BÀI TOÁN DỰ BÁO PHỤ TẢI HỆ THỐNG ĐIỆN VIỆT NAM DÀI HẠN VÀ NGẮN HẠN

Vietnam-LoadForecast

1
BÀI TOÁN DỰ BÁO PHỤ TẢI
DÀI HẠN VÀ NGẮN HẠN TẠI VIỆT NAM

Vietnam-LoadForecast

2
MỤC LỤC
1 GIỚI THIỆU CHUNG 1
2 DỰ BÁO PHỤ TẢI DÀI HẠN 7
2.1 LÝ THUYẾT XÁC SUẤT THỐNG KÊ 7
2.1.1 Định nghĩa cổ điển của xác suất 7
2.1.2 Định nghĩa thống kê của xác suất 7
2.1.3 Kỳ vọng toán học (vọng số) 8
2.1.4 Phương sai 8
2.1.5 Dãy phân phối thống kê 9
2.2 MÔ HÌNH TOÁN 10
2.2.1 Đặt bài toán 10
2.2.2 Dự báo phụ tải bằng xử lý ý kiến chuyên gia 10
2.2.3 Dự báo phụ tải bằng phân tích Furie 11
2.2.4 Dự báo phụ tải điện bằng mô hình tự hồi quy 11
2.2.5 Lựa chọn mô hình tính toán 12
1. Lựa chọn các yếu tố độc lập 13
2. Xử lý dãy số liệu ban đầu 14
3. Lựa chọn dạng hàm số 14
2.3 DỰ BÁO PHỤ TẢI HỆ THỐNG ĐIỆN VIỆT NAM 14
3 DỰ BÁO PHỤ TẢI NGẮN HẠN 16
3.1 TẦM QUAN TRỌNG 16
3.2 PHƯƠNG HƯỚNG NGHIÊN CỨU DỰ BÁO PHỤ TẢI 17

3.3 CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN PHỤ TẢI HTĐ VIỆT NAM 19
3.3.1 Thứ của ngày trong tuần: 19
3.3.2 Thời tiết trong ngày 20
3.3.3 Ngày đặc biệt trong năm 20
3.3.4 Truyền hình trực tiếp các sự kiện thể thao văn hoá 20
3.3.5 Kế hoạch sửa chữa lớn trong ngày có cắt điện phụ tải 21
3.4 DỰ BÁO NGẮN HẠN PHỤ TẢI HTĐ VIỆT NAM 21
3.4.1 Sơ đồ quá trình dự báo phụ tải: 21
3.4.2 Mô tả sơ đồ quá trình thực hiện: 22

Vietnam-LoadForecast

3
1 GIỚI THIỆU CHUNG
Phụ tải của hệ thống điện là hàm số phụ thuộc vào thời gian t, phụ thuộc
vào thông số chế độ - tần số và modul điện áp thông qua những đặc tính thống
kê.
Đặc tính ngẫu nhiên của phụ tải được xác định qua hai yếu tố:
- Tính ngẫu nhiên của chính các phụ tải
- Tính ngẫu nhiên và tính chu kỳ trong hoạt động của con người trong
một khoảng thời gian (ngày, tuần, tháng, năm, ). Đặc điểm này tạo
nên tính chu kỳ trong biến đổi của phụ tải, cho phép dự báo phụ tải
với một mức độ chính xác tương đối cao.
66.41
72.42
89.38
98.41
105.90
130.82
0

20
40
60
80
100
120
140
2000 2001 2002 2003 2004 2005
triệu kWh

Sản lượng trung bình ngày tháng 1 qua các năm (MWh)

Vietnam-LoadForecast

4
Chu kỳ tính toán T được xác định bằng các quy luật khách quan tiêu thụ
điện năng. Những quy luật này được xác định bằng một loạt các yếu tố:
- thiên văn - chu kỳ quay của trái đất, mùa trong năm
- xã hội - tuần 7 ngày với các ngày làm việc và ngày nghỉ hoặc ngày
lễ, sinh hoạt trong ngày - 8 giờ làm việc, những giờ nghỉ, chương
trình TV, v.v
- thời tiết - nhiệt độ không khí, nắng mưa.
Tương tự như vậy chu kỳ T có thể lấy từ chu kỳ hoạt động của con
người: ngày đêm, tuần, tháng, năm. Tuy nhiên không thể coi một chu kỳ nào
trong những chu kỳ trên là lặp lại của những chu kỳ trước: do sự tăng trưởng
của phụ tải theo thời gian do những biến đổi bất thường của phụ tải v.v
Qua đồ thị trên có thể thấy rõ tăng trưởng của phụ tải qua các năm có
tốc độ khác nhau.
7.61%
10.10%

9.06%
23.53%
23.42%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
2001/2000 2002/2001 2003/2002 2004/2003 2005/2004

Tốc độ tăng trưởng của phụ tải trung bình tháng 1 qua các năm

Vietnam-LoadForecast

5
Để dự báo phụ tải cần phải mô tả những thông số phụ tải đã có bằng
một hoặc nhiều hàm số nào đó. Những hàm số này mô tả dãy thông số quan
sát một cách gần đúng. Sai số tiệm cận hóa thông số quan sát thành hàm số
được đánh giá khi tính giá trị của hàm số theo chính những đối số đó. Những
sai số này có thể coi là ngẫu nhiên vì chúng không phụ thuộc vào đối số của
hàm số. Phương trình mô tả dãy thông số quan sát không phải là một quan hệ
hàm số mà là quan hệ hồi quy do đó được gọi là phương trình hồi quy.
Những điểm nêu trên cho phép dẫn đến mô hình tổng quát dự báo phụ
tải như sau:
P(t) = f (Pnam (t), Pthang (t), Pngay (t), Pgio(t)) + DP(t)
Trong đó Pnam (t), Pthang (t), Pngay (t), Pgio (t) tương ứng là phụ tải
trung bình năm, tháng, ngày, giờ theo t; DP(t) - phần sai số.
Dưới đây là đồ thị phụ tải trung bình tháng 01 của ba năm 2003, 2004,
2005.

