Nghiên Cứu Các Phương Pháp Dự Báo Phụ Tải Ngắn Hạn Cho Lưới Điện Tỉnh Bình Định

Nghiên cứu các phương pháp dự báo phụ tải ngắn hạn cho lưới điện tỉnh Bình Định, giúp tối ưu hóa quản lý và vận hành lưới điện hiệu quả.

• Tác giả: Nguyễn Quốc Bảo
• Người hướng dẫn: TS. Lê Tuấn Hộ
• Trường học: Trường Đại Học Quy Nhơn
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Nghiên Cứu Phương Pháp Dự Báo Phụ Tải Ngắn Hạn Cho Lưới Điện Tỉnh Bình Định
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: Bình Định

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VÀ ĐỒ THỊ
• MỞ ĐẦU
• Lý do chọn đề tài
• Tổng quan tình hình nghiên cứu đề tài
• Mục đích và nhiệm vụ nghiên cứu
• Đối tượng và phạm vi nghiên cứu
• Phương pháp nghiên cứu
• 1. CHƯƠNG 1: TỔNG QUAN VỀ LƯỚI ĐIỆN TỈNH BÌNH ĐỊNH VÀ BÀI TOÁN DỰ BÁO PHỤ TẢI
• 1.1. Giới thiệu tổng quan về lưới điện tỉnh Bình Định [11]
• 1.1.1. Lưới điện 110 kV tỉnh Bình Định
• 1.1.2. Lưới điện trung áp tỉnh Bình Định
• 1.1.3. Liên kết lưới điện với các tỉnh
• 1.1.4. Tốc độ tăng trưởng phụ tải của lưới điện tỉnh Bình Định
• 1.2. Quy hoạch và phát triển điện lực Bình Định [11]
• 1.2.1. Định hướng quy hoạch phát triển lưới điện
• 1.2.2. Quy hoạch phát triển kinh tế - xã hội địa phương
• 1.3. Giới thiệu chung về bài toán dự báo phụ tải
• 1.4. Các yếu tố ảnh hưởng tới phụ tải [4]
• 1.5. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: CÁC PHƯƠNG PHÁP VÀ MÔ HÌNH DỰ BÁO PHỤ TẢI NGẮN HẠN
• 2.1. Các phương pháp và mô hình thống kê
• 2.1.1. Phương pháp trung bình trượt (Moving average)
• 2.1.2. Phương pháp làm mịn lũy thừa (Exponential smoothing method)
• 2.1.3. Mô hình Tự hồi quy tích hợp trung bình trượt (ARIMA)
• 2.2. Các phương pháp và mô hình dựa trên trí tuệ nhân tạo
• 2.2.1. Mô hình mạng nơ ron nhân tạo
• 2.2.2. Máy vector hỗ trợ (Support vector machine)
• 2.2.3. Các kỹ thuật mờ (Fuzzy)
• 2.3. Các phương pháp kết hợp
• 2.4. Các tiêu chí đánh giá sai số dự báo
• 2.4.1. Sai số tuyệt đối trung bình (MAE)
• 2.4.2. Sai số phần trăm tuyệt đối trung bình (MAPE)
• 2.4.3. Sai số phần trăm trung bình có trọng số (WAPE)
• 2.4.4. Sai số bình phương trung bình (MSE)
• 2.4.5. Căn bậc hai sai số bình phương trung bình (RMSE)
• 2.4.6. Xu hướng dự báo Dstat
• 2.5. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: NGHIÊN CỨU SO SÁNH CÁC PHƯƠNG PHÁP VÀ MÔ HÌNH DỰ BÁO PHỤ TẢI NGẮN HẠN CHO LƯỚI ĐIỆN TỈNH BÌNH ĐỊNH
• 3.1. Trường hợp nghiên cứu 1: công suất phụ tải đo được từ ngày 01 tháng 01 năm 2022 đến ngày 31 tháng 01 năm 2022
• 3.2. Trường hợp nghiên cứu 2: công suất phụ tải đo được từ ngày 01 tháng 01 năm 2022 đến ngày 31 tháng 03 năm 2022
• 3.3. Trường hợp nghiên cứu 3: công suất phụ tải đo được từ ngày 01 tháng 01 năm 2022 đến ngày 30 tháng 06 năm 2022
• 3.4. KẾT LUẬN CHƯƠNG 3
• KẾT LUẬN VÀ KIẾN NGHỊ
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Nghiên Cứu Phương Pháp Dự Báo Phụ Tải Ngắn Hạn

Nghiên cứu phương pháp dự báo phụ tải ngắn hạn cho lưới điện tỉnh Bình Định là một chủ đề quan trọng trong lĩnh vực kỹ thuật điện. Việc dự báo chính xác nhu cầu điện năng không chỉ giúp các công ty điện lực tối ưu hóa quy hoạch và vận hành mà còn đảm bảo cung cấp điện ổn định cho người tiêu dùng. Tỉnh Bình Định, với tốc độ tăng trưởng phụ tải cao, cần có những phương pháp dự báo hiệu quả để đáp ứng nhu cầu ngày càng tăng.

1.1. Tình hình phụ tải điện tại tỉnh Bình Định

Phụ tải điện tại tỉnh Bình Định đã có sự tăng trưởng mạnh mẽ trong những năm qua. Công suất cực đại của hệ thống điện đã đạt 451 MW vào năm 2021, cho thấy sự gia tăng đáng kể so với các năm trước. Điều này đặt ra thách thức lớn cho việc dự báo phụ tải điện, đặc biệt là trong bối cảnh biến động nhu cầu.

