TỔNG QUAN VỀ DỰ PHỤ TẢI NGẮN HẠN
Vai trò của dự báo phụ tải ngắn hạn trong công tác điều độ
Điện năng là sản phẩm thiết yếu cho sự phát triển kinh tế và đời sống xã hội của mỗi quốc gia Khác với các sản phẩm khác trong nền kinh tế thị trường, điện không thể thiếu và ngành điện được xem là cơ sở hạ tầng quan trọng Điện có khả năng đáp ứng nhanh chóng nhu cầu và không thể dự trữ, do đó, việc dự báo phụ tải chính xác và duy trì hệ thống sản xuất, truyền tải, phân phối luôn sẵn sàng là yếu tố then chốt ảnh hưởng đến hiệu quả phục vụ khách hàng.
Trong công tác vận hành, việc lập phương thức hàng ngày và hàng tuần cho công tác điều độ và dự báo phụ tải ngắn hạn, bao gồm dự báo một giờ, một ngày hoặc một tuần, có vai trò rất quan trọng Các phương thức vận hành cơ bản hàng ngày như huy động nguồn, phối hợp giữa thủy điện và nhiệt điện, truyền tải công suất giữa các miền, thực hiện sửa chữa trên lưới điện và đánh giá an toàn hệ thống điện đều cần dự báo phụ tải chính xác để đảm bảo hiệu quả và an toàn.
Dự báo phụ tải ngày của hệ thống điện (HTĐ) có ảnh hưởng lớn đến chi phí vận hành, với sai số cao có thể dẫn đến chi phí tăng do huy động nguồn điện dự phòng đắt tiền hoặc thiếu an toàn cung cấp điện Tại Việt Nam, tỷ lệ phụ tải sinh hoạt và dịch vụ cao tạo ra sự chênh lệch lớn giữa phụ tải cao điểm (Pmax) và phụ tải thấp điểm (Pmin), khoảng 2.5 đến 3 lần, điều này khiến việc điều độ trở nên quan trọng Phụ tải cao điểm quyết định việc huy động các nguồn nhiệt điện và diesel để đảm bảo nguồn cung cấp điện an toàn, trong khi phụ tải thấp điểm ảnh hưởng đến việc phối hợp và điều chỉnh các nguồn điện nhằm đảm bảo vận hành kinh tế Pmax là yếu tố quan trọng nhất trong ngày, ảnh hưởng đến tuổi thọ và hiệu suất kinh tế kỹ thuật của nhà máy, do đó cần phải quản lý chặt chẽ để tránh tổn thất công suất và điện năng.
Dự báo chính xác phụ tải cao điểm trong mùa lũ mang lại hiệu quả kinh tế lớn, đặc biệt khi cần tối ưu hóa nguồn thuỷ điện Trong thời gian các hồ chứa xả nước, các nguồn điện khác chỉ được huy động để đảm bảo an toàn Nếu giảm sai số dự báo phụ tải cao điểm xuống 2%, ngành điện có thể tiết kiệm khoảng 80MW từ nguồn tua-bin khí chạy dầu đắt đỏ, tương đương với khoảng 102.800.000đ Hơn nữa, việc hạn chế phụ tải trong giờ cao điểm thường diễn ra vào mùa lũ do thiếu nguồn phủ đỉnh.
Việc xác định chính xác lượng công suất thiếu để chủ động cắt tải là rất quan trọng, nhằm tránh tình trạng cắt thừa hoặc cắt thiếu Điều này không chỉ giúp ngăn chặn việc sa thải tải do tác động của bảo vệ tần số thấp mà còn góp phần giảm thiểu thiệt hại do việc cắt điện gây ra trong quá trình vận hành.
Việc đảm bảo độ tin cậy trong cung cấp điện và vận hành an toàn, kinh tế hệ thống điện (HTĐ) hiện nay có ý nghĩa quan trọng đối với ngành điện và nền kinh tế quốc dân Khi HTĐ Việt Nam liên kết với các nước ASEAN và Trung Quốc, nhu cầu tăng cường độ tin cậy trong cung cấp điện càng trở nên cấp thiết Điều này không chỉ giúp nâng cao chất lượng phục vụ nhu cầu tiêu thụ điện năng trong sản xuất và đời sống, mà còn góp phần vào sự tăng trưởng kinh tế của đất nước Hơn nữa, việc này còn đảm bảo cho Điện Lực Việt Nam thực hiện các cam kết trong các thỏa thuận với hệ thống điện của các nước trong khu vực.
