2.4. Mô tả số liệu
Để −ớc l−ợng đ−ờng cong phụ tải bằng ph−ơng pháp PC và so sánh kết quả với các kết quả nhận đ−ợc từ các ph−ơng pháp hàm spline bậc ba và CSSE, ta sử dụng số liệu điện năng tiêu thụ đo đ−ợc từ việc vận hành hệ thống truyền tải điện của ba n−ớc châu Âu là Italy (GRTN), Pháp (RTE) và Hy lạp (HTSO). Đơn vị đo là MW, và tần số cho mọi dữ liệu là hằng giờ mặc dù
khoảng thời gian lấy mẫu ở mỗi n−ớc là không giống nhaụ Cụ thể, các quan sát sẵn có kéo dài từ mùng 1 tháng 1 đến 31 tháng 12 năm 2001 đối với Italy, từ mùng 1 tháng 1 năm 2001 đến 31 tháng 12 năm 2002 đối với Pháp và từ 19 tháng 11 năm 2001 đến 25 tháng 11 năm 2002 đối với Hy lạp.
Hình 2-1: Các đ−ờng cong phụ tải quan sát đ−ợc tại Italy, Pháp và Hy lạp tháng 1/2001.
Hình 2-1 chỉ ra các đ−ờng cong phụ tải quan sát đ−ợc đối với Italy, Pháp và Hy lạp trong một tháng, đó là tháng 1 năm 2001. Ba đ−ờng cong là rất giống nhau, mặc dù đ−ợc đo theo các tỷ lệ khác nhaụ Đặc biệt, mức độ tiêu thụ điện năng ở Italy gần t−ơng đ−ơng với mức độ tiêu thụ điện năng của Pháp, trong khi đó mức độ tiêu thụ điện năng ơ Hy lạp thấp hơn đáng kể. Cả ba đ−ờng cong thể hiện dáng điệu của đ−ờng cong phụ tải điển hình, tức là một mẫu hàng ngày thông th−ờng trong vòng bốn ngày đầu tiên của mỗi tuần và một thay đổi trong chu kỳ gần với ngày nghỉ cuối tuần. Tuy nhiên, đ−ờng cong phụ
tải của Pháp là bằng phẳng hơn hai n−ớc còn lại, vì giữa công suất đỉnh và và công suất cực tiểu ít chênh lệch hơn.
2.5. Kết quả đánh giá
2.5.1. Ph−ơng pháp các thành phần chính (PC)
Ta đ# áp dụng ph−ơng pháp PC mô tả trong mục 2.3 đối với các quan sát hàng ngày của điện năng tiêu thụ cho các n−ớc Italy, Pháp và Hy lạp. Theo kinh nghiệm, ta cho p =24 (số giờ trong một ngày), và d =365 (số ngày trong 1 năm).
Hình 2-2: Phần trăm biến thiên tổng của điện năng tiêu thụ giải thích bằng ph−ơng pháp các thành phần chính (PC1: thành phần chính thứ nhất, PC2: thành phần chính thứ hai, PC3: thành phần chính thứ ba)
Trên hình 2-2 ta thấy, đối với mỗi n−ớc, tỷ lệ phần trăm của biến thiên tổng của điện năng tiêu thụ đ−ợc giải thích bằng ph−ơng pháp PC. Thành phần thứ nhất giải thích phần lớn nhất của biến thiên tổng của ba n−ớc (trung bình là 91%) và thể hiện mẫu điện năng tiêu thụ trong vòng một tuần điển hình. Các thành phần thứ hai và thứ ba cho phép nắm đ−ợc một vài khía cạnh đặc tr−ng
của điện năng tiêu thụ, các ảnh h−ởng cơ bản và các yếu tố môi tr−ờng hàng ngàỵ
Tập trung vào tr−ờng hợp Italy, đ−ờng cong phụ tải tổng trung bình thể hiện trên hình 2-3a thể hiện sự khác biệt đáng kể giữa điện năng tiêu thụ ban ngày và ban đêm. Trên hình 2-3b thể hiện các vector riêng kết hợp với ba thành phần đầu tiên, as, s = 1,...,k = 3.
