Dự báo phụ tải điện theo mô hình tương quan dựa trên luật mờ
Bài báo trình bày cách tiếp cận sử dụng thuật toán của Chiu tìm kiếm luật mờ cho bài toán dự báo phụ tải ñiện theo mô hình tương quan. Mô hình dự báo ở ñây không cần biết dạng hàm hồi qui, cũng như không cần ñánh giá mức ñộ tương quan giữa các ñại lượng. Khảo sát cho thấy mô hình cho kết quả khả quan khi hàm hồi qui có dạng hàm thường gặp ( tuyến tính, tuyến tính theo log hóa), và cả khi không thể tìm ñược dạng hàm tường minh .
Bạn đang xem nội dung tài liệu Dự báo phụ tải điện theo mô hình tương quan dựa trên luật mờ, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
SCIENCE & TECHNOLOGY DEVELOPMENT, Vol 17, No.K1- 2014
D báo ph t i ñi n theo mô hình t ươ ng
quan d a trên lu t m
• Phan Th Thanh Bình
• Lươ ng V ăn M nh
Tr ư ng ð i h c Bách khoa, ðHQG-HCM
(Bài nh n ngày 06 tháng 03 n ăm 2014, hoàn ch nh s a ch a ngày 28 tháng 04 n ăm 2014)
TÓM T T:
Các mô hình d báo ph t i ñi n theo Takagi-Sugeno theo gi i thu t phân lo i
phươ ng pháp t ươ ng quan truy n th ng tr nhóm cho tr ư ng h p t ng quát, c
th ư ng có các d ng hàm h i qui t ư ng minh khi không có hàm d báo ki u t ư ng
nh ư Y=f(x1, x2 ,.,xn) ho c logY=f(logx1, minh. Kh o sát cho th y mô hình cho k t
logx2 ,.,logxn) trong ñó f có d ng tuy n qu kh quan khi hàm h i qui có d ng
tính và xi là các y u t tươ ng quan: nhi t ñ , hàm th ư ng g p (tuy n tính, tuy n tính
dân s , GDP, s n l ư ng công nghi p. Tuy theo log hóa), và c khi không th tìm
nhiên mô hình ch áp d ng ñư c khi có t ươ ng ñư c d ng hàm t ư ng minh.Các d báo
quan tuy n tính gi a các ñ i l ư ng trên v i ñi n n ăng tiêu th theo y u t nhi t ñ
ph t i ñi n (th hi n qua h s tươ ng quan). cho m t tr m ñi n c a thành ph H chí
Bài báo trình bày mô hình d báo t ươ ng Minh ñư c trình bày.
quan trên ý t ư ng s d ng các lu t m d ng
T khóa: Gi i thu t tr nhóm, Lu t m Takagi-Sugeno, T ươ ng quan, h i qui.
1. GI I THI U ng ư i, m c tiêu hao ñi n n ăng trên ñơ n v s n
ph m, giá ñi n) b nh h ư ng nhi u theo y u t
Các mô hình d báo ph t i ñi n theo th i gian (công ngh r ñi, m c ñ ñi n khí hóa
ph ươ ng pháp t ươ ng quan th ư ng có các d ng cao lên). T t c ñi u này làm cho m i quan h
hàm h i qui t ư ng minh: Y=f(x 1, x 2 ,., x n) ho c gi a ph t i ñi n v i các y u t tươ ng quan tr
logY=f(log x 1, log x 2 ,.,log x n) trong ñó f có nên không t ư ng minh. ði u này d n t i vi c s
d ng tuy n tính và xi là các y u t tươ ng quan: d ng công ngh Neural-Fuzzy, Neural net ñ
nhi t ñ , dân s , GDP, s n l ư ng công nghi p. tìm m i t ươ ng quan b ng cách x p x các hàm
Mô hình t ươ ng quan truy n th ng th ư ng d a phi tuy n. M t s tác gi l i t p trung vào k t
trên các ñánh giá t ươ ng quan gi a các ñ i l ư ng. h p v i k thu t Wavelet nh ư [2][4]. C th
Ví d nh ư n u hàm ñ xu t có d ng tuy n tính nh ư trong [2], mô hình ph c t p ñư c ñ xu t
thì c n ph i tính h s tươ ng quan r ñ ñánh giá v i phân tích Wavelet k t h p v i lý thuy t t p
m c ñ liên quan tuy n tính gi a ph t i ñi n và m ñ xây d ng các ñ u vào cho m ng Neural
các ñ i l ư ng liên quan [1]. nh m x p x m i t ươ ng quan gi a nhi t ñ và t i.
