Luận 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

Môc lôc

Danh môc c¸c tõ viÕt t¾t ............................................................................. 3 Më ®Çu..................................................................................................................... 4 CH¦¥NG I.................................................................................................................. 7 PHô T¶I HÖ THèNG §IÖN MIÒN B¾C vµ bµi to¸n dù b¸o ...................... 7 1.1. Phô t¶i HÖ thèng ®iÖn miÒn B¾c .......................................................................7 1.1.1. Giíi thiÖu chung vÒ HT§ miÒn B¾c...........................................................7 1.1.2 TÇm quan träng cña dù b¸o phô t¶i...........................................................10 1.1.3. Nh÷ng yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n h¹n .......................................11 1.1.4. Môc tiªu vµ ph¹m vi nghiªn cøu dù b¸o phô t¶i ......................................15 1.2. Bµi to¸n dù b¸o phô t¶i ...................................................................................16 1.2.1. §Æc ®iÓm ®å thÞ phô t¶i HT§ miÒn B¾c...................................................16 1.2.2. Dù b¸o phô t¶i ng¾n h¹n cho 24h tiÕp theo..............................................19 CH¦¥NG II .............................................................................................................. 23 Tæng quan VÒ M¹NG N¥RON NH¢N T¹O .................................................. 23 2.1. LÞch sö ph¸t triÓn cña m¹ng n¬ron nh©n t¹o...................................................23 2.2. C¬ së lý thuyÕt m¹ng n¬ron............................................................................26 2.3. Bé n·o vµ n¬ron sinh häc ...............................................................................27 2.4 M« h×nh m¹ng n¬ron nh©n t¹o.........................................................................30 2.4.1 M« h×nh mét n¬ron nh©n t¹o ....................................................................30 3.4.2. M« h×nh m¹ng n¬ron nh©n t¹o.................................................................33 Ch−¬ng III ............................................................................................................. 40 øng dông m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen trong bµi to¸n ph©n lo¹i ngµy .............................................................. 40 3.1. Sù cÇn thiÕt ph©n lo¹i ®å thÞ phô t¶i................................................................40 3.1.1. TËp hîp c¸c kiÓu ®å thÞ phô t¶i ®Æc tr−ng................................................40 3.1.2. Sù cÇn thiÕt ph©n lo¹i ngµy b»ng ph−¬ng ph¸p m¹ng n¬ron....................42 3.2. M¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen ........................................43 3.2.1. CÊu tróc m¹ng ..........................................................................................44 3.2.2. HuÊn luyÖn m¹ng.....................................................................................45 3.2.3. Sö dông m¹ng...........................................................................................47 3.3. X©y dùng m¹ng Kohonen ®Ó ph©n lo¹i ngµy..................................................48 3.3.1. ThiÕt kÕ cÊu tróc m¹ng.............................................................................48 3.3.2. HuÊn luyÖn m¹ng.....................................................................................49 3.3.3. X©y dùng cÊu tróc phÇn mÒm m« pháng m¹ng Kohonen ph©n lo¹i ngµy. ...........................................................................................................................52 3.3.4. KÕt qu¶ sö dông m¹ng Kohonen ph©n lo¹i ngµy .....................................52 3.3.5. Ph©n tÝch kÕt qu¶ ph©n lo¹i ngµy trong th¸ng 2/2006, th¸ng 5/2006.......54 CH¦¥NG iV............................................................................................................. 58

øNG DôNG M¹NG N¥RON NHIÒU LíP LAN TRUYÒN NG¦îC SAI Sè Dù B¸O PHô T¶I Ng¾n h¹n THEO NHIÖT §é M¤I TR¦êNG.......................... 58 4.1 C¸c kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè (Back propagation neural network)..................................................................................58 4.1.1 KiÕn tróc m¹ng truyÒn th¼ng. ...................................................................59 4.1.2. HuÊn luyÖn m¹ng.....................................................................................60 4.1.3. Sö dông m¹ng...........................................................................................64 4.1.4. Nghiªn cøu sù héi tô vµ ®é phøc t¹p cña qu¸ tr×nh huÊn luyÖn m¹ng. ....64 4.1.5. Mét sè vÊn ®Ò vÒ m¹ng n¬ron nhiÒu líp..................................................67 4.2. øng dông m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè x©y dùng bµi to¸n dù b¸o phô t¶i hÖ thèng ®iÖn.......................................................................................68 4.2.1. C¸c b−íc x©y dùng bµi to¸n dù b¸o phô t¶i. ............................................68 4.2.2. X©y dùng cÊu tróc phÇn mÒm m« pháng m¹ng n¬ron lan truyÒn ng−îc sai sè øng dông trong bµi to¸n dù b¸o ®Ønh vµ ®¸y ®å thÞ phô t¶i. ..........................72 4.2.3 Dù b¸o phô t¶i cho 24 giê trong ngµy.......................................................85 CH¦¥NG V .............................................................................................................. 99 HÖ thèng phÇn mÒm dù b¸o phô t¶i ng¾n h¹n cho hÖ thèng ®iÖn miÒn b¾c..................................................................................................... 99 5.1. Giíi thiÖu vÒ c¬ së d÷ liÖu. .............................................................................99 5.2. §Æc t¶ c¸c chøc n¨ng ....................................................................................100 5.2.1. Truy vÊn d÷ liÖu.....................................................................................100 5.2.2. Ph©n lo¹i d÷ liÖu ....................................................................................101 5.2.3 ChuÈn ho¸ d÷ liÖu ...................................................................................101 5.2.4 HuÊn luyÖn m¹ng....................................................................................101 5.2.5 Dù b¸o phô t¶i.........................................................................................101 5.3 H−íng dÉn sö dông........................................................................................102 5.3.1 Truy vÊn d÷ liÖu......................................................................................102 5.3.2 Ph©n lo¹i d÷ liÖu .....................................................................................103 5.3.3 ChuÈn ho¸ d÷ liÖu ...................................................................................103 5.3.4 HuÊn luyÖn m¹ng....................................................................................104 5.3.5 Dù b¸o ....................................................................................................104 CH¦¥NG vI........................................................................................................... 106 so s¸nh víi mét sè kÕt qu¶ ®∙ cã vµ §¸nh gi¸ kÕt qu¶.......... 106 6.1. So s¸nh víi mét sè ph−¬ng ph¸p ®· cã.........................................................106 6.2. §¸nh gi¸ kÕt qu¶..........................................................................................111 KÕT LUËN ............................................................................................................. 114 Tµi liÖu tham kh¶o....................................................................................... 116 Phô lôc i ............................................................................................................. 118 Phô lôc II ............................................................................................................ 120 Tãm t¾t luËn v¨n.......................................................................................... 123 Summary ............................................................................................................ 124

Danh môc c¸c tõ viÕt t¾t

ANN M¹ng n¬ron nh©n t¹o

DBPT Dù b¸o phô t¶i

HT§ HÖ thèng ®iÖn

HT§1 Trung t©m §iÒu ®é HÖ thèng ®iÖn miÒn B¾c

MSE Trung b×nh tæng b×nh ph−¬ng sai sè

SSE Tæng b×nh ph−¬ng sai sè

CNTT C«ng nghÖ th«ng tin

§TPT §å thÞ phô t¶i

Më ®Çu

Trong nh÷ng n¨m gÇn ®©y, do nhu cÇu n¨ng l−îng kh«ng ngõng biÕn

®æi vµ t¨ng lªn râ rÖt theo thêi gian nªn ngµnh §iÖn lùc ®· vµ ®ang x©y dùng

rÊt nhiÒu c¸c nhµ m¸y ®iÖn ®Ó ®¸p øng nhu cÇu tiªu thô ®iÖn n¨ng trong c¶

n−íc. V× vËy, mét trong nh÷ng vÊn ®Ò quan träng mµ ngµnh §iÖn lùc cÇn ph¶i

gi¶i quyÕt tèt lµ bµi to¸n dù b¸o phô t¶i ng¾n h¹n vµ dµi h¹n.

Cho ®Õn nay tuy ®· cã nhiÒu ph−¬ng ph¸p luËn trong viÖc gi¶i quyÕt bµi

to¸n dù b¸o, song bµi to¸n nµy lu«n lµ mét bµi to¸n khã. HiÖn nay, trong

ngµnh §iÖn lùc ViÖt Nam bµi to¸n dù b¸o phô t¶i ®−îc gi¶i quyÕt chñ yÕu nhê

sö dông c¸c ph−¬ng ph¸p dù b¸o truyÒn thèng mang tÝnh kinh nghiÖm thuÇn

tuý. Trong sè c¸c h−íng nghiªn cøu nh»m triÓn khai c¸c hÖ thèng th«ng minh

ë giai ®o¹n tíi, m¹ng n¬ron gi÷ mét vai trß quan träng trong viÖc ph¸t triÓn

c¸c gi¶i ph¸p nhËn d¹ng, dù b¸o…M¹ng n¬ron nh©n t¹o lµ kü thuËt xö lý

th«ng tin cã triÓn väng øng dông trong viÖc gi¶i quyÕt bµi to¸n dù b¸o. KÕt

hîp chÆt chÏ víi logic mê, m¹ng n¬ron nh©n t¹o cã thÓ gióp gi¶i quyÕt hiÖu

qu¶ h¬n c¸c bµi to¸n phøc t¹p.

Nhê c¸c −u ®iÓm nh− cã cÊu tróc xö lý song song, kh¶ n¨ng häc vµ ghi

nhí, kh¶ n¨ng tù tæ chøc vµ tæng qu¸t ho¸, m¹ng n¬ron nh©n t¹o ANN

(Artificial Newal Networks) ®· ®−îc nghiªn cøu vµ øng dông thµnh c«ng

trong rÊt nhiÒu lÜnh vùc nh− xÊp xØ hµm nhËn d¹ng mÉu, dù b¸o… LuËn v¨n

nµy chñ yÕu tËp trung t×m hiÓu vÒ m¹ng n¬ron nh©n t¹o vµ nghiªn cøu øng

dông gi¶i quyÕt bµi to¸n dù b¸o phô t¶i ng¾n h¹n cho hÖ thèng ®iÖn miÒn B¾c.

Môc ®Ých cña luËn v¨n lµ ph¸t triÓn c¸c ph−¬ng ph¸p ®Ó gi¶i bµi to¸n dù

b¸o phô t¶i ng¾n h¹n. §èi t−îng cô thÓ cña nghiªn cøu lµ dù b¸o phô t¶i cho

24 giê sau nh»m ®−a ra c¸c th«ng sè cÇn thiÕt cho c«ng t¸c vËn hµnh vµ lËp

ph−¬ng thøc ®iÒu hµnh hÖ thèng ®iÖn.

LuËn v¨n bao gåm s¸u ch−¬ng vµ hai phô lôc.

Ch−¬ng I – Phô t¶i hÖ thèng ®iÖn miÒn B¾c vµ bµi to¸n dù b¸o:

Tr×nh bµy tæng quan vÒ HT§ miÒn B¾c. Ph¸t biÓu bµi to¸n dù b¸o phô t¶i, nªu

ph¹m vi, tÇm quan träng cña bµi to¸n, c¸c yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n

h¹n.

Ch−¬ng II – Tæng quan vÒ m¹ng n¬ron nh©n t¹o: Tr×nh bµy c¸c kh¸i

niÖm c¬ b¶n vÒ m¹ng n¬ron nh©n t¹o: c¬ së lý thuyÕt vµ m« h×nh m¹ng.

Ch−¬ng III – øng dông m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc

Kohonen trong bµi to¸n ph©n lo¹i ngµy: Tr×nh bµy c¸c kh¸i niÖm c¬ b¶n vÒ

m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen, ®Ò xuÊt cÊu tróc m¹ng ®Ó

gi¶i quyÕt bµi to¸n, x©y dùng cÊu tróc phÇn mÒm vµ ph©n tÝch ®¸nh gi¸ kÕt

qu¶ ®¹t ®−îc.

Ch−¬ng IV – øng dông m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai

sè trong bµi to¸n dù b¸o phô t¶i theo nhiÖt ®é m«i tr−êng: Tr×nh bµy c¸c

kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè, ®−a ra c¸c

b−íc x©y dùng bµi to¸n, ®Ò xuÊt cÊu tróc m¹ng, x©y dùng cÊu tróc phÇn mÒm,

®¸nh gi¸ kÕt qu¶ vµ so s¸nh víi mét sè ph−¬ng ph¸p ®· cã.

Ch−¬ng V - HÖ thèng phÇn mÒm dù b¸o phô t¶i ng¾n h¹n cho HÖ

thèng ®iÖn miÒn B¾c: Giíi thiÖu vÒ c¬ së d÷ liªô, ®Æc t¶ c¸c chøc n¨ng cña

hÖ thèng vµ h−íng dÉn sö dông phÇn mÒm.

Ch−¬ng VI - So s¸nh víi mét sè kÕt qu¶ ®· cã vµ ®¸nh gi¸ kÕt qu¶:

So s¸nh ph−¬ng ph¸p dù b¸o phô t¶i ng¾n h¹n cña HÖ thèng ®iÖn miÒn B¾c sö

dông m¹ng n¬ron nh©n t¹o víi mét sè ph−¬ng ph¸p dù b¸o truyÒn thèng.

§¸nh gi¸ kÕt qu¶ ®¹t ®−îc vµ kh¶ n¨ng øng dông cña phÇn mÒm.

Phô lôc I – PhÇn mÒm m« pháng m¹ng Kohonen trong bµi to¸n ph©n

lo¹i kiÓu ngµy.

Phô lôc II – PhÇn mÒm m« pháng m¹ng n¬ron lan truyÒn ng−îc sai sè

øng dông trong bµi to¸n dù b¸o ®Ønh vµ ®¸y ®å thÞ phô t¶i.

Em xin ch©n thµnh c¶m ¬n PGS.TS NguyÔn §øc NghÜa ®· h−íng dÉn vµ cho em nh÷ng ý kiÕn quý b¸u, em xin ch©n thµnh c¶m ¬n c¸c thÇy c« gi¸o khoa C«ng nghÖ Th«ng tin – Tr−êng §¹i häc B¸ch khoa Hµ Néi ®· trang bÞ kiÕn thøc gióp em hoµn thµnh luËn v¨n nµy.

CH¦¥NG I

PHô T¶I HÖ THèNG §IÖN MIÒN B¾C vµ bµi to¸n dù b¸o

Ch−¬ng nµy ®Ò cËp ®Õn c¸c vÊn ®Ò sau:

• Giíi thiÖu chung vÒ HT§ miÒn B¾c

• TÇm quan träng cña dù b¸o phô t¶i

• Nh÷ng yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n h¹n

• Môc tiªu vµ ph¹m vi nghiªn cøu dù b¸o phô t¶i

• §Æc ®iÓm ®å thÞ phô t¶i HT§ miÒn B¾c

• Dù b¸o phô t¶i ng¾n h¹n cho 24h tiÕp theo

1.1. Phô t¶i HÖ thèng ®iÖn miÒn B¾c

1.1.1. Giíi thiÖu chung vÒ HT§ miÒn B¾c

Ranh giíi cña HÖ thèng ®iÖn miÒn B¾c ®−îc tÝnh tõ Hµ tÜnh trë ra, lµ

mét vïng cã vÞ trÝ ®Þa lý t−¬ng ®èi phøc t¹p, tr¶i dµi vµ n»m s¸t bê biÓn, cã

nhiÒu ®åi nói, cã nhiÒu vïng khÝ hËu kh¸c nhau, kinh tÕ c¸c khu vùc trªn toµn

miÒn B¾c ph¸t triÓn kh«ng ®ång ®Òu dÉn ®Õn c«ng suÊt phô t¶i ë c¸c khu vùc

cã sù chªnh lÖch lín. Phô t¶i chñ yÕu tËp trung ë vïng ®ång b»ng, c¸c thµnh

phè lín cã c«ng nghiÖp ph¸t triÓn. T¹i nh÷ng vïng nµy phô t¶i cao ®iÓm vµ

thÊp ®iÓm chªnh lÖch nhau kh«ng lín l¾m Pmin/Pmax kho¶ng 0.7 do phô t¶i c«ng nghiÖp t¹i c¸c khu vùc nµy ph¸t triÓn. §èi víi nh÷ng vïng miÒn nói hoÆc

s¶n xuÊt n«ng nghiÖp, c«ng nghiÖp kh«ng ph¸t triÓn th× Pmin/Pmax kho¶ng 0.3 do phô t¶i vµo cao ®iÓm chñ yÕu lµ phô t¶i sinh ho¹t, ®iÒu nay g©y khã kh¨n

rÊt lín trong vËn hµnh kinh tÕ hÖ thèng ®iÖn. Vµo thÊp ®iÓm cña hÖ thèng ta

kh«ng khai th¸c cao ®−îc c¸c nguån ®iÖn rÎ tiÒn cßn vµo cao ®iÓm cña hÖ

thèng ta ph¶i ch¹y c¸c nguån ®iÖn ®¾t tiÒn ®Ó phñ ®Ønh, cã khi cßn ph¶i h¹n

chÕ phô t¶i vµo cao ®iÓm do nguån ®iÖn kh«ng ®¸p øng ®−îc nhu cÇu cña phô

t¶i. C¸c thµnh phÇn cÊu thµnh phô t¶i ®−îc thÓ hiÖn ë biÒu ®å sau:

N«ng nghiÖp vµ thuû s¶n 1.40%

C¸c ho¹t ®éng kh¸c 4.32%

Qu¶n lý & Tiªu dïng d©n c− 44.59%

Th−¬ng nghiÖp & KSNH 4.49%

C«ng nghiÖp vµ x©y dùng 45.20%

H×nh 1.1. BiÓu ®å c¸c thµnh phÇn cÊu thµnh nªn phô t¶i

Trªn biÓu ®å ta thÊy phô t¶i Qu¶n lý & Tiªu dïng d©n c−, C«ng nghiÖp

& x©y dùng chiÕm tû träng lín, ®Õn 90% tæng c«ng suÊt phô t¶i.

Theo thèng kª, møc ®é t¨ng tr−ëng phô t¶i hÖ thèng ®iÖn tõ n¨m 2001

– 2005 lµ rÊt cao. B¶ng 1.1 vµ b¶ng 1.2 d−íi ®©y thÓ hiÖn tèc ®é t¨ng tr−ëng

phô t¶i vÒ s¶n l−îng cña c¸c n¨m trªn.

2001

2002

2003

2004

2005

HT§ miÒn B¾c 10.765.767,2 12.251.947,5 14.215.228,6 16.008.894,1 18.057.297,9

Cty I

7.042.600,7 8.125.911,1 9.573.472,8 10.857.462,9 12.292.387,7

Hµ Néi

2.777.100,4

3.079.711

3.486.549 3.879.340,1 4,329.367,2

H¶i Phßng

946.066,1 1.046.325,4 1.155.206,9 1.272.091,1 1.415.610,8

B¶ng 1.1: S¶n l−îng ®iÖn tiªu thô cña HT§ miÒn B¾c tõ n¨m 2001-2005

2002

2003

2004

2005

HT§ B¾c

13,84%

16,02%

12,62%

12,8%

Cty I

15,38%

17,81%

13,41%

13,22%

Hµ Néi

10,89%

13,21%

11,27%

11,6%

H¶i Phßng

10,6%

10,41%

10,12%

11,28%

B¶ng 1.2: Tèc ®é t¨ng tr−ëng phô t¶i

Do ®iÖn n¨ng cña Qu¶n lý & Tiªu dïng d©n c− lµ rÊt lín nªn chªnh lÖch

c«ng suÊt gi÷a giê cao ®iÓm vµ thÊp ®iÓm rÊt lín (kho¶ng 2-3 lÇn) vµ phô

thuéc rÊt nhiÒu vµo thêi tiÕt, g©y ¶nh h−ëng lín ®Õn viÖc khai th¸c tèi −u c¸c

nguån ®iÖn. Phô t¶i cao ®iÓm lµ nh©n tè quyÕt ®Þnh viÖc huy ®éng nguån ®iÖn

trong khi ®ã phô t¶i thÊp ®iÓm l¹i gi÷ vai trß quan träng trong viÖc quyÕt ®Þnh

phèi hîp vµ ®iÒu chØnh c¸c nguån ®iÖn nh»m ®¶m b¶o vËn hµnh kinh tÕ. Do ®ã

viÖc dù b¸o chÝnh x¸c phô t¶i cã ý nghÜa hÕt søc quan träng trong bµi to¸n vËn

hµnh kinh tÕ hÖ thèng ®iÖn còng nh− c¶i t¹o, thiÕt kÕ hÖ thèng cung cÊp ®iÖn,

gi¶m thiÓu ®−îc tæn thÊt c«ng suÊt vµ ®iÖn n¨ng. §Æc biÖt viÖc dù b¸o phô t¶i

cao ®iÓm chÝnh x¸c mang l¹i lîi Ých vµ hiÖu suÊt sö dông n¨ng l−îng cho

kh¸ch hµng, tr¸nh tr×nh tr¹ng thiÕu c«ng suÊt giê cao ®iÓm.

Do ®ã phô t¶i cao ®iÓm vµ thÊp ®iÓm chÝnh lµ hai gi¸ trÞ ®Æc biÖt trªn ®å

thÞ phô t¶i ngµy vµ lµ mèi quan t©m hµng ®Çu cña ng−êi lËp quy ho¹ch vµ thiÕt

kÕ hÖ thèng ®iÖn. Khi phô t¶i thÊp th× tØ lÖ tæn thÊt t¨ng do tæn hao kh«ng t¶i.

1.1.2 TÇm quan träng cña dù b¸o phô t¶i

Nh− chóng ta biÕt th¸ng 5/2005 s¶n l−îng ®iÖn tiªu thô ®ét biÕn trong

khi ®ã nguån tµi nguyªn n−íc t¹i thêi ®iÓm ®ã bÞ thiÕu hôt dÉn ®Õn ¶nh h−ëng

lín ®Õn nÒn kinh tÕ ViÖt Nam. V× vËy dù b¸o phô t¶i ®iÖn ®ãng vai trß hÕt søc

quan träng ®èi víi viÖc quy ho¹ch, ®Çu t−, ph¸t triÓn nguån ®iÖn vµ vËn hµnh

hÖ thèng ®iÖn. Nhu cÇu tiªu thô ®iÖn n¨ng phô thuéc vµo kh¶ n¨ng ph¸t triÓn

cña nÒn kinh tÕ quèc d©n. nÕu dù b¸o phô t¶i qu¸ thÊp so víi nhu cÇu thùc tÕ

th× dÉn ®Õn kÕt qu¶ nguån dù phßng thÊp, kh«ng ®¸p øng ®Çy ®ñ nhu cÇu ®iÖn

cho s¶n xuÊt c«ng nghiÖp vµ tiªu dïng, cßn nÕu dù b¸o phô t¶i qu¸ cao sÏ ph¶i

huy ®éng c¸c nguån ®¾t tiÒn g©y l·ng phÝ cho nÒn kinh tÕ n−íc nhµ.

Dù b¸o phô t¶i dµi h¹n (kho¶ng 10-20 n¨m) nh»m môc ®Ých cung cÊp

d÷ liÖu cho c«ng t¸c quy ho¹ch vµ ®Çu t− ph¸t triÓn HT§. Cßn dù b¸o phô t¶i

ng¾n h¹n (trong vßng 30 ngµy) cã nhiÖm vô ®¶m b¶o vËn hµnh hÖ thèng ®iÖn

an toµn vµ kinh tÕ. §èi víi dù b¸o dµi h¹n cã tÝnh chÊt chiÕn l−îc th× chØ nªu

lªn nh÷ng ph−¬ng h−íng ph¸t triÓn chñ yÕu mµ kh«ng yªu cÇu x¸c ®Þnh chØ

tiªu cô thÓ.

C¸c chøc n¨ng quan träng trong kÕ ho¹ch vËn hµnh HT§ nh− ph©n phèi

nguån mét c¸ch kinh tÕ, hiÖu qu¶, lªn kÕ ho¹ch b¶o d−ìng vµ söa ch÷a,

th−êng ®−îc thùc hiÖn nhê viÖc dù b¸o phô t¶i, v× vËy dù b¸o phô t¶i ®ãng vai

trß ®Æc biÖt quan träng ®èi víi ®iÒu ®é viªn, nh÷ng ng−êi ho¹ch ®Þnh kÕ

ho¹ch, lªn ph−¬ng thøc vËn hµnh HT§.

Trong c«ng t¸c vËn hµnh, viÖc lËp ph−¬ng thøc ngµy, ph−¬ng thøc tuÇn

cña Trung t©m §iÒu ®é, hay dù b¸o phô t¶i b¸o tr−íc mét giê, mét ngµy, mét

tuÇn lµ nh÷ng c«ng viÖc tèi cÇn thiÕt. Nh÷ng ph−¬ng thøc vËn hµnh c¬ b¶n

trong ngµy nh− huy ®éng nguån, phèi hîp nguån, truyÒn t¶i c«ng suÊt gi÷a

c¸c miÒn, gi¶i quyÕt c¸c c«ng t¸c söa ch÷a trªn l−íi ®iÖn vµ ®¸nh gi¸ møc ®é

an toµn HT§ ®Òu ®ßi hái ph¶i cã dù b¸o phô t¶i t−¬ng ®èi chÝnh x¸c.

Trong thùc tÕ vËn hµnh HT§ ViÖt Nam nãi chung vµ HT§ miÒn B¾c

nãi riªng, phô t¶i cao ®iÓm (phô t¶i cao nhÊt trong ngµy Pmax) vµ thÊp ®iÓm (phô t¶i thÊp nhÊt trong ngµy Pmin) lµ hai ®iÓm ®Æc biÖt trong ®å thÞ phô t¶i ngµy vµ ®−îc quan t©m nhiÒu nhÊt trong vËn hµnh. Phô t¶i cao ®iÓm quyÕt

®Þnh viÖc huy ®éng c¸c nguån nhiÖt ®iÖn, tua-bin khÝ, diesel dù phßng nh»m

®¶m b¶o ®ñ nguån phñ ®Ønh vµ dù phßng nãng, t¨ng ®é an toµn cung cÊp ®iÖn.

Phô t¶i thÊp ®iÓm quyÕt ®Þnh viÖc phèi hîp vµ ®iÒu chØnh c¸c nguån tua-bin

khÝ, nhiÖt ®iÖn, thñy ®iÖn nh»m ®¶m b¶o vËn hµnh kinh tÕ, tr¸nh nhµ m¸y thuû

®iÖn Hoµ B×nh vËn hµnh trong vïng c«ng suÊt kh«ng cho phÐp vÒ kü thuËt,

trong ®ã dù b¸o phô t¶i lóc cao ®iÓm Pmax lµ quan träng nhÊt trong ngµy. Dù b¸o chÝnh x¸c phô t¶i cao ®iÓm cã hiÖu qu¶ lín vÒ kinh tÕ vµo mïa lò khi cÇn

khai th¸c tèi ®a nguån thñy ®iÖn, trong khi n−íc c¸c hå chøa ®ang x¶ th× c¸c

nguån ®iÖn kh¸c huy ®éng chØ nh»m môc ®Ých an toµn, bï ®iÖn ¸p vµ phñ

®Ønh. NÕu sai sè dù b¸o phô t¶i lóc cao ®iÓm gi¶m 2%, §iÒu ®é Quèc Gia

(§§QG) cã thÓ tiÕt kiÖm ®−îc kho¶ng 80 MW nguån tuabin khÝ ch¹y dÇu ®¾t

tiÒn ch¹y phñ ®Ønh lóc cao ®iÓm, gãp phÇn ®¸ng kÓ vµo viÖc t¨ng hiÖu qu¶ vËn

hµnh HT§ vµ tiÕt kiÖm ®−îc hµng tr¨m triÖu ®ång trªn mçi giê cho ngµnh

®iÖn nãi riªng vµ cho c¶ nÒn kinh tÕ Quèc d©n nãi chung.

H¹n chÕ phô t¶i lóc cao ®iÓm còng th−êng x¶y ra trong mïa lò khi thiÕu

nguån phñ ®Ønh. TÝnh chÝnh x¸c ®−îc l−îng c«ng suÊt thiÕu ®Ó chñ ®éng c¾t

phô t¶i nh÷ng khu vùc kh«ng quan träng, tr¸nh c¾t thõa hoÆc c¾t thiÕu, tr¸nh

sa th¶i phô t¶i do b¶o vÖ tÇn sè thÊp t¸c ®éng còng cã ý nghÜa lín trong vËn

hµnh, gi¶m thiÖt h¹i do c¾t ®iÖn.

1.1.3. Nh÷ng yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n h¹n

§Ó t×m ra ®−îc ph−¬ng ph¸p dù b¸o tèi −u ®èi víi bµi to¸n dù b¸o phô

t¶i ngµy cña HT§ miÒn B¾c víi sai sè nhá, ta cÇn x¸c ®Þnh ®−îc c¸c yÕu tè

¶nh h−ëng ®Õn phô t¶i ngµy, vÝ dô: thø cña c¸c ngµy trong tuÇn, ngµy lÔ, c¸c

®Æc ®iÓm cña ngµy cÇn dù b¸o, nh− nhiÖt ®é trong ngµy… ChÝnh v× vËy ®Ó

n©ng cao ®é chÝnh x¸c cña qu¸ tr×nh dù b¸o phô t¶i ta cÇn ph¶i xÐt ®Õn c¸c yÕu

tè chñ yÕu ¶nh h−ëng ®Õn phô t¶i.

Qua thùc tÕ vËn hµnh cho thÊy phô t¶i cña l−íi ®iÖn ViÖt Nam nãi

chung vµ miÒn B¾c nãi riªng phô thuéc chñ yÕu vµo c¸c yÕu tè chÝnh sau:

1. Thø cña ngµy trong tuÇn

Cã quy luËt gi÷a phô t¶i vµ ngµy trong tuÇn

- Phô t¶i thÊp nhÊt trong ®ªm thø 2

- §å thÞ phô t¶i c¸c ngµy lµm viÖc th−êng cã d¹ng gièng nhau

- Phô t¶i ngµy nghØ cuèi tuÇn gi¶m.

§å thÞ phô t¶i

3500

3000

2500

2000

1500

1000

t Ê u s g n « C

500

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giê Thứ 2

Thứ 5

H×nh 1.2. §å thÞ phô t¶i c¸c ngµy ®Æc tr−ng trong tuÇn

2. C¸c ngµy ®Æc biÖt trong n¨m

Ngµy ®Æc biÖt trong n¨m nh− c¸c ngµy lÔ tÕt, 30/4, 1/5, 2/9... phô t¶i c¸c

ngµy nµy gi¶m ®¸ng kÓ so víi ngµy th−êng. Phô t¶i c¸c ngµy s¸t víi c¸c ngµy

nµy còng bÞ ¶nh h−ëng, ta cã thÓ thÊy râ ®iÒu ®ã trªn ®å thÞ phô t¶i HT§ miÒn

B¾c ngµy lÔ 1/5/2006 vµ ngµy lµm viÖc b×nh th−êng 3/5/2006. Dù b¸o phô t¶i

trong c¸c ngµy ®Æc biÖt kh«ng ®−îc ¸p dông nh− ngµy th«ng th−êng mµ ph¶i

t¸ch biÖt b»ng ph−¬ng ph¸p riªng dùa vµo sù thay ®æi phô t¶i cña c¸c ngµy

nµy so víi c¸c ngµy d¹ng nµy cña c¸c n¨m tr−íc ®ã.

§å thÞ phô t¶i

3000

2500

2000

1500

3500

t Ê u s g n « C 1000

500

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giê Ngày 1/5

Ngày 3/5

H×nh 1.3. §å thÞ phô t¶i HT§ miÒn B¾c hai ngµy 1/5, 3/5

3. Thêi tiÕt trong ngµy.

Bao gåm c¸c th«ng sè tù nhiªn: nhiÖt ®é, ®é Èm, tèc ®é giã, c−êng ®é

s¸ng, trong ®ã nhiÖt ®é cã ¶nh h−ëng lín nhÊt, nhiÖt ®é t¨ng th× phô t¶i t¨ng

vµ ng−îc l¹i v× n−íc ta lµ n−íc nhiÖt ®íi. ChØ cã tr−êng hîp ®Æc biÖt ë miÒn

B¾c khi nhiÖt ®é qu¸ l¹nh, phô t¶i t¨ng do sö dông c¸c thiÕt bÞ s−ëi Êm.

