Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
MỞ ĐẦU 3
CHƯƠNG 1 4
CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG 4
1.1 DỰ BÁO NHU CẦU PHỤ TẢI BẰNG PHƯƠNG PHÁP TRỰC TIẾP 4
1.2 PHƯƠNG PHÁP NGOẠI SUY 4
1.3 PHƯƠNG PHÁP HỆ SỐ ĐÀN HỒI 5
1.4 PHƯƠNG PHÁP CHUYÊN GIA 6
1.5 DỰ BÁO NHU CẦU ĐIỆN NĂNG THEO PHƯƠNG PHÁP ĐA HỒI QUY. 7
CHƯƠNG 2 42
THỰC TRẠNG NGÀNH ĐIỆN VÀ NHU CẦU ĐIỆN Ở VIỆT NAM 42
2.1 THỰC TRẠNG NGÀNH ĐIỆN VIỆT NAM 42
2.1.1 Giới thiệu ngành điện Việt Nam 42
2.1.2 Cơ cấu tổ chức ngành điện Việt Nam 43
2.1.3 Về cơ cấu nguồn điện 43
2.2 TÌNH HÌNH NHU CẦU ĐIỆN Ở VIỆT NAM 47
2.3 TRIỂN VỌNG VÀ DỰ BÁO 48
CHƯƠNG 3 50
DỰ BÁO NHU CẦU ĐIỆN NĂNG TOÀN QUỐC BẰNG PHƯƠNG PHÁP ĐA HỒI QUY 50
3.1 LỰA CHỌN KÍCH THƯỚC MẪU 50
3.2. CHỌN BIẾN 50
(a) Tổng dân số cả nước 60
(b) Tổng thu nhập quốc nội GDP 60
(c) Tổng thu nhập quốc gia GNP 60
(d) Giá trị sản xuất công nghiệp 61
Mô hình hàm số mũ giá trị SXCN được ước lượng như sau: 61
61
(e) Chỉ số giá bình quân 62
(f) Số hộ dân nông thôn có điện 62
(g) Số hộ dân cả nước 62
(h) Giá điện bán lẻ bình quân 63

Sinh viên
Nguyễn Văn Duy
Nguyễn Văn Duy – Lớp Đ1 QLNL 3
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
CHƯƠNG 1
CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU ĐIỆN NĂNG
Hiện nay có nhiều phương pháp dự báo nhu cầu điện năng, dưới đây là giới
thiệu một số phương pháp thông dụng trong thực tế quy hoạch điện Điện Lực.
1.1 DỰ BÁO NHU CẦU PHỤ TẢI BẰNG PHƯƠNG PHÁP TRỰC TIẾP
Nội dung của phương pháp tính trực tiếp là xác định nhu cầu điện năng của
năm dự báo dựa trên tổng sản lượng của các ngành ở năm hiện tại và năm dự báo
theo kế hoạch, ứng với suất tiêu hao điện năng của 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 trung bình cho một hộ gia đình, bệnh
viện, trường học ). Phương pháp này có ưu điểm là tính toán đơn giản, ngoài yêu
cầu xác định tổng điện năng dự báo còn biết được tỷ lệ sử dụng điện năng trong các
ngành và các khu vực địa lý khác nhau, từ đó có thể thực hiện phân vùng và phân
nút phụ tải thích hợp, làm cơ sở cho việc thiết kế hệ thống cung cấp điện. Trên cơ
sở đó có thể đề xuất các phương hướng điều chỉnh quy hoạch cho cân đối và phù
hợp. Với các ưu điểm nói trên, phương pháp này được dùng phổ biến để dự báo nhu
cầu điện trong các đề án quy hoạch phát triển điện lực tỉnh, thành phố.
Tuy nhiên việc đánh giá mức độ chính xác của phương pháp này thường gặp
nhiều khó khăn vì nó phụ thuộc vào mức độ chính xác của các thông tin về các
ngành kinh tế Quốc dân trong tương lai, cũng như phụ thuộc vào suất tiêu hao điện
năng của các loại sản phẩm. Khối lượng tính toán khá nhiều. Phương pháp này
thường được áp dụng để dự báo nhu cầu điện năng với thời gian ngắn và trung bình.
1.2 PHƯƠNG PHÁP NGOẠI SUY.
Nội dung của phương pháp ngoại suy là nghiên cứu diễn biến của phụ tải
trong các năm quá khứ tương đối ổn định và tìm ra quy luật biến đổi của phụ tải
theo thời gian, từ đó sử dụng mô hình tìm được để tính cho giai đoạn dự báo. Tức

