Luận văn Ứng dụng mạng nơron nhân tạo dự báo phụ tải ngắn hạn hệ thống điện miền Bắc
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
-----------------------------------------
LUẬN VĂN THẠC SĨ KHOA HỌC
ỨNG DỤNG MẠNG NƠRON NHÂN TẠO DỰ BÁO PHỤ TẢI
NGẮN HẠN HỆ THỐNG ĐIỆN MIỀN BẮC
NGÀNH: CÔNG NGHỆ THÔNG TIN
MÃ SỐ:
CHU NGHĨA
Người hướng dẫn khoa học: PGS.TS. NGUYỄN ĐỨC NGHĨA
HÀ NỘI 2007
1
Môc lôc
Danh môc c¸c tõ viÕt t¾t............................................................................. 3
Më ®Çu..................................................................................................................... 4
CH¦¥NG I.................................................................................................................. 7
PHô T¶I HÖ THèNG §IÖN MIÒN B¾C vµ bµi to¸n dù b¸o...................... 7
1.1. Phô t¶i HÖ thèng ®iÖn miÒn B¾c .......................................................................7
1.1.1. Giíi thiÖu chung vÒ HT§ miÒn B¾c...........................................................7
1.1.2 TÇm quan träng cña dù b¸o phô t¶i...........................................................10
1.1.3. Nh÷ng yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n h¹n .......................................11
1.1.4. Môc tiªu vµ ph¹m vi nghiªn cøu dù b¸o phô t¶i......................................15
1.2. Bµi to¸n dù b¸o phô t¶i ...................................................................................16
1.2.1. §Æc ®iÓm ®å thÞ phô t¶i HT§ miÒn B¾c...................................................16
1.2.2. Dù b¸o phô t¶i ng¾n h¹n cho 24h tiÕp theo..............................................19
CH¦¥NG II .............................................................................................................. 23
Tæng quan VÒ M¹NG N¥RON NH¢N T¹O .................................................. 23
2.1. LÞch sö ph¸t triÓn cña m¹ng n¬ron nh©n t¹o...................................................23
2.2. C¬ së lý thuyÕt m¹ng n¬ron............................................................................26
2.3. Bé n·o vµ n¬ron sinh häc ...............................................................................27
2.4 M« h×nh m¹ng n¬ron nh©n t¹o.........................................................................30
2.4.1 M« h×nh mét n¬ron nh©n t¹o ....................................................................30
3.4.2. M« h×nh m¹ng n¬ron nh©n t¹o.................................................................33
Ch−¬ng III............................................................................................................. 40
øng dông m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen
trong bµi to¸n ph©n lo¹i ngµy.............................................................. 40