§å thÞ phô t¶i

3500

3000

2500

2000

1500

t Ê u s g n « C

1000

500

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

18 –26 độ

4 5 7 26-33 độ

H×nh 1.4. §å thÞ phô t¶i ngµy hai ngµy cã nhiÖt ®é kh¸c

4. TruyÒn h×nh trùc tiÕp c¸c sù kiÖn thÓ thao v¨n ho¸

C«ng suÊt tiªu thô vµo c¸c giê tuyÒn h×nh trùc tiÕp bãng ®¸ quèc tÕ, gi¶i

bãng ®¸ cã ®éi tuyÓn ViÖt Nam tham gia t¨ng ®ét ngét tõ 150 - 200 MW. C¸c

®iÒu ®é viªn th−êng dù b¸o phô t¶i nh÷ng ngµy nµy theo kinh nghiÖm nh÷ng

ngµy t−¬ng tù tr−íc ®ã. VÝ dô: khi dù b¸o ®å thÞ phô t¶i ngµy cã truyÒn h×nh

trùc tiÕp Worldcup 2006, ta dùa vµo ®å thÞ phô t¶i trong ngµy còng cã truyÒn

h×nh trùc tiÕp Worldcup 2006 tr−íc ®ã ®Ó dù b¸o.

§å thÞ phô t¶i

3500

3000

2500

2000

1500

1000

t Ê u s g n « C

500

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

Đêm có WC

Đêm không có WC

H×nh 1.5. §å thÞ phô t¶i HT§ miÒn B¾c cã truyÒn h×nh trùc tiÕp Worldcup 2006 vµ ngµy b×nh th−êng.

5. KÕ ho¹ch söa ch÷a lín trong ngµy cã c¾t ®iÖn.

Trong qu¸ tr×nh thùc hiÖn kÕ ho¹ch söa ch÷a lín, nh− c¾t ®iÖn ®−êng

d©y ®ang vËn hµnh ®Ó kÐo ®−êng d©y míi, söa ch÷a tr¹m 220Kv, 500Kv ph¶i

c¾t t¶i diÖn réng dÉn ®Õn ®iÖn n¨ng tiªu thô vµo c¸c ngµy nµy gi¶m mét c¸ch

®¸ng kÓ. Dù b¸o phô t¶i nh÷ng ngµy nµy ph¶i tÝnh to¸n khÊu trõ phô t¶i gi¶m

do ngõng cung cÊp ®iÖn. D¹ng cña ®å thÞ phô t¶i trong ngµy cã c¾t ®iÖn diÖn

réng còng mang ®Æc thï riªng, thay ®æi tuú thuéc vµo thêi gian, vïng , miÒn

c¾t ®iÖn.

Qua qu¸ tr×nh vËn hµnh thùc tÕ vµ d÷ liÖu thèng kª, c¸c ®iÒu ®é viªn,

c¸c chuyªn viªn chuyªn ph©n tÝch vÒ phô t¶i hÖ thèng ®iÖn ®i ®Õn kÕt luËn:

NhiÖt ®é m«i tr−êng, ®Æc thï cña c¸c ngµy trong tuÇn, ngµy lÔ, ngµy tÕt lµ c¸c

yÕu tè ¶nh h−ëng lín nhÊt ®Õn gi¸ trÞ phô t¶i ngµy.

1.1.4. Môc tiªu vµ ph¹m vi nghiªn cøu dù b¸o phô t¶i

• Môc tiªu cña luËn v¨n

Nghiªn cøu ¸p dông kü thuËt m¹ng n¬ron ®Ó dù b¸o phô t¶i cao ®iÓm

(Pmax), thÊp ®iÓm ®ªm (Pmin) vµ phô t¶i ngµy (24 giê) cña HT§ miÒn B¾c theo d÷ liÖu phô t¶i qu¸ khø, nhiÖt ®é m«i tr−êng vµ mét sè c¸c yÕu tè ¶nh h−ëng

kh¸c.

• Ph¹m vi nghiªn cøu.

Dù b¸o lu«n gi÷ vai trß quan träng trong nhiÒu lÜnh vùc, quyÕt ®Þnh kÕ

ho¹ch s¶n xuÊt, h−íng ®Çu t− ph¸t triÓn trong t−¬ng lai do ®ã cã rÊt nhiÒu c¸c

m« h×nh to¸n häc ¸p dông cho dù b¸o. Còng nh− c¸c dù b¸o kh¸c, dù b¸o phô

t¶i ngµy còng ph¶i dùa vµo d÷ liÖu thèng kª, ph©n tÝch vµ ¸p dông thuËt to¸n

®Ó x¸c ®Þnh mèi quan hÖ gi÷a phô t¶i vµ c¸c yÕu tè ¶nh h−ëng, tõ ®ã dù b¸o

phô t¶i dùa trªn c¸c yÕu tè ¶nh h−ëng ®ã.

Tr−íc ®©y, c¸c m« h×nh to¸n häc truyÒn thèng hay ®−îc ¸p dông cho dù

b¸o nh−: håi qui tuyÕn tÝnh (linear regression), san b»ng hµm mò (exponential

smoothing), san trung b×nh (moving averages), hÖ sè ngÉu nhiªn (stochatic) ....

GÇn ®©y, víi sù ph¸t triÓn cña viÖc nghiªn cøu mét sè thuËt to¸n dùa trªn trÝ

tuÖ cña con ng−êi (artificial intelligence), m¹ng n¬ron nh©n t¹o (artificial

neural networks) ®· ®−îc ¸p dông trong dù b¸o vµ ®−îc ®¸nh gi¸ cao. §©y lµ

m« h×nh phi tuyÕn víi nhiÒu −u ®iÓm vµ ®ang ®−îc ¸p dông réng r·i. M¹ng

n¬ron nh©n t¹o ®−îc x©y dùng trªn c¬ së m« pháng ho¹t ®éng cña hÖ thèng

n¬ron thÇn kinh sinh häc do ®ã m¹ng n¬ron nh©n t¹o cã mét sè ®Æc ®iÓm nh−

bé n·o con ng−êi, ®ã lµ kh¶ n¨ng häc ®−îc nh÷ng g× ®· ®−îc d¹y. Qu¸ tr×nh

häc nµy ®−îc gäi lµ qu¸ tr×nh huÊn luyÖn. Trong qu¸ tr×nh nµy c¸c mÉu thÓ

hiÖn quan hÖ gi÷a c¸c biÕn ngÉu nhiªn ®−îc ®−a vµo trong m¹ng n¬ron, m¹ng

n¬ron sÏ nhËn biÕt ®−îc quan hÖ gi÷a c¸c biÕn ngÉu nhiªn ®ã sau khi kÕt thóc

qu¸ tr×nh huÊn luyÖn. ChÝnh do ®Æc ®iÓm nµy mµ m¹ng n¬ron ®−îc øng dông

rÊt nhiÒu trong lÜnh vùc dù b¸o. §Æc biÖt ®èi víi bµi to¸n dù b¸o phô t¶i ng¾n

h¹n th× ®©y lµ m« h×nh ®−îc ®¸nh gi¸ cao h¬n h¼n c¸c m« h×nh tr−íc ®ã vµ

hiÖn nay m« h×nh nµy ®ang ®−îc ¸p dông phæ biÕn ë mét sè n−íc ph¸t triÓn

trong dù b¸o phô t¶i .

Nghiªn cøu ph−¬ng ph¸p dù b¸o phô t¶i ngµy lµ nghiªn cøu vµ ¸p dông

c¸c ph−¬ng ph¸p to¸n häc ®Ó t×m quan hÖ gi÷a phô t¶i ngµy vµ c¸c yÕu tè chñ

yÕu ¶nh h−ëng ®Õn phô t¶i ngµy. ThuËt to¸n ¸p dông cho dù b¸o phô t¶i theo

nhiÖt ®é ph¶i dùa trªn dù b¸o thêi tiÕt ngµy h«m sau gåm c¸c th«ng tin nh−:

nhiÖt ®é cao nhÊt vµ thÊp nhÊt trong ngµy, n¾ng hay m−a, gi«ng b·o ...

1.2. Bµi to¸n dù b¸o phô t¶i

1.2.1. §Æc ®iÓm ®å thÞ phô t¶i HT§ miÒn B¾c

Phô t¶i cña HT§ miÒn B¾c cã c¸c thµnh phÇn ®iÖn Qu¶n lý & Tiªu dïng

d©n c− vµ C«ng nghiÖp & x©y dùng chiÕm tû träng lín. B¶ng 1.3 thèng kª s¶n

l−îng tiªu thô cña tõng ngµnh trong ba n¨m 2003 ®Õn 2005. Cã thÓ nhËn thÊy

r»ng, tØ träng ®iÖn tiªu thô trong qu¶n lý & tiªu dïng d©n c− rÊt lín lµm chÕ

®é tiªu thô ®iÖn n¨ng xÊu ®i, hÖ sè phô t¶i gi¶m, g©y nhiÒu khã kh¨n cho viÖc

®¶m b¶o an toµn cung cÊp ®iÖn.

Tiªu dïng

C«ng nghiÖp

N«ng l©m

Th−¬ng

N¨m

Kh¸c

d©n c−

& x©y dùng

nghiÖp

2003

45,32%

44,2%

1,41%

4,52%

4,55%

2005

44,59%

45,2%

1,4%

4,49%

4,32%

2006

44,31%

45,91

1,42

4,38

3,98

B¶ng 1.3 TØ träng s¶n l−îng ®iÖn tiªu thô cña c¸c thµnh phÇn kinh tÕ

§å thÞ phô t¶i ngµy cña HT§ miÒn B¾c ®−îc x©y dùng theo gi¸ trÞ phô t¶i

24h trong ngµy. Trªn h×nh 1.6 lµ ®å thÞ hai ngµy lµm viÖc b×nh th−êng vµo

mïa ®«ng vµ mïa hÌ. §å thÞ phô t¶i biÕn ®æi theo tõng giê, phô t¶i cao nhÊt

trong ngµy (Pmax) lín h¬n rÊt nhiÒu so víi phô t¶i thÊp nhÊt trong ngµy (Pmin). Cao ®iÓm tr−a th−êng x¶y ra 10h-11h, cao ®iÓm chiÒu th−êng x¶y ra 18h-19h.

ThÊp ®iÓm th−êng x¶y ra vµo ban ®ªm trong kho¶ng 3h-4h vµo mïa hÌ, 2h-3h

vµo mïa ®«ng. §å thÞ cña nh÷ng ngµy mïa hÌ th−êng ®ång ®Òu h¬n mïa

®«ng, chøng tá s¶n l−îng ®iÖn sinh ho¹t tiªu thô rÊt lín so víi c¸c ngµnh kh¸c.

§ å th Þ p h ô t¶i

3 5 0 0

3 0 0 0

2 5 0 0

2 0 0 0

1 5 0 0

t Ê u s g n « C

1 0 0 0

5 0 0

1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4

G iê

11/07/2006

14/12/2005

H×nh 1.6. §TPT hai ngµy lµm viÖc vµo mïa ®«ng vµ mïa hÌ

Trong qu¸ tr×nh vËn hµnh cña ®iÒu ®é, phô t¶i cao ®iÓm (Pmax) vµ phô t¶i thÊp ®iÓm (Pmin) lµ hai ®iÓm quan träng nhÊt trong ngµy. Phô t¶i cao ®iÓm vµ thÊp ®iÓm quyÕt ®Þnh huy ®éng nguån vµ ®iÒu chØnh phèi hîp nguån thuû

®iÖn, nhiÖt ®iÖn, diesel…

• Vµo thêi ®iÓm cao ®iÓm

§iÒu ®é Quèc Gia ph¶i huy ®éng c¸c nguån ®iÖn ®¾t tiÒn nh− c¸c nhµ

m¸y diesel, tua bin khÝ cho viÖc khëi ®éng vµ n©ng c«ng suÊt, trong tr−êng

hîp sù cè thiÕu nguån, ®iÒu ®é viªn cÇn ph¶i dù b¸o c«ng suÊt thiÕu ®Ó chuÈn

bÞ tr−íc ph−¬ng ¸n c¾t t¶i sau ®ã phèi hîp víi c¸c ®iÒu ®é miÒn ph©n bæ c¸c

c«ng suÊt cÇn ph¶i c¾t cho c¸c §iÒu ®é l−íi ®iÖn ph©n phèi. C¾t t¶i cã chuÈn

bÞ tr−íc sÏ Ýt g©y thiÖt h¹i vÒ kinh tÕ h¬n c¾t t¶i do r¬ le tÇn sè thÊp t¸c ®éng.

§Æc biÖt rÊt ®¶m b¶o an toµn ®èi víi c¸c nhµ m¸y s¶n xuÊt c«ng nghiÖp nÆng.

• Vµo giê thÊp ®iÓm. (phô t¶i th−êng thÊp h¬n giê cao ®iÓm 2-3 lÇn)

CÇn ®iÒu chØnh c¾t gi¶m c¸c nguån ®iÖn ®¾t tiÒn nh− nguån tua bin khÝ

ch¹y dÇu, nhiÖt ®iÖn sao cho tho¶ m·n chØ tiªu kinh tÕ.

NÕu dù b¸o cµng chÝnh x¸c Pmin, Pmax, th× cã thÓ huy ®éng vµ ®iÒu chØnh

nguån hîp lý, dÉn ®Õn vËn hµnh hÖ thèng an toµn, hiÖu qu¶ vµ kinh tÕ h¬n.

1.2.2. Dù b¸o phô t¶i ng¾n h¹n cho 24h tiÕp theo

Dù b¸o phô t¶i l−íi ®iÖn cho 24h tiÕp theo nh»m ®−a ra c¸c gi¸ trÞ phô

t¶i dù b¸o theo tõng giê cña ngµy tiÕp theo s¸t víi thùc tÕ vËn hµnh, trong ®ã

gi¶m sai sè lµ vÊn ®Ò mang tÝnh chiÕn l−îc trong qu¸ tr×nh dù b¸o.

Trong qu¸ tr×nh ph©n tÝch, so s¸nh ®å thÞ phô t¶i cña miÒn B¾c vµ c¸c

miÒn kh¸c trong mét thêi gian dµi cho thÊy kiÓu ®å thÞ phô t¶i ngµy chñ yÕu bÞ

¶nh h−ëng bëi thãi quen tæ chøc sinh ho¹t, c¸ch ph©n c«ng s¾p xÕp c«ng viÖc

cña kh¸ch hµng, tõ ®ã ta thÊy §TPT cã mèi liªn quan chÆt chÏ víi m«i tr−êng

ho¹t ®éng, ngµy lµm viÖc, ngµy nghØ, lÔ, tÕt,… cña c¶ céng ®ång d©n c−. Cßn

®¸y vµ ®Ønh phô t¶i lµ hµm cña biÕn thêi tiÕt nh− nhiÖt ®é, l−îng m−a, ®é

Èm…

Bµi to¸n dù b¸o phô t¶i HT§ cã thÓ chia thµnh hai bµi to¸n nhá:

• Bµi to¸n dù b¸o ®Ønh vµ ®¸y §TPT ngµy cÇn dù b¸o

• Bµi to¸n x¸c ®Þnh d¹ng §TPT ngµy cÇn dù b¸o

1.2.2.1. C¸c d¹ng cña ®å thÞ phô t¶i

XÐt ®å thÞ phô t¶i HT§ trªn h×nh 1.7, ®©y lµ ®å thÞ phô t¶i cña C«ng ty

®iÖn lùc I c¸c ngµy 14/5/2006 (chñ nhËt) vµ ngµy 15/5/2006 (Thø hai) ®−îc

x©y dùng theo gi¸ trÞ phô t¶i 24h trong ngµy. §TPT hai ngµy ®iÔn h×nh nµy cã

d¹ng t−¬ng tù nh− §TPT ngµy cña HT§ miÒn B¾c, ta thÊy c¸c gi¸ trÞ phô t¶i

ph©n bè trªn §TPT kh«ng ®ång ®Òu. §Æc biÖt ®é chªnh lÖch gi÷a hai gi¸ trÞ

Pmax vµ Pmin lµ rÊt lín.

§ å th Þ p h ô t¶ i

3 5 0 0

3 0 0 0

2 5 0 0

2 0 0 0

1 5 0 0

t Ê u s g n « C

1 0 0 0

5 0 0

9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4

G iê

T2 15/05/2006

CN 14/05/2006

- Gäi gi¸ trÞ phô t¶i ®Ønh lµ Pmax

- Gäi gi¸ trÞ phô t¶i ®¸y lµ Pmin

H×nh 1.7. §TPT hai ngµy ®iÓn h×nh (CN,T2) cña Cty ®iÖn lùc I

- Gäi gi¸ trÞ phô t¶i giê thø i lµ P(i) víi i=1÷24 øng víi 24h trong ngµy

Ta cÇn ®−a §TPT trªn vÒ d¹ng §TPT ngµy chuÈn, muèn vËy ta ph¶i

quy chuÈn ho¸ phô t¶i cña tõng giê theo c«ng thøc sau:

P min iP )( − P P max min −

(1.1) Pn(i)=

Pn(i): lµ phô t¶i quy chuÈn ho¸ cña giê thø i.

Dùa vµo c«ng thøc trªn ta tÝnh ®−îc gi¸ trÞ phô t¶i quy chuÈn ho¸ cña

24h trong ngµy, ®å thÞ nµy cßn ®−îc gäi lµ vÐct¬ §TPT.

§Æt vÐct¬ §TPT lµ P, ta cã:

P = [p1 , p2, … , pi , … , p24]T (1.2)

Pn(i) =[Pn(1), Pn(2), … ,Pn(i), … , Pn(24)]T (1.3)

Víi Pn(i) lµ phô t¶i ®−îc quy chuÈn ho¸ cña giê thø i.

H×nh 1.8 lµ §TPT ngµy ®−îc chuÈn ho¸ theo biÕn i vµ Pn(i). §TPT ®· ®−îc quy chuÈn vÉn gi÷ nguyªn d¹ng biÕn thiªn ban ®Çu, c¸c gi¸ trÞ ®−îc quy

chuÈn n»m trong kho¶ng tõ 0 ÷1, víi Pnmax=1, Pnmin= 0.

§ å th Þ p h ô t¶ i

1 .0

0 .9

0 .8

0 .7

0 .6

0 .5

0 .4

t Ê u s g n « C

0 .3

0 .2

0 .1

0 .0

1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4

G iê

T2 15/05/2006

CN 14/05/2006

H×nh 1.8. §TPT hai ngµy (CN,T2) cña Cty ®iÖn lùc I ®· chuÈn ho¸.

1.2.2.2 §Ønh vµ ®¸y cña ®å thÞ phô t¶i.

Hai gi¸ trÞ phô t¶i ®Æc biÖt trong ngµy mµ ®−îc c¸c kü s− vËn hµnh còng

nh− ng−êi lµm ph−¬ng thøc ngµy quan t©m nhiÒu nhÊt ®ã lµ, phô t¶i cao ®iÓm

vµ phô t¶i thÊp ®iÓm. §©y còng chÝnh lµ môc tiªu quan träng hµng ®Çu trong

bµi to¸n dù b¸o phô t¶i ®iÖn. TÝnh kinh tÕ, hiÖu qu¶, ph−¬ng thøc vËn hµnh,

còng nh− h−íng ®Çu t− ph¸t triÓn trong t−¬ng lai cña HT§ phô thuéc rÊt lín

vµo viÖc dù b¸o vµ ®é chÝnh x¸c cña viÖc dù b¸o hai gi¸ trÞ nµy. Cã nhiÒu

ph−¬ng ph¸p cã thÓ ¸p dông ®Ó dù b¸o Pmax vµ Pmin. nh− dù b¸o theo ph−¬ng

ph¸p ngo¹i suy theo thêi gian, ph−¬ng ph¸p håi quy tuyÕn tÝnh… Trong luËn

v¨n nµy chóng ta chØ nghiªn cøu ph−¬ng ph¸p DBPT sö dông m¹ng n¬ron

nh©n t¹o.

Sau khi ®· x¸c ®Þnh ®−îc hai gi¸ trÞ quan träng nhÊt Pmax vµ Pmin trªn

§TPT th× c¸c gi¸ trÞ phô t¶i kh¸c trong ngµy sÏ ®−îc x¸c ®Þnh theo mèi quan

hÖ cña chóng. VËy nÕu biÕt ®−îc d¹ng ®å thÞ phô t¶i quy chuÈn, tøc lµ c¸c gi¸

trÞ Pn(i), x¸c ®Þnh ®−îc Pmax vµ Pmin trong ngµy ta sÏ tÝnh ®−îc phô t¶i cña tõng

giê theo c«ng thøc 1.1.

1.2.2.3 Dù b¸o phô t¶i cho 24h

Khi ta ®· dù b¸o ®−îc Pmax vµ Pmin trong ngµy nÕu ta x¸c ®Þnh ®−îc ®å

thÞ phô t¶i quy chuÈn tøc lµ x¸c ®Þnh ®−îc c¸c gi¸ trÞ Pn(i) víi i=1÷24 ta sÏ x¸c

®Þnh ®−îc phô t¶i cña tõng giê trong ngµy. Tõ c«ng thøc (1.1) ta x¸c ®Þnh

®−îc c«ng thøc 1.4 sau:

(1.4) P(i) = Pmin + (Pmax – Pmin ) Pn(i)

Qua c¸c ph©n tÝch nªu trªn cã thÓ ®i ®Õn kÕt luËn: §Ó dù b¸o ®−îc phô

t¶i tõng giê cho mét ngµy cô thÓ, ta cÇn dù b¸o ®−îc gi¸ trÞ phô t¶i ®Ønh Pmax vµ phô t¶i ®¸y Pmin cña ngµy ®ã vµ t×m ra vÐct¬ §TPT Pn(i) cña ngµy cÇn dù b¸o.

Tãm l¹i còng nh− c¸c dù b¸o kh¸c, dù b¸o phô t¶i ngµy ph¶i dùa vµo sè

liÖu thèng kª, ph©n tÝch vµ ¸p dông c¸c thuËt to¸n ®Ó x¸c ®Þnh mèi quan hÖ

gi÷a phô t¶i vµ c¸c yÕu tè ¶nh h−ëng, tõ ®ã x©y dùng ph−¬ng ph¸p dù b¸o phô

t¶i ngµy dùa trªn c¸c yÕu tè ¶nh h−ëng ®· ®−îc nªu.

PhÇn tiÕp theo, ta sÏ nghiªn cøu ph−¬ng ph¸p gi¶i quyÕt bµi to¸n dù b¸o

phô t¶i th«ng qua viÖc sö dông c¸c lo¹i m¹ng n¬ron nh©n t¹o. ViÖc ph©n tÝch

®Æc ®iÓm riªng, yªu cÇu vµ môc ®Ých tõng bµi to¸n sÏ lµ c¬ së ®Ó chän lo¹i

m¹ng n¬ron nh©n t¹o thÝch hîp vµo viÖc gi¶i quyÕt tõng bµi to¸n.

CH¦¥NG II

Tæng quan VÒ M¹NG N¥RON NH¢N T¹O

M¹ng n¬ron nh©n t¹o lµ mét lÜnh vùc ®−îc ®Ò xuÊt vµ nghiªn cøu vµo

cuèi thËp kû 1800 khi ng−êi ta cè g¾ng m« t¶ ho¹t ®éng cña trÝ tuÖ con ng−êi.

ý t−ëng nµy b¾t ®Çu ®−îc ¸p dông cho c¸c m« h×nh tÝnh to¸n tõ m¹ng

Perceptron vµ ®Õn nay ®· cã nhiÒu øng dông trong thùc tÕ, ®Æc biÖt lµ trong

lÜnh vùc dù b¸o, nhËn d¹ng, ®iÒu khiÓn… VÝ dô, m¹ng n¬ron nh©n t¹o cã thÓ

sö dông ®Ó nhËn d¹ng ký tù th«ng qua kh¶ n¨ng häc tõ kinh nghiÖm hoÆc tõ

tËp mÉu, trong khi c¸c ph−¬ng ph¸p truyÒn thèng ph¶i tiªu tèn nhiÒu thêi gian

cho viÖc lµm m¶nh ký tù, kh¶ n¨ng nhËn d¹ng sÏ kh«ng cao khi chÊt l−îng

quÐt cña scanner tåi hoÆc b¶n th©n ký tù ®−îc lÊy tõ v¨n b¶n mê hoÆc cã

nhiÒu nÐt ®øt. C¸ch tiÕp cËn m¹ng n¬ron nh©n t¹o cã ý nghÜa thùc tiÔn rÊt lín

cho phÐp t¹o ra c¸c thiÕt bÞ cã thÓ kÕt hîp kh¶ n¨ng song song cao cña bé n·o

víi tèc ®é tÝnh to¸n cao cña m¸y tÝnh.

2.1. LÞch sö ph¸t triÓn cña m¹ng n¬ron nh©n t¹o

TrÝ tuÖ nh©n t¹o (Artificial Intelligence) hay t¹o cho m¸y mãc kh¶ n¨ng

suy luËn, ph¸n ®o¸n vµ c¶m nhËn nh− con ng−êi lµ mét trong nh÷ng tham

väng to lín cña loµi ng−êi. Tham väng nµy ®· cã tõ l©u vµ cïng víi sù ra ®êi

cña m¸y tÝnh, con ng−êi tõng b−íc ®−a kiÕn thøc cña m×nh vµo m¸y, biÕn

chóng trë thµnh nh÷ng c«ng cô thùc sù cã trÝ tuÖ. M¹ng n¬ron nh©n t¹o lµ mét

bé phËn cña ngµnh khoa häc trÝ tuÖ nh©n t¹o, lµ lÜnh vùc tin häc nghiªn cøu

øng dông m¸y tÝnh ®iÖn tö th«ng minh ho¹t ®éng theo c¬ chÕ m« pháng t−

duy cña con ng−êi. M¹ng n¬ron nh©n t¹o cã cÊu tróc t−¬ng tù nh− bé n·o tuy

nhiªn sè n¬ron trong m¹ng n¬ron nh©n t¹o lµ h÷u h¹n tuú thuéc vµo nhu cÇu

thùc tÕ cña bµi to¸n, cßn ®èi víi bé n·o con ng−êi sè n¬ron lªn tíi xÊp xØ 15 tØ

n¬ron. M¹ng n¬ron cã kh¶ n¨ng häc vµ t¸i t¹o l¹i nh÷ng g× ®· ®−îc d¹y, chÝnh

v× ®Æc ®iÓm nµy mµ m¹ng n¬ron ®ang ®−îc ph¸t triÓn rÊt m¹nh mÏ vµ ®ang

®−îc øng dông rÊt nhiÒu trong thùc tÕ, ®Æc biÖt lµ trong lÜnh vùc dù b¸o, nhËn

d¹ng, ®iÒu khiÓn… Con ng−êi b¾t ®Çu nghiªn cøu m¹ng n¬ron vµo cuèi thËp

kû 1800 khi ng−êi ta cè g¾ng m« t¶ ho¹t ®éng cña trÝ tuÖ con ng−êi, ý t−ëng

nµy b¾t ®Çu ®−îc ¸p dông cho c¸c m« h×nh tÝnh to¸n tõ m¹ng Perceptron.

§Çu thËp kû 1950 Friedrich Hayek lµ ng−êi ®Çu tiªn kh¼ng ®Þnh ý

t−ëng vÒ trËt tù tù ph¸t trong n·o xuÊt ph¸t tõ c¸c m¹ng ph©n t¸n gåm c¸c ®¬n

vÞ ®¬n gi¶n (n¬ron). Cuèi thËp kû 1940, Donnald Hebb ®−a ra gi¶ thuyÕt ®Çu

tiªn vÒ mét c¬ chÕ thÇn kinh mÒm dÎo (neural plasticity). Hebbian learning

®−îc coi lµ mét quy t¾c '®iÓn h×nh' cña häc kh«ng cã gi¸m s¸t. Nã (vµ c¸c biÕn

thÓ) lµ m« h×nh thêi kú ®Çu cña long term potentiation. (t¹o tiÒm lùc dµi h¹n).

Perceptron lµ mét bé ph©n lo¹i tuyÕn tÝnh dµnh cho viÖc ph©n lo¹i d÷

x¸c ®Þnh b»ng c¸c tham sè vµ mét hµm ®Çu ra g liÖu

= w'x + b. C¸c tham sè cña nã ®−îc thÝch nghi víi mét quy t¾c tïy biÕn (ad-

hoc) t−¬ng tù víi xuèng dèc ngÉu nhiªn (stochastic steepest gradient descent).

Perceptron chØ cã thÓ ph©n lo¹i hoµn h¶o mét tËp d÷ liÖu mµ c¸c líp kh¸c

nhau lµ (linearly separable) trong kh«ng gian ®Çu vµo. Nã th−êng thÊt b¹i

hoµn toµn ®èi víi d÷ liÖu kh«ng chia t¸ch ®−îc. Sù ph¸t triÓn cña thuËt to¸n

nµy ban ®Çu ®· t¹o ra mét sè høng khëi, phÇn v× mèi quan hÖ cña nã ®èi víi

c¸c c¬ chÕ sinh häc. Sau nµy, ph¸t hiÖn vÒ ®iÓm yÕu nµy ®· lµm cho c¸c m«

h×nh Perceptron bÞ bá mÆc cho ®Õn khi c¸c m« h×nh phi tuyÕn ®−îc ®−a ra.

Cognitron (1975) lµ mét m¹ng n¬ron ®a tÇng thêi kú ®Çu víi mét thuËt

to¸n huÊn luyÖn. C¸c chiÕn l−îc thÇn kinh kh¸c nhau sÏ kh¸c nhau vÒ cÊu tróc

thùc sù cña m¹ng vµ c¸c ph−¬ng ph¸p thiÕt lËp träng sè cho c¸c kÕt nèi. Mçi

d¹ng cã c¸c −u ®iÓm vµ nh−îc ®iÓm riªng. M¹ng cã thÓ lan truyÒn th«ng tin

chØ theo mét h−íng, hoÆc th«ng tin cã thÓ ®−îc ®Èy ®i ®Èy l¹i cho ®Õn khi t¹i

mét nót xuÊt hiÖn sù tù kÝch ho¹t vµ m¹ng sÏ dõng t¹i mét tr¹ng th¸i kÕt thóc.

M¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè ®· ®−îc Rosenblatt vµ

mét sè t¸c gi¶ kh¸c m« t¶ tõ nh÷ng n¨m 50, nh−ng hä chñ yÕu chØ nghiªn cøu

s©u vÒ m¹ng Perceptron mét líp. Së dÜ nh− vËy lµ do kh«ng t×m ®−îc c¸ch

thay ®æi träng sè liªn kÕt t¹i c¸c líp Èn. Ngay c¶ khi ®· biÕt ®−îc sai sè t¹i c¸c

®Çu ra, nh−ng ng−êi ta vÉn ch−a h×nh dung ®−îc c¸c sai sè ®ã ®−îc ph©n bè

nh− thÕ nµo t¹i c¸c n¬ron Èn. Minsky vµ Papert ®· chØ ra r»ng khã cã thÓ tæng

qu¸t ho¸ luËt häc ®èi víi m¹ng mét líp sang m¹ng nhiÒu líp, cã hai lý gi¶i

chÝnh cho vÊn ®Ò nµy. Thø nhÊt, thuËt gi¶i häc cña m¹ng nhiÒu líp cã thÓ

kh«ng hiÖu qu¶, hoÆc kh«ng héi tô vÒ ®iÓm cùc trÞ tæng thÓ trong kh«ng gian

vÐct¬ träng sè. MÆt kh¸c, c¸c nghiªn cøu trong lý thuyÕt tÝnh to¸n ®· chØ ra

r»ng trong tr−êng hîp tåi nhÊt qu¸ tr×nh häc c¸c hµm tæng qu¸t tõ mÉu häc

kh«ng ph¶i lóc nµo còng gi¶i quyÕt ®−îc. C¸c nguyªn t¾c c¬ b¶n trong luËt

häc ®èi víi m¹ng nhiÒu líp ®· ®−îc Bryson vµ Ho ®Ò xuÊt tõ n¨m 1969,

nh−ng ph¶i tíi gi÷a n¨m 1980 vÊn ®Ò nµy míi ®−îc quan t©m trë l¹i bëi c«ng

tr×nh nghiªn cøu cña Rumelhart n¨m 1986.

M¹ng truyÒn ng−îc (backpropagation) cã lÏ ®· lµ nguyªn nh©n chÝnh

cña sù t¸i xuÊt cña m¹ng n¬ron tõ khi c«ng tr×nh "Learning Internal

Representations by Error Propagation" (häc c¸c biÓu diÔn bªn trong b»ng

c¸ch lan truyÒn lçi) ®−îc xuÊt b¶n n¨m 1986. M¹ng truyÒn ng−îc ban ®Çu sö

dông nhiÒu tÇng, mçi tÇng gåm c¸c ®¬n vÞ tæng träng sè cã d¹ng g = f(w'x +

b), trong ®ã f lµ mét hµm sigmoid. HuÊn luyÖn ®−îc thùc hiÖn theo kiÓu

xuèng dèc ngÉu nhiªn. ViÖc sö dông quy t¾c tÝnh nguyªn hµm cho hµm hîp

(chain rule) khi tÝnh to¸n c¸c thay ®æi thÝch hîp cho c¸c tham sè dÉn ®Õn mét

thuËt to¸n cã vÎ truyÒn ng−îc lçi, ®ã lµ nguån gèc cña thuËt ng÷ truyÒn

ng−îc. Tuy nhiªn, vÒ b¶n chÊt ®©y chØ lµ mét d¹ng xuèng dèc, viÖc x¸c ®Þnh

c¸c tham sè tèi −u cho mét m« h×nh thuéc d¹ng nµy kh«ng ®¬n gi¶n, kh«ng

thÓ dùa vµo c¸c ph−¬ng ph¸p xuèng dèc ®Ó cã ®−îc lêi gi¶i tèt mµ kh«ng cÇn

mét xuÊt ph¸t ®iÓm tèt. Ngµy nay, c¸c m¹ng cã cïng kiÕn tróc víi m¹ng

truyÒn ng−îc ®−îc gäi lµ c¸c m¹ng Perceptron ®a tÇng. ThuËt ng÷ nµy kh«ng

hµm ý bÊt cø giíi h¹n nµo ®èi víi lo¹i thuËt to¸n dïng cho viÖc häc.

