Các mô hình, phương pháp dự áo phụ tải điện năng [2]

CHƯƠNG I NGHIÊN CỨU TỔNG QUAN VỀ MÔ HÌNH DỰ BÁO NGHIÊN CỨU TỔNG QUAN VỀ MÔ HÌNH DỰ BÁO

1.2. TÌNH HÌNH THỰC TẾ NHU CẦU TIÊU THỤ ĐIỆN THÀNH PHỐ QUẢNG NGÃI. QUẢNG NGÃI

1.2.3. Các mô hình, phương pháp dự áo phụ tải điện năng [2]

Theo th i gian d o ph n r lo i d o s u:

- D o ng n h n (tầm ng n): Th i gian từ 1 ến 2 th ng.

- D o h n vừa (tầm trung): Th i gian từ 3 ến 10 n m.

- D o ài h n (tầm xa): th i gian từ 15 ến 20 n m ó t nh hất chiến lƣ c.

Ngoài r òn ó o iều v i th i gian d o theo gi trong ngày tuần,

… ể phục vụ ho ng t iều hệ thống.

Sai số ho ph p ối v i từng lo i d o nhƣ s u:

- D o tầm ng n và tầm trung: từ (5-10) %,

- Đối v i d o ài h n 5-15 % (thậm h ến 20%), - Còn o iều th ho ph p (3-5) %.

0 20 40 60 80 100 120 140 160 180 200

Công suất phụ tải (MW)

Đồ thị phụ tải

18-26 độ 26-40 độ

1.2.3.1. Phương pháp tính hệ số vượt trước

Phương ph p này ho iết khuynh hư ng ph t triển c a nhu cầu tiêu thụ iện n ng so v i nhịp ph t triển c a nền kinh tế quố n.

* Trong thời gian từ năm 2012 đến năm 2017, sản lượng công nghiệp và xây dựng của thành phố Quảng Ngãi tăng 120%, còn sản lượng điện năng tiêu thụ cũng trong khoảng thời gian đó là 123.88%.

Như vậy hệ số vượt trước là:

D vào hệ số k t x ịnh ư iện n ng tiêu thụ ở n m o. Phương ph p này ó nhiều sai số do nh ng nguyên nh n s u:

- Suất tiêu h o iện n ng ngày àng gi m ( ối v i m t s n phẩm) o ng nghệ ngày àng o và qu n lý ngày àng tốt hơn.

- Điện n ng ngày àng sử dụng trong nhiều ngành kinh tế và nhiều ịa phương.

- Cơ ấu kinh tế thƣ ng xuyên th y ổi.

1.2.3.2. Phương pháp tính trực tiếp

N i dung c phương ph p là x ịnh iện n ng tiêu thụ c n m o a trên tổng s n lƣ ng kinh tế c ngành ở n m o và suất tiêu h o iện n ng ối v i từng lo i s n phẩm, m tiêu h o a từng h gi nh…Phương ph p này ƣ p ụng ở nƣ ó nền kinh tế ph t triển ổn ịnh ó kế ho h kh ng ó kh ng ho ng.

 Ưu iểm c phương ph p là: t nh to n ơn gi n, cho ta biết ư c tỉ lệ sử dụng iện n ng trong ngành kinh tế nhƣ ng nghiệp n ng nghiệp n dụng v.v…và x ịnh ư c nhu cầu iện n ng ở từng ị phương (sử dụng thuận tiện trong qui ho ch).

 Nhƣ iểm: M h nh x phụ thu c nhiều vào việc thu thập số liệu c ngành ị phương o.

Phương ph p này ng ể d o tầm ng n và tầm trung.

1.2.3.3. Phương pháp ngoại suy theo thời gian

N i dung c phương ph p là t m quy luật ph t triển c iện n ng theo th i gian d vào số liệu thống kê trong m t th i gi n qu kh tương ối ổn ịnh, rồi k o ài quy luật ó r ể d o ho tương l i.

V ụ: M h nh ó ng mũ nhƣ s u:

At = A0 (1+ t (1-1) Trong ó: - tố ph t triển nh qu n hàng n m - t: th i gian d o

- A0: iện n ng ở n m họn gốc

- At: iện n ng o ở n m th t. At+1

Nhƣ vậy hàm mũ ó ƣu iểm là ơn gi n, ph n nh hỉ số ph t triển hàng n m kh ng ổi. Có thể x ịnh hằng số C bằng h lấy gi trị trung nh nh n hỉ số ph t triển c a nhiều n m.

