Nghiên cứu và xây dựng đô thị dự báo phụ tải cụm dân cư bằng phương pháp bottom up

1

CHƢƠNG 1: MỞ ĐẦU

1. GIỚI THIỆU
1.1 Tính cấp thiết của đề tài:
Trong những năm vừa qua, cùng với tốc độ tăng trưởng GDP trung bình hàng
năm đạt khoảng 7,5%, nhu cầu năng lượng và điện năng tiếp tục tăng với tốc độ
tương ứng là 10,5% và 15%. Theo dự báo của các chuyên gia kinh tế và năng
lượng, tốc độ tăng GDP, nhu cầu năng lượng và điện năng sẽ tiếp tục duy trì ở
mức độ cao, do đó trong những năm tới nhu cầu thiếu điện để phát triển kinh tế
- xã hội là điều không tránh khỏi.
Cũng theo dự báo, nhu cầu điện sản xuất theo phương án cơ sở, trong giai đoạn
2001 – 2020 tăng trưởng trung bình GDP 7,1 – 7,2%, thì chúng ta cần tới 201 tỷ
kWh và 327 tỷ kWh vào năm 2030. Trong khi đó, khả năng huy động tối đa các
các nguồn năng lượng nội địa của nước ta tương ứng 165 tỷ kWh vào năm 2020
và 208 tỷ kWh vào năm 2030, thiếu gần 119 tỷ kWh. Xu hướng gia tăng sự
thiếu hụt nguồn điện trong nước sẽ càng gay gắt và sẽ tiếp tục kéo dài trong
những năm tới.
Với nhu cầu điện trong tương lai, để đáp ứng được nhu cầu phụ tải hàng năm
tăng như trên, đòi hỏi ngành điện phải có sự đầu tư thỏa đáng. EVN phải đề
nghị chính phủ ưu tiên bố trí vốn ưu đãi từ các quỹ hỗ trợ phát triển, vốn ODA
và các nguồn vay song phương của nước ngoài để đầu tư các công trình trọng
điểm của quốc gia, kết hợp chặt chẽ với các địa phương trong việc sử dụng có
hiệu quả các nguồn vốn hỗ trợ từ ngân sách cho các dự án điện khí hóa nông
thôn, miền núi, hải đảo. . . . Để giảm sức ép tài chính và đáp ứng nhu cầu sử
2

dụng điện để phát triển kinh tế xã hội, ngành điện đang tập trung nghiên cứu tìm
giải pháp hữu hiệu. Một trong những giải pháp đó là sử dụng hợp lý và tiết kiệm
điện năng trong gia dụng.

Đối với công tác xây dựng đồ thị dự báo phụ tải điện năng, kết quả dự báo
không chính xác, sai lệch quá nhiều về khả năng cung cấp hoặc về nhu cầu điện
năng sẽ dẫn đến hậu quả không tốt cho nền kinh tế. Nếu ta dự báo phụ tải quá
thừa so với nhu cầu sử dụng thì hậu quả là phải huy động nguồn lớn hơn mức
cần thiết dẫn đến tăng vốn đầu tư. Ngược lại nếu dự báo phụ tải quá thấp so với
nhu cầu thì sẽ không đáp ứng được nhu cầu cho các hộ tiêu thụ điện và làm thiệt
hại cho nền kinh tế quốc dân, ảnh hưởng đến đời sống và sinh hoạt của nhân
dân.
1.2 Mục đích của đề tài:

Lựa chọn được các giải pháp hợp lý nhằm xây dựng biểu đồ dự báo phụ tải.
Muốn thực hiện được việc này đòi hỏi phải phân tích được cơ cấu thành phần
phụ tải đặc biệt là phụ tải tổng trong đồ thị phụ tải. Ở đây sẽ trình bày phương
pháp phân tích cơ cấu phụ tải dựa trên cơ sở những đặc trưng của các đồ thị phụ
tải thành phần. Phân tích được cơ cấu thành phần phụ tải tổng trong đồ thị phụ
tải của hệ thống từ đó đánh giá ảnh hưởng của các chương trình quản lý nhu cầu
điện trong quy hoạch phát triển điện lực.
Trong điều kiện thiếu thông tin về phụ tải điện (PTĐ), để phân tích cơ cấu thành
phần phụ tải đỉnh trong ĐTPT, người ta thường sử dụng các phương pháp: “So
sánh đối chiếu” hoặc “ Thống kê, điều tra, đo đạc trực tiếp” tại các nút phụ tải
của HTĐ. Tuy nhiên, độ tin cậy của những kết quả nhận được cũng rất hạn chế.
3

