Tổng quan nghiên cứu

Dự báo sản lượng tiêu thụ điện năng là bài toán then chốt nhằm bảo đảm an ninh năng lượng và thúc đẩy phát triển kinh tế xã hội bền vững. Tại Việt Nam, nhu cầu điện năng luôn duy trì mức tăng trưởng cao từ 10% đến 12% mỗi năm trong suốt nhiều thập kỷ. Thực tế lịch sử vào giữa năm 2005 đã chứng kiến tình trạng phụ tải tăng đột biến kết hợp cùng sự thiếu hụt nghiêm trọng của nguồn thủy văn, gây ảnh hưởng nặng nề đến hoạt động sản xuất và đời sống sinh hoạt. Việc nâng cao độ chính xác trong dự báo phụ tải mang lại giá trị kinh tế trực tiếp vô cùng to lớn: theo ước tính của ngành điều độ, chỉ cần giảm 2% sai số dự báo phụ tải đỉnh, hệ thống điện quốc gia có thể tiết kiệm công suất huy động khoảng 80 MW từ các tổ máy tuabin khí chạy dầu đắt tiền, giảm chi phí vận hành hàng trăm triệu đồng cho mỗi giờ cao điểm.

Đối với tỉnh Bắc Giang, địa phương có tốc độ công nghiệp hóa và đô thị hóa vượt bậc tại vùng kinh tế trọng điểm miền Bắc, việc dự báo chính xác nhu cầu sử dụng điện vừa phục vụ công tác điều hành ngắn hạn trong chu kỳ 30 ngày, vừa định hình chiến lược đầu tư hạ tầng lưới điện dài hạn từ 10 đến 20 năm. Các mô hình thống kê truyền thống thường bộc lộ nhiều hạn chế khi đối mặt với chuỗi dữ liệu phụ tải mang tính phi tuyến, ngẫu nhiên và chịu tác động của nhiều biến số bất định.

Mục tiêu cốt lõi của nghiên cứu là xây dựng và ứng dụng hệ suy luận mờ thích nghi trên mạng nơ-ron nhằm mô hình hóa chính xác xu hướng tiêu thụ điện năng của tỉnh Bắc Giang. Công trình đóng vai trò quan trọng trong việc thiết lập công cụ dự báo định lượng hiện đại, giảm thiểu rủi ro thiếu hụt nguồn điện cục bộ và tối ưu hóa chi phí đầu tư lưới điện của tỉnh.

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 hai lĩnh vực trí tuệ nhân tạo kinh điển: Mạng nơ-ron nhân tạo và Hệ logic mờ, tạo nên mô hình Hệ suy luận mờ thích nghi. Mạng nơ-ron sinh học trong não người với khoảng 100 tỷ nơ-ron và hơn 1.000 nghìn tỷ khớp thần kinh cung cấp nền tảng xử lý song song mạnh mẽ, giúp học các mối quan hệ phi tuyến phức tạp từ dữ liệu mẫu thông qua việc tự điều chỉnh trọng số kết nối. Hệ logic mờ dựa trên mô hình suy luận Takagi-Sugeno cho phép biểu diễn các tri thức chuyên gia dưới dạng ngôn ngữ tự nhiên thông qua các luật điều khiển tường minh.

Khung lý thuyết của mô hình bao gồm cấu trúc mạng 5 tầng xử lý chuyên biệt:

  • Tầng 1 (Mờ hóa): Sử dụng các hàm thuộc dạng chuông hoặc hàm phân phối chuẩn Gauss với tập tham số phi tuyến tiền đề để lượng hóa mức độ thuộc của biến đầu vào.
  • Tầng 2 (Nhân luật): Thực hiện phép toán giao mờ để xác định độ thỏa dụng hay cường độ kích hoạt của từng luật mờ.
  • Tầng 3 (Chuẩn hóa): Tính tỷ lệ cường độ kích hoạt của từng luật so với tổng cường độ của toàn hệ thống.
  • Tầng 4 (Kết luận): Tính toán giá trị đầu ra của từng luật theo một hàm tuyến tính chứa tập tham số hệ quả.
  • Tầng 5 (Giải mờ): Thực hiện phép tính tổng tất cả các tín hiệu đầu ra để thu được một giá trị rõ duy nhất.

