Dự báo phụ tải điện sử dụng mạng wavelet và fuzzy logic

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

---------------------------

NGUYỄN NGỌC HUY

DỰ BÁO PHỤ TẢI ĐIỆN SỬ DỤNG MẠNG
WAVELET VÀ FUZZY LOGIC

LUẬN VĂN THẠC SĨ
Chuyên ngành : Kỹ Thuật
Điện Mã số ngành: 60520202

TP. HỒ CHÍ MINH, tháng 01 năm
2014


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

---------------------------

NGUYỄN NGỌC HUY

DỰ BÁO PHỤ TẢI ĐIỆN SỬ DỤNG WAVELET VÀ
FUZZY LOGIC

LUẬN VĂN THẠC SĨ
Chuyên ngành : Kỹ Thuật
Điện Mã số ngành:60520202

CÁN BỘ HƯỚNG DẪN KHOA HỌC: TS. NGÔ CAO CƯỜNG
TP. HỒ CHÍ MINH, tháng 01 năm
2014


CÔNG TRÌNH ĐƯỢC HOÀN THÀNH
TẠI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.
HCM

Cán bộ hướng dẫn khoa học : TS. NGÔ CAO CƯỜNG

Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Công nghệ TP. HCM
ngày 18 tháng 01 năm 2014
Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm:
(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ Luận văn Thạc
sĩ)

T
T1
2
3

T
S.
T
S.
T
S.

P
5 G
T
S.

C
h
P
bi
P
bi
Ủ
v

Xác nhận của Chủ tịch Hội đồng đánh giá Luận sau khi Luận văn đã
được
sửa chữa (nếu có).
Chủ tịch Hội đồng đánh giá LV


TRƯỜNG ĐH CÔNG NGHỆ TP. HCM
PHÒNG QLKH – ĐTSĐH

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT
NAM Độc lập – Tự do – Hạnh phúc
TP. HCM, ngày..… tháng….. năm 20..…

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: NGUYỄN NGỌC HUY . Giới tính:
Nam

Ngày, tháng, năm sinh: 1980. .Nơi sinh: Mỹ
Tho
Kỹ

Chuyên
ngành:
MSHV:1241830011

thuật

điện.

I- Tên đề tài: Dự Báo Phụ Tải Điện Sử Dụng Mạng Wavelet và
Fuzzy
II- Nhiệm vụ và nội
dung:
Nội dung:
- Nghiên cứu tìm hiểu về phép phân tích Wavelet và Fuzzy logic
- Tìm hiểu ứng dụng của Wavelet trong xây dựng mô hình dự báo phụ tải.
Phương pháp nghiên cứu:
- Sử dụng phương pháp phân tích vận dụng phép biến đổi wavelet k ết hợp Fuzzy
Logic để tạo ra các giá trị ngõ ra của mạng wavelet là các giá trị phụ tải điện cần dự
báo.
- Tận dụng khả năng linh hoạt của phần mềm Matlab trong việc xử lý số liệu và
biểu diễn các kết quả dự báo.
Kết quả đạt được:
- Ứng dụng phép phân tích Wavelet và Fuzzy logic để dự báo phụ tải cho tỉnh Tiền
Giang.
- So sánh kết quả dự báo với thực tế và đưa ra hướng phát triển của đề tài.
III- Ngày

12/6/2013

giao

nhiệm

vụ:

IVNgày
hoàn
thành
.......................................................................................

nhiệm

vụ:

V- Cán bộ hướng dẫn: TS. NGÔ CAO
CƯỜNG
CÁN BỘ HƯỚ NG DẪN
NGÀNH
(Họ tên và chữ ký)

KHOA QUẢN LÝ CHUYÊN
(Họ tên và chữ ký)


i

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết
quả n êu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ
công trình nào khác.
Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện Luận văn này
đã được cảm ơn và các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn
gốc.
Học viên thực hiện Luận văn
(Ký và ghi rõ họ tên)

Nguyễn Ngọc Huy


ii

LỜI CÁM ƠN
Tôi xin chân thành cảm ơn TS.NGÔ CAO CƯỜNG – Trưởng Phòng Tổ
Chức Trường Đại Học Công Nghệ TPHCM , người thầy đã hết lòng chỉ bảo,
hướng dẫn, truyền đạt những kiến thức chuyên môn cũng như những kinh nghiệm
nghiên cứu trong suốt thời gian học tập và thực hiện luận văn này.
Xin chân thành cảm ơn Ban Giám Hiệu, Ban chủ nhiệm khoa Cơ - Điện –
Điện tử, Phòng quản lý sau đại học của Trường Đại Học Công nghệ Tp.HCM đã
tạo những điều kiện tốt nhất về vật chất lẫn tinh thần để chúng tôi hoàn thành tốt
luận văn này.
Xin chân thành cám ơn đến tất cả Quí Thầy, Cô của Trường Đại Học Công
nghệ Tp.HCM đã giảng dạy, trang bị cho tôi những kiến thức rất bổ ích và quí báu
trong suốt quá trình học tập cũng như nghiên cứu sau này.
Xin cảm ơn bạn bè, đồng nghiệp và đặc biệt là nhóm thực nghiệm chung
Trường Đại Học Công nghệ Tp.HCM dưới sự hướng dẫn của Thầy Ngô Cao Cường
những người luôn giành những tình cảm sâu sắc nhất, giúp đỡ và khuyến khích tôi
để cùng nhau vượt qua mọi khó khăn trong suốt quá trình thực hiện luận văn này.

