Dự báo phụ tải điện phục vụ thị trường bán buôn cạnh tranh việt nam 2015

Có 2 hướng để giải quyết bài toán dự báo phụ tải ở Việt Nam mức hệ thống [1]: 1 Top-down: Dựa vào dữ liệu phụ tải quá khứ của hệ thống, điều kiện khí hậu, điều kiện kinh tế xã hội để dự

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

-

Nguyễn Đăng Tuấn

DỰ BÁO PHỤ TẢI ĐIỆN PHỤC VỤ THỊ TRƯỜNG BÁN BUÔN CẠNH TRANH VIỆT NAM 2015

Chuyên ngành: Công nghệ thông tin

LUẬN VĂN THẠC SĨ KĨ THUẬT Ngành công nghệ thông tin

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS Nguyễn Tuấn Dũng

Hà Nội – 2015

1

MỤC LỤC

LỜI CAM ĐOAN 3

LỜI CÁM ƠN 4

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT 5

DANH MỤC CÁC BẢNG 6

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ 7

LỜI MỞ ĐẦU 8

CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI ĐIỆN CHO 10

THỊ TRƯỜNG BÁN BUÔN CẠNH TRANH VIỆT NAM 10

1.1 Đặt vấn đề 10

1.1.1 Giới thiệu về Thị trường điện Việt Nam 10

1.1.2 Bài toán dự báo nhu cầu phụ tải điện 11

1.1.3 Hiện trạng công tác dự báo phụ tải điện hiện nay 12

1.1.4 Hiện trạng thu thập các nguồn số liệu phục vụ công tác dự báo 12

1.2 Định hướng và đề xuất mô hình dự báo 13

1.2.1 Các yếu tố ảnh hưởng đến phụ tải điện 13

1.2.2 Các phương pháp dự báo phụ tải thông dụng 15

1.2.3 Đề xuất mô hình dự báo 17

CHƯƠNG 2: PHƯƠNG PHÁP LUẬN CÁC 19

PHƯƠNG PHÁP CHỌN MẪU VÀ DỰ BÁO PHỤ TẢI ĐIỆN 19

2.1 Các phương pháp chọn mẫu phụ tải 19

2.1.1 Phương pháp chọn mẫu ngẫu nhiên 19

2.1.2 Phương pháp chọn mẫu theo đặc trưng của phụ tải 20

2.2 Các phương pháp dự báo biểu đồ phụ tải lớp, ngành, hệ thống 20

2.2.1 Cơ sở toán học của các phương pháp 20

2.2.2 Phương pháp ước lượng trung bình (AE) 21

2.2.3 Phương pháp ước lượng tỉ lệ phân ly (SRE) 23

2.2.4 Phương pháp ước lượng tỉ lệ kết hợp (CRE) 26

2.2.5 Phương pháp ước lượng bậc thang 3 mức (LE) 27

CHƯƠNG 3: XÂY DỰNG MÔ HÌNH DỰ BÁO 31

3.1 Xác định mục tiêu dự báo 31

3.2 Phân loại ngành nghề và các lớp khách hàng 32

3.3 Thiết kế khung mẫu 34

3.4 Thu thập số liệu 35

3.5 Xử lý dữ liệu 37

3.6 Thiết kế chọn mẫu 38

3.7 Phân cụm ngày theo nhiệt độ 39

3.8 Dự báo biểu đồ phụ tải 40

3.9 Thử nghiệm và đánh giá hệ thống 41

CHƯƠNG 4: KẾT QUẢ VÀ BÀN LUẬN 42

4.1 Cài đặt hệ thống 42

4.1.1 Môi trường cài đặt 42

2

4.1.2 Thư viện tham khảo 42

4.1.3 Một vài hình ảnh về giao diện chương trình 42

4.2 Thử nghiệm hệ thống 45

4.2.1 Sơ lược về đơn vị chọn thử nghiệm 45

4.2.2 Đánh giá so sánh các phương pháp 47

4.2.3 Xây dựng các biểu đồ phụ tải đặc trưng 53

4.2.4 Đánh giá các thành phần phụ tải tham gia vào phụ tải hệ thống 58

4.2.5 Đánh giá ảnh hưởng của nhiệt độ đối với phụ tải 61

KẾT LUẬN VÀ KIẾN NGHỊ 66

TÀI LIỆU THAM KHẢO 71

3

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu, kết quả trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kì công trình nào khác

Tôi xin cam đoan rằng các thông tin trích dẫn trong luận văn đều đã đƣợc chỉ rõ nguồn gốc

Học viên

Nguyễn Đăng Tuấn

4

LỜI CÁM ƠN

Lời đầu tiên, em xin bày tỏ lòng biết ơn sâu sắc đến các thầy cô giáo trong Viện Công nghệ thông tin và Truyền thông – Trường Đại học Bách Khoa Hà Nội, những người đã tận tình giảng dạy, truyền đạt cho chúng em những kiến thức cơ bản làm nền tảng cho việc thực hiện luận văn

Em xin gửi lời cám ơn đến Ban lãnh đạo Công ty Cổ phần Giải pháp Quản lý năng lượng đã tạo điều kiện cho em phát triển dự án “Nghiên cứu phụ tải điện” thành luận văn tốt nghiệp thạc sĩ kĩ thuật ở trường Đại học Bách khoa Hà Nội

Em xin gửi lời cám ơn chân thành đến T.S Nguyễn Tuấn Dũng, thầy đã hướng dẫn, chỉ dạy tận tình để em hoàn thành luận văn này

Cuối cùng, em vô cùng biết ơn toàn thể gia đình, bạn bè, đồng nghiệp đã quan tâm, động viên em trong quá trình thực hiện luận văn này

5

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT

1 EVN Tập đoàn điện lực Việt Nam

2 VCGM Vietnam Competitive Generation Market – Thị trường

điện Việt Nam [4]

3 CMIS Customer Management Information System – Hệ

thống Thông tin Quản lý Khách hàng [2]

4 Biểu đồ phụ tải

Bao gồm các loại biểu đồ phụ tải trung bình của năm, tháng, tuần; biểu đồ phụ tải ngày điển hình (ngày làm việc, ngày nghỉ và ngày lễ) các tháng trong năm; biểu

đồ phụ tải ngày điển hình ở các nút phụ tải trong hệ thống điện các tháng trong năm [1]

5 Đơn vị phân phối

6 Mẫu phụ tải Phụ tải có chế độ tiêu thụ điện đặc trưng cho một

nhóm phụ tải điện [1]

7 AE Averaging Estimator – phép ước lượng trung bình [9]

8 SRE Separate Ratio Estimator – phép ước lượng tỉ lệ phân

6

DANH MỤC CÁC BẢNG

Bảng 1: Cơ cấu tiêu thụ điện toàn quốc giai đoạn 2005-2010 [5] 13

Bảng 2: Phân loại ngành nghề, lớp khách hàng [1] 33

Bảng 3: Một số ràng buộc với dữ liệu đầu vào 37

Bảng 4: Dữ liệu nhiệt độ của thành phố Hồ Chí Minh [6] 45

Bảng 5: Tổng hợp kết quả cho bởi các phương pháp với kịch bản 1 50

Bảng 6: Tổng hợp kết quả cho bởi các phương pháp với kịch bản 2 51

Bảng 7: Tổng hợp kết quả cho bởi các phương pháp với kịch bản 3 52

Bảng 8: Tổng hợp mức điện năng tiêu thụ của các thành phần 53

Bảng 9: Tỉ trọng (%) các phụ tải ngành nghề trong biểu đồ phụ tải hệ thống 60

7

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Hình 1: Mô hình dự báo phụ tải điện giai đoạn bán buôn cạnh tranh 18

Hình 2: Mô hình dự báo phụ tải điện 40

Hình 3: Giao diện đăng nhập chương trình 42

Hình 4: Giao diện quản trị 43

Hình 5: Giao diện thu thập dữ liệu 43

Hình 6: Giao diện chọn mẫu 44

Hình 7: Giao diện xây dựng biểu đồ / dự báo 44

Hình 8: Đồ thị phụ tải (AE) - Kịch bản 1 48

Hình 9: Đồ thị phụ tải (SRE) - Kịch bản 1 48

Hình 10: Đồ thị phụ tải (CRE) - Kịch bản 1 49

Hình 11: Đồ thị phụ tải (LE) - Kịch bản 1 49

Hình 12: Biểu đồ phụ tải hệ thống của các ngày điển hình 54

Hình 13: Biểu đồ phụ tải các ngày điển hình của ngành công nghiệp 55

Hình 14: Biểu đồ phụ tải các ngày điển hình của ngành dân dụng 55

Hình 15: Biểu đồ phụ tải các ngày điển hình của ngành dịch vụ công cộng 56

Hình 16: Biểu đồ phụ tải các ngày điển hình của ngành thương mại 56

Hình 17: Biểu đồ phụ tải các ngày điển hình của ngành nông nghiệp 57

Hình 18: Biểu đồ phụ tải các ngày nghỉ lễ (dương lịch) 57

Hình 19: Biểu đồ phụ tải các ngày nghỉ lễ (âm lịch) 58

Hình 20: Biểu đồ phụ tải các ngành nghề 59

Hình 21: Đồ thị tổng quát biểu diễu phụ thuộc của phụ tải theo nhiệt độ 61

Hình 22: Đồ thị liên hệ phụ tải và nhiệt độ trong 2h sáng 62

Hình 23: Đồ thị liên hệ phụ tải và nhiệt độ trong 11h trưa 62

Hình 24: Biểu đồ phân cụm các ngày trong tháng 1 63

Hình 25: Biểu đồ phân cụm các ngày trong tháng 5 64

Hình 26: Đồ thị so sánh các cụm ngày trong tháng 1 64

Hình 27: Đồ thị so sánh các cụm ngày trong tháng 5 65

8

LỜI MỞ ĐẦU

Ở Việt Nam, Thị trường điện đang ở giai đoạn phát điện cạnh tranh Năm 2015, Thị trường bán buôn cạnh tranh được thí điểm [4] Trong giai đoạn này, đóng vai trò chính sẽ là các đơn vị phân phối điện (các Tổng công ty Điện lực) Các đơn vị này sẽ tham gia Thị trường với vị thế là đơn vị mua buôn Nhu cầu của các đơn vị này là cần dự báo được nhu cầu phụ tải của đơn vị mình để đưa ra chiến lược mua buôn hợp lý

Có 2 hướng để giải quyết bài toán dự báo phụ tải ở Việt Nam (mức hệ thống) [1]:

1) Top-down: Dựa vào dữ liệu phụ tải quá khứ của hệ thống, điều kiện khí hậu, điều kiện kinh tế xã hội để dự báo nhu cầu phụ tải của hệ thống;

2) Bottom-up: Dựa vào dữ liệu điểm đo từng khách hàng (công tơ), từ đó xây dựng biểu đồ phụ tải các lớp khách hàng, sau đó xây dựng biểu đồ phụ tải các ngành nghề và xây dựng lên mức hệ thống, kết hợp với điều kiện khí hậu và điều kiện kinh

tế xã hội để dự báo nhu cầu phụ tải của hệ thống

Ở Việt Nam, đối với các đơn vị phân phối điện, muốn có được thông tin phụ tải

hệ thống của mình thì cần phải có 2 điều kiện [1]:

- Các công tơ lắp đặt đến các khách hàng (hộ dân, ngân hàng,…) đều là các công tơ điện tử, có khả năng đặt lịch chốt được sản lượng 24h trong ngày và kết nối với các hệ thống máy tính;

- Triển khai lắp đặt hệ thống đo xa để thu thập dữ liệu hàng ngày của khách hàng

Hệ thống đo xa hiện nay đang được triển khai và sắp tới sẽ đến hầu hết các khách hàng, tuy nhiên một thực tế là hiện tại có rất nhiều công tơ cơ chưa thể thay thế ngay bằng các công tơ điện tử được vì chi phí sẽ rất lớn Với công tơ cơ, việc đọc số liệu đang thực hiện hàng tháng bằng phương pháp thủ công vì không thể kết nối với phần mềm đọc từ xa, việc đặt lịch hàng ngày sẽ rất khó khăn và chi phí lớn Phụ tải hệ thống là tổng sản lượng tất cả các công tơ (công tơ cơ và điện tử), vì vậy

9

việc có được thông tin phụ tải hệ thống 24h là rất khó khăn Tuy nhiên, khó khăn này có thể khắc phục bằng cách thu thập được 1 số lượng có hạn biểu đồ 24h của các khách hàng (các công tơ điện tử) và sử dụng các phép ước lượng để xây dựng biểu đồ phụ tải hệ thống, dựa trên điều kiện khí hậu, điều kiện kinh tế xã hội để hiệu chỉnh biểu đồ phụ tải hệ thống

Với nhu cầu thực tế như vậy, luận văn “Dự báo phụ tải điện phục vụ Thị trường bán buôn cạnh tranh việt nam 2015” tập trung xây dựng hệ thống dự báo nhu cầu

phụ tải dựa trên phương pháp bottom-up, có bố cục gồm có 4 chương:

Chương 1: Tổng quan về dự báo phụ tải điện cho Thị trường Bán buôn cạnh

tranh Việt Nam

Chương 2: Phương pháp luận các phương pháp chọn mẫu và dự báo phụ tải

điện

Chương 3: Xây dựng mô hình dự báo

Chương 4: Kết quả và bàn luận

10

CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI ĐIỆN CHO

THỊ TRƯỜNG BÁN BUÔN CẠNH TRANH VIỆT NAM

Chương này mô tả đối tượng, hoàn cảnh, nhu cầu dự báo phụ tải điện trong giai đoạn hiện nay Trong chương tác giả cũng liệt kê các phương pháp dự báo phụ tải phổ biển và đề xuất mô hình dự báo cho giai đoạn hiện nay

1.1 Đặt vấn đề

1.1.1 Giới thiệu về Thị trường điện Việt Nam

Theo như kết quả của công cuộc cải cách cơ cấu và xây dựng ngành điện ở các nước trên thế giới [5], cho thấy thị trường điện là một tiến bộ của khoa học quản lý trong ngành kinh tế năng lượng Thị trường điện tạo ra môi trường kinh doanh cạnh tranh bình đẳng giữa các doanh nghiệp và là giải pháp hữu hiệu nhằm huy động vốn, nâng cao hiệu quả sản xuất kinh doanh của các doanh nghiệp kinh doanh điện Thị trường điện đã và đang phát triển rộng rãi trên thế giới, thị trường điện không chỉ dừng lại ở phạm vi lãnh thổ của một quốc gia mà đã có những thị trường điện liên quốc gia, trao đổi mua bán điện giữa các nước trong một khu vực Hiện nay có rất nhiều thị trường điện vận hành thành công tại Mỹ, Châu Âu,… Các nước trong khu vực ASEAN như Singapore, Philipine, Thái Lan, Malaysia,…đã có những bước đi tích cực trong việc xây dựng thị trường cạnh tranh của mỗi nước tiến tới việc hình thành thị trường điện khu vực ASEAN trong tương lai [5]

Tại Việt Nam, từ ngày 01/07/2005 thị trường điện nội bộ Tổng công ty Điện lực Việt Nam đã được hình thành với 8 nhà máy tham gia [4], tạo nền tảng cho các bước phát triển thị trường điện trong các giai đoạn tiếp theo Ngày 26/01/2006 Thủ tướng chính phủ ký quyết định số 26/2006/QĐ-TTG phê duyệt lộ trình, các điều kiện hình thành và phát triển các cấp độ thị trường điện lực tại Việt Nam

Thị trường điện Việt Nam – Vietnam Competitive Generation Market (VCGM), hình thành với mục đích [4]:

11

- Từng bước phát triển thị trường điện lực cạnh tranh một cách ổn định, xóa

bỏ bao cấp trong ngành điện, tăng quyền lựa chọn nhà cung cấp điện cho khách hàng sử dụng điện;

- Thu hút vốn đầu tư từ mọi thành phần kinh tế trong và ngoài nước tham gia hoạt động điện lực, giảm dần đầu tư của Nhà nước cho ngành điện;

- Tăng cường hiệu quả hoạt động sản xuất kinh doanh của ngành điện, giảm

áp lực tăng giá điện;

- Đảm bảo cung cấp điện ổn định, tin cậy và chất lượng ngày càng cao;

- Đảm bảo phát triển ngành điện bền vững

Thị trường điện lực tại Việt Nam được hình thành và phát triển qua 3 cấp độ [4]:

- Cấp độ 1 (2011 – 2014): thị trường phát điện cạnh tranh;

- Cấp độ 2 (2015 – 2022): thị trường bán buôn điện cạnh tranh;

- Cấp độ 3 (từ sau năm 2022): thị trường bán lẻ điện cạnh tranh

Mỗi cấp độ được thực hiện theo hai bước: thí điểm và hoàn chỉnh Hiện nay, Thị trường điện Việt Nam đang hình thành giai đoạn bán buôn cạnh tranh Trong giai đoạn này, các đơn vị phân phối điện (Các tổng công ty điện lực) sẽ tham gia vào với vai trò là đơn vị mua buôn Các đơn vị này sẽ chào giá mua buôn trên thị trường và phân phối điện đến từng khách hàng sử dụng điện

1.1.2 Bài toán dự báo nhu cầu phụ tải điện

Khi các đơn vị phân phối điện tham gia Thị trường điện với vai trò là đơn vị mua buôn, để đưa ra được giá mua buôn, sản lượng mua buôn hợp lý, đơn vị cần căn cứ vào tình hình trên Thị trường (giá, đối thủ cạnh tranh,…), điều kiện thời tiết,

và đặc biệt là nhu cầu sử dụng điện của khách hàng sử dụng điện Với chu kì giao dịch trên thị trường là 1 giờ thì đơn vị phân phối điện cần dự báo được tổng nhu cầu

sử dụng điện tổng của tất cả các khách hàng của đơn vị mình trong 24h ngày – hay còn gọi là biểu đồ phụ tải hệ thống trong ngày

12

Vậy bài toán đặt ra là: dự báo nhu cầu phụ tải điện 24 giờ trong ngày của các đơn vị phân phối điện

1.1.3 Hiện trạng công tác dự báo phụ tải điện hiện nay

Các đơn vị phân phối điện sẽ là đơn vị bán buôn khi tham gia Thị trường điện [4]:

- Tổng công ty điện lực thành phố Hà Nội

- Tổng công ty điện lực thành phố Hồ Chí Minh

- Tổng công ty điện lực Miền Bắc

- Tổng công ty điện lực miền Trung

- Tổng công ty điện lực miền Nam

Hiện nay chưa có hệ thống chính thức để đưa vào sử dụng cho các đơn vị phân phối trong việc dự báo phụ tải điện Tuy nhiên, hệ thống văn bản pháp lý về các quy định khi tham gia thị trường điện, các trình tự, thủ tục nghiên cứu phụ tải điện về cơ bản đã hoàn thành và công bố tới các đơn vị tham gia Vì vậy, hiện tại công tác nghiên cứu dự báo phụ tải ở các đơn vị phân phối đã và đang được tiến hành khẩn trương để phục vụ đơn vị mình khi tham gia thị trường điện, các công tác đó bao gồm:

- Xây dựng, lắp đặt hệ thống đo xa, triển khai nhân rộng các công tơ điện tử đến các khách hàng để thu thập dữ liệu đo đếm phục vụ dự báo phụ tải;

- Thu thập số liệu phụ tải, phân loại theo cơ cấu ngành nghề để thực hiện nghiên cứu;

- Tìm hiểu, nghiên cứu tài liệu trong và ngoài nước để thực hiện xây dựng hệ thống dự báo phụ tải điện

1.1.4 Hiện trạng thu thập các nguồn số liệu phục vụ công tác dự báo

Theo tổng hợp các số liệu hiện có [5], nhu cầu tiêu thụ điện năng toàn quốc sẽ tăng từ 14%-16%/năm cho giai đoạn 2011-2015, khoảng 11.5% cho giai đoạn 2016-

2020 và khoảng 7.4%-8.4% cho giai đoạn 2021-2030

2007 (%)

2008 (%)

2009 (%)

2010 (%)

Từ bảng trên, nhận thấy rằng cơ cấu ngành điện Việt Nam khá phức tạp, theo

đó việc thu thập số liệu công tơ đo đếm của khách hàng cũng rất khó khăn vì phần lớn các công tơ hiện nay đều là công tơ cơ Để đáp ứng nhu cầu dự báo phụ tải, góp phần tiện lợi trong công tác quản lý, điều hành hệ thống điện, trong năm 2014 Tổng công ty Điện lực Hà Nội tiến hành lắp đặt hệ thống đo đếm điện từ xa (AMI.ONE) với 1.000 khách hàng tiêu thụ điện lớn từ 15.000kWh/tháng trở lên trên địa bàn thành phố [5] Theo đó, Tổng công ty điện lực miền Bắc, miền Trung và miền Nam cũng đã triển khai hệ thống đo xa và lắp đặt các công tơ điện tử phụ vụ hệ thống đo đếm Tổng công ty điện lực thành phố Hồ Chí Minh triển khai lắp đặt hệ thống đo

xa từ năm 2011 Như vậy, các đơn vị phân phối điện đã và đang tiến hành lắp đặt hệ thống đo xa và các công tơ điện tử để hướng tới thay thế một phần công tơ cơ trong tương lai gần

1.2 Định hướng và đề xuất mô hình dự báo

1.2.1 Các yếu tố ảnh hưởng đến phụ tải điện

Phụ tải là kết quả của một quá trình sử dụng điện phức tạp của nhiều đối tượng, vùng miền Phụ tải điện phụ thuộc vào rất nhiều yếu tố, mà điển hình là các yếu tố sau đây:

- Yếu tố thói quen sử dụng của khách hàng:

Yếu tố này là yếu tố quan trọng bậc nhất trong việc nghiên cứu phụ tải điện cho các đơn vị phân phối Khách hàng là dân dụng có thói quen sử dụng khách với khách hàng là ngân hàng, công nghiệp, các hộ bán buôn bán lẻ Vì vậy, khi dự báo

14

phụ tải điện, cần phải phân loại các khách hàng theo ngành nghề: thương mại, nông nghiệp, dân dụng,…

- Yếu tố giá điện:

Yếu tố giá điện ảnh hưởng lớn đến thói quen sử dụng điện của người dùng Tuy nhiên yếu tố này thường ảnh hưởng đến thói quen sử dụng trong 1 thời gian dài của các đối tượng khách hàng Yếu tố này có thể xác định thông qua kế hoạch mua điện của đơn vị phân phối điện

- Yếu tố dân số:

Dân số trong vùng ảnh hưởng lớn đến phụ tải điện bởi vì đó là đối tượng sử dụng điện chủ yếu Yếu tố này cũng có thể xác định thông qua kế hoạch mua điện của đơn vị phân phối điện

- Yếu tố khí hậu:

Ở đây nhiệt độ đóng vai trò quyết định Nhiệt độ ảnh hưởng tới độ ẩm, tới nắng mưa, tới mức tiêu thụ điện của các khu dân cư, khu công nghiệp và các khu vực khác

- Yếu tố mùa vụ:

Mùa vụ ở đây là mùa xuân, hạ, thu, đông (thời gian), mùa nắng, mưa, bão, lũ Các mùa này ảnh hưởng trực tiếp đến sức tiêu thụ điện của khu dân cư Ta có thể quy yếu tố mùa vụ về yếu tố thời gian (tháng trong năm)

- Yếu tố ngày lễ, tết:

Yếu tố này ảnh hưởng đến sức tiêu thụ điện lớn Với ngày nghỉ cuối tuần thì sức tiêu thụ điện của khu dân cư giảm hẳn Trong khi đó ngày lễ, tết thì khu công nghiệp cũng giảm hẳn sức tiêu thụ điện

15

Phụ tải hệ thống có giá trị rất khác nhau ở các giờ Với giờ thấp điểm (từ 22h đêm đến 4h sáng), phụ tải có giá trị rất thấp Cao điểm của phụ tải vào khoảng 10h trưa đến 1h chiều và từ 7h tối đến 9h tối Đối với các ngành nghề khác nhau, phụ tải cũng có hình dạng khác nhau Như điện thắp sáng công cộng thì cao điểm là từ 7h tối đến 10 tối, thấp điểm là toàn bộ ban ngày Đối với điện sinh hoạt dân dụng thì cao điểm thường diễn ra vào buổi tối Đối với điện cho khối văng phòng, cao điểm thường diễn ra vào ban ngày Như vậy yếu tố giờ cần được xem xét nhiều trong việc

phân tích kết quả dự báo

Tóm lại, để dự báo phụ tải điện cho các đơn phân phối điện, cần thực hiện các công việc sau:

- Phân tích cơ cấu phụ tải (ngành nghề) của các đơn vị phân phối điện;

- Xác định điện năng phụ tải kế hoạch (tháng) của đơn vị;

- Thu thập số liệu công tơ các khách hàng theo tháng, theo ngày (thường, lễ tết,…);

- Thu thập sản lượng điện tiêu thụ khách hàng hàng tháng của khách hàng;

- Thu thập số liệu số khách hàng của các ngành nghề;

- Thu thập số liệu nhiệt độ min, max trong ngày;

1.2.2 Các phương pháp dự báo phụ tải thông dụng

Có 2 hướng để giải quyết bài toán dự báo phụ tải ở Việt Nam [1]:

1) Top-down: Dựa vào dữ liệu phụ tải quá khứ của hệ thống, điều kiện khí hậu, điều kiện kinh tế xã hội để dự báo nhu cầu phụ tải của hệ thống;

2) Bottom-up: Dựa vào dữ liệu điểm đo từng khách hàng (công tơ), từ đó xây dựng biểu đồ phụ tải các lớp khách hàng, sau đó xây dựng biểu đồ phụ tải các ngành nghề và xây dựng lên mức hệ thống, kết hợp với điều kiện khí hậu và điều kiện kinh

tế xã hội để dự báo nhu cầu phụ tải của hệ thống

Ở Việt Nam, đối với các đơn vị phân phối điện, muốn có được thông tin phụ tải

hệ thống của mình thì cần phải có 2 điều kiện [1]:

16

- Các công tơ lắp đặt đến các khách hàng (hộ dân, công ty,…) là các công tơ điện tử, có khả năng đặt lịch chốt được sản lượng 24h trong ngày và kết nối với các hệ thống máy tính;

- Triển khai lắp đặt hệ thống đo xa để thu thập dữ liệu hàng ngày của khách hàng

Tuy nhiên, theo như đã đề cập ở 1.1.4, việc triển khai lắp đặt hệ thống đo xa cũng như các công tơ điện tử đến khách hàng đang được tiến hành, vì vậy thực tế vẫn còn tồn tại một số lượng lớn các công tơ cơ Do đó, việc thu thập đầy đủ các thông tin về đồ thị phụ tải của tất cả các khách hàng là không thể vì chưa có một mạng lưới đầy đủ các thiết bị đo đếm để ghi lại các số liệu hàng ngày một cách chính xác Tuy nhiên, với phương pháp bottom-up, khó khăn này có thể khắc phục được Từ các biểu đồ của một số lượng hạn chế các khách hàng (hàng trăm đến hàng nghìn khách hàng) được ghi lại từ các công tơ điện tử, ta có thể xây dựng được biểu đồ phụ tải hệ thống ở mức đủ tin cậy Phương pháp này dựa trên các yếu tố sau (hoàn toàn xác định được trong thực tế hiện nay):

- Điện năng tiêu thụ hàng tháng của toàn bộ hệ thống, cũng như các ngành nghề;

- Một số lượng hạn chế biểu đồ phụ tải của từng ngành nghề

Từ các dữ liệu này, ta xây dựng một cách gần đúng biểu đồ phụ tải điển hình của từng ngành nghề (công nghiệp, thương mại, nông nghiệp,…) sau đó tổng hợp các biểu đồ này để xây dựng lên biểu đồ phụ tải hệ thống Ta sẽ gọi những biểu đồ này là biểu đồ phụ tải đặc trưng Việc xây dựng biểu đồ phụ tải đặc trưng cho từng ngành nghề, có các phương pháp thông dụng sau:

- Phương pháp ước lượng trung bình:

Phương pháp này ước lượng biểu đồ phụ tải ngành nghề từ giá trị trung bình của số mẫu thu thập được Phương pháp này có thể chệch hướng nếu số lượng mẫu nhỏ

- Phương pháp ước lượng bậc thang 3 mức:

17

Phương pháp này dựa trên đặc trưng của biểu đồ phụ tải ở Việt Nam: điểm đỉnh, đáy của đồ thị Trên cơ sở đó, ta xác định các đặc trưng: thời gian đạt công suất cực đại, cực tiểu và công suất trung bình, từ đó xây dựng biểu đồ phụ tải của

ngành nghề, từ đó xây dựng lên mức hệ thống

- Phương pháp ước lượng tỉ lệ:

Phương pháp này ước lượng biểu đồ đặc trưng của từng ngành nghề dựa trên

mối tương quan với 1 biến bổ trợ, tùy vào biến bổ trợ mà có 2 loại ước lượng tỉ lệ:

o Tỉ lệ phân ly: biến bổ trợ là sản lượng hàng tháng của khách hàng

o Tỉ lệ kết hợp: biến bổ trợ là sản lượng hàng tháng của ngành nghề

- Phương pháp hồi quy:

Phương pháp này xây dựng một hàm xu thế giữa phụ tải với các biến bổ trợ: sản

lượng hàng tháng, thời gian, nhiệt độ,… Các hàm xu thế hay sử dụng:

o Phương pháp thuật toán di truyền

1.2.3 Đề xuất mô hình dự báo

Theo như phân tích ở trên, từ một số biểu đồ khách hàng ta sẽ xây dựng biểu đồ phụ tải đặc trưng cho các ngành nghề, từ đó xây dựng được biểu đồ phụ tải cho hệ thống Để thuận tiện cho việc tính toán, thống kê và tăng độ chính xác khi nghiên cứu, trong ngành điện người ta đã chia các phụ tải ra thành 5 ngành nghề (profile)

có tính chất riêng biệt, đó là:

- Sinh hoạt dân dụng

- Nông nghiệp

ta xây dựng nên biểu đồ đặc trưng của lớp, và của ngành nghề, từ đó tổng hợp lại được biểu đồ phụ tải hệ thống

Dựa trên tham khảo kinh nghiệm của các nước cũng như hoàn cảnh của Thị trường điện Việt Nam, tác giả chọn ra 4 phương pháp để cài đặt:

- Phương pháp ước lượng trung bình

- Phương pháp ước lượng tỉ lệ phân ly

- Phương pháp ước lượng tỉ lệ kết hợp

- Phương pháp ước lượng bậc thang 3 mức

Mô hình dự báo được đề xuất trong luận văn:

Hình 1: Mô hình dự báo phụ tải điện giai đoạn bán buôn cạnh tranh

Thu thập và

xử lý số liệu

Tính toán biểu đồ đặc trưng

Biểu đồ phụ tải tháng theo nhiệt độ

•Biểu đồ các ngày làm việc

•Biểu đồ các ngày thường

Biểu đồ phụ tải các ngày lễ tết theo nhiệt độ

•Biểu đồ các ngày lễ dương lịch

•Biểu đồ các ngày lễ âm lịch

Dự báo phụ tải cho ngày tới

2.1 Các phương pháp chọn mẫu phụ tải

Có rất nhiều phương pháp chọn mẫu phụ tải, tuy nhiên các phương pháp đều phải đảm bảo các yêu cầu sau [3]:

Tính ngẫu nhiên: Là một trong những yêu cầu quan trọng nhất, đảm bảo tính

chất không chệch của các suy diễn thống kê, cũng như các mô tả thống kê Một cách đơn giản, tính chất này đòi hỏi mỗi mẫu phụ tải khách hàng trong một lớp (ngành nghề) đều được chọn như nhau

Tính đại diện: Tính đại diện thường được xác định dựa trên cơ sở yêu cầu về

mức độ tin cậy của các phân tích thống kê như ước lượng, kiểm định,…

Tính thuần nhất (hay đồng nhất): Tính chất này đòi hỏi mỗi mẫu phụ tải khách

hàng phải được thu thập trong những điều kiện kinh tế, xã hội nhất định

Tính phổ biến: Mẫu phụ tải được chọn phải là mẫu mang tính phổ biến, thường

gặp, không phải là những loại mẫu cá biệt (công tơ thử nghiệm, công tơ có số liệu bất thường,…)

2.1.1 Phương pháp chọn mẫu ngẫu nhiên

Mẫu ngẫu nhiên là mẫu mà trong đó mọi cá thể đều có khả năng được chọn như nhau

Cách lấy mẫu: Giả sử cần lấy n mẫu trong một lớp có N phụ tải khách hàng

Ta thực hiện n bước lặp, ở bước lặp thứ i: chọn 1 số ngẫu nhiên từ 1-N và lấy mẫu theo chỉ số đó Nếu mẫu đã tồn tại trong bộ mẫu thì lặp lại bước đó

Lấy mẫu ngẫu nhiên có nhiều ưu điểm: mỗi phụ tải trong lớp có cùng xác suất được chọn Lấy mẫu ngẫu nhiên là kỹ thuật đơn giản nhất và linh hoạt nhất trong phân tích Trong nghiên cứu phụ tải, lấy mẫu ngẫu nhiên được sử dụng chủ yếu cho

20

lớp (ngành nghề) có tương đối ít các khách hàng hay cho lớp (ngành nghề) có nhiều đặc điểm tương tự nhau

2.1.2 Phương pháp chọn mẫu theo đặc trưng của phụ tải

Phương pháp này chọn mẫu phụ tải dựa trên các đặc trưng của phụ tải như [7]:

- Đặc trưng về mức công suất tiêu thụ

- Đặc trưng địa lý

Trong mỗi lớp (ngành nghề), các khách hàng sử dụng điện có thể có thói quen

sử dụng điện khá giống nhau, tuy nhiên mức tiêu thụ điện lại khác nhau Ví dụ, với lớp dân dụng, khách hàng là căn hộ biệt thự có mức tiêu thụ điện cao hơn nhiều so với khách hàng là căn hộ chung cư Do đó trong mỗi lớp/ngành nghề, cần chia ra các dải điện năng tiêu thụ, mỗi dải sẽ chọn ra một số khách hàng để lấy làm mẫu Đối với các Tổng công ty điện lực các miền (miền Bắc, Trung, Nam), ta cũng cần chia ra các khu vực địa lí và lấy mẫu theo các khu vực này

Việc lấy mẫu theo đặc trưng của phụ tải có lợi thế về tính đại diện cũng như tính phổ biến của mẫu Kết hợp với phương pháp lấy mẫu ngẫu nhiên, ta sẽ có được một phương pháp lấy mẫu đảm bảo đầy đủ các đặc trưng của mẫu đại diện cho tổng thể

2.2 Các phương pháp dự báo biểu đồ phụ tải lớp, ngành, hệ thống

2.2.1 Cơ sở toán học của các phương pháp

- Định lý giới hạn trung tâm [8]

Cơ sở của các phương pháp xây dựng biểu đồ phụ tải lớp, ngành chính là định

lý giới hạn trung tâm:

Giả sử X1, X2, …, Xn là một chuỗi n biến ngẫu nhiên được phân bố độc lập và đồng nhất, mỗi biến có giá trị kỳ vọng µ và phương sai xVar

Định lý giới hạn trung tâm chỉ ra rằng khi kích thước mẫu (n) tăng lên, phân bố các trung bình mẫu sẽ tiến tới phân bố chuẩn với một giá trị trung bình µ và một phương sai xVar/n, không phụ thuộc vào dạng phân bố ban đầu

- Trung bình mẫu, phương sai và độ lệch chuẩn mẫu [8]

21

Giả sử cho bộ mẫu: (X1, X2, , Xn)

̅ Phương sai:

∑ ̅

Độ lệch chuẩn: √

Phân phối các trung bình mẫu:

Avg= ̅, Var = xVar/n, √

- Sai số chuẩn với các tập hợp hữu hạn [8]

Biểu thức tính sai số chuẩn của trung bình mẫu hơi khác một chút khi tập hợp

là không vô hạn Trong trường này ta sử dụng một số hạng hiệu chỉnh được gọi là hiệu chỉnh tập hợp hữu hạn (fpc):

đã tính toán mức trung bình tập hợp thực với sai số chuẩn bằng 0

2.2.2 Phương pháp ước lượng trung bình (AE)

Đây là phương pháp đơn giản nhất, cũng là nền nền tảng cho các phương pháp khác khi ước tính giá trị trung bình mẫu Phương pháp này có thể ước lượng giá trị trung bình mẫu bị chệch hướng so với giá trị trung bình của tổng thể nếu như bộ mẫu không đại diện được cho tổng thể [8] Phương pháp này thích hợp với với bộ

dữ liệu ổn định và được thu thập một cách thường xuyên, với những bộ dữ liệu chưa

ổn định, thì kết quả ước lượng mẫu có thể chệch hướng so với tổng thể

22

Thông tin đầu vào [8]:

- Mẫu phụ tải khách hàng của mỗi lớp Xi, i=1- ns

• Tính tổng các khách hàng

• Tính độ lệch chuẩn

Ƣớc lƣợng ngành nghề

• Tính tổng các lớp khách hàng

• Tính toán độ lệch chuẩn

Xây dựng biểu

đồ hệ thống

• Tính tổng các ngành nghề

• Tính toán độ lệch chuẩn

2.2.3 Phương pháp ước lượng tỉ lệ phân ly (SRE)

Phương pháp ước lượng tỉ lệ phân ly ước lượng sản lượng lớp dựa trên mối tương quan giữa phụ tải khách hàng với một đại lượng đã biết – được gọi là biến bổ trợ – đó là sản lượng hàng tháng của mỗi khách hàng [8] Sản lượng này được ghi trên hóa đơn điện hàng tháng và hoàn toàn là được biết Phương pháp ước lượng tỉ

