Báo cáo: " PHƯƠNG PHÁP XỬ LÝ BẤT ĐỊNH TRONG DỰ BÁO NHU CẦU PHỤ TẢI ĐIỆN

Chia sẻ: Chip Bia Chip | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST

Báo xấu

155
lượt xem 28
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

TÓM TẮT Mối tương quan giữa tăng trưởng kinh tế và mức tiêu thụ điện vẫn được xem là khá chặt chẽ. Tuy nhiên hiện nay dưới tác động mạnh mẽ về giá năng lượng và cấu trúc của nền kinh tế nên mối quan hệ trên đã có nhiều thay đổi, các yếu tố bất định ảnh hưởng đến quá trình tiêu thụ điện năng: giá điện, số nhân khẩu, diện tích nhà ở.... Nội dung bài viết dưới đây trình bày một trong những phương pháp toán học để điều khiển, hiệu chỉnh các hệ số hồi quy...

Chủ đề:

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

Lưu

Nội dung Text: Báo cáo: " PHƯƠNG PHÁP XỬ LÝ BẤT ĐỊNH TRONG DỰ BÁO NHU CẦU PHỤ TẢI ĐIỆN

PHƯƠNG PHÁP XỬ LÝ BẤT ĐỊNH TRONG DỰ BÁO NHU CẦU PHỤ TẢI ĐIỆN Trịnh Trọng Chưởng* TÓM TẮT Mối tương quan giữa tăng trưởng kinh tế và mức tiêu thụ điện vẫn được xem là khá chặt chẽ. Tuy nhiên hiện nay dưới tác động mạnh mẽ về giá năng lượng và cấu trúc của nền kinh tế nên mối quan hệ trên đã có nhiều thay đổi, các yếu tố bất định ảnh hưởng đến quá trình tiêu thụ điện năng: giá điện, số nhân khẩu, diện tích nhà ở.... Nội dung bài viết dưới đây trình bày một trong những phương pháp toán học để điều khiển, hiệu chỉnh các hệ số hồi quy trong hàm hồi quy tuyến tính để xác định và dự báo nhu cầu phụ tải điện: phương pháp hàm giảm gradient nhanh nhất. METHOD OF DISPOSE INDEFINITES IN LOAD FORECASTING SUMMARY Before have a connection very closely for expand economic and use electrical condition. Today, for economic reasons and cost of energy as a result this connection have change. Indefinites to exert an influence on load forecasting normal: cost of electrical, population to feed, area of house... This paper explain summarise a analysis study of use gradient decreases, solve changes program’s load normal forecasting in uses electrical condition of life rural areas, which base on prevert date and of the multilregresion ship. phương pháp tìm kiếm trực tiếp, phương 1. Đặt vấn đề pháp tựa tuyến tính... Nội dung bài viết dưới Việc xác định và dự báo nhu cầu phụ tải đây trình bày một trong những phương pháp điện là bài toán quan trọng trong quá trình toán học để điều khiển, hiệu chỉnh các hệ số quy hoạch và phát triển điện lực. Độ chính hồi quy trong hàm hối quy tuyến tính xác xác của bài toán trên cho phép nâng cao hiệu định nhu cầu và dự báo phụ tải điện: phương quả sử dụng mạng điện. Tuy nhiên độ chính pháp hàm gradient giảm nhanh nhất. xác đó phụ thuộc rất nhiều vào lượng thông tin ban đầu - nơi thường có độ bất định lớn. 2. Phương pháp nghiên cứu vấn đề đặt ra là làm thế nào để xử lý các Trên cơ sở hàm hồi quy tuyến tính sẽ xây thông tin bất định đó nhằm đạt được độ dựng hàm hồi quy thích nghi, áp dụng chính xác của bài toán xác định nhu cầu phụ phương pháp hàm giảm gradient nhanh nhất tải điện như mong muốn. để hiệu chỉnh trọng số trong hàm hồi quy Hiện có nhiều phương pháp để xử lý các yếu thích nghi. tố ảnh hưởng: phương pháp xấp xỉ vi phân, * Trường Đại học Công nghiệp Hà Nội 76