Xin cảm ơn Gia đình đã tạo mọi điều kiện để tôi yên tâm học tập tốt trong
suốt thời gian vừa qua.
Xin cảm ơn Ban Giám Hiệu Trường Cao Đẳng Nghề TG và tất cả bạn
bè thân thuộc đã động viên, tạo điều kiện thuận lợi và hỗ trợ cho tôi rất nhiều
trong quá trình học tập, công tác cũng như trong suốt thời gian thực hiện luận văn.
(Họ và tên của Tác giả Luận văn)

Nguyễn N gọc Huy


3

TÓM TẮT
---------o0o--------Dự báo phụ tải điện đóng một vai trò hết sức quan trọng trong việc lập kế
hoạch thiết kế và vận hành hệ thống điện. Dự báo sẽ giúp chúng ta định hướng được
phương hướng và kế hoạch cho tương lai, chủ động trong công v iệc và xử lí được
nhứng biến cố xảy ra. Nếu như không có công việc dự báo phụ tải điện, ta sẽ gặp
phải hai trường hợp có thể xảy ra : một là chúng ta sẽ thiếu hụt điện năng sử dụng
và hai là chúng ta sẽ sản xuất ra một lượng điện năng thừa vô ích.
Đối với trường hợp thiếu hụt điện năng, chúng ta sẽ không có đủ điện năng để
phục vụ cho nhu cầu sinh hoạt, giải trí của nhân dân và không đủ điều kiện để cung
cấp điện năng cho các ngành kinh tế như công nghiệp, nông nghiệp và dịch vụ. Nó
gây ra một hậu quả hết sức nghiêm trọng: các dây chuyền tự động, các máy móc,
thiết bị sẽ ngưng hoạt động, nền kinh tế sẽ bị ảnh hưởng.
Đối với trường hợp dư thừa điện năng, không giống như các loại hàng hóa
khác, điện năng có tính chất rất đặc biệt đó là không thể lưu trữ hay cất vào kho khi
dư thừa. Do vậy chúng ta sẽ bị lãng phí một lượng lớn điện năng dư thừa vô ích,
gây thiệt hại kinh tế cho đất nước.
Để đảm bảo lượng điện năng sản xuất ra không dư thừa và cũng không thiếu
hụt so với nhu cầu sử dụng thì bài toán dự báo phụ tải điện cần được quan tâm đúng

mức. Việc dự báo chính xác góp phần cải thiện chất lượng điện năng cũng như giảm
chi phí sản xuất, vận hành và đảm bảo an toàn cho hệ thống điện.
Tiền Giang là tỉnh nằm trong khu vực đồng bằng sông Cửu Long, là tỉnh nằm
trong vùng kinh tế trọng điểm phía nam. Do vậy như cầu sử dụng điện ở Tiền Giang
rất cao và việc dự báo phụ tải điện được đặt lên hàng đầu trong việc thiết kế và vận
hành hệ thống điện. Trong khuôn khổ luận văn này, phương pháp dự báo kết hợp
mạng Wavelet và F uzzy Logic sẽ được nghiên cứu và áp dụng để dự báo đồ thị phụ
tải ngày của tỉnh Tiền Giang với dữ liệu công suất được thu thập từ ngày
01/01/2011 đến 31/12/2011.


4

ABSTRACT
Load forecast plays a very important role in planning the design and
operation of electrical systems. It will help us to forecast the direction and
orientation plan for the future, work actively and treat the incident. Without the
work of the load forecast, we can meet two cases: the power shortage and the power
redundancy.
In case of the power shortage, we will not have enough power to serve
people’s daily as well as to provide for industries such as industrial, agriculture and
services. It causes a serious consequence: the automated production lines, machines
and

equipment

will

be

shut

down,

the

economy

will

be

affected.

In case of the power redundancy, unlike other commodities, electricity is a very
special properties that it can not be stored or put into storage. So we will waste a
large amount of excess energy in vain, to cause great damage to the national
economy.
To ensure that power does not produce surplus nor deficit relative to the problem
using the electricity load forecast should be well heeded. The predictions improve
power quality and reduce production costs, operation and safety for the electrical
system.
Tien Giang province is located in the Cuu Long River Delta - a key
economic area of the south. Thus the demand for electricity is very high in Tien
Giang and load forecast is placed on top in the design and operation of electrical
systems. In the framework of this thesis, Wavelet and Fuzzy Logic networks will be
studied and applied to predict daily load graph of Tien Giang province with a
capacity of data collected from 1.1 days / 2011 to 31/12/2011.

