Thiết kế chương trình dự báo phụ tải điện cho tỉnh bình dương sử dụng neural network

MỤC LỤC
* GIỚI THIỆU ĐỀ TÀI
1. Đặt vấn đề ......................................................................................................... 4
2. Nhiệm vụ và mục tiêu luận văn ...................................................................... 6
3. Những nghiên cứu cơ bản của đề tài ............................................................... 6
4. Những kết quả đạt được ................................................................................... 6
Chương 1: THỰC TRẠNG VỀ PHỤ TẢI ĐIỆN CỦA TỈNH BÌNH DƯƠNG
1.1 LỊCH SỬ PHÁT TRIỂN CỦA TỈNH BÌNH DƯƠNG ........................................ 7
1.2 THỰC TRẠNG VỀ PHỤ TẢI ĐIỆN CỦA TỈNH BÌNH DƯƠNG .................... 7
1.2.1 Tình hình tiêu thụ điện năng của tỉnh Bình Dương qua các năm .............. 7
1.2.2 Hiện trạng về các khu công nghiệp tập trung ............................................ 10
1.2.2.1 Khu công nghiệp .................................................................................. 10
1.2.2.2 Khu sản xuất công nghiệp ................................................................... 11
1.2.2.3 Tốc độ tăng trưởng GDP ...................................................................... 14
Chương 2: DỰ BÁO VÀ CÁC PHƯƠNG PHÁP DỰ BÁO
2.1 KHÁI NIỆM CHUNG .......................................................................................... 15
2.2 CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG .............................. 16
2.2.1 Phương pháp bình phương cực tiểu ............................................................. 16
2.2.1.1 Khái niệm chung .................................................................................. 16
2.2.1.2 Các biểu thức toán học để xác định các hệ số của mô hình dự báo . 17
2.2.2 Phương pháp tính hệ số vượt trước ............................................................. 19
2.2.3 Phương pháp tính trực tiếp .......................................................................... 20
2.2.4 Phương pháp so sánh đối chiếu .................................................................... 20
2.2.5 Phương pháp chuyên gia .............................................................................. 21
2.2.6 Phương pháp san bằng hàm mũ ................................................................... 21
2.2.7 Phương pháp ngoại suy theo thời gian ........................................................ 23
2.2.7.1 Mô hình có dạng hàm giải tích ............................................................ 24
2.2.7.2 Mô hình Brown .................................................................................... 25
2.2.7.3 Mô hình Baeys ..................................................................................... 25
2.2.7.4 Mô hình Neural .................................................................................... 25
2.2.7.5 Mô hình theo Wavelet ......................................................................... 25

2.2.8 Phương pháp tương quan .............................................................................. 26
2.3 KẾT QUẢ DỰ BÁO THEO PHƯƠNG PHÁP SAN BẰNG HÀM MŨ ............ 27
Chương 3: TỔNG QUAN VỀ MẠNG NEURAL
3.1 LỊCH SỬ PHÁT TRIỂN CỦA MẠNG NEURAL ............................................... 31
3.2 MẠNG NEURAL VÀ CÁC KHÁI NIỆM CƠ BẢN .......................................... 32
Trang 1


3.2.1 Giới thiệu về mạng Neural ......................................................................... 32
3.2.2 Cấu trúc và phân loại mạng Neural ........................................................... 36
3.2.2.1 Phân loại theo cấu trúc ........................................................................ 36
3.2.2.2 Phân loại theo phương pháp dạy ......................................................... 37
3.2.3 Cấu trúc mạng Neural ................................................................................. 38
3.2.3.1 Mạng Neural một lớp ........................................................................... 38
3.2.3.2 Mạng Neural nhiều lớp......................................................................... 39
3.3 LUẬT HỌC VÀ CÁC PHƯƠNG PHÁP DẠY MẠNG ...................................... 41
3.3.1 Luật học sữa lỗi ........................................................................................... 41
3.3.2 Luật học Hebbian ........................................................................................ 41
3.3.3 Luật học cạnh tranh ..................................................................................... 43
3.3.4 Giải thuật học Delta .................................................................................... 43
3.3.5 Giải thuật học Delta tổng quát .................................................................... 47
3.3.6 Các mạng nuôi tiến và giải thuật truyền ngược ......................................... 49
3.4 KHÁI QUÁT MỘT SỐ MẠNG NEURAL NHÂN TẠO ................................... 53
3.4.1 Maïng Maccalox ........................................................................................... 53
3.4.2 Maïng Perceptron ......................................................................................... 53
3.4.3 Maïng Multilayer Perceptrons ..................................................................... 55
3.4.4 Maïng Hopfield ............................................................................................. 56
3.4.5 Maïng Hemmin ............................................................................................. 57
3.4.6 Mạng Functional Link Net .......................................................................... 59
3.5 CÁC ỨNG DỤNG CỦA MẠNG NEURAL......................................................... 59

Chương 4: THIẾT KẾ MẠNG NEURAL ỨNG DỤNG VÀO DỰ BÁO
4.1 TRÌNH TỰ THIẾT KẾ ......................................................................................... 61
4.2 PHÂN TÍCH DỮ LIỆU ......................................................................................... 61
4.2.1 Phân tích dữ liệu theo phng pháp chuỗi thời gian................................... 61
4.2.2 Phân tích dữ liệu theo phương pháp tương quan ......................................... 63
4.3 NHỮNG MẠNG NEURAL VÀ GIẢI THUẬT HUẤN LUYỆN ỨNG DỤNG
DỰ BÁO PHỤ TẢI CHO TỈNH BÌNH DƯƠNG ....................................................... 65
4.3.1 Mạng Neural ................................................................................................ 65
4.3.1.1 Maïng Feed-forward backpropagation ................................................. 65
4.3.1.2 Maïng Elman backpropagation ............................................................. 67
4.3.1.3 Maïng Cascade-forward backpropagation ........................................... 70
4.3.1.4 Maïng Feed-forward input-delay backpropagation ............................. 71
4.3.2 Giải thuật huấn luyện ................................................................................... 72
4.3.2.1 Giải thuật gradient liên hợp (Traincgf, Traincgp, Traincgb,
Trainscg) ............................................................................................... 72
4.3.2.2 Giải thuật thay đổi tốc độ học (Traingda, Traingdx) ......................... 73
4.3.2.3 Giải thuật truyền ngược đàn hồi (Trainrp) .......................................... 74

Trang 2


4.3.2.4 Phương pháp Quasi-Newton (Trainbfg) .............................................. 74
4.3.2.5 Giải thuật cắt một bước (Trainoss) ...................................................... 75
4.3.2.6 Giải thuật Levenberg-Marquardt (Trainlm) ....................................... 75
4.4 ỨNG DỤNG DỰ BÁO PHỤ TẢI ĐIỆN CHO TỈNH BÌNH DƯƠNG ............... 77
4.4.1 Dự báo ngắn hạn .......................................................................................... 77
4.4.2 Dự báo dài hạn ............................................................................................ 77
4.4.2.1 Dự báo theo mô hình chuỗi thời gian .................................................. 78
4.4.2.2 Dự báo theo mô hình tương quan ........................................................ 80
Chương 5: PHẦN MỀM DỰ BÁO PHỤ TẢI ĐIỆN

