dự báo phụ tải điện tỉnh tiền giang trên cơ sở neural network

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
LÊ HOÀNG PHÚC

DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG
TRÊN CƠ SỞ NEURAL NETWORK

NGÀNH: KỸ THUẬT ĐIỆN - 60520202

S K C0 0 4 3 8 2

Tp. Hồ Chí Minh, tháng 10/2014


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
LÊ HOÀNG PHÚC

DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG
TRÊN CƠ SỞ NEURAL NETWORK

NGÀNH: KỸ THUẬT ĐIỆN - 60520202

Tp. Hồ Chí Minh, tháng 10/2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
LÊ HOÀNG PHÚC

DỰ BÁO PHỤ TẢI ĐIỆN TỈNH TIỀN GIANG
TRÊN CƠ SỞ NEURAL NETWORK

NGÀNH: KỸ THUẬT ĐIỆN - 60520202
Hướng dẫn khoa học:
PGS. TS LÊ MINH PHƯƠNG

Tp. Hồ Chí Minh, tháng 10/2014


LUẬN VĂN TỐT NGHIỆP 2014

LÝ LỊCH KHOA HỌC
I. LÝ LỊCH SƠ LƢỢC:
Họ và tên: Lê Hoàng Phúc

Giới tính: Nam

Ngày, tháng, năm sinh: 30-09-1983

Nơi sinh: Tiền Giang

Quê quán: xã Thân Cửu Nghĩa, huyện Châu Thành, tỉnh Tiền Giang
Dân tộc: kinh
Chức vụ, đơn vị công tác trước khi học tập, nghiên cứu: chuyên viên Phòng
Quản lý năng lượng – Sở Công Thương Tiền Giang
Chổ ở riêng hoặc địa chỉ liên lạc: Sở Công Thương Tiền Giang.
Điện thoại cơ quan: 073. 3886640; Fax: 073.3882201
Email:
II. QUÁ TRÌNH ĐÀO TẠO:
1. Đại học:
- Hệ đào tạo: chính quy.
- Thời gian đào tạo: từ tháng 09/2001 đến tháng 05/2006.
- Nơi học: Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh.
- Ngành học: Điện khí hóa và cung cấp điện.
- Tên luận văn tốt nghiệp: Ứng dụng Fuzzy logic điều khiển tốc độ động cơ
không đồng bộ ba pha theo định hướng từ thông stator.
+ Bảo vệ tại Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh
+ Ngày bảo vệ luận văn tốt nghiệp: năm 2006
+ Người hướng dẫn: Th.S Lê Thị Thanh Hoàng
2. Thạc sĩ:
- Hệ đào tạo: chính quy.
- Thời gian đào tạo: từ tháng 10/2012 đến tháng 10/2014.

GVHD: PGS. TS Lê Minh Phương

i

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

- Nơi học: Trường Đại học Sư phạm kỹ thuật thành phố Hồ Chí Minh.
- Ngành học: Kỹ Thuật điện.
- Tên luận văn tốt nghiệp: Dự báo phụ tải điện tỉnh Tiền Giang trên cơ sở
Neural Network.
+ Ngày và nơi bảo vệ luận văn: ngày 19/10/2014 tại Trường Đại học Sư
phạm kỹ thuật thành phố Hồ Chí Minh
+ Người hướng dẫn: PGS. TS Lê Minh Phương
3. Trình độ ngoại ngữ: Tiếng anh chứng chỉ B
4. Học vị, học hàm, chức vụ kỹ thuật đƣợc cấp; số bằng, ngày và nơi cấp:
III. QUÁ TRÌNH CÔNG TÁC:

Thời gian

Nơi công tác

Công việc đảm nhiệm

Từ tháng 9/2006

Sở Công Thương

đến nay

Tiền Giang

- Tổ chức hướng dẫn thực
hiện việc sử dụng năng
lượng tiết kiệm và hiệu
quả; phát triển năng lượng

mới, năng lượng tái tạo;
hành lang an toàn công
trình lưới điện cao áp;
- Thẩm tra hồ sơ thiết kế,
kiểm tra công tác nghiệm
thu các công trình điện;
thẩm định hồ sơ cấp giấy
phép hoạt động điện lực.

IV. CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ:

Không có

Ngày 20 tháng 10 năm 2014
Ngƣời khai ký tên

GVHD: PGS. TS Lê Minh Phương

ii

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Lê Hoàng Phúc

GVHD: PGS. TS Lê Minh Phương

iii

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai
công bố trong bất kỳ công trình nào khác
Tp. Hồ Chí Minh, tháng 10 năm 2014
Người thực hiện

Lê Hoàng Phúc

GVHD: PGS. TS Lê Minh Phương

iii

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Lời cảm ơn
Trƣớc hết, em xin trân trọng bày tỏ lòng biết ơn sâu sắc đến thầy
PGS.TS LÊ MINH PHƢƠNG, ngƣời đã tận tình chỉ bảo, hƣớng dẫn, truyền đạt
kiến thức chuyên môn và kinh nghiệm để em thực hiện luận văn này.
Xin chân thành cảm ơn đến tất cả quý Thầy, Cô Trƣờng Đại Học Sƣ Phạm

