Luận văn Ứng dụng công cụ Wavalet để dự báo phụ tải điện tại huyện Đông Anh- Hà Nội

HUTECH
B GIÁO DC VÀ ÀO TO
TRNG I HC K THUT CÔNG NGH TP. HCM



PHÙNG S TIN


NG DNG CÔNG C WAVELET  D
BÁO PH TI IN TI HUYN ÔNG
ANH-HÀ NI



LUN VN THC S
Chuyên ngành : Thit b, mng & nhà máy đin
Mã s ngành: 60 52 50




HUTECH

TP. H CHÍ MINH, tháng 4 nm 2012

HUTECH

B GIÁO DC VÀ ÀO TO
TRNG I HC K THUT CÔNG NGH TP. HCM

PHÙNG S TIN


NG DNG CÔNG C WAVELET  D BÁO
PH TI IN TI HUYN ÔNG ANH-HÀ NI




LUN VN THC S
Chuyên ngành : Thit b, mng & nhà máy đin
Mã s ngành: 60 52 50


HNG DN KHOA HC: PGS.TS PHAN TH THANH BÌNH











TP. H CHÍ MINH, tháng 4 nm 2012

HUTECH

HUTECH
CÔNG TRÌNH C HOÀN THÀNH TI
TRNG I HC K THUT CÔNG NGH TP. HCM



Cán b hng dn khoa hc :
PGS.TS. PHAN TH THANH BÌNH
(Ghi rõ h, tên, hc hàm, hc v và ch ký)





Lun vn Thc s đc bo v ti Trng i hc K thut Công ngh

TP. HCM ngày 22 tháng 04 nm 2012

Thành phn Hi đng đánh giá Lun vn Thc s gm:
(Ghi rõ h, tên, hc hàm, hc v ca Hi đng chm bo v Lun vn Thc s)

1. ……………………………………………………………
2. ……………………………………………………………
3. ……………………………………………………………
4. ……………………………………………………………
5. ……………………………………………………………

Xác nhn ca Ch tch Hi đng đánh giá Lun sau khi Lun vn đã đc

sa cha (nu có).

Ch tch Hi đng đánh giá LV











HUTECH



HUTECH
TRNG H K THUT CÔNG NGH TP. HCM

PHÒNG QLKH - TSH
CNG HÒA XÃ HI CH NGHA VIT NAM

c lp - T do - Hnh phúc

TP. HCM, ngày 22 tháng 04 nm 2012

NHIM V LUN VN THC S

H tên hc viên: Phùng S Tin Gii tính: Nam
Ngày, tháng, nm sinh: 05/06/1976 Ni sinh: Thái
Nguyên
Chuyên ngành: Thit b, mng & nhà máy đin MSHV:
1081031052

I- TÊN  TÀI:
“NG DNG CÔNG C

WAVELET  D BÁO PH TI IN TI
HUYN ÔNG ANH-HÀ NI”
II- NHIM V VÀ NI DUNG:
- C s khoa hc lý thuyt và thc nghim ca công tác d báo ph ti
đin.
- Nghiên cu và áp dng phng pháp d báo Box-Jenkins.
- Kt hp phân tích Wavelet vi phng pháp d báo Box-jenkins nhm đt đc mô h
ình d
- ng dng d báo ph ti đin ti huyn ông anh – Hà ni.
III- NGÀY GIAO NHIM V: Ngày 15 tháng 09 nm 2011

IV- NGÀY HOÀN THÀNH NHIM V: Ngày 15 tháng 03 nm 2012

V- CÁN B HNG DN:
PGS.TS.PHAN TH THANH BÌNH
CÁN B HNG DN KHOA QUN LÝ CHUYÊN
NGÀNH
(H tên và ch ký) (H tên và ch ký)

HUTECH






LI CAM OAN

Tôi xin cam đoan đây là công trình nghiên cu ca riêng tôi. Các s liu,
kt qu nêu trong Lun vn là trung thc và cha tng đc ai công b trong
bt k công trình nào khác.
Tôi xin cam đoan rng mi s giúp đ cho vic thc hin Lun vn này đã
đc cm n và các thông tin trích dn trong Lun vn đã đc ch rõ ngun
gc.
Hc viên thc hin Lun vn
(Ký và ghi rõ h tên)