5.1 NHẬP DỮ LIỆU ................................................................................................... 88
5.1.1 Nhập dữ liệu theo phương pháp chuỗi thời gian ........................................ 88
5.1.2 Nhập dữ liệu theo phương pháp tương quan................................................ 89
5.2 HUẤN LUYỆN MẠNG ....................................................................................... 91
5.2.1 Loại mạng .................................................................................................... 91
5.2.2 Số neural lớp ẩn và hàm truyền của từng lớp ............................................ 92
5.2.2.1 Số neural .............................................................................................. 92
5.2.2.2 Hàm truyền .......................................................................................... 92
5.2.3 Giải thuật huấn luyện .................................................................................. 94
5.2.4 Các thông số khác ...................................................................................... 94
5.3 KẾT QUẢ HUẤN LUYỆN VÀ QUÁ TRÌNH DỰ BÁO ................................... 95
5.3.1 Kết quả huấn luyện .................................................................................... 95
5.3.2 Kiểm tra dự báo .......................................................................................... 97
5.3.3 Dự báo ......................................................................................................... 99
KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG PHÁT TRIỂN .............................................. 101

Phụ lục 1 SỐ LIỆU SẢN LƯNG ĐIỆN CÁC GIỜ TRONG NGÀY .................... 104
Phụ lục 2 SỐ LIỆU SẢN LƯNG ĐIỆN CÁC NGÀY TRONG TUẦN ................ 108
Tài Liệu Tham Khảo

Trang 3


GIỚI THIỆU ĐỀ TÀI
1. ĐẶT VẤN ĐỀ
Dự báo phụ tải đóng vai trò rất quan trọng trong việc đảm bảo chế độ làm
việc an toàn và tiết kiệm của hệ thống điện, đồng thời có tính chất quyết định
trong việc hoạch định chiến lược phát triển hệ thống. Tính chính xác của dự báo
càng cần phải đặc biệt chú trọng. Nếu chúng ta dự báo quá thừa so với nhu cầu
sử dụng thì dẫn tới hậu quả là huy động nguồn quá lớn, tăng vốn đầu tư và có thể

tăng tổn thất năng lượng. Ngược lại nếu chúng ta dự báo phụ tải quá thấp so với
nhu cầu thì sẽ không đủ năng lượng cung cấp cho các hộ tiêu thụ và tất nhiên dẫn
đến việc cắt bỏ một số phụ tải không có kế hoạch gây thiệt hại cho nền kinh tế.
Tỉnh Bình Dương được tách ra từ tỉnh Sông Bé cũ từ năm 1996. Từ năm 1996
có sự phát triển mạnh về các ngành kinh tế, đặc biệt là các khu công nghiệp tập
trung. Do vậy, đòi hỏi cần phải cung cấp đủ nguồn điện cho các khu công nghiệp
này. Tuy nhiên việc đáp ứng đủ năng lượng điện cho quá trình phát triển là việc
làm khó khăn nếu như chúng ta dự báo phụ tải không chính xác. Phương pháp dự
báo dài hạn của Công ty Tư vấn xây dựng điện 3 áp dụng cho tỉnh Bình Dương
giai đoạn 1999-2004 cho kết qủa không chính xác (sai số lên đến 30%) làm cho
việc xây dựng hệ thống cung cấp điện, các trạm biến áp làm việc qúa tải hoặc
non tải sẽ gây hỏng hóc các thiết bị … Việc không đáp ứng đủ nhu cầu sử dụng
điện sẽ gây hậu qủa nghiêm trọng đến sự phát triển kinh tế của tỉnh Bình Dương
nói riêng và của Việt Nam nói chung. Những phương pháp dự báo truyền thống
khó có thể thực hiện được dự báo chính xác do: Số liệu điện năng ít, tiền lịch sử
ngắn; Số liệu không mang tính ổn định; Tăng trưởng kinh tế vượt bậc; Các khu
công nghiệp tăng nhanh kéo theo việc dân số tăng lên từ các địa phương khác đỗ
về.
Hiện nay có nhiều phương pháp 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 bài toán dự báo là không đầy đủ, vì cách làm ấy chỉ hoàn toàn dựa
trên những kinh nghiệm của giai đoạn quá khứ mà các kinh nghiệm ấy không
phải lúc nào cũng vận dụng vào hoàn cảnh 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 phép
chúng ta có thêm cơ sở tiệm 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. Mạng neural nhân tạo là một giải pháp để dự báo phụ tải
cho tỉnh Bình Dương vì nó có những ưu điểm sau :
Trang 4

Mạng Neural nhân tạo được xây dựng trên nguyên lý hoạt động của hệ neural
thần kinh con người nên nó có những tính chất rất đặc biệt như nó có thể học trên
mẫu, phát hiện những quan hệ quy luật ẩn trong luồng dữ liệu, mặc dù những dữ
liệu này có thể không đầy đủ, mâu thuẫn thậm chí bị sai lệch. Nếu giữa đầu ra và
đầu vào dù chỉ một mối quan hệ, mà những phương pháp truyền thống không thể
phát hiện được thì mạng neural nhân tạo có thể dễ dàng thực hiện với độ chính
xác khá cao. Nhờ vậy mạng neural được ứng dụng rộng rãi trong các lónh vực đời
sống xã hội, và nó đã được chứng minh được khả năng của mình trong những bài
toán phân loại, nhận dạng, dự báo..[2]
Các nhà khoa học đã ứng dụng mạng Neural nhân tạo trong hoạt động dự báo
của mình để thay thế những phương pháp cổ điển và đã đạt được ít nhiều thành
công. Phương pháp cổ điển thường không hiệu quả vì không thể miêu tả đầy đủ
và chính xác quá trình thực tế xảy ra vì số lượng cơ sở dữ liệu không đầy đủ và
có nhiều sai số hoặc đòi hỏi quá nhiều thời gian cho tính toán. Trong thực tế
không tồn tại phương trình với những tham số có sẵn mà ta chỉ biết được giá trị
gần đúng hoặc kỳ vọng toán học vì thế ta phải đưa ra một phương trình có sẵn với
những tham số chưa được biết, dùng phương pháp gần đúng để tìm ra những tham
số này và như vậy độ chính xác sẽ giảm đi rất nhiều. Phương pháp cổ điển được
sử dụng có hiệu quả chỉ trong các trường hợp các dữ liệu quan hệ tuyến tính với
nhau.
Để cải thiện nhược điểm của các phương pháp dự báo cổ điển, người ta
nghiên cứu đưa ra những phương pháp dự báo mới trên nền tảng công nghệ: “trí
tuệ nhân tạo”. Trong [4] đã đề xuất phương án sử dụng mạng Nuôi tiến truyền
ngược (Feed-forward backpropagation), mạng Elman (Elman backpropagation
network), mạng truyền ngược xếp tầng-tiến (Cascade-forward backpropagation),
mạng nuôi tiến truyền ngược có đầu vào trễ (Feed-forward input delay
backpropagation) để dự báo phụ tải ngắn hạn và dài hạn. Ứng dụng Neural trong
dự báo dài hạn đạt nhiều kết quả khả quan [4,5]. Những đặc điểm chung của các
công trình trên là đã đề xuất các cấu trúc mạng và giải thuật huấn luyện khác

nhau. Tuy nhiên cho đến nay chưa có tài liệu hay công trình nào đưa ra tiêu
chuẩn nào cho phép lựa chọn cấu trúc mạng duy nhất thoả mãn điều kiện bài
toán. Vì vậy phụ thuộc vào mức độ khó dễ của dữ liệu, bài toán mà người thiết
kế lựa chọn cấu trúc cũng như giải thuật huấn luyện thích hợp.
Vì thế để dự báo đúng cần phải có một mô hình dự báo phù hợp với dữ liệu,
điều kiện hoàn cảnh cụ thể đồng thời cho độ chính xác cao. Một trong những
hướng nghiên cứu là khai thác những tính chất ưu việt của mạng Neural nhân tạo.
Dự báo phụ tải bằng mạng Neural có tính chính xác cao [4] vì vậy việc xây dựng
mô hình dự báo phụ tải trên cơ sở mạng Neural có ý nghóa thực tế rất to lớn.

