THỰC TRẠNG NGÀNH ĐIỆN VÀ NHU CẦU ĐIỆN Ở VIỆT NAM

Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
MỞ ĐẦU 3
CHƯƠNG 1 4
CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG 4
1.1 DỰ BÁO NHU CẦU PHỤ TẢI BẰNG PHƯƠNG PHÁP TRỰC TIẾP 4
1.2 PHƯƠNG PHÁP NGOẠI SUY 4
1.3 PHƯƠNG PHÁP HỆ SỐ ĐÀN HỒI 5
1.4 PHƯƠNG PHÁP CHUYÊN GIA 6
1.5 DỰ BÁO NHU CẦU ĐIỆN NĂNG THEO PHƯƠNG PHÁP ĐA HỒI QUY. 7
CHƯƠNG 2 42
THỰC TRẠNG NGÀNH ĐIỆN VÀ NHU CẦU ĐIỆN Ở VIỆT NAM 42
2.1 THỰC TRẠNG NGÀNH ĐIỆN VIỆT NAM 42
2.1.1 Giới thiệu ngành điện Việt Nam 42
2.1.2 Cơ cấu tổ chức ngành điện Việt Nam 43
2.1.3 Về cơ cấu nguồn điện 43
2.2 TÌNH HÌNH NHU CẦU ĐIỆN Ở VIỆT NAM 47
2.3 TRIỂN VỌNG VÀ DỰ BÁO 48
CHƯƠNG 3 50
DỰ BÁO NHU CẦU ĐIỆN NĂNG TOÀN QUỐC BẰNG PHƯƠNG PHÁP ĐA HỒI QUY 50
3.1 LỰA CHỌN KÍCH THƯỚC MẪU 50
3.2. CHỌN BIẾN 50
(a) Tổng dân số cả nước 60
(b) Tổng thu nhập quốc nội GDP 60
(c) Tổng thu nhập quốc gia GNP 60
(d) Giá trị sản xuất công nghiệp 61
Mô hình hàm số mũ giá trị SXCN được ước lượng như sau: 61
61
(e) Chỉ số giá bình quân 62
(f) Số hộ dân nông thôn có điện 62
(g) Số hộ dân cả nước 62
(h) Giá điện bán lẻ bình quân 63

3.5 TIẾN HÀNH DỰ ÁO NHU CẦU ĐIỆN NĂNG SỬ DỤNG PHẦN MỀM EVIEWS 65
Nguyễn Văn Duy – Lớp Đ1 QLNL 1
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
3.5.1.PP LUẬN DỰ BÁO THEO CHIẾN LƯỢC XD MÔ HÌNH TỪ ĐƠN GIẢN ĐẾN TỔNG QUÁT
(ÁP DỤNG CHO CẢ LR VÀ LOG-LOG) 65
Số liệu dự báo cho các kịch bản kinh tế: 73
Nguyễn Văn Duy – Lớp Đ1 QLNL 2
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
MỞ ĐẦU
Năng lượng là một vấn đề thu hút sự quan tâm của mọi quốc gia trong mọi
thời đại. Không thể hình dung được sự thiếu vắng của năng lượng trong mọi hoạt
động của con người, nhất là trong thời đại ngày nay, khi mà khoa học kỹ thuật đã
đạt được trình độ rất cao để con người có thể từng bước chinh phục được thiên
nhiên và làm chủ được cuộc sống của mình.
Việc sản xuất và tiêu dùng năng lượng ngày càng một phát triển, nó có tác
động qua lại tới nhiều vấn đề lớn của xã hội như phát triển kinh tế, dân số và chất
lượng cuộc sống, trình độ công nghệ và mức độ công nghiệp hóa môi trường sinh
thái, các chế độ và chính sách của Nhà nước đối với vấn đề năng lượng…. Hệ thống
năng lượng ngày một phức tạp cả về quy mô và trình độ, do đó việc quy hoạch phát
triển một cách đúng hướng hệ thống năng lượng nói chung và hệ thống điện nói
riêng luôn luôn là vấn đề thời sự, là mối quan tâm hàng đầu của mọi quốc gia.
Ở nước ta, với tình hình phát triển kinh tế xu thế công nghiệp và dịch vụ phát
triển và đồng thời với thu nhập ngày càng cao của người dân làm cho nhu cầu về
điện năng ngày càng cao, cùng với nguồn năng lượng ngày càng cạn kiệt đã tạo nên
sức ép to lớn trong việc đáp ứng đủ nhu cầu phụ tải trong tương lai. Chính những
sức ép đó buộc chúng ta phải quy hoạch hệ thống điện cũng như dự báo nhu cầu
điện năng ở từng thời kỳ để giải quyết áp lực vấn đề an ninh năng lượng.
Em xin cám ơn Ths. Nguyễn Thị Như Vân và KS.Nguyễn Thành Luân đã
nhiệt tình giúp đỡ em trong quá trình tìm hiểu cũng như hoàn thành bài báo cáo
này!

Sinh viên
Nguyễn Văn Duy
Nguyễn Văn Duy – Lớp Đ1 QLNL 3
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
CHƯƠNG 1
CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG
Hiện nay có nhiều phương pháp dự báo nhu cầu điện năng, dưới đây là giới
thiệu một số phương pháp thông dụng trong thực tế quy hoạch điện Điện Lực.
1.1 DỰ BÁO NHU CẦU PHỤ TẢI BẰNG PHƯƠNG PHÁP TRỰC TIẾP
Nội dung của phương pháp tính trực tiếp là xác định nhu cầu điện năng của
năm dự báo dựa trên tổng sản lượng của các ngành ở năm hiện tại và năm dự báo
theo kế hoạch, ứng với suất tiêu hao điện năng của từng loại sản phẩm. Đối với
những trường hợp không có suất tiêu hao điện năng thì xác định nhu cầu điện năng
cho từng trường hợp cụ thể (như công suất trung bình cho một hộ gia đình, bệnh
viện, trường học ). Phương pháp này có ưu điểm là tính toán đơn giản, ngoài yêu
cầu xác định tổng điện năng dự báo còn biết được tỷ lệ sử dụng điện năng trong các
ngành và các khu vực địa lý khác nhau, từ đó có thể thực hiện phân vùng và phân
nút phụ tải thích hợp, làm cơ sở cho việc thiết kế hệ thống cung cấp điện. Trên cơ
sở đó có thể đề xuất các phương hướng điều chỉnh quy hoạch cho cân đối và phù
hợp. Với các ưu điểm nói trên, phương pháp này được dùng phổ biến để dự báo nhu
cầu điện trong các đề án quy hoạch phát triển điện lực tỉnh, thành phố.
Tuy nhiên việc đánh giá mức độ chính xác của phương pháp này thường gặp
nhiều khó khăn vì nó phụ thuộc vào mức độ chính xác của các thông tin về các
ngành kinh tế Quốc dân trong tương lai, cũng như phụ thuộc vào suất tiêu hao điện
năng của các loại sản phẩm. Khối lượng tính toán khá nhiều. Phương pháp này
thường được áp dụng để dự báo nhu cầu điện năng với thời gian ngắn và trung bình.
1.2 PHƯƠNG PHÁP NGOẠI SUY.
Nội dung của phương pháp ngoại suy là nghiên cứu diễn biến của phụ tải
trong các năm quá khứ tương đối ổn định và tìm ra quy luật biến đổi của phụ tải
theo thời gian, từ đó sử dụng mô hình tìm được để tính cho giai đoạn dự báo. Tức