5

MỤC LỤC
LỜI CAM ĐOAN .............................................................................................................. i
LỜI CÁM ƠN ....................................................................................................................
ii TÓM TẮT ........................................................................................................................
iii MỤC LỤC ........................................................................................................................
v DANH MỤC CÁC TỪ VIẾT TẮT .................................................................................
viii

DANH

MỤC

CÁC

BẢNG

............................................................................................... ix DANH MỤC CÁC BIỂU
ĐỒ, ĐỒ THỊ, SƠ ĐỒ , HÌNH ẢNH .......................................... x Chương 1
.......................................................................................................................... 1
1.1. Đặc vấn đề .............................................................................................................. 1
1.2. Tính cấp thiết của đề tài .......................................................................................... 1
1.3. Mục tiêu của đề tài .................................................................................................. 2
1.4. Nội dung nghiên cứu ............................................................................................... 2
1.5. Phương pháp luận và phương pháp nghiên cứu ....................................................... 2
1.5.1. Phương pháp luận....................................................................................... 2
1.5.2. Phương pháp nghiên cứu .............................................................................. 3
1.6 Tổng quan về dự báo ................................................................................................. 3
1.7 Các phương pháp dự báo phụ tải điện: ................................................................... 6

1.7.1 Phương pháp tính hệ số vượt trước: ............................................................... 6
1.7.2 Phương pháp tính trực tiếp: ........................................................................... 6
1.7.3 Phương pháp so sánh đối chiếu : ................................................................... 7
1.7.4 Phương pháp chuyên gia: ............................................................................... 7
1.7.5 Phương pháp san bằng hàm mũ: .................................................................... 7
1.7.6 Phương pháp ngoại suy theo thời gian: .......................................................... 9
1.8 Những đề tài đã công bố ........................................................................................ 11
Chương 2 ........................................................................................................................ 14
LÝ THUYẾ T WAVELET VÀ FUZZY LOGIC .......................................................... 14
2.1 Lý thuyết Wavelet: ................................................................................................ 14
2.1.1 Tổng quan : .................................................................................................. 14
2.1.2 Biển đổi Wavelet liên tục (CWT): ............................................................... 15
2.1.3 Biển đổi wavelet rời rạc (DWT): ................................................................. 17
2.1.4 Giới thiệu một số họ wavelet thông dụng: ................................................... 17
2.1.5 Một số ứng dụng nổi bật của phân tích Wavelet: ........................................ 19


6

2.2. Lý thuyết Fuzzy Logic: ......................................................................................... 20
2.2.1 Khái niệm tập hợp kinh điển:....................................................................... 20
2.2.2 Khái niệm tập mờ - các khái niệm cơ bản: .................................................. 21
2.2.3 Luật hợp thành mờ: ...................................................................................... 23
2.2.4 Giải mờ: ....................................................................................................... 32
2.2.5 Các bước thiết kế một bộ mờ: ...................................................................... 35
Chương 3 ........................................................................................................................ 37
3.1. Giới thiệu: ........................................................................................................... 37
3.2. Phân tích wavelet tiền xử lý: ................................................................................. 38
3.2.1 Biến đổi wavelet rời rạc (DWT – Discrete Wavelet Transform): ............... 38
3.2.2 Biến đổi wavelet rời rạc phủ toàn diện (MODWT): .................................... 38

3.3. Xây dựng mô hình Fuzzy cho bài toán dự báo dựa trên giải thuật ước lượng nhóm
(Cluster Estimation): ................................................................................................... 41
3.3.1 Giới thiệu giải thuật ước lượng nhóm : ....................................................... 41
3.3.2 Phân nhóm dữ liệu dựa trên giải thuật Moutain Clustering: ........................ 42
3.3.3 Mô hình nhận dạng mờ (Fuzzy Model Identification): ............................... 44
3.4. Mô hình dự báo mạng Fuzzy-Wavelet: ................................................................. 48
3.5 Các sơ đồ khối: ................................................................................................... 50
3.5.1 Mô hình dự báo Fuzzy-Wavelet:.................................................................. 50
3.5.2 Xây dựng mô hình nhận dạng mờ Fuzzy Identification: ............................. 51
3.5.3 Giải thuật tìm tâm nhóm theo Mountain Clustering: ................................... 52
3.5.4 Sơ đồ khối dự báo: ....................................................................................... 53
Chương 4 ........................................................................................................................ 54
4.1 Giới thiệu về Tiền Giang ........................................................................................ 54
4.2 Đặc điểm đồ thị phụ tải tỉnh Tiền Giang................................................................. 56
4.3 Dự báo đồ thị phụ tải ngày tỉnh Tiền Giang ............................................................ 58
4.3.1 Lựa chọn mẫu dữ liệu đưa vào luyện mạng ................................................. 58
4.3.2 Áp dụng mạng Wavelet-Fuzzy Logic trong công tác dự báo: ..................... 59
4.3.3 Dự báo từng hệ số MODWT và tổ hợp dự báo: ........................................... 65
4.3.4 Dự báo 23 thời điểm tiếp theo để đưa ra kết quả công suất ngày: ............... 67
Chương 5 ........................................................................................................................ 77
PHẦN LẬP TRÌNH ........................................................................................................ 78
1.
2.