0
1000
2000
3000
4000
5000
6000
7000
8000
1 3 5 7 9 11 13 15 17 19 21 23
MW
01/2003 01/2004 01/2005

Đồ thị phụ tải trung bình 24 giờ tháng 01 các năm 2003, 2004, 2005 [MW]

Vietnam-LoadForecast

6
0.0000
0.2000
0.4000
0.6000
0.8000
1.0000
1.2000
1.4000
1.6000
1 3 5 7 9 11 13 15 17 19 21 23
MW
01/2003 01/2004 01/2005

Đồ thị phụ tải trung bình 24 giờ tháng 1 các năm 2003, 2004, 2005 [MW]

DP(t) thành phần ngẫu nhiên còn lại sau khi trừ bớt đi những thành
phần trước đấy. Thành phần này cũng là một giá trị có thể dự báo được.
Như vậy sai số dự báo phụ thuộc vào chất lượng của mô hình dự báo
phụ tải, nghĩa là tùy theo mô hình tính toán được lựa chọn, tùy theo mức độ
chính xác đạt được khi xác định các hệ số của mô hình. Hay nói một cách
khác sai số của dự báo phụ thuộc vào khả năng của mô hình tính toán có thể
mô tả diễn biến của phụ tải chính xác đến mức nào. Khi xây dựng mô hình
tính toán, nếu có thể xác định mối liên quan của sai số DP(t) ở những thời
điểm khác nhau hoặc liên quan đến một đại lượng khác, tức là sai số mang
tính chất hệ thống, thì sau khi xác định sai số ở một thời điểm nào đó có thể
ước lượng được sai số trong tương lai. Sai số này còn có thể gọi là sai số tính
toán hoặc sai số tương đối. Phân biệt với sai số giữa dự báo và quan sát còn có
thể gọi là sai số thực tế hoặc sai số tuyệt đối.
Vietnam-LoadForecast

7
Nếu không ước lượng được sai số dự báo thì khó có thể tăng được độ
chính xác của dự báo.
Sai số của dự báo phụ thuộc vào đặc tính của phụ tải, phụ thuộc vào
khoảng thời gian đón trước cần tính toán. Phụ tải tương đương cần phải tính
dự báo càng lớn (bao gồm nhiều phụ tải nhỏ, có tính chất khác nhau) thì sai số
tương đối càng nhỏ. Sai số tính toán theo phần trăm của phụ tải tổng sẽ nhỏ
hơn sai số cũng tính theo phần trăm của bất kỳ một phụ tải thành phần nào.
Phụ tải công nghiệp thường ít thay đổi trong một chu kỳ và qua các chu
kỳ, phụ tải sinh hoạt có thể thay đổi nhiều trong một chu kỳ và ít thay đổi qua
các chu kỳ, còn phụ tải điện phục vụ cho giao thông vận tải thật khó có thể dự
báo.

2 DỰ BÁO PHỤ TẢI DÀI HẠN
2.1 LÝ THUYẾT XÁC SUẤT THỐNG KÊ
2.1.1 Định nghĩa cổ điển của xác suất
Xác suất của sự kiện A trong phép thử là tỷ số giữa số trường hợp thuận
lợi cho việc xuất hiện A trên tổng số trường hợp đồng khả năng có thể xảy ra
trong phép thử ấy
n
m
AP )(
= (Số trường hợp thuận lợi)/(Số trường hợp đồng khả năng)
Cách xây dựng xác suất theo quan niệm đồng khả năng căn cứ vào tính
đối xứng hoàn toàn của phép thử rất thông dụng trong một thời gian dài.
Quan niệm xác suất theo lối đồng khả năng có ưu điểm là tự nhiên đơn
giản, gần với trực quan. Tuy nhiên cần chú ý là công thức trên chỉ có thể áp
dụng cho phép thử trong đó các kết cục là đồng khả năng và số kết cục là hữu
hạn mà thôi.
2.1.2 Định nghĩa thống kê của xác suất
Khái niệm cơ bản để dẫn đến định nghĩa mới này là tần suất. Nếu tiến
hành n phép thử lần lượt trong mỗi phép thử sự kiện A có thể xuất hiện hoặc
không xuất hiện, thì tỷ số giữa số phép thử trong đó A xuất hiện trên tổng số
Vietnam-LoadForecast

8
các phép thử được tiến hành được gọi là tần suất của sự kiện A trong loạt phép
thử đó.
N
M
AW
N
)(

