Xây dựng chương trình mạng nơron dùng phần mềm Matlab

4.2. CÁC BƯỚC XÂY DỰNG MẠNG NƠRON BẰNG PHẦN MỀM MATLAB ĐỂ KHẢO SÁT PHẢN ỨNG CỦA KHÁCH HÀNG

4.2.2 Xây dựng chương trình mạng nơron dùng phần mềm Matlab

Để tạo mạng truyền thẳng lan truyền ngƣợc trong matlab chúng ta thực hiện xây dựng một đoạn code đƣợc viết trong m.file. Gõ cú pháp của lệnh chứa trong toolbox neural network và khai báo dữ liệu theo đúng cú pháp sẽ tạo ra mạng nơron tương ứng. Để dễ hiểu chúng ta thực hiện một ví dụ nhỏ sau đây :

VD : Tạo mạng nơron với 2 ngõ vào, và 1 ngõ ra, 1 lớp ẩn, số nơron trong lớp ẩn là 3 nơron, hàm tác động là hàm tansig cho lớp ẩn, và hàm purelin cho lớp ra.

- Mẫu dữ liệu ngõ vào : P=[ 1 -1 2 2; 0 5 0 5]

- Mẫu dữ liệu mục tiêu mong muốn ở ngõ ra : T= [-1 -1 1 1]

Khi đã có dữ liệu ngõ vào và mục tiêu ở ngõ ra mong muốn thì ta tiến hành gõ cú pháp nhƣ sau :

P = [-1 -1 2 2; 0 5 0 5];

T = [-1 -1 1 1];

net = newff(p,t,3,{},'traingd');

net.trainParam.epochs = 300;

net.trainParam.show = 100;

net.trainParam.goal=1e-5;

[net,train]=train(net,P,T);

a= sim(net,P) view(net) gensim(net)

Sau khi gõ xong đoạn code trên vào m.file thực hiện chạy chương trình cửa sổ huấn luyện mạng nơron xuất hiện thực hiện quá trình huấn luyện mẫu dữ liệu đƣa vào với số vòng lặp 300 lần, và mục tiêu sai số là 10-5. Khi quá trình đạt tới giá trị vòng lặp hoặc đạt giá trị sai số trên thì quá trình huấn luyện đã hoàn tất, và xuất ra kết quả bên dưới .

a = -1.0026 -0.9962 1.0010 0.9960

53

Hình 4.5 Bên trái là cửa sổ thực hiện quá trình huấn luyện mạng

Bên phải là giá trị sai số bình phương (mse) và kết quả ngõ ra trùng với mục tiêu

Để xem và hiểu rõ cấu trúc của mạng nơron thì 2 dòng lệnh cuối cùng cho thấy cấu trúc của mạng và sự lan truyền tín hiệu giữa ngõ vào và sự kết nối giữa các lớp với nhau.

Cấu trúc mạng nơron :

Hình 4.6 : Cấu trúc mô hình mạng nơron

Cấu trúc mô phỏng mạng nơron :

Hình 4.7 : Mô hình hộp đen cấu trúc mạng nơron

Hình 4.8 : Cấu trúc bên trong hộp đen với layer1 : lớp ẩn, layer 2 : lớp ra

55

Hình 4.9 : Cấu trúc bên trong lớp ẩn 1 : gồm có vector trọng số và ngƣỡng tác động

(bias); hàm tác động tansig

Hình 4.10 : Mô hình vector trọng số của 3 nơron trong lớp ẩn

Hình 4.11 : Cấu trúc bên trong lớp ra layer 2, gồm vector trọng số, ngƣỡng tác động và

hàm tác động ngõ ra purelin

Hình 4.12 : Mô hình vector trọng số của 1 nơron ở lớp ra

 Quá trình huấn luyện mạng :

Một số hàm huấn luyện mạng nơron thường được sử dụng cho việc huấn luyện mạng với các giải thuật khác nhau có sẵn trong toolbox matlab. Mỗi hàm huấn luyện có ƣu điểm và khuyết điểm riêng do đó tùy vào bài toán mà chúng ta lựa chọn kiểu hàm huấn luyện cho phù hợp.