Phùng S Tin






HUTECH

L
I CM N

Li đu tiên xin cm n c quan ni tôi công tác (Trng Cao ng Ngh
K Thut Công Ngh-B Lao đng Thng binh và Xã hi) đã to mi điu
kin v thi gian cng nh b trí sp xp công vic cho tôi phù hp đ tôi tham
gia đc khóa hc này. Xin chân thành cm n các thy cô giáo đã ging dy
cho lp Cao hc Thit b, mng & nhà máy đin khóa I vi tt c lòng bit n
và kính trng.
Xin chân thành cm n Trng i hc K thut Công ngh Thành ph
H Chí Minh, Ban giám hiu và các thy cô trong phòng sau đi hc và hp tác
quc t, khoa C-in-in t, đc bit là cô PGS.TS Phan Th Thanh Bình
Trng khoa C-in-in t, ging viên trng i hc K thut Công ngh
Thành ph H Chí Minh đã tn tình giúp đ, hng dn, cung cp tài liu cho
tôi trong quá trình thc hin lun vn này.
Cm n tt c nhng ngi bn trong lp đã k vai sát cánh cùng tôi chia
s và hoàn thin trong khóa hc này.
Cui cùng vì trình đ kin thc có hn, thi gian đu t cho vic ly s
liu lun vn và hoàn thin lun vn còn hn ch. Do đó lun vn s có sai sót,
kính mong các thy cô, các bn trong lp đóng góp đ lun vn hoàn thin.
Xin trân thành cm n


Hc viên thc hin Lun vn
HUTECH

Phùng S Tin







TÓM TT
1. GII THIU  TÀI:
Vic d báo ph ti đin đóng vai trò rt quan trng trong vic đm bo
ch đ làm vic an toàn đt hiu qu và tit kim ca h thng đin. Mt khác
nó là c s đ tin hành hoch đnh chin lc phát trin h thng đin trong
tng lai. Do đó tính chính xác ca d báo cn phi đc bit chú trng. Huyn
ông anh thành ph Hà ni là ni có tc đ phát trin nhanh v kinh t xã hi,
song song vi s phát trin đó thì nhu cu s dng đin nng ngày càng cp
thit đc bit vi s xut hin ca nhiu khu công nghip, nhà máy, xí nghip.
Trong thi gian va qua thì s thiu ht, bin đng đin nng ngày càng ph
bin. S bin đng ph thuc vào tng thi đim trong ngày dn ti quá trình
s dng đin nng ca khách hàng b nh hng nng n. Do đó d báo ph ti
đin ti đây càng tr lên cn thit hn bao gi ht đ hoch đnh, vn hành li
đin mt cách hiu qu.
Vn dng cách gii quyt theo kinh nghim mang tính c đin vào bài
toán d báo ph ti đin là thiu chính xác, cách làm y ch hoàn toàn da trên
nhng kinh nghim ca quá kh mà các kinh nghim y không phi lúc nào
cng đúng khi vn dng vào hoàn cnh thay đi liên tc trong tng lai. 
HUTECH
khc phc nhng nhc đim trên, ngi vit đa ra phng pháp phân tích
bin đi Wavelet. Mô hình d báo áp dng phân tích bin đi Wavelet dùng
cho d báo ngn hn cho ta kt qu d báo khá chính xác, có tính ng dng

thc tin cao, đáp ng đc nhu cu phát trin tng lai ca ngành đin.
2. GII THUT CHNG TRÌNH VÀ KT QU NG DNG:
2.1 THUT TOÁN C BN CA CHNG TRÌNH
+ Phng pháp d báo Box-Jenkins da trên c s hành vi quá kh
ca chính
bin đang cn d báo.
+ Phng pháp d báo Box-Jenkins thông qua mô hình d báo
ARMA (quá
trình trung bình trt AR và t quy hi MA).
+ 2 mô hình
ARMA m rng:
- Mô hình ARIMA: Áp dng cho chui có
xu th không n đnh tng
hay gim theo thi gian, ta đa chui v dng dng loi b yu t xu th.
- Mô hình SARIMA: Áp dng cho chui có yu t
mùa vi chu k bng
4 (quý), 12 (tháng), ta đa chui v dng dng loi b yu t mùa.