1
Yy
Xx
R
i
i
;
Độ tin cậy của mô hình dự báo được đánh giá theo giá trị của hàm Student,
xác định theo biểu thức
2
1
2
r
nr
t
−
−
=
;
1.3 PHƯƠNG PHÁP HỆ SỐ ĐÀN HỒI
Phương pháp hệ số đàn hồi dựa theo tốc độ tăng GDP của các thành phần
kinh tế. Cơ sở của phương pháp này là việc sử dụng năng lượng ở mỗi ngành được
xác định bởi yếu tố kinh tế thích hợp và được điều chỉnh bởi hệ số đàn hồi ứng với
tốc độ tăng trưởng kinh tế. Hệ số đàn hồi được tính như sau:
Y
Y
A
A
Y
A

trường hợp này,đánh giá tổng hợp sẽ là trung bình số học
b- Nếu trình độ của mỗi chuyên gia khác nhau thì có 2 cách đánh giá:
Chỉ đánh giá về mình
Đánh giá về mọi người trừ mình ( lấy các đánh giá trung bình. Điểm các tiêu
chuẩn của các chuyên gia sẽ được nhân lên với trọng số về sự thành thạo của các
chuyên gia và sau đó sẽ được đánh giá tổng hợp )
Để loại bớt các sai số, khi cộng điểm đánh giá đối với các tiêu chuẩn, người
ta loại bỏ các đánh giá cực đoan cao nhất và thấp nhất với mỗi tiêu chuẩn.
Phương pháp cho điểm này thường được ứng dụng trong các trường hợp so
sánh các tiêu chuẩn đơn giản, không cần phải phân nhỏ thành các tiêu chuẩn cấp
thấp hơn. Nếu các tiêu chuẩn mà phức tạp ( ví dụ tiêu chuẩn độ tin cậy ) thì trước
hết phải phân thành các tiêu chuẩn đơn giản hơn và sẽ đánh giá đối với các tiêu
chuẩn này. Sau đó sẽ chuyển về đánh giá các tiêu chuẩn ban đầu.
Nguyễn Văn Duy – Lớp Đ1 QLNL 6
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
1.5 DỰ BÁO NHU CẦU ĐIỆN NĂNG THEO PHƯƠNG PHÁP ĐA HỒI
QUY.
1.5.1 Phương pháp luận.
Phân tích tương quan hồi quy là xác định sự liên quan định lượng giữa hai
biến ngẫu nhiên Y và X, kết quả của phân tích hồi quy được dùng cho dự báo khi
một trong các biến, bằng cách nào đó, được xác định trong tương lai. Hồi quy đơn
được dùng để xem xét mối liên hệ tuyến tính giữa hai biến X và Y, trong đó X được
xem là biến độc lập (ảnh hưởng đến biến Y), còn Y là biến phụ thuộc (chịu ảnh
hưởng bởi biến X).
Thực chất nhu cầu điện không chỉ liên quan đến một, mà có liên quan đến rất
nhiều yếu tố, như: Thu nhập quốc gia (NI – National Income); Dân số (POP –
population); Tổng sản phẩm nội địa (GDP – Gross of Domestic Production); Chỉ số
giá tiêu dùng (CPI – Consumer Price Index) v.v , vì vậy trong thực tế người ta
thường sử dụng phương pháp tương quan hồi quy bội để giải quyết vấn đề này.
Quan hệ giữa nhu cầu điện Y với các nhân tố xi được thể hiện dưới một số dạng

