(Luận văn thạc sĩ) dự báo tải điện tỉnh tiền giang trên cơ sở NEURAL NETWORK

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ LÊ HOÀNG PHÚC DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG TRÊN CƠ SỞ NEURAL NETWORK NGÀNH: KỸ THUẬT ĐIỆN - 60520202 S K C0 Tp Hồ Chí Minh, tháng 10/2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ LÊ HOÀNG PHÚC DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG TRÊN CƠ SỞ NEURAL NETWORK NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Tp Hồ Chí Minh, tháng 10/2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ LÊ HOÀNG PHÚC DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG TRÊN CƠ SỞ NEURAL NETWORK NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Hướng dẫn khoa học: PGS TS LÊ MINH PHƯƠNG Tp Hồ Chí Minh, tháng 10/2014 LUẬN VĂN TỐT NGHIỆP 2014 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ tên: Lê Hồng Phúc Giới tính: Nam Ngày, tháng, năm sinh: 30-09-1983 Nơi sinh: Tiền Giang Quê quán: xã Thân Cửu Nghĩa, huyện Châu Thành, tỉnh Tiền Giang Dân tộc: kinh Chức vụ, đơn vị công tác trước học tập, nghiên cứu: chuyên viên Phòng Quản lý lượng – Sở Công Thương Tiền Giang Chổ riêng địa liên lạc: Sở Công Thương Tiền Giang Điện thoại quan: 073 3886640; Fax: 073.3882201 Email: hoangphuc2003tg@yahoo.com II QUÁ TRÌNH ĐÀO TẠO: Đại học: - Hệ đào tạo: quy - Thời gian đào tạo: từ tháng 09/2001 đến tháng 05/2006 - Nơi học: Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh - Ngành học: Điện khí hóa cung cấp điện - Tên luận văn tốt nghiệp: Ứng dụng Fuzzy logic điều khiển tốc độ động không đồng ba pha theo định hướng từ thông stator + Bảo vệ Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh + Ngày bảo vệ luận văn tốt nghiệp: năm 2006 + Người hướng dẫn: Th.S Lê Thị Thanh Hoàng Thạc sĩ: - Hệ đào tạo: quy - Thời gian đào tạo: từ tháng 10/2012 đến tháng 10/2014 GVHD: PGS TS Lê Minh Phương i HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 - Nơi học: Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh - Ngành học: Kỹ Thuật điện - Tên luận văn tốt nghiệp: Dự báo phụ tải điện tỉnh Tiền Giang sở Neural Network + Ngày nơi bảo vệ luận văn: ngày 19/10/2014 Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh + Người hướng dẫn: PGS TS Lê Minh Phương Trình độ ngoại ngữ: Tiếng anh chứng B Học vị, học hàm, chức vụ kỹ thuật đƣợc cấp; số bằng, ngày nơi cấp: III Q TRÌNH CƠNG TÁC: Thời gian Nơi cơng tác Cơng việc đảm nhiệm Từ tháng 9/2006 Sở Công Thương đến Tiền Giang - Tổ chức hướng dẫn thực việc sử dụng lượng tiết kiệm hiệu quả; phát triển lượng mới, lượng tái tạo; hành lang an tồn cơng trình lưới điện cao áp; - Thẩm tra hồ sơ thiết kế, kiểm tra công tác nghiệm thu cơng trình điện; thẩm định hồ sơ cấp giấy phép hoạt động điện lực IV CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ: Khơng có Ngày 20 tháng 10 năm 2014 Ngƣời khai ký tên GVHD: PGS TS Lê Minh Phương ii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu tơi Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tp Hồ Chí Minh, tháng 10 năm 2014 Người thực Lê Hoàng Phúc GVHD: PGS TS Lê Minh Phương iii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 Lời cảm ơn Trƣớc hết, em xin trân trọng bày tỏ lòng biết ơn sâu sắc đến thầy PGS.TS LÊ MINH PHƢƠNG, ngƣời tận tình bảo, hƣớng dẫn, truyền đạt kiến thức chuyên môn kinh nghiệm để em thực luận văn Xin chân thành cảm ơn đến tất quý Thầy, Cô Trƣờng Đại Học Sƣ Phạm Kỹ Thuật TP Hồ Chí Minh, Trƣờng Đại học Bách Khoa TP Hồ Chí Minh trang bị cho em kiến thức bổ ích, đặc biệt Thầy Cơ Khoa Điện tạo điều kiện thuận lợi hỗ trợ cho em nhiều trình học nhƣ thời gian làm luậ n vă n Xin gởi lời cảm ơn đến Ban lãnh đạo Sở Công Thƣơng Tiền Giang tạo điều kiện cho em suốt trình học tập Xin gởi lời cảm ơn chân thành đến bạn bè gia