Chương trình chính (main function): ................................................................ 78
Chương trình thiết lập ma trận input -output (build_IO): ............................... 79


vii

3. Chương trình chuẩn hóa dữ liệu về hệ đơn vị tương đối (normalizedata): ..... 80
4. Chương trình tìm tâm theo giải thuật MC (MountainCluster): ...................... 81
5. Chương trình thiết lập mô hình Fuzzy Logic (trainningFuzzyMode l): ........... 82
6. Chương trình thiết lập Y n+1 (build_I_nplus1):.................................................. 83
7. Chương trình thiết lập A n+1 (build_A_nplus1): ................................................ 84
8. Chương trình chuyển dữ liệu về hệ đơn vị thường (denormalizedata): ........... 84
TÀI LIỆU THAM KHẢO ............................................................................................... 86


8

DANH MỤC CÁC TỪ VIẾT TẮT
CWT-Continuous Wavelet Transform: Biển đổi Wavelet liên tục

DWT-Discrete Wavelet Transform: Biến đổi Wavelet rời rạc

MODWT – Maximal Overlap Discrete Wavelet Transform: Phép biến đổi Wavelet
rời rạc phủ toàn diện

DWT – Discrete Wavelet Transform: Biến đổi wavelet rời rạc

MODWT: Biến đổi wavelet rời rạc phủ toàn diện

Fuzzy Model Identification: Mô hình nhận dạng mờ


9

DANH MỤC CÁC BẢNG
Bảng 1: Các hệ số phân tích MODWT Dj và D5

Bảng 2: Ma trận input-output của chuỗi D1
Bảng 3: Kết quả tâm nhóm của ma trận input -output của D1
Bảng 4: Ma trận hệ số mô hình Fuzzy X
Bảng 5: Hàng thứ n+1 (3265) A3265 của ma trận A của D 1

Bảng 6: Các giá trị dự báo các hệ số MODWT
Bảng 7: Dự báo và sai số đồ thị phụ tải ngày 5/9/2011


1
0

DANH MỤC CÁC BIỂU ĐỒ, ĐỒ THỊ, SƠ ĐỒ , HÌNH ẢNH
Hình 2.1 : Hàm (t) của biến đổi Haar
Hình 2.2 : Hàm (t) của phép biến đổi Meyer
Hình 2.3 : Họ hàm (t) của biến đổi Daubechies
Hình 2.4 : Miền xác định và miền tin cậy của tập mờ.
Hình 2.5 : Sơ đồ khối mô hình dự báo Fuzzy
-Wavelet Hình 2.6 : Rời rạc hóa hàm thuộc
Hình 2.7 : Rời rạc hóa hàm thuộc
Hình 2.8 : Giải mờ bằng phương pháp điểm cực đại
Hình 2.9 : Giải mờ bằng phương pháp điểm trọng tâm
Hình 3.1 : Phân tích MODWT ở cấp 5
Hình 3.2 : Sơ đồ khối mô hình dự báo fuzzy – wavelet
Hình 4.1 : Đồ thị phụ tải ngày thường, ngày chủ nhật và ngày lễ
Hình 4.2 : Đồ thị phụ tải 365 ngày năm 2011
Hình 4.3 : Sơ đồ phân tích MODWT ở cấp 5
Hình 4.4 : Kết quả đồ thị phụ tải dự báo ngày 5/9/2011

1

Chương 1
TỔNG QUAN
1.1. Đặc vấn đề
Việc sản xuất và tiêu dùng năng lượng ngày một phát triển, nó tác động qua
lại tới nhiều vấn đề lớn của xã hội như: phát triển kinh tế, dân số, chất lượng cuộc
sống, trình độ công nghệ và mức độ công nghiệp hoá, môi trường sinh thái, các chế
độ chính sách của nhà nước đối với vấn đề năng lượng……Hệ thống năng lượng
ngày một phức tạp cả về qui mô và trình độ, do đó việc qui hoạch phát tr iển và dự
báo đúng hướng hệ thống năng lượng nói chung và hệ thống điện nói riêng luôn là
vấn đề thời sự, là mối quan tâm hàng đầu của mọi quốc gia.
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 nó có tính chất
quyết định trong việc hoạch định chiến lư ợc phát triển hệ thống.
Năng lượng là một vấn đề thu hút sự quan tâm của mọi quốc gia trong mọi
thời đại. Không thể hình dung được sự thiếu vắng của năng lượng trong mọi hoạt
động của con người, nhất là trong thời đại ngày nay, khi mà khoa học kỹ thuật đã
đạt trình độ rất cao để con người từng bước chinh phục được thiên nhiên và làm chủ
được cuộc sống của mình.
1.2. Tính cấp thiết của đề tài
Dự báo phụ tải điện đóng một vai trò hết sức quan trọng trong việc lập kế
hoạch thiết kế và vận hành hệ thống điện. Dự báo sẽ giúp chúng ta định hướng được
phương hướng và kế hoạch cho tương lai, chủ động trong công việc và xử lí được
những biến cố xảy ra. Nếu như không có công việc dự báo phụ tải điện, ta sẽ gặp
phải hai trường hợp có thể xảy ra : một là chúng ta sẽ th iếu hụt điện năng sử dụng
và hai là chúng ta sẽ sản xuất ra một lượng điện năng thừa vô ích.

