Xây dựng giao diện Matlab dự báo phụ tải ngắn hạn bằng thuật toán di truyền

Lời mở đầu
Trong những năm gần đây, do nhu cầu năng lượng không ngừng biến đổi và tăng
nhanh theo thời gian nên ngành Điện đã và đang xây dựng rất nhiều nhà máy điện
để đáp ứng nhu cầu tiêu thụ điện năng trong cả nước. Vì vậy một trong những nhiệm
vụ quan trọng mà ngành điện cần phải giải quyết tốt là bài toán dự báo phụ tải ngắn
hạn và dài hạn.
Cho đến nay tuy đã có nhiều phương pháp trong giải quyết bài toán dự báo nhưng
bài toán này vẫn luôn là một bài toán khó. Hiện nay trong ngành Điện lực Việt Nam
bài toán dự báo phụ tải được giải quyết chủ yếu nhờ các phương pháp dự báo truyền
thống mang tính kinh nghiệm thuần túy. Dùng cách dự báo theo kinh nghiệm thuần
túy là chưa đủ. Việc ứng dụng các mô hình dự báo khác nhau cho ta cơ sở lựa chọn
các phương pháp dự báo, đánh giá mức độ chính xác của dự báo để dự báo chính xác
hơn nhu cầu phụ tải điện tại từng thời điểm đưa ra các phương án vận hành tối ưu.
Trong các hướng nghiên cứu thì mạng nơ ron nhân tạo chiếm một vị trí quan trọng
trong việc phát triển các phương pháp dự báo, là kỹ thuật xử lý thông tin có triển vọng
ứng dụng cao trong các bài toán dự báo.
Mạng nơ ron nhân tạo có các ưu điểm vượt trội so với các phương pháp truyền
thống như : cấu trúc xử lý song song, khả năng học và ghi nhớ, khả năng tự tổ chức
và tổng quát hóa,... nên việc áp dụng để giải quyết bài toán dự báo ngắn hạn rất thích
hợp.
Đồ án này em xin trình bày về một số hiểu biết cơ bản nhất về mạng nơ ron nhân
tạo và nghiên cứu ứng dụng giải quyết bài toán dự báo phụ tải ngắn hạn cho hệ thống
điện miền Bắc. Đối tượng cụ thể của nghiên cứu là dự báo phụ tải cho 24 giờ sau
nhằm đưa ra các thông số cần thiết cho công tác vận hành và lập phương thức điều
hành hệ thống điện.


Đồ án bao gồm 5 chương:
- Chương I : Bài toán dự báo phụ tải.
- Chương II : Tổng quan về mạng nơron nhân tạo
- Chương III : Ứng dụng mạng nơron nhiều lớp lan truyền ngược sai số dự báo

phụ tải ngắn hạn
- Chương IV : Ứng dụng thuật toán di truyền trong dự báo phụ tải ngắn hạn
- Chương V: Dự báo phụ tải cho 24h.
Để đồ án được hoàn thiện hơn em rất mong nhận được sự góp ý xây dựng của thầy
cô và các bạn.


Lời cảm ơn
Em xin chân thành cảm ơn thầy TS. Phạm Mạnh Hải đã giao đề tài, hướng dẫn
và định hướng cho em thực hiện đồ án này. Đồng thời đưa em tiếp cận với ngôn ngữ
soạn thảo LATEX một công cụ hữu ích mang nhiều ưu điểm vượt trội so với phần mềm
soan thảo Microsoft Word truyền thống.
Em cũng xin được gửi lời cảm ơn đến anh Ngô Văn Hà và các thầy cô khoa Hệ
Thống Điện-Trường Đại học Điện lực đã trang bị cho em kiến thức để em có thể
hoàn thành đồ án này.
Đồng thời, tôi xin cảm ơn gia đình, bạn bè và tập thể lớp D6H2 đã giúp đỡ tạo điều
kiện để tôi hoàn thành tốt đồ án này.
Hà Nội,Ngày 6 tháng 3 năm 2016
Sinh viên
Đinh Trọng Thủy


NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................

..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................


NHẬN XÉT CỦA GIẢNG VIÊN PHẢN BIỆN
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................

..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................
..............................................................................................................................................


Mục lục
1 Bài toán dự báo phụ tải

1.1 Khái quát về phụ tải HTĐ và ý nghĩa của bài toán dự báo phụ tải . . . .

1
1

1.1.1

Khái quát về phụ tải HTĐ . . . . . . . . . . . . . . . . . . . . . .

1

1.1.2

Ý nghĩa của bài toán dự báo phụ tải . . . . . . . . . . . . . . . . .

2

1.1.3

Phân loại bài toán dự báo . . . . . . . . . . . . . . . . . . . . . .

3

1.2 Các phương pháp dự báo phụ tải HTĐ . . . . . . . . . . . . . . . . . . .

4

1.3 Bài toán dự báo phụ tải ngắn hạn . . . . . . . . . . . . . . . . . . . . . .

4

1.3.1

Tình hình nghiên cứu trong và ngoài nước . . . . . . . . . . . . .

