(Luận văn thạc sĩ) ứng dụng mạng nơ ron để dự báo phụ tải cho xuất tuyến 471 110 diên hồng, huyện ia grai

ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
---------------------------------------

TRẦN VĂN DŨNG

TRẦN VĂN DŨNG

KỸ THUẬT ĐIỀU KHIỂN
VÀ TỰ ĐỘNG HÓA

C
C

ỨNG DỤNG MẠNG NƠ-RON ĐỂ DỰ BÁO
PHỤ TẢI CHO XUẤT TUYẾN 471/110 DIÊN HỒNG,
HUYỆN IA GRAI

R
L

T

U
D

LUẬN VĂN THẠC SĨ

KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HĨA

KHỐ K37_TĐH_KT

Đà Nẵng – Năm 2020


ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
---------------------------------------

TRẦN VĂN DŨNG

ỨNG DỤNG MẠNG NƠ-RON ĐỂ DỰ BÁO PHỤ TẢI CHO
XUẤT TUYẾN 471/110 DIÊN HỒNG, HUYỆN IA GRAI

C
C

R
L

T

Chuyên ngành: Kỹ thuật điều khiển và Tự động hóa
Mã số: 8520216

U
D

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

1. Tiến sĩ Giáp Quang Huy

Đà Nẵng – Năm 2020


i

LỜI CAM ĐOAN
Tơi xin cam đoan đây là cơng trình nghiên cứu của riêng tôi dưới sự hướng dẫn
của Tiến sĩ Giáp Quang Huy, Giảng viên bộ môn Tự động hóa, khoa Điện, trường
Đại học Bách khoa Đà Nẵng. Các số liệu, kết quả nêu trong luận văn là trung thực và là
sản phẩm của riêng cá nhân, không sao chép của người khác. Nội dung của luận văn có
tham khảo và sử dụng một số thông tin, tài liệu từ các nguồn sách, tạp chí được liệt kê
trong danh mục các tài liệu tham khảo.
Tác giả luận văn

C
C

Trần Văn Dũng

R
L

U
D

T

ii

LỜI CẢM ƠN
Tơi xin bày tỏ lịng kính trọng và lời cảm ơn đến Tiến sĩ Giáp Quang Huy và
những người Thầy, Cơ đã hướng dẫn, tận tình giúp đỡ tơi trong suốt q trình thực hiện
luận văn.
Xin trân trọng cảm ơn Ban giám hiệu, các Thầy, Cô giáo trường đại học bách
khoa Đà Nẵng, phân hiệu Kon Tum đã giảng dạy trong quá trình học tập và nghiên cứu.

Tác giả luận văn

C
C

R
L

U
D

T

Trần Văn Dũng


iii

MỤC LỤC
Lời cam đoan
i

Tóm tắt luận văn
v
Danh mục từ viết tắt
iv
Danh mục các hình
iiv
Danh mục các bảng
iiiv
MỞ ĐẦU
1
CHƯƠNG 1: TỔNG QUAN VỀ LƯỚI ĐIỆN VÀ XT 471/110 DH CẤP ĐIỆN CHO
HUYỆN IA GRAI
6
1.1. Tình hình kinh tế xã hội
6
1.2. Khí hậu
7
1.3. Tình hình cấp điện
7
1.4. Đặc điểm XT 471/110 Diên Hồng
8
1.5. Kết luận chương 1
9
CHƯƠNG 2: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP DỰ BÁO SẢN LƯỢNG
ĐIỆN
10
2.1. Tổng quan về công tác dự báo
10
2.2. Các loại dự báo trong hệ thống điện
11

2.3. Các yếu tố ảnh hưởng đến sản lượng điện
12
2.4. Các phương pháp dự báo
12
2.4.1. Phương pháp tính hệ số trượt
12
3.4.2. Phương pháp tính trực tiếp
13
3.4.3. Phương pháp so sánh đối chiếu
14
3.4.4. Phương pháp chuyên gia
14
3.4.5. Phương pháp san bằng hàm mũ
14
3.4.6. Phương pháp ngoại suy theo thời gian
14
3.4.7. Phương pháp sử dụng mạng ANN
16
2.5. Tổng quan về các công trình sử dụng hệ thống ANN dự báo đã cơng bố
16
2.6. Sự cần thiết phải xây dựng mơ hình ANN mới để dự báo điện năng ở đơn vị 20
2.7. Kết luận chương 2
20
CHƯƠNG 3: XÂY DỰNG MƠ HÌNH MẠNG NƠ-RON NHÂN TẠO ĐỂ DỰ BÁO
ĐIỆN NĂNG
21
3.1. Lịch sử phát triển mạng Nơ-ron nhân tạo
21
3.2. Nơ-ron sinh học
24

3.2.1. Chức năng, tổ chức và hoạt động của bộ não con người
24
3.2.2. Mạng Nơ-ron sinh học
25
3.3. Mạng Nơ-ron nhân tạo
26
3.3.1. Khái niệm
26
3.3.2. Mơ hình Nơ-ron
28
3.3.3. Cấu trúc mạng
30

C
C

R
L

U
D

T


3.3.4. Các hình trạng và kiến trúc của mạng
3.3.5. Thiết kế cấu trúc mạng
3.3.6. Vấn đề quá khớp
3.3.7. Huấn luyện mạng
3.3.8. Thuật toán huấn luyện lan truyền ngược

3.3.9. Thuật toán Levenberg - Marquardt
3.4. Xây dựng mơ hình mạng ANN dự báo sản lượng điện cho XT 471/110DH
Huyện Ia Grai, tỉnh Gia Lai
3.4.1. Xác định dữ liệu cho mơ hình ANN
3.4.2. Lựa chọn cấu trúc mạng ANN dự báo sản lượng điện
3.4.3. Chỉ tiêu đánh giá
3.5. Kết luận chương 3
CHƯƠNG 4: MƠ PHỎNG VÀ KẾT QUẢ
4.1. Xây dựng chương trình lựa chọn mơ hình ANN tối ưu
4.1.1. Lựa chọn cấu trúc mơ hình ANN
4.1.2. Dữ liệu đầu vào
4.1.3. Huấn luyện mạng
4.1.4. Chỉ tiêu đánh giá
4.1.5. Thực nghiệm lựa chọn mơ hình
4.2. Kết quả thực nghiệm
4.3. Nhận xét
4.4. Kết luận chương 4
KẾT LUẬN VÀ PHÁT TRIỂN
Tài liệu tham khảo

