Cấu trúc mạng

Cấu trúc mạng nơ-ron cơ bản được xây dựng như một nút với các đầu vào song song và đầu ra đơn, cùng với “trọng số” mà điều chỉnh tác động của các tín hiệu đầu vào, “hàm truyền” biểu thị các tính chất phi tuyến của nơ ron. Mạng nơ-ron chia thành:

 Mạng nơ-ron một lớp:

Mạng nơ-ron này chỉ gồm một lớp vào, một lớp ra và không có lớp ẩn.

Hình 2.1: Cấu trúc mạng nơ-ron 1 lớp

 Mạng nơ-ron nhiều lớp:

Mạng nơ-ron nhiều lớp có thể giải quyết các bài toán phi tuyến nhờ vào các lớp ẩn.Các lớp ẩn này xen giữa lớp vào và lớp ra.Ở đây giới thiệu mạng nơ-ron ba lớp với một lớp đầu vào, một lớp ẩn và một lớp đầu ra. Mỗi lớp có một số nơ-ron và mỗi nơ- ron được kết nới với các nơ ron liền kề với các trọng số khác nhau. Các tín hiệu theo từ lớp đầu vào, thông qua lớp ẩn, và đến đầu ra. Lớp ẩn nằm giữa lớp vào và lớp ra không nhận trực tiếp thông tin vào và cũng không gửi trực tiếp thông tin ra bên ngoài.

 f(s) θi Si -1 yi wi1 win xn x1 … … … wi2

Hình 2.2: Cấu trúc mạng nơ-ron 3 lớp 2.8.2. Các hàm truyền:

Nhiều hàm truyền được ứng dụng trong các mô hình ANN như hàm truyền giới hạn cứng, hàm truyền tuyến tính và hàm xích ma được sử dụng chung nhất các hàm truyền.

 Hàm truyền log-sigmoid: hàm này phát ở đầu ra giữa 0 và 1 khi đầu vào của mạng nơ ron đi từ âm đến dương vô cùng.

Hình 2.3: Hàm truyền log-sigmoid

 Hàm truyền tan-sigmoid: khi các đầu vào có cả giá trị dương và âm, nó là thuận tiện hơn hàm truyền log-sigmoid.

0 n a +1 a = logsig(n) -1 X1 X2 X3 y1 y2 lớp vào lớp ẩn lớp ra

Hình 2.4: Hàm truyền tan-sigmoid

 Hàm truyền tuyến tính: khi các đầu ra của lớp cuối cùng của mạng nhiều lớp phải nhận bất kỳ giá trị nào; nếu không thì các đầu ra của mạng bị giới hạn đến phạm vi nhỏ.

Hình 2.5: Hàm truyền tuyến tính

2.8.3. Các thuật toán huấn luyện (Training Algorithms/ Learning Rules)

Có ba kiểu học chính, mỗi kiểu mẫu tương ứng với một nhiệm vụ học trừu tượng. Đó là học có giám sát, học không có giám sát và học tăng cường.

 Học có giám sát (Supervised Learning):

Các bộ huấn luyện được nhận theo các cặp {x(1), t(1)}, {x(2), t(2)},…, {x(n), t(n)}. Trong đó x(i) là một ví dụ của vector đầu vào và t(i) là giá trị mục tiêu tương ứng cho đầu ra y, huấn luyện tính toán giá trị được cập nhật bởi các trọng số và θ

n 0 -1 1 a n 0 -1 +1 a a =purelin(n) +1 -1 0 n a = tansig(n) a

Hình 2.6: Quá trình học có giám sát

 Học tăng cường (Reinforcement Learning):

Giống như học có giám sát, thay vì được cung cấp với giá trị đầu ra chính xác cho mỗi đầu vào, thuật toán này chỉ được cung cấp với một loại nhận được như sự đo lường của hiện thực ANN.

