ứng dụng mạng nơ ron nhân tạo trong dự báo ngắn hạn phụ tải điện khu vực tỉnh sóc trăng
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (7.03 MB, 123 trang )
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NÔNG NGHIỆP I
------------------
DIỆP XUÂN TRƯỜNG
ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO
TRONG DỰ BÁO NGẮN HẠN PHỤ TẢI ĐIỆN
KHU VỰC TỈNH SÓC TRĂNG
LUẬN VĂN THẠC SĨ KỸ THUẬT
HÀ NỘI - 2007
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NÔNG NGHIỆP I
------------------
DIỆP XUÂN TRƯỜNG
ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO
TRONG DỰ BÁO NGẮN HẠN PHỤ TẢI ĐIỆN
KHU VỰC TỈNH SÓC TRĂNG
LUẬN VĂN THẠC SĨ KỸ THUẬT
Chuyên ngành: Điện khí hoá sản xuất nông nghiệp và nông thôn
Mã số: 60 52 54
Người hướng dẫn khoa học: TSKH TRẦN HOÀI LINH
HÀ NỘI - 2007
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả
nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kì công trình
nào khác.
Tôi xin cam đoan rằng các thông tin trích dẫn trong luận văn đều đã được chỉ rõ
nguồn gốc.
Học viên
Diệp Xuân Trường
i
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
LỜI CẢM ƠN
Sau hơn hai năm học tập và nghiên cứu tại Trường Đại học Nông Nghiệp I với
mục đích là nâng cao kiến thức của bản thân và hoành thành luận văn cao học, tôi đã
nhận được sự quan tâm giúp đỡ to lớn và tận tình của các thầy cô giáo và bạn bè cùng
lớp. Cho phép tôi được bày tỏ cảm ơn sâu sắc đến thầy giáo hướng dẫn: Tiến sĩ khoa
học Trần Hoài Linh, người đã tận tình hướng dẫn, chỉ bảo và giúp đỡ tôi hoàn thành
luận văn. Trong thời gian học tập tại trường tôi xin cảm ơn đến các thầy cô giáo đã trực
tiếp giảng dạy và chỉ bảo tôi.
Xin chân thành cảm ơn Kỹ sư Nguyễn Văn Nhiệm và các anh chị vận hành Trạm
biến áp 220 kV của Công ty Điện lực Sóc Trăng đã giúp đỡ và tạo điều kiện cho tôi
làm việc.
Xin được bày tỏ sự cảm ơn đến các cán bộ khoa Sau đại học, Các cán bộ bộ môn
Cung cấp và Sử dụng điện cũng như các học viên lớp cao học Cơ Điện 14 đã quan tâm
giúp đỡ, tạo điều kiện cho tôi học tập và nghiên cứu.
Chân thành cảm ơn các cán bộ Viện Cơ Điện Nông Nghiệp và Công nghệ Sau thu
hoạch đơn vị quản lý đã tạo điều kiện tốt nhất cho tôi hoàn thành khoá học.
Tôi vô cùng biết ơn những người thân trong gia đình đã quan tâm, động viên và là
chỗ dựa tinh thần vững chắc giúp tôi hoàn thành luận văn này.
Hà nội, tháng 9 năm 2007
Học viên
Diệp Xuân Trường
ii
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
MỤC LỤC
Lời cam đoan
i
Lời cảm ơn
ii
Mục lục
iii
Bảng ký hiệu
vi
Danh mục hình
vii
Danh mục bảng
x
Mở đầu
1
Chương 1. Nhu cầu thực tiễn về dự báo phụ tải điện và một số phương
pháp dự báo hiện có .................................................................................................. 7
1.1 Nhu cầu thực tiễn về dự báo phụ tải điện
7
1.2 Các phương pháp dự báo đang được nghiên cứu và ứng dụng
9
1.2.1 Phân loại các phương pháp dự báo phụ tải điện ............................. 9
1.2.2 Một số phương pháp dự báo điển hình ......................................... 10
1.3 Cơ sở xây dựng phương pháp dự báo phụ tải mới sử dụng mạng
nơ ron nhân tạo ................................................................................................. 13
Chương 2. Giới thiệu về mạng nơ ron nhân tạo ................................................... 14
2.1 Trí tuệ nhân tạo
14
2.2 Nơ ron sinh học
15
2.3 Mạng nơ ron nhân tạo
16
2.3.1 Lịch sử hình thành và phát triển ................................................... 17
2.3.2 Mô hình mạng nơ ron nhân tạo .................................................... 17
2.3.3 Các hàm kích hoạt ........................................................................ 19
2.3.4 Phân loại các mạng nơ ron ........................................................... 21
2.4 Huấn luyện mạng nơ ron
22
2.5 Hàm mục tiêu
24
2.6 Một số ứng dụng của mạng nơ ron
25
iii
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
Chương 3. Đặc điểm biểu đồ phụ tải tỉnh Sóc Trăng. ......................................... 27
3.1 Biểu đồ phụ tải điện
27
3.2 Các yếu tố ảnh hưởng đến phụ tải điện
28
3.3 Dạng biểu đồ phụ tải .................................................................................. 35
3.4 Đỉnh và đáy biểu đồ phụ tải........................................................................ 36
Chương 4. Ứng dụng mạng nơ ron nhân tạo trong bài toán
phân loại kiểu ngày......................................................................................... 38
4.1 Đối tượng để phân loại ............................................................................... 38
4.2 Phương pháp phân loại dạng biểu đồ phụ tải ............................................. 38
4.3 Mạng Kohonen và ứng dụng trong phân loại kiểu ngày ............................ 39
4.3.1 Giới thiệu. ..................................................................................... 39
4.3.2 Thuật giải SOM. ........................................................................... 40
