Ứng dụng khoa học trí tuệ nhân tạo trong bài toán dự báo phụ tải điện

- TRỊNH KHÁNH LY ỨNG DỤNG KHOA HỌC TRÍ TUỆ NHÂN TẠO TRONG BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN LUẬN VĂN THẠC SỸ KỸ THUẬT CHUYÊN NGÀNH: ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN Hà Nội – 2004 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI.
- TRỊNH KHÁNH LY ỨNG DỤNG KHOA HỌC TRÍ TUỆ NHÂN TẠO TRONG BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN LUẬN VĂN THẠC SỸ KỸ THUẬT CHUYÊN NGÀNH: ĐO LƯỜNG VÀ CÁC HỆ THỐNG ĐIỀU KHIỂN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS.
- PHẠM THƯỢNG HÀN Hà Nội – 2004 MỤC LỤC Giới thiệu Chương 1: Tổng quan về phụ tải hệ thông điện Việt Nam 1.1 Giới thiệu chung về hệ thống điện Việt Nam Tầm quan trọng của dự báo phụ tải điện.
- Mô hình toán Dự báo phụ tải hệ thống điện Việt nam Chương 2 Bài toán dự báo phụ tải tuần 2.1 Đồ thị phụ tải điện Dự báo phụ tải ngắn hạn - cho một tuần Dạng của đồ thị phụ tải Đỉnh và đáy của đồ thị phụ tải Dự báo phụ tải cho 7 ngày trong tuần Chương 3: Các khái niệm cơ bản về mạng Nơ ron nhân tạo 3.1 Sơ lược về mạng nơ ron Lịch sử hình thành và phát tiển của mạng nơ ron nhân tạo Cơ sở về mạng Nơ ron Nơron sinh học Mạng nơ ron nhân tạo Mô hình một nơ ron nhân tạo Hàm xử lý Mạng nơ ron nhân tạo Chương 4: Các khái niệm cơ bản về mạng Nơ ron nhân tạo 4.1 Luật học cạnh tranh Mạng lượng tử hoá véc tơ LVQ Cấu trúc mạng Huấn luyện mạng Xây dựng mạng LVQ để phân loại kiểu ngày Thiết kế cấu trúc mạng Huấn luyện mạng Kết quả mô phỏng mạng mạng LVQ để phân loại kiểu ngày Chương 5.
- Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 4 CHƯƠNG 1 TỔNG QUAN VỀ PHỤ TẢI HỆ THỐNG ĐIỆN VIỆT NAM Chương này đề cập đến các vấn đề sau.
- Tầm quan trọng của dự báo phụ tải điện.
- Dự báo phụ tải hệ thống điện Việt nam.
- Mức độ tăng trưởng phụ tải hệ thống năm các năm 1995-2003 là tương đối cao, chỉ trừ năm 1998 chỉ tăng 7,8%.
- Trong các bảng 1.1 và 1.2 thể hiện tốc độ tăng trưởng phụ tải về công suất cực đại và sản lượng điện các năm 1995-2003.
- Do đó việc dự báo chính xác phụ tải điện có ý nghĩa hết sức quan trọng trong bài toán vận hành kinh tế hệ thống điện cũng như trong cải tạo, thiết kế hệ thống cung cấp điện.
- Việc dự báo chính xác phụ tải cao điểm và thấp điểm giảm được tổn thất công suất và điện năng.
- Trong đó dự báo phụ tải cao điểm Pmax là khâu quan trọng nhất, việc dự báo chính xác phụ tải cao điểm mang lại lợi ích và hiệu suất sử dụng năng lượng và cả lợi ích cho khách hàng, tránh được tình trạng thiếu công suất giờ cao điểm.
- Do đó phụ tải cao điểm và thấp điểm chính là hai giá trị đặc biệt trên biểu đồ phụ tải ngày, và là mối quan tâm hàng đầu của người lập quy hoạch và thiết kế hệ thống điện.
- Khi phụ tải thấp thì tỷ lệ tổn thất tăng do tổn hao không tải.