Hàm huấn luyện Giải thuật

trainlm Levenberg – Marquardt

trainbr Bayesian Regularization

trainbfg BFGS Quasi-Newton trainrp Resilient Backpropagation

trainscg Scaled Conjugate Gradient

traincgb Conjugate Gradient with Powell/Beale Restarts

traincgf Fletcher-Powell Conjugate Gradient traincgp Polak-Ribiére Conjugate Gradient

trainoss One Step Secant

traingdx Variable Learning Rate Gradient Descent

traingdm Gradient Descent with Momentum

traingd Gradient Descent

Trong luận văn này chỉ sử dụng giải thuật gradient descent do đó 2 loại hàm huấn luyện đƣợc sử dụng cho quá trình huấn luyện là traingd, traingdm.

Hàm traingd :

+ Một số lệnh khai báo mặc định của hàm traingd:

net.trainParam.epochs 10 Số lần lặp tối đa để huấn luyện

net.trainParam.goal 0 Mục tiêu thực hiện huấn luyện

net.trainParam.showCommandLine 0 Generate command-line output

57

net.trainParam.showWindow 1 Hiển thị cửa sổ huấn luyện

net.trainParam.lr 0.01 Tỉ số học

net.trainParam.max_fail 5 Số lần tối đa xác định lỗi

net.trainParam.min_grad 1e-10 Gradient tối thiểu cho việc thực hiện

net.trainParam.show 25 Số epoch hiển thị

net.trainParam.time inf Thời gian tối đa cho việc huấn luyện

+ Công thức tính toán của hàm traingd : sử dụng để cập nhật trọng số và ngưỡng tác động (bias).

dX = lr * dperf/dX

Theo công thức ở trên cho thấy hệ số học lr có thể ảnh hưởng tới quá trình huấn luyện khi ta tăng hoặc giảm hệ số lr, hệ số lr nằm trong khoảng giới hạn [0 1].

Hàm traingdm :

+ Một số lệnh khai báo mặc định của hàm traingdm:

net.trainParam.epochs 10 Maximum number of epochs to train

net.trainParam.goal 0 Performance goal

net.trainParam.lr 0.01 Learning rate

net.trainParam.max_fail 5 Maximum validation failures

net.trainParam.mc 0.9 Momentum constant

net.trainParam.min_grad 1e-10 Minimum performance gradient

net.trainParam.show 25 Epochs between showing progress

net.trainParam.showCommandLine 0 Generate command-line output

net.trainParam.showWindow 1 Show training GUI

net.trainParam.time inf Maximum time to train in seconds

+ Công thức tính toán của hàm traingdm : sử dụng để cập nhật trọng số và ngưỡng tác động (bias).

Cũng giống như hàm traingd, hàm traingdm có thể bị ảnh hưởng bởi 2 thông số lr và mc.

 Một số lưu ý trong quá trình huấn luyện mạng :

+ Nếu sau khi kết thúc quá trình huấn luyện mạng, kết quả ngõ ra không chính xác với giá trị mục tiêu mong muốn thì chúng ta nên khởi động lại việc huấn luyện thêm một lần nữa. Vì mỗi lần khởi động lại mạng nơron thì vector trọng số và ngƣỡng tác động ban đầu lấy theo ngẫu nhiên nên sẽ cho ra lời giải khác nhau. Cần thử nghiệm nhiều lần để tìm ra bộ vector trọng số phù hợp và tối ƣu nhất.

+ Nếu vẫn chƣa đạt kết quả mong muốn ta có thể tăng số nơron lớp ẩn, điều này có thể giúp mạng tính toán chính xác hơn, tốc độ học nhanh hơn…Tương tự như vậy ta cũng có thể tăng số lớp ẩn. Tuy nhiên nếu tăng quá nhiều lớp ẩn hoặc quá nhiều số nơron có thể làm sai lệch sự chính xác ngõ ra, làm chậm quá trình học do có quá nhiều các thông số cần tính toán, tăng dung lƣợng bộ nhớ…và không thể hiện đúng mỗi liên hệ giữa ngõ vào và ngõ ra. Cũng đã có rất nhiều nghiên cứu cho việc tìm hiểu xem khi tăng lớp ẩn hoặc số nơron có làm tăng năng lực học hoặc tốc độ học của mạng hay không, nhƣng vẫn chƣa có kết luận chính xác cho vấn đề này. Việc tăng số nơron hay tăng số lớp ẩn đa số phụ thuộc vào kinh nghiệm qua nhiều lần thử nghiệm huấn luyện của người thực hiện.