2.2 CÁC BC CA PHNG PHÁP D BÁO BOX-JENKINS.
Bc 1:
nh dng mô hình (Tìm các giá tr p, d, q): ây là bc quan trng
nht đ nhn bit tt c các h mô hình ARMA và đa ra mô hình nào thích
hp và ti u nht.
-a chui v dng dng ( Xác đnh bc d ca xu th, xác đnh chu k, ly sai
phân đ loi b yu t xu th và chu k)
-Xác đnh p, q ca mô hình nh vào biu đ tng quan (Phân tích đ th trong
các trng hp đn gin)
Bc 2:
c lng các h s ca mô hình:
-Mô hình AR(p) áp dng phng pháp bình phng cc tiu hoc dung quan

h gia tính t tng quan và các h s ca mô hình.
-Mô hình MA(q) áp dng phng pháp lp di dng quét.
HUTECH
Bc 3: Kim tra giá tr mô hình: Cn chn ra mô hình phù hp nht vi các
s liu hin có, nu không chn đc mô hình thích hp phi quay li bc
mt.
-H s ca mô hình phi khác 0, nu không tha mãn thì loi ra khi mô hình
ARMA.
-Kim đnh tính dng ca các phn d, nu phn d là mt nhiu trng thì đt
yêu cu nu không tha thì lp li quá trình cho đn khi tìm đc mô hình thích
hp.
Bc 4:
D báo: D báo gii hn trong mt vài chu k (ngn hn) vì biên đ
sai s tng nhanh theo thi gian d báo.
-Khi d báo ta tính giá tr d báo cho mt thi đon sp ti.
-S dng giá tr d báo đ tính cho giá tr d báo thi đon tip theo.
-C tip tc nh vy cho đn khi ht thi đon xác đnh.

2.3 CÁC BC CA PHÂN TÍCH WAVELET KT HP
PHNG PHÁP D BÁO BOX-JENKINS.
Bc 1:
Phân tích và tái cu trúc tín hiu qua Wavelet transform:
-Tách tín hiu thành các chui xp x và chi tit (chn h Wavelet phù hp thì
d báo mi chính xác).
Bc 2:
Tin hành d báo cho tng chui: Thc hin các bc theo phng
pháp d báo Box-Jenkins
Bc 3:
Tái cu trúc kt qu d báo bng bin đi Wavelet ngc cho ra kt
qu d báo.

-Tng hp chui d báo xp x và chi tit ra kt qu cn d báo.
2.4 KT QU D BÁO BNG PHNG PHÁP BOX-JENKINS:
Nhp chui d liu 10 ngày đ d báo t gi 217 đn gi 240 (24 gi).  th
chui ph ti cn d báo (chui thc t) :
HUTECH

Ph ti có tính mùa, ta loi b tính cht mùa vì nm trong d báo có tính
trung hn và dài hn. Ph ti có tính lp li sau 24h, ta đa chui v chui
dng. Phân tích hàm tng quan đn ACF và hàm t tng quan riêng PACF,
ta thy hàm tng quan đn ACF gim đu còn hàm t tng quan riêng PACF
gim đt ngt sau đ tr p=1. Ta chn mô hình AR(1,0).
Ví d ng vi h s AR = 0.8473; C=0.0021 ta dn ti mô hình t hi
quy là
111
8473.00021.0

+=+=
ttt
yyy
jm

Kt qu sai s trung bình Mape :
tb = 6.3468%
 th chui d báo và chui thc t
0 50 100 150 200 250
100
150
200
250
300

350
400
450
500
550
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net

2.5 KT QU D BÁO BNG BIN I WAVELET KT HP
PHNG PHÁP BOX-JENKINS :
HUTECH
S dng phân tích Wavelet bc 3 vi sóng mu là db5. Chui d liu p
n

lúc này s đc phân tích thành 4 chui : p
n
= D
1
+D
2
+D
3
+A
3

Chui D
1
, D
2
, D
3

là chui chi tit, chui A
3
là chui xp x, các chui
đc xây dng nh sau:
A
3
=
å
= Mmtp
mnmn
, ,1);(
j
f
; D
n
=
å
=
n
nmnm
Mmtp , ,1);(
y
y

Ta tin hành phân tích tng chui nh đã xây dng mô hình ARIMA
cho chui d liu đu vào. Xây dng mô hình xp x và d báo cho riêng tng
chui.
Sau khi đã phân tích tng chui, ta tng hp li thành chui d báo p
n
’:

p
n
’=D
1
’ +D
2
’ +D
3
’ +A
3
’
Kt qu sai s trung bình Mape :
tb = 2.1997%
 th chui d báo và chui thc t
0 50 100 150 200 250
100
150
200
250
300
350
400
450
500
550
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net