M¹ng truyÒn ng−îc ®· t¹o ra nhiÒu høng khëi vµ ®· cã nhiÒu tranh c·i

vÒ quy tr×nh häc ®ã cã thÓ ®−îc thùc hiÖn trong bé n·o hay kh«ng. Mét phÇn

v× khi ®ã ch−a t×m ra c¬ chÕ truyÒn tÝn hiÖu ng−îc. Nh−ng lý do quan träng

nhÊt lµ ch−a cã mét nguån tÝn hiÖu 'd¹y' hay tÝn hiÖu '®Ých' ®¸ng tin cËy.

2.2. C¬ së lý thuyÕt m¹ng n¬ron

M¹ng n¬ron nh©n t¹o lµ mét lÜnh vùc nghiªn cøu réng lín vµ chØ míi

ph¸t triÓn m¹nh kho¶ng 20 n¨m gÇn ®©y. Nã ®−îc nghiªn cøu vµ ph¸t triÓn

dùa trªn nhiÒu lÜnh vùc khoa häc kh¸c nhau bao gåm: Sinh häc, sinh lý häc,

to¸n häc, tin häc.

- N¬ron sinh lý häc: C¸c n¬ron nh©n t¹o ®Òu cã cÊu tróc dùa c¸c m« h×nh

n¬ron sinh vËt. C¸c nhµ nghiªn cøu ®· chän ph−¬ng ph¸p nghiªn cøu

®Æc tÝnh ®¸p øng n¬ron víi c¸c xung kÝch thÝch tõ thÊp ®Õn cao, tõ mét

®¬n thÓ ®Õn mét m¹ng nhiÒu líp, tõ c¸c khu thÇn kinh trung −¬ng ®Õn

c¸c c¬ cÊu thÇn kinh chÊp hµnh.

- Sinh lý häc n¬ron: C¸c nhµ sinh lý häc n¬ron nghiªn cøu c¸ch nhËn

thøc, c¸c hµnh vi, c¸ch tæ chøc cña n·o ng−êi ®Ó gi¶i quyÕt nh÷ng bµi

to¸n phøc t¹p, ®ßi hái s¸ng t¹o. RÊt nhiÒu c¸c thuËt häc ®−îc b¾t nguån

tõ nh÷ng nghiªn cøu vÒ sinh lý häc.

- C¬ së to¸n häc: To¸n häc lµ mét c«ng cô kh«ng thÓ thiÕu trong qu¸

tr×nh nghiªn cøu khoa häc nãi chung vµ m¹ng n¬ron nãi riªng.

- C«ng nghÖ th«ng tin: BiÔu diÔn vµ xö lý nhanh c¸c vÊn ®Ò ®· ®−îc

nghiªn cøu, lµ yÕu tè thóc ®Èy c¸c øng dông vµ kü thuËt m¹ng n¬ron

nh©n t¹o ph¸t triÓn nhanh chãng.

2.3. Bé n·o vµ n¬ron sinh häc

C¸c nhµ nghiªn cøu sinh häc cho ta thÊy r»ng c¸c n¬ron (tÕ bµo thÇn

kinh) lµ ®¬n vÞ c¬ së ®¶m nhiÖm nh÷ng chøc n¨ng xö lý nhÊt ®Þnh trong hÖ

thÇn kinh, bao gåm n·o, tuû sèng vµ c¸c d©y thÇn kinh. Mçi n¬ron cã mét

phÇn th©n víi nh©n bªn trong (gäi lµ soma), mét ®Çu thÇn kinh ra (gäi lµ sîi

trôc axon) vµ mét hÖ thèng d¹ng c©y c¸c d©y thÇn kinh vµo (gäi lµ dendrite).

C¸c d©y thÇn kinh vµo t¹o thµnh mét l−íi dµy xung quanh th©n tÕ bµo, chiÕm

diÖn tÝch kho¶ng 0.25 mm2, cßn d©y thÇn kinh t¹o thµnh trôc dµi cã thÓ tõ 1

cm ®Õn hµng mÐt. §−êng kÝnh cña th©n tÕ bµo th−êng chØ lµ 10-4m. Trôc d©y

thÇn kinh ra còng cã thÓ ph©n nh¸nh c¸c d©y thÇn kinh theo d¹ng c©y ®Ó nèi

víi c¸c d©y thÇn kinh vµo hoÆc trùc tiÕp víi nh©n tÕ bµo c¸c n¬ron kh¸c th«ng

qua c¸c khíp nèi (gäi lµ synapse). Th«ng th−êng, mçi n¬ron cã thÓ gåm vµi

chôc cho tíi vµi tr¨m ngµn khíp nèi ®Ó nèi víi c¸c n¬ron kh¸c. Ng−êi ta −íc

l−îng r»ng l−íi c¸c d©y thÇn kinh ra cïng víi c¸c khíp nèi bao phñ diÖn tÝch

kho¶ng 90% bÒ mÆt n¬ron (h×nh 2.1)

H×nh 2.1. CÊu t¹o n¬ron sinh häc

C¸c tÝn hiÖu truyÒn trong c¸c d©y thÇn kinh vµo vµ d©y thÇn kinh ra cña

c¸c n¬ron lµ tÝn hiÖu ®iÖn vµ ®−îc thùc hiÖn th«ng qua c¸c qu¸ tr×nh ph¶n øng

vµ gi¶i phãng c¸c chÊt h÷u c¬. C¸c chÊt nµy ®−îc ph¸t ra tõ c¸c khíp nèi dÉn

tíi c¸c d©y thÇn kinh vµo sÏ lµm t¨ng hay gi¶m ®iÖn thÕ cña nh©n tÕ bµo. Khi

®iÖn thÕ nµy ®¹t tíi mét ng−ìng nµo ®ã, sÏ t¹o ra mét xung ®iÖn dÉn tíi trôc

d©y thÇn kinh ra. Xung nµy ®−îc truyÒn theo trôc, tíi c¸c nh¸nh rÏ khi ch¹m

tíi c¸c khíp nèi cã c¸c n¬ron kh¸c sÏ gi¶i phãng c¸c chÊt truyÒn ®iÖn, cã hai

lo¹i khíp nèi: khíp nèi kÝch thÝch (excitatory) hoÆc khíp nèi øc chÕ

(inhibitory).

Ph¸t hiÖn quan träng nhÊt trong ngµnh nghiªn cøu vÒ bé n·o lµ c¸c liªn kÕt

khíp thÇn kinh kh¸ mÒm dÎo, cã thÓ biÕn ®éng vµ chØnh ®æi theo thêi gian tuú

thuéc vµo d¹ng kÝch thÝch. H¬n n÷a, c¸c n¬ron cã thÓ s¶n sinh c¸c liªn kÕt

míi víi c¸c n¬ron kh¸c vµ ®«i khi l−íi c¸c n¬ron cã thÓ di chuyÓn tõ vïng nµy

sang vïng kh¸c trong bé n·o. C¸c nhµ khoa häc cho r»ng ®©y chÝnh lµ c¬ së

quan träng ®Ó gi¶i thÝch c¬ chÕ häc cña bé n·o con ng−êi.

PhÇn lín c¸c qu¸ tr×nh xö lý th«ng tin ®Òu x¶y ra trªn vá n·o. Toµn bé vá

n·o ®−îc bao phñ bëi m¹ng c¸c tæ chøc c¬ së cã d¹ng h×nh thïng trßn víi

®−êng kÝnh kho¶ng 0.5mm, ®é cao 4mm. Mçi ®¬n vÞ c¬ së nµy chøa kho¶ng

2000 n¬ron. Ng−êi ta chØ ra r»ng mçi vïng n·o cã nh÷ng chøc n¨ng nhÊt ®Þnh.

§iÒu rÊt ®¸ng ng¹c nhiªn lµ c¸c n¬ron rÊt ®¬n gi¶n trong c¬ chÕ lµm viÖc,

nh−ng m¹ng n¬ron liªn kÕt víi nhau l¹i cã kh¶ n¨ng tÝnh to¸n, suy nghÜ, tÝnh

to¸n nghi nhí, vµ ®iÒu khiÓn. Cã thÓ ®iÓm qua nh÷ng chøc n¨ng c¬ b¶n cña bé

n·o nh− sau:

- Bé nhí ®−îc tæ chøc theo c¸c bã th«ng tin vµ truy nhËp theo néi dung

(cã thÓ truy xuÊt th«ng tin dùa theo gi¸ trÞ c¸c thuéc tÝnh cña ®èi t−îng);

- Bé n·o cã kh¶ n¨ng tæng qu¸t ho¸, cã thÓ truy xuÊt c¸c tri thøc hay

c¸c mèi liªn kÕt chung cña c¸c ®èi t−îng t−¬ng øng víi mét kh¸i niÖm chung

nµo ®ã;

- Bé n·o cã kh¶ n¨ng dung thø lçi theo nghÜa cã thÓ ®iÒu chØnh hoÆc

tiÕp tôc thùc hiÖn ngay khi cã nh÷ng sai lÖch do th«ng tin bÞ thiÕu hoÆc kh«ng

chÝnh x¸c. Ngoµi ra, bé n·o cßn cã thÓ ph¸t hiÖn vµ phôc håi c¸c th«ng tin mÊt

dùa trªn sù t−¬ng tù gi÷a c¸c ®èi t−îng;

- Bé n·o cã kh¶ n¨ng xuèng cÊp vµ thay thÕ dÇn, khi cã trôc trÆc t¹i c¸c

vïng n·o (do bÖnh, chÊn th−¬ng) hoÆc b¾t gÆp nh÷ng th«ng tin hoµn toµn míi

l¹, bé n·o vÉn cã thÓ tiÕp tôc lµm viÖc;

- Bé n·o cã kh¶ n¨ng häc.

DÔ dµng thÊy r»ng bé n·o con ng−êi cã thÓ l−u gi÷ nhiÒu th«ng tin h¬n

c¸c m¸y tÝnh hiÖn ®¹i; Tuy r»ng ®iÒu nµy kh«ng ph¶i ®óng m·i m·i, v× bé n·o

tiÕn ho¸ chËm, trong khi ®ã nhê nh÷ng tiÕn bé trong c«ng nghÖ vi ®iÖn tö, bé

nhí m¸y tÝnh ®−îc n©ng cÊp rÊt nhanh. H¬n n÷a, sù h¬n kÐm vÒ bé nhí trë

nªn hoµn toµn thø yÕu so víi sù kh¸c biÖt vÒ tèc ®é tÝnh to¸n vµ kh¶ n¨ng tÝnh

to¸n song song. C¸c bé vi xö lý cã thÓ tÝnh 108 lÖnh trong mét gi©y, trong khi

®ã m¹ng n¬ron xö lý chËm h¬n, cÇn kho¶ng vµi milig©y ®Ó kÝch ho¹t. Tuy

nhiªn, bé n·o cã thÓ kÝch ho¹t hÇu nh− cïng mét lóc t¹i rÊt nhiÒu n¬ron khíp

nèi, trong khi ®ã ngay c¶ m¸y tÝnh hiÖn ®¹i còng chØ cã mét sè h¹n chÕ c¸c bé

vi xö lý song song. NÕu ch¹y mét m¹ng n¬ron nh©n t¹o trªn m¸y tÝnh, ph¶i

tèn hµng tr¨m lÖnh m¸y ®Ó kiÓm tra mét n¬ron cã ®−îc kÝch ho¹t hay kh«ng

(tiªu phÝ kho¶ng10-8 x 10 gi©y trªn nét n¬ron). Do ®ã, cho dï bé vi xö lý cã

thÓ tÝnh to¸n nhanh h¬n hµng triÖu lÇn so víi c¸c n¬ron bé n·o, nh−ng xÐt

tæng thÓ bé n·o l¹i tÝnh to¸n nhanh h¬n hµng tû lÇn.

C¸ch tiÕp cËn m¹ng n¬ron nh©n t¹o cã ý nghÜa thùc tiÔn rÊt lín cho phÐp

t¹o ra c¸c thiÕt bÞ cã thÓ kÕt hîp kh¶ n¨ng song song cao cña bé n·o vµ tèc ®é

tÝnh to¸n cao cña m¸y tÝnh. Tuy vËy, cÇn ph¶i cã mét kho¶ng thêi gian dµi n÷a

®Ó c¸c m¹ng n¬ron nh©n t¹o cã thÓ m« pháng c¸c hµnh vi s¸ng t¹o cña bé n·o

con ng−êi. Ch¼ng h¹n, bé n·o cã thÓ thùc hiÖn mét nhiÖm vô kh¸ phøc t¹p nh−

nhËn ra khu«n mÆt ng−êi quen sau kh«ng qu¸ mét gi©y, trong khi ®ã mét m¸y

tÝnh tuÇn tù ph¶i thùc hiÖn hµng tû phÐp tÝnh (kho¶ng10 gi©y) ®Ó thùc hiÖn

cïng mét thao t¸c ®ã, nh−ng víi chÊt l−îng kÐm h¬n nhiÒu, ®Æc biÖt trong

tr−êng hîp th«ng tin kh«ng chÝnh x¸c, ®Çy ®ñ.

2.4 M« h×nh m¹ng n¬ron nh©n t¹o

M¹ng n¬ron nh©n t¹o (Artificial Neural Network) bao gåm c¸c nót (®¬n

vÞ xö lý, n¬ron) ®−îc nèi víi nhau bëi liªn kÕt n¬ron. Mçi liªn kÕt kÌm theo

mét träng sè nµo ®ã, ®Æc tr−ng cho ®Æc tÝnh kÝch ho¹t/ øc chÕ gi÷a c¸c n¬ron.

Cã thÓ xem c¸c träng sè lµ ph−¬ng tiÖn ®Ó l−u th«ng tin dµi h¹n trong m¹ng

n¬ron vµ nhiÖm vô cña qu¸ tr×nh huÊn luyÖn (häc) m¹ng lµ cËp nhËt c¸c träng

sè khi cã thªm c¸c th«ng tin vÒ c¸c mÉu häc, hay nãi mét c¸ch kh¸c, c¸c

träng sè ®−îc ®iÒu chØnh sao cho d¸ng ®iÖu vµo ra cña nã m« pháng hoµn toµn

phï hîp m«i tr−êng ®ang xem xÐt.

Trong m¹ng, mét sè n¬ron ®−îc nèi víi m«i tr−êng bªn ngoµi nh− c¸c ®Çu

ra, ®Çu vµo.

2.4.1 M« h×nh mét n¬ron nh©n t¹o

wi xi

Z f a=∑ C¸c liªn kÕt vào

Các liên kết ra

Đầu ra

Hàm vào Hàm kích hoạt

H×nh 2.2. M¹ng n¬ron nh©n t¹o

Mçi n¬ron nh©n t¹o (nót) ®−îc nèi víi c¸c n¬ron kh¸c vµ nhËn c¸c tÝn

i xw

hiÖu xi tõ chóng víi c¸c träng sè wi, tæng c¸c th«ng tin vµo cã träng sè lµ

1 =

a = ∑

a lµ thµnh phÇn tuyÕn tÝnh cña n¬ron. Hµm kÝch ho¹t f (hµm chuyÓn)

®ãng vai trß biÕn ®æi tõ a sang tÝn hiÖu ®Çu ra z.

z =f(a)

Trong ®ã:

xi: C¸c tÝn hiÖu ®Çu vµo.

wi: C¸c träng sè t−¬ng øng víi c¸c ®Çu vµo

n: sè ®Çu vµo cña n¬ron.

a: Tæng träng sè cña mçi n¬ron.

f: hµm kÝch ho¹t

z: lµ ®Çu ra cña n¬ron, ®©y lµ thµnh phÇn phi tuyÕn cña n¬ron.

Hµm kÝch ho¹t f th−êng cã 3 d¹ng hay dïng trong thùc tÕ.

• Hµm d¹ng b−íc:

1 nÕu x ≥ 0

f(x)=

0 nÕu x < 0

hoÆc

1 nÕu x ≥ θ

f(x)=

0 nÕu x < θ

• Hµm dÊu

1 nÕu x ≥ 0

f(x)=

-1

-1 nÕu x < 0

hoÆc

1 nÕu x ≥ θ

f(x)=

0 nÕu x < θ

• Hµm singmoid

1 x e α−+1

f(x) =

ë ®©y ng−ìng ®ãng vai trß lµm t¨ng tÝnh thÝch nghi vµ kh¶ n¨ng tÝnh to¸n

cña m¹ng n¬ron. Sö dông ký ph¸p vÐct¬, X = (x1, x2, …,xn) vÐct¬ tÝn hiÖu vµo, W = (w1,w2, …,wn) vÐct¬ träng sè, khi ®ã ta cã.

Z = f(a), a =WS

Tr−êng hîp xÐt ng−ìng, ta biÓu diÔn vÐct¬ míi X’ = (x1,x2, …,xn, θ ), W

= (w1,w2, …,wn, -1)

3.4.2. M« h×nh m¹ng n¬ron nh©n t¹o

M¹ng n¬ron lµ hÖ thèng bao gåm nhiÒu phÇn tö xö lý ®¬n gi¶n (n¬ron)

ho¹t ®éng song song. TÝnh n¨ng cña hÖ thèng nµy tuú thuéc vµo cÊu tróc cña

hÖ c¸c träng sè liªn kÕt n¬ron vµ qu¸ tr×nh tÝnh to¸n c¸c n¬ron ®¬n lÎ. M¹ng

n¬ron cã thÓ häc tõ d÷ liÖu mÉu vµ tæng qu¸t ho¸ dùa trªn c¸c d÷ liÖu mÉu

häc. Trong m¹ng n¬ron, c¸c n¬ron ®ãn nhËn tÝn hiÖu vµo gäi lµ n¬ron vµo vµ

c¸c n¬ron ®−a th«ng tin ra gäi lµ n¬ron ra.

3.4.2.1. Ph©n lo¹i c¸c m¹ng n¬ron

Theo kiÓu liªn kÕt n¬ron: Ta cã m¹ng n¬ron truyÒn th¼ng (feel-

forward Neural Network) vµ m¹ng n¬ron qui håi (recurrent NN). Trong m¹ng

n¬ron truyÒn th¼ng, c¸c liªn kÕt n¬ron ®i theo mét h−íng nhÊt ®Þnh, kh«ng t¹o

thµnh ®å thÞ cã chu tr×nh (Directed Acyclic Graph) víi c¸c ®Ønh lµ c¸c n¬ron,

c¸c cung lµ c¸c liªn kÕt gi÷a chóng. Ng−îc l¹i, c¸c m¹ng qui håi cho phÐp c¸c

liªn kÕt n¬ron t¹o thµnh chu tr×nh. V× c¸c th«ng tin ra cña c¸c n¬ron ®−îc

truyÒn l¹i cho c¸c n¬ron ®· gãp phÇn kÝch ho¹t chóng, nªn m¹ng qui håi cßn

cã kh¶ n¨ng l−u gi÷ tr¹ng th¸i trong cña nã d−íi d¹ng ng−ìng kÝch ho¹t ngoµi

c¸c träng sè liªn kÕt n¬ron.

N¬ron vào Líp vào

Líp Èn

Lớp ra N¬ron ra

a) M¹ng n¬ron nhiÒu líp b) M¹ng n¬ron truyÒn th¼ng

H×nh 2.3. M¹ng truyÒn th¼ng vµ nhiÒu líp

H×nh 2.4. M¹ng n¬ron håi qui.

Theo sè líp: C¸c n¬ron cã thÓ tæ chøc l¹i thµnh c¸c líp sao cho mçi

n¬ron cña líp nµy chØ ®−îc nèi víi c¸c n¬ron ë líp tiÕp theo, kh«ng cho phÐp

c¸c liªn kÕt gi÷a c¸c n¬ron trong cïng mét líp, hoÆc tõ n¬ron líp d−íi lªn

n¬ron líp trªn. ë ®©y còng kh«ng cho phÐp c¸c liªn kÕt n¬ron nh¶y qua mét

líp.

DÔ dµng nhËn thÊy r»ng c¸c n¬ron trong cïng mét líp nhËn ®−îc tÝn

hiÖu tõ líp trªn cïng mét lóc, do vËy vÒ nguyªn t¾c chóng cã thÓ xö lý song

song. Th«ng th−êng líp n¬ron vµo chØ chÞu tr¸ch nhiÖm truyÒn ®−a tÝn hiÖu

vµo, kh«ng thùc hiÖn mét tÝnh to¸n nµo nªn khi tÝnh sè líp cña m¹ng, ng−êi ta

kh«ng tÝnh líp vµo. VÝ dô, m¹ng n¬ron ë h×nh 2.6 cã hai líp: mét líp Èn vµ

mét líp ra.

§Çu vµo Líp n¬ron

a1 w1,1 Y1

a2 Y2

s1 s2 s3

an Yn sm wm,n

H×nh 2.5. M¹ng n¬ron mét líp

§Çu vµo Líp 1 Líp 2

a2 a1 1 X1 w1,1 Y1

a1 a2 X2 Y2

s1 s2 s3

a1 a2 Xn Yk sm wm,n

H×nh 2.6. M¹ng n¬ron nhiÒu líp

2.4.2.2. C¸ch nh×n vÒ m¹ng n¬ron

• M¹ng n¬ron nh− mét c«ng cô tÝnh to¸n:

Gi¶ sö m¹ng n¬ron NN cã n n¬ron vµo vµ m n¬ron ra, khi ®ã víi mçi

vÐct¬ c¸c tÝn hiÖu vµo X = (x1,…,xn ), sau qu¸ tr×nh tÝnh to¸n t¹i c¸c n¬ron Èn, ta nhËn ®−îc kÕt qu¶ ra Z =( z1, z2,...,zm). Theo nghÜa nµo ®ã m¹ng n¬ron lµm viÖc víi t− c¸ch mét b¶ng tra, mµ kh«ng cÇn biÕt d¹ng phô thuéc hµm t−êng

minh gi÷a Z vµ X. khi ®ã cã thÓ viÕt:

Z=Tinh(X, NN )

C¸c n¬ron trªn cïng mét líp cã thÓ tÝnh to¸n ®ång thêi, do vËy ®é phøc

t¹p tÝnh to¸n nãi chung sÏ phô thuéc vµo sè líp m¹ng.

C¸c th«ng sè cÊu tróc m¹ng n¬ron bao gåm.

+ Sè tÝn hiÖu vµo, sè tÝn hiÖu ra.

+ Sè líp n¬ron.

+ Sè n¬ron trªn mçi líp Èn.

+ Sè l−îng liªn kÕt cña mçi n¬ron (liªn kÕt ®Çy ®ñ, liªn kÕt bé phËn vµ

liªn kÕt ngÉu nhiªn).

+ C¸c träng sè liªn kÕt n¬ron.

• M¹ng n¬ron nh− mét hÖ thèng thÝch nghi cã kh¶ n¨ng häc (huÊn

luyÖn) ®Ó tinh chØnh c¸c träng sè liªn kÕt còng nh− cÊu tróc cña m¹ng sao cho

phï hîp víi c¸c mÉu häc (samples). Cã ba lo¹i kü thuËt häc

(i) Häc cã gi¸m s¸t (supervised learning) hay cßn gäi häc cã thÇy;

(ii) Häc kh«ng cã gi¸m s¸t (unsupervised leraning) hay cßn gäi häc

kh«ng cã thÇy

(iii) Häc t¨ng c−êng.

Trong häc cã gi¸m s¸t, m¹ng ®−îc cung cÊp mét tËp mÉu häc {(XS,DS)}

theo nghÜa XS lµ tÝn hiÖu vµo, th× kÕt qu¶ ra ®óng cña hÖ ph¶i lµ DS. ë mçi lÇn

häc, vÐct¬ tÝn hiÖu vµo XS ®−îc ®−a vµo m¹ng, sau ®ã so s¸nh sù sai kh¸c gi÷a c¸c kÕt qu¶ ra ®óng DS víi kÕt qu¶ tÝnh to¸n ZS. Sai sè nµy sÏ ®−îc dïng ®Ó hiÖu chØnh l¹i c¸c träng sè liªn kÕt trong m¹ng. Qu¸ tr×nh cø tiÕp tôc cho ®Õn

khi tháa m·n mét tiªu chuÈn nµo ®ã. Cã hai c¸ch sö dông tËp mÉu häc: HoÆc

dïng c¸c mÉu lÇn l−ît, hÕt mÉu nµy ®Õn mÉu kh¸c, hoÆc sö dông ®ång thêi tÊt

c¶ c¸c mÉu mét lóc. C¸c m¹ng víi c¬ chÕ häc kh«ng gi¸m s¸t ®−îc gäi lµ c¸c

m¹ng tù tæ chøc. C¸c kü thuËt häc trong m¹ng n¬ron cã thÓ nh»m vµo hiÖu

chØnh c¸c träng sè liªn kÕt (gäi lµ tham sè) hoÆc ®iÒu chØnh, söa ®æi cÊu tróc

cña m¹ng bao gåm sè líp, sè n¬ron, kiÓu vµ träng sè c¸c liªn kÕt (gäi lµ häc

cÊu tróc). C¶ hai môc ®Ých häc nµy cã thÓ thùc hiÖn ®ång thêi hoÆc t¸ch biÖt.

Häc tham sè: Gi¶ sö cã k n¬ron trong m¹ng vµ mçi n¬ron cã ®óng l liªn

kÕt vµo víi c¸c n¬ron kh¸c. Khi ®ã, ma trËn träng sè liªn kÕt W sÏ cã kÝch

th−íc kxl. C¸c thñ tôc häc tham sè nh»m môc ®Ých t×m kiÕm ma trËn W sao

cho

ZS = Tinh ( XS, W ) ®èi víi mäi mÉu häc S = (XS, DS) (2.1)

M¹ng n¬ron N Zs Xs

Ds HiÖu chØnh W Sai sè

H×nh 2.7. Häc tham sè cã gi¸m s¸t

Häc cÊu tróc: Víi häc tham sè ta gi¶ ®Þnh r»ng m¹ng cã mét cÊu

tróc cè ®Þnh. ViÖc häc cÊu tróc cña m¹ng truyÒn th¼ng g¾n víi yªu cÇu t×m ra

sè líp cña m¹ng L vµ sè n¬ron trªn mçi líp nj. §èi víi c¸c m¹ng håi qui cßn

ph¶i x¸c ®Þnh thªm c¸c tham sè ng−ìng θ cña c¸c n¬ron trong m¹ng. Mét

c¸ch tæng qu¸t ph¶i x¸c ®Þnh bé tham sè P = ( L,n1…..,n1, θ1,….,θk), ë ®©y k = ∑ nj sao cho:

YS = Tinh ( XS,P) ®èi víi mäi mÉu häc s = (XS, DS) (2.2)

VÒ thùc chÊt, viÖc ®iÒu chØnh c¸c vÐct¬ tham sè W trong (2.1) hay P

trong (2.2) ®Òu qui vÒ bµi to¸n t×m kiÕm tèi −u trong kh«ng gian tham sè. Do

vËy, cã thÓ ¸p dông c¸c c¬ chÕ t×m kiÕm kinh ®iÓn theo gradient hay c¸c gi¶i

thuËt di truyÒn, lËp tr×nh tiÕn ho¸.

3.4.2.3. Kh¶ n¨ng tÝnh to¸n vµ biÓu diÔn phô thuéc d÷ liÖu cña m¹ng

n¬ron

M¹ng n¬ron truyÒn th¼ng chØ ®¬n thuÇn tÝnh to¸n c¸c tÝn hiÖu ra dùa

trªn c¸c tÝn hiÖu vµo vµ c¸c träng sè liªn kÕt n¬ron ®· x¸c ®Þnh râ trong m¹ng.

Do ®ã chóng kh«ng cã tr¹ng th¸i bªn trong nµo kh¸c ngoµi vÐct¬ träng sè W.

§èi víi m¹ng qui håi, tr¹ng th¸i trong cña m¹ng ®−îc l−u gi÷ t¹i c¸c ng−ìng

cña c¸c n¬ron, c¸c m¹ng qui håi cã thÓ kh«ng æn ®Þnh, thËm chÝ rèi lo¹n theo

nghÜa, khi cho vÐct¬ gi¸ trÞ ®Çu vµo X nµo ®ã, m¹ng cÇn ph¶i tÝnh to¸n rÊt l©u,

thËm chÝ cã thÓ lÆp v« h¹n tr−íc khi ®−a ra ®−îc kÕt qu¶ mong muèn. Qu¸

tr×nh häc cña m¹ng qui håi còng phøc t¹p h¬n nhiÒu. Tuy vËy, c¸c m¹ng qui

håi cã thÓ cho phÐp m« pháng c¸c hÖ thèng t−¬ng ®èi phøc t¹p trong thùc tÕ.

3.4.2.4. X¸c ®Þnh cÊu tróc m¹ng tèi −u.

Nh− ta ®· ®Ò cËp phÇn trªn, lùa chän sai cÊu tróc m¹ng cã thÓ dÉn tíi

ho¹t ®éng m¹ng trë nªn kÐm hiÖu qu¶. NÕu chän m¹ng qu¸ nhá cã thÓ chóng

kh«ng biÓu diÔn ®−îc sù phô thuéc d÷ liÖu mong muèn. NÕu chän m¹ng qu¸

lín ®Ó cã thÓ nhí ®−îc tÊt c¶ c¸c mÉu häc d−íi d¹ng b¶ng tra, nh−ng hoµn

toµn kh«ng thÓ tæng qu¸t ®−îc cho nh÷ng tÝn hiÖu vµo ch−a biÕt tr−íc. Nãi

c¸ch kh¸c, còng gièng nh− trong c¸c m« h×ng thèng kª, c¸c m¹ng n¬ron cã

thÓ ®−a tíi t×nh tr¹ng qu¸ thõa tham sè.

Bµi to¸n x¸c ®Þnh cÊu tróc m¹ng tèt cã thÓ xem nh− bµi to¸n t×m kiÕm

trong kh«ng gian tham sè. Mét c¸ch lµm lµ sö dông gi¶i thuËt di truyÒn, tuy

vËy, kh«ng gian tham sè cã thÓ rÊt lín vµ ®Ó x¸c ®Þnh mét tr¹ng th¸i W ( hoÆc

P) trong kh«ng gian ®ßi hái ph¶i huÊn luyÖn m¹ng, do vËy rÊt tèn thêi gian.

Cã thÓ ¸p dông t− t−ëng t×m kiÕm leo ®åi (hill-climbing) nh»m söa ®æi mét

c¸ch cã lùa chän, mang tÝnh ®Þa ph−¬ng cÊu tróc m¹ng hiÖn cã. Cã hai c¸ch

lµm:

+ HoÆc b¾t ®Çu víi mét m¹ng lín, sau ®ã gi¶m nhá xuèng;

+ HoÆc b¾t ®Çu víi mét m¹ng nhá, sau ®ã t¨ng dÇn lªn.

Mét kü thuËt kh¸c cã thÓ ¸p dông gäi lµ “tæn th−¬ng tèi −u“ nh»m lo¹i

bá mét sè liªn kÕt träng sè trong m¹ng dùa trªn c¸c tiÕp cËn lý thuyÕt th«ng

tin, ®¬n gi¶n nhÊt lµ c¸c liªn kÕt cã träng sè b»ng 0. Qu¸ tr×nh cø tiÕp tôc nh−

vËy. Kü thuËt nµy cã thÓ lo¹i trõ 3/4 c¸c liªn kÕt, do ®ã n©ng cao ®¸ng kÓ hiÖu

qu¶ cña m¹ng.

Ngoµi viÖc lo¹i trõ c¸c liªn kÕt n¬ron thõa, cã thÓ bá qua nh÷ng n¬ron

kh«ng ®ãng gãp nhiÒu vµo qu¸ tr×nh thùc hiÖn cña m¹ng.

Gi¶i thuËt “Lîp ngãi” lµ mét biÕn thÓ cña kü thuËt t¨ng tr−ëng m¹ng

xuÊt ph¸t tõ cÊu h×nh ban ®Çu t−¬ng ®èi nhá. ý t−ëng ë ®©y lµ x¸c ®Þnh mét

cÊu h×nh m¹ng cho phÐp tÝnh ®óng c¸c mÉu häc ®· biÕt. Sau ®ã, mçi khi thªm

dÇn mÉu häc míi, m¹ng ®−îc phÐp thªm mét sè n¬ron cho phÐp ®o¸n ®óng

kÕt qu¶ häc hiÖn t¹i vµ qu¸ tr×nh cø tiÕp tôc nh− vËy.

