Ứng dụng khoa học trí tuệ nhân tạo trong bài toán dự báo phụ tải điện

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
-------------------------------

TRỊNH KHÁNH LY

ỨNG DỤNG KHOA HỌC TRÍ TUỆ NHÂN TẠO TRONG
BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN

LUẬN VĂN THẠC SỸ KỸ THUẬT
CHUYÊN NGÀNH: ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN

Hà Nội – 2004


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
-------------------------------

TRỊNH KHÁNH LY

ỨNG DỤNG KHOA HỌC TRÍ TUỆ NHÂN TẠO TRONG
BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN

LUẬN VĂN THẠC SỸ KỸ THUẬT
CHUYÊN NGÀNH: ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN
NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. PHẠM THƯỢNG HÀN

Hà Nội – 2004

MỤC LỤC
Giới thiệu............................................................................................................1
Chương 1: Tổng quan về phụ tải hệ thông điện Việt Nam
1.1 Giới thiệu chung về hệ thống điện Việt Nam......................................4
1.2 Tầm quan trọng của dự báo phụ tải điện. .............................................7
1.3 Mơ hình tốn........................................................................................11
1.4 Dự báo phụ tải hệ thống điện Việt
nam................................................12
Chương 2 Bài toán dự báo phụ tải tuần
2.1 Đồ thị phụ tải điện...............................................................................15
2.2 Dự báo phụ tải ngắn hạn - cho một tuần.............................................16
2.2.1 Dạng của đồ thị phụ tải.........................................................17
2.1.2 Đỉnh và đáy của đồ thị phụ tải...............................................20
2.2.3 Dự báo phụ tải cho 7 ngày trong tuần...................................21
Chương 3: Các khái niệm cơ bản về mạng Nơ ron nhân tạo
3.1 Sơ lược về mạng nơ ron.......................................................................23
3.1.1 Lịch sử hình thành và phát tiển của mạng nơ ron nhân tạo....23
3.1.2 Cơ sở về mạng Nơ ron............................................................26
3.1.3 Nơron sinh học.......................................................................27
3.2 Mạng nơ ron nhân tạo.........................................................................29


3.2.1 Mơ hình một nơ ron nhân tạo................................................29
3.2.2 Hàm xử lý..............................................................................30
3.2.3 Mạng nơ ron nhân tạo............................................................32
Chương 4: Các khái niệm cơ bản về mạng Nơ ron nhân tạo
4.1 Luật học cạnh tranh.............................................................................40
4.2 Mạng lượng tử hoá véc tơ LVQ...........................................................46
4.2.1 Cấu trúc mạng.........................................................................46
4.2.2 Huấn luyện mạng....................................................................48

4.3

Xây

dựng

mạng

LVQ

để

phân

loại

kiểu

ngày......................................51
4.3.1 Thiết kế cấu trúc mạng...........................................................51
4.3.2 Huấn luyện mạng...................................................................52
4.3.3 Kết quả mô phỏng mạng mạng LVQ để phân loại kiểu
ngày.................................................................................................54
Chương 5. Mạng Nơ ron truyền thẳng và thuật toán Lan ruyền ngược
5.1 Kiến trúc cơ bản.................................................................................60
5.1.1 Mạng truyền thẳng................................................................60
5.1.2 Thiết kế cấu trúc mạng ........................................................61
5.2 Huấn luyện mạng...............................................................................63
5.2.1 Phương pháp giảm dốc nhất tìm điểm cực tiểu.....................65
5.2.2 Thuật toán lan truyền ngược.................................................67

5.3 Tăng tốc độ học và khả năng tổng quát hố của mạng BP............. ..75
5.3.1 Qui tắc mơ men.....................................................................75
5.3.2 Thuật tốn hệ số học thích nghi............................................76
5.3.3 Nâng cao khả năng tổng quát hoá của mạng.........................77
Chương 6: ứng dụng mạng nơ ron với thuật tốn lan truyền ngược thích
nghi trong bài toán dự báo phụ tải
6.1 Sơ lược về bài toán dự báo dữ liệu......................................................80
6.2 Xây dựng phần mềm mô phỏng mạng nơ ron lan truyền ngược ứng
dụng trong bài toán dự báo đỉnh biểu đồ phụ tải......................................84
6.2.1 Phần mềm mô phỏng mạng nơ ron lan truyền ngược ứng dụng
trong bài toán dự báo phụ tải cao điểm ....................................................85
6.2.2 Phần mềm mơ phỏng mạng nơ ron lan truyền ngược ứng dụng
trong