a) b)
Hình 2-3: Tiêu thụ điện năng hằng giờ trung bình tính trên mẫu quan sát trung bình trong 365 ngày (2-3a) và các hệ số của 3 thành phần chính đầu tiên PC1, PC2, PC3 (2-3b) của Itallỵ
24 hệ số phối hợp với thành phần thứ nhất, a1, “bắt ch−ớc” rất giống dáng điệu của đ−ờng cong phụ tải trung bình. Điều này khẳng định khả năng giải thích của thành phần nàỵ Đ−ờng cong hàng ngày, “tích cực” hơn trong các ngày làm việc và ít “tích cực” trong các ngày nghỉ cuối tuần và ngày lễ, xác định hình dạng tổng quát của đ−ờng cong phụ tải tổng. Sự đóng góp của thành phần thứ nhất là gia tăng sự nhấp nhô đối với các ngày làm việc và ng−ợc lại, làm
bằng phẳng đ−ờng cong phụ tải đối với các ngày nghỉ cuối tuần. Khía cạnh cuối cùng này có thể đ−ợc hình dung bằng việc minh họa bằng đồ thị các giá trị của thành phần thứ nhất, z1, thành phần có giá trị d−ơng và hầu nh− không đổi trong suốt phần đầu của tuần và có giá trị âm vào cuối tuần (hình 2-5).
Các hệ số của thành phần thứ hai, a2, mô tả chính xác hơn sự khác nhau giữa các ngày làm việc và các ngày nghỉ trong tuần. Đối với Italy, thành phần thứ hai xác định đ−ợc sự không đối xứng của đ−ờng cong phụ tải giữa các giờ ban ngày và ban đêm. Đối với Pháp và Hy lạp, thành phần này giúp xác định hình dạng của đ−ờng cong phụ tải trong suốt các ngày làm việc (xem các hình 2-4a đến 2-4d).
c) d)
Hình 2-4: Tiêu thụ điện năng hằng giờ trung bình tính trên mẫu quan sát trung bình trong 365 ngày (2-4a, c) và các hệ số của 3 thành phần chính đầu tiên PC1, PC2, PC3 (2-4b, d) của Pháp và Hy Lạp
Hình 2-5: Các thành phần thứ nhất và thứ hai (PC1, PC2) của Italy, Pháp và Hy Lạp
Mặc dù thành phần thứ ba giải thích chỉ một phần nhỏ của sự thay đổi của điện năng tiêu thụ, nh−ng sự giải thích đó là rất đáng quan tâm vì nó tập trung vào các tác động của điều kiện thời tiết và các yếu tố môi tr−ờng. Vào mùa đông, các ngày là ngắn hơn và điện năng tiêu thụ cho s−ởi ấm và chiếu sáng là rất cao vào cuối buổi chiềụ Ng−ợc lại vào mùa hè điện năng tiêu thụ vào cuối buổi chiều là thấp hơn vì trời vẫn sáng và nhiệt độ trung bình thấp hơn trong ngày nên có thể cắt giảm số l−ợng lớn điều hòa nhiệt độ. Hiện t−ợng này xảy ra đối với tất cả các n−ớc mặc dù ở các mức độ khác nhau (hình 2-4).
Bây giờ ta tính toán đ−ờng cong phụ tải “thích hợp” theo các b−ớc mô tả trong mục 2.3. Đối với mỗi n−ớc, ma trận của các biến hồi quy độc lập ngoại sinh trong ph−ơng trình (2-18) đ−ợc tạo thành bởi 7 biến giả biểu thị 7 ngày trong tuần (thứ hai, thứ ba, thứ t−, thứ năm, thứ sáu, thứ bảy, chủ nhật), hai biến sin tất định (SIN1, SIN2) và hai biến cos tất định (COS1, COS2) với chu kỳ 1 và 2 t−ơng ứng, để xác định đ−ợc các tác động dài hạn theo mùa, một
biến giả cho các ngày nghỉ quốc gia (HOL), hai biến đo nhiệt độ trung bình (TEMP) (nhiệt độ trung bình đ−ợc xác định bằng cách lấy trung bình cộng các nhiệt độ hàng ngày ghi lại đ−ợc tại ba thành phố đại diện ba miền Bắc, Trung, Nam) và bình ph−ơng của nó (TEMP2), là biến xác định sự phi tuyến trong quan hệ giữa điện năng tiêu thụ và nhiệt độ.