Trang 5


2. NHIỆM VỤ VÀ MỤC TIÊU ĐỀ TÀI
- Nghiên cứu khai thác những ứng dụng to lớn của mạng Neural trong
lónh vực dự báo nói chung và dự báo phụ tải nói riêng.
- Nghiên cứu các loại mạng neural, các cấu trúc và các giải thuật huấn
luyện. Ứng dụng trong xây dựng mô hình dự báo phụ tải.
-

Thiết kế chương trình dự báo phụ tải.

3. NHỮNG NGHIÊN CỨU CƠ BẢN CỦA ĐỀ TÀI
Để góp phần xây dựng mô hình dự báo phụ tải hữu hiệu, trong đề tài luận văn
này đã đề xuất giải pháp sử dụng mạng Neural nhân tạo. Các mạng đã khảo sát
và ứng dụng trong đề tài như: Mạng Nuôi tiến truyền ngược, Mạng Elman truyền
ngược (một loại mạng hồi quy), mạng Xếp tầng – tiến (Cascade-forward), mạng
nuôi tiến truyền ngược có đầu vào trễ (Feed-forward Input-delay) và các giải
thuật huấn luyện như giải thuật truyền ngược. Và cuối cùng đã tìm ra cấu trúc và
giải thuật tối ưu để giải bài toán dự báo, cụ thể là mạng Feed-Forward và mạng

Elman với giải thuật dạy mạng là Back-Propagation. Lập mô hình dự báo ngắn
hạn, và dự báo dài hạn phụ tải với kết quả chính xác đến 3% cho ngắn hạn và 5%
cho dài hạn.
Phần mềm dự báo phụ tải được viết trên nền MATLAB. Phần mềm này cho
phép ta thay đổi loại mạng, số lớp ẩn, dạng hàm truyền, giải thuật huấn luyện…
trong quá trình thiết kế mô hình dự báo. Đồng thời cho phép ta thay đổi cách sắp
đặt dữ liệu sẵn có phù hợp với các chế độ dự báo ngắn hạn (các giờ trong ngày,
các ngày trong tuần, các tháng trong năm) hay dài hạn (5 năm hay 10 năm sau).
Ưu điểm của phần mềm dự báo này là nó dự báo phụ tải điện dựa vào 4 loại
mạng truyền ngược đã nêu, huấn luyện với các giải thuật huấn luyện khác nhau;
Từ đó lựa chọn loại mạng và giải thuật huấn luyện tối ưu phục vụ cho công tác
dự báo.
4. KẾT QUẢ ĐỀ TÀI ĐẠT ĐƯC:
- Ứng dụng xây dựng mô hình dự báo phụ tải trên nền MATLAB phục vụ
cho công tác dự báo phụ tải dài hạn và ngắn hạn.
- Nghiên cứu phân tích giải thuật truyền ngược đồng thời ứng dụng huấn
luyện các mạng neural.
- Thiết kế phần mềm dự báo phụ tải với tính năng linh hoạt và khá tổng
quát, tạo điều kiện thuận lợi cho người sử dụng.

Trang 6


CHƯƠNG 1 :

THỰC TRẠNG VỀ PHỤ
PHỤ TẢI ĐIỆN Ở TỈNH BÌNH DƯƠNG
1.1.

LỊCH SỬ PHÁT TRIỂN CỦA TỈNH BÌNH DƯƠNG :

Tỉnh Bình Dương được tách ra từ tỉnh Sông Bé cũ từ năm 1996. Từ năm 1996
có sự phát triển mạnh về các ngành kinh tế, đặc biệt là các khu công nghiệp tập
trung. Do vậy, đòi hỏi cần phải cung cấp đủ nguồn điện cho các khu công nghiệp
này.
Tuy nhiên việc đáp ứng đủ năng lượng điện cho qúa trình phát triển là việc
làm khó khăn nếu như chúng ta dự báo phụ tải không chính xác.
Phương pháp dự báo dài hạn của Công ty tư vấn xây dựng điện 3 áp dụng cho
tỉnh Bình Dương giai đoạn 1999-2004 cho kết qủa không chính xác (sai số lên
đến 30%) làm cho việc xây dựng hệ thống cung cấp điện, các trạm biến áp làm
việc qúa tải hoặc non tải sẽ gây hỏng hóc các thiết bị … Việc không đáp ứng đủ
nhu cầu sử dụng điện sẽ gây hậu qủa nghiêm trọng đến sự phát triển kinh tế của
tỉnh Bình Dương nói riêng và của Việt Nam nói chung. Những phương pháp dự
báo truyền thống khó có thể thực hiện được dự báo chính xác do:
Số liệu điện năng ít, tiền lịch sử ngắn.
Số liệu không mang tính ổn định.
Tăng trưởng kinh tế vượt bậc.
Các khu công nghiệp tăng nhanh kéo theo việc dân số tăng lên từ
các địa phương khác đỗ về.
Do vậy chúng ta cần phải tìm ra phương pháp dự báo mới, tốt hơn (sai số
dự báo nhỏ hơn) như việc sử dụng “trí tuệ nhân tạo” Neural Network hoặc
wavelett.
Mặt khác để phục vụ cho việc dự báo ngắn (theo từng giờ, ngày, tháng)
cũng rất cần một phần mềm tiện ích được xây dựng trên cơ sở Neural
Network với những mạng và những giải thuật khác nhau.
1.2 THỰC TRẠNG VỀ PHỤ TẢI ĐIỆN Ở TỈNH
TỈNH BÌNH DƯƠNG
1.2.1 Tình hình tiêu thụ điện năng của tỉnh Bình Dương qua các năm

Bảng thống kê tình hình tiêu thụ điện năng tỉnh Bình Dương

Trang 7


Bảng 1.1:

1

2

3

4
5

Thành
phần phụ
tải

1998

1999

2000

2001

2002

2003

154.011.094

231.836.101

327.412.044

438.413.533

691.931.482

1.000.800.671

1.905.556

3.864.423

3.689.250

4.825.408

5.846.136

6.386.959

6.393.047

5.292.597

9.297.840

13.037.029

16.495.152

21.807.724

113.253.370

133.390.799

152.348.401

181.638.125

226.391.616

272.207.573

35.428.682

16.620.852

14.682.342

18.525.170

25.745.625

30.978.695

Tổng
Tổng thất
(%)
Điện
nhận lưới

310.991.749

391.004.772

507.429.877

656.439.265

966.410.011
966.410.011

1.332.181.622

9,4

8,54

6,65

6,49

5,96

340.224.973

424.396.580

541.173.964

699.042.173

6,3
1.027.293.8
42

1.416.571.196

Tmax
Pmax
(MW)
Giá bán
điện bình
quân
(đ/kWh)
Tốc độ
tăng hàng
năm

4.650

4.700

4.770

4.800

4.832

4.898

66,9

83,2

106,4

136,8

200,0

272,0

669,7

697,0

734,4

745,7

780,2

845,4

25,7

29,8

29,4

47,2

37,8

Công
nghiệp xây dựng
Nông lâm thuỷ
Dịch vụTM NHKS
Quản lý
và TD
dân cư
Hoạt
động khác