Kỹ Thuật TP. Hồ Chí Minh, Trƣờng Đại học Bách Khoa TP. Hồ Chí Minh đã
trang bị cho em những kiến thức rất bổ ích, đặc biệt là các Thầy Cô trong Khoa
Điện đã tạo điều kiện thuận lợi và hỗ trợ cho em rất nhiều trong quá trình học
cũng nhƣ trong thời gian làm luậ n vă n này.
Xin gởi lời cảm ơn đến Ban lãnh đạo Sở Công Thƣơng Tiền Giang đã tạo
điều kiện cho em trong suốt quá trình học tập.
Xin gởi lời cảm ơn chân thành nhất đến bạn bè và gia đình đã động viên,
giúp đỡ em có thêm những nỗ lực, niềm tin để hoàn thành luận văn này.
Xin chân thành cảm ơn!
Thành phố Hồ Chí Minh, tháng 10 năm
2014
Ngƣời thực hiện

Lê Hoàng Phúc

GVHD: PGS. TS Lê Minh Phƣơng
Phúc

iv

HVTH: Lê Hoàng


LUẬN VĂN TỐT NGHIỆP 2014

TÓM TẮT

Dự báo phụ tải đóng vai trò quan trọng trong công tác quy hoạch, đầu tư phát
triển và vận hành hệ thống điện. Tính chính xác của dự báo càng cần phải được đặc
biệt chú trọng. Nếu chúng ta dự báo quá thừa so với nhu cầu sử dụng thì dẫn tới hậu

quả là huy động nguồn quá lớn, tăng vốn đầu tư và có thể tăng tổn thất năng lượng.
Ngược lại, nếu chúng ta dự báo phụ tải quá thấp so với nhu cầu thì sẽ không đủ
năng lượng cung cấp cho các hộ tiêu thụ và tất nhiên dẫn đến việc cắt bỏ một số phụ
tải không có kế hoạch gây thiệt hại cho nền kinh tế.
Cho đến nay đã có khá nhiều phương pháp luận cho hoạt động dự báo, trong
đó đa số các phương pháp luận đều mang tính chất kinh nghiệm thuần túy. Dùng
cách giải quyết theo kinh nghiệm vào việc dự báo là chưa đầy đủ vì cách làm ấy
hoàn toàn dựa vào kinh nghiệm của giai đoạn trong quá khứ, mà các kinh nghiệm
ấy không thể lúc nào cũng có thể vận dụng vào hoàn cảnh đã thay đổi so với trước.
Việc nghiên cứu ứng dụng các mô hình dự báo khác nhau cho phép ta có cơ sở
tiếp cận tới việc lựa chọn phương pháp dự báo, đánh giá mức độ chính xác của dự
báo. Trong những năm gần đây, các mạng nơrơn truyền thẳng nhiều lớp được thực
tiễn chứng minh là khá mạnh và đặc biệt hiệu quả trong các bài toán dự báo phụ tải
khi chúng được huấn luyện bằng thuật toán lan truyền ngược.
Trong luận văn này, tác giả nghiên cứu tổng quan về mạng nơron nhân tạo,
mạng nơron truyền thẳng nhiều lớp kết hợp giải thuật lan truyền ngược; xây dựng
mô hình dự báo phụ tải điện; giải thuật lập trình và sử dụng phần mềm MATLAB
để thiết kế chương trình dự báo phụ tải điện các giờ trong ngày, các ngày trong tuần
và các tháng trong năm với giao diện dễ sử dụng, cho phép người sử dụng có thể
thiết kế một mô hình mạng nơron nhân tạo bất kỳ.

GVHD: PGS. TS Lê Minh Phương
Phúc

v

HVTH: Lê Hoàng


LUẬN VĂN TỐT NGHIỆP 2014

MỤC LỤC
Trang tựa

Trang

Quyết định giao đề tài
Lý lịch khoa học ........................................................................................................... i
Lời cam đoan ............................................................................................................. iii
Lời cảm tạ ................................................................................................................... iv
Tóm tắt ........................................................................................................................ v
Mục lục ......................................................................................................................vii
Danh sách các từ viết tắt ............................................................................................. x
Danh sách các hình ..................................................................................................... xi
Giới thiệu đề tài ........................................................................................................... 1
CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI
1.1. Tổng quan về dự báo ............................................................................................. 5
1.1.1 Khái niệm chung ......................................................................................... 5
1.1.2 Đặc điểm của dự báo ................................................................................... 5
1.1.3 Các phương pháp dự báo............................................................................. 6
1.2 Các phương pháp dự báo phụ tải điện.................................................................... 8
1.2.1 Phương pháp dự báo truyền thống................................................................ 8
1.2.1.1 Phương pháp hệ số đàn hồi ............................................................... 8
1.2.1.2 Phương pháp tính tương quan xu thế ................................................ 9
1.2.1.3 Phương pháp tính trực tiếp ............................................................. 11
1.2.1.4 Phương pháp chuyên gia ................................................................. 12
1.2.1.5 Phương pháp hồi quy ...................................................................... 12
1.2.1.6 Phương pháp san bằng hàm mũ ...................................................... 13
1.2.1.7 Phương pháp ngoại suy theo thời gian ........................................... 14
1.2.2 Phương pháp dự báo phụ tải hiện đại ......................................................... 16