2

Đối với trường hợp thiếu hụt điện năng, chúng ta sẽ không có đủ điện năng để
phục vụ cho nhu cầu sinh hoạt, giải trí của nhân dân và không đủ điều kiện để cung
cấp điện năng cho các ngành kinh tế như công nghiệp, nông nghiệp và dịch vụ. Nó
gây ra một hậu quả hết sức nghiêm trọng: các dây chuyền tự động, các máy móc,
thiết bị sẽ ngưng hoạt động, nền kinh tế sẽ bị ảnh hưởng.
Đối với trường hợp dư thừa điện năng, khôn g giống như các loại hàng
hóa khác, điện năng có tính chất rất đặc biệt đó là không thể lưu trữ hay cất vào
kho khi dư thừa. Do vậy chúng ta sẽ bị lãng phí một lượng lớn điện năng dư thừa
vô ích, gây thiệt hại kinh tế cho đất nước.
Để đảm bảo lượng điện n ăng sản xuất ra không dư thừa và cũng không thiếu
hụt so với nhu cầu sử dụng thì bài toán “ dự báo phụ tải điện sử dụng mạng
wavelet và fuzzy logic” cần được quan tâm đúng mức. Việc dự báo chính xác góp
phần cải thiện chất lượng điện năng cũng như giảm chi phí sản xuất, vận hành và
đảm bảo an toàn cho hệ thống điện.
1.3. Mục tiêu của đề tài
Ứng dụng phép phân tích Wavelet và Fuzzy logic để dự báo phụ tải cho tỉnh
Tiền Giang.
1.4. Nội dung nghiên cứu
Để giải quyết mục tiêu của đề tài cần thực hiện:
- Nghiên cứu tìm hiểu về phép phân tích Wavelet và Fuzzy logic
- Tìm hiểu ứng dụng của Wavelet trong xây dựng mô hình dự báo phụ tải.
- Ứng dụng phép phân tích Wavelet và Fuzzy logic để dự báo phụ tải cho tỉnh
Tiền Giang.
- So sánh kết quả dự báo với thực tế và đ ưa ra hướng phát triển của đề tài.
1.5. Phương pháp luận và phương pháp nghiên cứu
1.5.1. Phương pháp luận
Phương pháp nghiên cứu là những nguyên tắc và cách thức hoạt động khoa

học nhằm đạt tới chân lý khách quan dựa trên cơ sở của sự chứng minh khoa học.


3

Điều này có ý nghĩa rằng, các nghiên cứu khoa học cần phải có những nguyên tắc
và phương pháp cụ thể, mà dựa theo đó các vấn đề sẽ được giải quyết.
Việc ứng dụng phép phân tích Wavelet và Fuzzy logic để dự báo phụ tải đã
được các nhà khoa học trên thế giớ i nghiên cứu và ứng dụng.
1.5.2. Phương pháp nghiên cứu
Phân tích tài liệu : Sử dụng phương pháp phân tích vận dụng phép biến đổi
Wavelet kết hợp Fuzzy Logic để tạo ra các giá trị ngõ ra của mạng Wavelet là các
giá trị phụ tải điện cần dự báo.
Tính toán : Tận dụng khả năng linh hoạt của phần mềm Matlab trong việc
xử lý số liệu và biểu diễn các kết quả dự báo.
Dữ liệu : Sử dụng số liệu phụ tải điện thực tế năm 2011 của tỉnh Tiền Giang
trong việc phân tích.
1.6 Tổng quan về dự báo
Dự báo là một khoa học quan trọng nghiên cứu các phương pháp luận khoa
học làm cơ sở cho việc đề xuất dự báo cụ thể cũng như việc đánh giá mức độ tin
cậy, mức độ chính xác của các phương pháp dự báo.
Dự báo là đi tìm một mô hình toán thích hợp mô tả mối quan hệ phụ thuộ c của
các đại lượng 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 được nghiên cứu trên cơ sở giả định rằng nó được ứng
dụng để dự b áo một quá trình nào đó được sinh ra từ một mô hình giải tích.
Hiện nay có nhiều phương pháp luận cho hoạt động dự báo mà hầu hết các
phương pháp ấy đều mang tính chất kinh nghiệm thuần túy. Vận dụng cách giải
quyết theo kinh nghiệm vào dự báo là không đầy đủ vì cách làm ấy chỉ hoàn toàn
dựa trên kinh nghiệm của các giai đoạn quá khứ và không phải lúc nào cũng có thể

vận dụng vào hoàn cảnh hiện tại đã thay đổi so với trước. Do đó cần phải hoàn thiện
về mặt lý thuyết các vấn đề dự báo. Sự hoàn thiện ấy cho p hép chúng ta có thêm cơ
sở tiếp cận với việc lựa chọn các phương pháp dự báo, đánh giá mức độ chính xác
của dự báo đồng thời xác định khoảng thời gian lớn nhất có thể dùng cho dự báo.


