1

CHƢƠNG 1: MỞ ĐẦU

1. GIỚI THIỆU
1.1 Tính cấp thiết của đề tài:
Trong những năm vừa qua, cùng với tốc độ tăng trưởng GDP trung bình hàng
năm đạt khoảng 7,5%, nhu cầu năng lượng và điện năng tiếp tục tăng với tốc độ
tương ứng là 10,5% và 15%. Theo dự báo của các chuyên gia kinh tế và năng
lượng, tốc độ tăng GDP, nhu cầu năng lượng và điện năng sẽ tiếp tục duy trì ở
mức độ cao, do đó trong những năm tới nhu cầu thiếu điện để phát triển kinh tế
- xã hội là điều không tránh khỏi.
Cũng theo dự báo, nhu cầu điện sản xuất theo phương án cơ sở, trong giai đoạn
2001 – 2020 tăng trưởng trung bình GDP 7,1 – 7,2%, thì chúng ta cần tới 201 tỷ
kWh và 327 tỷ kWh vào năm 2030. Trong khi đó, khả năng huy động tối đa các
các nguồn năng lượng nội địa của nước ta tương ứng 165 tỷ kWh vào năm 2020
và 208 tỷ kWh vào năm 2030, thiếu gần 119 tỷ kWh. Xu hướng gia tăng sự
thiếu hụt nguồn điện trong nước sẽ càng gay gắt và sẽ tiếp tục kéo dài trong
những năm tới.
Với nhu cầu điện trong tương lai, để đáp ứng được nhu cầu phụ tải hàng năm
tăng như trên, đòi hỏi ngành điện phải có sự đầu tư thỏa đáng. EVN phải đề
nghị chính phủ ưu tiên bố trí vốn ưu đãi từ các quỹ hỗ trợ phát triển, vốn ODA
và các nguồn vay song phương của nước ngoài để đầu tư các công trình trọng
điểm của quốc gia, kết hợp chặt chẽ với các địa phương trong việc sử dụng có
hiệu quả các nguồn vốn hỗ trợ từ ngân sách cho các dự án điện khí hóa nông
thôn, miền núi, hải đảo. . . . Để giảm sức ép tài chính và đáp ứng nhu cầu sử
2

dụng điện để phát triển kinh tế xã hội, ngành điện đang tập trung nghiên cứu tìm
giải pháp hữu hiệu. Một trong những giải pháp đó là sử dụng hợp lý và tiết kiệm
điện năng trong gia dụng.

sẽ khảo sát phương pháp xây dựng đồ thị dự báo phụ tải sử dụng phương pháp
bottom up, trình bày tính năng làm việc của phương pháp bottom up và sau đó là
phát triển trong phần mềm MATLAB. kiểm tra tính chính xác và ứng dụng
vào thực tế.
1.3 Đối tƣợng nghiên cứu và phƣơng pháp nghiên cứu:
1.3.1 Đối tƣợng nghiên cứu:

Các mô hình và phương pháp xây dựng đồ thị dự báo phụ tải .
Đối tượng nghiên cứu là các khách hàng sử dụng điện trong khu chung cư
Thành Mỹ Lợi.
1.3.2 Phƣơng pháp nghiên cứu:

Nghiên cứu lý thuyết dự báo phụ tải ngắn hạn.
Nghiên cứu sự ảnh hưởng của nhiệt độ, lịch làm việc (ngày nghỉ, ngày lễ) đến
nhu cầu phụ tải.
Nghiên cứu đặc điểm các phụ tải dân dụng. xây dựng chương trình dự báo phụ
tải ngắn hạn cho phụ tải dân dụng trong mô phỏng matlab.
4

Thu thập dữ liệu vận hành làm nguồn dữ liệu: phụ tải 24h trong ngày của
khu chung cư thành mỹ lợi. Đây chính là dữ liệu của đối tượng nghiên cứu.
Từ đó tìm hiểu và phân tích diễn biến của đối tượng nghiên cứu.
1.4 Ý nghĩa khoa học và thực tiễn của đề tài:

Việc xây dựng biểu đồ dự báo phụ tải dân dụng phụ thuộc vào nhiều yếu tố
ngẫu nhiên rất khó xác định nên luận văn này đề xuất phương pháp bottom up
Nghiên cứu biểu đồ dự báo của các thành phần phụ tải dân dụng tham gia vào
phụ tải tổng để phục vụ công tác quy hoạch phát triển trong tương lai . Dữ liệu
tải dân dụng là rất quan trọng cho kế hoạch phân phối lưới điện và tối ưu năng
lực sản xuất nghành điện nói riêng cũng như về mặt nhà nước nói chung. Vấn đề