là ta suy diễn toàn bộ diễn biến của phụ tải ở quá khứ vào tương lai và phụ tải dự
báo được xác định theo hàm xu thế ở thời điểm tương ứng. Có thể có rất nhiều dạng
hàm xu thế, mà thông thường được xác định theo phương pháp tương quan hồi quy.
Nguyễn Văn Duy – Lớp Đ1 QLNL 4
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Phương pháp ngoại suy là một trong những phương pháp được ứng dụng
nhiều do những ưu điểm là phản ánh khá chính xác quá trình phát triển của phụ tải;
có thể đánh giá mức độ tin cậy của hàm xu thể dễ dàng. Tuy nhiên theo phương
pháp này cần phải có lượng thông tin đủ lớn, quá trình khảo sát phải tương đối ổn
định.
Hàm dự báo được xây dựng trên cơ sở số liệu thống kê của những tập mẫu
và đánh giá mức độ chặt chẽ bằng hệ số tương quan tuyến tính.
tP
t,P
.
r
σσ
µ
=
;
hoặc hệ số tương quan phi tuyến
∑
∑
−
−
−=
2
2
)(
)(

1
Yy
Xx
R
i
i
;
Độ tin cậy của mô hình dự báo được đánh giá theo giá trị của hàm Student,
xác định theo biểu thức
2
1
2
r
nr
t
−
−
=
;
1.3 PHƯƠNG PHÁP HỆ SỐ ĐÀN HỒI
Phương pháp hệ số đàn hồi dựa theo tốc độ tăng GDP của các thành phần
kinh tế. Cơ sở của phương pháp này là việc sử dụng năng lượng ở mỗi ngành được
xác định bởi yếu tố kinh tế thích hợp và được điều chỉnh bởi hệ số đàn hồi ứng với
tốc độ tăng trưởng kinh tế. Hệ số đàn hồi được tính như sau:
Y
Y
A
A
Y
A

Et
∆
∆
==
%
%
δ
δ
λ
Trong đó:
λ
ET
- Hệ số đàn hồi.
δA%, δY% - Suất tăng tương đối điện năng và GDP.
A - Điện năng sử dụng.
Nguyễn Văn Duy – Lớp Đ1 QLNL 5
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Y - Giá trị thu nhập GDP.
∆A; ∆Y: Tăng trưởng trung bình điện năng và GDP trong g.đoạn xét.
Các giá trị của hệ số đàn hồi được xác định dựa trên cơ sở số liệu của chuỗi
thời gian quá khứ ứng với từng ngành kinh tế.
1.4 PHƯƠNG PHÁP CHUYÊN GIA
Đối với những bài toán cần phải lựa chọn lời giải trong điều kiện đa chỉ tiêu
và bất định nên thường được thực hiện bởi cá nhân quyết định có tham khảo ý kiến
của hội đồng tư vấn. Việc lấy ý kiến của từng chuyên gia và đánh giá tổng hợp các
ý kiến đó phải tiến hành theo những thủ tục sau:
Các chuyên gia cho điểm theo từng tiêu chuẩn theo một thang điểm thống
nhất. Sau đó cán bộ nghiên cứu có trách nhiệm xử lý tổng hợp các đánh giá của các
chuyên gia theo một quy tắc nhất định:
a- Nếu tất cả các chuyên gia có trình độ được coi như ngang nhau. Trong

trường hợp này,đánh giá tổng hợp sẽ là trung bình số học
b- Nếu trình độ của mỗi chuyên gia khác nhau thì có 2 cách đánh giá:
Chỉ đánh giá về mình
Đánh giá về mọi người trừ mình ( lấy các đánh giá trung bình. Điểm các tiêu
chuẩn của các chuyên gia sẽ được nhân lên với trọng số về sự thành thạo của các
chuyên gia và sau đó sẽ được đánh giá tổng hợp )
Để loại bớt các sai số, khi cộng điểm đánh giá đối với các tiêu chuẩn, người
ta loại bỏ các đánh giá cực đoan cao nhất và thấp nhất với mỗi tiêu chuẩn.
Phương pháp cho điểm này thường được ứng dụng trong các trường hợp so
sánh các tiêu chuẩn đơn giản, không cần phải phân nhỏ thành các tiêu chuẩn cấp
thấp hơn. Nếu các tiêu chuẩn mà phức tạp ( ví dụ tiêu chuẩn độ tin cậy ) thì trước
hết phải phân thành các tiêu chuẩn đơn giản hơn và sẽ đánh giá đối với các tiêu
chuẩn này. Sau đó sẽ chuyển về đánh giá các tiêu chuẩn ban đầu.
Nguyễn Văn Duy – Lớp Đ1 QLNL 6
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
1.5 DỰ BÁO NHU CẦU ĐIỆN NĂNG THEO PHƯƠNG PHÁP ĐA HỒI
QUY.
1.5.1 Phương pháp luận.
Phân tích tương quan hồi quy là xác định sự liên quan định lượng giữa hai
biến ngẫu nhiên Y và X, kết quả của phân tích hồi quy được dùng cho dự báo khi
một trong các biến, bằng cách nào đó, được xác định trong tương lai. Hồi quy đơn
được dùng để xem xét mối liên hệ tuyến tính giữa hai biến X và Y, trong đó X được
xem là biến độc lập (ảnh hưởng đến biến Y), còn Y là biến phụ thuộc (chịu ảnh
hưởng bởi biến X).
Thực chất nhu cầu điện không chỉ liên quan đến một, mà có liên quan đến rất
nhiều yếu tố, như: Thu nhập quốc gia (NI – National Income); Dân số (POP –
population); Tổng sản phẩm nội địa (GDP – Gross of Domestic Production); Chỉ số
giá tiêu dùng (CPI – Consumer Price Index) v.v , vì vậy trong thực tế người ta
thường sử dụng phương pháp tương quan hồi quy bội để giải quyết vấn đề này.
Quan hệ giữa nhu cầu điện Y với các nhân tố xi được thể hiện dưới một số dạng

chính sau:
* Dạng tuyến tính: y = a
0
+a
1
x
1
+a
2
x
2
+ + a
k
x
k
(1.1)
* Dạng phi tuyến: +Dạng Cobb Douglas: y= a
0
x
1
al
x
2
2a
x
k
ak