- 1.2 Tầm quan trọng của dự báo phụ tải điện Dự báo phụ tải điện (DBPT) đóng vai trò vô cùng quan trọng đối với công tác quy hoạch, đầu tư phát triển và vận hành hệ thống điện (HTĐ).
- vì thế dự báo phụ tải điện là một bộ phận của dự báo phát triển kinh tế và khoa học kỹ thuật.
- Nếu chúng ta dự báo phụ tải quá thừa so với nhu cầu sử dụng thì hậu quả là phải huy động nguồn dự phòng đắt tiền lớn hơn mức cần thiết.
- Ngược lại, nếu dự báo phụ tải quá thấp so với nhu cầu thì sẽ dẫn đến kết quả nguồn dự phòng thấp giảm an toàn cung cấp điện, không đáp ứng đủ nhu cầu điện cho các hộ tiêu thụ và làm thiệt hại cho nền kinh tế quốc dân.
- Dự báo phụ tải dài hạn ( khoảng từ 1-20 năm) có nhiệm vụ cung cấp số liệu cho công tác quy hoạch và đầu tư phát triển hệ thống điện.
- Còn dự báo phụ tải ngắn hạn (khoảng từ 1 -30 ngày) có nhiệm vụ đảm bảo vận hành hệ thống điện an toàn và kinh tế.
- Dự báo phụ tải điện quá thừa so với nhu cầu thì dẫn đến việc huy động vốn đầu tư lớn để xây dựng nhiều nguồn phát điện, nhưng thực tế không dùng hết công suất của chúng gây lãng phí.
- Phụ tải của hệ thống điện là một hàm số phụ thuộc vào thời gian t, phụ thuộc vào thông số chế độ - tần số và mô đul điện áp thông qua những đặc tính thống kê.
- Đặc tính ngẫu nhiên của phụ tải được xác định qua hai yếu tố.
- Tính ngẫu nhiên của chính phụ tải • Tính ngẫu nhiên và tính chu kỳ trong hoạt động của con người trong một khoảng thời gian (ngày, tuần, tháng, năm.
- Đặc điểm này tạo nên tính chu kỳ Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 9 trong biến đổi của phụ tải, cho phép dự báo phụ tải với mức độ chính xác tương đối cao.
- Nhu cầu phụ tải phụ thuộc rất nhiều vào yếu tố này.
- Tóm lại các yếu tố ảnh hưởng đến phụ tải bao gồm: Qua đồ thị trên ta thấy tốc độ tăng trưởng của phụ tải qua các năm là khác nhau Hinh1.2: Sản lượng trung bình ngà y tháng 1 qua các năm Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 10 Để dự báo phụ tải cần phải mô tả các thông số phụ tải đã có bằng một hoặc nhiều hàm số nào đó.
- Hay nói một cách khác sai số của dự báo phụ thuộc vào khả năng của mô hình tính toán có thể mô tả diễn biến của phụ tải chính xác đến mức nào.
- Khi xây dựng mô hình tính toán, nếu có thể xác định mối liên quan của sai số dự báo ở những thời điểm khác nhau hoặc liên quan đến một đại lượng khác tức là sai số mang tính hệ thống, thì sau khi xác Mức độ tăng trưởng phụ tải.
- Hình 1.3 Tốc độ tăng trưởng của phụ tải trung bình tháng 1 qua các năm Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 11 định được sai số ở một thời điểm nào đó có thể ước lượng được sai số trong tương lai.
- Phụ tải tương đương cần phải tính dự báo càng lớn (bao gồm nhiều phụ tải nhỏ, có tính chất khác nhau) thì sai số tương đối càng nhỏ.
- Sai số tính toán theo phần trăm của phụ tải tổng sẽ nhỏ hơn sai số cũng tính theo phần trăm của bất kỳ phụ tải thành phần nào.
- Phụ tải công nghiệp thường ít thay đổi trong một chu kỳ và qua các chu kỳ, phụ tải sinh hoạt có thể thay đổi nhiều trong một chu kỳ và ít thay đổi qua các chu kỳ.
