Áp dụng phương pháp xác suất thống kê dự báo đồ thị phụ tải khi có xét đến yếu tố thời tiết và tỷ trọng các ngành trong nền kinh tế quốc dân

Áp dụng phương pháp xác suất thống kê dự báo đồ thị phụ tải khi có xét đến yếu tố thời tiết và tỷ trọng các ngành trong nền kinh tế quốc dân Áp dụng phương pháp xác suất thống kê dự báo đồ thị phụ tải khi có xét đến yếu tố thời tiết và tỷ trọng các ngành trong nền kinh tế quốc dân luận văn tốt nghiệp thạc sĩ

-MAI VĂN NGỌC

ÁP DỤNG PHƯƠNG PHÁP XÁC SUẤT THỐNG KÊ DỰ BÁO

ĐỒ THỊ PHỤ TẢI KHI CÓ XÉT ĐẾN YẾU TỐ THỜI TIẾT VÀ

TỶ TRỌNG CÁC NGÀNH TRONG NỀN KINH TẾ QUỐC DÂN

LUẬN VĂN THẠC SĨ KỸ THUẬT

CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN

Hà Nội - 2016

-MAI VĂN NGỌC

ÁP DỤNG PHƯƠNG PHÁP XÁC SUẤT THỐNG KÊ DỰ BÁO

ĐỒ THỊ PHỤ TẢI KHI CÓ XÉT ĐẾN YẾU TỐ THỜI TIẾT VÀ

TỶ TRỌNG CÁC NGÀNH TRONG NỀN KINH TẾ QUỐC DÂN

LUẬN VĂN THẠC SĨ KỸ THUẬT

CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS.TS NGUYỄN LÂN TRÁNG

Hà Nội - 2016

MỤC LỤC

LỜI CẢM ƠN 4

LỜI CAM ĐOAN 5

DANH MỤC CÁC CHỮ VIẾT TẮT 6

DANH MỤC CÁC BẢNG 7

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ 8

LỜI MỞ ĐẦU 10

CHƯƠNG 1: TỔNG QUAN VỀ PHỤ TẢI ĐIỆN, CƠ SỞ LÝ THUYẾT CỦA DỰ BÁO, TẦM QUAN TRỌNG CỦA DỰ BÁO PHỤ TẢI ĐIỆN 12

1.1 Giới thiệu chung về hệ thống điện Việt Nam 12

1.2 Tổng quan về phụ tải điện 13

1.2.1 Các đặc trưng của phụ tải điện nói chung 13

1.2.2 Đặc điểm phụ tải Hệ thống điện Việt Nam 15

1.3 Tầm quan trọng của dự báo phụ tải điện 22

1.3.1 Các khái niệm cơ bản 22

1.3.2 Cơ sở lý thuyết của dự báo 22

1.3.3 Tầm quan trọng của dự báo phụ tải điện 23

CHƯƠNG 2: CÁC PHƯƠNG PHÁP DỰ BÁO PHỤ TẢI ĐIỆN 28

2.1 Phương pháp trực tiếp 28

2.2 Phương pháp đàn hồi 28

2.2.1 Nội dung phương pháp 28

2.2.2 Phân tích đánh giá 29

2.3 Phương pháp chuyên gia 29

2.3.1 Khái niệm 29

2.3.2 Cách thức thực hiện 29

2.3.2.1 Lựa chọn và thành lập nhóm chuyên gia dự đoán và nhóm các nhà phân tích 29

2.3.2.2 Trưng cầu ý kiến của các chuyên gia 30

2.3.2.3 Xử lý ý kiến chuyên gia 30

2.3.3 Phạm vi áp dụng 30

2.3.4 Ưu điểm, nhược điểm của phương pháp chuyên gia 31

2.3.4.1 Ưu điểm 31

2.3.4.2 Nhược điểm 31

2.4 Phương pháp cường độ điện năng 32

2.5 Phương pháp MEDEE-S 32

2.6 Phương pháp làm trơn chuỗi dữ liệu theo hàm mũ 35

2.6.1 San chuỗi dữ liệu trung bình đơn giản( trung bình cộng) 36

2.6.2 San chuỗi dữ liệu trung bình có trọng số 36

2.6.3 Làm trơn chuỗi dữ liệu theo hàm mũ 36

2.7 Phương pháp hồi quy tương quan 37

2.7.1 Hệ số tương quan 37

2.7.2 Mô hình hồi quy tuyến tính đơn giản 39

2.7.3 Mô hình hồi quy tuyến tính đa biến(multiple linear regression) 40

2.7.4 Mô hình hồi quy tuyến tính đa thức( Polynomial regression analysis) 42

2.7.5 Xây dựng mô hình tuyến tính từ nhiều biến 42

2.8 Phương pháp mạng nơ-ron nhân tạo 43

2.8.1 Cấu trúc mạng 44

2.8.2 Các hàm truyền 45

2.8.3.Các thuật toán huấn luyện (Treining Algorithms/Learning Rules) 46

2.9 Phương pháp ngoại suy 47

2.9.1 Khái niệm 47

2.9.2 Nội dung của phương pháp ngoại suy 48

2.9.3 Ưu, nhược điểm của phương pháp ngoại suy 52

CHƯƠNG 3: PHƯƠNG PHÁP ĐỘ NHẠY THỜI TIẾT TRONG DỰ BÁO NGẮN HẠN ĐỒ THỊ PHỤ TẢI ĐIỆN 53

3.1 Tổng điện năng ngày 54

3.1.1 Mô hình toán học 54

3.1.2 Lựa chọn mẫu 57

3.1.3 Tính toán các thông số mẫu 57

3.2 Dự báo tổng phụ tải giờ 58

3.2.1 Mô hình toán học 58

3.2.2 Lựa chọn mẫu 59

3.2.3 Tính toán thông số mẫu 59

CHƯƠNG 4: ỨNG DỤNG PHƯƠNG PHÁP XÁC SUẤT THỐNG KÊ, PHƯƠNG PHÁP ĐỘ NHẠY THỜI TIẾT TRONG DỰ BÁO PHỤ TẢI NGẮN HẠN TẠI HUYỆN PHÚ XUYÊN THÀNH PHỐ HÀ NỘI 60

4.1 Phụ tải điện huyện Phú Xuyên 61

4.1.1 Cơ cấu thành phần phụ tải điện Phú Xuyên 61

4.1.2 Các yếu tố ảnh hưởng tới phụ tải điện 61

4.2 Ứng dụng phương pháp xác suất thống kê để dự báo đồ thị phụ tải điện huyện Phú Xuyên 63

4.2.1 Thu thập dữ liệu 63

4.2.2 Xử lý dữ liệu 65

4.2.3 Kết quả 70

4.3 Giới thiệu chương trình Macro chạy trên nền Excel để giải quyết bài toán dự báo 71

4.4 Ứng dụng phương pháp độ nhạy thời tiết xác định phụ tải ngắn hạn tại huyện Phú Xuyên 79

4.4.1.Thu thập dữ liệu 79

4.4.2 Kết quả 80

4.4.3 Đánh giá sai số 83

4.5 Kết luận 84

KẾT LUẬN VÀ KIẾN NGHỊ 86

TÀI LIỆU THAM KHẢO 87

PHỤ LỤC : DỰ BÁO ĐỒ THỊ PHỤ TẢI ĐIỆN NGÀY THỨ 7( 4/6/2016) ĐẾN THỨ 6 (10/6/2016) ĐẦU TIÊN THÁNG 6 NĂM 2016 88

LỜI CẢM ƠN

Tôi xin bày tỏ lời cảm ơn sâu sắc tới các tác giả của các công trình nghiên cứu, các tác giả của các tài liệu nghiên cứu mà tôi đã trích dẫn và tham khảo để hoàn thành luận văn này Đặc biệt tôi vô cùng cảm ơn PGS.TS Nguyễn Lân Tráng, người đã tận tình hướng dẫn tôi trong qua trình thực hiện luận văn Và tôi xin chân thành cảm ơn tất cả các thầy cô đã giảng dậy và giúp đỡ tôi trong quá trình học tập vừa qua

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “ ÁP DỤNG PHƯƠNG PHÁP XÁC SUẤT THỐNG

KÊ DỰ BÁO ĐỒ THỊ PHỤ TẢI KHI CÓ XÉT ĐẾN YẾU TỐ THỜI TIẾT VÀ

TỶ TRỌNG CÁC NGÀNH TRONG NỀN KINH TẾ QUỐC DÂN” là công

trình nghiên cứu riêng của tôi

Các số liệu, kết quả được nêu trong luận văn này là trung thực và chưa từng được ai công bố trong bất kỳ công trình nghiên cứu khoa học nào khác