bài

tốn

dự

báo

phụ

cho

7

tải

thấp

ngày

trong

điểm....................................................95
6.3

Dự

Báo

phụ

tải

tuần................................................100
Kết luận..............................................................................................................117
Tài liệu tham khảo..............................................................................................119


Phụ lục I:Phần mềm mô phỏng mạng LVQ trong bài toán nhận dạng đồ thị phụ
tải........................................................................................................................120
Phụ lục II: Phần mềm mơ phỏng mạng truyền thẳng hai lớp với thuật tốn lan
truyền ngược thích nghi trong bài tốn dự báo phụ tải cao điểm và thấp
điểm..131

CÁC TỪ VIẾT TẮT
ANN : Mạng nơ ron nhân tạo
DBPT : Dự báo phụ tải
ĐTPT : Đồ thị phụ tải
HTĐQG : Hệ thống điện quốc gia
Mạng BP : Mạng lan truyền ngược
Mạng LVQ : Mạng lượng tử hoá véc tơ
MSE: Trung bình tổng bình phương sai số
SDPB: Thuật tốn giảm dốc nhất
SSE: Tổng bình phương sai số
VLBP: Thuật tốn lan truyền ngược thích nghi.


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

CHNG 1
TỔNG QUAN VỀ PHỤ TẢI HỆ THỐNG ĐIỆN VIỆT NAM
Chương này đề cập đến các vấn đề sau:
• Giới thiệu chung về hệ thống điện Việt Nam.
• Tầm quan trọng của dự báo phụ tải điện.
• Mơ hình tốn.
• Dự báo phụ tải hệ thống điện Việt nam.
1.1.Giới thiệu chung về hệ thống điện Việt Nam
Trong những năm gần đây, hệ thống điện Việt nam đã phát triển lớn mạng cả về
số lượng và chất lượng. Sản xuất điện đã đáp ứng nhu cầu phát triển kinh tế - xã
hội. Mức độ tăng trưởng phụ tải hệ thống năm các năm 1995-2003 là tương đối
cao, chỉ trừ năm 1998 chỉ tăng 7,8%. Tương ứng đó, sản lượng hệ thống cũng
tăng từ 10%-18%. Trong các bảng 1.1 và 1.2 thể hiện tốc độ tăng trưởng phụ tải
về công suất cực đại và sản lượng điện các năm 1995-2003.

Bảng 1.1: Tốc độ tăng trưởng phụ tải về công suất cực đại

1996

1997

1998

1999

2000

2001

Quốc gia

13,6% 13,2%

7,8%

11,7%

13,0%

15,57%

HTĐ Bắc

12,5%

8,6%

5,3%

7,6%

9,7%

12,7%

HTĐ Trung

17,9%

8,0%

9,5%

15,5%

13,4%

12,68%

4


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

HT Nam

15,2%

16,9%

9,5%

13,9%

9,8%

Hình 1.1 Cơng suất cao nhất các tháng HTĐ QG

Bảng 1.2: Tốc độ tăng trưởng phụ tải về sản lượng
1996 1997

1998

1999

2000

2001

Quốc gia

13,6% 13,2% 7,8%

11,7% 13,0% 12,7%

HTĐ Bắc

12,5% 8,6% 5,3%

7,6%

HTĐ Trung

17,9% 8,0% 9,5%

15,5% 13,4% 12,68%

HTĐ Nam

15,2% 16,9% 9,5%

13,9% 9,8% 18,25%

5

9,7% 12,7%

18,25%


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

Tiờu thụ điện tăng nhanh từ 11,185 tỷ kWh năm 1995 lên 30,235 tỷ kWh
năm 2002. Trong giai đoạn từ năm 1995 đến 2002, điện tiêu thụ đạt tốc độ tăng
trưởng cao nhất là 20,6% vào năm 1995, sau đó giảm xuống 10,5% năm 1999 và

lại tăng lên 17,4% năm 2002.
Bảng1.3 Cơ cấu tiêu thụ điện giai đoạn 1993-2002
Cơ cấu tiêu