4.4 Phương pháp trọng tâm mờ ứng dụng phân loại kiểu ngày ....................... 41
4.5 Ứng dụng thuật toán và chạy thử mạng ..................................................... 43
4.5.1 Xử lý số liệu thu thập ................................................................... 43
4.5.2 Phân nhóm biểu đồ phụ tải ........................................................... 44
4.6 Xây dựng giao diện dự báo hình dạng biểu đồ phụ tải............................... 50
Chương 5. Xác định các thông số đầu vào cho mạng MLP và thuật toán
Levenberg - Martquardt......................................................................................... 53
5.1 Lựa chọn các thông số đầu vào phục vụ quá trình huấn luyện
mạng nơ ron ...................................................................................................... 53
5.1.1 Phân tích tương quan .................................................................... 54
5.1.2 Tìm hệ số tương quan giữa công suất với công suất
trong quá khứ ........................................................................................ 56
5.1.3 Một số kết quả thu được ............................................................... 57
5.2 Lựa chọn mạng nơ ron cho bài toán dự báo đỉnh và đáy BĐPT ................ 62
5.2.1 Mạng Perceptron MLP. ................................................................ 62
iv
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
5.2.2 Thuật toán Levenberg Marquardt ................................................. 65
5.3 Sơ lược về bài toán dự báo dữ liệu ............................................................. 68
Chương 6. Kết quả tính toán mô phỏng
73
6.1 Xây dựng mô hình dự báo phụ tải cao điểm và thấp điểm......................... 73
6.2 Phương thức xây dựng mô hình ................................................................. 73
6.3 Các bước tiến hành huấn luyện mạng với mô hình 3 ................................. 75
6.3.1 Xây dựng mạng dự báo đỉnh BĐPT ............................................. 75
6.3.2 Xây dựng mạng dự báo đáy BĐPT .............................................. 81
6.4 Xây dựng mạng cho mô hình 1 .................................................................. 83
6.4.1 Các mô hình dự báo đỉnh BĐPT .................................................. 83
6.4.2 Các mô hình dự báo đáy BĐPT.................................................... 84
6.5 Xây dựng mạng cho mô hình 2 .................................................................. 85
6.5.1 Các mô hình dự báo đỉnh BĐPT .................................................. 85
6.5.2 Các mô hình dự báo đáy BĐPT.................................................... 86
6.6 Tiến hành dự báo Pmax Pmin và đánh giá sai số ....................................... 88
6.7 Dự báo phụ tải cho 24 giờ sau .................................................................... 91
6.8 Xây dựng giao diện phần mềm dự báo BĐPT ......................................... 100
Kết luận và kiến nghị...................................................................................... 104
Tài liệu tham khảo
. 108
Phụ lục I:......................................................................................................... 110
Phụ lục II: ....................................................................................................... 111
v
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
CÁC TỪ VIẾT TẮT
HTĐ:
Hệ thống điện
MNR:
Mạng nơ ron
FCM:
Phương pháp trọng tâm mờ (Fuzzy Clustering Method)
SOM:
Self-Organizing Maps
MBU:
Mẫu khớp tốt nhất (Best Matching Unit)
Pmax:
Phụ tải cao điểm
Pmin:
Phụ tải thấp điểm
Tmax:
Nhiệt độ cao nhất
Tmin:
Nhiệt độ thấp nhất
BĐPT:
Biểu đồ phụ tải
MLP:
Mạng nhiều lớp truyền thẳng (Multi Layer Perceptron)
LVQ:
Mạng lượng tử hóa véc tơ (Learning Vector Quantization network)
L-M:
Levenberg - Marquardt
vi
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
DANH MỤC CÁC HÌNH
Số hình
Tên hình
Trang
2.1 Cấu tạo Nơ ron sinh học
15
2.2 Nơ ron đơn vị xử lý
18
2.3 Hàm tuyến tính
19
2.4 Hàm ngưỡng
19
2.5 Hàm ngưỡng tuyến tính
19
2.6 Hàm dốc
20
2.7 Hàm sigmoid
20
2.8 Hàm Sigmoid lưỡng cực
20
2.9 a) Mạng một lớp b) Mạng nhiều lớp
21
2.10 Mạng truyền thẳng
22
2.11 Mạng hồi qui
22
2.12 Mô hình huấn luyện mạng có giám sát
23
2.13 Mô hình huấn luyện mạng không giám sát
23
2.14 Mô hình huấn luyện mạng tăng cường
24
3.1 Biểu đồ phụ tải đặc trưng ngày hệ thống điện Sóc Trăng
28
3.2 Biểu đồ phụ tải trong hai năm 2004 đến 2005
29
3.3 Biểu đồ phụ tải từ 3/1 đến 9/1 năm 2005
30
3.4 Ảnh hưởng nhiệt độ đến thói quen tiêu thụ điện
31
3.5 Đồ thị phụ tải một ngày thường và ngày quốc khánh
32
3.6 Đồ thị phụ tải một ngày thường và ngày tết dân tộc
32
3.7 Đồ thị phụ tải một ngày thường và ngày có lễ hội
33
3.8 Đồ thị phụ tải đêm có chung kết Euro và đêm bình thường
34
3.9 Đồ thị phụ tải ngày bình thường và ngày có cắt điện
34
vii
