Luận văn thạc sĩ: Dự báo mức tiêu thụ năng lượng trong căn hộ sử dụng trí tuệ nhân tạo

• Người hướng dẫn: TS. Trần Hữu Trang
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Quản lý xây dựng
• Đề tài: Dự báo tiêu thụ năng lượng căn hộ bằng trí tuệ nhân tạo trong quản lý xây dựng
• Loại tài liệu: luận văn
• Năm xuất bản: 2020
• Địa điểm: Hồ Chí Minh

• 1. CHƯƠNG 1: GIỚI THIỆU CHUNG
• 1.1. Mục tiêu nghiên cứu
• 1.2. Phạm vi nghiên cứu
• 1.3. Cấu trúc luận văn
• 2. CHƯƠNG 2: TỔNG QUAN TÀI LIỆU
• 2.1. Tổng quan sử dụng năng lượng trong căn hộ
• 2.2. Các mô hình dự báo tiêu thụ điện năng
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Thiết kế nghiên cứu
• 3.2. Thu thập và xử lý dữ liệu
• 4. CHƯƠNG 4: XÂY DỰNG MÔ HÌNH DỰ BÁO
• 4.1. Mô hình hồi quy tuyến tính (LR)
• 4.2. Mô hình mạng thần kinh nhân tạo (ANN)
• 4.3. Mô hình Support Vector Regression (SVR)
• 4.4. Mô hình cây phân loại và hồi quy (CART)
• 4.5. Mô hình ensemble và weighted
• 5. CHƯƠNG 5: ĐÁNH GIÁ VÀ PHÂN TÍCH KẾT QUẢ
• 5.1. Đánh giá hiệu suất các mô hình
• 5.2. So sánh và lựa chọn mô hình tốt nhất
• PHỤ LỤC
• TÀI LIỆU THAM KHẢO

I. Giới thiệu

Trong bối cảnh giá điện tăng cao và nhu cầu sử dụng năng lượng ngày càng lớn, việc dự báo tiêu thụ năng lượng trong các căn hộ trở thành một vấn đề cấp bách. Nghiên cứu này tập trung vào việc sử dụng trí tuệ nhân tạo để phân tích và dự đoán mức tiêu thụ năng lượng trong các căn hộ thông minh. Các yếu tố ảnh hưởng đến tiêu thụ năng lượng như đặc điểm căn hộ, thiết bị sử dụng, và thói quen của cư dân sẽ được xem xét. Thông qua việc thu thập dữ liệu và ý kiến từ các chuyên gia trong ngành xây dựng và năng lượng, nghiên cứu sẽ xây dựng các mô hình dự đoán nhằm tối ưu hóa việc sử dụng năng lượng.

1.1. Tình hình tiêu thụ năng lượng tại Việt Nam

Việt Nam đang trải qua giai đoạn phát triển nhanh chóng, kéo theo nhu cầu sử dụng năng lượng tăng cao. Theo báo cáo của BP Statistical Review of World Energy 2018, năng lượng tiêu thụ tại Việt Nam chủ yếu đến từ các nguồn như than, khí tự nhiên và điện. Tuy nhiên, việc sử dụng năng lượng trong các căn hộ vẫn còn nhiều hạn chế và lãng phí. Do đó, việc dự báo năng lượng và áp dụng các công nghệ tiên tiến như trí tuệ nhân tạo là cần thiết để cải thiện hiệu suất sử dụng năng lượng, giảm thiểu lãng phí và góp phần bảo vệ môi trường.

II. Phương pháp nghiên cứu

Nghiên cứu sử dụng các mô hình học máy như LR (Hồi quy tuyến tính), SVM (Máy vector hỗ trợ), ANN (Mạng nơ-ron nhân tạo) và CART (Cây quyết định) để dự đoán tiêu thụ năng lượng. Mỗi mô hình sẽ được xây dựng và đánh giá dựa trên hiệu suất dự đoán, từ đó lựa chọn mô hình tốt nhất cho việc dự báo tiêu thụ năng lượng trong các căn hộ. Việc sử dụng các mô hình tập hợp (ensemble models) cũng sẽ được xem xét nhằm tăng cường độ chính xác của dự đoán.