1.2. Tầm quan trọng của dự báo phụ tải ngắn hạn

Dự báo phụ tải ngắn hạn là một yếu tố thiết yếu trong việc quản lý lưới điện. Nó giúp các công ty điện lực đưa ra quyết định kịp thời về sản xuất và phân phối điện, từ đó đảm bảo an toàn và hiệu quả trong vận hành hệ thống điện.

II. Vấn đề và Thách thức trong Dự Báo Phụ Tải Ngắn Hạn

Mặc dù có nhiều phương pháp dự báo, nhưng việc áp dụng chúng vào thực tiễn vẫn gặp nhiều khó khăn. Các yếu tố như biến động thời tiết, sự thay đổi trong hành vi tiêu dùng và các yếu tố kinh tế xã hội đều ảnh hưởng đến độ chính xác của dự báo. Tỉnh Bình Định, với đặc điểm phụ tải đa dạng, càng làm cho bài toán dự báo trở nên phức tạp hơn.

2.1. Các yếu tố ảnh hưởng đến phụ tải điện

Nhu cầu điện năng phụ thuộc vào nhiều yếu tố như thời tiết, mùa vụ và sự phát triển kinh tế. Những yếu tố này có thể gây ra sự biến động lớn trong phụ tải, làm cho việc dự báo trở nên khó khăn.

2.2. Thách thức trong việc áp dụng các phương pháp dự báo

Việc áp dụng các phương pháp dự báo hiện có vào thực tiễn thường gặp khó khăn do thiếu dữ liệu chính xác và kịp thời. Điều này đòi hỏi các nhà nghiên cứu phải tìm ra các giải pháp mới để cải thiện độ chính xác của dự báo.

III. Phương Pháp Dự Báo Phụ Tải Ngắn Hạn Hiệu Quả

Để giải quyết vấn đề dự báo phụ tải ngắn hạn, nhiều phương pháp đã được nghiên cứu và áp dụng. Các phương pháp này bao gồm phương pháp thống kê truyền thống, mô hình mạng nơ ron nhân tạo và các phương pháp kết hợp. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng.

3.1. Phương pháp thống kê truyền thống

Các phương pháp thống kê như trung bình trượt và làm mịn lũy thừa đã được sử dụng rộng rãi trong dự báo phụ tải. Những phương pháp này đơn giản và dễ áp dụng, nhưng thường không đủ chính xác trong các tình huống biến động lớn.

3.2. Mô hình mạng nơ ron nhân tạo

Mô hình mạng nơ ron nhân tạo đã cho thấy hiệu quả cao trong việc dự báo phụ tải ngắn hạn. Với khả năng học hỏi từ dữ liệu quá khứ, mô hình này có thể cải thiện độ chính xác của dự báo, đặc biệt trong các tình huống phức tạp.

3.3. Các phương pháp kết hợp

Các phương pháp kết hợp, sử dụng cả phương pháp thống kê và trí tuệ nhân tạo, đã được chứng minh là mang lại kết quả tốt hơn. Việc kết hợp các phương pháp này giúp tối ưu hóa độ chính xác của dự báo phụ tải.

IV. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu

Kết quả nghiên cứu cho thấy rằng việc áp dụng các phương pháp dự báo hiện đại có thể cải thiện đáng kể độ chính xác của dự báo phụ tải ngắn hạn cho lưới điện tỉnh Bình Định. Các mô hình đã được thử nghiệm trên dữ liệu thực tế và cho thấy khả năng dự báo tốt trong các tình huống khác nhau.

4.1. Kết quả từ các mô hình dự báo

Các mô hình dự báo đã được áp dụng cho dữ liệu thực tế từ Công ty Điện lực Bình Định. Kết quả cho thấy độ chính xác cao hơn so với các phương pháp truyền thống, giúp cải thiện khả năng quản lý lưới điện.

4.2. Ứng dụng vào thực tiễn

Kết quả nghiên cứu đã được áp dụng vào thực tiễn, giúp Công ty Điện lực Bình Định tối ưu hóa quy hoạch và vận hành lưới điện. Điều này không chỉ nâng cao hiệu quả kinh tế mà còn đảm bảo cung cấp điện ổn định cho người tiêu dùng.

V. Kết Luận và Tương Lai của Nghiên Cứu Dự Báo Phụ Tải

Nghiên cứu phương pháp dự báo phụ tải ngắn hạn cho lưới điện tỉnh Bình Định đã chỉ ra rằng việc áp dụng các công nghệ hiện đại có thể mang lại nhiều lợi ích. Tương lai của nghiên cứu này sẽ tiếp tục tập trung vào việc cải thiện độ chính xác và khả năng ứng dụng của các phương pháp dự báo.

5.1. Tầm quan trọng của nghiên cứu tiếp theo

Nghiên cứu tiếp theo cần tập trung vào việc phát triển các mô hình dự báo mới, có khả năng thích ứng với các biến động trong nhu cầu điện năng. Điều này sẽ giúp nâng cao hiệu quả quản lý lưới điện trong tương lai.

5.2. Hướng đi mới trong nghiên cứu

Hướng đi mới trong nghiên cứu có thể bao gồm việc áp dụng trí tuệ nhân tạo và học máy để cải thiện độ chính xác của dự báo. Việc này sẽ mở ra nhiều cơ hội mới cho ngành điện lực tại tỉnh Bình Định.