4

Tác dụng của dự báo đối với quản lý kinh tế nói chung là rất lớn. Dự báo và
lập kế hoạch là hai giai đoạn gắn kết chặt chẽ với nhau của một quá trình quản lý.
Trong mối quan hệ ấy, phần dự báo sẽ góp phần giải quyết các vấn đề cơ bản 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.
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. Đặc biệt đối với ngành
năng lượng thì tác dụng của dự báo càng có ý nghĩa qu an trọng vì năng lượng có
liên quan rất chặt chẽ với tất các các ngành kinh tế quốc dân, cũng như mọi sinh
hoạt bình thường của nhân dân.
Do đó nếu dự báo không chính xác hoặc sai lệch quá nhiều về khả năng cung
cấp nhu cầu năng lượng sẽ dẫn đến những hạn chế không tốt cho nền kinh tế.
Từ những yêu cầu cụ thể mà ta lựa chọn tầm dự báo, ví dụ để xây dựng kế
hoạch hay chiến lược 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.
Tính đúng đắn của dự báo phụ thuộc nhiều vào các phương pháp dự báo mà

chúng ta áp dụng, mỗi phương pháp dự báo ứng với các sai số cho phép khác nhau.
Đối với dự báo điều độ thì sai số cho phép nhỏ hơn 5%, dự báo ngắn hạn thì sai số
cho phép vào khoảng 3 - 5%, dự báo trung hạn th ì sai số cho phép vào khoảng 5 –
10% và đối với dự báo dài hạn thì sai số cho phép vào khoảng 10 - 20%.
Có hai phương pháp dự báo chính: theo chuỗi thời gian và phương pháp tương
quan.


5

Dự báo theo chuỗi thời gian là tìm một quy luật thay đổi của đại lượng cần dự
báo phụ thuộc vào giá trị của đại lượng 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)…anY(t-n)

(1.1)

Trong đó :
Ŷ(t) : là giá trị đại lượng cần dự báo tại thời điểm t.
Y(t-1), Y(t-2)…Y(t-n) : các giá trị của đại lượng trong quá khứ.
a0 , a1 , … an : các thông số của mô hình dự báo cần tìm.
Dự báo theo phương pháp tương quan là tìm quy luật thay đổi của đại lượng
cần dự báo phụ thuộc vào các đại lượng 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 lượng 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 phương
pháp dự báo trên phần lớn là dựa trên nguyên tắc bình phương cực tiểu :
n
 (Y)minY
(1.3)
i
i 1 
i 
Đối với phương pháp dự báo theo chuỗi thời gian :
n



i

0

1

[Y  f
i 1

(,a

n

,a...,
,a

(Y1),t (2),Y...

Ymt in n

t ())]

2

(1.4)



Đối với phương pháp dự báo tương quan :
n



i
i 1

[Y  f
(,a
0

1

n

0

1

n

mi
n
2

,a..., ,a A,
,A...,

A
)]

Trong đó Yi là giá trị thực của đại lượng cần dự báo.

(1.5)


Để tìm các thông số của mô hình dự báo ta đạo hàm phương trình trên theo
các thông số mô hình. Giải hệ n phương trình ta sẽ tìm được n thông số của mô hình
dự báo :
n

[ Y
i 1

i



i



n

[ Y
i 1

……

f (,a 0 ,a..1.,
(2 ), .Y..
f (,a 0 ,a..1.,

(2 ), .Y..

,a n (Y1), t

t()
)]

Y 0t 
n

,a n (Y1), t

t()
)]

Y 0t 
n

n

[ Y i 
i 1

f (,a 0 ,a..1.,
(2 ), .Y..

,a n (Y1), t

t()
)]

Y 0t 
n

f

da0
f

d a1

(1.6)
(1.7)

f

dan

1.7 Các phương pháp dự báo phụ tải điện:
1.7.1 Phương pháp tính hệ số vượt trước:
Phương pháp này dựa trên khuynh hướng phát triển của nhu cầu điện năng và
sơ bộ cân đối nhu cầu này. Nó được đặc trung bởi hệ số K phụ thuộc vào nhịp độ
phát triển năng lượng điệ n và nhịp độ phát triển của toàn bộ nền kinh tế quốc dân.
Ngoài ra phương pháp này còn chịu ảnh hưởng bởi nhiều yếu tố khác, ví dụ như :
- Do tiến bộ về mặt khoa học ký thuật và quản lý nên suất tiêu hao điện
năng đối với mỗi sản phẩm ngày càng giảm xuống.
- Do điện năng ngày càng được sử dụng rộng rãi trong các ngành kinh tế
quốc dân và địa phương.
- Do cơ cấu kinh tế ngày càng không ngừng thay đổi.
Việc xác định giá trị K khó có thể đảm bảo về độ chính xác, cho nên hiện nay

phương pháp này hầu như không được sử dụng.
1.7.2 Phương pháp tính trực tiếp:
Nội dung của phương pháp này là xác định nhu cầu điện năng của năm dự
báo, dựa trên tổng sản lượng kinh tế của các ngành của năm đó và suất tiêu hao điện
năng đối với từng loại sản phẩm. Đối với những trường hợp khô ng có suất tiêu hao
điện năng thì được xác định nhu cầu điện năng cho từng trường hợp cụ thể (ví dụ
như : công suất điện trung bình cho mỗi hộ gia đình, bệnh viện …).