4

1.3.2

Các yếu tố ảnh hưởng đến phụ tải ngắn hạn . . . . . . . . . . . .

5

1.3.3

Bài toán dự báo phụ tải ngắn hạn . . . . . . . . . . . . . . . . . .

8

1.3.4

Phương pháp dự báo . . . . . . . . . . . . . . . . . . . . . . . . .

8

1.4 Kết luận chương 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

2 Tổng quan về mạng nơ ron nhân tạo

13

2.1 Trí tuệ nhân tạo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

2.2 Nơ ron sinh học . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

2.3 Mạng nơ ron nhân tạo . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

2.3.1

Lịch sử hình thành và phát triển . . . . . . . . . . . . . . . . . .

15

2.3.2

Mô hình mạng nơ ron nhân tạo . . . . . . . . . . . . . . . . . . .

18

2.3.3

Phương pháp huấn luyện mạng . . . . . . . . . . . . . . . . . . .

24

2.3.4

Hàm mục tiêu . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

2.3.5

Ứng dụng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

2.4 Kết luận chương 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

3 Ứng dụng mạng nơ ron nhiều lớp lan truyền ngược sai số trong dự báo phụ
tải ngắn hạn

29

3.1 Khái quát về mạng nơ ron truyền thẳng nhiều lớp . . . . . . . . . . . .

29


3.1.1

Lịch sử phát triển của mạng nơron truyền thẳng nhiều lớp . . .

29

3.1.2

Cấu trúc mạng nơron . . . . . . . . . . . . . . . . . . . . . . . . .

30

3.1.3

Hoạt động của mạng . . . . . . . . . . . . . . . . . . . . . . . . .

31

3.2 Thuật toán lan truyền ngược sai số . . . . . . . . . . . . . . . . . . . . .

32

3.2.1

Lịch sử phát triển thuật toán . . . . . . . . . . . . . . . . . . . . .

32

3.2.2

Xây dựng thuật toán . . . . . . . . . . . . . . . . . . . . . . . . .

32

3.3 Ứng dụng mạng nơ ron nhiều lớp lan truyền ngược sai số dự báo đỉnh
và đáy ĐTPT ngày theo nhiệt độ môi trường . . . . . . . . . . . . . . . .

34

3.3.1

Chuẩn bị dữ liệu cho mạng . . . . . . . . . . . . . . . . . . . . .

34

3.3.2

Cấu trúc mạng . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

34

3.3.3

Kết quả sử dụng mạng nơron lan truyền ngược sai số dự báo
đỉnh đồ thị phụ tải . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.4

36

Kết quả sử dụng mạng nơron lan truyền ngược sai số dự báo đáy

đồ thị phụ tải . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39

3.4 Kết luận chương 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

4 Ứng dụng thuật toán di truyền trong dự báo phụ tải ngắn hạn
4.1 Khái quát về thuật toán di truyền . . . . . . . . . . . . . . . . . . . . . .

43
43

4.1.1

Tư tưởng chính của thuật toán . . . . . . . . . . . . . . . . . . .

43

4.1.2

Thuật toán di truyền đơn giản . . . . . . . . . . . . . . . . . . . .

44

4.2 Ứng dụng thuật toán di truyền vào bài toán tối ưu hóa trọng số của
mạng nơ ron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

4.2.1

Xây dựng hàm mục tiêu . . . . . . . . . . . . . . . . . . . . . . .

47

4.2.2

Mã hoá nhiễm sắc thể . . . . . . . . . . . . . . . . . . . . . . . .

48

4.2.3

Lai ghép . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

4.2.4

Đột biến . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

4.3 Ứng dụng thuật toán di truyền dự báo đỉnh đáy ĐTPT ngày theo nhiệt
độ môi trường . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

51

4.3.1

Các bước thực hiện thuật toán

. . . . . . . . . . . . . . . . . . .

51

4.3.2

Cấu hình thuật toán . . . . . . . . . . . . . . . . . . . . . . . . .

52

4.3.3

Kết quả chạy thử thuật toán . . . . . . . . . . . . . . . . . . . . .

52

4.4 So sánh kết quả khi sử dụng 2 thuật toán trong huấn luyện mạng nơ ron 56
4.5 Kết luận chương 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57


5 Dự báo phụ tải ngày

58

5.1 Dự báo dạng ĐTPT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

58

5.2 Dự báo ĐTPT ngày . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

59

5.3 Kết luận chương 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

61


Danh sách hình vẽ
1.1 Biểu đồ thành phần cấu thành của phụ tải theo P của hệ thống điện
miền Bắc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2

1.2 Đồ thị phụ tải Hà Nội các ngày 1/1,4/1,7/1 năm 2014 . . . . . . . . . . .

