Loại dự báo
MAPE
Yêu cầu thực tế Huấn luyện Kiểm thử
Giờ tới 0.4% 0.6%
3%- 5% 24 giờ 4.3% 4.5%
Ngày tới 2.3% 2.4% Tháng tới 3.7% 3.5%
Hình 3.13: Biểu đồ dự báo phụ tải năm 2009
Hình 3.14: Biểu đồ dự báo phụ tải tất cả các ngày từ 2009 đến 2011
Hình 3.16: Biểu đồ dự báo phụ tải của các ngày chủ nhật
Hình 3.17: Biểu đồ dự báo phụ tải của các ngày lễ
Hình 3.18: Biểu đồ dự báo phụ tải 24h của ngày 01/04/2012
Ta có nhận xét:
Về cơ bản hệ thống đáp ứng được yêu cầu đặt ra.
Lỗi kiểm thử có cao hơn một chút so với lỗi huấn luyện, nhưng nhìn chung, mạng có tính tổng quát hóa cao.
Dự báo cho 24 giờ tới cho sai số cao, nguyên nhân chủ yếu là do bộ số liệu học không đầy đủ. Dữ liệu thu thập được từ ngày 01/07/2011 đến 21/05/2012 không đảm bảo đủ cho huấn luyện.
Đồ thị phụ tải dự báo khớp với đồ thị phụ tải thực tế. Như vậy có thể khẳng định mô hình dự báo đưa ra trong luận văn hoàn toàn có thể đưa vào dự báo trong thực tế.
Hệ thống có khả năng dự báo cho tương lai tốt.
Với phương án mà tôi đề xuất là: Với mỗi lần xây dựng phương án mới, ta xem xét khả năng kế thừa lại những kết quả của các phương án trước đã được kiểm định là tốt. Như vậy ta có thể sử dụng xu hướng phụ tải trong quá khứ mà áp dụng vào cải tiến để tìm xu hướng cho phụ tải trong tương lai. Với phương án đề xuất như vậy đã được kiểm định là hiệu quả khá tốt.
Cần một phương án dự báo riêng cho các ngày lễ
Dạng đồ thị phụ tải của những ngày lễ thường rất khác so với dạng đồ thị phụ tải của những ngày bình thường, và cũng rất khác so với các ngày nghỉ bình thường như các ngày thứbảyvà chủ nhật. Giá trị phụ tải ở các ngày lễ thường ở mức thấp hơn so với những ngày bình thường. Điều này có thể giải thích, vì trong những ngày lễ tất cả các cơ quan, các nhà máy xí nghiệp sản xuất đều ngừng hoạt động nên mức tiêu thụ điện vào các ngày này phải giảm mạnh so với các ngày bình thường. Thứ bảy, chủ nhật thì không phải tất cả các nhà máy xí nghiệp đều nghỉ mà vẫn có một số nhà máy hoạt động nên mức phụ tải tiêu thụ của các ngày này vẫn cao hơn so với các ngày lễ.
Từ nghiên cứu và thử nghiệm chỉ ra rằng thu thập đầy đủ và chính xác số liệu là một chiến lược quan trọng trong xây dựng mô hình dự báo
Thử nghiệm trên đây cho thấy rằng dữ liệu thu thập đủ và chính xác hết sức quan trọng. Dữ liệu học không đầy đủ sẽ làm giảm khả năng tổng quát hóa của mạng. Ta cũng có thể khắc phục điều này bằng cách làm kế thừa phương án đã xây dựng trước đó, nếu có. Trong các lần thử nghiệm trên, tôi đã đưa vào nhiễu, bao gồm cả nhiễu có trên thực tế và nhiễu tự tạo, và cố gắng thiếp lập cho hệ thống học thuộc tập huấn luyện ở mức cao nhất có thể và khi thử nghiệm, kết quả cho lỗi khá cao, điều này chứng tỏ rằng nhiễu với số lượng nhiều sẽ làm giảm độ chính xác của hệ thống.