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

3477

3944

4614

5503

6163

6781

7590

9088

10394

12681

44,4

12,5

41,3

41,1

40,3

38,4

38,7

40,6

40,4

41,9

1147

1359

632

643

691

715

582

428

478

506

14,6

14,6

5,6

4,8

4,5

4,0

3,0

1,9

1,9

1,7

2518

3131

4929

6136

7221

8849

10020

10986

12646

14333

32,1

33,7

44,1

45,9

47,2

49,7

51,1

49,0

49,1

47,4

697

850

1010

1092

1228

1380

1400

1895

2227

2715

8,9

9,15

9,0

8,2

8,0

7,9

7,2

8,5

8,6

9,0

7839

9284

11185

13374

15303

17725

19592

22397

25752

30235

13,1

18,4

20,6

19,2

14,8

15,7

10,5

14,3

15,0

17,4

24,0

22,5

21,7

19,3

18,2

16,09

15,53

14,03

14,0

14,0

thụ điện
Tiêu thụ điện
công nghiệp
Tỷ trọng (%)
Tiêu thụ điện
nông nghiệp
Tỷ trọng (%)
Tiêu thụ điện
sinh hoạt
Tỷ trọng (%)
Tiêu thụ điện
khác
Tỷ trọng (%)
Tiêu thụ điện
thực phẩm
Tăngtrưởng
(%)
Tỉ lệ điện tổn

6


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

tht (%)
BQ đầu người

110

128

151

177

200

233

255

295

338

384

(kWh/năm)

Trong cơ cấu tiêu thụ điện, điện năng tiêu thụ của khu vực sinh hoạt và gia
dụng có cơ cấu lớn nhất, do vậy chênh lệch công suất giữa giờ cao điểm và thấp
điểm lớn (từ 2 đến 3 lần) và phụ thuộc rất nhiều vào thời tiết gây ảnh hưởng rất
lớn đến việc khai thác tối ưu các nguồn điện và bố trí cơng tác sữa chữa nguồn
và lưới. Phụ tải cao điểm là nhân tố quyết định việc huy động nguồn điện trong
khi đó phụ tải thấp điểm lại giữ vai trò quan trọng trong việc quyết định phối hợp
và điều chỉnh các nguồn điện nhằm đảm bảo vận hành kinh tế. Do đó việc dự

báo chính xác phụ tải điện có ý nghĩa hết sức quan trọng trong bài toán vận hành
kinh tế hệ thống điện cũng như trong cải tạo, thiết kế hệ thống cung cấp điện.
Việc dự báo chính xác phụ tải cao điểm và thấp điểm giảm được tổn thất công
suất và điện năng. Trong đó dự báo phụ tải cao điểm Pmax là khâu quan trọng
nhất, việc dự báo chính xác phụ tải cao điểm mang lại lợi ích và hiệu suất sử
dụng năng lượng và cả lợi ích cho khách hàng, tránh được tình trạng thiếu cơng
suất giờ cao điểm. Đặc biệt vào mùa lũ khi cần khai thác tối đa các nguồn nhiên
liệu rẻ như thuỷ điện.
Do đó phụ tải cao điểm và thấp điểm chính là hai giá trị đặc biệt trên biểu đồ
phụ tải ngày, và là mối quan tâm hàng đầu của người lập quy hoạch và thiết kế
hệ thống điện. Khi phụ tải thấp thì tỷ lệ tổn thất tăng do tổn hao không tải.
1.2 Tầm quan trọng của dự báo phụ tải điện
Dự báo phụ tải điện (DBPT) đóng vai trị vơ cùng quan trọng đối với công
tác quy hoạch, đầu tư phát triển và vận hành hệ thống điện (HTĐ). Chúng ta biết
rằng nhu cầu tiêu dùng điện năng phụ thuộc vào trình độ phát triển của nền kinh