6

1.3 Đồ thị phụ tải Hà Nội các ngày thứ tư 1/1,4/6 năm 2014 . . . . . . . . .

7

1.4 Đồ thị phụ tải Hà Nội các ngày 6/1,1/6 năm 2014 . . . . . . . . . . . . .

7

1.5 Dạng đồ thị phụ tải chuẩn hóa của ngày T5 (16/1/2014) . . . . . . . . .

11

1.6 Sơ đồ cấu trúc mô hình dự báo biểu đồ phụ tải ngày . . . . . . . . . . .

12

2.1 Cấu tạo nơron sinh học . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

2.2 Mô hình mạng nơron nhân tạo . . . . . . . . . . . . . . . . . . . . . . .

18

2.3 Mạng nơron một lớp . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

2.4 Mạng nơron nhiều lớp . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.5 Mạng nơron truyền thẳng . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.6 Mạng nơron quy hồi . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

2.7 Perceptron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

2.8 Mô hình huấn luyện mạng có giám sát . . . . . . . . . . . . . . . . . . .

25

2.9 Mô hình huấn luyện mạng không giám sát . . . . . . . . . . . . . . . . .

25

2.10 Mô hình huấn luyện tăng cường . . . . . . . . . . . . . . . . . . . . . . .

26

3.1 Cấu hình mạng nơron truyền thẳng một lớp ẩn . . . . . . . . . . . . . .

31

3.2 Đồ thị phụ tải đỉnh thực tế và dự báo tháng 5/2014 - BP . . . . . . . . .

39

3.3 Đồ thị phụ tải đáy thực tế và dự báo tháng 5/2014 - BP

. . . . . . . . .

42

4.1 Lưu đồ thuật toán di truyền . . . . . . . . . . . . . . . . . . . . . . . . .

46

4.2 Mã hóa nhị phân . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

4.3 Mã hóa số thực . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

4.4 Lai ghép nút . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

4.5 Đồ thị phụ tải đỉnh thực tế và dự báo tháng 5/2014 - GA . . . . . . . . .

54

4.6 Đồ thị phụ tải đáy thực tế và dự báo tháng 5/2014 - GA . . . . . . . . . .

56


5.1 Đồ thị giá trị phụ tải 24h thực tế và dự báo ngày 23/5/2014 . . . . . . .

61


Danh sách bảng
3.1 Bảng mã hóa ngày trong tuần . . . . . . . . . . . . . . . . . . . . . . . .

35

3.2 Dữ liệu đầu vào dự báo đỉnh ĐTPT tháng 5/2014 . . . . . . . . . . . . .

37

3.3 Kết quả dự báo đỉnh ĐTPT tháng 5/2014 - BP . . . . . . . . . . . . . . .

38

3.4 Dữ liệu đầu vào dự báo đáy ĐTPT tháng 5/2014 . . . . . . . . . . . . . .

40

3.5 Kết quả dự báo đáy ĐTPT tháng 5/2014 - BP . . . . . . . . . . . . . . . .

41

4.1 Kết quả dự báo đỉnh ĐTPT tháng 5/2014 - GA . . . . . . . . . . . . . . .

53

4.2 Kết quả dự báo đáy ĐTPT tháng 5/2014 - GA

. . . . . . . . . . . . . . .

55

4.3 So sánh kết quả đưa ra của 2 thuật toán . . . . . . . . . . . . . . . . . .

56

5.1 Phụ tải chuẩn hóa của 5 ngày và giá trị trung bình . . . . . . . . . . . .

59

5.2 Kết quả dự báo phụ tải 24h ngày 23/5/2014 . . . . . . . . . . . . . . . .

60


Danh mục từ viết tắt
HTĐ :Hệ thống điện
ĐTPT: Đồ thị phụ tải
Pmax :Phụ tải lớn nhất
Pmin : Phụ tải nhỏ nhất.
MLP : Mạng truyền thẳng nhiều lớp (Multi Layer Perceptron)
GA : Thuật toán di truyền (Genetic Algorithms)
BP : Thuật toán lan truyền ngược sai số ( Back Propagation)


Chương 1
Bài toán dự báo phụ tải
1.1

Khái quát về phụ tải HTĐ và ý nghĩa của bài toán dự
báo phụ tải

1.1.1

Khái quát về phụ tải HTĐ

Kinh tế các khu vực trong cả nước phát triển không đồng đều dẫn đến công suất
phụ tải của các khu vực có sự chênh lệch tương đối lớn. Phụ tải chủ yếu tập trung ở
vùng đồng bằng, các thành phố có công nghiệp phát triển. Tại những vùng này phụ
tải cao điểm và thấp điểm chênh lệch nhau không lớn lắm( Pmin /Pmax ) khoảng 0,7 do
phụ tải công nghiệp tại các khu vực này phát triển. Đối với vùng núi hoặc khu vực sản
xuất nông nghiệp , công nghiệp không phát triển thì (Pmin /Pmax ) khoảng 0,3 do phụ
tải vào lúc cao điểm chủ yếu là phụ tải sinh hoạt, điều này gây khó khăn lớn cho vận
hành kinh tế hệ thống điện.Vào giờ thấp điểm ta không khai thác được nguồn điện rẻ
tiền, còn vào giờ cao điểm thì phải chạy nguồn điện đắt tiền để phủ đỉnh, có khi phải
hạn chế phụ tải giờ cao điểm vì nguồn không đủ.
Các thành phần cấu thành của phụ tải như sau :

