Bài giảng Phân tích và dự báo nhu cầu năng lượng: Chương 4 - Phan Diệu Hương

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:73

Thêm vào BST

Báo xấu

2
lượt xem 0
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Phân tích và dự báo nhu cầu năng lượng: Chương 4 - Dự báo nhu cầu năng lượng bằng phương pháp ngoại suy, cung cấp cho người học những kiến thức như: Khái niệm dự báo bằng phương pháp ngoại suy; Điều kiện áp dụng dự báo bằng phương pháp ngoại suy; Các bước tiến hành dự báo bằng phương pháp ngoại suy; Dự báo nhu cầu năng lượng bằng phương pháp ngoại suy;...Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Phân tích và dự báo nhu cầu năng lượng: Chương 4 - Phan Diệu Hương

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN KINH TẾ VÀ QUẢN LÝ PHÂN TÍCH VÀ DỰ BÁO NHU CẦU NĂNG LƯỢNG CHƯƠNG 4. DỰ BÁO NHU CẦU NĂNG LƯỢNG BẰNG PHƯƠNG PHÁP NGOẠI SUY PHAN DIỆU HƯƠNG
CHƯƠNG 4. DỰ BÁO NHU CẦU NĂNG LƯỢNG BẰNG PHƯƠNG PHÁP NGOẠI SUY 4.1. Khái niệm dự báo bằng phương pháp ngoại suy 4.2. Điều kiện áp dụng dự báo bằng phương pháp ngoại suy 4.3. Các bước tiến hành dự báo bằng phương pháp ngoại suy 4.4. Dự báo nhu cầu năng lượng bằng phương pháp ngoại suy 4.4.1. Dự báo bằng phương pháp ngoại suy đơn giản 4.4.2. Dự báo bằng phương pháp hàm xu thế 4.4.3. Dự báo bằng phương pháp san mũ giản đơn 4.4.4. Dự báo bằng phương pháp san mũ Holt - Winters
4.1. Khái niệm dự báo bằng phương pháp ngoại suy ▪ Đối tượng kinh tế đều vận động theo quy luật thời gian - Hiện tại chịu ảnh hưởng của quá khứ - Tương lai chịu ảnh hưởng của quá khứ và hiện tại ▪ Bản chất dự báo bằng phương pháp ngoại suy: - Tìm quy luật hoặc xu thế phát triển của đối tượng trong quá khứ và hiện tại - Chuyển quy luật đó sang tương lai bằng phương pháp xử lý chuỗi thời gian ▪ Nhiều phương pháp khác nhau từ đơn giản đến phức tạp
4.2. Điều kiện áp dụng dự báo bằng phương pháp ngoại suy - Đối tượng phát triển tương đối ổn định theo thời gian - Nhân tố ảnh hưởng chính vẫn duy trì trong một khoảng thời gian nhất định trong tương lai - Không có tác động mạnh bên ngoài dẫn đến những đột biến trong quá trình phát triển của đối tượng được dự báo - Thu thập được thông tin và phát hiện quy luật phát triển - Ngoại suy tầm xa bằng 1/3 độ dài chuỗi thời gian ban đầu
4.3. Các bước tiến hành dự báo bằng phương pháp ngoại suy ▪ Dự báo bằng phương pháp ngoại suy thường qua 5 bước - Xử lý chuỗi thời gian Phân tích số liệu ban đầu - Phát hiện dạng hàm ngoại suy Định hướng và Lựa chọn dạng hàm ngoại suy có thể sử dụng - Xây dựng hàm ngoại suy Xác định các thông số cụ thể của hàm ngoại suy - Kiểm định hàm ngoại suy Đánh giá độ tin cậy của dạng hàm ngoại suy dùng để dự báo - Dự báo bằng hàm ngoại suy Dự báo điểm và dự báo khoảng
