Khảo sát bài toán theo phương pháp 1 là dùng mô hình toán, sử dụng hàm giải tích để tìm lời giải. Với kết quả ƣớc lƣợng từ các mô hình Cost-Share, mô hình tuyến tính, hay hàm mũ đều cho kết quả chính xác, sai số ƣớc lƣợng trong khoảng giới hạn chấp nhận đƣợc từ 0% - 10%
Với cấu trúc mô hình hàm Cost-Share thể hiện cụ thể các yếu tố ảnh hưởng tới nhu cầu điện năng của khách hàng và áp dụng cho trường hợp khách hàng phản ứng tối ưu với giá điện. Bài toán có nhiều ràng buộc thường gặp phải nhiều rắc rối trong việc giải quyết bài toán, điều này làm ảnh hưởng đến kết quả do phải thỏa mãn các ràng buộc nên sai số ƣớc lƣợng từ mô hình Cost- share lớn hơn so với mô hình mũ và tuyến tính có cấu trúc đơn giản.
Mô hình tuyến tính hay hàm mũ có cấu trúc đơn giản, thường phải đi kèm với nhiều giả định, không cung cấp cái nhìn sâu sắc trong vấn đề.Tuy nhiên ƣu điểm của các mô hình này là khi có quá ít lƣợng thông tin trong các dữ liệu thu thập đƣợc, dữ liệu còn sơ sài, thì những mô hình đơn giản là khá phù hợp.
Khảo sát bài toán theo phương pháp thứ 2 là dùng mạng nơron thần kinh nhân tạo. Mạng nơron là một hộp đen nó thể hiện mối quan hệ giữa ngõ ra
và ngõ vào, thông qua việc học các dữ liệu từ ngõ vào - ra, mạng nơron có khả năng xấp xỉ bất kỳ hàm phi tuyến nào. Do đó việc thu thập và xử lý dữ liệu đầu vào là rất quan trọng, một tập mẫu chuẩn xác giúp cho mạng nơron ƣớc lƣợng chính xác hơn. Số lƣợng tập mẫu càng nhiều thì khả năng đƣa ra kết quả chính
xác càng cao.
Với cách lấy mẫu trong phương án 1 của mạng nơron cho sai số nhỏ hơn phương án 2. Vì ở phương án 2 xét đến sự ảnh hưởng từ các yếu tố khác phản ánh đúng với bản chất thực tế của vấn đề. Và kết quả sai số này vẫn nằm trong giới hạn sai số chấp nhận từ 0%-10%. Việc thực hiện ƣớc lƣợng đạt kết
quả chính xác cao hay thấp còn phụ thuộc vào tập mẫu mà ta khảo sát, nếu quá
ít tập mẫu sẽ dẫn đến dự báo không chính xác.
So sánh với phương pháp thứ nhất thì sai số ước lượng phản ứng của phương pháp thứ 2 này có phần nhỏ hơn, chính xác hơn. Đối với bài toán khảo sát phản ứng của khách hàng với sự thay đổi giá điện thì cả 2 phương pháp cho lời giải bài toán đều cho kết quả tốt. Mỗi phương pháp đều có ưu điểm riêng của nó, tuy nhiên phương pháp thứ hai dùng mạng nơron có phần nổi trội hơn vì chúng ta không cần phân vân để lựa chọn mô hình toán học nào thích hợp cho khảo sát bài toán. Nếu dùng mạng nơron chỉ cần xây dựng tập dữ liệu mẫu chuẩn xác thì có thể dùng cấu trúc mạng nơron đã xây dựng để đƣa ra những quyết định đúng đắn về biểu giá hợp lý cho từng loại khách hàng.
101
CHƯƠNG 6
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
Qua tìm hiểu và nghiên cứu chương trình Demand Response với các loại biểu giá điện và chương trình ưu đãi áp dụng cho các khách hàng khác nhau. DR với mục đích hướng đến việc điều khiển cách thức sử dụng điện của khách hàng thông qua giá điện. Luận văn dựa vào chương trình DR một chương trình sẽ có khả năng được
vận dụng linh hoạt cho thị trường điện Việt Nam đang từng bước hình thành thị trường điện cạnh tranh xóa bỏ độc quyền. Và giá điện sẽ thay đổi theo nhu cầu thị trường, tùy vào các loại biểu giá áp dụng cho khách hàng dùng điện. Luận văn đã thực hiện khảo sát phản ứng (nhu cầu sử dụng điện) của khách hàng Công nghiệp, Nông nghiệp với sự thay đổi giá loại biểu giá TOU. Vừa đảm bảo nhu cầu sử dụng điện của khách hàng vừa thực hiện mục tiêu điều khiển tải theo mục đích. Tiếp cận
vấn đề theo 2 phương pháp khảo sát : phương pháp 1 dùng mô hình toán giải tích, phương pháp 2 dùng mạng nơron thực hiện ước lượng phản ứng của khách hàng khi thay đổi giá điện.
Phương pháp 1 : Mô hình toán giải tích với việc tìm hệ số đàn hồi dựa trên ý tưởng giả định rằng khách hàng phản ứng tối ưu với giá điện. Tuy nhiên đối với một số quốc gia đang sử dụng giá TOU khó có thể xác định và biết đƣợc khách hàng có phản ứng tối ƣu với giá hay không điều này rất khó khăn và không có cơ sở cho thấy nhược điểm của phương pháp 1.
Ưu điểm của phương pháp 1 thông qua quan sát hệ số đàn hồi từ các mô hình giải tích, giúp cho các Điện lực có cái nhìn trực quan lƣợng % thay đổi (sự phản ứng của khách hàng ) so với % chênh lệch giá thay đổi.
Trong các phương pháp sử dụng để ước lượng tìm hệ số đàn hồi các phương pháp đều cho giá trị gần bằng nhau, sự khác biệt càng ít khi số lƣợng quan sát càng nhiều (số phương trình cần ước lượng lớn). Phương phá SUR tỏ ra ưu thế hơn khi
Phương pháp 2 khắc phục nhược điểm trên ta có thể khảo sát bất kỳ loại khách hàng nào mà không cần biết họ có phản ứng với giá điện hay không. Và với sự phát triển mạnh mẽ của mạng nơron cho phép xác định đƣợc các mối quan hệ phụ thuộc giữa các dữ liệu đầu vào – đầu ra, hay các dữ liệu không biểu hiện ra bên ngoài và ngay cả các chuyên gia nhiều khi cũng không thể nhận biết đƣợc. Chính khả năng tuyệt vời này của MNR đã làm cho nó trở thành công cụ hữu hiệu khi giải quyết bài toán ƣớc lƣợng, dự báo phụ tải và đánh giá độ ổn định quá độ HTĐ trực tuyến. Đã có rất nhiều ứng dụng mạng nơron trong lĩnh vực HTĐ. Một trong những ƣu thế chính của đa số mạng nơron là tốc độ xử lý cao sau khi huấn luyện. Khối lƣợng lớn các tín hiệu có thể đƣợc xử lý hầu nhƣ tức thời, đặc biệt khi sử dụng các máy tính có
khả năng xử lý song song để mô phỏng mạng nơron. Cấu trúc của mạng nơron khá là đơn giản, phần lớn các phép tính của nó là phép cộng, do đó rất phù hợp với các máy tính hiện nay.
Phương pháp 2 đã xây dựng mạng nơron với các tham số đầu vào được lựa chọn cẩn thận, dữ liệu huấn luyện cần thu thập nhiều hơn để nâng cao độ chính xác
của bài toán. Ngoài những ƣu điểm đặc biệt thì mạng nơron cũng có những nhƣợc điểm nhất định. Khả năng hội tụ của mạng phụ thuộc vào các tham số khởi đầu, vì vậy ta cần chạy thử nghiệm nhiều lần để chọn đƣợc bộ tham số tốt nhất. Còn khả năng tổng quát hóa lại phụ thuộc rất nhiều vào dữ liệu đầu vào. Nếu dữ liệu đầu vào quá nhiều thì có thể dẫn đến tình trạng huấn luyện mạng mất nhiều thời gian và khả năng tổng quát hóa kém, nếu ít dữ liệu thì sai số sẽ tăng. Mạng nơron chỉ hoạt động tốt cho một cấu trúc đó mà thôi, khi thay đổi cấu trúc thì cần phải đào tạo lại mạng.
Cuối cùng khi so sánh giữa 2 phương pháp với nhau thì phương pháp 2 cho sai
số khảo sát bài toán nhỏ hơn phương pháp 1. Mỗi phương pháp đều có ưu và nhược điểm riêng, tùy vào mục đích đánh giá vấn đề mà chúng ta có thể áp dụng một trong hai phương pháp để đem lại hiệu quả cao nhất.
103
Hướng phát triển :
- Hiện nay EVN chỉ lắp đặt công tơ 3 giá cho cách khách hàng tiêu thụ điện công suất 20kW trở lên, và đồng thời tạo mọi điều kiện thuận lợi và giúp đỡ các hộ
sử dụng sản lƣợng điện lớn tự nguyện áp dụng các công nghệ tiết kiệm điện năng, nên đã giảm mức chênh lệch giữa giờ cao điểm và giờ thấp điểm. Nếu thành công trong việc điều khiển tải khách hàng công nghiệp, EVN tương lại sẽ tiếp tục phát triển lắp đặt công tơ 3 giá cho các hộ dân cư sinh hoạt. Vì hiện nay 2014 người dân
bắt đầu có sự quan tâm đến giá điện nhằm giảm chi phí tiền điện hàng tháng, do sự tăng giá liện tục của EVN trong thời gian qua, sự minh bạch của giá điện để giúp toàn bộ các khách hàng có thể theo dõi để điều chỉnh cách sử dụng điện hiệu quả tiết kiệm.
- Xây dựng các chương trình cố vấn giúp các doanh nghiệp lắp đặt hệ thống chiếu sáng hợp lý, sử dụng các loại động cơ, máy động lực có công suất thích hợp
với yêu cầu làm ra sản phẩm đảm bảo chất lƣợng cao, giảm mức tiêu hao năng lượng để hạ giá thành, nâng cao sức cạnh tranh của hàng hoá trên thị trường. Xây dựng kế hoạch hoạt động sản xuất phù hợp với thời điểm cao điểm, thấp điểm theo biểu giá điện TOU, giúp doanh nghiệp ứng phó linh hoạt với sự thay đổi giá điện.
Khi mà doanh nghiệp có nhiều kinh nghiệm ứng phó linh hoạt thì có thể tiêp tục phát triển lên biểu giá điện thay đổi hàng giờ, các doanh nghiệp phải linh hoạt về nhu cầu thì chúng ta mới có thể điều khiển tải theo giá thay đổi cho thị trường cạnh tranh đang từng bước hình thành ở Việt Nam.
TÀI LIỆU THAM KHẢO
[1] S.M. Khalid Nainar, “ In dustrial Electricity Demand : New results Using Bootstrapping Techniques”, University of Florida, February 1985.
[2] Na Yu and Ji-Lai Yu, International Conference on Power System Technology, 2006, “ Optimal TOU Decision Considering Demand Response Model ”.
[3] H. Aalami, M. Parsa Moghadam, G.R. Yousefi, University of Iran, “ Optimum
Time of Use Program Proposal for Iranian Power Systems”.
[4] Weihao Hu, Zhe Chen, Birgitte Bak-Jensen, “ Optimal Load Response to Time
of Use Power Price for Demand Side Management in Denmark”, Institute of
Energy Technology Aalborg University,IEEE 2010.
[5] A Report to The United States Congress Pursuant to Section 1252 of The Energy Policy Act of 2005, U.S Department of Energy, February 2006.
[6] Bridger M. Mitchell, Jan Paul Action , “ Electricity consumption by Time of Use in a Hybrid Demand System”, Published by The Rand Corporation,
December 1980.
[7] Tài liệu sưu tầm trên internet : “ Chương 5 : Mô hình hồi quy tuyến tính”
pp.209 -246.
[8] Hyungsik Roger Moon Department of Economics University of Southern California, “ Seemingly Unrelated Regressions”, July 2006.
[9] Ezzard de Lange, “ The impact of increase electricity prices on consumer demand”, Master of Business Administration, University of Pretoria,
November 2008.
[10] Pouyan Khajavi, Hassan Monsef, Hassan Abniki, Department of Electrical Engineering, “ Load Profile Reformation through Demand Response Programs
Using Smart Grid”, University of Tehran, pp11.6.