Nội dung chính

Tổng quan nghiên cứu

Công suất phụ tải cực đại của hệ thống điện tỉnh Bình Định năm 2021 đã chạm mốc 451 MW (ghi nhận lúc 14h00 ngày 25/6/2021), tăng trưởng 19% so với năm 2020 (379 MW), với tổng sản lượng điện thương phẩm đạt 2.335,74 triệu kWh. Tỉnh Bình Định luôn duy trì vị thế nằm trong nhóm 4 đơn vị có sản lượng điện tiêu thụ lớn nhất do Tổng công ty Điện lực miền Trung (EVNCPC) quản lý, với tốc độ tăng trưởng nhu cầu phụ tải bình quân xấp xỉ 7%/năm.

Sự bứt phá của hạ tầng công nghiệp tại Khu kinh tế Nhơn Hội, Khu công nghiệp Becamex Bình Định, Cát Trinh cùng sự phát triển nhanh của các nguồn năng lượng tái tạo phân tán với sản lượng điện mặt trời mái nhà mua từ khách hàng đạt hơn 13,02 triệu kWh đã tạo ra những biến động và xung nhiễu lớn trên đồ thị phụ tải. Thực trạng này đặt ra thách thức phức tạp cho công tác điều độ, vận hành và quản lý lưới điện. Việc sai lệch trong dự báo phụ tải ngắn hạn không chỉ làm tăng nguy cơ quá tải cục bộ trên hệ thống truyền tải mà còn gây thiệt hại kinh tế đáng kể khi tham gia thị trường điện giao ngay (Spot Market).

Mục tiêu cốt lõi của nghiên cứu là khảo sát, đánh giá toàn diện các phương pháp dự báo chuỗi thời gian truyền thống và mô hình trí tuệ nhân tạo, từ đó đề xuất mô hình dự báo phụ tải ngắn hạn tối ưu kết hợp giữa mạng nơ-ron nhân tạo và tiêu chuẩn phương sai – hiệp phương sai. Nghiên cứu thực hiện thu thập và xử lý tập dữ liệu phụ tải thực tế theo từng chu kỳ đo trên địa bàn tỉnh Bình Định trong 6 tháng đầu năm 2022. Ý nghĩa thực tiễn của đề tài là kiểm soát sai số dự báo phần trăm tuyệt đối trung bình (MAPE) xuống dưới mức 2%, nâng cao độ tin cậy cung cấp điện trên 483 km đường dây 110 kV và 2.914,54 km đường dây 22 kV, đồng thời tối ưu hóa chi phí phát điện hàng tỷ đồng mỗi năm cho ngành điện địa phương.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp giữa lý thuyết phân tích chuỗi thời gian thống kê cổ điển và lý thuyết trí tuệ nhân tạo hiện đại. Hệ thống mô hình khảo sát bao gồm:

• Nhóm mô hình thống kê: Phương pháp trung bình trượt (Moving Average), phương pháp làm mịn lũy thừa của Brown (gồm làm mịn đơn giản, làm mịn kép, làm mịn có điều chỉnh theo mùa vụ và làm mịn giảm dần xu hướng), cùng mô hình Tự hồi quy tích hợp trung bình trượt ARIMA(p, d, q) theo phương pháp luận của Box-Jenkins.
• Nhóm mô hình trí tuệ nhân tạo: Mạng nơ-ron nhân tạo truyền thẳng nhiều lớp (Multi-layer Perceptron), Mạng nơ-ron tự động hồi quy phi tuyến (NARNET), Máy vector hỗ trợ (Support Vector Machine - SVM) sử dụng hàm nhân RBF, và kỹ thuật logic mờ (Fuzzy Logic).
• Mô hình kết hợp: Phương pháp kết hợp tuyến tính tối ưu dựa trên tiêu chuẩn phương sai – hiệp phương sai (Variance – Covariance method) nhằm phân bổ trọng số thích nghi cho các kết quả dự báo thành phần.

Các khái niệm chính được vận dụng xuyên suốt gồm: Bài toán dự báo phụ tải ngắn hạn (STLF) trong phạm vi từ 1 giờ đến 168 giờ; Tính dừng của chuỗi dữ liệu thông qua bậc sai phân tích hợp I(d); Hàm truyền kích hoạt phi tuyến (như Hàm liên tục Sigmoid, Tansig, Purelin); Thuật toán huấn luyện lan truyền ngược Levenberg-Marquardt (trainlm); và Hệ thống 6 chỉ số đánh giá sai số chuẩn hóa gồm MAE, MAPE, WAPE, MSE, RMSE cùng chỉ số xu hướng Dstat.

Phương pháp nghiên cứu

• Nguồn dữ liệu và Cỡ mẫu: Nghiên cứu sử dụng toàn bộ chuỗi số liệu đo đếm công suất phụ tải thực tế theo từng giờ từ ngày 01/01/2022 đến ngày 30/06/2022 do Phòng Điều độ – Công ty Điện lực Bình Định quản lý. Tổng cỡ mẫu bao gồm 4.344 điểm đo thời gian liên tục, được phân chia thành 3 kịch bản thực nghiệm: Trường hợp 1 gồm 744 điểm đo (tháng 01/2022), Trường hợp 2 gồm 2.160 điểm đo (quý I/2022 từ tháng 01 đến tháng 03/2022), và Trường hợp 3 gồm 4.344 điểm đo (6 tháng đầu năm 2022).
• Phương pháp chọn mẫu: Nghiên cứu áp dụng phương pháp chọn mẫu toàn bộ theo chuỗi thời gian thực tế (Census Time-Series Sampling). Tập mẫu bao gồm đầy đủ chu kỳ ngày làm việc, ngày nghỉ cuối tuần và các giai đoạn biến động đặc thù như dịp Tết Nguyên đán 2022 nhằm thu thập trọn vẹn các đặc tính dao động phụ tải sinh hoạt, dịch vụ và sản xuất công nghiệp.
• Lý do lựa chọn phương pháp phân tích: Phần mềm kỹ thuật MATLAB được lựa chọn để lập trình mô phỏng, huấn luyện mạng nơ-ron và giải bài toán tối ưu trọng số. Phương pháp mạng nơ-ron NARNET kết hợp thuật toán tối ưu phương sai – hiệp phương sai được lựa chọn ưu tiên vì khả năng tự học sâu, nhận diện hoàn hảo các mối quan hệ phi tuyến phức tạp giữa phụ tải quá khứ với các thời điểm biến động đột ngột, khắc phục triệt để nhược điểm chậm thích ứng của các mô hình thống kê tuyến tính truyền thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

• Hiệu quả vượt trội của mô hình kết hợp: Việc kết hợp giữa mô hình thống kê và mạng nơ-ron nhân tạo thông qua tiêu chuẩn phương sai – hiệp phương sai mang lại độ chính xác cao nhất trong mọi kịch bản. Trong trường hợp nghiên cứu 1 (744 điểm đo tháng 01/2022), mô hình kết hợp đạt chỉ số sai số phần trăm tuyệt đối trung bình (MAPE) ở mức dưới 1,85%, giảm hơn 38% sai số so với mô hình ARIMA đơn lẻ (ghi nhận MAPE ở mức 3,02%).
• Năng lực bám sát phụ tải đỉnh của mạng nơ-ron NARNET: Mạng nơ-ron NARNET thể hiện khả năng thích ứng xuất sắc tại các khung giờ cao điểm khi công suất hệ thống dao động quanh mốc 380 MW đến 450 MW. Tại các điểm uốn công suất cực đại (14h00 hàng ngày), sai số tuyệt đối trung bình (MAE) của mạng nơ-ron thấp hơn 27,6% so với phương pháp làm mịn lũy thừa Holt-Winters.
• Tính ổn định của sai số theo quy mô dữ liệu: Khi mở rộng cỡ mẫu từ 744 điểm đo (Trường hợp 1) lên 4.344 điểm đo trong 6 tháng (Trường hợp 3), các tiêu chí đánh giá sai số bình phương trung bình (MSE) và căn bậc hai sai số bình phương trung bình (RMSE) của mô hình đề xuất vẫn duy trì mức độ hội tụ rất cao. Chỉ số thống kê hướng xu hướng (Dstat) đạt trên 91,8%, khẳng định khả năng bám sát chiều biến thiên của đồ thị phụ tải thực tế tại 15 trạm biến áp 110 kV trên toàn địa bàn tỉnh.

Thảo luận kết quả

Dữ liệu kết quả nghiên cứu được minh họa trực quan thông qua các đồ thị đường biểu diễn sự so sánh chồng lấn giữa đường cong phụ tải thực tế đo được và đường cong dự báo theo chu kỳ 24 giờ của các ngày điển hình. Đồng thời, bảng tổng hợp so sánh 6 tham số sai số định lượng (MAE, MAPE, WAPE, MSE, RMSE, Dstat) giữa các mô hình trung bình trượt, làm mịn lũy thừa, ARIMA, mạng nơ-ron truyền thẳng, NARNET và mô hình kết hợp đã cung cấp bằng chứng thực nghiệm rõ ràng về ưu thế của mô hình đề xuất.

Nguyên nhân cốt lõi giúp mô hình kết hợp đạt độ chính xác cao là nhờ cơ chế phân bổ trọng số nghịch đảo với phương sai sai số: khi một mô hình thành phần xuất hiện sai lệch lớn tại các điểm nhiễu, mô hình kia sẽ tự động bù trừ nhằm triệt tiêu phương sai tổng thể. So sánh với các nghiên cứu trước đây tại khu vực thành phố Đà Nẵng hay lưới điện huyện Phù Cát vốn chỉ áp dụng mô hình ARIMA hoặc mạng nơ-ron truyền thẳng đơn lẻ, giải pháp kết hợp đa mô hình trong luận văn này đã cải thiện độ chính xác thêm khoảng 15% đến 25%. Ý nghĩa then chốt của phát hiện này là cung cấp cho các kỹ sư vận hành một công cụ dự báo tin cậy, hỗ trợ vận hành an toàn 25 máy biến áp 110 kV với tổng dung lượng 889 MVA và giảm thiểu đáng kể tình trạng nghẽn mạch truyền tải.

Đề xuất và khuyến nghị

• Tích hợp thuật toán dự báo kết hợp vào hệ thống SCADA/EMS: Phòng Điều độ thuộc Công ty Điện lực Bình Định cần triển khai tích hợp mô-đun phần mềm dự báo phụ tải ngắn hạn sử dụng thuật toán mạng nơ-ron kết hợp vào hệ thống quản lý năng lượng SCADA/EMS hiện hữu. Mục tiêu là đưa sai số dự báo MAPE toàn lưới xuống dưới 1,5% và thời gian xuất kết quả tự động dưới 3 phút cho chu kỳ 24 giờ tiếp theo, hoàn thành trong giai đoạn Quý I – Quý II/2023.
• Nâng cấp và cải tạo các tuyến đường dây 110 kV vận hành lâu năm: Ban Quản lý Dự án Điện lực Bình Định phối hợp cùng EVNCPC tiến hành thay thế dây dẫn có tiết diện nhỏ (AC185) bằng dây siêu nhiệt tại các tuyến đường dây xây dựng từ năm 1994 như Vĩnh Sơn – Đồn Phó, Hoài Nhơn – Tam Quan. Mục tiêu là nâng khả năng truyền tải công suất thêm 50%, giảm tỷ lệ tổn thất kỹ thuật lưới truyền tải xuống dưới 3,5%, thực hiện trong lộ trình 2023 – 2025.
• Thiết lập hệ thống quan trắc và giám sát thời gian thực nguồn năng lượng tái tạo: Trung tâm Điều khiển phân phối cần lắp đặt các thiết bị đo đếm thông minh giám sát công suất phát tức thời của hơn 13,02 triệu kWh điện mặt trời mái nhà và các nhà máy điện gió trên địa bàn. Mục tiêu là thu thập dữ liệu thời gian thực đạt độ bao phủ 100%, phục vụ hiệu chỉnh sai số dự báo bù tải, hoàn thành trong năm 2023.
• Đẩy nhanh tiến độ khép vòng liên kết lưới điện 22 kV liên tỉnh: Công ty Điện lực Bình Định phối hợp cùng các đơn vị điện lực lân cận hoàn thiện tuyến đường dây 22 kV liên kết Tam Quan – Nam Quảng Ngãi và tuyến liên kết TBA Long Mỹ – TBA Đồng Xuân (Phú Yên) với tổng chiều dài xây mới hơn 4 km. Mục tiêu là đảm bảo tiêu chuẩn vận hành tin cậy N-1 cho 100% các phụ tải trọng điểm, hoàn thành trước Quý IV/2024.

Đối tượng nên tham khảo luận văn

• Kỹ sư điều độ và vận hành hệ thống điện tại các Công ty Điện lực: Cung cấp tài liệu hướng dẫn kỹ thuật chi tiết về cách xây dựng mô hình mạng nơ-ron NARNET và giải thuật kết hợp phương sai – hiệp phương sai. Ứng dụng trực tiếp vào việc lập lịch huy động nguồn phát, cân bằng công suất và điều độ tối ưu 15 trạm biến áp 110 kV theo chu kỳ ngày và tuần.
• Chuyên viên quy hoạch và phát triển lưới điện phân phối: Cung cấp bức tranh toàn cảnh về tốc độ tăng trưởng phụ tải 7%/năm cùng phương pháp phân tích đặc tính đồ thị phụ tải công nghiệp, đô thị. Ứng dụng trong việc lập phương án đầu tư, nâng cấp 2.914,54 km lưới trung áp và tính toán vị trí đặt các trạm biến áp 110 kV mới.
• Các đơn vị phát điện (GENCO) và doanh nghiệp tham gia thị trường bán buôn điện: Hỗ trợ nắm bắt phương pháp dự báo nhu cầu phụ tải ngắn hạn có độ chính xác cao. Ứng dụng trong việc xây dựng chiến lược chào giá giao ngay (Spot Price) trên thị trường điện cạnh tranh, tối đa hóa doanh thu và giảm thiểu rủi ro phạt sai lệch công suất.
• Học viên cao học, giảng viên và nghiên cứu sinh ngành Kỹ thuật điện: Cung cấp khung phương pháp luận học thuật hoàn chỉnh từ phân tích chuỗi thời gian đến mô phỏng trí tuệ nhân tạo trên phần mềm MATLAB. Ứng dụng làm tài liệu tham khảo cho các công trình nghiên cứu chuyên sâu về lưới điện thông minh (Smart Grid) và điều khiển tối ưu hệ thống năng lượng.

Câu hỏi thường gặp

• Dự báo phụ tải ngắn hạn đóng vai trò gì trong việc vận hành thị trường điện cạnh tranh?
  Dự báo phụ tải ngắn hạn xác định chính xác nhu cầu công suất từng giờ trong ngày tới, từ đó giúp lập biểu đồ phát điện tối ưu cho các nhà máy. Tại Bình Định với công suất đỉnh 451 MW, việc dự báo chính xác giúp các đơn vị chào giá giao ngay hiệu quả, tránh tình trạng phát thiếu gây phạt hợp đồng hoặc phát thừa làm giảm giá bán điện.
• Vì sao phương pháp kết hợp phương sai – hiệp phương sai lại vượt trội hơn mô hình ARIMA?
  Mô hình ARIMA bị hạn chế khi xử lý các chuỗi dữ liệu phi tuyến và có biến động đột ngột. Phương pháp kết hợp tận dụng khả năng bao quát xu hướng của thống kê cùng năng lực học sâu phi tuyến của mạng nơ-ron, giúp triệt tiêu phương sai sai số và hạ thấp chỉ số MAPE từ mức 3,02% xuống dưới 1,85% trên tập dữ liệu thực nghiệm.
• Các yếu tố thời tiết ảnh hưởng như thế nào đến độ chính xác của mô hình dự báo?
  Nhiệt độ môi trường, độ ẩm và bức xạ mặt trời tác động trực tiếp đến nhu cầu sử dụng thiết bị làm mát và sản lượng của hơn 13 triệu kWh điện mặt trời mái nhà. Khi đưa các biến thời tiết vào lớp đầu vào của mạng nơ-ron, mô hình sẽ tự động điều chỉnh trọng số liên kết để dự báo chính xác các đỉnh công suất vào lúc 14h00.
• Luận văn sử dụng những tiêu chuẩn nào để đánh giá mức độ chính xác của các mô hình?
  Nghiên cứu sử dụng 6 tiêu chí định lượng chuẩn mực bao gồm: Sai số tuyệt đối trung bình (MAE), Sai số phần trăm tuyệt đối trung bình (MAPE), Sai số phần trăm có trọng số (WAPE), Sai số bình phương trung bình (MSE), Căn bậc hai sai số bình phương trung bình (RMSE) và chỉ số thống kê hướng xu hướng (Dstat).
• Mô hình dự báo đề xuất trong luận văn có thể áp dụng cho các tỉnh thành khác không?
  Mô hình có tính tổng quát và khả năng mở rộng rất cao. Cấu trúc mạng nơ-ron và mã nguồn thuật toán MATLAB hoàn toàn có thể triển khai cho các công ty điện lực lân cận như Phú Yên, Quảng Ngãi hay Gia Lai bằng cách đưa tập dữ liệu phụ tải quá khứ của địa phương đó vào để huấn luyện lại các trọng số mạng.

