Luận văn: Dự báo phụ tải phục vụ cung cấp điện tại Tiền Giang

Luận văn nghiên cứu ứng dụng mạng nơron nhân tạo để dự báo phụ tải điện tại tỉnh Tiền Giang, phục vụ công tác vận hành và cung cấp điện hiệu quả.

• Tác giả: Hồ Ngọc Thảo
• Người hướng dẫn: TS. Nguyễn Ngọc Phúc Diễm
• Trường học: Trường Đại học Bách khoa, Đại học Quốc gia TP. HCM
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Dự Báo Phụ Tải Phục Vụ Cung Cấp Điện Khu Vực Tỉnh Tiền Giang
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Tổng quan về dự báo phụ tải điện Tiền Giang

Dự báo phụ tải điện là một trong những nhiệm vụ quan trọng trong lĩnh vực cung cấp điện, đặc biệt đối với các vùng phát triển như tỉnh Tiền Giang. Việc dự báo chính xác phụ tải giúp các nhà quản lý điện lực lập kế hoạch vận hành hệ thống điện một cách hiệu quả, giảm chi phí vận hành và nâng cao độ tin cậy cung cấp điện. Phụ tải điện phụ thuộc vào nhiều yếu tố như thời gian, thời tiết, hoạt động kinh tế và hành vi tiêu dùng của người dân. Các phương pháp dự báo truyền thống thường có độ chính xác hạn chế khi dữ liệu phức tạp. Do đó, ứng dụng mạng nơron nhân tạo trong dự báo phụ tải đã trở thành một giải pháp tiên tiến, mang lại kết quả dự báo với độ chính xác cao hơn.

1.1. Tầm quan trọng của dự báo phụ tải

Dự báo phụ tải điện là nền tảng cho việc lập kế hoạch vận hành và đầu tư hệ thống điện. Dự báo chính xác giúp tối ưu hóa chi phí nhiên liệu, giảm tổn thất điện năng và đảm bảo ổn định cung cấp. Đối với Tiền Giang, một tỉnh có nhu cầu điện ngày càng tăng, việc dự báo phụ tải còn hỗ trợ các quyết định chiến lược phát triển hạ tầng điện lực.

1.2. Thực trạng dự báo phụ tải hiện nay

Các phương pháp dự báo phụ tải truyền thống như phương pháp thống kê và chuỗi thời gian có những hạn chế khi xử lý dữ liệu phi tuyến tính phức tạp. Mạng nơron nhân tạo với khả năng học từ dữ liệu lịch sử, cung cấp cơ hội để cải thiện độ chính xác dự báo, đáp ứng nhu cầu của ngành điện.

II. Mạng nơron nhân tạo trong dự báo phụ tải

Mạng nơron nhân tạo (ANN) là một công nghệ tiên tiến, mô phỏng cơ chế hoạt động của não bộ con người, có khả năng nhận diện các mẫu phức tạp từ dữ liệu. Trong bối cảnh dự báo phụ tải điện, mạng nơron nhân tạo được áp dụng với các thuật toán huấn luyện như lan truyền ngược (backpropagation). Phương pháp này kết hợp chuỗi thời gian lịch sử để đưa vào mạng, giúp học được các quy luật biến động của phụ tải. Kỹ thuật cửa sổ trượt (sliding window) được sử dụng để tổ chức dữ liệu huấn luyện, tăng cường hiệu quả học tập. Hàm truyền ReLU được áp dụng nhằm đơn giản hóa quá trình tính toán và tăng tốc độ hội tụ của mô hình.

2.1. Nguyên lý hoạt động của mạng nơron nhân tạo

Mạng nơron nhân tạo bao gồm các lớp: đầu vào, các lớp ẩn và lớp đầu ra. Các neuron được kết nối thông qua các trọng số, và thuật toán lan truyền ngược điều chỉnh các trọng số này dựa trên sai số dự báo. Qua nhiều lần lặp huấn luyện, mô hình học được các mối quan hệ phức tạp giữa dữ liệu đầu vào và phụ tải điện.