2.1. Xây dựng mô hình dự đoán

Đặc biệt, việc sử dụng mô hình tối ưu hóa năng lượng sẽ giúp xác định các giải pháp tiết kiệm năng lượng hiệu quả, góp phần giảm thiểu chi phí cho cư dân và bảo vệ môi trường. Nghiên cứu cũng sẽ phân tích hiệu suất của từng mô hình để đưa ra các khuyến nghị cho việc áp dụng thực tiễn.

III. Kết quả và thảo luận

Kết quả từ mô hình dự đoán cho thấy sự khác biệt rõ rệt giữa các phương pháp, với mô hình SVM cho kết quả chính xác nhất trong việc dự báo năng lượng tiêu thụ. Các yếu tố như diện tích căn hộ, số lượng thiết bị điện tử, và thói quen sử dụng của cư dân đều có ảnh hưởng lớn đến kết quả dự đoán. Việc áp dụng trí tuệ nhân tạo trong quản lý tiêu thụ năng lượng không chỉ giúp tối ưu hóa việc sử dụng năng lượng mà còn tạo ra các giải pháp bền vững cho tương lai.

3.1. Ý nghĩa thực tiễn

Nghiên cứu này không chỉ có giá trị lý thuyết mà còn mang lại nhiều ứng dụng thực tiễn. Các mô hình dự đoán có thể được sử dụng để phát triển các hệ thống quản lý năng lượng thông minh, giúp cư dân tiết kiệm chi phí và giảm thiểu tác động đến môi trường. Bên cạnh đó, thông qua việc phân tích dữ liệu, các nhà quản lý có thể đưa ra các chính sách phù hợp nhằm nâng cao hiệu quả sử dụng năng lượng trong các căn hộ, góp phần vào sự phát triển bền vững của đô thị.

Tổng quan nghiên cứu

Việc sử dụng năng lượng điện trong các căn hộ tại Việt Nam đang trở thành vấn đề cấp thiết trong bối cảnh giá điện tăng cao và biến đổi khí hậu ngày càng nghiêm trọng. Theo ước tính, ngành xây dựng chiếm khoảng 36% tổng tiêu thụ năng lượng quốc gia, trong đó các công trình dân dụng chiếm tới 88% lượng tiêu thụ điện năng. Nhu cầu sử dụng điện trong căn hộ phụ thuộc vào nhiều yếu tố như đặc điểm căn hộ, thiết bị sử dụng và thói quen cư dân. Mục tiêu nghiên cứu là xác định các nhân tố ảnh hưởng đến việc sử dụng điện trong căn hộ, đồng thời xây dựng mô hình dự báo tiêu thụ điện bằng các thuật toán trí tuệ nhân tạo và học máy. Nghiên cứu được thực hiện tại thành phố Hồ Chí Minh trong năm 2019-2020, với phạm vi khảo sát các chuyên gia và người có kinh nghiệm trong lĩnh vực kiến trúc, xây dựng và năng lượng. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ quản lý năng lượng, tiết kiệm chi phí và giảm thiểu tác động môi trường, góp phần phát triển bền vững ngành xây dựng đô thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai khung lý thuyết chính: phát triển bền vững và trí tuệ nhân tạo trong dự báo năng lượng. Phát triển bền vững được hiểu là sự phát triển đáp ứng nhu cầu hiện tại mà không làm tổn hại khả năng đáp ứng nhu cầu của các thế hệ tương lai, bao gồm các yếu tố kinh tế, xã hội và môi trường. Trí tuệ nhân tạo (AI) và học máy (Machine Learning) được ứng dụng để xây dựng các mô hình dự báo tiêu thụ điện năng, bao gồm các thuật toán như Hồi quy tuyến tính (LR), Máy vector hỗ trợ (SVM/SVR), Mạng thần kinh nhân tạo (ANN), Cây phân loại và hồi quy (CART) và các mô hình kết hợp (ensemble) như Voting, Bagging, Stacking. Các khái niệm chính bao gồm: nhân tố ảnh hưởng đến tiêu thụ điện, mô hình dự báo, hiệu suất mô hình (MAPE, MAE, RMSE, SI), và phân tích nhân tố chính (EFA).