Tạp chí Đại học Công nghiệp Trong [3] cũng đã trình bày phương pháp xác 3. Nội dung phương pháp. định định mức phụ tải điện nông thôn bằng mô Trong [4] đã trình bày khái niệm cơ bản về hình hồi quy tuyến tính đa biến, trong đó các hệ mạng lan truyền (MLT) trong mạng nơron nhân số hồi quy của phương trình cho phép đánh giá tạo, trong đó MLT chính là một hàm phi tuyến mức độ ảnh hưởng của các biến ngẫu nhiên xi xấp xỉ gần đúng nhất một hàm đích được cho với biến ngẫu nhiên y mà trong đó sự thay đổi qua một số mẫu trong tập mẫu. Để học mỗi của đại lượng y phụ thuộc vào sự thay đổi của mẫu, MLT thi hành 2 bước: lan truyền tiến - đại lượng xi. Tuy nhiên trong thực tế sự tác thực hiện phép ánh xạ các biến nhập thành các động lẫn nhau giữa các yếu tố không phải là cố giá trị xuất, và lan truyền ngược - tính toán sai định, vì vậy phép hồi quy thông thường với các số ở bước trước (do các kết xuất thường chưa hệ số không đổi sẽ bị hạn chế trong ứng dụng. chính xác), mạng sẽ cập nhật lại các trọng số. Việc hiệu chỉnh và đổi mới các hệ số của nó cho Kỹ thuật cơ bản nhất là cập nhật trọng số theo phép phản ánh khuynh hướng và tính chất phát hướng giảm gradient nhanh nhất. Phương pháp triển của các mối quan hệ lẫn nhau giữa các này nhằm giảm thiểu sai số của mô hình. Trong biến. Nếu coi y là một đại lượng phản ánh mức trường hợp mô hình có nhiều yếu tố ảnh hưởng, tiêu thụ điện năng của một hộ gia đình và xit là nếu coi et - sai số giữa giá trị thực với giá trị ước các tham số ảnh hưởng đến quá trình tiêu thụ lượng là một hàm lỗi, thì phương pháp gradient điện năng thì có thể biểu diễn bằng mô hình giảm nhanh nhất gồm các bước sau: hàm hồi quy như sau: 1. Chọn ngẫu nhiên một điểm x0 trong n Yt = a 0 + ∑ a it . X it không gian trọng số; (1) t =1 2. Tính độ dốc của hàm lỗi tại x0 ; với n: số quan trắc; a0, ai: các hệ số hồi quy 3. Vập nhật các trọng số theo hướng dốc ∧ nhất của hàm lỗi So sánh ước lượng Y với giá trị thực của chuỗi Yt có thể tính được sai số et: 4. Xem điểm này như điểm x0 mới; Lặp đi lặp lại quá trình từ bước (2) đến bước ∧ et = Yt − Yt (2) (4) thì đến một lúc nào đó các giá trị của bộ trọng số sẽ tiếp cận được điểm thấp nhất trong trong đó: mặt lỗi. n ∧ Yt = ∑ a jt . X jt (3) Với mỗi mẫu, đạo hàm hàm lỗi được biểu diễn j =1 là một vectơ có hướng, độ lớn mỗi vectơ ứng Dựa vào kết quả nhận được để tiến hành hiệu với sai số của mẫu đó (hình 1). Như vậy đạo chỉnh các hệ số ajt. hàm hàm lỗi trên toàn bộ tập mẫu chính là tổng Cấu trúc hệ điều chỉnh trọng số theo phương vectơ của từng vectơ đạo hàm của từng mẫu pháp gradient được mô tả trên hình 1và 2. trong tập mẫu. nếu mạng chỉ có 2 trọng số thì tổng lỗi là tổng vectơ của 2 đạo hàm riêng hàm lỗi này. Độ lớn vectơ tổng chính là đường chéo hình chữ nhật tạo từ 2 vevtơ đạo hàm riêng và hướng theo góc đối nghịch của hình chữ nhật. theo quy tắc cộng vectơ thì độ lớn vectơ tổng tương ứng với độ dốc nhất của mặt lỗi tại điểm đó, và vectơ theo hướng ngược lại là vectơ tổng biểu diễn hướng giảm nhanh nhất. Hình 1: Đạo hàm hàm lỗi theo từng trọng số 77