Biểu đồ tiêu thụ điện năng
TÌNH HÌNH TIÊU THỤ ĐIỆN NĂNG TỈNH BÌNH DUONG
GIAI ĐOẠN 1995 - 2003
1332

1400
1200
966
1000

GWH

S
T
T

800

656
507

600
400
200

156

0
1995

2000

2001
NĂM

2002

Trang 8

2003

Bảng thống kê tình hình sử dụng điện Tỉnh Bình Dương tính đến tháng
12/2003
12/2003 :
Bảng 1.2:
- Số xã có điện/ tổng số xã:

100/100

- Số hộ có điện/ tổng số hộ:

162.720/172.644 (94,3%)

- Điện thương phẩm bình quân/ đầu người/năm (KWH): 1.599
- Điện assh bình quân/ hộ có điện/ tháng (KWH):

118,9

- Số điện kế chính/ tổng số hộ có điện:

127.465/162.720

- Số điện kế tổng (chưa kể thị xã):

449

- Số hộ sử dụng điện qua điện kế cụm-tổng:

35.255 (21,7%)

- Tổn thất lưới phân phối do ngành điện quản lý:

6,85%

- Phụ tải cao điểm: (MW) (2003-9/2004)

272/358

- Diesel khách hàng: (MW)

62,5

Tỉ lệ số hộ có điện các huyện thị :
Bảng 1.3:
+ TX. Thủ Dầu Một
+ Huyện Thuận An
+ Huyện Dó An
+ Huyện Bến Cát

99,8%
99,7%
92,1%
92,3%

+ Huyện Dầu Tiếng
+ Huyện Tân Uyên
+ Huyện Phú Giáo

85,4%

96,0%
77,5%

Tính đến cuối tháng 12/2003 Tỉnh Bình Dương đã thực hiện xong chương trình
xoá tất cả các ấp trắng chưa có điện.
Lưới điện hạ thế một số do địa phương đầu tư bằng vốn ngân sách, một số do
dân huy động đầu tư. Ngành điện thu tiền trực tiếp của hộ dân theo giá bán điện
bậc thang nếu bán lẻ và thu theo giá bán điện cụm - tổng qua Ban quản lý điện
xã hoặc qua mô hình dịch vụ bán lẻ điện nông thôn.
Giá bán điện bình quân năm 2003 của Điện Lực Bình Dương là 845,4 đ/kWh.
Hiện tại trên địa bàn, số lượng điện kế tổng còn nhiều, số hộ dân sử dụng
điện kế tổng chiếm tỉ lệ đáng kể (21,3%). Giá điện sử dụng sau điện kế tổng bình
quân toàn Tỉnh là: 700 đ/ kWh.
Uỷ ban nhân dân Tỉnh đang chỉ đạo triển khai chương trình xoá điện kế tổng
trên toàn Tỉnh để bán điện trực tiếp đến từng hộ dân, mục tiêu đến năn 2005 thì
hoàn thành.

Trang 9


* Nhận xét về tình hình tiêu thụ điện năng:
Tốc độ tăng trưởng chung điện năng bình quân hàng năm của Tỉnh Bình
Dương từ năm 1991-1995 là 28,8% .
Tốc độ tăng trưởng bình quân năm 1996 đến 2000 là 26,6 %.
Biểu tổng hợp điện năng cho thấy sản lượng điện Tỉnh Bình Dương tăng đều
hàng năm với tỷ trọng lớn, đặc biệt là năm 2001 – 2002 tăng 47,2% một tốc độ
tăng vượt bậc đối với một Tỉnh có công nghiệp đã phát triển tương đối nhiều,
nguyên nhân do nhiều cơ sở công nghiệp được đầu tư trên địa bàn, sản lượng
điện công nghiệp vượt trội so với các thành phần khác và luôn giữ tỷ lệ cao trong
cơ cấu các thành phần điện trong những năm về sau:

-

Thành phần điện nông nghiệp có xu hướng giảm dần.

-

Thành phần quản lý tiêu dùng và dân cư không đồng đều ở các năm
thường do tăng nhiều ở những năm có đầu tư nhiều vào chương trình điện
khí hoá đến các xã.

-

Thành phần dịch vụ - thương mại - nhà hàng khách sạn tăng trưởng chưa
ổn định có những năm bị âm do số liệu thống kê, cách phân tổ điện giữa
ccá thành phần bị thay đổi. Tuy nhiên thành phần này, từ sau năm 2000
bắt đầu có khởi sắc, khuynh hướng tăng.

-

Biểu đồ phụ tải năm của Tỉnh Bình Dương cho thấy phụ tải đỉnh rơi vào
tháng 11 và 12. Biểu đồ phụ tải ngày cho 2 đỉnh: đỉnh thứ nhất vào buổi
sáng (10 giờ) ứng với hoạt động công nghiệp và buổi tối (19 giờ) tương
ứng với thời điểm sử dụng điện cho tiêu dùng dân cư.

1.2.2. Hiện trạng về các khu công nghiệp tập trung :
1.2.2.1 Khu công nghiệp
Đến nay Tỉnh đã có 12 khu công nghiệp với tổng diện tích 2.431 ha và 1 khu
liên hợp công nghiệp - dịch vụ - đô thị Bình Dương.
Các khu công nghiệp đã được cấp phép

Trang 10


Bảng 1.4:
Khu công nghiệp

Địa điểm

Sóng Thần I

Thị trấn Dó An,
huyện Dó An
Thị trấn Dó An,
huyện Dó An
Xã an Bình, huyện
DĨ An
Xã Tân Đông
Hiệp, huyện Dó An
Xã Tân Đông
Hiệp, huyện Dó An
Xã Bình Hoà,
huyện Thuận An
Xã Thuận Giao,
huyện Thuận An
Xã Bình Hoà,
huyện Thuận An
Thị
trấn
Mỹ
Phước, huyện Bến

cát
Xã
Bình
An,
huyện Dó An
Xã An Tây, huyện
Bến Cát
Xã An Tây, huyện
Bến Cát

Sóng Thần II
Bình Đường
Tâân Đông Hiệp A
Tâân Đông Hiệp B
Đồng An
Việt Hương
Việt Nam - Singapore
Mỹ Phước

Dệt may Bình An
Việt Hương 2
Mai Trung

Tổng
diện tích
(ha)

Hiện trạng/
Tỉ lệ diện
tích đã phủ

kín (%)

180,3
319
16,5

80,1
92,9

47
164,1

17.6

132,3

96,7

34,9

64,5

500

70

849

25,9
110

52

Đang xây
dựng
Đang xây
dựng

Các khu công nghiệp được quy hoạch bổ sung đến năm 2010, tầm nhìn 2020
đang được tiếp tục thực hiện, làm cơ sở gọi vốn đầu tư trong và ngoài nước, gồm:

Trang 11


Bảng 1.5:
S
T
T

Khu công
nghiệp

Địa điểm

Thới Hoà

Xã Thới Hoà - Huyện Bến
Cát
Hố Le
Xã Thới Hoà - Huyện Bến
Cát

Rạch Bắp
Xã An Tây – huyện Bến Cát
Khánh Bình
Xã Khánh Bình – huyện Tân
Uyên
Nam Tân Uyên Xã Khánh Bình – huyện Tân
Uyên
Khu Liên Hợp Hoà Lợi (BC), P. Chánh,
CN – DV – ĐT TVHiệp (TU)
Bàu Bàng
Xã Lai Hưng, Lai uyên –
huyện Bến Cát
An Tâây
Xã An Tây – huyện Bến Cát
Tân Mỹ I
Xã Tân Mỹ – huyện Tân
Uyên
Tâân Mỹ II
Xã Tân Mỹ – huyện Tân
Uyên
Vónh Tân – Tân Xã Tân Bình, Vónh Tân,
Bình
Bình Mỹ- Huyện Tân Uyên
Tân Hiệp
Xã Tân Hiệp – huyện Phú
Giáo
Dầu tiếng
TT Dầu Tiếng – huyện Dầu
Tiếng

Diện
tích
(ha)
200

Thủ tục

200

Thủ tục

278,6
612

Thủ tục
Thủ tục

360

Đang
XD
Đang
XD

4.196

Hiện
trạng

1.000

300
450
516
476
220
270

1.2.2.2 Khu sản xuất công nghiệp
Bên cạnh việc phát triển các khu công nghiệp, Tỉnh cũng chú trọng phát triển
các khu sản xuất công nghiệp, các khu quy hoạch phát triển sản xuất công nghiệp
trên cơ sở quy hoạch tổng thể của Tỉnh.
Hiện tại trên địa bàn Tỉnh có các khu sản xuất công nghiệp đã bố trí dự án
trong và ngoài nước, đang hoạt động gồm có:

Trang 12


Bảng 1.6:
ST
T

Cụm công nghiệp

Địa điểm

Khu sản xuất Binh Chuẩn
Khu sản xuất Tân Đông
Hiệp
Khu sản xuất An Thạnh
Khu sản xuất Tân Định

Khu sản xuất Phú Hoà
Khu sản xuất Thái Hoà
Khu sản xuất An Phú
Khu sản xuất Tân Bình

Xã Bình Chuẩn, huyện Thuận
An
Xã Tân Đông Hiệp, huyện Dó
An
Thị trấn An Thạnh, huyện Thuận
An
Xã Tân Định, huyện Bến Cát
Phường Phú Hoà, TX.TDM
Xã Thái Hoà, huyện Tân Uyên
Xã An Phú, huyện Thuận An
Xã Tân Bình, huyện Dó An

Tổng
diện tích
(ha)
54
60
45
47
30
68
97
55

Các cụm công nghiệp được bổ sung vào quy hoạch:

Bảng 1.7:
Cụm công nghiệp

Địa điểm

Lai Hưng (Bến Tượng)
Uyên Hưng
CCN chế biến gỗ Khánh
Bình
Gốm sứ Tân Thành
Thanh An
Dốc Bà Nghóa – H. Nghóa
– Khánh Bình
Cụm VLXD Thạnh Phước
Thạch Bàn – Khánh Bình
Tân Lập
Suối Máng
An Điền
Cây Trường – Trừ Vn
Thố
Vónh Hoà
Thanh Tuyền

Xã Lai Hưng – H. Bến Cát
TT Uyên Hưng – H. Tân Uyên
Xã Khánh Bình – H. Tân Uyên
Xã Tân Thành – H. Tân Uyên
Xã Thanh An – H. Dầu Tiếng
Xã Khánh Bình, Uyên Hưng – H.
Tân Uyên

Xã Thạnh Phước, Khánh Bình –
H. Tân Uyên
Xã Khánh Bình - H. Tân Uyên
X Tân Lập - H. Tân Uyên
X Tân Định - H. Bến Cát
Xã An Điền – H. Bến Cát
Xã Cây Trường – Trừ Vn Thố –
H. Bến Cát
Xã Vónh Hoà – H. Phú Giáo
Xã Thanh Tuyền –H. Dầu Tiếng

Trang 13

Diện
tích (ha)
70
20
200
559
50
687
331
242
126
120
100
200
50
50

Kết cấu hạ tầng được đầu tư với tiến độ tương đối nhanh nhờ huy động được
nhiều nguồn lực vốn đầu tư (BOT, bên thi công ứng trước vốn, ngân sách Tỉnh
vay) và có sự phối hợp chặt chẽ với các Bộ ngành Trung ương.
Việc đầu tư được thực hiện đồng bộ, đáp ứng được nhu cầu phát triển kinh tế
xã hội của địa phương trước mắt và lâu dài. Các khu vực quy hoạch dự kiến phát
triển đều đã được đầu tư cơ sở hạ tầng cơ bản: các trục chính … sẵn sàng đáp
ứng nhu cầu của các nhà đầu tư khi họ đến đầu tư phát triển sản xuất kinh doanh.
1.2.2.3. Tăng trưởng GDP :
Bảng 1.8:
Tốc độ tăng trưởng GDP (%)
2006 – 2010

2011- 2015

Phương án cơ sở

14

12

Phương aùn cao

15

13

Trang 14

CHƯƠNG 2 :

DỰ BÁO VÀ CÁC PHƯƠNG PHÁP DỰ BÁO
Trong phần này, giới thiệu về dự báo và trình bày những phương pháp dự báo
phụ tải để nâng cao khả năng cung cấp và giảm tổn thất trong cung cấp điện.
2.1 KHÁI NIỆM CHUNG
Dự báo là đi tìm một mô hình toán thích hợp mô tả đại lượng cần dự báo và
các yếu tố khác. Việc xác định các tham số mô hình chính là bài toán trọng tâm
của dự báo.Về mặt lý luận các tính chất của mô hình dự đoán được nghiên cứu
trên cơ sở giả định rằng nó được ứng dụng để dự đoán mọât quá trình nào đó sinh
ra bằng một mô hình giải tích.
Khoa học dự báo là một ngành còn non trẻ, trong đó vẫn còn nhiều vấn đề
chưa hình thành trọn vẹn. Đối tượng nghiên cứu của khoa học này là các phương
pháp dự báo, còn phạm vi ứng dụng của nó là các hiện tượng xã hội, kinh tế,
khoa học kỹ thuật v.v…
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 tuý. Vận dụng cách giải
quyết theo kinh nghiệm vào việc dự báo là không đầy đủ, vì cách làm ấy chỉ
hoàn toàn dựa trên những kinh nghiệm của giai đoạn quá khứ mà các kinh
nghiệm ấy không phải lúc nào cũng có thể vận dụng vào hoàn cảnh 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 phép chúng ta có thêm cơ sở tiệm 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.
Tóm lại dự báo là một khoa học quan trọng, nhằm mục đích nghiên cứu những
phương pháp luận khoa học, làm cơ sở cho việc đề xuất các dự báo cụ thể, cũng
như việc đánh giá mức độ tin cậy, mức độ chính xác của các phương pháp dự
báo.
Tác dụng của dự báo đối với quản lý kinh tế nói chung rất lớn. Dự báo và lập
kế hoạch là hai giai đoạn liên 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 của kinh tế, của khoa học kỹ thuật .
- Đề xuất những yếu tố cụ thể quyết định các xu thế ấy .
- Xác định quy luật và đặc điểm của sự phát triển kinh tế và khoa học kỹ
thuật theo dự báo.
Chúng ta hiểu rằng nếu công tác dự báo mà dựa trên lập luận khoa học thì sẽ
trở thành cơ sở để xây dựng các kế hoạch phát triển nền kinh tế quốc dân. Đặc