+ Nếu vẫn chƣa đạt kết quả mong muốn thì ta có thể thay đổi giải thuật huấn luyện (hàm huấn luyện). Vì mỗi hàm có công thức tính toán khác nhau để bài toán hội tụ nhanh hay chậm. Hãy lựa chọn kiểu hàm huấn luyện phù hợp cho bài toán.

59

CHƯƠNG 5

ÁP DỤNG THỰC TẾ

Trong chương 5 này tiến hành khảo sát phản ứng của khách hàng với sự thay đổi giá điện TOU. Dựa vào số liệu phụ tải thu thập đƣợc từ 2 loại khách hàng Công nghiệp và khách hàng Nông nghiệp áp dụng biểu giá TOU. Sử dụng 2 phương pháp để khảo sát :

A. Phương pháp thứ nhất là dùng mô hình toán giải tích để khảo sát :

Bước 1 : Tìm giá trị đàn hồi của các mô hình :

+ Xác định hệ số đàn hồi mô hình cost-share + Xác định hệ số đàn hồi mô hình tuyến tính + Xác định hệ số đàn hồi hàm mũ

Bước 2 : Dùng mô hình tuyến tình và mô hình mũ để kiểm tra và đánh giá

việc thực hiện ƣớc lƣợng lƣợng công suất ở những lần thay đổi giá kế tiếp của mô hình qua các hệ số đàn hồi vừa tìm đƣợc từ các mô hình

Bước 3: Nhận xét các mô hình đáp ứng giá

B. Phương pháp thứ hai là dùng mô hình mạng nơron để khảo sát :

 Ƣớc lƣợng lƣợng công suất ở những lần thay đổi giá kế tiếp theo phương án 1

 Ƣớc lƣợng lƣợng công suất ở những lần thay đổi giá kế tiếp theo phương án 2

Thông qua kết quả đạt được chúng ta có thể đánh giá phương pháp nào cho lời giải tối ƣu đối với bài toán.

5.1. SỐ LIỆU THU THẬP PHỤC VỤ CHO QUÁ TRÌNH KHẢO SÁT

Số liệu thu thập đƣợc qua trang web :

http://www.pge.com/nots/rates/tariffs/rateinfo.shtml từ công ty Pacific Gas and

Electric, là một cty đƣợc thành lập tại California vào năm 1905, là một trong những

cty điện lực lớn nhất tại Hoa Kỳ kết hợp giữa điện và khí đốt tự nhiên. Số liệu phụ tải của khách hàng Công Nghiệp và Nông Nghiệp sử dụng biểu giá TOU đƣợc cty

PG&E cập nhật qua nhiều năm, trong luận văn này ta sẽ thực hiện khảo sát số liệu

từ năm 1/2003 – 5/2014.

Dữ liệu phụ tải cập nhật theo kiểu 24 giờ/ngày hoặc 48 giờ/ngày. Và trong 1 năm đƣợc chia làm hai mùa : mùa hè (1/5 – 31/10) , mùa đông (1/11 – 30/4). Mùa hè áp dụng biểu giá TOU với giá cao điểm, bình thường, và thấp điểm. Mùa đông cũng giá TOU nhưng chỉ có 2 giá tức là giá cao điểm = giá bình thường, và giá thấp điểm.