Hà Nội, tháng 9 năm 2016 MAI VĂN NGỌC

DANH MỤC CÁC CHỮ VIẾT TẮT

HTĐ : Hệ thống điện

HQTT : Hồi quy tuyến tính

NRTT : Nơ-ron nhân tạo

GDP : Tổng sản phẩm quốc nội

ĐTPTĐ : Đồ thị phụ tải điện

ĐTPT : Đồ thị phụ tải

DANH MỤC CÁC BẢNG

Bảng 1.1 Hệ số phụ tải các năm

Bảng 4.1 Công suất thực tế các ngày thứ 7 đến thứ 6 tháng 6 năm 2016

Bảng 4.2 Công suất tương đối từng giờ một từ các ngày thứ 7 đến thứ 6 tháng 6 năm 2016

Bảng 4.3 Bảng mô tả mối quan hệ giữa công suất tương đối với thời gian các ngày

Bảng 4.4 Bảng tính toán các thông số liên quan đến số tương quan r

Bảng 4.5 Nhu cầu điện năng các ngày 11/6/2016 đến 17/6/2016 cần dự báo

Bảng 4.6 Công suất thực từng giờ các ngày 11/6/2016 đến 17/6/2016

Bảng 4.7 Nhiệt độ các ngày trong quá khứ 04/06/2016 đến ngày 10/06/2016

Bảng 4.8 Năng lượng điện trong ngày dự báo 11/06/2016

Bảng 4.9 Sai số giữa dự báo và thực tế thứ 2 ngày 11/6/2016

DANH MỤC CÁC HÌNH VẼ VÀ BIỂU ĐỒ

Hình 1.1 Tốc độ tăng trưởng phụ tải trung bình tháng 6 qua các năm HTĐVN Hình 1.2 Biểu đồ phân bố sản lượng trung bình ngày của các tháng trong năm Hình 1.3 Biểu đồ tỉ trọng thành phần phụ tải

Hình 1.4 Biểu đồ tăng trưởng hệ số phụ tải qua các năm

Hình 1.5 Sản lượng trung bình ngày các tháng năm 2015

Hình 1.6 Biểu đồ phụ tải 168h ( trích dẫn tuần 9/8-15/8/2015)

Hình 1.7 Biểu đồ phụ tải ngày điển hình mùa hè

Hình 1.8 Biểu đồ phụ tải ngày điểu hình mùa đông

Hình 4.2 Đồ thị phụ tải điện trong ngày nghỉ và ngày làm việc

Hình 4.3 Đồ thị phụ tải điện các ngày thứ 7 đến thứ 6 tháng 6 năm 2016

Hình 4.4 Công suất tương đối giờ thứ hai

Hình 4.5 Công suất tương đối giờ thứ năm

Hình 4.6 Đồ thị phụ tải các ngày 11/6/2016 đến 17/6/2016 cần dự báo

Hình 4.7 Nhập dữ liệu đầu vào các ngày cần dự báo

Hình 4.8 Dữ liệu đầu vào phụ tải điện ngày cần dự báo

Hình 4.9 Ngoại suy công suất tương đối giờ thứ hai

Hình 4.10 Ngoại suy công suất tương đối giờ thứ 5

Hình 4.11 Ngoại suy công suất tương đối giờ thứ 16

Hình 4.12 Tổng hợp giá trị công suất tương đối từng giờ một

Hình 4.13 Thực hiện ngoại suy nhu cầu điện năng

Hình 4.14 Kết quả dự báo nhu cầu điện năng cho các ngày tiếp theo

Hình 4.15 Đồ thị phụ tải của các ngày cần dự báo

Hình 4.16 Đồ thị phụ tải của các ngày trong quá khứ và các ngày cần dự báo

Hình 4.17 Đồ thị phụ tải ngày 11/6/2016 dự báo khi có xét đến nhiệt độ

Hình 4.18 Đồ thị phụ tải ngày 11/6/2016 theo dự báo và thực tế

- Đồ thị phụ tải ngày (11/6/2016) cần dự báo không có xét đến nhiệt

độ

- Đồ thị phụ tải ngày (11/6/2016) cần dự báo có xét đến nhiệt độ

- Đồ thị phụ tải thực tế ngày 11/6/2016

LỜI MỞ ĐẦU

1 Lý do chọn đề tài

Hiện nay Việt Nam đang ở trong thời kì công nghiệp hóa, hiện đại hóa đất nước, cùng với sự phát triển kinh tế thì nhu cầu sử dụng năng lượng cho các ngành đã gia tăng một cách nhanh chóng trong những năm gần đây Trong đó, điện năng cung cấp cho các ngành kinh tế và dân dụng đã không ngừng tăng Theo các kết quả nghiên cứu về tiềm năng và khả năng khai thác các nguồn năng lượng sơ cấp (thủy năng, than, dầu, khí, địa nhiệt, …) thì trong tương lai nguồn năng lượng sơ cấp sẽ không đủ cung cấp cho nhu cầu năng lượng, nên định hướng chiến lược phát triển nguồn điện Việt Nam phải tính đến việc nhập khẩu điện từ các nước láng giềng như Lào, Trung Quốc, … và nghiên cứu triển khai cả nhà máy điện nguyên tử, các nhà máy điện năng lượng mới, khai thác và vận hành tối ưu hệ thống nhằm đảm bảo cung cấp điện ổn định và an toàn cho nhu cầu phát triển kinh tế xã hội của đất nước

Việc cung cấp và phân phối điện năng cho các phụ tải điện vận hành ổn định

là một thách thức lớn Nếu cung cấp đủ nguồn điện và phân phối một cách hợp

lý sẽ giúp công cuộc phát triển kinh tế cũng như công nghiệp hóa, hiện đại hóa đất nước được đẩy nhanh và bền vững

Trước những yêu cầu trên, việc tập trung nghiên cứu, tìm ra giải pháp để dự báo một cách tương đối, sát thực nhu cầu điện năng và đồ thị phụ tải điện nhằm đáp ứng việc huy động nguồn và phân phối điện năng của đơn vị quản lý là điều hết sức cần thiết

2 Mục đích nghiên cứu của luận văn

Nghiên cứu phương pháp thống kế, độ nhạy thời tiết áp dụng tính toán và đưa ra dự báo đồ thị phụ tải điện Dựa vào đồ thị phụ tải điện đã dự báo, đơn vị quản lý và phân phối điện năng sẽ có phương án huy động nguồn điện và phân phối điện năng một cách hợp lý, có hiệu quả kinh tế cao Từ đó giúp hệ thống điện Việt Nam vận hành một cách chủ động, linh hoạt kinh tế mà vẫn đảm bảo

độ tin cậy cung cấp điện

3 Đối tượng và phạm vi nghiên cứu

 Đối tượng nghiên cứu

Nghiên cứu phụ tải điện nói chung và cụ thể là phụ tải điện huyện Phú

Xuyên

 Phạm vi nghiên cứu

Dựa vào chuỗi dữ liệu trong quá khứ của phụ tải điện huyện Phú Xuyên, sử dụng phương pháp xác suất thống kê (áp dụng thuật toán ngoại suy) để dự báo

đồ thị phụ tải điện ngày bất kì huyện Phú Xuyên

4 Ý nghĩa khoa học và thực tiễn của đề tài

Nghiên cứu các phương pháp dự báo đồ thị phụ tải, từ đó đưa ra phương pháp dự báo phù hợp và chính xác nhất ứng với phụ tải điện nghiên cứu

Trên cơ sở nghiên cứu, phân tích và đánh giá kết quả dự báo đồ thị phụ tải điện của huyện Phú Xuyên đưa ra công tác quy hoạch phát triển điện lực thích hợp Từ đó giúp cho công việc quy hoạch huyện Phú Xuyên đạt hiệu quả cao

Từ kết quả dự báo đồ thị phụ tải điện huyện Phú Xuyên nói riêng, có thể áp dụng phương pháp này với phạm vi phụ tải điện lớn hơn trong tương lai, giúp ngành điện đưa ra các đề xuất chương trình nghiên cứu phát triển Hệ thống điện một cách hợp lý nhằm giảm chi phí vốn đầu tư xây dựng nguồn, lưới mà vẫn đảm bảo cung cấp điện đầy đủ cho yêu cầu phát triển kinh tế xã hội của đất nước

5 Tên đề tài

“Áp dụng phương pháp xác suất thống kê dự báo đồ thị phụ tải khi có xét đến yếu tố thời tiết và tỷ trọng các ngành trong nền kinh tế quốc dân”