(1.2)
+Dạng mũ:y =a

0
+ a
1
x
1
p
+ a
2
x
2
k
+ + a
k
x
k
z

(1.3)
Để kiểm định mô hình tương quan người ta áp dụng nhiều tiêu chuẩn khác
nhau như kiểm định t-student, kiểm đinh F hay điểm định Durbin-Watson.
1.5.2 Ứng dụng phương pháp đa hồi quy trong thực tế.
a. Dự báo phụ tải tại Bắc Mỹ bằng Mô hình Uhler
Uhler đã lập mô hình KTL với phụ tải sphụ thuộc vào giá điện và thu nhập
của người tiêu dùng. Mô hình của ông được biểu thị như sau:
GE = f(GP,GGDP) (1.4)
Nguyễn Văn Duy – Lớp Đ1 QLNL 7
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Với: GE - mức tăng nhu cầu điện; GP - mức tăng giá điện; GGDP - mức
tăng GDP.
Mô hình 3.4 phù hợp với các dữ liệu từ năm 1951-1973. Mức biến động

trong ngắn hạn của giá điện là - 0,3 và biến động trong dài hạn là - 0,44. Tương tự,
biến động thu nhập mức 0,83 đã được dự tính cho cả ngắn hạn và dài hạn.
Mô hình Uhler có khả năng tính được tác động của giá điện và thu nhập đến
nhu cầu phụ tải. Uhler đã dùng kỹ thuật BJ để dự báo các biến ngoại suy là giá điện
và GDP để dự báo phụ tải từ mô hình KTL cho giai đoạn 1974-1983. Mức tăng
6,8% đã được dự báo bằng mô hình này cao hơn so mức tăng thực tế nhưng thấp
hơn dự báo của NERC.
Nguyên nhân gây sai số trong mô hình dự báo Uhler:
Trong giai đoạn 1951-1973, giá điện giảm và thu nhập người tiêu dùng tăng
nhanh khiến cho nhu cầu phụ tải tăng nhanh chóng. Các mô hình ES và Uhler đã
tính được mức tăng phụ tải khá chính xác.
Giai đoạn dự báo giữa 1974 và 1983, giá điện thực tế đã bắt đầu tăng nhanh
ở mức 4,7% năm. Kỹ thuật BJ được sử dụng để dự báo giá điện cho giai đoạn 1974-
1983, kết quả dự báo giá điện thấp hơn giá điện thực tế 0,6%. Sự khác nhau giữa dự
báo và thực tế của giá điện đã làm cho mô hình Uhler dự báo vượt nhu cầu điện.
b. Dự báo nhu cầu phụ tải tại Nova Scotia - Canada
Công ty năng lượng NSPI (Nova Scotia Power Inc) đã dự báo nhu cầu điện
tại Nova Scotia giai đoạn 2004 đến 2013.
Khách hàng tiêu thụ năng lượng tại Nova Scotia được chia thành 3 nhóm –
hộ gia đình, thương mại và công nghiệp. Mô hình nhu cầu phụ tải hộ gia đình có thể
biểu thị bằng:
t t t t t
2
t 1
Residential = 715.70AIDX +0.106CHDD 37.68RREP +0.089RRTS
+0.500Resident , adj R = 99.83%
−
−
×

(1.5)
Với:
t
AIDX =
Biến xác định sự hiệu quả của việc sử dụng các thiết bị điện
trong năm t;
t
CHDD =
Số hộ sử dụng điện năm t;
t
RRTS =
Giá bán lẻ điện năng
trong năm t;
t
RREP =
giá bán năng lượng trung bình sau thuế ở giá cố định năm t.
Nguyễn Văn Duy – Lớp Đ1 QLNL 8
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
- Mô hình nhu cầu phụ tải thương mại có thể biểu thị như sau:
t t t t 1
2
Commercial = 0.023RQTOS + 0.157Resident + 0.640Commercial ,
adj R = 99.76%
−
×

(1.6)
với
t
RQTOS =

GDP năm t.
- Mô hình nhu cầu phụ tải công nghiệp nhỏ:
2
t t
Small industry = 0.0155RQTOS + 112.89, adj R = 90.89%
×
- Mô hình nhu cầu phụ tải công nghiệp vừa :
2
t t
Medium industry = 0.0345RQTOS 239.38, adj R = 99.00%
− ×
Chỉ 6 nhóm đối tượng thuộc nhóm công nghiệp lớn được đưa vào mô hình
dự báo trong vòng 3 năm dựa trên kế hoạch sản xuất của khách hàng và thiết bị
được lắp đặt. Tổn thất hệ thống và cả doanh số bán nằm ngoài sổ sách được giả sử
tính toán trung bình trong vòng 5 năm. Theo kịch bản này, tổn hao truyền tải đặt ở
mức 2,9%, tổn hao phân phối là 6,6% và tổng tổn hao bao gồm cả việc bán gian lận
nằm ngoài sổ sách là 6,9%.
c. Dự báo phụ tải tại New Zealand
Dự báo phụ tải tại New Zealand thuộc trách nhiệm của Bộ phát triển kinh tế
New Zealand (MED). MED sử dụng mô hình cân bằng cục bộ (SADEM) trong mô
hình hoá ngành năng lượng. Ngành điện là một phân ngành thuộc mô hình này.
MED không dự báo nhu cầu phụ tải mà dự báo mức tăng giả thiết là 1,8% nhu cầu
phụ tải trong giai đoạn 2000-2020 để mô hình hoá cho các phân ngành năng lượng.
* Mohamad và Bodger đã sử dụng mô hình KTL tuyến tính để dự báo nhu
cầu điện cho New Zealand giai đoạn 1965-1999. Dạng chung của mô hình được
biểu thị như sau:
t 1 1t 2 2t 3 3t t
Y = a + b X + b X + b X + u
(1.7)
Với:

t
Y
- nhu cầu điện năng theo GWh trong năm t;
1t
X
- GDP thực (triệu
$NZ ) trong năm
t
;
2t
X
- giá điện (cents/kWh) trong năm
t
;
3t
X
- dân số trong năm
t
;
t
u
- sai số thời kỳ t = 1965–1999.
Nguyễn Văn Duy – Lớp Đ1 QLNL 9
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Giá điện đưa vào mô hình là giá điện thực tế. Nhu cầu điện được chia làm
các nhóm nội địa và nhóm phi nội địa.
Bảng 1.1 Tương quan giữa các biến
Nội địa Phi nội địa Tổng GDP Giá Dân số
Nội địa 1 0,971 0,921 0,983
Phi nội địa 1 0,981 0,963 0,980

Tổng 1 0,982 0,956 0,984
GDP 1 0,928 0,982
Giá 1 0,922
Dân số 1
Bảng 1.2 Ý nghĩa thống kê của mô hình
Bảng 3.1 thể hiện sự tương quan giữa các biến mô hình trên mức 0,9. Tất cả
các biến ngoại suy của mô hình đều có một ý nghĩa thống kê và các kết quả ước
lượng theo các nhóm có thể tổng kết như sau:
Y
1
= –5,81 x 10
3
+ 1,5 x 10
–3
X
1
– 93,2X
2
+ 4,7x10
–3
X
3
Nội địa (1.8)
Y
2
= –2,98 x 10
4
+ 2,29 x 10
–1
X

1
– 78,7X
2
+ 8,2x10
–2
X
3
Phi nội địa (1.9)
Y
3
= –3,68 x 10
4
+ 2,21 x 10
–1
X
1
– 2,12X
2
+1,34x10
–2
X
3
Tổng (1.10)
Mohamad và Bodger đã so sánh các kết quả dự báo từ mô hình KTL với dự
báo của MED và CAE , dự báo của một mô hình hồi quy logistic - là một mô hình
chuỗi thời gian cho phép bão hoà (xem Hình 1.1).
Nguyễn Văn Duy – Lớp Đ1 QLNL 10
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Hình 1.1 Nhu cầu điện năng dự báo theo các phương pháp tại New
Zealand

