Ứng dụng phương pháp phân tích thành phần chính cho bài toán dự báo phụ tải điện ngắn hạn

Bài viết Ứng dụng phương pháp phân tích thành phần chính cho bài toán dự báo phụ tải điện ngắn hạn trình bày việc tính toán phụ tải điện ngắn hạn cho 24 giờ trong ngày và một tuần bằng phương pháp ứng dụng mạng nơ ron. Phương pháp phân tích thành phần chính (PCA) dùng cho việc phân tích bộ số liệu thu thập được. Quá trình xây dựng mô hình, khi xét được sự tương quan giữa ngày dự báo phụ thuộc vào những ngày nào trong quá khứ.
Nội dung trích xuất từ tài liệu:
Ứng dụng phương pháp phân tích thành phần chính cho bài toán dự báo phụ tải điện ngắn hạn ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 5(90).2015 15 ỨNG DỤNG PHƯƠNG PHÁP PHÂN TÍCH THÀNH PHẦN CHÍNH CHO BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN NGẮN HẠN APPLYING THE METHOD OF PRINCIPAL COMPONENT ANALYSIS TO SHORT-TERM LOAD FORECASTING IN ELECTRICAL POWER SYSTEM Quản Quốc Cường1, Nguyễn Xuân Vinh3, Nguyễn Đức Thành3, Nguyễn Đức Huy2 1 Học viên cao học K2012B Trường Đại học Bách khoa Hà Nội; quoccuong2089@gmail.com 2 Trường Đại học Bách khoa Hà Nội; vinhnx@vlute.edu.vn, ngduchuy@gmail.com 3 Trường Đại học Sư phạm Kỹ thuật Vĩnh Long; thanhnd@vlute.edu.vn Tóm tắt - Dự báo phụ tải điện năng là một vấn đề quan trọng trong hệ Abstract - Electricity load forecasting is important in power thống điện hiện nay. Mục đích của dự báo phụ tải trong tương lai dựa systems. The purpose of load forecasting in the future based on vào các quan sát trong quá khứ, phục vụ cho công tác điều độ và quy past observations is to serve the regulation and planning of electric hoạch nguồn lưới trong hệ thống điện. Hiện nay có rất nhiều phương power system. At present there are many methods using load pháp dự báo phụ tải khác nhau, nhưng chưa có một phương pháp nào forecasting, but no method to choose the critical data collected in để chọn số liệu quan trọng thu thập được trong quá khứ dùng cho bài the past for load forecasting problem is available. In this paper the toán dự báo phụ tải. Trong bài báo này tính toán phụ tải điện ngắn hạn short-term power load for 24 hours and a week ahead is calculated cho 24 giờ trong ngày và một tuần bằng phương pháp ứng dụng mạng by using artificial neural network (ANN). The principal component nơ ron. Phương pháp phân tích thành phần chính (PCA) dùng cho việc analysis (PCA) method is applied to analyse the data collected. phân tích bộ số liệu thu thập được. Quá trình xây dựng mô hình, khi xét The process of building the model, considering the correlation được sự tương quan giữa ngày dự báo phụ thuộc vào những ngày nào between the predicting date depends on the day of the past. By trong quá khứ. Áp dụng thuật toán PCA sẽ giảm được những số liệu applying PCA algorithm the number of non-critical data in the data không quan trọng trong bộ số liệu mẫu, để phục vụ cho công tác dự sample will be reduced. The accuracy of the algorithm is verified báo. Độ chính xác của giải thuật đã được kiểm chứng thông qua mô through simulation in MATLAB software. phỏng trên phần mềm MATLAB. Từ khóa - thành phần chính; mạng nơ ron; phụ tải điện ngắn hạn; Key words - Principal component analysis; Neural network; Short- mạng truyền thẳng nhiều lớp; sai số trung bình phần trăm tuyệt đối. term Load Forecasting; Multi-layer perceptron; Mean Absolute Percent Error. 1. Đặt vấn đề ngày đặc biệt trong năm. Với bộ số liệu mẫu thu thập được rất Bài toán dự báo phụ tải ngắn hạn cho khoảng thời gian lớn, trong đó có nhiều số liệu không quan trọng và có những một giờ đến một tuần để phục vụ cho công tác điều độ và vận số liệu tương tự nhau. Khi sử dụng bộ số liệu mẫu trên đưa hành hệ thống điện được đánh giá là phức tạp so với các bài vào mạng nơ ron dự báo, dẫn đến quá trình học kéo dài và khả toán khác. Vấn đề này có rất nhiều mô hình, giải pháp được năng tổng quát của mạng sẽ giảm đi. đề xuất và ứng dụng. Tuy nhiên, cho tới thời điểm này vẫn Phương pháp phân tích thành phần chính được viết năm chưa có một mô hình chuẩn nào để áp dụng hiệu quả cho mọi 1901 bởi Karl Pearson và được sử dụng như một công cụ để đối tượng. Do đặc thù mỗi vùng, mỗi khu vực phụ tải điện phụ phục vụ cho việc tính toán phân tích các đặc trưng của tập thuộc khác nhau vào các số liệu trong quá khứ như phụ tải, số liệu mẫu. PCA là phương pháp giảm kích thước của bộ số thời tiết... Sự khác nhau này đòi hỏi phải điều chỉnh lại các liệu mẫu ban đầu. Chỉ chọn những số liệu ảnh hưởng đến thông số của một mô hình đã được lựa chọn nào đó hoặc phải phụ tải dẫn đến kết quả dự báo tốt hơn [4], [5] xây dựng một mô hình hoàn toàn mới. 2. Mô hình dự báo kết hợp giữa PCA và ANN Các phương pháp thông thường để dự báo phụ tải như mô hình áp dụng ngày tương tự (Similar-day approach), phương pháp hồi quy (Regression methods), các mô hình chuỗi thời gian (Time series) [1], [2]. Tuy nhiên, những phương pháp này không thể hiện rõ mối quan hệ phi tuyến phức tạp giữa phụ tải và các yếu tố đầu vào. Để khắc phục những nhược điểm đó, mạng nơ ron được sử dụng trong bài toán dự báo phụ tải điện từ những năm 1990. Mạng nơ ron được dùng ước lượng các hàm phi tuyến phù hợp với đường cong phụ tải [3]. Mô hình có nhiều ứng dụng nhất là mạng truyền thẳng nhiều lớp (MLP) với một hoặc hai lớp ẩn. Số lớp ẩn và số nơ ron trên từng lớp, cũng như các hàm truyền đạt của các nơ ron Hình 1. Mô hình dự báo kết hợp giữa PCA và ANN trong mỗi mô hình, đều khác nhau do được xây dựng cho các Bộ số liệu về thông số thời tiết (nhiệt độ cao, nhiệt độ đối tượng khác nhau hoặc cùng một đối tượng, nhưng các bộ thấp, số giờ nắng, mưa …), các ngày trong tuần (ngày làm số liệu và thời điểm lấy số liệu khác nhau. việc, ngày nghỉ, ...