Sự tồn tại tính phi tuyến trong mối quan hệ giữa điện năng tiêu thụ và nhiệt độ đ# đ−ợc chứng minh trong các tài liệụ Ví dụ Engle et al (1986) đ# cung cấp một bằng chứng thực tế chứng minh mối quan hệ hình V giữa điện năng tiêu thụ và nhiệt độ với nhiệt độ thấp nhất khoảng 180C tại thị tr−ờng điện của Mỹ. Mối quan hệ này có thể đ−ợc giải thích một cách hợp lý với chú ý rằng nhiệt độ giảm sẽ gia tăng điện năng tiêu thụ thông qua việc sử dụng nhiều thiết bị nhiệt trong khi nhiệt độ tăng sẽ gia tăng điện năng tiêu thụ khi sử dụng nhiều điều hòa nhiệt độ.
Trở ngại chính của ph−ơng pháp phân tích này là nó không xem xét cụ thể đến hình dạng của đ−ờng cong phụ tảị Không chỉ có nhiệt độ mà còn cả hình dạng của đ−ờng cong tiêu thụ cũng ảnh h−ởng đến điện năng tiêu thụ hằng ngàỵ Tuy nhiên không dễ để nghiên cứu mối quan hệ theo chuỗi thời gian giữa điện năng tiêu thụ và nhiệt độ vì các ph−ơng pháp tr−ớc đây quan sát một cách điển hình trên cơ sở từng giờ, trong khi các ph−ơng pháp gần đây nói chung là hằng ngàỵ Sử dụng ph−ơng pháp các thành phần chính có thể khắc phục vấn đề này bằng cách tổng kết hình dạng của đ−ờng cong phụ tải nh− là tích số giữa các hệ số hằng giờ và mức của các thành phần chính t−ơng ứng. Sau đó có thể mô hình hóa mối quan hệ giữa các thành phần và một bộ các biến ngoại sinh liên quan và phân tích sự thay đổi đối với điện năng tiêu thụ hàng ngày cũng nh− hiệu chỉnh hình dạng của đ−ờng cong phụ tảị Nếu nhiệt độ hằng ngày là nằm trong số các biến ngoại sinh, cũng có thể tập trung sự chú ý vào tác động của điều kiện thời tiết đến hình dạng của đ−ờng cong phụ tảị
2.5.2. Các ph−ơng pháp FFT, CSSE và kết quả so sánh với ph−ơng pháp PC
Ta thực hiện ph−ơng pháp −ớc l−ợng FFT theo các b−ớc đ−ợc mô tả trong các ph−ơng trình từ (2-4) – (2-10) của mục 2.2.2. Theo kinh nghiệm tổng số lần quan sát n = 8760 (24h một ngày và tổng số ngày trong 1 năm là 365), trong khi các giá trị −ớc l−ợng của tham số λ trong mô hình Fourier là 72 đối với Italy, 127 đối với Pháp và 115 đối với Hy lạp. Chuỗi các điện năng tiêu thụ −ớc l−ợng theo FFT đ−ợc xây dựng bởi biểu thức (2-10).
Ph−ơng pháp CSSE đ−ợc tính toán dọc theo các đ−ờng đ−ợc minh họa theo các ph−ơng trình (2-11) – (2-12) của mục 2.2.3. Chuỗi các điện năng tiêu thụ −ớc l−ợng theo CSSE đ−ợc tính toán khi giải quyết các vấn đề xác định trong các ph−ơng trình (2-2) – (2-3) và (2-11) – (2-12).