MED và CAE cùng dự báo nhu cầu điện giống nhau ở mức 1,8% năm. Dự
báo KTL phù hợp với dự báo của MED và CAE trong khi mô hình hồi quy logistic
cho kết quả dự báo thấp nhất, đặc biệt là vào cuối giai đoạn dự báo. Mức dự báo
thấp của mô hình hồi quy logistic vào cuối giai đoạn có thể do cấu trúc mô hình cho
phép bão hoà.
* Scrimgeour sử dụng một mô hình KTL để dự báo nhu cầu điện cho khu
vực hộ gia đình và công nghiệp.
- Mô hình hộ gia đình được biểu thị:
( )
HLD = f GDP, Pr, Pc; T + u
(1.11)
Với: HLD- nhu cầu điện hộ gia đình; Pr- giá điện hộ gia đình; Pc- chỉ số giá
tiêu dùng; T- nhiệt độ; u - sai số.
- Mô hình công nghiệp được biểu thị
( )
IND = g GDP, Pi, Pc; T + v
(1.12)
Với: IND - nhu cầu điện công nghiệp; Pi - giá điện công nghiệp; v - sai số.
- Mô hình tổng nhu cầu do đó là:
( )
TFC = k GDP, Pt, Pc; T + w
(1.13)
Với: TFC - tổng nhu cầu điện năng; Pt - giá điện; w - sai số.
Nguyễn Văn Duy – Lớp Đ1 QLNL 11
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Dữ liệu giữa các năm 1960-1999 đã được sử dụng để tính bằng các mô hình
EGECM (phương pháp hiệu chỉnh sai số), FMLS (phương pháp bình phương cực
tiểu cải biến) và ARDL (phân bố lùi tự động có tính trễ). 3 phương pháp trên có tính
minh hoạ cao hơn phương pháp bình phương cực tiểu đơn thuần do có tính đến sự
đồng tích hợp.

Trong phương pháp EGECM, các biến của mô hình được kiểm tra để kết
hợp. Ví dụ, mô hình nhu cầu điện cho dân cư được biểu thị:
k k k k
t i t i j t j n t n m t m t 1 t
i=1 j=1 n=1 m=1
HJD = a + b GDP + c Pr + d Pc + e T + fECM + w
− − − − −
∆ ∆ ∆ ∆
∑ ∑ ∑ ∑

(1.14)
Với
t 1
ECM
−
là sai số do việc phản hồi thông tin HLD trong GDP
Pr

Pc
và
T
tạo ra.
Trong cách tiếp cận FMLS, bước đầu tiên mô hình được tính bằng OLS và
thử cho tương quan nối tiếp. Mô hình sau đó được tính lại sử dụng các cửa sổ trễ .
Mô hình ARDL có thể biểu thị như sau:
k k k k
t i t i j t j n t n m t m t 1
i=1 j=1 n=1 m=1
t 1 t 1 t 1 t
HJD = a + a t + b GDP + c Pr + d Pc + e T + fPr

+ gGDP + hPc + iT + w
− − − − −
− − −
∆ × ∆ ∆ ∆
∑ ∑ ∑ ∑

(1.15)
Scrimgeour nhận thấy rằng mô hình ARDL mang lại kết quả phù hợp
nhất với thực tế. Mô hình cho tổng nhu cầu điện có dạng:
t t t t t t 1
LnTFC = 0.31 + 0.70 LnGDP 0.43 LnPt + 0.35 LnPc + 0.33 LnT 0.3ECM
−
∆ ∆ − ∆ ∆ ∆ −

(1.16)
Kết quả so sánh nhu cầu điện dự báo từ mô hình ARDL và thực tế của New
Zealand giai đoạn 1963-1998 được thể hiện trên hình 3.2
Nguyễn Văn Duy – Lớp Đ1 QLNL 12
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Hình 2 Các kết quả ước tính từ mô hình ARDL
Có thể thấy rằng mô hình Mohamad và mô hình Scrimgeour cho các kết quả
tương tự đối với New Zealand mặc dù có các khác biệt giữa hai mô hình. Kết quả
này có thể do sự phát triển ổn định của New Zealand trong giai đoạn dự báo.
d. Dự báo phụ tải tại Ấn Độ
Ranjan và Jain đã sử dụng một mô hình KTL để dự báo nhu cầu điện tại
Delhi. Mô hình của họ có dạng:
5
t i it
i=1
E = + x

α β
∑
(1.17)
Với: Et- nhu cầu điện trong tháng t ; x1t- dân số trung bình trong tháng t;
x2t- nhiệt độ trung bình trong tháng t; x3t- độ ẩm tương đối trong tháng t; x4t- số
giời nắng trong tháng t; x5t- lượng mưa trong tháng t.
Ranjan và Jain đã chia giai đoạn dự báo thành mùa đông, mùa hè, trước mùa
gió và sau mùa gió. Kết quả được tổng kết lại như sau:
Mùa đông:
( )
t 1t 2t
E = 25.4682 + 5.9647x 0.3389x ; F = 444.584− −
(1.18)
Mùa hè:
( )
t 1t 2t
E = 44.2198 + 6.9926x + 0.2447x ; F = 1716.94
−
(1.19)
Trước mùa gió:
( )
t 4t 3t
E = 43.6125 0.0482x 0.3183x ; F = 9.201
− −
(1.20)
Sau mùa gió:
( )
t 1t 2t 5t
E = 40.8423 + 6.0697x + 6.0697x + 0.0055x ; F = 584.934
−

(1.21)
Sharma, Nair và Balasubramanian đã sử một mô hình KTL để dự báo nhu
cầu điện cho 20 năm theo các nhóm đối tượng tại Kerala. Kết quả như sau:
* Nhóm dân cư
Mô hình nhu cầu tiêu dùng điện có thể biểu thị như sau:
Nguyễn Văn Duy – Lớp Đ1 QLNL 13
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
( ) ( ) ( )
( )
i i i i b b
2
i b
n ER P = 1.41818 + 0.272731 n Q P Q P
+ 1.33666 n N N ; R = 99%, F = 2180
l l
l

(1.22)
Với: ER - mức tiêu dùng năng lượng điện khu vực dân cư; P - dân số; Q - giá
sản phẩm quốc nội 1980 – 1981; N - số hộ gia đình sử dụng thiết bị điện; i - năm i;
b - năm cơ sở.
Kết quả từ mô hình này cho thấy, nhu cầu điện nhóm dân cư tăng nhanh từ
80,71 GWh năm 1971 lên 3,776.000 GWh năm 1997.
* Nhóm dịch vụ
Nhu cầu điện nhóm này tăng từ 65,6 GWh năm 1971 lên 652 GWh
năm 1997 tương đương với mức tăng trưởng bình quân hàng năm là 9%. Mô hình
của ngành này là:
i i i i 1
2
n ES = 98.85353 + 5.744798 n P + 0.698549 n U + 0.56422 n C ;