C
C

R
L

U
D

T

32
34
35
36
38
39
40
40
41
42
42
43
43
43
44
46
46
46
49
54
54
55
56


v
ỨNG DỤNG MẠNG NƠ-RON ĐỂ DỰ BÁO SẢN LƯỢNG ĐIỆN CHO
XUẤT TUYẾN 471/110 DIÊN HỒNG, HUYỆN IA GRAI, TỈNH GIA LAI

Học viên: Trần Văn Dũng. Chuyên ngành: Kỹ thuật Điều khiển và Tự động hóa.
Mã số: 8520216
Khóa: K37.TĐH.KT. Trường Đại học Bách khoa – ĐHĐN
Tóm tắt: Cơng việc dự báo có ý nghĩa vơ cùng quan trọng trong vận hành các hệ thống
điện. Việc dự báo chính xác giúp đảm bảo tính ổn định của hệ thống điện, bảo đảm sự
cân bằng giữa điện năng sản xuất và tiêu thụ. Đưa ra lịch công tác bảo dưỡng phù hợp.
Luận văn này nghiên cứu mơ hình mạng Nơ-ron nhân tạo (ANN) để dự báo sản lượng
điện tại huyện Ia Grai, tỉnh Gia Lai. Mơ hình ANN được lựa chọn để nghiên cứu là mạng
Nơ-ron truyền thẳng 4 lớp được huấn luyện bởi thuật toán Levenberg-Marquardt (LM).
Các tham số đầu vào huấn luyện mạng là ngày, tháng, nhiệt độ, lượng mưa được thu
thập tại nơi thực hiện.

C
C

Từ khóa: STLF, Dự báo, mạng Nơ-ron, nhiệt độ, ngắn hạn.

R
L

Abstract: Output power forecasting is of great importance in power system operation.
Accurate forecasting will help ensure the stability of power systems, balancing energy
production and consumption. Set up a reasonable schedule for electrical grid
maintenance. This essay research an artificial neural network (ANN) model for
predicting output power in Ia Grai district, Gia Lai province. The ANN model selected
for study was a 4-layer feedforward neural network trained with the LevenbergMarquardt algorithm. The network inputs parameters are the date, month, temperature,
amount of rain. Weather parameters collected at the place of implementation.

T

U
D

Keywords: STLF, Forecast, neural network, temperature, short-term.


vi

DANH MỤC CÁC TỪ VIẾT TẮT

ANN

Mạng Nơ-ron nhân tạo (Artificial Neural Network)

MDMS

Chương trình máy tính quản lý và lưu trữ các số liệu đo đếm
(Meter Data Management System)

XT 471/110DH

Xuất tuyến 471 cấp điện áp 22kV, trạm biến áp 110kV Diên Hồng

TBA

Trạm biến áp

P

Công suất tác dụng

Pmax

Công suất đỉnh (cực đại)

Pmin

Công suất đáy (cực tiểu)

Tmax

Nhiệt độ lớn nhất

Tmin

Nhiệt độ nhỏ nhất

L

Lượng mưa (mm)

Angày

Sản lượng điện theo ngày (kWh)

SSE

Bình phương sai số (Sum of Squares Errors)

BPN

Lan truyền ngược (Back Propagation Neural Network)

LM

Thuật tốn Levenberg - Marquard

AI

Trí tuệ nhân tạo (Artificial Intelligence)

IEEE

Hiệp hội công nghệ điện và điện tử của Mỹ

ME

Sai số trung bình (Mean Error)

APE

Sai số tuyệt đối phần trăm (Absolute Pecent Error)

MAPE

Sai số phần trăm tuyệt đối trung bình (Mean Absolute Pecent Error)

MAE

Sai số tuyệt đối trung bình (Mean Absolute Error)

MSE

Sai số bình phương trung bình (Mean Square Error)

RMSE

Sai số bình phương trung bình quân phương (Root mean square

C
C

R
L

T

U
D

Error)
R

Hệ số tương quan (Correlation coefficient).


vii

DANH MỤC CÁC HÌNH
Số hiệu

hình vẽ
1
2
1.1
1.2
1.3
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
3.20
3.21
3.22
3.23
3.24

4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8

Tên hình vẽ

Trang

Bản đồ hành chính tỉnh Gia Lai
Bản đồ hành chính huyện Ia Grai
Diện tích trồng các loại cây huyện Ia Grai
Tỷ lệ điện thương phẩm huyện Ia Grai 2018
Biểu đồ sản lượng điện các tháng năm 2018 XT 471/110 DH
Minh họa mạng thần kinh nhân tạo
Minh họa sơ đồ của 1 Perceptron là 1 dạng ANN đơn giản chỉ có 1 lớp
Minh họa ANN có 02 lớp
Mơ hình 2 Nơ-ron sinh học
Mơ hình Nơ-ron đơn giản
Mơ hình Nơ-ron 03 và 04 lớp
Cấu trúc huấn luyện ANN
Mạng Nơ-ron đơn giản một đầu vào
Đồ thị và biểu tượng của hàm lưỡng cực
Đồ thị và biểu tượng của hàm tuyến tính
Mạng Nơ-rơn nhiều đầu vào
Mạng Nơ-rơn nhiều đầu vào (R) rút gọn

Cấu trúc mạng Nơ-ron 1 lớp
S Nơ-ron có R đầu vào 1 lớp, rút gọn
Cấu trúc mạng Nơ-ron 3 lớp
S Nơ-ron có R đầu vào 3 lớp, rút gọn
Mạng Nơ-ron truyền thẳng một lớp, nhiều lớp
Biểu diễn tóm tắt mạng Nơ-ron truyền thẳng
Mạng Nơ-ron hồi quy một lớp, nhiều lớp
Biểu diễn tóm tắt mạng Nơ-ron hồi quy
Học có giám sát
Học khơng có giám sát
Sơ đồ tổng quát huấn luyện một tế bào ANN
Cấu trúc ANN 4 lớp tổng quát dự báo Angày
Sơ đồ xây dựng mơ hình ANN dự báo sản lượng điện
Cấu trúc mơ hình ANN dự báo sản lượng điện trong Matlab
Thuật tốn thực hiện dự báo sản lượng điện
Quá trình huấn luyện một mơ hình ANN
Đồ thị hàm mục tiêu (MSE)
Biểu đồ hồi quy giữa giá trị dự báo và thực tế
Mô hình tối ưu dự báo sản lượng điện
Đồ thị giữa dữ liệu dự báo và thực tế