Trong đó:
M - số lần xuất hiện sự kiện A
N - tổng số phép thử được tiến hành
Xác suất của sự kiện được xác định bởi giá trị ổn định của tần suất khi
số phép thử khá lớn. Xác định xác suất theo thống kê được ứng dụng rộng rãi
trong nhiều ngành khoa học kỹ thuật.
2.1.3 Kỳ vọng toán học (vọng số)
Kỳ vọng toán học của biến ngẫu nhiên rời rạc X là một số được xác
định bằng biểu thức:



k
i
ii
pxXE
1
)(

Trong đó
i
p
là xác suất của sự kiện X =
i
x

Nếu X là biến ngẫu nhiên liên tục có mật độ phân phối f(x) thì kỳ vọng
toán học được xác định như sau:




 dxxxfXE )()(

Từ biểu thức định nghĩa có thể thấy kỳ vọng toán của biến ngẫu nhiên
thể hiện giá trị trung bình của nó. Nếu tiến hành phép thử biến ngẫu nhiên với
số lượng lớn thì giá trị trung bình thu được sẽ chênh lệch rất nhỏ so với kỳ
vọng toán.
2.1.4 Phương sai
Ngoài kỳ vọng toán đặc trưng cho giá trị trung bình của biến số ngẫu
nhiên, giá trị phương sai đặc trưng cho mức độ phân tán của biến số ngẫu
nhiên cũng rất quan trọng và hay được sử dụng.
Vietnam-LoadForecast

9
Tương tự như trên biến số ngẫu nhiên X có kỳ vọng toán là a. Hiệu số
aX 
là độ lệch của X so với kỳ vọng của nó. Tuy nhiên để tránh sự triệt tiêu
nhau của các giá trị âm dương phải sử dụng biểu thức
2
)( aXE 
làm số đo
mức độ phân tán.
Định nghĩa 1:
Phương sai của biến ngẫu nhiên là kỳ vọng toán của bình phương độ
lệch
2
)()( aXEXD 

Định nghĩa 2:

Độ lệch quân phương của biến số ngẫu nhiên là căn bậc hai của phương
sai:
)()( XDX 


Phương sai và độ lệch quân phương cho ta thấy mức độ phân tán của
các giá trị của biến số ngẫu nhiên xung quanh kỳ vọng toán của nó.
2.1.5 Dãy phân phối thống kê
Giả sử tiến hành n lần quan sát trên n phần tử của tập hợp, kết quả thấy
tiêu chuẩn X lấy n1 lần giá trị X1, n2 lần có giá trị X2, , nk lần có giá trị Xk,
trong đó:



K
i
i
nn
1
và
k
xxx 
21

Lập thành bảng gồm hai hàng, trên là giá trị Xi, dưới là các tần suất của
các sự kiện X = xi
n
n
w
i

i


X
x1
x2

xk
W
w1
w2

wk

Bảng này chính là dãy phân bố thống kê.
Vietnam-LoadForecast

10
Có thể thấy ngay:



K
i
k
ki
n
n
n
n

n
n
wwww
1
21
21
1

Hàm phân phối thống kê:
Trên dãy phân phối thống kê của tiêu chuẩn X, n là số lượng mẫu thử,
nx là số lần quan sát thấy giá trị của X nhỏ hơn x. Vậy tần suất của sự kiện (X
< x) sẽ là
n
n
x

Ký hiệu F(x) = W(X<x) =
n
n
x

F(x) được gọi là hàm phân phối thống kê hay là hàm tích lũy thực
nghiệm.
2.2 MÔ HÌNH TOÁN
2.2.1 Đặt bài toán
Cho dãy thông số phụ tải điện quan sát trong khoảng thời gian N năm.
Cần dự báo dãy thông số phụ tải điện trong khoảng thời gian tính toán M năm.
2.2.2 Dự báo phụ tải bằng xử lý ý kiến chuyên gia
Theo cách tính này phụ tải của hệ thống điện tính theo thời gian t có thể
viêt:

X(t) = X1 (t) + X2 (t) + X3 (t) + DP(t)
Trong đó X1 (t) là phụ tải hoàn toàn do yêu cầu đột xuất, X2 (t) là phụ
tải tối thiểu phải đảm bảo, X3 (t) là phụ tải ngẫu nhiên có tính chất xác xuất và
DP(t) là phần sai số của mô hình.
Theo mô hình tính toán này người làm công tác điều độ do kinh nghiệm
nghề nghiệp đã nắm chắc được X2 (t), do được thông báo kịp thời những yêu
cầu phụ tải đột xuất, biết được X1 (t), và bằng phương pháp xử lý thống kê
các số liệu quá khứ, kết hợp với kinh nghiệm có thể xác định được X3 (t) và từ
đó xây dựng được toàn bộ biểu đồ phụ tải.
Vietnam-LoadForecast

11
Mô hình dự báo phụ tải theo ý kiến chuyên gia thích hợp với những
người nhiều kinh nghiệm trong công tác điều độ với độ chính xác tương đối
cao.
2.2.3 Dự báo phụ tải bằng phân tích Furie
Xét sự thay đổi phụ tải như một quá trình ngẫu nhiên có thể mô tả bằng
chuỗi Furie:
P(t) = ao + Σaj cos(αjt) + Σbj sin(αj t) + δ
Trong đó α - tần số của hài thứ j; aj, bj hệ số phân tích chuỗi Furie; δ -
sai số
Số lượng hài thường có thể bằng một nửa số dữ liệu quan sát.
Nếu như biết các giá trị P(t) trong khoảng thời gian T có thể xác định
được các hệ số trong phân tích Furie :
ao= (1/T) ΣP(t)
aj = (2/T) ΣP(t) cosαj t
bj = (2/T) ΣP(t) sinαj t
Trong đó tần số cơ bản: α1 = 1/T, còn tần số của các thành phần khác:
αj = j/T
Phụ tải điện được xem như một quá trình thay đổi theo thời gian cho

nên với mỗi bước thời gian cần tính lại các hệ số của phân tích Furie. Có thể
khảo sát một bộ số liệu có thời gian T không đổi, có nghĩa là khi chuyển sang
thời điểm (T+1) thì bỏ đi số hạng đầu tiên.
2.2.4 Dự báo phụ tải điện bằng mô hình tự hồi quy
Theo phương pháp này phụ tải điện cần dự báo có thể coi là một hàm số
của những phụ tải đã có theo thời gian kèm theo một sai số nào đó.
P(t) = Σa (i) P(t) + δ
Ký hiệu những hệ số cần xác định bằng một dãy {Φ1 , Φ2 , ΦT} có
thể viết lại như sau:
Pt = Φ1 Pt-1 + Φ2 Pt-2 + + Φp Pt-p + δ
Vietnam-LoadForecast

12
Mô hình này còn được gọi là mô hình tự hồi quy. Theo ý nghĩa vật lý hệ
số Φ xác định ảnh hưởng của những giá trị phụ tải trong quá khứ trong tập hợp
quan sát đối với những giá trị dự báo. Nếu tăng thời gian dự báo lên thì sai số
cũng tăng lên, do đó nên giới hạn thời hạn dự báo trong khoảng năm cho đến
bảy chu kỳ tính toán.
Thực tế tính toán cho thấy chỉ cần sử dụng đến Φ1, Φ2 là đủ bởi vì mức
độ chính xác của những hệ số j > 2 không hoàn toàn đáng tin cậy và ảnh
hưởng của những giá trị đó đối với kết quả dự báo không đáng kể.
Sai số tính toán ε là một chỉ số quan trọng cho kết quả tính toán. Chỉ số
này đánh giá sự chính xác của mô hình khi mô tả dãy số liệu quan sát, tính
toán sai số ε cho thời kỳ quan sát được sẽ cho phép đánh giá mức độ chính xác
của kết quả dự báo cho khoảng từ một đến năm chu kỳ.
2.2.5 Lựa chọn mô hình tính toán
Thông thường mô hình tính toán (hoặc dạng hàm số) được lựa chọn từ
điều kiện bình phương tối thiểu với sai số nhỏ nhất. Tuy nhiên tiêu chuẩn
chính trong khi lựa chọn mô hình tính toán lại là tính lôgíc của mô hình được
xác định trong một quá trình dài quan sát và dựa trên cơ sở các đặc trưng vật

lý cũng như các yếu tố kinh tế kỹ thuật của quá trình cần dự báo. Trong những
mô hình toán có thể sử dụng được sẽ chọn ra mô hình nào có dạng đơn giản
nhất.
Trong dự báo phụ tải hiện chưa có mô hình tính toán nào là hoàn chỉnh.
Mỗi dạng mô hình tính toán đều có những ưu điểm và nhược điểm riêng. Ví
dụ phương pháp phân tích Furie tương đối đơn giản nhưng lại không ổn định
lắm trong khi mô tả những quá trình có nhiều biến đổi đặc biệt, khả năng thích
nghi với những số liệu mới quan sát bị hạn chế. Còn mô hình tự hồi quy thì lại
đòi hỏi những tính toán tương đối phức tạp, không ổn định lắm trong khi tính
toán các hệ số của mô hình.
Tuy nhiên lựa chọn mô hình tính toán có thể bao gồm các bước chính
như sau:
Vietnam-LoadForecast

13
2.2.5.1 Lựa chọn các yếu tố độc lập
Phép tính dự báo được thực hiện trong điều kiện không đầy đủ thông tin
về tương lai. Phụ tải điện trong khoảng thời gian tính toán phụ thuộc vào rất
nhiều yếu tố. Nhưng khả năng tính đến tất cả các yếu tố ảnh hưởng phụ tải là
nhỏ, nhiều khi không thực hiên nổi. Hơn thế nữa tăng số lượng yếu tố độc lập
làm phức tạp bài toán, còn độ chính xác tăng không đáng kể. Điều đó có thể
giải thích như sau:
- Tăng số lượng yếu tố độc lập làm phức tạp tính toán, dẫn đến sự cần
thiết phải dự báo các yếu tố độc lập, tính toán sự tương quan lẫn
nhau trong khoảng thời gian tính toán.
- Trong các phương pháp tính thống kê độ chính xác của các thông số
tính toán phụ thuộc vào mức độ tự do n = N-V, trong đó N là số
lượng các thông số thống kê trong dãy thông số cho ban đầu, V là số
lượng thông số trong hàm số thống kê. Nếu V tăng với N không đổi
mức độ chính xác sẽ giảm nhanh.

- Khối lượng số liệu ban đầu để tính toán thường không lớn. Trong
một số trường hợp có thể tăng khối lượng số liệu ban đầu nhưng độ
tin cậy của kết quả không tăng do số liệu ban đầu càng xa thời kỳ
cần dự báo thì ảnh hưởng của chúng càng giảm.

Sau đây là hệ số tương quan giữa các phụ tải trung bình tháng. Trong
mỗi cột là hệ số tương quan giữa phụ tải trung bình của một tháng với tháng
trước. Có thể thấy rằng hệ số tương quan tương đối lớn - trung bình 0.985, nhỏ
nhất là 0.963, lớn nhất 0.995.
Hình 1. Hệ số tương quan phụ tải giữa các tháng

01
02
03
04
05
06
07
08
09
10
11
12
1992
0.873
0.995
0.994
0.995
0.963
0.954

0.975
0.998
0.99
0.977
0.98
0.978
1993
0.987
0.989
0.996
0.997
0.996
0.985
0.996
0.973
0.931
0.978
0.999
0.998
1994
0.995
0.984
0.987
0.995
0.992
0.975
0.958
0.996
0.982
0.989

0.995
0.996
1995
0.998
0.993
0.996
0.993
0.994
0.994
0.998
0.994
0.99
0.987
0.993
0.998