Ở đây sẽ trình bày phương pháp phân tích cơ cấu phụ tải dựa trên cơ sở những
đặc trưng của PTĐ. Phân tích được cơ cấu thành phần phụ tải tổng trong đồ thị
phụ tải của hệ thống từ đó đánh giá ảnh hưởng của các chương trình quản lý nhu
cầu điện trong quy hoạch phát triển điện lực.
Mục tiêu của đề tài là đề xuất phương pháp xây dựng các biễu đồ dự báo phụ
tải cho khu vực dân dụng bằng phương pháp bottom up có tính đến các yếu tố
ngẫu nhiên như yếu tố xã hội ,yếu tố thời gian cũng như yếu tố thời tiết. Đề tài

sẽ khảo sát phương pháp xây dựng đồ thị dự báo phụ tải sử dụng phương pháp
bottom up, trình bày tính năng làm việc của phương pháp bottom up và sau đó là
phát triển trong phần mềm MATLAB. kiểm tra tính chính xác và ứng dụng
vào thực tế.
1.3 Đối tƣợng nghiên cứu và phƣơng pháp nghiên cứu:
1.3.1 Đối tƣợng nghiên cứu:

Các mô hình và phương pháp xây dựng đồ thị dự báo phụ tải .
Đối tượng nghiên cứu là các khách hàng sử dụng điện trong khu chung cư
Thành Mỹ Lợi.
1.3.2 Phƣơng pháp nghiên cứu:

Nghiên cứu lý thuyết dự báo phụ tải ngắn hạn.
Nghiên cứu sự ảnh hưởng của nhiệt độ, lịch làm việc (ngày nghỉ, ngày lễ) đến
nhu cầu phụ tải.
Nghiên cứu đặc điểm các phụ tải dân dụng. xây dựng chương trình dự báo phụ
tải ngắn hạn cho phụ tải dân dụng trong mô phỏng matlab.
4

Thu thập dữ liệu vận hành làm nguồn dữ liệu: phụ tải 24h trong ngày của
khu chung cư thành mỹ lợi. Đây chính là dữ liệu của đối tượng nghiên cứu.
Từ đó tìm hiểu và phân tích diễn biến của đối tượng nghiên cứu.
1.4 Ý nghĩa khoa học và thực tiễn của đề tài:

Việc xây dựng biểu đồ dự báo phụ tải dân dụng phụ thuộc vào nhiều yếu tố
ngẫu nhiên rất khó xác định nên luận văn này đề xuất phương pháp bottom up
Nghiên cứu biểu đồ dự báo của các thành phần phụ tải dân dụng tham gia vào
phụ tải tổng để phục vụ công tác quy hoạch phát triển trong tương lai . Dữ liệu
tải dân dụng là rất quan trọng cho kế hoạch phân phối lưới điện và tối ưu năng
lực sản xuất nghành điện nói riêng cũng như về mặt nhà nước nói chung. Vấn đề

này cũng hữu ích cho lập kế hoạch mạng lưới điện áp trung bình và thấp trong
khu dân cư. Từ đó đưa ra các đề xuất giảm phụ tải đỉnh nhằm giảm chi phí đầu
tư nguồn và lưới điện mà vẫn đảm bảo độ tin cậy cung cấp điện.
1.5 TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU
1.5.1 GIỚI THIỆU TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI

Mục tiêu chính của dự báo phụ tải ngắn hạn (STLF) là cung cấp một dự báo
phụ tải cho các chức năng lập biểu đồ phát điện cơ bản, cho việc đánh giá mức
độ an toàn của vận hành hệ thống, và cung cấp thông tin đúng lúc cho người
điều độ. Người ta nhận thức rằng STLF giữ một vai trò quan trọng trong các hệ
thống điện độc quyền truyền thống.
Các mô hình dự báo khác nhau đã được dùng trong các hệ thống điện để đạt
được độ chính xác dự báo. Nằm trong số các mô hình là các phương pháp hồi
quy, phương pháp thống kê và phương pháp không gian trạng thái. Bên cạnh
5

đó, các thuât toán dựa vào trí tuệ nhân tạo đã được đưa vào dựa trên hệ thống
chuyên gia, lập trình tiến hoá, hệ thống mờ, phương pháp bottom up.
Trong số các thuật toán này, bottom up đã nhận được nhiều sự quan tâm vì là
một mô hình rõ ràng, dễ thực hiện và hiệu quả tốt.
1.5.2 TỔNG QUAN VỀ PHƢƠNG PHÁP BOTTOM UP
1.5.2.1 GIỚI THIỆU PHƢƠNG PHÁP BOTTOM UP
Việc xây dựng biểu đồ phụ tải gia dụng khu dân cư là một nhiệm vụ rất phức
tạp, bởi vì sử dụng điện năng của các hộ gia đình được gắn liền với yếu tố tâm
lý liên quan đến lối sống, thói quen hằng ngày. tất nhiên, vô cùng chủ quan và
không dễ dàng xác định với bất kỳ mức độ chính xác .
Phương pháp bottom up cần tính toán của tất cả các thiết bị, bằng cách tiếp cận
tổng hợp dạng tải dựa trên hai mức sau đây [4]:
Mức 1: tập hợp những nhu cầu sử dụng thiết bị cá nhân để tạo một hồ sơ
tiêu thụ điện cho hộ gia đình.