M i quan h gi a ph t i ñi n v i các y u t Trong bài báo này, chúng tôi ñ xu t mô hình
tươ ng quan truy n th ng nh ư GDP và các y u t d báo t ươ ng quan v i s lu t m s ñư c xác
kinh t , xã h i (m c tiêu th ñi n theo ñ u ñ nh t ñ ng d a trên gi i thu t tr nhóm
Trang 30
TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 17, SOÁ K1- 2014
(subtractive) c a Chiu [3]. T h p các lu t m vector ngõ vào y, ñ thõa mãn c a lu t m th i
s cho ra mô hình x p x m i quan h gi a t i ñư c xác ñ nh theo công th c :
d báo và các y u t tươ ng quan.
* 2
−α||y − y i ||
µi = e
2. MÔ HÌNH TÌM KI M LU T M (1)
Bài báo ñ xu t tìm ki m x p x m i quan h 4
Trong ñó: α = (2)
gi a ñ i l ư ng d báo và các y u t tươ ng quan 2
ra
b ng cách tìm ki m các lu t m . Ý t ư ng tìm
ki m lu t m ñư c th c hi n qua gi i thu t leo v i ra là bán kính hi u qu . Ngõ ra z ñư c
núi b i Yager và Filev [3]. Tuy nhiên gi i thu t tính nh ư sau:
này khi áp d ng cho s lư ng l n các s li u c
*
ñ u vào l i không h u hi u. ð c i ti n thu t ∑ µ iz i
toán này, Chiu n ăm 1994 ñ xu t gi i thu t tr i = 1
z = c
nhóm.
∑ µ i
i = 1 (3)
Xem ph t i ñi n và các y u t tươ ng quan
nh ư là vector x g m 2 ph n: ph n input ( ñ u Có th xem mô hình tính toán trên là m t mô
vào) ch a các ñ i l ư ng t ươ ng quan và ph n hình Fuzzy v i các lu t IF-THEN. N u gi thi t
output là ph t i ñi n. Các vector này s ñư c z trong ph ươ ng trình (3) là m t hàm tuy n tính
ñư a vào ñ phân lo i và s cho ra s nhóm nh t *
ñ nh. M i tâm nhóm tìm ñư c có th xem nh ư là c a bi n ngõ vào thì z i c a nhóm i ñư c vi t
m t nguyên m u ñ c tính hành vi c a h th ng. l i nh ư sau [3]:
Do ñó m i tâm nhóm có th ñư c s d ng nh ư *
là m t lu t m (fuzzy rule) dùng ñ mô t hành z i = Gi y + hi (4)
vi c a h th ng. Gi s tìm ñư c m t t p h p c
v i Gi là m t ma tr n h ng s (1x(M-1)) chi u
* * *
và h là m t vector c t h ng s v i m t ph n t .
tâm nhóm {x ,1 , x 2 ,..., x c }trong không gian M
Lu t IF – THEN lúc này tr thành lu t Takagi-
*
chi u. Trong ñó, m i vector xi có M-1 chi u Sugeno (Takagi and Sugeno, 1985), trong ñó
ñ u tiên ch a bi n ngõ vào (các y u t tươ ng m i h u th c là m t ph ươ ng trình tuy n tính c a
quan t i ph t i tiêu th ) và chi u còn l i ch a các bi n ñ u vào.
