Đang tải... (xem toàn văn)
Ứng dụng mạng Nơron nhân tạo dự báo phụ tải ngắn hạn hệ thống điện Miền Bắc
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI ----------------------------------------- LUẬN VĂN THẠC SĨ KHOA HỌC ỨNG DỤNG MẠNG NƠRON NHÂN TẠO DỰ BÁO PHỤ TẢI NGẮN HẠN HỆ THỐNG ĐIỆN MIỀN BẮC NGÀNH: CÔNG NGHỆ THÔNG TIN MÃ SỐ: CHU NGHĨA Người hướng dẫn khoa học: PGS.TS. NGUYỄN ĐỨC NGHĨA HÀ NỘI 2007 1 Mục lục Danh mục các từ viết tắt . 3 Mở đầu . 4 CHƯƠNG I 7 PHụ TảI Hệ THốNG ĐIệN MIềN BắC và bài toán dự báo 7 1.1. Phụ tải Hệ thống điện miền Bắc .7 1.1.1. Giới thiệu chung về HTĐ miền Bắc .7 1.1.2 Tầm quan trọng của dự báo phụ tải .10 1.1.3. Những yếu tố ảnh hởng đến phụ tải ngắn hạn .11 1.1.4. Mục tiêu và phạm vi nghiên cứu dự báo phụ tải 15 1.2. Bài toán dự báo phụ tải .16 1.2.1. Đặc điểm đồ thị phụ tải HTĐ miền Bắc .16 1.2.2. Dự báo phụ tải ngắn hạn cho 24h tiếp theo 19 CHƯƠNG II 23 Tổng quan Về MạNG NƠRON NHÂN TạO 23 2.1. Lịch sử phát triển của mạng nơron nhân tạo .23 2.2. Cơ sở lý thuyết mạng nơron 26 2.3. Bộ não và nơron sinh học .27 2.4 Mô hình mạng nơron nhân tạo .30 2.4.1 Mô hình một nơron nhân tạo 30 3.4.2. Mô hình mạng nơron nhân tạo .33 Chơng III . 40 ứng dụng mạng nơron ánh xạ đặc trng tự tổ chức Kohonen trong bài toán phân loại ngày 40 3.1. Sự cần thiết phân loại đồ thị phụ tải 40 3.1.1. Tập hợp các kiểu đồ thị phụ tải đặc trng 40 3.1.2. Sự cần thiết phân loại ngày bằng phơng pháp mạng nơron 42 3.2. Mạng nơron ánh xạ đặc trng tự tổ chức Kohonen 43 3.2.1. Cấu trúc mạng 44 3.2.2. Huấn luyện mạng .45 3.2.3. Sử dụng mạng .47 3.3. Xây dựng mạng Kohonen để phân loại ngày 48 3.3.1. Thiết kế cấu trúc mạng .48 3.3.2. Huấn luyện mạng .49 3.3.3. Xây dựng cấu trúc phần mềm mô phỏng mạng Kohonen phân loại ngày 52 3.3.4. Kết quả sử dụng mạng Kohonen phân loại ngày .52 3.3.5. Phân tích kết quả phân loại ngày trong tháng 2/2006, tháng 5/2006 .54 CHƯƠNG iV . 58 2 ứNG DụNG MạNG NƠRON NHIềU LớP LAN TRUYềN NGƯợC SAI Số Dự BáO PHụ TảI Ngắn hạn THEO NHIệT Độ MÔI TRƯờNG 58 4.1 Các khái niệm cơ bản về mạng nơron nhiều lớp lan truyền ngợc sai số (Back propagation neural network) 58 4.1.1 Kiến trúc mạng truyền thẳng. .59 4.1.2. Huấn luyện mạng .60 4.1.3. Sử dụng mạng .64 4.1.4. Nghiên cứu sự hội tụ và độ phức tạp của quá trình huấn luyện mạng. 64 4.1.5. Một số vấn đề về mạng nơron nhiều lớp 67 4.2. ứng dụng mạng nơron nhiều lớp lan truyền ngợc sai số xây dựng bài toán dự báo phụ tải hệ thống điện .68 4.2.1. Các bớc xây dựng bài toán dự báo phụ tải. 68 4.2.2. Xây dựng cấu trúc phần mềm mô phỏng mạng nơron lan truyền ngợc sai số ứng dụng trong bài toán dự báo đỉnh và đáy đồ thị phụ tải. 72 4.2.3 Dự báo phụ tải cho 24 giờ trong ngày .85 CHƯƠNG V 99 Hệ thống phần mềm dự báo phụ tải ngắn hạn cho hệ thống điện miền bắc . 