ứng dụng phương pháp trí tuệ nhân tạo Multilayer Perceptron (MLP) để tính toán dự báo công suất phát ngắn hạn của nhà máy điện mặt trời quy mô công nghiệp ở Việt Nam
Các nhà máy điện mặt trời (ĐMT) có đặc tính vận hành rất bất định, công suất phát không ổn định và phụ thuộc hoàn toàn vào yếu tố thời tiết, đặc biệt là các thông số như bức xạ (GHI), nhiệt độ… , và chúng có thể thay đổi trong thời gian rất ngắn. Việc thay đổi đột ngột công suất phát của các nhà máy ĐMT khi chúng chiếm tỷ trọng lớn trong cơ cấu nguồn phát nếu không được dự báo trước để kiểm soát và điều độ, sẽ là tác nhân quan trọng gây lên mất ổn định hệ thống điện, có khả năng làm rã lưới, gây mất điện trên diện rộng, mất an ninh cung cấp điện và thiệt hại nghiêm trọng về kinh tế và xã hội.
Kết quả dự báo từ các nhà máy theo đánh giá của các chuyên gia thuộc EVN là có độ sai lệch lớn với sai số trung bình khoảng xấp xỉ 20%, nhiều khi kết quả dự báo được xác định dựa theo một trị số gần đúng so với lịch sử vận hành phát của nhà máy từ hôm trước.
Vì vậy nhu cầu dự báo công suất phát ngắn hạn của các nhà máy ĐMT đang là một đòi hỏi cấp thiết đặt ra cho không chỉ ở quy mô hệ thống mà còn ở từng nhà máy ĐMT quy mô công nghiệp ở Việt Nam. Do đặc tính dữ liệu dạng chuỗi với quy mô rất lớn và đặc thù cả dữ liệu quá khứ phục vụ xây dựng mô hình lẫn dữ liệu khí tượng dự báo đều mang tính trung bình đại diện nên để đạt được độ chính xác cao cần ứng dụng các phương pháp hiện đại ứng dụng các phương pháp về trí tuệ nhân tạo AI. Do vậy tác giả lựa chọn ứng dụng phương pháp trí tuệ nhân tạo Multilayer Perceptron (MLP) để tính toán dự báo công suất phát ngắn hạn của nhà máy điện mặt trời quy mô công nghiệp ở Việt Nam.
2. Mục đích nghiên cứu
Ứng dụng phương pháp trí tuệ nhân tạo Multilayer Perceptron (MLP) để dự báo công suất phát ngắn hạn của nhà máy điện mặt trời quy mô công nghiệp ở Việt Nam.
3. Đối tượng và phạm vi nghiên cứu
Ứng dụng cụ thể cho nhà máy Điện mặt trời Thành Thành Công 1 đặt tại tỉnh Tây Ninh ở khu vực phía Nam Việt Nam.
Kết hợp giữa lý thuyết và thực tế: Nghiên cứu lý thuyết về các phương pháp dự báo, các kỹ thuật xử lý số liệu, trên cơ sở số liệu thực tế để từ đó có cơ sở đề xuất phương pháp hợp lý, xây dựng chương trình, phân tích và kiểm nghiệm kết quả.
5. Ý nghĩa khoa học và thực tiễn
Sử dụng mạng Nơ-ron và phương pháp thống kê để xây dựng chương trình dự báo công suất phát ngắn hạn Điện mặt trời.
Các mô hình rất ngắn hạn sẽ hữu ích cho việc điều khiển vận hành hệ thống điện theo thời gian thực. Các mô hình dự báo ngắn hạn được sử dụng cho việc điều khiển tự động các nguồn phát điện mặt trời nhằm phục vụ mục đích cân bằng tải và vận hành quản lý nhà máy. Mô hình dự báo ngắn hạn và trung hạn hỗ trợ các công ty điện lực để lập quy hoạch xây dựng, phát triển cơ sở hạ tầng lưới điện
Bố cục luận văn ngoài phần mở đầu và kết luận chung, nội dung của luận văn được biên chế thành 3 chương như sau:
Chương 1: TỔNG QUAN VỀ DỰ BÁO CÔNG SUẤT PHÁT NGẮN HẠN CỦA NHÀ MÁY ĐIỆN MẶT TRỜI.