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
3.10 Biểu đồ phụ tải điển hình của một ngày
35
3.11 Biểu đồ phụ tải một ngày sau khi qui chuNn
36
4.1 Quá trình dịch chuyển của các trọng tâm từ vị trí ngẫu nhiên ban đầu
về các vùng số liệu
43
4.2 Sơ đồ khối dự báo hình dạng đồ thị phụ tải
50
4.3 Giao diện chương trình dự báo hình dạng đồ thị phụ tải
51
5.1 Đồ thị phụ thuộc của Pmax vào Pmax-1
57
5.2 Đồ thị phụ thuộc của Pmax vào Pmax-7
57
5.3 Đồ thị phụ thuộc của Pmin vào Pmin-1
58
5.4 Đồ thị phụ thuộc của Pmin vào Pmin-7
58
5.5 Đồ thị tương quan giữa Pmax và các Pmax trong quá khứ
59
5.6 Đồ thị tương quan giữa Pmax và các Pmin trong quá khứ
60
5.7 Đồ thị tương quan giữa Pmin và các Pmin trong quá khứ
60
5.8 Đồ thị tương quan giữa Pmin và các Pmax trong quá khứ
61
5.9 Cấu trúc mạng MLP với một lớp Nn
63
6.1 Cấu trúc mạng dự báo phụ tải cao điểm Pmax
76
6.2 Sai số phần trăm khi thay đổi phần tử lớp Nn với số lần tính lặp 200
79
6.3 Sai số phần trăm khi thay đổi số lần tính lặp với 22 phần tử cố định
79
6.4 Quá trình huấn luyện mạng với 22 phần tử lớp Nn 50 lần lặp
80
6.5 Sai số luyện mạng giảm sau mỗi chu kỳ tính lặp với thuật toán L-M
81
6.6 Sai số phần trăm khi thay đổi số phần tử lớp Nn với số lần tính lặp 200
83
6.7 Sai số phần trăm khi thay đổi số lần tính lặp với 9 phần tử cố định
83
6.8 Sai số phần trăm Pmax khi thay đổi số phần tử lớp Nn với số lần tính lặp 200
84
6.9 Sai số phần trăm Pmin khi thay đổi số phần tử lớp Nn với số lần tính lặp 200
85
6.10 Sai số phần trăm Pmax khi thay đổi số phần tử lớp Nn với số lần tính lặp 200 86
6.11 Sai số phần trăm Pmin khi thay đổi số phần tử lớp Nn với số lần tính lặp 200 87
6.12 Sai số phần trăm tốt nhất trên 3 mô hình khác nhau
viii
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
88
6.13 BĐPT dự báo và thực tế của Pmax và Pmin từ 1 đến 31/7 năm 2006
91
6.14 Biểu đồ phụ tải thực tế và dự báo ngày 19-23 tháng 6
100
6.15 BĐPT Hà N ội các ngày làm việc tháng 2/2004, 2005
100
6.16 Giao diện dự báo biểu đồ phụ tải cho 24 giờ sau
101
ix
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
DANH MỤC CÁC BẢNG
Số bảng
Tên bảng
Trang
4.1 Kết quả phân nhóm thứ sáu tháng 7
47
4.2 Kết quả phân nhóm ngày thứ bảy tháng 7
48
4.3 Kết quả phân nhóm chủ nhật tháng 7
49
4.4 Kết quả phân nhóm thứ hai tháng 7
49
4.5 Kết quả phân nhóm cho cả hai năm 2004, 2005
50
5.1 Kết quả phân tích tương quan giữa Pmax và 20 yếu tố
51
5.2 Kết quả phân tích tương quan giữa Pmin và 20 yếu tố
58
6.1 Số liệu huấn luyện cho hai năm 2004 và 2005
77
6.2 Số liệu dùng để kiểm tra năm 2006
77
6.3 Kết quả dự báo Pmax và Pmin từ 1/7 đến 31/7
89
6.4 Kết quả dự báo Pmax và Pmin từ 13/2 đến 19/2
92
6.5 Kết quả dự báo phụ tải 24 giờ, ngày 13/2/2006
91
6.6 Kết quả dự báo phụ tải 24 giờ, ngày 14/2/2006
92
6.7 Kết quả dự báo phụ tải 24 giờ, ngày 15/2/2006
93
6.8 Kết quả dự báo phụ tải 24 giờ, ngày 16/2/2006
94
6.9 Kết quả dự báo phụ tải 24 giờ, ngày 17/2/2006
95
6.10 Kết quả dự báo phụ tải 24 giờ, ngày 18/2/2006
95
6.11 Kết quả dự báo phụ tải 24 giờ, ngày 19/2/2006
96
x
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
MỞ ĐẦU
1. Tính cấp thiết của đề tài
Trong những năm gần đây, thực hiện tiến trình công nghiệp hóa, hiện đại hóa
đất nước đã đNy nhanh sự phát triển của nền kinh tế, ứng dụng các thành tựu khoa
học công nghệ dẫn đến nhu cầu sử dụng điện tăng cao. Theo dự báo của Tổng công
ty Điện lực Việt Nam nhu cầu phụ tải điện trong giai đoạn 2006-2010 tăng 1617%/năm. Tính đến hết 12/2006 điện lưới Quốc gia đã phủ đến 97,84% số xã, 98%
số huyện và hơn 93% số hộ dân được dùng điện. Với tốc độ phát triển phụ tải trên
thì công tác dự báo phụ tải là một trong những đề tài quan tâm chủ yếu trong lĩnh
vực phát điện, truyền tải và phân phối điện năng.
Bên cạnh việc xây dựng thêm nhiều nhà máy, đường dây tải điện, trạm biến áp
nhằm đáp ứng nhu cầu ngày càng tăng cao của các trung tâm phụ tải, dẫn đến các hệ
thống truyền tải phân phối hoạt động không đảm bảo kỹ thuật, thiếu đồng bộ, đặc
biệt việc nâng cấp hệ thống điện không dựa trên qui hoạch tổng thể vẫn còn mang
tính tự phát, tùy tiện. Hậu quả để lại hàng loạt vấn đề cần khắc phục như: mất cân
đối nguồn và lưới điện, giữa cung và cầu, độ tinh cậy cung cấp điện, chất lượng
điện năng không cao, tổn thất công suất, tổn thất điện năng trong hệ thống quá lớn
[2] các nguyên nhân là do hạn chế về vốn đầu tư, nhưng nguyên nhân quan trọng
chủ yếu là lập kế hoạch vận hành HTĐ. Trong kế hoạch hóa vận hành HTĐ như
phân phối một cách kinh tế, hiệu quả, lên kế hoạch bảo dưỡng và sửa chữa,... nhiều
hoạt động thường được thực hiện dựa trên việc dự báo phụ tải.
Dự báo phụ tải có thể được phân thành: Dự báo dài hạn từ 10 đến 30 năm, dự
báo trung hạn từ 3 đến 10 năm và dự báo ngắn hạn (giờ, ngày, tháng, mùa năm). Dự
báo ngắn hạn chủ yếu phục vụ việc điều hành sản xuất, truyền tải và phân phối năng
lượng phục vụ cho nhu cầu trực tiếp của sản xuất và đời sống, lập kế hoạch sản xuất
và kinh doanh.