1.2.2.1 Phương pháp dự báo bằng fuzzy logic (logic mờ).......................... 16
1.2.2.2 Phương pháp dự báo bằng phép phân tích Wavelet ....................... 28

GVHD: PGS. TS Lê Minh Phương

vii

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

1.2.2.3 Mạng nơron nhân tạo (neural network) .......................................... 33
1.2.2.4 Mô hình mạng Wavelet (mạng neural kết hợp hàm Wavelet) ........ 37
1.2.2.5 Mạng neural mờ (fuzzy neural network - FNN) ............................. 40
CHƯƠNG 2: TỔNG QUAN VỀ MẠNG NEURAL NHÂN TẠO (ANN) VÀ
ỨNG DỤNG TRONG DỰ BÁO PHỤ TẢI
2.1 Giới thiệu về mạng nơron nhân tạo ...................................................................... 41
2.2 Cấu trúc của mạng nơron nhân tạo ...................................................................... 42
2.3 Một số luật học và giải thuật cơ bản .................................................................... 49
2.3.1 Luật học sửa lỗi (Error correction learning) ............................................. 49
2.3.2 Luật Hebbian (Hebbian learning) ............................................................. 49
2.3.3 Luật học cạnh tranh (Competivive learning)............................................ 51
2.3.4 Giải thuật học Delta tổng quát .................................................................. 51
2.4 Một số mạng neural nhân tạo ............................................................................... 56
2.4.1 Mạng Maccalox ........................................................................................ 56
2.4.2 Mạng Hopfield ......................................................................................... 56
2.4.3 Mạng Hemmin .......................................................................................... 58
2.4.4 Mạng Function Link Net (FLN) ............................................................... 59
2.4.5 Mạng Perception ....................................................................................... 60

2.5 Giới thiệu Neural Networks ................................................................................. 61
2.5.1 Mô hình nơron .......................................................................................... 62
2.5.2 Mạng truyền thẳng.................................................................................... 63
2.5.3 Hàm khởi tạo mạng .................................................................................. 66
2.5.4 Huấn luyện mạng ...................................................................................... 66
2.6 Ứng dụng mạng nơron nhân tạo trong dự báo phụ tải ........................................ 69
CHƯƠNG 3: GIẢI THUẬT DỰ BÁO, ĐỀ XUẤT
3.1 Mạng truyền thẳng và giải thuật lan truyền ngược ............................................ 77
3.2 Giải thuật chương trình huấn luyện mạng .......................................................... 82
3.3 Giải thuật chương trình dự báo .......................................................................... 83

GVHD: PGS. TS Lê Minh Phương

viii

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

CHƯƠNG 4: THIẾT KẾ MẠNG NEURAL DỰ BÁO PHỤ TẢI
4.1 Các bước xây dựng bài toán dự báo phụ tải ........................................................ 84
4.2 Thiết kế mạng neural dự báo phụ tải .................................................................... 86
4.2.1 Phân tích dữ liệu ....................................................................................... 87
4.2.2 Lựa chọn cấu trúc mạng ........................................................................... 88
4.2.3 Lựa chọn hàm truyền ................................................................................ 88
4.2.4 Huấn luyện mạng đã chọn theo giải thuật truyền ngược .......................... 88
CHƯƠNG 5: GIẢI THUẬT LẬP TRÌNH VÀ LẬP TRÌNH BẰNG MATLAB
5.1 Giải thuật lập trình .............................................................................................. 93
5.2 Giới thiệu giao diện cua chương trình.................................................................. 94

5.2.1 Giới thiệu huấn luyện mạng ..................................................................... 95
5.2.2 Giao diện dự báo phụ tải 24h ................................................................... 95
5.2.3 Giao diện dự báo phụ tải 7 ngày............................................................... 96
5.2.4 Giao diện dự báo phụ tải 12 tháng ........................................................... 97
CHƯƠNG 6: KẾT QUẢ DỰ BÁO PHỤ TẢI TỈNH TIỀN GIANG
6.1 Kết quả dự báo .................................................................................................... 98
6.1.1 Dự báo phụ tải 24h ..................................................................................... 98
6.1.2 Dự báo phụ tải 7 ngày............................................................................... 108
6.1.3 Dự báo phụ tải 12 tháng ........................................................................... 111
6.2 So sánh kết quả dự báo khi áp dụng mô hình dự báo phụ tải điện bằng mạng
nơron và mô hình dự báo phụ tải truyền thống ........................................................ 114
6.3 Nhận xét chung .................................................................................................. 117
CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
7.1 Kết luận ............................................................................................................. 119
7.2 Hướng phát triển đề tài....................................................................................... 119
Tài liệu tham khảo .................................................................................................... 121
Phụ lục1: Chương trình Matlab ................................................................................ 123
Phụ lục2: Số liệu công suất cực đại và điện năng tiêu thụ tỉnh Tiền Giang
Phụ lục3: Số liệu điện thương phẩm tỉnh Tiền Giang