HUTECH



ABSTRACT

1. INTRODUCE ABOUT SUBJECT:
The electricity load forecasting plays an important role in ensuringsafe working
regime to be effective and economical power system. On the other hand it is
the basis to conduct strategic planning to develop future power system.
Thus the accuracy of the forecasts need special attention
.Dong Anh District of
Hanoi city where there is rapid growth of economic and social,
Parallel with that development, the demand for power users more
pressing particularly with the emergence of many industrial parks, factories and
enterprises. During the recent shortages, power fluctuations become
increasingly popular
. The variation depends on the time of the dayled
to the use of power customers were affected
.Thereforeelectricity load forecasts
in this increasingly more necessary than ever to plan
, operate an efficient grid.

How to solve manipulation by classical experience nature on computation
power load forecast is inaccurate, how it just purely based on the experiences
of the past that the experience was notalways true when applied
to continuously changing circumstancesin the future. To overcome the above
disadvantages, the writer offers analysis method of wavelet transform.
Forecasting model application of wavelet transform analysis for short-

term forecast we predicted theresults accurately, taking into
account practical applications to meet the needs of future development of the
electricity sector.

2. ALGORITHM PROGRAM APPLICATIONAND RESULTS:
2.1 BASIC ALGORITHM PROGRAM
+ Method of Box-Jenkins forecasts based on past conduct of theforecasting
variables are needed.
+ Method of Box-Jenkins forecasting via ARMA model forecasts(AR moving
average process and self-regulation in MA).
+ 2 extended ARMA model:
- ARIMA model: Application to sequence instability tends toincrease or
decrease over time, we put the string on the formfactor stopping trend removal.
- SARIMA model: Application to sequence elements in fourseasons with the
periodic (quarterly), 12 (Month), we take the formatstring stops eliminate
seasonal factors.
HUTECH
2.2 STEP FORECASTING METHOD OF BOX-JENKINS.
Step 1: Model Format (Find the value of p, d, q): This is the most important
step to get to know them all ARMA models and makeappropriate model and
optimal.
-Give the format string stops (step d Determination of trend, cycledetermined,
taking first difference to eliminate the trend factor and cycle) -Determination of
p, q of the model due to the correlation chart(chart analysis in the simplest
case)
Step 2: Estimate the coefficients of the model:
-Model AR (p) apply the minimum square method or use the relationship
between self-correlation and the coefficients of the model.
-Model MA (q) iteration method applied in the form of scanning.
Step 3: Check the value model: Need to select the most appropriate model

with the available data, if not choose theappropriate model to go back to step
one.
Coefficient of the model must be different from 0, if not satisfied,
then removed from the ARMA model.
-Inspection of the rest of the remainder, if the remainder is a white noise is
satisfactory if not satisfied then repeat the process until you
find the appropriate model.
Step 4: Forecast: Forecast limited to a few cycles (short term)because of
increasing amplitude error of prediction time.
-When we calculate the predicted value predicted for anupcoming time period.
-Using the predicted values to calculate the value of the nextforecast.
-Continue until such time period specified.
2.3 STEPS OF COMBINATION WAVELET ANALYSIS
PREDICTION METHOD BOX-JENKINS.
Step 1: Analyze and reconstruct the signal by Wavelet transform:
-Split signal into approximation and detail sequences (Waveletthey choose to
comply, the new forecast accuracy).
Step 2: Perform a prediction for each sequence: Perform the stepsby the
method of Box-Jenkins forecasting
Step 3: Re-structure prediction results using wavelet transformback to
the forecast results.
Chain-sum approximation and forecast information to forecastresults.
2.4 RESULTS FORECAST BY BOX-JENKINS:
Enter the data for 10days forecast from 217 hours to 240 hours (24
hours). Graph to chain load forecasts (actual sequence):
HUTECH

The load is the season, we remove the seasonal nature in theforecast for
the medium and long term. Repeatable load after 24 hours, we put chains on
the chain stops. Analysis of single-

functioncorrelation function ACF and PACF own personal relationship, we
find the correlation function are also single ACF reducedau to correlation
function PACF own after the sudden decreaselatency p = 1. We select
the AR model (1,0).
For example with AR coefficient = 0.8473, C = 0.0021 have led tothe
regression model itself is
111
8473.00021.0

+=+=
ttt
yyy
jm

The average error results Mape:
tb = 6.3468%
Graphs chain forecasting and actual strings
0 50 100 150 200 250
100
150
200
250
300
350
400
450
500
550
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net