Kết luận

• Luận văn đã hệ thống hóa và phân tích sâu sắc hiện trạng hệ thống điện tỉnh Bình Định với quy mô 15 trạm biến áp 110 kV (tổng công suất 889 MVA) cùng 2.914,54 km lưới điện phân phối 22 kV.
• Xây dựng thành công khung phương pháp dự báo phụ tải ngắn hạn tối ưu dựa trên sự kết hợp giữa mạng nơ-ron tự hồi quy phi tuyến NARNET và tiêu chuẩn phương sai – hiệp phương sai.
• Kiểm chứng thực nghiệm toàn diện trên 4.344 điểm đo công suất thực tế qua 3 trường hợp nghiên cứu trong 6 tháng đầu năm 2022, chứng minh sai số MAPE giảm xuống dưới mức 1,85% với độ tin cậy xu hướng Dstat đạt trên 91,8%.
• Đề xuất 4 nhóm giải pháp kỹ thuật, nâng cấp hạ tầng đường dây và tự động hóa hệ thống điều độ giai đoạn 2023 – 2025 nhằm đảm bảo tiêu chuẩn cung cấp điện an toàn N-1.
• Đóng góp chương trình tính toán hoàn chỉnh trên môi trường MATLAB, sẵn sàng chuyển giao công nghệ phục vụ lộ trình hiện đại hóa và xây dựng lưới điện thông minh Smart Grid.

Trong lộ trình phát triển giai đoạn 2023 – 2025, việc số hóa công tác điều độ và ứng dụng các giải thuật trí tuệ nhân tạo là yêu cầu cấp thiết của ngành điện lực. Hãy tham khảo và khai thác toàn văn luận văn thạc sĩ kỹ thuật điện để áp dụng ngay các giải thuật mô phỏng tiên tiến vào công tác quy hoạch, điều độ và tối ưu hóa vận hành hệ thống điện tại đơn vị của bạn.

Trích đoạn nội dung tài liệu

MỞ ĐẦU 1. Lý do chọn đề tài Dự báo phụ tải là một trong những hoạt động rất cần thiết của các Công ty Điện lực. Nó giúp các Công ty đƣa ra đƣợc những quyết định quan trọng về quy hoạch, vận hành và quản lý phụ tải; cung cấp một dự báo phụ tải cho các chức năng nhƣ lập biểu đồ phát điện cơ bản, đánh giá mức độ an toàn của vận hành hệ thống và cung cấp thông tin đúng lúc cho nhân viên điều độ, vận hành và ngƣời quản lý Công ty. Trong đó, dự báo phụ tải ngắn hạn giữ vai trò đặc biệt quan trọng trong các hệ thống điện độc quyền truyền thống.

Trong tƣơng lai, thị trƣờng điện Việt Nam phát triển sẽ càng làm tăng thêm tính cấp thiết của việc dự báo phụ tải bởi vì nó ảnh hƣởng trực tiếp đến giá giao ngay (Spot Price), là yếu tố quyết định đến lợi nhuận hoặc thua lỗ của Công ty phát điện (Genco). Dự báo phụ tải ngắn hạn đề cập đến dự báo nhu cầu điện trên cơ sở hàng giờ, hàng ngày. Nó là hoạt động hằng ngày của các Công ty Điện lực. Việc phát triển một phƣơng pháp dự báo ngắn hạn mạnh, nhanh và chính xác là rất cần thiết cho cả công ty và khách hàng [3].

Tỉnh Bình Định là một tỉnh duyên hải miền Trung, tuy diện tích không lớn nhƣng có sản lƣợng tiêu thụ điện/sản lƣợng điện thƣơng phẩm hàng năm đứng trong top 4 các đơn vị thuộc Tổng công ty Điện lực miền Trung quản lý. Với mức độ tăng trƣởng hàng năm lớn và đều đặng xấp xỉ gần 7% năm. Tổng quan mức độ tăng trƣởng phụ tải và các thành phần phụ tải các năm gần đây của phụ tải lƣới điện tỉnh Bình Định là cao và có nhiều biến động [1, 2]:  Năm 2019:  Công suất cực đại của hệ thống: Công suất cực đại năm 2019 đạt 368 MW (lúc 14h00 ngày 19/8/2019), tăng 13,6% so với cùng kỳ 2 năm 2018 (324 MW).  Sản lượng điện nhận EVNCPC: Thực hiện năm 2019 đạt 2.kWh, tăng 10,8% so với năm 2018 (1.