2.2. Các thành phần kỹ thuật chính

Chuỗi thời gian cung cấp dữ liệu lịch sử phụ tải, cửa sổ trượt tạo các mẫu huấn luyện cân bằng, và hàm ReLU giúp mô hình xử lý các mối quan hệ phi tuyến tính. Việc kết hợp các thành phần này tạo nên một hệ thống dự báo phụ tải mạnh mẽ và có độ chính xác cao.

III. Thu thập và xử lý dữ liệu phụ tải Tiền Giang

Để huấn luyện mạng nơron nhân tạo cho dự báo phụ tải chính xác, việc thu thập dữ liệu chất lượng cao là bước tiên quyết. Dữ liệu phụ tải điện của khu vực Tiền Giang được thu thập từ các trạm biến áp và hệ thống giám sát công ty điện lực. Dữ liệu bao gồm các giá trị phụ tải theo thời gian thực, với tần suất đo lường từng giờ hoặc từng phút. Quá trình xử lý dữ liệu bao gồm làm sạch dữ liệu bất thường, xử lý các khoảng trống, và chuẩn hóa dữ liệu về cùng một tỷ lệ. Dữ liệu được chia thành ba tập: tập huấn luyện (60-70%), tập xác thực (15-20%) và tập kiểm tra (15-20%). Việc sử dụng chuỗi thời gian trong xử lý dữ liệu giúp mạng nơron nhân tạo hiểu được các xu hướng và tính chất thời vụ của phụ tải điện.

3.1. Nguồn dữ liệu và phương pháp thu thập

Dữ liệu phụ tải điện Tiền Giang được thu thập từ các thiết bị đo lường tại các trạm biến áp trong hệ thống. Dữ liệu lịch sử khoảng 12-24 tháng được sử dụng để đảm bảo bao quát được các biến động theo mùa và các sự kiện đặc biệt ảnh响到phụ tải.

3.2. Kỹ thuật chuẩn hóa và tiền xử lý dữ liệu

Chuẩn hóa dữ liệu là bước quan trọng để mạng nơron nhân tạo học hiệu quả hơn. Phương pháp chuẩn hóa Min-Max hoặc Z-score được áp dụng. Các giá trị ngoại lệ được phát hiện và xử lý, dữ liệu bị mất được bổ sung bằng các phương pháp nội suy, giúp tạo tập dữ liệu hoàn chỉnh cho dự báo phụ tải.

IV. Ứng dụng kết quả dự báo phục vụ vận hành Tiền Giang

Sau khi mạng nơron nhân tạo được huấn luyện, kết quả dự báo phụ tải được đánh giá thông qua các chỉ số như sai số tuyệt đối trung bình (MAE), căn bậc hai sai số bình phương trung bình (RMSE) và sai số phần trăm tuyệt đối trung bình (MAPE). Kết quả cho thấy mô hình mạng nơron đạt độ chính xác cao hơn so với các phương pháp truyền thống. Dự báo phụ tải từ mạng nơron nhân tạo hỗ trợ công tác vận hành điện lực Tiền Giang bằng cách: cung cấp dự báo phụ tải ngắn hạn (24 giờ, 1 tuần) và dài hạn (tháng, năm); giúp lập kế hoạch khởi động các máy phát điện; tối ưu hóa lịch trình bảo trì thiết bị; hỗ trợ mua bán điện trên thị trường điện. Ứng dụng mạng nơron nhân tạo trong dự báo phụ tải đã chứng minh tính khả thi cao trong thực tế vận hành, mở ra những cơ hội mới cho nâng cao hiệu quả hệ thống điện.

4.1. Đánh giá kết quả dự báo và so sánh

Mô hình mạng nơron nhân tạo được so sánh với phần mềm dự báo phụ tải hiện đang sử dụng trong công tác vận hành. Kết quả cho thấy mạng nơron cải thiện độ chính xác 15-25% trên các chỉ số đánh giá MAPE, MAE, và RMSE. Đặc biệt, mô hình hoạt động tốt trong việc dự báo các giờ cao điểm và xử lý các biến động bất thường.

