Các phương pháp dự báo nhu cầu điện năng

6. Kết cấu của luận văn

1.3.2. Các phương pháp dự báo nhu cầu điện năng

1.3.2.1. Phương pháp tính hệ số vượt trước

Khái niệm: Phương pháp này cho thấy khuynh hướng phát triển của nhu cầu điện năng và sơ bộ cân đối nhu cầu này với nhịp độ phát triển của nền kinh tế quốc dân nói chung.

Nội dung phương pháp: Nó là tỷ số của nhịp độ phát triển điện năng với nhịp độ phát triển của nền kinh tế quốc dân.

Dựa vào hệ số k tìm được kết hợp với số liệu dự báo phát triển kinh tế, chúng ta sẽ xác định được nhu cầu điện năng ở năm dự báo [2, tr.9].

Ví dụ: Giai đoạn 2010 – 2020, điện thương phẩm cả nước tăng trưởng với tốc độ cao, từ 85,4 tỉ kWh năm 2010 lên khoảng 225,4 tỉ kWh năm 2020; tốc độ tăng trưởng bình quân 9,66%/năm, gấp khoảng 1,6 lần so với tăng trưởng GDP

Ưu nhược điểm của phương pháp:

Phương pháp này đơn giản, nó có thể phát hiện được sơ bộ nhu cầu điện năng.

Tuy vậy, phương pháp này chỉ nói lên một xu thế phát triển mới với một mức độ chính xác nào đó trong tương lai, vì nó còn chịu ảnh hưởng của nhiều yếu tố khác chẳng hạn như:

- Do tiến bộ về kỹ thuật, công nghệ và quản lý nên suất tiêu hao điện năng với mỗi sản phẩm công nghiệp ngày càng giảm xuống.

- Do điện năng ngày càng được sử dụng rộng rãi trong các ngành kinh tế quốc dân và các địa phương.

- Do cơ cấu kinh tế không ngừng thay đổi.

1.3.2.2. Phương pháp tính trực tiếp

Là phương pháp thích hợp với dự báo ngắn hạn từ 3-5 năm và trường hợp nền kinh tế phát triển ổn định.

Nội dung của phương pháp này là xác định nhu cầu điện năng của năm dự báo dựa trên tổng sản lượng kinh tế của các ngành ở năm đó và suất tiêu hao điện năng đối với từng loại sản phẩm. Đối với những trường hợp không có suất tiêu hao điện năng thì xác định nhu cầu điện năng cho từng trường hợp cụ thể (như công suất trung bình cho một hộ gia đình, bệnh viện, trường học...). Đồng thời dựa trên dự án quy hoạch và phát triển sản xuất của các ngành.

Nhu cầu điện năng được xác định theo biểu thức sau:

𝐴 = 𝐴ng𝑥𝐷𝑆[𝑘𝑊ℎ] hoặc 𝐴 = 𝐴hộxH[𝑘𝑊ℎ] Trong đó:

A là nhu cầu điện năng của khu vực cần tính toán (kWh) Ang là điện năng tiêu thụ tính theo đầu người (kWh/người) Ahộ là điện năng tiêu thụ tính theo hộ dân cư (kWh/hộ)

DS là dân số của khu vực tính toán (người) H là Số hộ dân có trong khu vực tính toán (hộ)

Để xác định được Ang, Ahộ,có thể tra theo các sổ tay hoặc tính trực tiếp nhờ các số liệu điều tra và thống kê tình hình sử dụng điện năng của khu vực.

𝐴ℎộ = 𝐴∑ ℎ/𝐻𝐴𝑛𝑔 = 𝐴∑ ℎ/𝐷𝑆 với 𝐴∑ ℎ = ∑ 𝐴𝑖, với i=1÷n (với n là số lượng các trường hợp sử dụng điện.)

Phương pháp này có ưu điểm là tính toán đơn giản, nó không chỉ cho biết tổng điện năng dự báo mà còn cho biết tỷ lệ điện năng sử dụng trong các ngành kinh tế, chẳng hạn tỷ lệ điện dùng cho công nghiệp, nông nghiệp, dân dụng v.v…, đồng thời xác định được nhu cầu điện ở các khu vực địa lý khác nhau. Từ đó có thể đề xuất các phương hướng quy hoạch xây dựng các nguồn và lưới điện phù hợp với sự phát triển nhu cầu điện năng cho từng vùng, từng khu vực cụ thể.