6 Nội dung của luận văn

Chương 1: Tổng quan về phụ tải điện, cơ sở lý thuyết của dự báo, tầm quan trọng của dự báo phụ tải điện

Chương 2: Các phương pháp dự báo

Chương 3: Phương pháp độ nhạy thới tiết trong dự báo ngắn hạn đồ thị phụ tải Chương 4: Ứng dụng phương pháp xác suất thống kê, phương pháp độ nhạy thời tiết dự báo đồ thị phụ tải để dự báo đồ thị phụ tải điện huyện Phú Xuyên

CHƯƠNG 1 TỔNG QUAN VỀ PHỤ TẢI ĐIỆN, CƠ SỞ LÝ THUYẾT CỦA

DỰ BÁO, TẦM QUAN TRỌNG CỦA DỰ BÁO PHỤ TẢI ĐIỆN

1.1 Giới thiệu chung về hệ thống điện Việt Nam

Hệ thống điện (HTĐ) bao gồm các nhà máy điện, trạm biến áp, các đường dây truyền tải và phân phối điện được nối với nhau thành hệ thống làm nhiệm vụ sản xuất, truyền tải và phân phối điện năng

HTĐ phát triển không ngừng trong không gian và thời gian, để đáp ứng nhu cầu ngày càng tăng của phụ tải Tùy theo mục đích nghiên cứu, HTĐ được phân chia thành các phần hệ thống tương đối độc lập nhau

Về mặt quản lý, vận hành HTĐ được phân thành:

- Các nhà máy điện do các Công ty phát điện quản lý

- Lưới điện cao áp và siêu cao áp (≥ 220kV) do các công ty truyền tải điện quản lý

- Lưới điện truyền tải 110kV và phần phối do các công ty điện lực quản

lý

Về mặt quy hoạch, lưới điện được phân thành 2 cấp:

- Lưới hệ thống bao gồm:

 Các nguồn điện và lưới hệ thống (500, 220, 110kV)

 Các trạm khu vực (500, 220, 110kV) được quy hoạch trong tổng sơ

đồ

 Lưới phân phối (U≤35kV) được quy hoạch riêng

Về mặt điều độ chia thành 2 cấp:

- Điều độ trung ương

- Điều độ địa phương/Công tác điều độ bao gồm:

 Điều độ các nhà máy thủy điện

- Lưới phân phối trung áp (6, 10, 22, 35kV)

- Lưới phân phối hạ áp (0,4kV)

Do phụ tải ngày càng phát triển về không gian và thời gian với tốc độ ngày càng cao, vì vậy cần phải xây dựng các nhà máy có công suất lớn Vì lý do kinh tế

và môi trường, các nhà máy điện thường được xây dựng ở những nơi gần nguồn nhiên liệu, hoặc việc vận chuyển nhiên liệu thuận lợi, ít tốn kém, trong khi đó các trung tâm phụ tải lại ở xa, do vậy phải dùng lưới truyền tải để truyền tải điện năng đến các phụ tải Vì lý do kinh tế cũng như an toàn, người ta không thể cung cấp trực tiếp cho các phụ tải bằng lưới điện truyền tải, do vậy phải dùng lưới điện phân phối Lưới điện phân phối thực hiện nhiệm vụ phân phối điện cho một địa phương (một thành phố, quận, huyện) có bán kính cung cấp điện nhỏ, dưới 50km Trong đó, phụ tải điện là một thành phần không thể thiếu trong lưới điện phân phối, và nó ảnh hưởng không nhỏ đến hệ thống điện nói chung và hệ thống điện Việt Nam (HTĐVN) nói riêng Phụ tải của lưới phân phối đa dạng và phức tạp, các phụ tải sinh hoạt và dịch vụ, tiểu thủ công nghiệp đa phần cùng trong một hộ phụ tải

1.2 Tổng quan về phụ tải điện

1.2.1 Các đặc trưng của phụ tải điện nói chung

Phụ tải của HTĐ là tổng nhu cầu sử dụng điện của toàn bộ HTĐ, là một hàm số phụ thuộc vào thời gian t, phụ thuộc vào tăng trưởng kinh tế của phụ tải trong quá khứ, phụ thuộc vào các tác động khách quan (thời tiết, khí hậu, …) thông qua những đặc tính thống kê Hình thái của phụ tải điện mang cả hai tính chất ngẫu nhiên và quy luật

Đặc tính ngẫu nhiên của phụ tải xuất phát từ hai yếu tố:

- Tính ngẫu nhiên của chính các phụ tải

- Tính ngẫu nhiên trong hoạt động của con người trong một khoảng thời gian (ngày, tuần, tháng, năm, …)

Tuy nhiên tính ngẫu nhiên trong hoạt động sinh hoạt, sản xuất của con người lại

có tính chu kì, đặc điểm này tạo nên tính chu kì trong biến đổi của phụ tải, cho phép

dự báo phụ tải với một mức độ chính xác tương đối cao

Chu kì tính toán T được xác định bằng các quy luật khách quan tiêu thụ điện năng Những quy luật này được xác định bằng một loạt các yếu tố:

- Khí hậu: chu kì quay của trái đất, các mùa trong năm

- Xã hội: tuần 7 ngày với các ngày làm việc và ngày nghỉ hoặc ngày lễ, sinh hoạt trong ngày

- 8 giờ làm việc, những giờ nghỉ, chương trình văn hóa, lễ hội …

- Thời tiết: nhiệt độ không khí, ánh sáng, độ ẩm

Tương tự như vậy, chu kì T có thể lấy từ chu kì hoạt động của con người: ngày, đêm, tuần, tháng, năm Tuy nhiên không thể coi một chu kì nào trong những chu kì trên là lặp đi lặp lại của những chu kì trước, do sự tăng trưởng của phụ tải kéo theo thời gian và do những biến đổi bất thường của phụ tải …

Hình 1.1 Tốc độ tăng trưởng phụ tải trung bình tháng 6 qua các năm của

- Tính quy luật trong tập quán và thói quen sinh hoạt, sản xuất của người dân: giờ giấc sinh hoạt nghỉ ngơi, tham gia các hoạt động vui chơi, giải trí …

- Điều này có thể nhận thấy qua 12 tháng trong năm

Hình 1.2: Biểu đồ phân bổ sản lượng trung bình ngày của các tháng trong năm

1.2.2 Đặc điểm phụ tải Hệ thống điện Việt Nam

Phụ tải HTĐVN về cơ bản vẫn mang những đặc trưng cơ bản của phụ tải điện nói chung về tính ngẫu nhiên và quy luật

Với đặc thù là một quốc gia đang phát triển, cơ cấu và sự phát triển của các thành phần kinh tế giữa các vùng miền không đồng đều Đặc điểm địa lý trải dài qua nhiều vĩ độ do đó có sự khác biệt lớn về khí hậu Điều này đã ảnh hưởng không nhỏ đến hình dạng đồ thị phụ tải HTĐ nước ta

Hiện nay phụ tải toàn quốc, và các miền lớn nhất ghi nhận được lần lượt là:

- Quốc gia: Pmax= 22125 MW; A= 43136 triệu kWh

- Miền Bắc: Pmax= 9093 MW; A= 18278 triệu kWh

- Miền Trung: Pmax= 3299 MW; A= 4826 triệu kWh

- Miền Nam: Pmax= 9433 MW; A= 21271 triệu kWh

Về cơ cấu phụ tải điện hiện nay thì chiến tỉ trọng nhiều nhất vẫn là phụ tải sinh hoạt, và phụ tải công nghiệp, xây dựng Tỷ trọng các thành phần phụ tải năm

2015 về cơ bản vẫn tương tự như năm 2014 Điện áp cấp cho các thành phần phụ tải như sau:

- Điện cấp cho ngành Công nghiệp & Xây dựng : đạt 71,58 tỉ kWh, chiếm

tỉ trọng 53,9% (năm 2013 là 52,48%) điện thương phẩm, tăng 13,55% so với năm

- Điện cấp cho các hoạt động khác: 5,71 tỉ kWh, chiếm tỉ trọng 4,3%

Cơ cấu thành phần phụ tải được thể hiện ở biểu đồ sau:

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 K1 0,68 0,69 0,70 0,71 0,72 0,72 0,74 0,77 0,75 0,79 0,79 0,77 0,74 0,75 K2 0,42 0,42 0,43 0,44 0,45 0,45 0,47 0,5 0,48 0,54 0,54 0,52 0,34 0,32