Mức 2: tập hợp các dạng tải của các hộ gia đình khác nhau để lấy được
hồ sơ tiêu thụ cho cụm dân cư.
Trong phương pháp bottom up đã xem xét những bản chất khía cạnh tâm lý và
hành vi có liên quan. Điều này đạt được thông qua các quy tắc logic, thực hiện
trong một quy trình tự động, do đó cho phép định lượng mối tương quan giữa
các yếu tố khác nhau mà tạo thành cơ sở quan trọng của việc sử dụng năng
lượng của khách hàng dân cư.
Các thành phần cơ bản khách hàng dân cư đã được xác định là:
* Thiết bị
6

* thành viên hộ gia đình
Sự kết hợp của các thành phần cơ bản tạo ra một thành phần cơ bản của cụm
dân cư gọi là "hộ gia đình".
Nói cách khác, nó được coi là một biễu đồ hình dạng tải được xác định chủ yếu
bởi các mối tương quan giữa các thiết bị và các thành viên của hộ gia đình. Tuy
nhiên mối tương quan như vậy có thể tạo ra kết quả biễu đồ khác nhau, tùy
thuộc vào khu vực địa lý và các loại hộ gia đình. Các hoạt động trung bình của
các thành viên trong gia đình cụ thể khác nhau ở nhà vào những thời điểm nhất
định trong ngày.
Các chức năng giới thiệu (thường loại xác suất) có thể được tóm tắt như sau:
chức năng hành vi
 Khả năng hiện diện ở nhà của từng thành viên trong gia đình: một biểu
đồ giá trị phần trăm với khoảng thời gian khác nhau trong ngày. Chức
năng này đề cập đến các sự kiện quan trọng như đi ra ngoài để học / làm
việc, về nhà, bữa ăn và ngủ.
 hoạt động hộ gia đình: các hoạt động khác nhau liên quan đến việc sử
dụng năng lượng điện của các thành viên được chia theo bốn mục chính:
công việc gia đình, vệ sinh, nấu ăn và giải trí. Tỷ lệ xác suất của phân
phối trong ngày được đưa ra.

1.5.3.1 Tình hình nghiên cứu trên thế giới

Ngày nay, để xây dựng biểu đồ dự báo phụ tải các nước trên thế giới nói chung
cũng như Việt Nam nói riêng đã đưa ra nhiều giải pháp để sử dụng điện hiệu
quả.
Trên thế giới đã thực hiện thống kê các số liệu và biễu đồ dự báo phụ tải theo
bản chất ngẫu nhiên tiêu thụ được tạo ra bằng cách sử dụng quá trình ngẫu nhiên
và các chức năng phân phối xác suất. Ở phần lan Jukka V. Paatero and Peter D.
Lund đã xây dựng biểu đồ theo giờ trong tổng số hộ gia đình 702 trong 365
9

ngày trong năm 2002 áp dụng trong việc phân tích các bản chất ngẫu nhiên của
dữ liệu, cung cấp số lượng tăng lên của các hộ gia đình cho các thống kê tốt
hơn. Ở ý (Capasso và cộng sự, 1994) cũng trình bày phương pháp bottom up
cho khu dân cư trong đó trình bày Một số chức năng xác suất bao gồm các mối
quan hệ chặt chẽ tồn tại giữa nhu cầu của khách hàng dân cư và các yếu tố tâm
lý và hành vi điển hình của các hộ gia đình. tiêu thụ ban ngày trung bình trong
ngày làm việc thường là thấp hơn so với những ngày cuối tuần, và trong buổi tối
tiêu thụ có phần cao hơn so với các buổi tối cuối tuần. báo cáo kết quả so sánh
giữa ghi nhận và dự đoán biểu đồ tải, từ đó rút ra ưu điểm và khuyết điểm của
phương pháp.
Ngoài ra còn nhiều nước khác áp dụng phương pháp bottom up như nhật bản
(Kiichiro Tsuji, Fuminori Sano, Tsuyoshi Ueno and Osamu Saeki, từ 1998 đến
2002), Thụy sỹ (C.F. Walker, J.L. Pokoski, 1985) .v.v.
1.5.3.2. Tình hình nghiên cứu trong nƣớc