1
2
6
8
9
21
22
24
25

26
27
27
28
29
29
29
30
30
31
31
32
32
33
33
33
36
37
38
41
43
44
47
48
48
49
51
53

C

C

R
L

U
D

T


viii

DANH MỤC CÁC BẢNG
Số hiệu
bảng
1.1
4.1
4.2
4.3

Tên bảng

Trang

Thành phần điện thương phẩm huyện Ia Grai 2018
Rút gọn dữ liệu đầu vào mạng ANN
Rút gọn dữ liệu đánh giá mơ hình ANN
Rút gọn dữ liệu dự báo và thực tế

C
C

R
L

U
D

T

8
45
50
53


1

MỞ ĐẦU
1. Lý do chọn đề tài
Ia Grai là một huyện miền núi biên giới của Việt Nam, nằm về phía Tây
của tỉnh Gia Lai. Gồm 150 bn làng, khối phố, 12 xã (Ia Bă, Ia Chia, Ia Dêr, Ia
Grăng, Ia Hrung, Ia Khai, Ia Krai, Ia O, Ia Pếch, Ia Sao, Ia Tô, Ia Yok.) và 01 thị trấn
Ia Kha là trung tâm Huyện lỵ. Huyện có diện tích 1.157,3 km² và dân số là 112.500
người “ Nguồn: điều tra dân số 2019 của huyện Ia Grai”.

Hình 1: Bản đồ hành chính tỉnh Gia Lai

C

C

R
L

U
D

T


2

C
C

R
L

T

Hình 2: Bản đồ hành chính huyện Ia Grai

U
D

Địa bàn Ia Grai giáp với huyện Chư Păh ở phía Bắc, thành phố Pleiku ở phía
Đơng, huyện Chư Prơng ở phía Đơng Nam, huyện Đức Cơ ở phía Nam, huyện Ia
H'Drai, tỉnh Kon Tum ở phía Tây Bắc. Về phía Tây, Ia Grai giáp với tỉnh Ratanakiri Campuchia. Huyện cách thành phố Pleiku về phía Đơng theo tỉnh lộ 664 khoảng
20 km. Thành phần kinh tế chủ yếu là trồng trọt cây công nghiệp chủ lực là cây cà phê.

Nguồn điện cấp cho Ia Grai từ các trạm 110kV Diên Hồng (DH); 110kV Biển
Hồ (BH) và 110kV Đức Cơ (ĐC) và các thủy điện nhỏ. Tổng sản lượng điện 107 Triệu
kWh, công suất tác dụng cực đại 22 MW (vào mùa khô từ tháng 11 năm trước đến
tháng 4 năm sau) phục vụ bơm tưới tiêu, công suất tác dụng cực tiểu 10 MW (vào mùa
mưa từ tháng 5 đến tháng 10 hằng năm), phục vụ ánh sáng sinh hoạt.
Xuất tuyến 471/110DH có cấp điện áp 22kV, đi dọc tỉnh lộ 664 từ Pleiku đến
xã Ia Tô, chiều dài 30 Km, sản lượng điện 32,7 triệu kWh, công suất cực đại 13 MW,
công suất cực tiểu 2,5 MW, chiếm 30% sản lượng điện, 50% cơng suất của tồn huyện
và cấp điện các xã gồm: 01 thị trấn và 06 xã Ia Đêr, Ia Bă, Ia Tôr, Ia Grăng, Ia Hrung,
Ia Pếch. Cũng là xuất tuyến cấp điện cho các phụ tải quan trọng, giá bán điện bình
quân cao và đặc biệt khu hành chính của huyện Ia Grai. “Nguồn: số liệu quản lý kỹ
thuật của Điện lực Ia Grai 2018”. [7]


3

Việc dự báo sản lượng điện huyện Ia Grai nói chung và cho XT 471/110DH nói
riêng nhằm mục đích: đưa ra kế hoạch vận hành, lịch công tác cắt điện bảo dưỡng và
sửa chữa phù hợp; hỗ trợ công tác quản lý kỹ thuật có các biện pháp cần thiết nhằm
giảm tổn thất điện năng; tính tốn thiết kế chính xác để đưa ra kế hoạch đầu tư đúng
thời điểm và hiệu quả; cung cấp một dự báo sản lượng điện để đảm bảo nguồn điện
phục vụ phát triển kinh tế xã hội, sinh hoạt của người dân. Chính vì những mục đích
nêu trên nên cơng tác dự báo sản lượng điện đối với đơn vị chúng tôi giữ vai trị quan
trọng và cần thiết nghiên cứu.
Hiện nay có rất nhiều phương pháp dự báo: tính hệ số vượt trước; tính trực tiếp;
ngoại suy theo thời gian; tương quan; so sánh đối chiếu; chuyên gia. Hầu hết các
phương pháp như liệt kê đều mang tính thống kê, đối chiếu, so sánh số liệu và mang
tính chất kinh nghiệm thiếu chính xác. Đề tài này nghiên cứu tính khả thi trong việc
xây dựng ANN để dự báo sản lượng điện. Địa điểm được chọn để nghiên cứu là huyện
Ia Grai, tỉnh Gia Lai. Mơ hình ANN được lựa chọn nghiên cứu là mạng Nơ-ron. Các

tham số đầu vào huấn luyện là sản lượng điện quá khứ được thu thập số liệu đo đếm từ
xa qua phần mềm MDMS, nhiệt độ, lượng mưa được thu thập tại nơi thực hiện.
Luận văn chọn đề tài: “ Ứng dụng mạng Nơ-ron để dự báo phụ tải cho xuất
tuyến 471/110 Diên Hồng, huyện Ia Grai ” nhằm mục đích xây dựng các mơ hình
mạng Nơ-ron nhân tạo với số lượng các lớp và số Nơ-ron trong các lớp ẩn khác nhau.
Qua đó đánh giá mơ hình nhằm lựa chọn mơ hình tốt nhất để sử dụng cho việc dự báo
sản lượng điện tại địa điểm đã chọn.