- 1.3.Mô hình toán 1.3.1 Đặt bài toán Cho dãy thông số phụ tải điện quan sát trong khoảng thời gian N năm.
- Cần dự báo dãy thông số phụ tải trong khoảng thời gian tính toán M năm 1.3.2 Lựa chọn mô hình tính toán Dự báo tổng nhu cầu phụ tải là cần thiết cho công tác quy hoạch và phân phối tối ưu các tổ máy phát.
- Các ứng dụng khác của việc dự báo phụ tải trong ngắn hạn là cần thiết cho sự an toàn của hệ thống và việc quản lý được xem xét, kiểm soát được trên các giờ cơ sở, phụ tải đỉnh và đáy, công suất phản kháng, dòng phụ tải của hệ thống.
- Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 12 Những nghiên cứu kỹ lưỡng về nhu cầu phụ tải cho ta thấy rằng nhu cầu phụ tải là một quá trình động.
- Sự biến đổi của nó phụ thuộc vào hai yếu tố: thứ nhất các hoạt động của con người và thói quen của con người trong cả ngày và đêm: thứ hai là các điều kiện thời tiết Có ba bước dùng để dự báo phụ tải.
- Bước thứ nhất: nhận biết mô hình Nó là khâu quan trọng nhất trong kỹ thuật dự báo phụ tải.
- Các dữ liệu về thời tiết và phụ tải có liên quan trong quá khứ cũng được sử dụng trong mô hình.
- Trong dự báo phụ tải hiện nay chưa có mô hình tính toán nào là hoàn chỉnh.
- Các dữ liệu cơ bản về thời tiết và phụ tải trong quá khứ được dùng để ước tính các thông số trên.
- Kỹ thuật ước lượng tạo ra các thông số tối ưu Bước cuối cùng: Dự báo phụ tải.
- Các thông số tối ưu được sử dụng để dự báo phụ tải của các giờ ngày hoặc tuần tiếp theo trong tương lai.
- Do tầm quan trọng Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 13 của nó đối với việc quy hoạch và vận hành hệ thống điện, dự báo phụ tải đã thu hút được sự quan tâm của các nhà nghiên cứu trong suốt vài thập kỷ gần đây.
- 1.4 Dự báo phụ tải hệ thống điện Việt nam Phụ tải hệ thống điện miền Bắc, niền Trung, miền Nam ngoài những yếu tố ngẫu nhiên diễn biến khác nhau còn mang một số quy luật chung.
- Dạng đồ thị phụ tải ngày diễn biến theo chu kỳ, mỗi chu kỳ bao gồm một số điểm cực trị tương đối rõ nét.
- Nhiêm vụ của bài toán dự báo phụ tải điện là xác định đường cong biến thiên của đồ thị phụ tải ngày.
- Tuỳ theo nhu cầu có thể xác định đồ thị phụ tải ngày tiếp theo, đồ thi phụ tải của 7 ngày trong một tuần, đồ thị phụ tải của ngày điển hình trong tuần, đồ thị phụ tải ngày điển hình trong thángv.v Những bước chính dự báo phụ tải điện có thể phát biểu như sau: Dựa vào tập số liệu quan sát xác định quy luật biến thiên của phụ tải.
- Từ đó xây dựng đồ thị phụ tải ngày điển hình và các quy luật ảnh hưởng đến dạng đồ thị này.
- Vào thời điểm dự báo đã có dự báo phụ tải và phụ tải của thời điểm trước đó, dựa vào sai lệch giữa quan sát và dự báo có thể hiệu chỉnh lại dạng đồ thị phụ tải điển hình.
- Dựa vào quan sát có được vào thời điểm tính toán xác định nốt phụ tải của chu kỳ hiện tại.
- Dự báo phụ tải ngày: đồ thị phụ tải ngày có những đột biến: ngày nghỉ hoặc ngày lễ, ảnh hưởng của thời tiết.
