class="bi x0 y0 w1 h1"
TP. HỒ CHÍ MINH, tháng 4 năm 2012
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHỆ TP. HCM

PHÙNG SỸ TIẾN
ỨNG DỤNG CÔNG CỤ WAVELET ĐỂ DỰ BÁO
PHỤ TẢI ĐIỆN TẠI HUYỆN ĐÔNG ANH-HÀ NỘI
LUẬN VĂN THẠC SĨ
Chuyên ngành : Thiết bị, mạng & nhà máy điện
Mã số ngành: 60 52 50
HƯỚNG DẪN KHOA HỌC: PGS.TS PHAN THỊ THANH BÌNH
TP. HỒ CHÍ MINH, tháng 4 năm 2012
class="bi x1 y1 w2 h2"
CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHỆ TP. HCM
Cán bộ hướng dẫn khoa học : PGS.TS. PHAN THỊ THANH BÌNH
(Ghi rõ họ, tên, học hàm, học vị và chữ ký)
Luận văn Thạc sĩ được bảo vệ tại Trường Đại học Kỹ thuật Công nghệ
TP. HCM ngày 22 tháng 04 năm 2012
Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm:
(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ Luận văn Thạc sĩ)
1. ……………………………………………………………
2. ……………………………………………………………
3. ……………………………………………………………
4. ……………………………………………………………
5. ……………………………………………………………
Xác nhận của Chủ tịch Hội đồng đánh giá Luận sau khi Luận văn đã được
sửa chữa (nếu có).
Chủ tịch Hội đồng đánh giá LV
class="bi x1 y1 w2 h2"

àn
h:
Thiết bị, mạng &
nhà máy điện
MSHV:
1081031052
I- TÊN ĐỀ TÀI:
“ỨNG DỤNG CÔNG CỤ WAVELET
ĐỂ DỰ BÁO PHỤ TẢI ĐIỆN TẠI
HUYỆN ĐÔNG ANH-HÀ NỘI”
II- NHIỆM VỤ VÀ NỘI DUNG:
- Cơ sở khoa học lý thuyết và thực
nghiệm của công tác dự báo phụ
tải
điện.
- Nghiên cứu và áp dụng phương
pháp dự báo Box-Jenkins.
- Kết hợp phân tích Wavelet với
phương pháp dự báo Box-jenkins
nhằm đạt được mô hình d
- Ứng dụng dự báo phụ tải điện tại
huyện Đông anh – Hà nội.
III- NGÀY GIAO NHIỆM VỤ: Ngày 15
tháng 09 năm 2011
IV- NGÀY HOÀN THÀNH NHIỆM VỤ:
Ngày 15 tháng 03 năm 2012
V- CÁN BỘ HƯỚNG DẪN:
PGS.TS.PHAN THỊ THANH BÌNH
CÁN BỘ
HƯỚNG

tôi trong quá trình thực hiện luận văn này.
Cảm ơn tất cả những người bạn trong lớp đã kề vai sát cánh cùng tôi chia
sẻ và hoàn thiện trong khóa học này.
Cuối cùng vì trình độ kiến thức có hạn, thời gian đầu tư cho việc lấy số
liệu luận văn và hoàn thiện luận văn còn hạn chế. Do đó luận văn sẽ có sai sót,
kính mong các thầy cô, các bạn trong lớp đóng góp để luận văn hoàn thiện.
Xin trân thành cảm ơn
Học viên thực hiện Luận văn
Phùng Sỹ Tiến
TÓM TẮT
1. GIỚI THIỆU ĐỀ TÀI:
Việc dự báo phụ tải điện đóng vai trò rất quan trọng trong việc đảm bảo
chế độ làm việc an toàn đạt hiệu quả và tiết kiệm của hệ thống điện. Mặt khác
nó là cơ sở để tiến hành hoạch định chiến lược phát triển hệ thống điện trong
tương lai. Do đó tính chính xác của dự báo cần phải đặc biệt chú trọng. Huyện
Đông anh thành phố Hà nội là nơi có tốc độ phát triển nhanh về kinh tế xã hội,
song song với sự phát triển đó thì nhu cầu sử dụng điện năng ngày càng cấp
thiết đặc biệt với sự xuất hiện của nhiều khu công nghiệp, nhà máy, xí nghiệp.
Trong thời gian vừa qua thì sự thiếu hụt, biến động điện năng ngày càng phổ
biến. Sự biến động phụ thuộc vào từng thời điểm trong ngày dẫn tới quá trình
sử dụng điện năng của khách hàng bị ảnh hưởng nặng nề. Do đó dự báo phụ tải
điện tại đây càng trở lên cần thiết hơn bao giờ hết để hoạch định, vận hành lưới
điện một cách hiệu quả.
Vận dụng cách giải quyết theo kinh nghiệm mang tính cổ điển vào bài
toán dự báo phụ tải điện là thiếu chính xác, cách làm ấy chỉ hoàn toàn dựa trên
những kinh nghiệm của quá khứ mà các kinh nghiệm ấy không phải lúc nào
cũng đúng khi vận dụng vào hoàn cảnh thay đổi liên tục trong tương lai. Để
khắc phục những nhược điểm trên, người viết đưa ra phương pháp phân tích
biến đổi Wavelet. Mô hình dự báo áp dụng phân tích biến đổi Wavelet dùng
cho dự báo ngắn hạn cho ta kết quả dự báo khá chính xác, có tính ứng dụng

yêu cầu nếu không thỏa thì lập lại quá trình cho đến khi tìm được mô hình thích
hợp.
Bước 4: Dự báo: Dự báo giới hạn trong một vài chu kỳ (ngắn hạn) vì biên độ
sai số tăng nhanh theo thời gian dự báo.
-Khi dự báo ta tính giá trị dự báo cho một thời đoạn sắp tới.
-Sử dụng giá trị dự báo để tính cho giá trị dự báo thời đoạn tiếp theo.
-Cứ tiếp tục như vậy cho đến khi hết thời đoạn xác định.
2.3 CÁC BƯỚC CỦA PHÂN TÍCH WAVELET KẾT HỢP
PHƯƠNG PHÁP DỰ BÁO BOX-JENKINS.
Bước 1: Phân tích và tái cấu trúc tín hiệu qua Wavelet transform:
-Tách tín hiệu thành các chuỗi xấp xỉ và chi tiết (chọn họ Wavelet phù hợp thì
dự báo mới chính xác).
Bước 2: Tiến hành dự báo cho từng chuỗi: Thực hiện các bước theo phương
pháp dự báo Box-Jenkins
Bước 3: Tái cấu trúc kết quả dự báo bằng biến đổi Wavelet ngược cho ra kết
quả dự báo.
-Tổng hợp chuỗi dự báo xấp xỉ và chi tiết ra kết quả cần dự báo.
2.4 KẾT QUẢ DỰ BÁO BẰNG PHƯƠNG PHÁP BOX-JENKINS:
Nhập chuỗi dữ liệu 10 ngày để dự báo từ giờ 217 đến giờ 240 (24 giờ). Đồ thị
chuỗi phụ tải cần dự báo (chuỗi thực tế) :
Phụ tải có tính mùa, ta loại bỏ tính chất mùa vì nằm trong dự báo có tính
trung hạn và dài hạn. Phụ tải có tính lặp lại sau 24h, ta đưa chuỗi về chuỗi
dừng. Phân tích hàm tương quan đơn ACF và hàm tự tương quan riêng PACF,
ta thấy hàm tương quan đơn ACF giảm đều còn hàm tự tương quan riêng PACF
giảm đột ngột sau độ trễ p=1. Ta chọn mô hình AR(1,0).
Ví dụ ứng với hệ số AR = 0.8473; C=0.0021 ta dẫn tới mô hình tự hồi
quy là yt = µ + ϕ1 yt −1 = 0.0021 + 0.8473 yt −1
Kết quả sai số trung bình Mape :
tb = 6.3468%
Đồ thị chuỗi dự báo và chuỗi thực tế

ψ
n
nm
(t ); m = 1, , M
Ta tiến hành phân tích từng chuỗi như đã xây dựng mô hình ARIMA
cho chuỗi dữ liệu đầu vào. Xây dựng mô hình xấp xỉ và dự báo cho riêng từng
chuỗi.
Sau khi đã phân tích từng chuỗi, ta tổng hợp lại thành chuỗi dự báo pn’:
pn’=D1’ +D2’ +D3’ +A3’
Kết quả sai số trung bình Mape :
tb = 2.1997%
Đồ thị chuỗi dự báo và chuỗi thực tế
550
500
450
400
350
300
250
200
150
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net
100
0
50 100 150 200 250
ABSTRACT
1. INTRODUCE ABOUT SUBJECT:
The electricity load forecasting plays an important role in ensuringsafe working
regime to be effective and economical power system. On the other hand it is
the basis to conduct strategic planning to develop future power system.

seasonal factors.
2.2 STEP FORECASTING METHOD OF BOX-JENKINS.
Step 1: Model Format (Find the value of p, d, q): This is the most important
step to get to know them all ARMA models and makeappropriate model and
optimal.
-Give the format string stops (step d Determination of trend, cycledetermined,
taking first difference to eliminate the trend factor and cycle) -Determination of
p, q of the model due to the correlation chart(chart analysis in the simplest
case)
Step 2: Estimate the coefficients of the model:
-Model AR (p) apply the minimum square method or use the relationship
between self-correlation and the coefficients of the model.
-Model MA (q) iteration method applied in the form of scanning.
Step 3: Check the value model: Need to select the most appropriate model
with the available data, if not choose theappropriate model to go back to step
one.
Coefficient of the model must be different from 0, if not satisfied,
then removed from the ARMA model.
-Inspection of the rest of the remainder, if the remainder is a white noise is
satisfactory if not satisfied then repeat the process until you
find the appropriate model.
Step 4: Forecast: Forecast limited to a few cycles (short term)because of
increasing amplitude error of prediction time.
-When we calculate the predicted value predicted for anupcoming time period.
-Using the predicted values to calculate the value of the nextforecast.
-Continue until such time period specified.
2.3 STEPS OF COMBINATION WAVELET ANALYSIS
PREDICTION METHOD BOX-JENKINS.
Step 1: Analyze and reconstruct the signal by Wavelet transform:
-Split signal into approximation and detail sequences (Waveletthey choose to

150
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net
100
0
50 100 150 200 250
2.5 RESULTS FORECAST COMBINATION WITH WAVELET
TRANSFORM BOX-JENKINS METHODOLOGY:
Using wavelet analysis of type 3 with a db5-wave pattern. Pnsequence
data will then be broken down into four series: pn = D1 +D2 +D3 +A3
Sequence D1, D2, D3 is more string, the string is a sequence of
approximately A3, the chain is built as follows:
φ
n
We analyzed each series as ARIMA modeling input data string.Model
building and forecasting for approximate string individually.
After analysis of each sequence, we synthesized the predictedsequence pn ':
pn’=D1’ +D2’ +D3’ +A3’
The average error results Mape:
tb = 2.1997%
Graphs chain forecasting and actual strings
550
500
450
400
350
300
250
200
150
chuoi du bao v-duong dut net; chuoi thuc te u-duong lien net

Huyện Đông anh thành phố Hà nội là nơi có tốc độ phát triển nhanh về kinh tế xã hội, song song với
sự phát triển đó thì nhu cầu sử dụng điện năng ngày càng cấp thiết đặc biệt với sự xuất hiện của nhiều
khu công nghiệp, nhà máy, xí nghiệp. Trong thời gian vừa qua thì sự thiếu hụt, biến động điện năng
ngày càng phổ biến. Sự biến động phụ thuộc vào từng thời điểm trong ngày dẫn tới quá trình sử dụng
điện năng của khách hàng bị ảnh hưởng nặng nề. Do đó dự báo phụ tải điện tại đây càng trở lên cần
thiết hơn bao giờ hết để hoạch định, vận hành lưới điện một cách hiệu quả.
ABSTRACT
The electricity load forecasting plays an important role in ensuringsafe working regime to be
effective and economical power system. On the other hand it is the basis to conduct strategic
planning to develop future power system. Thus the accuracy of the forecasts need special attention.
Dong Anh District of Hanoi city where there is rapid growth of economic and social,
Parallel with that development, the demand for power users more pressing particularly with the
emergence of many industrial parks, factories and enterprises. During the recent shortages, power
fluctuations become increasingly popular. The variation depends on the time of the dayled
to the use of power customers were affected.Thereforeelectricity load forecasts in this increasingly
more necessary than ever to plan, operate an efficient grid.
1. GIỚI THIỆU
Vận dụng cách giải quyết theo kinh nghiệm
mang tính cổ điển vào bài toán dự báo phụ tải
điện là thiếu chính xác, cách làm ấy chỉ hoàn
toàn dựa trên những kinh nghiệm của quá khứ
mà các kinh nghiệm ấy không phải lúc nào
cũng đúng khi vận dụng vào hoàn cảnh thay
đổi liên ục trong tương lai. Để khắc phục
những nhược điểm trên, người viết đưa ra
phương pháp phân tích biến đổi Wavelet. Mô
hình dự báo áp dụng phân tích biến đổi
Wavelet dùng cho dự báo ngắn hạn cho ta kết
quả dự báo khá chính xác, có tính ứng dụng
thực tiễn cao, đáp ứng được nhu cầu phát

hợp đơn giản)
Bước 2: Ước lượng các hệ số của mô hình:
-Mô hình AR(p) áp ụng phương p háp bình
phương cực tiểu hoặc dù ng quan hệ giữa tính
tự tương quan và các hệ số của mô hình.
-Mô hình MA(q) ápụng phương pháp lặp
dưới dạng quét.
Bước 3: Kiểm tra giá trị mô hình: Cần chọn
ra mô hình phù hợp nhất với các số liệu hiện
có, nếu không chọn được mô hình thích hợp
phải quay lại bước một.
-Hệ số của mô hình phải khác 0, nếu không
thỏa mãn thì loại ra khỏi mô hình ARMA.
-Kiểm định tính dừng của các phần dư, nếu
phần dư là một nhiễu trắng thì đạt yêu cầu nếu
không thỏa thì lập lại quá trình cho đến khi tìm
được mô hình thích hợp.
Bước 4: Dự báo: Dự báo giới hạn trong một
vài chu kỳ (ngắn hạn) vì biên độ sai số tăng
nhanh theo thời gian dự báo.
-Khi dự báo ta tính giá trị dự báo cho một thời
đoạn sắp tới.
-Sử dụng giá trị dự báo để tính cho giá trị dự
báo thời đoạn tiếp theo.
t
d
d
-Cứ tiếp tục như vậy cho đến khi hết thời đoạn
xác định.
2.3 CÁC BƯỚC CỦA PHÂN TÍCH

hành dự báo
cho từng chuỗi:
Thực hiện các
bước theo
phương pháp dự
báo
Box-Jenkins
y
t
= ∝ + ϕ
1
y
t −1
= 0.0021 +
0.8473 y
t −1
Kết quả sai số trung bình
Mape :
tb = 6.3468%
Đồ thị chuỗi dự báo và chuỗi
thực tế
Bước 3: Tái cấu
trúc kết quả dự
báo bằng
biến đổi Wavelet
ngược cho ra kết
quả dự
báo.
-Tổng hợp chuỗi
dự báo xấp xỉ và

báo
(chuỗi thực tế) :
3.2 KẾT QUẢ DỰ BÁO BẰNG
BIẾN ĐỔI
WAVELET KẾT HỢP
PHƯƠNG PHÁP
BOX-JENKINS :
Sử dụng phân tích Wavelet bậc 3
với sóng mẫu
là db5. Chuỗi dữ liệu p n lúc này
sẽ đươc phân
tích thành 4 chuỗi : pn = D 1 +D 2
+D 3 +A 3
Chuỗi D 1, D 2, D 3 là chuỗi chi
tiết, chuỗi A 3 là
chuỗi xấp xỉ, các chuỗi được xây
dựng như
sau:
A
∑
p

mn
ϕ
mn
(t ); m = 1, , M
; D
n

=

phương pháp dự báo tương quan sẽ cho kết
quả chính xác hơn.
4.2 HƯỚNG PHÁT TRIỂN
điện không sát với
550
500
450
400
350
chuoi du bao v-duong dut net; chuoi thuc te u-
duong lien net
thực tế, một số ngày t
300
250
200
lớn. Đ
ta cần khắc phục
nhược điểm này.
ơn
0 50 100 150 200 250
Ứng dụng mô hình dự báo
phụ tải ngày vào dự
báo giá điện trong tương lai
khi điện năng trở
4. KẾT LUẬN
VÀ HƯỚNG
PHÁT
TRIỂN
4.1 KẾT LUẬN
-

phù hợp với
chuỗi dữ liệu vì đây
là yếu tố quyết định
độ
chính xác của dự
báo.
thành hàng hoá, việc giao dịch
mua bán theo
qui luật thị tr ường, dự báo
chứng khoán, dự
báo giá vàng, dự báo thời tiết ….
Thiết kế mô hình dự báo phụ tải
điện cho hệ
thống vùng miền.
TÀI LIỆU THAM
KHẢO
-Giáo trình Matlab và Simulink
tác giả
Nguyễn Phùng Quang trường
Đại học Giao
thông Vận tải.
-Giáo trình Mô hình hóa và mô
ỏng với
Matlab/Simulink tác giả Trần
Vĩnh Thái
trường Đại học Bách khoa Hà
nội.
-Giáo trình Matlab và Simulink
trong ều
khiển tự động tác giả Lê Thành