Các kết quả áp dụng đối với Italy đ−ợc thể hiện trên hình 2-6 trong đó các −ớc l−ợng FFT và CSSE (t−ơng ứng là FFTIT và CSSEIT) đ−ợc so sánh với hai kết quả của ph−ơng pháp PC, t−ơng ứng với tr−ờng hợp có và không có biến nhiệt độ đ−ợc xem nh− một biến ngoại sinh trong ph−ơng trình (2-19). Biểu đồ phân tán của các giá trị tính toán (thích hợp) đối với điện năng tiêu thụ thực tế chỉ ra rằng cả ba ph−ơng pháp đều khả thi khi toàn bộ các điểm số liệu của mỗi mô hình trong tổng số bốn mô hình là rất gần với đ−ờng thẳng 450. Hệ số t−ơng quan bình ph−ơng giữa các giá trị thực tế và các giá trị thích hợp cần tìm chỉ ra rằng ph−ơng pháp PC bao gồm biến nhiệt độ, có độ phù hợp lớn nhất (R2=0,96), tiếp đó là ph−ơng pháp PC không bao gồm biến nhiệt độ (R2=0,93) trong khi các ph−ơng pháp FFT và CSSE cũng khá phù hợp (t−ơng ứng với các trị số R2 là 0,892 và 0,894). Các thành phần chính đ−ợc −ớc l−ợng d−ờng nh− có khả năng thích ứng cao hơn với các số liệu vì chúng chấp nhận các tác động dài hạn của từng mùa, từng ngày và các kỳ nghỉ. Khi biến nhiệt độ đ−ợc đ−a vào, các thành phần chính cũng có khả năng xác định đ−ợc sự thay đổi hình dạng của đ−ờng cong phụ tảị
Hình 2-6: Kết quả so sánh giữa các ph−ơng pháp FFT, CSSE và PC t−ơng ứng với tr−ờng hợp có và không có biến nhiệt độ đ−ợc xem nh− một biến ngoại sinh áp dụng cho Italy
Hình 2-7 chỉ ra việc so sánh giữa ph−ơng pháp PC (không bao gồm biến nhiệt độ) và các ph−ơng pháp FFT, CSSE áp dụng cho các n−ớc Hy lạp và Pháp. Mục đích của ví dụ này là nhằm nhấn mạnh tầm quan trọng của biến nhiệt độ trong ph−ơng pháp PC. Đối với cả hai n−ớc, chuỗi các điện năng tiêu thụ đ−ợc làm thích hợp bằng ph−ơng pháp PC không bao gồm biến nhiệt độ có giá trị R2 thấp nhất. Cụ thể, đối với Hy lạp, hệ số thực hiện R2 tốt nhất , khi đ−ợc phối hợp với −ớc l−ợng FFT sẽ có giá trị cao hơn là 0.15.
Hình 2-7: Kết quả so sánh giữa các ph−ơng pháp FFT, CSSE và PC không có biến nhiệt độ áp dụng cho Pháp và Hy Lạp.
2.6. Dự báo đ−ờng cong phụ tải bằng ph−ơng pháp các thành phần chính Bên cạnh sự thuận lợi khi lập trình tính toán trên máy tính và khả năng Bên cạnh sự thuận lợi khi lập trình tính toán trên máy tính và khả năng điều tiết các biến ngoại sinh liên quan, ví dụ nhiệt độ hằng ngày, một trong những lợi ích chính của ph−ơng pháp PC đó là khả năng linh hoạt khi cần thiết phải dự báo ngoài mẫụ Ví dụ nếu có thêm h quan sát bên ngoài mẫu của các biến ngoại sinh, có thể xác định một ma trận X% kích th−ớc h x g. Theo đó xác định ma trận các hệ số −ớc l−ợng, Π
)
, nhận đ−ợc từ ph−ơng trình (2-19), ta có thể tính toán k thành phần chính ngoài mẫu bởi công thức:
k
Z =XΠ
) )
% % (2-21)
Cuối cùng các giá giá trị đ−ợc dự báo của đ−ờng cong phụ tải có thể nhận đ−ợc nh− sau:
k k
Y=Z A′
) )
% % (2-22)
Trong đó Ak là ma trận các hệ số phối hợp với k thành phần chính bên trong mẫụ
Sử dụng các số liệu quan sát đ−ợc của nhiệt độ và điện năng tiêu thụ hằng ngày qua ba tháng đầu năm 2002 (nghĩa là g =90), ta áp dụng các ph−ơng
pháp đ−ợc mô tả trong các ph−ơng trình (2-18), (2-21) và (2-22) cho tr−ờng hợp của Pháp.