TB
0.963

0.990
0.993
0.995
0.986
0.977
0.982
0.990
0.973
0.983
0.992
0.993

Vietnam-LoadForecast

14
Có thể thấy rằng đồ thị phụ tải tháng có tương quan giữa các năm khá
cao - trung bình từ 0.94 đến 0.997; tính trung bình nhiều năm là 0.96 - tính
trung bình ba năm 1993 đến 1995 là 0.98.
Phụ tải hệ thống điện Việt nam qua các năm có xu hướng tăng theo tốc
độ trung bình ít thay đổi, do đó có thể mô tả quá trình này bằng hàm số mũ: y
= b*m^x. Còn tương quan phụ tải giữa các tháng theo kết quả tính thử có thể
mô tả được bằng hàm hồi quy tuyến tính đơn: y = a + bx.
2.2.5.2 Xử lý dãy số liệu ban đầu
Để xác định các đặc tính của dãy số liệu ban đầu cần phải mô tả gần
đúng bằng một hàm số nào đó. Sai số gần đúng được xác định theo độ lệch
giữa giấ trị quan sát và giá trị thu được theo tính toán. Độ lệch này có thể coi
là một đại lượng ngẫu nhiên vì chúng không phụ thuộc vào biến số của hàm số
mô tả dãy số liệu ban đầu. Phương trình mô tả dãy số liệu ban đầu còn được
gọi là phương trình hồi quy. Độ chính xác của phương trình hồi quy phụ thuộc
nhiều vào mối tương quan thực tế giữa các đại lượng ngẫu nhiên, phụ thuộc

vào dạng của phương trình hồi quy và phụ thuộc vào độ tin cậy của số liệu ban
đầu.
2.2.5.3 Lựa chọn dạng hàm số
Dạng của hàm số được lựa chọn theo điều kiện bình phương tối thiểu,
hàm số được lựa chọn là hàm số có sai số nhỏ nhất.
Tuy nhiên trong khi dự báo phụ tải tiêu chuẩn sai số bình phương tối
thiểu không phải là quyết định. Tiêu chuẩn chính là tính kinh tế kỹ thuật, tính
hợp lý của sự mô tả quá trình diễn biến phụ tải. Trong các hàm số chấp nhận
được nên sử dụng hàm số đơn giản nhất.
2.3 DỰ BÁO PHỤ TẢI HỆ THỐNG ĐIỆN VIỆT NAM
Phụ tải hệ thống điện miền Bắc, miền Trung, miền Nam ngoài những
yếu tố ngẫu nhiên diễn biến khác nhau còn mang một số quy luật chung:
Dạng đồ thị phụ tải ngày diễn biến theo chu kỳ, mỗi chu kỳ bao gồm
một số điểm cực trị tương đối rõ nét.
Vietnam-LoadForecast

15
Phương trình hồi quy mô tả sự biến thiên của phụ tải điện trong một chu
kỳ tương đối chính xác, nhất là đối với phụ tải hệ thống điện miền Bắc và
miền Nam.
Nhiệm vụ của bài toán dự báo phụ tải điện là xác định đường cong biến
thiên của đồ thị phụ tải ngày. Tùy theo nhu cầu có thể xác định đồ thị phụ tải
ngày tiếp theo, đồ thị phụ tải của 7 ngày trong một tuần, đồ thị phụ tải của
ngày điển hình trong tuần, đồ thị phụ tải của ngày điển hình trong tháng v.v.
Những bước chính dự báo phụ tải điện có thể phát biểu như sau:
- Dựa vào tập hợp số liệu quan sát xác định qua luật biến thiên của
phụ tải, từ đó xây dựng đồ thị phụ tải ngày điển hình và các quy
luật ảnh hưởng đến dạng đồ thị này.
- Vào thời điểm dự báo đã có dự báo phụ tải và phụ tải của thời
điểm trước đó, dựa vào sai lệch giữa quan sát và dự báo có thể

hiệu chỉnh lại dạng đồ thị phụ tải điển hình và các hệ số của
phương trình hồi quy.
- Dựa vào quan sát có được vào thời điểm tính toán xác định nốt
phụ tải của chu kỳ hiện tại. Nếu cần xác định phụ tải của ngày
tiếp theo thì theo phụ tải quan sát được ở giờ tính toán để điền
đầy phụ tải của ngày hôm đó rồi xác định phụ tải của ngày hôm
sau, nếu cần xác định phụ tải điển hình của tháng thì theo phụ tải
có đến ngày làm dự báo xác định phụ tải điển hình của tháng hiện
tại rồi theo đó xác định phụ tải của tháng sau, v.v
- Dự báo phụ tải ngày: đồ thị phụ tải ngày có những đột biến: ngày
nghỉ hoặc ngày lễ, ảnh hưởng của thời tiết Thật ra đồ thị phụ
tải ngày qua theo dõi một số năm có thể chia thành hai dạng
chính: phụ tải ngày thường và phụ tải ngày lễ hoặc ngày chủ nhật.
Trong dự báo phụ tải ngày cần chú ý nhiều đến yếu tố thời tiết:
nắng hay mưa, nhiệt độ cao hay thấp,
Dự báo phụ tải ngày cũng có thể tiến hành theo các bước như trên, sau
đó tiến hành hiệu chỉnh theo các yếu tố đột biến mà người ta đã dự báo (dự
báo thời tiết).
Vietnam-LoadForecast

16
3 DỰ BÁO PHỤ TẢI NGẮN HẠN
3.1 TẦM QUAN TRỌNG
Dự báo phụ tải ngắn hạn (dự báo trước một giờ, một ngày hoặc một
tuần) đóng một vai trò quan trọng trong vận hành, lập phương thức ngày và
phương thức tuần. Những phương thức vận hành cơ bản trong ngày như huy
động nguồn, phối hợp thủy điện và nhiệt điện, truyền tải công suất giữa các
miền, giải quyết các công tác sửa chữa trên lưới điện và đánh giá mức độ an
toàn hệ thống điện (HTĐ) đều đòi hỏi phải có dự báo phụ tải chính xác.
Sai số lớn trong dự báo phụ tải dẫn đến tăng giá thành vận hành. Phụ tải

dự báo cao hơn thực tế sẽ làm chi phí tăng lên do việc huy động không cần
thiết các nguồn điện dự phòng đắt tiền. Phụ tải dự báo thấp hơn thực tế sẽ dẫn
đến kết quả nguồn dự phòng thấp, giảm độ an toàn cung cấp điện, có thể phải
cắt điện do việc huy động thiếu nguồn do đó gây thiệt hại về kinh tế, an ninh

Trong thực tế vận hành HTĐ Việt Nam cũng như các nước khác, phụ tải
cao điểm (phụ tải cao nhất trong ngày Pmax) và thấp điểm (phụ tải thấp nhất
trong ngày Pmin) là hai điểm đặc biệt trong đồ thị phụ tải ngày và được quan
tâm nhiều nhất trong vận hành. Phụ tải cao điểm quyết định việc huy động các
nguồn nhiệt điện, tua-bin khí, điesel dự phòng nhằm đảm bảo đủ nguồn phủ
đỉnh và dự phòng nóng, tăng độ an toàn cung cấp điện. Phụ tải thấp điểm
quyết định việc phối hợp và điều chỉnh các nguồn tua-bin khí, nhiệt điện, thuỷ
điện nhằm đảm bảo vận hành kinh tế, tránh nhà máy thuỷ điện Hoà Bình vận
hành trong vùng công suất không cho phép về kỹ thuật. Trong đó dự báo phụ
tải lúc cao điểm Pmax là quan trọng nhất trong ngày. Dự báo chính xác phụ tải
cao điểm có hiệu quả lớn về kinh tế vào mùa lũ khi cần khai thác tối đa nguồn
thủy điện, trong khi nước các hồ chứa đang xả thì các nguồn điện khác huy
động chỉ nhằm mục đích an toàn, bù điện áp và phủ đỉnh.
Hạn chế phụ tải lúc cao điểm cũng thường xảy ra trong mùa lũ khi thiếu
nguồn phủ đỉnh. Tính chính xác được lượng công suất thiếu để chủ động cắt
phụ tải không quan trọng, tránh cắt thừa hoặc cắt thiếu, tránh sa thải phụ tải do
Vietnam-LoadForecast

17
bảo vệ tần số thấp tác động cũng có ý nghĩa lớn trong vận hành, giảm thiệt hại
do cắt điện.
Hiện nay và trong tương lai khi HTĐ Việt Nam liên kết với HTĐ các
nước ASEAN và Trung Quốc, yêu cầu về độ tin cậy cung cấp điện, vận hành
an toàn và kinh tế ngày càng cao nhằm phục vụ ngày càng tốt hơn nhu cầu tiêu
thụ điện năng trong sản xuất và sinh hoạt, góp phần trong sự tăng trưởng kinh

tế của đất nước, đảm bảo các tiêu chuẩn và luật trong liên kết HTĐ các nước
trong khu vực, vì vậy đề tài nghiên cứu và áp dụng mô hình toán học cho dự
báo phụ tải là đề tài nghiên cứu khoa học rất cần thiết đối với ĐĐQG trong
vận hành tối ưu HTĐ Việt Nam.
Muốn dự báo phụ tải ngày với sai số nhỏ, phương pháp dự báo cần phải
xét đến các yếu tố ảnh hưởng đến phụ tải như nhiệt độ trong ngày, thứ của
ngày trong tuần Dự báo phụ tải ngày HTĐ Quốc Gia nếu không xét đến yếu
tố nhiệt độ thường có sai số lớn. Dự báo phụ tải ngày đặc biệt như ngày lễ,
ngày Tết nếu không có phương pháp thích hợp cũng có sai số lớn. Vì vậy để
nâng cao độ chính xác, dự báo phụ tải ngày cần phải xét đến các yếu tố chủ
yếu ảnh hưởng đến phụ tải. Qua các số liệu thống kê và theo dõi thực tế, nhiệt
độ môi trường là thông số quan trọng nhất của thời tiết trong ngày và ảnh
hưởng mạnh nhất đến phụ tải. Hiện nay, việc dự báo thời tiết trên cả nước do
Trung tâm khí tượng thuỷ văn đảm nhận. Tuy nhiên, việc đo nhiệt độ chưa
được tự động hoá cao và chưa có hệ thống tự động đo nhiệt độ theo thời gian
thực. Để cung cấp thông số nhiệt độ môi trường phục vụ cho công tác dự báo
phụ tải cần phải có một hệ thống đo nhiệt độ tự động trong thời gian thực.
3.2 PHƯƠNG HƯỚNG NGHIÊN CỨU DỰ BÁO PHỤ TẢI
Dự báo luôn giữ vai trò quan trọng trong nhiều lĩnh vực, quyết định kế
hoạch sản xuất, hướng đầu tư phát triển trong tương lai do đó có rất nhiều các
mô hình toán học áp dụng cho dự báo. Cũng như các dự báo khác, dự báo phụ
tải ngày cũng phải dựa vào số liệu thống kê, phân tích và áp dụng thuật toán
để xác định mối quan hệ giữa phụ tải và các yếu tố ảnh hưởng, từ đó dự báo
phụ tải dựa trên các yếu tố ảnh hưởng đó.
Vietnam-LoadForecast

18
Trước đây, các mô hình toán học truyền thống hay được áp dụng cho dự
báo như: hồi qui tuyến tính (linear regression), san hàm mũ (exponential
smoothing), san trung bình (moving averages), hệ số ngẫu nhiên (stochatic),

ARIMA (Autoregressive Intergrated Moving Average) [1]. Gần đây, với sự
phát triển của việc nghiên cứu một số thuật toán dựa trên trí tuệ của con người
(artificial intelligence), mạng nơ ron (artificial neural networks) đã được áp
dụng trong dự báo và được đánh giá cao.
Việc áp dụng mô hình toán học nào cho dự báo phụ tải của Việt nam
dựa trên cơ sở phương pháp đơn giản, có thể áp dụng biến nhiệt độ và cho kết
quả dự báo với sai số nhỏ. Hai mô hình toán học thường được áp dụng là:
- Mô hình hồi qui tuyến tính: đây là mô hình kinh điển, đơn giản và hay
được áp dụng trong thống kê và dự báo. Mô hình hồi qui tuyến tính
được xây dựng trên cơ sở giả thiết quan hệ giữa hai biến ngẫu nhiên là
tuyến tính, sau đó xác định phương trình đường thẳng biểu diễn quan
hệ đó và từ phương trình đường thẳng này dự báo biến mà ta cần tìm.
- Mạng nơ-ron nhân tạo: đây là mô hình phi tuyến với nhiều ưu điểm và
đang được áp dụng rộng rãi. Mạng nơ-ron nhân tạo được xây dựng
trên cơ sở mô phỏng hoạt động của hệ thống nơ-ron thần kinh sinh học
do đó mạng nơ-ron nhân tạo có một số đặc điểm như bộ não con
người. Đó là khả năng học được những gì đã được dạy. Quá trình học
này được gọi là quá trình huấn luyện. Trong quá trình này các mẫu thể
hiện quan hệ giữa các biến ngẫu nhiên được đưa vào trong mạng nơ-
ron, mạng nơ-ron sẽ nhận biết được quan hệ giữa các biến ngẫu nhiên
đó sau khi kết thúc quá trình huấn luyện. Chính do đặc điểm này mà
mạng nơ-ron được ứng dụng mạnh trong lĩnh vực dự báo và đặc biệt
đối với dự báo phụ tải ngắn hạn thì đây là mô hình được đánh giá cao
hơn hẳn các phương pháp trước đó và hiện nay mô hình này đang
được áp dụng phổ biến ở một số nước phát triển trong dự báo phụ tải.
Nghiên cứu phương pháp dự báo phụ tải ngày là nghiên cứu và áp dụng
các phương pháp toán học để tìm quan hệ giữa phụ tải ngày và các yếu tố chủ
yếu ảnh hưởng đến phụ tải ngày. Thuật toán áp dụng cho dự báo phụ tải theo
nhiệt độ phải dựa trên dự báo thời tiết ngày hôm sau gồm các thông tin như :
Vietnam-LoadForecast

19
nhiệt độ cao nhất và thấp nhất trong ngày, nắng hay mưa, dông bão Các
thông tin về dự báo thời tiết có thể theo dõi qua các phương tiện phát thanh,
truyền hình, báo chí hoặc qua mạng Internet.
3.3 CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN PHỤ TẢI HTĐ VIỆT NAM
Qua các số liệu thống kê và thực tế vận hành, phụ tải HTĐ Việt Nam
phụ thuộc chủ yếu vào các yếu tố chính sau:
3.3.1 Thứ của ngày trong tuần:
Ngày trong tuần có chu kỳ và có qui luật giữa phụ tải và ngày trong
tuần. Trong các ngày làm việc phụ tải thường cao hơn các ngày nghỉ cuối
tuần. Hình 2.2 là đồ thị phụ tải các ngày trong tuần của HTĐ Quốc Gia: phụ
tải thấp nhất trong đêm thứ hai, đồ thị phụ tải trong ngày làm việc thường có
dạng giống nhau, phụ tải ngày nghỉ cuối tuần giảm.
Có bốn dạng đồ thị phụ tải ngày cơ bản trong tuần đó là:
 Đồ thị phụ tải ngày từ thứ ba đến thứ sáu: đây là phụ tải ngày làm
việc thường có phụ tải từng giờ, Pmax (Pmin) và sản lượng cao hơn
ngày nghỉ cuối tuần.
 Đồ thị phụ tải ngày thứ hai: có Pmin thấp nhất trong tuần
 Đồ thị phụ tải ngày thứ bảy: có Pmax thấp hơn ngày làm việc, phụ
tải từng giờ và sản lượng giảm so với ngày làm việc do thứ bảy là
ngày nghỉ cuối tuần của các cơ quan hành chính.
 Đồ thị phụ tải ngày chủ nhật: có Pmax, công suất từng giờ và sản
lượng thấp nhất trong tuần.
Vietnam-LoadForecast

20
Phụ tải tuần HTĐ Quốc gia
0
1000

2000
3000
4000
5000
6000
7000
8000
9000
10000
1 25 49 73 97 121 145
ngày
P (MW)

3.3.2 Thời tiết trong ngày
Thời tiết bao gồm các thông số tự nhiên như: nhiệt độ, độ ẩm, tốc độ gió
và hướng gió, cường độ ánh sáng Trong đó nhiệt độ có ảnh hưởng mạnh
nhất tới phụ tải, có thể xem phụ tải là một hàm số phụ thuộc vào nhiệt độ.
Giữa phụ tải và nhiệt độ là có qui luật ví dụ như: nhiệt độ tăng thì phụ tải tăng
và ngược lại. Chỉ có trường hợp đặc biệt ở miền Bắc khi thời tiết quá lạnh phụ
tải tăng do việc sử dụng các thiết bị sưởi ấm.
3.3.3 Ngày đặc biệt trong năm
Ngày đặc biệt trong năm là các ngày lễ, ngày Tết như ngày Tết âm lịch,
Tết dương lịch, ngày 30/4 và 01/5, ngày 02/09 Phụ tải những ngày này giảm
rất nhiều so với ngày thường. Phụ tải sát các ngày sát ngày lễ, ngày Tết cũng
bị ảnh hưởng. Dự báo phụ tải trong các ngày đặc biệt này không áp dụng như
ngày thường mà phải theo phương pháp riêng dựa vào sự thay đổi phụ tải của
các năm trước trong các ngày này so với ngày thường.
3.3.4 Truyền hình trực tiếp các sự kiện thể thao văn hoá
Công suất tiêu thụ vào các giờ truyền hình trực tiếp bóng đá quốc tế
(Cúp thế giới, cúp C1, giải bóng đá Anh, Italy ), giải bóng đá trong nước,

các giải bóng đá có đội tuyển Việt Nam tham dự tăng đột ngột khoảng vài
trăm MW vào các giờ đó. Dự báo phụ tải những giờ này thường theo kinh
Thứ 2
Thứ 2 Thứ 3 Thứ 4 Thứ 5 Thứ 6 Thứ 7 Chủ nhật
Vietnam-LoadForecast

21
nghiệm của các ngày tương tự trước đó. Ví dụ: khi dự báo đồ thị phụ tải ngày
có truyền hình trực tiếp cúp C1 vào ban đêm, ta dựa vào đồ thị phụ tải trong
ngày cũng có truyền hình trực tiếp cúp C1 vào ban đêm trước đó để dự báo.
3.3.5 Kế hoạch sửa chữa lớn trong ngày có cắt điện phụ tải
Hiện nay, nhiều kế hoạch sửa chữa lớn như cải tạo các trạm biến áp
220kV, cắt điện đường dây đang vận hành để kéo đường dây mới vẫn phải
cắt phụ tải diện rộng. Dự báo phụ tải những ngày này phải xác định phụ tải
giảm do ngừng cung cấp điện.
3.4 DỰ BÁO NGẮN HẠN PHỤ TẢI HTĐ VIỆT NAM
Sử dụng chương trình dự báo phụ tải ngắn hạn theo mô hình nơron nhân
tạo tự xây dựng.
3.4.1 Sơ đồ quá trình dự báo phụ tải:



Huấn luyện chương
trình dự báo phụ tải
Theo dõi thông tin
về thời tiết

Chọn phụ tải mẫu

Dự báo phụ tải theo

nhiệt độ

Kiểm tra
Hiệu chỉnh lại biểu
đồ phụ tải

Xuất kết quả và
công bố Web

UC

1
Đánh giá kết quả
dự báo

Vietnam-LoadForecast

22
3.4.2 Mô tả sơ đồ quá trình thực hiện:
1. Huấn luyện chương trình dự báo phụ tải:
Thực hiện huấn luyện chương trình dự báo phụ tải để chương trình có
thể nhận biết được mối quan hệ giữa Pmax, Pmin với nhiệt độ.
2. Theo dõi các thông tin về thời tiết:
Theo dõi tình hình thời tiết (nhiệt độ, độ ẩm, nắng mưa…) của ngày,
tuần cần dự báo thông qua internet.
3. Chọn phụ tải mẫu:
Chọn phụ tải mẫu phù hợp với ngày, tuần cần dự báo. Phụ tải của ngày,
tuần được lấy làm mẫu phải có đặc điểm về thời tiết giống như ngày, tuần cần
dự báo, phải có đặc điểm về thời gian tương tự như ngày, tuần cần dự báo (thứ
trong tuần, ngày lễ tết, ngày có sự kiện văn hoá, chính trị lớn…). Ngày, tuần

được lấy làm mẫu cũng không được có những biến động lớn (sự cố lớn…).
4. Dự báo phụ tải theo nhiệt độ:
Nhập nhiệt độ dự báo và phụ tải mẫu vào chương trình dự báo phụ tải.
Chương trình dự báo phụ tải (mạng nơ ron) sẽ đưa ra biểu đồ phụ tải cho ngày,
tuần theo từng giờ.
5. Hiệu chỉnh lại biểu đồ phụ tải:
Dự báo phụ tải căn cứ vào tình hình thời tiết đã theo dõi như độ ẩm,
nắng mưa …, các ngày đặc biệt (lễ, tết, sự kiện thể thao, văn hoá, chính trị…),
các kế hoạch sửa chữa (nguồn, lưới) của ngày, tuần cần dự báo để điều chỉnh
lại biểu đồ phụ tải (do mạng nơ ron dự báo) cho phù hợp. Nguyên tắc hiệu
chỉnh như sau:
a. Giảm tối thiểu sai số của việc dự báo.
b. Nếu không thể đạt được sự cân bằng nguồn - tải (thiếu nguồn)
cần đưa ra lượng phụ tải dự kiến phải sa thải trong bảng phương
thức huy động nguồn ngày tới.
6. Kiểm tra:
Kiểm tra lại đồ thị phụ tải đã dự báo sau khi hiệu chỉnh.