7. Thực tế mô phỏng 8 Quá trình phát triển
4.2.3. Sử dụng phần mềm Simple_E cho dự báo nhu cầu điện năng tiêu thụ thành phố Thanh Hóa giai đoạn 2016-
thành phố Thanh Hóa giai đoạn 2016-2025
Bước 1: Tại data sheet - Tiến hành khai báo biến và nhập dữ liệu.
Hình 4.1. Giao diện Data sheet dữ liệu khai báo biến và các dữ liệu đầu vào
Các số liệu thu thập về dân số, tốc độ phát triển dân số, tốc độ tăng trưởng GDP tổng, GDP của từng ngành (Công nghiệp, Nông nghiệp, Dịch vụ thương mại, khác), tỷ trọng tăng trưởng của từng ngành, nhu cầu tiêu thụ điện năng của từng ngành… giai đoạn từ năm 2001 - 2015
Bước 2: Tại model sheet - Tiến hành khai báo các hàm tương ứng với các biến Tại đây ta lựa chọn các hàm dự báo phù hợp cho từng đối tượng. Giao diện của Model sheet và các hàm được khai báo như sau:
Hình 4.2. Sheet mô hình khai báo các hàm tương ứng với các biến
Mô hình Simple_E sẽ dự báo nhu cầu điện năng thành phố Thanh Hóa giai đoạn 2016 -2025 theo các kịch bản kinh tế (bảng 4.1)
Ta có chi tiết các hàm dự báo, kết quả dự báo các hàm này dùng làm biến đầu vào nhu cầu tiêu thụ điện năng.
Bảng.4.2 Bảng ký hiệu các tên hàm dự báo
Các biến đầu vào Tên hàm Ký hiệu viết tắt
Dân số Linear Trend TL
Ngành công nghiệp Industry INEL Ngành dân dụng Residential REEL Ngành thương mại - dịch vụ Commercial CMEL Ngành nông lâm nghiệp, thủy sản Agriculture AGEL
Các ngành khác Others OTEL
Tổng Final FNEL
+ Dân số: dự báo bằng hàm Linear Trend (TL): Dân số (Population) nghìn người POP $TL.
+ Tốc độ tăng dân số: dự báo bằng hàm định nghĩa: Tốc độ tăng dân số (Population Growth Rate) % POPGR = (POP/LAG1.POP-1).100
(Trong đó: “LAG1” Thể hiện giá trị của biến số thời kỳ trước đó, Ví dụ: LAG1.POP dân số của năm trước, tương tự đối với các biến khác).
+ Tăng trưởng GDP và giá trị tăng của từng ngành: dự báo bằng hàm định nghĩa:
Tăng trưởng GDP tỷ VNĐ GDP = LAG1.GDP.(1+GDPGR/100) NN (Agriculture) GDPAG = GDP.(SHAG/SHTL) CN(Industry) GDPIN = GDP.(SHIN/SHTL) DVTM (commercial) GDPCM = GDP.(SHCM/SHTL)
+ Tốc độ tăng trưởng GDP được cho trong kịch bản (bảng 4.1), ví dụ tốc độ tăng trưởng GDP =21% đối với kịch bản cơ sở.
Tốc độ tăng trưởng GDP (GDP Growth Rate) %
Tổng GDPGR = 20,0
+ Tốc độ tăng trưởng giá trị gia tăng của từng ngành: dự báo bằng hàm định nghĩa:
NN (Agriculture) % GRAG = (GDPAG/LAG1.GDPAG-1).100 CN (Industry) % GRIN = (GDPIN/LAG1.GDPIN-1).100 DVTM (commercial) % GRCM = (GDPCM/LAG1.GDPCM-1).100 + Tỷ trọng GDP: dự báo bằng hàm Growth Trend (TG: xu thế tăng trưởng): Tỷ trọng GDP (Share) %
NN (Agriculture) SHAG $TG CN (Industry) SHIN $TG DVTM (commercial) SHCM $TG
Tổng SHTL = SHAG + SHIN + SHCM + Tỷ lệ điện khí hoá: dự báo bằng hàm Logistic Transformation (LT) Tỷ lệ điện khí hoá
(Electrification) % ELEC $LT GDP/POP + Số người/hộ: dự báo bằng hàm Growth Trend (TG): Số người/hộ HH $TG
+ Lượng khách hàng khu vực dân dụng và văn phòng: dự báo bằng hàm định nghĩa: Khách hàng KV dân dụng & VP (Custommer)
CUST = (POP)/HH.(ELEC)
Đối với Sector Công nghiệp và Dân dụng sinh hoạt: dự báo bằng hàm Double Log (DL: log 2 vế) kết hợp với hàm Constant Adjustment (CA: điều chỉnh hằng số) và DUM (lược bỏ số liệu quá khứ của những năm biến động bất thường):
Tiêu thụ điện cuối Cùng phân theo Sector (GWh) CN (Industry) INEL
Đối với Sector DVTM, Nông nghiệp và khác: dự báo bằng hàm Grid Search (GS) kết hợp với hàm Constant Adjustment (CA):
DVTM (commercial) CMEL $GS,CA GDPCM NN (Agriculture) AGEL $GS,$CA GDPAG Khác (Others) OTEL $GS,$CA GDP/POP Tổng (Final) FNEL = INEL+REEL+AGEL+OTEL + Tỷ lệ tổn thất điện năng: được dự báo từ trước (dùng làm số liệu đầu vào), dùng hàm trực tiếp:
Tỷ lệ tổn thất % LOSS
+ Nhu cầu điện năng sản xuất: dự báo bằng hàm định nghĩa:
Nhu cầu điện năng SX (GWh) ELEL = FNEL/(1-LOSS/100)
Giữa số liệu thực tế và số liệu dự báo bao giờ cũng có sự chênh lệch nào đó, từ model sheet ta có thể thấy rõ mức độ chênh lệch thông qua đồ thị. Dưới đây ta xem xét đồ thị thể hiện số liệu thực, số liệu dự báo của 2 Sector Công nghiệp và Dân dụng sinh hoạt (2 Sector tiêu thụ phần lớn điện thương phẩm).