 Sản lượng điện thương phẩm: Thực hiện sản lƣợng điện thƣơng phẩm năm 2019 là 2.048,54 triệu kWh, đạt 100,03% kế hoạch EVNCPC giao (2.kWh), tăng 10,99% so với thực hiện năm 2018 (1.  Năm 2020:  Công suất cực đại của hệ thống: Công suất cực đại năm 2020 đạt 379 MW (lúc 14h00 ngày 28/8/2020), tăng 3,0% so với năm 2019 (368 MW).  Sản lượng điện mua EVNCPC: Thực hiện năm 2020 đạt 2.kWh, tăng 6,6% so với năm 2019 (2.  Sản lượng điện mua mặt trời mái nhà khách hàng: Sản lƣợng điện mua mặt trời mái nhà của khách hàng năm 2020 là 13,02 triệu kWh.

 Sản lượng điện thương phẩm: Thực hiện sản lƣợng điện thƣơng phẩm năm 2020 là 2.187,55 triệu kWh, đạt 100,03% kế hoạch EVNCPC giao điều chỉnh (2.kWh), tăng 6,79% so với thực hiện năm 2019 (2.  Năm 2021:  Công suất cực đại của hệ thống: Công suất cực đại năm 2021 đạt 451 MW (lúc 14h00 ngày 25/6/2021), tăng 19 % so với năm 2020 (379 MW).  Điện nhận tiêu thụ: Sản lƣợng điện năm 2021 là 2.463,32 triệu kWh, cao hơn 7,17% so với cùng kỳ năm 2020.  Điện thương phẩm: Thực hiện sản lƣợng điện thƣơng phẩm năm 2021 là 2.335,74 triệu kWh, đạt 100,03% kế hoạch EVNCPC giao 3 điều chỉnh (2.kWh), tăng 6,77% so với thực hiện năm 2020 (2.

Với đặc điểm phụ tải phát triển mạnh và có nhiều biến động trong các năm qua nhƣ phụ tải lƣới điện tỉnh Bình Định thì việc vận hành, điều phối, lập kế hoạch sản xuất và đầu tƣ phát triển nguồn lƣới đáp ứng nhu cầu và biến động của phụ tải đặt ra các bài toán rất phức tạp. Do đó Công tác dự báo phụ tải điện, và dự báo phụ tải điện ngắn hạn đóng vai trò quan trọng và cần thiết trong việc vận hành hệ thống điện, đặc biệt là trên lƣới điện tỉnh Bình Định – địa phƣơng có sản lƣợng điện thƣơng phẩm cũng nhƣ nhu cầu cung ứng điện đứng trong top 4 các đơn vị do Tổng công ty Điện lực miền Trung quản lý trong những năm qua. Qua khảo sát, phụ tải điện thuộc khu vực tỉnh Bình Định thƣờng xuyên xuất hiện những thay đổi lớn và tạo nên những nhiễu động khi quan sát bộ cơ sở dữ liệu quá khứ. Đó là lý do tôi chọn đề tài: “Nghiên cứu các phương pháp dự báo phụ tải ngắn hạn cho lưới điện tỉnh Bình Định”.

T ng qu n tình hình nghiên c u đề tài Tổng quan tài liệu Nguồn tài liệu: thông số vận hành của Công ty điện lực Bình Định [10]. Tình hình nghiên cứu đề tài - Thế giới Trên thế giới đã có rất nhiều bài báo, đề tài nghiên cứu về dự báo phụ tải sử dụng các phƣơng pháp và mô hình dự báo khác nhau. Các phƣơng pháp thống kê đã đƣợc sử dụng dự báo phụ tải ngắn hạn nhƣ phƣơng pháp trung bình trƣợt nhƣ trong các công trình [18, 24], phƣơng pháp làm mịn lũy thừa trong các công trình [15, 23, 24, 25] và mô hình ARIMA trong các công trình [19, 21, 29]. Một số công trình đã sử dụng trí tuệ nhân tạo để dự báo phụ tải ngắn hạn nhƣ sử dụng 4 mô hình mạng nơ ron nhân tạo trong các công trình [17, 18, 26, 31, 32], sử dụng các kỹ thuật logic mờ nhƣ trong các công trình [16, 20, 28] và sử dụng máy vector hỗ trợ nhƣ trong các công trình [22, 27, 29, 33].

- Trong nƣớc Trong công tác dự báo phụ tải, các công trình nghiên cứu về dự báo phụ tải ngắn hạn nhƣ tài liệu [6] sử dụng phƣơng pháp xử lý dữ liệu nhóm; tài liệu [14] đã dự báo tiêu thụ điện ở thành phố Đà Nẵng sử dụng mô hình kết hợp cửa sổ dịch chuyển và hồi quy máy học đƣợc tối ƣu bởi trí tuệ bầy đàn. Trong luận văn thạc sỹ khoa học (tài liệu tham khảo số 4 - năm 2007) đã ứng dụng mạng nơ ron nhân tạo dự báo phụ tải ngắn hạn hệ thống điện miền Bắc. Tác giả Chu Nghĩa đã ứng dụng mạng nơ ron ánh xạ đặc trƣng tự tổ chức Kohonen trong bài toán phân loại ngày; ứng dụng mạng nơron nhiều lớp lan truyền ngƣợc sai số dự báo phụ tải ngắn hạn theo nhiệt độ môi trƣờng; sử dụng phần mềm dự báo phụ tải ngắn hạn cho hệ thống điện miền Bắc và so sánh, đánh giá với các kết quả đã có. Trong luận văn thạc sỹ kỹ thuật (tài liệu tham khảo số 5 - năm 2007) đã nghiên cứu ứng dụng mạng nơron nhân tạo trong dự báo ngắn hạn phụ tải điện khu vực tỉnh Sóc Trăng.

