Nội dung của luận văn gồm 6 chương Chương 1: Tổng quan
Chương 2: Tổng quan về các phương pháp dự báo phụ tải điện Chương 3: Phương pháp dự báo trên cơ sở mạng nơron nhân tạo Chương 4: Giải thuật dự báo phụ tải đề xuất
Chương 5: Chương trình dự báo và kết quả dự báo phụ tải cho tỉnh Kiên Giang
Chương 6: Kết luận và hướng phát triển đề tài Tài liệu tham khảo
CHƢƠNG 2
TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP DỰ BÁO PHỤ TẢI ĐIỆN
Dự báo là một khoa học và nghệ thuật tiên đốn những sự việc sẽ xảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập được. Khi tiến hành dự báo cần căn cứ vào việc thu thập, xử lý số liệu trong quá khứ và hiện tại để xác định xu hướng vận động của các hiện tượng trong tương lai nhờ vào một số mơ hình tốn học. Mục tiêu cuối cùng của tất cả các dự báo là kết quả dự báo phải bám sát giá trị thực tế. Muốn cĩ dự báo với sai số nhỏ, phải chọn dự báo tối ưu và kết quả dự báo phụ thuộc các yếu tố sau: ngày, giờ, tháng: giá trị phụ tải giờ trong các ngày làm việc thường cao hơn phụ tải giờ các ngày nghỉ cuối tuần; Thời tiết trong ngày: bao gồm các thơng số: nhiệt độ, độ ẩm, tốc độ giĩ và hướng giĩ, cường độ ánh sáng,...; Kế hoạch sửa chữa lớn trong ngày cĩ cắt điện phụ tải; Tăng trưởng kinh tế và dân số; Chỉ số tiêu dùng; Ngày đặc biệt trong năm: các ngày lễ, ngày tết âm lịch, dương lịch, ngày 30/4,..; Sản lượng cơng nghiệp; Xu thế sử dụng điện. Dự báo luơn giữ vai trị quan trọng trong nhiều lĩnh vực, quyết định kế hoạch sản xuất, hướng đầu tư phát triển trong tương lai. Do đĩ dự báo là đi tìm một mơ hình tốn thích hợp mơ tả mối quan hệ phụ thuộc của các đại lượng cần dự báo với các yếu tố khác, hay chính bản thân nĩ; nhiệm vụ chính của dự báo là việc xác định các tham số mơ hình. Về mặt lý luận thì các tính chất của mơ hình dự báo được nghiên cứu trên cơ sở giả định rằng nĩ được ứng dụng để dự báo một quá trình nào đĩ được sinh ra từ một mơ hình giải tích.
Hiện nay, khi dự báo phụ tải thường sử dụng các phương pháp như tiên đốn, ngoại suy xu hướng, chuyên gia, mơ phỏng (mơ hình hĩa), ma trận tác động qua lại, kịch bản, cây quyết định, dự báo tổng hợp,...
2.1. Phƣơng pháp dự báo truyền thống 2.1.1. Phƣơng pháp hệ số đàn hồi [15]
Phương pháp này xác định mối tương quan giữa nhu cầu tiêu thụ điện (cơng suất, điện năng) của phụ tải với tăng trưởng kinh tế (hệ số đàn hồi giữa nhu cầu điện
và GDP, tăng trưởng cơng nghiệp, thương mại, hệ số tiết kiệm năng lượng...). Mối tương quan này được thể hiện qua hệ số đàn hồi như sau:
Y Y A A Y A ET % % (2.1)
Trong đĩ: αET là hệ số đàn hồi; A% và Y% là tăng trưởng của điện năng, cơng suất và tăng trưởng kinh tế (hệ số đàn hồi giữa nhu cầu điện và GDP, tăng trưởng cơng nghiệp, thương mại...); A là điện năng, cơng suất; Y là số liệu tăng trưởng kinh tế (hệ số đàn hồi giữa nhu cầu điện và GDP, tăng trưởng cơng nghiệp, thương mại, hệ số tiết kiệm năng lượng...).
Các hệ số đàn hồi được xác định theo từng ngành kinh tế, tồn quốc và từng miền lãnh thổ. Việc dự báo nhu cầu điện năng tồn quốc được tổng hợp theo phương pháp từ dưới lên (Bottom-up) từ dự báo nhu cầu điện năng cho các ngành kinh tế, khu vực dân dụng và từ các vùng lãnh thổ.