Trang 15


biệt đối với ngành năng lượng thì tác dụng của dự báo càng có ý nghóa quan trọng
vì năng lượng có liên quan rất chặt chẽ đối với tất cả 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 hoặc về nhu cầu năng lượng thì sẽ dẫn đến những hạn chế không tốt cho nền
kinh tế.
Ví dụ nếu chúng ta dự báo phụ tải quá thừa so với nhu cầu sử dụng thì dẫn
đến hậu quả là huy động nguồn vốn quá lớn, tăng vốn đầu tư, tăng tổn thất năng
lượng. Ngược lại nếu ta dự báo phụ tải quá thấp so với nhu cầu thì sẽ không đủ
năng lượng cung cấp cho các hộ tiêu thụ và tất nhiên dẫn đến việc cắt bớt một số
phụ tải một cách không có kế hoạch gây thiệt hại cho nền kinh tế quốc dân.
Người ta thường phân loại dự báo theo thời gian dài hạn hay ngắn hạn và gọi là
tầm dự báo. (Dự báo ngắn hạn khoảng 1÷2 năm, dự báo hạn vừa 3 ÷10 năm, và
dự báo dài hạn khoảng 15 ÷ 20 năm và dài hơn nữa ). Riêng đối với dự báo dài
hạn (còn gọi là dự báo triển vọng ) thì mục đích chỉ là nêu ra các phương hướng
phát triển có tính chất chiến lược về mặt kinh tế, về mặt khoa học kỹ thuật. Nói
chung không yêu cầu xác định chỉ tiêu cụ thể. 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 các dự báo ngắn hạn, sai số cho phép khoảng 5 ÷ 10%. Còn đối với dự
báo dài hạn sai số cho phép khoảng 5÷ 15% và có khi còn cho phép đến 20%.
Ngoài các loại dự báo ngắn hạn và dài hạn nói trên chúng ta còn gặp dự báo điều
độ, tầm dự báo khoảng vài giờ, vài ngày, vài tuần lễ để phục vụ cho các công tác
vận hành của các xí nghiệp , các hệ thống điện. Sai số dự báo này khoảng 3 ÷
5%.
2.2 CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG
Trong phần này chúng ta sẽ lần lượt nghiên cứu một số phương pháp dự báo
thường được ứng dụng trong ngành năng lượng để dự báo nhu cầu điện năng.
2.2.1 Phương pháp bình phương cực tiểu :
2.2.1.1 Khái niệm chung :
Trước hết chúng ta hãy xem xét một trường hợp đơn giản nhất gồm có hai
biến ngẫu nhiên liên hệ với nhau bằng một hàm dạng tuyến tính :
y = α + βx
Trong đó a, b là hằng số, x là biến độc lập, y là biến phụ thuộc. Nếu xét đến
ảnh hưởng của các hiện tượng ngẫu nhiên thì phương trình trên có thể viết một
cách tổng quát như sau:
y = α + βx + ε
Trang 16


Trong đó nhiễu ε có các giả thiết như sau :
- ε là một biến ngẫu nhiên
- Kỳ vọng toán học của ε bằng không
- Phương sai của ε là hằng số
- Các giá trị của ε không phụ thuộc lẫn nhau
Dựa vào kết quả thống kê chúng ta thu được một dãy các giá trị xi, tương ứng
sẽ có một dãy các giá trị yi. Vấn đề là xác định các thông số α và β. Nhưng giá
trị thực của chúng không thể biết được vì chúng ta dựa vào một lượng thông tin

hạn chế, nên chỉ nhận được các giá trị tính toán gần đúng a và b. Do đó phương
trình hồi quy có dạng:
)
y = a + bx
Trong đó các hệ số a và b được xác định theo phương pháp bình phương tối
thiểu. Thực chất của phương pháp bình phương tối thiểu là tìm các thông số như
thế nào để tổng bình phương độ lệch giá trị tính toán theo phương trình hồi quy
với giá trị thực tế của chúng là nhỏ nhất, nghóa là:
n

∑ (y

i

)
− y i ) 2 ⇒ min

(2.1)

i =1

Phương pháp bình phương tối thiểu được ứng dụng phổ biến vì tính chất đơn
giản của nó, tính toán ít phức tạp và có cơ sở vững chắc về mặt xác suất. Điều
đáng chú ý là theo phương pháp bình phương tối thiểu với giả thiết ε đã nêu ở
trên thì các giá trị hệ số nhận được theo phương trình hồi quy có các tính chất sau
đây :
- Cách đánh giá thông số là không chệch, nghóa là kỳ vọng toán học của giá
trị thông số bằng giá trị thực của thông số ấy.
- Các giá trị quan sát được là xác đáng nghóa là phương sai của các giá trị ấy
tiến tới không, khi tăng số lần quan sát n lên.

- Các giá trị quan sát được là hiệu quả nghóa là chúng có phương sai nhỏ
nhất. Chúng ta biết rằng cùng một giá trị có thể có nhiều ước lượng không chệch
và xác đáng, các ước lượng này có phương sai khác nhau. Do đó phương sai của
các ước lượng nào bé thì sai số của ước lượng đó nhỏ. Vì vậy chọn phương sai
cực tiểu sẽ đặc trưng cho giá trị quan sát là có hiệu quả .
2.2.1.2 Biểu thức toán học để xác định các hệ số của mô hình dự báo
Giả thuyết rằng có hàm số liên tục ϕ(x, a, b, c, …).. Xác định các hệ số a,
b, c … sao cho thoả mãn điều kiện
n

∑[ y

i

− ϕ ( xi , a, b, c...)]2 => min

i =1

Trang 17

(2.2)


Muốn vậy chúng ta lần lượt lấy đạo hàm (2.2) theo a, b, c … và cho triệt
tiêu, chúng ta sẽ được một hệ phương trình:
n
2
∑ [ y i − ϕ ( xi , a, b, c,...)]
 i =1
n

2
∑ [ y i − ϕ ( xi , a, b, c,...)]
 i =1
n
2
∑ [ y i − ϕ ( xi , a, b, c,...)]
 i =1

∂ϕ

= 0
∂a


∂ϕ
= 0
∂b


∂ϕ
= 0
∂c


(2.3)

Giải hệ phương trình trên chúng ta sẽ xác định được các hệ số a, b, c, …
Dưới đây chúng ta sẽ xét một số phương trình thường gặp:
Dạng phương trình:
y = ax + b.