Phương pháp nghiên cứu

Nguồn dữ liệu chính là khảo sát ý kiến của 200 chuyên gia và người có kinh nghiệm trong lĩnh vực kiến trúc, xây dựng, phát triển bền vững tại TP. Hồ Chí Minh. Mẫu được chọn theo phương pháp thuận tiện và có kinh nghiệm thực tiễn. Dữ liệu thu thập qua bảng câu hỏi được xử lý bằng phần mềm IBM SPSS Statistics 20 để phân tích thống kê mô tả, kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tố chính (EFA) nhằm xác định các nhóm nhân tố ảnh hưởng. Tiếp đó, dữ liệu được đưa vào phần mềm RapidMiner Studio để xây dựng và đánh giá các mô hình dự báo tiêu thụ điện bằng các thuật toán AI. Quá trình nghiên cứu diễn ra từ tháng 12/2019 đến tháng 6/2020, bao gồm thu thập dữ liệu, xử lý, xây dựng mô hình và đánh giá hiệu quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Xác định 33 nhân tố ảnh hưởng đến tiêu thụ điện trong căn hộ, được phân thành 5 nhóm chính: nhóm điều kiện khí hậu (4 nhân tố), nhóm thiết bị sử dụng (11 nhân tố), nhóm đặc điểm tòa nhà (11 nhân tố), nhóm nhận thức tiết kiệm điện (7 nhân tố) và nhóm khác (4 nhân tố). Các nhân tố này đều có hệ số Cronbach’s Alpha trên 0.7, đảm bảo độ tin cậy cao.

2. Hiệu suất các mô hình dự báo: Mô hình Stacking kết hợp LR, ANN và CART đạt hiệu suất tốt nhất với chỉ số SI gần 0.95, MAPE dưới 5%, MAE và RMSE thấp hơn so với các mô hình đơn lẻ như LR, SVM hay ANN riêng lẻ.

3. So sánh các mô hình ensemble: Voting và Bagging cũng cho kết quả dự báo chính xác hơn các mô hình đơn lẻ, với MAPE giảm khoảng 10-15% so với mô hình LR truyền thống.

4. Ảnh hưởng của các nhóm nhân tố: Nhóm thiết bị sử dụng và đặc điểm tòa nhà có ảnh hưởng lớn nhất đến tiêu thụ điện, chiếm tỷ trọng ảnh hưởng khoảng 60%, trong khi nhóm nhận thức tiết kiệm điện có ảnh hưởng khoảng 20%.

Thảo luận kết quả

Nguyên nhân các nhóm nhân tố thiết bị và đặc điểm tòa nhà chiếm ưu thế là do các thiết bị điện chiếm phần lớn công suất tiêu thụ, đồng thời kiến trúc và vật liệu xây dựng ảnh hưởng đến việc giữ nhiệt và thông gió, từ đó tác động đến nhu cầu làm mát và chiếu sáng. Kết quả phù hợp với các nghiên cứu quốc tế về tiêu thụ năng lượng trong nhà ở tại các vùng khí hậu nhiệt đới. Việc áp dụng các mô hình ensemble giúp cải thiện độ chính xác dự báo nhờ tận dụng ưu điểm của từng mô hình con, giảm thiểu sai số và tăng tính ổn định. Dữ liệu có thể được trình bày qua biểu đồ so sánh MAPE, MAE của các mô hình và bảng phân tích nhân tố với hệ số tải nhân tố (factor loading) để minh họa mức độ ảnh hưởng của từng nhân tố.

Đề xuất và khuyến nghị

1. Tăng cường sử dụng vật liệu và thiết kế kiến trúc tiết kiệm năng lượng: Áp dụng các giải pháp kiến trúc xanh, tận dụng ánh sáng tự nhiên và thông gió tự nhiên nhằm giảm nhu cầu sử dụng thiết bị làm mát, mục tiêu giảm 15% tiêu thụ điện trong vòng 3 năm, chủ thể là các nhà phát triển dự án và cơ quan quản lý xây dựng.

2. Khuyến khích sử dụng thiết bị điện hiệu suất cao và tiết kiệm năng lượng: Thúc đẩy chính sách ưu đãi cho các thiết bị đạt chuẩn tiết kiệm năng lượng, giảm 10% tiêu thụ điện thiết bị trong 2 năm, chủ thể là người dân và doanh nghiệp cung cấp thiết bị.

3. Nâng cao nhận thức và thói quen tiết kiệm điện của cư dân: Triển khai các chương trình đào tạo, truyền thông về tiết kiệm điện trong căn hộ, hướng tới giảm 5-7% tiêu thụ điện do thói quen sử dụng trong 1 năm, chủ thể là các tổ chức xã hội và ban quản lý tòa nhà.