99 5.1. Giới thiệu về cơ sở dữ liệu. .99 5.2. Đặc tả các chức năng 100 5.2.1. Truy vấn dữ liệu .100 5.2.2. Phân loại dữ liệu 101 5.2.3 Chuẩn hoá dữ liệu .101 5.2.4 Huấn luyện mạng 101 5.2.5 Dự báo phụ tải .101 5.3 Hớng dẫn sử dụng 102 5.3.1 Truy vấn dữ liệu 102 5.3.2 Phân loại dữ liệu .103 5.3.3 Chuẩn hoá dữ liệu .103 5.3.4 Huấn luyện mạng 104 5.3.5 Dự báo 104 CHƯƠNG vI . 106 so sánh với một số kết quả đ có và Đánh giá kết quả 106 6.1. So sánh với một số phơng pháp đã có .106 6.2. Đánh giá kết quả 111 KếT LUậN . 114 Tài liệu tham khảo . 116 Phụ lục i . 118 Phụ lục II 120 Tóm tắt luận văn 123 Summary 124 3 Danh mục các từ viết tắt ANN Mạng nơron nhân tạo DBPT Dự báo phụ tải HTĐ Hệ thống điện HTĐ1 Trung tâm Điều độ Hệ thống điện miền Bắc MSE Trung bình tổng bình phơng sai số SSE Tổng bình phơng sai số CNTT Công nghệ thông tin ĐTPT Đồ thị phụ tải 4 Mở đầu Trong những năm gần đây, do nhu cầu năng lợng không ngừng biến đổi và tăng lên rõ rệt theo thời gian nên ngành Điện lực đã và đang xây dựng rất nhiều các nhà máy điện để đáp ứng nhu cầu tiêu thụ điện năng trong cả nớc. Vì vậy, một trong những vấn đề quan trọng mà ngành Điện lực cần phải giải quyết tốt là bài toán dự báo phụ tải ngắn hạn và dài hạn. Cho đến nay tuy đã có nhiều phơng pháp luận trong việc giải quyết bài toán dự báo, song bài toán này luôn là một bài toán khó. Hiện nay, trong ngành Điện lực Việt Nam bài toán dự báo phụ tải đợc giải quyết chủ yếu nhờ sử dụng các phơng pháp dự báo truyền thống mang tính kinh nghiệm thuần tuý. Trong số các hớng nghiên cứu nhằm triển khai các hệ thống thông minh ở giai đoạn tới, mạng nơron giữ một vai trò quan trọng trong việc phát triển các giải pháp nhận dạng, dự báoMạng nơron nhân tạo là kỹ thuật xử lý thông tin có triển vọng ứng dụng trong việc giải quyết bài toán dự báo. Kết hợp chặt chẽ với logic mờ, mạng nơron nhân tạo có thể giúp giải quyết hiệu quả hơn các bài toán phức tạp. Nhờ các u điểm nh có cấu trúc xử lý song song, khả năng học và ghi nhớ, khả năng tự tổ chức và tổng quát hoá, mạng nơron nhân tạo ANN (Artificial Newal Networks) đã đợc nghiên cứu và ứng dụng thành công trong rất nhiều lĩnh vực nh xấp xỉ hàm nhận dạng mẫu, dự báo Luận văn này chủ yếu tập trung tìm hiểu về mạng nơron nhân tạo và nghiên cứu ứng dụng giải quyết bài toán dự báo phụ tải ngắn hạn cho hệ thống điện miền Bắc. Mục đích của luận văn là phát triển các phơng pháp để giải bài toán dự báo phụ tải ngắn hạn. Đối tợng cụ thể của nghiên cứu là dự báo phụ tải cho 24 giờ sau nhằm đa ra các thông số cần thiết cho công tác vận hành và lập phơng thức điều hành hệ thống điện. Luận văn bao gồm sáu chơng và hai phụ lục. 5 Chơng I Phụ tải hệ thống điện miền Bắc và bài toán dự báo: Trình bày tổng quan về HTĐ miền Bắc. Phát biểu bài toán dự báo phụ tải, nêu phạm vi, tầm quan trọng của bài toán, các yếu tố ảnh hởng đến phụ tải ngắn hạn. Chơng II Tổng quan về mạng nơron nhân tạo: Trình bày các khái niệm cơ bản về mạng nơron nhân tạo: cơ sở lý thuyết và mô hình mạng. Chơng III ứng dụng mạng nơron ánh xạ đặc trng tự tổ chức Kohonen trong bài toán phân loại ngày: Trình bày các khái niệm cơ bản về mạng nơron ánh xạ đặc trng tự tổ chức Kohonen, đề xuất cấu trúc mạng để giải quyết bài toán, xây dựng cấu trúc phần mềm và phân tích đánh giá kết quả đạt đợc. Chơng IV ứng dụng mạng nơron nhiều lớp lan truyền ngợc sai số trong bài toán dự báo phụ tải theo nhiệt độ môi trờng: Trình bày các khái niệm cơ bản về mạng nơron nhiều lớp lan truyền ngợc sai số, đa ra các bớc xây dựng bài toán, đề xuất cấu trúc mạng, xây dựng cấu trúc phần mềm, đánh giá kết quả và so sánh với một số phơng pháp đã có. Chơng V - Hệ thống phần mềm dự báo phụ tải ngắn hạn cho Hệ thống điện miền Bắc: Giới thiệu về cơ sở dữ liêụ, đặc tả các chức năng của hệ thống và hớng dẫn sử dụng phần mềm. Chơng VI - So sánh với một số kết quả đã có và đánh giá kết quả: So sánh phơng pháp dự báo phụ tải ngắn hạn của Hệ thống điện miền Bắc sử dụng mạng nơron nhân tạo với một số phơng pháp dự báo truyền thống. Đánh giá kết quả đạt đợc và khả năng ứng dụng của phần mềm. Phụ lục I Phần mềm mô phỏng mạng Kohonen trong bài toán phân loại kiểu ngày. 6 Phụ lục II Phần mềm mô phỏng mạng nơron lan truyền ngợc sai số ứng dụng trong bài toán dự báo đỉnh và đáy đồ thị phụ tải. Em xin chân thành cảm ơn PGS.TS Nguyễn Đức Nghĩa đã hớng dẫn và cho em những ý kiến quý báu, em xin chân thành cảm ơn các thầy cô giáo khoa Công nghệ Thông tin Trờng Đại học Bách khoa Hà Nội đã trang bị kiến thức giúp em hoàn thành luận văn này. 7 CHƯƠNG I PHụ TảI Hệ THốNG ĐIệN MIềN BắC và bài toán dự báo Chơng này đề cập đến các vấn đề sau: Giới thiệu chung về HTĐ miền Bắc Tầm quan trọng của dự báo phụ tải Những yếu tố ảnh hởng đến phụ tải ngắn hạn Mục tiêu và phạm vi nghiên cứu dự báo phụ tải Đặc điểm đồ thị phụ tải HTĐ miền Bắc Dự báo phụ tải ngắn hạn cho 24h tiếp theo 1.1. Phụ tải Hệ thống điện miền Bắc 1.1.1. Giới thiệu chung về HTĐ miền Bắc Ranh giới của Hệ thống điện miền Bắc đợc tính từ Hà tĩnh trở ra, là một vùng có vị trí địa lý tơng đối phức tạp, trải dài và nằm sát bờ biển, có nhiều đồi núi, có nhiều vùng khí hậu khác nhau, kinh tế các khu vực trên toàn miền Bắc phát triển không đồng đều dẫn đến công suất phụ tải ở các khu vực có sự chênh lệch lớn. Phụ tải chủ yếu tập trung ở vùng đồng bằng, các thành phố lớn có công nghiệp phát triển. Tại những vùng này phụ tải cao điểm và thấp điểm chênh lệch nhau không lớn lắm Pmin/Pmax khoảng 0.7 do phụ tải công nghiệp tại các khu vực này phát triển. Đối với những vùng miền núi hoặc sản xuất nông nghiệp, công nghiệp không phát triển thì Pmin/Pmax khoảng 0.3 do phụ tải vào cao điểm chủ yếu là phụ tải sinh hoạt, điều nay gây khó khăn rất lớn trong vận hành kinh tế hệ thống điện. Vào thấp điểm của hệ thống ta không khai thác cao đợc các nguồn điện rẻ tiền còn vào cao điểm của hệ thống ta phải chạy các nguồn điện đắt tiền để phủ đỉnh, có khi còn phải hạn chế phụ tải vào cao điểm do nguồn điện không đáp ứng đợc nhu cầu của phụ tải. Các thành phần cấu thành phụ tải đợc thể hiện ở biều đồ sau: 8 Trên biểu đồ ta thấy phụ tải Quản lý & Tiêu dùng dân c, Công nghiệp & xây dựng chiếm tỷ trọng lớn, đến 90% tổng công suất phụ tải. Theo thống kê, mức độ tăng trởng phụ tải hệ thống điện từ năm 2001 2005 là rất cao. Bảng 1.1 và bảng 1.2 dới đây thể hiện tốc độ tăng trởng phụ tải về sản lợng của các năm trên. Bảng 1.1: Sản lợng điện tiêu thụ của HTĐ miền Bắc từ năm 2001-2005 2001 2002 2003 2004 2005 HTĐ miền Bắc 10.765.767,2 12.251.947,5 14.215.228,6 16.008.894,1 18.057.297,9Cty I 7.042.600,7 8.125.911,1 9.573.472,8 10.857.462,9 12.292.387,7Hà Nội 2.777.100,4 3.079.711 3.486.549 3.879.340,1 4,329.367,2Hải Phòng 946.066,1 1.046.325,4 1.155.206,9 1.272.091,1 1.415.610,8 Hình 1.1. Biểu đồ các thành phần cấu thành nên phụ tải Công nghiệp và xây dựng 45.20% Thơng nghiệp & KSNH 4.49% Quản lý & Tiêu dùng dân c 44.59% Nông nghiệp và thuỷ sản 1.40% Các hoạt động khác 4.32% 9 Bảng 1.2: Tốc độ tăng trởng phụ tải 2002 2003 2004 2005 HTĐ Bắc 13,84% 16,02% 12,62% 12,8% Cty I 15,38% 17,81% 13,41% 13,22% Hà Nội 10,89% 13,21% 11,27% 11,6% Hải Phòng 10,6% 10,41% 10,12% 11,28% Do điện năng của Quản lý & Tiêu dùng dân c là rất lớn nên chênh lệch công suất giữa giờ cao điểm và thấp điểm rất lớn (khoảng 2-3 lần) và phụ thuộc rất nhiều vào thời tiết, gây ảnh hởng lớn đến việc khai thác tối u các nguồn điện. Phụ tải cao điểm là nhân tố quyết định việc huy động nguồn điện trong khi đó phụ tải thấp điểm lại giữ vai trò quan trọng trong việc quyết định phối hợp và điều chỉnh các nguồn điện nhằm đảm bảo vận hành kinh tế. Do đó việc dự báo chính xác phụ tải có ý nghĩa hết sức quan trọng trong bài