Giải quyết hiệu quả vấn đề cung cấp điện đóng vai trò quan trọng, do đó việc nghiên cứu và áp dụng các mô hình dự báo khác nhau để xác định mô hình tối ưu cho dự báo phụ tải là vô cùng cần thiết.
Tầm quan trọng của dự báo phụ tải điện
Dự báo phụ tải điện (DBPT) là yếu tố quan trọng trong quy hoạch và vận hành hệ thống điện Nhu cầu tiêu thụ điện năng gắn liền với sự phát triển kinh tế quốc dân, do đó DBPT cần được xem như một phần của dự báo phát triển kinh tế và khoa học kỹ thuật Việc dự báo phụ tải điện không chính xác, đặc biệt là quá thừa so với nhu cầu thực tế, sẽ dẫn đến việc huy động nguồn dự phòng tốn kém hơn mức cần thiết.
Nếu dự báo phụ tải thấp hơn nhu cầu thực tế, sẽ dẫn đến nguồn dự phòng điện hạn chế, gây giảm an toàn trong cung cấp điện, không đáp ứng đủ nhu cầu của người tiêu dùng và ảnh hưởng tiêu cực đến nền kinh tế quốc dân.
Dự báo phụ tải dài hạn, kéo dài từ 1 đến 20 năm, cung cấp dữ liệu quan trọng cho quy hoạch và đầu tư phát triển hệ thống điện Ngược lại, dự báo phụ tải ngắn hạn, từ 1 đến 30 ngày, đảm bảo vận hành hệ thống điện một cách an toàn và kinh tế Dự báo dài hạn mang tính chiến lược, tập trung vào các phương hướng phát triển chính mà không yêu cầu xác định chỉ tiêu cụ thể.
Dự báo phụ tải điện quá cao so với nhu cầu thực tế sẽ dẫn đến việc cần huy động vốn lớn để xây dựng nhiều nguồn phát điện, nhưng lại không sử dụng hết công suất, gây lãng phí Ngược lại, nếu dự báo quá thấp so với nhu cầu thực tế, sẽ dẫn đến tình trạng thiếu hụt nguồn điện.
Phụ tải của hệ thống điện là một hàm số phụ thuộc vào thời gian, tần số và mô đun điện áp, thể hiện qua các đặc tính thống kê Đặc tính ngẫu nhiên của phụ tải được xác định dựa trên hai yếu tố chính.
Chu kỳ T có thể được liên kết với các chu kỳ tự nhiên trong cuộc sống con người như ngày, đêm, tháng và năm Tuy nhiên, không thể coi bất kỳ chu kỳ nào trong số đó là sự lặp lại chính xác của chu kỳ trước, do sự gia tăng phụ tải theo thời gian và các biến đổi bất thường trong phụ tải Tóm lại, các yếu tố ảnh hưởng đến phụ tải bao gồm sự thay đổi theo thời gian và các yếu tố ngoại lai.
Qua đồ thị trên ta thấy tốc độ tăng trưởng của phụ tải qua các năm là khác nhau:
Để dự báo phụ tải, cần mô tả các thông số phụ tải hiện có bằng một hoặc nhiều hàm số, nhằm phản ánh chính xác dãy thông số quan sát Sai số tiệm cận hóa thông số quan sát được đánh giá qua giá trị của hàm số theo các đối số, và những sai số này thường được coi là ngẫu nhiên Phương trình mô tả dãy thông số không chỉ là một quan hệ gần đúng mà là quan hệ hồi quy, do đó sai số dự báo phụ thuộc vào chất lượng của mô hình dự báo phụ tải Điều này có nghĩa là độ chính xác của sai số dự báo phụ thuộc vào khả năng của mô hình trong việc mô tả diễn biến của phụ tải Khi xây dựng mô hình, nếu xác định được mối liên quan của sai số dự báo ở các thời điểm khác nhau, có thể ước lượng sai số trong tương lai Sai số này được gọi là sai số tính toán hoặc sai số tương đối, khác với sai số quan sát (sai số thực tế hay sai số tuyệt đối) Việc ước lượng sai số dự báo là rất quan trọng để nâng cao độ chính xác của dự báo.
