BỘ GIÁO DỤC VÀ ðÀO TẠO
TRƯỜNG ðẠI HỌC NÔNG NGHIỆP HÀ NỘI
NGUYỄN THANH KHIẾT NGHIÊN CỨU ỨNG DỤNG MẠNG NƠRON NHÂN TẠO
DỰ BÁO PHỤ TẢI ðIỆN CHO THÀNH PHỐ HƯNG YÊN
LUẬN VĂN THẠC SĨ KỸ THUẬT
CHUYÊN NGÀNH : KỸ THUẬT ðIỆN
MÃ SỐ: 60.52.02.02
Người hướng dẫn khoa học: TS. TRẦN QUANG KHÁNH
HÀ NỘI - 2013
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
i
LỜI CAM ðOAN
Tôi xin cam ñoan ñây là công trình nghiên cứu của riêng tôi. Các số liệu và kết
quả nghiên cứu nêu trong luận văn này là trung thực và chưa từng ñược công bố trong
bất kỳ một bản luận văn nào khác.
Tôi xin cam ñoan rằng, mọi sự giúp ñỡ cho việc thực hiện luận văn này ñã ñược
cảm ơn và các thông tin trích dẫn trong luận văn ñều ñã ñược chỉ rõ nguồn gốc.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
iii
MỤC LỤC
Lời cam ñoan……………………………………………………………………………i
Lời cảm ơn…………………………………………………………………………… ii
Mục lục……………………………………………………………………………… iii
Danh mục bảng……………………………………………………………………… v
Danh mục hình……………………………………………………………………… vi
Danh mục viết tắt………………………………………………………………… …vii
CHƯƠNG 1: TỔNG QUAN VỀ PHỤ TẢI 3
1.1. Giới thiệu chung 3
1.2. Các loại dự báo phụ tải 11
1.2.1. Trong quy hoạch các hệ thống ñiện 11
1.2.1.1. Dự báo dài hạn 11
1.2.1.2. Dự báo trung hạn 11
1.2.2. Trong vận hành hệ thống ñiện 11
1.3. Các yếu tố ảnh hưởng ñến phụ tải và phụ tải ngắn hạn nói riêng 11
1.4. Tìm hiểu các phương pháp dự báo phụ tải 13
1.4.1. Phương pháp trực tiếp 15
1.4.2. Phương pháp chuyên gia 16
1.4.3. Phương pháp ngoại suy ñể dự báo ñiện năng 18
1.4.4. Phương pháp san bằng hàm mũ 22
1.4.5. Phương pháp ñàn hồi kinh tế 22
1.4.6. Phương pháp cường ñộ 24
1.4.7. Dự báo bằng mô hình hồi quy tương quan 24
1.4.8. Dự báo bằng phương pháp MEDEE-S (mô hình ñánh giá nhu cầu năng
lượng các nước ñang phát triển) 25
3.1 Khái niệm cơ bản về mạng nơron nhiều lớp lan truyền ngược sai số 60
3.1.1 Kiến trúc mạng truyền thẳng 60
3.1.2 Huấn luyện mạng 62
3.1.3 Sử dụng mạng 61
3.1.4 Nghiên cứu sự hội tụ và ñộ phức tạp của quá trình huấn luyện mạng 61
3.2 Ứng dụng mạng nơron lan truyền ngược sai số vào bài toán dự báo phụ
tải hệ thống ñiện
62
3.2.1 Các bước xây dựng bài toán dự báo ứng dụng mạng nơron 62
3.2.2 Xây dựng cấu trúc mạng 64
3.2.3 Xây dựng cấu trúc phần mềm mô phỏng mạng nơron (Cụ thể là ứng dụng
phần mềm Matlab) 65
3.2.4 Dự báo phụ tải 68
3.2.4.1 Xử lý số liệu 68
3.2.4.2 Dữ liệu và kết quả huấn luyện 69
3.2.5 ðánh giá kết quả sau khi chạy chương trình 97
CHƯƠNG 4: NHẬN XÉT KẾT QUẢ ðà CÓ VÀ ðÁNH GIÁ 99
KẾT LUẬN VÀ KIẾN NGHỊ 102
TÀI LIỆU THAM KHẢO 104
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
v
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
vi
Hình 1.6: ðồ thị phụ tải hệ thống ñiện có truyền hình trực tiếp worldcup và ngày
bình thường.
