Nghiên cứu ứng dụng mạng nơron nhân tạo dự báo phụ tải điện cho thành phố hưng yên

BỘ GIÁO DỤC VÀ ðÀO TẠO
TRƯỜNG ðẠI HỌC NÔNG NGHIỆP HÀ NỘI



NGUYỄN THANH KHIẾT


NGHIÊN CỨU ỨNG DỤNG MẠNG NƠRON NHÂN TẠO
DỰ BÁO PHỤ TẢI ðIỆN CHO THÀNH PHỐ HƯNG YÊN

LUẬN VĂN THẠC SĨ KỸ THUẬT

CHUYÊN NGÀNH : KỸ THUẬT ðIỆN
MÃ SỐ: 60.52.02.02

Người hướng dẫn khoa học: TS. TRẦN QUANG KHÁNH

HÀ NỘI - 2013

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

i

LỜI CAM ðOAN

Tôi xin cam ñoan ñây là công trình nghiên cứu của riêng tôi. Các số liệu và kết
quả nghiên cứu nêu trong luận văn này là trung thực và chưa từng ñược công bố trong
bất kỳ một bản luận văn nào khác.
Tôi xin cam ñoan rằng, mọi sự giúp ñỡ cho việc thực hiện luận văn này ñã ñược
cảm ơn và các thông tin trích dẫn trong luận văn ñều ñã ñược chỉ rõ nguồn gốc.

Hà nội, ngày tháng năm 2013
Người cam ñoan

Nguyễn Thanh Khiết

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

ii

LỜI CẢM ƠN

Sau thời gian thực hiện luận văn, ñến nay ñề tài “Nghiên cứu ứng dụng mạng
Nơron nhân tạo dự báo phụ tải ñiện cho thành phố Hưng Yên” ñã ñược hoàn thành.
Trong thời gian thực hiện ñề tài, Tôi ñã nhận ñược rất nhiều sự giúp ñỡ quý báu của
các cá nhân, tập thể trong và ngoài trường.
Tôi xin bày tỏ lòng biết ơn sâu sắc ñến thầy giáo TS. Trần Quang Khánh hiện
ñang công tác tại Bộ môn Hệ thống ñiện trường ðại học ñiện lực ñã tận tình hướng
dẫn, giúp ñỡ tôi xây dựng và hoàn thành bản luận văn này.
Tôi xin chân thành cám ơn các thầy, cô giáo trong Bộ môn Hệ Thống ðiện,
khoa Cơ - ðiện, trường ðại học Nông Nghiệp Hà Nội, các cán bộ chi nhánh ñiện lực
thành phố Hưng Yên, Viện khoa học Việt Nam và Cục thống kê tỉnh Hưng Yên ñã
giúp ñỡ và tạo ñiều kiện thuận lợi cho tôi trong quá trình học tập, công tác, nghiên
cứu và hoàn thành luận văn.
Cuối cùng, tôi xin bày tỏ lòng biết ơn tới gia ñình, bạn bè ñã ñộng viên và giúp ñỡ
tôi trong suốt quá trình học tập, nghiên cứu và hoàn thành luận văn.
Xin trân trọng cảm ơn!
Tác giả luận văn

Nguyễn Thanh Khiết

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

iii

MỤC LỤC
Lời cam ñoan……………………………………………………………………………i
Lời cảm ơn…………………………………………………………………………… ii
Mục lục……………………………………………………………………………… iii
Danh mục bảng……………………………………………………………………… v
Danh mục hình……………………………………………………………………… vi
Danh mục viết tắt………………………………………………………………… …vii
CHƯƠNG 1: TỔNG QUAN VỀ PHỤ TẢI 3
1.1. Giới thiệu chung 3
1.2. Các loại dự báo phụ tải 11
1.2.1. Trong quy hoạch các hệ thống ñiện 11
1.2.1.1. Dự báo dài hạn 11
1.2.1.2. Dự báo trung hạn 11
1.2.2. Trong vận hành hệ thống ñiện 11
1.3. Các yếu tố ảnh hưởng ñến phụ tải và phụ tải ngắn hạn nói riêng 11
1.4. Tìm hiểu các phương pháp dự báo phụ tải 13
1.4.1. Phương pháp trực tiếp 15
1.4.2. Phương pháp chuyên gia 16
1.4.3. Phương pháp ngoại suy ñể dự báo ñiện năng 18
1.4.4. Phương pháp san bằng hàm mũ 22
1.4.5. Phương pháp ñàn hồi kinh tế 22
1.4.6. Phương pháp cường ñộ 24
1.4.7. Dự báo bằng mô hình hồi quy tương quan 24
1.4.8. Dự báo bằng phương pháp MEDEE-S (mô hình ñánh giá nhu cầu năng
lượng các nước ñang phát triển) 25

1.4.9. Phương pháp mạng nơron nhân tạo 25
1.4.10. Các bài toán dự báo phụ tải 26
1.4.10.1. Bài toán dự báo phụ tải dài hạn 26
1.4.10.2. Bài toán dự báo phụ tải trung hạn 27
1.4.10.3. Bài toán dự báo phụ tải ngắn hạn 27
CHƯƠNG 2 : KHÁI QUÁT CHUNG VỀ MẠNG NƠRON NHÂN TẠO VÀ
MẠNG NƠRON TRONG TOOLBOX MATLAB
29
2.1 Khái quát chung về mạng Nơron nhân tạo 29

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

iv

2.1.1 Khái niệm chung về mạng Nơron 29
2.1.2 Quá trình xử lý thông tin của mạng Nơron nhân tạo 29
2.1.3 Hàm truyền trong mạng Nơron nhân tạo 31
2.1.4 Cấu trúc chung của mạng Nơron nhân tạo 33
2.1.5 Các ñặc tính của mạng 40
2.2 Mạng nơron trong toolbox Matlab 40
2.2.1 Thiết lập mạng nơron với sự trợ giúp của hộp công cụ Neural Networks 40
2.2.2 Chuẩn bị dữ liệu ñể huấn luyện mạng 41
2.2.3 Luyện mạng 42
2.2.4 Kiểm tra mạng 49
2.2.5 Mô hình hoá mạng 49
2.2.5.1. Mạng nơron truyền thẳng 50
2.2.5.2 Mạng nơron hồi quy 53
CHƯƠNG 3: ỨNG DỤNG MẠNG NƠRON NHIỀU LỚP LAN TRUYỀN
NGƯỢC SAI SỐ TRONG BÀI TOÁN DỰ BÁO PHỤ TẢI
60