0
+ a
1
x
1
p
+ a
2
x
2
k
+ + a
k
x
k
z

(1.3)
Để kiểm định mô hình tương quan người ta áp dụng nhiều tiêu chuẩn khác
nhau như kiểm định t-student, kiểm đinh F hay điểm định Durbin-Watson.
1.5.2 Ứng dụng phương pháp đa hồi quy trong thực tế.
a. Dự báo phụ tải tại Bắc Mỹ bằng Mô hình Uhler
Uhler đã lập mô hình KTL với phụ tải sphụ thuộc vào giá điện và thu nhập
của người tiêu dùng. Mô hình của ông được biểu thị như sau:
GE = f(GP,GGDP) (1.4)
Nguyễn Văn Duy – Lớp Đ1 QLNL 7
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Với: GE - mức tăng nhu cầu điện; GP - mức tăng giá điện; GGDP - mức
tăng GDP.
Mô hình 3.4 phù hợp với các dữ liệu từ năm 1951-1973. Mức biến động

(1.5)
Với:
t
AIDX =
Biến xác định sự hiệu quả của việc sử dụng các thiết bị điện
trong năm t;
t
CHDD =
Số hộ sử dụng điện năm t;
t
RRTS =
Giá bán lẻ điện năng
trong năm t;
t
RREP =
giá bán năng lượng trung bình sau thuế ở giá cố định năm t.
Nguyễn Văn Duy – Lớp Đ1 QLNL 8
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
- Mô hình nhu cầu phụ tải thương mại có thể biểu thị như sau:
t t t t 1
2
Commercial = 0.023RQTOS + 0.157Resident + 0.640Commercial ,
adj R = 99.76%
−
×

(1.6)
với
t
RQTOS =

t
Y
- nhu cầu điện năng theo GWh trong năm t;
1t
X
- GDP thực (triệu
$NZ ) trong năm
t
;
2t
X
- giá điện (cents/kWh) trong năm
t
;
3t
X
- dân số trong năm
t
;
t
u
- sai số thời kỳ t = 1965–1999.
Nguyễn Văn Duy – Lớp Đ1 QLNL 9
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Giá điện đưa vào mô hình là giá điện thực tế. Nhu cầu điện được chia làm
các nhóm nội địa và nhóm phi nội địa.
Bảng 1.1 Tương quan giữa các biến
Nội địa Phi nội địa Tổng GDP Giá Dân số
Nội địa 1 0,971 0,921 0,983
Phi nội địa 1 0,981 0,963 0,980

1
– 78,7X
2
+ 8,2x10
–2
X
3
Phi nội địa (1.9)
Y
3
= –3,68 x 10
4
+ 2,21 x 10
–1
X
1
– 2,12X
2
+1,34x10
–2
X
3
Tổng (1.10)
Mohamad và Bodger đã so sánh các kết quả dự báo từ mô hình KTL với dự
báo của MED và CAE , dự báo của một mô hình hồi quy logistic - là một mô hình
chuỗi thời gian cho phép bão hoà (xem Hình 1.1).
Nguyễn Văn Duy – Lớp Đ1 QLNL 10
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Hình 1.1 Nhu cầu điện năng dự báo theo các phương pháp tại New
Zealand

Trong phương pháp EGECM, các biến của mô hình được kiểm tra để kết
hợp. Ví dụ, mô hình nhu cầu điện cho dân cư được biểu thị:
k k k k
t i t i j t j n t n m t m t 1 t
i=1 j=1 n=1 m=1
HJD = a + b GDP + c Pr + d Pc + e T + fECM + w
− − − − −
∆ ∆ ∆ ∆
∑ ∑ ∑ ∑

(1.14)
Với
t 1
ECM
−
là sai số do việc phản hồi thông tin HLD trong GDP
Pr

Pc
và
T
tạo ra.
Trong cách tiếp cận FMLS, bước đầu tiên mô hình được tính bằng OLS và
thử cho tương quan nối tiếp. Mô hình sau đó được tính lại sử dụng các cửa sổ trễ .
Mô hình ARDL có thể biểu thị như sau:
k k k k
t i t i j t j n t n m t m t 1
i=1 j=1 n=1 m=1
t 1 t 1 t 1 t
HJD = a + a t + b GDP + c Pr + d Pc + e T + fPr

