Tối ưu thứ tự các Block cho mô hình AN-BEATS trong dự báo phụ tải điện ngắn hạn ở Việt Nam

Nghiên cứu "Tối ưu thứ tự các Block cho mô hình AN-BEATS trong dự báo phụ tải điện ngắn hạn ở Việt Nam" tập trung vào giải quyết vấn đề là tối ưu hóa thứ tự các block mô hình dự báo N-BEATS. Đồng thời, các khối theo mùa của NBEATS được điều chỉnh bằng cách Biến đổi Fourier rời rạc. Do đó, mô hình AN-BEATS tối ưu thứ tự các block được đề xuất để dự báo phụ tải điện ngắn hạn ở Việt Nam. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Tối ưu thứ tự các Block cho mô hình AN-BEATS trong dự báo phụ tải điện ngắn hạn ở Việt Nam Hội nghị Quốc gia lần thứ 25 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2022) Tối Ưu Thứ Tự Các Block Cho Mô Hình AN- BEATS Trong Dự Báo Phụ Tải Điện Ngắn Hạn Ở Việt Nam Hà Mai Huyền Trang 1, Nguyễn Anh Tuấn 2, Nguyễn Thị Thanh Tân 3, Lương Trung Kiên 4, Lê Anh Ngọc 5 1 Cục Công nghệ thông tin, Bộ Công an 2 Đại học Bách khoa Hà Nội 3 Đại học Điện Lực 4 Đại học FPT 5 Swinburne Vietnam, Đại học FPT Email: hamaihuyen91@gmail.com, anhtuannguyen280798@gmail.com, tanntt@epu.edu.vn, kienlt6@fe.edu.vn, ngocla2@fe.edu.vn Abstract- Dự báo phụ tải điện là một việc quan trọng trong Zheng và cộng sự [5] nghiêm cứu mô hình dựa trên bộ vận hành hệ thống điện. Nghiên cứu này tập trung vào giải lọc Kalman và thực nghiệm thu được kết quả có sai số quyết vấn đề là tối ưu hóa thứ tự các block mô hình dự báo N-BEATS. Đồng thời, các khối theo mùa của N- dự đoán nhỏ. Tuy nhiên mức độ dự báo và mức độ chi BEATS được điều chỉnh bằng cách Biến đổi Fourier rời tiết theo thời gian của mô hình Kalman được giới hạn ở rạc. Do đó, mô hình AN-BEATS tối ưu thứ tự các block một bước duy nhất với bước nhảy tính theo ngày. được đề xuất để dự báo phụ tải điện ngắn hạn ở Việt Nam. Ngoài ra, Wuyong Qian và cộng sự [6] đề xuất một Thử nghiệm cho thấy rằng mô hình được đề xuất hoạt phương pháp dự báo tải điện theo mùa dựa tên tích hợp động tốt hơn mô hình LSTM và thứ tự của các khối có ảnh bộ lọc HP vào mô hình GM (1,1). Mô hình đề xuất sau hưởng đến kết quả dự đoán của mô hình. Keywords- Dự báo phụ tải ngắn hạn, AN-BEATS, tính xu đó được áp dụng để thực hiện phân tích thực nghiệm dựa hướng, tính mùa, chuỗi thời gian, học sâu. trên dữ liệu sản xuất điện gió theo mùa từ năm 2013 đến năm 2019 ở Trung Quốc. Phương pháp này chỉ có thể áp I. TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN dụng cho dữ liệu tải với xu hướng tăng trưởng theo cấp CỨU số nhân. Dự báo nhu cầu phụ tải điện hệ thống điện quốc gia ngày Các phương pháp truyền thống xử lý phân tích chuỗi càng trở nên quan trọng, làm cơ sở để lập kế hoạch đầu tuyến tính, không áp dụng cho chuỗi phi tuyến trong dữ tư phát triển hệ thống điện quốc gia, kế hoạch và phương liệu tải điện hoặc đều cần chuyển dữ liệu gốc thành chuỗi thức vận hành hệ thống điện và vận hành thị trường điện. thời gian tĩnh. Mô hình GM (1,1) có yêu cầu cao về xu Nhiều mô hình dự báo truyền thống và các mô hình học hướng biến đổi của dữ liệu nhưng thực tế xu hướng biến máy được đề xuất để dự báo phụ tải điện và đã đạt được đổi của hầu hết dữ liệu tải chưa đạt yêu cầu này. những kết quả nhất định. Các mô hình này chủ yếu được Trong [3], Yi Wang và các công sự đã đề xuất một chia thành hai loại: các phương pháp dự báo truyền phương pháp dự báo phụ tải sử dụng mạng LSTM với thống và các kỹ thuật dự báo hiện đại, được đề xuất dựa hàm lỗi Pinball. Các thí nghiệm được thực hiện trên tập trên trí tuệ nhân tạo. dữ liệu phụ ở Ireland và cho kết quả vượt trội hơn so với Trước đây các mô hình toán học truyền thống hay được các phương pháp truyền thống. Tuy nhiên, mô hình có áp dụng như: hồi quy tuyến tính, phương pháp tự hồi thời gian chạy khá chậm. quy… để dự báo phụ tải điện. Tuy nhiên, mô hình đề N-BEATS [4] là một mô hình học sâu chỉ được xây dựng xuất khá đơn giản, sai số khi dự đoán vẫn cao và tăng bởi các lớp được kết nối đầy đủ để giải quyết vấn đề dự lên khi mở rộng khoảng dự đoán. Học sâu hiện được các báo chuỗi thời gian đơn biến và hoạt động tốt với dữ liệu học giả lựa chọn để dự báo phụ tải điện ngắn hạn do chuỗi thời gian trong nhiều lĩnh vực cạnh tranh. Ưu điểm những lợi ích khác nhau của chúng trong dữ liệu thực quan trọng nhất của mô hình là đào tạo nhanh, có thể nghiệm. diễn giải được tính xu hướng, tính mùa từ dữ liệu từ kết Yaoyao He et al. [1] đã trình bày một mô hình để xử lý quả đầu ra. AN-BEATS với các khối theo mùa được vấn đề dự báo mật độ xác suất phụ tải điện ngắn hạn. điều chỉnh và tối ưu hóa thứ tự khối. Bài báo này nhằm Hồi quy lượng tử vector hỗ trợ dựa trên hạt nhân nâng cao độ chính xác của dự báo phụ tải điện bằng mô (KSVQR) và lý thuyết Copula được sử dụng trong mô hình AN-BEATS. Chúng tôi đã thực hiện một số thay hình này. Dự báo phụ tải điện ngắn hạn được giải quyết đổi với Biến đổi Fourier rời rạc trong các khối theo mùa trong bài báo [2] bằng cách tích hợp máy học cực trị của mô hình N-BEATS, ...