Do vậy nên chỉ lấy dữ liệu chuẩn TOU 3 giá áp dụng cho mùa hè, sử dụng để khảo sát bài toán vì có phần tương đồng với thì thị trường điện Việt Nam cũng áp dụng 3

giá cho suốt cả năm, chứ không phân chia làm 2 mùa như thị trường điện California Bên dưới là biểu đồ quy định khoảng thời gian áp dụng giá TOU cho các ngày làm việc và ngày nghỉ nhƣ sau :

61

5.1.1 Số liệu phụ tải và giá điện TOU của khách hàng Công Nghiệp

Dữ liệu phụ tải mùa hè (01/05 đến 31/10) quan sát từ năm 2003-2014

trong 24 giờ qua 22 lần thay đổi giá điện TOU của khách hàng Công nghiệp

thu thập đƣợc. Bảng số liệu giá TOU và điện năng tiêu thụ trong 24 giờ đƣợc quy đổi thành tổng lƣợng điện năng tiêu thụ ở các khoảng thời gian cao điểm, bình thường, và thấp điểm như sau :

Bảng 5.1 : Số liệu phụ tải và giá điện TOU của khách hàng Công Nghiệp

Số lần thay đổi

giá

Năm quan sát

Mùa hè (01-05 đến 31-10)

Tổng điện năng (kWh) Giá điện 3 giá ($) Lƣợng công suất tiêu thụ

(kWh)

Cao điểm P1

Bình thường

P2

Thấp điểm

P3

Cao điểm

Q1

Bình thường

Q2

Thấp điểm

Q3

A. Tập dữ liệu xác định hệ số đàn hồi

1 05-01-2003 0.0928 0.0634 0.0559 5847.83 4425.40 6478.51 16751.73 2 06-01-2003 0.1841 0.0981 0.0907 5736.67 4385.86 6467.76 16590.29 3 06-16-2004 0.1564 0.0876 0.0802 6831.05 5248.27 7798.49 19877.81 4 08-01-2004 0.1557 0.0872 0.0798 7456.63 5699.50 8570.67 21726.80 5 10-01-2004 0.1561 0.0874 0.0800 6696.06 5120.25 7815.20 19631.51 6 05-01-2005 0.1541 0.0872 0.0799 6763.18 5227.49 7884.72 19875.39 7 09-01-2005 0.1472 0.0838 0.0768 7290.65 5614.87 8566.96 21472.47 8 10-01-2005 0.1479 0.0844 0.0774 6914.28 5317.18 8122.23 20353.69 9 08-01-2006 0.1335 0.0977 0.0704 7472.00 5563.22 8682.26 21717.48 10 09-01-2006 0.1298 0.0938 0.0664 7262.30 5730.77 9334.23 22327.30 11 10-01-2007 0.1318 0.0951 0.0670 7036.14 5397.84 8122.13 20556.11 12 09-01-2008 0.1262 0.0874 0.0715 7540.51 5737.62 7705.49 20983.63 13 10-01-2008 0.1372 0.0949 0.0774 7354.41 5552.07 7457.38 20363.86 14 09-01-2009 0.1486 0.1017 0.0823 7290.70 5552.20 7180.66 20023.56 15 10-01-2009 0.149 0.1021 0.0827 6704.65 5118.94 6557.70 18381.29 16 05-01-2010 0.1489 0.1043 0.0859 6566.49 4755.26 6328.20 17649.95 17 10-01-2010 0.1461 0.1017 0.0814 6325.71 4885.99 7537.36 18749.05 18 05-01-2011 0.1396 0.0998 0.0799 6457.71 4934.40 7820.20 19212.31

B. Tập dữ liệu kiểm tra đánh giá mô hình đáp ứng

20 10-01-2012 0.1231 0.0907 0.0693 6974.65 5888.30 8458.61 21321.57 21 09-01-2013 0.1324 0.0948 0.07 6906.75 5344.19 8412.01 20662.95 22 05-01-2014 0.1484 0.1055 0.0772 6318.16 4876.14 7400.86 18595.15

Hình 5.1.1: Đồ thị phụ tải Công nghiệp (kWh) sử dụng giá TOU trong mùa hè

63

5.1.2 Số liệu phụ tải và giá TOU của khách hàng Nông nghiệp

Dữ liệu phụ tải mùa hè (01/05 đến 31/10) quan sát từ năm 2004-2013 trong 48 giờ qua 19 lần thay đổi giá điện TOU của khách hàng Nông nghiệp

thu thập đƣợc. Bảng số liệu giá TOU và điện năng tiêu thụ trong 48 giờ đƣợc quy đổi thành tổng lƣợng điện năng tiêu thụ ở các khoảng thời gian cao điểm, bình thường, và thấp như sau :