1
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
Nếu dự báo phụ tải điện quá thừa so với nhu cầu thực tế thì dẫn đến việc phải
huy động một số lượng lớn nguồn phát, nhưng thực tế không dùng hết công suất của
chúng sẽ gây lãng phí. Nếu kết quả dự báo phụ tải điện quá thấp so với nhu cầu thực
tế sẽ dẫn đến tình trạng thiếu nguồn điện, ảnh hưởng đến phát triển của nền kinh tế
quốc dân. Khi kết quả dự báo tốt sẽ giúp cho việc huy động nguồn tốt và điều độ
cũng tốt có lợi ích về kinh tế.
Ở nước ta dự báo phụ tải ngắn hạn cũng thu hút sự quan tâm nhất định trong
ngành điện, các trường đại học và Viện nghiên cứu. Một vài công ty điện lực, cơ
quan điều độ quốc gia đã bắt đầu xây dựng chương trình dự báo phụ tải điện. Ngoài
một số nghiên cứu ứng dụng mô hình hồi quy. Có thể thấy rằng nhu cầu dự báo phụ
tải ngắn hạn ở các công ty điện lực chỉ được thực hiện bằng phương pháp chuyên
gia dựa trên kinh nghiệm của các kỹ sư điều độ. Nên mang tính rủi ro và độ chính
xác không cao. Mặc khác, dự báo phụ tải trước đây chỉ tập trung dự báo cho các
thành phố lớn như Hà Nội hay TP Hồ Chí Minh còn các tỉnh vùng nông nghiệp,
nông thôn mà đặc biệt là tỉnh Sóc Trăng chưa có chương trình dự báo phụ tải, hoạt
động dự báo dựa vào kinh nghiệm và điều hành trực tiếp. Việc áp dụng mạng nơ
ron nhân tạo cho dự báo phụ tải điện cho một tỉnh thuần nông nghiệp như Sóc
Trăng dựa trên yêu cầu đơn giản, có tính đến ảnh hưởng của nhiệt độ và đặc thù
ngày, cho kết quả dự báo với sai số chấp nhận được là hướng của nghiên cứu này.
2. Khả năng ứng dụng mạng nơ ron nhân tạo trong bài toán dự báo
Bài toán dự báo phụ tải đã được phát triển từ rất lâu với rất nhiều mô hình đã
được đề xuất. Đầu thập niên 90 mô hình dự báo bằng công nghệ mạng nơ ron bắt
đầu được nghiên cứu và phát triển vì công cụ mạng nơ ron có thể áp dụng trong các
dự báo dài hạn, trung hạn và cả trong dự báo phụ tải ngắn hạn, cho kết quả khá
chính xác. Mô hình mạng nơ-ron dự báo phụ tải đang được ứng dụng ở nhiều nước
có thị trường điện phát triển như Mỹ, Úc, Anh, Pháp... Các mô hình mạng thường
có cấu trúc tổng thể giống nhau. Hiện nay không chỉ ở Việt Nam mà ngay cả các
công ty điện lực và thị trường điện trên thế giới vẫn tiếp tục tìm kiếm các thuật toán
mới phục vụ công tác dự báo đạt mức chính xác và nhanh chóng hơn. Tuy nhiên đối
2
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
với từng hệ thống với những đặc trưng riêng ta không thể sử dụng các mô hình với
các thông số của hệ thống khác mà vẫn cần phải xác định các cấu trúc và thông số
tối ưu cho hệ thống của riêng mình.
Ở Việt Nam bài toán dự báo phụ tải ngắn hạn được giải quyết bằng nhiều
phương pháp khác nhau như: Phương pháp ngoại suy, phương pháp san bằng hàm
mũ, phương pháp hồi qui đa biến,... đã được đề xuất trong dự báo phụ tải ngắn hạn.
Có thể nhận thấy rằng nhược điểm của các phương pháp trên là mô hình dự báo
lượng điện năng tiêu thụ chỉ hiệu quả đối với một số ngày bình thường nhưng lại
không hiệu quả đối với tất cả các ngày. Với nhược điểm trên đã thức đNy các
chuyên gia vận hành phát triển phương pháp chuyên gia: phương pháp dựa trên một
số qui tắc (luật) của các chuyên gia về chuyên ngành để dự báo, nên mang tính kinh
nghiệm, định hướng, phụ thuộc vào trình độ của cá nhân chuyên gia. Thường các
quy luật này được mô tả bởi quan hệ hàm đơn giản nên không đủ để thể hiện các
mối liên hệ phức tạp giữa các thông tin hệ thống điện.
Các phương pháp trên đã và đang được sử dụng nhưng vẫn còn một số hạn chế
như: Phụ tải là một đại lượng phụ thuộc (phi tuyến) vào rất nhiều yếu tố, có thể kể
tới sự phụ thuộc của lượng điện tiêu thụ vào các thông số thời tiết như nhiệt độ, độ
Nm số giờ chiếu sáng, các sự phụ thuộc này có quan hệ rất mật thiết nhưng hết sức
phức tạp, khó xác định các qui luật hàm chính xác. Hiện nay, việc phát triển của
máy tính cho phép ta sử dụng các mô hình phức tạp mà vẫn đảm bảo thời gian tính
toán phù hợp.
Mặt khác, hệ thống điện là một trong những hệ thống có tính phi tuyến cao.
Phân tích, giám sát và điều khiển HTĐ làm việc với hàng trăm biến trung gian
không phải lúc nào cũng đo lường được. Trong khi đó, mạng nơ ron nhân tạo được
thiết kế để tìm hàm quan hệ trực tiếp giữa các biến đầu vào và đầu ra, không cần
phải tìm các mối liên hệ giữa các biến trung gian. Mạng nơ ron là phương tiện có
khả năng học từ các số liệu quá khứ và tìm ra các mối quan hệ phụ thuộc phức tạp
3
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
giữa các biến thậm chí khi không xây dựng được mô hình toán học của bài toán.
Mạng nơ-ron có thể làm việc với các dữ liệu không đầy đủ hoặc dữ liệu bị nhiễu.