3.1. Sù cÇn thiÕt ph©n lo¹i ®å thÞ phô t¶i................................................................40
3.1.1. TËp hîp c¸c kiÓu ®å thÞ phô t¶i ®Æc tr−ng................................................40
3.1.2. Sù cÇn thiÕt ph©n lo¹i ngµy b»ng ph−¬ng ph¸p m¹ng n¬ron....................42
3.2. M¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen ........................................43
3.2.1. CÊu tróc m¹ng..........................................................................................44
3.2.2. HuÊn luyÖn m¹ng.....................................................................................45
3.2.3. Sö dông m¹ng...........................................................................................47
3.3. X©y dùng m¹ng Kohonen ®Ó ph©n lo¹i ngµy..................................................48
3.3.1. ThiÕt kÕ cÊu tróc m¹ng.............................................................................48
3.3.2. HuÊn luyÖn m¹ng.....................................................................................49
3.3.3. X©y dùng cÊu tróc phÇn mÒm m« pháng m¹ng Kohonen ph©n lo¹i ngµy.
...........................................................................................................................52
3.3.4. KÕt qu¶ sö dông m¹ng Kohonen ph©n lo¹i ngµy .....................................52
3.3.5. Ph©n tÝch kÕt qu¶ ph©n lo¹i ngµy trong th¸ng 2/2006, th¸ng 5/2006.......54
CH¦¥NG iV............................................................................................................. 58
2
øNG DôNG M¹NG N¥RON NHIÒU LíP LAN TRUYÒN NG¦îC SAI Sè Dù
B¸O PHô T¶I Ng¾n h¹n THEO NHIÖT §é M¤I TR¦êNG.......................... 58
4.1 C¸c kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè (Back
propagation neural network)..................................................................................58
4.1.1 KiÕn tróc m¹ng truyÒn th¼ng. ...................................................................59
4.1.2. HuÊn luyÖn m¹ng.....................................................................................60
4.1.3. Sö dông m¹ng...........................................................................................64
4.1.4. Nghiªn cøu sù héi tô vµ ®é phøc t¹p cña qu¸ tr×nh huÊn luyÖn m¹ng. ....64
4.1.5. Mét sè vÊn ®Ò vÒ m¹ng n¬ron nhiÒu líp..................................................67
4.2. øng dông m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè x©y dùng bµi to¸n dù
b¸o phô t¶i hÖ thèng ®iÖn.......................................................................................68
4.2.1. C¸c b−íc x©y dùng bµi to¸n dù b¸o phô t¶i.............................................68
4.2.2. X©y dùng cÊu tróc phÇn mÒm m« pháng m¹ng n¬ron lan truyÒn ng−îc sai
sè øng dông trong bµi to¸n dù b¸o ®Ønh vµ ®¸y ®å thÞ phô t¶i...........................72
4.2.3 Dù b¸o phô t¶i cho 24 giê trong ngµy.......................................................85
CH¦¥NG V .............................................................................................................. 99
HÖ thèng phÇn mÒm dù b¸o phô t¶i ng¾n h¹n cho hÖ thèng
®iÖn miÒn b¾c..................................................................................................... 99
5.1. Giíi thiÖu vÒ c¬ së d÷ liÖu..............................................................................99
5.2. §Æc t¶ c¸c chøc n¨ng....................................................................................100
5.2.1. Truy vÊn d÷ liÖu.....................................................................................100
5.2.2. Ph©n lo¹i d÷ liÖu ....................................................................................101
5.2.3 ChuÈn ho¸ d÷ liÖu...................................................................................101
5.2.4 HuÊn luyÖn m¹ng....................................................................................101
5.2.5 Dù b¸o phô t¶i.........................................................................................101
5.3 H−íng dÉn sö dông........................................................................................102
5.3.1 Truy vÊn d÷ liÖu......................................................................................102
5.3.2 Ph©n lo¹i d÷ liÖu .....................................................................................103
5.3.3 ChuÈn ho¸ d÷ liÖu...................................................................................103
5.3.4 HuÊn luyÖn m¹ng....................................................................................104
5.3.5 Dù b¸o ....................................................................................................104
CH¦¥NG vI........................................................................................................... 106
so s¸nh víi mét sè kÕt qu¶ ®∙ cã vµ §¸nh gi¸ kÕt qu¶.......... 106
6.1. So s¸nh víi mét sè ph−¬ng ph¸p ®· cã.........................................................106
6.2. §¸nh gi¸ kÕt qu¶..........................................................................................111
KÕT LUËN ............................................................................................................. 114
Tµi liÖu tham kh¶o....................................................................................... 116
Phô lôc i ............................................................................................................. 118
Phô lôc II ............................................................................................................ 120
Tãm t¾t luËn v¨n.......................................................................................... 123
Summary ............................................................................................................ 124
3
Danh môc c¸c tõ viÕt t¾t
ANN
DBPT
HT§
HT§1
MSE
M¹ng n¬ron nh©n t¹o
Dù b¸o phô t¶i
HÖ thèng ®iÖn
Trung t©m §iÒu ®é HÖ thèng ®iÖn miÒn B¾c
Trung b×nh tæng b×nh ph−¬ng sai sè
Tæng b×nh ph−¬ng sai sè
C«ng nghÖ th«ng tin
SSE
CNTT
§TPT
§å thÞ phô t¶i
4
Më ®Çu
Trong nh÷ng n¨m gÇn ®©y, do nhu cÇu n¨ng l−îng kh«ng ngõng biÕn
®æi vµ t¨ng lªn râ rÖt theo thêi gian nªn ngµnh §iÖn lùc ®· vµ ®ang x©y dùng
rÊt nhiÒu c¸c nhµ m¸y ®iÖn ®Ó ®¸p øng nhu cÇu tiªu thô ®iÖn n¨ng trong c¶
n−íc. V× vËy, mét trong nh÷ng vÊn ®Ò quan träng mµ ngµnh §iÖn lùc cÇn ph¶i
gi¶i quyÕt tèt lµ bµi to¸n dù b¸o phô t¶i ng¾n h¹n vµ dµi h¹n.
