Đồ án: Dự báo phụ tải điện sử dụng mạng nơ-ron nhân tạo (Đỗ Thanh Tùng)

Đồ án xây dựng hệ thống dự báo phụ tải điện sử dụng mạng nơron nhân tạo. Tìm hiểu phương pháp dự báo phụ tải điện hiệu quả, ứng dụng mạng nơron.

Trường đại học

Đại học Điện Lực

Chuyên ngành

Điện

Người đăng

Ẩn danh

Thể loại

đồ án

2010

56
1
0

Phí lưu trữ

30 Point

Mục lục chi tiết

DANH MỤC HÌNH VẼ

1. CHƯƠNG 1: TỔNG QUAN VỀ DỰ PHỤ TẢI NGẮN HẠN

1.1. Vai trò của dự báo phụ tải ngắn hạn trong công tác điều độ

1.2. Tầm quan trọng của dự báo phụ tải điện

1.3. Các yếu tố ảnh hưởng trực tiếp đến phụ tải ngày

1.4. Phương hướng nghiên cứu dự báo phụ tải

2. CHƯƠNG 2: MẠNG NƠRON

2.1. Giới thiệu về mạng nơron

2.1.1. Lịch sử phát triển

2.1.2. Nơron nhân tạo

2.1.2.1. Hàm kết hợp
2.1.2.2. Hàm kích hoạt (hàm chuyển)

2.1.3. Cấu trúc của mạng nơron

2.1.3.1. Mạng truyền thẳng
2.1.3.2. Mạng hồi qui

2.1.4. Hàm mục tiêu

3. CHƯƠNG 3: ỨNG DỤNG MẠNG NƠRON TRONG DỰ BÁO PHỤ TẢI ĐIỆN

3.1. Mạng nơron truyền thẳng

3.1.1. Kiến trúc cơ bản

3.1.2. Khả năng biểu diễn

3.1.3. Vấn đề thiết kế cấu trúc mạng

3.1.4. Số lớp ẩn

3.1.5. Số nơron trong lớp ẩn

3.2. Thuật toán lan truyền ngược(Back – Propagation Algorithm)

3.2.1. Mô tả thuật toán

3.2.2. Sử dụng thuật toán lan truyền ngược

3.2.3. Một số biến thể của thuật toán lan truyền ngược

3.3. Chương trình dự báo đỉnh và đáy biểu đồ phụ tải

3.3.1. Cấu trúc mạng nơron dự báo đỉnh biểu đồ phụ tải

3.3.2. Dữ liệu dự báo phụ tải

3.3.3. Sơ đồ khối của chương trình

3.3.4. Hướng dẫn sử dụng chương trình

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Dự Báo Phụ Tải Điện Vai Trò Tầm Quan Trọng

Dự báo phụ tải điện (DBPT) đóng vai trò quan trọng trong việc quy hoạch, đầu tư phát triển và vận hành hệ thống điện (HTĐ). Điện năng là sản phẩm đặc biệt quan trọng đối với sự phát triển kinh tế, đời sống dân sinh và môi trường của bất cứ quốc gia nào. Khác với các doanh nghiệp sản xuất khác, điện phải luôn đáp ứng nhanh chóng biến đổi của nhu cầu tại mọi thời điểm và hầu như không thể dự trữ. Do đó, dự báo phụ tải một cách chính xác là yếu tố cơ bản ảnh hưởng đến hiệu quả phục vụ khách hàng của toàn hệ thống. Trong công tác vận hành, lập phương thức ngày và tuần, dự báo phụ tải ngắn hạn (giờ, ngày, tuần) đóng vai trò vô cùng quan trọng. Những phương thức vận hành cơ bản như huy động nguồn, phối hợp thuỷ điện và nhiệt điện, truyền tải công suất giữa các miền, giải quyết các công tác sửa chữa và đánh giá an toàn hệ thống đều đòi hỏi dự báo phụ tải chính xác. Việc dự báo phụ tải ngày HTĐ với sai số cao có ảnh hưởng rất lớn đến giá thành vận hành. Dự báo phụ tải cao hơn thực tế sẽ làm chi phí tăng cao do huy động không cần thiết các nguồn điện dự phòng đắt tiền. Dự báo phụ tải thấp hơn thực tế sẽ dẫn đến kết quả nguồn dự phòng thấp, giảm độ an toàn cung cấp điện, có thể phải cắt điện do việc huy động thiếu nguồn, gây thiệt hại về kinh tế, an ninh xã hội, đời sống nhân dân và uy tín ngành. Đối với HTĐ Việt Nam, do thành phần phụ tải sinh hoạt và dịch vụ còn chiếm tỷ lệ cao nên sự chênh lệch phụ tải cao điểm (Pmax) và phụ tải thấp điểm (Pmin) là rất lớn (khoảng 2.5 lần). Đây là hai giá trị phụ tải đặc biệt quan trọng trong đồ thị phụ tải ngày. Về mặt vận hành, đồ thị phụ tải biến động lớn và quá trình khởi động máy diễn ra thường xuyên ảnh hưởng đến tuổi thọ và chỉ tiêu kinh tế kỹ thuật của nhà máy, tổn thất công suất và điện năng cũng sẽ gây nhiều bất lợi. Phụ tải cao điểm quyết định việc huy động nguồn nhiệt điện, tua-bin khí, diesel dự phòng nhằm đảm bảo đủ nguồn phủ đỉnh và dự phòng nóng, tăng an toàn cung cấp điện. Phụ tải thấp điểm quyết định việc phối hợp và điều chỉnh các nguồn tua-bin khí, nhiệt điện, thuỷ điện nhằm đảm bảo vận hành kinh tế. Hiện nay, đảm bảo độ tin cậy cung cấp điện, vận hành an toàn và kinh tế HTĐ có ý nghĩa và ảnh hưởng lớn đối với ngành điện và nền kinh tế. Việc áp dụng và nghiên cứu mô hình dự báo khác nhau nhằm tìm ra mô hình dự báo tối ưu cho vấn đề dự báo phụ tải là việc rất cần thiết. Theo như luận văn của Đỗ Thanh Tùng, mục đích của luận văn này là tìm hiểu, làm sáng tỏ một số khía cạnh về mạng nơ-ron truyền thẳng nhiều lớp, thuật toán lan truyền ngược, giới thiệu phương pháp luận và một số kết quả của nghiên cứu ứng dụng mạng nơ-ron vào trong dự báo phụ tải ngắn hạn cho hệ thống điện.

1.1. Vai Trò Dự Báo Phụ Tải Ngắn Hạn Trong Điều Độ

Trong công tác vận hành, lập phương thức ngày và phương thức tuần của người làm công tác điều độ, dự báo phụ tải ngắn hạn đóng vai trò vô cùng quan trọng. Những phương thức vận hành cơ bản trong ngày như huy động nguồn, phối hợp thuỷ điện và nhiệt điện, truyền tải công suất giữa các miền, giải quyết các công tác sửa chữa trên lưới điện và đánh giá mức độ an toàn hệ thống điện(HTĐ) đều đòi hỏi phải có dự báo phụ tải chính xác. Việc dự báo phụ tải ngày HTĐ với sai số cao có ảnh hưởng rất lớn đến giá thành vận hành. Dự báo phụ tải cao hơn thực tế sẽ làm chi phí tăng cao, do huy động không cần thiết các nguồn điện dự phòng đắt tiền như diesel. Dự báo phụ tải thấp hơn thực tế sẽ dẫn đến kết quả nguồn dự phòng thấp, giảm độ an toàn cung cấp điện, có thể phải cắt điện do việc huy động thiếu nguồn, gây thiệt hại cả về kinh tế, an ninh xã hội, đời sống sinh hoạt của nhân dân và uy tín phục vụ của ngành đối với khách hàng.

1.2. Tầm Quan Trọng Của Dự Báo Phụ Tải Điện Chi Tiết

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. Nếu dự báo lại quá nhỏ so với nhu cầu thực tế thì dẫn đến tình trạng thiếu nguồn điện. 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: cường độ và xác suất. Do tính chất ngẫu nhiên nên dự báo phụ tải phải mang tính chất xác suất và phải được đặc trưng bằng một số liệu thống kê.

1.3. Các Yếu Tố Ảnh Hưởng Trực Tiếp Đến Phụ Tải Ngày

Mục tiêu cuối cùng của tất cả các dự báo là kết quả dự báo phải bám sát giá trị thực tế. Muốn có dự báo ngày với sai số nhỏ, phải chọn phương pháp dự báo tối ưu. 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: Thời tiết trong ngày bao gồm các thông số: nhiệt độ, độ ẩm, tốc độ gió và hướng gió, cường độ ánh sáng,. trong các thông số đó nhiệt độ là yếu tố ảnh hưởng nhanh nhất đến phụ tải. Có thể xem phụ tải là một hàm số phụ thuộc vào nhiệt độ. Giữa phụ tải và nhiệt độ có mối quan hệ là nhiệt độ tăng thì phụ tải tăng và ngược lại. Chỉ có trường hợp dặc biệt ở miền Bắc khi thời tiết quá lạnh phụ tải có thể tăng do việc sử dụng các thiết bị sưởi ấm.

II. Mạng Nơ Ron Tìm Hiểu Lịch Sử Cấu Trúc Ứng Dụng

Mạng nơ-ron (Neural Network - NN) là một mô hình tính toán được lấy cảm hứng từ cấu trúc và chức năng của bộ não con người. Mạng nơ-ron bao gồm các đơn vị xử lý đơn giản, gọi là nơ-ron, được kết nối với nhau thông qua các liên kết có trọng số. Các nơ-ron nhận tín hiệu từ đầu vào, xử lý tín hiệu và truyền tín hiệu đến các nơ-ron khác trong mạng. Quá trình học của mạng nơ-ron là quá trình điều chỉnh các trọng số của các liên kết để mạng có thể thực hiện một nhiệm vụ cụ thể, chẳng hạn như phân loại, dự đoán hoặc điều khiển. Các mốc đáng chú ý trong lịch sử phát triển của mạng nơron: Cuối thế kỷ 19 đầu thế kỷ 20, sự phát triển chủ yếu chỉ là những công việc có sự tham gia của cả ba ngành Vật lý học, Tâm lý học, và thần kinh học. Những năm 1940, Warren McCulloch và Walter Pitts chỉ ra rằng, về nguyên tắc, mạng của các nơron nhân tạo có thể tính toán bất kỳ một hàm số học hay logic nào. Tiếp theo là Donald Hebb, ông đã phát biểu rằng việc thuyết lập luận cổ điển (như Pavlov) đưa ra là hiện thực bởi do các thuộc tính của từng nơron riêng biệt, ông cũng nêu ra một phương pháp học của các nơron nhân tạo. Cấu trúc của mạng nơ-ron được xác định bởi số lớp, số nơ-ron trên mỗi lớp và sự liên kết giữa các nơ-ron. Dựa trên cách thức liên kết các nơ-ron, người ta chia làm hai loại: mạng truyền thẳng và mạng hồi quy. Thành phần quan trọng nhất và không thể thiếu của mạng nơ-ron đó là luật học, được dùng để điều chỉnh các trọng số để mạng nhận biết được quan hệ giữa đầu vào và đích mong muốn. Trong quá trình phát triển, mạng nơ-ron đã được ứng dụng trong rất nhiều lĩnh vực: Tài chính, Ngân hàng, Giải trí, Bảo hiểm, Điện tử học, Quốc phòng, Tự động, Hàng không,... Theo như đồ án của Đỗ Thanh Tùng, mục đích chính là làm rõ một số khía cạnh về mạng nơron truyền thẳng nhiều lớp, thuật toán lan truyền ngược, giới thiệu phương pháp luận và một số kết quả của nghiên cứu ứng dụng mạng nơ-ron vào trong dự báo phụ tải ngắn hạn cho hệ thống điện.

2.1. Lịch Sử Phát Triển Của Mạng Nơ Ron Các Giai Đoạn

Cuối thế kỷ 19 đầu thế kỷ 20 sự phát triển chủ yếu chỉ là những công việc có sự tham gia của cả ba ngành Vật lý học, Tâm lý học, và thần kinh học, bởi các nhà khoa học như Hermann von Hemholtz, Ernst Mach, Ivan Pavlov. Các công trình nghiên cứu của họ chủ yếu đi sâu vào các lý thuyết tổng quát về HỌC, NHÌN, và lập luận,.và không đưa ra các mô hình toán học cụ thể mô tả hoạt động của các nơron. Mọi chuyện thực sự bắt đầu vào những năm 1940 với công trình của Warren McCulloch và Walter Pitts. Họ chỉ ra rằng về nguyên tắc, mạng của các nơron nhân tạo có thể tính toán bất kỳ một hàm số học hay logic nào. Tiếp theo là Donald Hebb, ông đã phát biểu rằng việc thuyết lập luận cổ điển (như Pavlov) đưa ra là hiện thực bởi do các thuộc tính của từng nơron riêng biệt, ông cũng nêu ra một phương pháp học của các nơron nhân tạo

2.2. Các Ứng Dụng Phổ Biến Của Mạng Nơ Ron Trong Thực Tế

Trong quá trình phát triển, mạng nơron đã được ứng dụng trong rất nhiều lĩnh vực: Tài chính: Định giá bất động sản, cho vay, kiểm tra tài sản cầm cố, đánh giá mức độ hợp tác, phân tích đường tín dụng, chương trình thương mại qua giấy tờ, phân tích tài chính liên doanh, dự báo tỷ giá tiền tệ. 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: Dự báo mã tuần tự, sơ đồ chíp IC, điều khiển tiến trình, phân tích nguyên nhân hỏng chíp, nhận dạng tiếng nói, mô hình phi tuyến. Quốc phòng: Định vị - phát hiện vũ khí, dò mục tiêu, phát hiện đối tượng, nhận dạng nét mặt, các bộ cảm biến thế hệ mới, xử lý ảnh radar,.

2.3. Căn Nguyên Sinh Học Của Mạng Nơ Ron Nhân Tạo

Bộ não con người chứa khoảng 1011 các phần tử liên kết chặt chẽ với nhau (khoảng 104 liên kết đối với mỗi phần tử) gọi là các nơron. Dưới con mắt của những người làm công tác tin học, một nơron được cấu tạo bởi các thành phần : tế bào hình cây(dendrite) - tế bào thân (cell body hiệu từ tế bào thân ra bên ngoài. Điểm tiếp xúc giữa một sợi trục thần kinh của nơron này và tế bào hình cây của một nơron khác được gọi là khớp thần kinh (synapse). Sự sắp xếp của các nơron và mức độ mạnh yếu của các khớp thần kinh được quyết định bởi các quá trình hoá học phức tạp, sẽ thiết lập chức năng của mạng nơron. Một vài nơron có sẵn từ khi sinh ra, các phần khác được phát triển thông qua việc học, ở đó có sự thiết lập các liên kết mới và loại bỏ các liên kết cũ.

III. Ứng Dụng Mạng Nơ Ron Dự Báo Phụ Tải Điện Năng

Mạng nơ-ron truyền thẳng nhiều lớp (Multi-Layer Perceptron - MLP) được sử dụng rộng rãi trong dự báo phụ tải điện nhờ khả năng học các mối quan hệ phi tuyến giữa các yếu tố ảnh hưởng đến phụ tải và kết quả dự báo. Mạng nơ-ron có thể học từ dữ liệu lịch sử về phụ tải, thời tiết, thứ ngày, và các yếu tố khác để đưa ra dự báo chính xác. Mạng truyền thẳng nhiều lớp bao gồm một lớp vào, một hoặc nhiều lớp ẩn và một lớp ra. Các nơron đầu vào thực chất không phải là nơron theo đúng nghĩa, bởi lẽ chúng không thực hiện bất kỳ một tính toán nào trên dữ liệu vào, đơn giản nó chỉ tiếp nhận các dữ liệu vào và chuyển cho các lớp kế tiếp. Các nơron ở lớp ẩn và lớp ra mới thực sự thực hiện các tính toán, kết quả được định dạng bởi hàm kích hoạt của nơron đầu ra. Mỗi liên kết gắn với một trọng số, trọng số này được điều chỉnh trong quá trình tín hiệu đi qua liên kết đó. Trọng số dương thể hiện trạng thái kích thích, các trọng số âm thể hiện trạng thái kiềm chế. Mỗi nơron tính toán mức kích hoạt của chúng bằng cách tính tổng các đầu vào và đưa đến hàm kích hoạt. Mạng có nhiều lớp có khả năng tốt hơn là các mạng chỉ có một lớp, chẳng hạn như mạng hai lớp với lớp thứ nhất sử dụng hàm Sigmoid và lớp thứ hai sử dụng hàm tuyến tính có thể áp dụng để xấp xỉ các hàm toán học khá tốt, trong khi các mạng chỉ có một lớp thì không có khả năng này. Thuật toán lan truyền ngược(Back – Propagation Algorithm) được dùng để điều chỉnh các trọng số để mạng nhận biết được quan hệ giữa đầu vào và đích mong muốn.

3.1. Kiến Trúc Cơ Bản Của Mạng Nơ Ron Truyền Thẳng MLP

Kiến trúc mạng truyền thẳng nhiều lớp là kiến trúc chủ đạo của các mạng nơron hiện tại. Mặc dù có khá nhiều biến thể nhưng đặc trưng của kiến trúc này là cấu trúc và thuật toán học là đơn giản và nhanh (Masters 1993). Mạng truyền thẳng nhiều lớp bao gồm một lớp vào, một hoặc nhiều lớp ẩn và một lớp ra. Các nơron đầu vào thực chất không phải là nơron theo đúng nghĩa, bởi lẽ chúng không thực hiện bất kỳ một tính toán nào trên dữ liệu vào, đơn giản nó chỉ tiếp nhận các dữ liệu vào và chuyển cho các lớp kế tiếp. Các nơron ở lớp ẩn và lớp ra mới thực sự thực hiện các tính toán, kết quả được định dạng bởi hàm kích hoạt của nơron đầu ra.

3.2. Thuật Toán Lan Truyền Ngược Backpropagation Chi Tiết

Phần này mô tả thuật toán học sử dụng để điều chỉnh hiệu năng của mạng sao cho mạng có khả năng sinh ra được các kết quả mong muốn. Các mạng nơron truyền thẳng nhiều lớp được huấn luyện bằng phương pháp học có thầy. Phương pháp này căn bản dựa trên việc yêu cầu mạng thực hiện chức năng của nó và sau đó trả lại kết quả, kết hợp kết quả này với các đầu ra mong muốn để điều chỉnh các tham số của mạng. Về căn bản, thuật toán lan truyền ngược là dạng tổng quát của thuật toán trung bình bình phương tối thiếu(Least Means Square - LMS) bởi lẽ nó cùng sử dụng kỹ thuật giảm theo hướng véctơ gradient nhưng với độ phức tạp của hàm lỗi lớn hơn. Thuật toán này thuộc dạng thuật toán xấp xỉ để tìm các điểm mà tại đó hiệu năng của mạng là tối ưu.

3.3. Các Vấn Đề Thiết Kế Cấu Trúc Mạng Nơ Ron Hiệu Quả

Về mặt lý thuyết có tồn tại một mạng có thể mô phỏng một bài toán với độ chính xác bất kỳ. Nhưng không phải đơn giản để có thể tìm ra được mạng này. Với một bài toán cụ thể để xác định chính xác một kiến trúc mạng như: cần bao nhiêu lớp ẩn, mỗi lớp ẩn cần bao nhiêu nơron là một công việc hết sức khó khăn. Về mặt lý thuyết, các mạng có hai lớp ẩn có thể biểu diễn các hàm với dáng điệu bất kỳ, nên không có lý do nào sử dụng mạng có nhiều hơn hai lớp ẩn. Người ta đã xác định rằng đối với phần lớn các bài toán cụ thể, chỉ cần sử dụng một lớp ẩn là đủ. Các bài toán sử dụng hai lớp ẩn hiếm khi xảy ra trong thực tế.