Để khắc phục các hạn chế trong xử lý các hàm quan hệ phi tuyến, luận văn sẽ
sử dụng công nghệ trí tuệ nhân tạo mà mạng nơ ron là một đại diện để ứng dụng
trong dự báo phụ tải ở Việt Nam. Các nghiên cứu hiện nay về lĩnh vực này vẫn còn
ở giai đoạn bắt đầu phát triển. Các nghiên cứu về ứng dụng các công cụ dự báo
trong và ngoài nước vẫn đang được thực hiện, nhưng nhu cầu thực tế vẫn chưa được
đáp ứng đầy đủ.
3. Đối tượng, mục tiêu và nhiệm vụ nghiên cứu
Đối tượng nghiên cứu của luận văn là dự báo phụ tải ngắn hạn dựa trên các
biểu đồ phụ tải trong quá khứ, các đặc điểm, tính chất của biểu đồ phụ tải, các thông
số khí tượng. Mô hình dự báo mạng nơ ron.
Mục tiêu của luận văn là nghiên cứu, xây dựng mô hình dự báo phụ tải điện có
độ chính xác cao. Mô hình sẽ sử dụng mạng nơ ron trong tính toán, sẽ có chương
trình mô phỏng với giao diện thuận tiện cho người sử dụng. Để đạt được mục tiêu
trên đề tài cần thực hiện những nhiệm vụ sau:
1) Nghiên cứu về các phương pháp dự báo đã và đang được sử dụng trong bài
toán dự báo phụ tải điện ngắn hạn, có xem xét các ưu nhược điểm từng
phương pháp.
2) Từ đó đề xuất giải pháp sử dụng MNR theo mô hình hai bước:
Bước 1: Phân nhóm các biểu đồ phụ tải (BĐPT) trong quá khứ để dự báo
hình dạng BĐPT dựa trên ý tưởng mạng tự tổ chức Kohonen (SelfOrganization Map) với thuật toán tìm trọng tâm được áp dụng là Fuzzy
Clustering Method (FCM). Thuật toán sẽ xếp các BĐPT trong quá khứ của các
ngày theo thứ trong tháng tương đối giống nhau vào một nhóm như (thứ bảy,
chủ nhật, thứ hai – thứ sáu…).
4
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
Bước 2: Từ BĐPT đã dự báo, dùng mạng nơ ron nhiều lớp Multi-layer
perceptron (MLP) với thuật toán Levenberg-Marquardt được sử dụng để xây
dựng mô hình dự báo công suất cực đại và công suất cực tiểu. Các bộ thông số
đầu vào là các công suất cực đại, các công suất cực tiểu trong quá khứ và
thông số thời tiết (cụ thể là nhiệt độ). Việc tính toán được thực hiện trên máy
tính với phần mềm Matlab.
3) Lập trình tính toán, mô phỏng để xác định các thông số tối ưu cho mô hình,
độ chính xác của kết quả dự báo.
4) Nghiên cứu các hướng phát triển luận văn
Ý nghĩa khoa học: Ứng dụng một phương pháp mới phục vụ công tác dự báo
phụ tải. Rút ngắn thời gian dự báo phụ tải.
Ý nghĩa thực tiễn luận văn: Xây dựng phương pháp dự báo phụ tải mới cho
một tỉnh thuần nông nghiệp như Sóc Trăng, là tài liệu tham khảo cho nhân viên điều
hành hệ thống điện.
Trong khuôn khổ luận văn này, chỉ nghiên cứu phương pháp dự báo phụ tải ngắn
hạn. Đối tượng cụ thể của nghiên cứu là dự báo phụ tải cho 24 giờ sau, nhằm đưa ra
các thông số phụ tải của ngày hôm sau phục vụ công tác vận hành và điều độ HTĐ.
Việc xây dựng và kiểm tra mô hình dự báo dựa trên số liệu phụ tải thực do Điện lực
Sóc Trăng cung cấp, cùng với bộ số liệu nhiệt độ cao nhất, thấp nhất trong ngày do
Trung tâm dự báo khí tượng thủy văn tỉnh Sóc Trăng thu thập.
Gồm những nội dung chính sau:
Phần mở đầu trình bày tóm tắt các vấn đề đã, đang và sẽ giải quyết trong luận
văn, dự kiến các giải pháp sử dụng, dự kiến các kết quả của luận văn.
Chương 1 trình bày cụ thể nhu cầu thực tiễn về mô hình dự báo phụ tải điện và
các phương pháp đang được ứng dụng trong và ngoài nước, khảo sát các phương
pháp dự báo điển hình đang được ứng dụng và nhu cầu xây dựng phương pháp mới.
5
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
Chương 2 trình bày những nghiên cứu cơ bản về mạng nơ ron nhân tạo: Quá
trình hình thành phát triển, một số khái niệm cơ bản, cấu trúc, các loại mạng và khả
năng ứng dụng của mạng nơ ron nhân tạo
Chương 3 tìm hiểu các đặc điểm biểu đồ phụ tải tỉnh Sóc Trăng bao gồm các
nguyên nhân ảnh hưởng đến biểu đồ phụ tải điện như thói quen sinh hoạt, thời vụ,
các ngày lễ tết và ảnh hưởng của thời tiết đến BĐPT điện.
Trong chương 4 là phần ứng dụng ý tưởng mạng Kohonen trong việc phân
nhóm các loại kiểu ngày: Trình bày ý tưởng cơ bản mạng Kohonen đề xuất thuật
toán FCM để giải bài toán Kohonen, phân loại BĐPT và chương trình dự báo hình
dạng đồ thị phụ tải cho một ngày.
Chương 5 đi về phần xác định các thông số đầu vào cho mạng MLP bằng việc
xét mối tương quan giữa các yếu tố, kỹ thuật lan truyền ngược và thuật toán
Levenberg - Marquardt.
Chương 6 là phần triển khai mô hình thực tế mạng nơ ron trong dự báo phụ tải
ngắn hạn. Trên cơ sở các đầu vào đã xác định kết hợp với yếu tố thời tiết sẽ xây
dựng các mô hình dự báo khác nhau, mỗi mô hình được đánh giá sai số, lựa chọn
mô hình dự báo cho sai số thấp nhất. Xây dựng giao diện dự báo cho 24 giờ trong
ngày.