- Thật ra đồ thị phụ tải ngày qua theo dõi một số năm có thể chia làm hai dạng chính: phụ tải ngày thường và phụ tải ngày lễ hoặc chủ nhật .
- Trong dự báo phụ tải ngày cần chú ý đến yếu tố thời tiết nắng hay mưa, nhiệt độ cao hay thấp.
- Các phương pháp dự báo phụ tải có thể được phân loại thành các phương pháp dựa trên tham số và các phương pháp dựa trên trí tuệ nhân tạo.
- Phương pháp sau dùng mạng nơron như là các mô hình phụ tải, trong đó việc tính toán các mô hình phụ tải dựa trên các hàm toán học mô tả mối quan hệ giữa phụ tải và các nhân tố quan trọng khác có ảnh hưởng đến hàm này.
- Sự chính xác của việc dự báo phụ tải chủ yếu phụ thuộc vào mô hình được sử dụng.
- Việc áp dụng mạng nơ ron nhân tạo cho dự báo phụ tải của Việt Nam dựa trên các yêu cầu: phương pháp đơn giản, có tính đến ảnh hưởng của yếu tố biến thiên nhiệt độ và đặc thù ngày, cho kết quả dự báo với sai số nhỏ là phương hướng của nghiên cứu này.
- Đặc biệt đối với dự báo Tæng Quan VÒ Phô T¶i HÖ Thèng §iÖn ViÖt Nam 15 phụ tải ngắn hạn, thì đây là phương pháp dự báo được đánh giá cao hơn hẳn các phương pháp trước đó và hiện nay mô hình này đang được áp dụng phổ biến ở một số nước phát triển trong dự báo phụ tải.
- Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 15 CHƯƠNG 2 BÀ I TOÁ N DỰ BÁ O PHỤ TẢI TUẦN Chương này đề cập đến các vấn đề sau.
- Đồ thị phụ tải điện • Dự báo phụ tải ngắn hạn - cho một tuần 2.1 Đồ thị phụ tải điện Phụ tải của hệ thống điện là một hàm số phụ thuộc vào thời gian , phụ thuộc vào nhiều yếu tố như đặc điểm của quá trình công nghệ, chế độ vận hành.
- Tuy nhiên đối với mỗi hộ tiêu thụ có thể đưa ra một dạng đồ thị phụ tải điển hình Lúc thiết kế nếu biết đồ thị phụ tải điển hình thì sẽ có căn cứ để chọn các thiết bị điện, tính điện năng tiêu thụ.
- Lúc vận hành nếu biết đồ thị phụ tải điển hình thì có thể định phương thức vận hành các thiết bị điện sao cho kinh tế và hợp lý nhất.
- Các nhà máy phát điện cần nắm được đồ thị phụ tải của các hộ tiêu thụ để định phương thức vận hành của các máy phát điện cho phù hợp với yêu cầu.
- Vì vậy đồ thị phụ tải là một tài liệu quan trọng trong thiết kế cũng như vận hành hệ thống cung cấp điện.
- Tuỳ theo yêu cầu sử dụng mà người ta xây dựng các loại đồ thị phụ tải điện khác nhau.
- Theo đại lượng đo có đồ thị phụ tải tác dụng P(t), đồ thị phụ tải phản kháng Q(t), đồ thị điện năng tiêu thụ A(t).
- Nếu theo thời gian khảo sát có đồ thị phụ tải hàng ngày, hàng tháng, hàng năm.
- Nghiên cứu đồ thị phụ tải ngày ta có thể biết được tình trạng làm việc của các thiết bị, từ đó định qui trình vận hành một cách hợp lý nhất đảm bảo vận hành kinh tế các thiết bị điện.
- Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 16 Hình 2.1 là đồ thị phụ tải tác dụng ngà y của hệ thống điện quốc gia.
- Đồ thị biến thiên theo giá trị phụ tải 24 giờ trong ngà y.
- Phụ tải cao nhất trong ngà y Pmax lớn gấp 2-3 lần so với phụ tải thấp nhất trong ngà y Pmin.