Phương pháp nghiên cứu

Nguồn dữ liệu sử dụng trong nghiên cứu là chuỗi thời gian về sản lượng điện thương phẩm tiêu thụ thực tế hàng năm tại địa bàn tỉnh Bắc Giang trong giai đoạn 15 năm, từ năm 2000 đến năm 2014, kết hợp cùng các chỉ tiêu tăng trưởng kinh tế địa phương như tốc độ tăng trưởng GDP bình quân từ 8% đến 10%/năm và quy mô dân số trên 1,6 triệu người. Cỡ mẫu nghiên cứu bao gồm 180 mẫu dữ liệu tháng được thu thập theo phương pháp chọn mẫu toàn bộ nhằm bảo đảm tính toàn vẹn và phản ánh trọn vẹn đặc trưng mùa vụ của hệ thống điện.

Tập dữ liệu được phân chia theo tỷ lệ 80% dành cho huấn luyện mô hình và 20% dành cho kiểm định độc lập. Quá trình huấn luyện áp dụng thuật toán học lai, kết hợp nhịp nhàng giữa phương pháp ước lượng bình phương cực tiểu và thuật toán lan truyền ngược giảm độ dốc. Lý do lựa chọn thuật toán học lai là nhằm khắc phục triệt để nhược điểm hội tụ chậm và nguy cơ rơi vào điểm cực tiểu cục bộ của thuật toán lan truyền ngược truyền thống, đồng thời đẩy nhanh tốc độ hội tụ của hệ thống. Hiệu năng mô hình được đánh giá thông qua chỉ số sai số phần trăm tuyệt đối trung bình và sai số bình phương cực tiểu trên môi trường phần mềm MATLAB.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thử nghiệm thực nghiệm đã mang lại những kết quả khoa học nổi bật:

Thứ nhất, mô hình đạt độ chính xác vượt trội với chỉ số sai số phần trăm tuyệt đối trung bình duy trì ở mức dưới 2,35% trên tập dữ liệu kiểm tra. Đây là độ chính xác rất cao so với các mô hình hồi quy tuyến tính và mô hình chuỗi thời gian truyền thống vốn có mức sai số dao động từ 5% đến 8%.

Thứ hai, thuật toán học lai thể hiện tốc độ hội tụ nhanh và tính ổn định vượt bậc, tối ưu hóa toàn bộ tham số tiền đề và hệ quả chỉ sau 50 đến 100 chu kỳ huấn luyện. Giá trị sai số bình phương cực tiểu của toàn mạng giảm mạnh từ mức ban đầu xuống dưới 0,0012, chứng minh khả năng xấp xỉ hàm phi tuyến chính xác của cấu trúc 5 tầng.

Thứ ba, hàm thuộc dạng hình chuông với 3 tham số hiệu chỉnh cho thấy độ tương thích cao hơn 15% so với hàm thuộc dạng tam giác hoặc hình thang, giúp nắm bắt trọn vẹn những điểm uốn bất thường trong chuỗi phụ tải điện công nghiệp.

Thứ tư, kết quả dự báo cho thấy sản lượng điện tiêu thụ của tỉnh Bắc Giang duy trì tốc độ tăng trưởng trung bình từ 11,5% đến 13,8% mỗi năm, trong đó phụ tải công nghiệp - xây dựng chiếm tỷ trọng chi phối trên 60% tổng sản lượng điện toàn tỉnh.

Thảo luận kết quả

Hiệu năng ấn tượng của mô hình bắt nguồn từ sự kết hợp tương hỗ hoàn hảo: logic mờ cung cấp khung biểu diễn trực quan cho các trạng thái biến động phụ tải mang tính định tính, trong khi mạng nơ-ron tự động tinh chỉnh các biên hàm thuộc từ dữ liệu số thực tế mà không cần sự can thiệp thủ công của chuyên gia.

Về phương diện trực quan hóa dữ liệu, kết quả nghiên cứu có thể được biểu diễn một cách mạch lạc qua biểu đồ đường kép so sánh giữa đường cong sản lượng điện thực tế và đường cong dự báo theo thời gian, cho thấy độ khớp gần như tuyệt đối giữa hai chuỗi số liệu. Bên cạnh đó, mặt suy diễn mờ không gian ba chiều mô tả tương quan phi tuyến giữa các yếu tố đầu vào với sản lượng điện tiêu thụ giúp các kỹ sư dễ dàng quan sát điểm bão hòa phụ tải; bảng tổng hợp tiến trình suy giảm sai số qua từng chu kỳ huấn luyện cung cấp bằng chứng rõ ràng về tính ổn định của thuật toán.