Tiếp sau chương 6 là phần kết luận chung của luận văn.
Cuối cùng là tài liệu tham khảo.
6
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
CHƯƠNG 1
NHU CẦU THỰC TIỄN VỀ DỰ BÁO PHỤ TẢI ĐIỆN VÀ MỘT SỐ
PHƯƠNG PHÁP DỰ BÁO HIỆN CÓ
1.1 Nhu cầu thực tiễn về dự báo phụ tải điện:
Điện năng là một sản phNm đặc biệt quan trọng đối với sự phát triển kinh tế,
xã hội, đời sống dân sinh và chính trị đối với bất cứ quốc gia nào trên thế giới.
Không giống như các sản phNm khác trong nền kinh tế thị trường với mục tiêu là lợi
nhuận, khi không có lợi nhuận thì ngừng sản xuất, điện là một sản phNm đặc biệt
không thể thiếu được, nên ngành điện được xem là một một ngành thuộc cơ sở hạ
tầng. Điện năng khác với các sản phNm hàng hóa nhờ nó có khả năng đáp ứng
nhanh chóng những biến đổi của nhu cầu tại mọi thời điểm và tính hầu như không
thể dự trữ được. Do đó, vấn đề dự báo phụ tải một cách chính xác cũng như toàn bộ
các khâu sản xuất, truyền tải, phân phối, phải luôn ở tình trạng sẵn sàng đáp ứng
nhu cầu phụ tải là yếu tố cơ bản ảnh hưởng đến hiệu quả phục vụ khách hàng của hệ
thống.
Hiện nay, với sự ra đời của Luật điện lực, sức ép về nâng cao hiệu quả kinh tế
trong sản xuất, truyền tải và phân phối đối với ngành điện ngày càng tăng. Đặc biệt
trong thời gian tới, khi thị trường điện ra đời và điện năng trở thành một mặt hàng
để mua và bán theo giá cả thị trường, dự báo phụ tải trong điều kiện đó sẽ đóng vai
trò quan trọng hàng đầu trong việc hình thành giá điện và vì vậy nó trở thành một
vấn đề sống còn của ngành điện.
Trong công tác vận hành, lập phương thức vận hành ngày và phương thức vận
hành tuần của người làm công tác điều độ, dự báo phụ tải ngắn hạn bao gồm: dự
báo trước một giờ, một ngày hoặc một tuần, đóng một vai trò vô cùng quan trọng.
Những phương thức vận hành cơ bản trong ngày như huy động nguồn, phối hợp
thủy điện và nhiệt điện, truyền tải công suất giữa các miền, giải quyết các công tác
7
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
sửa chữa trên lưới điện và đánh giá độ an toàn HTĐ đều đòi hỏi phải có dự báo phụ
tải chính xác.
Chúng ta biết rằng nhu cầu tiêu dùng điện năng phụ thuộc vào trình độ phát
triển của nền kinh tế quốc dân, vì thế dự báo phụ tải điện là một bộ phận của dự báo
phát triển kinh tế. Nếu chúng ta dự báo cao hơn thực tế sẽ làm chi phí tăng mạnh, do
phải huy động không cần thiết các nguồn điện dự phòng đắt tiền như diesel, các
máy phát chạy dầu DO…Ngược lại nếu dự báo thấp hơn thực tế sẽ dẫn đến kết quả
nguồn dự phòng thấp, giảm độ an toàn cung cấp điện, có thể phải cắt điện do việc
huy động thiếu nguồn, không những gây thiệt hại về kinh tế, an ninh xã hội, đời
sống sinh hoạt nhân dân mà còn mà còn làm giảm uy tín phục vụ khách hàng.
Theo EVN, năm 2006 cơ cấu tiêu thụ điện ở Việt nam có nhiều chuyển biến,
thành phần phụ tải sinh hoạt giảm đạt 43,3%, công nghiệp tăng đạt 47,43%, tuy
nhiên sự chênh lệch phụ tải cao điểm (phụ tải cao nhất trong ngày Pmax là khoảng
7000MW) và thấp điểm (phụ tải thấp nhất trong ngày Pmax là khoảng 4500 MW)
có tỷ số P max/ P min khoảng 1,6 đây là một sự chênh lệch lớn. Pmax và Pmin
cũng chính là hai giá trị phụ tải đặc biệt trong đồ thị phụ tải ngày và được người làm
công tác điều độ quan tâm nhiều nhất trong quá trình vận hành. Về mặt vận hành
với đồ thị phụ tải biến động lớn, thành phần thay đổi, quá trình khởi động máy phát
diễn ra thường xuyên ảnh hưởng đến tuổi thọ và chỉ tiêu kinh tế kỹ thuật của nhà
máy, tổn thất công suất và điện năng cũng sẽ gây nhiều bất lợi. Phụ tải cao điểm là
nhân tố quyết định việc huy động các nguồn nhiệt điện, tua bin khí, điesel dự phòng
nhằm đảm bảo đủ nguồn phủ đỉnh và dự phòng nóng, tăng độ an toàn cung cấp
điện. Phụ tải thấp điểm quyết định việc phối hợp và điều chỉnh các nguồn tua bin
khí, nhiệt điện, thủy điện đảm bảo vận hành kinh tế. Trong đó dự báo phụ tải lúc
cao điểm Pmax là khâu quan trọng nhất.
Trong thời gian tới khi HTĐ Việt Nam có đấu nối với các HTĐ của Trung
Quốc, Lào và các nước trong khu vực, thì vấn đề tăng độ tin cậy cung cấp điện, vận
hành kinh tế và an toàn HTĐ càng trở nên bức thiết. Do đó, giải quyết tốt vấn đề
8
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
cung cấp điện có vai trò và ý nghĩa vô cùng to lớn. Vì vậy, việc nghiên cứu và áp
dụng mô hình dự báo khác nhau nhằm tìm ra mô hình dự báo tối ưu cho vấn đề dự
báo phụ tải là đề tài nghiên cứu khoa học rất cần thiết đối với các trung tâm điều độ
trong vận hành tối ưu HTĐ của mình.