Chương 2: PHƯƠNG PHÁP DỰ BÁO NGẮN HẠN ỨNG DỤNG THUẬT TOÁN TRÍ TUỆ NHÂN TẠO MULTILAYER PERCERTRON(MLP)
Chương 3: ỨNG DỤNG TÍNH TOÁN DỰ BÁO THỬ NGHIỆM CHO NHÀ MÁY ĐIỆN MẶT TRỜI THÀNH THÀNH CÔNG 1.
TỔNG QUAN VỀ DỰ BÁO CÔNG SUẤT PHÁT NGẮN HẠN CỦA NHÀ MÁY ĐIỆN MẶT TRỜI
1.1. Tổng quan về dự báo công suất phát nhà máy Điện mặt trời
1.1.1 Sự phát triển của điện mặt trời
1.1.3 Những rào cản ảnh hưởng đến sự phát triển điện mặt trời
Rào cản lớn nhất trong chính sách là thiếu quy hoạch quốc gia về năng lượng điện mặt trời. Hiện tại, Việt Nam mới có quy hoạch phát triển điện mặt trời ở cấp tỉnh, đặc biệt tập trung ở một số tỉnh, thành phố có tiềm năng.
1.1.4 Những thách thức trong vận hành hệ thống điện
Trung tâm Điều độ Hệ thống điện Quốc gia (A0) cho biết có thời điểm xảy ra hiện tượng thừa công suất vào giờ thấp điểm trưa khoảng từ 10h-14h (nhất là vào các ngày nghỉ cuối tuần, nghỉ lễ) do lúc này phụ tải xuống thấp, nhưng bức xạ mặt trời lại tốt nhất trong ngày. Trong khi đó, vào giờ cao điểm tối (khoảng từ 17h30-18h30) là thời điểm mà nhu cầu tiêu thụ điện cao nhất trong ngày, thì khả năng đáp ứng của hàng chục nghìn MW điện mặt trời hầu như không còn.
1.1.5 Ý nghĩa của dự báo công suất phát điện mặt trời:
Dự báo công suất phát ngắn hạn ĐMT là một trong các giải pháp cấp thiết cho các thách thức trên, đóng vai trò quan trọng trong công tác lập kế hoạch, quản lý và vận hành hệ thống điện.
1.1.6 Khái niệm công suất
Công suất của nhà máy năng lượng tái tạo là công suất tối đa có khả năng phát của nhà máy trong điều kiện không bị giới hạn về lưới điện và năng lượng sơ cấp (gió, bức xạ nhiệt).
1.1.7 Quy trình dự báo công suất, điện năng phát của các nguồn điện năng lượng tái tạo
Căn cứ Quyết định số 67/QĐ-ĐTĐL ngày 10/8/2021 của Cục điều tiết Điện lực về việc Quyết định ban hành Quy trình dự báo công suất, điện năng phát của các nguồi điện tái tạo.
1.1.7.1 Yêu cầu về dự báo công suất, điện năng của các nguồn điện năng lượng tái tạo
– Dự báo các thông tin trong ngày vận hành
– Dự báo các thông tin ngày tới và dự kiến 1 ngày tiếp theo
– Dự báo các thông tin tuần tới
– Dự báo các thông tin tháng tới
– Dự báo các thông tin nắm tới
1.1.7.2 Yêu cầu về phương pháp dự báo
– Phương pháp có khả năng thực hiện với số liệu có sẳn
– Phương pháp có khả năng phân tích các yếu tố bất định
1.1.7.3 Đánh giá kết quả dự báo:
– Sai số tuyệt đối phần trăm MPE(Absolute Percentage Error) của tín hiệu dự báo công suất phát thứ i trong khoảng thời gian dự báo được bằng công thức sau:
MAE là một trong những chỉ số phổ biến nhất để đánh giá hiệu suất của dự báo điện mặt trời.
– Độ chính xác của tín hiệu dự báo công suất phát của từng loại dự báo được đánh giá theo sai số dự báo tuyệt đối trung bình MAPE(Mean bsolute Percentage Error) bằng công thức sau:
Trong đó Norm là hệ số chuẩn hóa. Hệ số chuẩn hóa phải có cùng đơn vị với giá trị dự báo và quan sát.