Sự phát triển của một các phương pháp để dự báo phụ tải ngắn hạn sử dụng như:
phương pháp tính trực tiếp, phương pháp so sánh đối chiếu, mạng neural nhân
tạo,.v.v Phương pháp neural đã được xác nhận trên một tập dữ liệu thực tế có
thể dự báo sự phát triển của đường cong tải tiêu thụ điện theo giờ, ví dụ như


CHƢƠNG 2: TỔNG QUAN DỰ BÁO PHỤ TẢI
2.1 GIỚI THIỆU
Dự báo nhu cầu tiêu thụ điện là bài toán hết sức cần thiết trong quá trình
vận hành, quy hoạch, phát triển, điều khiển tối ưu chế độ mạng điện v.v… Hầu hết
các bài toán dự báo phụ tải đều dựa trên cơ sở các mô hình toán học hoặc các mô
hình thực nghiệm nhằm tìm ra các quy luật biến đổi của phụ tải điện trong chu kỳ
xét. Kinh nghiệm thực tế cho thấy không có phương pháp dự báo chung cho mọi
quá trình. Mỗi quá trình, mỗi ngành sản xuất có những đặc điểm riêng biệt, đồng
thời ở mỗi lĩnh vực lại có những nét chung mà có thể sử dụng làm cơ sở cho việc
thiết lập các mô hình dự báo. Việc phân tích, đánh giá các phương pháp dự báo
nhu cầu phụ tải nhằm tìm ra những nét chung, nét riêng để có thể áp dụng cho
những điều kiện cụ thể là vấn đề hết sức cấp thiết đối với sự phát triển mạng điện
nước ta, đặc biệt trong bối cảnh các ngành kinh tế ở Việt Nam đang có những biến
chuyển lớn.
Dự báo là một khoa học quan trọng, nhằm mục đích nghiên cứu những
phương pháp luận khoa học, làm cơ sở cho việc đề xuất các dự báo cụ thể cũng
như việc đánh giá mức độ tin cậy, mức độ chính xác của các phương pháp dự báo
– nếu dự báo sai lệch quá nhiều về khả năng cung cấp và nhu cầu năng lượng sẽ
dẫn đến hậu quả không tốt cho nền kinh tế. Nếu dự báo quá thừa về nguồn sẽ huy
động nguồn quá lớn làm tăng vốn đầu tư dẫn đến lãng phí vốn đầu tư và không
khai thác hết công suất thiết bị và ngược lại nếu dự báo thiếu công suất nguồn sẽ
12

dẫn đến cung cấp điện không đủ cho nhu cầu phụ tải, giảm độ tin cậy cung cấp
điện gây thiệt hại cho nền kinh tế quốc dân.
Mục tiêu chính của dự báo phụ tải là cung cấp một dự báo phụ tải cho
các chức năng lập biểu đồ phát điện cơ bản, cho việc đánh giá mức độ an toàn
của vận hành hệ thống, và cung cấp thông tin đúng lúc cho người điều độ.
Người ta nhận thức rằng dự báo phụ tải giữ một vai trò quan trọng trong các hệ

cụ thể.
Ngoài ra các dự báo ngắn hạn và dài hạn nêu trên, ta còn gặp dự báo điều độ,
tầm dự báo khoảng vài giờ, vài ngày, vài tuần phục vụ cho công tác vận hành
các xí nghiệp, các hệ thống điện, sai số cho phép khoảng 3 ÷ 5%.
2.3 CÁC YẾU TỐ ẢNH HƢỞNG ĐẾN PHỤ TẢI
2.3.1 Các yếu tố kinh tế
Điều kiện kinh tế trong một khu vực có thể ảnh hưởng đến hình dạng đồ
thị phụ tải. Điều kiện này có thể bao gồm các vấn đề như loại khách hàng, các
điều kiện nhân khẩu học, các hoạt động công nghiệp, và dân số. Các điều kiện
này chủ yếu sẽ ảnh hưởng đến dự báo phụ tải dài hạn.
14