C
C

R
L

T

U
D

2. Mục đích nghiên cứu
- Tìm hiểu khái qt về bài toán và các phương pháp dự báo sản lượng điện.
- Nghiên cứu tìm hiểu và làm sáng tỏ một số khía cạnh về mạng Nơ-ron, huấn
luyện mạng, thuật toán và ứng dụng chúng để giải quyết các bài toán trong lĩnh vực dự
báo dữ liệu.
- Sử dụng phần mềm Matlab - Simulink làm công cụ mô phỏng kết quả dự báo
sản lượng điện XT 471/110DH cấp điện huyện Ia Grai, tỉnh Gia Lai.
3. Đối tượng và phạm vi nghiên cứu
3.1. Đối tượng nghiên cứu
- Các mơ hình và phương pháp dự báo.
- Các yếu tố ảnh hưởng đến sản lượng điện.

- Phương pháp dự báo sản lượng điện dựa trên các kỹ thuật của mạng Nơ-ron.
Cấu trúc mạng Nơ-ron để phục vụ cho dự báo sản lượng điện.
- Nghiên cứu đồ thị sản lượng điện của XT 471/110DH cấp điện huyện Ia Grai,
xây dựng mơ hình dự báo cho xuất tuyến này.


4

- Neural Network Toolbox bộ dữ liệu mẫu trong Matlab, cho phép mở rộng khả
năng của Matlab trong lĩnh vực mạng Nơ-ron. Nó tích hợp việc tính tốn, hiển thị hình
ảnh và lập trình.
3.2. Phạm vi nghiên cứu
- Phạm vi nghiên cứu tập trung vào sản lượng điện XT 471/110DH cấp điện
huyện Ia Grai, thu thập dữ liệu quá khứ trong vòng 02 năm (2017-2018) chia làm 03
phần: tập 1 để huấn luyện từ 01/01/2017 đến 31/12/2017, tập 2 kiểm tra sai số giữa dự
báo của mạng Nơ-ron từ 01/01/2018 đến 31/03/2018, tập 3 dữ liệu mô phỏng lấy số
liệu từ 01/01/2019 đến 30/06/2019 sau đó so sánh với số liệu thật từ chương trình
MDMS. [6]
- Nghiên cứu ảnh hưởng của nhiệt độ, lượng mưa (các ngày, tháng của các
năm) đến nhu cầu sản lượng điện.
- Sử dụng công cụ ANN trong phần mềm Matlab để tiến hành dự báo. Số liệu
dự báo là sản lượng điện của XT 471/110DH từ 01/01/2019 đến 30/06/2019.

C
C

4. Phương pháp nghiên cứu
Để giải quyết các mục tiêu nêu trên, luận văn đưa ra phương pháp nghiên cứu:
-Phương pháp nghiên cứu lý thuyết:
+ Nghiên cứu lý thuyết về dự báo sản lượng điện và ứng dụng vào quản

lý vận hành sửa chữa lưới điện và sản xuất kinh doanh điện năng.
+ Nghiên cứu lý thuyết về mạng ANN.
+ Nghiên cứu các mơ hình mạng ANN đã áp dụng vào dự báo sản lượng
điện và đề xuất mơ hình phù hợp.
-Phương pháp thu thập thơng tin: tiến hành tập hợp, thu thập, tổng hợp các dữ
liệu liên quan đến các đối tượng của đề tài như:
+ Số liệu sản lượng điện quá khứ được lấy hệ thống MDMS. [6]
+ Các thông số thời tiết nhiệt độ, lượng mưa tại huyện Ia Grai lấy số liệu
ghi được từ trạm quan trắc Ia Ly thuộc Đài khí tượng thủy văn Tây Nguyên.
+ Các báo cáo khoa học liên quan trong nước và nước ngoài.
-Phương pháp thực nghiệm: sử dụng công cụ hỗ trợ trong phần mềm Matlab,
đưa dữ liệu thu thập để tính tốn và đánh giá kết quả với mơ hình đề xuất.

R
L

T

U
D

5. Ý nghĩa khoa học và thực tiễn của đề tài
5.1.Về mặt khoa học:
- Góp phần kiểm chứng và phát triển phương pháp dự báo sản lượng điện bằng
mạng ANN có xét đến các yếu tố thời tiết: nhiệt độ, lượng mưa ở khu vực Ia Grai.
Ngoài ra, số lượng Nơ-ron và bộ trọng số tối ưu cho mơ hình cũng được xét đến để cải
thiện độ chính xác của mơ hình ANN dự báo.


5

- Đây sẽ là cơ sở để ứng dụng mạng ANN vào công tác dự báo sản lượng điện,
công suất của khu vực.
5.2.Về mặt thực tiễn:
- Làm rõ hơn về bản chất của cơng tác dự báo dưới góc nhìn của kỹ thuật điều
khiển và tự động hóa, đề tài có thể làm tài liệu tham khảo cho kỹ sư vận hành, kỹ sư
thiết kế hệ thống điện, người lãnh đạo, người quản lý của công ty Điện lực, các Điện
lực giúp hiểu rõ hơn về công tác dự báo để làm cơ sở cho việc vận hành lưới điện.
- Kết quả nghiên cứu được của đề tài này mang lại ý nghĩa cho việc ứng dụng
vào thực tế vận hành lưới điện: điều hành sản xuất sản lượng điện nhận; xác định thời
điểm hợp lý thực hiện công tác sửa chữa, đầu tư xây dựng lưới điện; thực hiện các giải
pháp giảm tổn thất điện năng…mang lại hiệu quả cơng việc.
6. Cấu trúc luận văn
Luận văn được trình bày theo cấu trúc: ngoài phần mở đầu và kết luận chung,
nội dung của đề tài được tổ chức thành 4 chương. Bố cục của nội dung chính của luận
văn như sau:
- Chương 1: Tổng quan về lưới điện và XT 471/110DH cấp điện cho huyện Ia
Grai, tỉnh Gia Lai.
- Chương 2: Tổng quan về các phương pháp dự báo sản lượng điện.
- Chương 3: Xây dựng mơ hình mạng ANN dự báo sản lượng điện.
- Chương 4: Mô phỏng và kết quả.