Chú thích: K1=Ptb/Pmax

K2=Pmin/Pmax

Hình 1.4: Biểu đồ tăng trưởng hệ số phụ tải qua các năm

Hệ số phụ tải các năm gần đây có xu hướng tăng dần, cho thấy hình dạng đồ thị

phụ tải đang dần được cải thiện Việc áp dụng và đưa vào hoạt động hệ thống công

tơ 3 giá, tăng cương công tác quản lý phụ tải, tỉ trọng phụ tải công nghiệp tăng cao

đã cải thiện đáng kể biểu đồ phụ tải ngày Tuy nhiên, hình dạng đồ thị phụ tải hệ

thống điện quốc gia vẫn còn xấu, tỉ lệ Pmin/Pmax năm 2015 là 0.32 vẫn còn rất thấp

gây khó khăn cho việc vận hành an toàn và kinh tế HTĐ

Phụ tải HTĐVN với đặc điểm diễn biến phức tạp, không bằng phẳng, tăng

trưởng trung bình hằng năm từ 13-15% (trong khi mức tăng trưởng kinh tế hàng

năm khoảng 5-7%, cao hơn mức tăng trưởng kinh tế trung bình hàng năm) đã gây

nên một áp lực rất lớn cho ngành điện nước ta nói riêng và nền kinh tế nói chung

Đặc điểm phụ tải hệ thống điện và ba miền trong năm

Hình 1.5: Sản lượng trung b nh ngày các tháng năm 2015

Trong một năm phụ tải thường giảm rất thấp vào tháng 1, 2 là thời điểm Tết Nguyên Đán, các phụ tải sản xuất, thương mại, dịch vụ ngừng hoạt động (Amin= 214,05 triệu kWh vào ngày 31/1/2015), và thường tăng cao vào các tháng mùa hè (tháng 5, 6, 7), đây là thời điểm nhiệt độ lên cao, nhu cầu sử dụng điện của nhóm phụ tải sinh hoạt tăng mạnh (Amax= 434,12 triệu kWh vào ngày 30/05/2015)

Quan sát trên biểu đồ ta nhận thấy:

- Phụ tải miền Bắc có mức biến đổi lớn, do đặc điểm khí hậu miền Bắc, nhiệt độ thay đổi mạnh theo mùa, và do tỉ trọng tải sinh hoạt lớn nên vào các tháng mùa hè (tháng 6, 7, 8) phụ tải miền Bắc tăng cao

- Miền Nam phụ tải cơ bản ổn định hơn, do không có sự khác biệt về mùa, nền nhiệt độ trong năm tương đối ổn định và một phần do miền Nam có tỷ trọng phụ tải công nghiệp cao hơn, do đó lượng điện năng tiêu thụ trong năm khá đồng đều

- Miền Trung với đặc điểm địa hình trải dài trên nhiều vùng địa lý, nên có

sự thay đổi về thời tiết Vì thế hình dáng phụ tải miền Trung tương đối giống miền Bắc (có tăng nhẹ vào các tháng 6, 7, 8) tuy nhiên không rõ rệt

Như vậy, có thể nhận định rằng phụ tải của nước ta chịu ảnh hưởng rất mạnh bởi hai yếu tố đó là khí hậu và tỷ trọng các thành phần phụ tải

 Phụ tải các ngày trong tuần

 Biểu đồ phụ tải 168h

Hình 1.6: Biểu đồ phụ tải 168h ( trích dẫn tuần 9/8-15/8/2015)

- Dựa vào biểu đồ phụ tải 168h trích dẫn như trên ta có thể nhận thấy phụ tải điện phụ thuộc khá lớn vào tình hình thời tiết (do phụ tải sinh hoạt chiếm tỉ trọng lớn hơn):

 Phụ tải rạng sáng thứ 4: thấp nhất trong tuần

 Sản lượng các ngày làm việc trong tuần tương đối giống nhau (nếu không có đột biến về thời tiết);

 Sản lượng phụ tải ngày thứ 7: lúc này nhiều phụ tải công nghiệp và các cơ quan làm việc nghỉ nên sản lượng phụ tải ngày thứ 7 thấp hơn các ngày làm việc

 Sản lượng phụ tải ngày chủ nhật: sản lượng phụ tải ngày chủ nhật thấp nhất trong tuần vì các phụ tải công nghiệp, các cơ quan làm việc đều nghỉ

 Đặc điểm phụ tải ngày điển hình

 Biểu đồ phụ tải ngày điển hình mùa hè: số liệu ngày 19/6/2015

Hình 1.7: Biểu đồ phụ tải ngày điển hình mùa hè

- Phụ tải mùa hè tương đối bằng phẳng hơn so với phụ tải mùa đông Chênh lệch công suất trong ngày không quá cao (Pmin/Pmax = 0.69)

- Trong ngày có 3 cao điểm và 2 thấp điểm Cao điểm sáng thường xuất hiện lúc 10h, cao điểm chiều vào thời điểm 15h, cao điểm tối vào lúc 21h Và cuối ngày còn xuất hiện 1 cao điểm phụ đó là cao điểm đêm lúc 23h Hai cao điểm chiều

và đêm mới xuất hiện vài năm gần đây là do tỉ trọng phụ tải công nghiệp tăng cao Hai thấp điểm là thấp điểm đêm thường từ 3-5h sáng và thấp điểm trưa lúc 12h

- Có 2 giai đoạn phụ tải diễn biến hết sức bất thường, đó là lúc 7-8h sáng bắt đầu giờ làm việc, lúc này phụ tải tăng vọt với tốc độ gia tăng rất cao Và lúc 11h trưa thời điểm kết thúc giờ làm việc buổi sáng, từ 11-12h tải giảm rất nhanh với độ dốc lớn

- Trong ngày cao điểm sáng cao hơn cao điểm tối

- Cao điểm chiều ở miền Bắc mờ, không rõ rệt như cao điểm chiều ở miền Nam do tỉ trọng phụ tải công nghiệp của miền Nam lớn hơn tỉ trọng phụ tải công nghiệp của miền Bắc

 Biểu đồ phụ tải ngày điển hình mùa đông: số liệu ngày 25/12/2015

Hình 1.8: Biểu đồ phụ tải ngày điển h nh mùa đông

- Phụ tải mùa đông dốc hơn phụ tải mùa hè Chênh lệch công suất trong ngày rất cao (Pmin/Pmax= 0.64)

- Phụ tải mùa đông có 3 cao điểm trong ngày và 2 thấp điểm Cao điểm sáng thường vào lúc 10-11h, cao điểm tối vào khoảng thời gian từ 17-18h và như mua hè vẫn có một cao điểm phụ vào ban đêm lúc 23h Hai thấp điểm trong ngày là thấp điểm đêm vào lúc 2-4h và thấp điểm trưa vào khoảng 12-13h

- Trong ngày có 3 giai đoạn phụ tải tăng, giảm mạnh giống như biểu đồ mùa hè, đó là vào lúc 7-8h sáng và 12-13h trưa

- Cao điểm chiều tăng cao so với cao điểm sáng

- Hình dạng biểu đồ miền Nam bằng phẳng hơn so với biểu đồ miền Bắc

do ở miền Nam có thời tiết tương đối đồng đều và không có sự chênh lệch nhiệt độ lớn như ở miền Bắc

Qua phần trình bày ở trên về đặc điểm phụ tải nước ta, cho thấy hiện nay yêu cầu về quản lý phụ tải là rất cần thiết Việc phụ tải gia tăng mạnh hàng năm, và biểu

đồ phụ tải diễn biến phức tạp như hiện nay gây rất nhiều khó khăn cho công tác quy hoạch và huy động nguồn Vấn đề đặt ra hiện nay là làm thế nào để có thể dự báo phụ tải điện một cách nhanh chóng, khách quan và có độ chính xác cao

1.3 Tầm quan trọng của dự báo phụ tải điện

1.3.1 Các khái niệm cơ bản

Thuật ngữ “dự báo” bắt nguồn từ hai chữ Hy Lạp “PRO-GROSIS” có ý nghĩa là biết trước, nói lên một thuộc tính không thể thiếu được của bộ não con người, đó là

sự phản ảnh vượt trước hình thành trong quá khứ phát triển của nhân loại qua nhiều thế kỷ Cho đến nay, nhu cầu dự báo đã trở nên hết sức cần thiết ở mọi lĩnh vực Như vậy, dự báo là sự tiên đoán có khoa học mang tính xác suất và phương án trong khoảng thời gian hữu hạn về tương lai của đối tượng nghiên cứu

Xét cụ thể các tính chất của dự báo:

- Tính tiên đoán: tiên đoán trước được sự vận động của đối tượng nghiên cứu trong tương lai, đó là ý thức chủ quan của con người dựa trên một số cơ sở nhất định

- Tính xác suất: vì dự báo dựa trên việc xử lý chuỗi thông tin bao hàm cả hai yếu tố ngẫu nhiên và xu thế phát triển nên kết quả khi tiên liệu so với thực tế vận động chắc chắn có sự chênh lệch mang tính xác suất

- Tính phương án: dự báo được thể hiện bằng nhiều dạng kết quả có thể xảy ra trong tương lai (dạng định tính, định lượng, khoảng, điểm, …)

- Tính chất thời gian hữu hạn: sự chênh lệch giữa thời điểm dự báo và thời điểm hiện tại được gọi là khoảng cách dự báo (tầm xa của dự báo), khoảng cách này không thể tùy tiện mà nó phụ thuộc vào mức độ ổn định của đối tượng trong quá trình phát triển Vì vậy, dự báo được tiến hành với khoảng cách dự báo thích hợp tương ứng với một khoảng thời gian hữu hạn

1.3.2 Cơ sở lý thuyết của dự báo

Để tiến hành dự báo nhu cầu điện năng hay đồ thị phụ tải điện cho tương lai, điều cần thiết phải hiểu được tại sao tiêu thụ năng lượng nói chung hay tiêu thụ điện nói riêng của một quốc gia hay một ngành riêng biệt nào đó lại biến đổi theo thời gian và quá trình biến đổi này diễn ra như thế nào?

Hay nói cách khác để nâng cao chất lượng của các dự báo nhu cầu năng lượng nói chung hay dự báo nhu cầu điện năng và đồ thị phụ tải điện nói riêng, ta cần phải nắm bắt được cơ chế biến động của nó

Trước hết, cần phân tích sự biến đổi theo thời gian của nhu cầu tiêu thụ năng lượng, đánh giá sự biến đổi, quy luật và cơ chế của quá trình biến đổi đó Việc phân tích có thể thực hiện, theo từng lĩnh vực, ngành tiêu thụ năng lượng hoặc ở tầm vĩ

mô có xét đến những cơ chế chính sách lớn điều tiết sự tăng trưởng của nhu cầu năng lượng như chính sách giá cả, cơ chế khuyến khích đầu tư, chính sách tiết kiệm

và quản lý nhu cầu năng lượng (DSM), liên hệ giữa tiêu thụ năng lượng với tăng trưởng dân số và hoạt động kinh tế, ảnh hưởng của những thành tựu mới của khoa học và công nghệ lên quá trình sản xuất và tiêu thụ năng lượng

Để đánh giá nhu cầu năng lượng cho tương lai phải phân tích các dữ liệu của quá khứ, lý giải những biến động trong tiêu thụ năng lượng của quá khứ ở từng ngành cũng như ở tầm vĩ mô toàn quốc, thậm chí có thể xét đến khả năng trao đổi năng lượng với các nước láng giềng và trong khu vực Trên cơ sở nghiên cứu phân tích dữ liệu của quá khứ, xác định quy luật biến thiên của từng dạng năng lượng trong mối tương quan với các chỉ tiêu phát triển kinh tế xã hội, với các dạng năng lượng khác Những quy luật nghiệm thấy trong quá khứ có thể sẽ thay đổi trong tương lai tùy thuộc vào sự thay đổi cơ cấu kinh tế, thành phần dân cư và các tác động của những thành tựu mới về khoa học công nghệ tác động lên quá trình phát triển, sản xuất và tiêu thụ năng lượng trong tương lai

Vì vậy, để dự báo nhu cầu năng lượng cho một giai đoạn nào đó trong tương lai, ngoài những thông tin, những quy luật đã rút được từ phân tích quá khứ, cần phải có những thông tin về định hướng phát triển kinh tế, xã hội trong tương lai, những chuyển dịch cơ cấu kinh tế, trong thành phần dân cư, những chính sách lớn liên quan đến ngành năng lượng như cơ chế đầu tư, mở rộng sự tham gia của nhiều thành phần kinh tế trong và ngoài nước vào hoạt động năng lượng, mức tăng dân số

và mức sống kinh tế văn hóa, chính sách đảm bảo năng lượng cho những vùng nghèo khó, kém phát triển …

1.3.3 Tầm quan trọng của dự báo phụ tải điện

Dự báo phụ tải là quá trình dự báo nhu cầu dùng điện trong tương lai thông qua một vùng hoặc một mạng truyền tải trong một khoảng thời gian Có nhiều nghiên cứu cho rằng nếu tăng 1% sai số trong dự báo thì dẫn tới tăng hàng chục triệu USD

chi phí hoạt động mỗi năm Do đó, để đạt được hoạt động an toàn, tinh cậy và kinh

tế cũng như dự báo đúng lúc, chính xác HTĐ đã trở thành vấn đề có ý nghĩa hết sức

to lớn

Đối với ngành năng lượng nói chung và ngành điện nói riêng tồn tại các dạng

dự báo khác nhau như:

- Dự báo sự thay đổi công suất tác dụng theo chu kỳ thời gian nhất định như theo giờ, theo từng phút hay từng giây tùy mức độ vận hành hay lên kế hoạch vận hành

- Dự báo công suất cực đại/ cực tiểu có thể xảy ra trong một chu kì thời gian (như năm, mùa, quý, tháng, tuần, ngày …)

- Dự báo điện năng sẽ tiêu thụ trong khoảng thời gian nhất định tương tự như với dự báo công suất cực đại Ngoài ra, người ta sử dụng một đơn vị dự báo khác có liên quan trực tiếp đến dự báo điện năng và dự báo công suất cực đại là dự báo hệ số phụ tải – số giờ sử dụng công suất cực đại của hệ thống điện

Nếu công tác dự báo nói chung mà dựa trên lập luận khoa học thì sẽ trở thành cơ sở để xây dựng các kế hoạch phát triển nên kinh tế quốc dân Đặc biệt đối với ngành năng lượng, tác dụng của dự báo càng có ý nghĩa quan trọng, vì điện năng liên quan chặt chẽ với tất cả các ngành kinh tế quốc dân, cũng như đến mọi sinh hoạt bình thường của người dân Do đó, nếu dự báo không chính xác sai lệch quá nhiều về khả năng cung cấp, về nhu cầu điện năng thì sẽ dẫn đến hậu quả là huy động nguồn quá lớn, làm tăng vốn đầu tư, có thể gây tổn thất năng lượng tăng lên Ngược lại, nếu chúng ta dự báo phụ tải quá thấp so với nhu cầu thì sẽ không đủ điện năng cung cấp cho các hộ tiêu thụ và tất nhiên sẽ dẫn đến việc cắt bỏ một số phụ tải một cách không có kế hoạch gây thiệt hại cho nền kinh tế quốc dân

Đối với hệ thống điện lớn tương tự như hệ thống điện toàn quốc của Việt Nam, dự báo nhu cầu tiêu thụ điện, công suất cực đại hay đồ thị phụ tải theo thời gian cũng có thể xác định từ các dự báo của các hệ thống điện con tham gia trong hệ thống điện lớn Nếu thực hiện được như vậy, quy mô của bài toán sẽ tăng lên theo cấp số nhân những ngược lại kết quả dự báo sẽ có độ chính xác cao hơn Trong trường hợp này, người ta sẽ đưa thêm một khái niệm mới là hệ số đồng thời để so

sánh độ lệch pha giữa các HTĐ con với nhau và qua đó hiệu ứng liền kề HTĐ sẽ được thể hiện rõ qua việc so sánh tổng công suất cực đại của các HTĐ con bao giờ cũng lớn hơn giá trị công suất cực đại của hệ thống điện hợp nhất

Dựa trên thời gian dự báo, dự báo phụ tải có thể được chia thành: dự báo ngắn hạn (1-2 năm), dự báo trung hạn (3-10 năm), dự báo dài hạn (15-20 năm) Với mỗi loại dự báo thì có các tiêu chuẩn khác nhau để xem xét:

- Dự báo ngắn hạn (ngày, giờ, tuần, 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 của sản xuất và đời sống, lập kế hoạch sản xuất và kinh doanh Các yếu tố quan trọng nhất cho dự báo ngắn hạn bao gồm: ngày trong tuần, nhiệt độ, ảnh hưởng của mùa và độ ẩm, hướng gió, tốc độ gió,… Điều quan trọng trong dự báo phụ tải ngắn hạn là phụ tải cao điểm (phụ tải cao nhất trong ngày Pmax) và thụ tải thấp điểm (phụ tải thấp nhất trong ngày Pmin) Đó là hai điểm đặc biệt trong đồ thị phụ tải Phụ tải cao điểm quyết định việc huy động các nguồn nhiệt điện tuabin khí, diezen

dự phòng nhằm đảm bảo đủ nguồn phủ đỉnh và dự phòng nóng, tăng độ an toàn cung cấp điện Phụ tải thấp điểm quyết định việc phối hợp và điều chỉnh các nguồn tuabin khí, nhiệt điện và thủy điện nhằm đảm bảo vận hành kinh tế, tránh cho các nhà máy vận hành trong công suất không cho phép về kĩ thuật Khi dự báo phụ tải không tránh khỏi sai số, dự báo cao hơn thực tế sẽ làm chi phí tăng lên do việc huy động không cần thiết các nguồn dự phòng đắt tiền Ngược lại, khi phụ tải dự báo thấp hơn thực tế sẽ dẫn đến việc giảm độ tin cậy cung cấp điện (đó là một trong những chỉ tiêu của việc thiết kế cung cấp điện) nên có thể dẫn đến phải cắt bỏ một

số hộ tiêu thụ điện Vậy muốn dự báo với sai số nhỏ cần phải dựa trên phụ tải điện quá khứ và các yếu tố liên quan đến phụ tải

- Dự báo trung hạn (3-10 năm): thường phục vụ cho việc phân bổ vốn đầu tư, lập cân bằng giữa cung và cầu năng lượng, lập kế hoạch xây dựng và theo dõi tiến

độ xây dựng 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 (15-20 năm): nhằm định hướng cho sự phát triển của ngành

để hoạch định 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 lên môi trường sinh thái Trong dự báo dài hạn thì các yếu tố ảnh hưởng bao gồm các ảnh hưởng kinh tế, chính trị và mức độ phát triển công nghiệp, tổng thu nhập GDP Dự báo phụ tải dài hạn mà thấp hơn thực tế sẽ dẫn đến việc thiếu điện, phân bố điện năng giữa các vùng không đồng đều nên không đảm bảo độ tin cậy cung cấp điện Mặt khác, trong quá trình công nghiệp hóa (CNH), hiện đại hóa (HĐH) đất nước, muốn đạt được hiệu quả cao thì điện năng phải đi trước một bước Nếu dự báo mà cao hơn thực tế sẽ gây ra lãng phí nguồn tài nguyên quốc gia, vốn đầu tư của nhà nước vào xây dựng các nguồn điện

Đối với các HTĐ quy mô lớn (hàng chục GW), đôi khi người ta còn sử dụng khái niệm dự báo cực ngắn hạn/ dự báo trực thông (hot-line) trong các hệ thống điều khiển SCADA phức tạp Tham khảo các tài liệu khoa học trên thế giới cho thấy, tốc độ thay đổi phụ tải của các HTĐ cực lớn về mặt giá trị tuyệt đối có thể hàng nghìn MW trong một giờ thậm chí vài phút đòi hỏi người vận hành hệ thống phải có kế hoạch vận hành hết sức linh hoạt và tin cậy mới đảm bảo độ an toàn, tin cậy và ổn đinh cho hệ thống điện được

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

Thời gian dự báo ngày càng xa, sai lệch sẽ càng lớn, tác động của 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 ( với dự báo ngắn hạn) đến tình hình kinh tế, tài chính (với dự báo trung hạn) và biến độ chính trị, xã hội (với dự báo dài hạn) Vì vậy, khi

dự báo nhất là những dự báo trung và dài hạn, thông thường người ta xác định một dải thông số (thấp, trung bình, cao) của số liệu dự báo thay vì một trị số dự báo cố định Thời gian càng xa, sự biến động của biến dự báo (thấp, cao) càng lớn

Hiện nay và trong tương lai khi HTĐVN liên kết với HTĐ các nước ASEAN và Trung Quốc, các yêu cầu về độ tin cậy cung cấp điện, vận hành an toàn và kinh tế ngày càng cao nhằm phục vụ ngày càng tốt nhu cầu tiêu thụ điện năng trong sản

xuất và sinh hoạt, góp phần trong sự tăng trưởng kinh tế của đất nước, đảm bảo các tiêu chuẩn và luật trong liên kết HTĐ các nước trong khu vực

Vì vậy, luận văn nghiên cứu và áp dụng mô hình toán học cho dự báo phụ tải điện là cần thiết trong vận hành tối ưu HTĐ

CHƯƠNG 2 CÁC PHƯƠNG PHÁP DỰ BÁO PHỤ TẢI ĐIỆN 2.1 Phương pháp trực tiếp

Phương pháp trực tiếp dựa trên cơ sở: các kế hoạch phát triển ngành, vùng kinh tế; các phương án sản xuất của một số phân ngành công nghiệp tiêu thụ nhiều điện như luyện kim, hóa chất, giấy, vật liệu xây dựng, …; các quy hoạch phát triển lưới điện tỉnh, thành phố mà nhu cầu điện năng được tính toán trực tiếp (theo định mức tiêu hao điện trên sản phẩm, theo chỉ tiêu điện năng cho hộ gia đinh, …)

Phương pháp trực tiếp là phương pháp thích hợp với dự báo ngắn hạn từ 3-5 năm và trường hợp kinh tế phát triển ổn định

2.2 Phương pháp đàn đồi

2.2.1 Nội dung phương pháp

Phương pháp luận của dự báo là: trên cơ sở dự báo các kịch bản 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 số đàn hồi thu nhập được xác định như sau:

Hệ số đàn hồi theo thu nhập =

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 và có sự tham khảo kinh nghiệm từ 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 trị điện thay đổi được gọi là hệ số đàn hồi giá

- Hệ số tiết kiệm năng lượng: tính tới việc áp dụng tiến bộ khoa học kĩ thuật, thực hiện tiết kiệm năng lượng, đặc biệt là triển khai các chương trình quản

lí 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 Đàn hồi thu nhập và giá biểu thị nhu cầu năng lượng thay đổi do sự thay đổi giá năng lượng và thu nhập trong mô hình kinh tế lượng

2.3 Phương pháp chuyên gia

2.3.1 Khái niệm

Phương pháp chuyên gia là phương pháp dự báo có kết quả là các “thông số” do các Chuyên gia đưa ra, từ trình độ uyên bác về lý luận, thành thạo về chuyên môn, phong phú về khả năng thực tiễn cùng với 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 các cán bộ lão luyện thuộc các chuyên môn hay nằm trong miền lân cận của đối tượng dự báo đưa ra các dự báo

vực hẹp của mình, các kiến thức chuyên môn sâu về lĩnh vực dự báo, có lập trường khoa học và có khả năng tiên đoán thể hiện ở sự phản ánh nhất quán xu thế phát triển của đối tượng dự báo có định hướng và suy nghĩ về tương lai trong lĩnh vực mình quan tâm

Nhóm chuyên gia phân tích còn gọi là nhóm các nhà quản lý bao gồm những người có cương vị lãnh đạo, những người có quyền quyết định chọn phương pháp

dự báo Đây cũng là các chuyên gia có trình độ chuyên môn cao về vấn đề cần dự báo, có kiến thức về dự báo và chuyên gia phân tích còn phải có lòng kiên nhẫn, tính lịch thiệp do quá trình tiếp xúc và hợp tác với các chuyên gia là một quá trình phức tạp

2.3.2.2 Trưng cầu ý kiến của các chuyên gia

Trưng cầu ý kiến chuyên gia là một giai đoạn của phương pháp chuyên gia Tùy theo đặc điểm thu nhận và xử lý thông tin mà chọn những phương pháp trưng cầu

cơ bản như: trưng cầu ý kiến theo nhóm và cá nhân; trưng cầu vắng mặt và trưng cầu trực tiếp hay gián tiếp

2.3.2.3 Xử lý các ý kiến chuyên gia

Sau khi thu thập ý kiến của các chuyên gia, cần phải tiến hành một loạt các biện pháp xử lý các ý kiến này Đây là bước quan trọng để đưa ra kết quả dự báo Nói chung lại có 2 dạng vấn đề giải quyết khi xử lý ý kiến chuyên gia:

- Đánh giá thời gian hoàn thành sự kiện, thời gian xuất hiện quá trình kinh

2.3.4 Ưu điểm, nhược điểm của phương pháp chuyên gia

2.3.4.1 Ưu điểm

Đây là phương pháp tương đối đơn giản, dễ áp dụng và có khả năng tìm ra tức thời các thông số, mà các thông số này không dễ dàng lượng hóa được và mô tả quy luật vận động dưới dạng hàm số

Phương pháp chuyên gia thích ứng được với đặc điểm và yêu cầu của một dự báo nhu cầu và tình hình thị trường hiện đại là tính khả thi cao, cho kết quả nhanh, tạo ngay căn cứ để đề ra các quyết định kinh doanh, ứng xử tức thời, phù hợp với diễn biến sôi động và trạng thái muôn vẻ của thị trường Mặt khác, chúng cho phép

dự báo được những hiện tượng “đột biến” của thị trường mà thực tế đã xảy ra, nếu

sử dụng các phương pháp dự báo khác rất khó và lâu đưa ra kết quả và độ tin cậy cũng không cao

Không phải bất cứ trường hợp nào, bất cứ lúc nào cũng đòi hỏi kết quả dự báo phải thể hiện dưới dạng các thông số xác định, mà nhiều khi kết quả dự báo cũng có thể tồn tại dưới dạng những nhận định mang tính chất định tính, những xu hướng, chiều hướng vận động

Dự báo phản ứng của thị trường trước những quyết sách kinh doanh, các hành vi nghiệp vụ đã và sẽ tiến hành (nói cách khác, đây là dự báo của dự báo) Phương pháp chuyên gia cũng rất hữu hiệu đối với dự báo nặng về “chất” hơn là về “lượng”

Việc tập trung các chuyên gia đầy đủ trong một cuộc họp, việc thu hồi phiếu trả lời đúng hạn cũng không được dễ dàng

2.4 Phương pháp cường độ điện năng

Dự báo nhu cầu điện năng dựa trên cường độ tiêu thụ điện năng đối với từng miền Cường độ điện năng là một chỉ số tổng quát để đánh giá nhu cầu điện năng Các bước tiến hành như sau:

- Lập bộ số liệu cường độ điện năng trên tổng sản phẩm quốc nội (GDP) đối với tất cả các miền trong quá khứ

- Dự báo cường độ điện năng trong tương lai bằng phương pháp hồi quy

- Trên cơ sở các kịch bản phát triển kinh tế - xã hội dự báo cho từng vùng kinh tế, nhu cầu tiêu thụ điện năng của mỗi vùng kinh tế trong tương lai sẽ bằng cường độ điện năng nhân với GDP vùng, sau đó tổng hợp nhu cầu điện cho tường vùng và toàn quốc

- Tổng hợp nhu cầu điện cho từng miền và toàn quốc

2.5 Phương pháp MEDEE-S

Phương pháp MEDEE-S hay còn gọi là mô hình dự báo dài hạn nhu cầu năng lượng cho các nước đang phát triển, sử dụng phương pháp phân tích kinh tế- kỹ thuật để mô phỏng và phân tích sự tiến triển của nhu cầu năng lượng ở năm ngành riêng biệt của nền kinh tế

Cơ sở ban đầu của mô hình này là sự phân đoạn quá trình tiêu thụ năng lượng với các khái niệm, năng lượng cuối cùng và năng lượng hữu ích mà phương trình biểu thị mối quan hệ của chúng là:

FE = (2.2) Trong đó:

- FE: năng lượng tiêu thụ cuối cùng

- UEC: năng lượng tiêu thụ hữu ích

- r: hiệu quả sử dụng năng lượng cuối cùng

Nhu cầu tiêu thụ năng lượng tổng được tính:

E= ∑FEk (2.3)

Trong đó:

- E: nhu cầu năng lượng tiêu thụ tổng

- k: module thứ k

Những phân tích sẽ được tiến hành trong mô hình bao gồm việc xác định các yếu tố kinh tế, kỹ thuật, dân số và xã hội tác động đến nhu cầu năng lượng cuối cùng của từng dạng sử dụng và từng ngành kinh tế; đánh giá các yếu tố đã xác định theo các đơn vị vật lý (như sản lượng công nghiệp, nông nghiệp, số lượng ô tô, số lượng hộ gia đình…), tiếp theo đó tiến hành mô phỏng sự phát triển của các yếu tố này thông qua các tính toán trong mô hình hoặc thông qua các biến kịch bản và các biến ngoài

Các biến số của nhu cầu năng lượng được tổ chức thành các module đồng nhất hoặc các module theo ngành Điều này cho phép tiến hành phân tích chi tiết cơ chế tiêu thụ năng lượng và cho phép mô hình có thể dễ dàng thích ứng với các dạng nhu cầu cũng như về khả năng số liệu sẵn có ban đầu Vì vậy, người sử dụng phải lựa chọn loại và số lượng các ngành sử dụng năng lượng, dạng năng lương, số loại

hộ gia đình hoặc các phương tiện vận tải

MEDEE-S cũng cho phép tiến hành mô tả các dạng tiêu thụ năng lượng của mỗi ngành ở các mức độ chi tiết khác nhau, vì về mặt cấu trúc: cứ mỗi ngành sử dụng năng lượng sẽ có một module chính được sử dụng cho tất cả các trường hợp, ngoài ra, còn có các module phụ mà người sử dụng có thể cho liên kết với module chính khi có đủ số liệu và có nhu cầu mô tả chi tiết tùy ý các mô hình sử dụng năng lượng cho từng ngành tiêu thụ

Trong quá trình dự báo, có thể gặp trường hợp giá trị của một vài số liệu đầu vào còn bất định và điều đó có ảnh hưởng đến kết quả tính toán Khi đó ta có thể tiến hành các phương án tính toán khác nhau ứng với các giá trị khác nhau của số liệu này Điều này thể hiện tính linh hoạt của mô hình

Việc xác định nhu cầu năng lượng có liên quan tới các hoạt động kinh tế - xã hội, nhưng độc lập với cấu trúc của các nguồn năng lượng và các chỉ số hiệu suất của các nguồn năng lượng này Việc sử dụng các phương pháp tiếp cận theo năng lượng hữu ích thường gặp khó khăn nên việc áp dụng phương pháp này chỉ giới hạn đối với các dạng sử dụng có thể thay thế được Việc xác định nhu cầu năng lượng hữu ích không phải tiền hành theo giá trị tuyệt đối và hiệu suất thực tế, mà theo khái

niệm năng lượng hữu ích tương đối thông qua việc sử dụng giá trị “hiệu suất tương đối”, có nghĩa là hiệu suất của dạng năng lượng được lựa chọn làm dạng năng lượng chuẩn cho bất kì một ngành hay một dạng sử dụng nào đó trong mô hình

Tuy sử dụng sự thay thế lẫn nhau giữa các dạng năng lượng thông qua giá trị hiệu suất tương đối có thể phù hợp cho một số ngành kinh tế, nhưng trong trường hợp của khu vực sinh hoạt – dịch vụ điều này có thể làm ảnh hưởng đến việc thay đổi thói quen sinh hoạt về mặt kinh tế - xã hội của các hộ gia đình và vì vậy ảnh hường đến thói quen sinh hoạt Trong trường hợp này một đại lượng mới được gọi

là “hệ số thay thế” được dùng thay cho các đại lượng hiệu suất tương đối cũng như tuyệt đối Hệ số thay thế này chứa đựng sự khác biệt về mặt hiệu suất cũng như tập tính sử dụng của một dạng năng lượng nào đó so với dạng năng lượng được chọn làm quy ước Hệ số này thể hiện sự chênh lệch nhu cầu về năng lượng cuối cùng đối với dạng năng lượng chuẩn và vì vậy mà nó có thể được xác định từ các tỉ số về nhu cầu năng lượng cuối cùng được đánh giá từ quá trình điều tra đo đạc hoặc nghiên cứu điểm

Số lượng các biến kịch bản của mô hình được hạn chế tùy theo mức độ chi tiết Các biến này thường là các chỉ số phát triển và các hệ số đàn hồi đóng vai trò liên kết giữa hai biến trong mô hình và cũng có thể chúng là những biến như sự phân chia các phương tiện giao thông vận tải theo loại phương tiện hoặc dạng nhiêu liệu sử dụng

Tổ chức của mô hình:

- Một trong những đặc tính cơ bản làm cho MEDEE-S trở thành một công

cụ dự báo thích hợp cho các nước đang phát triển là cấu trúc linh hoạt (mềm dẻo) của nó có thể mang lại sự linh hoạt tối đa cho người sử dụng Mọi việc lựa chọn có thể được thực hiện thông qua các “biến điều khiển” Mô hình được cấu trúc thành 5 ngành riêng biệt Đối với mỗi ngành, phần tính toàn gồm một mô hình cơ sở và một loạt các mô hình phụ mà mỗi mô hình thể hiện một cách chi tiết một hoạt động kinh

tế hoặc một dạng sử dụng năng lượng riêng biệt Các mô hình phụ có thể được lựa chọn hoặc không trong quá trình tính toán dự báo Điều này cho phép tiền hành mô phỏng một cách riêng biệt nhu cầu theo năng lượng cuối cùng của từng ngành hoặc

làm cơ sở cho quá trình dự báo tổng thể theo các mục tiêu về dân số và các chỉ tiêu

về kinh tế vĩ mô Việc lựa chọn các ngành và các mô hình phụ bổ trợ cho mô hình chính và các phương án tính toán tạo nên cấu trúc tổng quát của quá trình phân tích năng lượng Việc lựa chọn mức độ chi tiết của các biến số nhu cầu năng lượng sẽ bổ trợ cho quá trình xác định các module tiêu thụ năng lượng