Cũng trên thử nghiệm với những bộ số liệu khác nhau, nhưng với việc loại bỏ bớt yếu tố đầu vào là nhiệt độ - tương ứng với việc thu thập thiếu thuộc tính nhiệt độ, độ chính xác của dự báo giảm đi đáng kể. Đặc biệt là nếu thu thập thiếu Pmin, Pmax, độ chính xác của dự báo bị giảm đi rất nhiều. Điều này chứng tỏ sức ảnh hưởng của Pmin, Pmax đối với dự báo ngắn hạn.
3.6 KẾT LUẬN CHƢƠNG 3
Trong quá trình huấn luyện và kiểm thử hệ thống với các bộ tham số khác nhau, trên nhiều bộ số liệu khác nhau, nhìn chung, hệ thống đã đáp ứng được yêu cầu của
bài toán đặt ra là dự báo phụ tải ngắn hạn phục vụ cho lập lịch vận hành của các nhà máy điện. Tuy nhiên, hệ thống còn một số điểm cần được nghiên cứu chuyên sâu hơn nữa để cải tiến kết quả dự đoán, cụ thể là:
Khi kết hợp thuật toán lan truyền ngược và thuật toán di truyền, chưa giải quyết được vấn đề là nên dừng học GA ở thời điểm nào và chọn hệ số học như thế nào để đạt tới gần cực trị toàn cục nhanh hơn.
Trong hệ thống mà tôi xây dựng, trong nhiều lần huấn luyện, do không xử lý được vấn đề trên mà kết quả của việc kết hợp hai thuật toán cho kết quả tồi hơn là chỉ sử dụng giải thuật di truyền.
Hệ thống chưa giải quyết được triệt để dự báo cho các ngày lễ
Đặc biệt là những ngày nghỉ lễ dài ngày như tết âm lịch, ngày 30-4 và 1-5. Trên thực tế thì phụ tải của những này này biến động rất phức tạp và cần có sự kết hợp với những chuyên gia có kinh nghiệm để có thể dự báo chính xác hơn.
Với hệ thống hiện tại, không thể thực hiện dự báo dài hạn (5- 10 năm tới)
Khi dự báo phụ tải năm tới, ta cần xét đến những yếu tố vĩ mô như dân số, tốc độ tăng trưởng của nền kinh tế quốc dân, mà những yếu tố này không thể đưa trực tiếp vào làm đầu vào cho mạng nơron được vì bản thân dự báo tốc độ tăng trưởng kinh tế là đại lượng có độ tin cậy thấp vì chúng có tính biến động cao.
KẾT LUẬN CHUNG
Như đã trình bày ở trên, công việc dự báo phụ tải có ý nghĩa vô cùng quan trọng đối với việc xây dựng kế hoạch vận hành hệ thống điện, đặc biệt là dự báo phụ tải ngắn hạn. Dựa vào việc phân tích các yếu tố ảnh hưởng đến phụ tải điện mà ta lựa chọn ra phương pháp để xây dựng mô hình dự báo phù hợp. Mạng nơron được sử dụng như một phương pháp thông dụng trong việc xây dựng các mô hình dự báo số liệu. Tuy nhiên, do diễn biến thay đổi phức tạp của phụ tải thực tế, mô hình mạng nơron truyền thống với thuật toán lan truyền ngược đã cho kết quả chưa thực sự được như mong đợi. Chính vì vậy yêu cầu đòi hỏi phải cải thiện mô hình này để có khả năng tuỳ biến tốt hơn đối với những biến động phức tạp của phụ tải trong thực tế.
Do nghiệp vụ nghiên cứu phụ tải điện rất phức tạp và dự báo phụ tải thực sự là một đề tài lớn nên luận văn chỉ tập trung nghiên cứu tìm hiểu dự báo phụ tải ngắn hạn. Với mục đích như vậy, luận văn đã thu được những kết quả sau:
Kết quả về mặt nghiên cứu
- Tìm hiểu và khảo sát bài toán dự báo phụ tải điện ở Việt Nam cũng như ở nước ngoài.