bi n ngõ ra chính là ph t i. Phân chia m i Gán:
* *
vector xi thành hai thành ph n y và , trong
i µi
ρi =
* * c
ñó y i ch a M-1 ph n t ñ u vào c a xi (t a ∑ µ j
j=1
* (5)
ñ tâm nhóm trong không gian ngõ vào) và z i
*
ch a ph n t còn l i c a xi (t a ñ tâm nhóm Ph ươ ng trình (3) ñư c vi t l i nh ư sau :
trong không gian ngõ ra). Xem m i tâm nhóm c c
*
* z=∑ρii z = ∑ ρ ii( Gyh + i )
xi nh ư là m t lu t m mô t h th ng. V i m i i=1 i = 1 (6)
Trang 31
SCIENCE & TECHNOLOGY DEVELOPMENT, Vol 17, No.K1- 2014
Hay: n m ngoài bán kính ít nh h ư ng ñ n th năng
nhóm. Sau khi th năng c a t t c các ñi m d
T
G1
T li u ñư c tính toán, ch n ñi m d li u có th
h1
T TK T M *
z= ρ1 y ρρ 1 c y ρ c
năng cao nh t làm tâm nhóm th nh t. G i i
T x
G c
*
h T
c (7) là t a ñ và P1 là th năng tâm nhóm th nh t.
Tính l i th năng c a m i ñi m d li u xi theo
T T
Trong ñó z và y là các vector c t. Cho công th c sau:
m t t p h p n ñi m ngõ vào {y 1, y 2,,y n} thì k t
* 2
qu t p h p ñ u ra [Z] s là: : * − β xi − x1
Pi ⇐ Pi − P 1 e (10)
GT
1
T TL T T
z1 ρ1,1y 1 ρ 1,1 ρc ,1 y 1 ρ c ,1 h 4
1 V i β = (11)
M = M M r 2
b
T ρyT ρL ρ y T ρ T
zn 1,nn 1, n cnn , cn , Gc
hT ñây rb là m t h ng s dươ ng. ði m d
c (8)
li u càng g n tâm nhóm th nh t thì th năng
ð ý r ng ma tr n ñ u tiên trong v ph i c a nó gi m ñi càng nhi u, và vì th nó s càng
bi u th c trên là m t ma tr n h ng s , trong khi không ñư c ch n làm tâm nhóm ti p theo. H ng
ma tr n th hai ch a t t c các tham s c a mô s rb là bán kính hi u qu xác ñ nh lân c n gi m
hình ñư c t i ưu. Vi c ư c l ư ng bình ph ươ ng th năng. ð tránh s quá g n nhau gi a các tâm
c c ti u (8) cho phép tìm ra G và h. nhóm, th ư ng ch n rb l n h ơn ra, giá tr t t nh t
là r =1.5 r [3].
ð tìm ñư c tâm các nhóm, bài báo d a trên b a
gi i thu t leo núi, ñư c ñ xu t b i Yager Yager Khi t t c th năng c a các ñi m d li u
và Filev (1992) và ñư c Chiu (1994) c i ti n ñư c tính l i theo ph ươ ng trình (10), ch n ñi m
nh ư sau: cho m t t p h p n d li u {x 1, x 2,, x n} d li u v i th năng cao nh t làm tâm nhóm th
trong không gian M chi u, ti n hành chu n hóa hai. Sau ñó ti p t c gi m th năng c a các ñi m
trong m i chi u sao cho chúng n m trong m t d li u d a trên kho ng cách gi a nó ñ n tâm
ñư ng cong ñơ n v (trong m i chi u). Gi thuy t nhóm th hai. T ng quát, sau khi tìm ñư c tâm
r ng m i ñi m d li u là m t th năng c a tâm th k, ti n hành tính l i th năng c a m i ñi m
nhóm. ð nh ngh ĩa th năng tâm nhóm nh ư sau: d li u theo ph ươ ng tr ình :
−β ||x − x * || 2
n 2 i k (12)
−α x k − x i Pi⇐ P i − Pe k .