Sai số trong dự báo phụ thuộc vào đặc tính của phụ tải và khoảng thời gian dự đoán Khi phụ tải tương đương cần tính toán lớn hơn, bao gồm nhiều phụ tải nhỏ với tính chất khác nhau, sai số tương đối sẽ giảm Hơn nữa, sai số tính toán theo phần trăm của tổng phụ tải sẽ luôn nhỏ hơn sai số tính theo phần trăm của bất kỳ phụ tải thành phần nào.
Phụ tải công nghiệp thường ổn định trong từng chu kỳ, trong khi phụ tải sinh hoạt có sự biến động lớn giữa các chu kỳ nhưng lại ít thay đổi trong cùng một chu kỳ.
Các yếu tố ảnh hưởng trực tiếp đến phụ tải ngày
Mục tiêu cuối cùng của mọi dự báo là đảm bảo rằng kết quả dự báo gần gũi với giá trị thực tế Để đạt được dự báo hàng ngày với sai số thấp, việc lựa chọn phương pháp dự báo tối ưu là rất quan trọng.
Qua các số liệu thống kế và thực tế vận hành cho thấy phụ tải HTĐ Việt Nam phụ thuộc chủ yếu vào các yếu tố sau:
Thứ của ngày trong tuần: giá trị phụ tải giờ trong các ngày làm việc thường cao hơn phụ tải giờ của các ngày nghỉ cuối tuần
Thời tiết trong ngày bao gồm các yếu tố như nhiệt độ, độ ẩm, tốc độ và hướng gió, cùng cường độ ánh sáng Trong số các yếu tố này, nhiệt độ là yếu tố tác động nhanh nhất đến phụ tải, và phụ tải có thể được xem như một hàm số phụ thuộc vào nhiệt độ.
Mối quan hệ giữa phụ tải và nhiệt độ cho thấy rằng khi nhiệt độ tăng, phụ tải cũng tăng theo, và ngược lại Tuy nhiên, ở miền Bắc, trong những ngày thời tiết lạnh cực đoan, phụ tải có thể gia tăng do nhu cầu sử dụng các thiết bị sưởi ấm.
Ngày đặc biệt trong năm bao gồm các lễ hội và ngày tết như Tết Nguyên Đán, Tết Dương Lịch, ngày Giải phóng miền Nam (30/4), Quốc tế Lao động (01/5) và Quốc khánh (02/9) Vào những ngày này, phụ tải điện trên toàn quốc thường giảm đáng kể so với các ngày bình thường.
Trong kế hoạch sửa chữa lớn có cắt điện phụ tải, việc cải tạo các trạm biến áp 220KV và ngừng cung cấp điện cho các đường dây đang hoạt động dẫn đến giảm đáng kể điện năng tiêu thụ trong những ngày này Do đó, dự báo phụ tải cần phải tính toán khấu trừ lượng điện giảm do cắt điện Biểu đồ phụ tải trong những ngày cắt điện rộng rãi cũng có đặc thù riêng, thay đổi theo thời gian và khu vực bị cắt điện.
Qua nghiên cứu và phân tích số liệu, các chuyên gia nhận định rằng nhiệt độ môi trường là yếu tố quan trọng nhất ảnh hưởng đến giá trị phụ tải trong ngày Bên cạnh đó, các đặc thù của ngày như ngày nghỉ cuối tuần, ngày lễ và các ngày đặc biệt cũng có tác động mạnh mẽ đến biến động này.
Phương hướng nghiên cứu dự báo phụ tải
Dự báo đóng vai trò quan trọng trong nhiều lĩnh vực, ảnh hưởng đến kế hoạch sản xuất và đầu tư phát triển tương lai Để thực hiện dự báo phụ tải ngày, cần dựa vào số liệu thống kê và phân tích, áp dụng các mô hình toán học để xác định mối quan hệ giữa phụ tải và các yếu tố tác động Qua đó, dự báo phụ tải được thực hiện dựa trên những yếu tố ảnh hưởng này.
Traditional mathematical models commonly used for forecasting include linear regression, moving averages, stochastic models, exponential smoothing, and Autoregressive Integrated Moving Average (AGRIMA).