Tuy nhiên, xác định mức độ chính xác của phương pháp này cũng gặp nhiều khó khăn vì nó phụ thuộc vào mức độ chính xác của kết quả dự báo của các ngành kinh tế trong tương lai, cũng như phụ thuộc vào suất tiêu hao điện năng của một đơn vị sản phẩm được sản xuất ra của ngành kinh tế ấy. Do đó, phương pháp này thường được áp dụng để dự báo nhu cầu điện năng với thời gian ngắn và trung bình [2, tr.9-10].

1.3.2.3. Phương pháp so sánh đối chiếu

Nội dung của phương pháp này là so sánh đối chiếu nhu cầu phát triển điện năng của các nước hoặc các vùng khác có điều kiện tương tự. Đây là phương pháp được nhiều nước áp dụng để dự báo nhu cầu năng lượng của nước mình một cách có hiệu quả. Phương pháp thường được áp dụng cho dự báo ngắn hạn và trung hạn và thường được dùng với tính chất tham khảo [2, tr.11].

1.3.2.4. Phương pháp chuyên gia

Khái niệm: Là phương pháp dự báo có kết quả là các “thông số” do các chuyên gia đưa ra, họ là những người có trình độ uyên bác về lý luận, thành thạo về chuyên môn, phong phú về thực tiễn cùng với khả năng nhạy bén và thiên hướng sâu sắc về tương lai (đối với hiện tượng dự báo) của một tập thể các nhà khoa học, các nhà quản lý cùng đội ngũ cán bộ có nhiều kinh nghiệm thuộc các chuyên môn hay nằm trong miền lân cận của đối tượng dự báo đưa ra [5, tr.8].

Nội dung phương pháp: Nhiệm vụ của phương pháp chuyên gia là đưa ra những dự đoán khách quan về tương lai phát triển của một lĩnh vực hẹp của khoa học hoặc dựa trên việc xử lý có hệ thống các đánh giá dự đoán của chuyên gia

Ưu, nhược điểm  Ưu điểm:

- Đây là phương pháp tương đối đơn giản, dễ áp dụng và có khả năng tìm ra tức thời các thông số, mà các thông số này không dễ dàng lượng hóa được và mô tả quy luật hoạt động dưới dạng hàm số.

- Có tính khả thi cao, cho kết quả nhanh, tạo ngay căn cứ để đề ra các quyết định.

 Nhược điểm

- Mang tính chủ quan do đó nếu lựa chọn chuyên gia không đúng tiêu chuẩn thì độ tin cậy của dự báo sẽ thấp.

- Khi các ý kiến chuyên gia tản mạn trái ngược nhau thì quá trình xử lý ý kiến chuyên gia sẽ phức tạp hơn.

1.3.2.5. Phương pháp ngoại suy chuỗi thời gian

Khái niệm

đối tượng cần dự báo và chuyển tính quy luật đã phát hiện được của nó trong quá khứ và hiện tại sang tương lai bằng các phương pháp xử lý chuỗi thời gian kinh tế. Với dự báo nhu cầu điện năng thì chúng ta dựa vào chuỗi quan sát về tình hình tiêu thụ điện năng của n năm trước để xây dựng mô hình toán học (xác định hàm xu thế) biểu thị quy luật thay đổi của điện năng theo thời gian. Trên cơ sở đó xác định giá trị nhu cầu điện năng của những năm tiếp theo dựa vào hàm dự báo vừa xây dựng.

 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 v.v…) sẽ hình thành một chuỗi thời gian được khái quát như sau:

t (thời điểm) t1 t2 ….. tn

y (giá trị của đối tượng kinh tế) y1 y2 ….. yn  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 chính là một quá trình ngẫu nhiên khi chúng ta quan sát giá trị của một đối tượng kinh tế theo một đặc trưng theo thời gian ở n điểm liên tục.

 Điều kiện của chuỗi thời gian kinh tế:

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

Về mặt 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 dựa vào đó chúng ta có thể tiên đoán giá trị đối tượng kinh tế ở ngoài khoảng giá trị đã biết (y1,yn) dưới dạng:

𝑦̂𝑛+𝑙 = 𝑓(𝑛 + 𝑙) + 𝜀

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

f(n+l) là giá trị của hàm dự báo tại thời điểm (n+l)

𝜀 là sai số của dự báo (độ lệch giữa giá trị quan sát thực tế yi và giá trị hàm dự báo 𝑦̂𝑖).