2.5 RESULTS FORECAST COMBINATION WITH WAVELET
TRANSFORM BOX-JENKINS METHODOLOGY:
Using wavelet analysis of type 3 with a db5-wave pattern. Pnsequence
HUTECH
data will then be broken down into four series: p
n
= D
1
+D
2
+D
3
+A
3

Sequence D1, D2, D3 is more string, the string is a sequence of
approximately A3, the chain is built as follows:
A
3
=
å
= Mmtp
mnmn
, ,1);(
j
f
; D
n
=
å

=
n
nmnm
Mmtp , ,1);(
y
y

We analyzed each series as ARIMA modeling input data string.Model
building and forecasting for approximate string individually.
After analysis of each sequence, we synthesized the predictedsequence pn ':
p
n
’=D
1
’ +D
2
’ +D
3
’ +A
3
’
The average error results Mape:
tb = 2.1997%
Graphs chain forecasting and actual strings
0 50 100 150 200 250
100
150
200
250
300

350
400
450
500
550
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net


HUTECH
NG DNG CÔNG C WAVELET  D BÁO PH
TI IN TI HUYN ÔNG ANH-HÀ NI
APPLICATION WAVELET TOOL FOR FORECASTING LOAD IN
THE DISTRICT OF DONG ANH-HA NOI
H tên hc viên: PHÙNG S  TIN
n v công tác: Trng khoa CNTT, Trng C Ngh K Thut Công Ngh-B LTB&XH
T 59 th trn ông Anh Hà Ni, T: 04.39686791, Fax: 04.38832436
Di đng: 098.3393834, E-mail:

Cán b hng dn: PGS.TS PHAN TH THANH BÌNH
n v công tác: Trng khoa C-in-in t, Trng i Hc K Thut Công Ngh TP HCM
TÓM TT
Vic d báo ph ti đin đóng vai trò rt quan trng trong vic đm bo ch đ làm vic an toàn đt
hiu qu và tit kim ca h thng đin. Mt khác nó là c s đ tin hành hoch đnh chin lc phát
trin h thng đin trong tng lai. Do đó tính chính xác ca d báo cn phi đc bit chú trng.
Huyn ông anh thành ph Hà ni là ni có tc đ phát trin nhanh v kinh t xã hi, song song vi
s phát trin đó thì nhu cu s dng đin nng ngày càng cp thit đc bit vi s xut hin ca nhiu
khu công nghip, nhà máy, xí nghip. Trong thi gian va qua thì s thiu ht, bin đng đin nng
ngày càng ph bin. S bin đng ph thuc vào tng thi đim trong ngày dn ti quá trình s dng
đin nng ca khách hàng b nh hng nng n. Do đó d báo ph ti đin ti đây càng tr lên cn
thit hn bao gi ht đ hoch đnh, vn hành li đin mt cách hiu qu.

ABSTRACT

The electricity load forecasting plays an important role in ensuringsafe working regime to be
effective and economical power system. On the other hand it is the basis to conduct strategic
planning to develop future power system. Thus the accuracy of the forecasts need special attention.
Dong Anh District of Hanoi city where there is rapid growth of economic and social,
Parallel with that development, the demand for power users more pressing particularly with the
emergence of many industrial parks, factories and enterprises. During the recent shortages, power
fluctuations become increasingly popular. The variation depends on the time of the dayled
to the use of power customers were affected
.Thereforeelectricity load forecasts in this increasingly
more necessary than ever to plan
, operate an efficient grid

.

HUTECH
1.

GII THIU
Vn dng cách gii quyt theo kinh nghim
mang tính c đin vào bài toán d báo ph ti
đin là thiu chính xác, cách làm y ch hoàn
toàn da trên nhng kinh nghim ca quá kh
mà các kinh nghim y không phi lúc nào
cng đúng khi vn dng vào hoàn cnh thay
đi liên tc trong tng lai.  khc phc
nhng nhc đim trên, ngi vit đa ra
phng pháp phân tích bin đi Wavelet. Mô

hình d báo áp dng phân tích bin đi
Wavelet dùng cho d báo ngn hn cho ta kt
qu d báo khá chính xác, có tính ng dng
thc tin cao, đáp ng đc nhu cu phát
trin tng lai ca ngành đin.
2.