đình động viên, giúp đỡ em có thêm nỗ lực, niềm tin để hoàn thành luận văn Xin chân thành cảm ơn! Thành phố Hồ Chí Minh, tháng 10 năm 2014 Ngƣời thực Lê Hoàng Phúc GVHD: PGS TS Lê Minh Phƣơng Phúc iv HVTH: Lê Hoàng LUẬN VĂN TỐT NGHIỆP 2014 MỤC LỤC Trang tựa Trang Quyết định giao đề tài Lý lịch khoa học i Lời cam đoan iii Lời cảm tạ iv Tóm tắt v Mục lục vii Danh sách từ viết tắt x Danh sách hình xi Giới thiệu đề tài CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI 1.1 Tổng quan dự báo 1.1.1 Khái niệm chung 1.1.2 Đặc điểm dự báo 1.1.3 Các phương pháp dự báo 1.2 Các phương pháp dự báo phụ tải điện 1.2.1 Phương pháp dự báo truyền thống 1.2.1.1 Phương pháp hệ số đàn hồi 1.2.1.2 Phương pháp tính tương quan xu 1.2.1.3 Phương pháp tính trực tiếp 11 1.2.1.4 Phương pháp chuyên gia 12 1.2.1.5 Phương pháp hồi quy 12 1.2.1.6 Phương pháp san hàm mũ 13 1.2.1.7 Phương pháp ngoại suy theo thời gian 14 1.2.2 Phương pháp dự báo phụ tải đại 16 1.2.2.1 Phương pháp dự báo fuzzy logic (logic mờ) 16 1.2.2.2 Phương pháp dự báo phép phân tích Wavelet 28 GVHD: PGS TS Lê Minh Phương vii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 1.2.2.3 Mạng nơron nhân tạo (neural network) 33 1.2.2.4 Mơ hình mạng Wavelet (mạng neural kết hợp hàm Wavelet) 37 1.2.2.5 Mạng neural mờ (fuzzy neural network - FNN) 40 CHƯƠNG 2: TỔNG QUAN VỀ MẠNG NEURAL NHÂN TẠO (ANN) VÀ ỨNG DỤNG TRONG DỰ BÁO PHỤ TẢI 2.1 Giới thiệu mạng nơron nhân tạo 41 2.2 Cấu trúc mạng nơron nhân tạo 42 2.3 Một số luật học giải thuật 49 2.3.1 Luật học sửa lỗi (Error correction learning) 49 2.3.2 Luật Hebbian (Hebbian learning) 49 2.3.3 Luật học cạnh tranh (Competivive learning) 51 2.3.4 Giải thuật học Delta tổng quát 51 2.4 Một số mạng neural nhân tạo 56 2.4.1 Mạng Maccalox 56 2.4.2 Mạng Hopfield 56 2.4.3 Mạng Hemmin 58 2.4.4 Mạng Function Link Net (FLN) 59 2.4.5 Mạng Perception 60 2.5 Giới thiệu Neural Networks 61 2.5.1 Mơ hình nơron 62 2.5.2 Mạng truyền thẳng 63 2.5.3 Hàm khởi tạo mạng 66 2.5.4 Huấn luyện mạng 66 2.6 Ứng dụng mạng nơron nhân tạo dự báo phụ tải 69 CHƯƠNG 3: GIẢI THUẬT DỰ BÁO, ĐỀ XUẤT 3.1 Mạng truyền thẳng giải thuật lan truyền ngược 77 3.2 Giải thuật chương trình huấn luyện mạng 82 3.3 Giải thuật chương trình dự báo 83 GVHD: PGS TS Lê Minh Phương viii HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 CHƯƠNG 4: THIẾT KẾ MẠNG NEURAL DỰ BÁO PHỤ TẢI 4.1 Các bước xây dựng toán dự báo phụ tải 84 4.2 Thiết kế mạng neural dự báo phụ tải 86 4.2.1 Phân tích liệu 87 4.2.2 Lựa chọn cấu trúc mạng 88 4.2.3 Lựa chọn hàm truyền 88 4.2.4 Huấn luyện mạng chọn theo giải thuật truyền ngược 88 CHƯƠNG 5: GIẢI THUẬT LẬP TRÌNH VÀ LẬP TRÌNH BẰNG MATLAB 5.1 Giải thuật lập trình 93 5.2 Giới thiệu giao diện cua chương trình 94 5.2.1 Giới thiệu huấn luyện mạng 95 5.2.2 Giao diện dự báo phụ tải 24h 95 5.2.3 Giao diện dự báo phụ tải ngày 96 5.2.4 Giao diện dự báo phụ tải 12 tháng 97 CHƯƠNG 6: KẾT QUẢ DỰ BÁO PHỤ TẢI TỈNH TIỀN GIANG 6.1 Kết dự báo 98 6.1.1 Dự báo phụ tải 24h 98 6.1.2 Dự báo phụ tải ngày 108 6.1.3 Dự báo phụ tải 12 tháng 111 6.2 So sánh kết dự báo áp dụng mơ hình dự báo phụ tải điện mạng nơron mơ hình dự báo phụ tải truyền thống 114 6.3 Nhận xét chung 117 CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 7.1 Kết luận 119 7.2 Hướng phát triển đề tài 119 Tài liệu tham khảo 121 Phụ lục1: Chương trình Matlab 123 Phụ lục2: Số liệu công suất cực đại điện tiêu thụ tỉnh Tiền Giang Phụ lục3: Số liệu điện thương phẩm tỉnh Tiền Giang GVHD: PGS TS Lê Minh Phương ix HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 t=data12(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net12,tr12]=train(net,p,t); %data13 [m,n]=size(data13); p=data13(:,1:n-1); t=data13(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net13,tr13]=train(net,p,t); %data14 [m,n]=size(data14); p=data14(:,1:n-1); t=data14(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net14,tr14]=train(net,p,t); %data15 GVHD: PGS TS Lê Minh Phương 158 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [m,n]=size(data15); p=data15(:,1:n-1); t=data15(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net15,tr15]=train(net,p,t); %data16 [m,n]=size(data16); p=data16(:,1:n-1); t=data16(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net16,tr16]=train(net,p,t); %data17 [m,n]=size(data17); p=data17(:,1:n-1); t=data17(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; GVHD: PGS TS Lê Minh Phương 159 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [net17,tr17]=train(net,p,t); %data18 [m,n]=size(data18); p=data18(:,1:n-1); t=data18(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net18,tr18]=train(net,p,t); %data19 [m,n]=size(data19); p=data19(:,1:n-1); t=data19(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net19,tr19]=train(net,p,t); %data20 [m,n]=size(data20); p=data20(:,1:n-1); t=data20(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; GVHD: PGS TS Lê Minh Phương 160 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net20,tr20]=train(net,p,t); %data21 [m,n]=size(data21); p=data21(:,1:n-1); t=data21(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net21,tr21]=train(net,p,t); %data22 [m,n]=size(data22); p=data22(:,1:n-1); t=data22(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net22,tr22]=train(net,p,t); %data23 [m,n]=size(data23); p=data23(:,1:n-1); t=data23(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; GVHD: PGS TS Lê Minh Phương 161 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net23,tr23]=train(net,p,t); %data24 [m,n]=size(data24); p=data24(:,1:n-1); t=data24(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=500; [net24,tr24]=train(net,p,t); save('NNT.mat','net7','net6','net5','net4','net3','net2','net1','net8','net9','net10','net11',' net12','net13','net14','net15','net16','net17','net18','net19','net20','net21','net22','net23' ,'net24'); GVHD: PGS TS Lê Minh Phương 162 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 HUẤN LUYỆN NGÀY.m function trainngay clear all; format long closereq load ('thongso.mat'); load ('tmautuan.mat'); data1=dta(1,:); data2=dta(2,:); data3=dta(3,:); data4=dta(4,:); data5=dta(5,:); data6=dta(6,:); data7=dta(7,:); %data1 [m,n]=size(data1); p=data1(:,1:n-1); t=data1(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net1,tr1]=train(net,p,t); %data2 [m,n]=size(data2); p=data2(:,1:n-1); t=data2(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; GVHD: PGS TS Lê Minh Phương 163 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.epochs = ep; net.trainParam.goal =hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net2,tr2]=train(net,p,t); %data3 [m,n]=size(data3); p=data3(:,1:n-1); t=data3(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net3,tr3]=train(net,p,t); %data4 [m,n]=size(data4); p=data4(:,1:n-1); t=data4(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net4,tr4]=train(net,p,t); %data5 [m,n]=size(data5); p=data5(:,1:n-1); t=data5(:,2:n); GVHD: PGS TS Lê Minh Phương 164 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net5,tr5]=train(net,p,t); %data6 [m,n]=size(data6); p=data6(:,1:n-1); t=data6(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net6,tr6]=train(net,p,t); %data7 [m,n]=size(data7); p=data7(:,1:n-1); t=data7(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net7,tr7]=train(net,p,t); save('NNngay.mat','net7','net6','net5','net4','net3','net2','net1'); DB7ngay GVHD: PGS TS Lê Minh Phương 165 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 HUẤN LUYỆN 12 THÁNG.m function trainthang clear all; format long closereq load ('thongso.mat'); load ('tmautuan.mat'); data1=dta(1,:); data2=dta(2,:); data3=dta(3,:); data4=dta(4,:); data5=dta(5,:); data6=dta(6,:); data7=dta(7,:); data8=dta(8,:); data9=dta(9,:); data10=dta(10,:); data11=dta(11,:); data12=dta(12,:); %data1 [m,n]=size(data1); p=data1(:,1:n-1); t=data1(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net1,tr1]=train(net,p,t); %data2 GVHD: PGS TS Lê Minh Phương 166 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [m,n]=size(data2); p=data2(:,1:n-1); t=data2(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal =hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net2,tr2]=train(net,p,t); %data3 [m,n]=size(data3); p=data3(:,1:n-1); t=data3(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net3,tr3]=train(net,p,t); %data4 [m,n]=size(data4); p=data4(:,1:n-1); t=data4(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; GVHD: PGS TS Lê Minh Phương 167 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 [net4,tr4]=train(net,p,t); %data5 [m,n]=size(data5); p=data5(:,1:n-1); t=data5(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net5,tr5]=train(net,p,t); %data6 [m,n]=size(data6); p=data6(:,1:n-1); t=data6(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net6,tr6]=train(net,p,t); %data7 [m,n]=size(data7); p=data7(:,1:n-1); t=data7(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; GVHD: PGS TS Lê Minh Phương 168 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net7,tr7]=train(net,p,t); %data8 [m,n]=size(data8); p=data8(:,1:n-1); t=data8(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net8,tr8]=train(net,p,t); %data9 [m,n]=size(data9); p=data9(:,1:n-1); t=data9(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net9,tr9]=train(net,p,t); %data10 [m,n]=size(data10); p=data10(:,1:n-1); t=data10(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; GVHD: PGS TS Lê Minh Phương 169 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net10,tr10]=train(net,p,t); %data11 [m,n]=size(data11); p=data11(:,1:n-1); t=data11(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net11,tr11]=train(net,p,t); %data12 [m,n]=size(data12); p=data12(:,1:n-1); t=data12(:,2:n); net=feedforwardnet([hide],'trainrp'); net.trainParam.show = NaN; net.trainParam.epochs = ep; net.trainParam.goal = hs/1e5; net.trainParam.min_grad=hs/1e5; net.trainParam.max_fail=ep; [net12,tr12]=train(net,p,t); save('NNThang.mat','net7','net6','net5','net4','net3','net2','net1','net8','net9','net10','net 11','net12'); DBth GVHD: PGS TS Lê Minh Phương 170 HVTH: Lê Hoàng Phúc LUẬN VĂN TỐT NGHIỆP 2014 Dư báo phương trình hàm mũ clear all clc X=[1;2;3;4;5;6;7;8;9;10;11;12;13;14] Y=[178.06;205.15;239.63;272.98;309.31;351.17;411.49;461.49;535.62;610.99;700 68;787.09;902.72;1022.34]*1e6 n=14 X_2=X.^2 Y_log=log10(Y) XY_log=X.*Y_log; sum_X=sum(X) sum_X_2=sum(X_2) sum_Y_log=sum(Y_log) sum_XY_log=sum(XY_log) %[a,b] = solve('b*sum_X_2+a*sum_X-sum_XY_log','b*sum_X+n*a-sum_Y_log') log_b=(n*sum_XY_log-sum_Y_log*sum_X)/(n*sum_X_2-sum_X*sum_X) b=10^log_b log_a=(sum_XY_log*sum_X-sum_Y_log*sum_X_2)/(n*sum_X_2+sum_X*sum_X) a=10^log_a Y_n=a*b^(n+1) GVHD: PGS TS Lê Minh Phương 171 HVTH: Lê Hoàng Phúc S K L 0 ... tạo dự báo nói chung dự báo phụ tải nói riêng - Nghiên cứu xây dựng mơ hình dự báo phụ tải cho tỉnh Tiền Giang - Nghiên cứu giải thuật lập trình xây dựng phần mềm dự báo phụ tải cho tỉnh Tiền Giang. .. diện dự báo phụ tải 24h 95 5.2.3 Giao diện dự báo phụ tải ngày 96 5.2.4 Giao diện dự báo phụ tải 12 tháng 97 CHƯƠNG 6: KẾT QUẢ DỰ BÁO PHỤ TẢI TỈNH TIỀN GIANG 6.1 Kết dự báo. .. em chọn đề tài: ? ?Dự báo phụ tải điện cho tỉnh Tiền Giang sở Neural Network? ?? với mong muốn khám phá ưu điểm mạng nơron nhân tạo ứng dụng vào công tác dự báo phụ tải cho tỉnh Tiền Giang MỤC TIÊU