 Học không có giám sát:

Trọng số được điều chỉnh dựa trên các đầu vào duy nhất. Hầu hết thuật toán của loại này học để thu lại các mẫu đầu vào thành một lượng giới hạn của các lớp.

2.9. Phƣơng pháp ngoại suy

2.9.1. Khái niệm

Theo nghĩa rộng nhất thì ngoại suy dự báo có nghĩa là nghiên cứu lịch sử của đối tượng kinh tế và chuyển tính quy luật của nó đã phát hiện được trong quá khứ và hiện tại sang tương lai bằng các phương pháp xử lý chuỗi thời gian kinh tế.

 Chuỗi thời gian kinh tế:

Thực chất của việc nghiên cứu lịch sử là nghiên cứu quá trình thay đổi và phát triển của đối tượng kinh tế theo thời gian. Kết quả thu thập thông tin một cách liên tục về sự vận động của đối tượng kinh tế theo một đặc trưng nào đó (ngày, tháng, năm …) thì hình thành một chuỗi thời gian.

Có thể khái quát như sau:

t (thời điểm) t1 t2 … tn

y (giá trị đối tượng kinh tế) y1 y2 … yn

w j  f Learing Rule e = t-y xj y t

- Bản chất của chuỗi thời gian kinh tế:

Nếu quá trình ngẫu nhiên là một chuỗi các đại lượng ngẫu nhiên khi chúng ta quan sát kết quả của n phép thử theo một đặc trưng nào đó, thì chuỗi thời gian kinh tế là một quá trình ngẫu nhiên khi chúng ta quan sát giá trị của đối tượng kinh tế theo một đặc trưng theo thời gian ở n thời điểm liên tục.

- Điều kiện của chuỗi thời gian kinh tế:

Khoảng cách giữa các thời điểm của chuỗi thời gian phải bằng nhau, hay nói cách khác là phải đảm bảo tính liên tục phục vụ cho việc xử lý. Đơn vị đo giá trị chuỗi thời gian phải đồng nhất.

 Theo ý nghĩa toán học thì phương pháp ngoại suy chính là việc phát hiện xu thế vận động của đối tượng kinh tế, có khả năng tuân theo quy luật hàm số f(t) nào đó để dựa vào đó tiên liệu giá trị đối tượng kinh tế ở ngoài khoảng giá trị đã biết (y1, yn) dưới dạng:

DB n+l

ˆy =f(n+l)+ε (2.28)

Trong đó: ˆyDBn+l : giá trị dự báo của đối tượng kinh tế ở thời điểm (n+l)

l : khoảng cách dự báo

f(n+l) : giá trị lý thuyết của hàm dự báo tại thời điểm (n+l)

ε : sai số

2.9.2. Nội dung của phương pháp ngoại suy

Bước 1: Xử lý chuỗi thời gian kinh tế:

Bước này giúp cho dãy số liệu đưa vào dự báo đầy đủ và xác định được xu thế dễ dàng hơn.

Xử lý chuỗi thời gian kinh tế bao gồm các công việc: bổ sung số liệu còn thiếu, xử lý dao động ngẫu nhiên (bằng phương pháp có trọng số hoặc không có trọng số), loại bỏ sai số thô.

a. Bổ sung số liệu còn thiếu:

Nếu chuỗi thiếu một giá trị yi nào đó thì ta xác định giá trị bổ sung bằng trung bình cộng hai giá trị đứng trước và sau nó:

bs i-1 i+1 i

y +y y =

2 (2.29)

b. Xử lý dao động ngẫu nhiên:

Khi căn cứ vào chuỗi thời gian ban đầu ta thấy không dễ dàng phát hiện ngay được xu thế f(t). Do vậy, với những chuỗi có dao động lớn do ảnh hưởng của các yếu tố ngẫu nhiên thì phải sử dụng phương pháp san chuỗi thời gian, với mục đích tạo ra một chuỗi mới có xu hướng dao dộng ổn định hơn, và tất nhiên chuỗi thời gian mới chắc chắn vẫn giữ nguyên xu thế từ chuỗi thời gian xuất phát.