C
C

R
L

U
D

T


6

CHƯƠNG 1: TỔNG QUAN VỀ LƯỚI ĐIỆN VÀ
XT 471/110 DH CẤP ĐIỆN CHO HUYỆN IA GRAI
1.1.Tình hình kinh tế xã hội
Theo báo cáo đánh giá tình hình thực hiện nhiệm vụ công tác 2018 của huyện Ia
Grai: tổng giá trị sản xuất đạt 8.168,4 tỷ đồng, tăng trưởng bình quân 10,1% so với
năm trước, Cơ cấu kinh tế gồm: Ngành nông- lâm nghiệp- thủy sản đạt 3.530,6 tỷ
đồng chiếm 41%; Công nghiệp- tiểu thu công nghiệp- xây dựng đạt 2.757 tỷ đồng
chiếm 35%; Thương mại- dịch vụ đạt 1.880,8 tỷ đồng chiếm 24%; thu nhập bình quân
đầu người 35 triệu đồng/năm. Dự kiến 2019 tăng trưởng 11,2%.
Đến năm 2018, huyện Ia Grai có tổng diện tích trồng cây cà phê lớn nhất
17.587 ha (trong đó: cây đang kinh doanh 15.669 ha, còn lại là tái canh và trồng mới);
cây cao su 3.292 ha bằng 18,7% diện tích trồng cà phê; cây điều 5.594 ha bằng 31,8%
diện tích trồng cà phê; cây tiêu 668 ha bằng 3,8% diện tích trồng cà phê. Một số xã
diện tích trồng cà phê chủ yếu: thị trấn Ia Kha 1.103 ha; xã Ia Hrung 1.416 ha; Ia Bă
1.173 ha; Ia Pếch 1.338 ha; Ia Tô 1.555 ha; Ia Dêr 1.872 ha; Ia Sao 1.532 ha; Ia Yok
1.327 ha. “ Nguồn: báo cáo tình hình kinh tế xã hội 2018 của UBND huyện Ia Grai ”.

C
C

R
L

T

U
D

Hình 1.1: Diện tích trồng các loại cây huyện Ia Grai
Nhìn chung cơ cấu kinh tế của huyện chủ yếu là ngành Nông- lâm nghiệp
chiếm 41% cơ cấu kinh tế của huyện, đặc biệt trồng trọt cây công nghiệp: cà phê, tiêu,
điều, cao su…là một huyện nghèo có mức thu nhập bình quân đầu người 35 triệu
đồng/năm thấp so các huyện phía Tây của tỉnh cùng địa hình, cùng đặc điểm kinh tế xã
hội (Chư Păh 35 triệu đồng/năm; Chư Prông 36; Chư Sê 53,2; Chư Pưh 42,7; Đăk Đoa


7

38,9; Đức Cơ 33,1; Mang Yang 27,7 và Thu nhập bình qn đầu người Gia Lai 45,36
triệu đồng).
1.2. Khí hậu
Ia Grai nằm trong vùng khí hậu nhiệt đới, gió mùa cao nguyên, có đặc điểm
nhiệt cao nhất 2018 là 38,2oC, nhiệt độ thấp nhất 2018 là 9,1oC và độ ẩm khá phong
phú nhưng phân hóa sâu sắc theo mùa và tương đối theo khơng gian (địa hình, độ cao).
Mùa mưa từ tháng 5 đến tháng 10, lượng mưa chiếm 90% tổng lượng mưa cả năm,
mưa lớn tập trung vào các tháng 7, 8, 9 với cường độ lớn, lượng mưa cao nhất 77 mm
năm 2018. Mùa khô từ tháng 11 đến tháng 4 năm sau, thời gian kéo dài, lượng mưa ít
và đơi khi hạn hán.
1.3.Tình hình cấp điện
07 nguồn điện cấp điện cho khu vực: TBA 110kV Diên Hồng; TBA 110kV
Biển Hồ; TBA 110kV Đức Cơ; TBA trung gian F31- xã Ia Krai; TBA trung gian F37-

C
C

Thị trấn Ia Kha; nhà máy thủy điện nhỏ Chư Prông và nhà máy thủy điện nhỏ Ia Grai
3, qua 08 xuất tuyến 471, 371/110kV Diên Hồng; 471, 473, 475/110kV Biển Hồ;
473/110kV Đức Cơ; 471/F31 TBA trung gian 35/22kV; 471/F37 TBA trung gian

R
L

T

35/22. Công suất cực đại Pmax là 22MW, cực tiểu Pmin là 10MW. Điện thương phẩm

U
D

65,2 triệu KWh.
Quy mô quản lý vận hành: 02 TBA trung gian; 477 Km (ngành điện 327 Km,
khách hàng 150 Km) đường dây trung áp (cấp điện áp 35kV và 22kV); 435 Km
(ngành điện 112 bộ/4,3 MVAr, khách hàng 119 bộ/7,4 MVAr) và 29.000 khách hàng
sử dụng điện. “ Nguồn: tài liệu quản lý Điện lực Ia Grai 2018 ” [7]
Lưới điện huyện Ia Grai có khối lượng quản lý lớn, nhiều nguồn điện cung cấp,
một số xuất tuyến được kép vòng kết cấu lưới phức tạp, một số đoạn đường dây trung
áp dài đi băng rừng tự nhiên và cao su, điều nên gặp khó khăn trong vận hành.
Thành phần sản lượng điện phân bố không đều: ánh sáng sinh hoạt chiếm 55%,
phụ tải nông nghiệp- lâm nghiệp chiếm 21%, còn lại các thành phần phụ tải khác. Mức
tiêu thụ điện trên cho khách hàng thấp, chênh lệch công suất cực đại 22MW và công
suất cực tiểu 10MW là 2,2 lần nên dẫn đến quá tải cục bộ.


8

Stt

Điện thương phẩm

1

Nông, Lâm nghiệp, Thủy sản

2

Năm 2018
Sản lượng

Tỷ trọng

(kWh)

%

13.778.987

21,1

Công nghiệp, Xây dựng

8.910.719

13,7

3

Thương nghiệp, khách sạn, nhà hàng

5.049.284

7,7

4

Quản lý, tiêu dùng

35.851.091

55,0

5

Hoạt động khác

1.629.819

2,5

65.219.900

100

Tổng cộng

Bảng 1.1: Thành phần điện thương phẩm huyện Ia Grai 2018

C
C

R
L

T

U
D

Hình 1.2: Tỷ lệ điện thương phẩm huyện Ia Grai 2018
1.4. Đặc điểm XT 471/110 Diên Hồng
Sản lượng điện có ý nghĩa quan trọng trong cơng tác quản lý lưới điện và kinh
doanh điện năng: chọn phương thức vận hành lưới điện hợp lý theo mùa. Đặc biệt mùa
khô và mùa mưa ở Tây Nguyên; thiết kế lưới điện trong việc chọn thiết bị theo điều
kiện phát nóng, cơ sở tính tổn thất điện áp, cơng suất và điện năng. Đối với công tác
điều độ lưới điện và vận hành nhà máy điện sẽ quyết định việc huy động nguồn nhằm
đảm bảo đủ công suất phủ đỉnh, dự phịng nóng, vận hành kinh tế.
Sơ lược XT 471/110 DH là tuyến đường dây trung áp 22kV trục chính, phạm vi
cấp điện rộng gồm 01 thị trấn và 06/13 xã của huyện Ia Grai cấp điện 50% khách


9

hàng. Với chiều dài 30Km, tuyến đi dọc tỉnh lộ 664 (từ Pleiku đến Ia Grai). Đặc biệt
cấp điện cho khu hành chính huyện và giá bán điện bình qn cao so các xuất tuyến
khác.

C
C

R
L

Hình 1.3: Biểu đồ sản lượng điện các tháng năm 2018
XT 471/110 DH

T

Vào mùa khô do bơm tưới cho cây cà phê nên tháng 01, 02, 03, 11, 12 sản
lượng điện tăng cao, cao nhất vào tháng 02 là 3.880.860 kWh. Ngược lại mùa mưa phụ
tải chủ yếu dùng ánh sáng sinh hoạt từ tháng 04, 05, 06, 07, 08, 09, 10 sản lượng điện
giảm thấp, thấp nhất tháng 09 là 1.673.101 kWh.
Do vậy, khi có chuyển mùa mưa sang mùa khơ thì sản lượng điện tăng đột ngột
từ 1.673.101 kWh (tháng 9) đến 3.721.305 kWh (tháng 12) là gần 2,2 lần.

U
D

1.5. Kết luận chương 1
Huyện Ia Grai, tỉnh Gia Lai là một huyện nghèo, kinh tế trên địa bàn là nông,
lâm nghiệp, chủ yếu trồng và phát triển cây cà phê. Khí hậu 02 mùa rõ rệt mùa khô và
mùa mưa. Do vậy, phụ tải giữa 02 mùa có chênh lệch lớn.
Lưới điện nhiều nguồn cung cấp và mạch vòng phức tạp, đường dây điện đi
băng qua rừng tự nhiên, cao su, phụ tải điện rãi rác nên gặp khó khăn trong cơng tác
quản lý vận hành. Đối với XT 471/110DH là một xuất tuyến chính, quan trọng cấp
điện cho khu hành chính huyện, khách hàng nhiều, phụ tải lớn, giá bán điện cao.

10

CHƯƠNG 2: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP
DỰ BÁO SẢN LƯỢNG ĐIỆN
2.1.Tổng quan về công tác dự báo
Dự báo là một khoa học quan trọng, mục đích cơng tác dự báo để nghiên cứu
những phương pháp luận khoa học, làm cơ sở cho việc đề xuất một số cách dự báo cụ
thể và đánh giá mức độ chính xác của các phương pháp dự báo. Để tìm một mơ hình
tốn thích hợp mơ tả: sự quan hệ, sự phụ thuộc giữa các đại lượng cần dự báo vào các
yếu tố khác hoặc chính bản thân nó thì chúng ta cần xác định các tham số chính là
cơng việc của cơng tác dự báo. Về mặt lý luận tính chất của mơ hình dự đốn được
nghiên cứu trên cơ sở giả định rằng nó được ứng dụng để dự đốn một q trình nào
đó sinh ra bằng một mơ hình giải tích.
Hiện nay, có nhiều phương pháp luận dự báo mà hầu hết các phương pháp đều
mang tính chất kinh nghiệm từ số liệu ở quá khứ để dự báo cho kết quả hiện tại và
tương lai cho nên kết quả dự báo chính xác khơng cao và sai lệch. Do đó cần phải hồn
thiện về mặt lý thuyết các vấn đề dự báo để có cơ sở đánh giá mức độ chính xác,
khoảng thời gian cho dự báo.
Sự liên kết giữa dự báo và công tác lập kế hoạch sản xuất có mối quan hệ chặt
chẽ với nhau nhằm giải quyết một số: định hướng phát triển, đưa ra giải pháp phù hợp
đúng thời điểm. Riêng đối với ngành điện càng có ý nghĩa quan trọng trong việc đáp
ứng nhu cầu cung cấp điện. Do đó nếu dự báo khơng chính xác hoặc sai lệch nhiều thì
dẫn đến những tình trạng tính dự phịng thừa/thiếu gây lãng phí và thiếu hụt, không
đáp ứng tốt cho nhu cầu thực tế phát triển. 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 và trung hạn, sai số cho
phép khoảng 5  10%. Đối với dự báo dài hạn sai số cho phép khoảng 10  20%. Còn
đối với dự báo tức thời (dự báo điều độ), sai số cho phép từ 3  5% [5]. Có hai phương

pháp dự báo chính:
* 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 q khứ. Mơ hình tốn học:

C
C

R
L

T

U
D



Y (t ) = f (a0 , a1 , a 2 ,...a n , Y (t − 1),Y (t − 2),...., Y (t − n)) =
= a0 + a1Y (t − 1) + a 2Y (t − 2) + a3Y (t − 3)....a nY (t − n)

(2.1)

Trong đó:


Y (t )

: giá trị đại lượng cần dự báo tại thời điểm t.

Y (t - 1), Y (t - 2),…,Y ( t - n)

: giá trị của đại lượng trong q khứ.

a1, a2,…,an

: thơng số mơ hình dự báo cần tìm. [8]


11

* 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. Mơ hình tốn học:


Y = f (a1 , a 2 ,..., a n , A0 , A1 , A2 ,.., An ) = A0 + a1 A1 + a 2 A2 + a3 A3 + ... + a n An

(2.2)

Trong đó:


: giá trị cần dự báo.

Y

A1 , A2,…,An : giá trị của các đại lượng liên quan.
a1, a2,…,an : thơng số mơ hình dự báo cần tìm.
Việc xác định giá trị của các thơng số mơ hình dự báo cho cả hai phương pháp
phần lớn đều dựa trên nguyên tắc bình phương cực tiểu:
n

 (Y
i =1

n

[Y
i =1

i

i



− Y i ) 2  min

(2.3)

C
C

− f (a0 , a1 , a2 ,...an , Y (t − 1),Y (t − 2),...., Y (t − n))]2  min
n

[Y
i =1

i

− f (a1 , a2 ,..., an , A0 , A1 , A2 ,.., An )]  min
2

R
L

(2.4)
(2.5)

Yi : giá trị thực của đại lượng cần dự báo.
Tức là lấy đạo hàm của biểu thức trên theo thông số của mơ hình dự báo.

T

i

− f (a0 , a1 , a 2 ,...a n , Y (t − 1), Y (t − 2),...., Y (t − n))]

f
=0
da0

[Y

i

− f (a0 , a1 , a 2 ,...a n , Y (t − 1),Y (t − 2),...., Y (t − n))]

f
=0

da1

[Y

− f (a0 , a1 , a 2 ,...a n , Y (t − 1), Y (t − 2),...., Y (t − n))]

f
=0
dan

n

[Y
i =1
n

i =1
n

i =1

i

U
D

(2.6)

Giải hệ phương trình trên ta tìm được các giá trị của thơng số mơ hình. [8]
2.2. Các loại dự báo trong hệ thống điện

Để thiết lập một mơ hình dự báo, cần thiết phải xác định các nhu cầu mà chúng
ta muốn. Hiện nay, có hai loại dự báo điện được phân biệt trong vận hành lưới điện và
lập quy hoạch các hệ thống điện. Sự phân biệt này căn cứ vào thời gian dự báo:
*Trong quy hoạch các hệ thống điện
Dự báo dài hạn: phạm vi dự báo bao gồm một giai đoạn từ 1 đến 10 năm.
Khoảng thời gian này cần cho quy hoạch, xây dựng các nhà máy, các đường dây
truyền tải và phân phối điện.
Dự báo trung hạn: phạm vi dự báo trung hạn là một giai đoạn giữa 1 tháng và 1
năm. Loại dự báo này thường được dùng để xác định thiết bị và lưới điện sẽ lắp đặt
hoặc thiết lập các hợp đồng trong thị trường điện.


12

* Trong vận hành hệ thống điện, dự báo phụ tải chủ yếu lập cho khoảng thời
gian vài phút đến nhiều giờ. Có 2 loại dự báo phụ tải chính trong vận hành hệ thống
điện là: dự báo phụ tải rất ngắn hạn và ngắn hạn.
Dự báo phụ tải rất ngắn hạn được lập cho vài phút sắp tới và được dùng cho
điều khiển nguồn phát tự động (AGC – Automatic Generation Control).
Dự báo phụ tải ngắn hạn được lập cho 1 giờ đến nhiều giờ. Kết quả dự báo phụ
tải ngắn hạn chủ yếu dùng cho các mục đính thiết lập biểu đồ phát điện. Trong thời
gian này, công ty Điện phải biết kế hoạch kinh doanh điện, kế hoạch bảo dưỡng hoặc
kế hoạch điều khiển phụ tải để tối thiểu hóa chi phí.
2.3. Các yếu tố ảnh hưởng đến sản lượng điện
* Các yếu tố kinh tế: điều kiện kinh tế trong một khu vực gồm: các vấn đề như
loại khách hàng, các điều kiện nhân khẩu học, các hoạt động công nghiệp và dân số.
Ảnh hưởng đến biểu đồ sử dụng điện.
* Các yếu tố thời gian: bao gồm thời gian của năm, các ngày trong tuần và các
giờ trong ngày, các thứ trong ngày làm việc và ngày thứ 7, chủ nhật cuối tuần.
* Các điều kiện thời tiết: trong thực tế, các tham số thời tiết được dự báo nhiệt

độ, độ ẩm, số giờ nắng, lượng mưa là các yếu tố quan trọng trong các dự báo.
* Các nhiễu ngẫu nhiên: các khách hàng công nghiệp lớn, như cán thép, xi
măng có thể gây ra các thay đổi phụ tải đột ngột. Ngoài ra, các hiện tượng và điều kiện
nào đó có thể gây ra các thay đổi phụ tải đột ngột như cắt điện do tiết giảm hoặc sự
ngừng hoạt động của các khu cơng nghiệp do đình cơng, do khủng hoảng kinh tế.
* Các yếu tố về giá: giá điện giờ cao điểm, thấp điểm và giờ bình thường, điều
chỉnh giá điện cũng có thể có một quan hệ phức tạp với tải của hệ thống.
* Các yếu tố khác: theo khu vực nông thôn, thành thị; sinh hoạt và khách hàng
kinh doanh dịch vụ, công nghiệp.

C
C

R
L

T

U
D

2.4. Các phương pháp dự báo
2.4.1. Phương pháp tính hệ số trượt
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 trưng bởi hệ số K và hệ số K phụ thuộc vào
nhịp độ phát triển năng lượng điện và nhịp độ phát triển của toàn bộ nền kinh tế quốc
dân. Ngoài ra phương pháp này còn chịu ảnh hưởng của nhiều yếu tố khác nữa 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.