2.1.2. Phƣơng pháp tính tƣơng quan - xu thế [15]
Phương pháp này xác định mối tương quan giữa nhu cầu tiêu thụ điện (cơng suất, điện năng) của phụ tải với các yếu tố ảnh hưởng quan trọng (tăng trưởng kinh tế, giá điện, thời tiết, tỷ giá…) và được thực hiện trên nền Excel với các bước sau đây:
1. Dự báo đồ thị phụ tải giờ tới
Đối với từng miền, so sánh các biểu đồ ngày quá khứ thu được với biểu đồ ngày hiện tại D để tìm được biểu đồ cĩ hình dạng giống nhất với biểu đồ ngày D. Cách so sánh được thực hiện tự động với hàm: Correl (array1, array2)
Với thuật tốn sau:
(2.2)
Trong đĩ: X là cơng suất phụ tải 24 giờ thực tế của ngày D - i; xlà cơng suất trung bình 24 giờ thực tế của ngày D - i; y là cơng suất trung bình 24 giờ dự báo
2 2 ) ( ) ( ) )( ( ) , ( y y x x y y x x Y X Correl
của ngày D; Y là cơng suất phụ tải 24 giờ dự báo của ngày D.
Hàm Correl trả lại kết quả là sự tương quan giữa hai biến mảng X, Y. Nếu biến mảng X, Y càng giống nhau thì kết quả của hàm Correl càng gần 1. Do vậy sau khi so sánh 21 ngày quá khứ với ngày hiện tại D sẽ tìm được ngày cĩ hình dạng phụ tải giống nhất với ngày D, giả sử ngày D - i.
Đối với từng miền, sử dụng hàm xu thế để dự báo cơng suất phụ tải cho 04 giờ tới (từ giờ H đến giờ H + 3) với hàm FORECAST và cú pháp lệnh sau:
FORECAST(x,known_y's,known_x's) (2.3)
Trong đĩ: x là cơng suất phụ tải giờ H - 1; known_y's là cơng suất phụ tải 05 giờ quá khứ kể từ giờ H - 1 của ngày Di; known_x's là cơng suất phụ tải 05 giờ quá khứ kể từ giờ H - 1 của ngày D.
2. So sánh đồ thị phụ tải dự báo với đồ thị phụ tải quá khứ
Sau khi cĩ đồ thị phụ tải dự báo từng miền cho 04 giờ tới, tiến hành so sánh đồ thị phụ tải này với đồ thị phụ tải quá khứ từng miền theo các giá trị Correl từ cao đến thấp (so sánh biểu đồ quá khứ cĩ dạng giống nhất rồi đến các biểu đồ quá khứ ít giống hơn). Quá trình so sánh này để xử lý các số liệu phụ tải quá khứ cĩ thể bị sai do cắt tải, do lỗi SCADA (khơng thu thập được các số liệu phụ tải quá khứ).
3. Hiệu chỉnh lại đồ thị phụ tải
Sau khi so sánh đồ thị phụ tải dự báo với đồ thị phụ tải quá khứ và đồ thị phụ tải hiện tại, nếu hàm Correl cho kết quả < 0,9 thì cho phép nhân các kết quả tương ứng với hệ số chuyên gia hchuyên_gia theo quy định: 0,9hchuyên_gia 1,1.]
2.1.3. Phƣơng pháp tính trực tiếp [15]
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 của năm đĩ và suất tiêu hao điện năng đối với từng loại sản phẩm. Đối với những trường hợp khơng cĩ suất tiêu hao điện năng thì được xác định nhu cầu điện năng cho từng trường hợp cụ thể (ví dụ như: cơng suất điện trung bình cho mỗi hộ gia đình, bệnh viện,…).
Ƣu điểm:
Ngồi yêu cầu xác định tổng lượng điện năng dự báo chúng ta cịn biết được tỉ lệ sử dụng điện năng trong các ngành kinh tế, chẳng hạn như điện năng dùng cho cơng nghiệp, nơng nghiệp, dân dụng,… cũng như xác định được nhu cầu điện ở các khu vực địa lý khác nhau. Từ đĩ cĩ thể đề xuất phương hướng điều chỉnh, quy hoạch cho cân đối.
Nhƣợc điểm:
Việc xác định mức độ chính xác của phương pháp này cũng gặp nhiều khĩ khăn vì nĩ phụ thuộc vào mức độ chính xác của tổng sản lượng các ngành kinh tế quốc dân trong tương lai dự báo như phụ thuộc vào suất tiêu hao điện năng của một đơn vị sản phẩm sản xuất ra của các ngành kinh tế ấy. Do đĩ, phương pháp này thường được áp dụng để dự báo nhu cầu điện năng cho thời gian ngắn và trung bình.