3.1 Khái niệm cơ bản về mạng nơron nhiều lớp lan truyền ngược sai số 60
3.1.1 Kiến trúc mạng truyền thẳng 60
3.1.2 Huấn luyện mạng 62
3.1.3 Sử dụng mạng 61
3.1.4 Nghiên cứu sự hội tụ và ñộ phức tạp của quá trình huấn luyện mạng 61
3.2 Ứng dụng mạng nơron lan truyền ngược sai số vào bài toán dự báo phụ
tải hệ thống ñiện
62
3.2.1 Các bước xây dựng bài toán dự báo ứng dụng mạng nơron 62
3.2.2 Xây dựng cấu trúc mạng 64
3.2.3 Xây dựng cấu trúc phần mềm mô phỏng mạng nơron (Cụ thể là ứng dụng
phần mềm Matlab) 65
3.2.4 Dự báo phụ tải 68
3.2.4.1 Xử lý số liệu 68
3.2.4.2 Dữ liệu và kết quả huấn luyện 69
3.2.5 ðánh giá kết quả sau khi chạy chương trình 97
CHƯƠNG 4: NHẬN XÉT KẾT QUẢ ðà CÓ VÀ ðÁNH GIÁ 99
KẾT LUẬN VÀ KIẾN NGHỊ 102
TÀI LIỆU THAM KHẢO 104

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

v



Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

vi

DANH MỤC BẢNG
Bảng 1.1: Diễn biến tăng trưởng công suất cực ñại 1995 – 2005 4
Bảng 1.2: Cơ cấu tiêu thụ ñiện giai ñoạn 2000 – 2005 6
Bảng 1.3: Hệ số ñồ thị phụ tải qua các năm 10
Bảng 3.1: Bảng dữ liệu xử lý của phụ tải việt nam. 69
Bảng 3.2: Bảng số liệu dân số, GDP và công suất ñược chuẩn hóa 71
Bảng 3.3: Tham số ñầu ra mạng sau khi huấn luyện 74
Bảng 3.4: Thông số dự báo phụ tải từ năm 1995 tới 2020 77
Bảng 3.5: Sai số từng năm giữa phụ tải thực tế và dự báo 77
Bảng 3.6: Kết quả dự báo phụ tải tương ứng với các ñầu vào mạng. 79
Bảng 3.7: Bảng so sánh tham số mục tiêu và ñầu ra mạng 82
Bảng 3.8: Bảng tổng hợp kết quả dự báo phụ tải với 4 ñầu vào mạng 84
Bảng 3.9: Bảng so sánh phụ tải dự báo và phụ tải thực tế 84
Bảng 3.10: Bảng tổng hợp phụ tải dự báo 86
Bảng 3.11: Bảng tổng hợp kết quả phụ tải dự báo. 91
Bảng 3.12: Bảng so sánh dữ liệu phụ tải dự báo và dữ liệu thực tế. 91
Bảng 3.13: Bảng số liệu áp dụng cho thành phố Hưng Yên 94
Bảng 3.14: Bảng tổng hợp kết quả dự báo phụ tải cho thành phố Hưng Yên. 96
Bảng 4.1: Bảng kết quả dự báo phụ tải qua 2 phương pháp . 100


Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

vii

DANH MỤC HÌNH
Hình 1.2: Biểu ñồ phụ tải ngày mùa hè HTð Quốc gia 9
Hình 1.3: Biểu ñồ phụ tải ngày mùa ñông HTð Quốc gia 9
Hình 1.4: Biểu sản lượng ñiện năng tháng năm 2005 10
Hình 1.5: Biểu ñồ phụ tải các ngày trong tuần 12

Hình 1.6: ðồ thị phụ tải hệ thống ñiện có truyền hình trực tiếp worldcup và ngày
bình thường.
13
Hình 1.7: Xây dựng hàm dự báo 18
Hình 2.1: Mô hình mạng nơron. 29
Hình 2.2: Transformation (Transfer) Function (Hàm chuyển ñổi) 30
Hình 2.2.1: Mô hình mạng nơron. 31
Hình 2.3: ðồ thị hàm Hard-Limit. 31
Hình 2.4: ðồ thị hàm Purelin 32
Hình 2.5: ðồ thị hàm log-Sigmoid. 33
Hình 2.6: Cấu trúc 1 nơron (Neural) 33
Hình 2.7: Mạng dẫn tiến một lớp 34
Hình 2.8: Cấu trúc mạng neural nhiều lớp. 34
Hình 2.9: Một số cấu trúc mạng. 35
Hình 2.10: Cấu trúc huấn luyện 36
Hình 2.11: Mô hình học có giám sát và học củng cố 37
Hình 2.12: Mô hình học không có giám sát. 38
Hình 2.13: Sơ ñồ cấu trúc chung của quá trình học 38
Hình 2.13.1: Sơ ñồ mạng một nơron ñơn 40
Hình 2.14: ðồ thị mạng tuyến tính. 41
Hình 2.17: Mô hình mạng nơron 5 ñầu vào và một ñầu ra 50
Hình2.18: Cấu trúc mạng nơron 1 lớp 50
Hình 2.19: Ký hiệu mạng một lớp R ñầu vào và S nơron 51
Hình 2.20: Ký hiệu một lớp mạng 52
Hình 2.21: Cấu trúc mạng nơron 3 lớp 53