2.3.2 Các yếu tố thời gian
Bao gồm thời gian cả năm, các ngày trong tuần, và các giờ trong ngày.
Có sự khác biệt quan trọng trong phụ tải giữa ngày làm việc và ngày cuối tuần.
Phụ tải trên các ngày trong tuần cũng có thể khác nhau.
2.3.3 Các điều kiện thời tiết
Ảnh hưởng đến phụ tải .Trong thực tế, các tham số thời tiết được dự báo
là các yếu tố quan trọng nhất trong các dự báo phụ tải dự báo ngắn hạn.
2.3.4 Các nhiễu ngẫu nhiên
Các khách hàng công nghiệp lớn, như cán thép, 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 đỏi phụ tải đột ngột như cắt điện do tiết giảm hoặc sự ngừng hoạt động
của các khu công nghiệp do đình công, do khủng hoảng kinh tế.
2.3.5 Các yếu tố về giá
Trong các thị trường điện, giá điện, mà có thể thay đổi đột ngột và có thể
có một quan hệ phức tạp với tải của hệ thống, trở nên là một yếu tố quan trọng
trong dự báo phụ tải.
2.3.6 Các yếu tố khác
Hình dạng đồ thị phụ tải có thể khác nhau do các điều kiện địa lý. Ví dụ,

kế hoạch,không có khủng hoảng.
16

Ưu điểm của phương pháp là: tính toán đơn giản cho ta biết được tỉ lệ sử
dụng điện năng trong các ngành kinh tế như công nghiệp,nông nghiệp, dân
dụng, v.v… và xác định được nhu cầu điện năng ở từng địa phương (sử dụng
thuận tiện trong qui hoạch).
Nhược điểm: Mức độ chính xác phụ thuộc vào việc Thu thập số liệu của
các ngành, địa phương dự báo.
Phương pháp này dùng để dự báo tầm ngắn và tầm trung.
2.4.3 Phƣơng pháp ngoại suy theo thời gian
Phương pháp của nội dung là tìm quy luật pháp triển điện năng Theo thời gian
dựa vào số lượng thống kê trong một thời gian quá khứ tương đối ổn định, rồi
kéo dài quy luật đó ra để dự báo cho tương lai.
Ví dụ: Mô hình có dạng hình mũ sau:
At = A0 (1 + α) t (1-1)
Trong đó: α: tốc độ pháp triển bình quân hàng năm.
t: thời gian dự báo
A0: điện năng chọn ở năm làm gốc
At: điện năng dự báo ở năm thứ t




=






(1-3)
Lấy lôgarit 2 vế (1-3) ta được:
lgA
t
= lgA
0
+ t.lgC
Đặt y = lgA
t
; a = lgA
0
; b = lgC thì (1-3) có thể viết
y = a + bt (1-4)
Các hệ số a, b được xác định bằng phương pháp bình phương cực tiểu
Ưu điểm của phương pháp ngoại suy hàm mũ là đơn giản và có thể áp
dụng để dự báo điện năng tầm ngắn và tầm xa.
Khuyết điểm: kết quả chỉ chính xác nếu tương lai không nhiễu và quá
khứ phải tuân theo một quy luật (thường đối với hệ thống không ổn định, thiếu
nguồn thông tin quá khứ có nguồn thông tin không thật sẽ dẫn đến qui luật sai).
2.4.4 Phƣơng pháp hồi quy tƣơng quan
2.4.4.1 Phƣơng pháp luận
Phương pháp này nghiên cứu mối tương quan giữa các thành phần kinh tế, xã
hội nhằm phát hiện những quan hệ về mặt định lượng của các tham số dựa vào
thống kê toán học. Các mối tương quan đó giúp chúng ta xác dịnh được lượng
điện năng tiêu thụ. Có hai loại phương trình hồi quy được ứng dụng nhiều trong
hệ thống điện: phương trình tuyến tính và phương trình luỹ thừa.
2.4.4.2 Phƣơng trình dạng tuyến tính:
18

Ðây là dạng phương trình thông dụng nhất, nó cho phép phân tích đánh giá sự

n
X X X
0
Y = a
(2)

Dạng phương trình (2) cũng có thể đưa về dạng phương trình (1) bằng cách lấy
logarit 2 vế. Việc lựa chọn hàm hồi quy được tiến hành trên cơ sở so sánh các hệ
số tương quan, hệ số tương quan của dạng phương trình nào lớn thì chọn dạng
phương trình đó.
Khi các biến ngẫu nhiên ảnh hưởng đến quá trình tiêu thụ điện Y tăng lên sẽ làm
tăng số ẩn Xi và tăng kích thước bài toán nhưng thuật toán để tìm nghiệm là như
nhau. Ngày nay với sự trợ giúp của máy tính thì các phép toán đó sẽ trở nên đơn
giản, vấn đề đặt ra là chúng ta phải có một bộ dữ liệu quá khứ đủ mức tin cậy để
19