[11] Jan Paul Acton, Derek McKay, “ Quantitative Aspects of Industrial Use of Electricity Under Time of Use Rates in France,England, and Wales”,R-3010-
EPRI/HF/RC, March 1983.
[12] Shoorangiz Shams Shamsabad Farahani, Hossain Tourang, Behrang Yousefpour, Mehdi Ghasemi Naraghi and Seyed Ali Mohammad Javadian, Department of Electrical Engineering, Islamshahr Branch, Islamic Azad
105
University, Teharan, Iran, “ Exponential Modeling Evaluation of Time of Use Demand Response Programs in Restructured Power Markts”, January 2012.
[13] Edward R. Morey, February 2002, “ The Envelop Theorem : Shepard’s Lemma,
Hotelling’s Lemma, etc”.
[14] Edward R. Morey, February 2002, “ Hicksian Demand Functions, Expenditure
Functions & Shepard’s Lemma ”.
[15] Dennis J. Aigner and Joseph G. Hirschberg, 1985, “ Commercial/industrial custommer response to time of – use electricity prices : some experimental results”.
[16] Emre Celebi and J.David Fuller, “A Model for Efficient Consumer Pricing Schemes in Electricity Markets”, IEEE Transactions on power systems,
vol.22,No.1, Feb 2007.
[17] PGS. TS Phan Thị Thanh Bình, “ Tài liệu giảng dạy môn học Điều khiển hộ
tiêu thụ ”.
[18] PGS.TS Dương Hoài Nghĩa, “ Tài liệu giảng dạy môn học Công nghệ tính toán
mềm”.
[19] Matlab Neural Network toolbox User‟s Guide.
[20] Sanam Mirzazad-Barijough and Ali Akbar Sahari,2009, “Application of Generalize Neuron in Electricity Price Forecasting”, IEEE Bucharest Power Tech Conference.
[21] E.N.Chogumaira and T.Hiyama, “ Trainning Artificial Neural Network for Short-term Electricity Price Forecasting”, IEEE T&D Asia 2009.
PHỤ LỤC
1. Code tìm tổng công suất ở các thời điểm Q1,Q2,Q3 và giá điện ở P1,P2,P3 – với tên file : TimPQtong_TOU.m
2. Code xác định hệ số đàn hồi của hàm Cost-Share theo phương pháp BPCT – với tên file : CostShare_BPCT.m
3. Code xác định hệ số đàn hồi của hàm Cost-Share theo phương pháp SUR – với tên file : CostShare_SUR.m
4. Code xác định hệ số đàn hồi của hàm Cost-Share theo phương pháp Astrom Wittenmark – với tên file : CostShare_Astrom.m
5. Code xác định hệ số đàn hồi theo mô hình tuyến tính – với tên file : Mohinh_tuyentinh.m
6. Code xác định hệ số đàn hồi theo mô hình tuyến tính – với tên file : Mohinh_hammu.m
7. Code đánh giá theo mô hình hàm tuyến tính và hàm mũ – với tên file : Ktradanhgia_suchxacmohinh.m
8. Code huấn luyện mạng nơron theo phương án 1 của khách hàng Công Nghiệp – với tên file : HL_Pa1_CN.m
9. Code huấn luyện mạng nơron theo phương án 2 của khách hàng Công Nghiệp – với tên file : HL_Pa2_CN.m
10. Code huấn luyện mạng nơron theo phương án 1 của khách hàng Nông Nghiệp – với tên file : HL_Pa1_NN.m
11. Code huấn luyện mạng nơron theo phương án 2 của khách hàng Nông Nghiệp – với tên file : HL_Pa2_NN.m
12. File excel dữ liệu thu thập phụ tải và giá điện TOU khách hàng Công Nghiệp – với tên file : PP1_CN.xlsx
107
13. File excel dữ liệu thu thập phụ tải và giá điện TOU khách hàng Nông Nghiệp – với tên file : PP1_NN.xlsx
14. File excel dữ liệu huấn luyện mạng nơron của khách hàng Công Nghiệp – với tên file : E20S_ANNs.xlsx
15. File excel dữ liệu huấn luyện mạng nơron của khách hàng Nông Nghiệp – với tên file : AG5C_ANNs.xlsx