4. Ứng dụng mô hình dự báo tiêu thụ điện thông minh trong quản lý tòa nhà: Áp dụng các mô hình AI để dự báo và điều chỉnh tiêu thụ điện theo thời gian thực, giúp tối ưu hóa chi phí và giảm lãng phí, triển khai trong 1-2 năm, chủ thể là các công ty quản lý tòa nhà và đơn vị cung cấp giải pháp công nghệ.

Đối tượng nên tham khảo luận văn

1. Các nhà quản lý và hoạch định chính sách năng lượng: Sử dụng kết quả nghiên cứu để xây dựng các chính sách hỗ trợ tiết kiệm năng lượng trong lĩnh vực nhà ở và đô thị.

2. Chuyên gia và kỹ sư trong lĩnh vực kiến trúc và xây dựng: Áp dụng các nhân tố ảnh hưởng và mô hình dự báo để thiết kế các công trình tiết kiệm năng lượng hiệu quả hơn.

3. Doanh nghiệp cung cấp thiết bị điện và giải pháp công nghệ: Tham khảo mô hình dự báo để phát triển sản phẩm phù hợp với nhu cầu sử dụng thực tế và xu hướng tiết kiệm năng lượng.

4. Cư dân và ban quản lý tòa nhà: Nâng cao nhận thức và áp dụng các giải pháp tiết kiệm điện dựa trên các nhân tố ảnh hưởng được xác định trong nghiên cứu.

Câu hỏi thường gặp

1. Nghiên cứu này tập trung vào loại công trình nào?
   Nghiên cứu chủ yếu tập trung vào các công trình dân dụng tại TP. Hồ Chí Minh, chiếm khoảng 88% tổng số công trình khảo sát, phù hợp với mục tiêu phân tích tiêu thụ điện trong căn hộ.

2. Các nhân tố ảnh hưởng đến tiêu thụ điện được xác định như thế nào?
   Thông qua khảo sát ý kiến chuyên gia và phân tích nhân tố chính (EFA), 33 nhân tố được nhóm thành 5 nhóm chính, đảm bảo độ tin cậy với hệ số Cronbach’s Alpha trên 0.7.

3. Mô hình dự báo nào cho kết quả tốt nhất?
   Mô hình Stacking kết hợp LR, ANN và CART cho hiệu suất dự báo cao nhất với chỉ số SI gần 0.95 và MAPE dưới 5%, vượt trội so với các mô hình đơn lẻ.

4. Làm thế nào để áp dụng kết quả nghiên cứu vào thực tế?
   Các nhà quản lý và doanh nghiệp có thể sử dụng mô hình dự báo để tối ưu hóa quản lý năng lượng, đồng thời triển khai các giải pháp kiến trúc và thiết bị tiết kiệm điện dựa trên các nhân tố ảnh hưởng được xác định.

5. Nghiên cứu có giới hạn nào không?
   Nghiên cứu giới hạn ở phạm vi TP. Hồ Chí Minh và các công trình dân dụng, do đó kết quả có thể cần điều chỉnh khi áp dụng cho các vùng miền hoặc loại công trình khác.

Kết luận

• Xác định được 33 nhân tố ảnh hưởng chính đến tiêu thụ điện trong căn hộ, phân thành 5 nhóm có độ tin cậy cao.
• Xây dựng và đánh giá thành công các mô hình dự báo tiêu thụ điện bằng AI, trong đó mô hình Stacking đạt hiệu quả tốt nhất.
• Nhóm thiết bị sử dụng và đặc điểm tòa nhà là hai nhóm nhân tố ảnh hưởng lớn nhất đến tiêu thụ điện.
• Đề xuất các giải pháp kiến trúc, thiết bị, nhận thức và ứng dụng công nghệ nhằm giảm tiêu thụ điện hiệu quả.
• Nghiên cứu cung cấp cơ sở khoa học cho quản lý năng lượng và phát triển bền vững trong lĩnh vực xây dựng đô thị.

Next steps: Triển khai áp dụng mô hình dự báo trong quản lý tòa nhà thực tế, mở rộng khảo sát tại các vùng miền khác và loại công trình khác để hoàn thiện mô hình.

Call to action: Các nhà quản lý, chuyên gia và doanh nghiệp nên phối hợp ứng dụng kết quả nghiên cứu để nâng cao hiệu quả sử dụng năng lượng và phát triển bền vững.