Có hai phương pháp xử lý như sau:

- Trung bình trượt không có trọng số (áp dụng cho các chuỗi số có khả năng tuân theo xu hướng tuyến tính):

t+p i i=t-p t y y = 2p+1  (2.30)

Trong đó: m = 2p+1 là khoảng trượt;

yi : giá trị chuỗi thời gian ban đầu vào thời điểm thứ i;

t

y : giá trị chuỗi thời gian được san vào thời điểm t.

- Trung bình trượt có trọng số (áp dụng cho các chuỗi số có khả năng tuân theo xu hướng phi tuyến):

Cách xác định: p i 0 i t i=1 y = a +a t là một đa thức bậc p

c. Loại bỏ sai số thô:

Sai số thô của chuỗi thời gian kinh tế dẫn đến việc dự báo sai lệch xu thế và để giải quyết trường hợp này, người ta sử dụng phương pháp kiểm định thống kê toán.

Giả sử chuỗi thời gian (ti, yi) với i = 1÷n. Nếu yk là sai số “thô” cần loại bỏ:

Tính:  n 2 i i=1 1 S= (y -y) n-1 (2.31) Với:

- n: số mức độ của chuỗi;

- yi: giá trị của chuỗi ở thời điểm thứ i; - y: giá trị trung bình của chuỗi.

 k

k

y -y t =

S (2.32)

 Nếu tk>tn(α): loại bỏ yk và thay thế bằng ykbs

Với tn(α) tra bảng phân phối T.Student với n là bậc tự do và xác suất cho trước. Bước 2: Phát hiện xu thế:

a. Dùng phương pháp đồ thị:

Biểu diễn lên đồ thị các cặp số (ti, yi), từ đó đưa ra nhận xét sự phân bố các điểm và so sánh đường biểu diễn thực nghiệm với đường biểu diễn các hàm số y = f(ai,t) thường gặp trong kinh tế làm cơ sở xác định xu thế và dạng hàm xu thế tương ứng.

Các dạng hàm f(t) thường gặp là: tuyến tính, parabol, hàm mũ, hàm lũy thừa, …

b. Dùng phương pháp phân tích số liệu quan sát:

Ta phân tích sự biến đổi của dãy số ti, yi, ln(ti), ln(yi) và xem xét mối quan hệ của các hàm đó biến thiên theo quy luật nào để xác định hàm.

c. Dùng phương pháp sai phân:

Phương pháp này dựa trên cơ sở sự xấp xỉ giữa sai phân chuỗi thời gian và vi phân hàm xu thế ở cùng bậc k nào đó (Δ - dky ky). Từ đó có thể lấy sai phân bậc k của chuỗi thời gian, nếu dừng lại ở bậc sai phân nào đó mà các giá trị sai phân đều có xu hướng tiến về hằng số thì kết luận có khả năng thích hợp với hàm xu thế:

k i

0 i

i=1

ˆy= a +a t

- Sai phân bậc nhất: Δ = y - y yi+1 i+1 i

- Sai phân bậc hai:

i+1 i+1 i

2

y y y

Δ = Δ - Δ 

- Sai phân bậc ba:

i+1 i+1 i 3 2 2 y y y Δ = Δ - Δ    - Sai phân bậc k: i+1 i+1 i k k-1 k-1 y y y Δ = Δ - Δ 

Phương pháp tổng bình phương bé nhất là phương pháp tìm giá trị lý thuyết của hàm xu thế ˆy sao cho nó càng gần với giá trị thực tế của yi i có thể, tức là phần dư Si = yi - ˆy càng nhỏ càng tốt. i Chính là, xét: n 2 i i i=1 ˆ S=(y -y ) min Với:

- n: số mức độ (giá trị) của mỗi chuỗi thời gian; - yi: giá trị thực tế của chuỗi thời gian;