√ (1-2)

(Ci: hệ số ph t triển n m i; n: số n m qu n s t) Tổng qu t m h nh o ó ng:

At = A0Ct

Logarit 2 vế (1-3) t ƣ c:

lgAt = lgA0 + t. lgC

Đặt y = lgAt; a = lgA0; = lgC th (1-3) ó thể viết:

Y = a + bt (1-4)

C hệ số ư x ịnh bằng phương ph p nh phương c tiểu.

 Số liệu phụ tải điện quá khứ sử dụng cho phương pháp ngoại suy

a) Đối v i d o nhu ầu phụ t i iện n m: C số liệu thống kê về ng suất iện n ng tiêu thụ trong t nhất 05 n m trƣ c gần nhất;

b) Đối v i d o nhu ầu phụ t i iện th ng: C số liệu thống kê về ng suất iện n ng tiêu thụ c th ng ng kỳ n m trƣ và t nhất 03 th ng trƣ c gần nhất;

c) Đối v i d o nhu ầu phụ t i iện tuần: C số liệu thống kê về ng suất iện n ng tiêu thụ trong t nhất 04 tuần trƣ c gần nhất;

d) Đối v i d o nhu ầu phụ t i iện ngày: C số liệu thống kê về ng suất iện n ng tiêu thụ trong t nhất 07 ngày trƣ . Trƣ ng h p ngày lễ, tết ph i sử dụng số liệu c ngày lễ, tết n m trƣ c;

e) Đối v i d o nhu ầu phụ t i iện gi : C số liệu thống kê về ng suất iện n ng tiêu thụ trong t nhất 48 gi ng kỳ tuần trƣ c.

 Ưu iểm c phương ph p ngo i suy hàm mũ là ơn gi n và ó thể p dụng ể d o iện n ng tầm ng n và tầm xa.

 Như iểm: Kết qu chỉ h nh x nếu tương l i kh ng nhiễu và qu kh ph i tu n theo m t quy luật (thƣ ng ối v i hệ thống kh ng ổn ịnh, thiếu nguồn th ng tin qu kh ó số liệu kh ng thật sẽ dẫn ến qui luật sai) 1.2.3.4. Phương pháp tương quan

Nghiên u mối tương qu n gi thành phần kinh tế v i iện n ng nhằm ph t hiện nh ng quan hệ về mặt ịnh lƣ ng từ ó x y ng m h nh iểu diễn s tương qu n gi iện n ng v i s n lư ng thành phần kinh tế như: s n lư ng ng nghiệp, s n lƣ ng kinh tế quố n… Khi x ịnh ƣ gi trị s n lƣ ng thành

phần kinh tế (bằng phương ph p kh ) ở n m o vào mối quan hệ trên ể d o phụ t i iện n ng.

Phương ph p này x ịnh mối tương qu n gi a nhu cầu tiêu thụ iện ( ng suất, iện n ng) a phụ t i v i yếu tố nh hưởng quan trọng (t ng trưởng kinh tế gi iện, th i tiết, tỷ gi …) và ƣ c th c hiện trên nền Excel v i ƣ s u y:

Dự báo đồ thị phụ tải giờ tới

Đối v i từng miền so s nh iểu ồ ngày qu kh thu ƣ c v i biểu ồ ngày hiện t i D ể t m ƣ c biểu ồ ó h nh ng giống nhất v i biểu ồ ngày D. C h so s nh ƣ c th c hiện t ng v i hàm:

) 2 ,

1 (array array Correl

V i thuật to n s u:

  







 

2

2 ( )

) (

) )(

) ( , (

y y x

x

y y x Y x

X Correl

Trong ó:

- X là ng suất phụ t i 24 gi th c tế c ngày Di; -



xlà ng suất trung nh 24 gi th c tế c ngày Di; -



y là ng suất trung nh 24 gi d o ngày D; - Y là ng suất phụ t i 24 gi d o ngày D.

Hàm Correl tr l i kết qu là s tương qu n gi a hai biến m ng X ,Y . Nếu biến m ng X ,Y àng giống nh u th kết qu c hàm Correl àng gần 1. Do vậy sau khi so s nh 21 ngày qu kh v i ngày hiện t i D sẽ t m ƣ ngày ó h nh ng phụ t i giống nhất v i ngày D, gi sử ngày Di.

Đối v i từng miền, sử dụng hàm xu thế ể d o ng suất phụ t i cho 04 gi t i (từ gi H ến gi H 3) v i hàm FORECAST và ph p lệnh sau:

) ' _ ,

' _ ,

(x known ys known xs FORECAST

Trong ó:

- x là ng suất phụ t i gi H 1;

- known_y's là ng suất phụ t i 05 gi qu kh kể từ gi H1 c ngày i

D ;

- known_x's là ng suất phụ t i 05 gi qu kh kể từ gi H 1 c ngày D .