4.2. Lợi ích thực tiễn cho vận hành Tiền Giang

Dự báo phụ tải chính xác từ mạng nơron nhân tạo giúp giảm chi phí vận hành 10-15%, tăng độ tin cậy cung cấp điện, và hỗ trợ ra quyết định kinh doanh điện hiệu quả hơn. Điều này đặc biệt quan trọng cho sự phát triển bền vững của ngành điện Tiền Giang.

Trích đoạn nội dung tài liệu

CHƯƠNG 1.1 Nhu cầu thực tiễn của đề tài. Dự báo là bài toán quan trọng mang lại nhiều lợi ích thiết thực phục vụ con người, nó giúp nắm bắt được các quy luật vận động trong tự nhiên và trong đời sống kinh tế xã hội. Trong những năm gần đây, các mạng nơron lan truyền ngược nhiều lớp được thực tiễn chứng minh là khá mạnh và hiệu quả trong các bài toán dự báo và phân tích số liệu, đặc biệt trong các bài toán dự báo phụ tải, dự báo kinh tế, dự báo thời tiết,. Việc nghiên cứu ứng dụng các mô hình dự báo khác nhau cho phép ta có cơ sở tiếp cận tới việc lựa chọn các phương pháp dự báo, đánh giá mức độ chính xác của dự báo đồng thời xác định khoảng thời gian lớn nhất có thể dùng dự báo.

Dự báo phụ tải ngắn hạn (giờ, ngày hoặc tuần) có vai trò quan trọng trong vận hành, lập phương thức ngày, phương thức tuần. Nếu chúng ta dự báo phụ tải quá thừa so với nhu cầu sử dụng thì hậu quả là phải cắt tiết giảm công suất dẫn dến mất điện của người dân diện rộng 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 khi chúng ta cắt khẩn vì thiếu nguồn ảnh hưởng sản xuất và đời sống xã hội. Với nhu cầu sử dụng điện ngày càng cao, việc phát triển các phụ tải lớn trong khu vực ảnh hưởng rất lớn đến công tác dự báo phụ tải điện.

Việc dự báo với sai số thấp nhất trong phạm vi cho phép giúp Công ty điện lực chủ động xử lý những biến cố, hạn chế tình trạng mất cân đối khi nhu cầu tăng cao, hạn chế được tình trang quá tải lưới điện và đảm bảo sự phát triển bền vững của ngành điện. Mục đích của dự báo phụ tải nhằm biết trước khả năng phát triển phụ tải điện để đưa ra các công tác như quy hoạch hệ thống điện hoặc vận hành hệ thống điện hiệu quả. Dự báo là một môn khoa học quan trọng, nhằm mục đích dùng các phương pháp luận khoa học làm cơ sở cho việc đề xuất các dự báo cụ thể cũng như Học viên: Hồ Ngọc Thảo MSHV: 2170679 2 việc đánh giá mức độ tin cậy, mức độ chính xác của các phương pháp dự báo. Kết quả dự báo sẽ làm nền tảng cho việc áp dụng dự báo trong hệ thống điện, mức độ chính xác của dự báo ảnh hưởng lớn đến việc đưa ra quyết định quy hoạch điện chính xác hay không đồng thời cũng ảnh hưởng đến độ tin cậy cung cấp điện trong quá trính vận hành.

Ngày nay việc cung cấp điện ổn định linh hoạt và đảm bảo về chỉ têu về độ tin cậy là rất quan trọng. Việc cung cấp điện đủ, liên tục và chất lượng điện năng tốt là chỉ tiêu hàng đầu của ngành điện do đó kết quả dự báo ảnh hưởng rất lớn đến vấn đề này. Dự báo phụ tải điện phục thuộc vào mục đích sử dụng kết quả dự báo để thực hiện cho mục đích gì để phân loại dự báo, mặt khác tùy vào cách thức dự báo để sử dụng các phương pháp dự báo phù hợp. Để dự báo phụ tải cần phải mô tả đầy đủ các thông số phụ tải đã có bằng một hoặc nhiều hàm số nào đó.