Bước 3: Tại Simulation sheet - Ta có các phương trình dự báo, giá trị kiểm định và kết quả dự báo.
Hình 4.3. Sheet mô hình Simulation thể hiện phương trình dự báo
* Các phương trình dự báo và giá trị kiểm định:
Kiểm định kết quả dự báo cho từng ngành như sau: + Nhu cầu điện năng tiêu thụ cuối cùng của thành phố:
FNEL; G%(18,5/18,57) = Tốc độ tăng trưởng % (thực tế/dự báo)
Vì nhu cầu điện năng tiêu dùng cuối cùng của toàn thành phố bằng tổng nhu cầu điện năng tiêu dùng cuối cùng của các ngành nên thay vì kiểm định giá trị dự báo của toàn thành phố, ta tiến hành kiểm định cho từng ngành, nếu đạt tiêu chuẩn thì giá trị dự báo của từng ngành là tin cậy và do đó giá trị dự báo của toàn thành phố cũng tin cậy.
+ Nhu cầu điện năng tiêu thụ cuối cùng Sector Công nghiệp: INEL; G% (18,5/20,83) = Tốc độ tăng trưởng % (thực tế/dự báo)
Phương trình dự báo:
INEL =0,978202.e -4,25081.(GDPIN)1,0148
LS: R.998; AR.998; DW.88; F6491,4; DF13(p5%R..75/F2,5/t2,16);
Nhận xét:
Về tốc độ tăng trưởng: Ta thấy tốc độ tăng trưởng nhu cầu tiêu thụ điện năng cuối cùng của Sector Công nghiệp giảm tuy nhiên không đáng kể, cho thấy sự phát triển khá ổn định của ngành này.
Về giá trị kiểm định: Trong phạm vi luận văn, ta sử dụng một số tiêu chuẩn kiểm định như sau:
Hệ số xác định R2 đo lường phần biến thiên có thể được giải thích bởi các biến độc lập x, đây chính là đại lượng thể hiện sự thích hợp của mô hình hồi quy bội đối với dữ liệu.
Kiểm định F: Được dùng để kiểm định giả thiết về sự tồn tại mối liên hệ tuyến tính giữa biến phụ thuộc y với bất kỳ một biến độc lập xj nào đó. Do vậy kiểm định này có ý nghĩa xem xét một cách tổng quát.
Kiểm định t: Được dùng để xem xét một cách chi tiết ý nghĩa của từng biến khác nhau, kiểm định này sẽ cho ta biết cụ thể biến xj nào có ý nghĩa trong việc giải thích biến thiên của y.
Chi tiết các kiểm định được mô hình toán như sau:
Hệ số xác định R2 = 0.998 là khá lớn (xấp xỉ 1):chứng tỏ 99,8%biến thiên của INEL có thể được giải thích bởi các biến độc lập GDPIN, điều này chứng tỏ mối quan hệ chặt chẽ giữa biến phụ thuộc INEL với biến độc lập trong phương trình dự báo INEL.
Kiểm định F: Với bậc tự do của tử số bằng 3 (bằng số biến độc lập k) và bậc tự do của mẫu số bằng 11 (=n-(k+1)), mức ý nghĩa 5% (p5%), tra bảng phân phốiF có giá trị kiểm định F = 3,36. Ta có F = 6491,4>3,36. Vậy giá trị kiểm định của mô hình trong phương trình dự báo này là hoàn toàn đạt tiêu chuẩn kiểm định F.
