Chương V: Hệ thống phần mềm dự báo phụ tải ngắn hạn cho hệ thống điện miền bắc

Header Page 101 of 166.

100



của bài toán dự báo phụ tải ngắn hạn nên ta chỉ quan tâm đến một số bảng dữ

liệu trong toàn bộ hệ thống cơ sở dữ liệu đã đợc thiết kế từ trớc với cấu trúc

bảng nh sau:

Bảng thông tin về phụ tải và nhiệt độ của các điện lực.

Tên cột



Kiểu



Len



PK



FK



Null



Mô tả



Ngay



Date



8



x



Ngày



Gio



2



x



Giờ



ND



2



X



Nhệt độ



B1



Float



4



X



Hà Nội



B2



Float



4



X



Hải phòng























B29



Float



4



X



Lai Châu











Trong đó:

PK : primary key (Khoá chính)

FK : foreign key (khoá liên kết)

Len: Độ dài dữ liệu

5.2. Đặc tả các chức năng

5.2.1. Truy vấn dữ liệu

Module truy vấn dữ liệu dùng để truy vấn số liệu từ cơ sở dữ liệu SQL

Server, số liệu đầu ra bao gồm phụ tải và nhiệt độ của tập mẫu, số liệu này

chính là số liệu đầu vào để huấn luyện mạng. Số liệu sau khi truy vấn đợc lu

vào một file có đuôi mở rộng .xls.



Footer Page 101 of 166.



Header Page 102 of 166.

101



5.2.2. Phân loại dữ liệu

Module này thực hiện phân loại số liệu đã thu thập đợc từ module truy

vấn dữ liệu theo từng nhóm dữ liệu khác nhau. Dữ liệu đã phân loại sẽ đợc

lu vào một file excel.

5.2.3 Chuẩn hoá dữ liệu

Module chuẩn hoá dữ liệu thực hiện việc chuẩn hoá số liệu đã đợc

phân loại ở module phân loại dữ liệu theo công thức đã định nghĩa ở chơng 2,

theo nguyên tắc các giá trị đầu vào cho mạng nơ ron phải nằm trong khoảng [1,1] và đợc lu vào file excel. Số liệu sau khi đợc chuẩn hoá sẽ là số liệu

đầu vào cho module huấn luyện mạng

5.2.4 Huấn luyện mạng

Module này thực hiện việc huấn luyện mạng với bộ trọng số lấy ngẫu

nhiên trong khoảng [-1,1]. Trong quá trình học, mạng sẽ điều chỉnh các tham

số sao cho tổng bình phơng lỗi là nhỏ nhất (Quá trình huấn luyện mạng dừng

nếu SSE = rất nhỏ hoặc khi số vòng lặp qua lớn). Kết thúc quá trình huấn

luyện mạng ta thu đợc bộ trọng số mới, gọi là bộ trọng số sau khi huấn

luyện, bộ trọng số này đợc lu trữ dới dạng file text. Bộ trọng số sau khi

huấn luyện sẽ đợc dùng làm phơng tiện cho việc dự báo phụ tải.

5.2.5 Dự báo phụ tải

Module dự báo phụ tải thực hiện khi mạng đã đợc huấn luyện xong.

Quá trình làm việc của mạng nơron là quá trình tự tái diễn lại, vì vậy khi đa

các giá trị đầu vào của mẫu vào với bộ trọng số sau khi huấn luyện sẽ cho đáp

ứng đầu ra tơng ứng với đầu vào theo sự nhận thức của mạng đợc hình

thành trong quá trình huấn luyện. Đáp ứng đầu ra chính là kết quả dự báo của

mạng.



Footer Page 102 of 166.



Header Page 103 of 166.

102



5.3 Hớng dẫn sử dụng

Trên màn hình Desktop chọn file dubaophutai.xls, chơng trình sẽ chạy

lên màn hình (hình 5.2) mà tại đây ngời sử dụng có thể thực hiện và theo dõi

các chức năng của chơng trình.