Pi = ∑ e
k =1 (9)
* *
Trong ñó x k và P k l n l ư t là tâm và giá
Kí hi u ||.|| bi u th kho ng cách toán h c và
tr th năng tâm nhóm th k.Quá trình trên s
ra là m t h ng s dươ ng (th ư ng là 0.5). Vi c
ñ ă
tính toán th năng c a m t ñi m d li u là m t ti p t c cho n khi th n ng tâm nhóm gi m
ñ ư ñ ă
hàm kho ng cách t ñi m ñó ñ n các ñi m d n m t ng ng nào ó ph thu c th n ng tâm
nhóm ñ u tiên:
li u khác. M t ñi m d li u v i nhi u ñi m lân
c n s có th năng cao. H ng s ra là bán kính * *
hi u qu ñ nh ngh ĩa m t lân c n; nh ng ñi m P k < ε P1 trong ñó ε là m t s ñ nh .
Trang 32
TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 17, SOÁ K1- 2014
Nh ư v y khi cho bi t các ñ i l ư ng t ươ ng 3.2. D báo cho chu i d li u có hàm d ng
quan (vector ñ u vào yn+1 ), có th s d ng (7) logy=alogx +b
ñ d báo ph t i
Trong d báo ph t i có nhi u mô hình d ng
3. KH O SÁT CHO M T S HÀM ðI N log(y)=alog(x) +b (ví d : y-ñi n n ăng, x-nhi t
HÌNH TRONG D BÁO THEO PH ƯƠ NG ñ , giá ñi n, GDP). Ví d minh h a là ph ng
PHÁP TƯƠ NG QUAN theo hàm y=2logx+5 . K t qu d báo cho 10 l n
Nh ư trên ñã ñ c p, các mô hình t ươ ng quan liên ti p có sai s trung bình là 2.43 %.
d báo ph t i ñi n th ư ng có d ng hàm:
3.3. Kh o sát chu i d li u có hàm d ng
y=ax+b ; y=ax +bx + ; hay logy=alogx+b ;
1 2 y=ax +bx +cx +d
logy=alogx blogx +.. 1 2 3
1+ 2 Kh o sát cho chu i x p x theo hàm
3.1. N u gi a ph t i ñi n và ñ i l ư ng t ươ ng y=2x 1+2x 2 +2x 3+5. K t qu v sai s d báo
quan có m i quan h tuy n tính y= ax+b cho 15 giá tr cu i ñư c cho trong b ng 2. Sai
Kh o sát cho m t chu i ph t i có d ng g n s trung bình cho 40 l n d báo là 1.52%.
tuy n tính theo x. Không làm m t tính t ng quát 3.4. D báo cho hàm d ng log
l y hàm minh h a là chu i ph t i x p x theo y=alogx 1+blogx 2 +clogx3+d
hàm y=2x+5 , g m 120 m u . L y 80 m u ñ u X p x theo hàm logy=2logx 1+2logx 2
tiên c a chu i ñư a vào mô hình ñ d báo cho +2logx 3+5. K t qu d báo cho 10 th i ñi m có
40 m u liên ti p c a chu i. K t qu sai s c a sai s trung bình là 1.93 %.
d báo theo mô hình cho 15 giá tr cu i ñư c
cho trong b ng 1. Sai s trung bình c a d báo
40 l n là 2.57 %.
B ng 1. B ng k t qu sai s cho d báo 15 giá tr cu i ph ng theo hàm y=2x+5
Th t 106 107 108 109 110
Sai s 0.065466 0.038604 0.013167 0.01558 0.009296
Th t 111 112 113 114 115
Sai s 0.012731 0.032911 0.020549 0.017393 0.046104
Th t 116 117 118 119 120
Sai s 0.036072 0.017327 0.006334 0.017075 0.031857
B ng 2. Sai s cho 15 l n d báo cu i ph ng theo hàm y=2x 1+2x 2 +2x 3+5
Th t 106 107 108 109 110
Sai s 0.0042 0.0174 0.03 0.0076 0.0093
Th t 111 112 113 114 115
Sai s 0.0115 0.0186 0.01103 0.0235 0.00802
Th t 116 117 118 119 120
Sai s 0.0276 0.0016 0.0131 0.0027 0.0143
Trang 33
SCIENCE & TECHNOLOGY DEVELOPMENT, Vol 17, No.K1- 2014
Trong khi ñó mô hình 1 là mô hình c a bài báo
4. KH O SÁT KHI KHÔNG CÓ M I
ñ xu t có MAPE là 2.59%.