Phương pháp tính trực tiếp thường được ứng dụng ở các nước xã hội chủ
nghĩa vì nền kinh t ế phát triển có kế hoạch, ổn định, không có sự cạnh tranh nhau và
không có khủng hoảng. Phương pháp này có ưu điểm là tính toán đơn giản, và
ngoài yêu cầu xác định tổng lượng điện năng dự báo chúng ta còn biết được tỉ lệ sử
dụng điện năng trong các ngành k inh tế, chẳng hạn như điện năng dùng cho công
nghiệp, nông nghiệp, dân dụng … cũng nhưng xác định được nhu cầu điện ở các
khu vực địa lý khác nhau. Từ đó có thể đề xuất phương hướng điều chỉnh, quy
hoạch cho cân đối. Tuy nhiên xác định mức độ chính xác của phương pháp này
cũng gặp nhiều khó khăn vì nó phụ thuộc vào mức độ chính xác của tổng sản lượng
các ngành kinh tế quốc dân trong tương lai dự báo, như phụ thuộc vào suất tiêu hao
điện năng của một đơn vị sản phẩm sản xuất ra của các ngành kinh tế ấy. Do đ ó
phương pháp này thường được áp dụng để dự báo nhu cầu điện năng cho thời gian
ngắn và trung bình.
1.7.3 Phương pháp so sánh đối chiếu :
Nội dung của phương pháp này là so sánh đối chiều nhu cầu phát triển điện
năng của các nước có hoàn cảnh tương tự nhau . Đây là phương pháp được nhiều
nước áp dụng để dự báo nhu cầu năng lượng của nước mình một cách hiệu quả. Tuy
nhiên việc áp dụng phương pháp này không phải lúc nào cũng thực hiện được, vì
chỉ có các nước tương đồng nhau về nhiều mặt như : vị trí địa lý, c ơ cấu kinh tế,
dân số … thì mới có thể ứng dụng phương pháp này một cách hiệu quả.
1.7.4 Phương pháp chuyên gia:

Phương pháp này dựa trên những hiểu biết sâu sắc của các chuyên gia giỏi về
các lĩnh vực của các ngành để dự báo các chỉ tiêu kinh tế. Trong lĩnh vực điện năng,
cũng có khi dùng phương pháp này để dự báo triển vọng điện năng, lúc ấy người ta
lấy trung bình trọng số ý kiến của các chuyên gia phát biểu về năng lượng của nước
mình để dự báo nhu cầu sử dụng điện. Tuy nhiên phương pháp này chỉ mang tính
chủ quan, cho nên độ chính xác và độ tin cậy không cao.
1.7.5 Phương pháp san bằng hàm mũ:
Trong phương pháp này, mỗi toán tử được đặc trung bởi một hàm hồi quy (gọi


là hàm xu thế). Trong các hàm hồi quy ấy, thường các hệ số được xác định theo
phương pháp bình phương tối thiểu. Bản thân phương pháp này cho ta các hệ số
không đổi của mô hình dự báo dựa trên cơ sở những số liệu quan sát trong quá khứ.
Sử dụng mô hình này để tính dự báo cho tương lai với các hệ số hằng sẽ phạm
một sai số nào đó tùy thuộc vào kho ảng thời gian dự báo. Nếu tầm dự báo càng xa
thì sai số càng lớn. Ngoài ra ta nhận thấy rằng những số liệu gần hiện tại có ảnh
hưởng đến giá trị dự báo nhiều hơn những số liệu ở quá khứ xa. Nói cách khác tỉ
trọng của các số liệu đối với giá trị dự báo sẽ g iảm theo hàm mũ khi lùi về quá khứ.
Phương pháp này dựa trên nguyên tắc hiệu chỉnh các hệ số của toán tử dự báo
theo phương pháp truy ứng.
Giả thuyết có một chuỗi thời gian yt (t=1,2,…,n) và được mô tả bằng một đa
thức bậc p :
yt  

p
i 1

ai
i!

i

t 

I

ap p
2
t  ... 
t 
2!
p!

a2

 a0  a1t 

(1.8)
t

Trong đó ai, t=0,1…p là các hệ số của hàm dự báo,

t

là sai số của dự báo.

Dựa vào phương trình trên ta có thể dự báo giá trị y t tại thời điểm (n+l) với
l=1,2,…,L. Việc thực hiện báo giá trị y t tại thời điểm t+l (với t=n) dự a theo phương
pháp phân tích chuỗi Taylor :
 ly)() t 

yt l  y (0t )(1)(2

p
l2
l
yt p
y t  ... 
2!
p!

(1.9)

Trong đó yk()t là đạo hàm bậc k tại thời điểm t, và bất cứ đạo hàm bậc k nào
(k=0,1,2….,p) của phương trình (1.8) đều có thể biểu diễn bằng một tổ hợp tuyế n
tính của trung bình mũ đến bậc (p+1), và ta cần xác định trung bình hàm mũ ấy.
Giá trị trung bình mũ bậc 1 của chuỗi yt xác định như sau :
n

t



S [1] ()y(1 )

t i



i

y

(1.10)

i 0

Trong đó là hệ số san bằng với 0 < < 1, nó thể hiện ảnh hưởng của các
quan sát quá khứ đến dự báo. Nếu

tiến tới 1, nghĩa là chỉ xét đến quan sát sau

cùng. Nếu tiến về 0, nghĩa là xét đến ảnh hưởng của mọi quan sát trong quá kh ứ.