- ˆy : giá trị lý thuyết của hàm xu thế. i

 Hàm xu thế có dạng tổng quát: p i i 0 i i=1 ˆy = a +a t (2.33) Với:

- ˆy : giá trị lý thuyết của hàm xu thế; i - a0: hệ số độc lập;

- a1, a2, …: các hệ số phụ thuộc vào thời điểm t. Như vậy, ta có: n n i 2 i 0 i i=1 i=1 S=(y - a -a t ) min (2.34)

Lấy đạo hàm bậc nhất cho S và cho bằng không ta được:

n 2 p i 0 1 i 2 i p i i=1 n 2 3 p+1 i 0 i 1 i 2 i p i i=1 n p p p+1 p+2 2p i 0 i 1 i 2 i p i i=1 y =n.a +a t +a t +...+a t y t=a t +a t +a t ...+a t y t =a t +a t +a t ...+a t                        (2.35)

Từ hệ phương trình này ta xác định được các hệ số ai của hàm xu thế. Bước 4: Kiểm định hàm xu thế:

Hàm xu thế xây dựng được luôn có sai số với dãy số giá trị thực tế, nhưng sai số đó là bao nhiêu, có nằm trong giới hạn cho phép hay không thì mới được sử dụng cho dự báo vì lý do độ tin cậy của kết quả dự báo. Do đó, phải tiến hành kiểm định lại hàm xu thế vừa xây dựng được để xem có thể dùng cho dự báo hay không, hoặc lựa chọn

hàm nào nếu cùng xây dựng được nhiều hàm xu thế đối với cùng một chuỗi thời gian kinh tế đã có.

Các tiêu chuẩn kiểm định:

 Sai số tuyệt đối:

n 2 i i i=1 1 ˆ S= (y -y ) n-2 (2.36)

 Sai số tương đối: y y ny

i i=1 S S V %= .100%= .100% 1 y y n (2.37)

Nếu: Vy > 10% thì hàm f(t) sẽ không sử dụng cho dự báo. Vy ≤ 10% thì hàm f(t) sẽ được sử dụng cho dự báo.

Trong trường hợp ở bước phát hiện hàm xu thế, xảy ra nhiều khả năng y=f(t) thì ta lựa chọn hàm dự báo có: Min(Vy1, Vy2, …) ≤ 10%.

Bước 5: Dự báo bằng xu thế đã kiểm định:

 Dự báo điểm: Xác định khoảng cách dự báo thích hợp l (lmax ≤ n 3 ) DB n+l y = f(n+l) (2.38)  Dự báo khoảng: DB n+l α α y =[f(n+l)-t Sl;f(n+l)+t Sl] (2.39) α

t : là giá trị tra được trong bảng Student, với số bậc tự do (n-p) và xác suất tin cậy

(1-α);

Sl : sai số của dự báo.

2.9.3. Ưu, nhược điểm của phương pháp ngoại suy

a. Ưu điểm

Dự báo khá chính xác và hợp lý cho dự báo dài hạn. Tính toán khá đơn giản.

Dễ hiểu và có chi phí thấp hơn các kỹ thuật dự báo khác.

Yêu cầu thu thập số liệu là đơn giản và không bị lãng phí số liệu quá khứ.

b. Nhược điểm

Kết quả dự báo là rất không chính xác nếu có một vài sự kiện làm nhiễu loạn hành vi quá khứ của chuỗi.

Khả năng phân tích chưa đủ mạnh.