Mức 2: tập hợp các dạng tải của các hộ gia đình khác nhau để lấy được
hồ sơ tiêu thụ cho cụm dân cư.
Trong phương pháp bottom up đã xem xét những bản chất khía cạnh tâm lý và
hành vi có liên quan. Điều này đạt được thông qua các quy tắc logic, thực hiện
trong một quy trình tự động, do đó cho phép định lượng mối tương quan giữa
các yếu tố khác nhau mà tạo thành cơ sở quan trọng của việc sử dụng năng
lượng của khách hàng dân cư.
Các thành phần cơ bản khách hàng dân cư đã được xác định là:
* Thiết bị
6

* thành viên hộ gia đình
Sự kết hợp của các thành phần cơ bản tạo ra một thành phần cơ bản của cụm
dân cư gọi là "hộ gia đình".
Nói cách khác, nó được coi là một biễu đồ hình dạng tải được xác định chủ yếu
bởi các mối tương quan giữa các thiết bị và các thành viên của hộ gia đình. Tuy
nhiên mối tương quan như vậy có thể tạo ra kết quả biễu đồ khác nhau, tùy
thuộc vào khu vực địa lý và các loại hộ gia đình. Các hoạt động trung bình của
các thành viên trong gia đình cụ thể khác nhau ở nhà vào những thời điểm nhất
định trong ngày.
Các chức năng giới thiệu (thường loại xác suất) có thể được tóm tắt như sau:
chức năng hành vi
 Khả năng hiện diện ở nhà của từng thành viên trong gia đình: một biểu
đồ giá trị phần trăm với khoảng thời gian khác nhau trong ngày. Chức
năng này đề cập đến các sự kiện quan trọng như đi ra ngoài để học / làm
việc, về nhà, bữa ăn và ngủ.
 hoạt động hộ gia đình: các hoạt động khác nhau liên quan đến việc sử
dụng năng lượng điện của các thành viên được chia theo bốn mục chính:
công việc gia đình, vệ sinh, nấu ăn và giải trí. Tỷ lệ xác suất của phân
phối trong ngày được đưa ra.

 Khả năng sử dụng thiết bị: xác suất sử dụng thiết bị trong một hộ gia
đình được phân bố phần trăm sử dụng trong ngày.
 Khuynh hướng hoạt động của các thành viên: mỗi thành viên được gán tỷ
lệ phần trăm khả năng thực hiện các hoạt động của hộ gia đình.
7

 Nguồn nhân lực: mỗi thành viên được phân công một loạt các nguồn tài
nguyên như mắt, tai và bàn tay được thể hiện biểu tượng về tỷ lệ phần
trăm. Các giá trị tiếp theo là hữu ích để định lượng khả năng của mỗi
thành viên sử dụng nhiều hơn một thiết bị cùng một lúc .
 Thiết bị sở hữu: từng loại hộ gia đình được gán một tham số chỉ định của
một tập hợp các thiết bị có sẵn. Tham số này phụ thuộc vào một số tính
năng mà là đặc trưng của các loại hộ gia đình, chẳng hạn như thu nhập
giả định, số lượng thành viên, đặc điểm kinh tế xã hội của khu vực …vv.
chức năng kỹ thuật
 Chế độ hoạt động thiết bị :
 Chu kỳ hoặc thời gian kích hoạt.
 Công suất (tùy thuộc vào loại, kích thước)
 Tiêu thụ trung bình hàng năm
Trong phương pháp bottom up xây dựng các biểu đồ phụ tải của hộ gia đình do
đó nảy sinh ngẩu nhiên từ mỗi thành viên của hộ gia đình kích hoạt một hoặc
nhiều các thiết bị hiện tại trong nhà.



8


Hình 1.1: tổng quan về phương pháp bottom up.
1.5.3 Tổng quan tình hình nghiên cứu

1.5.3.1 Tình hình nghiên cứu trên thế giới

Ngày nay, để xây dựng biểu đồ dự báo phụ tải các nước trên thế giới nói chung
cũng như Việt Nam nói riêng đã đưa ra nhiều giải pháp để sử dụng điện hiệu
quả.
Trên thế giới đã thực hiện thống kê các số liệu và biễu đồ dự báo phụ tải theo
bản chất ngẫu nhiên tiêu thụ được tạo ra bằng cách sử dụng quá trình ngẫu nhiên
và các chức năng phân phối xác suất. Ở phần lan Jukka V. Paatero and Peter D.
Lund đã xây dựng biểu đồ theo giờ trong tổng số hộ gia đình 702 trong 365
9

ngày trong năm 2002 áp dụng trong việc phân tích các bản chất ngẫu nhiên của
dữ liệu, cung cấp số lượng tăng lên của các hộ gia đình cho các thống kê tốt
hơn. Ở ý (Capasso và cộng sự, 1994) cũng trình bày phương pháp bottom up
cho khu dân cư trong đó trình bày Một số chức năng xác suất bao gồm các mối
quan hệ chặt chẽ tồn tại giữa nhu cầu của khách hàng dân cư và các yếu tố tâm
lý và hành vi điển hình của các hộ gia đình. tiêu thụ ban ngày trung bình trong
ngày làm việc thường là thấp hơn so với những ngày cuối tuần, và trong buổi tối
tiêu thụ có phần cao hơn so với các buổi tối cuối tuần. báo cáo kết quả so sánh
giữa ghi nhận và dự đoán biểu đồ tải, từ đó rút ra ưu điểm và khuyết điểm của
phương pháp.
Ngoài ra còn nhiều nước khác áp dụng phương pháp bottom up như nhật bản
(Kiichiro Tsuji, Fuminori Sano, Tsuyoshi Ueno and Osamu Saeki, từ 1998 đến
2002), Thụy sỹ (C.F. Walker, J.L. Pokoski, 1985) .v.v.
1.5.3.2. Tình hình nghiên cứu trong nƣớc