1.2 Các phương pháp dự báo đang được nghiên cứu và ứng dụng
1.2.1 Phân loại các phương pháp dự báo phụ tải điện ngắn hạn [5]
Dự báo luôn giữ vai trò quan trọng trong nhiều lĩnh vực, quyết định kế hoạch
sản xuất, hướng đầu tư phát triển trong tương lai, do đó có rất nhiều các mô hình
toán học áp dụng cho dự báo. Phương pháp thường được dùng nhất là phương pháp
tiếp cận vĩ mô đối với bài toán dự báo và cố gắng lập mô hình của phụ tải trong
tương lai sao cho nó phản ánh hành vi và tính chất của nó trong quá khứ.
Có nhiều cách phân loại phương pháp dự báo phụ tải điện ngắn hạn ta có thể
lấy ví dụ một số phân loại như sau:
¾ Phân loại theo tính động. Chia làm hai loại cơ bản: Phương pháp mô hình thời
gian trong ngày và phương pháp mô hình động.
Trong mô hình thời gian trong ngày, phụ tải được biểu diễn một lần dưới dạng
chuỗi thời gian rời rạc (discrete) chứa các giá trị dự báo cho từng giờ cho cả giai
đoạn dự báo. Thông thường phụ tải được mô hình hóa dưới dạng tổng của một biểu
đồ phụ tải tiêu chuNn (Standard Load Curve - SLC) và phần dư.
Các mô hình động thì cho rằng không chỉ là hàm của thời gian trong ngày mà
còn phụ thuộc vào hành vi trong quá khứ của phụ tải – các giá trị phụ tải của các giờ
trước đó.
¾ Phân loại theo mô hình xác định/bất định (deterministic/stochastic)
Các mô hình xác định chỉ cung cấp các giá trị phụ tải dự báo mà không đánh
giá sai số dự báo. Trong khi đó, mô hình bất định đưa ra giá trị phụ tải dự báo như
giá trị kỳ vọng của một quá trình bất định, ngẫu nhiên. Mô hình bất định cho phép
tính các đặc tính thống kê của giá trị phụ tải dự báo, trong đó có sai số dự báo.
9
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
¾ Phân loại theo mô hình phụ tải tổng/phụ tải theo thành phần tiêu thụ
Thường dự báo phụ tải ngắn hạn sử dụng mô hình phụ tải tổng. Một số công
trình nghiên cứu cũng chia phụ tải thành các thành phần tiêu thụ khác nhau, tiến
hành dự báo cho từng thành phần tiêu thụ, sau đó gộp phụ tải dự báo của tất cả các
thành phần lại thành phụ tải tổng dự báo. Phương pháp này đòi hỏi số lượng lớn
công việc cần để xây dựng mô hình hợp lý cho từng thành phần tiêu thụ.
1.2.2 Một số phương pháp dự báo điển hình:
a) Phương pháp hồi qui tuyến tính:
Hồi qui tuyến tính là mô hình toán học xác suất và thống kê, phân tích mối
tương quan giữa hai hay nhiều biến. Mô hình hồi qui tuyến tính được xây dựng trên
cơ sở giả thuyết quan hệ giữa hai biến ngẫu nhiên là tuyến tính, sau đó xác định
phương trình đường thẳng biểu diễn quan hệ đó và phương trình đường thẳng này
dự báo biến mà ta cần tìm. Mô hình hồi qui tuyến tính là mô hình kinh điển, đơn
giản và khá hiệu quả trong thống kê và dự báo, do đó có rất nhiều dự báo dựa trên
phương pháp này.
Phương pháp hồi qui dựa trên việc phân tích bản chất hiện tượng hay sự việc
cần nghiên cứu để tìm ra qui luật, dự đoán được xu thế biến động của hiện tượng, sự
việc đó trong tương lai, đó là phân tích mối quan hệ phụ thuộc giữa các đại lượng
ngẫu nhiên liên quan đến hiện tượng, sự việc cần nghiên cứu.
Theo nghiên cứu của [1] phương pháp hồi qui được ứng dụng trong dự báo
phụ tải Pmax và Pmin trong ngày có xét đến yếu tố nhiệt độ cho kết quả sai số trung
bình là 4%. Phương pháp này cho kết quả khá tốt khi quan hệ giữa các biến ngẫu
nhiên là tuyến tính và ngược lại.
b) Phương pháp chuyên gia:
Phương pháp chuyên gia dự báo có kết quả là các “thông số” do các chuyên
gia đưa ra, dựa trên trình độ 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 (đối với đối tượng dự báo) của một tập thể các nhà khoa học,
10
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
các nhà quản lý cùng đội ngũ các nhà cán bộ lão luyện thuộc các chuyên môn hay
nằm trong miền lân cận của đối tượng dự báo đưa ra các dự báo.
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 động cũng như hình thức biểu diễn đa dạng,
khó định lượng bằng con đường tiếp cận trực tiếp để tính toán, đo đạc thông qua các
phương pháp ước lượng và công cụ chính xác.
Đây là phương pháp tương đối đơn giản, dễ áp dụng và có khả năng tìm ra tức
thời các thông số, mà các thông số này không dễ dàng lượng hóa được và mô tả quy
luật vận động dưới dạng hàm số.
Phương pháp chuyên gia thích ứng được với đặc điểm và yêu cầu của một dự
báo nhu cầu và tình hình hiện tại là tính khả thi cao, cho kết quả nhanh, tạo ngay
căn cứ để đề ra các quyết định, ứng xử tức thời, phù hợp với diễn biến sôi động và
trạng thái muôn vẻ của đối tượng. Mặc khác, phương pháp này cho phép dự báo
được những hiện tượng “đột biến” của đối tượng mà thực tế đã xảy ra, nếu sử dụng
các phương pháp dự báo khác rất khó và rất lâu đưa ra kết quả và độ tin cậy cũng
không cao.
