Xây dựng công cụ hỗ trợ dự báo, đánh giá nhu cầu phụ tải điện theo vùng

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (265.68 KB, 4 trang )

(1)<div class='page_container' data-page=1>

Xây dựng công cụ hỗ trợ dự báo, đánh giá nhu

cầu phụ tải điện theo vùng

Đinh Nhật Minh

Trường Đại Học Công Nghệ, Đại Học Quốc Gia Hà Nội

Luận văn Ths. Hệ thống thông tin; Mã Số: 60 48 05

Nghd: TS. Nguyễn Ngọc Hóa

Năm bảo vệ: 2013

Abstract: Trình bày tổng quan về phụ tải điện và bài toán dự báo phụ tải điện: nêu lên các
khái niệm cơ bản về phụ tải điện trong hệ thống điện Việt Nam, đồng thời tập trung trình
bày kiến thức nghiên cứu phụ tải điện cũng như các phương pháp dự báo phụ tải điện đã
được sử dụng. Nghiên cứu giải pháp dự báo phụ tải sử dụng mạng nơron nhân tạo và áp
dụng giải thuật di truyền: giới thiệu về các yêu cầu đặt ra đối với bài toán dự báo phụ tải,
đồng thời nêu các lý thuyết liên quan đến phương pháp dự báo phụ tải sử dụng trong luận
văn là mạng nơron nhân tạo và giải thuật di trun, qua đó đề xuất mơ hình dự báo phụ tải.
Trình bày các kết quả phân tích, thiết kế, cài đặt và thử nghiệm các chức năng dự báo của
hệ thống.

Keywords: Công nghệ thông tin ; Hệ thống thơng tin ; Bài tốn dự báo ; Mơ hình dự báo ;
Phụ tải điện

Contents:

Mở đầu

</div>
(2)<div class='page_container' data-page=2>

hướng tới thị trường phát điện canh tranh theo thông tư 18/2010/TT-BCT của Bộ Công thương
ban hành.

Để hoàn thành tốt nhiệm vụ được giao, Trung tâm Điều độ Hệ thống điện Quốc Gia phải xây
dựng kế hoạch vận hành hệ thống điện theo năm, tháng, tuần, ngày, giờ. Muốn có được kế hoạch
vận hành hệ thống điện tốt thì dự báo nhu cầu dùng điện (phụ tải) của tất cả các vùng miền trên
tồn quốc đóng vai trị quan trọng để tối ưu hóa việc khai thác các nhà máy điện trên tồn quốc,
trong đó đặc biệt nhất là nhà máy thủy điện. Nhu cầu này đã được đặc tả rõ qua bài toán dự báo
phụ tải hệ thống điện phục vụ vận hành hệ thống điện và thị trường điện. Với nhu cầu đặt ra đó,
dựa trên những kiến thức thu được trong quá trình học Cao học tại trường Đại học Công nghệ,
ĐHQGHN, tôi đã lựa chọn đề tài luận văn tốt nghiệp “Xây dựng công cụ hỗ trợ dự báo, đánh 
giá nhu cầu phụ tải điện theo vùng” để có thể vận dụng trực tiếp những kiến thức thu được
trong bài toán thực tiễn.

Dự báo phụ tải là bài toán phổ biến nhưng lại rất phức tạp, bởi tính diễn biến bất thường của
nó theo vùng, theo thời gian. Khi vận hành hệ thống điện, nếu dự đoán trước được phụ tải điện
cho giờ tới, ngày tới, tuần tới, tháng tới, thậm chí cho năm tới thì việc vận hành toàn bộ hệ thống
phát điện sẽ kinh tế hơn.