GVHD: PGS. TS Lê Minh Phương

ix

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

DANH SÁCH CÁC TỪ VIẾT TẮT

ANN: Artificial Neural Network
BP: BackPropagation.
MLP: MultiLayer Perceptron.
FL: Fuzzy Logic
FNN: Fuzzy neural network.
FLN: Function Link Net
SSE: Sum of Square Errors
MSE: Mean Sum of Square Errors.
MAPE: Mean absolute percentage error
AME: Absolute mean error
GDP: Gross Domestic Product
SCADA: Supervisory Control And Data Acquisition
DWT: Discrete Wavelet Transform

GVHD: PGS. TS Lê Minh Phương

x

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

DANH SÁCH CÁC HÌNH
HÌNH

TRANG

Hình 1.1: Đường cong phụ tải của tháng 5.......................................................... 19

Hình 1.2: Biểu đồ quan hệ giữa nhiệt độ trung bình và công suất cực đại ......... 19
Hình 1.3: Biểu đồ quan hệ giữa nhiệt độ trung bình và công suất trung bình .... 20
Hình 1.4: Biểu đồ quan hệ giữa độ ẩm trung bình và công suất cực đại ............. 20
Hình 1.5: Biểu đồ quan hệ giữa độ ẩm trung bình và công suất trung bình........ 21
Hình 1.6: Hàm thuộc của các biến đầu vào ......................................................... 23
Hình 1.7: Hàm thuộc của các biến đầu ra ............................................................ 24
Hình 1.8: Đường cong độ ẩm từ ngày 23/7 đến 27/7 .......................................... 26
Hình 1.9: Đường cong phụ tải thực tế và phụ tải dự báo (24/7 – thứ bảy) ......... 26
Hình 1.10: Đường cong phụ tải thực tế và phụ tải dự báo (25/7 – chủ nhật) ...... 27
Hình 1.11: Đường cong phụ tải thực tế và phụ tải dự báo (26/7 – thứ hai) ........ 27
Hình 1.12: Đường cong phụ tải thực tế và phụ tải dự báo (27/7 – thứ ba) ......... 28
Hình 1.13: Lưu đồ giải thuật lan truyền ngược ................................................... 36
Hình 2.1: Mô hình nơron nhân tạo ...................................................................... 43
Hình 2.2: Mạng truyền thẳng một lớp ................................................................. 45
Hình 2.3: Mạng truyền thẳng nhiều lớp .............................................................. 46
Hình 2.4: Mạng truyền lùi một lớp ...................................................................... 46
Hình 2.5: Mạng truyền lùi nhiều lớp ................................................................... 47
Hình 2.6: Sơ đồ khối học có giám sát ................................................................. 47

GVHD: PGS. TS Lê Minh Phương

xi

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Hình 2.7: Sơ đồ khối học không có giám sát ...................................................... 48
Hình 2.8: Sơ đồ khối học củng cố ....................................................................... 49

Hình 2.9: Mô hình mạng Maccalox ..................................................................... 56
Hình 2.10: Mô hình mạng Hopfield .................................................................... 57
Hình 2.11: Mô hình mạng Hemmin .................................................................... 58
Hình 2.12: Mô hình mạng Function Link Net (FLN).......................................... 59
Hình 2.13: Mô hình mạng Perceptron trong Matlab ........................................... 60
Hình 2.14: Cấu trúc cơ bản mạng nơron ............................................................. 62
Hình 2.15: Cấu trúc mạng nơron trong matlab.................................................... 63
Hình 2.16: Mô hình ma ̣ng truyền thẳng 1 lớp có S neural, có R ngõ vào ........... 64
Hình 2.17: Mạng truyền thẳng 1 lớp có S neural, có R ngõ vào trong Matlab ... 64
Hình 2.18: Mô hình ma ̣ng truyền thẳng nhiều lớp ẩn ......................................... 65
Hình 2.19: Biểu đồ phụ tải trung bình ngày điển hình của Điện lực Gia Lai ..... 70
Hình 2.20: Mô hình ma ̣ng FNN1 ............................................................................................................... 72
Hình 2.21: Mô hình ma ̣ng FNN2 và FNN3 ........................................................................................73\
Hình 2.22: Mô hình ma ̣ng nơ ron nhân tạo với các thông số đầu vào và đầu ra 74
Hình 2.23: Bảng so sánh phụ tải dự báo 24h và phụ tải thực 24h
ngày 08/5/2004 .................................................................................................... 74
Hình 2.24: Bảng so sánh phụ tải dự báo 24h và phụ tải thực 24h
ngày 19/11/2005 .................................................................................................. 75
Hình 2.25: Bảng so sánh phụ tải dự báo 24h và phụ tải thực 24h
ngày 25/7/2006 ................................................................................................... 75
Hình 3.1: Mô hình mạng truyền thẳng 3 lớp ....................................................... 78

