 28.13641248 19.57206278 21.59839137 15.5727533 17.67382763 22.3471464 15.6628522 15.17472185 21.15268865 22.66552652 19.6752702 17.05450908 14.47296454 18.39172062 22.10318704 18.02234122 19.31090041 16.18684718 20.61699476 20.50038669 20.40326813 24.98218547 R L C C U D T MAPE 15.22283145 15.28484723 16.68496461 14.79068929 14.72477858 14.68049509 15.09852612 13.74272221 29.51256143 14.24305246 15.05012551 14.39408259 13.23335943 28.87958383 14.79749248 15.39707845 14.84769066 16.34439279 14.19267674 15.73868789 13.51650706 24.24790962 16.93231875 24.85535757 13.31062492 13.33979294 18.03392867 12.77846516 15.88198268 14.39343406 36.19925681 16.40364242 14.13612024 15.04227725 14.88062614 14.66524078 15.23119322 15.48704406 15.5914251 16.6093943 27.0712581 17.88019558 22.13859857 Number of hidden layer Number of hidden layer 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 16 16 16 16 16 16 10 11 12 13 14 15 16 17 18 19 20 10 11 12 13 14 15 16 17 18 19 20 MAPE15_t MAPE15_v 19.84909859 18.78603318 18.4621487 17.59260407 19.15552699 17.86195581 17.04683003 18.45339354 19.77445677 17.97789349 21.01380952 16.14388645 18.19630911 18.38840269 17.97391937 22.26676955 16.05848597 19.3969267 33.47568296 23.73646043 23.46199102 17.99944599 24.55950205 17.85763836 17.83971566 22.14271809 18.97478924 22.03290788 21.14795741 17.00699716 19.48896551 22.07605007 19.76896352 19.77552095 18.99702366 17.89916007 16.72460215 32.18497093 31.23840479 20.34236953 20.05000297 21.5014495 27.16500967 17.15751008 13.63521479 17.80388926 13.98114648 20.55850731 13.81616148 14.66131612 20.55743627 21.13080221 17.68116426 18.54452436 16.23632337 19.22106817 16.07698636 17.75128793 19.91477731 20.2871403 20.32788315 28.13641248 23.81506511 22.30011612 25.18562759 23.79814784 21.3760392 21.10862648 20.07215528 21.97285825 19.75566882 19.20487186 18.29043801 18.45479027 20.31975812 17.82138127 16.0353859 19.10878502 22.45395159 16.09212111 27.26040139 28.95178164 14.76689544 20.41762013 18.82715524 26.11451421 R L C C U D T MAPE 15.51797481 14.14476403 13.69846376 14.82733955 16.89309643 13.27792639 13.76540391 15.72815851 17.12131125 13.34864034 15.50150801 12.95372619 14.85994778 14.84761012 13.81367567 17.4619737 13.9945395 16.39995097 24.24790962 18.90362961 19.6725597 26.09431514 18.77027298 26.72689126 14.22488612 23.51538981 15.34422407 19.21285288 19.35112818 12.10234638 14.85794066 18.47594677 14.40732342 14.86955926 14.49067402 16.1977731 13.25258696 23.51536524 22.28239987 14.79888165 15.47393187 15.79629738 27.80268808 Number of hidden layer Number of hidden layer 16 16 16 16 16 16 16 16 16 16 16 16 16 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 18 18 18 18 18 18 18 18 18 18 10 11 12 13 14 15 16 17 18 19 20 10 11 12 13 14 15 16 17 18 19 20 10 MAPE15_t MAPE15_v 20.90274316 17.41534034 17.40609321 19.58562794 17.92207304 16.29064862 26.74476085 17.0747338 18.76185187 20.28871312 20.8009259 21.55052247 17.60551704 18.59761604 22.22575841 23.81105466 21.2583888 22.26361449 28.09564475 24.53587486 20.13601573 22.00568599 23.37637501 21.20117698 19.84180155 20.02354065 17.8688579 18.38803432 19.4511252 20.9094451 18.27629404 18.19205255 24.16878242 18.05880952 18.12170055 15.97847964 19.39860059 21.80539377 18.64778373 21.54565864 18.06608599 20.39831051 17.93055585 17.69964862 