Sử dụng phần mềm simple e để dự báo nhu cầu điện năng của tỉnh thái bình đến năm 2025

Nội dung của luận văn Luận văn gồm các chương: Mở đầu Chương 1: Cơ sở phương pháp luận về phân tích và dự báo nhu cầu năng lượng Chương 2: Phương pháp đa hồi quy và giới thiệu phần mềm S

LỜI MỞ ĐẦU

1 Sự cần thiết của đề tài

Ngành điện là một ngành công nghiệp mũi nhọn, ảnh hưởng trực tiếp đến tất

cả các ngành kinh tế của nền kinh tế quốc dân, nó góp phần thúc đẩy sự phát triển kinh tế - xã hội của đất nước Với sự phát triển mạnh mẽ của nền kinh tế như hiện nay, ngành điện vừa có vai trò cung cấp năng lượng thúc đẩy phát triển kinh tế của các ngành vừa trực tiếp tham gia phục vụ đời sống xã hội và sinh hoạt của con người Nhất là khi nước ta đang thúc đẩy nhanh quá trình công nghiệp hoá hiện đại hoá để hội nhập với nền kinh tế khu vực và trên thế giới thì nhu cầu điện năng ngày một tăng nhanh đòi hỏi sự dự báo chính xác là rất cần thiết Nếu cung không đáp ứng đủ cầu thì sẽ gây thiệt hại về kinh tế, nếu cầu thấp hơn cung thì cũng gây lãng phí và thiệt hại về kinh tế không những của ngành điện mà còn ảnh hưởng đến các ngành khác Ngành điện đòi hỏi vốn đầu tư lớn và thời gian xây dựng kéo dài nên việc dự báo nhu cầu điện năng dài hạn là rất quan trọng Để luôn đảm bảo cân bằng lượng điện năng sản xuất và lượng điện năng tiêu thụ trên hệ thống trong một khoảng thời gian dài

Trong những năm gần đây, cùng với sự phát triển kinh tế xã hội của cả nước, tỉnh Thái Bình từ một tỉnh thuần nông cũng đã từng bước công nghiệp hóa hiện đại hóa, đời sống người dân ngày càng được cải thiện Cũng từ đó, nhu cầu điện cho các ngành kinh tế cũng như tiêu dùng dân cư không ngừng tăng cao Nhằm đáp ứng nhu cầu phát triển kinh tế - xã hội của địa phương, việc tiến hành dự báo báo nhu cầu phụ tải tỉnh Thái Bình để phục công tác phát triển nguồn và lưới điện kịp thời phục vụ cung cấp ổn định hệ thống điện và đảm bảo chất lượng điện năng là rất cần thiết

2 Mục đích nghiên cứu của luận văn

Xuất phát từ lý do thực tế như trên, việc nghiên cứu lựa chọn đề tài “Sử dụng

phần mềm Simple-E để dự báo nhu cầu điện năng của tỉnh Thái Bình đến năm 2025” được thực hiện nhằm mục đích nghiên cứu phương pháp đa hồi quy, trên cơ

sở đó nghiên cứu tìm hiểu và ứng dụng phần mềm Simple_E cho dự báo nhu cầu

điện năng Từ đó dự báo nhu cầu phụ tải tỉnh Thái Bình đến năm 2025 và những năm tiếp theo

Trên cơ sở dự báo giúp cho việc lập quy hoạch phát triển nguồn và lưới điện tỉnh Thái Bình trong thời gian tới đạt hiệu quả cao nhất, góp phần nâng cao chất lượng, độ tin cậy cung cấp điện và thỏa mãn nhu cầu phát triển kinh tế - xã hội của địa phương

3 Đối tƣợng và phạm vi nghiên cứu

Đối tượng là hiện trạng cung cấp điện cho hoạt động sản xuất kinh doanh, phát triển kinh tế xã hội trên địa bàn tỉnh Thái Bình

- Phân tích và đánh giá hiện trạng tình hình cung cấp và tiêu thụ điện năng tỉnh Thái Bình giai đoạn 2002 – 2014

- Nghiên cứu, phân tích các đặc điểm phát triển kinh tế xã hội làm cơ sở cho việc tính toán dự báo nhu cầu phụ tải điện ở các giai đoạn tương ứng

- Nghiên cứu cơ sở lý thuyết các phương pháp dự báo nhu cầu điện năng, lựa chọn sử dụng phần mềm thích hợp để dự báo nhu cầu phụ tải trong giai đoạn từ

2015 – 2025

- Đưa ra các kết luận và kiến nghị cơ bản, các biện pháp tổ chức, quản lý, thực hiện tốt công tác dự báo nhu cầu phát triển điện năng

4 Ý nghĩa khoa học và thực tiễn của luận văn

Nghiên cứu các phương pháp dự báo nhu cầu điện năng, cụ thể là phương pháp hồi quy và sử dụng phần mềm Simple_E làm công cụ dự báo nhu cầu điện năng trong tương lai

Đề tài mang ý nghĩa khoa học và thực tiễn, giúp cơ quan quản lý áp dụng vào việc dự báo nhu cầu điện năng tỉnh Thái Bình trong thời gian tới Trên cơ sở dự báo chính xác nhu cầu điện năng từ đó giúp cho việc quy hoạch lưới điện tỉnh Thái Bình đạt hiệu quả cao nhất, phù hợp và đáp ứng được mục tiêu phát triển kinh tế xã hội, đẩy nhanh quá trình công nghiệp hóa và hiện đại hóa của tỉnh

5 Nội dung của luận văn

Luận văn gồm các chương:

Mở đầu

Chương 1: Cơ sở phương pháp luận về phân tích và dự báo nhu cầu năng lượng

Chương 2: Phương pháp đa hồi quy và giới thiệu phần mềm Simple-E

Chương 3: Phân tích tình hình phát triển kinh tế xã hội và tiêu thụ điện năng tỉnh Thái Bình giai đoạn 2002 - 2014

Chương 4: Dự báo nhu cầu điện năng của tỉnh Thái Bình đến năm 2025 trên

cơ sở phần mềm Simple E

Kết luận và kiến nghị

Chương 1

CƠ SỞ PHƯƠNG PHÁP LUẬN

VỀ PHÂN TÍCH VÀ DỰ BÁO NHU CẦU NĂNG LƯỢNG

1.1 Phương pháp phân tích nhu cầu năng lượng

1.1.1 Mục đích của việc phân tích nhu cầu năng lượng

Việc phân tích nhu cầu năng lượng đóng một vai trò hết sức quan trọng trong công tác xây dựng kế hoạch và các chính sách năng lượng, thông qua việc phân tích này có thể nắm được các nhân tố quyết định đến mức độ tiêu thụ năng lượng theo thời gian Ngoài ra, phân tích nhu cầu năng lượng còn cho thấy cấu trúc tiêu thụ năng lượng của từng ngành và của từng dạng năng lượng, mối quan hệ giữa nhu cầu năng lượng và các biến kinh tế xã hội như: GDP, dân số, giá cả năng lượng

Có thể nói rằng, năng lượng là một yếu tố đầu vào không thể thiếu trong hoạt động sản xuất của hầu hết các ngành Dựa vào mức độ ảnh hưởng của các biến trong cấu trúc tiêu thụ năng lượng, ta có thể đưa ra các nhân tố quyết định đến nhu cầu năng lượng như: GDP, tốc độ đô thị hoá, mức độ thu nhập, điều kiện khí hậu, khu vực địa lý, giá năng lượng, khả năng đáp ứng nhu cầu năng lượng, cấu trúc nền kinh tế, loại công nghệ

1.1.2 Các phương pháp phân tích nhu cầu năng lượng

1.1.2.1 Phương pháp tĩnh

Phương pháp tĩnh là phương pháp phân tích nhu cầu năng lượng tại một thời điểm nhất định, xác định các dạng năng lượng được sử dụng, hộ tiêu thụ chính và mối quan hệ định tính giữa nhu cầu năng lượng và nhân tố ảnh hưởng

Nhu cầu năng lượng thường được phân chia theo đối tượng sử dụng năng lượng cuối cùng, từ đó xác định được tỷ trọng tiêu thụ của từng ngành cũng như tỷ trọng của từng dạng năng lượng Điều đó cho phép đánh giá vai trò của ngành cũng như dạng năng lượng trong tiêu thụ năng lượng của nền kinh tế

Phân tích nhu cầu năng lượng không chỉ đưa ra mối quan hệ giữa tổng nhu cầu năng lượng, các hoạt động kinh tế và mức độ đòi hỏi của xã hội, mà còn làm rõ việc

các dạng năng lượng được tiêu thụ khác nhau như thế nào đối với từng nhu cầu xã hội và ở mỗi phân ngành kinh tế cụ thể

- Phân tích nhu cầu năng lượng trong nền kinh tế vĩ mô:

+ Năng lượng/ GDP (cường độ năng lượng)

+ Năng lượng/ tổng dân số

+ Năng lượng/ giá dầu

- Mô hình kinh tế lượng: một số mô hình kinh tế lượng như:

+ E = f (tăng trưởng kinh tế, dân số, giá năng lượng)

+ E = f (thu nhâp, giá năng lượng)

- Bảng vào ra:

+ Trình bày số liệu vào ra (phân ngành kinh tế và sản phẩm tương ứng)

+ Tính toán trực tiếp hoặc gián tiếp (hoặc tính tổng hợp) năng lựơng tiêu thụ của hoạt động kinh tế

- Tiếp cận kinh tế - kỹ thuật:

Thông qua việc xác định tổng nhu cầu năng lượng hữu ích rồi tính đổi về nhu cầu năng lượng cuối cùng, người ta đưa vào mô hình một loạt các tác nhân: văn hoá

xã hội (thuộc về đời sống); kỹ thuật công nghệ (loại thiết bị và hiệu suất của chúng); các tác nhân kinh tế (giá năng lượng và giá thiết bị) Có nghĩa là nó cho phép đạt đến một sự mô tả đầy đủ và chi tiết các quá trình tiêu thụ năng lượng mà chúng ta không thể thực hiện được

Thông qua các biến kinh tế như: loại thiết bị, hiệu suất; các biến về kinh tế như giá năng lượng và giá thiết bị, đưa các yếu tố vào mô hình và qua đó có thể xem xét các khả năng thay thế lẫn nhau giữa các dạng năng lượng

Phân tích nhu cầu năng lượng ở mức chi tiết:

- Phân tích ở từng phân ngành kinh tế

- Phân tích dạng nhiên liệu

- Phân tích từng hộ tiêu thụ cuối cùng

Hoạt động này cũng cho thấy được sự thay đổi mối quan hệ giữa nhu cầu năng lượng và nhân tố kinh tế - xã hội

Trong đó: E i : Tiêu thụ năng lượng của ngành i;

VA i : Giá trị gia tăng của ngành i; i

E e VA

 : Cường độ năng lượng ngành i;

i

VA s

Trong đó: e i : Biến đổi về cường độ năng lượng ngành i;

s i : Biến đổi trong cấu trúc nề kinh tế ngành i;

Cường độ năng lượng còn được tính thông qua:

E

GDP

Cho nên đối với những thay đổi trong tổng tiêu thụ năng lượng E, nếu chúng

ta phân tích theo GDP và theo cường độ năng lượng thì có thể thấy rằng:

Trong đó: E : Biến động của tổng tiêu thụ năng lượng;

EI : Biến động của cường độ năng lượng;

GDP : Biến động của phát triển kinh tế nói chung

Trong đó: “0” là chỉ số của năm gốc;

“i” là chỉ số của năm nghiên cứu

Ý nghĩa của hệ số đàn hồi theo GDP là nó cho thấy sự tương quan giữa tốc độ tiêu thụ năng lượng và tốc độ tăng trưởng kinh tế

- Nếu α > 1: nghĩa là tốc độ tiêu thụ năng lượng nhanh hơn tốc độ tăng trưởng kinh tế (đây là trường hợp phổ biến, nhất đối các nước có nền kinh tế lạc hậu và đang phát triển, bởi năng lượng bao giờ cũng phải đi trước một bước trong phát triển kinh tế xã hội)

- Nếu α < 1: Nghĩa là tốc độ tiêu thụ năng lượng chậm hơn tốc độ tăng trưởng kinh tế (thường xảy ra ở các nước có nền kinh tế mạnh và khoa học kỹ thuật phát triển)

- Nếu α = 1: Nghĩa là tốc độ tiêu thụ năng lượng bằng tốc độ tăng trưởng kinh

tế (nhưng trường hợp này gần như không xảy ra trong thực tế)

1.2 Phương pháp dự báo nhu cầu năng lượng

1.2.1 Các khái niệm cơ bản và tầm quan trọng của dự báo

1.2.1.1 Các khái niệm cơ bản của dự báo

Dự báo chính là sự phản ánh vượt trước lịch sử, được hình thành trong quá trình phát triển từ những năm 60 của thế kỷ XX Dự báo là một ngành khoa học riêng biệt có một hệ thống lý luận và phương pháp riêng Cho đến nay nhu cầu dự báo đã trở nên hết sức cần thiết ở mọi lĩnh vực đặc biệt trong dự báo kinh tế

Như vậy, dự báo chính là những tiên đoán khoa học mang tính xác suất trong khoảng thời gian hữu hạn về tương lai phát triển của đối tượng kinh tế Bao gồm

các bước sau:

- Ước lượng đo lường các mối quan hệ;

- Dự báo xu hướng phát triển của các đối tượng bằng phương pháp thích hợp;

- Dự báo các biến số;

- Cập nhật kết quả dự báo

1.2.1.2 Tầm quan trọng của dự báo

Không có dự báo, chúng ta không có cơ sở để hoạch định các kế hoạch trong tương lai Dự báo có một vai trò vô cùng quan trọng trong công tác nghiên cứu các

xu thế có thể xảy ra ở cấp vĩ mô và vi mô của nền kinh tế nhằm đạt dược tính tối ưu trong quá trình phát triển Dự báo chính xác và nghiêm túc sẽ làm tăng hiệu quả kinh tế và đầu tư

Một bộ phận quan trọng của việc xây dựng chính sách năng lượng quốc gia là

dự báo nhu cầu phụ tải Các dự báo có khả năng góp phần vạch ra con đường phát triển, định hướng trong hệ thống phức tạp có sự tác động qua lại giữa nhiều ngành kinh tế kỹ thuật khác nhau Các dự báo cung cấp cho chúng ta chỗ dựa để tiến hành quy hoạch phát triển năng lượng quốc gia

Dự báo điện năng tiêu thụ trong khoảng thời gian nhất định được chia thành

dự báo ngắn hạn, trung hạn và dài hạn

- Dự báo ngắn hạn (giờ, ngày, tháng, mùa, năm) chủ yếu phục vụ việc điều hành sản xuất, truyền tải và phân phối điện năng, phục vụ cho nhu cầu trực tiếp cho sản xuất và đời sống dân sinh, lập kế hoạch sản xuất kinh doanh

- Dự báo trung hạn từ 3 đến 10 năm thường phục vụ cho việc phân bố vốn đầu

tư, lập cân bằng giữa cung và cầu năng lượng, lập kế hoạch xây dựng và theo dõi tiến độ các công trình, kế hoạch đại tu sửa chữa nâng cấp thiết bị, chuẩn bị xây dựng các quy hoạch dài hạn

- Dự báo dài hạn từ 10 đến 25-30 năm, nhằm định hướng cho sự phát triển của ngành để quy hoạch định hướng những chiến lược chính sách lớn đảm bảo phát triển bền vững cho toàn bộ hệ thống năng lượng, đảm bảo an toàn về cung cấp năng

lượng, sử dụng hiệu quả các nguồn năng lượng sơ cấp, giảm thiểu tác động của các công trình năng lượng ảnh hưởng đến môi trường sinh thái

Dự báo trung hạn và dài hạn hết sức cần thiết và có vai trò quan trọng trong công tác nghiên cứu xu thế có thể xảy ra ở cấp vĩ mô và vi mô của nền kinh tế, nhằm đạt được tính tối ưu trong quá trình xây dựng và phát triển

Thời gian dự báo càng xa, sự sai lệnh sẽ càng lớn, tác dộng đến các yếu tố bất định càng nhiều Nguồn gốc của những yếu tố bất định có thể rất khác nhau, từ biến động của khí hậu, thời tiết (dự báo ngắn hạn); đến tình hình kinh tế, tài chính (dự báo trung hạn); và biến động chính trị xã hội (dự báo dài hạn)

Vì vậy khi dự báo trung hạn và dài hạn thường người ta xác định một dải thông số của số liệu dự báo Thời gian dự báo càng xa, sự biến thiên của số liệu dự báo càng lớn

1.2.1.3 Các bước của quá trình dự báo:

1.2.2 Các phương pháp dự báo

Công tác dự báo đã được thực hiện từ rất lâu trên thế giới, nó là một hoạt động thường xuyên và cần thiết trong cuộc sống hàng ngày như: dự báo thời tiết, dự báo động đất, dự báo tình hình kinh doanh (giá dầu, các tình huống trên thị trường tài chính, ), các dự án tăng trưởng kinh tế,

Dự báo là hết sức cần thiết bởi luôn tồn tại những điều không chắc chắn trong tương lai, càng xa thì xác suất không chắc chắn càng lớn Chúng ta có thể dự báo ngắn hạn, trung hạn và dài hạn Dự báo ngắn hạn thường được thực hiện cho các hoạt động kinh doanh, tuy nhiên dự báo dài hạn lại cung cấp những yếu tố cơ bản cho các kế hoạch chiến lược

Dự báo nhu cầu năng lượng phục vụ cho các quyết định đầu tư của các ngành thuộc về năng lượng Chất lượng của dự báo có quan hệ trực tiếp tới chi phí về kinh

tế và tài chính, một kết quả dự báo tồi sẽ gây ra những thiệt hại lớn Muốn có được kết quả dự báo tốt cần nắm vững các điều kiện sau:

- Nắm được nguyên nhân phát sinh nhu cầu năng lượng

- Nghiên cứu sâu thói quen tiêu thụ năng lượng trong quá khứ và hiện tại

y (giá trị đối tượng kinh tế) y1 y2 yi yn

Điều kiện chuỗi thời gian kinh tế:

Khoảng cách giữa các thời điểm của chuỗi phải bằng nhau, có nghĩa là phải đảm bảo tính liên tục nhằm phục vụ cho việc xử lý Đơn vị đo giá trị chuỗi thời gian phải được đồng nhất

Theo ý nghĩa toán học thì phương pháp ngoại suy chính là việc phát hiện xu hướng vận động của đối tượng kinh tế, có khả năng tuân theo quy luật hàm số f(t) nào để vào đó tiên liệu giá trị đối tượng kinh tế ở ngoài khoảng giá trị đã biết (y1,

yn) định dạng:

1 ( 1)

DB n

y   f n  Trong đó: 1: Khoảng cách dự báo

Điều kiện của phương pháp:

- Đối tượng kinh tế phát triển tương đối ổn định theo thời gian (có cơ sở thu thập thông tin lịch sử và phát hiện tính quy luật)

- Những nhân tố ảnh hưởng chung nhất cho sự phát triển đối tượng kinh tế vẫn được duy trì trong khoảng thời gian nào đấy trong tương lai

- Sẽ không có tác động mạnh từ bên ngoài dẫn tới những đột biến trong quá trình phát triển đối tượng kinh tế

b Nội dung

Nội dung của phương pháp ngoại suy được thể hiện qua sơ đồ khối sau:

Nội dung cụ thể của từng bước:

Xử lý chuỗi thời gian kinh tế:

- Nếu chuỗi thời gian kinh tế thiếu 1 giá trị nào đấy thì phải bổ sung bằng cách lấy trung bình cộng 2 giá trị trước và sau nó

- Xử lý dao động ngẫu nhiên: Đối với chuỗi có dao động lớn, do ảnh hưởng của các yếu tố ngẫu nhiên nên phải sử dụng phương pháp san chuỗi thời gian để tạo

ra chuỗi thời gian mới có xu hướng dao dộng ổn định hơn mà vẫn giữ nguyên xu

Chuỗi thời

gian kinh tế

Xử lý chuỗi thời gian kinh tế

thế từ chuỗi thời gian ban đầu

- Loại bỏ sai số thô

Do trong bước phát hiện xu thế, hàm xu thế tạm kết luận mang tính khả năng,

vì vậy cần có các tiêu thức để đánh giá nhằm lựa chọn hàm xu thế tối ưu

Kiểm định sai số tuyệt đối:

V

y

y n

Giới hạn lựa chọn hàm xu thế tối ưu:

+ Nếu bước phát hiện xu thế chỉ xảy ra một khả năng y = f(t) thì hàm f(t) được sử dụng cho dự báo khi Vy ≤ 10%

+ Nếu nhiều khả năng xảy ra thì chọn theo điều kiện: Min (Vy1, Vy2, ) ≤ 10%

- Kiểm định cập nhật hàm dự báo:

Kiểm tra kết quả dự báo và giá trị thực tế thu được khi vận động đến thời điểm dự báo Sử dụng tiêu thức sai số tương đối thời điểm:

10%

itd itd itd

y là giá trị dự báo tại thời điểm cập nhật

1.2.2.2 Phương pháp chuyên gia

Về thực chất, phương pháp chuyên gia là phương pháp dự báo mà kết quả là các thông số do các chuyên gia đưa ra, hay nói đúng hơn là khai thác và lợi dụng trình độ uyên bác và lý luận thành thạo về chuyên môn, phong phú về khả năng thực tiễn và khả năng mẫn cảm, nhạy bén và thiên hướng sâu sắc về tương lai đối với đối tượng dự báo của một tập thể các nhà khoa học, các nhà quản lý cùng đội ngũ cán bộ lão luyện thuộc các chuyên môn bao hàm hay nằm trong miền lân cận của đối tượng dự báo Cũng có thể hiểu đây là con đường dự báo trên cơ sở huy động “trí khôn” của chuyên gia trong những lĩnh vực nhất định

Còn về đạo lý, phương pháp chuyên gia bắt nguồn từ quan điểm cho rằng do học tập, nghiên cứu, do lăn lộn và gắn bó trong từng chuyên môn cụ thể, nên không

ai am hiểu sâu sắc hơn, giầu vốn liếng thông tin hơn, khả năng phản xạ cũng như trực cảm nghề nghiệp nhạy bén hơn là các chuyên gia đối với một đối tượng dự báo nào đó Với giả thiết này, chuyên gia là người có tâm lý ổn định nhất và ý thức rõ rệt nhất về lĩnh vực mình hoạt động

Nhiệm vụ của phương pháp chuyên gia là đưa ra những dự đoán khách quan

về tương lai phát triển của một lĩnh vực hẹp của khoa học hoặc dựa trên việc xử lý

có hệ thống các đánh giá dự đoán của chuyên gia

1.2.2.3 Phương pháp hệ số đàn hồi thu nhập

Nhu cầu điện năng được dự báo theo như phương pháp “mô phỏng kịch bản” hiện đang được áp dụng rộng rãi trong khu vực và trên thế giới Phương pháp luận

dự báo là: trên cơ sở phát triển kinh tế - xã hội trung - dài hạn, nhu cầu điện năng cũng như nhu cầu tiêu thụ các dạng năng lượng khác mô phỏng theo quan hệ đàn hồi với tốc độ tăng trưởng kinh tế Phương pháp này thích hợp với các dự báo trung

và dài hạn

Hệ sô đàn hồi thu nhập được tính như sau:

α = Tốc độ tăng trưởng nhu cầu điện (%) /Tốc độ tăng trưởng GDP (%)

Các hệ số đàn hồi được xác định theo từng ngành và từng miền lãnh thổ Việc xác định chúng được tiến hành theo chuỗi phân tích quá khứ Ngoài ra, các hệ số này cũng được tham khảo từ kinh nghiệm các nước trên thế giới và trong khu vực Ngoài ra, các yếu tố quan trọng khác tác động đến nhu cầu điện được xét đến là:

Hệ số đàn hồi giá điện: Khi giá điện tăng lên, một số hộ tiêu thụ sẽ có xu hướng chuyển sang sử dụng các nhiên liệu năng lượng khác hoặc ngược lại Như vậy về mặt thị trường, giá cả mỗi loại năng lượng dẫn đến tính cạnh tranh của loại

đó Hệ số phản ánh sự thay đổi nhu cầu điện của một ngành hay khu vực nào đó khi giá điện thay đổi được gọi là hệ số đàn hồi giá

Đối với Việt Nam, trong thời gian dài do giá được bao cấp và đến nay, một số lĩnh vực vẫn được trợ giá điện từ nhà nước nên việc nghiên cứu quan hệ giá cả với thay đổi nhu cầu điện trong quá khứ không thực hiện được Việc áp dụng các hệ số đàn hồi giá điện được tham khảo từ một số nước đang phát triển ở khu vực Châu Á trong thập kỷ 80 và 90 của thế kỷ trước

Hệ số tiết kiệm năng lượng: tính tới việc áp dụng tiến bộ khoa học kỹ thuật, thực hiện tiết kiệm năng lượng, đặc biệt là triển khai các chương trình quản lý phía nhu cầu DSM

Hàm số dự báo là hàm tổng hợp, dự báo nhu cầu điện năng toàn quốc được tổ hợp từ nhu cầu điện năng cho các ngành kinh tế, khu vực dân dụng và từ các vùng lãnh thổ

1.2.2.4 Phương pháp Neural

Có 3 nguồn trí thông minh nhân tạo bắt chước các quá trình của bộ óc và hệ thống thần kinh của con người là quá trình xử lý ngôn ngữ, robot và các hệ Neural nhân tạo Hệ Neural nhân tạo có ứng dụng hầu hết ở các lĩnh vực thương mại, trong

đó có dự báo

Trong hệ thống Neural, nhiều thí dụ được lập chương trình trong máy vi tính Những thí dụ này bao gồm toàn bộ các mối quan hệ trong quá khứ giữa các biến có

thể ảnh hưởng đến các biến phụ thuộc Chương trình hệ thống Neural sau đó bắt chước thí dụ này và cố gắng bắt chước mối quan hệ cơ sở đó bằng cách học hỏi khi

xử lý Quá trình học hỏi này cũng được gọi là đào tạo giống như việc đào tạo con người trong công việc

Một trong những ưu điểm nổi bật của hệ thống Neural trong dự báo là phương pháp này không cần phải xác định những mối quan hệ giữa các biến số trước Phương pháp này có thể xác định nhờ vào quá trình học hỏi về các mối quan hệ qua những thí dụ đã được đưa vào máy Cũng vậy, hệ thống Neural không đòi hỏi bất kỳ giả định nào về các phân phối tổng thể và không giống những phương pháp dự báo truyền thống, nó có thể sử dụng mà không cần có đầy đủ số lượng các số liệu cần thiết Chương trình hệ thống Neural có thể thay thế nhanh chóng mô hình hiện có,

ví dụ như phân tích hồi quy, để đưa ra những dự báo chính xác mà không cần ngưng trệ các hoạt động đang diễn ra Hệ thống Neural đặc biệt hữu ích khi số liệu đầu vào

có tương quan cao hay có số lượng không đủ, hoặc khi hệ thống mang tính phi tuyến cao

Phương pháp này cho kết quả dự báo có độ chính xác cao, dự báo được các sự kiện phụ thuộc thời gian

1.2.2.5 Phương pháp dự báo trực tiếp

Nội dung của phương pháp này là xác định nhu cầu điện năng của năm dự báo dựa trên tổng sản lượng kinh tế của các ngành ở năm đó và suất tiêu hao điện năng đối với từng loại sản phẩm Đối với những trường hợp không có suất tiêu hao điện năng thì xác định nhu cầu điện năng cho từng trường hợp cụ thể (như công suất trung bình cho một hộ gia đình, bệnh viện, trường học ) Đồng thời dựa trên dự án quy hoạch và phát triển sản xuất của các ngành Phương pháp này có ưu điểm là tính toán đơn giản, ngoài yêu cầu xác định tổng điện năng dự báo chúng ta còn biết được tỷ lệ sử dụng điện năng trong các ngành kinh tế, chẳng hạn tỷ lệ điện dùng cho công nghiệp, nông nghiệp, dân dụng cũng như xác định được nhu cầu điện ở các khu vực địa lý khác nhau, từ đó có thể thực hiện phân vùng và phân nút phụ tải thích hợp, làm cơ sở cho việc thiết kế hệ thống điện từ hệ thống truyền tải đến phân

phối Trên cơ sở đó đề xuất các phương hướng điều chỉnh quy hoạch cho cân đối Với các ưu điểm nói trên, phương pháp này được dùng phổ biến để dự báo nhu cầu điện trong các đề án quy hoạch phát triển điện lực tỉnh, thành phố

Tuy nhiên việc đánh giá mức độ chính xác của phương pháp này cũng gặp nhiều khó khăn vì nó phụ thuộc vào mức độ chính xác của số liệu thống kê như tổng sản lượng các ngành kinh tế quốc dân dự báo trong tương lai, cũng như phụ thuộc vào suất tiêu hao điện năng của một đơn vị sản phẩm sản xuất ra của các ngành kinh

tế ấy Khối lượng tính toán nhiều Phương pháp này thường được áp dụng để dự báo nhu cầu điện năng với thời gian ngắn và trung bình

Phương pháp xác định nhu câu điện năng bằng phương pháp tính trực tiếp được xác định theo biểu thức sau:

A = Ang DS (kWh) Hoặc A = Ahộ H (kWh)

Trong đó:

A - Nhu câu điện năng của khu vực cần tính toán (kWh)

Ang – Điện năng tiêu thụ tính theo đầu người (kWh/người))

Ahộ – Điện năng tiêu thụ tính theo hộ dân cư (kWh/hộ)

DS – Dân số khu vực tính toán (người)

H – Số hộ dân có trong khu vực tính toán (hộ)

Để xác định được Ang và Ahộ ta tính trực tiếp nhờ các số liệu điều tra và thống

kê tình hình sử dụng điện năng của từng khu vực

Ang = A Σ /DS

Ahộ = A Σ /H

Ở đây:

A Σ = ∑Ai ; i = (1 ÷ n)

Ai –Điện năng sử dụng của loại hộ phụ tải thứ i (gia đình, nhà máy, xí nghiệp,

cơ quan trường học, bệnh viện, khu vui chơi giải trí, dịch vụ, chiếu sáng công cộng,

bơm nước )

Ai = Σ Aij ; j = (1 ÷ m)

Aij –Điện năng sử dụng của hộ phụ tải thứ j thuộc loại hộ phụ tải thứ i

Phương pháp tính trực tiếp đòi hỏi công tác điều tra phải được tiến hành tỉ mỉ, nghiêm túc bởi những cán bộ có nghiệp vụ, số phiếu điều tra đủ lớn để giảm bớt sai

số khi tính toán và có hiệu quả

1.3 Một sô phần mềm dùng trong dự báo nhu cầu năng lƣợng

1.3.1 Mô hình kinh tế kỹ thuật MEDEE–S

MEDEE -S (Model for Energy Demand Evaluation) là mô hình dự báo nhu cầu năng lượng dùng cho dự báo dài hạn (từ 15 -20 năm) dùng cho các nước đang phát triển Mô hình được nghiên cứu và phát triển tại viện kinh tế và chính sách năng lượng của trường đại học Grenoble (Pháp)

MEDEE -S thuộc loại mô hình dạng phân tích kinh tế - kỹ thuật, trong đó quá trình tiến hành nhằm nhận dạng các nhân tố kinh tế, dân số, xã hội và kỹ thuật tác động đến sự phát triển về nhu cầu năng lượng, từ đó đánh giá và mô phỏng sự tiến triển của chúng trong thời gian dự báo hoặc là thông qua các tính toán trực tiếp từ

mô hình hoặc là việc thông qua xây dựng các kịch bản

Các cơ cấu đánh giá nhu cầu năng lượng của mô hình xuất phát từ việc phân tích hệ thống tiêu hao năng lượng các môđun đồng nhất, cụ thể là:

Số lượng và cấu trúc nhu cầu năng lượng của khu vực sinh hoạt được đánh giá

và phân biệt theo vùng địa lý (nông thôn, thành thị, ), theo tầng lớp xã hội, theo thu nhập, theo nghề nghiệp xã hội, Đối với một tầng lớp xã hội, nhu cầu năng lượng được xác định theo từng loại nhu cầu sử dụng (đun nấu, thắp sáng, )

Đánh giá nhu cầu năng lượng khu vực công nghiệp cũng được tiến hành theo ngành (luyện kim, giấy, xi măng, ) và theo loại công nghệ cũng như loại sử dụng (sử dụng nhiệt, sử dụng chuyên dụng, )

Nhu cầu năng lượng của khu vực nông nghiệp có thể được đánh giá một cách tổng quát theo ngành, theo dạng sử dụng hoặc cũng có thể phân tích theo ngành và theo dạng thiết bị sử dụng

Trong lĩnh vực giao thông vận tải, quá trình phân tích được tiến hành theo vận

tải hàng hoá vận tải hành khách trong đó có xét đến tính da dạng về các phương tiện vận tải trong các nước đang phát triển

Về mặt cấu trúc, mô hình MEDEE -S gồm một mô hình cơ sở được tính toán

tự động theo 5 ngành kinh tế (công nghiệp, nông nghiệp, sinh hoạt, dịch vụ và vận tải) và một loại các mô hình con là những tính toán chi tiết mà khi áp dụng chúng ta

có thể lựa chọn hoặc không, tuỳ theo đặc điểm của quốc gia được nghiên cứu, theo mức độ chi tiết của nguồn dự trữ có thể thu thập được Điều này tạo cho mô hình một khả năng thích ứng cao trong quá trình ứng dụng

*/ Những ƣu điểm của mô hình

Mô hình đưa ra một phác hoạ dễ hiểu về nhu cầu năng lượng bằng việc chỉ rõ các biến điều khiển nhu cầu này, vì thế có thể điều khiển sự phát triển nhu cầu này bằng các chính sách năng lượng

Mô hình có thể được dùng để thành lập bảng cân bằng năng lượng ở mức độ tiêu thụ năng lượng cuối cùng

Mô hình có thể lượng hoá những thay đổi của nền kinh tế xã hội thông qua sự thay đổi của nhu cầu năng lượng

Các thông tin cần thiết dễ dàng được nhận ra Vì vậy việc thu thập, xử lý số liệu và thông tin cần thiết cũng dễ dàng

1.3.2 Phần mềm SPSS

SPSS - Statistical Products for the Social Services, có nghĩa là các sản phẩm thống kê cho các dịch vụ xã hội SPSS là một phần mềm chuyên ngành thống kê, nó cũng có thể được dùng để dự báo nhu cầu năng lượng trong tương lai

SPSS Advanced Statistics: tập trung vào các kỹ thuật thường được dùng trong các nghiên cứu sinh học và thí nghiệm phức tạp Nó bao gồm các thủ tục cho các

mô hình tuyến tính chung, phân tích các bộ phận phương sai, phân tích loglinear, lập bảng sống, phân tích bảng sống Kaplan -Meier, và phân tích tương quan Cox.SPSS Tables: xây dựng một loạt các báo cáo dạng biểu có chất lượng trình bày cao, bao gồm các bảng biểu phức tạp và các trình bày của dữ liệu dạng đa lựa chọn

SPSS trends: thực hiện các phép dự đoán và phân tích dãy số thời gian phức tạp bao gồm xây dựng các mô hình cho các dữ liệu đa biến phi tuyến tính, các mô hình san bằng, các phương pháp để ước lượng các hàm tự hồi quy

*/ Ưu điểm của chương trình SPSS

Đòi hỏi ít số liệu và tính toán tương đối đơn giản

Sử dụng các phương pháp tự động, kiểm tra những ảnh hưởng của sự thay đổi môi trường

Dễ dàng cài đặt phương pháp tự động và tự động lựa chọn mô hình với dự đoán độ lệch là nhỏ nhất

*/ Nhược điểm

Nó không cung cấp những phân tích mang tính nguyên nhân

Việc thiếu những phân tích mang tính nguyên nhân gây ra thiếu một hệ thống cảnh báo sớm và sự tương tác giữa các biến không được kiểm tra

Kết quả dẫn đến những dự báo dài hạn có độ tin cậy không cao

1.3.3 Phần mềm EVIEWS

EViews là viết tắt của Econometric Views (những quan sát mang tính kinh tế lượng), là một phiên bản mới của chương trình thống kê dùng để xử lý chuỗi số liệu theo thời gian Nó bắt nguồn từ chương trình phần mềm Time Series Processor (TSP) dùng cho những máy tính có bộ nhớ rất lớn Mặc dù EViews chủ yếu được tạo ra bởi các nhà kinh tế học, nhưng chương trình có thể được sử dụng trong nhiều lĩnh vực nghiên cứu khác như: xã hội học, thống kê học, tài chính, EViews có thể

dễ dàng được sử dụng với môi trường làm việc quen thuộc của Windows Nói

chung, EViews có thể thực hiện các công việc sau:

- Phân tích và đánh giá dữ liệu

- Dự báo những mô hình tuyến tính và phi tuyến

- Dự báo mô hình với những phương trình tuyệt đối và độ lệch ARMA

- Sử dụng thuật toán Gauss - Seidel để giải quyết mô hình

- Có nhiều phương pháp đa dạng để dự báo: phương pháp động, tĩnh,

- Thêm những nhân tố và đặc tính để làm đơn giản hoá cấu trúc mô hình

- Xác định rõ những phương trình được xem xét phục vụ cho mục đích của bạn

- Kiểm tra quá trình giải quyết EViews sẽ đưa ra một bảng chứa những cách giải quyết trung gian cho mỗi biến được yêu cầu

*/ Ưu điểm của mô hình

Với EViews, ta không phải lo lắng về tính phức tạp của dự báo Ta có thể tập trung chính vào vấn đề dự báo Với những mô hình có phương trình đơn giản, ta chỉ việc chọn thực đơn và EViews sẽ tính toán ra dự báo tĩnh hay động với độ lệch chuẩn dự báo tuỳ ý và đồ thị minh hoạ với độ tin cậy dự báo là 95%

1.4 Lựa chọn phương pháp dự báo nhu cầu điện năng

Trên thế giới hiện nay sử dụng nhiều phương pháp khác nhau để dự báo nhu cầu sử dụng điện năng, mỗi phương pháp đều có ưu nhược điểm khác nhau Hiện nay phương pháp phân tích đa hồi quy là phương pháp được áp dụng rộng rãi ở nhiều nước trong khu vực như Malaysia, Philippinnes, Indonesia, Nhật Bản…để dự báo trung và dài hạn nhu cầu năng lượng cũng như điện năng Mô hình Simple - E (phương pháp đa hồi quy) được Viện kinh tế Nhật Bản xây dựng nhằm giải quyết

các vấn đề về phân tích và dự báo các mô hình kinh tế lượng dựa trên cơ sở số liệu thu thập được và các mô hình mẫu giả định Trong các Tổng Sơ Đồ VI, VII, và trong các Đề án quy hoạch phát triển Điện lực các thành phố lớn như TP Hồ Chí Minh và một số tỉnh, Viện Năng Lượng cũng đã áp dụng mô hình này để dự báo nhu cầu tiêu thụ điện năng đến năm 2020, 2030 Do vậy mô hình Simple-E cũng sẽ được lựa chọn sử dụng để dự báo nhu cầu điện năng của Tỉnh Thái Bình đến năm

2025 Dự báo áp dụng theo mô hình này có thể được mô tả ngắn gọn như sau: phân tích chuỗi số liệu quá khứ (10-15 năm) tìm ra hàm hồi quy biểu thị mối tương quan giữa tiêu thụ điện năng và phát triển kinh tế- xã hội như: GDP, tiêu thụ điện năng của ngành năm trước, dân số, số hộ, GDP trên đầu người, tỉ lệ điện khí hoá, giá điện Trong Simple-E, quá trình phân tích hồi quy và mô phỏng dự báo được tự động hoá tới mức tối đa có thể được Phần mềm Simple-E đã được thiết kế hoàn toàn tương thích với bảng tính của Microsoft Excel 2000-2003

TÓM TẮT CHƯƠNG 1

Phân tích nhu cầu năng lượng để xây dựng kế hoạch và các chính sách năng lượng, thông qua việc phân tích này có thể nắm được các nhân tố quyết định đến mức độ tiêu thụ năng lượng theo thời gian Ngoài ra, phân tích nhu cầu năng lượng còn cho thấy cấu trúc tiêu thụ năng lượng của từng ngành và của từng dạng năng lượng, mối quan hệ giữa nhu cầu năng lượng và các biến kinh tế xã hội như: GDP, dân số, giá cả, năng lượng Có hai phương pháp phân tích nhu cầu năng lượng là phương pháp phân tích tĩnh và phương pháp phân tích động

Các phương pháp dự báo nhu cầu điện năng gồm:

- Phương pháp ngoại suy: ta tiến hành thực hiện như sau: thu thập số liệu được chuỗi thời gian kinh tế, sau đó xử lý chuối thời gian kinh tế, phát hiện xu thế, xây dựng hàm xu thế và kiểm định hàm xu thế

- Phương pháp hồi quy tương quan: Để xây dựng được mô hình cần phải tiến hành chọn dạng của nó đồng thời tác động của k nhân tố Do vậy cần phải phân tích lý luận một cách kỹ lưỡng kết hợp với kinh nghiệm nghiên cứu để chọn dạng thích hợp, sau đó kiểm định kết quả theo các tiêu chuẩn: R, t, F, d

- Phương pháp chuyên gia: Nhiệm vụ của phương pháp chuyên gia là đưa ra những dự đoán khách quan về tương lai phát triển của một lĩnh vực hẹp của khoa học hoặc dựa trên việc xử lý có hệ thống các đánh giá dự đoán của chuyên gia

- Phương pháp hệ số đàn hồi thu nhập

- Phương pháp Neural

Các phần mềm hỗ trợ làm công cụ dự báo như: MEDEE -S, Simple_E, SPSS, Eviews Mỗi phương pháp, mỗi phần mềm đều có những ưu, nhược điểm khác nhau Tuỳ vào điều kiện cụ thể và yêu cầu của dự báo để chọn phương pháp dự báo

và mô hình hỗ trợ thích hợp

Chương 2

PHƯƠNG PHÁP ĐA HỒI QUY

VÀ GIỚI THIỆU PHẦN MỀM SIMPLE-E

2.1 Phương pháp đa hồi quy

2.1.1 Khái niệm chung

Hồi quy được dùng để xem xét mối liên hệ tuyến tính giữa hai biến X và Y, trong đó X được xem là biến độc lập (ảnh hưởng đến biến Y), còn Y được xem là biến phụ thuộc (chịu ảnh hưởng bởi biến X) Mục tiêu của phân tích hồi quy là mô hình hoá mối liên hệ, nghĩa là từ các dữ liệu mẫu thu thập ta cố gắng xây dựng một

mô hình toán học nhằm thể hiện một cách tốt nhất mối liên hệ giữa hai biến X và Y Phân tích quy hồi xác định sự liên quan định lượng giữa hai biến ngẫu nhiên Y và

X, kết quả của phân tích hồi quy được dùng cho dự báo, ngược lại phân tích tương quan khảo sát khuynh hướng và mức độ của sự liên quan, được dùng để đo lường tính bền vững của mối liên hệ tuyến tính giữa các biến đặc biệt là các biến định lượng

Trên thực tế một hiện tượng kinh tế này không chỉ liên quan đến một hiện tượng kinh tế khác mà còn liên quan đến rất nhiều hiện tượng Chẳng hạn năng suất lao động không chỉ liên quan đến mức trang bị vốn cho lao động mà còn liên quan đến việc sử dụng thời gian lao động, trình dộ thành thạo của công nhân, điều kiện tự

nhiên của sản xuất, Cho nên chúng ta sử dụng phương pháp quy hồi tương quan bội để giải quyết vấn đề này.

2.1.2 Mô hình tương quan đa hồi quy

Để xây dựng được mô hình cần phải tiến hành chọn dạng của nó đồng thời tác động của k nhân tố (các nhân tố tác động yếu hơn, không bản chất thì đưa vào thành phần ngẫu nhiên), nên việc xác định dạng liên hệ của từng nhân tố cũng như toàn bộ phương trình là rất phức tạp Do vậy cần phải phân tích lý luận một cách kỹ lưỡng kết họp với kinh nghiệm nghiên cứu để chọn dạng thích hợp

Gọi y là một hiện tượng kinh tế nào đó và gọi là biến phụ thuộc (biến cần giải thích)

Gọi x1, x2, , xn là các hiện tượng kinh tế có liên quan và gọi là biến độc lập (biến giải thích), thì quan hệ giữa một hiện tượng kinh tế này với những hiện tượng kinh tế khác có dạng hồi quy bội tuyến tính tổng thể như sau:

Trong đó: Y: Véc tơ của biến phụ thuộc;

X: Ma trận của biến độc lập, quy mô của ma trận được xác định theo số quan sát n và số biến m-1;

 : Véc tơ hệ số;

: Véc tơ sai số

1 2 1

Với các giả thiết như sau:

a) Các biến độc lập Xi biết trước và không ngẫu nhiên

b) Mức độ phân tán của các điểm xung quanh mặt phẳng hồi quy bội luôn luôn là hằng số tại mọi điểm trong mặt

c) Các sai số dự báo (ε) độc lập với nhau

d) Các sai số dự báo (ε) có tổng đại số bằng 0 và có phương sai không đổi

e) Không có mối quan hệ cộng tuyến giữa các biến độc lập xi

f) Có mối quan hệ tuyến tính giữa mỗi giá trị X và Y tổng thể

Sau khi có được phương trình dự báo hồi quy bội, để tìm giá trị dự báo cho biến phụ thuộc Y, ta thay thế giá trị của các biến độc lập vào phương trình và tính ra kết quả

Điều cần lưu ý là không nên sử dụng các giá trị biến độc lập ngoài vùng quan sát được trong thực tế vì mối quan hệ giữa các biến số có thể không còn tồn tại như

cũ khi vượt khỏi vùng giá trị quan sát này, và do vậy có thể đưa ra những dự báo không chính xác

β0, β1, βm-1 Tức là xác định các hệ số này sao cho thỏa mãn điều kiện tổng bình phương của phần dư là cực tiểu

n i i

2

n i i

1

i i

i i i m

i i m i

tuyến tính Trong trường hợp các đại lượng mà chúng ta nghiên cứu có mối liên hệ phi tuyến thì bằng các phép chuyển đổi tuyến tính hóa chúng ta có thể đưa chúng về dạng tuyến tính, chẳng hạn như phép chuyển đổi log-log (log hóa cả 2 vế) hay thường được gọi là DL cũng áp dụng được phương pháp OLS

Khi giả thiết về các sai số dự báo (ε) độc lập với nhau trong mô hình hồi quy bội bị vi phạm thì các hệ số hồi quy ước lượng bằng phương pháp OLS không cho

ta ước lượng tốt nhất, có nghĩa là mô hình được ước lượng này không có sai số dự báo nhỏ nhất trong tất cả các mô hình ước lượng có thể Vậy trong trường hợp áp dụng này không sử dụng phương pháp bình phương cực tiểu thông thường OLS mà

áp dụng phương pháp bình phương nhỏ nhất tổng quát GLS và sử dụng ước lượng theo lưới GS sẽ cho mô hình dự báo kết quả chính xác hơn

2.1.4 Phương pháp bình phương nhỏ nhất tổng quát và thủ tục ước lượng Grid Search (GS)

Một trong các giả thiết của mô hình hồi quy tuyến tính cổ điển là không có tự tương quan hay là tương quan chuỗi các sai số (Ut) trong hàm hồi quy tổng thể Nhưng trong thực tế hiện tượng đó có thể xảy ra do một trong những nguyên nhân sau:

Nguyên nhân quán tính: nét nổi bật của hầu hết các chuỗi thời gian trong kinh tế là có quán tính Chúng ta đều biết các chuỗi thời gian như tổng sản phẩm, chỉ số giá mang tính chu kỳ Chẳng hạn ở đầu của thời kì khôi phục kinh tế, tổng sản phẩm có tính đi lên Trong quá trình biến động này, giá trị của chuỗi ở thời điểm sau lại cao hơn giá trị của nó tại thời điểm trước Như có một xung lượng tiến tăng lên và xung lượng đó tác động cho đến khi xảy ra Vì vậy trong hồi quy chuỗi thời gian, các quan sát kế tiếp đó có nhiều khả năng phụ thuộc lẫn nhau

Nguyên nhân trễ: Trong phân tích hồi quy, chúng ta có thể gặp hiện tượng biến phụ thuộc ở thời kì t, phụ thuộc vào chính biến đó ở thời kì t-1 và các biến độc lập khác Chẳng hạn khi nghiên cứu mối quan hệ giữa tiêu dùng và thu nhập, chúng

ta thấy tiêu dùng ở thời hiện tại chẳng những phụ thuộc vào tiêu dùng ở thời kì trước đó mà còn phụ thuộc vào biến thu nhập

Vì khi có sự tương quan chuỗi các ước lượng OLS là không hiệu quả, làm thế nào để có thể khắc phục các hiện tượng này? Có một số biện pháp khắc phục 1

số hiện tượng đó nhưng các biện pháp này lại phụ thuộc vào hiểu biết về bản chất của sự phụ thuộc qua lại giữa các biến sai số

Thông thường các sai số (Ut) không quan sát được nên tính chất của tương

quan chuỗi thường là vấn đề suy đoán hoặc là do những đòi hỏi cấp bách của thực tiễn Trong thực hành, người ta thường giả sử rằng εt theo mô hình tự hồi quy bậc nhất nghĩa là

1 1

U U   (2.8) Trong đó  1 và εt thỏa mãn các giả thiết của phương pháp OLS nghĩa là: Trung bình bằng 0, phương sai không đổi và không có sự tương quan Giả sử (2.8) đúng thì vấn đề tương quan chuỗi có thể được giải quyết thỏa đáng nếu hệ số tự tương quan là đã biết Để làm sáng tỏ vấn đề đó ta quay về mô hình 2 biến:

Yt = b1 + b2X1 + Ut (2.9) Nếu (2.9) đúng với t thì cũng đúng với t-1 nên:

Yt-1 = b1 + b2Xt-1 + Ut-1 (2.10) Nhân hai vế (2.10) với ρ ta được:

ρYt-1 = ρb1 + ρXt-1 + ρUt-1 (2.11) Trừ (2.9) cho (2.11) ta được:

Yt – ρYt-1 = b1(1-ρ) + b2(Xt – ρXt-1) + (Ut – ρUt-1) = b1(1-ρ) + b2(Xt – ρXt-1) + εt (2.12)

Phương trình hồi quy (2.12) được gọi là phương trình sai phân tổng quát Ước lượng hồi quy (2.12), chúng ta mất một quan sát bởi vì quan sát thứ nhất không có quan sát đứng trước nó Thủ tục này không xác định là thủ tục ước lượng bình phương nhỏ nhất sử dụng tất cả các quan sát với :

Nhưng trong thực tế thì ρ chưa biết, nên cần tìm cách ước lượng ρ Trong các

tài liệu về kinh trắc (Economertic) thường trình bày hai nhóm thủ tục để ước lượng

2.1.5 Phân tích biến đa hồi quy

y y : Đội lệch của giá trị biến phụ thuộc y ( ở quan sát thứ i ) so với giá trị

dự báo y ( ở quan sát thứ i ) Đây chính là sai số dự báo 

Theo tính chất toán học thì tổng bình phương các độ lệch này cũng có quan hệ

tương tự Tức là:

2(y i y)  (y i y)  (y i y i)

Vế trái là tổng bình phương độ lệch toàn bộ, ký hiệu là SST (total sum of

squares) Vế phải phân ra thành tổng bình phương độ lệch hồi quy (phần đã được

giải thích bởi mô hình hồi quy) ký hiệu là SSR (regression sum of squares), cộng với tổng bình phương độ lệch sai số ước lượng ký hiệu là SSE (error sum of

squares)

Như vậy: SST = SSR + SSE (2.14)

* Biểu diễn dưới dạng ma trận:



 (2.22) Với m-1 là số bậc tự do của SSR, tương ứng với số biến độc lập của phương trình hồi quy

- Bình phương trung bình độ lệch sai số:

SSE MSE



 (2.23) Với n-m là số bậc tự do của SSE

Bảng 2.1: Phân tích biến đa hồi quy

* Hệ số tương quan hồi quy bội:

Hệ số xác định R2: Đo lường phần biến thiên của Y có thể được giải thích

bởi các biến độc lập X, đây chính là đại lượng thể hiện sự thích hợp của mô hình hồi quy bội đối với giữ liệu R2

càng lớn thì mô hình hồi quy bội được xây dựng được xem là càng thích hợp và càng có ý nghĩa trong việc giải thích sự biến thiên của Y

Ý nghĩa của các đại lượng này:

SST: thể hiện toàn bộ biến thiên của Y

SSR: thể hiện phần biến thiên của Y được giải thích

SSE: thể hiện phần biến thiên của Y do các nhân tố không đượcnghiên cứu đến

Do đó: hệ số xác định R2thể hiện phần tỷ lệ biến thiên của Y được giải thích bởi mối liên hệ tuyến tính của Y theo X, và được xác định theo công thức:

Giá trị R2 dao động trong khoảng từ 0 đến 1 ( 0 ≤ R2 ≤ 1 )

- Khi R2 = 0 thì các hệ số tương quan βi = 0 (i = 0 ÷ n)

- Khi R2 = 1 thì các giá trị quan sát của biến yi trùng khớp với các giá trị của

mô hình (giá trị dự báo): y i  y i với tất cả các quan sát (i = 0 ÷ n)

* Hệ số tương quan hồi quy bội điều chỉnh:

Hệ số tương quan hồi quy bội lớn không thể hoàn toàn chứng minh được rằng

mô hình xây dựng được là phù hợp với hai lý do sau đây:

- Thứ nhất, nếu các quan sát chỉnh được thu thập ở một số mức của biến phụ thuộc, thì dù hệ số R2 có lớn trong trường hợp này nhưng mô hình hồi quy có thể không phù hợp khi dự báo ở các mức ngoài vùng quan sát

- Thứ hai, khi đưa thêm biến phụ thuộc xi vào mô hình thì hệ số R2 chỉ tăng, không bao giờ giảm, bởi vì SSE không bao giờ có thể tăng với một biến thêm vào

và SST thì không đổi với bộ quan sát đầu vào của biến phụ thuộc y Do vậy, hệ số hồi quy tương quan bội hiệu chỉnh được đề xuất để tiêu chuẩn tính phù hợp của mô hình với số lượng các biến độc lập xi trong mô hình

Hệ số hồi quy tương quan bội hiệu chỉnh được xác định thông qua việc hiệu chỉnh hệ số R2 bằng cách chia các tổng bình phương cho các bậc tự do tương ứng của chúng:

Ta có: MSR

F MSE

Nếu: F ≤ F* (1-α; m-1; n-m) thì chấp nhận giả thiết H0

- Trường hợp còn lại : chấp nhận giả thiết H1

Các tiêu chuẩn t này sẽ cho ta biết biến xi nào không có ảnh hưởng đến y (βi = 0), xi nào có ý nghĩa trong việc giải thích biến thiên của y (βi ≠ 0), và do đó nên được thực hiện trong phân tích biến hồi quy bội

* Tiêu chuẩn Durbin_Watson:

Tiêu chuẩn này dùng để kiểm định tính không tương quan của sai số i theo thời gian Giả sử các yi được theo dõi theo thời gian i÷1, 2, , khi đó rất hay xảy ra

các trường hợp các i có tương quan với nhau Để phát hiện tính tương quan này, tiêu chuẩn Durbin_Watson được áp dụng

1 1

2 1

n

i n i i

- Nếu 0 < DW < d1 thì các i có tự tương quan dương cấp 1

- Nếu d1 < DW < d2 thì không thể có kết luận

- Nếu d2 < DW < 4-d2 thì các i không có tự tương quan

- Nếu 4-d2 < DW < 4-d1 thì không thể có kết luận

- Nếu 4-d1 < DW < 4 thì các i có tự tương quan âm cấp 1

Tự tương

quan dương

Không có kết luận

Không tự tương quan

Không có kết luận

Tự tương quan âm

0 d1 d2 4-d2 4-d1 4

2.1.7 Lựa chọn phương trình hồi quy phù hợp nhất

Để lựa chọn phương trình hồi quy tốt nhất, ta có thể thực hiện theo các bước:

- Đưa vào phương trình các biến độc lập có thể có ảnh hưởng đến việc dự báo biến phụ thuộc

- Kiểm tra mô hình hồi quy và tác động của từng biến độc lập lên biến phụ thuộc cũng như vấn đề tương quan giữa các biến độc lập Biến độc lập nào có tiêu chuẩn t thấp sẽ bị loại bỏ vì nó không ảnh hưởng đáng kể đến biến phụ thuộc

- Thực hiện dự báo với phương trình hồi quy

Qua quá trình thêm, loại bỏ, chuyển đổi các biến độc lập, mô hình phù hợp nhất với ít biến số nhưng cho kết quả dự báo tốt nhất sẽ được xác định

Tóm lại, phân tích hồi quy là một công cụ mạnh mẽ và linh hoạt được sử dụng trong quá trình nghiên cứu mối quan hệ giữa một biến phụ thuộc và nhiều biến

độc lập nhằm giúp ta hiểu tốt hơn và kiểm soát những sự kiện trong hiện tại cũng như có thể dự báo tốt hơn về tương lai

2.2 Phần mềm Simple_E (Simple Econometric Simulation System)

Simple_E đã được thiết kế với việc sử dụng các phương pháp ước lượng khác nhau như là bình phương cực tiểu (OLS), tự hồi quy, và phương pháp ước lượng phi tuyến Hệ thống các phương trình có thể bao gồm các phương trình hồi quy và các phương trình định nghĩa Mỗi một biến theo thời gian hoặc mô hình của

nó là được gán vào một dòng của trang bảng tính Mỗi một năm hoặc mỗi một kịch bản của biến được gắn vào một cột của trang bảng tính Do đó số phương trình và kích thước mẫu của số liệu phụ thuộc vào giới hạn của số dòng và số cột của trang bảng tính đối với Microsoft Excel 2000-2003

Phần mềm Simple_E là phần mềm dựa trên cơ sở của phương pháp đa hồi quy trong phần mềm này có sử dụng biến phụ thuộc là nhu cầu điện năng trong tương lai còn các biến độc lập là dân số, GDP các ngành công nghiệp, GDP các ngành nông nghiệp, GDP các ngành thương mại dịch vụ và GDP các ngành khác

2.2.2 Những khái niệm cơ bản của Simple_E

Một file áp dụng Simple_E là một file Excel File này gồm 3 trang bảng tính (sheet), đó là bảng số liệu (data), bảng mô hình (model), bảng mô phỏng (simulation) Simple_E không thể thực hiện (chạy) nếu thiếu các bảng này Chức năng và vai trò của các bảng này như sau:

Bảng 2.2 Chức năng của các sheet trong Simple_E

Chức năng và vai trò Data sheet - Nhập chuỗi số liệu quá khứ về kinh tế - xã hội (dân số, tăng

trưởng GDP…), về tiêu thụ điện năng (tiêu thụ điện theo sector, tổn thất, Pmax, điện nhận…, giá điện bình quân, hệ số tiết kiệm điện…

- Nhập số liệu đầu vào về các chính sách (tiết kiệm điện, giá điện…) và các biến ngoài cho giai đoạn dự báo

- Có thể tính toán số liệu tổng và đánh giá một vài số liệu cần thiết

- Có thể mô tả tên các số liệu và viết nhận xét

Model sheet

- Xây dựng các phương trình hồi quy

- Đánh giá các hàm hồi quy

- Xác định các số liệu được sử dụng trong mô hình

Simulation

sheet - Đưa ra các giá trị đã dự báo được

Từ khâu vào số liệu đến mô phỏng dự báo được thực hiện bởi ba quá trình: 1) Kiểm tra mô hình, 2) Phân tích và xử lý mô hình, 3) Mô phỏng dự báo Đó là lược đồ chính được tự động hóa bởi Simple_E Sơ đồ hình 2.1 chỉ ra những khái niệm cơ bản và mối quan hệ giữa các quá trình này và ba trang bảng tính này

a) Trình tự thực hiện các phần chính (main flows) của Simple_E

+ Kiểm tra (check)

(i) Kiểm tra điều chỉnh mã tên trong mỗi mô hình

(ii) Kiểm tra và thử vùng mẫu cho mỗi mô hình

(iii) Những biến nội sinh và ngoại sinh được chọn từ mỗi mô hình

mô hình hồi quy

5 Số dư mô hình: số dư hồi quy

10 Độ lệch mô phỏng

11 Lưu của Simple_E

Hình 2.1 Sơ đồ hoạt động của các bảng tính trong Simple_E

+ Phân tích (Solve)

Các giá trị của biến nội sinh (biến phụ thuộc) trong vùng mẫu sẽ được nghiên cứu và tính toán Các kết quả sẽ được chuyển vào trang bảng tính mô phỏng Đối với mô hình hồi quy, phương trình hồi quy sẽ được ước lượng cùng với các giá trị thống kê tương ứng với các hệ số hồi quy được xác định

+ Mô phỏng (Simulation)

Trình tự này tiếp tục thực hiện trong trang bảng tính mô phỏng Nó tính toán biến nội sinh (biến phụ thuộc) của mỗi mô hình trên cơ sở các giá trị giả định trong tương lai của biến ngoại sinh (biến độc lập) Đối với các mô hình hồi quy, các hệ số của các biến độc lập đã được ước lượng trong trang bảng tính mô hình sẽ được sử dụng ở đây cho mục đích mô phỏng dự báo

b) Các hoạt động cơ bản của Simple_E

+ Tạo các trang bảng tính cho một áp dụng của Simple_E

Có 2 cách tạo các trang bảng tính cho một áp dụng của Simple_E

(i) Thêm vào một file Excel mới

(ii) Thêm vào file Excel hiện có

+ Nhập số liệu

Việc nhập số liệu được thực hiện trong trang bảng tính số liệu (Data sheet) Giá trị của số liệu, ký hiệu tên biến của số liệu và số hiệu năm tương ứng là ba thành phẩn cơ bản được chuẩn bị cho mục đích phân tích và dự báo

+Nhập mô hình

- Bảng tính mô hình: Bảng tính mô hình phục vụ việc tạo mô hình Bảng tính này bao gồm (1) vùng tự do, (2) vùng xác định mô hình, và (3) vùng phân tích và kết quả của mô hình

- Xác định mô hình: Người sử dụng có thể xác định hai loại phương trình như là mô hình trong Simple_E Loại thứ nhất là mô hình hồi quy Loại thứ hai là phương trình được định nghĩa trực tiếp bằng biểu thức Nói một cách hình thức, mô hình thứ i của mỗi một dòng của bảng tính mô hình sẽ là:

** Phương trình hồi quy bội

2 2 3 3

Simple_E, được thiết kế tối đa là 16 biến độc lập, nhưng mỗi biến độc lập Xk

có thể lại là hàm của các biến số khác, hoặc là

** Phương trình dạng định nghĩa trực tiếp

Y1 = g(V1, V2, … , Y1, Y2…)

2.2.3 Các dạng hàm áp dụng trong phần mềm Simple_E

a) “$LS” dạng này có cả hai biến “Y” và “X”(X1, X2,…), Simple_E Phân tích hồi quy trên cơ sở phương pháp bình phương cực tiểu (OLS) Đồng thời giá trị của biến

“Y” trong phân tích hồi quy được đưa vào bảng tính mô phỏng

b) “=” hoặc “$” Đây là dạng phương trình trực tiếp: Biến “Y” được định nghĩa trực tiếp bởi công thức theo “X” Simple_E dán giá trị của biến “Y” vào bảng tính

j) “$CA”- Điều chỉnh hằng số: Hằng số tự do trong phương trình hồi quy sẽ được điều chỉnh sao cho giá trị cuối cùng biến phụ thuộc của mẫu trùng khít với giá trị ước lượng (Việc điều chỉnh này được thực hiện chỉ đối với kết quả trong bảng mô phỏng)