Các phương pháp dự báo nói chung đều được xây dựng dựa vào những dữ liệu quan sát, thu
thập thực tế được trong quá khứ và những hành vi, thói quen của người dùng. Tuỳ thuộc vào nhu
cầu dự báo điều độ, ngắn hạn, trung hạn hay dài hạn mà chúng ta có thể xây dựng những phương
pháp dự báo khác nhau. Trong khuôn khổ luận văn này, tôi chỉ tập trung đến bài toán dự báo phụ
tải ngắn hạn với lý do dự báo phụ tải ngắn hạn cần ít tham số đầu vào hơn so với dự báo phụ tải
dài hạn. Trong thời gian ngắn hạn, các yếu tố ảnh hưởng đến phụ tải không thay đổi quá nhiều,
do đó kết quả dự báo sẽ tốt hơn.

Hiện nay, có nhiều phương pháp để dự báo phụ tải ngắn hạn. Có thể kể đến các phương pháp
dựa trên kỹ thuật thống kê như phương pháp ngày tương tự [3], phương pháp chuỗi thời gian
[11], phương pháp hồi quy [10] hoặc bằng kỹ thuật trí tuệ nhân tạo như mạng nơron [2] [3] [6]
[7] [8] và hệ thống chuyên gia[4], logic mờ. Trong những phương pháp trên, phương pháp sử
dụng mạng nơ ron nhân tạo có nhiều ưu điểm hơn cả dựa trên việc dễ ứng dụng thực hiện, độ
chính xác và hiệu quả cao.

Với những thực trạng nêu trên, mục tiêu của luận văn hướng đến vận dụng mơ hình mạng
nơron nhân tạo kết hợp với giải thuật di truyền trong bài toán dự báo phụ tải ngắn hạn Tập đoàn
Điện lực Việt Nam. Mục tiêu này sẽ đạt được thơng qua ba nội dung chính sau:

- Đặc tả chi tiết bài toán dự báo phụ tải, các phương pháp dự báo phụ tải điển hình hiện
nay.

</div>
(3)<div class='page_container' data-page=3>

- Phát triển hệ thống thực nghiệm và đánh giá kết quả dự báo dựa trên dữ liệu thực tại các
vùng, miền của Việt Nam.

Phần của luận văn sẽ được tổ chức như sau:

Chương 1. Tổng quan về phụ tải điện và bài toán dự báo phụ tải điện: Chương này nêu
lên các khái niệm cơ bản về phụ tải điện trong hệ thống điện Việt Nam, đồng thời tập trung trình
bày kiến thức nghiên cứu phụ tải điện cũng như các phương pháp dự báo phụ tải điện đã được sử
dụng.

Chương 2. Giải pháp dự báo phụ tải sử dụng mạng nơron nhân tạo và áp dụng giải 
thuật di truyền: Chương này sẽ giới thiệu về các yêu cầu đặt ra đối với bài toán dự báo phụ tải,
đồng thời nêu các lý thuyết liên quan đến phương pháp dự báo phụ tải sử dụng trong luận văn là
mạng nơron nhân tạo và giải thuật di truyên, qua đó đề xuất mơ hình dự báo phụ tải.

Chương 3. Thực nghiệm: Chương này trình bày các kết quả phân tích, thiết kế, cài đặt và
thử nghiệm các chức năng dự báo của hệ thống.

</div>
(4)<div class='page_container' data-page=4>

TÀI LIỆU THAM KHẢO

Tiếng Việt

[1] Bộ Công thương (2011),Thông tư số 33/2011/TT-BCT Quy định nội dung, phương pháp và
trình tự nghiên cứu phụ tải điện, Hà Nội.

[2] Bùi Cơng Cường, Nguyễn Dỗn Phước (2001), Hệ mờ, mạng nơron và ứng dụng, Nhà xuất
bản khoa học và kỹ thuật.

[3] Bùi Xuân Toại, Trương Gia Việt (Biên dịch) (2000), Trí tuệ nhân tạo – Các cấu trúc và 
chiến lược giải quyết vấn đề, Nhà xuất bản Thống kê.

[4] Đặng Ngọc Dinh, Nguyễn Hữu Khái, Trần Bách (1981), Hệ thống điện, Nhà xuất bản Đại
học và trung học chuyên nghiệp, tập 1.