- Tổng hợp, đánh giá một số mô hình dự báo phụ tải phổ biến trên thế giới. - Xây dựng mô hình dự báo phụ tải sử dụng mạng nơ ron nhân tạo kết hợp làm
rõ được các yếu tố ảnh hưởng đến phụ tải điện ở Việt Nam. Từ đó xây dựng mô hình sử dụng mạng nơron nhân tạo dùng thuật toán lan truyền ngược kết hợp giải thuật di truyền để cải thiện tốc độ tìm bộ trọng số tối ưu.
- Đặc tả được các yêu cầu của các loại dự báo cũng như yêu cầu về mặt sai số để lấy làm tiêu chuẩn đánh giá công tác dự báo.
Kết quả về mặt ứng dụng
- Đã xây dựng được chương trình dự báo phụ tải dựa sử dụng mạng nơron nhân tạo dùng thuật toán lan truyền ngược; đồng thời áp dụng giải thuật di truyền để cải thiện tốc độ tìm bộ trọng số tối ưu.
- Chương trình đã được sử dụng tại Trung tâm Điều độ Hệ thống điện Quốc gia, dùng để so sánh đối chiếu kết quả với chương trình AREVA được mua của nước ngoài.
Qua thực nghiệm trên nhiều bộ tham số khác nhau, với nhiều bộ số liệu khác nhau, cơ bản đã tìm ra được bộ tham số thích hợp với mô hình đề xuất cho bài toán dự báo phụ tải điện trong tương lai. Một trong những phát hiện khá lý thú là ta có thể kế thừa kết quả của phương án đã xây dựng từ trước để xây dựng phương án cho tương lai, điều này đã được kiểm chứng là cho kết quả tốt. Kết quả thực nghiệm thu được trong
khuôn khổ luận văn này đã được so sánh, đánh giá và bước đầu được ghi nhận chất lượng dự báo tốt, hoàn toàn có thể áp dụng vào thực tiễn.
Một số hƣớng phát triển kế tiếp
- Sử dụng thêm phương pháp Chuỗi thời gian để có được kết quả dự báo chính xác nhất.
- Sau khi có được phụ tải dự báo tin cậy, ta có thể dựa vào tương quan giữa phụ tải và giá thị trường để dự báo ra giá thị trường ngày tới, từ đó giúp các đơn vị phát điện có những chiến lược tốt khi tham gia Thị trường điện Việt Nam.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] Bộ Công thương (2011),Thông tư số 33/2011/TT-BCT Quy định nội dung, phương pháp và trình tự nghiên cứu phụ tải điện, Hà Nội.
[2] Bùi Công Cường, Nguyễn Doãn Phước (2001), Hệ mờ, mạng nơron và ứng dụng, Nhà xuất bản khoa học và kỹ thuật.
[3] Bùi Xuân Toại, Trương Gia Việt (Biên dịch) (2000), Trí tuệ nhân tạo – Các cấu trúc và chiến lược giải quyết vấn đề, Nhà xuất bản Thống kê.
[4] Đặng Ngọc Dinh, Nguyễn Hữu Khái, Trần Bách (1981), Hệ thống điện, Nhà xuất bản Đại học và trung học chuyên nghiệp, tập 1.
[5] Nguyễn Đình Thúc (2002), Lập trình tiến hóa, Nhà xuất bản Giáo dục.
[6] Chu, Nghĩa (2007), Ứng dụng mạng Nơron nhân tạo dự báo phụ tải ngắn hạn Hệ thống điện miền Bắc, Luận văn thạc sỹ khoa học ngành Công nghệ thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
[7] Phạm Anh Cường, Phan Văn Hiền (2011) , “Ứng dụng mạng nơron để dự báo phụ tải điện tỉnh Gia Lai”, Tạp chí phát triển KH&CN, số 2, tr. 43.