2.1.4. Phƣơng pháp chuyên gia [15]
Phương pháp này dựa trên những hiểu biết sâu sắc của các chuyên gia giỏi về các lĩnh vực của các ngành để dự báo. Trong lĩnh vực điện năng, người ta lấy trung bình trọng số ý kiến của các chuyên gia phát biểu về năng lượng của nước mình để dự báo nhu cầu sử dụng điện. Việc lấy ý kiến được tiến hành theo các bước sau:
Chuyên gia cho điểm theo từng tiêu chuẩn. Mỗi tiêu chuẩn cĩ một thang điểm thống nhất.
Lấy trọng số của các ý kiến của hội đồng tư vấn để tổng hợp.
Tuy nhiên, phương pháp này chỉ mang tính chủ quan nên độ chính xác và độ tin cậy khơng cao.
2.1.5. Phƣơng pháp hồi quy [19]
Phương pháp này xác định mối tương quan giữa nhu cầu tiêu thụ điện (cơng suất, điện năng) của phụ tải với các yếu tố ảnh hưởng quan trọng (tăng trưởng kinh tế, giá điện, thời tiết, tỷ giá…). Mối tương quan này được phản ánh qua hai loại phương trình như sau:
i n i i X a a Y . 1 0 (2.4) Trong đĩ: n là số thống kê quá khứ (số năm, tháng, tuần, ngày); a0, ai là các hệ số; Xi là số liệu quá khứ của các yếu tố ảnh hưởng quan trọng (tăng trưởng kinh tế, giá điện, thời tiết, tỷ giá…); Y là hàm số điện năng, cơng suất của năm (tháng, tuần, ngày, giờ).
Phương trình dạng phi tuyến: an n a a X X X a Y 0. 11. 22.... (2.5) Trong đĩ: n là số thống kê quá khứ (số năm, tháng, tuần, ngày); a0, ai là các hệ số; Xi là số liệu quá khứ của các yếu tố ảnh hưởng quan trọng (tăng trưởng kinh tế, giá điện, thời tiết, tỷ giá…); Y là hàm số điện năng, cơng suất của năm (tháng, tuần, ngày, giờ).
Dạng phương trình 2 cĩ thể đưa về dạng phương trình 1 bằng cách lấy logarit 2 vế. Việc lựa chọn hàm hồi quy được tiến hành trên cơ sở so sánh các hệ số tương quan, hệ số tương quan của dạng phương trình nào lớn thì chọn dạng phương trình đĩ.
2.1.6. Phƣơng pháp san bằng hàm mũ [15]
Trong phương pháp này, mỗi tốn tử được đặc trưng bởi một hàm hồi quy (gọi là hàm xu thế). Trong các hàm hồi quy ấy, thường các hệ số được xác định theo phương pháp bình phương tối thiểu. Bản thân phương pháp này cho ta các hệ số khơng đổi của mơ hình dự báo dựa trên cơ sở những số liệu quan sát trong quá khứ. Sử dụng mơ hình này để tính dự báo cho tương lai với các hệ số hằng sẽ phạm một sai số nào đĩ tùy thuộc vào khoảng thời gian dự báo. Nếu tầm dự báo càng xa thì sai số càng lớn. Ngồi ra, những số liệu gần hiện tại cĩ ảnh hưởng đến giá trị dự báo nhiều hơn những số liệu ở quá khứ xa. Nĩi cách khác, tỉ trọng của các số liệu đối với giá trị dự báo sẽ giảm theo hàm mũ khi lùi về quá khứ.
Phương pháp này dựa trên nguyên tắc hiệu chỉnh các hệ số của tốn tử dự báo theo phương pháp truy ứng.
Giả thuyết cĩ một chuỗi thời gian yt (t=1,2,…, n) và được mơ tả bằng một đa thức bậc p: 2 2 0 1 1 ... ! 2! ! p p i p i t I t i a a a y t a a t t t i p (2.6)
Trong đĩ: ai, t = 0,1…p là các hệ số của hàm dự báo, t là sai số của dự báo. Dựa vào phương trình trên ta cĩ thể dự báo giá trị yt tại thời điểm (n + l) với l=1,2, …, L. Việc thực hiện báo giá trị yt tại thời điểm t + l (với t = n) dựa theo phương pháp phân tích chuỗi Taylor :
2 (0) (1) (2) ( ) ... 2! ! p p t l t t t t l l y y ly y y p (2.7) Trong đĩ: ( )k t
y là đạo hàm bậc k tại thời điểm t, và bất cứ đạo hàm bậc k nào (k=0, 1, 2…., p) của phương trình trên đều cĩ thể biểu diễn bằng một tổ hợp tuyến tính của trung bình mũ đến bậc (p+1), và ta cần xác định trung bình hàm mũ ấy.