CHƢƠNG 3

ỨNG DỤNG PHƢƠNG PHÁP NGOẠI SUY ĐỂ DỰ BÁO ĐỒ THỊ PHỤ TẢI ĐIỆN TỈNH QUẢNG BÌNH

Quảng Bình là một tỉnh duyên hải thuộc vùng Bắc Trung Bộ, nằm ở nơi hẹp nhất theo chiều Đông-Tây của dải đất hình chữ S của Việt Nam (50km theo đường ngắn nhất tính từ biên giới Lào ra biển Đông), có các trục lộ lớn quốc gia chạy xuyên suốt chiều dài của tỉnh. Mặt khác, Quảng Bình là một tỉnh ven biển, hướng ra biển trong phát triển và giao lưu kinh tế.Vị trí địa lý là một lợi thế trong sự phát triển kinh tế của tỉnh. Phía Bắc giáp tỉnh Hà Tĩnh, phía Nam giáp tỉnh Quảng Trị, phía Tây giáp với Lào, phía Đông giáp với biển Đông. Vị trí địa lý này tạo thuận lợi cho Quảng Bình trong việc tiếp cận và tiếp thu những công nghệ và phương thức quản lý tiên tiến.

Quảng Bình có diện tích tự nhiên là 8.052 km2. Địa hình cấu tạo phức tạp, núi rừng sát biển, tạo thành độ dốc cao dần từ Đông sang Tây. Đồng bằng nhỏ hẹp, chủ yếu tập trung theo hai bờ sông chính; diện tích chiếm khoảng 15% tổng diện tích tự nhiên. Khoảng 85% diện tích là đồi núi, đá vôi.

Quảng Bình mang tính chất khí hậu nhiệt đới gió mùa, có sự phân hoá sâu sắc của địa hình và chịu ảnh hưởng khí hậu chuyển tiếp giữa miền Bắc và miền Nam nước ta. Trong năm có hai mùa rõ rệt: mùa mưa từ tháng 3 đến tháng 9 và mùa khô, lạnh từ tháng 10 đến tháng 3 năm sau.

Nhiệt độ trung bình các tháng trong năm khoảng 25C – 26C. Tổng lượng mưa trung bình hàng năm từ 2.000 mm – 2.500 mm, tập trung vào các tháng 9, 10, 11. Độ ẩm tương đối 83% – 84%.

Dựa trên những điều kiện tự nhiên về diện tích, địa hình, khí hậu, và sự phát triển của kinh tế xã hội hiện nay, đòi hỏi tỉnh Quảng Bình phải có chính sách phát triển và quy hoạch hợp lý.

Dựa trên lý thuyết của các phương pháp đã trình bày, trong chương này tiến hành dự báo phụ tải điện cho tỉnh Quảng Bình thông qua phương pháp ngoại suy.Trước khi tiến hành dự báo phụ tải điện, ta xét các yếu tố ảnh hưởng tới lượng tiêu thụ điện năng.Bởi phụ tải điện dự báo được xác định trên quan hệ phụ tải quá khứ và yếu tố

3.1. Phụ tải điện tỉnh Quảng Bình

3.1.1. Cơ cấu thành phần phụ tải điện Quảng Bình

Hình 3.1: Biểu đồ tỷ trọng thành phần phụ tải điện tỉnh Quảng Bình 3.1.2. Các yếu tố ảnh hưởng tới phụ tải điện

Đồ thị phụ tải được hình thành từ lượng tiêu thụ điện năng khác nhau.Phần lớn điện nặng được tiêu thụ bởi các hoạt động công nghiệp. Phần khác được sử dụng bởi các hộ riêng dưới dạng nhiệt, ánh sáng, đun nấu, làm mát… Cũng có nhiều thiết bị điện dùng phục vụ cho nhu cầu xã hội như hệ thống đèn giao thông, đèn đường…

Các yếu tố ảnh hưởng tới phụ tải điện phụ thuộc vào lượng tiêu thụ điện đặc biệt.Phụ tải điện công nghiệp thường được xác định bởi mức độ sản phẩm.Phụ tải điện này thường khá ổn định, và có thể ước lượng mức độ phụ thuộc của nó vào mức độ sản phẩm khác.Tuy nhiên, từ quan điểm thực bán điện thì các đơn vị điện công nghiệp thường cộng thêm phần không chắc chắn vào dự báo. Do tính đến những sự kiện bất