Ch−¬ng III

øng dông m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc

Kohonen trong bµi to¸n ph©n lo¹i ngµy

Bµi to¸n ph©n lo¹i ngµy trong dù b¸o phô t¶i ng¾n h¹n cho hÖ thèng

®iÖn lµ mét bµi to¸n rÊt quan träng ®Ó ph©n lo¹i c¸c d÷ liÖu ®Çu vµo vµ dù

b¸o c¸c kiÓu ngµy tiÕp theo. Trong mét sè phÇn mÒm dù b¸o phô t¶i ng¾n h¹n

tr−íc ®©y, ch−a cã phÇn mÒm nµo thùc hiÖn vÊn ®Ò ph©n lo¹i d÷ liÖu, mµ viÖc

ph©n lo¹i d÷ liÖu ®Çu vµo ®Òu ®−îc thùc hiÖn thñ c«ng b»ng kinh nghiÖm.

Trong ch−¬ng nµy t«i tr×nh bµy c¸c kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron

¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen, sau ®ã ph¸t biÓu bµi to¸n, ®Ò xuÊt cÊu

tróc m¹ng, c¸ch øng dông kü thuËt “m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc

Kohonen” ®Ó gi¶i quyÕt bµi to¸n. X©y dùng phÇn mÒm vµ ph©n tÝch ®¸nh gi¸

kÕt qu¶ ®¹t ®−îc. Ch−¬ng tr×nh ®−îc viÕt b»ng phÇn mÒm Matlab.

3.1. Sù cÇn thiÕt ph©n lo¹i ®å thÞ phô t¶i

3.1.1. TËp hîp c¸c kiÓu ®å thÞ phô t¶i ®Æc tr−ng

Trong c¸c bµi to¸n dù b¸o nãi chung vµ dù b¸o phô t¶i hÖ thèng ®iÖn

nãi riªng, ®Ó ®¹t ®−îc kÕt qu¶ dù b¸o chÝnh x¸c cao vµ thêi gian huÊn luyÖn

ng¾n, ta cÇn ph¶i ph©n lo¹i ®−îc c¸c lo¹i d÷ liÖu ®Çu vµo. §Æc biÖt ®èi víi bµi

to¸n dù b¸o phô t¶i ta cÇn ph©n d¹ng kiÓu ngµy dù b¸o v× qua sè liÖu thèng kª

vµ thùc tÕ vËn hµnh cho thÊy tån t¹i mét vµi d¹ng ®å thÞ phô t¶i ®Æc tr−ng phô

thuéc vµo c¸c tÝnh chÊt cña ngµy nghiªn cøu.

§å thÞ phô t¶i trong ngµy lµm viÖc cña c¸c th¸ng gièng nhau trong c¸c

n¨m gièng nhau th−êng cã d¹ng gièng nhau. D−íi ®©y lµ ®å thÞ phô t¶i cña

ngµy lµm viÖc trong th¸ng 2 n¨m 2005, 2006 vµ c¸c ngµy lµm viÖc trong th¸ng

6 n¨m 2005, 2006 cña hÖ thèng ®iÖn MiÒn B¾c (H×nh 3.1). Qua ®å thÞ phô t¶i

ta thÊy c¸c ngµy lµm viÖc trong cïng mét th¸ng cña hai n¨m cã d¹ng gièng

nhau. §å thÞ phô t¶i cña th¸ng 2 cã d¹ng hoµn toµn kh¸c víi th¸ng 6 vµ ta

còng thÊy r»ng gi¸ trÞ phô t¶i cña ngµy nghØ bao giê còng nhá h¬n ngµy lµm

viÖc b×nh th−êng, d¹ng ®å thÞ cña c¸c ngµy nµy còng cã sù thay ®æi. §èi víi

c¸c ngµy truyÒn h×nh trùc tiÕp c¸c sù kiÖn thÓ thao v¨n ho¸ ®å thÞ phô t¶i còng

cã d¹ng t−¬ng tù nh− c¸c ngµy cã cïng sù kiÖn tr−íc ®ã. D¹ng cña ®å thÞ phô

t¶i trong ngµy cã c¾t ®iÖn diÖn réng còng mang ®Æc thï riªng tuú thuéc vµo

thêi gian, vïng c¾t ®iÖn. Nh÷ng ngµy nµy nÕu ¸p dông c¸c ph−¬ng ph¸p dù

b¸o th−êng cho kÕt qu¶ chÝnh x¸c kh«ng cao.

§å thÞ phô t¶i

3500

3000

2500

2000

1500

Từ 22 đến 24/02/2005

t Ê u s g n « C

1000

500

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

§å thÞ phô t¶i

3500

3000

2500

2000

Từ 22 đến 24/02/2006

1500

t Ê u s g n « C

1000

500

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

§å thÞ phô t¶i

3500

3000

2500

2000

Từ 9 đến 11/05/2005

1500

Êt u s g n « C

1000

500

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

§å thÞ phô t¶i

3500

3000

2500

Từ 9 đến 11/05/2006

2000

1500

t Ê u s g n « C

1000

500

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

H×nh 3.1. §TPT ®Æc tr−ng cña c¸c ngµy trong th¸ng 2, 5 cña n¨m 2005 vµ 2006

Tãm l¹i ®Ó kÕt qu¶ dù b¸o phô t¶i chÝnh x¸c cao ta cÇn ph©n lo¹i c¸c ®å

thÞ phô t¶i cña c¸c ngµy trong n¨m thµnh mét sè nhãm, mçi nhãm bao gåm

c¸c ngµy cã c¸c d¹ng ®å thÞ phô t¶i t−¬ng tù. Nh÷ng ngµy cã d¹ng ®å thÞ phô

t¶i t−¬ng tù ®−îc ®Þnh nghÜa lµ nh÷ng ngµy cã cïng kiÓu ngµy.

3.1.2. Sù cÇn thiÕt ph©n lo¹i ngµy b»ng ph−¬ng ph¸p m¹ng n¬ron.

Tr−íc ®©y, b»ng kinh nghiÖm vËn hµnh l©u n¨m c¸c kü s− ®iÒu hµnh vµ

c¸c c¸n bé lËp ph−¬ng thøc cã thÓ ph©n biÖt ®−îc c¸c kiÓu ngµy gèc ®Æc tr−ng

trong qu¸ khø vµ dù ®o¸n c¸c kiÓu ngµy tiÕp theo. Tuy nhiªn, trong qu¸ tr×nh

biÕn ®æi kh«ng ngõng cña x· héi, c¬ cÊu kinh tÕ vµ tØ träng gi÷a c¸c ngµnh

c«ng nghiÖp thay ®æi, thãi quen sinh ho¹t cña kh¸ch hµng thay ®æi sÏ xuÊt

hiÖn mét sè kiÓu ngµy míi mµ c¸c chuyªn gia víi kinh nghiÖm cña m×nh cã

thÓ ®−a ra nhËn ®Þnh víi ®é chÝnh x¸c kh«ng cao. H¬n n÷a sÏ cã mét sè kiÓu

ngµy nµo ®ã cã thÓ hÇu nh− kh«ng xuÊt hiÖn, thËm chÝ biÕn mÊt hoµn toµn mµ

kh«ng ®−îc lo¹i trõ khái tËp hîp c¸c kiÓu ngµy gèc ®Æc tr−ng. §ã chÝnh lµ

nh−îc ®iÓm lín trong qu¸ tr×nh dù b¸o d¹ng ®å thÞ phô t¶i dùa vµo kinh

nghiÖm cña chuyªn gia.

ViÖc sö dông m¹ng n¬ron nh©n t¹o ®Ó ph©n lo¹i ngµy lµ mét gi¶i ph¸p

kh¾c phôc ®−îc h¹n chÕ trªn. Nhê c¬ chÕ huÊn luyÖn m¹ng n¬ron víi c¸c d÷

liÖu phô t¶i cËp nhËt theo ®Þnh kú, phÇn mÒm dù b¸o cã thÓ t×m ra c¸c kiÓu

ngµy, c¸c ngµy t−¬ng tù vµ c¸c kiÓu ngµy míi ph¸t sinh kh«ng gièng víi mét

sè kiÓu ngµy trong d¹ng gèc hoÆc lo¹i bá mét sè ngµy kh«ng cßn xuÊt hiÖn

n÷a. Trong suèt qu¸ tr×nh huÊn luyÖn m¹ng, khi ®−a c¸c tËp mÉu vµo m¹ng, ta

cÇn ph¶i thu ®−îc kÕt qu¶ g×, bao nhiªu kiÓu ngµy ®Çu ra? Qu¸ tr×nh häc nh−

vËy gäi lµ häc kh«ng gi¸m s¸t.

Trong phÇn tiÕp theo, ta sÏ ®i s©u nghiªn cøu m¹ng n¬ron ¸nh x¹ ®Æc

tr−ng tù tæ chøc Kohonen vµ øng dông nã ®Ó ph©n lo¹i ngµy.

3.2. M¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen

C¸ch xö lý th«ng tin cña c¸c m¹ng n¬ron th«ng th−êng chØ quan t©m tíi

gi¸ trÞ vµ dÊu cña c¸c th«ng tin ®Çu vµo, mµ ch−a quan t©m khai th¸c c¸c mèi

liªn hÖ cã tÝnh chÊt cÊu tróc trong l©n cËn cña c¸c vïng d÷ liÖu mÉu hay toµn

thÓ kh«ng gian mÉu

Ch¼ng h¹n, víi hai phÇn: 1 tam gi¸c, 1 h×nh ch÷ nhËt, ta cã thÓ t¹o

thµnh ng«i nhµ khi chóng ®−îc ph©n bè kÒ gi¸p víi nhau theo mét tËt tù nhÊt

®Þnh.

H×nh 3.2. VÝ dô vÒ mèi liªn hÖ cã tÝnh chÊt l©n cËn

Teuvo kohonen (1989) ®· ®Ò xuÊt mét ý t−ëng rÊt ®¸ng chó ý vÒ ¸nh x¹

c¸c ®Æc tr−ng tù tæ chøc (theo nghÜa kh«ng cÇn cã mÉu häc) nh»m b¶o toµn

c¸c trËt tù s¾p xÕp c¸c mÉu trong kh«ng gian biÓu diÔn nhiÒu chiÒu sang mét

kh«ng gian míi c¸c m¶ng n¬ron (mét hoÆc hai chiÒu). Trong m¹ng Kohonen,

c¸c vÐct¬ tÝn hiÖu vµo gÇn nhau sÏ ®−îc ¸nh x¹ sang c¸c n¬ron trong m¹ng l©n

cËn nhau.

3.2.1. CÊu tróc m¹ng

M¹ng kohonen rÊt gÇn gòi víi kiÓu cÊu tróc m¹ng n¬ron sinh häc c¶ vÒ

cÊu t¹o lÉn c¬ chÕ häc. M¹ng kohonen thuéc vµo nhãm m¹ng mét líp, c¸c

n¬ron ®−îc ph©n bè trong mÆt ph¼ng hai chiÒu theo kiÓu l−íi vu«ng, hay l−íi

lôc gi¸c (h×nh 3.3).

Ph©n bè nµy ph¶i tho¶ m·n yªu cÇu: Mçi n¬ron cã cïng sè n¬ron trong

tõng líp l¸ng giÒng, ý t−ëng c¬ b¶n cña Kohonen lµ c¸c ®Çu vµo t−¬ng tù nhau

sÏ kÝch ho¹t c¸c n¬ron gÇn nhau vÒ kho¶ng kh«ng gian. Mèi quan hÖ t−¬ng tù

(theo kho¶ng c¸ch) cã thÓ tæng qu¸t ho¸ cho mét líp ®èi t−îng réng c¸c quan

hÖ t−¬ng tù gi÷a c¸c tÝn hiÖu ®Çu vµo.

H×nh 3.3. L−íi c¸c n¬ron trong mÆt ph¼ng hai chiÒu

Mét c¸ch trùc quan, cã thÓ xem thuËt gi¶i huÊn luyÖn m¹ng Kohonen

nh»m biÕn ®æi kh«ng gian tÝn hiÖu vµo sang m¹ng n¬ron gièng nh− c¸c thñ tôc

kiÓu “lµm tr¬n” hay “t¹o h×nh” d÷ diÖu.

TÊt c¶ c¸c n¬ron ë líp kÝch ho¹t cã liªn kÕt ®Çy ®ñ víi líp vµo. §iÓm

quan träng nhÊt trong m¹ng Kohonen lµ víi mét vÐct¬ tÝn hiÖu vµo, nã chØ cho

phÐp c¸c ph¶n håi cã tÝnh ®Þa ph−¬ng, nghÜa lµ ®Çu ra cña mçi n¬ron kh«ng

®−îc nèi víi tÊt c¶ c¸c n¬ron kh¸c mµ chØ víi mét sè n¬ron l©n cËn. Sù ph¶n

håi mang tÝnh ®Þa ph−¬ng cña nh÷ng ®iÒu chØnh (nÕu cã) t¹o ra hiÖu øng lµ

c¸c n¬ron gÇn nhau vÒ vÞ trÝ sÏ cã hµnh vi t−¬ng tù khi cã nh÷ng tÝn hiÖu

gièng nhau ®−îc ®−a vµo.

3.2.2. HuÊn luyÖn m¹ng

Qu¸ tr×nh häc ®−îc sö dông trong m¹ng Kohonen dùa trªn kü thuËt

c¹nh tranh, kh«ng cÇn cã tËp mÉu häc. Kh¸c víi häc cã gi¸m s¸t, c¸c tÝn hiÖu

®Çu ra cã thÓ kh«ng ®−îc biÕt mét c¸ch chÝnh x¸c.

XÐt m¹ng n¬ron hai líp, líp ®Çu vµo gåm cã c¸c tÝn hiÖu ®Çu vµo Xs, mçi tÝn hiÖu vµo bao gåm N n¬ron víi X = [x1, x2, …,xN]T. Líp Èn bao gåm M n¬ron. Trªn h×nh 3.4 m« t¶ liªn kÕt gi÷a tÝn hiÖu ®Çu vµo tíi mét n¬ron ra.

TÝn hiÖu vµo

Träng sè liªn kÕt wij

H×nh 3.4. Liªn kÕt gi÷a tÝn hiÖu ®Çu vµo tíi mét n¬ron ra

Mçi ®Çu vµo i ®−îc kÕt nèi víi n¬ron ®Çu ra j th«ng qua mét träng sè

wij. Gi¸ trÞ ®Çu ra aj ®−îc g¸n cho nót ®Çu ra j theo c¸c biÕn ®Çu vµo vµ träng sè liªn kÕt wij.

ij xw

1 =

(3.1) aj = ∑

T¹i mçi thêi ®iÓm chØ cã n¬ron duy nhÊt C trong líp kÝch ho¹t ®−îc lùa

chän sau khi ®· ®−a vµo m¹nh c¸c tÝn hiÖu Xs. N¬ron nµy ®−îc chän theo mét trong hai nguyªn t¾c sau:

max(

(

)

Nguyªn t¾c 1 N¬ron C cã tÝn hiÖu ra cùc ®¹i

siWX

(

)

(3.2) Outc ←

∑∑

aaxm 1 j =

=i 1

min(

(

2 ))

Nguyªn t¾c 2 VÐct¬ träng sè cña n¬ron C gÇn víi tÝn hiÖu vµo nhÊt

err

)

∑ − ji si WX

min( 1 j =

(3.3) Errc ←

Sau khi ®−a vµo mét tËp c¸c vÐct¬ X(1), X(2),…,X(K), c¸c vÐct¬ ®Çu

vµo víi c¸c ®Æc ®iÓm t−¬ng tù ®−îc g¸n cho ®¬n vÞ ®Çu ra gièng hoÆc gÇn

gièng nhau. Nh− vËy ®©y lµ qu¸ tr×nh vÐct¬ ®Çu vµo tù tæ chøc trong qu¸ tr×nh

häc vµ in vµo s¬ ®å ®Çu ra. Sù s¾p xÕp cña nót ®Çu ra th«ng qua mét vÐct¬ ®Çu

vµo t−¬ng øng dùa trªn c¸c ®Æc ®iÓm nªu trªn nªn lo¹i m¹ng n¬ron nµy ®−îc

gäi lµ m¹ng ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen.

Sau khi x¸c ®Þnh ®−îc n¬ron C, c¸c träng sè wci ®−îc hiÖu chØnh nh»m lµm cho ®Çu ra cña nã lín h¬n hoÆc gÇn h¬n gi¸ trÞ träng sè mong muèn. Do

vËy, nÕu tÝn hiÖu vµo xsi víi träng sè wci cho kÕt qu¶ ra qu¸ lín th× ph¶i gi¶m träng sè vµ ng−îc l¹i. C¸c träng sè cña c¸c n¬ron l¸ng giÒng còng ph¶i ®−îc

hiÖu chØnh gi¶m tuú thuéc vµo kho¶ng c¸ch l©n cËn Nc tÝnh tõ C. Víi kho¶ng

l©n cËn Nc th× sè n¬ron l©n cËn víi nót c lµ (2Nc+1)2 ®−îc ph©n bè trong mét

h×nh vu«ng mµ nót C lµ trung t©m (H×nh 3.5).

H×nh 3.5. Ph©n bè gi÷a n¬ron trung t©m vµ c¸c n¬ron theo l−íi vu«ng

Tuú thuéc vµo n¬ron trung t©m C ®−îc chän theo nguyªn t¾c 1 hoÆc

nguyªn t¾c 2 ta cã c¸ch hiÖu chØnh c¸c träng sè wij t−¬ng øng:

(3.4) wji=wji +η(1-xiwji)

hoÆc (3.5) wji=wji +η(xi – wji)

=∑ ijw

1 =

Sau ®ã chuÈn ho¸ c¸c träng sè sao cho:

Víi luËt häc nµy c¸c n¬ron l©n cËn sÏ ®−îc cËp nhËt t−¬ng tù nhau vµ nh−

thÕ sÏ phï hîp víi sù kiÖn ®¸p øng ®Çu vµo l©n cËn. Trªn thùc tÕ kho¶ng l©n

cËn Nc vµ h»ng sè η sÏ ®−îc thay ®æi trong qu¸ tr×nh häc. B¾t ®Çu Nc rÊt lín

vµ η t−¬ng ®èi vµ sau ®ã gi¶m c¶ hai.

Theo kinh nghiÖm, cÇn ph¶i t¹o ra ph©n bè ngÉu nhiªn c¸c träng sè trong

kho¶ng -0.1 ®Õn 0.1 hoÆc -1/m ®Õn 1/m, ë ®©y m lµ sè träng sè cña m¹ng vµ

chuÈn ho¸ d÷ liÖu vµo, ra b»ng -1 hoÆc 1.

Tuy nhiªn còng ph¶i chó ý mét ®iÒu lµ viÖc lùa chän tiªu chuÈn chuÈn

ho¸, ®Þnh cì d÷ liÖu phô thuéc rÊt nhiÒu vµo b¶n chÊt bµi to¸n.

3.2.3. Sö dông m¹ng

Gi¶ sö ®· huÊn luyÖn m¹ng ®Ó nhËn ®−îc ma trËn träng sè W. Khi ®−a

vµo m¹ng mét vÐct¬ X, toµn bé ma trËn W l¹i ®−îc cËp nhËt theo c¸c c«ng

theo nguyªn t¾c 1 hay nguyªn t¾c 2.

t−¬ng ®èi vÒ mÆt “®Þa lý” gi÷a c¸c mÉu trong kh«ng gian biÓu diÔn.

3.3.1. ThiÕt kÕ cÊu tróc m¹ng.

Víi ®Æc thï cña bµi to¸n dù b¸o phô t¶i, d÷ liÖu ®Çu vµo gåm cã 24 gi¸

trÞ t−¬ng øng víi 24h (N=24),v× vËy ta chän ®Çu vµo X= (X1, X2, …XN). Chän líp ®Çu ra gåm M= 19x19 n¬ron víi Y = (Y1, Y2, …YM).

C¸c n¬ron ®Çu ra ®−îc s¾p xÕp trªn mét m¹ng kÎ « h×nh bµn cê, mçi

n¬ron ®−îc m« t¶ b»ng mét hÖ to¹ ®é ch÷ nhËt. §Ó ®¬n gi¶n trong m« h×nh

nµy, ta ®¸nh sè thø tù c¸c n¬ron theo tuÇn tù vµ so s¸nh vÞ trÝ t−¬ng quan cô

1 2 3 4 5 6 … … 17 18 19

20 21 22 … 36 37 38

39 40 41 … 55 56 57

58 59 60 … 74 75 76

… … … … … … …

286 287 288 … 302 303 304

305 306 307 … 321 322 323

324 325 326 … 340 341 342

343 344 345 346 347 348 … 359 360 361

H×nh 3.6. S¾p xÕp c¸c n¬ron ®Çu ra cña m¹ng.

3.3.2. HuÊn luyÖn m¹ng

Sau khi ®· chän ®−îc cÊu tróc m¹ng, b−íc tiÕp theo ta sÏ huÊn luyÖn

m¹ng dùa trªn kü thuËt häc c¹nh tranh, kh«ng cÇn cã tËp mÉu häc.

Gi¶ sö ta cã vÐct¬ §TPT P= (P1, P2 , …, P24), ta thùc hiÖn quy chuÈn

ho¸ ®Ó thu ®−îc vÐct¬ ®¬n vÞ theo c«ng thøc (3.5)

(3.6) xi =

∑

Nh− vËy vÐct¬ ®Çu vµo t¹i m¹ng ¸nh x¹ ®Æc tr−ng tù tæ chøc X = [X1,

X2,…..Xn]T

Qu¸ tr×nh huÊn luyÖn ®−îc b¾t ®Çu b»ng viÖc chän c¸c vÐct¬ ®Çu vµo

X(1), X(2), ….X(n) phô thuéc vµo sè ngµy mµ chóng ta dùa vµo ph©n d¹ng. B−íc tiÕp theo ta chän c¸c gi¸ trÞ träng sè ban ®Çu wij (i=1, 2,…..24); j = (1, 2,…, M) vµ chiÒu dµi kho¶ng l©n cËn lµ Nc. Theo Kohonen th× c¸c träng sè liªn kÕt

b¾t ®Çu tõ c¸c gi¸ trÞ nhá ngÉu nhiªn trong kho¶ng –0.1 ®Õn 0.1. Sau khi ®·

' w

x¸c ®Þnh ®−îc c¸c träng sè ban ®Çu W’’ij b−íc tiÕp theo ta cÇn quy chuÈn ho¸ ®Ó thu ®−îc chiÒu dµi vÐct¬ ®¬n vÞ theo c«ng thøc (3.7).

w ij

∑

(3.7) wij =

Nãi c¸ch kh¸c träng sè ®−îc quy chuÈn sao cho:

=∑ ijw

1 =i

(3.8)

Víi vÐct¬ ®Çu vµo X vµ träng sè liªn kÕt wij, gi¸ trÞ ®Çu ra aj cña n¬ron

thø j ®−îc x¸c ®Þnh

ij xw

1i =

(3.9) aj = ∑

th¸ng, v× vËy sè vÐct¬ §TPT ®Çu vµo lµ X(1), X(2), …, X(k) víi k = 28,29,

30,31 (phô thuéc vµo sè ngµy trong th¸ng ®ang xÐt). Mçi l−ît ®−a c¸c vÐct¬

cËn cña N¬ron C lµ Nc=3, vµ øng víi mçi Nc sè lÇn t¸c ®éng cña ®Çu vµo lµ I

®−îc chØnh theo c«ng thøc (3.5) vµ ®−îc chuÈn ho¸ theo c«ng thøc (3.7) ®Ó

tho¶ m·n ®iÒu kiÖn (3. 8).

4 gi¸ trÞ kh¸c nhau cña Nc (3,2,1,0). NÕu t−¬ng øng mçi Nc cã 20 t¸c ®éng th×

trong mét qu¸ tr×nh huÊn luyÖn sÏ cã 80 t¸c ®éng.

H×nh (3.7) lµ s¬ ®å tr×nh tù c¸c b−íc cña thuËt to¸n t¹o lËp m¹ng ¸nh x¹

B¾t ®Çu

§äc c¸c mÉu vµo P(1), P(2)…P(K), sè n¬ron vµo, ra, sè

mÉu,chän η , wkj , Nc, NI

I = 1,..,NI

k=1,..,K

TÝnh gi¸ trÞ ®Çu ra N

ij xw

1 =

aj = ∑

(

)

aaxm 1 j =

Outc ←

TÝnh W cña n¬ron C vµ c¸c n¬ron l¸ng giÒng

Nc=Nc-1

wji=wji +η(xi – wji) víi i =1,…,N vµ j ∈Nc

Sai

k=K

§óng

Sai

I=NI

§óng

Sai

Nc=0

§óng

KÕt thóc

ngµy.

C¨n cø vµo thuËt to¸n ®· tr×nh bµy trong phÇn tr−íc vµ cÊu tróc cña

cña §TPT. Ch−¬ng tr×nh ®−îc viÕt b»ng phÇn mÒm Matlab, toµn bé ch−¬ng

tr×nh ®−îc ®−a ra trong phÇn phô lôc 1.

M¹ng m« pháng lµ lo¹i m¹ng mét líp bao gåm 24 nót ®Çu vµo vµ 361

c¸c n¬ron líp ra cã liªn kÕt ®Çy ®ñ víi líp vµo. M« h×nh m¹ng Kohonen lµ

m¹ng n¬ron häc kh«ng gi¸m s¸t, ®Ó kiÓm tra qu¸ tr×nh lµm viÖc cña m¹ng vµ

nghiªn cøu ¶nh h−ëng cña kÝch th−íc b−íc cËp nhËt η=0.001 tíi s¬ ®å ®Çu ra,

ta ®−a vµo m¹ng tËp hîp c¸c mÉu vµo n»m trong mét sè nhãm ®· biÕt tr−íc,

2/2006 vµ th¸ng 5/2006.

§TPT t¹i hÖ thèng ®iÖn MiÒn B¾c.

1. Ch¹y thö m¹ng víi th«ng sè th¸ng 5/2006 víi Nc =5

B¶ng 3.1. KÕt qu¶ dù b¸o øng víi th«ng sè NI = 150, η= 0.01

B¶ng 3.2. NI = 150, η= 0.005

2. Ch¹y thö m¹ng víi th«ng sè th¸ng 2/2006 víi Nc =5

B¶ng 3.3. KÕt qu¶ dù b¸o øng víi th«ng sè NI = 150, η= 0.01

B¶ng 3.4. NI = 150, η= 0.008

cËp nhËt cì η=0.005 – 0.01 th× cho kÕt qu¶ t−¬ng ®èi tèt.

NI=150, η = 0.005.

Ta nhËn thÊy c¸c ngµy thø 7, Chñ nhËt trong th¸ng cã cïng kiÓu ngµy

vµ cïng kÝch ho¹t c¸c n¬ron 249, 268, 287 vµ 270. Thø hai 1/5 lµ ngµy lÔ, phô

t¶i trong ngµy nµy cã d¹ng gièng nh− ngµy chñ nhËt vµ kÝch ho¹t n¬ron 268 .

249

268

270

287

Nh− vËy ta xÕp vµo chñ nhËt, thø b¶y, ngµy lÔ vµo nhãm cã cïng kiÓu ngµy.

XÐt c¸c ngµy thø ba ®Õn thø s¸u, c¸c n¬ron kÝch ho¹t ®Çu ra kh¸ ®a

d¹ng bao gåm 243, 244, 262, 281,…, nh−ng l¹i ®−îc s¾p xÕp gÇn nhau vÒ mÆt

xÕp vµo mét lo¹i hay cïng kiÓu ngµy.

243

244

245

246

247

262

263

281

282

284

302

Riªng c¸c ngµy thø hai cña th¸ng 5/2006 tuy kh«ng ph¶i ngµy nghØ,

nh−ng phô t¶i cña c¸c ngµy nµy cã d¹ng gièng nhau vµ kh¸c víi phô t¶i cña

107

nhau trong kh«ng gian.

Tãm l¹i, th«ng qua d¹ng §TPT toµn bé c¸c ngµy trong th¸ng 5/2006 cã

thÓ chia thµnh c¸c kiÓu ngµy chÝnh sau: c¸c ngµy chñ nhËt, thø b¶y, ngµy lÔ,

c¸c ngµy thø hai vµ c¸c ngµy lµm viÖc b×nh th−êng.

NC=5 vµ η=0.008.

Ta thÊy c¸c ngµy thø b¶y, chñ nhËt, trong th¸ng cã §TPT ®Çu vµo gÇn

bè rÊt gÇn nhau trong kh«ng gian. Nh− vËy, cã thÓ s¾p xÕp thø b¶y, chñ nhËt

vµo mét nhãm cã cïng kiÓu ngµy.

139

140

158

177

C¸c ngµy thø hai kh«ng ph¶i lµ ngµy nghØ nh−ng s¸t víi ngµy nghØ chñ

nhËt chóng cã cïng d¹ng §TPT vµ kh¸c víi §TPT cña ngµy lµm viÖc b×nh

hµnh…Nh÷ng ngµy nµy, phÇn mÒm kÝch ho¹t c¸c n¬ron sè 54, 73 vµ chóng

XÐt c¸c ngµy lµm viÖc b×nh th−êng kh¸c tõ thø ba ®Õn thø s¸u, c¸c

n¬ron kÝch ho¹t ë ®Çu ra kh¸ ®a d¹ng bao gåm 275, 276, 277… nh−ng còng

®−îc s¾p xÕp rÊt gÇn nhau vÒ mÆt kh«ng gian. Nh− vËy, §TPT cña c¸c ngµy

275

276

277

294

296

298

300

313

314

315

317

319

lµm viÖc ®−îc xÕp vµo mét lo¹i, hay cïng mét nhãm cã cïng kiÓu ngµy.

thµnh ba nhãm cã cïng kiÓu ngµy ®ã lµ:

Nhãm 1: Bao gåm c¸c ngµy thø b¶y,chñ nhËt vµ ngµy lÔ.

Nhãm 2: Bao gåm c¸c ngµy thø hai trong tuÇn.

Nhãm 3: Bao gåm c¸c ngµy lµm viÖc b×nh th−êng tõ thø ba ®Õn thø s¸u.

Nh− vËy: M¹ng ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen víi cÊu tróc nh−

c¸ch dÔ dµng, nhanh chãng vµ hiÖu qu¶. Ph¸t hiÖn ®−îc mét sè kiÓu ngµy míi

nh− c¸c ngµy cã sù cè lín, ph¶i c¾t ®iÖn ®ét xuÊt do thiªn tai… ®ång thêi

còng cã thÓ lo¹i bá ®−îc mét kiÓu ngµy nµo ®ã hÇu nh− kh«ng xuÊt hiÖn hoÆc

thËm chÝ biÕn mÊt hoµn toµn mµ kh«ng ®−îc lo¹i trõ khái tËp hîp c¸c kiÓu

ngµy gèc ®Æc tr−ng. Th«ng th−êng nh÷ng ngµy ®Æc biÖt nh− trªn c¸c chuyªn

gia víi kinh nghiÖm cña m×nh cã thÓ kh«ng ph¸t hiÖn vµ cËp nhËt ®−îc kÞp

thêi.

CH¦¥NG iV

øNG DôNG M¹NG N¥RON NHIÒU LíP LAN TRUYÒN NG¦îC

SAI Sè Dù B¸O PHô T¶I Ng¾n h¹n THEO NHIÖT §é

M¤I TR¦êNG

Ch−¬ng nµy tr×nh bµy c¸c kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron nhiÒu líp

cÊu tróc m¹ng, øng dông kü thuËt “m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc

s¸nh víi mét sè ph−¬ng ph¸p ®· cã. Ch−¬ng tr×nh ®−îc viÕt b»ng phÇn mÒm

Matlab vµ ng«n ng÷ VBA ®−îc tÝch hîp trong phÇn mÒm Excel.

4.1 C¸c kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai

sè (Back propagation neural network).