7


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

t quốc dân. vì thế dự báo phụ tải điện là một bộ phận của dự báo phát triển kinh
tế và khoa học kỹ thuật. Nếu chúng ta dự báo phụ tải quá thừa so với nhu cầu sử
dụng thì hậu quả là phải huy động nguồn dự phòng đắt tiền lớn hơn mức cần
thiết. Ngược lại, nếu dự báo phụ tải quá thấp so với nhu cầu thì sẽ dẫn đến kết
quả nguồn dự phịng thấp giảm an tồn cung cấp điện, không đáp ứng đủ nhu cầu
điện cho các hộ tiêu thụ và làm thiệt hại cho nền kinh tế quốc dân.
Dự báo phụ tải dài hạn ( khoảng từ 1-20 năm) có nhiệm vụ cung cấp số liệu
cho công tác quy hoạch và đầu tư phát triển hệ thống điện. Còn dự báo phụ tải
ngắn hạn (khoảng từ 1 -30 ngày) có nhiệm vụ đảm bảo vận hành hệ thống điện

an toàn và kinh tế. Đối với dự báo dài hạn có tính chất chiến lược thì chỉ nêu nên
những phương hướng phát triển chủ yếu mà không yêu cầu xác định chỉ tiêu cụ
thể.
Dự báo phụ tải điện quá thừa so với nhu cầu thì dẫn đến việc huy động vốn
đầu tư lớn để xây dựng nhiều nguồn phát điện, nhưng thực tế không dùng hết
công suất của chúng gây lãng phí. Nếu dự báo lại quá nhỏ so với nhu cầu thực tế
thì dẫn đến tình trạng thiếu nguồn điện.
Phụ tải của hệ thống điện là một hàm số phụ thuộc vào thời gian t, phụ thuộc
vào thông số chế độ - tần số và mô đul điện áp thơng qua những đặc tính thống
kê.
Đặc tính ngẫu nhiên của phụ tải được xác định qua hai yếu tố:
• Tính ngẫu nhiên của chính phụ tải
• Tính ngẫu nhiên và tính chu kỳ trong hoạt động của con người trong một
khoảng thời gian (ngày, tuần, tháng, năm...). Đặc điểm này tạo nên tính chu kỳ

8


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

trong biến đổi của phụ tải, cho phép dự báo phụ tải với mức độ chính xác tương
đối cao.
80000
70000
60000
50000
40000
30000
20000
10000

0
1995

1996

1997

1998

1999

2000

2001

Chu kỳ tính toán T được xác định bằng các quy luật khách quan tiêu thụ điện
Hinh1.2: Sản lượng trung bình ngà y tháng 1 qua các năm

năng. Những quy luật này được xác định bằng một loạt các yếu tố:
- thiên văn: chu kỳ quay của trái đất, mùa trong năm
- xã hội: tuần 7 ngày với các ngày làm việc và ngày nghỉ hoặc ngày lễ, sinh
hoạt trong ngày, 8 giờ làm việc, những giờ nghỉ chương trình, tivi, v.v.. Nhu cầu
phụ tải phụ thuộc rất nhiều vào yếu tố này.
- thời tiết: nhiệt độ, khơng khí, nắng mưa. Mối quan hệ này là phi tuyến.
Tương tự như vậy chu kỳ T có thể lấy từ chu kỳ hoạt động của con người:
ngày, đêm, tháng, năm. Tuy nhiên không thể coi một chu kỳ nào trong những
chu kỳ trên là lặp lại của chu kỳ trước: do sự tăng trưởng của phụ tải theo thời
gian, do những biến đổi bất thường của phụ tải. Tóm lại các yếu tố ảnh hưởng
đến phụ tải bao gồm:
Qua đồ thị trên ta thấy tốc độ tăng trưởng của phụ tải qua các năm là khác

nhau:

9


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

Mc độ tăng trưởng phụ tải ,%

20%
15%
10%
5%
0%
1996

1997

1998

1999

2000

2001

Hình 1.3 Tốc độ tăng trưởng của phụ tải trung bình tháng 1
qua các năm

Để dự báo phụ tải cần phải mô tả các thông số phụ tải đã có bằng một hoặc

nhiều hàm số nào đó. Các hàm số này mơ tả dãy thơng số quan sát một cách gần
đúng. Sai số tiệm cận hố thơng số quan sát bằng hàm số được đánh giá khi tính
giá trị của hàm số theo chính những đối số đó. Những sai số này có thể coi là
ngẫu nhiên vì chúng khơng phụ thuộc vào đối số của hàm số. Phương trình mơ tả
dãy thơng số quan sát không phải là một quan hệ gần đúng mà là quan hệ hồi
quy
Như vậy sai số dự báo phụ thuộc vào chất lượng của mơ hình dự báo phụ tải,
nghĩa là tuỳ theo mơ hình tính tốn được lựa chọn, tuỳ theo mức độ chính xác
đạt được khi xác định các hệ số của mơ hình. Hay nói một cách khác sai số của
dự báo phụ thuộc vào khả năng của mơ hình tính tốn có thể mơ tả diễn biến của
phụ tải chính xác đến mức nào. Khi xây dựng mơ hình tính tốn, nếu có thể xác
định mối liên quan của sai số dự báo ở những thời điểm khác nhau hoặc liên
quan đến một đại lượng khác tức là sai số mang tính hệ thống, thì sau khi xác

10


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

nh được sai số ở một thời điểm nào đó có thể ước lượng được sai số trong
tương lai. Sai số này cịn có thể gọi là sai số tính tốn hay sai số tương đối. Phân
biệt giữa sai số này và sai số quan sát (gọi là sai số thực tế hay sai số tuyệt đối).
Nếu không ước lượng được sai số dự báo thì khó có thể tăng được độ chính xác
của dự báo.
Sai số của dự báo phụ thuộc vào đặc tính của phụ tải, phụ thuộc vào khoảng
thời gian đón trước cần tính tốn. Phụ tải tương đương cần phải tính dự báo càng
lớn (bao gồm nhiều phụ tải nhỏ, có tính chất khác nhau) thì sai số tương đối càng
nhỏ. Sai số tính tốn theo phần trăm của phụ tải tổng sẽ nhỏ hơn sai số cũng tính
theo phần trăm của bất kỳ phụ tải thành phần nào.
Phụ tải cơng nghiệp thường ít thay đổi trong một chu kỳ và qua các chu kỳ,

phụ tải sinh hoạt có thể thay đổi nhiều trong một chu kỳ và ít thay đổi qua các
chu kỳ.
1.3.Mơ hình tốn
1.3.1 Đặt bài tốn
Cho dãy thơng số phụ tải điện quan sát trong khoảng thời gian N năm. Cần
dự báo dãy thông số phụ tải trong khoảng thời gian tính tốn M năm
1.3.2 Lựa chọn mơ hình tính tốn
Dự báo tổng nhu cầu phụ tải là cần thiết cho công tác quy hoạch và phân phối
tối ưu các tổ máy phát. Các ứng dụng khác của việc dự báo phụ tải trong ngắn
hạn là cần thiết cho sự an toàn của hệ thống và việc quản lý được xem xét, kiểm
soát được trên các giờ cơ sở, phụ tải đỉnh và đáy, cơng suất phản kháng, dịng
phụ tải của hệ thống.

11


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

Nhng nghiên cứu kỹ lưỡng về nhu cầu phụ tải cho ta thấy rằng nhu cầu phụ
tải là một quá trình động. Sự biến đổi của nó phụ thuộc vào hai yếu tố: thứ nhất
các hoạt động của con người và thói quen của con người trong cả ngày và đêm:
thứ hai là các điều kiện thời tiết
Có ba bước dùng để dự báo phụ tải.
Bước thứ nhất: nhận biết mô hình
Nó là khâu quan trọng nhất trong kỹ thuật dự báo phụ tải. Nó quyết định cấu
trúc của mơ hình, trật tự mơ hình. Các dữ liệu về thời tiết và phụ tải có liên quan
trong quá khứ cũng được sử dụng trong mơ hình.
Thơng thường mơ hình tính tốn được lựa chọn từ điều kiện bình phương tối
thiểu với sai số nhỏ nhất. Tuy nhiên tiêu chuẩn chính trong khi lựa chọn mơ hình
tính tốn lại là tính logic của mơ hình được xác định trong q trình dài quan sát