TƯƠ NG QUAN TUY N TÍNH
4.2. D báo t i ñ nh
Trong s các tr m t i thành ph H chí Minh
thì tr m Gò v p 1 có ñ th ph t i ngày v i D li u là t ng ph t i tiêu th tr m Gò v p
ñ nh x y ra vào bu i t i. Có ngh ĩa là ph t i ch vào các gi t i ñ nh c a h th ng và nhi t ñ
y u c a tr m thu c v t i dân d ng và th ươ ng trung bình ngày c a các ngày nh ư m c trên.
m i. Do ñó trong ch ng m c nào ñó s có m t Kh o sát c a bài báo cho th y nhi t ñ l n nh t
m i t ươ ng quan gi a t i và nhi t ñ . Tuy nhiên trong ngày có nh h ư ng y u h ơn ñ n t i ñ nh.
kh o sát cho th y không có m i quan h tuy n Theo ph ươ ng pháp ñ xu t (mô hình 1 trong
tính y=ax+b hay mô hình d ng logy=alogx+b b ng 4) thì sai s trung bình là 2.86%. Trong khi
(y-ñi n n ăng tiêu th ngày ho c ñi n n ăng tiêu ñó, sau khi th các hàm h i qui khác nhau thì
th vào các gi ñ nh; x-nhi t ñ trung bình ngày d ng hàm t ư ng minh t t nh t tìm ñư c (ký hi u
ho c nhi t ñ l n nh t trong ngày). ði u này là mô hình 2 trong b ng 4) là y = -525.132 –
th hi n qua h s tươ ng quan tuy n tính r t 0.542x 2 + 40.9131x v i MAPE là 2.954%.
th p ( r x p x 0.5). Vi c tìm ki m m t m i quan
Lưu ý là hai d ng hàm h i qui t ư ng minh
h tư ng minh (hàm h i qui) gi a ph t i và
nêu trên hoàn toàn không ph i là d ng hàm h i
nhi t ñ là r t khó kh ăn. Vi c áp d ng mô hình
qui truy n th ng trong d báo ph t i ñi n. Vi c
ñ xu t s giúp ta tìm ñư c k t qu d báo.
tìm chúng thu ñư c sau r t nhi u l n th ng u
4.1. D báo ñi n n ăng tiêu th ngày nhiên d a trên sai s nh nh t thu ñư c và t n
nhi u th i gian . Các thông s c a mô hình ñư c
Mô hình d báo ñư c xây trên s li u ñi n
ư c l ư ng theo ph ươ ng pháp bình ph ươ ng c c
năng tiêu th ngày và nhi t ñ trung bình ngày
ti u.
t ngày 1/2/2012 t i ngày 9/7/2012. ð ki m tra
mô hình, s d báo t ngày 10/7 t i 24/7 ñ xem
sai s trung bình (MAPE). Bài báo c ũng ti n
hành tìm ki m m t mô hình t ư ng minh v i r t
nhi u phép th và mô hình t t nh t ñư c ch n
là: y =35.648271 x 1.03919 (ký hi u là mô hình 2
trong b ng 3) v i sai s trung bình là 2.655%.