[8] Trần Thị Hoàng Oanh, Trần Hoàng Lĩnh, Đồng Sĩ Thiên Châu, Nguyễn Kỳ Tài (2007), “Ứng dụng mạng nơron song tuyến trong bài toán dự báo phụ tải điện”,
Tạp chí phát triển KH&CN, tập 10, số 11.
Tiếng Anh
[9] J. Fox (1997), Applied Regression Analysis, Linear Models and Related Methods.
Sage.
[10] Rescher, Nicholas (1998) Predicting the future: An introduction to the theory of forecasting, State University of New York Press.
[11]Wei, W. W. (1989). Time series analysis: Univariate and multivariate methods. New York: Addison-Wesley
PHỤ LỤC 1
THÀNH PHẦN PHỤ TẢI ĐIỆN, NHÓM VÀ PHÂN NHÓM PHỤ TẢI
(Ban hành kèm theo Thông tư số 33/2011/TT-BCT ngày 06 tháng 9 năm 2011 Quy định nội dung, phương pháp, trình tự và thủ tục nghiên cứu phụ tải điện)
Thành phần phụ tải Nhóm phụ tải Phân nhóm phụ tải
I. Nông-Lâm-Thủy
sản
1. Nông-Lâm-Thủy
sản
1. Bơm tưới, tiêu nước phục vụ nông nghiệp (kể cả các trạm bơm cục bộ do HTX nông nghiệp quản lý và trạm bơm)
2. Các hoạt động đóng, mở các cống điều tiết nước, phân lũ và sản xuất nông nghiệp khác
3. Điện cấp cho các hoạt động nông nghiệp khác như: Bơm tưới vườn cây, dịch vụ cây trồng, bơm nước rửa chuồng trại, bảo vệ thực vật, lai tạo giống mới, sưởi ấm gia súc...
4. Điện cấp cho lâm nghiệp: Bao gồm các cơ sở sản xuất lâm nghiệp, các hoạt động chế biến phụ thuộc trong ngành lâm nghiệp như: Trồng và tu bổ rừng, khoanh nuôi bảo vệ rừng. Hoạt động khai thác những sản phẩm từ rừng như: khai thác gỗ, tre, nứa và các lâm sản khác
5. Điện cấp cho thủy sản: Gồm điện dùng cho việc đánh bắt, nuôi
trồng thủy sản và các hoạt động dịch vụ có liên quan
II. Công nghiệp-Xây
dựng
1. Khai khoáng
1. Khai thác than
2. Khai thác dầu thô, khí tự nhiên và các hoạt động dịch vụ phục vụ cho khai thác dầu và khí
3. Khai thác quặng uranium và quặng thorium
4. Khai thác quặng kim loại đen và kim loại màu
5. Khai thác đá, cát, sỏi, đất sét, cao lanh, khoáng hóa chất, khoáng phân bón, khai thác muối, v.v. Các mỏ khác chưa được phân vào đâu
2. Chế biến thực
phẩm
1. Sản xuất thực phẩm bao gồm: Chế biến và bảo quản thịt, thủy sản và sản phẩm từ thịt, thủy sản; Chế biến rau quả, gia vị, nước chấm, nước sốt, dấm, các loại men thực phẩm; Sản xuất dầu, mỡ động vật, thực vật; Xay xát, sản xuất bột và sản xuất các sản phẩm từ bột như: Bún, bánh, mỳ, miến...; Sản xuất chế biến thực phẩm khác như: Bơ, sữa, bánh, kẹo, đường, kakao, sôcôla, chè, cà phê; Chế biến thực phẩm cho trẻ sơ sinh; Chế biến thực phẩm chuyên dùng cho người bệnh
2. Sản xuất đồ uống: Ruợu, bia, nước khoáng, nước giải khát các loại
3. Sản xuất thuốc lá, thuốc lào
