Luận văn: Dự báo phụ tải điện phục vụ thị trường bán buôn VN 2015

Luận văn dự báo phụ tải điện phục vụ thị trường bán buôn cạnh tranh Việt Nam 2015. Nghiên cứu chuyên sâu về dự báo nhu cầu điện năng cho thị trường điện.

• Tác giả: Nguyễn Đăng Tuấn
• Người hướng dẫn: TS. Nguyễn Tuấn Dũng
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Dự báo phụ tải điện phục vụ thị trường bán buôn cạnh tranh Việt Nam 2015
• Loại tài liệu: Luận văn thạc sĩ kỹ thuật
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI ĐIỆN CHO THỊ TRƯỜNG BÁN BUÔN CẠNH TRANH VIỆT NAM
• 1.1. Giới thiệu về Thị trường điện Việt Nam
• 1.2. Bài toán dự báo nhu cầu phụ tải điện
• 1.3. Hiện trạng công tác dự báo phụ tải điện hiện nay
• 1.4. Hiện trạng thu thập các nguồn số liệu phục vụ công tác dự báo
• 1.5. Định hướng và đề xuất mô hình dự báo
• 1.6. Các yếu tố ảnh hưởng đến phụ tải điện
• 1.7. Các phương pháp dự báo phụ tải thông dụng
• 1.8. Đề xuất mô hình dự báo
• 2. CHƯƠNG 2: PHƯƠNG PHÁP LUẬN CÁC PHƯƠNG PHÁP CHỌN MẪU VÀ DỰ BÁO PHỤ TẢI ĐIỆN
• 2.1. Các phương pháp chọn mẫu phụ tải
• 2.2. Phương pháp chọn mẫu ngẫu nhiên
• 2.3. Phương pháp chọn mẫu theo đặc trưng của phụ tải
• 2.4. Các phương pháp dự báo biểu đồ phụ tải lớp, ngành, hệ thống
• 2.5. Cơ sở toán học của các phương pháp
• 2.6. Phương pháp ước lượng trung bình (AR)
• 2.7. Phương pháp ước lượng tỉ lệ phân ly (SRE)
• 2.8. Phương pháp ước lượng tỉ lệ kết hợp (CRE)
• 2.9. Phương pháp ước lượng bậc thang 3 mức (LE)
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH DỰ BÁO
• 3.1. Xác định mục tiêu dự báo
• 3.2. Phân loại ngành nghề và các lớp khách hàng
• 3.3. Thiết kế khung mẫu
• 3.4. Thu thập số liệu
• 3.5. Xử lý dữ liệu
• 3.6. Thiết kế chọn mẫu
• 3.7. Phân cụm ngày theo nhu cầu
• 3.8. Dự báo biểu đồ phụ tải
• 3.9. Thử nghiệm và đánh giá
• 4. CHƯƠNG 4: KẾT QUẢ VÀ BÀN LUẬN
• 4.1. Cài đặt hệ thống
• 4.2. Môi trường
• 4.3. Thư viện tham khảo
• 4.4. Một vài hình ảnh
• 4.5. Thử nghiệm hệ thống
• 4.6. Sơ lược về đơn vị chọn thử nghiệm
• 4.7. Đánh giá so sánh các phương pháp
• 4.8. Xây dựng các biểu đồ phụ tải đặc trưng
• 4.9. Đánh giá các thành phần phụ tải tham gia vào phụ tải hệ thống
• 4.10. Đánh giá ảnh hưởng của nhiệt độ đối với phụ tải
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Dự Báo Phụ Tải Điện 2015 Tổng Quan Thị Trường Cạnh Tranh