Giá trị trung bình mũ bậc 1 của chuỗi yt xác định như sau : [1] 0 ( ) (1 ) n i t t i i S y y (2.8)
Trong đĩ: là hệ số san bằng với 0 < < 1, nĩ thể hiện ảnh hưởng của các quan sát quá khứ đến dự báo. Nếu tiến tới 1, nghĩa là chỉ xét đến quan sát sau cùng. Nếu tiến về 0, nghĩa là xét đến ảnh hưởng của mọi quan sát trong quá khứ.
Giá trị hàm mũ bậc k của chuỗi yt được biểu diễn theo bậc [k+1]:
[ 1] 1 1 ( ) (1 ) ( ) n k i k t t i S y S y (2.9) Browm.R.G đã phân tích cơng thức truy ứng để xác định trung bình mũ như sau: [ ] [ 1] [ ] 1 ( ) ( ) (1 ) ( ) k k k t t t S y S y S y (2.10)
2.1.7. Phƣơng pháp ngoại suy theo thời gian [15]
Phương pháp này nghiên cứu sự diễn biến của nhu cầu điện năng trong một thời gian quá khứ ổn định, tìm ra một quy luật nào đĩ, rồi kéo dài quy luật đĩ ra để dự báo tương lai. Tuy nhiên, việc tính tốn theo phương pháp này khá phức tạp và
sẽ khơng chính xác nếu dữ liệu quá khứ bị nhiễu hoặc quy luật bị thay đổi đột ngột. Giả sử mơ hình cĩ dạng hàm mũ như sau:
At A0(1)t (2.11) Trong đĩ : At là điện năng dự báo ở năm thứ t; A0 là điện năng ở năm chọn làm gốc; là tốc độ phát triển bình phần hàng năm; t thời gian dự báo.
Để xác định thừa số (1+) chúng ta dựa vào biểu thức:
t 1 1
t
A
const C
A (2.12) Như vậy dạng hàm mũ cĩ dạng đơn giản, phản ánh chỉ số phát triển hàng năm khơng thay đổi. Cĩ thể xác định hằng số C bằng cách lấy giá trị trung bình nhân chỉ số phát triển nhiều năm:
1 2 1 . ... n n n i n i C C C C C (2.13)
Một cách tổng quát mơ hình dự báo được viết như sau:
0 t
t
A A C (2.14) Lấy logarit 2 ta được : logAt logA0tlogC
Đặt y=logAt ; a=logA0 ; b=logC thì phương trình trên trở thành:
Y = a + bt (2.15)
Dùng phương pháp bình phương cực tiểu ta sẽ tìm được hệ số a và b
Ƣu điểm:
Đơn giản.
Cĩ thể áp dụng để dự báo tầm gần và tầm xa.
Khuyết điểm:
Chỉ cho kết quả chính xác nếu trong tương lai khơng cĩ nhiễu và quá khứ phải tuân theo một quy luật.
2.2. Phƣơng pháp dự báo phụ tải hiện đại [15, 26]
Để cải thiện nhược điểm của các phương pháp dự báo phụ tải truyền thống, các nhà khoa học đã ứng dụng kỹ thuật dự báo hiện đại như: fuzzy logic (FL), mạng nơron, phép phân tích wavelet,…hay sự kết hợp giữa các phương pháp. Các phương
pháp dự báo hiện đại trên ngày càng được quan tâm vì kết quả dự báo khá chính xác.
2.2.1. Phƣơng pháp dự báo bằng Fuzzy logic (logic mờ) [24]
Hệ thống chuyên gia mờ là chương trình khung tính tốn dựa trên mối quan hệ giữa thuyết mờ, luật mờ nếu thì và suy diễn mờ. Cấu trúc của suy diễn mờ gồm 3 thành phần thơng dụng như sau:
Sự lựa chọn cơ sở luật mờ
Cơ sở dữ liệu định r hàm thuộc. Những hàm thuộc này được sử dụng trong luật mờ.
Cơ chế suy luận những luật trên và thu được ng ra thực tế đáng tin cậy. Hàm thuộc được lựa chọn bằng phương pháp thử nghiệm và sai số; cĩ bốn dạng hàm thuộc cơ bản: Dạng hình tam giác, hình thang, hình Gauss, hình chuơng.
* Tập mờ và hoạt động mờ
Hai tập mờ A và B với hàm thuộc tương ứng là A x và B x , những tập mờ này được kết hợp với nhau theo nhiều cách để thu được mong muốn giá trị ng ra mong muốn.
- Hợp giữa hai tập mờ C = A B: AB x maxA x,B xxX
- Giao của hai tập mờ C = A B: AB x maxA x ,B xxX
- Tổng của hai tập mờ C = A + B x supzxyminA x,B x xX