R = 99%, F = 576
−
−
l l l l

(1.23)
Với: Es - nhu cầu điện năng cho ngành dịch vụ; U - chỉ số đô thị hoá; C - thu
nhập bình quân đầu người.
* Nhóm công nghiệp vừa và lớn
Nhu cầu điện nhóm công nghiệp lớn tăng ở mức 8% năm giai đoạn
1971-1997. Mô hình dự báo cho nhóm này có thể biểu thị như sau:
i i 2 i
2
n EHT = 0.396916 + 0.520412 n QS + 0.168424 n IIP ;
R = 90%, F = 213
−
l l l

(1.24)
Với: EHT - nhu cầu điện công nghiệp vừa và lớn ; QS - tỉ lệ sản phẩm công
nghiệp vừa và lớn so với SDP của ngành thứ cấp; ΠP - chỉ số sản xuất công nghiệp.
* Nhóm công nghiệp nhỏ
Nhu cầu điện nhóm công nghiệp lớn tăng ở mức 6% năm giai đoạn 1971-
1997.
Mô hình dự báo cho nhóm này có thể biểu thị như sau:
Nguyễn Văn Duy – Lớp Đ1 QLNL 14
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
i i i
2
n ELT = 6.813731 + 0.258348 n IIP + 0.893710 n QTOT ;

R = 92%, F = 131
−l l l
(1.25)
Với: ELT - nhu cầu điện nhóm công nghiệp nhỏ;
QTOT
- tỉ lệ sản phẩm thứ
hai và thứ ba so với SDP.
* Các nhóm khách hàng khác
Mô hình sử dụng để dự báo nhu cầu điện năng cho các nhóm còn lại như
chiếu sáng công cộng, trạm bơm … có thể biểu thị như sau:
i i i
2
n EMISC = 4.408 + 0.358 n QP + 1.937 n U ;
R = 95%, F = 218
−l l l

(1.26)
Với:
EMISC
- nhu cầu điện các nhóm;
QP
- tỉ lệ sản phẩm sơ cấp của nhóm so
với SDP.
e. Dự báo phụ tải tại Thái Lan
Các nhà dự báo Thailand cho rằng giá điện, GDP và nhiệt độ là các yếu tố
chính ảnh hưởng đến nhu cầu phụ tải. Quan hệ giữa nhu cầu phụ tải và các yếu tố
chính có thể xác định qua hàm tổng quát:
( )
t t t t
E = f P , GDP , TEMP t = 1, 2 TK

(1.27)
Với: Et - nhu cầu điện tháng t (GWh); GDPt - GDP trong tháng (tỉ baht);
TEMPt - nhiệt độ (celsius); Pt - giá điện trung bình tháng
t
baht/kWh.
Một số mô hình nhu cầu điện năng theo tháng sẽ được xác định, ước
tính, thử và lựa chọn làm mô hình cho nhu cầu phụ tải. Nhu cầu phụ tải sẽ được
chia và mô hình hoá thành các nhóm sau đây:
1) Tổng nhu cầu của hệ thống điện;
2) Nhu cầu của hệ thống điện miền Bắc;
3) Nhu cầu của hệ thống điện miền Trung;
4) Nhu cầu của hệ thống điện miền Nam;
5) Nhu cầu của hệ thống điện vùng Tây Bắc;
6) Nhu cầu thuộc phạm vi của PEA;
Nguyễn Văn Duy – Lớp Đ1 QLNL 15
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
7) Nhu cầu thuộc phạm vi của MEA.
Dữ liệu về nhu cầu điện, giá điện hàng tháng được 3 cơ quan chức năng cung
cấp. Dữ liệu về nhiệt độ được thu thập từ Cục khí tượng. Giá điện hàng tháng được
lấy từ các cơ quan chức năng liên quan bằng cách tính doanh thu hàng tháng trên
kWh. Giá năng lượng hàng tháng do đó sẽ là hằng số cho năm cho trước.
Dữ liệu về nhiệt độ được thu thập từ các trạm khí tượng ở mỗi vùng. Nhiệt
độ các ngày được tính từ mỗi trạm từ nhiệt độ ngày trung bình và số ngày trong
tháng. Nhiệt độ trung bình ngày cho mỗi vùng được tính từ số các trạm trong vùng.
Dữ liệu từ GDP được thiết lập trên cơ sở hàng năm. Do mô hình dự báo là
mô hình tháng nên sẽ cần đến một biến thay thế cho GDP tháng. Do quan hệ giữa
nguồn tiền và GDP đã được thiết lập trong lý thuyết kinh tế vĩ mô và dữ liệu về
nguồn tiền đã có trong cơ sở tháng, nguồn tiền được lựa chọn là biến thay thế cho
GDP trong mô hình dự báo tháng.
Hàm tổng quát dự báo phụ tải năng lượng có thể biểu diễn như sau:

( )
t t t t
E = f P ,M1 ,TEMP
(1.28)
với
t
M1
là nguồn tiền trong tháng t
Dạng tuyến tính đơn giản của (1.41) được xác định như sau:
t 1 t 2 t 3 t
E = A + A M1 + A TEMP + A P
(1.29)
với
1 2
A > 0 A > 0
và
3
A < 0
Mô hình ở trên áp dụng cho các dữ liệu từ 10/1991 đến 9/2003 cho các kết
quả sau:
t t t
E = 3933.97 + 0.011393 M1 + 7.05076 TEMP + 62.4324 P−


(1.30)
Mô hình tuyến tính đơn giản có thể dự báo với sai số khoảng 5%, các nhà dự
báo Thailand đã nhận thấy rằng biến giá đã có một dấu hiệu “sai sót”. Sai sót của
biến giá thuộc về thiếu sót của mô hình mà ta cần xác định.
Đó có thể là một số trễ trong quan hệ giữa các biến ngoại suy và biến nội
suy. Các mô hình với biến bị trễ có thể xác định bằng hàm tổng quát

( )
t t i t j t k t h
E = f P , M1 , TEMP , E i, j, k, h = 0, 1, 2
− − − −
K
(1.31)
Các quan hệ trễ giữa các biến trong mô hình có thể giải thích bằng các hành
vi khác nhau giữa những khách hàng sử dụng năng lượng. Cấu trúc giá điện tại Thái
Nguyễn Văn Duy – Lớp Đ1 QLNL 16
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Lan có cơ chế Ft để điều chỉnh mức giá điện khi có các thay đổi chi phí ở tầm vĩ
mô. Mức giá được điều chỉnh 4 tháng 1 lần, vì thế người sử dụng không thể biết
mức giá trong tháng t do mức giá mà anh ta thanh toán trong tháng t thực ra là “mức
giá trung bình” của 4 tháng trước đó. Một giả thiết khác trong trường hợp này là
nhu cầu điện năng của một khách hàng phụ thuộc vào mức giá điện dự kiến trong
tháng t. Mô hình có thể xác định như sau:
t t t t
ˆ
E = a + b*P + c*M1 + d*TEMP
(1.32)
với: Et - nhu cầu điện năng trong tháng t;
t
ˆ
P =
giá điện dự kiến tháng t và b,
c, d là các hệ số hồi quy.
Không có các dữ liệu trực tiếp về giá điện dự kiến nhưng nó có thể được mô
hình hoá bằng các giả thiết cho trước về hành vi. Ví dụ, sự khác biệt giữa giá điện
dự kiến trong tháng t và t-1 tuỳ thuộc vào sai số trong tháng t-1 hay:
( )