Khi so sánh với các công bố quốc tế như nghiên cứu của tác giả Azadeh và cộng sự tại Iran hay các nghiên cứu của Chavez và Gorucu tại Thổ Nhĩ Kỳ, kết quả đạt được tại tỉnh Bắc Giang hoàn toàn tương đồng về độ tin cậy, khẳng định tính đúng đắn và khả năng phổ quát của phương pháp nơ-ron mờ thích nghi trong dự báo phụ tải điện năng khu vực.

Đề xuất và khuyến nghị

Nhằm chuyển hóa kết quả nghiên cứu thành giá trị thực tiễn trong quản lý và vận hành hệ thống điện, luận văn đưa ra bốn nhóm giải pháp cụ thể:

  • Tích hợp mô hình vào phần mềm quản lý vận hành của Công ty Điện lực Bắc Giang, thiết lập mục tiêu kiểm soát sai số dự báo phụ tải ngắn hạn dưới ngưỡng 2,5% cho từng chu kỳ ngày và tháng, triển khai hoàn thiện trong giai đoạn 2016 - 2020 do Phòng Điều độ và Công nghệ thông tin chủ trì.
  • Chuẩn hóa và hiện đại hóa hệ thống đo đếm phụ tải tự động SCADA/AMI với tần suất thu thập dữ liệu 15 phút một lần, hướng tới mục tiêu nâng tỷ lệ dữ liệu đo đếm sạch và liên tục đạt trên 99%, do Tổng công ty Điện lực Miền Bắc phối hợp cùng các đơn vị điện lực địa phương hoàn thành trong vòng 12 đến 18 tháng.
  • Xây dựng quy chế chia sẻ dữ liệu liên ngành định kỳ hàng quý giữa Sở Công Thương, Cục Thống kê tỉnh Bắc Giang và ngành điện, bảo đảm cung cấp ít nhất 5 chỉ số vĩ mô cốt lõi bao gồm tốc độ tăng trưởng GRDP, chỉ số sản xuất công nghiệp, vốn FDI, quy mô dân số và quy hoạch các khu công nghiệp mới để cập nhật tham số đầu vào cho mô hình dự báo dài hạn.
  • Tổ chức các khóa đào tạo chuyên sâu về ứng dụng trí tuệ nhân tạo và logic mờ trong quản lý năng lượng, cam kết thực hiện tối thiểu 40 giờ đào tạo mỗi năm cho 100% đội ngũ kỹ sư điều độ và cán bộ làm công tác quy hoạch phát triển lưới điện tỉnh.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị ứng dụng thiết thực cho bốn nhóm đối tượng chính:

  • Kỹ sư điều độ và chuyên viên vận hành hệ thống điện tại các công ty điện lực cấp tỉnh: Khai thác mô hình dự báo phụ tải ngắn hạn để tối ưu hóa biểu đồ phát điện, giảm chi phí mua điện nguồn đắt tiền trong giờ cao điểm và nâng cao độ tin cậy cung cấp điện.
  • Cán bộ quy hoạch và nhà quản lý năng lượng tại Sở Công Thương và Tập đoàn Điện lực Việt Nam: Sử dụng dự báo dài hạn 10 đến 20 năm làm căn cứ khoa học vững chắc để lập quy hoạch phát triển điện lực địa phương, phân bổ vốn đầu tư trạm biến áp và đường dây truyền tải 110kV, 220kV một cách đồng bộ.
  • Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Khoa học máy tính, Hệ thống thông tin và Kỹ thuật điều khiển: Sử dụng luận văn như tài liệu học thuật mẫu mực về kỹ thuật lập trình thuật toán học lai, cấu trúc mạng nơ-ron mờ 5 tầng và phương pháp xử lý chuỗi thời gian phi tuyến.
  • Các nhà phát triển phần mềm và kỹ sư trí tuệ nhân tạo: Tham khảo kiến trúc hệ thống và quy trình huấn luyện thực nghiệm để phát triển các giải pháp phần mềm dự báo trong các lĩnh vực tương đồng như dự báo nhu cầu tiêu thụ nước sạch, khí đốt tự nhiên hoặc dự báo phụ tải giao thông đô thị.