xây dựng hàm hồi quy, dựa trên cơ sở xác định phụ tải bằng các phương pháp:
dùng phiếu điều tra, phương pháp trực tiếp Kết quả của phương pháp nêu trên
xác định được các hệ số hồi quy ai. Việc xác định mức tiêu thụ điện được xác định
dựa trên cơ sở của ai và các yếu tố ảnh hưởng khác.
Nghiên cứu mối tương quan giữa các thành phần kinh tế với điện năng
nhằm phát hiện những mối quan hệ về mặt định lượng từ đó xây dựng mô hình
biểu diễn sự tương quan giữa điện năng với sản lượng các thành phần kinh tế
như: sản lượng công nghiệp, sản lượng kinh tế quốc dân.v.v Khi xác định được
giá trị sản lượng các thành phần kinh tế (bằng các phương pháp khác) ở năm dự
báo, dựa vào mối quan hệ trên để dự báo phụ tải điện năng.
Nhược điểm của phương pháp là ta phải thành lập các mô hình dự báo
phụ, ví dụ sản lượng công nghiệp, sản lượng kinh tế quốc dân theo thời gian để
dự báo sản lượng công nghiệp, kinh tế quốc dân ở năm t dự báo.
2.4.5 Phƣơng pháp so sánh đối chiếu

khác.
Trong hệ thống neural, nhiều thí dụ được lập chương trình trong máy vi tính.
Những thí dụ này bao gồm toàn bộ các mối quan hệ trong quá khứ giữa các biến
có thể ảnh hưởng đến các biến phụ thuộc. Chương trình hệ thống neural sau đó bắt
21

chước ví dụ này và cố gắng bắt chước mối quan hệ cơ sở đó bằng cách học hỏi khi
xử lý. Quá trình học hỏi này cũng được gọi là đào tạo giống như việc đào tạo con
người trong công việc. Một trong những ưu điểm nổi bật của hệ thống neural trong
dự báo là phương pháp này không cần phải xác định những mối quan hệ giữa các
biến số trước. Phương pháp này có thể xác định nhờ vào quá trình học hỏi về các
mối quan hệ qua những thí dụ đã được đưa vào máy. Bên cạnh đó, hệ thống neural
không đòi hỏi bất kỳ giả định nào về các phân phối tổng thể và không giống
những phương pháp dự báo truyền thống, nó có thể sử dụng mà không cần có đầy
đủ số lượng các số liệu cần thiết. Chương trình hệ thống neural có thể thay thế
nhanh chóng mô hình hiện có, ví dụ như phân tích hồi quy, để đưa ra những dự
báo chính xác mà không cần ngưng trệ các hoạt động đang diễn ra. Hệ thống
neural đặc biệt hữu ích khi số liệu đầu vào có tương quan cao hay có số lượng
không đủ, hoặc khi hệ thống mang tính phi tuyến cao. Phương pháp này cho kết
quả dự báo có độ chính xác cao, dự báo được các sự kiện theo thời gian.
2.4.8 Phƣơng pháp bottom up

Nội dung của phương pháp là xây dựng biễu đồ dự báo phụ tải cho dân
dụng dựa trên những yếu tố ngẫu nhiên cũng như yếu tố xã hội, yếu tố thời gian,
yếu tố thời tiết và suất tiêu hao điện năng đối với từng loại thiết bị, mức tiêu hao
của từng hộ gia đình.
Ưu điểm của phương pháp là: tính toán đơn giản cho ta biết được tỉ lệ sử
dụng điện năng trong dân dụng, v.v… và xác định được nhu cầu điện năng ở
từng khu vực dân cư (sử dụng thuận tiện trong qui hoạch).
Phương pháp này dùng để dự báo tầm ngắn và tầm trung

 Vỏ nồi
 Soong
 Dây đốt nóng
24

3.2.2 Nguyên lý hoạt động
Nồi nấu được đun nóng bằng một điện trở
Nguyên tắc hoạt động của nồi cơm điện được trình bày trong hình II2.2

Hình 3.3: Nguyên tắc hoạt động của nồi cơm điện
Áp dụng phương trình bảo tồn năng lượng, mô tả bởi phương trình (II2.2) sau
đó:



 






 

  II 2.2
• C nhiệt dung riêng của tấm nấu ăn (J / kg-
o
K)
• M khối lượng của tấm nấu ăn (kg)
• S bề mặt trao đổi nhiệt của nồi (m


Hình 3.4: mô hình nồi cơm điện trong Simulink
3.3 Tủ lạnh
3.3.1 Cấu tạo
 Máy nén
 Dàn ngưng
 Dàn bay hơi

Trích đoạn CHƢƠNG 5: KẾT LUẬN

---