Các kết quả của điện năng tiêu thụ đ−ợc dự báo th−ờng đ−ợc chọn để có sai số tuyệt đối trung bình là 0,055 mỗi giờ. Trên hình 2-8 chỉ ra biểu đồ phân tán của các điện năng tiêu thụ đ−ợc dự báo trong mỗi giờ so với các điện năng tiêu thụ thực tế. Khả năng dự báo của ph−ơng pháp PC là đáp ứng yêu cầu vì độ tán xạ đ−ợc giới hạn xung quanh đ−ờng thẳng 450, với một giá trị thông tin R2 là 0,81. Hình 2-9 thể hiện dáng điệu của đ−ờng cong phụ tải hằng giờ và điện năng tiêu thụ hằng giờ t−ơng ứng quan sát đ−ợc trong một chu kỳ nhỏ của dự báo ngắn hạn, đó là từ 28 tháng 1 năm 2002 đến 19 tháng 2 năm 2002. Một lần nữa, sự phù hơp của ph−ơng pháp PC đ−ợc thể hiện rõ ràng.
Hình 2-8: Các giá trị dự báo ngoài mẫu và các giá trị thực tế của ph−ơng pháp PC áp dụng cho Pháp. COMPFR là ph−ơng pháp PC có xét đến nhiệt độ, R2 là hệ số t−ơng quan giữa giá trị thực và giá trị dự báọ
Hình 2-9: Đ−ờng cong dự báo ngoài mẫu và đ−ờng cong phụ tải thực tế của Pháp.
Ch−ơng 3
ph−ơng pháp đẳng trị hóa đồ thị phụ tải từ số liệu thống kê và xác định các thông số Tmax, τmax
3.1. Mục đích của ph−ơng pháp
Việc tính toán tổn thất điện năng có thể đ−ợc thực hiện với sự trợ giúp của các thiết bị đo, trong đó thông dụng nhất là so sánh sản l−ợng điện ở đầu vào và đầu rạ Tuy nhiên ph−ơng pháp này th−ờng mắc phải sai số lớn do một số nguyên nhân sau:
- Không thể lấy đồng thời chỉ số của các công tơ tại đầu nguồn và ở các điểm tiêu thụ.
- Nhiều điểm tải còn thiếu thiết bị đo hoặc thiết bị đo không phù hợp với phụ tảị
- Số chủng loại đồng hồ đo rất đa dạng với nhiều mức sai số khác nhau, đó là ch−a nói đến việc chỉnh định đồng hồ đo ch−a chính xác hoặc không thể chính xác do chất l−ợng điện không đảm bảọ
Cũng có thể sử dụng các ph−ơng pháp đo hiện đại nh− dùng đồng hồ đo tổn thất để nâng cao độ chính xác của phép đo, nh−ng nh− vậy sẽ rất tốn kém và phức tạp nên chỉ đ−ợc sử dụng ở những mạng điện quan trọng.
So với các ph−ơng pháp trên, ph−ơng pháp xác định tổn thất điện năng thông qua trị số τmax và tổn thất công suất trên l−ới tỏ ra đơn giản và kinh tế hơn. Ph−ơng pháp truyền thống là xác định τmax thông qua thời gian sử dụng công suất lớn nhất Tmax và hệ số công suất cosϕ vì τmaxlà hàm của Tmax và cosϕ. Τhông th−ờng Tmax đ−ợc xác định theo kinh nghiệm vận hành ứng với các loại hình phụ tải khác nhau và giá trị của nó nêu trong các sổ tay kỹ thuật th−ờng nằm trong một dải nên không xác định đ−ợc chính xác trị số cần tìm. Điều này dẫn tới sai số lớn khi xác định τmax và kéo theo đó là sai số khi xác
định tổn thất điện năng. Để khắc phục nh−ợc điểm này, có thể xác định Tmax một cách trung bình thông qua các trị số công suất tác dụng đo đ−ợc trong một khoảng thời gian khảo sát và trị số cực đại của công suất tác dụng trong