Câu hỏi thường gặp

Hệ suy luận mờ thích nghi có điểm gì vượt trội so với mạng nơ-ron truyền thống? Mô hình kết hợp năng lực học tham số từ dữ liệu của mạng nơ-ron với khả năng suy luận logic tường minh của hệ mờ. Khác với mạng nơ-ron truyền thống vốn được xem như một hộp đen khó giải thích, hệ nơ-ron mờ cho phép hiển thị các luật suy diễn dưới dạng ngôn ngữ tự nhiên, giúp người vận hành nắm bắt rõ nguyên nhân dẫn đến kết quả dự báo.

Tại sao thuật toán học lai lại được ưu tiên sử dụng thay vì lan truyền ngược đơn thuần? Thuật toán học lai kết hợp phương pháp ước lượng bình phương cực tiểu ở bước truyền tiến để xác định nhanh các tham số hệ quả và phương pháp gradient ở bước truyền lùi để chỉnh sửa tham số tiền đề. Cách tiếp cận này giúp giảm số chu kỳ huấn luyện từ hàng nghìn lần xuống còn 50 đến 100 chu kỳ, ngăn ngừa nguy cơ rơi vào bẫy cực tiểu địa phương.

Sai số trong dự báo sản lượng điện tác động trực tiếp đến nền kinh tế như thế nào? Dự báo thiếu hụt khiến hệ thống không chuẩn bị đủ nguồn điện, dẫn đến cắt điện luân phiên gây đình trệ sản xuất công nghiệp. Ngược lại, dự báo dư thừa buộc ngành điện phải huy động các nguồn phát giá cao hoặc đầu tư thừa công suất lưới điện, gây lãng phí hàng trăm tỷ đồng vốn đầu tư công.

Nghiên cứu sử dụng tập dữ liệu đầu vào cụ thể nào cho bài toán tại Bắc Giang? Nghiên cứu khai thác chuỗi dữ liệu sản lượng điện thương phẩm thực tế trong 15 năm cùng các thông số phụ tải tháng của tỉnh Bắc Giang. Dữ liệu đầu vào được xử lý mờ hóa thành các tập giá trị ngôn ngữ kết hợp với các biến trễ thời gian để xây dựng ma trận quan hệ phụ tải.

Mô hình được xây dựng trong luận văn có thể mở rộng cho các bài toán khác không? Cấu trúc mạng và thuật toán học lai hoàn toàn có thể áp dụng trực tiếp cho các bài toán dự báo phụ tải tại 63 tỉnh thành trên cả nước, cũng như các bài toán dự báo chuỗi thời gian tài chính như dự báo chỉ số chứng khoán, giá xăng dầu hoặc dự báo mức nước lũ hồ chứa thủy điện.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán dự báo sản lượng điện tiêu thụ thông qua việc ứng dụng công nghệ trí tuệ nhân tạo tiên tiến:

  • Hoàn thiện khung lý thuyết toàn diện về mạng nơ-ron nhân tạo, hệ logic mờ và cấu trúc hệ suy luận mờ thích nghi 5 tầng với thuật toán học lai tối ưu.
  • Xây dựng thành công mô hình dự báo phụ tải điện chuyên biệt cho tỉnh Bắc Giang với độ chính xác cao, duy trì sai số phần trăm tuyệt đối trung bình dưới mức 2,35%.
  • Cung cấp cơ sở khoa học định lượng vững chắc hỗ trợ các nhà hoạch định chính sách và kỹ sư điều độ nâng cao hiệu quả vận hành hệ thống điện địa phương.
  • Đề xuất lộ trình triển khai công nghệ SCADA và tích hợp phần mềm dự báo tự động trong giai đoạn 24 đến 36 tháng tới nhằm bảo đảm an ninh năng lượng cho tỉnh.
  • Khẳng định tính ưu việt của mô hình nơ-ron mờ thích nghi và mở ra hướng nghiên cứu phát triển các hệ chuyên gia thông minh phục vụ lưới điện thông minh trong tương lai.

Các đơn vị quản lý vận hành lưới điện và viện nghiên cứu chuyên ngành nên tiếp tục mở rộng thử nghiệm mô hình trên các tập dữ liệu phụ tải thời gian thực để thúc đẩy quá trình chuyển đổi số toàn diện ngành năng lượng.