Việc phân loại tính chất phụ tải cũng rất quan trọng trong việc dự báo phụ tải, phân loại tính chất phụ tải sẽ giúp việc lựa chọn mô hình dự báo phụ tải phù hợp và loại dự báo phụ tải phù hợp. Đối với công tác vận hành cần xác định công suất tại thời điểm cụ thể để đưa ra quyết định điều phối lưới điện và chuyển tải một các hiệu quả. Phụ tải điện tại khu vực Tiền Giang phân ra các khung giờ cao điểm thấp điểm. Để điều phối phụ tải tại các khung giờ cao điểm hợp lý cần xác định phụ tải dự báo.

Các thời điểm phụ tải 24 giờ của các ngày trong tuần thể hiện có các mốc giờ cao điểm: - Khung giờ thứ nhất từ 8 đến 9 giờ. - Khung giờ thứ hai từ 13 đến 15 giờ. - Khung giờ thứ ba là từ 20 đến 23 giờ. Học viên: Hồ Ngọc Thảo MSHV: 2170679 3 Chart Title 400000 350000 300000 250000 200000 150000 100000 50000 0 3 15 1 2 4 5 6 7 8 9 10 11 12 13 14 16 17 18 19 20 21 22 23 24 Giờ Thứ 2 Thứ 7 Chủ nhật Hình 1.1: Phụ tải 24 giờ.

Từ các khung giờ cao điểm như trên cho thấy khi vận hành cung cấp điện cần xác định công suất sử dụng điện trong tương lai để điều phối và chuyển tải phù hợp cho các khung giờ trên. Việc dự báo phụ tải phục vụ vận hành cung cấp điện tập trung chủ yếu tại các khung giờ cao điểm, riêng các khung giờ thấp điểm sẽ không thật cần thiết trong dự báo phụ tải để vận hành.2 Các loại dự báo phụ tải: Trong hệ thống điện có 2 nhu cầu sử dụng dự báo là dùng cho quy hoạch hệ thống điện và vận hành hệ thống điện. Dựa vào tính chất và yêu yêu cầu kết quả của dự báo để chọn các phương pháp dự báo phù hợp.1 Dự báo phụ tải rất ngắn hạn (VSTLF): Dự báo phụ tải rất ngắn hạn là dự báo nhu cầu phụ tải từ vài phút đến vài giờ tới, nó rất hữu ích trong điều khiển tạo tự động và gửi tài nguyên. Mục đích của dự báo phụ tải rất ngắn hạn là dự đón chính xác về phụ tải cần thiết trong thời gian rất ngắn giúp các Điều độ viên quản lý phụ tải hiệu quả, từ đó đảm bảo sự ổn định an toàn của hệ thống điện.

Các phương pháp thường dủng cho dự báo phụ tải rất ngắn hạn là các phương pháp như: mô hình dự báo thống kê, các mô hình học máy như mạng nơron, hồi quy, hoặc các phương pháp khác như mạng nơron hồi quy (RNN) để xử lý các dữ liệu lịch sử và dự báo phụ tải tương lai. Các yếu tố như dữ liệu về thời tiết hiện tại, yếu tố kinh tế xã hội của địa phương, cũng Học viên: Hồ Ngọc Thảo MSHV: 2170679 4 như các yếu tố khác có thể được tích hợp vào mô hình để tăng thêm độ chính xác của kết quả dự báo. Dự báo phụ tải rất ngắn hạn góp phần quan trọng trong việc hỗ trợ quyết định vận hành thời gian thực của hệ thống điện, giúp điều hành phân phối điện một cách linh hoạt và hiệu quả nhằm đáp ứng nhu cầu thay đổi cửa người sử dụng điện và tránh những sự cố không mong muốn trên hệ thống điện. Dự báo phụ tải ngắn hạn (STLF): Dự báo phụ tải ngắn hạn là dự báo nhu cầu phụ tải trong khoản thời gian ngắn từ 1 giờ, vài giờ đến vài ngày.