Rosenblatt vµ c¸c t¸c gi¶ kh¸c còng ®· miªu t¶ c¸c m¹ng truyÒn th¼ng

Perceptron mét líp. Së dÜ nh− vËy lµ do kh«ng t×m ®−îc c¸ch thay ®æi träng sè

liªn l¹c t¹i c¸c líp Èn. Qu¶ thËt, ngay c¶ khi ®· biÕt ®−îc sai sè t¹i ®Çu ra,

c¸c n¬ron Èn. Trong cuèn s¸ch vÒ m¹ng Perceptron xuÊt b¶n n¨m 1969,

Minsky vµ Paprt ®· chØ ra r»ng khã cã thÓ tæng qu¸t ho¸ luËt häc ®èi víi m¹ng

mét líp sang m¹ng nhiÒu líp. Cã 2 lý gi¶i chÝnh cho vÊn ®Ò nµy, thø nhÊt,

thuËt gi¶i häc cña m¹ng nhiÒu líp cã thÓ kh«ng hiÖu qu¶, hoÆc kh«ng héi tô

vÒ ®iÓm cùc trÞ tæng thÓ trong kh«ng gian vÐct¬ träng sè. MÆt kh¸c, c¸c

nghiªn cøu trong lý thuyÕt tÝnh to¸n ®· chØ ra r»ng trong tr−êng hîp tåi nhÊt

qu¸ tr×nh häc c¸c hµm tæng qu¸t tõ mÉu häc kh«ng ph¶i lóc nµo còng gi¶i

quyÕt ®−îc. C¸c nguyªn t¾c c¬ b¶n trong luËt häc ®èi víi m¹ng nhiÒu líp ®·

®−îc Bryson vµ Ho ®Ò xuÊt tõ n¨m 1969, nh−ng ph¶i tíi gi÷a n¨m 1980 vÊn

n¨m 1986. Mét thèng kª cho thÊy 90% øng dông m¹ng n¬ron trong c«ng

nghÖ ho¸ häc sö dông m« h×nh nµy.

4.1.1 KiÕn tróc m¹ng truyÒn th¼ng.

M¹ng truyÒn th¼ng nhiÒu líp bao gåm mét líp vµo, mét hoÆc nhiÒu líp

Èn vµ mét líp ra. Trong ®ã c¸c n¬ron líp thø i ®−îc nèi ®Çy ®ñ víi c¸c n¬ron

líp thø i+1, c¸c n¬ron trong cïng mét líp kh«ng liªn kÕt víi nhau. C¸c n¬ron

®Çu vµo cã nhiÖm vô tiÕp nhËn c¸c d÷ liÖu ®Çu vµo vµ chuyÓn cho líp Èn kÕ

tiÕp. Trong nhiÒu øng dông thùc tÕ, ®Ó ®¬n gi¶n, ng−êi ta th−êng sö dông

m¹ng cã mét líp Èn, sè n¬ron trong líp Èn ®−îc x¸c ®Þnh dùa trªn kinh

nghiÖm, hoÆc dùa trªn kü thuËt t×m kiÕm kh¸c nhau. H×nh 4.1 lµ cÊu tróc cña

m¹ng truyÒn th¼ng 2 líp.

• Líp vµo: Lµ c¸c n¬ron nhËn c¸c biÕn ®Çu vµo xi víi i=1,2…n, n lµ sè biÕn ®Çu vµo. C¸c n¬ron líp vµo nhËn gi¸ trÞ c¸c biÕn ®Çu vµo, d÷ liÖu

cña tÊt c¶ c¸c n¬ron ë líp ®Çu vµo ®−îc tÝnh to¸n råi chuyÓn kÕt qu¶

cho c¸c n¬ron líp Èn

• Líp Èn: Bao gåm c¸c n¬ron yj víi j=1,2..m. C¸c n¬ron líp Èn nhËn tÝn

hiÖu tõ n¬ron líp vµo qua bé träng sè W1

• Líp ra: Bao gåm c¸c n¬ron ®−a ra gi¸ trÞ zk víi k=1,2..l. C¸c n¬ron líp ra nhËn tÝn hiÖu tõ n¬ron líp Èn qua bé träng sè W2. Mçi n¬ron ®Çu ra

t−¬ng øng víi 1 biÕn ®Çu ra.

Trong m¹ng lan truyÒn ng−îc tÝn hiÖu ®−îc lan truyÒn tõ líp vµo ®Õn líp

ra vµ m¹ng thùc hiÖn ¸nh x¹ ®Ó tÝnh gi¸ trÞ cho c¸c biÕn ®Çu ra dùa vµo c¸c gi¸

trÞ biÕn ®Çu vµo. Ban ®Çu gi¸ trÞ c¸c biÕn vµo ®−îc chuyÓn cho c¸c n¬ron líp

vµo cña m¹ng, d÷ liÖu cña tÊt c¶ c¸c n¬ron ë líp ®Çu vµo ®−îc tÝnh to¸n råi

chuyÓn kÕt qu¶ cho c¸c n¬ron líp Èn. Cuèi cïng mçi nót Èn göi kÕt qu¶ ®Õn tÊt

c¶ c¸c n¬ron ra. Gi¸ trÞ cña c¸c nót ®Çu ra chÝnh lµ gi¸ trÞ cña c¸c biÕn ®Çu ra

cÇn x¸c ®Þnh.

x1 x2 x3 Lớp vào

Lớp ẩn

w2 ij Lớp ra zi O6

H×nh 4.1. CÊu tróc m¹ng n¬ron 2 líp.

4.1.2. HuÊn luyÖn m¹ng

M¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè chØ cã thÓ ë hai tr¹ng th¸i

®ã lµ tr¹ng th¸i häc vµ tr¹ng th¸i ¸nh x¹. B¶n chÊt cña tr¹ng th¸i ¸nh x¹ do

m¹ng thùc hiÖn tïy thuéc vµo gi¸ trÞ cña c¸c träng sè trong m¹ng. Lan truyÒn

ng−îc lµ mét ph−¬ng ph¸p cho phÐp x¸c ®Þnh tËp träng sè tèt nhÊt cña m¹ng,

truyÒn ng−îc sai sè. Hai qu¸ tr×nh nµy ®−îc thùc hiÖn trªn tËp mÉu cè ®Þnh.

Hai qu¸ tr×nh nµy ®−îc gäi lµ huÊn luyÖn m¹ng. Trong tr¹ng th¸i häc, th«ng

tin lan truyÒn theo hai chiÒu nhiÒu lÇn ®Ó huÊn luyÖn c¸c träng sè. Qu¸ tr×nh

huÊn luyÖn m¹ng ®−îc b¾t ®Çu víi tËp träng sè tuú ý, cã thÓ lµ c¸c gi¸ trÞ ngÉu

nhiªn nhá vµ tiÕn hµnh lÆp ®i lÆp l¹i. Mçi lÇn lÆp ®−îc gäi lµ mét thÕ hÖ, trong

mçi thÕ hÖ m¹ng ®iÒu chØnh c¸c träng sè sao cho sai sè gi¶m dÇn. Qu¸ tr×nh

®iÒu chØnh nhiÒu lÇn sao cho träng sè dÇn dÇn ®¹t ®−îc tËp hîp c¸c gi¸ trÞ tèi

−u.

Qu¸ tr×nh huÊn luyÖn m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè lµ

qu¸ tr×nh häc cã gi¸m s¸t víi tËp mÉu {( Xs, Ds)}. Thñ tôc häc cã thÓ tãm l−îc nh− sau:

Mçi khi ®−a mét mÉu Xs = ( x1,…….,xn) vµo m¹ng, ta thùc hiÖn c¸c c«ng viÖc sau:

1. Lan truyÒn mÉu Xs qua m¹ng ®Ó cã Zs = T( Xs ). Hµm T(.) lµ hµm phi

tuyÕn phô thuéc vµo cÊu tróc m¹ng n¬ron.

• Líp Èn Y:

- Tæng th«ng tin ®Çu vµo cña líp Èn Y cã träng sè lµ:

ji xw

1 =

(4.1) aj = ∑

- Víi hµm kÝch ho¹t cña c¸c n¬ron f(.), gi¸ trÞ output cña c¸c n¬ron

ë líp Èn Y ®−îc x¸c ®Þnh:

yj = f(aj) (4.2)

• Líp ra Z:

- Tæng th«ng tin ®Çu vµo cña líp ra Z cã träng sè lµ:

2 kj yw

1 =

(4.3) bk = ∑

- Gi¸ trÞ output cña c¸c n¬ron ë líp ra Z ®−îc x¸c ®Þnh:

zk = f(bk) (4.4)

2. TÝnh sai sè truyÒn ng−îc Errs cña m¹ng dùa trªn sai lÖch DS-ZS.

• TÝnh sai sè cña líp ra z

- Sai sè Errs cña líp ra Z dùa trªn sai lÖch gi÷a gi¸ trÞ ra thùc tÕ vµ

mÉu.

Errk = dk-zk (4.5)

Víi errk lµ sai sè thµnh phÇn thø k trong Errs.

- Sai sè cña n¬ron thø k cña líp ra Z ®−îc x¸c ®Þnh:

δk = errk f’(bk) = (dk-zk)zk’ = (dk-zk)f’(bk) (4.6)

Tr−êng hîp xÐt hµm kÝch ho¹t t¹i c¸c n¬ron

1 xe −+1

f(x) = (4.7)

ta cã hÖ thøc f’(x) = f(x)(1-f(x) ) (4.8)

f’(.) lµ ®¹o hµm cña hµm kÝch ho¹t ®−îc dïng trong c¸c n¬ron.

Thay (4.8) vµo (4.6) ta cã:

δk = (dk-zk)zk’ = (dk-zk) fk (1-fk) hay

δk= (dk-zk)zk’ = (dk-zk) zk (1-zk) (4.9)

)

• Sai sè cña n¬ron thø j cña líp Èn Y

2 kj

yw∑ δ k

fw∑ δ k

1 =

= (4.10) δj =

)

Sö dông hµm kÝch ho¹t (4.7) ta cã:

δ k

yw 2 kj

2 kj

yw∑ δ k

fw∑ δ k

= = δj= (1-yj) (4.11)

∑

1 =

3. HiÖu chØnh c¸c träng sè liªn kÕt n¬ron dÉn tíi líp ra Wij tõ n¬ron j t¹i

líp Èn cuèi cïng tíi n¬ron k t¹i líp ra:

kj cña líp ra Z.

• HiÖu chØnh w2

kj = w2(t)

kj + αyj δk

w2* (4.12)

Trong ®ã:

- α lµ hÖ sè häc

kj lµ gi¸ trÞ träng sè hiÖn thêi tõ n¬ron thø j tíi k

- w2(t)

kj lµ gi¸ trÞ träng sè ®−îc hiÖu chØnh tõ n¬ron thø j tíi k

- w2*

Tõ c«ng thøc (4.12) ta cã thÓ viÕt:

kj = w2

kj + ∆ w2

kj (4.13)

kj = αyj δk

víi ∆ w2

ij theo

Trong c¸c øng dông thùc tÕ, ng−êi ta th−êng hiÖu chØnh ∆ w2

nguyªn t¾c cã chó ý ®Õn c¸c thao t¸c tr−íc ®ã. Do vËy:

kj = w2(t)

kj - w2(t-1)

kj) (4.14)

kj + αyj δk + β(w2(t)

w2*

2(míi) = αyj δk + ∆ wkj

víi ∆ wkj

ij cña líp Èn Y

• HiÖu chØnh w1

ji ®−îc hiÖu chØnh theo c«ng thøc sau:

T−¬ng tù, träng sè w1

ji = w2(t)

ji + + αxi δj (4.15)

w2*

ij theo

Trong c¸c øng dông thùc tÕ, ng−êi ta th−êng hiÖu chØnh ∆ w2

nguyªn t¾c cã chó ý ®Õn c¸c thao t¸c tr−íc ®ã. Do vËy:

ji = w1(t)

ji + αxi δj + β(w1(t)

ji – w1(t-1)

ji) (4.16)

1(cò)

∆ wij

1(míi) = αxi δj + ∆ wij

w1*

Qu¸ tr×nh huÊn luyÖn cÇn chó ý tíi c¸c yÕu tè sau:

- C¸c träng sè ban ®Çu wij ®−îc g¸n c¸c gi¸ trÞ ngÉu nhiªn, nhá

- Lùa chän c¸c hÖ sè häc vµ hÖ sè qu¸n tÝnh sao cho α + β ≈ 1, víi β

kh«ng lín h¬n qu¸ nhiÒu.

- C¸c tÝn hiÖu vµo, ra nªn ®−îc ®Þnh cì chØ n»m trong kho¶ng [0, 1].

C¸c nghiªn cøu thùc nghiÖm chØ ra r»ng nªn ë trong kho¶ng [0.2,

0.8].

4.1.3. Sö dông m¹ng

Gi¶ sö ®· huÊn luyÖn m¹ng nh− trªn h×nh 4.1 víi tËp mÉu {( Xs, Ds)} ®Ó ®−îc ma trËn träng sè W. Qu¸ tr×nh lan truyÒn trong m¹ng mét vÐct¬ tÝn

hiÖu vµo X = ( x1, x2, x3) ®−îc cho bëi:

11f(w1

11x 1 + w1

12x 2 + w1

13x 3) +

11y1+ w2

12y2) = f(w2

z = f(w2

12f(w1

21x 1 + w1

22x 2 + w1

23x 3)) = F ( X, W)

Kh¶ n¨ng tÝnh to¸n cña m¹ng nhiÒu líp

- Víi mét líp Èn, m¹ng cã thÓ tÝnh to¸n xÊp xØ mét hµm liªn tôc bÊt kú

®èi víi c¸c biÕn t−¬ng øng lµ c¸c tÝn hiÖu ®Çu vµo.

- Víi hai líp Èn, m¹ng cã thÓ tÝnh to¸n xÊp xØ mét hµm bÊt kú. Tuy vËy,

sè n¬ron trong c¸c líp Èn cã thÓ t¨ng theo hµm mò ®èi víi sè ®Çu vµo

vµ cho ®Õn nay vÉn ch−a cã nh÷ng c¬ së lý luËn ®Çy ®ñ ®Ó kh¶o s¸t hä

c¸c hµm cã thÓ xÊp xØ nhê c¸c m¹ng nhiÒu líp.

4.1.4. Nghiªn cøu sù héi tô vµ ®é phøc t¹p cña qu¸ tr×nh huÊn luyÖn

m¹ng.

Ph−¬ng ph¸p hiÖu chØnh träng sè n¬ron (4.12) vµ (4.15) dùa trªn

nguyªn t¾c lan truyÒn ng−îc sai sè cã thÓ lý gi¶i dùa trªn nguyªn lý t×m kiÕm

gradient trong kh«ng gian c¸c tham sè W sao cho cùc tiÓu hµm sai sè tæng

(

)

−

céng:

1 ∑ 2

1 =

(4.17) E(w) =

gi¸ trÞ tÝnh to¸n cña m¹ng t¹i n¬ron thø k ë líp ra ®èi víi mÉu Xs.

2 yw kj

2 fw kj

−

Khai triÓn E(w) theo c¸c träng sè thµnh phÇn, ta cã:

1 xw ji

E(w) = =

∑

1 ∑ 2

1 2

⎛ ⎜ ⎝

⎞ ⎟ ⎠

⎛ − ∑ ⎜ f ⎜ ⎝

⎞ ⎟ ⎟ ⎠

⎛ ⎜ ⎜ ⎝

⎞ ⎟ ⎟ ⎠

⎛ ⎜ ⎜ ⎝

⎞ ⎟ ⎟ ⎠

ij vµ w1

ji ta cã:

LÊy ®¹o hµm riªng cña E theo c¸c träng sè w2

E ∂ 2 kjw ∂

= -yj (dk – zk) f’(bk) = -yjδk

kjf’(ai) = -xiw2

kjδkf’(ai) =-xiδj

E ∂ 1 jiw ∂

= -xi(dk – zk)f’(bk)w2

ViÖc hiÖu chØnh vÐct¬ träng sè W = (wkj) sao cho E(w) → min dÉn tíi

kjwE ∂ ∂

viÖc x¸c ®Þnh vÐct¬ gia sè ∆ w = ( ∆ wkj) ng−îc h−íng víi vÐct¬ gradient ( ). Nãi c¸ch kh¸c,

kj = -α(-yjδk)= αyjδk.

∆ w1

ji =-α(-xiδj)= αxiδj

∆ w2

C«ng thøc nµy phï hîp víi c«ng thøc (4.12) (4.15) t−¬ng øng.

§é phøc t¹p thêi gian cña m¹ng nhiÒu líp chñ yÕu phô thuéc vµo thêi

gian huÊn luyÖn m¹ng víi mét tËp mÉu nµo ®ã. Gi¶ sö cã m mÉu vµo vµ W

träng sè. Mçi lÇn ®−a tÊt c¶ c¸c mÉu ®i qua m¹ng (gäi lµ vßng lÆp (epoch))

ph¶i tèn O(m W ) thao t¸c n¬ron. Trong tr−êng hîp xÊu nhÊt, sè vßng lÆp l¹i

sÏ phô thuéc hµm mò vµo sè ®Çu vµo n. Do vËy, chi phÝ thêi gian sÏ lµ

O(k n m W ).

H¬n n÷a qu¸ tr×nh häc kh«ng ph¶i lóc nµo còng héi tô vµ cã thÓ dÉn

tíi c¸c cùc tiÓu ®Þa ph−¬ng cña hµm E. Khi dïng m¹ng n¬ron nhiÒu líp ®Ó

nn2

biÓu diÔn tÊt c¶ c¸c hµm logic cã n ®Çu vµo, ta ph¶i dïng kho¶ng nót Èn,

m¹ng nµy cã kho¶ng O(2 n ) träng sè, do vËy ph¶i tiªu tèn O(2 n ) bit ®Ó biÓu

diÔn hµm logic.

B¾t ®Çu

kj , w1

ji gi¸ trÞ bÊt kú trong kho¶ng [0,1], sè vßng häc

Vµo sè n¬ron vµo, Èn, ra, sè mÉu, E0 chän α , w2

Ek = 0

B−íc lÆp it = l

MÉu p = l

TÝnh yk vµ zk

TÝnh W1, W2

míi

It = it + 1

P = P + 1

TÝnh Ek

Sai

NÕu p > PN

§óng

Sai

NÕu Ek/NP/ZN
§óng

KÕt thóc

H×nh 4.2. S¬ ®å khèi tr×nh tù c¸c b−íc cña thuËt to¸n t¹o lËp m¹ng lan

truyÒn ng−îc sai sè.

67

Sau mçi b−íc lÆp, c¸c gi¸ trÞ cña c¸c hÖ sè träng l−îng ®−îc hiÖu chØnh

dÇn. Qu¸ tr×nh häc ®−îc dõng l¹i E(w) gi¶m ®Õn mét gi¸ trÞ nµo ®ã, kÕt thóc

qu¸ tr×nh huÊn luyÖn m¹ng sÏ cho ®¸p øng ®Çu ra t−¬ng øng víi c¸c tÝn hiÖu

®Çu vµo. C¸c gi¸ trÞ cña hÖ sè träng l−îng sÏ kh«ng ®æi sau khi kÕt thóc qu¸

tr×nh huÊn luyÖn. Trong qu¸ tr×nh huÊn luyÖn m¹ng n¬ron ®−îc nhËn biÕt mèi

quan hÖ gi÷a c¸c th«ng sè ®Çu vµo lµ biÕn X vµ c¸c th«ng sè ®Çu ra mÉu lµ

biÕn Y, sau khi kÕt thóc qu¸ tr×nh huÊn luyÖn ®Çu ra cña m¹ng lµ c¸c gi¸ trÞ Z.

Z lµ mét hµm phi tuyÕn phô thuéc vµo X.

4.1.5. Mét sè vÊn ®Ò vÒ m¹ng n¬ron nhiÒu líp.

M¹ng n¬ron nhiÒu líp truyÒn th¼ng lµ c¸ch biÓu diÔn c¸c ®èi t−îng dùa

trªn c¸c gi¸ trÞ cña c¸c thuéc tÝnh t−¬ng ®èi hiÖu qu¶, tuy r»ng chóng ch−a vÐt

c¹n hÕt mäi khÝa c¹nh kh¸c nhau vÒ ®èi t−îng ®ã. C¸ch tiÕp cËn m¹ng lo¹i

nµy tá ra kh¸ hiÖu qu¶ khi c¸c quan s¸t (tÝn hiÖu vµo) cã miÒn gi¸ trÞ liªn tôc.

Do vËy, cã thÓ xem lµ tèt h¬n so víi nh÷ng c¸ch tiÕp cËn truyÒn thèng dùa

trªn logic mÖnh ®Ò vµ c©y quyÕt ®Þnh.

• Kh¶ n¨ng tæng qu¸t ho¸: m¹ng lo¹i nµy cã thÓ ®−a ra nh÷ng kÕt qu¶

mang tÝnh tæng qu¸t ho¸, tuy r»ng kiÓu phô thuéc gi÷a ®Çu ra vµ ®Çu vµo

kh«ng qu¸ rèi r¾m.

• Kh¶ n¨ng dung thø lçi: m¹ng ®−îc luyÖn mÉu theo quy t¾c tuyÕn tÝnh

nªn cã thÓ nhÊp nhËn sai sè trong tËp d÷ liÖu vµo. Tuy vËy, m¹ng kh«ng thÓ

®−a ra ®−îc nh÷ng kÕt qu¶ tÝnh to¸n kh«ng ch¾c ch¾n, kh«ng chÝnh x¸c kiÓu

nh− m¹ng Bayes.

• M¹ng ®−îc sö dông nh− mét hép ®en, biÓu thÞ quan hÖ nµo ®ã gi÷a tÝn

hiÖu ra vµ tÝn hiÖu vµo, mµ kh«ng cÇn chØ râ d¹ng gi¶i tÝch t−êng minh cña

mèi quan hÖ ®ã. Tuy vËy, ®iÓm bÊt lîi cña c¸ch tiÕp m¹ng chÝnh lµ ë chç

kh«ng thÓ lý gi¶i c¸c kÕt qu¶ ra mét c¸ch râ rµng nh− ®èi víi suy diÔn logic

hay c©y quyÕt ®Þnh.

68

4.2. øng dông m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè x©y dùng

bµi to¸n dù b¸o phô t¶i hÖ thèng ®iÖn.

4.2.1. C¸c b−íc x©y dùng bµi to¸n dù b¸o phô t¶i.

Qua nhiÒu n¨m nghiªn cøu vµ thùc nghiÖm ng−êi ta ®· chøng tá r»ng c¸ch

tiÕp cËn c¸c bµi to¸n dù b¸o b»ng c¸ch sö dông m¹ng n¬ron huÊn luyÖn bëi

thuËt to¸n lan truyÒn ng−îc lµ hoµn h¶o vµ ®¶m b¶o ®é chÝnh x¸c cao. Nh−ng

®Ó ®¹t ®−îc môc tiªu trªn ta ph¶i nghiªn cøu vµ huÊn luyÖn ®Ó lùa chän tèi −u

c¸c tham sè cÇn thiÕt cña m¹ng n¬ron:

- Sè líp Èn(th−êng dïng 1 líp)

- KÝch th−íc c¸c líp Èn

- HÖ sè häc

- HÖ sè qu¸n tÝnh: th−êng ph¶i lùa chän hÖ sè häc vµ hÖ sè qu¸n tÝnh sao

cho α + β ≈ 1 víi β kh«ng lín h¬n α qu¸ nhiÒu.

- C¸c tÝn hiÖu vµo, nªn chuÈn ho¸ sao cho tÝn hiÖu vµo n»m trong kho¶ng

[0;1]. C¸c nghiªn cøu thùc nghiÖm ®· chØ ra tÝn hiÖu vµo nªn n»m trong

kho¶ng [0.2,0.8]

- D¹ng hµm kÝch ho¹t: Th−êng chän hµm Sigmoid kh«ng cùc

1 xe −+1

f(x) =

- Khëi t¹o träng sè ban ®Çu: C¸c gi¸ trÞ ban ®Çu cÇn g¸n gi¸ trÞ ngÉu

nhiªn nhá n»m trong kho¶ng [0;1]

Bµi to¸n dù b¸o lµ mét bµi to¸n phøc t¹p, c¶ vÒ sè l−îng d÷ liÖu ®−a vµo

còng nh− ®é chÝnh x¸c d÷ liÖu cÇn dù b¸o. Tõ tr−íc ®Õn nay ng−êi ta ®· ®−a ra

nhiÒu ph−¬ng ph¸p dù b¸o kh¸c nhau nh− ph−¬ng ph¸p: Håi quy tuyÕn tÝnh,

Ph−¬ng ph¸p ngo¹i suy theo thêi gian…

69

Tuy nhiªn ®Õn thêi ®iÓm nµy ®èi víi c¸c bµi to¸n dù b¸o phøc t¹p, ®ßi hái

®é chÝnh x¸c cao ng−êi ta th−êng dïng thuËt to¸n lan truyÒn ng−îc ®Ó øng

dông trong c¸c lÜnh vùc dù b¸o, nhËn d¹ng, ph©n líp. C¸c b−íc chÝnh trong

qu¸ tr×nh thiÕt kÕ vµ x©y dùng mét øng dông dùa trªn m¹ng n¬ron nhiÒu líp

lan truyÒn ng−îc sai sè bao gåm:

B−íc1: Lùa chän c¸c biÕn ®Çu vµo

§èi víi bµi to¸n dù b¸o phô t¶i ®iÖn, gi¸ trÞ phô t¶i vµ nhiÖt ®é t−¬ng øng

tõng giê lµ c¸c d÷ liÖu ®Çu vµo cho m¹ng.

B−íc2: Thu thËp d÷ liÖu

Xem xÐt kh¶ n¨ng thu thËp d÷ liÖu, c¸c d÷ liÖu sau khi thu thËp ®−îc cÇn

ph¶i kiÓm tra tÝnh hîp lÖ cña chóng.

B−íc3: Xö lý d÷ liÖu

D÷ liÖu ®Çu vµo thùc chÊt lµ c¸c gi¸ trÞ cña tham sè ®Çu vµo ®Çu ra ®Ó tèi

thiÓu ho¸ nhiÔu. V× c¸c ®Çu vµo d÷ liÖu phô t¶i vµ nhiÖt ®é rÊt lín nªn ta ph¶i

chuÈn ho¸ sao cho c¸c gi¸ trÞ d÷ liÖu ®Çu vµo ë trong kho¶ng [0.2,0.8].

B−íc 4: Ph©n chia tËp d÷ liÖu

§Ó huÊn luyÖn m¹ng ta ph¶i chia tËp d÷ liÖu thµnh tËp huÊn luyÖn vµ tËp

kiÓm tra. TËp huÊn luyÖn th−êng lµ lín h¬n tËp kiÓm tra, tËp huÊn luyÖn

th−êng chøa kho¶ng 70% - 90% toµn bé tËp d÷ liÖu. TËp kiÓm tra sö dông ®Ó

kiÓm tra tÝnh ®óng ®¾n cña m¹ng sau khi ®· huÊn luyÖn, cã hai c¸ch x¸c ®Þnh

tËp kiÓm tra, mét lµ lÊy ngÉu nhiªn c¸c mÉu tõ tËp huÊn luyÖn ban ®Çu, hai lµ

chØ lÊy tËp d÷ liÖu gÇn víi hiÖn t¹i h¬n v× nã quan träng h¬n c¸c d÷ liÖu trong

qu¸ khø.

B−íc 5: X¸c ®Þnh cÊu tróc m¹ng

§Ó x©y dùng mét m¹ng n¬ron hoµn chØnh, ta cÇn x¸c ®Þnh c¸c yÕu tè sau:

70

- Sè ®Çu vµo: X¸c ®Þnh sè ®Çu vµo cña líp vµo c¨n cø vµo d÷ liÖu ®Çu

vµo vµ qu¸ tr×nh huÊn luyÖn m¹ng.

- Sè líp Èn: §èi víi c¸c bµi to¸n dù b¸o nãi chung th«ng th−êng ng−êi ta

sö dông mét líp Èn v× thùc tÕ ®· cã nhiÒu nghiªn cøu t×m hiÓu xem viÖc

thªm c¸c líp Èn cã lµm t¨ng n¨ng lùc häc hoÆc tèc ®é häc cña m¹ng

kh«ng. Tuy nhiªn ch−a cã lËp luËn lý thuyÕt nµo ñng hé cho viÖc thªm

c¸c líp Èn. Víi mét líp Èn m¹ng cã thÓ tÝnh to¸n xÊp xØ mét hµm liªn

tôc bÊt kú ®èi víi c¸c biÕn t−¬ng øng lµ c¸c tÝn hiÖu ®Çu vµo. Cßn víi

nhiÒu líp Èn mÆc dï cã thÓ tÝnh to¸n xÊp xØ mét hµm bÊt kú, tuy vËy sè

n¬ron trong c¸c líp Èn cã thÓ t¨ng theo hµm mò ®èi víi sè ®Çu vµo dÉn

®Õn c«ng thøc tÝnh to¸n c¸c ®Çu vµo, ®Çu ra phøc t¹p h¬n vµ viÖc huÊn

luyÖn m¹ng sÏ chËm h¬n. Cho ®Õn nay vÉn ch−a cã nh÷ng c¬ së lý luËn

®Çy ®ñ ®Ó kh¶o s¸t hä c¸c hµm cã thÓ xÊp xØ nhê c¸c m¹ng nhiÒu líp.

- Sè n¬ron trong líp Èn: Ch−a cã ph−¬ng ph¸p nµo cã thÓ chän ®−îc sè

tèi −u c¸c n¬ron sö dông trong líp Èn. ChØ cã mét sè ph−¬ng ph¸p cho

ta lùa chän ban ®Çu, nh−ng muèn cã ®−îc sè tèi −u c¸c n¬ron trong líp

Èn th× ng−êi thiÕt kÕ m« h×nh cÇn ph¶i thùc hiÖn nhiÒu thÝ nghiÖm.

§ång thêi, viÖc chän lùa sè ®Çu vµo m¹ng còng mang tÝnh chÊt quyÕt

®Þnh ®Õn cÊu tróc m¹ng ®Ó cã kh¶ n¨ng tæng qu¸t ho¸ tèt. Th«ng th−êng

ta cã thÓ lùa chän sè n¬ron líp Èn xÊp xØ cì 2n/n (víi n lµ sè ®Çu vµo).

Ta cÇn thùc hiÖn huÊn luyÖn, kiÓm tra lçi cña toµn bé tËp mÉu ®Ó cã thÓ

t¨ng hoÆc gi¶m c¸c n¬ron líp Èn.

- Sè n¬ron ®Çu ra: C¨n cø vµo môc tiªu cô thÓ cña tõng bµi to¸n dù b¸o

®Ó x¸c ®Þnh ®Çu ra t−¬ng øng.

B−íc 6: Tiªu chuÈn ®¸nh gi¸:

Cã nhiÒu c¸ch ®¸nh gi¸ ®é chÝnh x¸c cña bµi to¸n dù b¸o nh−ng th−êng

chän hµm SSE (Sum of Squares Errors): TÝnh tæng c¸c b×nh ph−¬ng sai sè trªn

71

toµn bé tËp mÉu häc hoÆc hµm MSE (Mean Sum of Squares Errors): TÝnh

trung b×nh tæng c¸c b×nh ph−¬ng sai sè trªn toµn bé tËp mÉu häc.

B−íc 7: HuÊn luyÖn m¹ng

HuÊn luyÖn m¹ng häc c¸c d÷ liÖu b»ng c¸ch lÇn l−ît ®−a c¸c mÉu vµo

cïng víi nh÷ng gi¸ trÞ mong muèn. Môc tiªu cña viÖc huÊn luyÖn m¹ng lµ t×m

ra tËp c¸c träng sè sao cho gi¸ trÞ nhá nhÊt toµn côc cña hµm lçi. Mét c©u hái

®Æt ra lµ khi nµo ngõng huÊn luyÖn? Th«ng th−êng cã hai biÖn ph¸p: Thø nhÊt

ngõng huÊn luyÖn khi kh«ng cã tiÕn triÓn nµo cña hµm lçi n÷a víi d÷ liÖu trªn

mét sè tËp c¸c tham sè cña m¹ng. Thùc chÊt biÖn ph¸p nµy lµ x¸c ®Þnh ®−îc

kh¶ n¨ng ®¹t ®Õn cùc tiÓu toµn côc lín nhÊt. BiÖn ph¸p thø hai lµ cÇn thùc hiÖn

xem xÐt th−êng xuyªn kh¶ n¨ng tæng qu¸t ho¸ b»ng c¸ch sau mçi chu kú nµo

®ã thùc hiÖn kiÓm tra tæng qu¸t ho¸ cña m¹ng vµ sau ®ã quay l¹i qu¸ tr×nh

huÊn luyÖn.

ViÖc thùc hiÖn huÊn luyÖn m¹ng cßn cÇn xem xÐt kh¶ n¨ng víi mét sè

nµo ®ã lÇn thùc hiÖn huÊn luyÖn m¹ng trªn tËp khëi t¹o ban ®Çu cña c¸c tham

sè. Sau khi thùc hiÖn huÊn luyÖn trªn tÊt c¶ c¸c tham sè nµy, cÇn thùc hiÖn

®¸nh gi¸ l¹i kÕt qu¶, tõ ®ã ®−a ra kÕt luËn vÒ sè lÇn tèi ®a thùc hiÖn huÊn

luyÖn cho m¹ng cho tõng bµi to¸n cô thÓ.