1


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Hình 1.1: Biểu đồ thành phần cấu thành của phụ tải theo P của hệ thống điện miền
Bắc
Trên biểu đồ ta thấy Quản lý và tiêu dùng dân cư và Công nghiệp xây dựng chiếm

tỷ trọng lớn đến gần 90% công suất phụ tải. Điện năng tiêu thụ của quản lý và tiêu
dùng dân cư là rất lớn nên chênh lệch công suất giữa giờ cao điểm và thấp điểm cũng
rất lớn( 2-3 lần) phụ thuộc nhiều vào thời tiết, gây ảnh hưởng đến việc khai thác tối
ưu nguồn điện. Phụ tải cao điểm là nhân tố quyết định việc huy động nguồn điện,
ngược lại phụ tải thấp điểm lại quyết định phối hợp và điều chỉnh nguồn điện nhằm
đảm bảo vận hành kinh tế.
Do đó việc dự báo chính xác phụ tải có ý nghĩa hết sức quan trọng trong bài toán vận
hành kinh tế HTĐ, cũng như cải tạo thiết kế cung cấp điện giảm thiểu tổn thất và
điện năng.
Do đó phụ tải cao điểm và thấp điểm chính là hai giá trị đặc biệt trên đồ thị phụ tải
ngày, là mối quan tâm hàng đầu của người lập kế hoạch vận hành và thiết kế HTĐ.

1.1.2

Ý nghĩa của bài toán dự báo phụ tải

Việc dự báo phụ tải điện có thể cho ta một cái nhìn khái quát về sự phát triển của
hệ thống điện (HTĐ) trong tương lai, từ đó cung cấp dữ liệu cho việc quy hoạch và
đầu tư phát triển hệ thống điện (đối với các bài toán dự báo dài hạn và trung hạn) và
sản lượng tiêu thụ điện trong tương lai gần nhằm đảm bảo vận hành hệ thống điện
SVTH : Đinh Trọng Thủy -D6H2

2

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

an toàn và kinh tế.
• Nếu dự báo phụ tải quá thấp so với nhu cầu thực tế thì dẫn đến kết quả nguồn
dự phòng thấp, không đáp ứng đủ nhu cầu điện năng cho sản xuất công nghiệp và
tiêu dùng.
• Nếu dự báo phụ tải quá cao sẽ phải huy động các nguồn điện đắt tiền gây lãng
phí cho nền kinh tế nước nhà.
Ta có thể kể ra một vài ví dụ để kiểm chứng điều đó như sau :
+) Ví dụ 1:
Ngày 2/7/2015 sản lượng điện tiêu thụ toàn hệ thống đạt kỉ lục với 535 triệu kWh
trong đó sản lượng tiêu thụ ở Hà Nội là 64,6 triệu kWh vượt TPHCM khu vực luôn
đứng đầu cả nước về tiêu thụ điện.
Nguyên nhân là do nắng nóng trên diện rộng nhu cầu sử dụng điện tăng nhanh
trong thời gian ngắn gay áp lực cung cấp điện lớn cả về nguồn và lưới. Các nguồn
điện đã vận hành tối đa công suất , các MBA 500/220kV và 220/110kV cấp điện cho
khu vực miền Bắc đều trong tình trạng đầy và quá tải.
+) Ví dụ 2:
Nếu dự báo phụ tải đỉnh sai dẫn đến việc huy động các nguồn tuabin khí chạy
dầu đắt tiền chạy phủ đỉnh gây lãng phí, việc dự báo đúng phụ tải đỉnh góp phần
tăng hiệu quả vận hành và tiết kiệm hàng trăm triệu đồng trên mỗi giờ cho ngành
điện nói riêng và cho nền kinh tế Quốc dân nói chung.
+) Ví dụ 3:
Tính chính xác lượng công suất thiếu để chủ động cắt phụ tải khu vực không quan
trọng, tránh cắt thừa hoặc cắt thiếu, tránh sa thải phụ tải do bảo vệ tần số thấp tác
động cũng có ý nghĩa quan trọng trong vận hành, giảm thiệt hại do cắt điện.
Qua một số ví dụ trên ta có thấy tầm quan trọng của việc dự báo phụ tải là rất lớn
trong vận hành hệ thống điện.