và dựa trên cơ sở các đặc trưng vật lý cũng như các yếu tố kỹ thuật của quá trình
cần dự báo. Trong những mơ hình tính tốn có thể sử dụng được sẽ chọn ra mơ
hình nào có dạng đơn giản nhất.
Trong dự báo phụ tải hiện nay chưa có mơ hình tính tốn nào là hồn chỉnh.
Mỗi dạng mơ hình tính tốn đều có những ưu điểm và nhược điểm riêng.
Bước thứ hai: Ước lượng các thông số của mơ hình. Các dữ liệu cơ bản về
thời tiết và phụ tải trong quá khứ được dùng để ước tính các thơng số trên. Kỹ
thuật ước lượng tạo ra các thông số tối ưu
Bước cuối cùng: Dự báo phụ tải. Các thông số tối ưu được sử dụng để dự báo
phụ tải của các giờ ngày hoặc tuần tiếp theo trong tương lai. Do tầm quan trọng

12


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

ca nó đối với việc quy hoạch và vận hành hệ thống điện, dự báo phụ tải đã thu
hút được sự quan tâm của các nhà nghiên cứu trong suốt vài thập kỷ gần đây.
1.4 Dự báo phụ tải hệ thống điện Việt nam
Phụ tải hệ thống điện miền Bắc, niền Trung, miền Nam ngoài những yếu tố
ngẫu nhiên diễn biến khác nhau còn mang một số quy luật chung.
Dạng đồ thị phụ tải ngày diễn biến theo chu kỳ, mỗi chu kỳ bao gồm một số
điểm cực trị tương đối rõ nét.
Nhiêm vụ của bài toán dự báo phụ tải điện là xác định đường cong biến thiên
của đồ thị phụ tải ngày. Tuỳ theo nhu cầu có thể xác định đồ thị phụ tải ngày tiếp
theo, đồ thi phụ tải của 7 ngày trong một tuần, đồ thị phụ tải của ngày điển hình
trong tuần, đồ thị phụ tải ngày điển hình trong thángv.v Những bước chính dự
báo phụ tải điện có thể phát biểu như sau:
Dựa vào tập số liệu quan sát xác định quy luật biến thiên của phụ tải. Từ đó
xây dựng đồ thị phụ tải ngày điển hình và các quy luật ảnh hưởng đến dạng đồ

thị này.
Vào thời điểm dự báo đã có dự báo phụ tải và phụ tải của thời điểm trước đó,
dựa vào sai lệch giữa quan sát và dự báo có thể hiệu chỉnh lại dạng đồ thị phụ tải
điển hình.
Dựa vào quan sát có được vào thời điểm tính toán xác định nốt phụ tải của
chu kỳ hiện tại. Nếu cần xác định phụ tải của ngày tiếp theo thì theo phụ tải quan
sát được ở giờ tính tốn để điền đầy đủ phụ tải của ngày hơm đó rồi xác định phụ
tải của ngày hôm sau, nếu cần xác định phụ tải điển hình của tháng thì theo phụ

13


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

ti có đến ngày làm dự báo xác định phụ tải điển hình của tháng hiện tại rồi sau
đó xác định phụ tải điển hình của tháng sau.
Dự báo phụ tải ngày: đồ thị phụ tải ngày có những đột biến: ngày nghỉ hoặc
ngày lễ, ảnh hưởng của thời tiết ... Thật ra đồ thị phụ tải ngày qua theo dõi một
số năm có thể chia làm hai dạng chính: phụ tải ngày thường và phụ tải ngày lễ
hoặc chủ nhật . Trong dự báo phụ tải ngày cần chú ý đến yếu tố thời tiết nắng
hay mưa, nhiệt độ cao hay thấp.
Các phương pháp dự báo phụ tải có thể được phân loại thành các phương
pháp dựa trên tham số và các phương pháp dựa trên trí tuệ nhân tạo. Phương
pháp sau dùng mạng nơron như là các mơ hình phụ tải, trong đó việc tính tốn
các mơ hình phụ tải dựa trên các hàm tốn học mơ tả mối quan hệ giữa phụ tải và
các nhân tố quan trọng khác có ảnh hưởng đến hàm này. Sự chính xác của việc
dự báo phụ tải chủ yếu phụ thuộc vào mơ hình được sử dụng.
Việc áp dụng mạng nơ ron nhân tạo cho dự báo phụ tải của Việt Nam dựa
trên các u cầu: phương pháp đơn giản, có tính đến ảnh hưởng của yếu tố biến
thiên nhiệt độ và đặc thù ngày, cho kết quả dự báo với sai số nhỏ là phương