Mô hình này được sử dụng rất rộng rãi bởi nó đơn giản về mặt toán học bao hàm nhiều ưu điểm mà các mô hình khác không có được

Ngoài những phương pháp dự báo nhu cầu điện năng nêu trên, còn có một số phương pháp dự báo nhu cầu điện năng nhờ sự trợ giúp của máy tính để chạy chương trình như: chương trình SPSS (Statistical Package for Social Sciences), chương trình SimpleE (Simple Econometric Simulation System),… đã và đang được nghiên cứu, ứng dụng ở Việt Nam

2.6 Phương pháp làm trơn chuỗi dữ liệu theo hàm mũ

Trong thống kê, phương pháp làm trơn chuỗi dự liệu theo hàm mũ là một loại đặc biệt của phương pháp trung bình cộng được áp dụng để san dữ liệu chuỗi thời gian, nhằm tạo dự liệu được làm trơn dùng cho dự báo Dữ liệu chuỗi thời gian tạo thành một dãy quan sát, mà có thể là quá trình ngẫu nhiên cơ bản hay là quá trình

được sắp xếp theo trật tự nhưng có sai số

Chuỗi dữ liệu ban đầu thường được biểu diễn bởi chuỗi { x t } và đầu ra được

làm trơn biểu diễn là { s t } mà có thể xem như dự đoán tốt nhất giá trị tiếp theo của

x Khi chuỗi quan sát ban đầu ở thời điểm t=0, thì dạng đơn giản nhất của phương pháp làm trơn chuỗi dữ liệu theo hàm mũ nhận được là:

s 0 = x o

s t = α.x t + (1-α).s t-1 = s t-1 + α(x t – s t-1 ) (2.4)

Trong đó α là hệ số làm trơn 0< α < 1

2.6.1 San chuỗi dữ liệu trung bình đơn giản (trung bình cộng)

Phương pháp này dùng cho tính toán mô hình đơn giản Số liệu thống kê được

san là st là giá trị trung bình của k quan sát cuối:

s t = ∑

t-n = (x t + x t-1 + x t-2 + … + x t-k+1 ) / k = s t-1 + ( x t - x t-k )/k (2.5)

Trong đó chọn số nguyên k>1 tùy ý, k nhỏ thì hiệu quả làm trơn thấp hơn và cảm nhận được những thay đổi dữ liệu nhiều hơn; k lớn thì hiệu quả làm trơn sẽ cao hơn và tạo ra độ trễ rõ ràng nhiều hơn trong chuỗi được làm trơn Nhược điểm của phương pháp này là không thể sử dụng (k-1) số hạng đầu tiên của chuỗi thời gian

2.6.2 San chuỗi dữ liệu trung bình có trọng số

Phương pháp này phức tạp hơn so với phương pháp trung bình cộng Chuỗi { x t

} được xử lí bằng cách chọn nhân thêm các trọng số vào các dữ liệu của chuỗi Gọi các trọng số được nhân thêm vào chuỗi là:

2.6.3 Làm trơn chuỗi dữ liệu theo hàm mũ

Dạng dơn giản nhất của san trung bình theo hàm mũ theo công thức sau:

s 0 = x o

s t = α.x t + (1-α).s t-1 = s t-1 + α(x t – s t-1 ) (2.8)

Trong đó α là hệ số san, 0 < α <1 Nói cách khác, số liệu thống kê được san là s t

là giá trị trung bình được nhân thêm của quan sát mới nhất x t và số liệu thống kê

được làm trơn trước đó của s t-1 Làm trơn chuỗi dữ liệu theo hàm mũ được ứng dụng

dễ dàng, và nó tạo ra số liệu thống kê được làm trơn ngay khi có hai quan sát

Giá trị α tiến đến gần 1 thì hiệu quả làm trơn chuỗi dữ liệu kém hơn và cảm nhận được rõ những thay đổi của dữ liệu, nếu α tiến đến gần 0 thì hiệu quả làm trơn

chuỗi dữ liệu cao hơn và ít thấy được những thay đổi dữ liệu gần đó Không có

phương pháp cụ thể để chọn hệ số α, thông thường phương pháp thống kê được dùng để chọn α, ví dụ như dùng phương pháp bình phương cực tiểu chọn giá trị α sao cho tổng của (s n-1 – x n)2 là nhỏ nhất

Thay phương trình làm trơn chuỗi dữ liệu theo hàm mũ đơn giản trở lại chính phương trình của nó ta có:

s t = α.x t + (1-α).s t-1

= α.x t + α(1-α).x t-1 + (1-α) 2 s t-2

= α [x t + (1-α).x t-1 + (1-α) 2 x t-2 + (1-α) 3 x t-3 + …] + (1-α) t x 0

Nói cách khác, khi số liệu thống kê được làm trơn thì s t trở thành giá trị trung

bình của các quan sát trong quá khứ x t-n và các lượng nhân thêm được phân ra cho

các quan sát đó tương ứng với các số hạng của cấp số nhân { 1,(1- α ), (1-α)2, α)3,…}, cấp số nhân là kiểu rời rạc của hàm số mũ Vì thế, phương pháp san này có tên là phương pháp san hàm mũ

(1-2.7 Phương pháp hồi quy tương quan

Là phương pháp xây dựng mối quan hệ mô hình giữa một hoặc nhiều biến phụ thuộc và các biến độc lập Phân tích hồi quy là một quá trình sử dụng để ước lượng giá trị các tham số của một hàm trong đó hàm dự đoán giá trị của một biến tương ứng trong các thời gian của giá trị biến khác Để đo lường mối liên hệ giữa biến đáp ứng và biến phụ thuộc thì có thể sử dụng hệ số tương quan

2.7.1 Hệ số tương quan

Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan

giữa hai biến số, ví dụ như giữa phụ tải điện (y) và tổng thu nhập GDP (x) Hệ số tương quan có giá trị từ -1 đến 1 Hệ số tương quan bằng 0 hay tiến gần đến 0 có nghĩa là 2 biến số không có liên hệ gì với nhau, ngược lại, nếu hệ số bằng -1 hay 1

có nghĩa là hai biến số có một mối liên hệ tuyệt đối Nếu giá trị của hệ số tương quan là âm (r<0) có nghĩa là khi x tăng cao thì y giảm và ngược lại, khi x giảm thì y tăng; nếu giá trị hệ số tương quan là dương (r>0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x giảm thì y cũng giảm theo

Thực ra có nhiều hệ số tương quan trong thống kê nhưng trong luận văn sẽ trình bày 3 hệ số tương quan thông dụng nhất: hệ số tương quan Pearson r, Spearman p,

và Kendall Ƭ

 Hệ số tương quan Pearson r:

Cho hai biến số x và y từ n mẫu, hệ số tương quan Pearson được ước tính bằng công thức sau đây:

∑ ̅ ̅

√∑ ̅ ∑ ̅ Trong đó : ̅ và ̅ là giá trị trung bình của biến số x và y

 Hệ số tương quan Spearman p:

Hệ số tương quan Pearson chỉ hợp lý nếu biến số x và y tuân theo luật phân phối chuẩn Nếu x và y không tuân theo phân phối chuẩn, chúng ta phải sử dụng một hệ

số tương quan khác tên là Spearman, một phương pháp phân tích phi tham số Hệ số này được ước tính bằng cách biến đổi hai biến số x và y thành thứ bậc (rank), và xem độ tương quan giữa hai dãy số bậc Do đó, hệ số còn có tên tiếng Anh là Spearman’s Rank correlation

 Hệ số tương quan Kendall Ƭ

Hệ số tương quan Kendall (cũng là một phương pháp phân tích phi tham số) được ước tính bằng các cặp số (x,y) song hành với nhau Một cặp (x,y) song hành ở đây được định nghĩa là hiệu (độ khác biệt) trên trục hoành có cùng dấu hiệu (dương hay âm) với hiệu trên trục tung Nếu hai biến số x và y không có liên hệ với nhau, thì số cặp song hành bằng hay tương đương với số cặp không song hành