toán vận hành kinh tế hệ thống điện cũng nh cải tạo, thiết kế hệ thống cung cấp điện, giảm thiểu đợc tổn thất công suất và điện năng. Đặc biệt việc dự báo phụ tải cao điểm chính xác mang lại lợi ích và hiệu suất sử dụng năng lợng cho khách hàng, tránh trình trạng thiếu công suất giờ cao điểm. Do đó phụ tải cao điểm và thấp điểm chính là hai giá trị đặc biệt trên đồ thị phụ tải ngày và là mối quan tâm hàng đầu của ngời lập quy hoạch và thiết kế hệ thống điện. Khi phụ tải thấp thì tỉ lệ tổn thất tăng do tổn hao không tải. [...]... do đó có rất nhiều các mô hình toán học áp dụng cho dự báo Cũng nh các dự báo khác, dự báo phụ tải ngày cũng phải dựa vào dữ liệu thống kê, phân tích và áp dụng thuật toán để xác định mối quan hệ giữa phụ tải và các yếu tố ảnh hởng, từ đó dự báo phụ tải dựa trên các yếu tố ảnh hởng đó 16 Trớc đây, các mô hình toán học truyền thống hay đợc áp dụng cho dự báo nh: hồi qui tuyến tính (linear regression),... trong lĩnh vực dự báo Đặc biệt đối với bài toán dự báo phụ tải ngắn hạn thì đây là mô hình đợc đánh giá cao hơn hẳn các mô hình trớc đó và hiện nay mô hình này đang đợc áp dụng phổ biến ở một số nớc phát triển trong dự báo phụ tải Nghiên cứu phơng pháp dự báo phụ tải ngày là nghiên cứu và áp dụng các phơng pháp toán học để tìm quan hệ giữa phụ tải ngày và các yếu tố chủ yếu ảnh hởng đến phụ tải ngày Thuật... ngày Thuật toán áp dụng cho dự báo phụ tải theo nhiệt độ phải dựa trên dự báo thời tiết ngày hôm sau gồm các thông tin nh: nhiệt độ cao nhất và thấp nhất trong ngày, nắng hay ma, giông bão 1.2 Bài toán dự báo phụ tải 1.2.1 Đặc điểm đồ thị phụ tải HTĐ miền Bắc Phụ tải của HTĐ miền Bắc có các thành phần điện Quản lý & Tiêu dùng dân c và Công nghiệp & xây dựng chiếm tỷ trọng lớn Bảng 1.3 thống kê sản 17... yếu tố ảnh hởng lớn nhất đến giá trị phụ tải ngày 1.1.4 Mục tiêu và phạm vi nghiên cứu dự báo phụ tải Mục tiêu của luận văn Nghiên cứu áp dụng kỹ thuật mạng nơron để dự báo phụ tải cao điểm (Pmax), thấp điểm đêm (Pmin) và phụ tải ngày (24 giờ) của HTĐ miền Bắc theo dữ liệu phụ tải quá khứ, nhiệt độ môi trờng và một số các yếu tố ảnh hởng khác Phạm vi nghiên cứu Dự báo luôn giữ vai trò quan trọng trong... báo khác, dự báo phụ tải ngày phải dựa vào số liệu thống kê, phân tích và áp dụng các thuật toán để xác định mối quan hệ giữa phụ tải và các yếu tố ảnh hởng, từ đó xây dựng phơng pháp dự báo phụ tải ngày dựa trên các yếu tố ảnh hởng đã đợc nêu Phần tiếp theo, ta sẽ nghiên cứu phơng pháp giải quyết bài toán dự báo phụ tải thông qua việc sử dụng các loại mạng nơron nhân tạo Việc phân tích đặc điểm riêng,... tuệ Mạng