Sự phát triển của một các phương pháp để dự báo phụ tải ngắn hạn sử dụng như:
phương pháp tính trực tiếp, phương pháp so sánh đối chiếu, mạng neural nhân
tạo,.v.v Phương pháp neural đã được xác nhận trên một tập dữ liệu thực tế có
thể dự báo sự phát triển của đường cong tải tiêu thụ điện theo giờ, ví dụ như

năm 2005 tại Hà Nội với độ chính xác gần 97%. Phương pháp neural nhân tạo
có thể được sử dụng như mô hình phi tham số của dự báo phụ tải.
Phương pháp bottom up tuy đã được nghiên cứu ứng dụng nhiều trên thế
giới, nhưng vẫn còn khá mới mẻ ở Việt Nam. Thực tế hiện nay có rất ít công ty
10

điện lực cũng như các công ty thiết kế tiến hành dự báo phụ tải một cách
nghiêm túc, khoa học.





















11

CHƢƠNG 2: TỔNG QUAN DỰ BÁO PHỤ TẢI
2.1 GIỚI THIỆU
Dự báo nhu cầu tiêu thụ điện là bài toán hết sức cần thiết trong quá trình
vận hành, quy hoạch, phát triển, điều khiển tối ưu chế độ mạng điện v.v… Hầu hết
các bài toán dự báo phụ tải đều dựa trên cơ sở các mô hình toán học hoặc các mô
hình thực nghiệm nhằm tìm ra các quy luật biến đổi của phụ tải điện trong chu kỳ
xét. Kinh nghiệm thực tế cho thấy không có phương pháp dự báo chung cho mọi
quá trình. Mỗi quá trình, mỗi ngành sản xuất có những đặc điểm riêng biệt, đồng
thời ở mỗi lĩnh vực lại có những nét chung mà có thể sử dụng làm cơ sở cho việc
thiết lập các mô hình dự báo. Việc phân tích, đánh giá các phương pháp dự báo
nhu cầu phụ tải nhằm tìm ra những nét chung, nét riêng để có thể áp dụng cho
những điều kiện cụ thể là vấn đề hết sức cấp thiết đối với sự phát triển mạng điện
nước ta, đặc biệt trong bối cảnh các ngành kinh tế ở Việt Nam đang có những biến
chuyển lớn.
Dự báo là một khoa học quan trọng, nhằm mục đích nghiên cứu những
phương pháp luận khoa học, làm cơ sở cho việc đề xuất các dự báo cụ thể cũng
như việc đánh giá mức độ tin cậy, mức độ chính xác của các phương pháp dự báo
– nếu dự báo sai lệch quá nhiều về khả năng cung cấp và nhu cầu năng lượng sẽ
dẫn đến hậu quả không tốt cho nền kinh tế. Nếu dự báo quá thừa về nguồn sẽ huy
động nguồn quá lớn làm tăng vốn đầu tư dẫn đến lãng phí vốn đầu tư và không
khai thác hết công suất thiết bị và ngược lại nếu dự báo thiếu công suất nguồn sẽ
12

dẫn đến cung cấp điện không đủ cho nhu cầu phụ tải, giảm độ tin cậy cung cấp
điện gây thiệt hại cho nền kinh tế quốc dân.
Mục tiêu chính của dự báo phụ tải là cung cấp một dự báo phụ tải cho
các chức năng lập biểu đồ phát điện cơ bản, cho việc đánh giá mức độ an toàn
của vận hành hệ thống, và cung cấp thông tin đúng lúc cho người điều độ.
Người ta nhận thức rằng dự báo phụ tải giữ một vai trò quan trọng trong các hệ

thống điện độc quyền truyền thống.
Các mô hình dự báo khác nhau đã được dùng trong các hệ thống điện để
đạt được độ chính xác dự báo. Nằm trong số các mô hình là các phương pháp
hồi quy, phương pháp thống kê và phương pháp không gian trạng thái. Bên
cạnh đó, các thuât toán dựa vào trí tuệ nhân tạo đã được đưa vào dựa trên hệ
thống chuyên gia, lập trình tiến hoá, hệ thống mờ, phương pháp bottom up.
Trong số các thuật toán này, bottom up đã nhận được nhiều sự quan tâm vì là
một mô hình rõ ràng, dễ thực hiện và hiệu quả tốt.
2.2 PHÂN LOẠI DỰ BÁO
Để thiết lập một mô hình dự báo, cần thiết phải xác định các nhu cầu mà
chúng ta muốn trả lời. Theo đó có hai loại dự báo phụ tải phân biệt trong vận
hành và lập quy hoạch các hệ thống điện. Sự phân biệt này căn cứ vào thời gian
dự báo [8]:
 Dự báo dài hạn: Phạm vi dự báo bao gồm một giai đoạn từ 1-10 năm.
Khoảng thời gian này cần cho quy hoạch, xây dụng các nhà máy, các
đường dây truyền tải và phân phối điện.
13