- 2.2 Dự báo phụ tải ngắn hạn - cho một tuần Mục đích của DBPT cho tuần sau là đưa ra các giá trị dự báo của các ngà y trong tuần theo từng giờ sát với thực tế.
- Qua quá trình phân tích, đồ thị phụ tải của ngày chủ yếu bị ảnh hưởng bởi thói quen tổ chức sinh hoạt, cách phân công sắp xếp công việc của người dân.
- Còn đáy và đỉnh phụ tải là hàm của các biến thời tiết như nhiệt độ, độ ẩm, mây và lượng mưa.
- Bà i toán dự báo phụ tải hệ thống điện có thể được chia thà nh hai bà i toán nhỏ.
- Bài toán nhận dạng đồ thị phụ tải (ĐTPT) ngày cần dự báo Hỡnh 2.1: Đồ thị phụ tải ngày của hệ thống điện quốc gia Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 17 • Bài toán dự báo đỉnh và đáy BĐPT của ngày cần dự báo 2.2.1 Dạng của đồ thị phụ tải Xét đồ thị phụ tải HTĐ hình 2.2.
- Đây là biểu đồ phụ tải các ngày trong một tuần từ 7/7/ 2003 đến 14/7/2003 được xây dựng theo giá trị phụ tải cho 24 giờ trong ngày.
- Nhìn chung đồ thị có giá trị phụ tải phân bố không đều, dạng đồ thị nhọn và độ chêch lệch giữa hai giá trị max và min rất lớn.
- Giá trị phụ tải của giờ thứ i là P(i) với i =1 24 ứng với 24 giờ trong ngày - Giá trị phụ tải đỉnh là Pc (max.
- Giá trị phụ tải đáy là Pt (min) Để thu được dạng chuẩn của biểu đồ phụ tải (ĐTPT) ngày, ta sẽ quy chuẩn hoá phụ tải của từng giờ theo công thức sau: Hình 2.2 đồ thị phụ tải 7 ngà y ngà y trong tuần Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 19 PPPiPiPctn.
- Với Pn(i) là phụ tải được quy chuẩn hoá của giờ thứ i Dựa trên giá trị phụ tải được quy chuẩn hoá của 24 giờ trong ngày thu được ta xây dựng biểu đồ phụ tải chuẩn hoá.
- Đồ thị phụ tải này còn được gọi là véc tơ BĐPT Ta đặt véc tơ BĐPT là P, ta có: P = [p1, p2.
- Pn(24)] Với: Pn(i) là phụ tải được quy chuẩn hoá của giờ thứ i Hình 2.2 là đồ thị phụ tải đã được chuẩn hoá của các ngày trong tuần được xây dựng theo các biến i và biến P(i).
- Biểu đồ phụ tải đã được quy chuẩn vẫn giữ nguyên dạng biến thiên của mình và các giá trị phụ tải được quy chuẩn nằm trong khoảng từ 0  1, với PnC =1 và Pnt =0.
- Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 20 2.1.2 Đỉnh và đáy của đồ thị phụ tải Xác định hai giá trị đặc biệt trên đồ thị phụ tải, phụ tải cao điểm và thấp điểm là mục tiêu quan trọng hàng đầu của người làm công tác dự báo.
- Các yếu tố ảnh Hình 2.3 Đồ thị phụ tải chuẩn hoá 7 ngà y ngà y trong tuần Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 21 hưởng đến phụ tải cao điểm và thấp điểm là điều kiện thời tiết bao gồm: nhiệt độ, lượng mây, lượng gió.
- Có thể thấy rằng hầu hết các trường hợp có một liên hệ rõ rệt giữa thời tiết và phụ tải điện, đặc biệt là nhiệt độ.
- Trong phần lớn các trường hợp khi nhiệt độ hạ xuống thì nhu cầu phụ tải giảm và ngược lại.