hướng của nghiên cứu này. Mạng nơ ron nhân tạo được xây dựng trên cơ sở mô
phỏng hoạt động của hệ thống nơ ron thần kinh sinh học do đó mạng nơ ron
nhân tạo có một số đặc điểm như bộ não con người. Đó là khả năng học được
nhưng gì đã được dạy. Quá trình học này gọi là qúa trình huấn luyện. Trong quá
trình này các mẫu thể hiện quan hệ giữa các các biến ngẫu nhiên được đưa vào
trong mạng nơ ron, mạng nơ ron sẽ nhận biết được quan hệ giữa các biến ngẫu
nhiên đó sau khi kết thúc q trình huấn luyện. Chính do đặc điểm này mà mạng
nơ ron được ứng dụng rộng rãi trong lĩnh vực dự báo. Đặc biệt đối với dự báo

14


Tổng Quan Về Phụ Tải Hệ Thống Điện Việt Nam

ph tải ngắn hạn, thì đây là phương pháp dự báo được đánh giá cao hơn hẳn các
phương pháp trước đó và hiện nay mơ hình này đang được áp dụng phổ biến ở
một số nước phát triển trong dự báo phụ tải.

15


Bài toán dự báo phụ tải các ngày trong một tn

CHƯƠNG 2
BÀ I TỐ N DỰ BÁ O PHỤ TẢI TUẦN
Chương này đề cập đến các vấn đề sau:
• Đồ thị phụ tải điện
• Dự báo phụ tải ngắn hạn - cho một tuần

2.1 Đồ thị phụ tải điện

Phụ tải của hệ thống điện là một hàm số phụ thuộc vào thời gian , phụ thuộc
vào nhiều yếu tố như đặc điểm của q trình cơng nghệ, chế độ vận hành. Tuy
nhiên đối với mỗi hộ tiêu thụ có thể đưa ra một dạng đồ thị phụ tải điển hình
Lúc thiết kế nếu biết đồ thị phụ tải điển hình thì sẽ có căn cứ để chọn các
thiết bị điện, tính điện năng tiêu thụ. Lúc vận hành nếu biết đồ thị phụ tải điển
hình thì có thể định phương thức vận hành các thiết bị điện sao cho kinh tế và
hợp lý nhất. Các nhà máy phát điện cần nắm được đồ thị phụ tải của các hộ tiêu
thụ để định phương thức vận hành của các máy phát điện cho phù hợp với yêu
cầu. Vì vậy đồ thị phụ tải là một tài liệu quan trọng trong thiết kế cũng như vận
hành hệ thống cung cấp điện.
Tuỳ theo yêu cầu sử dụng mà người ta xây dựng các loại đồ thị phụ tải điện
khác nhau. Theo đại lượng đo có đồ thị phụ tải tác dụng P(t), đồ thị phụ tải phản
kháng Q(t), đồ thị điện năng tiêu thụ A(t). Nếu theo thời gian khảo sát có đồ thị
phụ tải hàng ngày, hàng tháng, hàng năm.
Nghiên cứu đồ thị phụ tải ngày ta có thể biết được tình trạng làm việc của các
thiết bị, từ đó định qui trình vận hành một cách hợp lý nhất đảm bảo vận hành
kinh tế các thiết bị điện.