3. Dệt may
1. Sản xuất sợi, dệt vải và hoàn thiện sản phẩm dệt, sản xuất hàng đan, móc
2. Sản xuất trang phục, nhuộm da lông thú (may mặc)
3. Thuộc, sơ chế da, sản xuất vali, túi xách, yên đệm và giày dép
4. Chế biến gỗ
1. Chế biến gỗ và sản xuất các sản phẩm từ gỗ, tre, nứa, sản xuất các sản phẩm từ rơm rạ và vật liệu tết bện
5. Giấy 1. Sản xuất giấy và sản phẩm từ
giấy
6. In
1. Xuất bản, in và sao bản ghi các loại văn hóa phẩm như băng, đĩa nhạc
7. Hóa chất
1. Sản xuất than cốc, sản phẩm dầu mỏ tinh chế và nhiên liệu hạt nhân
2. Sản phẩm hóa chất, phân bón, thuốc trừ sâu, hóa chất khác dùng trong nông nghiệp; Sản xuất sơn, vécni, mực in, matít; Sản xuất thuốc, hóa dược và dược liệu; Sản xuất mỹ phẩm, xà phòng và các chất tẩy rửa và chế phẩm vệ sinh, v.v.
su và nhựa các loại
4. Sản xuất các sản phẩm từ chất khoáng phi kim loại như: Thủy tinh, các sản phẩm từ thủy tinh, đồ gốm, sứ, vật chịu lửa, gạch ngói, xi măng, vôi, vữa, bê tông và các sản phẩm khác từ xi măng, cát, tạo dáng và hoàn thiện đá, hắc ín, nhựa đường, bột đá, bột mài, hạt mài tự nhiên hoặc nhân tạo; Sản xuất các sản phẩm từ amiăng...
5. Tái chế phế liệu, phế thải kim loại và phi kim loại
8. Luyện kim
1. Sản xuất các kim loại như: Sắt, thép, kim loại màu và kim loại quí, đúc sắt thép, đúc kim loại màu
2. Sản xuất các sản phẩm từ kim loại
9. Chế tạo máy và
thiết bị
1. Chế tạo máy móc thiết bị cho sản xuất và hoạt động văn phòng như: Động cơ, tuabin, thiết bị văn phòng, máy tính
2. Sản xuất các thiết bị, dụng cụ điện, dây điện, pin, ắc qui, đèn điện và thiết bị chiếu sáng
3. Sản xuất rađio, tivi, thiết bị truyền thông và các linh kiện điện tử
4. Sản xuất và lắp ráp các sản phẩm gia dụng như: Quạt điện, bàn là, máy giặt, tủ lạnh...
5. Sản xuất dụng cụ y tế, dụng cụ chính xác, dụng cụ quang học và đồng hồ các loại
6. Sản xuất xe có động cơ, rơ móc; Sản xuất các phương tiện đi lại (xe đạp, xe máy); Sản xuất và sửa chữa các phương tiện vận tải đường bộ, đường thủy, đường sắt và hàng không
7. Sản xuất giường, tủ, bàn ghế và các sản phẩm khác (nhạc cụ, dụng cụ thể dục thể thao, đồ chơi giải trí)
10. Cung cấp và
phân phối gas, nƣớc
1. Sản xuất tập trung và phân phối khí đốt
2. Sản xuất gas, phân phối nhiên liệu khí bằng đường ống
3. Khai thác, lọc và phân phối nước
11. Xây dựng 1. San lấp mặt bằng
2. Xây dựng
3. Lắp đặt thiết bị
III. Thƣơng nghiệp-
Khách sạn-Nhà hàng 1. Bán buôn, bán lẻ và cửa hàng sửa chữa
1. Bán buôn, bán lẻ của các công ty, cửa hàng (kể cả các hoạt động bao gói, bảo hành trong cửa hàng)
2. Sửa chữa, bảo dưỡng vật phẩm