 Dự báo trung hạn: Phạm vi dự báo trung hạn là một giai đoạn giữa 1
tháng và 1 năm. Loại dự báo này thường được dùng để xác định thiêt bị
và lưới điện sẽ lắt đặt hoặc thiết lập các hợp đông trong thị trường điện.
 Dự báo phụ tải ngắn hạn: được lập cho 1 giờ đến 168 giờ từ Kết quả dự
báo phụ tải ngắn hạn chủ yếu dùng cho các mục đích thiết lập biểu đồ
phát điện. Trong thời gian này, công ty điện phải biết kế hoạch kinh
doanh điện, kế hoạch bảo dưỡng hoặc kế hoạch điều khiển phụ tải để tối
thiểu hóa chi phí.
Tầm dự báo càng ngắn thì độ chính xác càng cao.
Các tầm ngắn sai số cho phép khoảng 5 ÷ 10%, tầm vừa và dài sai số cho phép
khoảng 10 ÷ 20%. Đối với một số dự báo tầm xa có tính chất chiến lược thì chỉ
nêu lên phương hướng phát triển chủ yếumà không yêu cầu xác định các chỉ tiêu

cụ thể.
Ngoài ra các dự báo ngắn hạn và dài hạn nêu trên, ta còn gặp dự báo điều độ,
tầm dự báo khoảng vài giờ, vài ngày, vài tuần phục vụ cho công tác vận hành
các xí nghiệp, các hệ thống điện, sai số cho phép khoảng 3 ÷ 5%.
2.3 CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN PHỤ TẢI
2.3.1 Các yếu tố kinh tế
Điều kiện kinh tế trong một khu vực có thể ảnh hưởng đến hình dạng đồ
thị phụ tải. Điều kiện này có thể bao gồm các vấn đề như loại khách hàng, các
điều kiện nhân khẩu học, các hoạt động công nghiệp, và dân số. Các điều kiện
này chủ yếu sẽ ảnh hưởng đến dự báo phụ tải dài hạn.
14

2.3.2 Các yếu tố thời gian
Bao gồm thời gian cả năm, các ngày trong tuần, và các giờ trong ngày.
Có sự khác biệt quan trọng trong phụ tải giữa ngày làm việc và ngày cuối tuần.
Phụ tải trên các ngày trong tuần cũng có thể khác nhau.
2.3.3 Các điều kiện thời tiết
Ảnh hưởng đến phụ tải .Trong thực tế, các tham số thời tiết được dự báo
là các yếu tố quan trọng nhất trong các dự báo phụ tải dự báo ngắn hạn.
2.3.4 Các nhiễu ngẫu nhiên
Các khách hàng công nghiệp lớn, như cán thép, có thể gây ra các thay
đổi phụ tải đột ngột. Ngoài ra, các hiện tượng và điều kiện nào đó có thể gây ra
các thay đỏi phụ tải đột ngột như cắt điện do tiết giảm hoặc sự ngừng hoạt động
của các khu công nghiệp do đình công, do khủng hoảng kinh tế.
2.3.5 Các yếu tố về giá
Trong các thị trường điện, giá điện, mà có thể thay đổi đột ngột và có thể
có một quan hệ phức tạp với tải của hệ thống, trở nên là một yếu tố quan trọng
trong dự báo phụ tải.
2.3.6 Các yếu tố khác
Hình dạng đồ thị phụ tải có thể khác nhau do các điều kiện địa lý. Ví dụ,

đồ thị phụ tải khu vực nông thôn thì khác so với khu vực đồ thị. Đồ thị phụ tải
cũng có thể phụ thuộc vào loại khách hàng. Chẳng hạn như đồ thị phụ tải dân cư
có thể khác so với các khách hàng thương mại và công nghiệp.
15

2.4 CÁC PHƢƠNG PHÁP DỰ BÁO
2.4.1 Phƣơng pháp tính hệ số vƣợt trƣớc
Phương pháp này cho biết khuynh hướng phát triển của nhu cầu tiêu thụ
năng so với nhịp độ phát triển của nền kinh tế quốc dân.
Ví dụ: trong khoảng thời gian 5 năm từ năm 1995 đến năm 2000, sản
lượng công nghiệp của thành phố đà nẵng từ 100 lên 150%, sản lượng điện năng
tiêu thụ cũng trong khoảng thời gian đó tăng 170%.
Như vậy hệ số vượt trước là:
K =