t t 1 t 1 t 1
ˆ ˆ ˆ
P P = e P P
− − −
− −
với e > 0 (1.33)
Viết lại (1.46) như sau:
( )
t t 1
ˆ
P 1 vB = eP
−
−
(1.34)
với:
( )
v = 1 e−
B - Biến điều khiển ngược.
Thay thế (3.34) vào (3.32):
t t 1 t t
b*e
E = a + P + c*M1 + d*TEMP
1 vB
−
−
(1.35)
Sắp xếp lại (1.48) sẽ dẫn tới biểu thức:
( ) ( ) ( ) ( )
t t 1 t t
E 1 vB = a 1 vB + b*eP + c 1 vB M1 + d 1 vB TEMP

−
− − − −
(1.36)
và do đó có dạng tự hồi quy:
t t 1 t t 1 t t 1 t 1
E = J + b*eP + cM1 + c*vM1 + d*TEMP + d*vTEMP + vE
− − − −
(1.37)
với
b*e < 0, c > 0, d > 0
Để tăng độ chính xác của dự báo, các tác giả đề xuất kết hợp Box–Jenkins
(BJ) và kỹ thuật sửa sai số (EC) vào mô hình.
Nguyễn Văn Duy – Lớp Đ1 QLNL 17
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Khái niệm sửa sai số (EC) tận dụng thông tin từ các sai số mô hình để nâng
cao hiệu quả của mô hình. Kỹ thuật EC đã được áp dụng cho một số nghiên cứu
như dự báo nhu cầu điện dân cư của Sik and Frederick. Kỹ thuật BJ và EC có thể
kết hợp trong quy trình mô hình hoá theo 2 pha.
Trong pha đầu tiên, mô hình (1.28) được ước tính bằng phương pháp OLS
đơn giản theo dạng tuyến tính.
t 1 t 2 t 3 t t
E = A + A P + A M1 + A TEMP + z
(1.38)
với
t
z
= dạng sai số.
Các sai số mô hình được phân tích cho các mẫu hệ thống của hộ trong pha
thứ hai và được sử dụng để nâng cao hiệu năng hoạt động của mô hình. Sai số của
(3.38) trong tháng t được xác định theo công thức:

t t t t 1 t 2 t 3 t
ˆ
z = E E = E A A P A M1 A TEMP− − − − −
(1.39)
với
t
ˆ
E
- nhu cầu điện năng dự tính.
Tương tự, sai số trong tháng t-1 là:
t 1 t 1 t 1 t 1 1 t 1 2 t 1 3 t 1
ˆ
z = E E = E A A P A M1 A TEMP
− − − − − − −
− − − − −
(1.40)
và sự khác nhau về sai số giữa hai tháng có thể xác định bằng:
( ) ( )
t t t 1 t t 1 t 1 1 t t 1 2 t t 1
ˆ
z = z z = E E = E A P P A M1 M1
− − − − −
∆ − − − − − −
( )
3 t t 1
A TEMP TEMP
−
− −
hoặc
t t 1 t 2 t 3 t

z = E A P A M1 A TEMP∆ ∆ − ∆ − ∆ − ∆
(1.41)
Campbell và Perron đã đề xuất ba cách để xác định đặc điểm cho
t
z∆
.
Cách tiếp cận thứ nhất là:
j
t t 1 i t i t
i=1
z = az + b z +ε
− −
∆ ∆
∑
(1.42)
Số lượng trễ trong (3.42) được xác định bởi các tiêu chí tương quan. Số trễ
được lựa chọn là số loại bỏ tương quan giữa các dạng sai số do đó dạng sai số còn
lại
t
ε
hoàn toàn ngẫu nhiên với giá trị dự tính là 0.
Trong cách tiếp cận thứ hai, thêm vào một hàm (1.42) dưới dạng:
Nguyễn Văn Duy – Lớp Đ1 QLNL 18
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
j
t t 1 i t i t
i=1
z = C + az + b z +ε
− −
∆ ∆

∑
(1.43)
Trong cách tiếp cận thứ ba, một hướng thời gian được thêm vào để nắm bắt
các tác động của các biến xu hướng tiềm ẩn.
j
t t 1 i t i t
i=1
z = C + az + b z + ct +ε
− −
∆ ∆
∑
(1.44)
Silk và Frederick đã đề xuất một phép thử để chọn ra đặc điểm của mô hình
giữa (3.41) - (3.43). Với Thái Lan, phép thử Silk và Frederick sẽ không áp dụng để
lựa chọn đặc điểm mô hình. Thay vào đó, lựa chọn mô hình sử dụng kỹ thuật BJ và
EC theo trình tự sau. Từ đặc điểm mô hình tổng quát:
j
t 1 t 2 t 3 t i t i t
i=1
E = A + A P + A M1 + A Temp + b E + z
−
∑
(1.45)
với
j
t t t i t i t
i=1
ˆ
z = E E + g z +ε
−

−
∑

(1.46)
Ba thành phần giải thích các biến trong
t
E
là: Thứ nhất bao gồm các biến
ngoại suy
t
P
,
t
M1
, và
t
Temp
. Dạng tự hồi quy
j
i t i
i=1
b E
−
∑
là yếu tố thứ hai và dạng sửa
sai số
t
z
là yếu tố thứ 3 của mô hìn h.
f. Dự báo nhu cầu điện năng tại Việt Nam dùng phương pháp hồi quy

Việt Nam đã sử dụng phương pháp hồi quy để dự báo nhu cầu điện năng
trong Quy hoạch phát triển điện lực quốc gia giai đoạn 2006 – 2015 có xét đến 2025
(TSĐ6) và được gọi là phương pháp đa hồi quy (Simple – E). Phương pháp này
được các nhà nghiên cứu Nhật Bản giới thiệu, Viện Năng lượng đã triển khai là một
trong những phương pháp được lựa chọn để dự báo nhu cầu điện năng trong TSĐ6.
Nhu cầu điện năng được dự báo theo các ngành công nghiệp, nông nghiệp, thương
mại - dịch vụ, dân dụng và ngành khác trên phạm vi toàn quốc. Các hàm hồi quy
biểu thị mối tương quan giữa tiêu thụ điện năng của ngành trong quá khứ với các
biến phụ thuộc. Nhu cầu điện năng toàn quốc bằng tổng nhu cầu điện năng các
ngành.
1.5.3 Phương pháp dự báo sử dụng mô hình đa hồi quy ở Việt Nam
a) Phân tích hồi quy giải quyết các vấn đề sau:
Nguyễn Văn Duy – Lớp Đ1 QLNL 19
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
• Ước lượng giá trị trung bình của biến phụ thuộc với giá trị đã cho của biến
độc lập.
• Kiểm định giả thiết về bản chất của sự phụ thuộc.
• Dự đoán giá trị trung bình của biến phụ thuộc khi biết giá trị của các biến
phụ thuộc.
Phương pháp hồi quy là cách tiếp cận về kỹ thuật dự báo khá phức tạp và có
độ chính xác cao. Cụ thể trong đồ án là nhu cầu điện quá khứ được đặt trong mối
tương quan với các biến là giá điện, thu nhập, dân số… Các kết quả dự báo sau này
được tính toán dựa trên sự tăng trưởng dự báo của các biến này.
b) Bản chất và nguồn số liệu phân tích cho hồi quy:
Thành công trong bất cứ một sự phân tích kinh tế nào đều phụ thuộc vào
việc sử dụng các số liệu thích hợp và phương pháp xử lý các số liệu đó. Có ba loại
số liệu: số liệu theo chuỗi thời gian, số liệu chéo và số liệu hỗn hợp của 2 loại trên:
• Các số liệu theo thời gian: là các số liệu được thu thập trong một thời kỳ, một
khoảng thời gian nhất định. Ví dụ như các số liệu về GDP, giá điện, dân số hay giá
trị sản xuất