Không phải bất cứ trường hợp nào, bất cứ lúc nào cũng đòi hỏi kết quả dự báo
phải thể hiện dưới dạng các thông số xác định, mà nhiều khi kết quả dự báo cũng có
thể tồn tại dưới dạng những nhận định mang tính chất định tính, những xu hướng,
chiều hướng vận động. Phương pháp chuyên gia cũng rất hữu hiệu đối với dự báo
nặng về “chất” hơn “lượng”. Tuy nhiên phương pháp này có nhược điểm là thường
mang tính chủ quan nếu chọn chuyên gia không đúng tiêu chuNn thì độ tin cậy dự
báo thấp. Khi ý kiến chuyên gia tản mạn trái ngược nhau thì quá trình xử lý ý kiến
chuyên gia sẽ khá phức tạp. Nhiều chuyên gia đưa ra số liệu dự báo, nhưng cơ sở lý
giải lại không rõ ràng, biên độ giao động lớn, kiến cho việc đánh giá sai số và
khoảng tin cậy gặp khó khăn. Việc tập trung các chuyên gia đầy đủ trong một cuộc
họp, việc thu hồi phiếu trả lời đúng thời hạn cũng không được dễ dàng.
11
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
c) Mô hình thời gian trong ngày (time of day)
Ở dạng đơn giản nhất, mô hình thời gian trong trong ngày lấy mẫu phụ tải thực
tế tuần trước làm mô hình để dự báo phụ tải tuần sau. Người ta có thể sử dụng một
cách khác là chọn lấy một tập mẫu phụ tải của một số tuần đặc trưng cho các điều
kiện thời tiết khác nhau.
Một mô hình thời gian trong ngày khác là phương pháp tách phổ. Khác biệt
giữa phương pháp tách phổ với mô hình trên là ở hàm thời gian. Theo [5] phương
pháp tách phổ cho kết quả có độ chính xác cao hơn so với các hàm thời gian.
d) Các mô hình chuỗi thời gian ngẫu nhiên (bất định)
Nguyên tắc cơ bản của phương pháp này là đầu tiên chuỗi phụ tải theo thời
gian được chuyển thành chuỗi thời gian dừng (Stationary Time Series – tức chuỗi
không biến đổi theo thời gian), sau đó chuỗi dừng còn lại sẽ được lọc nhiễu trắng.
Mô hình ARIMA không phù hợp để mô tả chuỗi phụ tải vì chuỗi phụ tải có chứa
yếu tố mùa. Vì vậy, để tính đến yếu tố mùa và cả biến số nhiệt độ thường được gọi
là SARIMAX.
Các mô hình chuỗi thời gian có nhiều ưu điểm. Trước hết, lý thuyết mô hình
chuỗi thời gian có cơ sở toán học chặt chẽ và rõ ràng nên dễ thực hiện dự báo trên
cơ sở lý thuyết này. Các thông số của mô hình cũng được tính toán một cách dễ
dàng. Thủ tục đánh giá thông số mô hình cũng không khó.
Tuy nhiên, mô hình chuỗi thời gian có một số điểm yếu rất lớn đó là tính khó
thích nghi. Ví dụ như khi phụ tải điện hay đổi rất nhanh ở một số thời kỳ nhất định
trong năm. Trong mô hình ARIMA, phụ tải dự báo cho một giờ nào đó về nguyên
tắc lại là hàm của tất cả các giá trị tải trước đó, vì vậy mô hình không thể thích nghi
nhanh với điều kiện mới. Để giải quyết vấn đề này, tức tăng tính thích nghi của mô
hình, người ta thường sử dụng hệ số quên để đưa vào các trọng số lớn hơn cho các
hành vi gần nhất của phụ tải.
Một nhược điểm nữa của mô hình chuỗi thời gian là xử lý các phụ tải bất
thường. Nếu hành vi của phụ tải là bất thường trong một ngày nào đó thì sự sai lệch
12
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
này sẽ được phản ánh trong chuỗi phụ tải dự báo trong tương lai. Vì vậy, để giải
quyết vấn đề này, người ta người ta thường thay các giá trị phụ tải bất thường trong
chuỗi phụ tải quá khứ bằng giá trị dự báo tương ứng, tức giá trị không bất thường
giả sử của ngày hôm đó.
1.3 Cơ sở xây dựng phương pháp dự báo phụ tải mới sử dụng mạng nơ ron
nhân tạo
Dự báo phụ tải điện ngắn hạn trong những năm gần đây được quan tâm nghiên
cứu bởi vì các nguyên nhân sau đây:
− Sự dịch chuyển thị trường điện lực Việt Nam từ độc quyền ngành điện sang
môi trường cạnh tranh cao hơn trong thị trường điện, do đó đòi hỏi các bài
toán dự báo phải đạt được độ chính xác cao;
− Khoa học kỹ thuật ngày càng phát triển đã tạo nền tảng cho một số lý thuyết
dự báo mới phát triển;
− Sự phát triển của công nghệ thông tin mở ra các khả năng triển khai các mô
hình lý thuyết các hệ thống tính toán trong thời gian thực.
Mạng nơ ron nhân tạo được xây dựng dựa trên cơ sở mô phỏng hoạt động của
hệ thống nơ ron thần kinh sinh học, do đó mạng nơ ron nhân tạo có một số đặc điểm
quan trọng giống bộ não con người: Đó là khả năng học được những gì đã được
dạy. Quá trình học này được đưa vào mạng theo những mẫu cho trước. Trong quá
trình này các mẫu thể hiện quan hệ giữa các biến được đưa vào trong mạng nơ ron,
mạng sẽ nhận biết được các quan hệ đó sau khi kết thúc quá trình huấn luyện. Chính
do đặc điểm này mà mạng nơ ron được ứng dụng mạnh trong lĩnh vực dự báo. Hiện
nay mô hình này cũng đang được áp dụng phổ biến ở một số nước phát triển trong
dự báo phụ tải. Các nghiên cứu ứng dụng mạng nơ ron trong dự báo phụ tải cũng
bắt đầu thực hiện ở các trường, viện nghiên cứu. Tuy nhiên, số lượng nghiên cứu ít
ỏi chưa đủ cơ sở để xây dựng một phương pháp luận cơ bản phù hợp cho công tác
dự báo phụ tải ngắn hạn ở nước ta.
13
Trường Đại học Nông nghiệp Hà Nội - Luận văn thạc sỹ khoa học------------------------