nơron nhân tạo là một bộ phận của ngành khoa học trí tuệ nhân tạo, là lĩnh vực tin học nghiên cứu ứng dụng máy tính điện tử thông minh hoạt động theo cơ chế mô phỏng t duy của con ngời Mạng nơron nhân tạo có cấu trúc tơng tự nh bộ não tuy nhiên số nơron trong mạng nơron nhân tạo là hữu hạn tuỳ thuộc vào nhu cầu thực tế của bài toán, còn đối với bộ não con ngời số nơron lên tới xấp xỉ 15 tỉ nơron. .. Nếu dự báo càng chính xác Pmin, Pmax, thì có thể huy động và điều chỉnh nguồn hợp lý, dẫn đến vận hành hệ thống an toàn, hiệu quả và kinh tế hơn 19 1.2.2 Dự báo phụ tải ngắn hạn cho 24h tiếp theo Dự báo phụ tải lới điện cho 24h tiếp theo nhằm đa ra các giá trị phụ tải dự báo theo từng giờ của ngày tiếp theo sát với thực tế vận hành, trong đó giảm sai số là vấn đề mang tính chiến lợc trong quá trình dự. .. lợng ma, độ ẩm Bài toán dự báo phụ tải HTĐ có thể chia thành hai bài toán nhỏ: Bài toán dự báo đỉnh và đáy ĐTPT ngày cần dự báo Bài toán xác định dạng ĐTPT ngày cần dự báo 1.2.2.1 Các dạng của đồ thị phụ tải Xét đồ thị phụ tải HTĐ trên hình 1.7, đây là đồ thị phụ tải của Công ty điện lực I các ngày 14/5/2006 (chủ nhật) và ngày 15/5/2006 (Thứ hai) đợc xây dựng theo giá trị phụ tải 24h trong ngày ĐTPT... đợc phụ tải của từng giờ trong ngày Từ công thức (1.1) ta xác định đợc công thức 1.4 sau: P(i) = Pmin + (Pmax Pmin ) Pn(i) (1.4) Qua các phân tích nêu trên có thể đi đến kết luận: Để dự báo đợc phụ tải từng giờ cho một ngày cụ thể, ta cần dự báo đợc giá trị phụ tải đỉnh Pmax và phụ tải đáy Pmin của ngày đó và tìm ra véctơ ĐTPT Pn(i) của ngày cần dự báo Tóm lại cũng nh các dự báo khác, dự báo phụ tải. .. dự báo phụ tải quá thấp so với nhu cầu thực tế thì dẫn đến kết quả nguồn dự phòng thấp, không đáp ứng đầy đủ nhu cầu điện cho sản xuất công nghiệp và tiêu dùng, còn nếu dự báo phụ tải quá cao sẽ phải huy động các nguồn đắt tiền gây lãng phí cho nền kinh tế nớc nhà Dự báo phụ tải dài hạn (khoảng 10-20 năm) nhằm mục đích cung cấp dữ liệu cho công tác quy hoạch và đầu t phát triển HTĐ Còn dự báo phụ tải . So sánh phơng pháp dự báo phụ tải ngắn hạn của Hệ thống điện miền Bắc sử dụng mạng nơron nhân tạo với một số phơng pháp dự báo truyền thống. Đánh giá kết. ảnh hởng đến phụ tải ngắn hạn Mục tiêu và phạm vi nghiên cứu dự báo phụ tải Đặc điểm đồ thị phụ tải HTĐ miền Bắc Dự báo phụ tải ngắn hạn cho 24h tiếp
![trị dữ liệu đầu vào trong khoảng [0.2;0.8]. Bảng 4.6 là dữ liệu đầu vào và đầu - Ứng dụng mạng Nơron nhân tạo dự báo phụ tải ngắn hạn hệ thống điện Miền Bắc](https://media.store123doc.com/figures/001/240/tri-lieu-dau-khoang-bang-lieu-dau-dau-1240023.png)