Mét ph−¬ng ph¸p kh¸c lµ thùc hiÖn viÖc vÏ ®å thÞ ®Ó cã thÓ theo dâi

tr¹ng th¸i lçi cña m¹ng. Tõ ®ã cã thÓ quan s¸t ®−îc c¸c vïng mµ m¹ng cã

tr¹ng th¸i kh«ng thay ®æi víi d÷ liÖu vµo hay vïng héi tô chËm. Th«ng th−êng

sè lÇn thùc hiÖn huÊn luyÖn m¹ng cã kho¶ng biÕn thiªn kh¸ lín tõ vµi ngh×n

®Õn vµi chôc ngh×n chu kú. ViÖc theo dâi ®−îc tr¹ng th¸i cña m¹ng víi tËp

huÊn luyÖn vµ kh¶ n¨ng tæng qu¸t ho¸ ®Ó cã thÓ ngõng khi cÇn lµ quan träng.

CÇn ph¶i cËp nhËt ®å thÞ sau mçi chu kú ®Ó cã thÓ theo dâi ®−îc c¸c tham sè

huÊn luyÖn m¹ng.

B−íc 8: Thùc thi

72

M¹ng n¬ron cã kh¶ n¨ng xö lý tÝnh to¸n song song, do vËy m¹ng n¬ron tèt nhÊt nªn ®−îc cµi ®Æt trªn c¸c vi m¹ch ®iÖn tö. Trong ®ã m«i tr−êng m¸y tÝnh c¸ nh©n l¹i phï hîp trong qu¸ tr×nh huÊn luyÖn ®Ó cµi ®Æt ®ång thêi cã kh¶ n¨ng linh ho¹t ®¸p øng nhiÒu bµi to¸n.

4.2.2. X©y dùng cÊu tróc phÇn mÒm m« pháng m¹ng n¬ron lan truyÒn

ng−îc sai sè øng dông trong bµi to¸n dù b¸o ®Ønh vµ ®¸y ®å thÞ phô t¶i.

Nh− ta ®· ®−a ra ë phÇn tr−íc, khi dù b¸o phô t¶i b−íc ®Çu tiªn lµ nhËn

d¹ng kiÓu ngµy dù b¸o. C¸c kiÓu ngµy ®· ®−îc ph©n d¹ng cña cïng th¸ng ®ã

n¨m tr−íc ®−îc kiÓm tra l¹i. Theo b¶ng ph©n d¹ng, ngµy cña cïng th¸ng cÇn

dù b¸o cña c¸c n¨m tr−íc ta cã thÓ xÕp ngµy ®ang cÇn dù b¸o vµo d¹ng ngµy

nµo ®ã. VÝ dô, ta thu thËp d÷ liÖu phô t¶i 24 giê cña c¸c ngµy lµm viÖc b×nh

th−êng lµm tËp mÉu vµ tËp kiÓm tra ®Ó dù b¸o phô t¶i 24 giê cña ngµy lµm

viÖc b×nh th−êng. Cßn ®èi víi ngµy Chñ nhËt, ngµy lÔ ta ph©n thµnh mét tËp ®Ó

dù b¸o phô t¶i cña c¸c ngµy lÔ vµ ngµy chñ nhËt tiÕp theo. HÖ thèng phÇn

mÒm ®−îc m« t¶ chi tiÕt trong ch−¬ng 5 vµ m· nguån cña ch−¬ng tr×nh ®−îc

®−a ra trong phô lôc 2.

M¹ng ®−îc thiÕt kÕ hai líp: Líp Èn bao gåm m n¬ron vµ líp ra gåm L

n¬ron. §©y lµ m« h×nh m¹ng n¬ron häc cã gi¸m s¸t, c¸c n¬ron ë líp tr−íc

®−îc liªn kÕt ®Çy ®ñ víi líp sau. Sè n¬ron cña mçi líp cã thÓ thay ®æi trong

qu¸ tr×nh huÊn luyÖn m¹ng, c¸c tham sè kh¸c cña m¹ng nh− sè mÉu dïng ®Ó

huÊn luyÖn m¹ng, sè vßng lÆp, hÖ sè häc, hÖ sè qu¸n tÝnh còng cã thÓ thay

®æi. C¸c mÉu huÊn luyÖn ®−îc chän chÝnh lµ c¸c th«ng sè ®Çu vµo ®−îc chän

ph¶i t−¬ng quan víi th«ng sè ®Çu ra sao cho m¹ng cã kÕt qu¶ tèt nhÊt. C¸c

mÉu huÊn luyÖn m¹ng ®−îc ph©n theo lo¹i ngµy ®· ®Þnh nghÜa ë Ch−¬ng III.

VÝ dô: NÕu ta cÇn dù b¸o phô t¶i cña ngµy lµm viÖc b×nh th−êng th× ph¶i lo¹i

bá c¸c ngµy cã c¸c yÕu tè bÊt th−êng x¶y ra nh− sù cè hÖ thèng ®iÖn, c¸c sù

kiÖn thÓ thao v¨n ho¸ ®−îc ®a sè quÇn chóng quan t©m…

73

Trong luËn v¨n nµy, ta ph©n bµi to¸n dù b¸o phô t¶i ngµy thµnh c¸c bµi

to¸n con nhá h¬n bao gåm: Bµi to¸n dù b¸o phô t¶i ®Ønh, bµi to¸n dù b¸o phô

t¶i ®¸y, sau ®ã tÝnh to¸n ®Ó dù b¸o phô t¶i 24 giê trong ngµy. §èi víi bµi to¸n

dù b¸o phô t¶i ®Ønh, mÉu huÊn luyÖn mµ ta quan t©m lµ nhiÖt ®é cao nhÊt

trong ngµy (Tmax), phô t¶i cao nhÊt trong ngµy (Pmax). Bµi to¸n dù b¸o phô t¶i ®¸y ta cÇn quan t©m nhiÖt ®é thÊp nhÊt trong ngµy (Tmin), phô t¶i thÊp nhÊt trong ngµy (Pmin). Sau ®©y ta sÏ sö dông m« h×nh m¹ng n¬ron hai líp ®Ó dù b¸o phô t¶i c¸c bµi to¸n ®· ®Ò cËp ë trªn. VÝ dô: B¶ng 4.1 lµ tËp hîp d÷ liÖu

Tmax, Pmax , Pmin, Tmin cña th¸ng 5/2006. TËp hîp d÷ liÖu nµy sÏ ®−îc sö dông ch¹y thö nghiÖm trong qu¸ tr×nh dù b¸o.

D÷ liÖu §TPT ®Ønh

D÷ liÖu §TPT ®¸y

Thø

Ngµy

Tmin

Tmax

Pmin (MW)

Pmax (MW)

(®é C)

(®é C)

3

25/04/2006

3357.9

36

1788.8

22

4

26/04/2006

3279.1

35

1880.7

23

5

27/04/2006

3377.8

35

1867.8

25

6

28/04/2006

3232.9

36

1647.2

25

7

29/04/2006

2908.2

33

1470.0

22

CN

30/04/2006

2910.9

33

1439.7

21

2(NL)

01/05/2006

2705.8

34

1458.1

23

3

02/05/2006

3121.3

35

1411.7

23

B¶ng 4.1 TËp hîp d÷ liÖu Tmax, Pmax , Pmin, Tmin cña th¸ng 5/2006

74

4

03/05/2006

3196.8

36

1682.3

24

5

04/05/2006

3135.2

35

1768.5

23

6

05/05/2006

3311.5

35

1767.9

24

7

06/05/2006

3233.2

36

1814.9

25

CN

07/05/2006

3076.6

37

1898.5

25

2

08/05/2006

2883.7

36

1634.1

24

3

09/05/2006

3282.0

36

1861.1

23

4

10/05/2006

3226.7

35

1914.3

25

5

11/05/2006

3121.2

36

1876.1

24

6

12/05/2006

3264.2

36

1847.4

24

7

13/05/2006

2893.2

35

1776.2

24

CN

14/05/2006

2923.6

32

1533.5

22

2

15/05/2006

3146.2

34

1543.4

22

3

16/05/2006

3296.5

34

1669.9

21

4

17/05/2006

3265.0

34

1801.0

22

5

18/05/2006

3216.5

33

1780.3

21

6

19/05/2006

3195.4

35

1839.8

22

7

20/05/2006

3142.7

33

1774.6

21

CN

21/05/2006

3163.5

33

1689.8

21

75

22/05/2006

3242.9

2

34

1784.2

22

23/05/2006

3093.9

3

34

1710.5

22

24/05/2006

3252.0

4

33

1708.9

21

25/05/2006

3127.5

5

34

1683.2

23

26/05/2006

3281.3

6

34

1766.1

23

27/05/2006

3152.6

7

34

1913.0

24

CN

28/05/2006

3072.6

35

1761.6

23

29/05/2006

3045.9

2

34

1641.6

23

30/05/2006

3089.5

3

35

1734.5

24

31/05/2006

3227.0

4

35

1591.5

23

4.2.2.1. CÊu tróc m¹ng n¬ron dù b¸o phô t¶i ®Ønh.

CÊu tróc cña m¹ng bao gåm mét líp vµo, mét líp Èn vµ mét líp ra. Sè

l−îng c¸c n¬ron líp ®Çu vµo lµ cè ®Þnh, phô thuéc vµo c¸c nh©n tè ¶nh h−ëng

®−îc sö dông. Sè n¬ron trong líp Èn ®−îc x¸c ®Þnh b»ng c¸ch huÊn luyÖn víi

mét sè tËp mÉu ®Ó kiÓm tra. Riªng líp ra chØ cã duy nhÊt mét n¬ron ®ã chÝnh

lµ gi¸ trÞ phô Pmax t¶i cÇn dù b¸o.

M¹ng sÏ yªu cÇu sè ®¬n vÞ trong líp Èn võa ®ñ ®Ó cã thÓ häc ®−îc c¸c

®Æc tr−ng tæng qu¸t vÒ mèi quan hÖ gi÷a c¸c nh©n tè ®Çu vµo vµ ®Çu ra. Môc

tiªu ®Æt ra lµ chØ sö dông sè n¬ron trong líp Èn võa ®ñ ®Ó duy tr× ®−îc mèi

quan hÖ gi÷a c¸c d÷ liÖu.

76

C¸c hµm kÝch ho¹t cña c¸c nót Èn vµ nót ra ®−îc chän lµ hµm sigmoid.

Hµm nµy cã ®Æc ®iÓm lµ ®é dèc cña nã gÇn nh− b»ng kh«ng khi ®Çu ra lín.

1 xe −+1

F(x) =

x

−

§¹o hµm cña nã:

x

−

1(

2)

e e +

1 xe −+1

)’= f’(x) = (

1 xe −+1

1 xe −+1

= (1- )= f(x) (1-f(x))

H×nh 4.3. CÊu tróc m¹ng dù b¸o phô t¶i ®Ønh vµ ®¸y

CÊu tróc m¹ng dù b¸o phô t¶i ®Ønh

M¹ng gåm:

• 8 ®Çu vµo

- NhiÖt ®é Tmax cña ngµy cÇn dù b¸o

- NhiÖt ®é Tmax cña ngµy tr−íc ngµy cÇn dù b¸o.

- NhiÖt ®é Tmax cña 3 ngµy cã cïng kiÓu ngµy cÇn dù b¸o.

- Phô t¶i Pmax cña 3 ngµy cã cïng kiÓu ngµy cÇn dù b¸o.

• Sè n¬ron líp Èn L = 30.

77

• Mét ®Çu ra phô t¶i Pmax cña ngµy cÇn dù b¸o.

Qua cÊu tróc m¹ng mµ ta ®· ®−a ra th× mçi mÉu cô thÓ trong tËp hîp

mÉu ®−îc x©y dùng tõ 8 gi¸ trÞ ®Çu vµo t−¬ng øng víi tËp d÷ liÖu, bao gåm

nhiÖt ®é cao nhÊt trong ngµy vµ phô t¶i cao nhÊt trong ngµy t−¬ng øng víi c¸c

ngµy lµm viÖc trong th¸ng, ta cÇn ph¶i x©y dùng mét tËp mÉu dïng ®Ó huÊn

luyÖn vµ kiÓm tra kh¶ n¨ng dù b¸o trong qu¸ tr×nh huÊn luyÖn.

VÝ dô: Ngµy cÇn dù b¸o lµ ngµy 8/05/2006. D÷ liÖu ®Çu vµo vµ ra cña

mÉu ngµy nµy ®−îc x©y dùng nh− b¶ng 4.2.

§Çu vµo cña m¹ng

§Çu ra

Tmax

Tmax

Tmax

Tmax

Tmax

Pmax

Pmax

Pmax

Pmax

(8/5)

(7/5)

(7/5)

(6/5)

(5/5)

(5/5)

(4/5)

(3/5)

(8/5)

36

37

36

35

35

3311.5

3135.2

3196.8

3201.3

B¶ng 4.2

T−¬ng tù ta x©y dùng d÷ liÖu ®Çu vµo vµ ®Çu ra cña c¸c ngµy kh¸c trong

th¸ng 5/2006 ®Ó dù b¸o Pmax trong b¶ng 4.3.

Tmax

Ngµy

Thø

Tmax

Tmax

Pmax

Pmax

Pmax

ngµy

ngµy

Tmax ngµy

Tmax ngµy

ngµy

ngµy

ngµy

ngµy

dù

tr−íc

thø 1

thø 2

thø 3

thø

1

thø

2

thø

3

Gi¸

trÞ

b¸o

ra cña

cïng

cïng

cïng

cïng

cïng

cïng

ngµy

m¹ng

kiÓu

kiÓu

kiÓu

kiÓu

kiÓu

kiÓu

dù

b¸o

ngµy

ngµy

ngµy

Ngµy

ngµy

ngµy

2

08/05/2006 36

37

36

35

35

3311.5 3135.2 3196.8

2997.9

B¶ng 4.3

78

3

09/05/2006 36

36

37

36

35

2883.7 3311.5 3135.2

3196.5

4

10/05/2006 35

36

36

37

36

3282.0 2883.7 3311.5

3100.2

5

11/05/2006 36

35

36

36

37

3226.7 3282.0 2883.7

3114.2

6

12/05/2006 36

36

35

36

36

3121.2 3226.7 3282.0

3180.6

7

13/05/2006 35

36

36

35

36

3076.6 3233.2 3199.1

2992.4

CN

14/05/2006 32

35

36

36

35

2893.2 3076.6 3233.2

2914.6

2

15/05/2006 34

32

35

36

36

3264.2 3121.2 3226.7

3206.9

3

16/05/2006 34

34

32

35

36

3146.2 3264.2 3121.2

3229.8

4

17/05/2006 34

34

34

32

35

3296.5 3146.2 3264.2

3169.6

5

18/05/2006 33

34

34

34

32

3265.0 3296.5 3146.2

3180.1

6

19/05/2006 35

33

34

34

34

3216.5 3265.0 3296.5

3107.4

7

20/05/2006 33

35

33

34

34

2923.6 2893.2 3076.6

3204.4

CN

21/05/2006 33

33

35

33

34

3142.7 2923.6 2893.2

3195.8

2

22/05/2006 34

33

33

35

33

3195.4 3216.5 3265.0

3196.2

3

23/05/2006 34

34

33

33

35

3242.9 3195.4 3216.5

2984.2

4

24/05/2006 33

34

34

33

33

3093.9 3242.9 3195.4

3145.1

5

25/05/2006 34

33

34

34

33

3252.0 3093.9 3242.9

3154.3

6

26/05/2006 34

34

33

34

34

3127.5 3252.0 3093.9

3241.1

7

27/05/2006 34

34

34

33

34

3163.5 3142.7 2923.6

3098.4

CN

28/05/2006 35

34

34

34

33

3152.6 3163.5 3142.7

3211.7

79

29/05/2006 34

35

34

34

34

3281.3 3127.5 3252.0

3098.2

2

30/05/2006 35

34

35

34

34

3045.9 3281.3 3127.5

3010.5

3

31/05/2006 35

35

34

35

34

3089.5 3045.9 3281.3

3198.4

4

Nh− ®· ®Ò cËp ë phÇn tr−íc, c¸c d÷ liÖu vµo nªn n»m trong kho¶ng

[0.2,0.8]. Trong khi ®ã phô t¶i hÖ thèng ®iÖn MiÒn B¾c n»m trong kho¶ng

2883.7 ÷ 3311.5 MW, nhiÖt ®é trong th¸ng 5/2006 n»m trong kho¶ng [32 -

37oC], v× vËy ®Ó chuÈn ho¸ d÷ liÖu ta cã thÓ chia phô t¶i cho 5000 vµ nhiÖt ®é

cho 55 ®Ó thu ®−îc gi¸ trÞ ®Çu vµo n»m trong kho¶ng 0.57 ÷ 0.67. B¶ng 4.4 lµ

d÷ liÖu ®Çu vµo ®· ®−îc chuÈn ho¸ ®èi víi bµi to¸n dù b¸o phô t¶i ®Ønh.

B¶ng 4.4

Qu¸ tr×nh huÊn luyÖn m¹ng.

Chän 15 mÉu ®Çu vµo ®Ó huÊn luyÖn m¹ng, mçi mÉu huÊn luyÖn lµ: (XQ, PQ), XQ=[x1, x2, …..x8), PQ=P1 , ®¸p øng ®Çu ra cña m¹ng lµ Z1.

M¹ng ®−îc huÊn luyÖn b»ng thuËt to¸n lan truyÒn ng−îc sai sè víi hµm

chÊt l−îng cña hµm b×nh ph−¬ng sai sè SSE:

80

L

2

2

(

)

(

)

e

p

z

−

k

k

k

E=SSE=

∑

1 = ∑ 2

1 2

k

1 =

Qu¸ tr×nh huÊn luyÖn m¹ng ®−îc b¾t ®Çu víi hÖ sè träng l−îng ban ®Çu

wij ®−îc g¸n c¸c gi¸ trÞ ngÉu nhiªn nhá. C¸c hÖ sè träng l−îng tiÕp theo cña m¹ng ®−îc h×nh thµnh trong qu¸ tr×nh huÊn luyÖn m¹ng theo thuËt to¸n lan

truyÒn ng−îc sai sè nh»m lµm gi¶m dÇn sai sè gi÷a ®Çu ra mong muèn Pk vµ ®¸p øng ®Çu ra thùc cña m¹ng zk.

B−íc ®Çu chän: hÖ sè häc α = 0.4, hÖ sè qu¸n tÝnh β= 0.6, hÖ sè t¨ng

tèc 1.1, hÖ sè gi¶m tèc 0.5, Møc t¨ng gi¶m cho phÐp lµ 4%.

Qu¸ tr×nh huÊn luyÖn m¹ng dõng nÕu SSE = ε rÊt nhá, hoÆc sè vßng

huÊn luyÖn m¹ng lín ®¹t ®Õn giíi h¹n do ng−êi sö dông m¹ng ®Ò ra. KÕt thóc

qu¸ tr×nh huÊn luyÖn m¹ng ta thu ®−îc bé träng sè míi, gäi lµ bé träng sè sau

khi huÊn luyÖn.

M¹ng n¬ron víi cÊu tróc vµ bé träng sè sau khi huÊn luyÖn sÏ ®−îc

dïng lµm ph−¬ng tiÖn cho viÖc dù b¸o phô t¶i. ë mét m¹ng n¬ron cã cÊu tróc

bÒn v÷ng nghÜa lµ líp vµo, líp Èn, líp ra, hÖ sè häc, hÖ sè qu¸n tÝnh kh«ng bÞ

thay ®æi vÒ mÆt cÊu tróc còng nh− tham sè th× qu¸ tr×nh truyÒn ®¹t cña m¹ng

®−îc x¸c ®Þnh ch¾c ch¾n. Khi ë ®Çu vµo cña m¹ng n¬ron xuÊt hiÖn th«ng tin

th× ®Çu ra xuÊt hiÖn mét ®¸p øng t−¬ng øng.

H×nh 4.4 lµ vÝ dô vÒ kÕt qu¶ cña qu¸ tr×nh huÊn luyÖn m¹ng víi bé d÷

liÖu th¸ng 5/2006, qu¸ tr×nh huÊn luyÖn dõng khi SSE = 10-4

81

H×nh 4.4. kÕt qu¶ cña qu¸ tr×nh huÊn luyÖn m¹ng th¸ng 5/2006

Qu¸ tr×nh dù b¸o:

Khi m¹ng ®· ®−îc huÊn luyÖn xong, ta cã thÓ sö dông nã ®Ó dù b¸o phô

t¶i. Qu¸ tr×nh lµm viÖc cña m¹ng n¬ron lµ qu¸ tr×nh tù t¸i diÔn l¹i, v× vËy khi

®−a c¸c gi¸ trÞ ®Çu vµo cña mÉu vµo víi bé träng sè sau khi huÊn luyÖn sÏ cho

®¸p øng ®Çu ra t−¬ng øng víi ®Çu vµo theo sù nhËn thøc cña m¹ng ®−îc h×nh

thµnh trong qu¸ tr×nh huÊn luyÖn.

D÷ liÖu vµo cña m¹ng ®· ®−îc chuÈn ho¸ theo nguyªn t¾c ®· nªu ë môc

tr−íc, do ®ã ë ®Çu ra cña m¹ng ta còng thu ®−îc c¸c gi¸ trÞ chuÈn ho¸ t−¬ng

øng. §Ó kh«i phôc c¸c gi¸ trÞ nµy ta thùc hiÖn qu¸ tr×nh ng−îc l¹i qu¸ tr×nh

chuÈn ho¸ ban ®Çu. TÊt c¶ qu¸ tr×nh nµy ®· ®−îc tù ®éng xö lý trong phÇn

mÒm. KÕt qu¶ ®Çu ra thu ®−îc lµ gi¸ trÞ phô t¶i cao ®iÓm cña ngµy cÇn dù b¸o.

Khi t×m ®−îc gi¸ trÞ dù b¸o zk cña m¹ng t−¬ng øng víi mÉu (Xs, Ds) ta cã thÓ x¸c ®Þnh ®−îc kh¶ n¨ng dù b¸o cña m¹ng còng nh− sai sè phô t¶i trong

qu¸ tr×nh dù b¸o b»ng ph−¬ng ph¸p sö dông m¹ng n¬ron nhiÒu líp lan truyÒn

ng−îc sai sè víi cÊu tróc ®· cho vµ bé träng sè sau huÊn luyÖn. Trong tr−êng

hîp dù b¸o víi sai sè qu¸ lín khi ®ã ta cÇn ph¶i huÊn luyÖn l¹i m¹ng ®Ó thu

82

®−îc bé träng sè huÊn luyÖn míi nh»m dù b¸o phô t¶i cña nh÷ng ngµy tiÕp

theo.

4.2.2.3. CÊu tróc m¹ng n¬ron dù b¸o phô t¶i ®¸y

Bµi to¸n dù b¸o phô t¶i ®¸y còng ®−îc thiÕt kÕ vµ x©y dùng t−¬ng tù bµi

to¸n dù b¸o phô t¶i ®Ønh. ChØ cã mét ®iÓm kh¸c quan träng lµ d÷ liÖu ®Çu vµo

cña m¹ng lµ nhiÖt ®é thÊp nhÊt Tmin vµ phô t¶i thÊp nhÊt Pmin.

CÊu tróc cña m¹ng n¬ron dù b¸o phô t¶i ®¸y.

M¹ng gåm cã:

• 8 ®Çu vµo.

- NhiÖt ®é Tmin cña ngµy cÇn dù b¸o

- NhiÖt ®é Tmin cña ngµy tr−íc ngµy cÇn dù b¸o.

- NhiÖt ®é Tmin cña 3 ngµy cã cïng kiÓu ngµy cÇn dù b¸o.

- Phô t¶i Pmin cña 3 ngµy cã cïng kiÓu ngµy cÇn dù b¸o.

• Sè n¬ron líp Èn L = 30

• Mét ®Çu ra phô t¶i Pmin cña ngµy cÇn dù b¸o

Trong qu¸ tr×nh nghiªn cøu vµ x©y dùng m¹ng n¬ron dù b¸o phô t¶i ®¸y,

c¸c d÷ liÖu phô t¶i Pmin vµ Tmin trong ngµy cña c¸c ngµy lµm viÖc th¸ng 5/2006 trªn b¶ng 4.1 ®−îc dïng lµm mÉu ®Ó häc vµ dù b¸o. Tõ c¸c sè hiÖn trªn ta x©y

dùng tËp mÉu dïng ®Ó huÊn luyÖn vµ kiÓm tra kh¶ n¨ng dù b¸o cña m¹ng

n¬ron ®· qua huÊn luyÖn. Mét mÉu cô thÓ trong tËp hîp mÉu ®−îc x©y dùng tõ

t¸m ®Çu vµo ®· nªu ë trªn.

B¶ng 4.5 lµ tËp hîp c¸c d÷ liÖu mÉu th¸ng 05/2006 ®Ó dù b¸o phô t¶i Pmin,

c¸c mÉu nµy sÏ ®−îc dïng ®Ó huÊn luyÖn vµ thö nghiÖm m¹ng n¬ron víi bé

träng sè sau huÊn luyÖn.

83

Tmin

Tmin

Tmin

Tmin

Tmin

Pmin

Pmin

Pmin

Gi¸ trÞ

ngµy

ngµy

ngµy

ngµy

ngµy

ngµy thø

ngµy thø

ngµy thø

ra cña

thø 1

thø 2

thø 3

dù b¸o

tr−íc

1 cïng

2 cïng

3 cïng

Thø Ngµy

m¹ng

cïng

cïng

cïng

kiÓu

kiÓu

kiÓu

ngµy

kiÓu

kiÓu

kiÓu

dù b¸o

ngµy

ngµy

ngµy

ngµy

ngµy

ngµy

2

08/05/2006 24

25

25

24

23

1767.9 1768.5 1682.3

1663.3

3

09/05/2006 23

24

25

25

24

1634.1 1767.9 1768.5

1803.5

4

10/05/2006 25

23

24

25

25

1861.1 1634.1 1767.9

1912.6

5

11/05/2006 24

25

23

24

25

1914.3 1861.1 1634.1

1860.6

6

12/05/2006 24

24

25

23

24

1876.1 1914.3 1861.1

1817.8

7

13/05/2006 24

24

24

25

23

1898.5 1814.9 1680.4

1735.1

CN 14/05/2006 22

24

24

24

25

1776.2 1898.5 1814.9

1519.7

2

15/05/2006 22

22

24

24

24

1847.4 1876.1 1914.3

1533.4

3

16/05/2006 21

22

22

24

24

1543.4 1847.4 1876.1

1629.2

4

17/05/2006 22

21

22

22

24

1669.9 1543.4 1847.4

1772.7

5

18/05/2006 21

22

21

22

22

1801.0 1669.9 1543.4

1725.6

6

19/05/2006 22

21

22

21

22

1780.3 1801.0 1669.9

1829.7

7

20/05/2006 21

22

21

22

21

1533.5 1776.2 1776.2

1766.7

CN 21/05/2006 21

21

22

21

22

1774.6 1533.5 1776.2

1650.8

B¶ng 4.5

84

2

22/05/2006 22

21

21

22

21

1839.8 1780.3 1801.0

1746.1

3

23/05/2006 22

22

21

21

22

1784.2 1839.8 1780.3

1755.2

4

24/05/2006 21

22

22

21

21

1710.5 1784.2 1839.8

1746.3

5

25/05/2006 23

21

22

22

21

1708.9 1710.5 1784.2

1658.9

6

26/05/2006 23

23

21

22

22

1683.2 1708.9 1710.5

1630.2

7

27/05/2006 24

23

23

21

22

1689.8 1774.6 1533.5

1864.1

CN 28/05/2006 23

24

23

23

21

1913.0 1689.8 1774.6

1730.8

2

29/05/2006 23

23

24

23

23

1766.1 1683.2 1708.9

1712.7

3

30/05/2006 24

23

23

24

23

1641.6 1766.1 1683.2

1720.6

4

31/05/2006 23

24

23

23

24

1734.5 1641.6 1766.1

1562.1

Trong qu¸ tr×nh ®Æt c¸c th«ng sè ban ®Çu tr−íc khi ch¹y m¹ng. C¸c d÷

liÖu trong b¶ng 4.5 víi phô t¶i n»m trong kho¶ng 1533.4 ÷ 1914.3 vµ nhiÖt ®é

n»m trong kho¶ng 21 ÷ 25 v× vËy còng ®−îc chuÈn ho¸ d÷ liÖu b»ng c¸ch lÊy

c¸c gi¸ trÞ Pmin chia cho 3000 vµ lÊy c¸c gi¸ trÞ tmin chia cho 40 ®Ó cho c¸c gi¸ trÞ d÷ liÖu ®Çu vµo trong kho¶ng [0.2;0.8]. B¶ng 4.6 lµ d÷ liÖu ®Çu vµo vµ ®Çu

ra cña m¹ng ®· ®−îc chuÈn ho¸.

85

B¶ng 4.6

ViÖc huÊn luyÖn m¹ng, cËp nhËt träng sè, thö nghiÖm m¹ng víi cÊu tróc

®· chän vµ bé träng sè sau huÊn luyÖn hoµn toµn t−¬ng tù qu¸ tr×nh cËp nhËt

träng sè, thö nghiÖm m¹ng cña qu¸ tr×nh huÊn luyÖn trong phÇn dù b¸o phô

t¶i ®Ønh. Sau ®©y lµ kÕt qu¶ cña qu¸ tr×nh ch¹y m¹ng n¬ron trong dù b¸o phô

t¶i ®¸y cña c¸c ngµy lµm viÖc b×nh th−êng th¸ng 5/2006, trong vÝ dô nµy ta

chän sè mÉu dïng ®Ó huÊn luyÖn m¹ng = 15 nh−ng ®é chÝnh x¸c cña c¸c gi¸

trÞ dù b¸o rÊt cao, trung b×nh tõ cì 0.04% ®Õn 4.4%

4.2.3 Dù b¸o phô t¶i cho 24 giê trong ngµy.

PhÇn tr−íc ta ®· dù b¸o ®−îc phô t¶i ®Ønh vµ phô t¶i ®¸y cña c¸c ngµy

trong th¸ng 5/2006. §Ó dù b¸o ®−îc phô t¶i tõng giê P(i) cña ngµy cÇn dù b¸o,

ta chØ cÇn t×m ra §TPT - vÐct¬ §TPT Pn(i) víi i=1÷24 cña ngµy ®ã.

Trong phÇn nµy ta sÏ dù b¸o phô t¶i cho 24h cña c¸c ngµy tõ 9/5/2006

(thø 2) ®Õn ngµy 14/5/2006 (ngµy chñ nhËt). B−íc ®Çu tiªn ta cÇn nhËn d¹ng

ngµy dù b¸o, gi¶ sö ta dù b¸o phô t¶i 24 giê ngµy 9/5/2006, ®©y lµ ngµy lµm

viÖc b×nh th−êng v× vËy ta lÊy d¹ng §TPT cña c¸c ngµy lµm viÖc b×nh th−êng

tr−íc ®ã lµm mÉu ®Ó dù b¸o. §Ó thu ®−îc vÐct¬ §TPT giê Pn(i) cña ngµy cÇn

86

dù b¸o, ta thu thËp §TPT giê cña kho¶ng 5 ngµy lµm viÖc b×nh th−êng tr−íc

®ã, tÝnh trung b×nh cña chóng sau ®ã chuÈn ho¸. Cã vÐct¬ §TPT cña ngµy

9/5/2006, dùa vµo kÕt qu¶ dù b¸o phô t¶i ®Ønh vµ ®¸y cña ngµy ta dù b¸o phô

t¶i 24 giê trong ngµy.