Hình 5.2. Giao diện chính của chơng trình

5.3.1 Truy vấn dữ liệu

Trên hình 5.2 ta bấm chuột vào chức năng truy vấn dữ liệu, khi đó

chơng trình xuất hiện hình 5.3, lựa chọn thời gian bắt đầu và thời gian kết

thúc để thực hiện truy vấn dữ liệu . Khi truy vấn xong dữ liệu ngời sử dụng

phải lu dữ liệu dới dạng file excel, tên file do ngời dùng đặt.



Hình 5.3. Giao diện truy vấn dữ liệu



Footer Page 103 of 166.



Header Page 104 of 166.

103



5.3.2 Phân loại dữ liệu

Trên màn hình Desktop nháy đúp vào biểu tợng MATLAB R12 chạy

lên màn hình (hình 5.4). Trên cửa sổ lệnh của hình 5.4 nhập lệnh dubaophutai,

chơng trình sẽ chạy ra menu các chức năng (hình 5.5). Trên hình 5.5 ta chọn

chức năng phan loai so lieu, sau đó phần mềm sẽ yêu cầu ngời sử dụng

nhập tên file dữ liệu, ta nhập tên file số liệu cần phân loại, phần mềm sẽ tự

động phân loại dữ liệu và lu vào file.



Hình 5.4. Giao diện phần mềm matlab



Hình 5.5. Giao diện menu chơng trình

5.3.3 Chuẩn hoá dữ liệu

Trên hình 5.2 ta bấm chuột vào chức năng chuẩn hoá dữ liệu, sau đó

chọn file excel chứa dữ liệu đã đợc phân loại, phần mềm sẽ tự động chuẩn



Footer Page 104 of 166.



Header Page 105 of 166.

104



hoá dữ liệu và lu số liệu vào file excel trong th mục mặc định

C:\matlabR12\work.

5.3.4 Huấn luyện mạng

Trên menu hình 5.5 chọn chức năng huan luyen mang,sau đó chọn

file dữ liệu đã đợc phân loại. Thời gian huấn luyện mạng tuỳ thuộc vào dữ

liệu đầu vào lớn hay bé, nếu chạy bộ số liệu của hệ thống điện miền Bắc thì

thời gian huấn luyện khoảng 7 phút.

5.3.5 Dự báo

Trên menu hình 5.5 chọn chức năng Du bao. sau đó chọn file text đã

lu lại bộ trọng số sau khi huấn luyện, chọn file lu mẫu số liệu đầu vào của

ngày cần dự báo. Phần mềm sẽ đa ra kết quả dự báo, so sánh và vẽ đồ thị dữ

liệu dự báo đợc và dữ liệu đầu vào. Hình 5.6 và hình 5.7 là kết quả và đồ thị

phụ tải đỉnh đã đợc dự báo (từ ngày 08/05/2006 đến ngày 21/05/2006). Trên

đồ thị hình 5.7 điểm 1 đến điểm 14 tơng ứng với ngày 08/05/2006 đến ngày

21/05/2006.



Hình 5.5. Kết quả dự báo phụ tải đỉnh



Footer Page 105 of 166.



Header Page 106 of 166.

105



Hình 5.5. Đồ thị phụ tải thực tế và dự báo



Footer Page 106 of 166.



Header Page 107 of 166.