Phương pháp xử lý bất định trong… với α : xác định sự phản ứng của mô hình đối đối tượng y với sai số vừa nhận được. Yt xit Nếu chọn α quá lớn thì tiêu chuẩn sai số nhận sai số et dạng thực tế có thể cũng rất lớn. Ngược lại nếu mô hình chọn α quá nhỏ thì tốc độ hội tụ lại quá chậm, Yt vì vậy cần chọn α = α * tối ưu theo nghĩa cực tiểu et theo hướng ngược với gradient. thông chỉnh thường α nằm trong giới hạn [0; 2]. tính toán trọng số gradient * Ý nghĩa của phương pháp dự báo nhu cầu tiêu Hình 2: Mô hình điều chỉnh trọng số theo thụ điện năng từ (1) đến (8) được trình bày như phương pháp gradient sau: Hướng của phương pháp hạ nhanh nhất ngược + Ký hiệu et( c ) ≡ et là sai số cũ, ứng với Wc ; với hướng gradient và ở thời điểm ban đầu trùng et( m ) là sai số mới, ứng với Wm , khi đó hệ số hồi với hướng trong đó tiêu chuẩn sai số giảm quy mới (sau khi hiệu chỉnh) của hàm hồi quy nhanh nhất. Có nghĩa là hướng của phương tuyến tính sẽ là: pháp hạ nhanh nhất được mô tả như sau: (a m ) jt = [( ac ) jt + 2.k .(et( c ) ). X jt ] Wm = Wc − kgrad (et2 ) (9) (4) trong đó: và sai số của mô hình được viết lại như sau: Wm : vectơ hệ số mới; n et( m ) = Yt − ∑ [(a c ) jt + 2k .(et( c ) ) X jt ]. X jt = j =1 Wc : vectơ hệ số cũ; n n = [Yt − ∑ ( a c ) jt . X jt ] −∑ 2k (et( c ) ). X 2 jt grad (et2 ) : vectơ gradient của et. j =1 j =1 n n = et( c ) − 2k .et( c ) .∑ X 2 = et( c ) (1 − 2k ∑ X 2 ) Theo tính chất của hàm gradient [4], từ phương jt jt j =1 j =1 trình (2) ta có: hay: grad (et2 ) = -2.et. x|t (5) et( m ) = et( c ) (1 − α ) (10) trong đó: x|t = (x0,t, x1,t ..., xn,t) + Khi α thoả mãn điều kiện α = α * tối ưu, ta Như vậy việc hiệu chỉnh hệ số được xác định sẽ có: như sau: (11) et( m ) < et( c ) (6) Wm = Wc + 2k .et . x|t Như vậy, trước khi tính toán dự báo định mức do đó: phụ tải điện bằng mô hình hồi quy thích nghi thì (7) Wm = WC + 2.k .et .x | t ta nên tính toán bằng phương trình hồi quy bội thông thường, các kết quả nhận được từ phương trong đó: trình hồi quy bội thông thường sẽ là các giá trị α xuất phát để lập mô hình thích nghi. k= (8) n 2∑ X 2 Tuy nhiên trong thực tế, việc giả thiết trước jt j =0 dạng hàm y = f(x) không phải lúc nào cũng thực hiện được, chẳng hạn như chưa biết đặc tính 78
Tạp chí Đại học Công nghiệp thống kê của số liệu hoặc đặc tính thay đổi theo Điện năng cực đại được đánh giá ở điểm quan thời gian..., lúc đó cần áp dụng định lý Stone – sát tiếp theo của chuỗi quan sát, với vectơ Wc có Weierstrass để một hàm đa thức có thể xấp xỉ giá trị: các hàm liên tục [1]. Nhờ tính chất này mà các ∧ A10 = −929.8 + 90 * 30 + 174 * 5.55 − hàm đa thức đã cho khả năng thích ứng về mặt − 1.0 * 650 + 0.61 * 789 = 2567.19kWh cấu trúc của hàm dự báo đối với tính bất định của phụ tải. do đó có thể áp dụng các hàm đa Giá trị thực của chuỗi quan sát [3]: thức để dự báo định mức phụ tải điện