α β
∑
(1.17)
Với: Et- nhu cầu điện trong tháng t ; x1t- dân số trung bình trong tháng t;
x2t- nhiệt độ trung bình trong tháng t; x3t- độ ẩm tương đối trong tháng t; x4t- số
giời nắng trong tháng t; x5t- lượng mưa trong tháng t.
Ranjan và Jain đã chia giai đoạn dự báo thành mùa đông, mùa hè, trước mùa
gió và sau mùa gió. Kết quả được tổng kết lại như sau:
Mùa đông:
( )
t 1t 2t
E = 25.4682 + 5.9647x 0.3389x ; F = 444.584− −
(1.18)
Mùa hè:
( )
t 1t 2t
E = 44.2198 + 6.9926x + 0.2447x ; F = 1716.94
−
(1.19)
Trước mùa gió:
( )
t 4t 3t
E = 43.6125 0.0482x 0.3183x ; F = 9.201
− −
(1.20)
Sau mùa gió:
( )
t 1t 2t 5t
E = 40.8423 + 6.0697x + 6.0697x + 0.0055x ; F = 584.934
−

R = 99%, F = 576
−
−
l l l l

(1.23)
Với: Es - nhu cầu điện năng cho ngành dịch vụ; U - chỉ số đô thị hoá; C - thu
nhập bình quân đầu người.
* Nhóm công nghiệp vừa và lớn
Nhu cầu điện nhóm công nghiệp lớn tăng ở mức 8% năm giai đoạn
1971-1997. Mô hình dự báo cho nhóm này có thể biểu thị như sau:
i i 2 i
2
n EHT = 0.396916 + 0.520412 n QS + 0.168424 n IIP ;
R = 90%, F = 213
−
l l l

(1.24)
Với: EHT - nhu cầu điện công nghiệp vừa và lớn ; QS - tỉ lệ sản phẩm công
nghiệp vừa và lớn so với SDP của ngành thứ cấp; ΠP - chỉ số sản xuất công nghiệp.
* Nhóm công nghiệp nhỏ
Nhu cầu điện nhóm công nghiệp lớn tăng ở mức 6% năm giai đoạn 1971-
1997.
Mô hình dự báo cho nhóm này có thể biểu thị như sau:
Nguyễn Văn Duy – Lớp Đ1 QLNL 14
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
i i i
2
n ELT = 6.813731 + 0.258348 n IIP + 0.893710 n QTOT ;

(1.27)
Với: Et - nhu cầu điện tháng t (GWh); GDPt - GDP trong tháng (tỉ baht);
TEMPt - nhiệt độ (celsius); Pt - giá điện trung bình tháng
t
baht/kWh.
Một số mô hình nhu cầu điện năng theo tháng sẽ được xác định, ước
tính, thử và lựa chọn làm mô hình cho nhu cầu phụ tải. Nhu cầu phụ tải sẽ được
chia và mô hình hoá thành các nhóm sau đây:
1) Tổng nhu cầu của hệ thống điện;
2) Nhu cầu của hệ thống điện miền Bắc;
3) Nhu cầu của hệ thống điện miền Trung;
4) Nhu cầu của hệ thống điện miền Nam;
5) Nhu cầu của hệ thống điện vùng Tây Bắc;
6) Nhu cầu thuộc phạm vi của PEA;
Nguyễn Văn Duy – Lớp Đ1 QLNL 15
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
7) Nhu cầu thuộc phạm vi của MEA.
Dữ liệu về nhu cầu điện, giá điện hàng tháng được 3 cơ quan chức năng cung
cấp. Dữ liệu về nhiệt độ được thu thập từ Cục khí tượng. Giá điện hàng tháng được
lấy từ các cơ quan chức năng liên quan bằng cách tính doanh thu hàng tháng trên
kWh. Giá năng lượng hàng tháng do đó sẽ là hằng số cho năm cho trước.
Dữ liệu về nhiệt độ được thu thập từ các trạm khí tượng ở mỗi vùng. Nhiệt
độ các ngày được tính từ mỗi trạm từ nhiệt độ ngày trung bình và số ngày trong
tháng. Nhiệt độ trung bình ngày cho mỗi vùng được tính từ số các trạm trong vùng.
Dữ liệu từ GDP được thiết lập trên cơ sở hàng năm. Do mô hình dự báo là
mô hình tháng nên sẽ cần đến một biến thay thế cho GDP tháng. Do quan hệ giữa
nguồn tiền và GDP đã được thiết lập trong lý thuyết kinh tế vĩ mô và dữ liệu về
nguồn tiền đã có trong cơ sở tháng, nguồn tiền được lựa chọn là biến thay thế cho
GDP trong mô hình dự báo tháng.
Hàm tổng quát dự báo phụ tải năng lượng có thể biểu diễn như sau:

( )
t t i t j t k t h
E = f P , M1 , TEMP , E i, j, k, h = 0, 1, 2
− − − −
K
(1.31)
Các quan hệ trễ giữa các biến trong mô hình có thể giải thích bằng các hành
vi khác nhau giữa những khách hàng sử dụng năng lượng. Cấu trúc giá điện tại Thái
Nguyễn Văn Duy – Lớp Đ1 QLNL 16
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Lan có cơ chế Ft để điều chỉnh mức giá điện khi có các thay đổi chi phí ở tầm vĩ
mô. Mức giá được điều chỉnh 4 tháng 1 lần, vì thế người sử dụng không thể biết
mức giá trong tháng t do mức giá mà anh ta thanh toán trong tháng t thực ra là “mức
giá trung bình” của 4 tháng trước đó. Một giả thiết khác trong trường hợp này là
nhu cầu điện năng của một khách hàng phụ thuộc vào mức giá điện dự kiến trong
tháng t. Mô hình có thể xác định như sau:
t t t t
ˆ
E = a + b*P + c*M1 + d*TEMP
(1.32)
với: Et - nhu cầu điện năng trong tháng t;
t
ˆ
P =
giá điện dự kiến tháng t và b,
c, d là các hệ số hồi quy.
Không có các dữ liệu trực tiếp về giá điện dự kiến nhưng nó có thể được mô
hình hoá bằng các giả thiết cho trước về hành vi. Ví dụ, sự khác biệt giữa giá điện
dự kiến trong tháng t và t-1 tuỳ thuộc vào sai số trong tháng t-1 hay:
( )

−
− − − −
(1.36)
và do đó có dạng tự hồi quy:
t t 1 t t 1 t t 1 t 1
E = J + b*eP + cM1 + c*vM1 + d*TEMP + d*vTEMP + vE
− − − −
(1.37)
với
b*e < 0, c > 0, d > 0
Để tăng độ chính xác của dự báo, các tác giả đề xuất kết hợp Box–Jenkins
(BJ) và kỹ thuật sửa sai số (EC) vào mô hình.
Nguyễn Văn Duy – Lớp Đ1 QLNL 17
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Khái niệm sửa sai số (EC) tận dụng thông tin từ các sai số mô hình để nâng
cao hiệu quả của mô hình. Kỹ thuật EC đã được áp dụng cho một số nghiên cứu
như dự báo nhu cầu điện dân cư của Sik and Frederick. Kỹ thuật BJ và EC có thể
kết hợp trong quy trình mô hình hoá theo 2 pha.
Trong pha đầu tiên, mô hình (1.28) được ước tính bằng phương pháp OLS
đơn giản theo dạng tuyến tính.
t 1 t 2 t 3 t t
E = A + A P + A M1 + A TEMP + z
(1.38)
với
t
z
= dạng sai số.
Các sai số mô hình được phân tích cho các mẫu hệ thống của hộ trong pha
thứ hai và được sử dụng để nâng cao hiệu năng hoạt động của mô hình. Sai số của
(3.38) trong tháng t được xác định theo công thức:

z = E A P A M1 A TEMP∆ ∆ − ∆ − ∆ − ∆
(1.41)
Campbell và Perron đã đề xuất ba cách để xác định đặc điểm cho
t
z∆
.
Cách tiếp cận thứ nhất là:
j
t t 1 i t i t
i=1
z = az + b z +ε
− −
∆ ∆
∑
(1.42)
Số lượng trễ trong (3.42) được xác định bởi các tiêu chí tương quan. Số trễ
được lựa chọn là số loại bỏ tương quan giữa các dạng sai số do đó dạng sai số còn
lại
t
ε
hoàn toàn ngẫu nhiên với giá trị dự tính là 0.
Trong cách tiếp cận thứ hai, thêm vào một hàm (1.42) dưới dạng:
Nguyễn Văn Duy – Lớp Đ1 QLNL 18
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
j
t t 1 i t i t
i=1
z = C + az + b z +ε
− −
∆ ∆