(2.4)

Theo (1-15) ta coù :

− (axi + b)]xi = 0

i =1

n

[
y
(
ax
b
)]
0
−
+
=
∑
i
i

i =1

(2.5)

n

n
n

a ∑ xi2 + ∑ xi = ∑ xi y i 

i =1
i =1
i =1

n
n

a ∑ xi + nb = ∑ y i

i =1
i =1

(2.6)

n

∑[ y

i

Hoặc có:

Đây là hệ thống 2 phương trình 2 ẩn số. Giải hệ thống 2 phường trình này sẽ
xác định được a và b.
n

n

n

n

i =1

i =1

i =1

i =1

Như vậy bằng cách xác định các tổng quan sát ∑ y i' , ∑ y i , ∑ xi y i và ∑ xi2 ,
rồi giải hệ thống phương trình (2-6) chúng ta sẽ tìm được a và b thoả mãn các tính
chất không chệch, xác đáng và có hiệu quả.
Bây giờ nếu chúng ta chia phương trình thứ 2 cùa hệ (2.6) cho số quan sát n,
ta sẽ được
y = b + ax

(2.7)

Trang 18


Như vậy phương pháp bình quân tối thiểu cho phép ta tìm các giá trị a, b và
_

_

xác định đường thẳng đi qua điểm có toạ độ x và y ; tức là đi qua điểm trung
bình thích hợp với cả 2 biến y và x.
_

_

_

_

Ta kí hiệu: xi' = xi − x ; y i' = y i − y ( gốc toạ độ khi ấy chuyển đến điểm x và y và
hệ phương trình (1-18) sẽ đơn giản đi vì

∑y

'
i

và

∑x

'
i

sẽ bằng không. Khi ấy

chứng ta xác định được:

n

∑x y
a=

i =1
n

'
i

'
i

(2.8)

∑ (x )

' 2
i

i =1
_

_

(2.9)

b = y− a x

Trong đó

n

n

∑ xi' yi' và

∑ (x )

i =1

i =1

' 2
i

được xác định theo hệ phương trình sau :

n
_ _

' '
x
y
=
x
y
−
n

x
y 
∑
∑
i i
i i
i =1
i =1

n
n
_2

( xi' ) 2 = ∑ ( xi ) 2 − n x 
∑
i =1
i =1

n
n

_2
( y i' ) 2 = ∑ y i2 − n y 
∑

i =1
i =1
n

(2.10)

Với:
_

x=
_

y=

1 n
∑ xi
n i =1
1 n
∑ yi
n i =1

2.2.2 Phương pháp tính hệ số vượt trước :
Phương pháp này giúp ta thấy được khuynh hướng phát triển của nhu cầu và sơ
bộ cân đối nhu cầu này với nhịp độ phát triển năng lượng điện với nhịp độ phát
triển của toàn bộ nền kinh tế quốc dân.

Ví dụ 2.1 :Trong thời gian 5 năm từ năm 1950 -> 1955 sản lượng công nghiệp
của Liên Xô tăng từ 100 lên 185% còn sản lượng điện năng cũng trong thời gian
ấy tăng 186,5%
Như vậy hệ số vượt trước sẽ là:

Trang 19


K=

186,5
= 1,01
185

Ở miền Bắc nước ta từ 1955 -> 1960 hệ số vượt trước là 0,81 từ năm 1960->
1965 hệ số vượt trước là 1,13.
Như vậy phương pháp này chỉ nói lên một xu thế phát triển với một mức độ
chính xác nào đó và trong tương lai xu thế này còn chịu ảnh hưởng của nhiều yếu
tố khác nữa, chẳng hạn như:
- Do tiến bộ về mặt khoa học kỹ thuật và quản lý nên suất tiêu hao điện
năng đối với mỗi sản phẩm công nghiệp ngày càng giảm xuống.
- Do điện năng ngày càng được sử dụng rộng rãi trong các ngàng kinh tế
quốc dân và các địa phương.
- Do cơ cấu kinh tế không ngừng thay đổi. Vì những yếu tố trên mà hệ số
vượt trượt có thể khác 1 và tăng hay giảm khá nhiều. Dựa vào hệ số K để xác
định điện năng ở năm dự báo.
2.2.3 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 ở năm đó và suất tiêu hao
điện năng đối với từng loại sản phẩm. Đối với những trường hợp không có suất
tiêu hao điện năng thì xác định nhu cầu điện năng cho từng trường hợp cụ thể
(như công suất điện trung bình cho một hộ gia đình, bệnh viện, trường học
v.v…).
Phương pháp tính trực tiếp thường được ứng dụng ở các nước xã hội chủ
nghóa vì nền kinh tế 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 điện năng dự báo chúng ta còn biết được tỷ lệ sử
dụng điện năng trong các ngành kinh tế, chẳng hạn tỷ lệ điện năng dùng cho
công nghiệp, nông ngiệp, dân dụng v.v…, cũng như xác định được nhu cầu điện ở

các khu vực địa lý khác nhau. Từ đó có thể đề xuất các 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 ngàng kinh tế quốc dân trong tương lai dự báo, cũng 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 đó phương pháp này thường được áp dụng để dự báo nhu
cầu điện năng với thời gian ngắn và trung bình.
2.2.4 Phương pháp so sánh đối chiếu :
Nội dung của phương pháp này là so sánh đối chiếu nhu cầu phát triển điện
năng của các nước có hoàn cảnh tương tự. Đây cũng là phương pháp được nhieàu
Trang 20


nước áp dụng để dự báo nhu cầu năng lượng của nước mình một cách hiệu quả.
Phương pháp này thường áp dụng cho dự báo ngắn hạn và trung hạn thì kết quả
tương đối chính xác hơn.
2.2.5 Phương pháp chuyên gia :
Trong nhữõng năm gần đây nhiều nước đã áp dụng phương pháp chuyên gia
có trọng lượng, dựa trên những hiểu biết sâu sắc của các chuyên gia giỏi về các
lónh vực của các ngành để dự báo các chỉ tiêu kinh tế. Cũng có khi dùng phương
pháp này để dự báo triển vọng, lúc ấy người ta lấy trung bình trọng lượng ý kiến
của các chuyên gia phát biểu về năng lượng của nước mình.
2.2.6 Phương pháp san bằng hàm mũ :
Mỗi toán tử dự báo được đặc trưng bởi một hàm hồi quy (còn 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 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 tuỳ thuộc vào khoảng thời gian dự báo. Nếu tầm dự báo càng xa thì sai số
càng lớn. Ngoài ra 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 giảm theo hàm mũ khi lùi về quá khứ.
Dưới đây trình bày phương pháp dự báo bằng cách san bằng hàm mũ. Nội
dung cơ bản của phương pháp này là tính toán sự hiệu chỉnh các hệ số của toán tử
dự báo theo phương pháp truy ứng. Tiếp theo trình bài sự phụ thuộc của sai số dự
báo trung bình vào thời kỳ quá khứ và thời kỳ dự báo. Phương pháp này được sử
dụng khá rộng rải trong quy hoạch phát triển hệ thống điện.

Dự báo theo phương pháp san bằng hàm mũ
Giả thiết có một chuỗi thời gian yt (t=1,2,…,n) và được mô tả bằng một đa
thức bậc p.
yt = a0+a1t +

ap p
a2 2
t + …+
t + εt =
2!
p!

p

∑
i =0

ai i
t + εi
i!

(2.11)

Trong đó ai, t = 0, 1,…, p là hệ số của hàm dự báo, εt là sai số dự báo. Dựa
vào đây cần dự báo giá trị yt tại thời điểm (n+l) với l=1,2,…,L. Dự báo giá trị yt
tại thời điểm (t+l) (với t=n) có thể thực hiện theo phương pháp phân tích chuỗi
Taylor
l 2 (2)
l p (p)
yt+l = yt(0) + l yt(1) + y t + … + y t
2!
p!