GVHD: PGS. TS Lê Minh Phương

xii

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Hình 3.2: Lưu đồ giải thuật chương trình huấn luyện mạng ............................... 82
Hình 3.3: Lưu đồ giải thuật chương trình dự báo ............................................... 83
Hình 4.1: Lưu đồ giải thuật truyền ngược sai số ................................................. 89
Hình 4.2: Cấu trúc mạng Feedforwardnet mặc định trong Matlab .................... 91
Hình 5.1: Lưu đồ giải thuật lập trình ................................................................... 93
Hình 5.2: Giao diện huấn luyện mạng ................................................................ 95
Hình 5.3: Giao diện dự báo phụ tải 24h .............................................................. 96
Hình 5.4: Giao diện dự báo phụ tải 7 ngày ......................................................... 97
Hình 5.5: Giao diện dự báo phụ tải 12 tháng ...................................................... 97
Hình 6.1: Kết quả dự báo phụ tải 24h của ngày thứ 2 (02/12/2013)................. 101
Hình 6.2: Kết quả dự báo phụ tải 24h của ngày thứ 3 (03/12/2013) ................. 102
Hình 6.3: Kết quả dự báo phụ tải 24h của ngày thứ 4 (04/12/2013) ................. 103
Hình 6.4: Kết quả dự báo phụ tải 24h của ngày thứ 5 (05/12/2013) ................. 104
Hình 6.5: Kết quả dự báo phụ tải 24h của ngày thứ 6 (06/12/2013)................. 105
Hình 6.6: Kết quả dự báo phụ tải 24h của ngày thứ 7 (07/12/2013) ................. 106
Hình 6.7: Kết quả dự báo phụ tải 24h của ngày chủ nhật (08/12/2013) ........... 107
Hình 6.8: Kết quả dự báo phụ tải 7 ngày .......................................................... 110
Hình 6.9: Kết quả dự báo phụ tải 12 tháng ....................................................... 114
Hình 6.10: Kết quả dự báo phụ tải năm 2011 ................................................... 115
Hình 6.11: Kết quả dự báo phụ tải năm 2012 ................................................... 116
Hình 6.12: Kết quả dự báo phụ tải năm 2013 ................................................... 116

GVHD: PGS. TS Lê Minh Phương

xiii

HVTH: Lê Hoàng Phúc

LUẬN VĂN TỐT NGHIỆP 2014

GIỚI THIỆU ĐỀ TÀI

1. ĐẶT VẤN ĐỀ
Trong ngành năng lượng, dự báo phụ tải có ý nghĩa vô cùng quan trọng vì nó
gắn liền và ảnh hưởng trực tiếp đến đời sống sinh hoạt của nhân dân và các ngành
kinh tế quốc dân. Ngoài ra, dự báo phụ tải có ý nghĩa quyết định trong việc đảm bảo
chế độ làm việc an toàn và tiết kiệm của hệ thống điện, đồng thời có tính chất quyết
định trong việc hoạch định chiến lược phát triển hệ thống.
Các phương pháp dự báo phụ tải truyền thống thường không thể miêu tả đầy
đủ và chính xác quá trình thực tế xảy ra vì số lượng cơ sở dữ liệu không đầy đủ và
có nhiều sai số hoặc đòi hỏi quá nhiều thời gian cho tính toán. Trong thực tế, không
tồn tại phương trình với những tham số có sẵn mà ta chỉ biết được giá trị gần đúng
hoặc kỳ vọng toán học. Vì thế ta phải đưa ra một phương trình có sẵn với những
tham số chưa được biết, dùng phương pháp gần đúng để tìm ra những tham số này
và như vậy độ chính xác sẽ giảm đi rất nhiều. Phương pháp cổ điển được sử dụng
có hiệu quả chỉ trong các trường hợp các dữ liệu quan hệ tuyến tính với nhau, nó
không thể trình bày rõ ràng các mối quan hệ phi tuyến, phức tạp giữa phụ tải và các
tham số liên quan.
Để cải thiện nhược điểm của các phương pháp dự báo phụ tải truyền thống,
các nhà khoa học đã ứng dụng kỹ thuật dự báo hiện đại như: fuzzy logic, mạng
neural, phép phân tích wavelet, …Các phương pháp dự báo hiện đại trên ngày càng
được quan tâm vì kết quả dự báo khá chính xác.
Trong thời gian gần đây, mạng nơron nhân tạo có nhiều ưu điểm hơn cả vì là
một mô hình rõ ràng, dễ thực hiện, hiệu quả. Có thể nói, dự báo phụ tải là một trong
những ứng dụng thành công nhất của mạng nơron nhân tạo trong hệ thống điện. Do
đó, sử dụng kỹ thuật mạng nơron nhân tạo để dự báo phụ tải điện cho tỉnh Tiền
Giang là điều cần thiết và được nghiên cứu trong đề tài này.