• Các số liệu chéo: là các số liệu về một hoặc nhiều biến được thu thập tại một
thời điểm ở nhiều địa phương, đơn vị khác nhau.
• Các số liệu hỗn hợp theo không gian và thời gian. Ví dụ như các số liệu về
giá USD hàng ngày ở Hà Nội, Hải Phòng, Huế…
Các số liệu thường được các cơ quan nhà nước, các tổ chức quốc tế, các công
ty tư nhân hay cá nhân thu thập. Chúng có thể là số liệu thực nghiệm hoặc không
thực nghiệm. Tuy nhiên trong thực tế các số liệu không phải do thực nghiệm mà có,
các số liệu về GDP, số người thất nghiệp, giá cổ phiếu nằm dưới sự kiểm soát của
các kỹ thuật viên, thường thì chất lượng của số liệu bị ảnh hưởng của các nguyên
nhân sau:
• Các số liệu thu thập phi thực nghiệm thường có sai số quan sát, bỏ sót quan
sát hoặc cả hai.
• Sai số trong phép đo.
• Các số liệu thường được tổng hợp ở mức cao không cho phép đi sâu vào
từng đơn vị nhỏ.
Nguyễn Văn Duy – Lớp Đ1 QLNL 20
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
• Một số các số liệu thuộc bí mật quốc gia nên không phải ai cũng sử dụng
được.
Ta có thể thấy rằng phương pháp hồi quy có ưu điểm là xét đến tác động của
các yếu tố tới tiêu thụ điện trong thực tế như giá điện, dân số và thu nhập. Kết quả
có độ chính xác cao nó bắt kịp được sự chuyển đổi cấu trúc tăng trưởng về nhu cầu.
Tuy nhiên phương pháp hồi quy cũng có nhiều hạn chế:
• Cơ sở dữ liệu thường không đầy đủ để tạo nên ước tính hồi quy có thể chấp
nhận được.
• Cần được cung cáp dữ liệu xác thực về tiêu dùng năng lượng, giá, GDP.
• Chưa xét đến chi phí, mức độ sẵn có, tuổi thọ và khả năng thay thế các thiết
bị sử dụng điện và các dạng năng lượng khác nhau.
1.5.3.1 Phương pháp luận nghiên cứu hàm hồi quy:
Quá trình phân tích kinh tế hàm hồi quy được tiến hành theo các bước:

• Nêu ra các giả thiết hay giả thuyết về các mối quan hệ giữa các biến kinh tế.
Chẳng hạn kinh tế vĩ mô khẳng định rằng mức tiêu dùng của các hộ gia đình phụ
thuộc theo quan hệ cùng chiều với thu nhập khả dụng của họ.
• Thiết lập các mô hình toán học để mô tả mối quan hệ giữa các biến số này:
Ví dụ: Hàm tuyến tính
Y= β
1
+ β
2
* X + u
Trong đó Y chi tiêu cho tiêu dùng của một hộ gia đình
X: thu nhập khả dụng của hộ gia đình
βi: Hệ số chặn và hệ số góc
U: yếu tố ngẫu nhiên
Sự tồn tại của các yếu tố ngẫu nhiên bắt nguồn từ mối quan hệ giữa các yếu
tố kinh tế nói chung là không chính xác
• Thu thập số liệu: để ước lượng các tham số của mô hình, cần phải thu thập số
liệu.
Nguyễn Văn Duy – Lớp Đ1 QLNL 21
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
• Ước lượng các tham số của mô hình nhằm nhận được số đo về mức ảnh
hưởng của các yếu tố với các số liệu hiện có. Các ước lượng này là các kiểm định
thực nghiệm cho các lý thuyết kinh tế.
• Phân tích kết quả dựa trên lý thuyết kinh tế để phân tích đánh giá kết quả
nhận được. Xét xem các kết quả nhận được có phù hợp với lý thuyết kinh tế không,
kiểm định các giả thiết thống kê về các ước lượng nhận được trong mô hình, nếu
ước lượng của β2 là số dương và nhỏ hơn 1 thì ước lượng này là hợp lý về mặt lý
thuyết, trường hợp ngược lại thì không phù hợp. Khi đó cần tìm ra một mô hình
đúng.
• Dự báo: Nếu như mô hình phù hợp với lý thuyết kinh tế thì có thể sử dụng

mô hình để dự báo. Dự báo là giá trị trung bình hoặc dự báo cá biệt.
• Sử dụng mô hình để đề ra chính sách
1.5.3.2 Xây dựng hàm hồi quy:
Nguyễn Văn Duy – Lớp Đ1 QLNL 22
Nêu ra giả thiết
Thiết lập mô hình
toán học
Thu thập số liệu
Phân tích kết quả
Dự báo
Ra quyết định
Ước lượng tham
số
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Có nhiều dạng hàm được sử dụng để dự báo nhu cầu điện, có thể là hàm
tuyến tính thông thường hay là các dạng hàm phức tạp hơn như: hàm xu thế bình
phương, hàm mũ. Xu thế chung là tuyến tính hóa các hàm phức tạp này và giải nó
bằng phương pháp bình phương cực tiểu.
Trong mô hình, ta chỉ sử dụng 2 dạng hàm là hàm tuyến tính và hàm Cobs-
Douglas
Hàm xu thế tuyến tính:
Giả sử sự phát triển của nhu cầu điện có thể được miêu tả bằng hàm có xu
thế tuyến tính Y= a + b*X
1
+ c*X
2
+ d*X
3
+…+ X
n