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

viii

Hình 2.22: Ký hiệu tắt của mạng nơron 3 lớp 53
Hình 2.23: Ký hiệu một lớp mạng hồi quy 54
Hình 2.24: Ký hiệu tắt của mạng nơron 3 lớp hồi quy 55
Hình 3.0: Sơ ñồ mạng nơron 1 lớp 57
Hình 3.1: Mô hình học có giám sát và học củng cố 67
Hình 3.1: Sơ ñồ quy trình thực hiện bào toán. 70
Hình 3.2: ðồ thị quá trình luyện mạng. 73
Hình 3.3: ðồ thị tương quan hồi quy. 74
Hình 3.4: ðồ thị mối quan hệ giữa Y và T 75
Hình 3.5: Hình ảnh mô phỏng quá trình dự báo 76
Hình 3.6: ðồ thị dự báo phụ tải. 76
Hình 3.7: ðồ thị quá trình luyện mạng. 81
Hình 3.8: ðồ thị tương quan hồi quy. 81
Hình 3.9: ðồ thị mối quan hệ ñầu ra mạng và tham số mục tiêu 82
Hình 3.10: ðồ thị mối quan hệ ñầu ra mạng và hàm hồi quy. 83
Hình 3.11: ðồ thị dự báo phụ tải. 83
Hình 3.12: ðồ thị quá trình luyện mạng 88
Hình 3.13: ðồ thị tương quan hồi quy. 89
Hình 3.14: ðồ thị so sánh dữ liệu mẫu và dữ liệu ñầu ra mạng 89
Hình 3.15: ðồ thị hàm hồi quy của mạng. 90
Hình 3.16: ðồ thị dự báo phụ tải. 91
Hình 3.17: Biểu ñồ phụ tải dự báo 93
Hình 3.18: ðồ thị huấn luyện mạng 95
Hình 3.19: ðồ thị dự báo phụ tải. 96

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

1

MỞ ðẦU

Ngày nay nước ta ñã và ñang trên con ñường tiến lên xã hội chủ nghĩa với nền
kinh tế nhiều thành phần và ưu tiên cho công nghiệp hoá hiện ñại hoá trên các lĩnh vực
kinh tế. Cùng với sự phát triển kinh tế thì sự ña dạng của các loại máy móc phục vụ
cho sản xuất cũng như là dịch vụ phục vụ cho nhu cầu cuộc sống con người. Vì vậy
nhu cầu năng lượng ngày càng lớn và là vấn ñề cấp thiết ñối với ñất nước ta. ðặc biệt
là nguồn năng lượng ñiện ñang bị một sức ép lớn ñối với các nhà sản xuất tiêu thụ, các
nhà quản lý phân phối ñiện năng. Tập ñoàn ñiện lực –EVN hiện nay vẫn chưa có giải
pháp hữu hiệu ñể có thể ñáp ứng ñược nhu cầu ñối với khách hàng mình. Một mặt là
do các nhà máy mọc lên nhiều, nhu cầu người dân tăng cao dẫn tới thiết bị tiêu thu
ñiện ngày càng nhiều hơn. Thứ 2 là các nhà máy phát ñiện mới xây dựng thì phải
nhiều năm mới có thể ñưa vào vận hành nên không theo kịp sự gia tăng của phụ tải.
Trong những năm gần ñây do nhu cầu năng lượng không ngừng biến ñổi và
tăng lên rõ rệt theo thời gian nên ngành ðiện lực ñã và ñang xây dựng rất nhiều các
nhà máy ñiện ñể ñáp ứng nhu cầu tiêu thụ ñiện năng trong cả nước. Vì vậy, một trong
những vấn ñề quan trọng mà ngành ñiện lực cần phải giải quyết tốt là bài toán dự báo
phụ tải ngắn hạn và dài hạn. Cho ñến nay tuy ñã có nhiều phương pháp luận trong việc
giải quyết bài toán dự báo, song bài toán này luôn là một bài toán khó. Hiện nay, trong
ngành ðiện lực Việt Nam bài toán dự báo phụ tải ñược giải quyết chủ yếu nhờ sử dụng
các phương pháp dự báo truyền thống mang tính kinh nghiệm thuần túy. Trong số các
hướng nghiên cứu nhằm triển khai các hệ thống thông minh ở giai ñoạn tới, mạng
nơron giữ một vai trò quan trọng trong việc phát triển các giải pháp nhận dạng, dự báo
mạng nơron nhân tạo là kỹ thuật xử lý thông tin có triển vọng ứng dụng trong việc giải
quyết bài toán dự báo. Kết hợp chặt chẽ với logic mờ, mạng nơron nhân tạo có thể
giúp giải quyết hiệu quả hơn các bài toán phức tạp. Nhờ các ưu ñiểm như có cấu trúc
xử lý song song, khả năng học và ghi nhớ, khả năng tự tổ chức và tổng quát hoá, mạng
nơron nhân tạo ANN (Artificial Neural Networks) ñã ñược nghiên cứu và ứng dụng
thành công trong rất nhiều lĩnh vực như xấp xỉ hàm nhận dạng mẫu, dự báo… Luận
văn này chủ yếu tập trung tìm hiểu về mạng nơron nhân tạo và nghiên cứu ứng dụng
giải quyết bài toán dự báo phụ tải dài hạn cho hệ thống ñiện.

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

2

Mục ñích của luận văn là phát triển các phương pháp ñể giải bài toán dự báo
phụ tải dài hạn. ðối tượng cụ thể của nghiên cứu là dự báo phụ tải dài hạn trong 10
năm nhằm ñưa ra các thông số cần thiết cho công tác quy hoạch.
Từ những vấn ñề nêu trên thì ñề tài này tôi sẽ ứng dụng phần mềm tin học ñể
giải quyết bài toán dự báo phụ tải ñiện .
Mục ñích nghiên cứu:
Tìm hiểu các phương pháp dự báo phụ tải ñiện, tìm hiểu về hệ thống ñiện. Nghiên cứu
áp dụng kỹ thuật mạng Nơron ñể dự báo phụ tải của HTð thành phố Hưng Yên.
Nhiệm vụ nghiên cứu:
o Nhiệm vụ tìm hiểu về hệ thống ñiện và các yếu tố ảnh hưởng tới phụ tải.
o Tìm hiểu tổng quan về mạng nơron và ứng dụng mạng nơron dự báo phụ tải.
o Sử dụng phần mềm Matlab vào dự báo phụ tải, cụ thể là ứng dụng mạng nơron
trong toolbox của phần mềm Matlab ñể dự báo phụ tải.
Phạm vi nghiên cứu:
Trong ñề tài này tập trung nghiên cứu dự báo phụ tải dài hạn trong 5 tới 10
năm tiếp theo.
Phương pháp nghiên cứu:
o Lấy số liệu, thu thập và xử lý thông tin liên quan ñến ñề tài nghiên cứu.
o Qua ñó tiến hành tra cứu, ghi chép lại những kết quả thông tin lý luận.
o Từ các số liệu cụ thể ta tiến hành áp dụng mạng nơron ñể dự báo phụ tải, từ ñó
phân tích ñánh giá kết quả so với thực tế.
Nội dung luận văn:
Luận văn thực hiện với nội dung sau:
Chương 1: Tổng quan về phụ tải.
Chương 2: Khái quát chung về mạng nơron nhân tạo và mạng nơron trong toolbox của
Matlab.