GVHD: PGS. TS Lê Minh Phương

1

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

 Kết quả nghiên cứu trong nước và ngoài nước:
 Năm 1995, bài báo: “Fuzzy neural networks for time-series forecasting of
electric load” - P.K. Dash, G. Ramakrishna, A.C. Liew, S. Rahman
Bài viết này trình bày ba mô hình mạng nơron - mờ (FNN) theo chuỗi thời
gian của dự báo phụ tải điện. Mô hình đầu tiên, FNN1 sử dụng các giá trị mờ của tải
trong quá khứ và thời tiết và đầu ra của các FNN1 cung cấp cho các giá trị của dự
báo phụ tải. Các mô hình thứ hai và thứ ba, FNN2 và FNN3 giới thiệu khả năng học
ở mức độ thấp của một mạng nơron nhân tạo vào một hệ thống mờ và cung cấp mức
độ hiểu cao của con người. Ngoài ra, các phương trình lọc Kalman cập nhật trong
giai đoạn giám sát học tập của FNN3 cho hội tụ tốt hơn và chính xác hơn so với giải
thuật lan truyền ngược giảm dốc (gradient gốc) thuật toán trong giai đoạn học giám
sát của FNN2.
 Năm 2012, bài báo: “ Short – term load forecasting Using Artificial Neural
Network ” - Muhammad Buhari, Member, IAENG and Sanusi Sani Adamu
Một mô hình dự báo phụ tải được thiết kế sử dụng Matlab R2008b ANN hộp
công cụ. Việc xây dựng cấu trúc mạng, huấn luyện mạng nơron và mô phỏng kết
quả kiểm tra đều thành công với một mức độ chính xác cao. Một tập hợp các trọng
số tối ưu và trọng ngưỡng sau khi huấn luyện mạng với tải dữ liệu thu được từ các
công ty điện lực. Tính chính xác của dự báo đã được chứng minh bằng cách so sánh
các kết quả mô phỏng từ mạng với kết quả thu được từ các công ty điện lực. Nhiều
cấu trúc mạng đã được huấn luyện và mô phỏng trước khi đến sai số tốt nhất là

5,84e-6.
 Bài báo: “Ứng dụng về mạng nơron để dự báo phụ tải tỉnh Gia Lai” - tác
giả Phạm Anh Cường, Phan Văn Hiền.
Với cấu trúc sử dụng là mạng nơron truyền thẳng, bao gồm một lớp ra, một lớp
ẩn được huấn luyện bằng thuật toán lan truyền ngược, hàm kích hoạt của các đơn vị
trong lớp ẩn là hàm tansig, hàm kích hoạt của các đơn vị ở lớp ra là hàm đồng nhất
purelin, số nơron ở đầu ra là 24 và số nơron trong lớp ẩn là 23 thì mạng cơ bản đã

GVHD: PGS. TS Lê Minh Phương

2

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

đáp ứng được yêu cầu của bài toán cụ thể đặt ra là dự báo phụ tải điện tại tỉnh Gia
Lai, đạt sai số dự báo 2.46% (sai số cho phép < 5%).
Là một chuyên viên đang công tác tại Sở Công Thương Tiền Giang, em đã
chọn đề tài: “Dự báo phụ tải điện cho tỉnh Tiền Giang trên cơ sở Neural
Network” với mong muốn khám phá những ưu điểm của mạng nơron nhân tạo và
ứng dụng vào công tác dự báo phụ tải cho tỉnh Tiền Giang.
2. MỤC TIÊU CỦA ĐỀ TÀI
- Nghiên cứu ứng dụng mạng nơron nhân tạo trong dự báo nói chung và dự
báo phụ tải nói riêng.
- Nghiên cứu xây dựng mô hình dự báo phụ tải cho tỉnh Tiền Giang.
- Nghiên cứu giải thuật lập trình và xây dựng phần mềm dự báo phụ tải cho
tỉnh Tiền Giang.
3. NHIỆM VỤ VÀ GIỚI HẠN ĐỀ TÀI

- Nhiệm vụ của đề tài:
 Nghiên cứu những ứng dụng của mạng nơron nhân tạo trong dự báo.
 Nghiên cứu các thuật toán để giải bài toán dự báo phụ tải.
 Thiết kế chương trình dự báo phụ tải.
- Giới hạn của đề tài:
 Tập trung nghiên cứu phụ tải điện tỉnh Tiền Giang, số liệu dự báo là
công suất cực đại từng giờ, điện năng tiêu thụ ngày, tháng, năm tỉnh
Tiền Giang.
 Sử dụng phần mềm MATLAB để thiết kế chương trình dự báo.
4. PHƢƠNG PHÁP NGHIÊN CỨU
- Tham khảo, nghiên cứu các bài báo ứng dụng của mạng Neural nhân tạo
trong dự báo; tổng hợp, đề xuất giải thuật để giải bài toán dự báo phụ tải.
- Sử dụng phần mềm để thiết kế chương trình dự báo phụ tải.

GVHD: PGS. TS Lê Minh Phương

3

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

5. ĐIỂM MỚI CỦA LUẬN VĂN :
- Tổng hợp các bài toán dự báo phụ tải theo giờ, ngày, tháng trong cùng một
chương trình dự báo.
- Chương trình dự báo tiện lợi cho người sử dụng.
6. BỐ CỤC LUẬN VĂN: gồm 7 chƣơng:
Chương 1: Tổng quan về dự báo phụ tải
Chương 2: Tổng quan về mạng nơron nhân tạo (ANN) và ứng dụng trong dự

báo phụ tải
Chương 3: Giải thuật dự báo, đề xuất
Chương 4: Thiết kế mạng nơron dự báo phụ tải
Chương 5: Giải thuật lập trình và lập trình bằng MATLAB
Chương 6: Kết quả dự báo phụ tải tỉnh Tiền Giang
Chương 7: Kết luận và hướng phát triển đề tài