NI DUNG

2.1 THUT TOÁN C BN CA
CHNG TRÌNH
+ Phng pháp d báo Box -Jenkins da trên
c s
hành vi quá kh
+ Phng pháp d báo Box -Jenkins thông qua
mô hình d báo
ARMA (quá trình trung bình
trt AR và t quy hi MA).
ca chính bin đang
cn d báo.
+ 2 mô hình
ARMA m rng:
- Mô hình ARIMA: Áp dng cho chui có
xu
th
không n đnh tng hay gim theo thi
gian, ta đa chui v dng dng loi b yu t
xu th.
- Mô hình SARIMA: Áp dng cho chui có
yu t

mùa vi chu k bng 4 (quý), 12
(tháng), ta đa chui v dng dng loi b yu
t mùa.
2.2 CÁC BC CA PHNG PHÁP D
BÁO BOX-JENKINS.
Bc 1:
-a chui v dng dng ( Xác đnh bc d ca
xu th, xác đnh chu k, ly sai phân đ loi
b yu t xu th và chu k)
nh dng mô hình (Tìm các giá tr
p, d, q): ây là bc quan trng nht đ nhn
bit tt c các h mô hình ARMA và đa ra
mô hình nào thích hp và ti u nht.
-Xác đnh p, q ca mô hình nh vào biu đ
tng quan (Phân tích đ th trong các trng
hp đn gin)
Bc 2:
-Mô hình AR(p) áp dng phng p háp bình
phng cc tiu hoc dùng quan h gia tính
t tng quan và các h s ca mô hình.
c lng các h s ca mô hình:
-Mô hình MA(q) áp dng phng pháp lp
di dng quét.
Bc 3:
-H s ca mô hình phi khác 0, nu không
tha mãn thì loi ra khi mô hình ARMA.
Kim tra giá tr mô hình: Cn chn
ra mô hình phù hp nht vi các s liu hin
có, nu không chn đc mô hình thích hp
phi quay li bc mt.

-Kim đnh tính dng ca các phn d, nu
phn d là mt nhiu trng thì đt yêu cu nu
không tha thì lp li quá trình cho đn khi tìm
đc mô hình thích hp.
Bc 4:
-Khi d báo ta tính giá tr d báo cho mt thi
đon sp ti.
D báo: D báo gii hn trong mt
vài chu k (ngn hn) vì biên đ sai s tng
nhanh theo thi gian d báo.
-S dng giá tr d báo đ tính cho giá tr d
báo thi đon tip theo.
HUTECH
-C tip tc nh vy cho đn khi ht thi đon
xác đnh.
2.3 CÁC BC CA PHÂN TÍCH
WAVELET KT HP PHNG PHÁP
D BÁO BOX-JENKINS.
Bc 1:
-Tách tín hiu thành các chui xp x và chi
tit (chn h Wavelet phù hp thì d báo mi
chính xác).
Phân tích và tái cu trúc tín hiu
qua Wavelet transform:
Bc 2:
Tin hành d báo cho tng chui:
Thc hin các bc theo phng pháp d báo
Box-Jenkins
Bc 3:
-Tng hp chui d báo xp x và chi tit ra

kt qu cn d báo.
Tái cu trúc kt qu d báo bng
bin đi Wavelet ngc cho ra kt qu d
báo.

3.

KT QU

3.1 KT QU D BÁO BNG PHNG
PHÁP BOX-JENKINS:
Nhp chui d liu 10 ngày (9 ngày đu đ
phân tích bin đi, ngày 10 đ so sánh vi kt
qu d báo) đ d báo t gi 217 đn gi 240
(24 gi).  th chui ph ti cn d báo
(chui thc t) :


Ph ti có tính mùa, ta loi b tính cht mùa vì
nm trong d báo có tính trung hn và dài hn.
Ph ti có tính lp li sau 24h, ta đa chui v
chui dng. Phân tích hàm tng quan đn
ACF và hàm t t ng quan riêng PACF, ta
thy hàm tng quan đn ACF gim đu còn
hàm t tng quan riêng PACF gim đt ngt
sau đ tr p=1. Ta chn mô hình AR(1,0).
Ví d ng vi h s AR = 0.8473; C=0.0021 ta
dn ti mô hình t hi quy là
111
8473.00021.0

−−
+=+=
ttt
yyy
ϕµ

Kt qu sai s trung bình Mape :
tb = 6.3468%
 th chui d báo và chui thc t

0
50 100 150 200
250
100
150
200
250
300
350
400
450
500
550
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net