13

Việc xác định giá trị K khó có thể đảm bảo chính xác, vì thế hiện nay phương
pháp này hầu như khơng được sử dụng. [5]
2.4.2. 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 ở năm đó và suất tiêu hao điện năng đối
với từng loại sản phẩm. Đối với những trường hợp khơng có suất tiêu hao điện năng
thì xác định nhu cầu điện năng cho từng trường hợp cụ thể: cơng suất điện trung bình
cho một hộ gia đình, bệnh viện, trường học…Các bước tính như sau:
* Bước 1: Chia các phụ tải điện thành các nhóm phụ tải có tính chất hoạt động
và nhu cầu tiêu thụ ĐN được xem là gần giống nhau: công nghiệp, nông nghiệp, giao
thông vận tải, sinh hoạt...
* Bước 2: Xác định nhu cầu điện năng cần thiết cho năm thứ t được tính theo
cơng thức:
At = ACNt + ANNt + AGTt + ASHt + ATD + At
(2.7)
Các nhóm PT này lại có thể chia thành các nhóm nhỏ hơn:
+ Điện năng cho cơng nghiệp:
ACNt =
Ɣit Bit
(2.8)

C
C

R
L

T

Trong đó:
N : số loại đơn vị sản phẩm công nghiệp.
Bit : khối lượng sản phẩm loại i năm t.
Ɣit : suất tiêu hao điện năng cho 1 đơn vị sản phẩm loại i năm t.
+ Điện năng cho nông nghiệp bao gồm: Điện năng phục vụ cho trồng
trọt, chăn nuôi, tưới tiêu và sinh hoạt.
+ Điện năng cho trồng trọt và chăn nuôi có thể xác định theo suất tiêu
hao điện năng.
+ Điện năng cho tưới tiêu có thể tính theo kế hoạch xây dựng các trạm
bơm.
+ Điện năng cho sinh hoạt ở nơng thơn tính theo mức sử dụng bình qn
của các hộ nông dân.
+ Điện năng cho giao thông: đường bộ, đường sắt, đường thuỷ và hàng
không. Phụ thuộc vào mức độ điện khí hố đường sắt, chiếu sáng đường bộ và
các cảng (hàng khơng, biển).
Phương pháp này có ưu điểm là tính tốn đơn giản, 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 phụ thuộc: sự chính xác của tổng sản lượng các ngành kinh tế quốc
dân trong tương lai dự báo, suất tiêu hao điện năng của một đơn vị sản phẩm sản xuất
ra của các ngành kinh tế. Do đó, phương pháp này thường được áp dụng để dự báo nhu
cầu điện năng cho thời gian ngắn và trung bình. [8]

U
D

14

2.4.3. Phương pháp so sánh đối chiếu
Là so sánh đối chiếu nhu cầu phát triển điện năng của các nước có hồn cảnh
tương tự. Đây là phương pháp được nhiều nước áp dụng để dự báo nhu cầu năng lượng
của nước mình. Tuy nhiên, việc áp dụng phương pháp này khơng phải lúc nào cũng
thực hiện được, vì chỉ có các nước giống nhau nhiều mặt: địa lý, dân số, cơ cấu kinh
tế…thì mới có thể ứng dụng phương pháp này mới hiệu quả. [5]
2.4.4. 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 kỹ thuật. 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. Nên phương pháp
này cũng chỉ mang tính chủ quan, nên độ chính xác và độ tin cậy khơng cao.[5]

C
C

2.4.5. 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), các hệ số được xác định theo phương pháp bình phương tối thiểu. Phương pháp
này cho ta các hệ số khơng đổi của mơ hình dự báo trên cơ sở những số liệu quan sát
trong quá khứ. Khi dùng mơ hình này để tính dự báo cho tương lai với các hệ số hằng
sẽ có sai số tuỳ thuộc vào khoảng thời gian dự báo, nếu tầm dự báo càng xa thì sai số
càng lớn. Ngồi ra, những số liệu gần hiện tại có ảnh hưởng đến giá trị dự báo nhiều
hơn những số liệu ở quá khứ xa vì các số liệu đối với giá trị dự báo giảm theo hàm mũ
khi lùi về quá khứ. Phương pháp dựa trên nguyên tắc hiệu chỉnh các hệ số của toán tử
dự báo theo phương pháp truy ứng. [8]
Giả thiết có một chuỗi thời gian yt (t = 1, 2,…,n) và được mô tả bằng một đa

thức bậc p.

R
L

T

U
D

yt = a0 + a1t +

ap p
a2 2
t +…+
t + t =
2!
p!

p


i =0

ai i
t + t
i!

(2.9)

Trong đó:
ai, i = 0, 1,…,p : hệ số của hàm dự báo.
t : 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.
yt+l = yt

(0)

+ l yt

(1)

l 2 (2)
l p (p)
y
+
+ … + yt
t
2!
p!

(2.10)


15

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 (2.6) đều có thể biểu diễn 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)=   (1 − )i y t-i

(2.11)

i =0

Trong đó:
 là hệ số san bằng 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 tới
không, nghĩa 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]
St[k] (y)= 

n

 (1 − )i S[kt-1-1] (y)

C
C

i=0

(2.12)

Brown.R.G đã phân tích cơng thức truy ứng để xác định trung bình mũ như sau:

St[k] (y)=  St[k-1] (y) +(1-) St-1[k] (y)

R
L

(2.13)

T

2.4.6. 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 đốn
trong tương lai. Giả sử mơ hình có dạng hàm mũ như sau:
At = A0 (1 + )t
(2.14)
Trong đó:
At : Điện năng dự báo ở năm thứ t.
A0 : Điện năng ở năm chọn làm gốc.
 : tốc độ phát triển bình quân hàng năm.
t : Thời gian dự báo.
Để xác định thừa số (1+) chúng ta dựa vào biểu thức

U
D

A(t +1)
At

= 1 +  = const = C

(2.15)

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

C .C .....C

1 2
n
C=
Một cách tổng qt mơ hình dự báo điện năng có thể viết như sau:
At = A0 Ct

(2.16)
(2.17)