Dự báo phụ tải điện theo mô hình tương quan dựa trên luật mờ

Bài viết trình bày mô hình dự báo tương quan trên ý tưởng sử dụng các luật mờ dạng Takagi-Sugeno theo giải thuật phân loại trừ nhóm cho trường hợp tổng quát, cả khi không có hàm dự báo kiểu tường minh.
Nội dung trích xuất từ tài liệu:
Dự báo phụ tải điện theo mô hình tương quan dựa trên luật mờSCIENCE & TECHNOLOGY DEVELOPMENT, Vol 17, No.K1- 2014Dự báo phụ tải ñiện theo mô hình tươngquan dựa trên luật mờ•Phan Thị Thanh Bình•Lương Văn MạnhTrường ðại học Bách khoa, ðHQG-HCM(Bài nhận ngày 06 tháng 03 năm 2014, hoàn chỉnh sửa chữa ngày 28 tháng 04 năm 2014)TÓM TẮT:Các mô hình dự báo phụ tải ñiện theoTakagi-Sugeno theo giải thuật phân loạiphương pháp tương quan truyền thốngtrừ nhóm cho trường hợp tổng quát, cảthường có các dạng hàm hồi qui tường minhkhi không có hàm dự báo kiểu tườngnhư Y=f(x1, x2 ,….,xn) hoặc logY=f(logx1,minh. Khảo sát cho thấy mô hình cho kếtlogx2 ,….,logxn) trong ñó f có dạng tuyếnquả khả quan khi hàm hồi qui có dạngtính và xi là các yếu tố tương quan: nhiệt ñộ,hàm thường gặp (tuyến tính, tuyến tínhdân số, GDP, sản lượng công nghiệp. Tuytheo log hóa), và cả khi không thể tìmnhiên mô hình chỉ áp dụng ñược khi có tươngñược dạng hàm tường minh.Các dự báoquan tuyến tính giữa các ñại lượng trên vớiñiện năng tiêu thụ theo yếu tố nhiệt ñộphụ tải ñiện (thể hiện qua hệ số tương quan).cho một trạm ñiện của thành phố Hồ chíBài báo trình bày mô hình dự báo tươngMinh ñược trình bày.quan trên ý tưởng sử dụng các luật mờ dạngT khóa: Giải thuật trừ nhóm, Luật mờ Takagi-Sugeno, Tương quan, hồi qui.1. GIỚI THIỆUCác mô hình dự báo phụ tải ñiện theophương pháp tương quan thường có các dạnghàm hồi qui tường minh:Y=f(x1, x2 ,…., xn) hoặclogY=f(log x1, log x2 ,….,log xn) trong ñó f códạng tuyến tính và xi là các yếu tố tương quan:nhiệt ñộ, dân số, GDP, sản lượng công nghiệp….Mô hình tương quan truyền thống thường dựatrên các ñánh giá tương quan giữa các ñại lượng.Ví dụ như nếu hàm ñề xuất có dạng tuyến tínhthì cần phải tính hệ số tương quan r ñể ñánh giámức ñộ liên quan tuyến tính giữa phụ tải ñiện vàcác ñại lượng liên quan [1].Mối quan hệ giữa phụ tải ñiện với các yếu tốtương quan truyền thống như GDP và các yếu tốkinh tế, xã hội (mức tiêu thụ ñiện theo ñầuTrang 30người, mức tiêu hao ñiện năng trên ñơn vị sảnphẩm, giá ñiện) bị ảnh hưởng nhiều theo yếu tốthời gian (công nghệ rẻ ñi, mức ñộ ñiện khí hóacao lên…). Tất cả ñiều này làm cho mối quan hệgiữa phụ tải ñiện với các yếu tố tương quan trởnên không tường minh. ðiều này dẫn tới việc sửdụng công nghệ Neural-Fuzzy, Neural net ñểtìm mối tương quan bằng cách xấp xỉ các hàmphi tuyến. Một số tác giả lại tập trung vào kếthợp với kỹ thuật Wavelet như [2][4]. Cụ thểnhư trong [2], mô hình phức tạp ñược ñề xuấtvới phân tích Wavelet kết hợp với lý thuyết tậpmờ ñể xây dựng các ñầu vào cho mạng Neuralnhằm xấp xỉ mối tương quan giữa nhiệt ñộ và tải.Trong bài báo này, chúng tôi ñề xuất mô hìnhdự báo tương quan với số luật mờ sẽ ñược xácñịnh tự ñộng dựa trên giải thuật trừ nhómTAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 17, SOÁ K1- 2014(subtractive) của Chiu [3]. Tổ hợp các luật mờsẽ cho ra mô hình xấp xỉ mối quan hệ giữa tảidự báo và các yếu tố tương quan.vector ngõ vào y, ñộ thõa mãn của luật mờ thứ iñược xác ñịnh theo công thức :* 2µi = e−α || y − yi ||2. MÔ HÌNH TÌM KIẾM LUẬT MỜ(1)Bài báo ñề xuất tìm kiếm xấp xỉ mối quan hệgiữa ñại lượng dự báo và các yếu tố tương quanTrong ñó: α =bằng cách tìm kiếm các luật mờ. Ý tưởng tìmkiếm luật mờ ñược thực hiện qua giải thuật leonúi bởi Yager và Filev [3]. Tuy nhiên giải thuậtvới ra là bán kính hiệu quả. Ngõ ra z ñượctính như sau:này khi áp dụng cho số lượng lớn các số liệuñầu vào lại không hữu hiệu. ðể cải tiến thuậtvào) chứa các ñại lượng tương quan và phầnoutput là phụ tải ñiện. Các vector này sẽ ñượcñưa vào ñể phân loại và sẽ cho ra số nhóm nhấtñịnh. Mỗi tâm nhóm tìm ñược có thể xem như làmột nguyên mẫu ñặc tính hành vi của hệ thống.Do ñó mỗi tâm nhóm có thể ñược sử dụng nhưlà một luật mờ (fuzzy rule) dùng ñể mô tả hànhvi của hệ thống. Giả sử tìm ñược một tập hợp c*tâm nhóm**{x1, , x 2 ,..., x c } trong không gian M*chiều. Trong ñó, mỗi vector x i có M-1 chiềuñầu tiên chứa biến ngõ vào (các yếu tố tươngquan tới phụ tải tiêu thụ) và chiều còn lại chứabiến ngõ ra chính là phụ tải. Phân chia mỗicµ iz*ii=1cz =∑µii=1(3)Có thể xem mô hình tính toán trên là một môhình Fuzzy với các luật IF-THEN. Nếu giả thiếtz trong phương trình (3) là một hàm tuyến tính*của biến ngõ vào thì z i của nhóm i ñược viếtlại như sau [3]:*z i = Gi y + hi(4)với Gi là một ma trận hằng số (1x(M-1)) chiềuvà h là một vector cột hằng số với một phần tử.Luật IF – THEN lúc này trở thành luật TakagiSugeno (Takagi and Sugeno, 1985), trong ñómỗi hậu thức là một phương trình tuyến tính củacác biến ñầu vào.Gán:**vector x i thành hai thành phần*ñó(2)∑toán này, Chiu năm 1994 ñề xuất giải thuật trừnhóm.Xem phụ tải ñiện và các yếu tố tương quannhư là vector x gồm 2 phần: phần input (ñầu4ra2y i và , trong*ρi =y i chứa M-1 phần tử ñầu vào của x i (tọaµic∑µjj =1*(5)ñộ tâm nh ...