3.2 KT QU D BÁO BNG BIN I
WAVELET KT HP PHNG PHÁP
BOX-JENKINS :
S dng phân tích Wavelet bc 3 vi sóng mu
là db5. Chui d liu p

n
lúc này s đc phân
tích thành 4 chui : p
n
= D
1
+D
2
+D
3
+A
Chui D
3

1
, D
2
, D
3
là chui chi tit, chui A
3
A
là
chui xp x, các chui đc xây dng nh
sau:
3
∑
= Mmtp
mnmn
, ,1);(

ϕ
φ
= ; D
n
∑
=
n
nmnm
Mmtp , ,1);(
ψ
ψ
=

HUTECH
Ta tin hành phân tích tng chui nh đã xây
dng mô hình ARIMA cho chui d liu đu
vào. Xây d ng mô hình xp x và d báo cho
riêng tng chui.
Sau khi đã phân tích tng chui, ta tng hp
li thành chui d báo p
n
’:
p
n
’=D
1
’ +D
2
’ +D
3

’ +A
3
0
50 100 150 200 250
100
150
200
250
300
350
400
450
500
550
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net
’
Kt qu sai s trung bình Mape :

tb = 2.1997%
 th chui d báo và chui thc t

4.

4.1 KT LUN

-
(24h) cho ta kt
qu kh quan (2,1997% <5%). iu này cho
thy phng pháp d báo Box-Jenkins phù
hp vi d báo ngn h

(24h), vi yêu cu phi thng xuyên cp
nht giá tr thc t nu không sai s s ln.
 có đc mt kt qu d báo phù hp và
kh thi, ngoài dùng yu t kinh nghim ra còn
phi chn h Wavelet phân tích phù hp vi
chui d liu vì đây là yu t quyt đnh đ
chính xác ca d báo.
Kiu d liu d báo trên đc biu din cho
đin nng, tuy nhiên nu s liu khác thì cng
có th biu din tng t nh trên nh d báo
giá vàng, d báo thi tit…
y) ta s dng
bin đi Wavelet kt hp phng pháp d báo
Box-Jenkins, còn d báo dài hn nên s dng
phng pháp d báo tng quan s cho kt
qu chính xác hn.

4.2 HNG PHÁT TRIN

đin không sát vi
thc t, mt s ngày t
ln.  n
ta cn khc phc nhc đim này.
ng dng mô hình d báo ph ti ngày vào d
báo giá đin trong tng lai khi đin nng tr
thành hàng hoá, vic giao dch mua bán theo
qui lut th tr ng, d báo chng khoán, d
báo giá vàng, d báo thi tit ….
Thit k mô hình d báo ph ti đin cho h
thng vùng min.

TÀI LIU THAM KHO

-Giáo trình Matlab và Simulink tác gi
Nguyn Phùng Quang trng i hc Giao
thông Vn ti.
-Giáo trình Mô hình hóa và mô phng vi
Matlab/Simulink tác gi Trn Vnh Thái
trng i hc Bách khoa Hà ni.
KT LUN VÀ HNG PHÁT
TRIN
-Giáo trình Matlab và Simulink trong điu
khin t đng tác gi Lê Thành Sn trng
i hc S phm K thut Hng yên
HUTECH

HUTECH
NG DNG CÔNG C WAVELET  D BÁO PH
TI IN TI HUYN ÔNG ANH-HÀ NI
APPLICATION WAVELET TOOL FOR FORECASTING LOAD IN
THE DISTRICT OF DONG ANH-HA NOI
H tên hc viên: PHÙNG S TIN
n v công tác: Trng khoa CNTT, Trng C Ngh K Thut Công Ngh-B LTB&XH
T 59 th trn ông Anh Hà Ni, T: 04.39686791, Fax: 04.38832436
Di đng: 098.3393834, E-mail:


Cán b hng dn: PGS.TS PHAN TH THANH BÌNH
n v công tác: Trng khoa C-in-in t, Trng i Hc K Thut Công Ngh TP HCM
TÓM TT

Vic d báo ph ti đin đóng vai trò rt quan trng trong vic đm bo ch đ làm vic an
toàn đt hiu qu và tit kim ca h thng đin. Mt khác nó là c s đ tin hành hoch
đnh chin lc phát trin h thng đin trong tng lai. Do đó tính chính xác ca d báo cn
phi đc bit chú trng. Huyn ông anh thành ph Hà ni là ni có tc đ phát trin nhanh
v kinh t xã hi, song song vi s phát trin đó thì nhu cu s dng đin nng ngày càng cp
thit đc bit vi s xut hin ca nhiu khu công nghip, nhà máy, xí nghip. Trong thi gian
va qua thì s thiu ht, bin đng đin nng ngày càng ph bin. S bin đng ph thuc
vào tng thi đim trong ngày dn ti quá trình s dng đin nng ca khách hàng b nh
hng nng n. Do đó d báo ph ti đin ti đây càng tr lên cn thit hn bao gi ht đ
hoch đnh, vn hành li đin mt cách hiu qu.

