Các phương pháp cổ điển cho dự báo bao gồm hồi quy và không gian trạng thái. Các phương pháp hiện đại hơn gồm có hệ chuyên gia, lập trình tiến hóa, hệ mờ, ANN, hoặc phối hợp các phương pháp trên. Trong số đó, ANN có mô hình rõ ràng, dễ thực hiện, và cho kết quả đáng tin cậy nên được đề xuất áp dụng trong mô đun dự báo giá. ANN cũng là một công cụ mạnh mẽ cho việc phân tích sự ảnh hưởng của các nhân tố khác lên giá điện (phân tích độ nhạy).
Cấu trúc ANN cơ bản cho dự báo giá điện như sau:
Hình 2.3 - Cấu trúc ANN dự báo giá điện
* Lớp đầu vào:
- Hệ số thời gian: các ngày trong tuần, các giờ trong ngày;
- Các hệ số về đường dây: trạng thái, cấu hình lưới (ngừng đường dây, ngừng máy phát), giới hạn truyền tải, tắc nghẽn truyền tải;
- Hệ số phụ tải: phụ tải hệ thống, phụ tải miền, phụ tải nút;
- Các mẫu bản chào.
* Lớp đầu ra:
- Giá điện tại các nút riêng rẽ.
* Lớp ẩn:
Số lượng nơ ron trong lớp ẩn có thể rất khác nhau tùy từng ứng dụng cụ thể, nó phụ thuộc vào kích thước của tập đào tạo (training set) và số lượng các biến đầu vào. Tuy nhiên, có thể áp dụng một trong số các quy tắc sau để xác định số lượng nơ ron lớp ẩn:
- Bằng 02 lần số lượng nơ ron lớp đầu vào trừ 1
- Bằng tổng lượng nơ ron hai lớp đầu vào và đầu ra
- Bằng trung bình lượng nơ ron các lớp đầu vào và đầu ra.
Một số lưu ý khi sử dụng phương pháp ANN:
- Việc mô phỏng đủ các đường dây và phụ tải các hệ thống điện quy mô lớn có thể dẫn đến việc tăng kích thước ANN và thời gian đào tạo lên đáng kể. Trong trường hợp đó phải đơn giản hóa kích thước ANN mà vẫn đảm bảo mức chính xác cần thiết thông qua các biện pháp sau:
o Giảm số lượng các nơ ron đầu vào (ví dụ, sử dụng phụ tải miền thay cho các phụ tải nút; bỏ qua hệ số thời gian nếu nó đã gắn với thông tin phụ tải).
o Giảm số lượng các véc tơ đầu vào (ví dụ, chia các véc tơ đầu vào thành nhiều nhóm và chỉ đào tạo ANN cho một trong các nhóm tương tự nhau)
o Kết hợp cả hai biện pháp trên
- Quá trình tiền xử lý dữ liệu đầu vào là rất cần thiết do có thể ảnh hưởng nhiều đến kết quả dự báo. Ví dụ, với đột biến giá trong dữ liệu giá điện quá khứ, có hai phương pháp tiền xử lý như sau:
o Giới hạn trên (UL) cho giá điện P. Khi giá điện lớn hơn UL, nó sẽ lấy giá trị bằng UL.
o Dùng giới hạn trên giá điện (UL) và xử lý những giá trị lớn hơn UL như sau:
Hình 2.4 – Xử lý dữ liệu giá điện
- Phân tích độ nhạy được tiến hành bằng cách thay đổi (lần lượt hoặc kết hợp) giá trị của tất cả các biến đầu vào và đánh giá sự thay đổi kết quả đầu ra. Qua đó có thể kết luận các yếu tố nào ảnh hưởng mạnh, các yếu tố nào tương tác với nhau ảnh hưởng đến giá điện.
- Công cụ: lập trình MATLAP hoặc sử dụng một số phần mềm thương mại: Alyuda NeuralIntelligent; Alyuda Forcaster; Attrasoft Predictor Pro; CPC-X NeuralPower; Neuro Dimension; vv.
Đức Tâm
Không có nhận xét nào:
Đăng nhận xét