−
∑

(1.46)
Ba thành phần giải thích các biến trong
t
E
là: Thứ nhất bao gồm các biến
ngoại suy
t
P
,
t
M1
, và
t
Temp
. Dạng tự hồi quy
j
i t i
i=1
b E
−
∑
là yếu tố thứ hai và dạng sửa
sai số
t
z
là yếu tố thứ 3 của mô hìn h.
f. Dự báo nhu cầu điện năng tại Việt Nam dùng phương pháp hồi quy

• Các số liệu chéo: là các số liệu về một hoặc nhiều biến được thu thập tại một
thời điểm ở nhiều địa phương, đơn vị khác nhau.
• Các số liệu hỗn hợp theo không gian và thời gian. Ví dụ như các số liệu về
giá USD hàng ngày ở Hà Nội, Hải Phòng, Huế…
Các số liệu thường được các cơ quan nhà nước, các tổ chức quốc tế, các công
ty tư nhân hay cá nhân thu thập. Chúng có thể là số liệu thực nghiệm hoặc không
thực nghiệm. Tuy nhiên trong thực tế các số liệu không phải do thực nghiệm mà có,
các số liệu về GDP, số người thất nghiệp, giá cổ phiếu nằm dưới sự kiểm soát của
các kỹ thuật viên, thường thì chất lượng của số liệu bị ảnh hưởng của các nguyên
nhân sau:
• Các số liệu thu thập phi thực nghiệm thường có sai số quan sát, bỏ sót quan
sát hoặc cả hai.
• Sai số trong phép đo.
• Các số liệu thường được tổng hợp ở mức cao không cho phép đi sâu vào
từng đơn vị nhỏ.
Nguyễn Văn Duy – Lớp Đ1 QLNL 20
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
• Một số các số liệu thuộc bí mật quốc gia nên không phải ai cũng sử dụng
được.
Ta có thể thấy rằng phương pháp hồi quy có ưu điểm là xét đến tác động của
các yếu tố tới tiêu thụ điện trong thực tế như giá điện, dân số và thu nhập. Kết quả
có độ chính xác cao nó bắt kịp được sự chuyển đổi cấu trúc tăng trưởng về nhu cầu.
Tuy nhiên phương pháp hồi quy cũng có nhiều hạn chế:
• Cơ sở dữ liệu thường không đầy đủ để tạo nên ước tính hồi quy có thể chấp
nhận được.
• Cần được cung cáp dữ liệu xác thực về tiêu dùng năng lượng, giá, GDP.
• Chưa xét đến chi phí, mức độ sẵn có, tuổi thọ và khả năng thay thế các thiết
bị sử dụng điện và các dạng năng lượng khác nhau.
1.5.3.1 Phương pháp luận nghiên cứu hàm hồi quy:
Quá trình phân tích kinh tế hàm hồi quy được tiến hành theo các bước:

mô hình để dự báo. Dự báo là giá trị trung bình hoặc dự báo cá biệt.
• Sử dụng mô hình để đề ra chính sách
1.5.3.2 Xây dựng hàm hồi quy:
Nguyễn Văn Duy – Lớp Đ1 QLNL 22
Nêu ra giả thiết
Thiết lập mô hình
toán học
Thu thập số liệu
Phân tích kết quả
Dự báo
Ra quyết định
Ước lượng tham
số
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
Có nhiều dạng hàm được sử dụng để dự báo nhu cầu điện, có thể là hàm
tuyến tính thông thường hay là các dạng hàm phức tạp hơn như: hàm xu thế bình
phương, hàm mũ. Xu thế chung là tuyến tính hóa các hàm phức tạp này và giải nó
bằng phương pháp bình phương cực tiểu.
Trong mô hình, ta chỉ sử dụng 2 dạng hàm là hàm tuyến tính và hàm Cobs-
Douglas
Hàm xu thế tuyến tính:
Giả sử sự phát triển của nhu cầu điện có thể được miêu tả bằng hàm có xu
thế tuyến tính Y= a + b*X
1
+ c*X
2
+ d*X
3
+…+ X
n