Trang 21

(2.12)


Trong đó yt(k) là đạo hàm bậc k tại thời điểm t, và bất cứ đạo hàm bậc k
nào (với k=0,1,2,…, p) của phương trình (2.5) đều có trể biểu diển bằng một tổ
hợp tuyến tính của trung bình mũ đến bậc (p+1), và ta cần xác định trung bình mũ
ấy
Giá trị trung bình mũ bậc một của chuỗi yt xác định như sau :
n

St[1] (y)= α ∑ (1 − α ) i y t -i

(2.13)

i =0

Trong đó α là hệ số san bằng 0 < α < 1, nó thể hiện ảnh hưởng của các quan

sát quá khứ đến dự báo. Nếu α tiến tới 1, nghóa là chỉ xét đến quan sát sau cùng.
Nếu α tiến tới không, nghóa là xét đến ảnh hưởng của mọi quan sát trong quá
khứ.
Giá trị trung bình mũ bậc k của chuỗi yt được biểu diễn theo bậc [k-1]
n

St[k] (y)= α ∑ (1 − α ) i S[kt -1-1] (y)

(2.14)

i =0

Brown.R.G đã phân tích công thức truy ứng để xác định trung bình mũ như
sau:
St[k] (y)= α St[k-1] (y) +(1-α) St-1[k] (y)

(2.15)

Như vậy xuất phát từ công thức truy ứng (2.15) tất cả các đạo hàm trong
công thức (2.5) đều có thể nhận được theo các phương trình :


S ( y ) = α .S ( y ) + (1 − α ).S ( y )

................................................... 
S t[ n ] = α .S t[ n −1] ( y ) + (1 − α ).S t[−n1] ( y ) 

S t[1] ( y ) = α . y t + (1 − α ).S t[−1]1 ( y )
[ 2]
t

[1]
t

[2]
t −1

(2.16)

Trong đó St[k] (y) là trung bình mũ bậc k tại thời điểm t.
Xác định các giá trị của hệ số mô hình dự báo
Bây giờ xét một mô hình tuyến tính có dạng
yt = a0 + a1t + εt

(2.17)

Để xác định các hệ số của phương trình (2.17) ta dùng định lý cơ bản của
Brow R.G và Meyer R.F, nhận được một hệ thống phương trình biểu diển mối
quan hệ giữa giá trị các hệ số a0, a1 với trung bình mũ St[1] (y), St[2] (y) nhö sau:

Trang 22


1− α



α

∧

2(1 − α ) ∧ 
[ 2]
S t ( y) = a0 +
. a1

α
∧

S t[1] ( y ) = a 0 +

∧

a1

(2.18)

Giải hệ thống phương trình trên tìm được :



∧
α
a1 =
[ S t[1] ( y ) − S t[ 2] ( y )]
1−α

∧

a 0 = 2.S t[1] ( y ) − S t[ 2] ( y )

(2.19)

Như vậy hàm dự báo lúc này có dạng
)
)
)
y t -1 = a 0 + a 1l

(2.20)

và sai số dự báo xác định theo công thức :
σ y) +1 = σ ε
t

t

α
[
1 + 4(1 − α ) + 5(1 − α ) 2 + 2α (4 − 3α )l + 2α 2 l 2 ]
3
(2 − α )

(2.21)

Trong đó σεt là sai số trung bình bình phương (hay độ lệch quân phương) của
các quan sát trong quá khứ.

Xác định điều kiện đầu
Từ công thức (2.18) ở trên nhận thấy rằng, muốn xác đinh thủ tục san bằng
cần phải quy định đại lượng ban đầu (điều kiện đầu kí hiệu là S0(y)).

Điều kiện đầu đối với mô hình (2.10) có dạng

S

[2]
0

1−α



α

2(1 − α ) 
= a0 −
.a1

α

S 0[1] = a0 −

.a1

(2.22)

Xác định thông số san bằng α tối ưu
Khi xây dựng mô toán tử dự báo theo phương pháp san bằng hàm mũ một
vấn đề quan trọng cần quan tâm là xác định thông số san bằng tối ưu α. Rõ ràng
là với mỗi α khác nhau thì kết quả dự báo sẽ khác nhau. Giá trị α được tính theo
công thức sau:

α=

2
m +1

(2.23)

Trong đó m là số quan sát được trong khoảng san bằng.
2.2.7 Phương pháp ngoại suy theo thời gian (Chuỗi thời gian):

Trang 23


Ở đây chúng ta dùng phương pháp ngoại suy theo thời gian nghóa là 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 đoán trong tương lai.
Trong phương pháp này có rất nhiều mô hình dự báo. Ở đây xin giới thiệu những
mô hình thường sử dụng sau đây:
2.2.7.1 Mô hình có dạng hàm giải tích:
Giả sử mô hình có dạng hàm mũ như sau:
At = A0(1 + α)t

(2.24)

Trong đó:
At : Điện năng dự báo ở năm thứ t
A0 : Điện năng ở năm chọn làm gốc

α : Tốc độ phát triển bình quân hàng năm
t

: Thời gian dự báo.

Để xác định thừa số (1+α) chúng ta dựa vào biểu thức (2.3)
A(t +1)
At

= 1 + α = const = C

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
nhân chỉ số phát triển nhiều năm :
C=

n

C1 .C 2 .....C n

(2.25)

Một cách tổng quát mô hình dự báo điện năng có thể viết như sau:
At = A0.Ct

(2.26)

Lấy logarit hóa biểu thức (2.26) ta được
LogAt = logA0 + t.logC

(2.27)

Đặt y = logAt ; a = logA0 ; b = logC
Thì (2.27) có thể viết:
y = a+ b.t

(2.28)

Vấn đề là phải xác định các hệ số a, b. Muốn vậy ta dùng phương pháp bình
phương cực tiểu (đã được trình bày ở phần trước).
Ưu điểm của phương pháp ngoại suy hàm mũ là đơn giản và có thể áp dụng
để dự báo điện năng tầm ngắn và tầm xa. Khuyết điểm của phương pháp này là

Trang 24


chỉ cho kết quả chính xác nếu tương lai không có nhiễu và quá khứ phải tuân
theo một qui luật.
2.2.7.2 Mô hình Brown
Brown :
Hàm dự báo tuyến tính có dạng :
Y = a + b.t
Ta có các công thức tính các hệ số của mô hình như sau :
a(t) = a(t-1) + b(t-1) + (1-β²).e(t-1) ;
b(t) = b(t-1) + (1-β)².e(t-1).
Trong đó: β hệ số
2.2.7.3 Mô hình
hình Baeys :
Chuỗi thời gian y có phân bố f(y|θ) (phụ thuộc vào θ). Đánh giá mới sẽ thu
được ở dạng h1(θ|y) gọi là phân phối hậu nghiệm theo Bayes:
h1(θ/y) =

h0 (θ ) f ( y / θ )
g ( y)

2.2.7.4 Mô hình Neural :
Y = F(NET)
NET = W*X
Trong đó:
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
2.2.7.5 Mô hình theo Wavelet :
Hàm phân bố có dạng:
N

g (t ) = ∑ ω i Ψ [ Di Ri (t − t i )] + Gtb
i =1

với: N: số wavelet:
ω : Trọng số mô hình
ψ : Hàm mẹ (mother)
Di : Ma trận tỉ lệ
Ri : Ma trận quay;
t : biến của hàm.
ti : Hệ số truyền dẫn (translation).
Gtb: Trung bình cộng của biến đầu vào.

Trang 25