Vậy bác bỏ giả thuyết H0, ta có thể kết luận có mối liên hệ tuyến tính giữa biến phụ thuộc INEL với ít nhất một trong các biến độc lập GDPIN. Kiểm định t: Với bậc tự do bằng 13 (DF13), mức ý nghĩa 5% (p5%), tra bảng phân phối Student ta có giá trị kiểm định t = 2,2. Vậy giá trị kiểm định của mô hình trong phương trình dự
báo này là hoàn toàn đạt tiêu chuẩn kiểm định. Tất cả các biến độc lập trong phương trình dự báo INEL đều có ý nghĩa trong việc giải thích biến của INEL. Như vậy kết quả dự báo cho ngành này là tin cậy.
Tương tự ta có phương trình tự do báo nhu cầu điện năng tiêu thụ cuối cùng của Sector còn lại đều thoả mãn các tiêu chuẩn kiểm định và kết quả là tin cậy.
+ Nhu cầu điện năng tiêu thụ cuối cùng của Sector Dân dụng sinh hoạt: REEL; G% (18,35/14,5) = Tốc độ tăng trưởng % (thực tế/dự báo)
Phương trình dự báo: REEL = 1,01536 -62,1504+285,543*GDP/POP+0,000327257 *POP+0,904251*LAG1.REEL Giá trị kiểm định: LS:R.998; AR.998; DW2,46; Dh-1,34; Rho-0,23; F1907,5; DF10(p5%R.82/F2,81/t2,23/Rho.38);
+ Nhu cầu điện năng tiêu thụ cuối cùng của Sector Dịch vụ thương mại: CMEL; G%(18,78/22,11)=Tốc độ tăng trưởng % (thực tế/dự báo)
Phương trình dự báo:
CMEL = 0,961234.e-2,82241.(GDPCM)0,494867 .(LAG1.CMEL)0,558377
Giá trị kiểm định:
LS:R.998; AR.998; DW2,08; Dh-0,35;Rho-0,04; F2600,6; DF11(p5%R.8/F2,69/t2.2/Rho.37);
+ Nhu cầu điện năng tiêu thụ cuối cùng của Sector Nông nghiệp: AGEL; G%(17,89/14,24)=Tốc độ tăng trưởng % (thực tế/dự báo)
Phương trình dự báo: AGEL = -0,0366356+1,12689+0,00161286*GDPAG-0,989 *(1,12689+0,00161286*LAG1.GDPAG-LAG1.AGEL) Giá trị kiểm định: LS:R.994; AR.994; DW1,39; Rho99; F76; DF12(p5%R.77/F2,58/t2,18/Rho.36);
OTEL; G%(19,35/24,62)=Tốc độ tăng trưởng % (thực tế/dự báo) OTEL = 0,970265.e1,70414.(GDP/POP)0,317745.(LAG1.OTEL)0,772978
Giá trị kiểm định:
LS:R.997; AR.997; DW2,28; Dh-1,07; Rho-0,14; F2082,4; DF11(p5%R.8/F2,69/t2,2/Rho.37) Kết quả dự báo
Hình 4.4. Sheet mô hình Simulation thể hiện kết quả dự báo
Trên cơ sở xây dựng được các phương trình dự báo, cùng với số liệu đầu vào dùng để dự báo, sau khi chạy mô hình ta sẽ có kết quả dự báo có xét sự thay đổi các biến dự báo ứng với các kịch bản kinh tế.
* Với kịch bản kinh tế phương án cơ sở GDPgr = 20,0% có xét tác động của 2 biến GDP và Dân số
Kết quả dự báo nhu cầu điện năng tiêu thụ cuối cùng và điện năng sản xuất cho trong Phụ lục – bảng 1.2
Bảng 4.3. Kết quả dự báo nhu cầu điện năng giai đoạn 2016 -2025 (theo kịch bản kinh tế phương án cơ sở)
(Đơn vị: GWh) Năm Công nghiệp- Xây dựng Nông lâm nghiệp, thủy sản Thương mại - Dịch vụ Quản lý - Tiêu dùng Các hoạt động khác Điện thương phẩm 2016 168,954 1,238 39,168 212,768 25,998 448,125 2017 204,.152 1,407 47,596 246,333 31,827 531,314 2018 246,683 1,604 58,068 282,967 39,295 628,617 2019 298,074 1,832 70,994 323,384 48,837 743,122 2020 360,172 2,095 86,893 368,415 61,007 878,582 2021 435,207 2,398 106,407 419,033 76,511 1039,554 2022 525,874 2,747 130,328 476,380 96,248 1231,575 2023 635,429 3,148 159,629 541,801 121,361 1461,368 2024 767,808 3,608 195,506 616,882 153,306 1737,110 2025 927,766 4,136 239,417 703,496 193,933 2068,748
Hình 4.5. Đồ thị biểu diễn nhu cầu điện năng tiêu thụ cuối cùng giai đoạn 2016 – 2025(kịch bản kinh tế phương án cơ sở)