1.1.3

Phân loại bài toán dự báo

Theo thời gian dự báo ta có các phân loại dự báo như sau :
• Dự báo ngắn han : thời gian từ 1-2 năm
• Dự báo trung hạn : thời gian từ 3-10 năm
• Dự báo dài hạn : thời gian từ 15-20 năm.
SVTH : Đinh Trọng Thủy -D6H2

3

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Sai số cho phép với từng loại dự báo như sau :
Theo điều 13 của Quy trình dự báo phụ tải -Dự báo phụ tải năm, tháng, tuần sai
số trong giới hạn : ± 3%
-Dự báo phụ tải ngày, giờ sai số trong giới hạn : ± 2%
Vì mức độ phức tạp của bài toán dự báo trong đồ án em chỉ xin trình bày phần dự
báo phụ tải ngắn hạn.

1.2

Các phương pháp dự báo phụ tải HTĐ

Có rất nhiều phương pháp sử dụng để dự báo phụ tải của HTĐ được nêu ra trong
quy trình dự báo phụ tải điện như sau :

- Phương pháp ngoại suy.
- Phương pháp hồi quy.
- Phương pháp hệ số đàn hồi.
- Phương pháp mạng nơ ron nhân tạo.
- Phương pháp tương quan xu thế.
- Phương pháp chuyên gia.
- Các phương pháp khác.
Việc lựa chọn phương pháp dự báo phải xem xét đến các yếu tố :
- Phương pháp có khả năng thực hiện được với số liệu sẵn có.
- Phương pháp có khả năng phân tích các yếu tố bất định.
- Đảm bảo sai số thực tế nằm trong giới hạn quy định.

1.3
1.3.1

Bài toán dự báo phụ tải ngắn hạn
Tình hình nghiên cứu trong và ngoài nước

Trong những năm gần đây tình hình nghiên cứu trong lĩnh vực dự báo phụ tải đặc
biệt là dự báo phụ tải ngắn hạn đang ngày càng phát triển để đáp ứng nhu cầu đảm
bảo cung cấp điện an toàn và liên tục.
Trong nước có thể kể đến một số công trình nghiên cứu cơ bản như :
-Luận văn thạc sĩ khoa học “Ứng dụng mạng nơron nhân tạo dự báo phụ tải ngắn hạn
hệ thống điện miền Bắc”, Trường ĐH Bách Khoa Hà Nội của Chu Nghĩa năm 2007.
-Trần Kỳ Phúc ,Monique Polit, Nguyễn Tiên Phong, Lê Thị Thanh Hà (9/2006),
SVTH : Đinh Trọng Thủy -D6H2

4

Đại học Điện Lực

Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Mạng nơron- Dự báo phụ tải điện ngắn hạn ứng dụng tại Hà Nội, ảnh hưởng của các
thông số thời tiết, tạp chí Tự động hóa ngày nay.
-Trần Kỳ Phúc (Viện năng lượng 2008): Nghiên cứu ứng dụng mạng nơron nhân
tạo trong dự báo ngắn hạn phụ tải hệ thông điện
Các công trình nghiên cứu ngoài nước có thể kể đến như :
-Hsu Y.Y., Yang C.C.(1991), Design of ANN for short-term load forecasting. IEE Proceedings, Vol.123 .
-H.S. Hippert, C.E. Pedreira, and R.C. Souza (2001). Neural Networks for ShortTerm Load Forecasting: A Review and Evaluation. IEEE Transactions on Power systems.

1.3.2

Các yếu tố ảnh hưởng đến phụ tải ngắn hạn

Để tìm ra được phương pháp dự báo tối ưu đối với bài toán dự báo phụ tải ngày
với sai số nhỏ nhất, ta cần xác định các yếu tố ảnh hưởng đến phụ tải ngày, ví dụ :
các đặc điểm của ngày cần dự báo, nhiệt độ, độ ẩm lượng mưa trong ngày, sự cố hệ
thống,...Chính vì vậy để nâng cao độ chính xác của quá trình dự báo phụ tải ta cần
phải xét đến các yếu tố chủ yếu ảnh hưởng đến phụ tải.
Qua thực tế vận hành cho thấy phụ tải ngày của lưới điện Việt Nam nói chung và
miền Bắc nói riêng phụ thuộc vào các yêu tố chính sau:
Các yếu tố thời gian: Bao gồm thời gian của năm, các ngày trong tuần, các giờ
trong ngày. Có sự khác biệt rất lớn giữa phụ tải ngày làm việc và ngày nghỉ. Phụ tải
các ngày làm việc trong tuần cũng có thể khác nhau.
Dưới đây là ví dụ về sự ảnh hưởng của yếu tố thời gian lên biểu đồ phụ tải ngày. Ta
có thể thấy biểu đồ phụ tải của ngày Tết Dương lịch (1/1/2014) khác so với đồ thị phụ

tải ngày Chủ nhật (4/1) và với ngày thứ Tư(7/1).