ABSTRACT

The electricity load forecasting plays an important role in ensuringsafe working regime to be
effective and economical power system. On the other hand it is the basis to conduct strategic
planning to develop future power system. Thus the accuracy of the forecasts need special
attention. Dong Anh District of Hanoi city where there is rapid growth of economic and
social, Parallel with that development, the demand for power users more
pressing particularly with the emergence of many industrial parks, factories and enterprises.
During the recent shortages
, power fluctuations become increasingly popular. The
variation depends on the time of the dayled
to the use of power customers were affected
.Thereforeelectricity load forecasts in this
increasingly more necessary than ever to plan
, operate an efficient grid.


HUTECH
1. GII THIU

Vn dng cách gii quyt theo kinh
nghim mang tính c đin vào bài toán
d báo ph ti đin là thiu chính xác,
cách làm y ch hoàn toàn da trên nhng
kinh nghim ca quá kh mà các kinh
nghim y không phi lúc nào cng đúng
khi vn dng vào hoàn cnh thay đi liên
tc trong tng lai.  khc phc nhng
nhc đim trên, ngi vit đa ra
phng pháp phân tích bin đi Wavelet.
Mô hình d báo áp dng phân tích bin
đi Wavelet dùng cho d báo ngn hn
cho ta kt qu d báo khá chính xác, có
tính ng dng thc tin cao, đáp ng
đc nhu cu phát trin tng lai ca
ngành đin.
2. NI DUNG


2.1 THUT TOÁN C BN CA
CHNG TRÌNH
+ Phng pháp d báo Box-Jenkins da
trên c s
hành vi quá kh
ca chính bin
đang cn d báo.
+ Phng pháp d báo Box-Jenkins thông
qua mô hình d báo
ARMA (quá trình

trung bình trt AR và t quy hi MA).
+ 2 mô hình
ARMA m rng:
- Mô hình ARIMA: Áp dng cho chui có
xu th không n đnh tng hay gim theo
thi gian, ta đa chui v dng dng loi
b yu t xu th.
- Mô hình SARIMA: Áp dng cho chui
có yu t
mùa vi chu k bng 4 (quý), 12
(tháng), ta đa chui v dng dng loi b
yu t mùa.
2.2 CÁC BC CA PHNG PHÁP
D BÁO BOX-JENKINS.
Bc 1:
nh dng mô hình (Tìm các giá
tr p, d, q): ây là bc quan trng nht đ
nhn bit tt c các h mô hình ARMA và
đa ra mô hình nào thích hp và ti u
nht.
-a chui v dng dng ( Xác đnh bc d
ca xu th, xác đnh chu k, ly sai phân
đ loi b yu t xu th và chu k)
-Xác đnh p, q ca mô hình nh vào biu
đ tng quan (Phân tích đ th trong các
trng hp đn gin)
Bc 2:
c lng các h s ca mô
hình:
-Mô hình AR(p) áp dng phng pháp

bình phng cc tiu hoc dùng quan h
gia tính t tng quan và các h s ca
mô hình.
-Mô hình MA(q) áp dng phng pháp lp
di dng quét.
Bc 3:
Kim tra giá tr mô hình: Cn
chn ra mô hình phù hp nht vi các s
liu hin có, nu không chn đc mô
hình thích hp phi quay li bc mt.
-H s ca mô hình phi khác 0, nu
không tha mãn thì loi ra khi mô hình
ARMA.
-Kim đnh tính dng ca các phn d,
nu phn d là mt nhiu trng thì đt yêu
cu nu không tha thì lp li quá trình
cho đn khi tìm đc mô hình thích hp.
Bc 4:
D báo: D báo gii hn trong
mt vài chu k (ngn hn) vì biên đ sai
s tng nhanh theo thi gian d báo.
-Khi d báo ta tính giá tr d báo cho mt
thi đon sp ti.