.
Các tham số a,b,c… được xác định bằng phương pháp bình phương cực tiểu.
Khi đó giá trị dự báo của hàm được xác định trên cơ sở tính toán các giá trị của X1,
X2, X3… trong tương lai. Đây là dạng hàm hay dùng bởi tính hiệu quả và đơn giản
của nó và nó cũng là dạng biểu diễn của các hàm phi tuyến khác.
Hàm Cobbs- Douglass có dạng:
1 2
. .
b c k
Y a x x nx=
Khi lấy Logarit Nepe cả hai vế trên ta được:
LnY= lna0 + b.lnX
1
+ c. lnX
2
+ …+ k.lnX
n
. (*)
Khi đó nếu ta đặt : LnY= Q, lna0 = a và lnxi = Xi như vậy hàm Cobbs-
Douglass sẽ có dạng tuyến tính:
Q= a + b*X
1
+ c*X
2
+…+ k.X
n
.
Hai dạng hàm này được giải theo phương pháp bình phương cực tiểu.Tuy
nhiên, hiện nay do sự phát triển của khoa học công nghệ, đặc biệt là công nghệ
thông tin mà có rất nhiều phần mềm cho phép giải quyết vấn đề này. Có rất nhiều

phần mềm kinh tế khác nhau đã được soạn thảo để trợ giúp việc tính toán và phân
tích. Các phần êu biểu là EVIEWS, SPSS, SIMPLE-E, … Tùy theo mục đích sử
dụng mà lựa chọn phần mềm cho thích hợp. Kết quả đưa ra của các phần mềm trên
là khá giống nhau do vậy trong khuôn khổ bài này ta chỉ chọn phần mềm EVIEWS
để tiến hành tính toán.
Nội dung của phương pháp này là nghiên cứu mối tương quan giữa điện
năng tiêu thụ A và các tham số kinh tế X nào đó nhằm phát hiện những quan hệ về
mặt định lượng của các đại lượng này. Khác với phương pháp ngoại suy, ở đây
người ta không xây dựng hàm hồi quy của lượng điện năng theo thời gian mà là
hàm hồi quy giữa điện năng với một đại lượng kinh tế khác cùng tồn tại theo thời
Nguyễn Văn Duy – Lớp Đ1 QLNL 23
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
gian. Để xây dựng hàm này ta dựa vào bảng các giá trị quan sát về lượng điện năng
tiêu thụ và tham số kinh tế X nào đó (chẳng hạn như tốc độ tăng trưởng GDP của
nền kinh tế quốc dân), thiết lập hàm hồi quy A = f(X) theo phương pháp thống kê
thông dụng.
Cũng như phương pháp ngoại suy, hàm hồi quy ở đây có thể là tuyến tính
hoặc phi tuyến. Thông số X của hàm hồi quy phải là đại lượng dễ dàng xác định
hoặc là đã biết ở thời điểm dự báo. Sau đó dựa vào hàm hồi quy vừa thiết lập, ứng
với giá trị của tham số kinh tế đã biết đề xác định giá trị điện năng ở năm dự báo.
1.5.3.3 Các hiện tượng có thể gặp trong quá trình dự báo mô hình.
A). Hiện tượng đa cộng tuyến
Các biến giải thích được xác định trong một mô hình kinh tế lượng xuất phát
từ lý thuyết hoặc hiểu biết căn bản về các công việc mà chúng ta đang cố gắng thiết
kế mô hình, cũng như từ kinh nghiệm quá khứ. Dự liệu về các biến này đặc biệt
xuất phát từ những thực nghiệm không kiểm soát và thường tuơng quan với nhau.
Điều này đặc biệt đúng với các biến thời gian thường có xu hướng tiềm ẩn thông
thường. Ví dụ, dân số và tổng sản phẩm thu nhập quốc nội là hai chuỗi dữ liệu
tương quan chặt chẽ lẫn nhau.
Có hai loại đa cộng tuyến:

A1. Đa cộng tuyến chính xác
Nếu hai hoặc nhiều hơn hai biến độc lập có quan hệ tuyến tính giữa
hai hoặc giữa nhiều biến, chúng ta có đa cộng tuyến chính xác hoặc hoàn hảo. Ở
đây ví dụ 3 biến X1, X2, X3 trong đó X1 phụ thuộc vào cả hai biến X2 và X3
A2. Gần đa cộng tuyến
Khi các biến giải thích tương quan gần như tuyến tính, các phương trình
chuẩn có thể thường được giải để có những ước lượng duy nhất. Trong trường hợp
này ví dụ ba biến X1, X2, X3 trong đó X1 chỉ phụ thuộc vào X2 hoặc X3.
Hậu quả của đa cộng tuyến:
• Khi có hiện tượng đa cộng tuyến trong mô hình, chúng ta có thể sẽ gặp phải
những hậu quả sau:
• Sai số chuẩn của các hệ số hồi quy lớn, làm cho khoảng tin cậy lớn và thống
kê t ít ý nghĩa và khi đó các ước lượng không thật chính xác. Chúng ta dễ đi đến
Nguyễn Văn Duy – Lớp Đ1 QLNL 24
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
không có cơ sở bác bỏ giả thuyết “ không ” nhưng trong thực tế không đúng như
vậy. Hay có thể nói có sẽ làm cho chúng ta không xác định đúng tác động của mỗi
biến độc lập đến biến phụ thuộc, thậm chí các hệ số hồi quy ước lượng sai dấu.
• Các mẫu ngẫu nhiên khác nhau ít nhưng có thể cho kết quả ước lượng khác
nhau nhiều, do Var (
β
ˆ
j) quá lớn.
Nhưng trong việc dự báo thì hiện tượng đa cộng tuyến chúng ta có thể bỏ
qua và vẫn chấp nhận hiện ượng này trong việc dự báo.
B). Hiện tượng tương quan chuỗi.
Thông thường, nếu biến phụ thuộc có tương quan với một biến độc lập được
chọn, thì biến độc lập là biến dự báo tốt, nhưng nếu các biến độc lập có tương quan
với nhau sẽ khiến mô hình trở nên nhạy cảm hơn với các tính chất lạ thường của
mẫu, cụ thể là dễ có nguy cơ rơi vào tình trạng quá khớp và hạn chế khả năng tổng

quát hoá của mô hình (điều này cũng tương tự như hiện tượng đa cộng tuyến khi ta
dùng hồi quy tuyến tính). Vì vậy, nếu muốn thêm biến độc lập vào mô hình, thì biến
ấy phải có tương quan với biến phụ thuộc nhưng không (hoặc ít) tương quan với các
biến độc lập trước đó. Phương pháp cơ bản là ta bắt đầu với biến có tính dự báo
nhiều nhất rồi chọn các biến bổ sung để góp phần làm tăng tính dự báo.
1.5. 4 Sử dụng phần mềm Eviews để dự báo nhu cầu điện cho Quốc Gia.
1.5.4.1 Giới thiệu về phần mềm Eviews
Phần mềm Eviews là phần mềm dự báo dựa trên cơ sở lý thuyết của môn “
Kinh tế lượng ”. Các bước chạy mô hình dự báo trên phần mềm được mô tả như
sau:
Bước 1: Thu thập số liệu đầy đủ được thể hiện trong bảng excel.
Số liệu bao gồm các biến phụ thuộc từ các năm trong quá khứ đến năm cần
dự báo.Ví dụ: GDP từ năm 2005 đến năm 2020_năm hiện tại là năm 2010.
Số liệu biến độc lập (biến cần dự báo), số liệu thu thập các năm trong quá
khứ đến hiện tại.
Nguyễn Văn Duy – Lớp Đ1 QLNL 25