SVTH : Đinh Trọng Thủy -D6H2

5

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Hình 1.2: Đồ thị phụ tải Hà Nội các ngày 1/1,4/1,7/1 năm 2014
Các điều kiện thời tiết : Trong thực tế các yếu tố về thời tiết như: nhiệt độ, độ ẩm,
lượng mưa, cường độ ánh sáng,... ảnh hưởng rất lớn đến dự báo phụ tải ngắn hạn [4].
Đối với nước nhiệt đới như nước ta, vào mùa hè khi nhiệt độ tăng thì phụ tải tăng và
ngược lại. Tuy nhiên có sự khác biệt đó là ở miền Bắc vào mùa đông khi nhiệt độ quá
lạnh, phụ tải tăng do sử dụng các thiết bị sưởi ấm.

SVTH : Đinh Trọng Thủy -D6H2

6

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Hình 1.3: Đồ thị phụ tải Hà Nội các ngày thứ tư 1/1,4/6 năm 2014
Nhìn vào đồ thị trên ta có thể thấy được sự khác biệt rõ ràng giữa 2 biểu đồ phụ tải
ngày đặc trưng của Hà Nội vào ngày mùa Đông (1/1) và ngày mùa Hè (1/6). Vào mùa
Hè, phụ tải điện tăng cao hơn rất nhiều so với mùa Đông.
Các nhiễu ngẫu nhiên: Các khách hàng công nghiệp lớn có thể gây ra sự thay đổi
đột ngột về phụ tải. Ngoài ra, các hiện tượng và điều kiện nào đó có thể gây ra thay
đổi tải đột ngột như cắt điện vì thế có sự biến đổi rất lớn giữa các ngày trong năm từ
hình dáng đến đỉnh và đáy ĐTPT.

Hình 1.4: Đồ thị phụ tải Hà Nội các ngày 6/1,1/6 năm 2014

SVTH : Đinh Trọng Thủy -D6H2

7

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Các yếu tố khác : Hình dạng đồ thị phụ tải phụ thuộc vào vị trí địa lí ( đồ thị phụ
tải nông thôn khác đồ thị phụ tải thành phố ),...

1.3.3

Bài toán dự báo phụ tải ngắn hạn

-Cho dữ liệu cơ sở của bài toán: Lấy cơ sở dữ liệu phụ tải ngày của năm 2014 và
dữ liệu về nhiệt độ lớn nhất và nhỏ nhất của các ngày trong năm 2014.
-Yêu cầu : Từ những dữ liệu ở trên hãy xây dựng mô hình bài toán để dự báo đồ thị
phụ tải của ngày tiếp theo xét với yếu tố ảnh hưởng đến phụ tải là nhiệt độ.

1.3.4

Phương pháp dự báo

Có rất nhiều phương pháp dùng để dự báo phụ tải ngày đã và đang được áp dụng
trên thế giới. Mỗi phương pháp trên đều có những ưu điểm và nhược điểm riêng, việc
lựa chọn phương pháp dự báo nhu cầu phụ tải điện phải xem xét đến các yếu tố sau:
- Phương pháp phải có khả năng thực hiện được với các số liệu có sẵn.
- Phương pháp có khả năng phân tích các yếu tố bất định.
- Đảm bảo sai số nằm trong quy định.
Mạng nơron nhân tạo được xây dựng trên cơ sở mô phỏng sự hoạt động của hệ
thống nơron thần kinh sinh học, do đó nó có đặc điểm quan trọng giống bộ não
người : đó là khả năng học được những gì đã được dạy. Quá trình học này được đưa
vào mạng với dữ liệu mẫu cho trước. Trong quá trình đưa mẫu vào mạng, mối quan
hệ giữa các biến sẽ được mạng nhận biết sau khi kết thúc quá trình huấn luyện. Với
ưu điểm tuyệt vời trên cùng sự phát triển của hệ thống máy tính thông minh, mạng
nơron đang được ứng dụng mạnh mẽ trong lĩnh vực dự báo phụ tải điện.
Việc dự báo phụ tải trong đồ án này được thực hiện bằng phương pháp sử dụng
mạng nơron nhân tạo. Trong phương pháp này, ta có thể chọn một trong các mô hình
mạng sau để giải quyết bài toán:
- Mô hình 1: Kết hợp dự báo đỉnh (phụ tải cao nhất), đáy (phụ tải thấp nhất) và dạng
biểu đồ phụ tải ngày (dạng đường cong phụ thuộc phụ tải-giờ).
- Mô hình 2: Dự báo đồng thời phụ tải 24 giờ ngày dự báo (thường dùng MNN 24 đầu
ra).
- Mô hình 3: Dự báo phụ tải từng giờ của ngày dự báo (dùng MNN 1 đầu ra).