4.4. Dự báo nhu cầu năng lượng bằng phương pháp ngoại suy 4.4.1. Dự báo bằng phương pháp ngoại suy đơn giản ▪ Dựa theo xu thế biến động của dãy số thời gian, bỏ qua yếu tố ngẫu nhiên ảnh hưởng ▪ Các phương pháp ngoại suy đơn giản: - Dự báo thô giản đơn - Số trung bình - Số trung bình trượt (có trọng số hoặc không có trọng số) - Tăng (giảm) tuyệt đối bình quân - Tốc độ phát triển bình quân - Phương pháp san bằng mũ
4.4.1.1. Dự báo thô giản đơn ŶDBt+1= Yt ▪ Giá trị cuối của dãy số sử dụng để dự báo cho giai đoạn ngay sau ▪ Chỉ cho phép dự báo trước 1 bước ▪ Không tận dụng và đánh giá các ảnh hưởng của các mức độ trước ▪ Lãng phí thông tin ▪ Chỉ sử dụng dự báo ngắn hạn, sơ bộ
Ví dụ: Điện năng tiêu thụ tại một đơn vị giai đoạn 2012 – 2018. Sử dụng phương pháp dự báo thô giản đơn dự báo điện năng tiêu thụ quý I năm 2019 Năm Quý Et (MWh) Năm Quý Et (MWh) 1 1250 1 1375 2 875 2 1000 2012 2016 3 625 3 875 4 1000 4 1500 1 1125 1 1875 2 875 2 1250 2013 2017 3 500 3 1000 4 750 4 1625 1 875 1 2125 2 500 2 1500 2014 2018 3 375 3 1125 4 1000 4 1750 1 1375 1 ? 2 875 2015 2019 3 625 4 1375
Đánh giá độ chính xác của mô hình dự báo thô Y Ŷ et Abs (et) et^2 Abs (et)/Yt et/Yt (Yt – Yt-1)^2 1250 875 1250 -375 375 140625 0.43 -0.43 140625 625 875 -250 250 62500 0.40 -0.40 62500 1000 625 375 375 140625 0.38 0.38 140625 1125 1000 125 125 15625 0.11 0.11 15625 875 1125 -250 250 62500 0.29 -0.29 62500 500 875 -375 375 140625 0.75 -0.75 140625 750 500 250 250 62500 0.33 0.33 62500 875 750 125 125 15625 0.14 0.14 15625 500 875 -375 375 140625 0.75 -0.75 140625 375 500 -125 125 15625 0.33 -0.33 15625 1000 375 625 625 390625 0.63 0.63 390625 1375 1000 375 375 140625 0.27 0.27 140625 875 1375 -500 500 250000 0.57 -0.57 250000 625 875 -250 250 62500 0.40 -0.40 62500 1375 625 750 750 562500 0.55 0.55 562500 1375 1375 0 0 0 0.00 0.00 0 1000 1375 -375 375 140625 0.38 -0.38 140625 875 1000 -125 125 15625 0.14 -0.14 15625 1500 875 625 625 390625 0.42 0.42 390625 1875 1500 375 375 140625 0.20 0.20 140625 1250 1875 -625 625 390625 0.50 -0.50 390625 1000 1250 -250 250 62500 0.25 -0.25 62500 1625 1000 625 625 390625 0.38 0.38 390625 2125 1625 500 500 250000 0.24 0.24 250000 1500 2125 -625 625 390625 0.42 -0.42 390625 1125 1500 -375 375 140625 0.33 -0.33 140625 1750 1125 625 625 390625 0.36 0.36 390625 1750 TỔNG 500 10250 4906250 9.94 -1.94 4906250
2500 QIV 2018 2000 QI 2019 1500 1000 500 0 0 5 10 15 20 25 30 35