phần mềm kinh tế khác nhau đã được soạn thảo để trợ giúp việc tính toán và phân
tích. Các phần êu biểu là EVIEWS, SPSS, SIMPLE-E, … Tùy theo mục đích sử
dụng mà lựa chọn phần mềm cho thích hợp. Kết quả đưa ra của các phần mềm trên
là khá giống nhau do vậy trong khuôn khổ bài này ta chỉ chọn phần mềm EVIEWS
để tiến hành tính toán.
Nội dung của phương pháp này là nghiên cứu mối tương quan giữa điện
năng tiêu thụ A và các tham số kinh tế X nào đó nhằm phát hiện những quan hệ về
mặt định lượng của các đại lượng này. Khác với phương pháp ngoại suy, ở đây
người ta không xây dựng hàm hồi quy của lượng điện năng theo thời gian mà là
hàm hồi quy giữa điện năng với một đại lượng kinh tế khác cùng tồn tại theo thời
Nguyễn Văn Duy – Lớp Đ1 QLNL 23
Đồ án tốt nghiệp Khoa Quản Lý Năng Lượng
gian. Để xây dựng hàm này ta dựa vào bảng các giá trị quan sát về lượng điện năng
tiêu thụ và tham số kinh tế X nào đó (chẳng hạn như tốc độ tăng trưởng GDP của
nền kinh tế quốc dân), thiết lập hàm hồi quy A = f(X) theo phương pháp thống kê
thông dụng.
Cũng như phương pháp ngoại suy, hàm hồi quy ở đây có thể là tuyến tính
hoặc phi tuyến. Thông số X của hàm hồi quy phải là đại lượng dễ dàng xác định
hoặc là đã biết ở thời điểm dự báo. Sau đó dựa vào hàm hồi quy vừa thiết lập, ứng
với giá trị của tham số kinh tế đã biết đề xác định giá trị điện năng ở năm dự báo.
1.5.3.3 Các hiện tượng có thể gặp trong quá trình dự báo mô hình.
A). Hiện tượng đa cộng tuyến
Các biến giải thích được xác định trong một mô hình kinh tế lượng xuất phát
từ lý thuyết hoặc hiểu biết căn bản về các công việc mà chúng ta đang cố gắng thiết
kế mô hình, cũng như từ kinh nghiệm quá khứ. Dự liệu về các biến này đặc biệt
xuất phát từ những thực nghiệm không kiểm soát và thường tuơng quan với nhau.
Điều này đặc biệt đúng với các biến thời gian thường có xu hướng tiềm ẩn thông
thường. Ví dụ, dân số và tổng sản phẩm thu nhập quốc nội là hai chuỗi dữ liệu
tương quan chặt chẽ lẫn nhau.
Có hai loại đa cộng tuyến:

quát hoá của mô hình (điều này cũng tương tự như hiện tượng đa cộng tuyến khi ta
dùng hồi quy tuyến tính). Vì vậy, nếu muốn thêm biến độc lập vào mô hình, thì biến
ấy phải có tương quan với biến phụ thuộc nhưng không (hoặc ít) tương quan với các
biến độc lập trước đó. Phương pháp cơ bản là ta bắt đầu với biến có tính dự báo
nhiều nhất rồi chọn các biến bổ sung để góp phần làm tăng tính dự báo.
1.5. 4 Sử dụng phần mềm Eviews để dự báo nhu cầu điện cho Quốc Gia.
1.5.4.1 Giới thiệu về phần mềm Eviews
Phần mềm Eviews là phần mềm dự báo dựa trên cơ sở lý thuyết của môn “
Kinh tế lượng ”. Các bước chạy mô hình dự báo trên phần mềm được mô tả như
sau:
Bước 1: Thu thập số liệu đầy đủ được thể hiện trong bảng excel.
Số liệu bao gồm các biến phụ thuộc từ các năm trong quá khứ đến năm cần
dự báo.Ví dụ: GDP từ năm 2005 đến năm 2020_năm hiện tại là năm 2010.
Số liệu biến độc lập (biến cần dự báo), số liệu thu thập các năm trong quá
khứ đến hiện tại.
Nguyễn Văn Duy – Lớp Đ1 QLNL 25