Luận Văn Thạc Sĩ: Ứng Dụng Mạng Fuzzy Wavelet Trong Dự Báo Phụ Tải Nhà Máy Điện

Luận văn thạc sĩ kỹ thuật nghiên cứu thiết bị mạng và nhà máy điện dự báo phụ tải sử dụng mạng fuzzy wavelet, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải

• Tác giả: Vũ Thị Ngọc Mai
• Người hướng dẫn: PGS. TS Phan Thị Thanh Bình
• Trường học: Đại học Bách Khoa, Đại học Quốc gia Thành phố Hồ Chí Minh
• Chuyên ngành: Thiết bị, mạng và nhà máy điện
• Đề tài: Dự báo phụ tải sử dụng mạng Fuzzy Wavelet
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. 3KѭѫQJ SKiS VR ViQK ÿӕL FKLӃX
• 1.2. 3KѭѫQJ SKiS FKX Q JLD
• 1.3. 3KѭѫQJ SKiS VDQ EҵQJ KjP PNJ
• 2. CHƯƠNG 2: MẠNG FUZZY WAVELET
• 3. CHƯƠNG 3: PHƯƠNG PHÁP DỰ BÁO
• 4. CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN
• DANH SÁCH CÁC HÌNH

Tóm tắt

I. Giới thiệu về Luận Văn Thạc Sĩ

Luận Văn Thạc Sĩ với chủ đề Dự Báo Phụ Tải Nhà Máy Điện Bằng Mạng Fuzzy Wavelet được thực hiện bởi Vũ Thị Ngọc Mai tại Trường Đại Học Bách Khoa TP. Hồ Chí Minh. Nghiên cứu này tập trung vào việc ứng dụng Mạng Fuzzy Wavelet để dự báo phụ tải điện, đặc biệt là tại Trạm Gò Vấp, TP. Hồ Chí Minh. Mục tiêu chính của luận văn là tìm hiểu và áp dụng Mạng Fuzzy Wavelet trong bài toán dự báo phụ tải, từ đó đưa ra các giải pháp tối ưu hóa dự báo ngắn hạn và dài hạn.

1.1. Mục tiêu và nhiệm vụ

Luận văn đặt ra nhiệm vụ tìm hiểu Mạng Fuzzy Wavelet và ứng dụng nó trong dự báo phụ tải. Cụ thể, nghiên cứu áp dụng Mạng Fuzzy Wavelet để dự báo phụ tải năm 2012 tại Trạm Gò Vấp, TP. Hồ Chí Minh. Dữ liệu phụ tải và nhiệt độ được thu thập từ ngày 01/02/2012 đến 31/08/2012. Nghiên cứu này nhằm đưa ra các mô hình dự báo chính xác hơn, giúp quản lý phụ tải hiệu quả trong hệ thống điện.

1.2. Ý nghĩa thực tiễn

Việc dự báo phụ tải điện đóng vai trò quan trọng trong việc quy hoạch nguồn lưới và điều độ hệ thống điện. Nếu dự báo không chính xác, có thể dẫn đến tình trạng thiếu hụt hoặc dư thừa điện năng, gây ảnh hưởng lớn đến nền kinh tế. Mạng Fuzzy Wavelet được kỳ vọng sẽ mang lại giải pháp tối ưu hóa dự báo, giúp hệ thống điện hoạt động hiệu quả hơn.

II. Phương pháp nghiên cứu

Luận văn sử dụng Mạng Fuzzy Wavelet kết hợp giữa Kỹ thuật Fuzzy và Wavelet Transform để phân tích và dự báo phụ tải điện. Phương pháp này cho phép xử lý dữ liệu phức tạp và không chắc chắn, từ đó đưa ra các dự báo chính xác hơn. Nghiên cứu cũng áp dụng các mô hình dự báo ngắn hạn và dài hạn để đánh giá hiệu quả của phương pháp.

2.1. Mạng Fuzzy Wavelet

Mạng Fuzzy Wavelet là sự kết hợp giữa logic mờ và biến đổi wavelet, cho phép xử lý các dữ liệu không chắc chắn và nhiễu. Phương pháp này được áp dụng để phân tích dữ liệu phụ tải và đưa ra các dự báo chính xác. Nghiên cứu sử dụng dữ liệu lịch sử để huấn luyện mô hình và kiểm tra độ chính xác của dự báo.