D÷ liÖu thèng kª P(MW) c¸c ngµy trong th¸ng 5

Pn(i)

Giê

2/5

3/5

4/5

5/5

8/5

Ptb

(9/5)

1

1,465.57 1,764.90 1,882.70 1,876.10 1,715.30 1740.91 0.0502

2

1,440.98 1,728.90 1,828.90 1,847.20 1,756.60 1720.52 0.0361

3

1,411.75 1,717.80 1,810.30 1,767.90 1,634.10 1668.37 0.0000

4

1,419.87 1,682.30 1,768.50 1,798.90 1,672.60 1668.43 0.0000

5

1,588.93 1,753.40 1,928.50 1,979.30 1,747.60 1799.55 0.0908

6

1,859.67 1,927.50 2,083.50 2,181.40 1,869.50 1984.31 0.2186

7

1,829.80 2,116.20 2,104.36 2,182.30 1,943.10 2035.15 0.2538

8

2,013.50 2,363.90 2,378.40 2,470.20 2,170.70 2279.34 0.4228

9

2,198.30 2,600.70 2,632.23 2,674.90 2,387.00 2498.63 0.5746

10

2,594.40 2,982.50 3,011.60 3,064.30 2,709.60 2872.48 0.8333

11

2,731.40 3,135.30 3,135.24 3,266.00 2,811.00 3015.79 0.9325

12

2,179.20 2,600.80 2,578.07 2,660.80 2,352.20 2474.21 0.5577

B¶ng 4.7: KÕt qu¶ tÝnh to¸n c¸c gi¸ trÞ Pn(i)

87

13

1,974.80 2,454.00 2,450.40 2,525.60 2,273.70 2335.70 0.4618

14

2,129.00 2,587.70 2,552.51 2,630.97 2,296.30 2439.30 0.5335

15

2,227.27 2,638.90 2,641.37 2,666.20 2,276.60 2490.07 0.5687

16

2,308.70 2,645.10 2,665.40 2,719.00 2,340.50 2535.74 0.6003

17

2,652.20 2,849.90 2,902.51 2,874.20 2,630.20 2781.80 0.7705

18

2,919.43 3,011.50 2,974.30 3,074.90 2,824.10 2960.85 0.8944

19

3,121.33 3,196.80 3,053.50 3,311.50 2,883.70 3113.37 1.0000

20

2,867.25 3,003.80 2,856.10 3,038.30 2,695.50 2892.19 0.8469

21

2,545.00 2,747.20 2,616.90 2,823.20 2,499.05 2646.27 0.6767

22

2,281.30 2,495.20 2,418.40 2,568.60 2,257.81 2404.26 0.5093

23

2,081.91 2,295.90 2,266.28 2,499.20 2,131.00 2254.86 0.4059

24

1,849.20 2,015.80 2,001.00 2,161.16 1,849.70 1975.37 0.2125

T−¬ng tù, ta x¸c ®Þnh ®−îc vÐct¬ §TPT Pn(i) cho c¸c ngµy dù b¸o kh¸c.

KÕt qu¶ tÝnh to¸n c¸c gi¸ trÞ Pn(i) cña c¸c ngµy tõ ngµy 9/5 ®Õn 14/5

®−îc ®−a ra trong b¶ng 4.8

Gi¸ trÞ phô t¶i chuÈn ho¸ theo giê Pn(i)

Giê

Pn(i)

Pn(i)

Pn(i)

Pn(i)

Pn(i)

Pn(i)

B¶ng 4.8

88

9/5

10/5

11/5

12/5

13/5

14/5

1

0.0502

0.0597

0.0632

0.0663

0.0740

0.0686

2

0.0361

0.0417

0.0378

0.0430

0.0288

0.0310

3

0.0000

0.0000

0.0000

0.0000

0.0219

0.0208

4

0.0000

0.0028

0.0041

0.0098

0.0000

0.0000

5

0.0908

0.0945

0.1030

0.1133

0.0878

0.0906

6

0.2186

0.2077

0.2041

0.1962

0.1967

0.1916

7

0.2538

0.2567

0.2364

0.2334

0.2415

0.2372

8

0.4228

0.4518

0.4424

0.4481

0.3823

0.3869

9

0.5746

0.6209

0.6116

0.6046

0.5246

0.5372

10

0.8333

0.8949

0.8996

0.8974

0.8127

0.8213

11

0.9325

1.0000

1.0000

0.9942

0.8433

0.8647

12

0.5577

0.6137

0.6145

0.6071

0.4860

0.5097

13

0.4618

0.5103

0.5168

0.5092

0.4116

0.4143

14

0.5335

0.5897

0.5916

0.5829

0.4538

0.4759

15

0.5687

0.6120

0.5966

0.5830

0.4980

0.5183

16

0.6003

0.6386

0.6246

0.6139

0.5762

0.5716

17

0.7705

0.7912

0.7928

0.7995

0.7624

0.7343

18

0.8944

0.8884

0.8776

0.8913

0.9240

0.9095

89

19

1.0000

0.9873

0.9801

1.0000

1.0000

1.0000

20

0.8469

0.8405

0.8341

0.8558

0.8025

0.8094

21

0.6767

0.6702

0.6665

0.6782

0.6074

0.6256

22

0.5093

0.5115

0.5088

0.5124

0.4309

0.4535

23

0.4059

0.4051

0.4068

0.4050

0.3346

0.3535

24

0.2125

0.1905

0.1786

0.1696

0.1362

0.1614

§Ønh thùc tÕ

§Ønh dù b¸o

Sai sè tuyÖt

Sai sè %

Ngµy

®èi (MW)

(MW)

(MW)

2883.7

2997.9

-114.2

3.96

08/05/2006

3282.0

3196.5

85.5

2.60

09/05/2006

3226.7

3100.2

126.5

3.92

10/05/2006

3121.2

3114.2

7

0.22

11/05/2006

3264.2

3180.6

83.6

2.56

12/05/2006

2893.2

2992.4

-99.2

3.42

13/05/2006

2923.6

2914.6

9

0.31

14/05/2006

3146.2

3206.9

-60.7

1.92

15/05/2006

3296.5

3229.8

66.7

2.02

16/05/2006

3265.0

3169.6

95.4

2.92

17/05/2006

3216.5

3180.1

36.4

1.13

18/05/2006

3195.4

3107.4

88

2.75

19/05/2006

B¶ng 4.9 KÕt qu¶ dù b¸o phô t¶i ®Ønh c¸c ngµy tõ 8/5 ®Õn 31/5

90

20/05/2006

3142.7

3204.4

-61.7

1.96

21/05/2006

3163.5

3195.8

-32.3

1.02

22/05/2006

3242.9

3196.2

46.7

1.44

23/05/2006

3093.9

2984.2

109.7

3.54

24/05/2006

3252.0

3145.1

106.9

3.28

25/05/2006

3127.5

3154.3

-26.8

0.85

26/05/2006

3281.3

3241.1

40.2

1.22

27/05/2006

3152.6

3098.4

54.2

1.72

28/05/2006

3072.6

3211.7

-139.1

4.53

29/05/2006

3045.9

3098.2

-52.3

1.72

30/05/2006

3089.5

3010.5

79

2.55

31/05/2006

3227.0

3198.4

28.6

0.89

§¸y thùc tÕ

§¸y dù b¸o

Sai sè tuyÖt

Sai sè %

Ngµy

®èi (MW)

(MW)

(MW)

1.79

1634.1

1663.3

-29.2

08/05/2006

1861.1

1803.5

57.6

3.09

09/05/2006

1914.3

1912.6

1.7

0.09

10/05/2006

1876.1

1860.6

15.5

0.83

11/05/2006

1847.4

1817.8

29.6

1.60

12/05/2006

B¶ng 4.10: KÕt qu¶ dù b¸o phô t¶i ®¸y c¸c ngµy tõ 8/5 ®Õn 31/5

91

1776.2

1735.1

41.1

2.31

13/05/2006

1533.5

1519.7

13.8

0.90

14/05/2006

1543.4

1533.4

10

0.65

15/05/2006

1669.9

1629.2

40.7

2.44

16/05/2006

1801.0

1772.7

28.3

1.57

17/05/2006

1780.3

1725.6

54.7

3.07

18/05/2006

1839.8

1829.7

10.1

0.55

19/05/2006

1774.6

1766.7

7.9

0.45

20/05/2006

1689.8

1650.8

39

2.31

21/05/2006

1784.2

1746.1

38.1

2.14

22/05/2006

1710.5

1755.2

-44.7

2.61

23/05/2006

1708.9

1746.3

-37.4

2.19

24/05/2006

1683.2

1658.9

24.3

1.44

25/05/2006

1766.1

1680.2

85.9

4.86

26/05/2006

1913.0

1864.1

48.9

2.56

27/05/2006

1761.6

1730.8

30.8

1.75

28/05/2006

1641.6

1712.7

-71.1

4.33

29/05/2006

1734.5

1720.6

13.9

0.80

30/05/2006

92

1591.5

1562.1

29.4

1.85

31/05/2006

Tõ b¶ng 4.8, b¶ng 4.9, b¶ng 4.10 ta ®· x¸c ®Þnh ®−îc Pn(i), x¸c ®Þnh ®−îc Pmax, Pmin cña §TPT ngµy. Ta tÝnh ®−îc phô t¶i tõng giê trong ngµy theo c«ng thøc.

P(i) = Pmin + (Pmax – Pmin)Pn(i)

D−íi ®©y lµ kÕt qu¶ dù b¸o phô t¶i giê vµ ®å thÞ phô t¶i dù b¸o cña mét

sè ngµy ®iÓn h×nh 10/5, 13/5, 14/5 n¨m 2006

P thùc tÕ

P dù b¸o

Sai sè tuyÖt ®èi

Giê

Sai sè %

(MW)

(MW)

(MW)

1

2003.0

19.48

0.97

1983.5

2

1920.9

-41.20

2.14

1962.1

3

1941.6

29.00

1.49

1912.6

4

1914.3

-1.64

0.09

1915.9

5

2020.2

-4.62

0.23

2024.8

6

2096.9

-62.32

2.97

2159.2

7

2166.4

-51.03

2.36

2217.4

8

2458.0

8.87

0.36

2449.1

9

2670.1

20.06

0.75

2650.0

10

3105.4

129.97

4.19

2975.4

11

3211.6

111.40

3.47

3100.2

12

2739.0

97.60

3.56

2641.5

B¶ng 4.11 KÕt qu¶ dù b¸o phô t¶i ngµy 10/05/2006

93

13

2646.1

127.48

4.82

2518.6

14

2737.5

124.62

4.55

2612.9

15

2669.6

30.24

1.13

2639.4

16

2681.4

10.45

0.39

2671.0

17

2968.0

115.80

3.90

2852.2

18

3032.4

64.79

2.14

2967.6

19

3226.7

141.53

4.39

3085.2

20

3061.1

150.34

4.91

2910.8

21

2847.6

139.09

4.88

2708.5

22

2625.7

105.70

4.03

2520.0

23

2471.2

77.53

3.14

2393.7

24

2132.3

-6.51

0.31

2138.8

3500

3000

2500

2000

1500

§å thÞ phô t¶i

t Ê u s g n « C

1000

500

0

0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

Dự báo

Thực tế

H×nh 4.5 §å thÞ phô t¶i dù b¸o vµ phô t¶i thùc tÕ ngµy 10/5/2006.

94

P thùc tÕ

P dù b¸o

Giê

Sai sè %

Sai sè tuyÖt ®èi (MW)

(MW)

(MW)

2.12

1

1828.2

1867.8

39.60

3.16

2

1771.3

1829.1

57.80

2.18

3

1762.7

1801.9

39.20

2.31

4

1735.1

1776.2

41.10

5.16

5

1845.5

1945.9

100.40

3.42

6

1982.4

2052.7

70.30

0.83

7

2038.7

2055.8

17.10

1.94

8

2215.8

2259.6

43.80

0.85

9

2394.7

2415.3

20.60

0.22

10

2756.9

2762.9

6.00

0.70

11

2795.4

2815.1

19.70

4.36

12

2246.1

2152.3

-93.80

3.24

13

2052.6

1988.2

-64.40

0.75

14

2105.6

2089.9

-15.70

0.84

15

2161.2

2143.2

-18.00

1.33

16

2259.5

2229.8

-29.70

5.33

17

2557.4

2693.7

-136.30

B¶ng 4.12 KÕt qu¶ dù b¸o phô t¶i ngµy 13/05/2006

95

1.53

2853.3

2896.9

-43.60

18

3.43

2893.2

2992.4

-99.20

19

5.64

2597.5

2744.1

-146.60

20

3.13

2325.8

2398.7

-72.90

21

0.68

2062.8

2076.9

-14.10

22

2.86

1901.4

1955.8

-54.39

23

5.25

1792.2

1876.3

-94.10

24

§å thÞ phô t¶i

3500

3000

2500

2000

1500

t Ê u s g n « C

1000

500

0

0

1

2

3

4

5

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

Dự báo

6 7 8 Thực tế

H×nh 4.6 §å thÞ phô t¶i dù b¸o vµ phô t¶i thùc tÕ ngµy 13/5/2006

P thùc tÕ

P dù b¸o

Sai sè %

Giê

Sai sè tuyÖt ®èi (MW)

(MW)

(MW)

0.28

1577.0

1572.6

4.40

1

B¶ng 4.16 KÕt qu¶ dù b¸o phô t¶i ngµy 14/05/2006

96

0.31

1578.3

1573.4

4.86

2

0.06

1533.5

1534.4

-0.91

3

2.11

1552.5

1519.7

32.80

4

0.60

1617.7

1627.5

-9.76

5

3.68

1796.3

1862.3

-66.05

6

5.87

1800.1

1905.8

-105.71

7

5.01

1925.2

2021.5

-96.30

8

4.43

2059.1

2100.4

-91.28

9

3.23

2351.8

2427.7

-75.86

10

2.21

2402.8

2455.9

-53.10

11

5.81

1877.5

1986.6

-109.10

12

5.03

1722.1

1808.8

-86.67

13

4.40

1818.7

1898.6

-79.86

14

4.73

1919.4

2010.2

-90.82

15

2.80

2072.7

2130.6

-57.95

16

5.85

2454.4

2597.9

-143.50

17

2.38

2766.9

2832.7

-65.83

18

0.31

2923.6

2914.6

9.00

19

0.33

2674.4

2665.5

8.94

20

97

1.42

2348.8

-33.33

2382.1

21

3.77

2012.4

-75.91

2088.3

22

3.94

1853.0

-73.00

1926.0

23

1.36

1661.2

-22.62

1683.8

24

§å thÞ phô t¶i

2500

2000

1500

3500 3000

t Ê u s g n « C

1000

500

0

0

1

2

3

4

5

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

8

Giê

Dự báo

6 7 Thực tế

H×nh 4.7 §å thÞ phô t¶i dù b¸o vµ phô t¶i thùc tÕ ngµy 14/5/2006

Qua c¸c §TPT b¸o vµ phô t¶i thùc tÕ tõ ngµy 9/5 ®Õn ngµy 14/5 n¨m

2006 ta thÊy c¸c §TPT dù b¸o rÊt gÇn víi §TPT thùc tÕ. Sai sè dù b¸o do c¸c

nguyªn nh©n sau:

• M¹ng bÞ ¶nh h−ëng rÊt nhiÒu tõ tr¹ng th¸i khëi ®Çu cña c¸c tham

sè häc:

- Lùa chän cÊu tróc m¹ng: bao gåm sè n¬ron líp vµo, líp Èn, líp ra vµ

c¸c hµm truyÒn f(.)

- Chän c¸c gi¸ trÞ cña hÖ sè häc vµ hÖ sè qu¸n tÝnh .

98

- HÖ sè träng l−îng ban ®Çu cho m¹ng, sè vßng lÆp trong qu¸ tr×nh huÊn

luyÖn.

• Sai sè do d÷ liÖu ®Çu vµo.

- Sai sè do phô t¶i ®Çu vµo: HiÖn nay th«ng sè phô t¶i HT§ miÒn B¾c vÉn

lÊy b»ng tay do vËy viÖc ghi th«ng sè kh«ng chÝnh x¸c, sai lÖch thêi

gian hoÆc lÊy th«ng sè trong thêi ®iÓm x¶y ra sù cè. MÆc dï hiÖn nay

hÖ thèng SCADA/EMS ®· ®−a vµo vËn hµnh cho HT§ miÒn B¾c, nh−ng

do hÖ thèng nµy chØ thu thËp d÷ liÖu mét sè tr¹m ®iÖn quan träng v× vËy

c¸c yÕu tè trªn sÏ ®−îc c¶i thiÖn khi hÖt thèng SCADA/EMS ®−îc ¸p

dông cho toµn bé c¸c tr¹m ®iÖn trªn toµn miÒn B¾c.

- Sai sè do nhiÖt ®é: Do hÖ thèng ®o l−êng nhiÖt ®é m«i tr−êng kh«ng

chÝnh x¸c.

• Sai sè do thuËt to¸n:

- Qu¸ tr×nh huÊn luyÖn m¹ng dõng l¹i sau khi kiÓm tra E < E0 hoÆc kÕt thóc khi gi¸ trÞ vßng lÆp ®¹t tíi gi¸ trÞ giíi h¹n ®· ®Þnh tr−íc, do qu¸

tr×nh huÊn luyÖn rÊt l©u, sè l−îng phÐp to¸n lín dÉn ®Õn sai sè trong

qu¸ tr×nh tÝnh to¸n.

- Phô t¶i Pmax, Pmin kh«ng chØ phô thuéc vµo nhiÖt ®é Tmax, Tmin trong ngµy mµ cßn chÞu ¶nh h−ëng cña c¸c yÕu tè kh¸c vÒ thêi tiÕt nh− m−a, giã,

®é Èm…

C¸c mÉu phô t¶i Pmax, Pmin vµ nhiÖt ®é Tmax, Tmin trong qu¸ khø cã thÓ kh«ng ®óng víi quan hÖ gi÷a phô t¶i vµ nhiÖt ®é hiÖn t¹i. §Ó tr¸nh sai sè cÇn ph¶i

cËp nhËt phô t¶i vµ nhiÖt ®é c¸c ngµy gÇn nhÊt ®Ó huÊn luyÖn m¹ng, trong qu¸

tr×nh dù b¸o phô t¶i cÇn quan s¸t c¸c d÷ liÖu ®Çu vµo vµ ®Çu ra ®Ó huÊn luyÖn

l¹i m¹ng.

99

CH¦¥NG V

HÖ thèng phÇn mÒm dù b¸o phô t¶i ng¾n h¹n cho hÖ

thèng ®iÖn miÒn b¾c

C¨n cø vµo s¬ ®å tr×nh tù c¸c b−íc cña thuËt to¸n t¹o lËp m¹ng n¬ron

nhiÒu líp lan truyÒn ng−îc sai sè ®−îc giíi thiÖu phÇn tr−íc, ta x©y dùng phÇn

mÒm dù b¸o phô t¶i ®Ønh vµ ®¸y cña hÖ thèng ®iÖn MiÒn B¾c. PhÇn c¬ së d÷

liÖu ®−îc thiÕt kÕ trªn hÖ qu¶n trÞ CSDL SQL Server vµ d÷ liÖu do ng−êi dïng

nhËp vµo b»ng mét phÇn mÒm ®· cã s½n (PhÇn mÒm phôc vô b¸o c¸o s¶n xuÊt,

do phßng tin häc cña Trung t©m t©m §iÒu ®é HT§ miÒn B¾c thiÕt kÕ vµ x©y

dùng). HÖ thèng ch−¬ng tr×nh bao gåm hai phÇn. PhÇn thø nhÊt ®−îc viÕt trªn

ng«n ng÷ lËp tr×nh VBA ®−îc tÝch hîp trong phÇn mÒm Excel dïng ®Ó truy

vÊn c¬ së d÷ liÖu tõ SQL Server vµ chuÈn ho¸ d÷ liÖu. PhÇn thø hai ®−îc viÕt

HuÊn luyÖn m¹ng

ChuÈn ho¸

Ph©n lo¹i sè liÖu

Truy vÊn sè liÖu

SQL

S

.txt

.xls

.xls

.xls

trªn Matlab ®Ó huÊn luyÖn m¹ng vµ ®−a ra kÕt qu¶ dù b¸o.

Dù b¸o

H×nh 5.1. S¬ ®å quan hÖ gi÷a c¸c module

5.1. Giíi thiÖu vÒ c¬ së d÷ liÖu.

XuÊt ph¸t tõ s¬ ®å thùc thÓ liªn kÕt, th«ng qua mét sè tool cña SQL

Server, ta cã thÓ kiÓm tra ®−îc tÊt c¶ c¸c b¶ng d÷ liÖu b¾t nguån tõ c¸c thùc

thÓ, mçi cét b¾t nguån tõ c¸c thuéc tÝnh, primary key tõ UIK, foreign key tõ

quan hÖ liªn kÕt (Relationship). TÊt c¶ c¸c ®Þnh nghÜa cña thuéc tÝnh nh− ®é

dµi, kiÓu d÷ liÖu…®Òu ®· ®−îc ®Þnh nghÜa tõ tr−íc. Tuy nhiªn do xuÊt ph¸t

100

cña bµi to¸n dù b¸o phô t¶i ng¾n h¹n nªn ta chØ quan t©m ®Õn mét sè b¶ng d÷

liÖu trong toµn bé hÖ thèng c¬ së d÷ liÖu ®· ®−îc thiÕt kÕ tõ tr−íc víi cÊu tróc

b¶ng nh− sau:

B¶ng th«ng tin vÒ phô t¶i vµ nhiÖt ®é cña c¸c ®iÖn lùc.

Tªn cét KiÓu Len PK FK Null M« t¶

Ngay Date 8 x Ngµy

2 Gio x Giê

2 ND X NhÖt ®é

Float 4 B1 X Hµ Néi

Float 4 B2 X H¶i phßng

… … … … … … …

B29 Float 4 X Lai Ch©u

Trong ®ã:

PK : primary key (Kho¸ chÝnh)

FK : foreign key (kho¸ liªn kÕt)

Len: §é dµi d÷ liÖu

5.2. §Æc t¶ c¸c chøc n¨ng

5.2.1. Truy vÊn d÷ liÖu

Module truy vÊn d÷ liÖu dïng ®Ó truy vÊn sè liÖu tõ c¬ së d÷ liÖu SQL

Server, sè liÖu ®Çu ra bao gåm phô t¶i vµ nhiÖt ®é cña tËp mÉu, sè liÖu nµy

chÝnh lµ sè liÖu ®Çu vµo ®Ó huÊn luyÖn m¹ng. Sè liÖu sau khi truy vÊn ®−îc l−u

vµo mét file cã ®u«i më réng .xls.

101

5.2.2. Ph©n lo¹i d÷ liÖu

Module nµy thùc hiÖn ph©n lo¹i sè liÖu ®· thu thËp ®−îc tõ module truy

vÊn d÷ liÖu theo tõng nhãm d÷ liÖu kh¸c nhau. D÷ liÖu ®· ph©n lo¹i sÏ ®−îc

l−u vµo mét file excel.

5.2.3 ChuÈn ho¸ d÷ liÖu

Module chuÈn ho¸ d÷ liÖu thùc hiÖn viÖc chuÈn ho¸ sè liÖu ®· ®−îc

ph©n lo¹i ë module ph©n lo¹i d÷ liÖu theo c«ng thøc ®· ®Þnh nghÜa ë ch−¬ng 2,

theo nguyªn t¾c c¸c gi¸ trÞ ®Çu vµo cho m¹ng n¬ ron ph¶i n»m trong kho¶ng [-

1,1] vµ ®−îc l−u vµo file excel. Sè liÖu sau khi ®−îc chuÈn ho¸ sÏ lµ sè liÖu

®Çu vµo cho module huÊn luyÖn m¹ng

5.2.4 HuÊn luyÖn m¹ng

Module nµy thùc hiÖn viÖc huÊn luyÖn m¹ng víi bé träng sè lÊy ngÉu

nhiªn trong kho¶ng [-1,1]. Trong qu¸ tr×nh häc, m¹ng sÏ ®iÒu chØnh c¸c tham

sè sao cho tæng b×nh ph−¬ng lçi lµ nhá nhÊt (Qu¸ tr×nh huÊn luyÖn m¹ng dõng

nÕu SSE = ε rÊt nhá hoÆc khi sè vßng lÆp qua lín). KÕt thóc qu¸ tr×nh huÊn

luyÖn m¹ng ta thu ®−îc bé träng sè míi, gäi lµ bé träng sè sau khi huÊn

luyÖn, bé träng sè nµy ®−îc l−u tr÷ d−íi d¹ng file text. Bé träng sè sau khi

huÊn luyÖn sÏ ®−îc dïng lµm ph−¬ng tiÖn cho viÖc dù b¸o phô t¶i.

5.2.5 Dù b¸o phô t¶i

Module dù b¸o phô t¶i thùc hiÖn khi m¹ng ®· ®−îc huÊn luyÖn xong.

Qu¸ tr×nh lµm viÖc cña m¹ng n¬ron lµ qu¸ tr×nh tù t¸i diÔn l¹i, v× vËy khi ®−a

c¸c gi¸ trÞ ®Çu vµo cña mÉu vµo víi bé träng sè sau khi huÊn luyÖn sÏ cho ®¸p

øng ®Çu ra t−¬ng øng víi ®Çu vµo theo sù nhËn thøc cña m¹ng ®−îc h×nh

thµnh trong qu¸ tr×nh huÊn luyÖn. §¸p øng ®Çu ra chÝnh lµ kÕt qu¶ dù b¸o cña

m¹ng.

102

5.3 H−íng dÉn sö dông

Trªn mµn h×nh Desktop chän file dubaophutai.xls, ch−¬ng tr×nh sÏ ch¹y

lªn mµn h×nh (h×nh 5.2) mµ t¹i ®©y ng−êi sö dông cã thÓ thùc hiÖn vµ theo dâi

c¸c chøc n¨ng cña ch−¬ng tr×nh.

H×nh 5.2. Giao diÖn chÝnh cña ch−¬ng tr×nh

5.3.1 Truy vÊn d÷ liÖu

Trªn h×nh 5.2 ta bÊm chuét vµo chøc n¨ng truy vÊn d÷ liÖu, khi ®ã

ch−¬ng tr×nh xuÊt hiÖn h×nh 5.3, lùa chän thêi gian b¾t ®Çu vµ thêi gian kÕt

thóc ®Ó thùc hiÖn truy vÊn d÷ liÖu . Khi truy vÊn xong d÷ liÖu ng−êi sö dông

ph¶i l−u d÷ liÖu d−íi d¹ng file excel, tªn file do ng−êi dïng ®Æt.

H×nh 5.3. Giao diÖn truy vÊn d÷ liÖu

103

5.3.2 Ph©n lo¹i d÷ liÖu

Trªn mµn h×nh Desktop nh¸y ®óp vµo biÓu t−îng MATLAB R12 ch¹y

lªn mµn h×nh (h×nh 5.4). Trªn cöa sæ lÖnh cña h×nh 5.4 nhËp lÖnh dubaophutai,

ch−¬ng tr×nh sÏ ch¹y ra menu c¸c chøc n¨ng (h×nh 5.5). Trªn h×nh 5.5 ta chän

chøc n¨ng “phan loai so lieu”, sau ®ã phÇn mÒm sÏ yªu cÇu ng−êi sö dông

nhËp tªn file d÷ liÖu, ta nhËp tªn file sè liÖu cÇn ph©n lo¹i, phÇn mÒm sÏ tù

®éng ph©n lo¹i d÷ liÖu vµ l−u vµo file.

H×nh 5.4. Giao diÖn phÇn mÒm matlab

H×nh 5.5. Giao diÖn menu ch−¬ng tr×nh

5.3.3 ChuÈn ho¸ d÷ liÖu

Trªn h×nh 5.2 ta bÊm chuét vµo chøc n¨ng chuÈn ho¸ d÷ liÖu, sau ®ã

chän file excel chøa d÷ liÖu ®· ®−îc ph©n lo¹i, phÇn mÒm sÏ tù ®éng chuÈn

104

ho¸ d÷ liÖu vµ l−u sè liÖu vµo file excel trong th− môc mÆc ®Þnh

C:\matlabR12\work.

5.3.4 HuÊn luyÖn m¹ng

Trªn menu h×nh 5.5 chän chøc n¨ng “huan luyen mang”,sau ®ã chän

file d÷ liÖu ®· ®−îc ph©n lo¹i. Thêi gian huÊn luyÖn m¹ng tuú thuéc vµo d÷

liÖu ®Çu vµo lín hay bÐ, nÕu ch¹y bé sè liÖu cña hÖ thèng ®iÖn miÒn B¾c th×

thêi gian huÊn luyÖn kho¶ng 7 phót.

5.3.5 Dù b¸o

Trªn menu h×nh 5.5 chän chøc n¨ng “Du bao”. sau ®ã chän file text ®·

l−u l¹i bé träng sè sau khi huÊn luyÖn, chän file l−u mÉu sè liÖu ®Çu vµo cña

ngµy cÇn dù b¸o. PhÇn mÒm sÏ ®−a ra kÕt qu¶ dù b¸o, so s¸nh vµ vÏ ®å thÞ d÷

liÖu dù b¸o ®−îc vµ d÷ liÖu ®Çu vµo. H×nh 5.6 vµ h×nh 5.7 lµ kÕt qu¶ vµ ®å thÞ

phô t¶i ®Ønh ®· ®−îc dù b¸o (tõ ngµy 08/05/2006 ®Õn ngµy 21/05/2006). Trªn

®å thÞ h×nh 5.7 ®iÓm 1 ®Õn ®iÓm 14 t−¬ng øng víi ngµy 08/05/2006 ®Õn ngµy

21/05/2006.

H×nh 5.5. KÕt qu¶ dù b¸o phô t¶i ®Ønh

105

H×nh 5.5. §å thÞ phô t¶i thùc tÕ vµ dù b¸o

106

CH¦¥NG vI

so s¸nh víi mét sè kÕt qu¶ ®∙ cã vµ §¸nh gi¸ kÕt qu¶

6.1. So s¸nh víi mét sè ph−¬ng ph¸p ®· cã.

- Ph−¬ng ph¸p håi quy tuyÕn tÝnh (linear regression), ph−¬ng ph¸p san

b»ng hµm sè mò (exponential smoothing), ph−¬ng ph¸p san trung b×nh

(moving averages), ph−¬ng ph¸p hÖ sè ngÉu nhiªn (stochatic) lµ nh÷ng

ph−¬ng ph¸p ®−îc ®Ò xuÊt sím nhÊt. Tuy nhiªn c¸c ph−¬ng ph¸p nµy ®Òu cã

mét yªu cÇu chung lµ ph¶i x©y dùng ®−îc hµm håi quy trªn tËp d÷ liÖu thèng

kª qu¸ khø. C¸c d÷ liÖu nµy cã thÓ cã c¸c mèi t−¬ng quan nhiÒu chiÒu vµ cã

t¸c ®éng tíi kÕt qu¶ dù b¸o kh¸c nhau tuú thuéc vµo mèi t−¬ng quan cña

chóng. VËy nªn viÖc gi¶i c¸c bµi to¸n dù b¸o lµ rÊt khã kh¨n. Trong nhiÒu

h−íng nghiªn cøu trong giai ®o¹n tíi nh»m triÓn khai c¸c hÖ thèng th«ng

minh, m¹ng n¬ron lµ lùa chän kh¸ phæ biÕn, lµ c¬ së cho c¸c gi¶i ph¸p nhËn

d¹ng, dù b¸o…M¹ng n¬ron nh©n t¹o lµ kü thuËt xö lý th«ng tin míi mÏ ®Çy

høa hÑn trong viÖc øng dông vµo bµi to¸n dù b¸o. KÕt hîp chÆt chÏ víi logic

mê, m¹ng n¬ron nh©n t¹o cã thÓ gi¶i quyÕt c¸c bµi to¸n phøc t¹p hiÖu qu¶

h¬n.

- So víi c¸c ph−¬ng ph¸p dù b¸o truyÒn thèng tr−íc ®©y chñ yÕu tËp

trung vµo c¸c bµi to¸n tuyÕn tÝnh, ph−¬ng ph¸p sö dông m¹ng n¬ron cã thÓ

häc ®Ó xÊp xØ c¸c bµi to¸n mµ quan hÖ vµo – ra lµ phi tuyÕn nhiÒu ®Çu vµo vµ

nhiÒu ®Çu ra víi ®é chÝnh x¸c dù b¸o cao, phï hîp víi d÷ liÖu ®Çu vµo cña phô

t¶i hÖ thèng ®iÖn.

- Trong ph−¬ng ph¸p m¹ng n¬ron, ta cã thÓ thö nghiÖm nhiÒu lÇn ®Ó ®iÒu

chØnh cÊu tróc m¹ng, ®iÒu chØnh c¸c tham sè häc sao cho phï hîp ®Ó cã ®−îc

kÕt qu¶ dù b¸o tèt nhÊt. Trong khi c¸c ph−¬ng ph¸p cò c¸c c«ng thøc vµ tham

107

sè ®· ®−îc x¸c ®Þnh tõ tr−íc, kh«ng thÓ thay ®æi ®−îc, c¸c kÕt qu¶ dù b¸o trªn

c¸c ph−¬ng ph¸p cò còng lµ duy nhÊt.

- Sö dông ph−¬ng ph¸p m¹ng n¬ron, ta cã thÓ dù b¸o nhu cÇu phô t¶i

ngµy cña hÖ thèng ®iÖn miÒn B¾c dùa trªn tËp d÷ liÖu vµo mµ kh«ng ph¶i phô

thuéc vµo kinh nghiÖm chñ quan cña c¸c chuyªn gia. M¹ng n¬ron ®· tù ®éng

x¸c ®Þnh nã dùa trªn tËp träng sè sau huÊn luyÖn cña m¹ng. ViÖc dù b¸o dùa

trªn c¬ së m¹ng n¬ron tù ®éng x¸c ®Þnh mèi quan hÖ liªn quan gi÷a c¸c tËp d÷

liÖu vµo ra, cho ta thÊy kÕt qu¶ dù b¸o nµy ®¸ng tin cËy h¬n so víi nh÷ng

ph−¬ng ph¸p bÞ h¹n chÕ vÒ viÖc phô thuéc phiÕn diÖn vµo kinh nghiÖm tr−íc

®©y.

