Xác định nồng độ ion đồng trong xử lý nguồn nước bằng phép đo phổ hấp thụ

Bài viết Xác định nồng độ ion đồng trong xử lý nguồn nước bằng phép đo phổ hấp thụ nghiên cứu đề xuất dự báo phụ tải cho khu vực Hà Nội với các đặc điểm: Xét yếu tố ảnh hưởng chính GDP (%); Sử dụng thuật toán hồi qui tuyến tính trong machine learning để dự báo.
Nội dung trích xuất từ tài liệu:
Xác định nồng độ ion đồng trong xử lý nguồn nước bằng phép đo phổ hấp thụ Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8 XÁC ĐỊNH NỒNG ĐỘ ION ĐỒNG TRONG XỬ LÝ NGUỒN NƯỚC BẰNG PHÉP ĐO PHỔ HẤP THỤ Lê Thị Hương Bộ môn Kĩ thuật Điện - Điện tử, khoa Điện - điện tử, Trường Đại học Thủy lợi, Email:huonglt@tlu.edu.vn 1. GIỚI THIỆU CHUNG Các phương pháp dự báo phụ tải trong ngành điện thường dùng hiện nay bao gồm: Quy hoạch hệ thống điện định hướng phát phương pháp hồi qui, phương pháp thống kê, triển ngành điện nhằm bảo đảm đáp ứng nhu phương pháp sử dụng ANN, hệ chuyên gia… cầu năng lượng cho phát triển kinh tế đất Trong đó phương pháp hồi qui đã nhận được nước. Một trong những vấn đề quan trọng nhiều sự quan tâm. nhất cần giải quyết trong các quy hoạch điện Nhu cầu phụ tải điện của xã hội phụ thuộc là dự báo phụ tải trong tầm quan sát [1]. vào rất nhiều yếu tố như kinh tế, thời gian, thời Ứng dụng machine learning để dự báo phụ tiết, cơ cấu ngành nghề, vùng miền. Trong bài tải đã và đang được nghiên cứu khá phổ biến báo này tác giả thực hiện dự báo phụ tải điện trên thế giới. Các tài liệu nghiên cứu và kết cho khu vực Hà Nội giới hạn bởi yếu tố chính quả công bố cho thấy tính hiệu quả trong là tốc độ tăng trưởng kinh tế GDP (bảng 1). việc khai thác, xử lý dữ liệu và độ chính xác của mô hình. 3.2 Ứng dụng thuật toán hồi qui trong Nghiên cứu này đề xuất dự báo phụ tải machine learning để dự báo phụ tải điện. cho khu vực Hà Nội với các đặc điểm: Phương pháp sử dụng machine learning để  Xét yếu tố ảnh hưởng chính GDP (%) dự báo qua các bước sau: [2]  Sử dụng thuật toán hồi qui tuyến tính trong machine learning để dự báo. 2. PHƯƠNG PHÁP NGHIÊN CỨU Sử dụng phương pháp thống kê để thu thập dữ liệu từ nguồn chính thức. Phân tích các phương pháp dự báo đang áp dụng. Ứng dụng thuật toán hồi qui tuyến tính trong machine learning để dự báo thông qua thuật toán tối ưu Gradient Descent. 3. KẾT QUẢ NGHIÊN CỨU 3.1 Vấn đề dự báo phụ tải điện Dự báo phụ tải điện có thể thực hiện bằng Hình 1. Các bước thực hiện trong nhiều phương pháp. Các yếu tố ảnh hưởng machine learning cũng đa dạng. Tầm dự báo phụ tải có thể chia thành ngắn hạn, trung hạn (1 ngày đến 1 năm) Phương pháp hồi qui đa biến: và dài hạn (1 đến 10 năm). A = a0 +∑iN ai Zi 254 Tuyển tập Hội nghị Khoa học thường niên năm 2020. ISBN: 978-604-82-3869-8 Trong đó: A - điện năng; thực hiện là dùng giải tích để tính độ dốc a0, ai - các hệ số; (slope) của điểm hiện tại trên biểu đồ rồi di N - số biến hồi qui; chuyển đến nơi thấp hơn từng bước một. [3] Zi - biến thứ i. Bảng 1. Số liệu đầu vào của tổng Công ty Điện lực Hà Nội. Năm A GDP [tỉ kWh] [%] 2011 5,99 10,70 2012 7,35 7,50 2013 8,91 11,30 2014 9,51 10,70 2015 10,6 9,00 Hình 2. Hình vẽ mô tả thuật toán 2016 11,6 8,50 Gradient Descent 2017 12,2 8,80 dJ  sum Yˆ  Y  , 2018 13,9 9,24 dw 0 2019 14,8 8,20 Sử dụng thuật toán hồi qui tuyến tính dJ dw 1    sum X :,1  Yˆ  Y  trong machine learning: ...