GVHD: PGS. TS Lê Minh Phương

4

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Chương 1

TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI

1.1 Tổng quan về dự báo
1.1.1 Khái niệm chung
Dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong
tƣơng lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập đƣợc. Khi tiến
hành dự báo cần căn cứ vào việc thu thập, xử lý số liệu trong quá khứ và hiện tại để
xác định xu hƣớng vận động của các hiện tƣợng trong tƣơng lai nhờ vào một số mô
hình toán học. Dự báo là đi tìm một mô hình toán thích hợp mô tả mối quan hệ phụ
thuộc của các đại lƣợng cần dự báo với các yếu tố khác, hay chính bản thân nó;
nhiệm vụ chính của dự báo là việc xác định các tham số mô hình. Về mặt lý luận thì
các tính chất của mô hình dự báo đƣợc nghiên cứu trên cơ sở giả định rằng nó đƣợc

ứng dụng để dự báo một quá trình nào đó đƣợc sinh ra từ một mô hình giải tích.
1.1.2 Đặc điểm của dự báo
Không có cách nào để xác định tƣơng lai là gì một cách chắc chắn (tính không
chính xác của dự báo) dù phƣơng pháp chúng ta sử dụng là gì thì luôn tồn tại yếu tố
không chắc chắn cho đến khi thực tế diễn ra.
Luôn có điểm mù trong các dự báo, chúng ta không thể dự báo một cách chính
xác hoàn toàn điều gì sẽ xảy ra trong tƣơng tƣơng lai. Hay nói cách khác, không
phải cái gì cũng có thể dự báo đƣợc nếu chúng ta thiếu hiểu biết về vấn đề cần dự
báo.
Dự báo cung cấp kết quả đầu vào cho các nhà hoạch định chính sách trong
việc đề xuất các chính sách phát triển kinh tế, xã hội. Chính sách mới sẽ ảnh hƣởng
đến tƣơng lai, vì thế cũng sẽ ảnh hƣởng đến độ chính xác của dự báo.

GVHD: PGS. TS Lê Minh Phƣơng

5

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Dự báo và lập kế hoạch là hai giai đoạn gắn kết chặt chẽ với nhau của một quá
trình quản lý. Nếu công tác dự báo mà dựa trên các lập luận khoa học thì nó sẽ trở
thành cơ sở để xây dựng các kế hoạch phát triển nền kinh tế quốc dân. Dự báo sẽ
góp phần giải quyết các vấn đề cơ bản nhƣ sau:
- Xác định xu thế phát triển.
- Đề xuất những yếu tố cụ thể quyết định các xu thế ấy.
- Xác định quy luật và đặc điểm của sự phát triển.
Đặc biệt, đối với ngành năng lƣợng thì tác dụng của dự báo càng có ý nghĩa

quan trọng vì năng lƣợng có liên quan rất chặt chẽ với tất các các ngành kinh tế
quốc dân, cũng nhƣ mọi sinh hoạt bình thƣờng của nhân dân. Do đó nếu dự báo
không chính xác hoặc sai lệch quá nhiều về khả năng cung cấp nhu cầu năng lƣợng
sẽ dẫn đến những hạn chế không tốt cho nền kinh tế.
Tùy theo yêu cầu cụ thể mà ta lựa chọn tầm dự báo, ví dụ để xây dựng kế
hoạch hay chiến lƣợc phát triển ta phải dự báo dài hạn hay trung hạn, nếu để phục
vụ công việc vận hành ta tiến hành dự báo ngắn hạn. Các tầm dự báo:
- Dự báo điều độ: dự báo theo giờ hoặc vài phút.
- Dự báo ngắn hạn: dự báo theo ngày, vài ngày hoặc tháng.
- Dự báo trung hạn: thời gian dự báo theo năm, khoảng từ 5 – 7 năm.
- Dự báo dài hạn: thời gian dự báo theo năm, khoảng 10 – 20 năm.
1.1.3 Các phương pháp dự báo: Hiện nay có một số phƣơng pháp dự báo
thƣờng dùng trên thế giới nhƣ: tiên đoán, ngoại suy xu hƣớng, chuyên gia, mô
phỏng (mô hình hóa), ma trận tác động qua lại, kịch bản, cây quyết định, dự báo
tổng hợp,...
Việc lựa chọn phƣơng pháp dự báo phụ thuộc vào lĩnh vực hoạt động, các lĩnh
vực dự báo liên quan đến hiện tƣợng tự nhiên thì phƣơng pháp định lƣợng hay đƣợc
sử dụng nhƣ mô hình hóa, phƣơng pháp kịch bản,…Tuy nhiên, tùy vào từng lĩnh
vực, ngành mà các phƣơng pháp dự báo có thể khác nhau. Ở đây ta quan tâm hai

GVHD: PGS. TS Lê Minh Phƣơng

6

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

phƣơng pháp dự báo: dự báo theo chuỗi thời gian và dự báo theo phƣơng pháp

tƣơng quan.
Dự báo theo chuỗi thời gian là tìm một quy luật thay đổi của đại lƣợng cần dự
báo phụ thuộc vào giá trị của đại lƣợng đó trong quá khứ.
Mô hình toán học:
Ŷ(t) = f (a0, a1, a2,…an, Y(t-1), Y(t-2),…, Y(t-n)
= a0 + a1Y(t-1) + a2Y(t-2) + a3Y(t-3)… an Y(t-n)

(1.1)