- Trong qu¸ tr×nh häc, m¹ng sÏ ®iÒu chØnh c¸c tham sè sao cho tæng b×nh

ph−¬ng lçi lµ nhá nhÊt, kh¶ n¨ng héi tô cña m¹ng phô thuéc vµo c¸c tham sè

khëi ®Çu, v× vËy ta cÇn ph¶i ch¹y thö nghiÖm phÇn mÒm nhiÒu lÇn ®Ó chän

®−îc bé tham sè ban ®Çu tèt nhÊt. Mét vÊn ®Ò n÷a th−êng x¶y ra ®èi víi m¹ng

n¬ron dù b¸o phô t¶i lµ qu¸ tr×nh häc kh«ng ph¶i lóc nµo còng héi tô vµ cã

kh¶ n¨ng r¬i vµo cùc tiÓu ®Þa ph−¬ng. NÕu m¹ng r¬i vµo tr−êng hîp nµy ta sÏ

ph¶i b¾t ®Çu huÊn luyÖn l¹i hoÆc thay ®æi sè n¬ron cña líp Èn, ®iÒu nµy sÏ

khiÕn cho m¹ng n¬ron kh«ng ¸p dông ®−îc trong c¸c bµi to¸n yªu cÇu ®é

chÝnh x¸c cao trong thêi gian tèi thiÓu.

- Sau ®©y lµ kÕt qu¶ thùc nghiÖm nh»m ®¸nh gi¸ hiÖu suÊt cña hai cÊu

tróc m« h×nh m¹ng, m« h×nh thø nhÊt ®· ®−îc ®Ò xuÊt ë trªn, m« h×nh thø hai

hiÖn ®ang ®−îc sö dông ®Ó dù b¸o phô t¶i HT§ Quèc gia víi cÊu tróc m¹ng

nh− sau:

+ Líp vµo: 6 n¬ron ®Çu vµo.

+ Líp Èn: 15 n¬ron

+ Líp ra: Mét n¬ron ra chÝnh lµ phô t¶i ®Çu ra cña 1 giê.

108

Ch−¬ng tr×nh ®−îc viÕt b»ng ng«n ng÷ VBA tÝch hîp trong phÇn mÒm øng

dông Excel.

Qua qu¸ tr×nh huÊn luyÖn trªn bé d÷ liÖu ®Çu vµo cña Trung t©m §iÒu ®é

HT§ miÒn B¾c víi 30 mÉu ®Çu vµo, sau 150000 vßng lÆp. M« h×nh thø nhÊt

chØ mÊt kho¶ng 6 phót, cßn m« h×nh thø hai ph¶i mÊt tíi kho¶ng 3 giê 25

phót: B¶ng 5.2 vµ h×nh 5.1 ®−a ra kÕt qu¶ dù b¸o cña ngµy 10/5/2006.

P dù b¸o (MW)

Sai sè %

P thùc tÕ

Giê

(MW)

M« h×nh 1 M« h×nh 2 M« h×nh 1 M« h×nh 2

1

B¶ng 5.2. B¶ng ®¸nh gi¸ kÕt qu¶ dù b¸o cña hai m« h×nh (ngµy 10/5/2006.)

2

2003.0 1983.5 1937.4 0.97 3.28

3

1920.9 1962.1 1985.8 2.14 3.38

4

1941.6 1912.6 1920.4 1.49 1.09

5

1914.3 1915.9 1935.0 0.09 1.08

6

2020.2 2024.8 1980.7 0.23 1.96

7

2096.9 2159.2 2185.4 2.97 4.22

8

2166.4 2217.4 2254.6 2.36 4.07

9

2458.0 2449.1 2430.9 0.36 1.10

10

2670.1 2650.0 2638.9 0.75 1.17

11

3105.4 2975.4 2926.5 4.19 5.76

3211.6 3100.2 3084.5 3.47 3.96

109

12

13

2739.0 2641.5 2700.1 3.56 1.42

14

2646.1 2518.6 2612.3 4.82 1.28

15

2737.5 2612.9 2601.4 4.55 4.97

16

2669.6 2639.4 2633.4 1.13 1.36

17

2681.4 2671.0 2638.7 0.39 1.59

18

2968.0 2852.2 2805.4 3.90 5.48

19

3032.4 2967.6 2966.7 2.14 2.17

20

3226.7 3085.2 3052.3 4.39 5.40

21

3061.1 2910.8 2901.7 4.91 5.21

22

2847.6 2708.5 2745.2 4.88 3.60

23

2625.7 2520.0 2498.5 4.03 4.84

24

2471.2 2393.7 2387.4 3.14 3.39

2132.3 2138.8 2115.2 -0.31 0.80

110

§å thÞ phô t¶i

3000 2500 2000

3500

t Ê u s

Thực tế Mô hình 1 Mô hình 2

g n « C

500

1500 1000

0

0

1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Giê

H×nh 5.1. KÕt qu¶ dù b¸o cña hai m« h×nh (ngµy 10/05/2006)

§å thÞ ®¸nh gi¸ sai sè

8

7

6

5

4

è s i a S

3

%

2

Mô hình 1 Mô hình 2

1

0

0

1

2

3

4

5

6

7

8

9

10

11

13

14

15

16

17

18

19

20

21

22

23

24

12 Giê

H×nh 5.2. Sai sè dù b¸o % cña hai m« h×nh (ngµy 10/05/2006)

NhËn xÐt: Qua kÕt qu¶ thùc nghiÖm nh»m ®¸nh gi¸ hiÖu suÊt cña hai cÊu

tróc m« h×nh m¹ng ta thÊy.

- M« h×nh thø nhÊt cã thêi gian huÊn luyÖn m¹ng nhá h¬n m« h×nh thø 2

rÊt nhiÒu lÇn. Nguyªn nh©n chÝnh lµ do m« h×nh 1 ®−îc lËp tr×nh trªn phÇn

mÒm Matlab ®· ®−îc hç trî toolbox ®Ó xö lý c¸c m« h×nh vÒ m¹ng n¬ron,

111

cßn m« h×nh hai ®−îc lËp tr×nh b»ng ng«n ng÷ VBA tÝch hîp trong phÇn

mÒm øng dông Excel v× vËy ta ph¶i viÕt l¹i toµn bé thuËt to¸n.

- Qua mét sè kÕt qu¶ ch¹y thö nghiÖm trªn hai m« h×nh víi nhiÒu bé sè

liÖu kh¸c nhau vµ c¨n cø vµo hai ®å thÞ trªn h×nh 5.1 vµ 5.2 ta thÊy m« h×nh

thø nhÊt cã kÕt qu¶ dù b¸o chÝnh x¸c tèt h¬n m« h×nh thø hai. §iÒu ®ã

chøng tá m« h×nh thø nhÊt cã cÊu tróc m¹ng dù b¸o tèt vµ phï hîp víi tËp

bµi to¸n dù b¸o h¬n so víi cÊu tróc m¹ng dù b¸o cña m« h×nh thø hai.

6.2. §¸nh gi¸ kÕt qu¶

§é chÝnh x¸c vµ tèc ®é xö lý: PhÇn mÒm ®−îc ch¹y thö nghiÖm trªn 31

bé d÷ liÖu trong vßng 5 n¨m (5/2001-5/2006) cña 29 §iÖn Lùc trªn toµn bé

HT§ miÒn B¾c, hai bé cßn l¹i cña C«ng ty ®iÖn lùc I vµ cña Trung t©m §iÒu

®é HT§ miÒn B¾c. Sau qu¸ tr×nh huÊn luyÖn víi 150000 vßng lÆp, thêi gian

huÊn luyÖn cña mçi bé d÷ liÖu hÕt kho¶ng 5 phót 25 gi©y ®Õn 8 phót 27 gi©y

vµ m¹ng ®¹t ®−îc kÕt qu¶ dù b¸o cña th¸ng 5 n¨m 2006 (tõ 1/5/2006-

31/5/2006) víi sai sè % lín nhÊt cña tõng ®iÖn lùc ®−îc ®−a ra trªn b¶ng 5.1.

Trong ®ã:

- Pmin: Gi¸ trÞ phô t¶i nhá nhÊt trong th¸ng 5/2006 (Gi¸ trÞ phô t¶i ®−îc

lÊy theo tõng giê trong ngµy).

- Sai sè %(Max): Sai sè % lín nhÊt, ®©y lµ kÕt qu¶ dù b¸o tåi nhÊt mµ

- Pmax: Gi¸ trÞ phô t¶i lín nhÊt trong th¸ng 5/2006.

phÇn mÒm ®−a ra.

Sai sè % =(Pthùc tÕ - Pdù b¸o)/ Pthùc tÕ100%

B¶ng 5.1. B¶ng ®¸nh gi¸ kÕt qu¶ sai sè dù b¸o th¸ng 5/2006 trªn 31 bé sè

liÖu cña 31 §iÖn lùc

112

Sai sè

Sai sè

§iÖn Lùc

§iÖn Lùc

Pmin

Pmax

Pmin

Pmax

%(Max)

%(Max)

6.02

1412.7 3317.7

6.01 NghÖ An

62.5 196.8

HT§1

3.7

19.8

7.16

Cty 1

890.3 2134.4

5.84 Cao B»ng

6.2

35.4

6.92

Hµ Néi

245.0

818.0

7.12 S¬n La

10.9

60.9

6.10

H¶i Phßng

92.5

259.7

4.81 Hµ TÜnh

10.0

41.7

5.92

Nam §Þnh

30.2

143.1

6.74 Hoµ B×nh

16.0

52.0

5.64

Phó Thä

45.8

119.6

4.61 Lµo Cai

2.2

14.2

7.82

Qu¶ng Ninh

65.2

188.3

4.89 §iÖn Biªn

3.8

22.5

7.32

Th¸i Nguyªn

43.0

168.0

5.41 Hµ Giang

27.0

77.6

4.36

B¾c Giang

21.8

115.8

4.31 Ninh B×nh

19.2

75.3

4.91

H¶i D−¬ng

87.8

198.3

3.75 Hµ Nam

5.25

Thanh Ho¸

68.0

220.0

4.24 VÜnh Phóc

35.0 112.8

6.34

64.3

237.9

5.61 B¾c C¹n

3.2

14.2

Hµ T©y

5.47

30.6

115.1

5.78 B¾c Ninh

57.5 196.0

Th¸i B×nh

6.24

8.3

34.1

7.02 H−ng Yªn

35.4 156.6

Yªn B¸i

5.97

10.0

39.2

6.91 Lai Ch©u

1.5

6.7

L¹ng S¬n

7.1

39.1

Tuyªn Quang

6.89

Trªn b¶ng 5.1 ta thÊy víi 31 bé d÷ liÖu ®−îc dïng ®Ó thö nghiÖm, trong ®ã

c¸c bé d÷ liÖu cã gi¸ trÞ rÊt ®a d¹ng, nh−ng sai sè dù b¸o chØ n»m trong

kho¶ng 3,75% ®Õn 7,85%. Nguyªn nh©n cã nh÷ng bé d÷ liÖu khi dù b¸o cã sai

sè lín lµ do tØ lÖ chªnh lÖch gi÷a Pmax vµ Pmin lín, gi¸ trÞ phô t¶i cña c¸c giê trong ngµy kh«ng ®ång ®Òu. Trªn thùc tÕ, ®èi víi dù b¸o phô t¶i sai sè cho

phÐp kho¶ng tõ 5 – 10%. VËy kÕt qu¶ dù b¸o ®· ®¹t ®−îc c¸c yªu cÇu ®Ò ra vµ

phï hîp víi t×nh h×nh vËn hµnh hÖ thèng ®iÖn hiÖn nay.

- Kh¼ n¨ng øng dông: Qua khai th¸c thö nghiÖm ch−¬ng tr×nh dù b¸o

phô t¶i ng¾n h¹n sö dông kü thuËt m¹ng n¬ron t¹i Trung t©m §iÒu ®é HT§

113

miÒn B¾c ®· ®¹t ®−îc nh÷ng kÕt qu¶ ®¸ng kÓ nh− ®· nªn trªn. §iÒu ®ã cho

phÐp ta hy väng vµo triÓn väng vµ tÝnh kh¶ thi cña viÖc øng dông m« h×nh nµy

thay thÕ cho m« h×nh cò hiÖn ®ang ®−îc ¸p dông t¹i Trung t©m §iÒu ®é HT§

miÒn B¾c. §Æc biÖt ch−¬ng tr×nh sÏ ¸p dông dù b¸o rÊt hiÖu qu¶ ®èi víi nh÷ng

C«ng ty §iÖn lùc cã tØ lÖ chªnh lÖch gi÷a Pmax vµ Pmin nhá vµ gi¸ trÞ phô t¶i cña c¸c giê trong ngµy kh¸ ®ång ®Òu.

114

KÕT LUËN

Víi môc ®Ých nghiªn cøu vµ ¸p dông m¹ng n¬ron vµo dù b¸o phô t¶i hÖ

thèng ®iÖn MiÒn B¾c, luËn v¨n b−íc ®Çu t×m hiÓu vÒ bµi to¸n dù b¸o phô t¶i

ng¾n h¹n, t×m hiÓu mét sè vÊn ®Ò mµ c¸c chuyªn gia vËn hµnh hÖ thèng ®iÖn

quan t©m ®Ó tõ ®ã cã thÓ ®−a vµo ¸p dông trong thùc tÕ.

So víi c¸c ph−¬ng ph¸p dù b¸o tr−íc, ph−¬ng ph¸p sö dông m¹ng n¬ron

cã thÓ häc ®Ó xÊp xØ c¸c bµi to¸n mµ quan hÖ vµo – ra lµ phi tuyÕn víi nhiÒu

®Çu vµo vµ nhiÒu ®Çu ra ®−îc c¸c chuyªn gia trªn thÕ giíi ®¸nh gi¸ lµ cã ®é

chÝnh x¸c cao, ®−îc øng dông trong rÊt nhiÒu lo¹i bµi to¸n dù b¸o.

LuËn v¨n ®· xem xÐt vµ nghiªn cøu ®−îc c¸c thuËt tÝnh nh− x¸c ®Þnh

c¸c tham sè ®Çu vµo, c¸c kiÕn tróc m¹ng, qu¸ tr×nh huÊn luyÖn… cña m¹ng

¸nh x¹ ®Æc tr−ng tù tæ chøc kohonen vµ m¹ng n¬ron nhiÒu líp lan truyÒn

ng−îc sai sè tõ ®ã m« pháng x¸c ®Þnh c¸c ®Çu vµo, ®−a ra kiÕn tróc cña m¹ng

vµ thùc hiÖn huÊn luyÖn m¹ng trªn bé d÷ liÖu thu thËp ®−îc t¹i trung t©m ®iÒu

®é HT§ MiÒn B¾c.

§èi víi ¸nh x¹ tù tæ chøc kohonen ®−îc dïng ®Ó ph©n d¹ng kiÓu ngµy,

®©y lµ yÕu tè quan träng nhÊt cho qu¸ tr×nh dù b¸o phô t¶i tiÕp theo. §Çu vµo

cña m¹ng lµ c¸c d÷ liÖu phô t¶i 24 giê trong ngµy. Qua qu¸ tr×nh huÊn luyÖn

m¹ng ®· nhËn ra ®−îc c¸c kiÓu ngµy ®Æc tr−ng trong hÖ thèng, −u ®iÓm cña

ph−¬ng ph¸p nµy lµ nã cã thÓ nhËn ra ®−îc mét sè d¹ng kiÓu ngµy míi hoÆc

lo¹i bá mét sè d¹ng kiÓu ngµy kh«ng bao giê xuÊt hiÖn n÷a mµ c¸c kü s− ®iÒu

hµnh b»ng kinh nghiÖm cña m×nh cã thÓ kh«ng nhËn ra hoÆc nhËn ra muén.

V× thÕ ph©n d¹ng kiÓu ngµy sÏ lµ mét ph−¬ng tiÖn hç trî cho c¸c kü s− ®iÒu

hµnh trong qu¸ tr×nh dù b¸o phô t¶i vµ vËn hµnh hÖ thèng.

M¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè qua qu¸ tr×nh huÊn luyÖn

víi tËp mÉu vµo lµ c¸c gi¸ trÞ phô t¶i ®Ønh hoÆc phô t¶i ®¸y vµ nhiÖt ®é cao

nhÊt hoÆc thÊp nhÊt cña c¸c ngµy cã cïng kiÓu vµ gÇn nhÊt víi ngµy dù b¸o,

115

®−îc sö dông ®Ó dù b¸o phô t¶i ®Ønh vµ phô t¶i ®¸y theo nhiÖt ®é m«i tr−êng,

tõ ®ã x¸c ®Þnh ®−îc c¸c gi¸ trÞ phô t¶i 24 giê trong ngµy. C¸c thÝ nghiÖm cho

thÊy nÕu nh− m¹ng ®−îc huÊn luyÖn tèt, c¸c tham sè ®Çu vµo ®−îc lùa chän

cÈn thËn, d÷ liÖu huËn luyÖn ®Çy ®ñ vµ s¸t ngµy cÇn dù b¸o th× kh¶ n¨ng dù

b¸o ®¹t ®é chÝnh x¸c t−¬ng ®èi cao víi sai sè nhá h¬n 8%.

Ngoµi nh÷ng −u ®iÓm ®Æc biÖt m¹ng n¬ron còng cã nh÷ng nh−îc ®iÓm

nhÊt ®Þnh. Kh¶ n¨ng héi tô cña m¹ng phô thuéc vµo c¸c tham sè khëi ®Çu, v×

vËy ta cÇn ph¶i ch¹y thö nghiÖm phÇn mÒm nhiÒu lÇn ®Ó chän ®−îc bé tham

sè ban ®Çu tèt nhÊt. Cßn kh¶ n¨ng tæng qu¸t ho¸ l¹i phô thuéc rÊt nhiÒu vµo

d÷ liÖu ®Çu vµo. NÕu d÷ liÖu ®Çu vµo qu¸ nhiÒu th× cã thÓ dÉn ®Õn tr×nh tr¹ng

luyÖn m¹ng mÊt nhiÒu thêi gian vµ kh¶ n¨ng tæng qu¸t ho¸ kÐm, nÕu Ýt d÷ liÖu

th× sai sè sÏ t¨ng. Mét vÊn ®Ò n÷a th−êng x¶y ra ®èi víi m¹ng n¬ron trong dù

b¸o phô t¶i lµ qu¸ tr×nh häc kh«ng ph¶i lóc nµo còng héi tô vµ cã kh¶ n¨ng

r¬i vµo cùc tiÓu ®Þa ph−¬ng . NÕu m¹ng r¬i vµo tr−êng hîp nµy ta sÏ ph¶i b¾t

®Çu huÊn luyÖn l¹i, ®iÒu nµy sÏ khiÕn cho m¹ng n¬ron kh«ng ¸p dông ®−îc

trong c¸c bµi to¸n yªu cÇu ®é chÝnh x¸c cao trong thêi gian tèi thiÓu.

LuËn v¨n ®−îc thùc hiÖn trong thêi gian ng¾n ch¾c ch¾n kh«ng tr¸nh khái

nh÷ng thiÕu sãt. RÊt mong nhËn ®−îc nh÷ng ý kiÕn ®ãng gãp cña quý thÇy c«

vµ nh÷ng ng−êi quan t©m ®Ó luËn v¨n ®−îc hoµn thiÖn tèt h¬n.

KiÕn nghÞ vÒ nhøng nghiªn cøu tiÕp theo.

1. Ph¸t triÓn më réng bµi to¸n dù b¸o ng¾n h¹n theo nhiÒu lo¹i th«ng

sè kh¸c nhau cã ¶nh h−ëng trùc tiÕp ®Õn phô t¶i nh− nhiÖt ®é, ®é

2. Nghiªn cøu øng dông m¹ng n¬ron nh©n t¹o ®Ó dù b¸o phô t¶i dµi

Èm, tèc ®é giã…

h¹n (kho¶ng tõ 1 – 20 n¨m) dùa vµo møc t¨ng tr−ëng GDP, tèc ®é

ph¸t triÓn c«ng nghiÖp…

116

Tµi liÖu tham kh¶o

Tµi liÖu tiÕng viÖt

Tæng s¬ ®å ph¸t triÓn §iÖn lùc ViÖt Nam giai ®o¹n 2001-2020 cã [1]

xÐt ®Õn triÓn väng ®Õn n¨m 2020 (6/2000), ViÖn n¨ng l−îng.

[2] Tµi liÖu b¸o c¸o tæng kÕt hµng n¨m cña Trung t©m §iÒu ®é HT§

miÒn B¾c.

[3] NguyÔn §×nh Thóc (2000), M¹ng n¬ron ph−¬ng ph¸p vµ øng dông,

Nhµ xuÊt b¶n gi¸o dôc.

[4] L−¬ng M¹nh B¸, NguyÔn Thanh Thuû (2003), nhËp m«n xö lý ¶nh

sè, Nhµ xuÊt b¶n khoa häc vµ kü thuËt.

[5] NguyÔn Phïng Quang, Matlab & Simulink, Nhµ xuÊt b¶n khoa häc

vµ kü thuËt.

[6] Qu¸ch TiÕn Dòng (2000), Dù b¸o phô t¶i hÖ thèng ®iÖn ViÖt Nam

theo nhiÖt ®é m«i tr−êng, B¸o c¸o khoa häc Tæng c«ng ty ®iÖn lùc

ViÖt Nam.

TrÞnh Kh¸nh Ly (2004), LuËn v¨n cao häc, Tr−êng §HBK-HN. [7]

[8] Lª Quèc §Þnh, NguyÔn Träng §øc (2005), ¸p dông kü thuËt m¹ng

n¬ron trong tù ®éng ®iÒu khiÓn hÖ thèng l¸i tµu.

Tµi liÖu tiÕng anh

[9] Robert L. Harvey (1996), Neural Network Principles, Prentice –hall

117

international, inc

[10] David M. Skapura, Building Neural Networks, Addison-Wesley

Publishing Company

[11] Howard Demuth, Mark Beale, Martin Hagan (March 2006), Neural

Network Toolbox

[12] Vanaja Iyer, Chun Che Fung and Tamas Gedeon (1998), A Fuzzy-

Neural Approach to Electricity Load and Spotprice

Forecasting in a Deregulated Electricity Market

[13] Antti Laukkanen (2004), The use of special day information in

a demand forecasting model for Nordic power market,

http://www.sal.hut.fi

[14] P.K. Dash, G. Ramakrishna, A.C. Liew, S. Rahman (1995),

Fuzzy neural networks for time-series forecasting of electric

load.

[15] D.C.Sansom and T. K .Saha, Neural networks for forecasting

electricity pool price in a deregulated electricity supply industry.

118

w=rands (100,24);

X = fopen(phanloaingay.xls, ‘w’)

M1=19;

pt=X';

delta =0.01;

Q=size(w,1);

for q=1:Q

nq =w(q,:) ;

a=sumsqr(nq);

m=nq/sqrt(a);

w(q,:) = m;

k=sqrt(sumsqr(m));

end

w1=w;

%n=negdist (w,X);

n=wX;

%n=0

Q1=size(X,2);

for q=1:Q1

nk=n(:,q);

k1=find(nk==max(nk));

k1=k1(1)

Phô lôc i PhÇn mÒm m« pháng m¹ng Kohonen trong bµi to¸n ph©n lo¹i ngµy.

119

nk(k1)=-inf;

% k6=find(nk==max(nk))

% k6=k6(1)

ptq=pt(q,:);

for i=-2:2

for j=-2:2

xi=mod(k1+i+M1-1,M1)+1;

yj=mod(k1+j+M1-1,M1)+1;

jj=M1(yj-1)+xi;

%kk=w(jj,:)

w(jj,:)=w(jj,:)+ delta(ptq - w(jj,:));

end

end

fclose(X)

end

120

Phô lôc II

PhÇn mÒm m« pháng m¹ng n¬ron lan truyÒn ng−îc sai sè øng dông

trong bµi to¸n dù b¸o ®Ønh vµ ®¸y ®å thÞ phô t¶i vµ kÕt qu¶ huÊn luyÖn

% menu

display(' CHUONG TRINH DU BAO PHU TAI');

display(' =====================');

chon=menu('Hay chon chuc nang','1. Phan loai so lieu','2. Huan luyen mang', '3.

Du Bao ','4. Thoat ')

switch chon

case chon == 1

fn=input('Nhap ten file du lieu:' ,'s');

P1=fopen(fn,'w');

phanloaingay

case chon==2

fn=input('Nhap ten file du lieu:' ,'s');

huanluyenmang

case chon==3

fn1=input('Nhap ten file trong so W1:' ,'s');

fn2=input('Nhap ten file trong so W2' ,'s');

Dubao

OTHERWISE

exit

end

1. Ch−¬ng tr×nh chÝnh

121

w1=rands (30,8);

P= fopen(dubaophutai.xls, ‘w’)

alpha=0.4; %He so hoc

beta =0.6 ;%He so quan tinh

ep=15000;

w2=rands(1,30);%Trong so lop an

w11=w1;

w22=w2;

for i=1:ep

aj=w1P';% Tong thong tin dau vao lop an Y

yj=logsig(aj);% Output lop an

bk=w2yj; % Tong thong tin dau vao lop ra Z

zk=logsig(bk);%Gia tri output

Errk=dk-zk;

ee=sumsqr(Errk);

tetak=(1-zk).Errk.zk; %Sai so lop ra

tetaj=yj.(1-yj).(w2'tetak);% Sai so lop an

dw1=alphatetajP + beta(w1-w11);

w11=w1;

w1=w1+dw1; % Cap nhat trong so lop vao

dw2=alphatetakyj' + beta(w2-w22);

w22=w2;

w2=w2+dw2;

end

2. Module dù b¸o phô t¶i

122

Z=zk ;

q=size(Z,2);

D=dk;

SSTD=abs(dk-zk);

Errk=(dk-zk)./D100;

w1=w1; w2=w2;

display= input([' Ket qua du bao: \n']);

disp (display)

display= input([' STT Pchtt Pchdb Ptt Pdb SSTD SS% \n']);

disp (display)

for i=1:q

display= sprintf(' %2d %2.4f %2.4f %4.1f %4.1f %5.2f %1.2f',...

i,D(i),Z(i), D(i)5000,Z(i)5000,SSTD(i)5000,SSTD(i)/D(i)100 );

disp(display);

end

Err=ee/2

display= input(['Trong do: \n\n Pchtt: Phu tai chuan hoa thuc te \n',...

' Pchdb: Phu tai chuan hoa du bao \n',...

' Ptt : Phu tai thuc te \n',...

' Pdb : Phu tai du bao \n',...

' SSTD : Sai so tuyet doi \n',...

' SS% : Sai so % \n'...

' Err : Binh phuong sai so']);

disp (display)

fclose(P)

123

Tãm t¾t luËn v¨n

Trong nh÷ng n¨m gÇn ®©y, cïng víi sù ph¸t triÓn lín m¹nh cña nÒn

kinh tÕ quèc gia, nhu cÇu tiªu thô ®iÖn n¨ng hµng n¨m ®· t¨ng lªn rÊt nhiÒu,

®Æc biÖt ®èi víi HT§ miÒn B¾c b×nh qu©n hµng n¨m t¨ng trªn 12,6%. V× vËy

chóng ta ph¶i huy ®éng vèn rÊt lín ®Ó ®Çu t− x©y dùng nhiÒu nguån ph¸t ®iÖn

vµ mua ®iÖn cña c¸c n−íc trong khu vùc, nh−ng thùc tÕ nÕu kh«ng dïng hÕt

c«ng suÊt ®−îc huy ®éng, chóng sÏ g©y nhiÒu l·ng phÝ. V× vËy viÖc dù b¸o

phô t¶i chÝnh x¸c sÏ trî gióp cho nhiÒu chøc n¨ng quan träng ®èi víi kÕ

ho¹ch ph¸t triÓn ®iÖn n¨ng trong t−¬ng lai, lËp kÕ ho¹ch ho¸ vËn hµnh HT§

nh− ph©n phèi phô t¶i mét c¸ch kinh tÕ, hiÖu qu¶, lªn kÕ ho¹ch b¶o d−ìng vµ

söa ch÷a, lËp ph−¬ng thøc vËn hµnh…LuËn v¨n chñ yÕu tËp trung nghiªn cøu

vµ gi¶i quyÕt c¸c vÊn ®Ò sau.

1. T×m hiÓu c¸c yÕu tè ¶nh h−ëng ®Õn phô t¶i HT§ miÒn B¾c, tÇm quan

träng cña bµi to¸n dù b¸o phô t¶i trong c«ng t¸c vËn hµnh hÖ thèng

®iÖn

2. T×m hiÓu c¸c ®Æc ®iÓm, c¸c d¹ng cña §TPT, gi¸ trÞ phô t¶i ®Æc biÖt

trong ngµy mµ ®−îc c¸c kü s− vËn hµnh còng nh− ng−êi lµm ph−¬ng

thøc ngµy quan t©m nhiÒu nhÊt (Pmax, Pmin)

3. T×m hiÓu c¸c kiÕn thøc c¬ b¶n cña m¹ng n¬ron nh©n t¹o, c¬ së lý

thuyÕt, m« h×nh m¹ng n¬ron nh©n t¹o.

4. Nghiªn cøu, thiÕt kÕ cÊu tróc m¹ng n¬ron, ph−¬ng ph¸p huÊn luyÖn

m¹ng; x©y dùng phÇn mÒm m« pháng m¹ng Kohonen ph©n lo¹i ngµy;

®−a ra mét sè kÕt qu¶ vµ ph©n tÝch ®¸nh gi¸ kÕt qu¶ ®¹t ®−îc.

5. Nghiªn cøu, thiÕt kÕ cÊu tróc m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc

sai sè, tõ ®ã ¸p dông vµ x©y dùng phÇn mÒm dù b¸o phô t¶i ®Ønh vµ

®¸y ®å thÞ phô t¶i, dù b¸o phô t¶i cho 24 giê trong ngµy, ®−a ra mét sè kÕt qu¶ vµ ph©n tÝch ®¸nh gi¸ kÕt qu¶ ®¹t ®−îc.

124

Summary

In recent years, with strong development of national economy, annual power

consuming demand has been rapidly increased, especially for the Northern

Power System, annual average demand has an increase of over 12.6%.

Therefore, it is necessary to mobilize a huge amount of capital to invest and

construct more Power Supply Sources and purchase power from other nations

in the region. In reality, however, if mobilized capacity is not used up, it is

wasteful. Therefore, correct load forecast plays an important role in making

plan of electricity development in the future, power system operation such as

economically load distribution, repairmen, maintenance and operation method

as well. The thesis mainly focuses on researching and solving the following

problems:

1. Study factors affecting to load of the Northern Power System, the

importance of load forecast in power system operation.

2. Study characteristics, types of additional charge diagrams, daily

special load value that operators as well as method-makers are

increasingly concerning as the most important thing (Pmax, Pmin).

3. Study basic knowledge of artificial neural network, theory basis, and

artificial neural network model.

4. Study, design neural network structure, network training method;

construct a software imitating Kohonen that distinguish types of

days; give out some results, analyze and evaluate the result obtained.

5. Study, design back-propagation Neural Network and then apply and

set up a load forecast software at top and bottom of load diagram,

forecast load for 24 hours in one day, give out some results, analyze and evaluate the result obtained.

Luận 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

Môc lôc

Danh môc c¸c tõ viÕt t¾t

Më ®Çu

§å thÞ phô t¶i

t Ê u s g n « C

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giê Thứ 2

§å thÞ phô t¶i

t Ê u s g n « C 1000

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giê Ngày 1/5

§å thÞ phô t¶i

t Ê u s g n « C

Giê

§å thÞ phô t¶i

t Ê u s g n « C

Giê

§ å th Þ p h ô t¶i

t Ê u s g n « C

G iê

§ å th Þ p h ô t¶ i

t Ê u s g n « C

G iê

§ å th Þ p h ô t¶ i

t Ê u s g n « C

G iê

Các liên kết ra

Đầu ra

§å thÞ phô t¶i

t Ê u s g n « C

Giê

§å thÞ phô t¶i

t Ê u s g n « C

Giê

§å thÞ phô t¶i

Êt u s g n « C

Giê

§å thÞ phô t¶i

t Ê u s g n « C

Giê

∑∑

∑

B¾t ®Çu

TÝnh gi¸ trÞ ®Çu ra N

Chän n¬ron trung t©m C:

TÝnh W cña n¬ron C vµ c¸c n¬ron l¸ng giÒng

Nc=Nc-1

Sai

k=K

§óng

I=NI

§óng

Sai

Nc=0

§óng

KÕt thóc

∑

∑

∑

∑

B¾t ®Çu

MÉu p = l

TÝnh yk vµ zk

TÝnh W1, W2

míi

It = it + 1

TÝnh Ek

Sai

NÕu p > PN

§óng

Sai

§óng

KÕt thóc

∑

t Ê u s g n « C

Giê

§å thÞ phô t¶i