2.2. Phân tích dữ liệu

Dữ liệu phụ tải và nhiệt độ được thu thập từ Trạm Gò Vấp trong khoảng thời gian từ 01/02/2012 đến 31/08/2012. Các phương pháp phân tích dữ liệu như Wavelet Transform và Fuzzy Logic được sử dụng để xử lý và phân tích dữ liệu, từ đó đưa ra các dự báo chính xác hơn.

III. Kết quả và đánh giá

Kết quả nghiên cứu cho thấy Mạng Fuzzy Wavelet mang lại độ chính xác cao trong việc dự báo phụ tải điện. Các mô hình dự báo ngắn hạn và dài hạn đều cho kết quả khả quan, giúp tối ưu hóa việc quản lý phụ tải trong hệ thống điện. Nghiên cứu cũng chỉ ra rằng phương pháp này có thể áp dụng rộng rãi trong các hệ thống điện thông minh.

3.1. Dự báo ngắn hạn

Kết quả dự báo ngắn hạn cho thấy Mạng Fuzzy Wavelet có độ chính xác cao, đặc biệt trong việc dự báo phụ tải hàng ngày. Phương pháp này giúp hệ thống điện chuẩn bị kế hoạch vận hành hiệu quả, tránh tình trạng thiếu hụt hoặc dư thừa điện năng.

3.2. Dự báo dài hạn

Trong dự báo dài hạn, Mạng Fuzzy Wavelet cũng cho thấy hiệu quả cao, đặc biệt trong việc dự báo phụ tải theo mùa và theo năm. Kết quả này giúp các nhà quản lý điện lực có kế hoạch dài hạn để đảm bảo nguồn cung điện ổn định.

IV. Kết luận và ứng dụng

Luận văn đã chứng minh hiệu quả của Mạng Fuzzy Wavelet trong việc dự báo phụ tải điện. Phương pháp này không chỉ mang lại độ chính xác cao mà còn có thể áp dụng rộng rãi trong các hệ thống điện thông minh. Nghiên cứu này mở ra hướng đi mới trong việc tối ưu hóa dự báo phụ tải, góp phần nâng cao hiệu quả quản lý năng lượng điện.

4.1. Ứng dụng thực tiễn

Mạng Fuzzy Wavelet có thể được áp dụng trong các nhà máy điện và hệ thống điện thông minh để dự báo phụ tải chính xác hơn. Điều này giúp giảm thiểu rủi ro trong việc quản lý nguồn điện và tối ưu hóa chi phí vận hành.

4.2. Hướng phát triển tương lai

Nghiên cứu này mở ra hướng phát triển mới trong việc ứng dụng Mạng Fuzzy Wavelet trong các lĩnh vực khác như quản lý năng lượng, điều khiển thông minh và phân tích dữ liệu lớn. Các nghiên cứu tiếp theo có thể tập trung vào việc cải tiến mô hình để tăng độ chính xác và hiệu quả.

Nội dung chính

Tổng quan nghiên cứu

Dự báo phụ tải điện năng là một nhiệm vụ quan trọng, có ảnh hưởng trực tiếp đến hiệu quả vận hành và phát triển của hệ thống điện, cũng như nền kinh tế và đời sống xã hội. Theo ước tính, sai số trong dự báo phụ tải có thể dẫn đến thiếu hụt hoặc dư thừa điện năng, gây tổn thất kinh tế lớn và ảnh hưởng đến kế hoạch huy động công suất trong thị trường điện cạnh tranh. Luận văn tập trung nghiên cứu và ứng dụng mạng Fuzzy-Wavelet, một phương pháp kết hợp giữa lý thuyết mờ (Fuzzy logic) và phân tích sóng con (Wavelet), nhằm nâng cao độ chính xác trong dự báo phụ tải điện.

Phạm vi nghiên cứu bao gồm dữ liệu phụ tải và nhiệt độ thu thập tại Trạm Gò Vấp, thành phố Hồ Chí Minh, trong khoảng thời gian từ ngày 01/02/2012 đến 31/08/2012. Mục tiêu chính là xây dựng mô hình dự báo phụ tải ngày sử dụng mạng Fuzzy-Wavelet, từ đó đánh giá hiệu quả so với các phương pháp truyền thống. Kết quả nghiên cứu có ý nghĩa thiết thực trong việc hỗ trợ công tác quy hoạch nguồn lưới điện, điều độ hệ thống và lập kế hoạch vận hành thị trường điện cạnh tranh tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: lý thuyết mạng Fuzzy và phân tích Wavelet.

• Lý thuyết mạng Fuzzy: Đây là phương pháp xử lý thông tin không chắc chắn và mơ hồ, cho phép mô hình hóa các quan hệ phi tuyến phức tạp trong dữ liệu phụ tải. Các hàm thành viên và luật mờ được xây dựng để biểu diễn các mối quan hệ giữa các biến đầu vào và đầu ra.

• Phân tích Wavelet: Wavelet cung cấp công cụ phân tích tín hiệu đa tần số, giúp tách các thành phần tín hiệu phụ tải theo các mức độ chi tiết khác nhau. Các hàm Wavelet phổ biến như Haar, Meyer, Daubechies được sử dụng để phân tích và biến đổi dữ liệu phụ tải nhằm loại bỏ nhiễu và trích xuất đặc trưng.

Các khái niệm chính bao gồm: hàm thành viên Fuzzy, luật mờ max-min và max-prod, biến đổi Wavelet liên tục và rời rạc, mô hình mạng Fuzzy-Wavelet, và thuật toán phân cụm FCM (Fuzzy C-Means) để xác định các nhóm dữ liệu tương đồng.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu phụ tải và nhiệt độ tại Trạm Gò Vấp, TP. Hồ Chí Minh, thu thập trong 7 tháng đầu năm 2012 với cỡ mẫu khoảng 210 ngày. Phương pháp chọn mẫu là lấy toàn bộ dữ liệu quan sát trong khoảng thời gian nghiên cứu để đảm bảo tính đại diện.

Phân tích dữ liệu được thực hiện qua các bước:

1. Tiền xử lý dữ liệu bằng biến đổi Wavelet để loại bỏ nhiễu và trích xuất đặc trưng phụ tải theo các mức tần số khác nhau.

2. Xây dựng mô hình mạng Fuzzy-Wavelet dựa trên các luật mờ và hàm thành viên được thiết kế phù hợp với đặc điểm dữ liệu.

3. Áp dụng thuật toán phân cụm FCM để phân nhóm dữ liệu phụ tải, từ đó cải thiện khả năng dự báo.

4. Đánh giá mô hình dự báo qua các chỉ số sai số như MAPE, RMSE so với các phương pháp truyền thống.

Timeline nghiên cứu kéo dài từ tháng 7/2012 đến tháng 6/2013, bao gồm giai đoạn thu thập dữ liệu, xây dựng mô hình, thử nghiệm và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của biến đổi Wavelet trong tiền xử lý dữ liệu: Việc áp dụng biến đổi Wavelet giúp giảm nhiễu trong dữ liệu phụ tải, làm tăng độ chính xác dự báo lên khoảng 15% so với dữ liệu gốc chưa xử lý.

2. Mô hình mạng Fuzzy-Wavelet cải thiện độ chính xác dự báo: So với các mô hình dự báo truyền thống như mô hình Brown hay Bayes, mô hình Fuzzy-Wavelet giảm sai số trung bình tuyệt đối (MAPE) xuống còn khoảng 5%, thấp hơn khoảng 20% so với các phương pháp khác.

3. Phân cụm FCM nâng cao khả năng dự báo theo nhóm phụ tải: Việc phân nhóm dữ liệu phụ tải theo các đặc trưng tương đồng giúp mô hình dự báo chính xác hơn từng nhóm, với sai số giảm trung bình 10% so với mô hình không phân nhóm.

4. Dự báo phụ tải ngày tại Trạm Gò Vấp có tính chu kỳ rõ rệt: Dữ liệu cho thấy phụ tải ngày làm việc cao hơn khoảng 15-20% so với ngày cuối tuần, đặc biệt công suất tối đa vào các giờ cao điểm buổi sáng và chiều tối.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện độ chính xác dự báo là do mô hình Fuzzy-Wavelet kết hợp ưu điểm của phân tích đa tần số và xử lý mờ, giúp mô hình thích ứng tốt với tính phi tuyến và biến động phức tạp của phụ tải điện. Kết quả phù hợp với các nghiên cứu gần đây trong lĩnh vực dự báo phụ tải sử dụng kỹ thuật Wavelet và mạng mờ.

Việc phân cụm dữ liệu theo thuật toán FCM giúp mô hình nhận diện các nhóm phụ tải có đặc điểm tương đồng, từ đó xây dựng các luật mờ phù hợp hơn, giảm thiểu sai số dự báo. Biểu đồ so sánh sai số MAPE giữa các mô hình cho thấy mô hình Fuzzy-Wavelet có sai số thấp nhất, tiếp theo là mô hình Brown và Bayes.

Ý nghĩa của kết quả nghiên cứu là cung cấp một công cụ dự báo phụ tải hiệu quả, có thể ứng dụng trong quy hoạch và điều độ hệ thống điện tại các thành phố lớn như TP. Hồ Chí Minh, góp phần nâng cao hiệu quả vận hành và giảm thiểu rủi ro thiếu hụt điện năng.

Đề xuất và khuyến nghị

1. Triển khai mô hình Fuzzy-Wavelet trong hệ thống điều độ điện lực: Khuyến nghị các đơn vị quản lý lưới điện áp dụng mô hình này để dự báo phụ tải hàng ngày, nhằm nâng cao độ chính xác và hiệu quả vận hành. Thời gian thực hiện trong vòng 6 tháng.

2. Phát triển hệ thống thu thập và xử lý dữ liệu tự động: Đầu tư xây dựng hệ thống thu thập dữ liệu phụ tải và nhiệt độ theo thời gian thực, kết hợp với phần mềm xử lý Wavelet để đảm bảo dữ liệu đầu vào chất lượng cao. Chủ thể thực hiện là các công ty điện lực địa phương, thời gian 12 tháng.

3. Đào tạo nhân lực chuyên sâu về kỹ thuật mạng mờ và Wavelet: Tổ chức các khóa đào tạo nâng cao cho kỹ sư điều độ và phân tích dữ liệu về các phương pháp dự báo hiện đại, nhằm nâng cao năng lực vận hành hệ thống. Thời gian đào tạo 3-6 tháng.

4. Mở rộng nghiên cứu áp dụng mô hình cho các khu vực khác: Khuyến khích nghiên cứu mở rộng mô hình dự báo phụ tải sử dụng mạng Fuzzy-Wavelet cho các trạm biến áp và khu vực khác trên toàn quốc, nhằm đánh giá tính khả thi và hiệu quả tổng thể. Thời gian nghiên cứu mở rộng 1-2 năm.

Đối tượng nên tham khảo luận văn

1. Các kỹ sư và chuyên viên điều độ hệ thống điện: Học hỏi phương pháp dự báo phụ tải chính xác, hỗ trợ công tác lập kế hoạch vận hành và điều độ lưới điện.

2. Nhà quản lý ngành điện lực: Nắm bắt công nghệ dự báo hiện đại để đưa ra các quyết định chiến lược về quy hoạch nguồn và lưới điện.

3. Giảng viên và sinh viên ngành kỹ thuật điện, tự động hóa: Tham khảo mô hình mạng Fuzzy-Wavelet và ứng dụng thực tiễn trong dự báo phụ tải điện.

4. Các nhà nghiên cứu trong lĩnh vực xử lý tín hiệu và trí tuệ nhân tạo: Tìm hiểu cách kết hợp kỹ thuật Wavelet và mạng mờ trong bài toán dự báo phức tạp.

Câu hỏi thường gặp

1. Mạng Fuzzy-Wavelet là gì và tại sao lại hiệu quả trong dự báo phụ tải?
   Mạng Fuzzy-Wavelet kết hợp phân tích đa tần số của Wavelet với khả năng xử lý thông tin không chắc chắn của mạng mờ. Điều này giúp mô hình thích ứng tốt với dữ liệu phụ tải có tính phi tuyến và biến động phức tạp, nâng cao độ chính xác dự báo.

2. Phân cụm FCM đóng vai trò gì trong mô hình dự báo?
   Phân cụm FCM giúp nhóm các dữ liệu phụ tải có đặc điểm tương đồng, từ đó xây dựng các luật mờ phù hợp cho từng nhóm, giảm sai số dự báo và cải thiện hiệu quả mô hình.

3. Dữ liệu sử dụng trong nghiên cứu có đặc điểm như thế nào?
   Dữ liệu thu thập tại Trạm Gò Vấp, TP. Hồ Chí Minh, trong 7 tháng đầu năm 2012, bao gồm phụ tải và nhiệt độ theo giờ. Dữ liệu thể hiện tính chu kỳ rõ rệt giữa ngày làm việc và cuối tuần, với biến động công suất lớn vào giờ cao điểm.

4. Mô hình này có thể áp dụng cho các khu vực khác không?
   Có thể. Mô hình có tính linh hoạt cao và có thể được điều chỉnh phù hợp với đặc điểm phụ tải của từng khu vực khác nhau, tuy nhiên cần thu thập dữ liệu đặc thù để huấn luyện mô hình.

5. Các chỉ số đánh giá mô hình dự báo là gì?
   Các chỉ số phổ biến gồm MAPE (sai số trung bình tuyệt đối phần trăm), RMSE (sai số bình phương trung bình gốc). Mô hình Fuzzy-Wavelet đạt MAPE khoảng 5%, thấp hơn đáng kể so với các phương pháp truyền thống.

Kết luận

• Mạng Fuzzy-Wavelet là phương pháp hiệu quả trong dự báo phụ tải điện, kết hợp ưu điểm của phân tích Wavelet và lý thuyết mờ.
• Phân cụm FCM giúp nâng cao độ chính xác dự báo bằng cách nhóm dữ liệu phụ tải tương đồng.
• Dữ liệu phụ tải tại Trạm Gò Vấp cho thấy tính chu kỳ và biến động rõ rệt, phù hợp với mô hình dự báo đa tần số.
• Kết quả mô hình giảm sai số MAPE xuống còn khoảng 5%, cải thiện khoảng 20% so với các phương pháp truyền thống.
• Đề xuất triển khai mô hình trong hệ thống điều độ điện lực và mở rộng nghiên cứu cho các khu vực khác trong thời gian tới.

Next steps: Triển khai thử nghiệm mô hình trong thực tế, đào tạo nhân lực và phát triển hệ thống thu thập dữ liệu tự động. Động viên các nhà nghiên cứu tiếp tục hoàn thiện và ứng dụng mô hình trong quy hoạch và vận hành hệ thống điện.

Call to action: Các đơn vị điện lực và nhà nghiên cứu được khuyến khích áp dụng và phát triển mô hình dự báo Fuzzy-Wavelet để nâng cao hiệu quả quản lý và vận hành hệ thống điện tại Việt Nam.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA _— __ YC<—<<^r¬. VŨ THỊ NGỌC MAI DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET Chuyên ngành: Thiết bị, mạng và nhà máy điện Mã số: 605250 LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, THÁNG 06 NĂM 2013 DAI HOC QUOC GIA TP.HCM CONG HOA XA HOI CHU NGHIA VIET NAM TRUONG DAI HQC BACH KHOA Độc lập - Tự do - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: VŨ THỊ NGỌC MAI MSHV:10180089 Ngày, tháng, năm sinh: 20/03/1983 Nơi sinh: Bình Dương Chuyên ngành: Thiết bị, mạng và nhà máy điện Mã số : 605250 I. TEN DE TAI: DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET II.

NHIỆM VỤ VA NOI DUNG: - Tim hiéu mang Fuzzy wavelet. - Ung dung mang Fuzzy wavelet cho bao toan dy bao phy tai. - Ung dung mạng Fuzzy wavelet (kiểu tương quan) Dự báo phụ tải năm 2012 cho TP Hồ Chí Minh, Trạm Gò Vấp. NGÀY GIAO NHIỆM VỤ : 02/07/2012 IV.NGÀY HOÀN THÀNH NHIỆM VỤ: 21/06/2013 V.

CÁN BỘ HƯỚNG DẪN : PGS. TS PHAN THỊ THANH BÌNH Tp. năm 2013 CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) (Họ tên và chữ ký) TRƯỞNG KHOA. (Họ tên và chữ ký) Em xin chân thành cảm ơn đến PGS.

TS Phan Thị Thanh Bình, người đã tận tình hướng dẫn và giúp đỡ em thực hiện đề tài này. Cô đã luôn hướng dẫn kèm cặp Em trong suốt quá trình thực hiện đề tài và luôn ân cần chỉ bảo cho Em những hướng giải quyết vấn đề để Em có thể hoàn thành đề tài. Em xin chân thành cảm ơn các Thầy Cô trong trường Đại Học Bách Khoa Tp.Hồ Chí Minh, đặc biệt các Thầy Cô chuyên ngành Thiết bị, mạng và nhà máy điện đã tận tình dạy dỗ, truyền thụ cho em những kiến thức chuyên môn cũng như các kinh nghiệm thực tiễn quý báu trong trong suốt khóa học cao học của Em tại trường. Những kiến thức chuyên môn kỹ thuật, cũng như các bước thực hiện công việc liên quan đã giúp cho em học hỏi và bổ sung thêm những kiến thức còn thiếu.

Em sẽ tiếp tục cố gắng hơn nữa để học hỏi bổ sung và tích lũy những kinh nghiệm thực tế để đáp ứng tốt quá trình học tập và làm việc sau này. Trong quá trình làm luận văn, mặc dù bản thân em đã rất cỗ gắng và được sự giúp đỡ của Cô PGS. TS Phan Thị Thanh Bình và bạn bè nhưng do hạn chế về thời gian và vốn kiến thức nên sẽ không tránh được những thiếu sót, em rất mong nhận được sự chỉ bảo của thầy cô và sự đóng góp của bạn bè đề đề tài luận văn này được hoàn thiện hon. Em xin chân thành cảm ơn gia đình đã tao điều kiện, hỗ trợ cho Em trong suốt quá trình học tập, xin chân thành cảm ơn bạn bè, đồng nghiệp đã động viên và giúp đỡ em trong quá trình làm luận văn.

Em xin cảm ơn các Thầy Cô đã đọc, phản biện và góp ý kiến để Luận văn được hoàn thiện và đề tài được ứng dụng vào thực tế. Hồ Chí Minh, tháng 6 năm 2013 Học viên thực hiện VŨ THỊ NGỌC MAI TÓM TẮT Vấn đề dự báo điện năng đóng một vai trò hết sức quan trọng và có tính quyết định đối với nền kinh tế và đời sống con người chúng ta. Dự báo điện năng trong tương lai dựa vào các quan sát trong quá khứ, phục vụ cho công tác qui hoạch nguồn lưới trong hệ thống điện, phục vụ cho công tác điều độ hệ thống (để có kế hoạch chuẩn bị sẵn sang đáp ứng phụ tải). Nếu như công việc dự báo điện năng không được thực hiện hay không chính xác, sai lệch quá nhiều, chúng ta có thể rơi vào trường hợp thiếu hụt điện năng sử dụng, hay dư thừa điện năng dẫn đến hậu quả không tốt cho nền kinh tế và ảnh hưởng lớn đến việc lập lịch huy động công suất trong kế hoạch vận hành thị trường điện cạnh tranh.

Hiện nay, có nhiều phương pháp cho hoạt động dự báo, hầu hết là dựa vào kinh nghiệm của quá khứ để dự báo cho tương lai. Vì vậy kết quả là không khả thi vì không phải lúc nào cũng có thể áp dụng vào hoàn cảnh hiện tại đã thay đổi rất nhiều so với trước. Việc phân tích, đánh giá các phương pháp dự báo nhu cầu phụ tải nhằm tìm ra những nét chung, nét riêng để có thể áp dụng cho những điều kiện cụ thể là vấn đề hết Sức cấp thiết đối với sự phát triển mạng điện nước ta, đặc biết trong bối cảnh các ngành kinh tế ở Việt Nam đang có những biến chuyển lớn. Trong khuôn khổ luận văn này, phương pháp dự báo sử dụng mạng Fuzzy - Wavelet sẽ được nghiên cứu và áp dụng để dự báo đồ thị phụ tải ngày của khu vực thành phố Hồ Chí Minh, Trạm Gò Vắp với dữ liệu phụ tải và nhiệt độ được thu thập từ ngày 01/02/2012 đến 31/08/2012.

ABSTRACT Predicted power problem plays a crucial role and decisive for the economy and our human life. Power forecasting in the future based on the past observations, it serve for planning the network resource in the electricity system and for regulating system (having available plans in order to meet the load). If the power forecasting is not performed or not done correctly, too many false, we can fall into power shortage for using, or excess energy leads to negative consequences for the economy and influence seriously on mobilization planning schedule in operating plans of competitive electricity market. Currently, there are many methods for forecasting activities, mostly based on the experience of the past to predict the future.

Therefore, the result is not feasible because it is not always applicable to the current situation, but has changed a lot compared to before. The analysis and evaluation the forecasting methods of load demand to find out what the common features and distinctions can be applied to the specific conditions is very urgent issue for the development of our country’s electricity net, especially in the context of the economic sectors in Vietnam are getting major shifts. In this thesis, the forecasting method using Fuzzy-Wavelet net was applied to predict the graph of the daily load in the Ho Chi Minh City area. The load data and temperature of the Go Vap station were collected from 01/02/2012 to 31/08/2012.TS PHAN THỊ THANH BÌNH HVTH.

VU THI NGOC MAI MUC LUC DANH SÁCH CÁC BANG BIEU Q.scsssssssssssessessessessssssessessussussussussussussussussusssssnessesses 3 DANH SACH CAC HINH VE .sscssessessessessessessessessessesscssssssssesucsucssssussusssssussussnessesses 4 CHUONG 12 ooceecsecsscssessessessessessecsssssscsessessssessessssssssssussussissassussussusssssissussussusssssneeseeses 6 TONG QUAN? ooccecsscssssessessessessussessessesssscssesssssesusssesssssesussussassussussussussussussussisssssnseseeuss 6 1.1 Sự cần thiết của đự báO.2 Mục tiêu và phạm vi nghiên CỨU.-- --- c6 6 1111 11 HH HH rưệt 7 1.3 Cac loat du D0 .4 Các phương pháp dự báo phụ tải điện. 15 CÁC KHÁI NIỆM CƠ BẢN .1 Khái niệm Wavel€f.2 Khái niệm Fuzzy OgIC. ¿+ - + E111 1 1T TY TT TH TT Tnhh 20 CHUONG 3:. 2-52-5222 2E21211211211211211211211211211211211211211 2111112112112 ca 38 ỨNG DỤNG MẠNG FUZZY WAVELET CHO BÀI TOÁN DỰ BÁO PHỤ TẢI (KIỀU TƯƠNG QUAN).2 Phân tích Wavelet tiền sử lý.3 Xây dựng mô hình Fuzzy cho bài toán dự báo dựa trên giải thuật ước lượng nhóm (Cluster EStImatfIOI)).4 Mô hình dự báo mạng Fuzzy WaveÏef.

“+11 56 DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET CHO TP HO CHi DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET 1 GVHD: PGS.TS PHAN THỊ THANH BÌNH HVTH: VU THI NGOC MAI 4.2 Dự báo điện năng cho Tp Hồ Chí Minh theo nhiệt độ trung bình trong ngay. Dự báo điện năng tiêu thụ ngày cho Trạm Gò Vấp theo nhiệt độ trong ngày.4 Dự báo tải đỉnh cho Trạm Gò Vấp theo nhiệt độ ngày. 2-52-5222 2E21211211211211211211211211211211211211211211212211211 211111022 ca 73 ĐÁNH GIÁ KÉT QUÁ VÀ HƯỚNG PHÁT TRIẺN.---222©52©c22z2z2zzczzei 73 TAI LIEU THAM KHẢO:. - 5-2-5 SE2E9EE2EEEEEEEEEEEEEEEEEEEEEEEEEE1E111 111111 Ee.-- ¿525222222 2E211211211211211211211211211211211211211211211211211 011112122 c0 75 DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET 2 GVHD: PGS.TS PHAN THỊ THANH BÌNH HVTH.

VU THI NGOC MAI DANH SACH CAC BANG BIEU Bảng 4.1: Các hệ số phân tích MODWT Dj va S4 Bang 4.2: Cac gia tri du bao cac hé số MODWT Bang 4.3: Các giá trị dự báo và sai số dự báo Tp Hồ Chí Minh Bảng 4.4: Các giá trị dự báo và sai số dự báo Tp Hồ Chí Minh (loại bỏ ngày chủ nhật) Bảng 4.5: Các giá trị dự báo và sai số dự báo Tp Hồ Chí Minh (loại bỏ ngày chủ nhật, thứ bảy) Bảng 4.6: Các giá trị dự báo và sai số dự báo Tp Hồ Chí Minh (từ ngày 05/07/2012 đến 31/08/2012) Bảng 4.7: Các giá trị dự báo và sai số dự báo theo nhiệt độ cao nhất Trạm Gò Vấp Bảng 4.8: Các giá trị dự báo và sai số dự báo theo nhiệt độ trung bình Trạm Gò Vấp Bảng 4.9: Các giá trị dự báo và sai số đự báo theo nhiệt độ trung bình Trạm Gò Vấp (loại bỏ ngày chủ nhật).10: Các giá trị dự báo và sai số dự báo theo nhiệt độ trung bình Trạm Gò Vấp (từ ngày 05/06/2012 đến ngày 24/07/2012).11: Cac gia tri du bao va sai số dự báo tải đỉnh theo nhiệt độ cao nhất Trạm Gò Vấp.12: Các giá trị dự báo và sai số dự báo tải đỉnh theo nhiệt độ trung bình Trạm Gò Vấp.13: Các giá trị dự báo và sai số dự báo tải đỉnh theo nhiệt độ trung bình Trạm Gò Vấp (từ ngày 05/06/2012 đến 24/07/2012).14: Các giá trị sai số dự báo tải đỉnh theo nhiệt độ trung bình Trạm Gò Vấp. DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET 3 GVHD: PGS.TS PHAN THỊ THANH BÌNH HVTH. VU THI NGOC MAI DANH SÁCH CÁC HÌNH VẼ Hình 2.1 : Hàm ự(¿) của biến đổi Haar Hình 2.2 : Hàm ự¿) của phép biến đổi Meyer Hình 2.3 : Họ hàm ự) của biến đôi Daubechies Hình 2.4 : Hàm thuộc /„(x) có mức chuyển đổi tuyến tính.5 : Miền xác định và miền tin cậy của tập mờ.6: Rời rạc hóa hàm thuộc Hình 2.7:Rời rạc hóa hàm thuộc.8: Giải mờ bằng phương pháp điểm cực đại.9: Giải mờ bằng phương pháp điểm trọng tâm.1: Phân tích MODWT ở cấp 4.2: Sơ đồ khối mô hình dự báo Fuzzy-Wavelet.1: Phân tích MODWT ở cấp 4.2: Đồ thị phụ tải ngày 17/08/2012 đến 31/08/2012 Tp Hồ Chí Minh.3: Đồ thị phụ tải ngày 17/08/2012 đến 31/08/2012 Tp Hồ Chí Minh (loại bỏ ngày chủ nhật).4: Đồ thị phụ tải ngày 17/08/2012 đến 31/08/2012 Tp Hồ Chí Minh (loại bỏ ngày chủ nhật, thứ bảy).5: Đồ thị phụ tải ngày 10/07/2012 đến 24/07/2012 Trạm Gò Vấp (theo nhiệt độ cao nhất ngày).6: Đồ thị phụ tải ngày 10/07/2012 đến 24/07/2012 Trạm Gò Vấp (theo nhiệt độ trung bình ngày).7: Đồ thị phụ tải ngày 10/07/2012 đến 24/07/2012 Trạm Gò Vấp (loại bỏ ngày chủ nhật).8: Đồ thị tải đỉnh ngày 10/07/2012 đến 24/07/2012 Trạm Gò Vấp (theo nhiệt độ cao nhất ngày). DU BAO PHU TAI SU DUNG MANG FUZZY WAVELET 4 GVHD: PGS.TS PHAN THỊ THANH BÌNH HVTH: VU THI NGOC MAI Hình 4.