Nội dung của phương pháp ngoại suy

Phương pháp ngoại suy chuỗi thời gian thực hiện theo các bước sau: Bước 1: Xử lý chuỗi thời gian

Bước này giúp cho dãy số liệu đưa vào dự báo đầy đủ và xác định được xu thế thế dễ dàng và chính xác hơn. Xử lý chuỗi thời gian bao gồm các công việc: bổ sung các số liệu còn thiếu, xử lý dao động ngẫu nhiên, loại bỏ các sai số thô.

 Bổ sung dữ liệu còn thiếu

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

2 1 1     i i bs i y y y 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 bằng chuỗi thời gian, với mục đích tạo ra một chuỗi mới có xu thế dao động ổn định hơn, và dĩ nhiên nó vẫn giữ nguyên xu thế từ chuỗi thời gian xuất phát.

Trung bình trượt không có trọng số (áp dụng cho các chuỗi có khả năng tuân theo xu thế tuyến tính): / (2 1)

t p t i i t p y y p       Trong đó: m=2p+1 là khoảng trượt.

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

𝑦̄𝑡: giá trị chuỗi thời gian được san bằng vào thời điểm t

Trung bình trượt có trọng số (dùng cho các chuỗi số có khả năng tuân theo xu hướng phi tuyến). Cách xác định: 𝑦̄𝑡 = 𝑎0+ ∑𝑝 𝑎𝑖𝑡𝑖

𝑖=1 là một đa thức bậc p

 Loại bỏ sai số thô

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

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

𝑆 = √𝑛−11 ∑𝑛 (𝑦𝑖 − 𝑦̄)2

𝑖=1 Trong đó: n là số mức độ của chuỗi

yi là giá trị của chuỗi tại thời điểm i

𝑦̄ là giá trị trung bình của chuỗi.

𝑡𝑘 = |𝑦𝑘−𝑦̄|

𝑆

Nếu tk> tn(α): loại bỏ yk thay bằng ykbs, với tn(α): tra bảng phân phối Student với n bậc tự do.

Bước 2: Phát hiện xu thế  Dùng phương pháp đồ thị

Biểu diễn lên đồ thị các cặp số (ti, yi), từ đó đưa ra nhận xét sự phân bổ 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 đường xu thế và dạng hàm xu thế tương ứng.

 Dùng phương pháp phân tích số liệu quan sát

Ta phân tích sự biến đổi của dãy 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.

 Dùng phương pháp sai phân

Phương pháp này dựa trên cơ sở xấp xỉ giữa sai phân chuỗi thời gian và vi phân hàm xu thế ở cùng bậc k nào đó (𝛥𝑦𝑘 = 𝑑𝑦𝑘). 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: 𝑦̂ = 𝑎0+ ∑𝑘 𝑎𝑖𝑡𝑖 𝑖=1 Sai phân bậc 1: 𝛥𝑦𝑖+1 = 𝑦𝑖+1− 𝑦𝑖 Sai phân bậc 2: 𝛥2𝑦𝑖+1 = 𝛥𝑦𝑖+1 − 𝛥𝑦𝑖 Sai phân bậc k: 𝛥𝑘𝑦𝑖+1 = 𝛥𝑘−1𝑦𝑖+1 − 𝛥𝑘−1𝑦𝑖 Bước 3: Xây dựng hàm xu thế

Dùng phương pháp bình phương cực tiểu

Kết quả ta xác định được các tham số a0, a1,…, an của hàm xu thế. Bước 4: Kiểm định hàm xu thế:

Hàm xu thế dựng được luôn có sai số với dãy số giá trị thực tế, nhưng sai số có nằm trong giới hạn cho phép thì mới sử dụng cho việc dự báo. Do đó chúng ta phải tiến hành kiểm định lại hàm xu thế đã xây dựng để xem xét có thể dùng làm hàm dự báo được hay không, hoặc lựa chọn hàm thích hợp nhất để dự báo trong trường hợp có nhiều hàm cùng xây dựng

Các tiêu chuẩn dùng để kiểm định: - Sai số tuyệt đối: 𝑆 = √ 1

𝑛−2∑𝑛 (𝑦̂ − 𝑦𝑖)2

- Sai số tương đối: Vy% =𝑆𝑦

𝑦 . 100% = 𝑆𝑦

1

𝑛∑𝑛𝑖=1𝑦𝑖. 100%

Nếu Vy > 10% thì f(t) không sử dụng được cho dự báo, ngược lại có thể sử dụng f(t) làm hàm dự báo.