106



CHƯƠNG vI

so sánh với một số kết quả đ có và Đánh giá kết quả

6.1. So sánh với một số phơng pháp đã có.

- Phơng pháp hồi quy tuyến tính (linear regression), phơng pháp san

bằng hàm số mũ (exponential smoothing), phơng pháp san trung bình

(moving averages), phơng pháp hệ số ngẫu nhiên (stochatic) là những

phơng pháp đợc đề xuất sớm nhất. Tuy nhiên các phơng pháp này đều có

một yêu cầu chung là phải xây dựng đợc hàm hồi quy trên tập dữ liệu thống

kê quá khứ. Các dữ liệu này có thể có các mối tơng quan nhiều chiều và có

tác động tới kết quả dự báo khác nhau tuỳ thuộc vào mối tơng quan của

chúng. Vậy nên việc giải các bài toán dự báo là rất khó khăn. Trong nhiều

hớng nghiên cứu trong giai đoạn tới nhằm triển khai các hệ thống thông

minh, mạng nơron là lựa chọn khá phổ biến, là cơ sở cho các giải pháp nhận

dạng, dự báoMạng nơron nhân tạo là kỹ thuật xử lý thông tin mới mẽ đầy

hứa hẹn trong việc ứng dụng vào bài toán dự báo. Kết hợp chặt chẽ với logic

mờ, mạng nơron nhân tạo có thể giải quyết các bài toán phức tạp hiệu quả

hơn.

- So với các phơng pháp dự báo truyền thống trớc đây chủ yếu tập

trung vào các bài toán tuyến tính, phơng pháp sử dụng mạng nơron có thể

học để xấp xỉ các bài toán mà quan hệ vào ra là phi tuyến nhiều đầu vào và

nhiều đầu ra với độ chính xác dự báo cao, phù hợp với dữ liệu đầu vào của phụ

tải hệ thống điện.

- Trong phơng pháp mạng nơron, ta có thể thử nghiệm nhiều lần để điều

chỉnh cấu trúc mạng, điều chỉnh các tham số học sao cho phù hợp để có đợc

kết quả dự báo tốt nhất. Trong khi các phơng pháp cũ các công thức và tham



Footer Page 107 of 166.



Header Page 108 of 166.

107



số đã đợc xác định từ trớc, không thể thay đổi đợc, các kết quả dự báo trên

các phơng pháp cũ cũng là duy nhất.

- Sử dụng phơng pháp mạng nơron, ta có thể dự báo nhu cầu phụ tải

ngày của hệ thống điện miền Bắc dựa trên tập dữ liệu vào mà không phải phụ

thuộc vào kinh nghiệm chủ quan của các chuyên gia. Mạng nơron đã tự động

xác định nó dựa trên tập trọng số sau huấn luyện của mạng. Việc dự báo dựa

trên cơ sở mạng nơron tự động xác định mối quan hệ liên quan giữa các tập dữ

liệu vào ra, cho ta thấy kết quả dự báo này đáng tin cậy hơn so với những

phơng pháp bị hạn chế về việc phụ thuộc phiến diện vào kinh nghiệm trớc

đây.

- Trong quá trình học, mạng sẽ điều chỉnh các tham số sao cho tổng bình

phơng lỗi là nhỏ nhất, khả năng hội tụ của mạng phụ thuộc vào các tham số

khởi đầu, vì vậy ta cần phải chạy thử nghiệm phần mềm nhiều lần để chọn

đợc bộ tham số ban đầu tốt nhất. Một vấn đề nữa thờng xảy ra đối với mạng

nơron dự báo phụ tải là quá trình học không phải lúc nào cũng hội tụ và có

khả năng rơi vào cực tiểu địa phơng. Nếu mạng rơi vào trờng hợp này ta sẽ

phải bắt đầu huấn luyện lại hoặc thay đổi số nơron của lớp ẩn, điều này sẽ

khiến cho mạng nơron không áp dụng đợc trong các bài toán yêu cầu độ

chính xác cao trong thời gian tối thiểu.

- Sau đây là kết quả thực nghiệm nhằm đánh giá hiệu suất của hai cấu

trúc mô hình mạng, mô hình thứ nhất đã đợc đề xuất ở trên, mô hình thứ hai

hiện đang đợc sử dụng để dự báo phụ tải HTĐ Quốc gia với cấu trúc mạng

nh sau:

+ Lớp vào: 6 nơron đầu vào.

+ Lớp ẩn: 15 nơron

+ Lớp ra: Một nơron ra chính là phụ tải đầu ra của 1 giờ.



Footer Page 108 of 166.