15


Bài toán dự báo phụ tải các ngày trong một tuÇn

Hỡnh 2.1: Đồ thị phụ tải ngày của hệ thống điện quốc gia

Hình 2.1 là đồ thị phụ tải tác dụng ngà y của hệ thống điện quốc gia. Đồ thị
biến thiên theo giá trị phụ tải 24 giờ trong ngà y. Phụ tải cao nhất trong ngà y
Pmax lớn gấp 2-3 lần so với phụ tải thấp nhất trong ngà y Pmin.
2.2 Dự báo phụ tải ngắn hạn - cho một tuần
Mục đích của DBPT cho tuần sau là đưa ra các giá trị dự báo của các ngà y

trong tuần theo từng giờ sát với thực tế.
Qua quá trình phân tích, đồ thị phụ tải của ngày chủ yếu bị ảnh hưởng bởi
thói quen tổ chức sinh hoạt, cách phân công sắp xếp công việc của người dân.
hay nói cách khác ĐTPT có mối liên quan chặt chẽ tới môi trường hoạt động,
ngày tháng làm việc, nghỉ ngơi, lễ tết, ... của cộng đồng dân cư. Còn đáy và đỉnh
phụ tải là hàm của các biến thời tiết như nhiệt độ, độ ẩm, mây và lượng mưa.
Bà i tốn dự báo phụ tải hệ thống điện có thể được chia thà nh hai bà i tốn
nhỏ:
• Bài tốn nhận dạng đồ thị phụ tải (ĐTPT) ngày cần dự báo

16


Bài toán dự báo phụ tải các ngày trong một tuần

ã Bi toỏn d bỏo nh v ỏy BPT ca ngày cần dự báo
2.2.1 Dạng của đồ thị phụ tải
Xét đồ thị phụ tải HTĐ hình 2.2. Đây là biểu đồ phụ tải các ngày trong một
tuần từ 7/7/ 2003 đến 14/7/2003 được xây dựng theo giá trị phụ tải cho 24 giờ
trong ngày.

17


Bài toán dự báo phụ tải các ngày trong một tn

Hình 2.2 đồ thị phụ tải 7 ngà y ngà y trong tuần

Các BĐPT của ngày trong tuần có thể chia thành một vài dạng cụ thể khác
nhau: nhóm các ngày làm việc bình thường từ thứ hai đến thứ sáu, và nhóm các

ngày thứ bảy, chủ nhật và ngày lễ.
Nhìn chung đồ thị có giá trị phụ tải phân bố không đều, dạng đồ thị nhọn và
độ chêch lệch giữa hai giá trị max và min rất lớn.
Đặt:
- Giá trị phụ tải của giờ thứ i là P(i) với i =1 24 ứng với 24 giờ trong ngày
- Giá trị phụ tải đỉnh là Pc (max)
- Giá trị phụ tải đáy là Pt (min)
Để thu được dạng chuẩn của biểu đồ phụ tải (ĐTPT) ngày, ta sẽ quy chuẩn
hoá phụ tải của từng giờ theo công thức sau:

18


Bài toán dự báo phụ tải các ngày trong một tuÇn

Pn (i) 

P(i)  Pt
Pc  P

Với Pn(i) là phụ tải được quy chuẩn hoá của giờ thứ i
Dựa trên giá trị phụ tải được quy chuẩn hoá của 24 giờ trong ngày thu được
ta xây dựng biểu đồ phụ tải chuẩn hố. Đồ thị phụ tải này cịn được gọi là véc tơ
BĐPT
Ta đặt véc tơ BĐPT là P, ta có:
P = [p1, p2, . . .,pi, ... p24]T
= [Pn(1), Pn(2),...Pn(i),... Pn(24)]
Với: Pn(i) là phụ tải được quy chuẩn hố của giờ thứ i
Hình 2.2 là đồ thị phụ tải đã được chuẩn hoá của các ngày trong tuần được
xây dựng theo các biến i và biến P(i). Biểu đồ phụ tải đã được quy chuẩn vẫn giữ

nguyên dạng biến thiên của mình và các giá trị phụ tải được quy chuẩn nằm
trong khoảng từ 0  1, với PnC =1 và Pnt =0.

19


Bài toán dự báo phụ tải các ngày trong một tn

Hình 2.3 Đồ thị phụ tải chuẩn hố 7 ngà y ngà y trong
tuần

2.1.2 Đỉnh và đáy của đồ thị phụ tải
Xác định hai giá trị đặc biệt trên đồ thị phụ tải, phụ tải cao điểm và thấp điểm
là mục tiêu quan trọng hàng đầu của người làm công tác dự báo. Các yếu tố ảnh

20