13
Hình 1.7: Xây dựng hàm dự báo 18
Hình 2.1: Mô hình mạng nơron. 29
Hình 2.2: Transformation (Transfer) Function (Hàm chuyển ñổi) 30
Hình 2.2.1: Mô hình mạng nơron. 31
Hình 2.3: ðồ thị hàm Hard-Limit. 31
Hình 2.4: ðồ thị hàm Purelin 32
Hình 2.5: ðồ thị hàm log-Sigmoid. 33
Hình 2.6: Cấu trúc 1 nơron (Neural) 33
Hình 2.7: Mạng dẫn tiến một lớp 34
Hình 2.8: Cấu trúc mạng neural nhiều lớp. 34
Hình 2.9: Một số cấu trúc mạng. 35
Hình 2.10: Cấu trúc huấn luyện 36
Hình 2.11: Mô hình học có giám sát và học củng cố 37
Hình 2.12: Mô hình học không có giám sát. 38
Hình 2.13: Sơ ñồ cấu trúc chung của quá trình học 38
Hình 2.13.1: Sơ ñồ mạng một nơron ñơn 40
Hình 2.14: ðồ thị mạng tuyến tính. 41
Hình 2.17: Mô hình mạng nơron 5 ñầu vào và một ñầu ra 50
Hình2.18: Cấu trúc mạng nơron 1 lớp 50
Hình 2.19: Ký hiệu mạng một lớp R ñầu vào và S nơron 51
Hình 2.20: Ký hiệu một lớp mạng 52
Hình 2.21: Cấu trúc mạng nơron 3 lớp 53
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
viii
Ngày nay nước ta ñã và ñang trên con ñường tiến lên xã hội chủ nghĩa với nền
kinh tế nhiều thành phần và ưu tiên cho công nghiệp hoá hiện ñại hoá trên các lĩnh vực
kinh tế. Cùng với sự phát triển kinh tế thì sự ña dạng của các loại máy móc phục vụ
cho sản xuất cũng như là dịch vụ phục vụ cho nhu cầu cuộc sống con người. Vì vậy
nhu cầu năng lượng ngày càng lớn và là vấn ñề cấp thiết ñối với ñất nước ta. ðặc biệt
là nguồn năng lượng ñiện ñang bị một sức ép lớn ñối với các nhà sản xuất tiêu thụ, các
nhà quản lý phân phối ñiện năng. Tập ñoàn ñiện lực –EVN hiện nay vẫn chưa có giải
pháp hữu hiệu ñể có thể ñáp ứng ñược nhu cầu ñối với khách hàng mình. Một mặt là
do các nhà máy mọc lên nhiều, nhu cầu người dân tăng cao dẫn tới thiết bị tiêu thu
ñiện ngày càng nhiều hơn. Thứ 2 là các nhà máy phát ñiện mới xây dựng thì phải
nhiều năm mới có thể ñưa vào vận hành nên không theo kịp sự gia tăng của phụ tải.