So sánh đồ thị phụ tải dự báo với đồ thị phụ tải quá khứ

S u khi ó ồ thị phụ t i d o từng miền cho 04 gi t i, tiến hành so s nh ồ

thị phụ t i này v i ồ thị phụ t i qu kh từng miền theo gi trị Correl từ o ến thấp (so s nh iểu ồ qu kh ó ng giống nhất rồi ến iểu ồ qu kh t giống hơn). Qu tr nh so s nh này ể xử lý số liệu phụ t i qu kh ó thể bị sai do c t t i, do lỗi SCADA (kh ng thu thập ƣ số liệu phụ t i qu kh ).

Hiệu chỉnh lại đồ thị phụ tải

S u khi so s nh ồ thị phụ t i d o v i ồ thị phụ t i qu kh và ồ thị phụ t i hiện t i, nếu hàm Correl ho kết qu < 0 9 th ho ph p nh n kết qu tương ng v i hệ số huyên gi h huyen_gi theo quy ịnh: 0,9hchuyen_gia 1,1.

Như iểm c phương ph p là t ph i thành lập m h nh o phụ.

1.2.3.5. Phương pháp so sánh đối chiếu

So s nh ối chiếu nhu ầu ph t triển iện n ng nư ó hoàn nh tương t . Đ y là phương ph p ư nhiều nư p ụng ể o nhu ầu n ng lư ng m t h ó hiệu qu . Phương ph p thư ng ư p ụng ho o ng n h n và trung h n.

1.2.3.6. Phương pháp chuyên gia

D trên ơ sở hiểu iết s u s huyên gi giỏi ở lĩnh v ngành ể o hỉ tiêu kinh tế. Cũng ó khi ng phương ph p này ể o triển vọng thƣ ng ngƣ i t lấy trung nh ó tỉ trọng ý kiến huyên gi ph t iểu.

Trong trư ng h p ó nhiều yếu tố kh ng ổn ịnh th sử dụng phương ph p huyên gi ó th m kh o ý kiến c a h i ồng tƣ vấn. Việc lấy ý kiến ƣ c tiến hành theo ƣ c sau:

- Chuyên gi ho iểm theo từng tiêu huẩn. Mỗi tiêu huẩn có m t thang iểm thống nhất.

- Lấy trọng số c ý kiến c a h i ồng tƣ vấn ể tổng h p.

1.2.3.7. Phương pháp mạng Neural nhân tạo Cấu trúc của mạng Neural nhân tạo

Hình 1.5: Cấu tr a m t m ng Neural

Trong ó:

- Pi là l p vào o gồm t n hiệu ầu vào (nhiệt ẩm ngày nghỉ hoặc làm việ …);

- b1 và b2 là l p ẩn;

- b3 là l p ra;

- là hàm số iện n ng ng suất ngày gi .

Việc chọn l a số lƣ ng t n hiệu ầu vào phụ thu vào ài to n ụ thể và hỉ ó thể x ịnh d trên nh gi nh hưởng c yếu tố ầu vào và phụ t i iện.

Kết qu ầu ra phụ thu vào ấu tr a m ng Neural và liệu qu kh .

C phương ph p nêu trên tuy phổ iến nhưng hư p ng ư yêu ầu ho ài to n o phụ t i iện ng n h n. T gi ã nêu ƣ ƣu iểm và nhƣ iểm ho từng phương ph p. Vậy trong vấn ề gi i quyết ài to n o phụ t i iện thành phố Qu ng Ngãi t gi ã l họn phương ph p m ng Neural nh n t o sử ụng thuật to n l n truyền ngƣ ể x y ng m h nh o phụ t i iện ho thành phố Qu ng Ngãi.

KẾT LUẬN CHƯƠNG 1

Trong chương 1 ã tr nh ày tổng qu n về kh i niệm o ài to n ặt r ối v i t nh h nh th tế nhu ầu tiêu thụ iện thành phố Qu ng Ngãi. T m hiểu và ph n t h m h nh phương ph p o phụ t i iện n ng ã ó. Đồng th i trên t nh h nh th tế t gi ề xuất gi i quyết ài to n ằng h sử ụng m ng Neural nh n t o ể x y ng m h nh o phụ t i iện ng n h n.

CHƯƠNG II

MÔ HÌNH DỰ BÁO PHỤ TẢI ĐIỆN NĂNG SỬ DỤNG MẠNG NEURA NHÂN TẠO