Bảng 5.2 : Số liệu phụ tải và giá điện TOU của khách hàng Nông Nghiệp

Số lần thay đổi giá

Năm quan sát

Mùa hè (01-05 đến 31-10)

Giá điện 3 giá ($) Lƣợng công suất tiêu thụ

(MWh)

Cao điểm P1

Bình thường

P2

Thấp điểm

P3

Cao điểm

Q1

Bình thường

Q2

Thấp điểm

Q3

A. Tập dữ liệu xác định hệ số đàn hồi

1 05-01-2004 0.0907 0.0620 0.0507 2.6249 3.2924 4.0827 2 06-17-2004 0.0906 0.0620 0.0508 2.6427 3.3038 4.0535 3 09-01-2004 0.0908 0.0621 0.0509 2.6821 3.2763 4.0416 4 01-05-2005 0.0913 0.0636 0.0528 2.5388 3.2758 4.1854 5 01-06-2005 0.0870 0.0612 0.0512 2.5337 3.2786 4.1877 6 31-08-2006 0.1070 0.0762 0.0578 2.6410 3.2442 4.1148 7 01-09-2006 0.1109 0.0794 0.0607 2.6606 3.2429 4.0965 8 31-10-2007 0.1112 0.0793 0.0603 2.6053 3.2587 4.1359 9 30-09-2008 0.1152 0.0783 0.0645 2.7385 3.2485 4.0129 10 01-10-2008 0.1247 0.0837 0.0684 2.6711 3.2630 4.0659 11 30-09-2009 0.1285 0.0826 0.0654 2.7438 3.2499 4.0063 12 01-10-2009 0.1289 0.0829 0.0658 2.6689 3.2636 4.0675 13 31-05-2010 0.1302 0.0877 0.0718 2.7027 3.2659 4.0314 14 01-06-2010 0.1271 0.0845 0.0687 2.7121 3.2819 4.0060 15 31-10-2011 0.1222 0.0856 0.0720 2.6139 3.2464 4.1397

B. Tập dữ liệu kiểm tra đánh giá mô hình đáp ứng

16 30-06-2012 0.1261 0.0879 0.0737 2.6751 3.2552 4.0697 17 01-07-2012 0.1250 0.0873 0.0733 2.6575 3.2566 4.0859 18 01-05-2013 0.1353 0.0916 0.0753 2.6785 3.2511 4.0703

Hình 5.1.3: Đồ thị phụ tải Nông nghiệp (MWh) sử dụng giá TOU trong mùa hè

Hình 5.1.4: Biểu đồ giá TOU($) áp dụng cho mùa hè

65

5.2. KHẢO SÁT PHẢN ỨNG CỦA KHÁCH HÀNG SỬ DỤNG MÔ HÌNH TOÁN

5.3.1 Khảo sát khách hàng phụ tải Công Nghiệp

a. Xác định hệ số đàn hồi hàm Cost-Share theo công thức tính toán (3.11),(3.16),(3.17).

Số liệu dùng cho việc khảo sát khách hàng Công Nghiệp xem bảng 5.1 ở trên.

 Hệ số và hệ số đàn hồi được xác định qua các thuật toán đã nêu ở trên như sau :

(i) Phương pháp bình phương cực tiểu :

 Hệ số

[

]

 Kết quả hệ số đàn hổi phản ứng của khách hàng theo giá thay đổi

Cao điểm Bình thường Thấp điểm

Cao điểm -0.2776 -0.0140 0.3352

Bình thường -0.0424 -0.0207 0.0802

Thấp điểm 0.4496 0.0400 -0.5658

(ii) Phương pháp SUR

 Hệ số

[

]

 Kết quả hệ số đàn hổi phản ứng của khách hàng theo giá thay đổi

Cao điểm Bình thường Thấp điểm

Cao điểm -0.2284 -0.0406 0.2690

Bình thường -0.0743 -0.0544 0.1287

(iii) Phương pháp lặp Astrom và Wittenmark

 Hệ số

[

]

 Kết quả hệ số đàn hổi phản ứng của khách hàng theo giá thay đổi

Cao điểm Bình thường Thấp điểm

Cao điểm -0.2777 -0.0140 0.3352

Bình thường -0.0424 -0.0207 0.0802

Thấp điểm 0.4496 0.0400 -0.5659

 Nhận xét :

+ Sử dụng các phương pháp : Bình phương cực tiểu (BPCT) , SUR, Lặp Astrom Wittenmark để ƣớc lƣợng hệ số tìm hệ số đàn hồi theo hàm Cost- Share kết quả cho thấy phương pháp BPCT và Lặp Astrom Wittenmark cho kết quả giống nhau . Còn phương pháp SUR thì có sự khác biệt ở một vài

giá trị.

+ Dưới đây là bảng sai số ước lượng tham số của 3 phương pháp. Trong đó với phương pháp BPCT và lặp Astrom Wittenmark cho sai số tuyệt đối trong khoảng [0; 0.0267], phương pháp SUR cho sai số tuyệt đối trong khoảng

[0;0.0237]. Ta thấy từ phương trình 55 đến 62 là các phương trình ràng buộc điều kiện (3.9), phương pháp SUR cho kết quả thỏa mãn hết cả 8 phương trình ràng buộc.

STT phương

trình

Bình phương cực

tiểu SUR Lặp Astrom

Wittenmark

1 -0.0087 -0.0140 -0.0016

2 -0.0018 0.0023 0.0024

3 0.0111 0.0000 -0.0006

4 0.0031 0.0017 -0.0019

-0.0005 -0.0029 -0.0016

67

6 -0.0030 -0.0048 -0.0020

7 0.0012 -0.0045 0.0034

8 0.0003 -0.0058 -0.0038

9 -0.0016 0.0039 -0.0002

10 0.0024 -0.0122 0.0039

11 -0.0006 0.0039 -0.0033

12 -0.0019 0.0088 -0.0008

13 -0.0016 0.0105 0.0042

14 -0.0020 0.0148 -0.0046

15 0.0034 0.0132 -0.0014

16 -0.0038 0.0165 0.0059

17 -0.0002 -0.0142 0.0036

18 0.0039 -0.0173 -0.0060

19 -0.0033 -0.0039 0.0022

20 -0.0008 0.0006 -0.0111

21 0.0042 0.0001 -0.0018

22 -0.0046 -0.0011 0.0125

23 -0.0014 -0.0021 0.0055

24 0.0059 -0.0005 0.0004

25 0.0036 -0.0016 -0.0063

26 -0.0060 -0.0020 0.0083

27 0.0022 -0.0053 0.0057

28 -0.0111 -0.0010 -0.0137

29 -0.0018 0.0015 0.0088

30 0.0125 0.0049 0.0043

31 0.0055 0.0040 -0.0128

32 0.0004 0.0079 0.0123

33 -0.0063 0.0087 0.0076

34 0.0083 -0.0008 -0.0197

35 0.0057 -0.0029 0.0111

36 -0.0137 -0.0065 0.0081

37 0.0088 0.0179 -0.0191

38 0.0043 -0.0029 0.0132

39 -0.0128 -0.0001 -0.0012

40 0.0123 -0.0006 -0.0117

41 0.0076 0.0050 -0.0164

42 -0.0197 0.0053 -0.0034

43 0.0111 0.0061 0.0199

44 0.0081 0.0078 -0.0199

45 -0.0191 0.0014 -0.0066

46 0.0132 0.0132 0.0267

47 -0.0012 -0.0054 0.0000

49 -0.0164 -0.0146 -0.0048

50 -0.0034 -0.0227 -0.0011

51 0.0199 -0.0219 0.0059

52 -0.0199 -0.0157 -0.0041

53 -0.0066 0.0171 -0.0105

54 0.0267 0.0237 -0.0072

55 0.0000 0 -0.0087

56 0.0003 0 -0.0018

57 -0.0048 0 0.0111

58 -0.0011 0 0.0031

59 0.0059 0 -0.0005

60 -0.0041 0 -0.0030

61 -0.0105 0 0.0012

62 -0.0072 0 0.0003

Tổng giá trị

tuyệt đối 0.4047 0.4018 0.4047

+ Như đã đề cập trước đây ở chương 2 mục 2.2 hệ số đàn hồi mang giá trị

âm và nằm trong khoảng (- ,-1) thì đƣợc xem là co giãn nhiều khi giá thay đổi , tức là phản ứng của khách hàng với sự thay đổi của là rất nhiều, khách hàng phản ứng tối ƣu hay nhạy với sự thay đổi giá. Còn nếu hệ số nằm trong khoảng (-1,0) vẫn có sự phản ứng từ phía khách hàng, nhƣng không nhiều, hay còn đƣợc gọi là kém đàn hồi với sự thay đổi của giá, co giãn ít. Từ đây cho thấy kết quả của các hệ số đàn hổi riêng ở

các thời điểm nằm trong khoảng (-1,0). Phương pháp BPCT cho . Kết quả này cho thấy khách hàng phản ứng tốt ở khoảng thời gian thấp điểm, và cao điểm, ở thời điểm bình thường thì hầu như không có phản ứng. Kết quả của phương pháp SUR

cũng cho nhận xét tương tự nhƣ trên.

+ Đối với hệ số đàn hồi tương hỗ như mang giá trị dương ngược lại so với giá trị đàn hồi riêng.

69

• : mang giá trị âm, tức là ở thời điểm bình thường, nếu giá điện tăng lên thì lƣợng tiêu thụ điện giờ cao điểm giảm xuống, ngƣợc lại nếu giá giảm thì lƣợng điện tiêu thụ giờ cao điểm sẽ tăng lên.

• : mang giá trị dương, nghĩa là ở thời điểm thấp điểm, nếu giá điện tăng thì lƣợng điện tiêu thụ ở cao điểm tăng lên, ngƣợc lại giá giảm thì lƣợng điện tiêu thụ ở cao điểm sẽ giảm xuống.

• : mang giá trị âm, tức là ở thời điểm cao điểm, nếu giá điện tăng thì lượng điện tiêu thụ ở giờ bình thường giảm xuống và ngược lại nếu giá giảm thì lượng điện tiêu thụ ở giờ bình thường tăng lên.

• : mang giá trị dương, nghĩa là ở thời điểm thấp điểm , nếu giá điện tăng thì lượng điện ở giờ bình thường tăng lên và nếu giá giảm thì lượng điện tiêu thụ ở giờ bình thường giảm xuống.

• : mang giá trị dương , tức là ở giờ cao điểm, nếu giá điện tăng thì lƣợng điện tiêu thụ ở thời điểm thấp điểm tăng lên, và ngƣợc lại nếu giá giảm thì lƣợng điện tiêu thụ ở thời điểm thấp điểm giảm xuống.

• : mang giá trị âm, nghĩa là ở giờ bình thường khi giá điện tăng thì lƣợng điện tiêu thụ ở thời điểm thấp điểm giảm xuống và ngƣợc lại nếu giá điện giảm thì lƣợng điện tiêu thụ ở thấp điểm lại tăng lên.

b. Xác định hệ số đàn hồi mô hình tuyến tính theo công thức tính toán (3.22).

 Hệ số đàn hồi được xác định bằng phương pháp bình phương cực tiểu :

 Kết quả hệ số đàn hổi phản ứng của khách hàng theo giá thay đổi

Cao điểm Bình thường Thấp điểm

Cao điểm -0.1912 0.1240 0.0918

Bình thường 0.3253 -0.1507 -0.4646

Thấp điểm 1.1031 -0.1768 -1.6609

c. Xác định hệ số đàn hồi mô hình hàm mũ theo công thức tính toán (3.32) .

 Hệ số đàn hồi được xác định bằng phương pháp bình phương cực tiểu:

 Kết quả hệ số đàn hổi phản ứng của khách hàng theo giá thay đổi

Cao điểm Bình thường Thấp điểm

Cao điểm -0.1972 0.1242 0.1053

Bình thường 0.3183 -0.1444 -0.4548

Thấp điểm 1.0526 -0.1616 -1.5897

 Nhận xét :

Đối với mô hình tuyến tính và mô hình hàm mũ cho kết quả hệ số đàn hồi tương đối giống nhau, chỉ có sai lệch đôi chút. Nhưng với kết quả mô hình hàm cost share thu đƣợc so với kết quả của 2 mô hình tuyến tính và mũ thì lại cho thấy sự phản ứng của khách hàng của 2 mô hình cho kết quả tốt hơn với sự thay đổi giá.

Nhất là ở giờ thấp điểm độ nhạy, đàn hồi hay độ co giãn rất nhiều. Tiếp theo ta sẽ đi kiểm tra đánh giá lại xem mô hình nào cho kết quả phản ánh tốt về ‘ phản ứng của

khách hàng với sự thay đổi của giá điện’.

d. Kiểm tra đánh giá hệ số vừa tìm được theo mô hình tuyến tính và mô hình mũ

+ Lấy mẫu ngẫu nhiên một vài ngày thay đổi giá trong tập kiểm tra hệ số đàn hồi trong bảng 5.1 để kiểm tra.

+ Lấy mẫu 4 ngày cuối để kiểm tra độ chính xác của mô hình trong việc thực hiện ƣớc lƣợng lƣợng công suất cho những ngày kế tiếp.

71

Bảng 5.3 Kết quả kiểm tra đánh giá mô hình hàm Cost Share theo mô hình tuyến tính

Nuy

Đánh giá theo mô hình tuyến tính

Bình phương cực tiểu SUR -0.2776 -0.0140 0.3352 -0.2284 -0.0406 0.2690 -0.0424 -0.0207 0.0802 -0.0743 -0.0544 0.1287 0.4496 0.0400 -0.5658 0.3881 0.1014 -0.4896

STT Điện năng thực tế (kWh) Điện năng theo công thức

tính toán (kWh)

Điện năng theo công thức tính toán (kWh)

2 5736.67 4385.86 6467.76 5425.90 4775.80 7324.10 5383.0 4324.8 7337.5

Sai số (%) 5.42 8.89 13.24 6.17 1.39 13.45

4 7456.63 5699.50 8570.67 6828.60 5247.70 7803.40 6830.10 5248.00 7800.40

Sai số (%) 8.42 7.93 8.95 8.40 7.92 8.99

6 6763.18 5227.49 7884.72 6717.30 5122.80 7775.00 6714.00 5124.90 7779.30

Sai số (%) 0.68 2.00 1.39 0.73 1.96 1.34

9 7472.00 5563.22 8682.26 6876.30 5283.20 8233.50 6855.60 5248.10 8304.80

Sai số (%) 7.97 5.03 5.17 8.25 5.66 4.35

11

7036.14 5397.84 8122.13 7251.80 5729.50 9356.30 7250.30 5726.60 9361.90

Sai số (%) 3.07 6.14 15.20 3.04 6.09 15.26

13

7354.41 5552.07 7457.38 7557.50 5744.20 7674.10 7531.50 5734.60 7722.00

Sai số (%) 2.76 3.46 2.91 2.41 3.29 3.55

15

6704.65 5118.94 6557.70 7296.70 5553.30 7170.70 7294.60 5553.40 7173.90

Sai số (%) 8.83 8.49 9.35 8.80 8.49 9.40

17

6325.71 4885.99 7537.36 6490.30 4742.00 6451.80 6510.90 4737.00 6424.70

Sai số (%) 2.60 2.95 14.40 2.93 3.05 14.76

19

6580.19 5362.83 8259.05 6389.50 4916.00 7965.40 6422.90 4917.20 7902.60

Sai số (%) 2.90 8.33 3.56 2.39 8.31 4.32

20

6974.65 5888.30 8458.61 6581.30 5362.60 8257.10 6582.90 5363.70 8253.20

Sai số (%) 5.64 8.93 2.38 5.62 8.91 2.43

21

6906.75 5344.19 8412.01 6847.50 5868.70 8712.80 6860.40 5848.40 8703.60

Sai số (%) 0.86 9.81 3.58 0.67 9.43 3.47

22

6318.16 4876.14 7400.86 6902.20 5348.40 8417.40 6875.60 5334.10 8479.30

Sai số (%) 9.24 9.69 13.74 8.82 9.39 14.57

sai số trung bình (%) ước lượng cho 4

ngày kế tiếp 4.66 9.19 5.81 4.38 9.01 6.20