Thị trường điện Việt Nam đang chuyển mình mạnh mẽ. Năm 2015 đánh dấu một bước ngoặt quan trọng với việc thí điểm thị trường bán buôn điện cạnh tranh. Các đơn vị phân phối điện, đóng vai trò là người mua buôn, cần dự báo chính xác nhu cầu phụ tải điện của mình để tối ưu hóa chiến lược mua điện. Bài toán dự báo phụ tải điện ở Việt Nam có thể được tiếp cận theo hai hướng chính: top-down và bottom-up. Phương pháp top-down dựa vào dữ liệu quá khứ, điều kiện khí hậu và kinh tế xã hội để dự báo tổng nhu cầu hệ thống. Ngược lại, phương pháp bottom-up xây dựng biểu đồ phụ tải từ dữ liệu điểm đo của từng khách hàng, sau đó tổng hợp lên mức hệ thống. Đối với các đơn vị phân phối điện, việc có thông tin phụ tải hệ thống đòi hỏi hai điều kiện tiên quyết: lắp đặt công tơ điện tử có khả năng đo và truyền dữ liệu 24/7, và triển khai hệ thống đo xa để thu thập dữ liệu hàng ngày. Tuy nhiên, thực tế cho thấy, việc thay thế toàn bộ công tơ cơ bằng công tơ điện tử gặp nhiều khó khăn về chi phí. Do đó, việc kết hợp dữ liệu từ cả công tơ cơ và điện tử, cùng với các phương pháp ước lượng phù hợp, là cần thiết để xây dựng biểu đồ phụ tải hệ thống chính xác. Phụ tải điện hệ thống là tổng sản lượng điện năng tiêu thụ của tất cả các công tơ. Luận văn này tập trung xây dựng hệ thống dự báo nhu cầu phụ tải điện dựa trên phương pháp bottom-up, bao gồm các bước thu thập dữ liệu, phân loại khách hàng, chọn mẫu, xử lý dữ liệu và áp dụng các phương pháp ước lượng thống kê. Mục tiêu là cung cấp một công cụ hiệu quả cho các đơn vị phân phối điện trong việc tham gia thị trường bán buôn điện cạnh tranh. Theo [4], thị trường bán buôn điện cạnh tranh (Vietnam Competitive Generation Market) là một yếu tố quan trọng trong sự phát triển của ngành điện Việt Nam. Để có một chiến lược mua điện tối ưu, các đơn vị phân phối điện cần nắm vững các phương pháp dự báo phụ tải và sử dụng chúng một cách hiệu quả.

1.1. Hiện Trạng Thu Thập Dữ Liệu Phụ Tải Điện Tại Việt Nam

Việc thu thập dữ liệu phụ tải điện tại Việt Nam vẫn còn nhiều thách thức. Mặc dù hệ thống đo xa đang được triển khai rộng rãi, nhưng số lượng công tơ cơ chưa thể thay thế ngay lập tức là rất lớn. Điều này gây khó khăn trong việc thu thập dữ liệu đầy đủ và liên tục. Các đơn vị điện lực hiện đang sử dụng phương pháp thủ công để đọc số liệu từ công tơ cơ, làm tăng chi phí và giảm tính chính xác của dữ liệu. Để khắc phục tình trạng này, cần có các giải pháp kết hợp dữ liệu từ cả công tơ cơ và điện tử, đồng thời áp dụng các phương pháp ước lượng thống kê để điền vào các khoảng trống dữ liệu. Việc chuẩn hóa dữ liệu và xây dựng cơ sở dữ liệu phụ tải điện quốc gia cũng là một yêu cầu cấp thiết để phục vụ công tác dự báo và quản lý điện năng.

1.2. Các Yếu Tố Ảnh Hưởng Đến Phụ Tải Điện Năm 2015

Nhiều yếu tố ảnh hưởng đến phụ tải điện, bao gồm điều kiện kinh tế xã hội, khí hậu thời tiết, và đặc điểm tiêu thụ của từng ngành nghề. Trong năm 2015, sự tăng trưởng kinh tế và sự phát triển của các ngành công nghiệp, dịch vụ đã kéo theo sự gia tăng nhu cầu điện năng. Thời tiết nắng nóng kéo dài cũng làm tăng phụ tải do nhu cầu sử dụng điều hòa nhiệt độ tăng cao. Ngoài ra, các yếu tố như giá điện, chính sách tiết kiệm điện và sự thay đổi trong thói quen tiêu dùng cũng có thể ảnh hưởng đến phụ tải điện. Việc phân tích và đánh giá tác động của từng yếu tố là rất quan trọng để xây dựng mô hình dự báo phụ tải điện chính xác.

II. Cách Chọn Mẫu và Dự Báo Phụ Tải Điện Phương Pháp Luận

Việc chọn mẫu và áp dụng các phương pháp dự báo phù hợp là yếu tố then chốt để đảm bảo tính chính xác của kết quả dự báo. Luận văn này xem xét các phương pháp chọn mẫu phụ tải điện khác nhau, bao gồm phương pháp chọn mẫu ngẫu nhiên và phương pháp chọn mẫu theo đặc trưng phụ tải. Đối với phương pháp dự báo, luận văn tập trung vào các phương pháp ước lượng thống kê như ước lượng trung bình (AR), ước lượng tỷ lệ phân ly (SRH), ước lượng tỷ lệ kết hợp (CRE) và ước lượng bậc thang 3 mức (LE). Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu dự báo. Cơ sở toán học của các phương pháp này được trình bày chi tiết, giúp người đọc hiểu rõ nguyên lý hoạt động và cách áp dụng chúng trong thực tế. Bằng cách kết hợp các phương pháp chọn mẫu và dự báo phù hợp, có thể xây dựng được mô hình dự báo phụ tải điện có độ chính xác cao, đáp ứng nhu cầu của thị trường bán buôn điện cạnh tranh.

2.1. So Sánh Các Phương Pháp Chọn Mẫu Phụ Tải Điện

Phương pháp chọn mẫu ngẫu nhiên đảm bảo tính đại diện của mẫu, nhưng có thể không hiệu quả nếu dữ liệu có nhiều biến động. Phương pháp chọn mẫu theo đặc trưng phụ tải tập trung vào việc chọn các mẫu có đặc điểm tiêu biểu, giúp cải thiện độ chính xác của dự báo, nhưng có thể bỏ qua các mẫu có đặc điểm khác biệt. Việc so sánh và đánh giá ưu nhược điểm của từng phương pháp là rất quan trọng để lựa chọn phương pháp phù hợp với từng bài toán cụ thể.

2.2. Ưu Nhược Điểm Của Các Phương Pháp Ước Lượng Thống Kê

Các phương pháp ước lượng thống kê như AR, SRH, CRE và LE có những ưu nhược điểm riêng. Phương pháp AR đơn giản và dễ áp dụng, nhưng có thể không chính xác nếu dữ liệu có xu hướng. Phương pháp SRH và CRE có thể cải thiện độ chính xác bằng cách sử dụng thông tin về tỷ lệ phụ tải của các nhóm khách hàng khác nhau. Phương pháp LE có thể xử lý dữ liệu có nhiều mức phụ tải khác nhau. Việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu dự báo.

III. Bí Quyết Xây Dựng Mô Hình Dự Báo Phụ Tải Điện Hiệu Quả Nhất

Xây dựng một mô hình dự báo phụ tải điện hiệu quả đòi hỏi sự kết hợp giữa kiến thức chuyên môn về thị trường điện, kinh nghiệm thực tế và khả năng sử dụng các công cụ phân tích dữ liệu. Quá trình xây dựng mô hình bao gồm các bước: xác định mục tiêu dự báo, phân loại ngành nghề và các lớp khách hàng, thiết kế khung mẫu, thu thập dữ liệu, xử lý dữ liệu, thiết kế chọn mẫu, phân cụm ngày theo phụ tải, dự báo biểu đồ phụ tải, và thí nghiệm và đánh giá. Việc xác định mục tiêu dự báo rõ ràng giúp định hướng quá trình xây dựng mô hình. Phân loại khách hàng theo ngành nghề và đặc điểm tiêu thụ giúp cải thiện độ chính xác của dự báo. Thu thập và xử lý dữ liệu một cách cẩn thận đảm bảo tính tin cậy của kết quả. Thí nghiệm và đánh giá mô hình giúp xác định các điểm yếu và cải thiện hiệu suất dự báo. [1] Nhấn mạnh tầm quan trọng của việc phân loại khách hàng một cách chi tiết. Mô hình dự báo phụ tải điện là công cụ quan trọng giúp các đơn vị phân phối điện đưa ra quyết định kinh doanh sáng suốt.

3.1. Phân Loại Khách Hàng Ảnh Hưởng Tới Dự Báo Phụ Tải

Phân loại khách hàng theo ngành nghề và đặc điểm tiêu thụ là một bước quan trọng trong quá trình xây dựng mô hình dự báo phụ tải điện. Các ngành nghề khác nhau có đặc điểm tiêu thụ điện năng khác nhau, và việc phân loại giúp cải thiện độ chính xác của dự báo. Ví dụ, ngành công nghiệp có phụ tải ổn định hơn so với ngành dịch vụ, và ngành nông nghiệp có phụ tải theo mùa vụ. Bảng 2 trong tài liệu gốc cung cấp thông tin chi tiết về cách phân loại ngành nghề và lớp khách hàng. Cần thu thập thông tin về đặc điểm tiêu thụ của từng nhóm khách hàng để xây dựng mô hình dự báo chính xác.

3.2. Thu Thập Xử Lý Dữ Liệu Bí Quyết Cho Độ Chính Xác

Thu thập và xử lý dữ liệu là một bước quan trọng để đảm bảo tính chính xác của mô hình dự báo phụ tải điện. Dữ liệu cần được thu thập từ nhiều nguồn khác nhau, bao gồm hệ thống đo xa, công tơ cơ và các nguồn thông tin kinh tế xã hội. Dữ liệu cần được kiểm tra và làm sạch để loại bỏ các lỗi và giá trị ngoại lệ. Bảng 3 trong tài liệu gốc cung cấp thông tin về các ràng buộc đối với dữ liệu đầu vào. Việc xử lý dữ liệu một cách cẩn thận giúp đảm bảo tính tin cậy của kết quả dự báo.

3.3. Phân Cụm Ngày Theo Phụ Tải Điện Cách Tối Ưu Dự Báo

Phân cụm ngày theo phụ tải điện là một kỹ thuật hữu ích để cải thiện độ chính xác của mô hình dự báo. Các ngày có đặc điểm phụ tải tương tự nhau được nhóm lại thành một cụm, và mô hình dự báo được xây dựng riêng cho từng cụm. Ví dụ, các ngày cuối tuần và ngày lễ thường có đặc điểm phụ tải khác với các ngày trong tuần. Hình 24 và 25 trong tài liệu gốc minh họa quá trình phân cụm ngày. Việc phân cụm ngày giúp mô hình dự báo nắm bắt được các đặc điểm phụ tải theo thời gian và cải thiện độ chính xác.

IV. Ứng Dụng Mô Hình Dự Báo Phụ Tải Kết Quả Thử Nghiệm 2015

Mô hình dự báo phụ tải điện được xây dựng đã được thử nghiệm trên dữ liệu thực tế năm 2015. Hệ thống được cài đặt và chạy thử nghiệm trong môi trường phù hợp, sử dụng các thư viện tham khảo cần thiết. Kết quả thử nghiệm cho thấy mô hình có khả năng dự báo phụ tải với độ chính xác chấp nhận được. Các biểu đồ phụ tải đặc trưng được xây dựng cho các ngành nghề khác nhau, giúp các đơn vị phân phối điện hiểu rõ hơn về đặc điểm tiêu thụ điện năng của từng nhóm khách hàng. Đánh giá so sánh các phương pháp ước lượng thống kê cho thấy phương pháp LE có hiệu suất tốt nhất trong các kịch bản thử nghiệm. Bảng 5, 6 và 7 trong tài liệu gốc tóm tắt kết quả thử nghiệm. Ảnh hưởng của nhiệt độ đến phụ tải cũng được đánh giá, cho thấy mối tương quan giữa nhiệt độ và nhu cầu sử dụng điện năng.

4.1. Đánh Giá Độ Chính Xác Dự Báo Phụ Tải Các Kịch Bản

Để đánh giá độ chính xác của mô hình dự báo phụ tải, các kịch bản thử nghiệm khác nhau đã được xây dựng. Các kịch bản này bao gồm các điều kiện thời tiết và kinh tế xã hội khác nhau, giúp đánh giá khả năng hoạt động của mô hình trong các tình huống khác nhau. Bảng 5, 6 và 7 trong tài liệu gốc trình bày kết quả cho thấy độ chính xác của mô hình thay đổi tùy thuộc vào kịch bản. Cần tiếp tục cải thiện mô hình để nâng cao độ chính xác trong mọi tình huống.

4.2. Ảnh Hưởng Nhiệt Độ Đến Phụ Tải Phân Tích Thực Tế 2015

Nhiệt độ là một yếu tố quan trọng ảnh hưởng đến phụ tải điện. Phân tích dữ liệu năm 2015 cho thấy mối tương quan rõ ràng giữa nhiệt độ và nhu cầu sử dụng điện năng. Đặc biệt, trong những ngày nắng nóng, nhu cầu sử dụng điều hòa nhiệt độ tăng cao, dẫn đến sự gia tăng đáng kể trong phụ tải. Hình 21, 22 và 23 trong tài liệu gốc minh họa mối quan hệ giữa nhiệt độ và phụ tải. Cần xem xét yếu tố nhiệt độ trong quá trình xây dựng mô hình dự báo phụ tải để cải thiện độ chính xác.

4.3. Xây dựng các biểu đồ phụ tải đặc trưng năm 2015

Việc xây dựng các biểu đồ phụ tải đặc trưng cho từng ngành nghề, từng loại hình khách hàng, và từng thời điểm trong năm là một trong những kết quả quan trọng của nghiên cứu. Các biểu đồ này cho phép các nhà quản lý năng lượng và các công ty điện lực hiểu rõ hơn về nhu cầu sử dụng điện của từng đối tượng khách hàng, từ đó đưa ra các quyết định điều chỉnh giá, lập kế hoạch bảo trì hệ thống, và cải thiện hiệu quả sử dụng năng lượng. Dữ liệu từ các biểu đồ phụ tải đặc trưng có thể giúp tối ưu hóa việc quản lý và phân phối điện năng, giảm thiểu lãng phí và cải thiện độ tin cậy của hệ thống điện.

V. Kết Luận Hướng Phát Triển Dự Báo Phụ Tải Điện Cạnh Tranh

Luận văn đã trình bày một phương pháp tiếp cận bottom-up để dự báo phụ tải điện phục vụ thị trường bán buôn cạnh tranh tại Việt Nam năm 2015. Mô hình được xây dựng dựa trên dữ liệu thực tế và áp dụng các phương pháp ước lượng thống kê phù hợp. Kết quả thử nghiệm cho thấy mô hình có khả năng dự báo với độ chính xác chấp nhận được. Tuy nhiên, vẫn còn nhiều tiềm năng để cải thiện mô hình, đặc biệt là trong việc thu thập và xử lý dữ liệu, phân loại khách hàng và xem xét các yếu tố ảnh hưởng đến phụ tải. Trong tương lai, cần tập trung vào việc phát triển các mô hình dự báo phụ tải điện thông minh hơn, có khả năng tự động học hỏi và thích ứng với sự thay đổi của thị trường điện. Nghiên cứu về kinh tế điện và quy hoạch điện cũng cần được đẩy mạnh để hỗ trợ công tác dự báo và quản lý điện năng hiệu quả. [4] khẳng định tầm quan trọng của việc dự báo phụ tải để phát triển thị trường điện Việt Nam.

5.1. Thách Thức Cơ Hội Trong Dự Báo Phụ Tải Điện Việt Nam

Dự báo phụ tải điện tại Việt Nam còn nhiều thách thức, bao gồm thiếu dữ liệu, chất lượng dữ liệu chưa cao, và sự biến động của thị trường điện. Tuy nhiên, cũng có nhiều cơ hội để phát triển các mô hình dự báo phụ tải điện tiên tiến, nhờ vào sự phát triển của công nghệ đo xa, trí tuệ nhân tạo và các phương pháp phân tích dữ liệu lớn. Các đơn vị điện lực và các nhà nghiên cứu cần hợp tác chặt chẽ để vượt qua các thách thức và tận dụng các cơ hội này.

5.2. Kiến Nghị Để Nâng Cao Độ Chính Xác Dự Báo Phụ Tải Điện

Để nâng cao độ chính xác của dự báo phụ tải điện, cần có các giải pháp đồng bộ về thu thập dữ liệu, xử lý dữ liệu, xây dựng mô hình và đánh giá kết quả. Cần đầu tư vào hệ thống đo xa và công tơ điện tử để thu thập dữ liệu đầy đủ và liên tục. Cần chuẩn hóa dữ liệu và xây dựng cơ sở dữ liệu phụ tải điện quốc gia. Cần phát triển các mô hình dự báo phụ tải điện thông minh và linh hoạt. Cần đánh giá kết quả dự báo một cách thường xuyên và có hệ thống để cải thiện hiệu suất.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan vẻ dự bảo phụ tái diện cho Thị trường Bán buôn cạnh. tranh Việt Nam. Chương 2: Phương pháp luận các phương pháp chọn mẫu và dự bảo phụ tải điện. Chương 3: Xây đụng mô hình dự báo.

Chương 4: Kết quả và bản luận. LỜI CAM ĐOAN 'tôi xin cam đoan đây là công trình nghiên cửu của riêng tối. Các số liệu, kết qua Irong luận văn là trung thực và chưa lừng được ai công bố trong bất kì công trình nảo khác. 'tôi xia cam đoan rằng các thông tin trích dẫn trong luận văn đều đã được chí rõ nguồn gốc.

Học viên Nguyễn Đăng Tuân DANH MỤC CÁC BẰNG Bang 1: Cơ cấu tiều thụ điện toàn quốc giải đoạn 2005-2010 ƒ5J. “ Bảng 2: Phân loại ngành nghề, lắp khách hàng [1] > ta la AAG Bảng 3: Mộtsố ràng buộc với dữ liệu đầu vào. Hee Bảng 4: Dữ liệu nhiệt độ của thành phố Hồ Chí Minh [6}. Bang 5: Tong hop kéi qua cho bai các phương pháp với kịch bản ï oD ves Bang 6: Tong hợp kết quả cho bởi các phương pháp với kịch bản 2 Bảng 7: Tủng hợp kết guả cho bởi các phương pháp với kịch bản 3 a Bảng 8: Túng hợp mức điện năng tiêu thụ của các thành phần Bang 9: Tỉ trạng (96) các phụ lải ngành nghề trong biểu đồ phụ tật hệ thống.

LỜI CAM ĐOAN 'tôi xin cam đoan đây là công trình nghiên cửu của riêng tối. Các số liệu, kết qua Irong luận văn là trung thực và chưa lừng được ai công bố trong bất kì công trình nảo khác. 'tôi xia cam đoan rằng các thông tin trích dẫn trong luận văn đều đã được chí rõ nguồn gốc. Học viên Nguyễn Đăng Tuân DANH MỤC CÁC HÏNH VẼ, ĐỎ THỊ 1ình 1:Aô hình dự bảo phụ tải điện giai đoạn bám buôn cạnh tranh.

83p838*eẩ A Am Tình 2: Mô hình dự bảo phụ tải điện Tình 3: Giao điện đăng nhập chương binh. Tình 4: Giao điện quản trị Hình 3: Giao điện thu thập dữ hệu B Hình 6: Giao điện chọn mẫu B B 2£ Hình 7: Giao diện xây dựng biểu đề / dự bảo. Hình 8: Đồ thị phụ tải (AE) - Kịch bản 7 Ðo Ð 83 Hình 9: Đồ thị phụ tải (SRE) - Kịch bản I Hình 10: Đã thị phụ tái (CRE) - Kich ban 1 Bo x nh ðð Hình 11: ĐỒ thị phụ tái ƒ.E) - Kịch bản Ï Hình 12: iều đồ phụ tái hệ thông tủa các ngày điển hình Và Chín Hình 13: iêu dỗ phụ tải các ngày diễn bình của ngành công nghiệp. Hình 14 dé thụ tâi các ngày diễn hình của ngành dân đụng.

Hình 15 liêu đồ phụ tải các ngày diễn bình của ngành dich vu cong cộng. Ơn Da Ôa 6 Hình 16: Biểu dỗ phụ lãi các ngày diễn bình của ngành thương mai. Hình 17: iêu dỗ phụ tải các ngày diễn hình cũa ngành nông nghiệp. lêu dỗ phụ tải các ngày nghỉ lễ (dương lịch).

ï € dd iêu đỗ phụ tải các ngày nghĩ lễ (âm lịch). Ơ Đà Da Hinh 20: Biéu dé phy tai các ngành nghề Hình 21: Dé thị tẳng quát biểu diễu phụ thuộc của ¡ phụ tổtãi theo nhiệt độ Hình 22: Đồ thị liên hệ phụ tãi và nhiệt độ trong 2b sáng. BS O 1ình 23: Dê thị liên hệ phụ tãi và nhiệt độ trong 11h trưa. p6 œA Ø0 Hình 24: Biểu đồ phân cụm các ngày trong tháng } Tĩnh 25: âu đồ phân cum các ngày trong thángŠ S Hình 26 Ả thị so sánh các cụm ngày trong tháng 1.

THình 27: Dả thị so sảnh các cum ngay trong thang 5 DANH MỤC CÁC HÏNH VẼ, ĐỎ THỊ 1ình 1:Aô hình dự bảo phụ tải điện giai đoạn bám buôn cạnh tranh. 83p838*eẩ A Am Tình 2: Mô hình dự bảo phụ tải điện Tình 3: Giao điện đăng nhập chương binh. Tình 4: Giao điện quản trị Hình 3: Giao điện thu thập dữ hệu B Hình 6: Giao điện chọn mẫu B B 2£ Hình 7: Giao diện xây dựng biểu đề / dự bảo. Hình 8: Đồ thị phụ tải (AE) - Kịch bản 7 Ðo Ð 83 Hình 9: Đồ thị phụ tải (SRE) - Kịch bản I Hình 10: Đã thị phụ tái (CRE) - Kich ban 1 Bo x nh ðð Hình 11: ĐỒ thị phụ tái ƒ.E) - Kịch bản Ï Hình 12: iều đồ phụ tái hệ thông tủa các ngày điển hình Và Chín Hình 13: iêu dỗ phụ tải các ngày diễn bình của ngành công nghiệp.

Hình 14 dé thụ tâi các ngày diễn hình của ngành dân đụng. Hình 15 liêu đồ phụ tải các ngày diễn bình của ngành dich vu cong cộng. Ơn Da Ôa 6 Hình 16: Biểu dỗ phụ lãi các ngày diễn bình của ngành thương mai. Hình 17: iêu dỗ phụ tải các ngày diễn hình cũa ngành nông nghiệp.

lêu dỗ phụ tải các ngày nghỉ lễ (dương lịch). ï € dd iêu đỗ phụ tải các ngày nghĩ lễ (âm lịch). Ơ Đà Da Hinh 20: Biéu dé phy tai các ngành nghề Hình 21: Dé thị tẳng quát biểu diễu phụ thuộc của ¡ phụ tổtãi theo nhiệt độ Hình 22: Đồ thị liên hệ phụ tãi và nhiệt độ trong 2b sáng. BS O 1ình 23: Dê thị liên hệ phụ tãi và nhiệt độ trong 11h trưa.

p6 œA Ø0 Hình 24: Biểu đồ phân cụm các ngày trong tháng } Tĩnh 25: âu đồ phân cum các ngày trong thángŠ S Hình 26 Ả thị so sánh các cụm ngày trong tháng 1. THình 27: Dả thị so sảnh các cum ngay trong thang 5 LOI CAM ON Lời đầu tiên, em xin bảy tỏ lòng biết ơn sâu sắc đến các thây cô giáo trong Viện Công nghệ thông tín và Truyền thông — Trường Đại học Bách Khoa Hà Nội, những, người dã tận tỉnh giảng dạy, truyền dạt cho chủng em những kiến thức cơ bản lam riển tăng cho việc thực hiện luận văn. Tâm xin gửi lời cám ơn đến Dan lãnh đạo Công ty Cổ phân Giải pháp Quản lý năng lượng đã tạo điều kiện cho em phát triển du án “Nghiên củu phụ lãi điện” thành luận văn tốt nghiệp thạc sĩ kỉ thuật ở trường Dại học Bách khơa Hà Nội. Em xin gửi lời cám on chân thành đến T.S Nguyễn Tuan Ding, thay đã hướng, đấn, chỉ đạy tần tình đế em hoàn thành luận văn nay.

Cuối củng, em vô củng biết ơn toản thế gia định, bạn bè, đồng nghiệp đã quan tâm, động viên em trong quả trình thực tiện luận vẫn nảy TỚI MỞ ĐẤU Ở Việt Nam, Thị trường điện đang ở giai đoạn phát điện cạnh tranh. Năm 2015, Thị trường bản buôn cạnh tranh được thí điểm [4]. Trong giai đoạn này, đồng vai trỏ chính sẽ lá các đơn vị phân phổi diện (các Tổng công ty Điện lực). Các don vị này sẽ tham gia Thị trường với vị thế là đơn vị mua buôn.

Nhu cầu của các đơn vị này là cần dự báo được như cầu phụ tải của don vi minh dé dua ra chién luge mua buôn hợp lý Có 2 hướng đễ giải quyết bài toán dự bảo phụ tải ở Việt Nan (mức hệ thông) Tk: 1) Top-down: Dựa vào dữ liệu phụ tái quá khí của hệ thống, điều kiện khí hậu, điều kiên kinh tế xã hỏi để dự báo như cầu phụ tải của hệ thống; 2) Bottom-up: Dua vao dif ligu diém đo tùng khách hàng (công tơ), từ đó xây dựng biểu đề phụ tài các lớp khách hàng, sau đó xây đựng biển đồ phụ tải các ngành. nghề và xây dựng lên mức hệ thống, kết hợp với diễu kiện khí hậu và diễu kiện kinh: tế xã hội để dự báo nhu câu phụ tải của hệ thông. Ở Việt Nam, đối với các dơn vị phân phối diện, muốn có dược thông tin phụ tải kệ thống cúa mình thị cân phải có 2 điều kiện [1]: - Cae công lơ lắp đặt đến các khách hàng (hộ đân, ngân hàng.) đều là các công tơ điện tử, có khả năng đặt lịch chết được sản lượng 24h trong ngảy và kết nối với các hệ thống máy tinh; - _ Triển khai lắp đặt hệ thông đo xa để thu thập đữ liệu hàng ngày của khách hang. Hệ thống do xa hiện may đang được triển khơi và sắp lới sẽ đến hầu hết các khách hàng, tay nhiền một thực tế là hiện tại cỏ rất nhiều công tơ cơ chưa thé thay thế ngay bằng các công tơ điện tử được vì chỉ phí sẽ rất lớn.

Với công tơ cơ, việc đọc số liệu đang thực hiệu hàng Hưng bằng phương pháp thủ công vì không thể kết nổi với phần mềm đọc từ xa, việc đặt lịch hàng ngày sẽ rất khỏ khăn và chủ phi lớn. Phụ tải hệ thẳng là tổng sản lượng tất cả các cảng tơ (công tơ co và điện tử), vì vậy DANH MỤC CÁC KÝ HTỆU, CÁC CHỮ VIÉT TAT srr Tên Giải thích 1 | BVI "Tập đoàn điện lực Việt Nam. —— Vietnam Competitive Generation Market — Thị trường, điện Việt Nam [4] 3 5 Customer Management Information System — Ilé. " thống Thông tin Quân lý Khách hàng [2] Tao gồm các loại biểu dé phụ tài trung binh của năm, tháng, tuân: biếu đỗ phụ tải ngày điển hình (ngày làm 4 | Biểu đồ phulải | việc, ngày nghỉ và ngày lễ) các tháng trong năm; biểu dé phy tai ngay điền hình ở các nút phụ tải trong hệ thống điện các tháng trong nấm [1].

Đơn vị diện lực được cấp giấy phép hoạt động điện. | lực trong lĩnh vực phân phỏi điện nhận điện trực tiếp Dx 5 ten vi phân hân Phốiphối || tà trới điện truyền Băng: Be tai để bán điện cho kháchae hàng ay sử m dụng điện hoặc các đơn vị phân phối và bản lẻ điện kháe [4]. Phụ lỗi có chế độ tiêu thụ điện đặc trưng cho một 6 | Mẫuphultâ Bu pi te nham phy tai dién [1]. 7 | AR Averaging Rstimalor — phép ude luong trưng bình [9] 8 |SRE Separate Ratio Estimator — phép wée Luong ti 1@ phan ly [9] 5 Combined Ratio Tistimater — phép ước lượng tỉ lệ kết CRE hợp [9] 10 |LE Ladder estimator phép ước lượng bậc thang 3 mức [9] 11 | CSDL Cơ sở dữ liệu.

w DANH MỤC CÁC HÏNH VẼ, ĐỎ THỊ 1ình 1:Aô hình dự bảo phụ tải điện giai đoạn bám buôn cạnh tranh. 83p838*eẩ A Am Tình 2: Mô hình dự bảo phụ tải điện Tình 3: Giao điện đăng nhập chương binh. Tình 4: Giao điện quản trị Hình 3: Giao điện thu thập dữ hệu B Hình 6: Giao điện chọn mẫu B B 2£ Hình 7: Giao diện xây dựng biểu đề / dự bảo. Hình 8: Đồ thị phụ tải (AE) - Kịch bản 7 Ðo Ð 83 Hình 9: Đồ thị phụ tải (SRE) - Kịch bản I Hình 10: Đã thị phụ tái (CRE) - Kich ban 1 Bo x nh ðð Hình 11: ĐỒ thị phụ tái ƒ.