- Vậy nếu biết dạng biểu đồ phụ tải quy chuẩn hay còn gọi là véc tơ ĐTPT, tức là biết Pni xác định được Pc và Pt của ĐTPT trong ngày ta sẽ tính được phụ tải của từng giờ trong ngày như sau: Pi= Pt+ (PC- Pt)Pni 2.2.3 Dự báo phụ tải cho 7 ngày trong tuần Để dự báo phụ tải cho 7 ngày trong tuần, ta cần xác định được đồ thị phụ tải của từng ngày.
- Xác định giá trị phụ tải cao điểm và phụ tải thấp điểm Ta xác định phụ tải cao điểm PC(K) và thấp điểm của từng ngày Pt(K.
- Tính giá trị phụ tải của từng giờ trong ngày Bµi to¸n dù b¸o phô t¶i c¸c ngµy trong mét tuÇn 22 Pi(K.
- sử dụng mạng nơ ron nhân tạo.
- Với đặc thù của đồ thị phụ tải ta chọn số nhóm là 3, tương ứng số nơ ron ở đầu ra S 2=3 • Số nút ẩn S1 sẽ được xác định bằng cách huấn luyện với một số tập mẫu huấn luyện.
- (pQ, tQ)} Trong đó : pQ là véc tơ đầu vào của mạng, là véc tơ biểu đồ phụ tải tQ là mẫu chuẩn được lưu trong mạng M¹ng n¬ ron nh©n t¹o trong ph©n lo¹i ®å thÞ phô t¶i 53 Vectơ biểu đồ phụ tải pQ =[p1, p2.
- Trọng số của lớp 1 được bắt đầu từ các giá trị nhỏ ngẫu nhiên, nhưng do véc tơi đầu vào mạng bị hạn chế trong một phần không gian nhỏ, nên ta có thể xác định véc tơ trọng số khởi tạo ban đầu theo giá trị trung bình của các véc tơ đầu vào 2)min()max(1iiixxw 4.3.3 Kết quả mô phỏng mạng mạng LVQ để phân loại kiểu ngày Đặt bài toán: Biết đồ thị phụ tải của các ngày trong một tuần, cần xác định dạng đồ thị phụ tải ngày của tuần tiếp theo 1.
- Chạy mạng với thông số tháng 6 năm 2002 Giả sử đã biết dạng đồ thị phụ tải của 7 ngày từ 1/6 đến 8/6 năm 2002 M¹ng n¬ ron nh©n t¹o trong ph©n lo¹i ®å thÞ phô t¶i 55 Ta nhận thấy đồ thị phụ tải của 7 ngày trong tuần được chia làm 3 kiểu ngày: các ngày làm việc bình thường, ngày thứ bảy – là ngày trước ngày nghỉ và ngày chủ nhật.
- 1 nếu mẫu vào thứ j thuộc nhóm i với i = 1,2,3 và j =1,...7 Kết quả chạy thử mạng để xác định kiểu đồ thị phụ tải ngày của các tuần tiếp theo cho trong bảng dưới đây: Bảng 4.1 : Kết quả phân loại kiểu ngày tháng 6 năm 2002 Thứ bảy Chủ nhật Thứ hai Thứ ba Thứ 4 Thứ 5 Thứ 6 Hình 4.
- Đồ thị phụ tải của các ngày mẫu M¹ng n¬ ron nh©n t¹o trong ph©n lo¹i ®å thÞ phô t¶i Thứ bảy 8/6 Chủ nhật 9/6 Thứ hai 10/6 Thứ ba 11/6 Thứ 4 12/6 Thứ 5 13/6 Thứ Thứ bảy 15/6 Chủ nhật 16/6 Thứ hai 17/6 Thứ ba 18/6 Thứ 4 19/6 Thứ 5 20/6 Thứ Thứ bảy 22/6 Chủ nhật 23/6 Thứ hai 24/6 Thứ ba 25/6 Thứ 4 26/6 Thứ 5 27/6 Thứ Thứ bảy 1/6 Chủ nhật Có thể nhận thấy các ngày làm việc bình thường trong tháng đều được xếp vào nhóm 1( tương ứng với nhóm 1 đã lưu trong mạng)

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt