I. Giới thiệu và Tổng quan
Luận văn thạc sĩ này tập trung vào việc dự báo sản lượng điện mặt trời tại thành phố Thủ Dầu Một, tỉnh Bình Dương bằng mô hình mạng trí tuệ nhân tạo. Đề tài này xuất phát từ nhu cầu cấp thiết của việc quản lý năng lượng, đặc biệt là trong bối cảnh Việt Nam đang đẩy mạnh phát triển năng lượng tái tạo. Sự biến động của sản lượng điện mặt trời do phụ thuộc vào thời tiết gây khó khăn cho việc vận hành hệ thống điện. Vì vậy, việc dự báo chính xác sản lượng điện mặt trời là rất quan trọng để đảm bảo an ninh năng lượng và tối ưu hóa hiệu quả hoạt động của hệ thống điện. Luận văn đã sử dụng ngôn ngữ Python và công cụ PyCharm để xây dựng mô hình dự báo dựa trên mạng nơ-ron nhân tạo (MLP, LSTM, GRU).
1.1 Xu hướng phát triển năng lượng tái tạo tại Việt Nam đang tăng mạnh do tác động của biến đổi khí hậu và nhu cầu năng lượng ngày càng cao. Năng lượng tái tạo, đặc biệt là điện mặt trời, được xem là giải pháp quan trọng cho an ninh năng lượng quốc gia và phát triển kinh tế. Tuy nhiên, việc dự báo sản lượng điện mặt trời gặp nhiều thách thức do phụ thuộc vào điều kiện thời tiết.
1.2 Mục tiêu nghiên cứu của luận văn là tìm hiểu về các phương pháp dự báo sản lượng điện mặt trời, thu thập và xử lý dữ liệu, xây dựng mô hình dự báo bằng Python, và phân tích kết quả để đưa ra kết luận. Phạm vi nghiên cứu tập trung vào dữ liệu của khách hàng lắp đặt điện mặt trời mái nhà tại Thủ Dầu Một có sản lượng trên 100kWp/tháng. Luận văn cũng giới hạn việc nghiên cứu trong phạm vi một số mô hình mạng trí tuệ nhân tạo phổ biến và sử dụng dữ liệu trong khoảng thời gian từ năm 2022 đến 2023.
II. Cơ sở Lý thuyết và Mô hình
2.1 Luận văn trình bày cơ sở lý thuyết về dự báo điện mặt trời, bao gồm các yếu tố ảnh hưởng đến sản lượng như vật liệu tế bào quang điện, bức xạ mặt trời, nhiệt độ môi trường. Nó cũng đề cập đến tầm quan trọng của việc dự báo sản lượng điện mặt trời trong bối cảnh thực tế. Việc dự báo chính xác giúp cho việc quản lý, vận hành hệ thống điện hiệu quả hơn, đồng thời hỗ trợ cho việc đầu tư xây dựng lưới điện trong tương lai. "Do đó, công tác dự báo sản lượng điện mặt trời có tính chất quan trọng và gần như đóng vai trò quyết định đối với các Công ty Điện lực", trích từ tóm tắt luận văn.
2.2 Phần tiếp theo của luận văn giới thiệu tổng quan về các mô hình dự báo sản lượng điện mặt trời, bao gồm mô hình quán tính, mô hình vật lý, mô hình thống kê, và đặc biệt là mô hình dựa trên mạng nơ-ron nhân tạo (ANN). Luận văn đi sâu vào các mô hình ANN như MLP, LSTM, và GRU, giải thích cấu trúc và nguyên lý hoạt động của từng mô hình. Việc lựa chọn các mô hình ANN này là do khả năng học hỏi từ dữ liệu phức tạp và tính hiệu quả trong việc dự báo chuỗi thời gian.
III. Dữ liệu và Xử lý
3.1 Luận văn mô tả chi tiết về bộ dữ liệu được sử dụng, bao gồm dữ liệu đầu vào từ một nhà máy tại Thủ Dầu Một như công suất lắp đặt, bức xạ, nhiệt độ, độ ẩm, và góc phương vị mặt trời. Các phương pháp thu thập, xử lý và đánh giá dữ liệu cũng được trình bày rõ ràng. Luận văn đề cập đến các vấn đề về dữ liệu bị thiếu và các phương pháp xử lý tương ứng như "ước tính các giá trị thiếu bằng DTWBI [12]" và "eDTWBI [12]".
3.2 Một phần quan trọng của luận văn là phân tích tương quan giữa các dữ liệu thu thập được và công suất điện mặt trời. Việc này giúp xác định các yếu tố ảnh hưởng mạnh nhất đến sản lượng điện và hỗ trợ cho việc lựa chọn đặc trưng đầu vào cho mô hình dự báo. Sau khi phân tích tương quan, dữ liệu được biến đổi và chia thành các tập huấn luyện, kiểm định, và thử nghiệm để đánh giá hiệu quả của mô hình.
IV. Xây dựng Mô hình Kết quả và Đánh giá
Luận văn trình bày chi tiết về việc xây dựng các mô hình GRU, LSTM và MLP, bao gồm các thông số được sử dụng và quá trình huấn luyện. Kết quả dự báo của từng mô hình được trình bày và so sánh với giá trị thực tế. Luận văn sử dụng các chỉ số đánh giá hiệu suất mô hình như MAPE, RMSE, và R2. Ví dụ, "So sánh sai số dự báo của các mô hình" và "So sánh hệ số R2 của các mô hình" được thực hiện để lựa chọn mô hình tối ưu. Cuối cùng, luận văn tổng kết kết quả nghiên cứu, đánh giá ưu nhược điểm của từng mô hình và đề xuất hướng phát triển trong tương lai. Việc áp dụng các mô hình mạng nơ-ron nhân tạo cho thấy tiềm năng trong việc dự báo sản lượng điện mặt trời, góp phần nâng cao hiệu quả quản lý năng lượng. Tuy nhiên, việc cải thiện độ chính xác và hiệu quả tính toán vẫn là những thách thức cần được nghiên cứu thêm.