B ng 3. Mư i giá tr cu i c a d báo ñi n n ăng tiêu th ngày c a tr m Gò v p1
Ngày 15/7 16/7 17/7 18/7 19/7 20/7 21/7 22/7 23/7 24/7
Giá tr th c
1355.6 1536.5 1468.9 1361.2 1406 1395.1 1423 1333.6 1470.6 1431.4
(MWh)
Mô hình 1 1436.4 1478 1404.5 1349.3 1431.4 1375.8 1405 1415.6 1446.8 1391.5
Sai s -1 0.05961 0.0381 0.0438 0.0087 0.0181 0.0139 0.0127 0.0615 0.0162 0.0279
Mô hình 2 1444.2 1478.3 1427.1 1354.7 1435.6 1371.7 1384.5 1371.7 1427.1 1333.5
Sai s -2 0.065 0.0378 0.0284 0.0047 0.0211 0.0167 0.027 0.0286 0.0295 0.0683
Trang 34
TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 17, SOÁ K1- 2014
Hình 1. Giá tr th c và d báo theo hai mô hình c a ñi n n ăng ngày tr m Gò v p 1
B ng 4 . D báo t i ñ nh cho tr m Gò v p 1(10 giá tr cu i)
Ngày 15/7 16/7 77/7 18/7 19/7 20/7 21/7 22/7 23/7 24/7
Tr th c
213.7 239 218.5 211.7 213 216.1 208.9 203.5 227.7 219.7
(MWh)
D báo mô 217.56 224.18 212.62 203.84 216.88 208.1 212.74 214.38 219.31 210.61
hình 1
Sai s -1 0.01806 0.062 0.0269 0.0371 0.0182 0.037 0.0184 0.0535 0.0369 0.0414
Mô hình -2 218.0 224.0 213.2 203.7 217.3 208.3 213.2 214.8 219.6 211.
Sai s -2 0.0206 0.063 0.024 0.0378 0.0202 0.0357 0.0206 0.0559 0.0354 0.0394
Hình 2. Giá tr th c và d báo theo hai mô hình c a ñi n n ăng các gi t i ñ nh tr m Gò v p 1
5. K T LU N
Bài báo trình bày cách ti p c n s d ng thu t quan gi a các ñ i l ư ng. Kh o sát cho th y mô
toán c a Chiu tìm ki m lu t m cho bài toán d hình cho k t qu kh quan khi hàm h i qui có
báo ph t i ñi n theo mô hình t ươ ng quan. Mô d ng hàm th ư ng g p ( tuy n tính, tuy n tính
hình d báo ñây không c n bi t d ng hàm h i theo log hóa), và c khi không th tìm ñư c
qui, c ũng nh ư không c n ñánh giá m c ñ tươ ng d ng hàm t ư ng minh .
Trang 35
SCIENCE & TECHNOLOGY DEVELOPMENT, Vol 17, No.K1- 2014
Load forecasting by regression model
based on fuzzy rules
• Phan Thi Thanh Bình
• Luong Van Manh
University of Technology-VNU-HCM
ABSTRACT:
The forecasting models by traditional subtractive clustering. The model is used
regression function have the crisp functions for the general case, even when there are
such as Y=f(x1, x2 ,.,xn) or logY=f(logx1, no the crisp function f. Examining shows
logx2 ,.,logxn). Here f has the linear form that the good results are obtained in the
and xi are the factors such as GDP, case of traditional correlation such as linear
temperature, industrial output, population or linear by logarithm. The results are also
But these models are able to be used only satisfactory for the case of unknown
when the linear correlation existed correlation. The electricity consumption
(expressed by the correlation coefficient). forecasting due to the temperature factor for
This paper introduced the regression model one substation of HochiMinh city was
based on the fuzzy Takagi-Sugeno rules. carried out.
These rules are built by using the
Key words: Substractive clustering algorithm, Takagi-Sugeno Fuzzy rules, Correlation,
Regression.
TÀI LI U THAM KH O
[1]. ð ng Ng c Dinh, H th ng ñi n, NXB [3]. Chiu S., Fuzzy Model Identification Based
Khoa h c K thu t Hà n i, (1986). on Cluster Estimation, Journal of
[2]. Bhavesh Kumar Chauhan1, Madasu Intelligent & Fuzzy Systems, Vol. 2, 267-
Hanmandlu, Load forecasting using 278, (1994).
wavelet fuzzy neural network, International [4]. Y Chen, P.B. Luh, Short-term Load
Journal of Knowledge-Based and forecasting: Similar Day-Based Wavelet
Intelligent Engineering Systems, IOS Press, Neural Networks, IEEE Trans, Power Syst
Volume 14, 57-71, (2010). Vol.25, N.1 322-327, (2010)
Trang 36
Các file đính kèm theo tài liệu này:
du_bao_phu_tai_dien_theo_mo_hinh_tuong_quan_dua_tren_luat_mo.pdf