Độ chính xác của mô hình dự báo thô giản đơn ME MPE MAE MAPE MSE RMSE U 18.52 -0.07 379.63 0.37 181712.96 426.28 1.00
▪ Mô hình dự báo thô điều chỉnh (xu thế, thời vụ) - Mô hình dự báo thô điều chỉnh xu thế ŶDBt+1= Yt + (Yt – Yt-1) Hoặc ˆ DB = Y Yt Yt +1 t Yt −1 Ví dụ: Sử dụng bảng số liệu trên và dự báo quý 1 năm 2019 theo mô hình dự báo thô điều chỉnh xu thế? Đánh giá độ chính xác của mô hình dự báo thô điều chỉnh xu thế và so sánh với mô hình dự báo thô giản đơn?
Giải: Mô hình dự báo thô điều chỉnh xu thế ŶDBt+1= Yt + (Yt – Yt-1) ŶDB1/2019= Y4/2018 + (Y4/2018 – Y3/2018) ŶDB1/2019= 1750 + (1750 – 1125) = 2375 ME MPE MAE MAPE MSE RMSE U 38 0.03 510 0.48 362981 602 1.41 ▪ U >1 mô hình điều chỉnh xu thế tồi hơn so với DB thô GĐ
3000 2500 2000 1500 1000 500 0 0 5 10 15 20 25 30 35
- Mô hình dự báo thô điều chỉnh thời vụ ▪ Dữ liệu theo quý, mô hình dự báo thô điều chỉnh thời vụ ŶDBt+1= Yt-3 t=4 ▪ Mô hình dự báo thô giản đơn dịch chuyển theo thời vụ ▪ Dự báo có yếu tố mùa vụ thì giá trị dự báo cho 1 quý nào đó của năm sau chính là giá trị thực tế của quý đó vào năm trước
- Mô hình dự báo thô điều chỉnh xu thế và thời vụ ▪ Điều chỉnh mùa vụ bỏ qua yếu tố xu thế giữa các quý trong năm qua ▪ Dữ liệu có xu thế, mùa vụ có thể điều chỉnh xu thế, mùa vụ Yt +1 = Yt −3 + (Yt − Yt −1 ) + ... + (Yt −3 − Yt −4 ) 4 = Yt −3 + (Yt − Yt −4 ) 4
4.4.1.2. Dự báo bằng số trung bình ▪ Trung bình giản đơn của dãy số thời gian ban đầu t Y i ˆ DB ˆ tYt +1 + Yt +1 Yˆ DB = i =1 Yt + 2 = t +1 t t +1 ▪ Chính xác hơn so với phương pháp dự báo thô giản đơn ▪ Phù hợp với dự báo ngắn hạn ▪ Thích hợp cho các đối tượng ít biến động, ổn định ▪ Chỉ dự báo được trước một bước ▪ Phụ thuộc số bình quân được tính
Ví dụ: Số liệu sử dụng xăng theo tuần của 1 công ty cho trong Bảng (lít). Nếu giả sử số liệu có từ tuần 1-28, dự báo lượng xăng tiêu thụ tuần 29 và 30. Nếu biết số liệu 30 tuần dự báo xăng tiêu thụ tuần 31? Tuần Xăng (lít) Tuần Xăng (lít) Tuần Xăng (lít) 1 275 11 302 21 310 2 291 12 287 22 299 3 307 13 290 23 285 4 281 14 311 24 250 5 295 15 277 25 260 6 268 16 245 26 245 7 252 17 282 27 271 8 279 18 277 28 282 9 264 19 298 29 302 10 288 20 303 30 285
▪ Dự báo lượng xăng sử dụng tuần 29 của công ty: t 28 Y i Y i 7874 ˆ DB Yt +1 = i =1 ˆ DB Y28 +1 = i =1 = = 281(lít ) t 28 28 ▪ Dự báo lượng xăng sử dụng tuần 30: ˆ tYt +1 + Yt +1 ˆ 28Y28 +1 + Y28 +1 28 * 281 + 302 Yˆ DB = Yˆ DB = = = 282(lít ) t +2 28 + 2 t +1 28 + 1 29 t 29 Y i Y i 8176 ˆ DB Yt +1 = i =1 ˆ DB Y29 +1 = i =1 = = 282(lít ) t 29 29 30 ▪ Dự báo tuần 31: Y i 8461 ˆ DB Y30 +1 = i =1 = = 282(lít ) 30 30