IV. Dự Báo Phụ Tải Ứng Dụng Thuật Toán Backpropagation

Mạng nơron lan truyền ngược sai số (Back - Propagation) được dùng để giải quyết bài toán dự báo đỉnh và đáy biểu đồ phụ tải của dự báo phụ tải. Cấu trúc mạng gồm có 2 lớp: 1 lớp ẩn và một lớp ra, lớp ẩn gồm 28 nơron, lớp ra gồm 1 nơron, các thông số khác của mạng Mạng gồm 8 đầu vào: Phụ tải cao nhất của ba ngày có cùng kiểu ngày trước đó. Nhiệt độ cao nhất của ba ngày có cùng kiểu ngày trước đó. Phụ tải cao nhất của ngày hôm trước ngày cần dự báo. Nhiệt độ cao nhất của ngày hôm trước ngày cần dự báo.Các thông số phụ tải mẫu dùng để huấn luyện mạng nơron là Pmax, Pmin và nhiệt độ Tmax, Tmin tương ứng cùng ngày trong vài tuần trước. Tốc độ huấn luyện được chọn giá trị ban đầu trong khoảng 0.5, hệ số quan tính được chọn giá trị ban đầu là 0.5 Một ví dụ huấn luyện cụ thể trong tập ví dụ huấn luyện nói trên được xây dựng từ tám giá trị vào: Tmax của ngày cần dự báo, Tmax của ngày trước ngày cần dự báo, Tmax của ba ngày có cùng kiểu ngày trước đó, Pmax của ba ngày có cùng kiểu ngày trước đó và một giá trị đầu ra : Pmax của ngày cần dự báo

4.1. Cấu Trúc Mạng Nơ Ron Dự Báo Đỉnh Biểu Đồ Phụ Tải

Cấu trúc mạng gồm có 2 lớp: 1 lớp ẩn và một lớp ra, lớp ẩn gồm 28 nơron, lớp ra gồm 1 nơron, các thông số khác của mạng Mạng gồm 8 đầu vào: Phụ tải cao nhất của ba ngày có cùng kiểu ngày trước đó. Nhiệt độ cao nhất của ba ngày có cùng kiểu ngày trước đó. Phụ tải cao nhất của ngày hôm trước ngày cần dự báo. Nhiệt độ cao nhất của ngày hôm trước ngày cần dự báo.

4.2. Dữ Liệu Sử Dụng Để Dự Báo Phụ Tải Thu Thập Xử Lý

Các thông số phụ tải mẫu dùng để huấn luyện mạng nơron là Pmax, Pmin và nhiệt độ Tmax, Tmin tương ứng cùng ngày trong vài tuần trước. Tốc độ huấn luyện được chọn giá trị ban đầu trong khoảng 0.5, hệ số quan tính được chọn giá trị ban đầu là 0.5 Ta sẽ chọn số liệu phụ tải Pmax và nhiệt độ Tmax trong ngày của các ngày làm việc tháng 6/2003 làm các ví dụ để học và dự báo. Một ví dụ huấn luyện cụ thể trong tập ví dụ huấn luyện nói trên được xây dựng từ tám giá trị vào: Tmax của ngày cần dự báo, Tmax của ngày trước ngày cần dự báo, Tmax của ba ngày có cùng kiểu ngày trước đó, Pmax của ba ngày có cùng kiểu ngày trước đó và một giá trị đầu ra : Pmax của ngày cần dự báo

4.3. Sơ Đồ Khối Của Chương Trình Dự Báo Phụ Tải Điện

Xem hình 3.4 : Sơ đồ khối của chương trình

22/09/2025

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về dự báo phụ tải ngắn hạn Chương 2: Mạng nơron Chương 3: Ứng dụng mạng nơron trong dự báo phụ tải điện. Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128. 7 CHƢƠNG 1 : TỔNG QUAN VỀ DỰ PHỤ TẢI NGẮN HẠN 1.1 Vai trò của dự báo phụ tải ngắn hạn trong công tác điều độ Điện năng là một sản phẩm đặc biệt quan trọng đối với sự phát triển kinh tế, đời sống dân sinh và môi trường của bất cứ quốc gia nào trên thế giới. Không giống như các doanh nghiệp sản xuất các sản phẩm khác trong nền kinh tế thị trường với mục tiêu là lợi nhuận khi không có lợi nhuận thì ngừng sản xuất, điện là sản phẩm đặc biệt không thể thiếu được, nên ngành điện được coi là một ngành thuộc cơ sở hạ tầng.

Điện được phân biệt với các sản phẩm hàng hoá khác nhờ khả năng đáp ứng nhanh chóng những biến đổi của nhu cầu tại mọi thời điểm và tính hầu như không thể dự trữ được. Do đó vấn đề dự báo phụ tải một cách chính xác cũng như toàn bộ các dây truyền sản xuất, truyền tải, phân phối phải luôn ở tình trạng sẵn sàng đáp ứng nhu cầu phụ tải là yếu tố cơ bản ảnh hưởng đến hiệu quả phục vụ khách hàng của toàn hệ thống. Trong công tác vận hành, lập phương thức ngày và phương thức tuần của người làm công tác điều độ, dự báo phụ tải ngắn hạn bao gồm dự báo trước một giờ, một ngày hoặc một tuần đóng một vai trò vô cùng quan trọng. Những phương thức vận hành cơ bản trong ngày như huy động nguồn, phối hợp thuỷ điện và nhiệt điện, truyền tải công suất giữa các miền, giải quyết các công tác sửa chữa trên lưới điện và đánh giá mức độ an toàn hệ thống điện(HTĐ) đều đòi hỏi phải có dự báo phụ tải chính xác.

Việc dự báo phụ tải ngày HTĐ với sai số cao có ảnh hưởng rất lớn đến giá thành vận hành. Dự báo phụ tải cao hơn thực tế sẽ làm chi phí tăng cao, do huy động không cần thiết các nguồn điện dự phòng đắt tiền như diesel,.Dự báo phụ tải thấp hơn thực tế sẽ dẫn đến kết quả nguồn dự phòng thấp, giảm độ an toàn cung cấp điện, có thể phải cắt điện do việc huy động thiếu nguồn, gây thiệt hại cả về kinh tế, an ninh xã hội, đời sống sinh hoạt của nhân dân và uy tín phục vụ của ngành đối với khách hàng. Đối với thực tế vận hành HTĐ Việt Nam, do thành phần phụ tải sinh hoạt và dịch vụ còn chiếm tỷ lệ khá cao nên sự chênh lệch phụ tải cao điểm (phụ tải cao. Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128.

8 nhất trong ngày Pmax) và phụ tải thấp điểm (phụ tải thấp nhất trong ngày P min) là rất lớn (khoảng 2. Đây chính là hai giá trị phụ tải đặc biệt trong đồ thị phụ tải ngày, và được người làm công tác điều độ quan tâm nhiều nhất trong quá trình vận hành. Về mặt vận hành với đồ thị phụ tải biến động lớn, thành phần thay đổi, quá trình khởi động máy diễn ra thường xuyên ảnh hưởng đến tuổi thọ và chỉ tiêu kinh tế kỹ thuật của nhà máy, tổn thất công suất và điện năng cũng sẽ gây nhiều bất lợi. Phụ tải cao điểm là nhân tố quyết định việc huy động các nguồn nhiệt điện, tua- bin khí, diesel dự phòng nhằm đảm bảo đủ nguồn phủ đỉnh và dự phòng nóng, tăng độ an toàn cung cấp điện.

Phụ tải thấp điểm quyết định việc phối hợp và điều chỉnh các nguồn tua-bin khí, nhiệt điện, thuỷ điện nhằm đảm bảo vận hành kinh tế, tránh cho nhà máy thuỷ điện Hoà Bình, Thác Bà, Yaly, … vận hành trong vùng công suất không cho phép về kỹ thuật. Trong đó phụ tải lúc cao điểm Pmax là khâu quan trọng nhất trong ngày. Dự báo chính xác phụ tải cao điểm có hiệu quả lớn về kinh tế vào mùa lũ khi cần khai thác tối đa nguồn thuỷ điện, trong khi nước các hồ chứa đang xả thì các nguồn điện khác huy động chỉ nhằm mục đích an toàn. Nếu sai số dự báo phụ tại cao điểm giảm 2%, theo tính toán sơ bộ thì ngành điện tiết kiệm được khoảng 80MW nguồn tua-bin khí chạy dầu đắt tiền (khoảng 102.

Việc hạn chế phụ tải lúc cao điểm cũng thường xảy ra trong mùa lũ khi thiếu nguồn phủ đỉnh. Tính chính xác được lượng công suất thiếu để chủ động cắt phụ tải không quan trọng, tránh cắt thừa hoặc cắt thiếu, tránh sa thải phụ tải do bảo vệ tần số thấp tác động cũng có ý nghĩa lớn trong vận hành, góp phần giảm thiểu thiệt hại do việc cắt điện gây ra. Hiện nay việc đảm bảo độ tin cậy cung cấp điện, vận hành an toàn và kinh tế HTĐ có ý nghĩa và ảnh hưởng lớn đối với ngành điện nói riêng và nền kinh tế quốc dân nói chung. Trong tương lai khi HTĐ Việt Nam liên kết với HTĐ các nước ASEAN và Trung Quốc, vấn đề tăng độ tin cậy cung cấp điện, vận hành an toàn và kinh tế HTĐ càng trở nên bức thiết.

Đó không những là yếu tố đảm bảo việc nâng cao chất lượng phục vụ nhu cầu tiêu thụ điện năng trong sản xuất và đời sống sinh hoạt, góp phần vào sự tăng trưởng kinh tế của đất nước mà còn là yếu tố đảm bảo. Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128. 9 cho Điện Lực Việt Nam hoàn thành những điều khoản cam kết trong văn bản ký kết với HTĐ các nước trong khu vực. Giải quyết tốt vấn đề cung cấp điện có vai trò và ý nghĩa vô cùng to lớn, vì vậy việc áp dụng và nghiên cứu mô hình dự báo khác nhau nhằm tìm ra mô hình dự báo tối ưu cho vấn đề dự báo phụ tải là việc rất cần thiết.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).

Chúng ta biết rằng nhu cầu tiêu dùng điện năng phụ thuộc vào trình độ phát triển của nền kinh tế quốc dân. 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. Đối với dự báo dài hạn có tính chất chiến lược thì chỉ nêu nên những phương hướng phát triển chủ yếu mà không yêu cầu xác định chỉ tiêu cụ thể. 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.

Nếu dự báo lại quá nhỏ so với nhu cầu thực tế thì dẫn đến tình trạng thiếu nguồn điện. 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: -. Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128.

Tương tự như vậy chu kỳ T có thể lấy từ chu kỳ hoạt động của con người: ngày, đêm, tháng, năm. Tuy nhiên không thể coi một chu kỳ nào trong những chu kỳ trên là lặp lại của chu kỳ trước: do sự tăng trưởng của phụ tải theo thời gian, do những biến đổi bất thường của phụ tải. 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:. Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128 .2: Tốc độ tăng trưởng của phụ tải trung bình tháng 1 qua các năm b Để dự báo phụ tải cần phải mô tả các thông số phụ tải đã có bằng một hoặc nhiều hàm số nào đó.

Các hàm số này mô tả dãy thông số quan sát một cách gần đúng. Sai số tiệm cận hoá thông số quan sát bằng hàm số được đánh giá khi tính giá trị của hàm số theo chính những đối số đó. Những sai số này có thể coi là ngẫu nhiên vì chúng không phụ thuộc vào đối số của hàm số. Phương trình mô tả dãy thông số quan sát không phải là một quan hệ gần đúng mà là quan hệ hồi quy.

Như vậy sai số dự báo phụ thuộc vào chất lượng của mô hình dự báo phụ tải, nghĩa là tuỳ theo mô hình tính toán được lựa chọn, tuỳ theo mức độ chính xác đạt được khi xác định các hệ số của mô hình. 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 định được sai số ở một thời điểm nào đó có thể ước lượng được sai số trong tương lai. Sai số này còn có thể gọi là sai số tính toán hay sai số tương đối.

Phân biệt giữa sai số này và sai số quan sát (gọi là sai số thực tế hay sai số tuyệt đối). Nếu không ước lượng được sai số dự báo thì khó có thể tăng được độ chính xác của dự báo. Sinh Viên: Đỗ Thanh Tùng Mã SV: 090128. 12 Sai số của dự báo phụ thuộc vào đặc tính của phụ tải, phụ thuộc vào khoảng thời gian đón trước cần tính toán.

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.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