Chương 3: Ứng dụng mạng nơron nhiều lớp lan truyền ngược sai số trong bài toán dự
báo phụ tải.
Chương 4: Nhận xét kết quả ñã có và ñánh giá.
Kết luận và kiến nghị.


Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

3

CHƯƠNG 1
TỔNG QUAN VỀ PHỤ TẢI
1.1. Giới thiệu chung
Phụ tải ñiện là số liệu ñầu tiên và quan trọng nhất ñể tính toán thiết kế hệ thống
cung cấp ñiện. Việc xác ñịnh phụ tải ñiện vô cùng quan trọng cho quá trình tính toán
thiết kế và quy hoạch hệ thống ñiện. Việc xác ñịnh phụ tải ñiện nhiều lúc vô cùng khó
khăn vì công trình thường ñược thiết kế lắp ñặt trước khi có ñối tượng sử dụng ñiện.
Nên trong thực tế thì khi thiết kế thi công xong thì số lượng nhu cầu phụ tải gia tăng
nhanh chóng dẫn tới công trình thiết kế không ñáp ứng kịp sự gia tăng của phụ tải.
Nên việc dự báo phụ tải một cách chính xác là ñiều vô cùng quan trọng ñể quá trình
tính toán thiết kế, quy hoạch hệ thống ñiện ñược tối ưu nhất ñáp ứng ñược nhu cầu gia
tăng phụ tải và ñáp ứng ñược quá trình tăng trưởng kinh tế của ñất nước.
Phụ tải ñiện ở Việt nam năm 2005 công suất cực ñại của hệ thống ñiện Việt
Nam ñạt 9255 MW (giờ chính ñiểm) tăng 11,73% so với năm 2004 và tăng gấp 3,31
lần so với năm 1995 (công suất năm 1995 là 2796 MW). Tốc ñộ tăng trưởng này có
giảm so với năm 2004 và trung bình nhiều năm (tốc ñộ tăng trưởng công suất cực ñại
trung bình từ năm 1995 – 2004 là 12,85%). Tốc ñộ cao nhất trong cả giai ñoạn 1995 –
2005 ñạt 15,86% năm 2002. Công suất cao nhất của các miền trong năm 2005 ñạt
ñược như sau: miền Bắc 3886 MW, miền Trung 979 MW, miền Nam 4539 MW.
Diễn biến tăng trưởng công suất cực ñại từng năm trong cả giai ñoạn 1995 –

2005 ñược thể hiện trong bảng 1.1 và hình 1.1. (Tài liệu luận văn của tác giả Trần
Nam Trung – Trường ñại học bách khoa Hà Nội – Giáo viên hướng dẫn Nguyễn Lân
Tráng).




Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

4

Bảng 1.1: Diễn biến tăng trưởng công suất cực ñại 1995 – 2005
Công suất cực ñại (MW) Tốc ñộ tăng trưởng (%) Năm
Quốc
Gia
Miền
Bắc
Miền
Trung

Miền
Nam
Quốc
Gia
Miền
Bắc
Miền
Trung
Miền
Nam

1995

2796

1415

296

1178





1996 3177 1592 349 1357 13,62 12,51

17,91 15,19
1997

3595

1729

377

1587

13,15

8,6

8,02

16,95

1998 3875 1821 413 1737 7,78 5,3 9,55 9,45
1999 4329 1960 477 1979 11,72 7,63 15,49 13,93
2000 4893 2194 544 2246 13,02 11,93

14,04 13,49
2001 5655 2461 613 2656 15,57 12,17

12,68 18,25
2002 6552 2880 684 3112 15,86 17,02

11,58 17,17
2003 7408 3221 773 3529 13,08 11,84

13,01 13,39
2004 8283 3494 853 4073 11,81 8,47 10,35 15,38
2005

9255

3886

979

4539

11,73

11,22

14,77

11,44

0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
MW
N
ăm
Quốc gia Miền Bắc Miền Trung Miền Nam
Hình 1.1 Biểu ñồ tăng trưởng phụ tải max giai ñoạn 1995-2005

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

5

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

6

Về cơ cấu tiêu thụ ñiện
Trong năm 2005 phụ tải Công nghiệp và xây dựng chiếm 45,8%; Quản lý và
tiêu dùng dân cư chiếm 44,19%; Thương nghiệp và khách sạn chiếm 4,79%; Nông lâm
nghiệp và thủy sản chiếm 1,29% và các hoạt ñộng khác là 3,94%. Cơ cấu tiêu thụ ñiện
thương phẩm giai ñoạn 2000 – 2005 ñược trình bày ở bảng 1.2 (Tài liệu luận văn của
tác giả Trần Nam Trung – Trường ñại học bách khoa Hà Nội – Giáo viên hướng dẫn
Nguyễn Lân Tráng).
Bảng 1.2: Cơ cấu tiêu thụ ñiện giai ñoạn 2000 – 2005
TT Danh mục 2000 2001 2002 2003 2004 2005
I ðiện tiêu thụ:GWh