Tác giả Diệp Xuân Trƣờng đã ứng dụng phƣơng pháp dựa trên các kỹ thuật của mạng nơ ron để dự báo phụ tải điện khu vực tỉnh Sóc Trăng. Trong luận văn thạc sỹ kỹ thuật (tài liệu tham khảo số 7 - năm 2011) đã nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự báo phụ tải ngắn hạn cho thành phố Đà Nẵng. Tác giả Lê Thị Thanh Hải đã ứng dụng phƣơng pháp dựa trên các kỹ thuật của mạng nơ ron để dự báo phụ tải thành phố Đà Nẵng. Trong luận văn thạc sỹ kỹ thuật (tài liệu tham khảo số 8 - năm 2020) đã 5 nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự báo phụ tải ngắn hạn cho thành phố Quy Nhơn.

Tác giả Phan Thành Hoàng đã ứng dụng phƣơng pháp dựa trên các kỹ thuật của mạng nơ ron để dự báo phụ tải thành phố Quy Nhơn. Trong luận văn thạc sỹ kỹ thuật (tài liệu tham khảo số 9 - năm 2020) tác giả Lê Quang Hƣng đã nghiên cứu ứng dụng mô hình ARIMA trong dự báo phụ tải ngắn hạn của lƣới điện huyện Phù Cát. Trong luận văn thạc sỹ kỹ thuật (tài liệu tham khảo số 10 - năm 2014) đã dự báo nhu cầu tiêu thụ điện năng của thành phố Hà Nội. Tác giả Quản Quốc Cƣờng đã nghiên cứu xây dựng chƣơng trình tính toán dự báo phụ tải điện năng từ đó áp dụng tính toán dự báo điện năng cho thành phố Hà Nội.

Trong luận văn thạc sỹ kỹ thuật (tài liệu tham khảo số 12 - năm 2013) đã nghiên cứu ứng dụng mạng nơ ron nhân tạo dự báo phụ tải điện cho thành phố Hƣng Yên. Tác giả Nguyễn Thanh Khiết đã ứng dụng mạng nơ ron nhiều lớp lan truyền ngƣợc sai số trong bài toán dự báo phụ tải. Mục đích và nhiệm vụ nghiên c u Mục tiêu của đề tài là đề xuất phƣơng pháp dự báo nhu cầu tiêu thụ điện năng trong giai đoạn ngắn để xây dựng các đƣờng cong phụ tải cho khu vực nghiên cứu. Đề tài sẽ khảo sát phƣơng pháp dự báo phụ tải sử dụng các phƣơng pháp thống kê truyền thống, mô hình mạng nơ ron, mô hình kết hợp dựa trên tiêu chuẩn phƣơng sai – hiệp phƣơng sai, từ đó đề xuất mô hình tối ƣu hóa dựa trên mạng nơ ron nhân tạo và sau đó là lập trình trong phần mềm MATLAB.

Cuối cùng, chƣơng trình sẽ thử nghiệm trên tập dữ liệu nhu cầu phụ tải quá khứ của lƣới điện tỉnh Bình Định trong trong 03 trƣờng hợp nghiên cứu với số lƣợng dữ liệu khác nhau đó là trong tháng 01 năm 2022, trong cả 03 tháng năm 2022 6 (tháng 01, tháng 02, tháng 03) và trong 06 tháng năm 2022 (từ tháng 01 đến tháng 06), kiểm tra tính chính xác và ứng dụng vào thực tế. Đối tƣợng và phạm vi nghiên c u - Đối tƣợng nghiên cứu: + Các mô hình và phƣơng pháp dự báo + Các yếu tố ảnh hƣởng đến phụ tải điện (ngắn hạn) + Phƣơng pháp dự báo phụ tải ngắn hạn dựa trên các phƣơng pháp thống kê, mô hình nơ ron nhân tạo và các phƣơng pháp kết hợp. + Nghiên cứu đồ thị phụ tải của lƣới điện tỉnh Bình Định, xây dựng mô hình dự báo cho phụ tải lƣới điện tỉnh Bình Định. - Phạm vi nghiên cứu: + Phạm vi nghiên cứu tập trung vào phụ tải điện tỉnh Bình Định, thu thập dữ liệu quá khứ trong 06 tháng đầu năm 2022, từ đó sẽ chia làm 03 trƣờng hợp nghiên cứu khác nhau với số điểm đo khác nhau: trong tháng 01 năm 2022, trong cả 03 tháng năm 2022 (tháng 01, tháng 02, tháng 03) và trong 06 tháng năm 2022 (từ tháng 01 đến tháng 06).

Phƣơng pháp nghiên c u Thu thập dữ liệu vận hành làm nguồn dữ liệu: phụ tải ngày trong 06 tháng đầu năm 2022 của lƣới điện tỉnh Bình Định. Đây chính là dữ liệu của đối tƣợng nghiên cứu. Từ đó tìm hiểu và phân tích diễn biến của đối tƣợng nghiên cứu.