[5] Nguyễn Đình Thúc (2002), Lập trình tiến hóa, Nhà xuất bản Giáo dục.

[6] Chu, Nghĩa (2007), Ứng dụng mạng Nơron nhân tạo dự báo phụ tải ngắn hạn Hệ thống 
điện miền Bắc, Luận văn thạc sỹ khoa học ngành Công nghệ thông tin, Trường Đại học 
Công nghệ, Đại học Quốc gia Hà Nội.

[7] Phạm Anh Cường, Phan Văn Hiền (2011) , “Ứng dụng mạng nơron để dự báo phụ tải điện
tỉnh Gia Lai”, Tạp chí phát triển KH&CN, số 2, tr. 43.

[8] Trần Thị Hoàng Oanh, Trần Hoàng Lĩnh, Đồng Sĩ Thiên Châu, Nguyễn Kỳ Tài (2007),
“Ứng dụng mạng nơron song tuyến trong bài toán dự báo phụ tải điện”, Tạp chí phát triển 
KH&CN, tập 10, số 11.

Tiếng Anh

[9] J. Fox (1997), Applied Regression Analysis, Linear Models and Related Methods. Sage.
[10] Rescher, Nicholas (1998) Predicting the future: An introduction to the theory of

forecasting, State University of New York Press.

</div>


<a href=':8000/cgi-bin/gw_49_5_4/chameleon?sessionid=2014121300333401211&skin=Citrus&lng=vn&inst=consortium&host=localhost%2b1111%2bDEFAULT&search=SCAN&function=INITREQ&sourcescreen=COPVOLSCR&elementcount=1&t1=C%c3%b4ng%20ngh%e1%bb%87%20th%c3%b4ng%20tin&u1=21&pos=1&rootsearch=KEYWORD&beginsrch=1'> Công nghệ thông tin </a>
<a href=':8000/cgi-bin/gw_49_5_4/chameleon?sessionid=2014121300333401211&skin=Citrus&lng=vn&inst=consortium&host=localhost%2b1111%2bDEFAULT&search=SCAN&function=INITREQ&sourcescreen=COPVOLSCR&elementcount=1&t1=H%e1%bb%87%20th%e1%bb%91ng%20th%c3%b4ng%20tin&u1=21&pos=1&rootsearch=KEYWORD&beginsrch=1'>; Hệ thống thơng tin </a>
<a href=':8000/cgi-bin/gw_49_5_4/chameleon?sessionid=2014121300333401211&skin=Citrus&lng=vn&inst=consortium&host=localhost%2b1111%2bDEFAULT&search=SCAN&function=INITREQ&sourcescreen=COPVOLSCR&elementcount=1&t1=B%c3%a0i%20to%c3%a1n%20d%e1%bb%b1%20b%c3%a1o&u1=21&pos=1&rootsearch=KEYWORD&beginsrch=1'>; Bài tốn dự báo </a>
<a href=':8000/cgi-bin/gw_49_5_4/chameleon?sessionid=2014121300333401211&skin=Citrus&lng=vn&inst=consortium&host=localhost%2b1111%2bDEFAULT&search=SCAN&function=INITREQ&sourcescreen=COPVOLSCR&elementcount=1&t1=M%c3%b4%20h%c3%acnh%20d%e1%bb%b1%20b%c3%a1o&u1=21&pos=1&rootsearch=KEYWORD&beginsrch=1'>; Mơ hình dự báo </a>
<a href=':8000/cgi-bin/gw_49_5_4/chameleon?sessionid=2014121300333401211&skin=Citrus&lng=vn&inst=consortium&host=localhost%2b1111%2bDEFAULT&search=SCAN&function=INITREQ&sourcescreen=COPVOLSCR&elementcount=1&t1=Ph%e1%bb%a5%20t%e1%ba%a3i%20%c4%91i%e1%bb%87n&u1=21&pos=1&rootsearch=KEYWORD&beginsrch=1'>Phụ tải điện </a>