Trong trường hợp ở bước phát hiện xu thế, xảy ra trường hợp có nhiều hàm f(t) thì ta sẽ tiến hành chọn hàm có Vyi nhỏ nhất.

Bước 5: Tiến hành dự báo bằng hàm xu thế vừa kiểm định

- Dự báo điểm: xác định khoảng cách dự báo thích hợp l (lmax≤n/3)

𝑦̂𝑛+𝑙 = 𝑓(𝑛 + 𝑙)

- Dự báo khoảng: 𝑦̂𝑛+𝑙 = [𝑓(𝑛 + 𝑙) − 𝑡𝛼𝑆𝑙; 𝑓(𝑛 + 𝑙) + 𝑡𝛼𝑆𝑙]

Trong đó: tα: giá trị tra trong bảng Student, với bậc tự do (n-p) và xác suất tin cậy (1-α)

Sl: sai số của dự báo

Ưu điểm và nhược điểm

 Ưu điểm:

- Dự báo khá chính xác và hợp lý cho các dự báo ngắn hạn - Tính toán đơn giản, dễ hiểu, chi phí thấp, thời gian chuẩn bị ít.

 Nhược điểm:

- Kết quả dự báo sẽ thiếu chính xác nếu có một vài sự kiện làm nhiễu loạn hành vi quá khứ của chuỗi và khả năng phân tích chưa đủ mạnh.

- Do phương pháp này yêu cầu đối tượng dự báo phát triển tương đối ổn định theo thời gian, những yếu tố ảnh hưởng nhiều nhất đến đối tượng dự báo vẫn được duy trì trong tương lai và giả thiết sẽ không có tác động mạnh từ bên ngoài dẫn tới những đột biến trong quá trình phát triển của đối tượng dự báo mà dữ liệu thực tế lại không tránh khỏi vấn đề này nên phương pháp ngoại suy thường có sai số dự báo khá lớn.

1.3.2.6. Phương pháp hồi quy tương quan

a. Khái niệm

Trong phân tích hồi quy để có được dự báo tốt nhất cho một biến phụ thuộc nào đó, cần phải sử dụng nhiều biến độc lập, trong đó mỗi biến độc lập góp phần giải thích một phần nào đó sự thay đổi trong biến phụ thuộc. Trong trường hợp này, việc tạo ra một mô hình sử dụng nhiều biến độc lập để dự báo một biến phụ thuộc và các biến độc lập này là rất cần thiết. Một mô hình sử dụng nhiều biến độc lập để dự báo một biến phụ thuộc được gọi là mô hình hồi quy bội.

Để góp phần giải thích cho những thay đổi trong biến phụ thuộc, những biến độc lập được đưa vào mô hình trước hết phải có tương quan với biến phụ thuộc và không tự tương quan với nhau. Trong trường hợp có tương quan giữa các biến độc lập, kết quả dự báo sẽ không chính xác. Do vậy trước khi sử dụng một mô hình nào đó để dự báo, cần phải kiểm tra mức độ tương quan giữa các biến độc lập với nhau, cũng như mức độ tương quan giữa các biến độc lập với biến phụ thuộc.

b. Mô hình tương quan đa hồi quy

Để xây dựng được mô hình cần phải tiến hành chọn dạng của nó đồng thời tác động của k nhân tố (các nhân tố tác động yếu hơn, không bản chất thì đưa vào thành phần ngẫu nhiên), nên việc xác định dạng liên hệ của từng nhân tố cũng như toàn bộ phương trình là rất phức tạp. Do vậy cần phải phân tích lý luận một cách kỹ lưỡng kết hợp với kinh nghiệm nghiên cứu để chọn dạng thích hợp.

Gọi y là một hiện tượng kinh tế nào đó và gọi là biến phụ thuộc (biến cần giải thích). Gọi x1, x2,... xn là các hiện tượng kinh tế có liên quan và gọi