≈ 1.01

Dựa vào hệ số k ta xác định được điện năng tiêu thụ được ở năm dự báo.
Phương pháp này có nhiều sai số do những nguyên nhân sau:
- Suất tiêu hao điện năng ngày càng giảm (đối với một sản phẩm) do
công nghệ ngày càng cao và quản lí ngày càng tốt hơn.
- Điện năng ngày càng sử dụng nhiều trong ngành kinh tế và nhiều địa
phương.
- Cơ cấu kinh tế thường xuyên thay đổi.
2.4.2 Phƣơng pháp tính trực tiếp
Nội dung của phương pháp là xác định điện năng tiêu thụ của năm dự
báo dựa trên tổng sản lượng kinh tế của các ngành ở năm dự báo và suất tiêu
hao điện năng đối với từng loại sản phẩm, mức tiêu hao của từng hộ gia đình…
Phương pháp này được áp dụng ở các nước có nền kinh tế pháp triển ổn định,có

kế hoạch,không có khủng hoảng.
16

Ưu điểm của phương pháp là: tính toán đơn giản cho ta biết được tỉ lệ sử
dụng điện năng trong các ngành kinh tế như công nghiệp,nông nghiệp, dân
dụng, v.v… và xác định được nhu cầu điện năng ở từng địa phương (sử dụng
thuận tiện trong qui hoạch).
Nhược điểm: Mức độ chính xác phụ thuộc vào việc Thu thập số liệu của
các ngành, địa phương dự báo.
Phương pháp này dùng để dự báo tầm ngắn và tầm trung.
2.4.3 Phƣơng pháp ngoại suy theo thời gian
Phương pháp của nội dung là tìm quy luật pháp triển điện năng Theo thời gian
dựa vào số lượng thống kê trong một thời gian quá khứ tương đối ổn định, rồi
kéo dài quy luật đó ra để dự báo cho tương lai.
Ví dụ: Mô hình có dạng hình mũ sau:
At = A0 (1 + α) t (1-1)
Trong đó: α: tốc độ pháp triển bình quân hàng năm.
t: thời gian dự báo
A0: điện năng chọn ở năm làm gốc
At: điện năng dự báo ở năm thứ t




=









=   = C

Như vậy hàm mũ có ưu điểm là đơn giản, phản ánh chỉ số pháp triển
hàng năm không đổi. Có thể xác định hằng số C bằng cách lấy giá trị trung bình
nhân chỉ số pháp triển của nhiều năm.
C =







 (1- 2)
17


(C
i
: hệ số phát triển năm i; n : số năm quan sát)
Tổng quát mô hình dự báo có dạng:
A
t
= A
0
C
t

(1-3)
Lấy lôgarit 2 vế (1-3) ta được:
lgA
t
= lgA
0
+ t.lgC
Đặt y = lgA
t
; a = lgA
0
; b = lgC thì (1-3) có thể viết
y = a + bt (1-4)
Các hệ số a, b được xác định bằng phương pháp bình phương cực tiểu
Ưu điểm của phương pháp ngoại suy hàm mũ là đơn giản và có thể áp
dụng để dự báo điện năng tầm ngắn và tầm xa.
Khuyết điểm: kết quả chỉ chính xác nếu tương lai không nhiễu và quá
khứ phải tuân theo một quy luật (thường đối với hệ thống không ổn định, thiếu
nguồn thông tin quá khứ có nguồn thông tin không thật sẽ dẫn đến qui luật sai).
2.4.4 Phƣơng pháp hồi quy tƣơng quan
2.4.4.1 Phƣơng pháp luận
Phương pháp này nghiên cứu mối tương quan giữa các thành phần kinh tế, xã
hội nhằm phát hiện những quan hệ về mặt định lượng của các tham số dựa vào
thống kê toán học. Các mối tương quan đó giúp chúng ta xác dịnh được lượng
điện năng tiêu thụ. Có hai loại phương trình hồi quy được ứng dụng nhiều trong
hệ thống điện: phương trình tuyến tính và phương trình luỹ thừa.
2.4.4.2 Phƣơng trình dạng tuyến tính:
18

Ðây là dạng phương trình thông dụng nhất, nó cho phép phân tích đánh giá sự

ảnh hưởng của các nhân tố đối với tham số cơ bản cần xét. Dạng của phương
trình này biểu diễn như sau:
1
.
n
ii
i
aX



0
Y = a
(1)

Trong đó:

n: số quan trắc.
a
0
, a
i
: các hệ số hồi quy.
Xi: các nhân tố ảnh hưởng, hay các biến ngẫu nhiên.
Y: tham số cơ bản, có thể coi là hàm của các biến ngẫu nhiên.
2.4.4.3 Phƣơng trình dạng luỹ thừa:
12
12
. .
a a an

n
X X X
0
Y = a
(2)