Mục tiêu của dự báo phụ tải ngắn hạn là cung cấp dự báo phụ tải chính xác về phụ tải điện cần thiết trong tương lai gần giúp các đơn vị vận hành hệ thống điện dự trù và quản lý tải trọng hiệu quả. Dự báo phụ tải ngắn hạn thường sử dụng các phương pháp để dự báo như các phương pháp dự báo thống kê, mô hình học máy và kỹ thuật dự báo khác để dữ liệu phụ tải lịch sử và dự báo phụ tải điện trong tương lai. Các yếu tố như dữ liệu thời tiết dữ liệu về kinh tế xã hội, dữ liệu về các sự kiện đặc biệt, dữ liệu về các ngày nghỉ, lễ trong năm và dữ liệu về lịch sử phụ tải có thể tích hợp vào để tăng độ chính xác cho dự báo, giảm các sai số của dự báo. Dự báo phụ tải ngắn hạn có vai trò quan trọng trong việc vận hành hệ thống điện.

Bằng cách dự báo chính xác nhu cầu sử dụng điện trong tương lai gần, Dự báo phụ tải ngắn hạn giúp các đơn vị vận hành hệ thống điện có thể chuẩn bị và đưa ra phương thức vận hành hệ thống điện tối ưu, hiệu chỉnh nhận nguồn đảm bảo vận hành an toàn và liên tục hệ thống điện.3 Dự báo phụ tải trung hạn (MTLF): Dự báo phụ tải trung hạn là quá trình dự báo nhu cầu phụ tải từ một tháng đến một năm tới và có thể sử dụng nó để lên lịch bảo trì cho các thiết bị thuộc hệ thống điện. Dự báo phụ tải trung hạn được thực hiện để dự báo về xu hướng tăng trưởng hoặc biến động của phụ tải điện trong tương lai trung hạn, giúp các quản lý hệ thống điện và nhà máy điện lập kế hoạch và điều chỉnh cơ sở hạ lớp và nguồn cung điện một cách hiệu quả. Học viên: Hồ Ngọc Thảo MSHV: 2170679 5 Các phương pháp dự báo phụ tải trung hạn thường sử dụng các kỹ thuật dự báo thống kê, mô hình học máy, và phân tích chuỗi thời gian để xử lý dữ liệu lịch sử và dự đoán nhu cầu phát triển của phụ tải điện trong tương lai. Một số yếu tố quan trọng trong quá trình dự báo phụ tải trung hạn bao gồm các yếu tố thời tiết, các yếu tố kinh tế và xã hội, xu hướng tiêu thụ điện của người tiêu dùng, và các yếu tố công nghệ mới có thể ảnh hưởng đến nhu cầu tiêu thụ điện.

Dự báo phụ tải trung hạn đóng vai trò quan trọng trong việc lập kế hoạch và phát triển cơ sở hạ lớp điện, quyết định về việc đầu tư vào nguồn cung điện mới, cũng như quản lý rủi ro và đảm bảo sự ổn định và đáng tin cậy của hệ thống điện trong tương lai. Nhờ vào dự báo phụ tải trung hạn, các quyết định lập kế hoạch và đầu tư có thể được đưa ra một cách đồng bộ và phù hợp với xu hướng và nhu cầu thực tế của thị trường điện.4 Dự báo phụ tải dài hạn (LTLF): Dự báo phụ tải dài hạn (LTLF) dự báo nhu cầu phụ tải trong khoảng thời gian dài hơn một năm cho đến vài năm tới. Mục tiêu của dự báo phụ tải dài hạn là cung cấp dự báo về xu hướng và biến động lâu dài của phụ tải điện, giúp các quản lý hệ thống điện và nhà sản xuất năng lượng lập kế hoạch, đầu tư vào cơ sở hạ lớp và nguồn cung điện dài hạn và quy hoach phát triển điện.