1 Nông nghiệp 428,3 465,2 505,6 561,8 550,6 587,1
2 Công nghiệp & XD 9088, 10503

1268 1529 1789 20844
3 T.Mại & K/Sạn 1083 1251 1373 1513 1777 2180
4 Quản lý & Tiêu dùng 1098 12651

1433 1595 1765 20111
5 Các hoạt ñộng khác 817 980 1341 1588 1817 1793
6 Tổng thương phẩm 2240 25851

3023 3490 3969 45512
7 Tốc ñộ tăng trưởng% 15,38 15,38 16,95 15,45 13,72 14,65
II Cơ cấu tiêu thụ(%)

1 Nông nghiệp 1,9 1,8 1,7 1,6 1,4 1,29
2 Công Nghiệp & XD 40,6 40,6 41,9 43,8 45,1 45,8
3 T.Mại & K/Sạn 4,8 4,8 4,5 4,3 4,5 4,79
4 Quản lý & Tiêu dùng 49,0 48,9 47,4 45,7 44,5 44,19
5 Các hoạt ñộng khác 3,6 3,8 4,4 4,5 4,6 3,94
Trong những năm qua sản lượng ñiện thương phẩm cung cấp cho các ngành
kinh tế và sinh hoạt của nhân dân không ngừng tăng lên, tốc ñộ tăng trưởng bình quân
trong giai ñoạn 2000 – 2005 là 15,23% cao hơn so với 14,9%/năm giai ñoạn 1995 –

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

7

2000. ðiện thương phẩm tăng từ 22,4 tỷ GWh năm 2000 lên tới 45,5 tỷ GWh năm
2005, trong 5 năm tăng gấp 2,03 lần ñảm bảo cung cấp ñủ cho ñời sống của nhân dân.
Từ bảng cơ cấu tiêu thụ ñiện ta thấy rằng tỷ trọng ñiện thương phẩm dùng chủ
yếu cho 4 ngành chính là: Nông nghiệp, Công nghiệp & Xây dưng, thương mại &
Khách sạn, và Quản lý & Tiêu dùng, trong ñó Công nghiệp & Xây dựng và Quản lý &
Tiêu dùng chiếm chủ yếu. Tốc ñộ tăng bình quân ñiện cho Công nghiệp & Xây dựng
giai ñoạn 1995 – 2005 là 16,3%, riêng năm 2000 – 2005 là 18,1%. Tỷ trọng tiêu thụ
ñiện trong công nghiệp trong cả giai ñoạn 1995 – 2005 tăng từ 38% năm 1995 ñến
45,8% năm 2005, trong ñó thấp nhất vào năm 1998 và cao nhất vào năm 2005.
ðiện cho nông nghiệp là thành phần có tỷ trọng nhỏ trong cơ cấu tiêu thụ ñiện,
chủ yếu cung cấp cho các trạm bơm ñể phục vụ tưới tiêu sản xuất nông - ngư nghiệp
và làng nghề sản xuất nhỏ nông thôn …Nhìn chung tiêu thụ ñiện cho Nông nghiệp có
xu hướng giảm dần trong giai ñoạn 1995 – 2005.
Khu vực tiêu thụ ñiện dân dụng chiếm tỷ trọng lớn trong thành phần ñiện
thương phẩm. Do sự phát triển của nền kinh tế thị trường, số lượng thiết bị ñiện sử
dụng trong sinh hoạt của dân cư ñô thị (ti vi, tủ lạnh, máy ñiều hòa…), việc tăng

cường ñưa ñiện về nông thôn, miền núi ñể phát triển sản xuất và nâng cao dân trí dẫn
tới sản lượng ñiện tiêu thụ cho sinh hoạt dân dụng tăng nhanh. Từ năm 1995 – 2005
tốc ñộ tăng trưởng bình quân là 15,3%. Trong cơ cấu tiêu thụ ñiện, ñiện dân dụng
chiếm tỷ trọng 45 – 51% và có xu hướng giảm dần trong giai ñoạn 2000- 2005.
Về tiêu thụ ñiện cho thương mại, khách sạn nhà hàng chiếm tỷ trọng nhỏ trong
thành phần ñiện thương phẩm, nhưng có tốc ñộ tăng trưởng bình quân cũng cao khoảng
14,8%.
Về biểu ñồ phụ tải (Tài liệu luận văn của tác giả Trần Nam Trung – Trường ñại học
bách khoa Hà Nội – Giáo viên hướng dẫn Nguyễn Lân Tráng).
- Biểu ñồ phụ tải ngày ñiển hình: Biểu ñồ phụ tải ngày ñiển hình của toàn hệ
thống có một số ñặc ñiểm như sau:

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

8

Biểu ñồ phụ tải ngày có 2 cao ñiểm là cao ñiểm sáng và cao ñiểm chiều, cao
ñiểm sáng rơi vào từ 10h00 – 11h00, cao ñiểm tối rơi vào khoảng từ 18h00 – 20h00
tùy thuộc vào mùa trong năm.
• Tốc ñộ tăng trưởng ñiện năng vào giờ ban ngày (từ 8h0 - 17h0) nhanh hơn tốc
ñộ tăng trưởng ñiện năng vào giờ cao ñiểm. Tính tại thời ñiểm 11h00, tốc ñộ tăng
trung bình 2,17% /năm.
• Tỷ lệ công suất giữa thấp/cao ñiểm (Pmin/Pmax) của hệ thống rất thấp, ñạt
0,4 năm 1996 và ñến năm 2005 là 0,45%.
• Phụ tải cao ñiểm sáng (khoảng 10h30) có xu hướng tăng nhanh và ñã nhiều
lúc cao hơn phụ tải cao ñiểm tối (khoảng 19h00). Sự chênh lệch công suất giữa công
suất cao ñiểm sáng và cao ñiểm tối có xu hướng giảm dần. Năm 2004 và 2005 cao
ñiểm sáng ñạt xấp xỉ cao ñiểm tối, ñặc biệt là các tháng mùa hè. Nhu cầu tiêu thụ ñiện
năng vào ban ngày tăng nhanh rõ rệt có thể giải thích do những nguyên nhân sau:
- Tỉ trọng ñiện tiêu thụ cho ngành công nghiệp trong tổng ñiện thương phẩm

ngày càng tăng (năm 2005 tỉ lệ này là 45,8%). Nếu tỉ lệ ñiện tiêu thụ cho công nghiệp
trong tổng ñiện thương phẩm tiếp tục tăng thì biểu ñồ phụ tải ngày ở tất cả các miền sẽ
có xu hướng chuyển dịch cao ñiểm sang cao ñiểm sáng trong những năm tới.
- Nhu cầu sử dụng ñiện cho ñiều hòa ở các cơ quan khách sạn …ngày càng
tăng ñặc biệt là vào các tháng mùa hè.
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
1 3 5 7 9 11 13 15 17 19 21 23
h
MW
Quốc gia Miền Bắc Miền Nam Miền Trung


Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

9

Hình 1.2: Biểu ñồ phụ tải ngày mùa hè HTð Quốc gia
Biểu ñồ phụ tải ngày làm việc ñiển hình mùa hè và mùa ñông của hệ thống ñiện
Quốc Gia và các miền ñược thể hiện trong hình 1.2 và 1.3.
0
1000

2000
3000
4000
5000
6000
7000
8000
9000
10000
1 3 5 7 9 11 13 15 17 19 21 23
h
MW
Quốc gia Miền Bắc Miền Nam Miền Trung

Hình 1.3: Biểu ñồ phụ tải ngày mùa ñông HTð Quốc gia
Từ biểu ñồ phụ tải ngày ñiển hình của các miền ta thấy rằng so với Miền Bắc và
Miền Trung biểu ñồ phụ tải ngày của Miền Nam có hình dáng bằng phẳng hơn. Vào
các tháng mùa khô, cao ñiểm sáng có xu hướng cao hơn cao ñiểm chiều. Một trong
những nguyên nhân làm khác biệt biểu ñồ của Miền Nam so với Miền Bắc và Miền
Trung là tỷ trọng ñiện tiêu thụ cho nghành công nghiệp ở Miền Nam chiếm trên 50%
ñiện thương phẩm. Còn biểu ñồ phụ tải ngày ñiển hình của Miền Bắc và Miền Trung
kém bằng phẳng hơn, cao ñiểm tối và cao ñiểm sáng chênh lệnh nhau khá nhiều.
Từ biểu ñồ phụ tải ta cũng thấy rằng công suất chênh lệch giữa giờ thấp ñiểm
và cao ñiểm của toàn hệ thống và của các miền là rất lớn, Pmin/Pmax toàn hệ thống
vào khoảng 0,4 –0,45 ñiều này gây khó khăn trong vận hành cũng như kém kinh tế do
phải lên xuống nguồn nhiều lần trong ngày và phải tăng lượng công suất ñặt của hệ
thống. Hệ số phụ tải Pmin/Pmax và hệ số ñiền kín ñồ thị phụ tải qua các năm ñược thể
hiện như bảng 1.3. (Tài liệu luận văn của tác giả Trần Nam Trung – Trường ñại học
bách khoa Hà Nội – Giáo viên hướng dẫn Nguyễn Lân Tráng).

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

10

Bảng 1.3: Hệ số ñồ thị phụ tải qua các năm
Năm 1997 1998 1999 2000 2001 2002 2003 2004 2005
Pmin/Pmax
0,40 0,42 0,4 0,41 0,42 0,42 0,43 0,44 0,45
Ptb/Pmax
0,48 0,51 0,49 0,5 0,5 0,51 0,53 0,55 0,57
- Biểu ñồ phụ tải tháng: Biểu ñồ phụ tải tháng của HTð toàn quốc và các
miền có ñặc ñiểm sau: (Tài liệu luận văn của tác giả Trần Nam Trung – Trường ñại
học bách khoa Hà Nội – Giáo viên hướng dẫn Nguyễn Lân Tráng).
• Tháng tiêu thụ ñiện năng lớn nhất là các tháng mùa hè: Từ tháng 4 ñến
tháng 8. ðối với miền Bắc và miền Trung tháng có ñiện năng tiêu thụ cao nhất là tháng
8. Riêng miền Nam tháng cao nhất là tháng 4.
• Tháng tiêu thụ ñiện năng nhỏ nhất là tháng 1, tháng 2.
• Chênh lệch giữa tháng tiêu thụ ñiện cao nhất và thấp nhất là 1,3 lần.
• Biểu ñồ phụ tải tháng nhìn chung ít thay ñổi qua các năm.
0
1000
2000
3000
4000
5000
6000
1 2 3 4 5 6 7 8 9 10 11 12
Thang
GWh

Hình 1.4: Biểu sản lượng ñiện năng tháng năm 2005

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

11

1.2. Các loại dự báo phụ tải
ðể thiết lập mô hình dự báo phụ tải ngắn hạn, cần thiết phải xác ñịnh các nhu cầu
mà chúng ta muốn trả lời. Theo ñó có hai loại dự báo phụ tải phân biệt trong vận hành và
lập quy hoạch các hệ thống ñiện. Sự phân biệt này căn cứ vào thời gian dự báo.
1.2.1. Trong quy hoạch các hệ thống ñiện
1.2.1.1. Dự báo dài hạn
Phạm vi dự báo gồm một giai ñoạn từ 1-10 năm. Khoảng thời gian này cần cho
quy hoạch, xây dựng các nhà máy các ñường dây truyền tải và phân phối ñiện.
1.2.1.2. Dự báo trung hạn
Phạm vi dự báo trung hạn là một giai ñoạn giữa 1 tháng và 1 năm. Loại dự báo
này thường ñược dùng ñể xác ñịnh thiết bị và lưới ñiện sẽ lắp ñặt hoặc thiết lập các
hợp ñồng trong thị trường ñiện.
1.2.2. Trong vận hành hệ thống ñiện
Dự báo phụ tải chủ yếu lập cho khoảng thời gian vài phút cho ñến 168 giờ. Có
2 loại dự báo phụ tải chính trong vận hành hệ thống ñiện là dự báo phụ tải rất ngắn
hạn.
Dự báo phụ tải rất ngắn hạn ñược lập cho vài phút sắp tới và ñược dùng cho
ñiều khiển nguồn phát tự ñộng (AGC).
Dự báo phụ tải ngắn hạn ñược lập cho từ 1 giờ cho tới 168 giờ tới. kết quả dự
báo phụ tải ngắn hạn chủ yếu dùng cho các mục ñích thiết lập biểu ñồ phát ñiện. Trong
thời gian này công ty ñiện phải biết kế hoạch kinh doanh ñiện, kế hoạch bảo dưỡng
hoặc kế hoạch ñiều khiển phụ tải ñể tối ưu hoá chi phí.
1.3. Các yếu tố ảnh hưởng ñến phụ tải và phụ tải ngắn hạn nói riêng
Các yếu tố ảnh hưởng tới phụ tải ngắn hạn nói chung như thứ trong tuần, ngày