khi gặp A10 = 2549.2kWh phải những yếu tố bất định. Tính sai số theo (2): 4. Kết quả nghiên cứu. ∧ Chuỗi số liệu thống kê để xác định mức sử dụng e10 = A10 − A10 = 2549.2 − 2567.19 = −17.99kWh điện năng sinh hoạt hộ gia đình ở Kỳ Sơn – Hoà Lấy α = 1.8 , tính k theo (7) nhận được: k = Bình như sau [3]: 2,34.10-8 . Tính Wm theo (6) được: ⎧− 927.9⎫ ⎪ 89.9 ⎪ ⎪ ⎪ ⎪ ⎪ Wm = ⎨ 173.9 ⎬ ⎪ −1 ⎪ ⎪ ⎪ ⎪ 0.60 ⎪ ⎩ ⎭ Bằng phương pháp bình phương cực tiểu xác Trị số điện năng của điểm quan sát thứ 11 theo định được: mô hình hồi quy bội thích nghi: A = −929,8 + 90.L + 174 .N − 1,0.G + 0,61.P ∧ A11 = − 929 .8 + 89 .9 * 35 + 173 .9 * 5 .6 − Từ đây có thể dự báo được cho điểm quan sát − 1 .0 * 750 + 0 .6 * 1000 = 3040 kWh tiếp theo (điểm thứ 11). Ký hiệu athqtt là điện Đợi cho đến khi quan sát được giá trị thực của năng cực đại dự báo theo phương trình hồi quy ∧ tuyến tính bội thông thường tại thời điểm năm chuỗi A11 , sai số e11 được xác định, việc hiệu thứ t. chỉnh và đổi mới vectơ hệ số lại được tiến hành ∧ với l = 35 (106 đ/hộ/năm), p = 1000 (W/hộ), g = tương tự để xác định A12 ... 750 (đ/kWh), n = 5,6 (người/hộ) Nhận xét: Athqtt = 3054,6kWh - Bằng cách hiệu chỉnh và đổi mới các hệ số hồi Bây giờ ta chuyển sang dự báo định mức bằng quy đã khắc phục được phần nào các yếu tố bất mô hình hồi quy thích nghi, giả sử vectơ hệ số định ảnh hưởng đến kết quả dự báo. ban đầu trùng với các hệ số của phương trình - Các giá trị tính được ở kết quả sau dựa trên hồi quy bội ở trên: kết quả đã được xứ lý ở bước trước nên đã góp phần nâng cao độ chính xác của bài toán. ⎧a 0 ⎫ ⎧− 929.8⎫ ⎪ a ⎪ ⎪ 90 ⎪ ⎪ 1⎪ ⎪ ⎪ 5. Kết luận ⎪⎪⎪ ⎪ Wc = ⎨a 2 ⎬ = ⎨ 174 ⎬ ⎪ a ⎪ ⎪ − 1 .0 ⎪ Nội dung bài báo đã đưa ra phương pháp ứng ⎪ 3⎪ ⎪ ⎪ ⎪⎪⎪ ⎪ dụng hàm gradient giảm nhanh nhất trong xử lý ⎩a 4 ⎭ ⎩ 0.61 ⎭ 79
Phương pháp xử lý bất định trong… những bất định của hàm dự báo phụ tải điện. phương trình hồi quy tuyến tính. Đại lượng Bằng phương pháp này có thể loại bỏ được thứ 2 tỷ lệ với tốc độ thay đổi của của đại các “yếu tố nhiễu” ảnh hưởng đến kết quả lượng hiệu chỉnh đó. Đại lượng thứ 3 tỷ lệ dự báo phụ tải điện, góp phần nâng cao độ với tổng các đại lượng hiệu chỉnh trước. chính xác của bài toán. Phương pháp này cho phép hội tụ nhanh và Đại lượng đầu của véctơ hệ số mới trong chính xác hơn phép hồi quy thông thường và phương trình (6) là đại lượng tỷ lệ thuận với còn được ứng dụng trong nhận dạng và điều đại lượng hiệu chỉnh thu được từ phương khiển nhiều hệ thống năng lượng khác. pháp bình phương cực tiểu áp dụng cho TÀI LIỆU THAM KHẢO [1] Bùi Công Cường, Nguyễn Doãn Phước (2001). Hệ mờ mạng nơron và ứng dụng. Nhà xuất bản Khoa học và kỹ thuật. [2] Donnelly, W.A (1987). The econometecs of energy demand. New York: Praeger Publishers. [3] Trịnh Trọng Chưởng (2006); Đánh giá các yếu tố ảnh hưởng đến định mức tiêu thụ điện sinh hoạt gia đình các vùng nông thôn; Tạp chí Khoa học và Công nghệ các Trường Đại học kỹ thuật; số 56/2006. [4] Nguyễn Đình Thúc (2000). Mạng nơron, phương pháp và ứng dụng. Nhà xuất bản Giáo dục. 80