Nghiên cứu ứng dụng công nghệ AI vào dự báo phụ tải để đánh giá TTĐN lưới điện trung áp tỉnh Thừa Thiên Huê giai đoạn 2021 – 2025

Bài viết này hướng đến việc ứng dụng trí tuệ nhân tạo vào dự báo phụ tải giai đoạn 2021-2025. Sử dụng tập dữ liệu mẫu đầu vào giống nhau trong đó bao gồm các số liệu về nhiệt độ, lượng mưa, tình hình phát triển kinh tế xã hội, sản lượng và công suất của các xuất tuyến trung thế, trạm biến áp phân phối từ năm 2018 đến năm 2021 được thu thập từ hệ thống đo xa DSPM của EVNCPC.
Nội dung trích xuất từ tài liệu:
Nghiên cứu ứng dụng công nghệ AI vào dự báo phụ tải để đánh giá TTĐN lưới điện trung áp tỉnh Thừa Thiên Huê giai đoạn 2021 – 2025 KỶ YẾU HỘI NGHỊ KHOA HỌC VÀ CÔNG NGHỆ ĐIỆN LỰC TOÀN QUỐC NĂM 2022 NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ AI VÀO DỰ BÁO PHỤ TẢI ĐỂ ĐÁNH GIÁ TTĐN LƯỚI ĐIỆN TRUNG ÁP TỈNH THỪA THIÊN HUẾ GIAI ĐOẠN 2021 – 2025 RESEARCH ON APPLICATION OF ARTIFICIAL INTELLIGENCE TECHNOLOGY IN LOAD FORECAST FOR ASSESSMENT ELECTRIC POWER LOSSES OF MEDIUM VOLTAGE POWER NETWORK IN TT-HUE PROVINCE FOR 2021 – 2025 1 2 3 4 Hoàng Ngọc Hoài Quang , Hồ Nghĩa , Hoàng Xuân Thiện , Lê Nguyễn Ngọc Vinh 1Công ty Điện lực Thừa Thiên Huế, 0963211112, quanghnh@cpc.vn 2Công ty Điện lực Thừa Thiên Huế, 0934907909, nghiah@cpc.vn 3Công ty Điện lực Thừa Thiên Huế, 0778526888, thienhx2@cpc.vn 4Công ty Điện lực Thừa Thiên Huế, 0372268967, vinhlnn@cpc.vn Tóm tắt: Tổn thất điện năng trên hệ thống điện là lượng điện năng tiêu hao cho quá trình truyền tải và phân phối. Tỷ lệ tổn thất điện năng phụ thuộc vào sản lượng điện truyền tải, khả năng của hệ thống, đặc điểm vật lý của lưới điện. Phụ tải là số liệu đầu vào để xác định được tổn thất công suất và tổn thất điện năng, do đó số liệu dự báo phụ tải càng chính xác thì kết quả dự báo, tính toán tổn thất điện năng càng đáng tin cậy. Hiện nay công tác dự báo phụ tải ở Công ty Điện lực Thừa Thiên Huế vẫn đang thực hiện một cách thủ công, từ nhiều thông tin rời rạc như tốc độ phát triển kinh tế, nhu cầu kinh của các khu công nghiệp, tình hình thời tiết trên địa bàn tỉnh… do đó chỉ có thể tương đối chính xác trong thời gian ngắn, để dự báo trong thời gian dài cần xây dựng một công cụ dự báo hiệu quả hơn. Bài báo này hướng đến việc ứng dụng trí tuệ nhân tạo vào dự báo phụ tải giai đoạn 2021-2025. Sử dụng tập dữ liệu mẫu đầu vào giống nhau trong đó bao gồm các số liệu về nhiệt độ, lượng mưa, tình hình phát triển kinh tế xã hội, sản lượng và công suất của các xuất tuyến trung thế, trạm biến áp phân phối từ năm 2018 đến năm 2021 được thu thập từ hệ thống đo xa DSPM của EVNCPC. Nhóm tác giả đã nghiên cứu, tìm hiểu và xây dựng mạng nơ-ron nhân tạo sử dụng thuật toán trí tuệ nhân tạo và học sâu LSTM. Từ đó thay đổi các chỉ số như lần duyệt qua hết các dữ liệu trong tập huấn luyện (epoch), số lượng mẫu dữ liệu trong một lần huấn luyện (batch size) và số lượng batchs cần để hoàn thành 01 epoch (iterations) để so sánh độ chính xác của mỗi tập chỉ số và lựa chọn hợp lý khi áp dụng vào thực tiễn. Kết quả dự đoán công suất phụ tải trong 8 tháng các điểm đo mẫu đã bám sát với đường công suất thực tế. Nghiên cứu là bước khởi đầu cho việc nghiên cứu AI phục vụ trong công tác quản lý, điều hành, kinh doanh điện năng tại Công ty Điện lực Thừa Thiên Huế, góp phần thúc đẩy ứng dụng công nghệ trong hoạt động sản xuất kinh doanh điện năng. Từ khóa: LSTM; dự báo phụ tải; trí tuệ nhân tạo; tổn thất điện năng. 154 CHUYỂN ĐỔI SỐ VÀ NÂNG CAO HIỆU QUẢ HỆ THỐNG ĐIỆN QUỐC GIA Abstract: Electric power losses on the power system is the amount of wasteful energy for the transmission and distribution process, depending on the transmission power output, the system's capacity, and the physical characteristics of the power grid. The load is the input data to determine the power losses and electric power losses, so the more accurate the load forecast data, the more reliable the prediction and calculation results of the electric power losses. Currently, the load forecasting at Thua Thien Hue Power Company is still done manually, from many discrete information such as economic development speed, electricity demand of industrial zones, etc. weather situation in the province... so it can only be relatively accurate in a short time, to forecast in the long term it is necessary to build a more effective forecasting tool. This article aims to apply artificial intelligence to load forecasting for the period 2021- 2025. Using the same input sample data set which includes data on temperature, rainfall, socio-economic development, output and capacity of medium voltage feeders, distribution substations from 2018 to 2021 were collected from EVNCPC's DSPM telemetry system. The authors have researched, understood and built an artificial neural network using artificial intelligence and LSTM deep learning algorithms. From there, change the indicators such as the number of times to go through all the data in the training set (epoch), the number of data samples in a training time (batch size) and the number of batches needed to complete 01 epoch (iterations). to compare the accuracy of each set of indexes and make a reasonable choice when applied in practice. The results of predicting the load capacity in 8 months of the sample measurement points have closely followed the actual power line. The research results are the first step for AI research to serve in the management, operation and business of electricity at Thua Thien Hue Electricity Company, contributing to promoting the application of technology in electricity production and business activities. Keywords: LSTM; Energy consumption forecasting; Artificial Intelligence; Electric power losses. KÝ HIỆU Ký hiệu Đơn vị Ý nghĩa AP_T kW Công suất tác dụng CHỮ VIẾT TẮT AI Artificial Intelligence (Trí tuệ nhân tạo) Vietnam Electricity Central Power Corporation EVNCPC (Tổng công ty Điện lực miền Trung) LTSM Long Short-term memory (Mạng bộ nhớ dài-ngắn) 155 KỶ ...