Nghiên cứu dự báo phụ tải ngày tập trung vào việc tìm hiểu mối quan hệ giữa phụ tải và các yếu tố ảnh hưởng chính Việc áp dụng mạng nơron nhân tạo trong dự báo phụ tải hệ thống điện Việt Nam được thực hiện với yêu cầu phương pháp đơn giản, xem xét ảnh hưởng của biến nhiệt độ và đặc thù ngày, nhằm đạt được độ chính xác cao với sai số nhỏ.
MẠNG NƠRON
Giới thiệu về mạng nơron
Dưới đây là các mốc đáng chú ý trong lịch sử phát triển của mạng nơron :
Cuối thế kỷ 19 và đầu thế kỷ 20, sự phát triển trong nghiên cứu chủ yếu liên quan đến ba lĩnh vực: Vật lý học, Tâm lý học và Thần kinh học, với sự đóng góp của các nhà khoa học như Hermann von Helmholtz, Ernst Mach và Ivan Pavlov Các công trình của họ tập trung vào lý thuyết tổng quát về học tập, thị giác và lập luận, nhưng chưa cung cấp các mô hình toán học cụ thể để mô tả hoạt động của các nơron.
Vào những năm 1940, Warren McCulloch và Walter Pitts đã khởi đầu một cuộc cách mạng trong lĩnh vực trí tuệ nhân tạo khi họ chứng minh rằng mạng lưới nơron nhân tạo có khả năng tính toán mọi hàm số học và logic.
Donald Hebb đã khẳng định rằng lý thuyết cổ điển về học tập, như của Pavlov, được xây dựng dựa trên các thuộc tính của từng nơron riêng biệt Ông cũng giới thiệu phương pháp học cho các nơron nhân tạo Ứng dụng thực nghiệm đầu tiên của nơron nhân tạo xuất hiện vào cuối những năm 50 với sự phát minh của mạng nhận thức và các quy luật liên quan bởi Frank Rosenblatt, cho phép nhận dạng các mẫu Tuy nhiên, mạng này vẫn gặp hạn chế khi chỉ có khả năng giải quyết một số lớp bài toán hữu hạn.
Vào thời điểm đó, Bernard Widrow và Marcian Hoff đã phát triển một thuật toán mới để huấn luyện các mạng nơron tuyến tính thích nghi, tương tự như mạng của Rosenblatt Luật học Widrow – Hoff vẫn được áp dụng cho đến nay.
Rosenblatt và Widrow – Hoff đã gặp phải một vấn đề lớn mà Marvin Minsky và Seymour Papert chỉ ra, đó là các mạng nhận thức chỉ có thể giải quyết các bài toán tách tuyến tính Dù họ đã nỗ lực cải tiến luật học và cấu trúc mạng để vượt qua hạn chế này, nhưng không thành công trong việc phát triển các phương pháp huấn luyện cho các mạng có cấu trúc phức tạp hơn.
Kết quả của Minsky và Papert đã dẫn đến sự chững lại trong nghiên cứu mạng nơron trong suốt thập kỷ 70, chủ yếu do thiếu máy tính đủ mạnh để thực hiện các thí nghiệm.
Mặc dù vậy, vẫn có một vài phát kiến quan trọng vào những năm 70 Năm
Vào năm 1972, Teuvo Kohonen và James Anderson đã độc lập phát triển một loại mạng mới có khả năng hoạt động như một bộ nhớ Đồng thời, Stephen Grossberg cũng tích cực nghiên cứu các mạng tự tổ chức.
Vào những năm 80, sự phát triển mạnh mẽ của nghiên cứu mạng nơron gắn liền với sự ra đời của máy tính cá nhân (PC) Hai khái niệm mới nổi bật trong thời kỳ này liên quan đến sự hồi sinh của mạng nơron là
Việc áp dụng các phương pháp thống kê để phân tích hoạt động của một lớp mạng hồi quy có thể được xem như là một bộ nhớ liên hợp, theo nghiên cứu của nhà vật lý John Hopfield.
Thuật toán lan truyền ngược, được phát triển độc lập bởi các nhà nghiên cứu như David Rumelhart và James McClelland, đánh dấu một bước tiến quan trọng trong việc huấn luyện các mạng nơ-ron nhiều lớp, đồng thời cung cấp lời giải đáp cho những thách thức mà Minsky và Papert đã đề cập.