Trong những năm gần ñây do nhu cầu năng lượng không ngừng biến ñổi và
tăng lên rõ rệt theo thời gian nên ngành ðiện lực ñã và ñang xây dựng rất nhiều các
nhà máy ñiện ñể ñáp ứng nhu cầu tiêu thụ ñiện năng trong cả nước. Vì vậy, một trong
những vấn ñề quan trọng mà ngành ñiện lực cần phải giải quyết tốt là bài toán dự báo
phụ tải ngắn hạn và dài hạn. Cho ñến nay tuy ñã có nhiều phương pháp luận trong việc
giải quyết bài toán dự báo, song bài toán này luôn là một bài toán khó. Hiện nay, trong
ngành ðiện lực Việt Nam bài toán dự báo phụ tải ñược giải quyết chủ yếu nhờ sử dụng
các phương pháp dự báo truyền thống mang tính kinh nghiệm thuần túy. Trong số các
hướng nghiên cứu nhằm triển khai các hệ thống thông minh ở giai ñoạn tới, mạng
nơron giữ một vai trò quan trọng trong việc phát triển các giải pháp nhận dạng, dự báo
mạng nơron nhân tạo là kỹ thuật xử lý thông tin có triển vọng ứng dụng trong việc giải
quyết bài toán dự báo. Kết hợp chặt chẽ với logic mờ, mạng nơron nhân tạo có thể
giúp giải quyết hiệu quả hơn các bài toán phức tạp. Nhờ các ưu ñiểm như có cấu trúc
xử lý song song, khả năng học và ghi nhớ, khả năng tự tổ chức và tổng quát hoá, mạng
nơron nhân tạo ANN (Artificial Neural Networks) ñã ñược nghiên cứu và ứng dụng
thành công trong rất nhiều lĩnh vực như xấp xỉ hàm nhận dạng mẫu, dự báo… Luận
văn này chủ yếu tập trung tìm hiểu về mạng nơron nhân tạo và nghiên cứu ứng dụng
giải quyết bài toán dự báo phụ tải dài hạn cho hệ thống ñiện.
Chương 3: Ứng dụng mạng nơron nhiều lớp lan truyền ngược sai số trong bài toán dự
báo phụ tải.
Chương 4: Nhận xét kết quả ñã có và ñánh giá.
Kết luận và kiến nghị. Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
3
CHƯƠNG 1
TỔNG QUAN VỀ PHỤ TẢI
1.1. Giới thiệu chung
Phụ tải ñiện là số liệu ñầu tiên và quan trọng nhất ñể tính toán thiết kế hệ thống
cung cấp ñiện. Việc xác ñịnh phụ tải ñiện vô cùng quan trọng cho quá trình tính toán
thiết kế và quy hoạch hệ thống ñiện. Việc xác ñịnh phụ tải ñiện nhiều lúc vô cùng khó
khăn vì công trình thường ñược thiết kế lắp ñặt trước khi có ñối tượng sử dụng ñiện.
Nên trong thực tế thì khi thiết kế thi công xong thì số lượng nhu cầu phụ tải gia tăng
nhanh chóng dẫn tới công trình thiết kế không ñáp ứng kịp sự gia tăng của phụ tải.
Nên việc dự báo phụ tải một cách chính xác là ñiều vô cùng quan trọng ñể quá trình
tính toán thiết kế, quy hoạch hệ thống ñiện ñược tối ưu nhất ñáp ứng ñược nhu cầu gia
tăng phụ tải và ñáp ứng ñược quá trình tăng trưởng kinh tế của ñất nước.
Phụ tải ñiện ở Việt nam năm 2005 công suất cực ñại của hệ thống ñiện Việt
Nam ñạt 9255 MW (giờ chính ñiểm) tăng 11,73% so với năm 2004 và tăng gấp 3,31
lần so với năm 1995 (công suất năm 1995 là 2796 MW). Tốc ñộ tăng trưởng này có
giảm so với năm 2004 và trung bình nhiều năm (tốc ñộ tăng trưởng công suất cực ñại
trung bình từ năm 1995 – 2004 là 12,85%). Tốc ñộ cao nhất trong cả giai ñoạn 1995 –
2005 ñạt 15,86% năm 2002. Công suất cao nhất của các miền trong năm 2005 ñạt
ñược như sau: miền Bắc 3886 MW, miền Trung 979 MW, miền Nam 4539 MW.
Diễn biến tăng trưởng công suất cực ñại từng năm trong cả giai ñoạn 1995 –
1995
2796
1415
296
1178 1996 3177 1592 349 1357 13,62 12,51
17,91 15,19
1997
3595
1729
377
1587
13,15
8,6
11,73
11,22
14,77
11,44
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
MW
N
ăm
Quốc gia Miền Bắc Miền Trung Miền Nam
Hình 1.1 Biểu ñồ tăng trưởng phụ tải max giai ñoạn 1995-2005
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
5
1 Nông nghiệp 1,9 1,8 1,7 1,6 1,4 1,29
2 Công Nghiệp & XD 40,6 40,6 41,9 43,8 45,1 45,8
3 T.Mại & K/Sạn 4,8 4,8 4,5 4,3 4,5 4,79
4 Quản lý & Tiêu dùng 49,0 48,9 47,4 45,7 44,5 44,19
5 Các hoạt ñộng khác 3,6 3,8 4,4 4,5 4,6 3,94
Trong những năm qua sản lượng ñiện thương phẩm cung cấp cho các ngành
kinh tế và sinh hoạt của nhân dân không ngừng tăng lên, tốc ñộ tăng trưởng bình quân
trong giai ñoạn 2000 – 2005 là 15,23% cao hơn so với 14,9%/năm giai ñoạn 1995 –
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
7
2000. ðiện thương phẩm tăng từ 22,4 tỷ GWh năm 2000 lên tới 45,5 tỷ GWh năm
2005, trong 5 năm tăng gấp 2,03 lần ñảm bảo cung cấp ñủ cho ñời sống của nhân dân.
Từ bảng cơ cấu tiêu thụ ñiện ta thấy rằng tỷ trọng ñiện thương phẩm dùng chủ
yếu cho 4 ngành chính là: Nông nghiệp, Công nghiệp & Xây dưng, thương mại &
Khách sạn, và Quản lý & Tiêu dùng, trong ñó Công nghiệp & Xây dựng và Quản lý &
Tiêu dùng chiếm chủ yếu. Tốc ñộ tăng bình quân ñiện cho Công nghiệp & Xây dựng
giai ñoạn 1995 – 2005 là 16,3%, riêng năm 2000 – 2005 là 18,1%. Tỷ trọng tiêu thụ
ñiện trong công nghiệp trong cả giai ñoạn 1995 – 2005 tăng từ 38% năm 1995 ñến
45,8% năm 2005, trong ñó thấp nhất vào năm 1998 và cao nhất vào năm 2005.
ðiện cho nông nghiệp là thành phần có tỷ trọng nhỏ trong cơ cấu tiêu thụ ñiện,
chủ yếu cung cấp cho các trạm bơm ñể phục vụ tưới tiêu sản xuất nông - ngư nghiệp
và làng nghề sản xuất nhỏ nông thôn …Nhìn chung tiêu thụ ñiện cho Nông nghiệp có
xu hướng giảm dần trong giai ñoạn 1995 – 2005.
Khu vực tiêu thụ ñiện dân dụng chiếm tỷ trọng lớn trong thành phần ñiện
thương phẩm. Do sự phát triển của nền kinh tế thị trường, số lượng thiết bị ñiện sử
dụng trong sinh hoạt của dân cư ñô thị (ti vi, tủ lạnh, máy ñiều hòa…), việc tăng
ngày càng tăng (năm 2005 tỉ lệ này là 45,8%). Nếu tỉ lệ ñiện tiêu thụ cho công nghiệp
trong tổng ñiện thương phẩm tiếp tục tăng thì biểu ñồ phụ tải ngày ở tất cả các miền sẽ
có xu hướng chuyển dịch cao ñiểm sang cao ñiểm sáng trong những năm tới.
- Nhu cầu sử dụng ñiện cho ñiều hòa ở các cơ quan khách sạn …ngày càng
tăng ñặc biệt là vào các tháng mùa hè.
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
1 3 5 7 9 11 13 15 17 19 21 23
h
MW
Quốc gia Miền Bắc Miền Nam Miền TrungTrường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
9
Hình 1.2: Biểu ñồ phụ tải ngày mùa hè HTð Quốc gia
Biểu ñồ phụ tải ngày làm việc ñiển hình mùa hè và mùa ñông của hệ thống ñiện
Quốc Gia và các miền ñược thể hiện trong hình 1.2 và 1.3.
0
1000
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
10
Bảng 1.3: Hệ số ñồ thị phụ tải qua các năm
Năm 1997 1998 1999 2000 2001 2002 2003 2004 2005
Pmin/Pmax
0,40 0,42 0,4 0,41 0,42 0,42 0,43 0,44 0,45
Ptb/Pmax
0,48 0,51 0,49 0,5 0,5 0,51 0,53 0,55 0,57
- Biểu ñồ phụ tải tháng: Biểu ñồ phụ tải tháng của HTð toàn quốc và các
miền có ñặc ñiểm sau: (Tài liệu luận văn của tác giả Trần Nam Trung – Trường ñại
học bách khoa Hà Nội – Giáo viên hướng dẫn Nguyễn Lân Tráng).
• Tháng tiêu thụ ñiện năng lớn nhất là các tháng mùa hè: Từ tháng 4 ñến
tháng 8. ðối với miền Bắc và miền Trung tháng có ñiện năng tiêu thụ cao nhất là tháng
8. Riêng miền Nam tháng cao nhất là tháng 4.
• Tháng tiêu thụ ñiện năng nhỏ nhất là tháng 1, tháng 2.
• Chênh lệch giữa tháng tiêu thụ ñiện cao nhất và thấp nhất là 1,3 lần.
• Biểu ñồ phụ tải tháng nhìn chung ít thay ñổi qua các năm.
0
1000
2000
3000
4000
5000
6000
1 2 3 4 5 6 7 8 9 10 11 12
Thang
GWh
lễ, nhiệt ñộ trong ngày chính vì vậy ñể nâng cao quá trình dự báo phụ tải ta cần phải
xét ñến tới các yếu tố chủ yếu ảnh hưởng tới các phụ tải.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
12
• Thứ của ngày trong tuần
Có quy luật giữa phụ tải và ngày trong tuần. ví dụ như ñêm ngày thứ 2 phụ tải
thấp nhất, phụ tải của ngày nghỉ cuối tuần giảm. ðồ thị phụ tải của các ngày thường
gần giống nhau. Dưới ñây là ñồ thị phụ tải của các ngày trong tuần.
Hình 1.5: Biểu ñồ phụ tải các ngày trong tuần.
• Các ngày ñặc biệt trong năm
Ngày ñặc biệt trong năm như các ngày lễ tết như 30-4,1-5,2-9,10-10 … phụ tải
các ngày này giảm nhiều so với các ngày thường và phụ tải gần những ngày này cũng
bị ảnh hưởng. Dự báo phụ tải trong các ngày ñặc biệt không áp dụng như ngày bình
thường mà phải bằng phương pháp riêng dựa vào sự thay ñổi phụ tải của các ngày này
so với các ngày dạng này của các năm trước ñó.
• Thời tiết trong ngày
Bao gồm các thông số về ñiều kiện thự nhiên như nhiệt ñộ, ñộ ẩm, tốc ñộ gió,
cường ñộ ánh sáng, trong ñó nhiệt ñộ có ảnh hưởng rất lớn. Nhiệt tăng thì phụ tải tăng
và ngược lại.
• Truyền hình trực tiếp các sự kiện văn hóa lớn
Phụ tải váo các giờ truyền hình trực tiếp như bóng ñá quốc tế, sự kiện thể thao
Olympic, Seagame , … thì phụ tải tăng lên nhiều. Vì khi các sự kiện như vậy kéo theo
phụ tải sinh hoạt ra tăng rất nhanh. Ví dụ một ñồ thị phụ tải của của ngày có truyền
hình worlcup và ngày không truyền hình trực tiếp worlcup như hình 1.6.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
cũng có thể ñược xác ñịnh từ các dự báo của các hệ thống ñiện miền tham gia trong hệ
thống ñiện lớn. Nếu thực hiện ñược như vậy, quy mô của bài toán sẽ tăng lên theo cấp
số nhân nhưng ngược lại kết quả dự báo sẽ có ñộ chính xác cao hơn.
Dự báo nhu cầu ñiện năng ñược chia thành: Dự báo ngắn hạn, trung hạn và dài hạn.
- Dự báo ngắn hạn (giờ, ngày, tháng, mùa, năm): chủ yếu phục vụ việc ñiều hành
sản xuất, vận tải và phân phối năng lượng, phục vụ cho nhu cầu trực tiếp của sản xuất
và ñời sống, lập kế hoạch sản xuất và kinh doanh.
- Dự báo trung hạn (từ 1 tháng ñến 1 năm) thường phục vụ cho việc phân bổ vốn
ñầu tư, lập cân bằng giữa cung và cầu năng lượng, lập kế hoạch xây dựng và theo dõi
tiến ñộ xây dựng của các công trình, kế hoạch ñại tu sửa chữa nâng cấp thiết bị, chuẩn
bị xây dựng các qui hoạch dài hạn
- Dự báo dài hạn: từ 1 năm ñến 10 năm thậm trí tới 20 năm, nhằm ñịnh hướng
cho sự phát triển của ngành ñể hoạch ñịnh những chiến lược chính sách lớn ñảm bảo
phát triển bền vững cho toàn bộ hệ thống năng lượng nhiên liệu, ñảm bảo an toàn về
cung cấp năng lượng, sử dụng hiệu quả các nguồn năng lượng sơ cấp, giảm thiểu tác
ñộng của các công trình năng lượng lên môi trường sinh thái.
Thời gian dự báo càng xa, sai lệch sẽ càng lớn, tác ñộng của các yếu tố bất ñịnh
càng nhiều. Nguồn gốc của những yếu tố bất ñịnh có thể rất khác nhau: từ biến ñộng
của khí hậu, thời tiết (với dự báo ngắn hạn) ñến tình hình kinh tế, tài chính (với dự báo
trung hạn) và biến ñộng chính trị xã hội (với dự báo dài hạn). Vì vậy khi dự báo nhất
là những dự báo trung hạn và dài hạn, thông thường người ta xác ñịnh một dải thông
số (thấp, trung bình (cơ sở), cao) của số liệu dự báo thay vì một trị số dự báo cố ñịnh.
Thời gian càng xa, sự biến ñộng của biến dự báo (thấp, cao) càng lớn.
Một số phương pháp dự báo nhu cầu ñiện năng ñã ñược áp dụng hay nghiên
cứu dưới các hình thức khác nhau ở Việt Nam.
- Phương pháp trực tiếp.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
15
- ñiện năng tiêu thụ tính theo hộ dân cư [kWh/hộ];
DS - dân số của khu vực tính toán [người];
H - số hộ dân có trong khu vực tính toán [hộ].
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ………………………
16
ðể xác ñịnh ñược A
ng
và A
hộ
, có thể tra theo các sổ tay thiết kế hoặc tính trực
tiếp nhờ các số liệu ñiều tra và thống kê tình hình sử dụng ñiện năng của khu vực.
A
ng
= A
Σ
/DS; (1.3)
A
hộ
= A
Σ
/H; (1.4)
Ở ñây:
A
Σ
= ΣA
i
; với i = (1 ÷ n) (1.5)
Copyright: Tài liệu đại học ©