Dạng phương trình (2) cũng có thể đưa về dạng phương trình (1) bằng cách lấy
logarit 2 vế. Việc lựa chọn hàm hồi quy được tiến hành trên cơ sở so sánh các hệ
số tương quan, hệ số tương quan của dạng phương trình nào lớn thì chọn dạng
phương trình đó.
Khi các biến ngẫu nhiên ảnh hưởng đến quá trình tiêu thụ điện Y tăng lên sẽ làm
tăng số ẩn Xi và tăng kích thước bài toán nhưng thuật toán để tìm nghiệm là như
nhau. Ngày nay với sự trợ giúp của máy tính thì các phép toán đó sẽ trở nên đơn
giản, vấn đề đặt ra là chúng ta phải có một bộ dữ liệu quá khứ đủ mức tin cậy để
19

xây dựng hàm hồi quy, dựa trên cơ sở xác định phụ tải bằng các phương pháp:
dùng phiếu điều tra, phương pháp trực tiếp Kết quả của phương pháp nêu trên
xác định được các hệ số hồi quy ai. Việc xác định mức tiêu thụ điện được xác định
dựa trên cơ sở của ai và các yếu tố ảnh hưởng khác.
Nghiên cứu mối tương quan giữa các thành phần kinh tế với điện năng
nhằm phát hiện những mối quan hệ về mặt định lượng từ đó xây dựng mô hình
biểu diễn sự tương quan giữa điện năng với sản lượng các thành phần kinh tế
như: sản lượng công nghiệp, sản lượng kinh tế quốc dân.v.v Khi xác định được
giá trị sản lượng các thành phần kinh tế (bằng các phương pháp khác) ở năm dự
báo, dựa vào mối quan hệ trên để dự báo phụ tải điện năng.
Nhược điểm của phương pháp là ta phải thành lập các mô hình dự báo
phụ, ví dụ sản lượng công nghiệp, sản lượng kinh tế quốc dân theo thời gian để
dự báo sản lượng công nghiệp, kinh tế quốc dân ở năm t dự báo.
2.4.5 Phƣơng pháp so sánh đối chiếu

So sánh đối chiếu nhu cầu phát triển điện năng của các nước có hoàn
cảnh tương tự. Đây là phương pháp được nhiều nước áp dụng để dự báo nhu cầu
năng lượng một cách có hiệu quả. Phương pháp thường được áp dụng cho dự
báo ngắn hạn và trung hạn.
2.4.6 Phƣơng pháp chuyên gia
Về thực chất, phương pháp chuyên gia là phương pháp dự báo mà kết quả là các
thông số do các chuyên gia đưa ra, hay nói đúng hơn là sự công não để khai thác
và lợi dụng trình độ uyên bác và lý luận thành thạo về chuyên môn, phong phú về
khả năng thực tiễn và khả năng mẫn cảm, nhạy bén và thiên hướng sâu sắc về
20

tương lai đối với đối tượng dự báo của một tập thể các nhà khoa học, các nhà quản
lý cùng đội ngũ cán bộ thuộc các chuyên môn bao hàm hay nằm trong miền lân
cận của đối tượng dự báo.
Nhiệm vụ của phương pháp chuyên gia là đưa ra những dự đoán khách quan về
tương lai phát triển của một lĩnh vực hẹp của khoa học hoặc dựa trên việc xử lý có
hệ thống các đánh giá dự đoán của chuyên gia. Sau khi đã thu thập ý kiến của các
chuyên gia, cần xử lý các thông tin theo phương pháp xác suất thống kê. Thực tế
phương pháp chuyên gia hoàn toàn mang tính chủ quan, phụ thuộc vào nhận thức
của từng cá nhân, nhưng khi đã được xử lý theo phương pháp xác suất thống kê thì
tính chủ quan sẽ được khách quan hoá bởi các mô hình toán học và vì vậy có thể
nâng cao độ tin cậy của dự báo.
2.4.7 Phƣơng pháp mạng neural nhân tạo

Có ba nguồn trí thông minh nhân tạo bắt chước các quá trình của bộ óc và hệ
thống thần kinh của con người là quá trình xử lý ngôn ngữ, robot và các hệ neural
nhân tạo. Hệ neural nhân tạo có ứng dụng hầu hết ở các lĩnh vực thương mại,
trong đó có dự báo. Mạng neural có khả năng chiết xuất thông tin từ những dữ liệu
không chắc chắn hay những dữ liệu phức tạp nhằm phát hiện ra những xu hướng
không quan sát được bằng mắt thường hoặc bằng một số các kỹ thuật máy tính

khác.
Trong hệ thống neural, nhiều thí dụ được lập chương trình trong máy vi tính.
Những thí dụ này bao gồm toàn bộ các mối quan hệ trong quá khứ giữa các biến
có thể ảnh hưởng đến các biến phụ thuộc. Chương trình hệ thống neural sau đó bắt
21