Giá trị hàm mũ bậc k của chuỗi y t được biểu diễn theo bậc [k+1] :
n



t

t 1

S k ()y(1 )() 
i 1

sau :

i

S [k 1]

(1.11)

y

Browm.R.G đã phân tích công thức truy ứng để xác định trung bình mũ như
[k]
1]
St ()y()(1
St [ k)()

y

 St 1[ k ]
y

(1.12)

1.7.6 Phương pháp ngoại suy theo thời gian:
Phương pháp này nghiên cứu sự diễn biến của nhu cầu điện năng trong một
thời gian quá khứ ổn định, tìm ra một quy luật nào đó, rồi kéo dài quy luật đó ra để
dự báo tương lai.
Giả sử mô hình có dạng hàm mũ n hư sau :
At  A0 (1 )

Trong đó :

t

(1.13)

At – là điện năng dự báo ở năm thứ t.
A0 – là điện năng ở năm chọn làm gốc.
- là tốc độ phát triển bình phần hàng năm.
t – thời gian dự báo.

Để xác định thừa số (1+ ) chúng ta dựa vào biểu thức :
At 1
At  1   const  C

(1.14)

Như vậy dạng hàm mũ có dạng đơn giản, phản ánh chỉ số phát triển hàng năm
không thay đổi. Có thể xác định hằng số C bằng cách lấy giá trị trung bình nh ân chỉ
số phát triển nhiều năm :
C

n
n
i 1

C

i

 n C1.C2 ...Cn

(1.15)

Một cách tổng quát mô hình dự báo được viết như sau :
At  A0C t

(1.16)

Lấy logarit 2 về (1.16) ta được : log At  log A0  t log C
Đặt y=logA t ; a=logA0 ; b=logC thì phương trình trên trở thành :
Y = a + bt

(1.17)


Dùng phương pháp bình phương cực tiểu ta sẽ tìm được hệ số a và b
Ưu điểm của phương pháp ngoại suy hàm mũ này là đơn giản và có thể áp
dụng để dự báo tầm gần và tầm xa. Khuyết điểm của ph ương pháp này là chỉ cho
kết quả chính xác nếu trong tương lai không có nhiễu và quá khứ phải tuân theo một
quy luật.
Hiện nay các nhà khoa học đã và đang nghiên cứu các phương pháp và mô
hình dự báo có tính chính xác hơn. Ví dụ như phương pháp dựa trên mô hình
Brown, mô hình Bayes, phương pháp phân tích Wavelet, phương pháp mạng Neural
nhân tạo.
1.7.6.1 Mô hình Brown :
Hàm dự báo tuyến tính có dạng :
Y = a + bt

(1.18)

Các hệ số của mô hình được tính như sau :
a()t(1)(a1)(t1   
2

)b. t(1)
b()t(1)(b1 ). (1) e t 
2
t

et


(1.19)

Trong đó là hệ số.
1.7.6.2 Mô hình Bayes :
Chuỗi thời gian y có phân bố f (|y ) .Đánh giá mới sẽ thu được ở dạng
h1 (| ) gọi là phân phối hậu nghiệm theo Bayes :
y
h1 (| )y



h0 ()(| f ) y
g
()y

(1.20)

1.7.6.3 Mô hình mạng Neural nhân tạo :
Y=F(NET)
NET = W*X
Trong đó

(1.21)
Y – là ma trận đầu ra của mạng Neural.
X – là ma trận đầu vào của mạng Neural.
F – là hàm truyền của các Neural trong mạng.
W – là ma trận trọng số.


Phương pháp này dựa trên cơ sở huấn luyện mạng Neural, tức là tìm ma trận
trọng số sao cho thỏa mãn điều kiện sai số huấn luyện là nhỏ nhất.
1.7.6.4 Mô hình phân tích Wavelet :
Hàm phân bố có dạng :
N

g (t)[  ()] i D R t 
i i
i 1
ti

Trong đó :

 Gtb

(1.22)

N : Số wavelet.
: trọng số mô hình.
: hàm wavelet mẫu (mother function).
Di : ma trận tỉ lệ.
Ri : ma trận quay.

1.8 Những đề tài đã công bố
 Năm 1997, tác giả Gaviphat Lekutai có bài báo về:
“Các bộ điều khiển mạng Neural Wavelet tự điều chỉnh tương thích”.
Kết quả : Mạng lưới sóng dựa trên bộ điều chỉnh cải thiện sự hoạt động của
mạng lưới, giảm thiểu sự biến thiên giữa các đợt vận hành, đến giao thoa âm thanh
và khả năng phức tạp cao nhằm nghiên cứu và t heo dõi các hệ thống phức tạp chưa
được biết đến. Mạng lưới sóng này có thể khắc phục những vấn đề nêu trên và hy
vọng đóng góp vào việc đặt nền móng cho sự phát triển hơn nữa của mạng Neural
tương thích dựa vào phương pháp hệ thống điều khiển.
 Năm 1999, các tác giả Anant Oonsivilai, El-Hawary có bài báo:
“ Dự báo tải ngắn hạn của hệ thống điện dựa trên mạng Neural Wavelet”
Giới thiệu phương pháp tiếp cận cho việc dự đoán hệ thống điện tải sử dụng
mạng Neural Wavelet.
Kết quả: Mạng Neural Wavelet có thể làm tốt hơn những cấu trúc truyền
thống trong phương diện xấp xỉ và dự báo liên quan đến hệ thống điện.
 Năm 2000, các tác giả Zidan Bashir, El-Hawary có bài báo:
“ Sử dụng mạng Neural Wavelet dự báo tải ngắn hạn”.