16.47453089 19.39541757 22.71261621 16.80276782 17.47632778 22.20396893 19.29085378 21.98060932 17.68652827 21.09640415 18.39697588 17.8126508 23.85105767 18.14633595 25.25777642 16.11079302 21.22972146 24.55003328 23.02916584 15.37959099 18.89874135 21.73986822 17.60842334 18.35002161 17.94755685 20.40619439 19.46997451 16.57057095 17.24855045 17.2104225 21.00803374 22.05246288 17.28666102 22.30118766 11.7287251 22.91455777 17.05299229 17.8544441 16.96206967 19.52984902 20.17796586 18.29263073 R L C C U D T MAPE 15.23254436 12.99452136 13.25354315 16.32261872 13.40796825 21.91019658 22.02300301 13.68810071 17.81155457 15.72690101 19.46914985 14.75524646 16.52939691 32.16333483 16.04460376 39.91472837 14.50187819 22.30300656 22.26396322 20.25819644 14.00308263 15.19538827 36.53472651 15.58695808 15.37169095 15.21079569 15.74080085 15.09959312 14.9692342 16.03213642 14.49671922 13.31254511 19.49140515 14.53616026 14.5558518 12.55416975 32.37933894 14.79219601 16.59046162 15.15271966 16.11792458 16.23608916 13.72576981 Number of hidden layer Number of hidden layer 18 18 18 18 18 18 18 18 18 18 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20 20 20 20 20 20 11 12 13 14 15 16 17 18 19 20 10 11 12 13 14 15 16 17 18 19 20 10 11 12 13 MAPE15_t MAPE15_v 23.32189268 19.94866086 21.44360398 20.23720065 20.4933741 15.97075725 18.5006817 19.74747503 19.86151811 18.26464233 34.72573052 20.74779216 21.43057377 18.75089849 33.47568296 25.20200909 23.42288181 22.46025234 20.53840196 21.27503365 18.73310918 17.4921278 21.88992814 21.33174556 18.7427601 18.83981876 20.26520413 20.10473292 22.59260167 16.2371512 17.92156134 18.51398444 18.47892614 17.82338599 17.05739249 20.33604717 24.67092838 17.66623037 19.93783038 25.62716731 17.53697174 22.08888528 15.95700274 19.27408985 17.99865037 20.35417701 20.4523236 20.75345878 15.22651609 16.3219931 19.70978356 17.12773358 18.95090732 28.88199536 17.72825187 15.28416893 14.25462941 28.13641248 22.43286833 22.9552081 23.41118607 19.09442645 22.14914122 15.94636793 14.40189189 20.35519061 23.69439172 18.49879216 22.54889104 16.65299334 17.2445571 19.13584566 21.31123972 20.95974092 16.64263145 17.56193629 22.19548488 19.1001864 21.15089831 17.10362284 19.00981794 18.00131514 25.03224054 13.04762032 20.43788388 19.22760661 R L C C U D T MAPE 18.39949294 15.24121825 16.35001162 22.66958275 17.54556515 14.46756014 13.75367122 15.02616956 14.92717254 13.44815562 24.34452077 15.02281089 15.26525554 14.28067757 24.24790962 27.41999199 18.80672263 24.34231927 14.44252266 26.43179182 12.91094834 13.27987825 21.77808944 15.89515946 13.14518601 19.05701775 17.7321455 16.84190424 16.88807905 24.27037122 15.17074039 14.68054903 14.78420502 31.50812223 14.53314054 17.52402168 16.89349745 12.93441683 15.0072821 29.9549614 12.39827238 18.31078867 12.02385468 Number of hidden layer Number of hidden layer 20 20 20 20 20 20 20 14 15 16 17 18 19 20 MAPE15_t MAPE15_v 19.26837283 14.56109252 18.76857674 17.85539904 17.99321675 17.74992385 18.39569425 20.69865082 20.23806874 18.52292259 15.23528952 19.76755754 19.87795621 21.92521349 C C R L U D T MAPE 15.35420605 18.53536082 14.94088801 13.49555376 14.41618221 24.68533337 14.63350114 C C R L U D T DAT HOC DA NANG TRI1NG DiI HQC BACH KIIOA S: CONG HOA XA HOI CHU NGHA VIT NAM Dc 1p — Tr — Hnh /QD-DHBK Dà Náng, ngày