Ở trong đồ án này em xin trình bày cách dự báo phụ tải ngày theo mô hình 1 vì
tính đơn giản và linh hoạt của nó. Nếu chọn theo 2 mô hình còn lại sẽ không phân
SVTH : Đinh Trọng Thủy -D6H2

8

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

chia được nhóm ngày, việc không phân chia các nhóm ngày sẽ gây ra sai số của quá
trình dự báo.
Muốn giải quyết bài toán dự báo phụ tải ngày (dự báo phụ tải ngắn hạn) này ta chia
bài toán thành 2 bài toán nhỏ:
- Bài toán xác định dạng đồ thị phụ tải (ĐTPT) ngày cần dự báo.
- Bài toán dự báo đỉnh và đáy ĐTPT ngày cần dự báo.

1.3.4.1

Xác định dạng đồ thị phụ tải

Chuẩn hóa đồ thị phụ tải
Các giá trị phụ tải thường rất lớn, gây khó khăn trong việc tính toán và lưu trữ dữ
liệu. Vì vậy ta cần chuẩn hóa các giá trị phụ tải này để dễ dàng trong việc tính toán.
Đồ thị phụ tải ngày là đồ thị được vẽ từ 24 giá trị phụ tải ứng với 24 giờ trong ngày.
Muốn chuẩn hóa ĐTPT ngày ta cần quy chuẩn hóa phụ tải của từng giờ theo công
thức sau:

Pn (i) =

P (i) − Pmin
Pmax − Pmin

(1.1)

Trong đó:
- Pmax : Giá trị phụ tải lớn nhất trong ngày.
- Pmin : Giá trị phụ tải nhỏ nhất trong ngày.
- P (i) : Giá trị phụ tải giờ thứ i là với i =1 ÷ 24 ứng với 24h trong ngày.
- Pn (i) : Phụ tải quy chuẩn hóa của giờ thứ i
Công thức trên đươc sử dụng rộng rãi trong [1, 3]. Ưu điểm của cách quy chuẩn
này là các giá trị phụ tải sẽ được thu gọn trong khoảng [0÷ 1] thuận tiện cho quá trình
tính toán.

Xác định dạng đồ thị phụ tải
Từ dạng đồ thị phụ tải đã được chuẩn hóa của các ngày trước đó (các ngày cùng
kiểu ngày với ngày cần dự báo). Ta có thể xác định được dạng đồ thị phụ tải của ngày
cần dự báo bằng cách sau:
Các giá trị phụ tải giờ chuẩn hóa của ngày cần dự báo sẽ được lấy bằng trung bình
SVTH : Đinh Trọng Thủy -D6H2

9

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

cộng các giá trị phụ tải giờ chuẩn hóa của các ngày trước đó (cùng kiểu ngày với ngày
cần dự báo).
Pn (j, i) =

1 K
. (Pn (k, i))
K k=1

(1.2)

Trong đó:
- Pn (j, i) : Phụ tải chuẩn hóa của giờ thứ i, ngày thứ j.
- Pn (k, i) : Phụ tải chuẩn hóa của giờ thứ i, ngày thứ k.
- K : Số ngày tương tự gần nhất được chọn, K= 2 ÷ 5.
Việc chọn K có giá trị bao nhiêu sẽ ảnh hưởng tới sai số của quá trình dự báo. Để
chứng minh chọn K bằng bao nhiêu đem lại hiệu quả cao nhất, ta sẽ tính toán dự báo
phụ tải của cùng một ngày với các giá trị K và so sánh các giá trị sai số của từng trường
hợp. Chọn K = 5 sẽ cho ra kết quả có sai số nhỏ nhất. Điều này đã được tác giả Trần
Kỳ Phúc chứng minh cụ thể [4].
Ví dụ : Muốn xác định được dạng đồ thị phụ tải của ngày thứ 5 (16/1/2014) ta làm
như sau:
- Chuẩn hóa 24 phụ tải giờ của các ngày trước đó có cùng kiểu ngày với ngày thứ 5 (
sử dụng kết quả phân loại ngày của tác giả Trần Kỳ Phúc [4]) là các ngày 7/1, 8/1, 9/1,
14/1, 15/1 .
- Xác định 24 phụ tải giờ chuẩn hóa của ngày thứ 5 bằng cách lấy trung bình các giá
trị phụ tải đã được chuẩn hóa của những ngày trước theo thứ tự.
- Từ đó ta có thể vẽ được dạng ĐTPT của ngày thứ 5 như hình dưới.