lễ, nhiệt ñộ trong ngày chính vì vậy ñể nâng cao quá trình dự báo phụ tải ta cần phải
xét ñến tới các yếu tố chủ yếu ảnh hưởng tới các phụ tải.

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

12

• Thứ của ngày trong tuần
Có quy luật giữa phụ tải và ngày trong tuần. ví dụ như ñêm ngày thứ 2 phụ tải
thấp nhất, phụ tải của ngày nghỉ cuối tuần giảm. ðồ thị phụ tải của các ngày thường
gần giống nhau. Dưới ñây là ñồ thị phụ tải của các ngày trong tuần.

Hình 1.5: Biểu ñồ phụ tải các ngày trong tuần.
• Các ngày ñặc biệt trong năm
Ngày ñặc biệt trong năm như các ngày lễ tết như 30-4,1-5,2-9,10-10 … phụ tải
các ngày này giảm nhiều so với các ngày thường và phụ tải gần những ngày này cũng
bị ảnh hưởng. Dự báo phụ tải trong các ngày ñặc biệt không áp dụng như ngày bình
thường mà phải bằng phương pháp riêng dựa vào sự thay ñổi phụ tải của các ngày này
so với các ngày dạng này của các năm trước ñó.
• Thời tiết trong ngày
Bao gồm các thông số về ñiều kiện thự nhiên như nhiệt ñộ, ñộ ẩm, tốc ñộ gió,
cường ñộ ánh sáng, trong ñó nhiệt ñộ có ảnh hưởng rất lớn. Nhiệt tăng thì phụ tải tăng
và ngược lại.
• Truyền hình trực tiếp các sự kiện văn hóa lớn
Phụ tải váo các giờ truyền hình trực tiếp như bóng ñá quốc tế, sự kiện thể thao
Olympic, Seagame , … thì phụ tải tăng lên nhiều. Vì khi các sự kiện như vậy kéo theo
phụ tải sinh hoạt ra tăng rất nhanh. Ví dụ một ñồ thị phụ tải của của ngày có truyền
hình worlcup và ngày không truyền hình trực tiếp worlcup như hình 1.6.

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

13


Hình 1.6: ðồ thị phụ tải hệ thống ñiện có truyền hình trực tiếp worldcup và ngày
bình thường.
• Các ngày có kế hoạch cắt ñiện ñể sửa chũa hệ thống ñiện
Trong quá trình thực hiện sửa chữa bảo trì lớn như cắt ñiện các ñường dây trên
diện rộng như trạm 110kV, 220kV, 35kV, 22kV, … thì phụ tải các ngày này giảm
nhiều do ngừng cung cấp ñiện. Và ñồ thị các ngày cắt ñiện cũng có tính chất khác nhau
phụ thuộc vùng miền và khu vực.
• Tốc ñộ gia tăng dân số, thu nhập GDP và giá ñiện
Tốc ñộ gia tăng dân số, thu nhập GDP và giá ñiện ảnh hưởng tới ñồ thị phụ tải rất
nhiều bởi vị tốc ñộ gia tăng dân số dẫn ñến phụ tải tăng theo, thu nhập GDP tăng dẫn tới
nhu cầu hưởng thụ ngày một cao dẫn tới các thiết bị sinh hoạt gia tăng làm cho phụ tải tăng
theo. Giá ñiện cũng ảnh hưởng tới ñồ thị phụ tải như là giá ñiện cao làm cho mọi người sử
dụng ñiện tiết kiệm hơn giá ñiện rẻ thì hộ tiêu thụ sẽ dùng ñiện nhiêu hơn.
1.4. Tìm hiểu các phương pháp dự báo phụ tải
( Tài liệu hệ thống cung cấp ñiện – TS Trần Quang Khánh và tài liệu luận văn của tác
giả Nguyễn Thị Thanh Loan – Trường ñại học bách khoa Hà Nội- PGS.TS Trần
Bách hướng dẫn)
ðối với ngành năng lượng nói chung và ngành ñiện nói riêng tồn tại các dạng
dự báo khác nhau như:

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

14

ðối với các hệ thống ñiện lớn tương tự như hệ thống ñiện toàn quốc của Việt
Nam, dự báo nhu cầu tiêu thụ ñiện, công suất cực ñại hay ñồ thị phụ tải theo thời gian

cũng có thể ñược xác ñịnh từ các dự báo của các hệ thống ñiện miền tham gia trong hệ
thống ñiện lớn. Nếu thực hiện ñược như vậy, quy mô của bài toán sẽ tăng lên theo cấp
số nhân nhưng ngược lại kết quả dự báo sẽ có ñộ chính xác cao hơn.
Dự báo nhu cầu ñiện năng ñược chia thành: Dự báo ngắn hạn, trung hạn và dài hạn.
- Dự báo ngắn hạn (giờ, ngày, tháng, mùa, năm): chủ yếu phục vụ việc ñiều hành
sản xuất, vận tải và phân phối năng lượng, phục vụ cho nhu cầu trực tiếp của sản xuất
và ñời sống, lập kế hoạch sản xuất và kinh doanh.
- Dự báo trung hạn (từ 1 tháng ñến 1 năm) thường phục vụ cho việc phân bổ vốn
ñầu tư, lập cân bằng giữa cung và cầu năng lượng, lập kế hoạch xây dựng và theo dõi
tiến ñộ xây dựng của các công trình, kế hoạch ñại tu sửa chữa nâng cấp thiết bị, chuẩn
bị xây dựng các qui hoạch dài hạn
- Dự báo dài hạn: từ 1 năm ñến 10 năm thậm trí tới 20 năm, nhằm ñịnh hướng
cho sự phát triển của ngành ñể hoạch ñịnh những chiến lược chính sách lớn ñảm bảo
phát triển bền vững cho toàn bộ hệ thống năng lượng nhiên liệu, ñảm bảo an toàn về
cung cấp năng lượng, sử dụng hiệu quả các nguồn năng lượng sơ cấp, giảm thiểu tác
ñộng của các công trình năng lượng lên môi trường sinh thái.
Thời gian dự báo càng xa, sai lệch sẽ càng lớn, tác ñộng của các yếu tố bất ñịnh
càng nhiều. Nguồn gốc của những yếu tố bất ñịnh có thể rất khác nhau: từ biến ñộng
của khí hậu, thời tiết (với dự báo ngắn hạn) ñến tình hình kinh tế, tài chính (với dự báo
trung hạn) và biến ñộng chính trị xã hội (với dự báo dài hạn). Vì vậy khi dự báo nhất
là những dự báo trung hạn và dài hạn, thông thường người ta xác ñịnh một dải thông
số (thấp, trung bình (cơ sở), cao) của số liệu dự báo thay vì một trị số dự báo cố ñịnh.
Thời gian càng xa, sự biến ñộng của biến dự báo (thấp, cao) càng lớn.
Một số phương pháp dự báo nhu cầu ñiện năng ñã ñược áp dụng hay nghiên
cứu dưới các hình thức khác nhau ở Việt Nam.
- Phương pháp trực tiếp.

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

15

- Phương pháp Chuyên gia.
- Phương pháp ngoại suy theo chuỗi thời gian.
- Phương pháp san bằng hàm mũ.
- Phương pháp ñàn hồi kinh tế.
- Phương pháp cường ñộ.
- Dự báo bằng mô hình hồi quy tương quan.
- Dự báo bằng phương pháp MEDEE-S.
1.4.1. Phương pháp trực tiếp
Là phương pháp thích hợp với dự báo ngắn hạn từ 3 - 5 năm và trường hợp kinh
tế phát triển ổn ñịnh.
Dựa trên cơ sở: các kế hoạch phát triển ngành, vùng kinh tế; các phương án sản
xuất của một số phân ngành công nghiệp tiêu thụ nhiều ñiện như luyện kim, hoá chất,
giấy, vật liệu xây dựng ; các quy hoạch phát triển lưới ñiện tỉnh, thành phố mà nhu
cầu ñiện năng ñược tính toán trực tiếp (theo ñịnh mức tiêu hao ñiện trên sản phẩm,
theo chỉ tiêu ñiện năng cho hộ gia ñình ).
Nhu cầu ñiện năng ñược xác ñịnh theo biểu thức sau:
A = A
ng
×DS [kWh]; (1.1)
A = A
hộ
× H[kWh]; (1.2)
Trong ñó:
A - nhu cầu ñiện năng của khu vực cần tính toán [kWh];
A
ng
- ñiện năng tiêu thụ tính theo ñầu người [kWh/người];
A
hộ

- ñiện năng tiêu thụ tính theo hộ dân cư [kWh/hộ];
DS - dân số của khu vực tính toán [người];
H - số hộ dân có trong khu vực tính toán [hộ].

Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………

16

ðể xác ñịnh ñược A
ng
và A
hộ
, có thể tra theo các sổ tay thiết kế hoặc tính trực
tiếp nhờ các số liệu ñiều tra và thống kê tình hình sử dụng ñiện năng của khu vực.
A
ng
= A
Σ
/DS; (1.3)
A
hộ
= A
Σ
/H; (1.4)
Ở ñây:
A
Σ
= ΣA
i
; với i = (1 ÷ n) (1.5)

Với A
i
- ñiện năng sử dụng của loại hộ phụ tải thứ i (gia ñình, nhà máy, xí
nghiệp, trường học, chiếu sáng công cộng, )
A
i
= ΣA
ij
, với j = (1 ÷ m); (1.6)
A
ij
- ñiện năng sử dụng của hộ phụ tải thứ j thuộc loại hộ phụ tải thứ i.
Nhận thấy, dự báo bằng phương pháp trực tiếp ñược tổng hợp từ dự báo theo
từng tỉnh nên nó có tác dụng quan trọng trong việc phân vùng và phân nút phụ tải, do
ñó làm cơ sở cho thiết kế lưới ñiện truyền tải và phân phối. Tuy nhiên phương pháp
này ñòi hỏi công tác ñiều tra phải ñược tiến hành tỉ mỉ, nghiêm túc bởi những cán bộ
có nghiệp vụ, số phiếu ñiều tra ñủ lớn ñể giảm sai số khi tính toán.
1.4.2. Phương pháp chuyên gia
a/ Khái niệm
Phương pháp chuyên gia là phương pháp dự báo có kết quả là các “thông số” do
các Chuyên gia ñưa ra, là từ trình ñộ uyên bác về lí luận, thành thạo về chuyên môn,
phong phú về khả năng thực tiễn cùng với khả năng mẫn cảm, nhạy bén và thiên
hướng sâu sắc về tương lai (ñối với ñối tượng dự báo) của một tập thể các nhà khoa
học, các nhà quản lý cùng ñội ngũ các cán bộ lão luyện thuộc các chuyên môn hay
nằm trong miền lân cận của ñối tượng dự báo ñưa ra các dự báo.
b/ Phạm vi áp dụng
Phương pháp chuyên gia có ưu thế hơn hẳn khi dự báo những hiện tượng hay
quá trình có tầm bao quát rộng, cấu trúc nói chung phức tạp nhiều chỉ tiêu, nhiều nhân
tố chi phối làm cho xu hướng vận ñộng cũng như hình thức biểu diễn ña dạng, khó