Kết luận chương 1
Trong chương 1 đã nêu lên tổng quan về công suất phát điện mặt trời Việt Nam. Chương này đã khái quát năng lượng tái tạo, tình hình phát triển năng lượng tái tạo, những rào cản về sự phát triển năng lượng mặt trời và quy trình dự báo công suất phát điện mặt trời.
Chương 2:
PHƯƠNG PHÁP DỰ BÁO NGẮN HẠN ỨNG DỤNG THUẬT TOÁN TRÍ TUỆ NHÂN TẠO MUlTILAYER PERCERTRON(MLP)
2.2. Phương pháp dự báo ngắn hạn công suất phát nhà máy ĐMT dựa trên mô hình mạng Nơ-ron nhân tạo (Artifical Neural Networks).
Mạng Nơron nhân tạo (Artificial Neural Network- ANN) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớn các Nơron được gắn kết để xử lý thông tin.
Các mạng nơ ron có thể có một hoặc nhiều node ở output tạo thành một tầng đầu ra (output layer), hoặc có thể thêm các layer trung gian giữa input layer và output layer, được gọi là tầng ẩn (hidden layer). Các mạng nơ ron thường có nhiều tầng ẩn và các layer có thể có các hàm kích hoạt khác nhau.
Theo nghiên cứu của Raza et al., 2016, mạng nơ ron nhân tạo (ANN) là một phương pháp phổ biến để dự báo ngắn hạn công suất phát điện mặt trời.
2.3. Phương pháp dự báo ngắn hạn công suất phát nhà máy ĐMT dựa trên mô hình Persistence method.
Phương pháp này giả định rằng giá trị của bước thời gian (t + i) sẽ bằng với bước thời gian trước đó của nó (t). Về mặt toán học, dự đoán như sau:
y (t + i) = y (t)
trong đó t là một bước thời gian trong tương lai tùy ý.
– Đối với dự báo ngày: i = 24 giờ
– Đối với dự báo tuần: i = 168 giờ
2.4 Phương pháp 1: Nghiên cứu phương pháp dự báo ngắn hạn công suất phát nhà máy ĐMT dựa trên mô hình Autoregressive model.
Mô hình ARMA, còn được gọi là mô hình Box – Jenkins (1976), là một loại mô hình chuỗi thời gian trong phương pháp thống kê.
Mô hình ARMA được phát triển bằng công thức.
Nó bao gồm hai phần, phần tự động hồi quy (AR) và phần đường trung bình (MA). Thông thường, phương pháp này yêu cầu một lượng lớn dữ liệu lịch sử.
– Xác định bậc p, q
– Xác định các hệ số αi, βj.
Phép thử Dickey-Fuller tăng cường được sử dụng để xác minh tính không ổn định của công suất phát điện mặt trời.
Trong phép xác định bạc của p và q của ARMA (p, q), có thể sử dụng các hàm tự tương quan và tự tương quan một phần. Thông qua các hàm trên, chúng ta có thể chọn một số bậc p và q. Tiêu chí AIC (Akaike Information Criteria) được sử dụng để chọn thứ tự tối ưu của p và q.
Có một số tiêu chỉ như AIC của Akaike và tiêu chí Bayesian (BIC) để kiểm tra các bậc hệ số p, q tối ưu của mô hình. Tiêu chí này AIC được mô tả như sau:
AIC = 2p – 2ln(L)
Trong đó:
p: Bậc của mô hình ARMA
L: giá trị tối đa của hàm khả năng (likelihood function) của mô hình
2.5 Phương pháp 2: Nghiên cứu phương pháp dự báo ngắn hạn công suất phát nhà máy ĐMT dựa trên mô hình Multilayer Perceptron (MLP)
F:\DỮ LIỆU MỚI CẦN ĐỔI TÊN VÀ ĐĂNG 2025\TAI LIEU C YEN-2024\LUẬN VĂN\ỨNG DỤNG PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO MULTILAYER PERCEPTRON(MLP) ĐỂ DỰ BÁO CÔNG SUẤT PHÁT NGẮN HẠN CỦA NHÀ MÁY ĐIỆN MẶT TRỜI\TOM TAT