SVTH : Đinh Trọng Thủy -D6H2

10

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

Hình 1.5: Dạng đồ thị phụ tải chuẩn hóa của ngày T5 (16/1/2014)

1.3.4.2

Dự báo đỉnh và đáy của đồ thị phụ tải ngày

Muốn dự báo được Pmax vàPmin ta cần thực hiện các bước sau:
- Phân loại ngày : Từ cơ sở dữ liệu đã có ta phải xác định được ngày cần dự báo có
cùng kiểu ngày với những ngày nào.
- Dự báo Pmax và Pmin : Ta dùng cơ sở dữ liệu của những ngày có cùng kiểu ngày với
ngày cần dự báo (ở đây là các giá trị Pmax , Pmin , nhiệt độ) để dự báo Pmax và Pmin của
ngày cần dự báo.
Việc phân loại ngày sẽ được thực hiện bằng cách ứng dụng mạng nơron ánh xạ
đặc trưng tự tổ chức Kohonen. Theo nghiên cứu [4] mạng Kohonen được ứng dụng
trong việc phân loại biểu đồ phụ tải đều cho kết quả tốt.
Việc dự báo Pmax và Pmin được thực hiện bằng cách ứng dụng mạng nơron nhiều
lớp để dự báo phụ tải ngắn hạn theo nhiệt độ. Các nghiên cứu [4, 5] đã chỉ ra việc đưa
yếu tố nhiệt độ vào để dự báo phụ tải sẽ giúp giảm sai số của quá trình dự báo.
Sau khi dự báo được Pmax và Pmin việc xác định các giá trị phụ tải từng giờ sẽ dễ dàng

thực hiện được bằng công thức:
P (i) = Pmin + (Pmax − Pmin ).Pn (i)

(1.3)

Ta có mô hình của bài toán dự báo biểu đồ phụ tải ngày như sau:
SVTH : Đinh Trọng Thủy -D6H2

11

Đại học Điện Lực


Đồ án tốt nghiệp

GVHD: TS.Phạm Mạnh Hải

P, t

o

o

P, t

P

MLP
dự báo
đỉnh

Bộ
tổng
hợp

MLP
dự báo
đáy

P

SOM
dự báo
dạng
biểu đồ

Hình 1.6: Sơ đồ cấu trúc mô hình dự báo biểu đồ phụ tải ngày

1.4

Kết luận chương 1

Chương 1 cho ta cái nhìn khái quát về một số vấn đề sau:
- Khái quát về phụ tải HTĐ. Việc dự báo phụ tải giúp vận hành hệ thống điện an
toàn, tiết kiệm và đảm bảo chất lượng điện năng tốt hơn.
- Các yếu tố ảnh hưởng đến dự báo phụ tải ngắn hạn như: thời tiết, thói quen
sinh hoạt,...Khi nghiên cứu dự báo phụ tải ta cần xét đến các yếu tố trên để tăng
cường độ chính xác cho công việc dự báo.
- Đề xuất phương pháp giải quyết một bài toán dự báo phụ tải ngắn hạn gồm 2
bước : xác định dạng đồ thị phụ tải và dự báo đỉnh, đáy biểu đồ phụ tải.

SVTH : Đinh Trọng Thủy -D6H2

12

Đại học Điện Lực


Chương 2
Tổng quan về mạng nơ ron nhân tạo
2.1

Trí tuệ nhân tạo

Con người từ những ngày đầu hình thành ở thời kì cổ đại với các con số đếm
nguyên dương cơ bản. Cho đến tận thời điểm khoảng thế kỉ XX, khoa học mới vẫn
chỉ dừng lại ở hình thức chặt chẽ, logic, trong khi đó những vấn đề thực tế do con
người có thể cảm nhận được lại ngày càng phức tạp. Chính vì vậy những tư tưởng về
cách giải quyết vấn đề hiện thực bằng hình thức phát triển cao hơn là khoa học trí
tuệ nhân tạo đã được hình thành trong giai đoạn từ cuối thế kỉ XX đến nay trong giai
đoạn tin học ngày một phát triển.
Trí tuệ nhân tạo là phương pháp tạo cho máy móc khả năng suy luận, phán đoán
và cảm nhận như con người. Đây là một trong những tham vọng to lớn của loài người.
Tham vọng này đã có từ lâu và cùng với sự ra đời của máy tính, con người từng bước
đưa kiến thức của mình vào máy, biến chúng trở thành những công cụ thực sự có trí
tuệ. Mạng nơron nhân tạo là một bộ phận của ngành khoa học trí tuệ nhân tạo, là
lĩnh vực tin học nghiên cứu ứng dụng máy tính điện tử thông minh hoạt động theo
cơ chế mô phỏng tư duy con người. Mạng nơron nhân tạo có cấu trúc tương tự bộ
não tuy nhiên số nơron trong mạng nơron nhân tạo là hữu hạn tùy thuộc vào nhu
cầu thực tế của bài toán. Mạng nơron nhân tạo có khả năng học và tái tạo lại những

gì đã được dạy, chính vì đặc điểm này mà mạng nơron đang được phát triển rất mạnh
mẽ và đang đươc ứng dụng rất nhiều.
Mạng nơron nhân tạo là một lĩnh vực nghiên cứu rộng lớn và chỉ mới phát triển
mạnh khoảng 20 năm gần đây. Nó được nghiên cứu và phát triển dựa trên nhiều lĩnh
vự khoa học khác nhau bao gồm : Sinh học, sinh lý học, toán học, tin học.

13