Trong quá trình phát triển, mạng nơron đã được ứng dụng trong rất nhiều lĩnh vực:
Tài chính đóng vai trò quan trọng trong việc định giá bất động sản, cho vay và kiểm tra tài sản cầm cố Việc đánh giá mức độ hợp tác và phân tích đường tín dụng cũng rất cần thiết, cùng với chương trình thương mại qua giấy tờ Thêm vào đó, phân tích tài chính liên doanh và dự báo tỷ giá tiền tệ là những yếu tố quan trọng giúp doanh nghiệp đưa ra quyết định đúng đắn trong quản lý tài chính.
Ngân hàng: Bộ đọc séc và các tài liệu, tính tiền của thẻ tín dụng
Giải trí: Hoạt hình, các hiệu ứng đặc biệt
Bảo hiểm: Đánh giá việc áp dụng chính sách, tối ưu hoá sản phẩm
Điện tử học bao gồm các lĩnh vực như dự báo mã tuần tự, thiết kế sơ đồ chíp IC, điều khiển tiến trình, phân tích nguyên nhân hỏng chíp, nhận dạng tiếng nói và mô hình phi tuyến Những khía cạnh này đóng vai trò quan trọng trong việc phát triển công nghệ điện tử hiện đại, giúp cải thiện hiệu suất và độ tin cậy của các hệ thống điện tử.
Quốc phòng hiện đại ngày nay chú trọng vào việc định vị và phát hiện vũ khí, cũng như dò tìm mục tiêu và nhận dạng đối tượng Việc sử dụng các bộ cảm biến thế hệ mới và công nghệ xử lý ảnh radar đóng vai trò quan trọng trong việc nâng cao khả năng phát hiện và nhận diện nét mặt, từ đó tăng cường hiệu quả trong các hoạt động an ninh và quốc phòng.
Tự động: Các hệ thống dẫn đường tự động cho ô tô, các bộ phân tích hoạt động của xe
Hàng không: Phi công tự động, giả lập đường bay, các hệ thống điều khiển lái máy bay, bộ phát hiện lỗi
Bộ não con người có khoảng 1011 nơron, mỗi nơron kết nối với khoảng 104 nơron khác Theo quan điểm tin học, nơron bao gồm tế bào hình cây (dendrite) và tế bào thân (cell body) Khớp thần kinh (synapse) là điểm tiếp xúc giữa sợi trục thần kinh của một nơron và tế bào hình cây của nơron khác Sự sắp xếp và cường độ của các khớp thần kinh được xác định bởi các quá trình hóa học phức tạp, ảnh hưởng đến chức năng của mạng nơron.
Một số nơron đã có sẵn từ khi sinh ra, trong khi các phần khác phát triển qua quá trình học tập, tạo ra các liên kết mới và loại bỏ những liên kết cũ.
Nơron nhân tạo
Một nơron nhân tạo, hay còn gọi là đơn vị xử lý, thực hiện chức năng nhận tín hiệu từ nguồn bên ngoài hoặc từ các nơron phía trước, sau đó tính toán và phát tín hiệu ra cho các nơron khác.
Hình 2.1: Đơn vị xử lý thứ j c Ở đây: xi : là các đầu vào wji : các trọng số tương ứng với các đầu vào
j : ngưỡng của nơron thứ j aj : tổng đầu vào của nơron thứ j (net input) zj : đầu ra của nơron thứ j g(.): hàm chuyển (hàm kích hoạt)
Một nơron trong mạng nơron có nhiều đầu vào (x1, x2, , xn) nhưng chỉ có một đầu ra (zj) Các đầu vào này có thể đến từ bên ngoài mạng, từ đầu ra của nơron khác, hoặc thậm chí là đầu ra của chính nơron đó.
Trong mạng nơron có ba kiểu nơron:
Nơron đầu vào, nhận tín hiệu từ bên ngoài
Nơron ẩn, tín hiệu vào và ra của nó nằm trong mạng
Nơron đầu ra, gửi tín hiệu ra bên ngoài
Hàm xử lý
Hàm kết hợp thực hiện nhiệm vụ tổng hợp các giá trị từ các nơron khác thông qua các liên kết, tạo ra giá trị gọi là đầu vào ròng (net input) Tổng đầu vào của nơron j được tính bằng tổng trọng số của các đầu ra từ các nơron cộng với ngưỡng j.
Nếu wji >0 nơron được coi là ở trạng thái kích thích Nếu wji