Trong đó:
Ŷ(t): là giá trị đại lƣợng cần dự báo tại thời điểm t.
Y(t-1), Y(t-2)…Y(t-n) : các giá trị của đại lƣợng trong quá khứ.
a0 , a1 , … an : các thông số của mô hình dự báo cần tìm.
Dự báo theo phƣơng pháp tƣơng quan là tìm quy luật thay đổi của đại lƣợng
cần dự báo phụ thuộc vào các đại lƣợng liên quan.
Mô hình toán học :
Ŷ(t) = f(a1, a2,..an, A0, A1, A2,.., An)
= A0 + a1 A1+ a2 A2 + a3 A3 +…+ an An

(1.2)

Trong đó :
Ŷ(t) : là giá trị cần dự báo.
A1, A2, … An : giá trị của các đại lƣợng liên quan.
a1, a2, …an : thông số của mô hình dự báo cần tìm.
Việc xác định các giá trị của các thông số mô hình dự báo cho cả hai phƣơng
pháp dự báo trên phần lớn là dựa trên nguyên tắc bình phƣơng cực tiểu:

  Y  Y   min


n

i 1

GVHD: PGS. TS Lê Minh Phƣơng

i

i

7

(1.3)

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

Đối với phƣơng pháp dự báo theo chuỗi thời gian:
n

[Y  f (a , a ,..., a ,Y (t  1),Y (t  2),...Y (t  n))]

2

i 1

i

0

1

n

 min

(1.4)

Đối với phƣơng pháp dự báo tƣơng quan:
n

[Y  f (a , a ,..., a , A , A ,..., A )]

2

i 1

i

0

1

n

0

1

n

 min

(1.5)

Trong đó Yi là giá trị thực của đại lƣợng cần dự báo.
Để tìm các thông số của mô hình dự báo ta đạo hàm phƣơng trình trên theo
các thông số mô hình. Giải hệ n phƣơng trình ta sẽ tìm đƣợc n thông số của mô hình
dự báo :

i

 f (a0 , a1 ,..., an , Y (t  1), Y (t  2),...Y (t  n))]

f
0
da0

(1.6)

[Y

i

 f (a0 , a1 ,..., an , Y (t  1), Y (t  2),...Y (t  n))]

f

0
da1

(1.7)

[Y

 f (a0 , a1 ,..., an , Y (t  1), Y (t  2),...Y (t  n))]

f
0
dan

(1.8)

n

[Y
i 1

n

i 1

……
n

i 1

i

1.2 Các phương pháp dự báo phụ tải điện
1.2.1 Phương pháp dự báo truyền thống
1.2.1.1 Phương pháp hệ số đàn hồi
Phƣơng pháp này xác định mối tƣơng quan giữa nhu cầu tiêu thụ điện (công
suất, điện năng) của phụ tải với tăng trƣởng kinh tế (hệ số đàn hồi giữa nhu cầu điện
và GDP, tăng trƣởng công nghiệp, thƣơng mại, hệ số tiết kiệm năng lƣợng...). Mối
tƣơng quan này đƣợc thể hiện qua hệ số đàn hồi nhƣ sau:

GVHD: PGS. TS Lê Minh Phƣơng

8

HVTH: Lê Hoàng Phúc


LUẬN VĂN TỐT NGHIỆP 2014

A

 ET

A%

 A
Y % Y

(1.9)

Y

Trong đó:
- αET là hệ số đàn hồi;
- A% và Y% là tăng trƣởng của điện năng, công suất và tăng trƣởng kinh tế (hệ
số đàn hồi giữa nhu cầu điện và GDP, tăng trƣởng công nghiệp, thƣơng mại...);
- A là điện năng, công suất;
- Y là số liệu tăng trƣởng kinh tế (hệ số đàn hồi giữa nhu cầu điện và GDP,
tăng trƣởng công nghiệp, thƣơng mại, hệ số tiết kiệm năng lƣợng...).
Các hệ số đàn hồi đƣợc xác định theo từng ngành kinh tế, toàn quốc và từng
miền lãnh thổ. Việc dự báo nhu cầu điện năng toàn quốc đƣợc tổng hợp theo
phƣơng pháp từ dƣới lên (Bottom-up) từ dự báo nhu cầu điện năng cho các ngành
kinh tế, khu vực dân dụng và từ các vùng lãnh thổ.
1.2.1.2 Phương pháp tính tương quan-xu thế:
Phƣơng pháp này xác định mối tƣơng quan giữa nhu cầu tiêu thụ điện (công
suất, điện năng) của phụ tải với các yếu tố ảnh hƣởng quan trọng (tăng trƣởng kinh
tế, giá điện, thời tiết, tỷ giá…) và đƣợc thực hiện trên nền Excel với các bƣớc sau
đây:
a) Dự báo đồ thị phụ tải giờ tới
Đối với từng miền, so sánh các biểu đồ ngày quá khứ thu đƣợc với biểu đồ
ngày hiện tại D để tìm đƣợc biểu đồ có hình dạng giống nhất với biểu đồ ngày D.
Cách so sánh đƣợc thực hiện tự động với hàm:
Correl(array1, array2)

Với thuật toán sau:

GVHD: PGS. TS Lê Minh Phƣơng

9

HVTH: Lê Hoàng Phúc