24

lệ phân ly sẽ chính xác hơn nếu như tương quan giữa phụ tải và biến bổ trợ là chặt chẽ (hệ số tương quan Cov thuộc khoảng (0.5, 1) hoặc (-1, -0.5))

Thông tin đầu vào [8]:

- Mẫu phụ tải khách hàng của mỗi lớp Xi, i=1- ns

- Vậy hệ số nhân được ước lượng như sau:

̅ ̅

• Tính tổng các khách hàng

• Tính độ lệch chuẩn

Ước lượng ngành nghề

• Tính tổng các lớp khách hàng

• Tính toán độ lệch chuẩn

Xây dựng biểu đồ

hệ thống

• Tính tổng các ngành nghề

• Tính toán độ lệch chuẩn

25

√∑

26

2.2.4 Phương pháp ước lượng tỉ lệ kết hợp (CRE)

Phương pháp ước lượng tỉ lệ kết hợp cũng như phương pháp tỉ lệ phân ly, ước lượng sản lượng lớp dựa trên mối tương quan với một đại lượng đã biết, tuy nhiên biến bổ trợ ở đây là sản lượng hàng tháng của lớp (ngành nghề) [8] So với phương phương pháp tỉ lệ phân ly, phương pháp tỉ lệ kết hợp có thể chệch hướng ít hơn nếu như tương quan ở một số lớp thấp

Thông tin đầu vào [8]:

- Mẫu phụ tải khách hàng của mỗi lớp Xi, i=1- ns

- Kích thước lớp khách hàng Ns (số khách hàng thực tế của lớp)

- Kích thước nhóm ngành nghề Np

- Sản lượng hàng tháng Ys, Yp của lớp khách hàng và nhóm ngành nghề Quy trình ước lượng như sơ đồ dưới đây:

• Tính tổng các khách hàng

• Tính độ lệch chuẩn

Ước lượng ngành nghề

• Tính tổng các lớp khách hàng

• Tính toán độ lệch chuẩn

Xây dựng biểu đồ

hệ thống

• Tính tổng các ngành nghề

• Tính toán độ lệch chuẩn

27

∑ ∑ ̅

∑ ∑ ̅

- Độ lệch chuẩn:

√∑

- Công thức tương tự như ước lượng tỉ lệ phân ly

2.2.5 Phương pháp ước lượng bậc thang 3 mức (LE)

a Ý tưởng chung

Phương pháp này xây dựng đồ thị phụ tải điển hình cho các lớp, ngành nghề dựa trên các thông số đặc trưng của phụ tải [2]:

- Thời đoạn đạt công suất cực đại, cực tiểu và trung bình

- Giá trị các công suất cực đại, cực tiểu, trung bình

Một số điểm lưu ý của phương pháp:

- Các số liệu thống kê cho thấy đỉnh của đồ thị phụ tải thường chỉ xuất hiện rõ nét từ hai đến ba lần, thường là hai lần Đỉnh thứ nhất thường xuất hiện trong nửa ngày đầu (0-12h) tại khoảng 8h đến 10h sáng Đỉnh thứ hai thường xuất hiện trong nửa ngày sau (12-24h) tại 18h đến 22h tối Khi phân tích và tính

kể ý nghĩa của giá trị thu được;

- Các đồ thị phụ tải của các phụ tải trong từng nghành nhỏ có dạng tương tự nhau, đồng thời các thời đoạn công suất phụ tải cực trị gần trùng nhau

Thông tin đầu vào:

- Mẫu phụ tải khách hàng của mỗi lớp Pi, i=1- ns

- Kích thước lớp khách hàng Ns (số khách hàng thực tế của lớp)

- Kích thước nhóm ngành nghề Np

- Sản lượng hàng tháng Ys, Yp của lớp khách hàng và nhóm ngành nghề Quy trình tính toán như dưới đây:

b Tính toán đặc trưng cho mẫu khách hàng

Xét mỗi khách hàng: Phụ tải 24h là P(i), i=1÷24, hệ số α = 2/3

Bước 1: Tính toán Tmax, Tmin và Ttb [2]

Tính các điểm cực đại và cực tiểu của 12h đầu và 12h cuối:

• Tmax, Tmin

• Ktb, Kmin

• Bảng tần suất

Tính đặc trưng ngành nghề

Bước 2: Xây dựng bảng tần suất số giờ đạt cao điểm, thấp điểm, trung bình của

tất cả các mẫu bằng phương pháp thống kê đơn giản

Bước 3: Tính các hệ số công suất:

Tính lại các công suất cho từng mẫu:

∑

∑

∑ Chỉ số 1,2 tương ứng với các giai đoạn: 12h giờ đầu tiên và 12h cuối của ngày Tính các hệ số công suất:

c Tính toán đặc trưng cho lớp khách hàng

Nếu trong lớp có N khách hàng, khách hàng thứ i có phụ tải trung bình ngày là

Pi và đặc trưng khoảng thời gian đạt công suất cực đại là thì đặc trưng của lớp là [2]:

∑

∑ Chỉ số 1,2 tương ứng với các giai đoạn: 12h giờ đầu tiên và 12h cuối của ngày

30

Tương tự với Tmin1,2, Ttb1,2, Ktb1,2, Kmin1,2 và bảng thống kê tần suất các

giờ đạt công suất Tmax, Tmin, Ttb

d Xây dựng biểu đồ ngành nghề và biểu đồ phụ tải hệ thống

Bước 1: Tính các đặc trưng Tmax1,2, Tmin1,2, Ttb1,2, Ktb1,2, Kmin1,2, bảng

tần suất xuất hiện Pmax, Pmin, Ptb của ngành nghề, tổng hợp từ các lớp khách

hàng, công thức tương tự như tính toán đặc trưng cho lớp khách hàng [2]

Bước 2: Ước lượng phụ tải tổng ngày (Ang) của các ngành nghề: lấy giá trị hóa

đơn hàng tháng chia cho số ngày trong tháng

Bước 3: Tính Pmax1,2, Pmin1,2, Ptb1,2 theo Ang:

Pmin1,2 = Kmin1,2 * Pmax1,2

Ptb1,2 = Ktb1,2 * Pmax 1,2

Bước 4: Tính các thời điểm đạt Pmax, Pmin, Ptb: dựa vào thống kê tần suất

xuất hiện Pmax, Pmin, Ptb

Bước 5: Xây dựng biểu đồ phụ tải ngành nghề Từ các tham số Pmax, Pmin,

Ptb và các thời điểm đạt Pmax, Pmin, Ptb xây dựng được biểu đồ phụ tải của các

ngành nghề

Bước 6: Xây dựng biểu đồ phụ tải hệ thống: Biểu đồ phụ tải hệ thống được xây

dựng bằng cách tổng hợp các biểu đồ phụ tải thành phần

e Đánh giá

Phương pháp này khá phù hợp ở Việt Nam trong hoàn cảnh số liệu phụ tải còn

hạn chế như ở nước ta Phương pháp này đảm bảo tính tổng quát vì các đặc trưng

của đồ thị phụ tải đều được tính theo giá trị kì vọng của các đại lượng này Kết quả

sẽ càng chính xác hơn nếu số lượng khách hàng lớn hơn và điển hình hơn

31

CHƯƠNG 3: XÂY DỰNG MÔ HÌNH DỰ BÁO

Bài toán đã cho là bài toán dự báo, vì vậy muốn xây dựng hệ thống dự báo, ta cần thực hiện các bước sau:

- Phân cụm ngày theo nhiệt độ

- Xây dựng biểu đồ phụ tải ngành, hệ thống

- Tổng công ty điện lực thành phố Hà Nội

- Tổng công ty điện lực thành phố Hồ Chí Minh

- Tổng công ty điện lực miền Bắc

- Tổng công ty điện lực miền Trung

- Tổng công ty điện lực miền Nam

3.1.2 Hoàn cảnh dự báo

Dựa trên nhu cầu thực tế, khi tham gia thị trường bán buôn cạnh tranh, trong ngày tới, đơn vị mua buôn cần dự báo phụ tải điện của đơn vị mình, từ đó đưa ra giá bán buôn điện và sản lượng mua buôn hợp lý Đồng thời, từ phụ tải dự báo, đơn vị cũng có phương án phân bổ sản lượng điện đến khách hàng cho hợp lý

32

3.1.3 Xác định tiêu chuẩn đánh giá dự báo

Trong trường hợp lý tưởng, nếu biết sản lượng tiêu thụ điện trong 24h của toàn

hệ thống, có thể đánh giá hiệu quả của công tác dự báo, dựa trên sai số phần trăm trung bình MAPE (Mean absolute percentage error) [1]:

- Sai số phần trăm trung bình 3-5%;

- Hình dáng đồ thị phụ tải dự báo phải khớp với đồ thị phụ tải thực tế

Tuy nhiên, thực tế rất khó có được thông tin phụ tải toàn hệ thống, vậy ta cần dựa vào các yếu tố sau để đánh giá:

- Sai số chuẩn của các phương pháp ước lượng

- Đánh giá hình dáng biểu đồ phụ tải

- So sánh phụ tải ngày với sản lượng tháng của đơn vị

3.2 Phân loại ngành nghề và các lớp khách hàng

Mục tiêu của phân loại ngành nghề và các lớp khách hàng là tạo ra một mẫu hiệu quả (nhận được độ chính xác cao nhất với chi phí nhỏ nhất) [7] Điều này được thực hiện bằng cách định nghĩa lớp các khách hàng có các đường phụ tải tương tự nhau và tách biệt các khách hàng có các đường phụ tải khác nhau

Phân nhóm khách hàng sẽ phân chia tập hợp các khách hàng thành các ngành nghề, sau đó từng ngành nghề này lại chia nhỏ thành các nhóm riêng biệt, được gọi

là lớp khách hàng Mỗi khách hàng sẽ thuộc về một và chỉ một lớp khách hàng Hiện tại, nhóm khách hàng được xác định dựa trên [7]:

- Giá

- Thông tin về sử dụng thiết bị cuối cùng (sưởi ấm, máy tính,…)

- Vị trí địa lý hoặc vùng khí hậu

33

- Mức tiêu thụ của khách hàng (sản lượng, mức cao điểm hàng năm)

- Loại hình kinh doanh (dựa trên mã ngành nghề hoặc các mã khác)

- Hệ số phụ tải (chỉ có đối với các khách hàng được đo đếm nhu cầu)

- Hình thái sử dụng theo mùa (sử dụng mùa hè hoặc sử dụng mùa đông) Hiện nay đã có cách phân nhóm khách hàng chung đối với ngành điện, theo bảng dưới đây:

Bảng 2: Phân loại ngành nghề, lớp khách hàng [1]

Công nghiệp

Chế biến gỗ Chế biến thực phẩm Chế tạo máy và thiết bị Công nghiệp phi kim loại Cung cấp và phân phối Gas Dệt may

Giầy Hóa chất

In Khu công nghiệp và cơ sở nước ngoài Khai khoáng

Luyện kim Xây dựng

Thương mại

Bán buôn bán lẻ Khách sạn Nhà hàng Ngân hàng

Dịch vụ công cộng

Trường học Chiếu sáng đèn đường Bệnh viện

34

3.3 Thiết kế khung mẫu

Thiết kế khung mẫu là nhằm mục đích tạo file mẫu thu thập số liệu, file này được xây dựng dưới dạng exel hoặc csv để hỗ trợ người dùng import vào chương trình [7]

3.3.1 Thiết kế khung mẫu cho ngành nghề, lớp khách hàng

- Khung mẫu cho ngành nghề

3.3.2 Thiết kế khung mẫu cho số liệu khách hàng

- Khung mẫu cho thông tin khách hàng:

dự báo Dữ liệu thu thập cần phải đảm bảo:

- Thu thập dữ liệu đầy đủ (ít nhất là 1 năm cho tất cả các khách hàng)

- Dữ liệu cần được cập nhật thường xuyên

Với dự báo phụ tải cho các đơn vị phân phối, đòi hỏi một tập dữ liệu rất lớn phục vụ công tác nghiên cứu dự báo Vì vậy, để thu thập dữ liệu đáp ứng được yêu cầu, cần sự phối hợp với các công ty, các phòng ban có liên quan, để đảm bảo dữ liệu thu thập được không những đủ mà còn chính xác, được cập nhật thường xuyên hơn

3.4.1 Thu thập thông tin ngành nghề, lớp khách hàng, khách hàng

Thông tin về ngành nghề và lớp khách hàng thường ít thay đổi, tuy nhiên vẫn phải được cập nhật thường xuyên Những thông tin cơ bản về ngành nghề, lớp