chước ví dụ này và cố gắng bắt chước mối quan hệ cơ sở đó bằng cách học hỏi khi
xử lý. Quá trình học hỏi này cũng được gọi là đào tạo giống như việc đào tạo con
người trong công việc. Một trong những ưu điểm nổi bật của hệ thống neural trong
dự báo là phương pháp này không cần phải xác định những mối quan hệ giữa các
biến số trước. Phương pháp này có thể xác định nhờ vào quá trình học hỏi về các
mối quan hệ qua những thí dụ đã được đưa vào máy. Bên cạnh đó, hệ thống neural
không đòi hỏi bất kỳ giả định nào về các phân phối tổng thể và không giống
những phương pháp dự báo truyền thống, nó có thể sử dụng mà không cần có đầy
đủ số lượng các số liệu cần thiết. Chương trình hệ thống neural có thể thay thế
nhanh chóng mô hình hiện có, ví dụ như phân tích hồi quy, để đưa ra những dự
báo chính xác mà không cần ngưng trệ các hoạt động đang diễn ra. Hệ thống
neural đặc biệt hữu ích khi số liệu đầu vào có tương quan cao hay có số lượng
không đủ, hoặc khi hệ thống mang tính phi tuyến cao. Phương pháp này cho kết
quả dự báo có độ chính xác cao, dự báo được các sự kiện theo thời gian.
2.4.8 Phƣơng pháp bottom up

Nội dung của phương pháp là xây dựng biễu đồ dự báo phụ tải cho dân
dụng dựa trên những yếu tố ngẫu nhiên cũng như yếu tố xã hội, yếu tố thời gian,
yếu tố thời tiết và suất tiêu hao điện năng đối với từng loại thiết bị, mức tiêu hao
của từng hộ gia đình.
Ưu điểm của phương pháp là: tính toán đơn giản cho ta biết được tỉ lệ sử
dụng điện năng trong dân dụng, v.v… và xác định được nhu cầu điện năng ở
từng khu vực dân cư (sử dụng thuận tiện trong qui hoạch).
Phương pháp này dùng để dự báo tầm ngắn và tầm trung

22

CHƢƠNG 3: MÔ HÌNH MỘT SỐ THIẾT BỊ GIA DỤNG
3. Giới thiệu
Để phát triển một hệ thống quản lý năng lượng xây dựng, nó là cần thiết để
hiểu hành vi người dùng. Mục tiêu của việc này là để mô hình Matlab /
Simulink với một vài giả định của việc sử dụng thiết bị trong hộ gia đình [7].
3.1 Máy điều hoà không khí
3.1.1 Cấu tạo
 Dàn nóng
 Dàn lạnh
3.1.2 Nguyên tắc hoạt động của điều hòa không khí
Hệ thống điều hòa không khí có hai chức năng cơ bản:
• Đảm bảo việc làm mát không khí trong nhà để duy trì một nhiệt độ dễ chịu
• Đảm bảo chất lượng không khí bằng cách thay đổi không khí vệ sinh mới (duy
trì lượng CO2 và mùi hôi ở mức chấp nhận được xác định bởi các tiêu chuẩn),
và tất nhiên là lọc không khí cung cấp.
Hoạt động của điều hòa không khí được dựa trên sự thay đổi giai đoạn của một
chất lỏng đó: bay hơi với nhiệt hấp thụ, ngưng tụ với việc sản xuất nhiệt.
Nguyên tắc hoạt động của máy điều hòa không khí được trình bày trong hình
3.1
23


Hình 3.1: Nguyên tắc hoạt động của điều hòa không khí
3.1.3 Mô hình máy điều hoà không khí

Hình 3.2: mô hình máy điều hoà không khí trong Simulink
3.2 Nồi cơm điện
3.2.1 Cấu tạo

 Vỏ nồi
 Soong
 Dây đốt nóng
24

3.2.2 Nguyên lý hoạt động
Nồi nấu được đun nóng bằng một điện trở
Nguyên tắc hoạt động của nồi cơm điện được trình bày trong hình II2.2

Hình 3.3: Nguyên tắc hoạt động của nồi cơm điện
Áp dụng phương trình bảo tồn năng lượng, mô tả bởi phương trình (II2.2) sau
đó:



 






 

  II 2.2
• C nhiệt dung riêng của tấm nấu ăn (J / kg-
o
K)
• M khối lượng của tấm nấu ăn (kg)
• S bề mặt trao đổi nhiệt của nồi (m

2
)
• h hệ số truyền nhiệt (W / m² K)
• P = Q sức mạnh của nhiệt sinh ra bởi phạm vi (W)
• T
ext
nhiệt độ môi trường xung quanh bếp (K)
• T nhiệt độ đồng đều của bếp lò (K)
h là hệ số của bề mặt truyền nhiệt giữa một bức tường và không khí bên ngoài

T
T
ext
P
EXT
(S, h)
25

Theo chiều ngang và thông lượng nhiệt bức tường cao: h = 23 (W/m
2
K). P =
1000w. S = 145mm
3.2.3 Mô hình nồi cơm điện
Nhiệt dung riêng của tấm nấu ăn C = 627 (J/kg-K)
mật độ tan chảy: ρ = 6290(kg/m3)
Thể tích đĩa hâm: V = S d = 0.021
3
)
Khối lượng của tấm nấu ăn :
MC =

Hình 3.4: mô hình nồi cơm điện trong Simulink
3.3 Tủ lạnh
3.3.1 Cấu tạo
 Máy nén
 Dàn ngưng
 Dàn bay hơi