Cho ®Õn nay tuy ®· cã nhiÒu ph−¬ng ph¸p luËn trong viÖc gi¶i quyÕt bµi
to¸n dù b¸o, song bµi to¸n nµy lu«n lµ mét bµi to¸n khã. HiÖn nay, trong
ngµnh §iÖn lùc ViÖt Nam bµi to¸n dù b¸o phô t¶i ®−îc gi¶i quyÕt chñ yÕu nhê
sö dông c¸c ph−¬ng ph¸p dù b¸o truyÒn thèng mang tÝnh kinh nghiÖm thuÇn
tuý. Trong sè c¸c h−íng nghiªn cøu nh»m triÓn khai c¸c hÖ thèng th«ng minh
ë giai ®o¹n tíi, m¹ng n¬ron gi÷ mét vai trß quan träng trong viÖc ph¸t triÓn
c¸c gi¶i ph¸p nhËn d¹ng, dù b¸o…M¹ng n¬ron nh©n t¹o lµ kü thuËt xö lý
th«ng tin cã triÓn väng øng dông trong viÖc gi¶i quyÕt bµi to¸n dù b¸o. KÕt
hîp chÆt chÏ víi logic mê, m¹ng n¬ron nh©n t¹o cã thÓ gióp gi¶i quyÕt hiÖu
qu¶ h¬n c¸c bµi to¸n phøc t¹p.
Nhê c¸c −u ®iÓm nh− cã cÊu tróc xö lý song song, kh¶ n¨ng häc vµ ghi
nhí, kh¶ n¨ng tù tæ chøc vµ tæng qu¸t ho¸, m¹ng n¬ron nh©n t¹o ANN
(Artificial Newal Networks) ®· ®−îc nghiªn cøu vµ øng dông thµnh c«ng
trong rÊt nhiÒu lÜnh vùc nh− xÊp xØ hµm nhËn d¹ng mÉu, dù b¸o… LuËn v¨n
nµy chñ yÕu tËp trung t×m hiÓu vÒ m¹ng n¬ron nh©n t¹o vµ nghiªn cøu øng
dông gi¶i quyÕt bµi to¸n dù b¸o phô t¶i ng¾n h¹n cho hÖ thèng ®iÖn miÒn B¾c.
Môc ®Ých cña luËn v¨n lµ ph¸t triÓn c¸c ph−¬ng ph¸p ®Ó gi¶i bµi to¸n dù
b¸o phô t¶i ng¾n h¹n. §èi t−îng cô thÓ cña nghiªn cøu lµ dù b¸o phô t¶i cho
24 giê sau nh»m ®−a ra c¸c th«ng sè cÇn thiÕt cho c«ng t¸c vËn hµnh vµ lËp
ph−¬ng thøc ®iÒu hµnh hÖ thèng ®iÖn.
LuËn v¨n bao gåm s¸u ch−¬ng vµ hai phô lôc.
5
Ch−¬ng I – Phô t¶i hÖ thèng ®iÖn miÒn B¾c vµ bµi to¸n dù b¸o:
Tr×nh bµy tæng quan vÒ HT§ miÒn B¾c. Ph¸t biÓu bµi to¸n dù b¸o phô t¶i, nªu
ph¹m vi, tÇm quan träng cña bµi to¸n, c¸c yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n
h¹n.
Ch−¬ng II – Tæng quan vÒ m¹ng n¬ron nh©n t¹o: Tr×nh bµy c¸c kh¸i
niÖm c¬ b¶n vÒ m¹ng n¬ron nh©n t¹o: c¬ së lý thuyÕt vµ m« h×nh m¹ng.
Ch−¬ng III – øng dông m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc
Kohonen trong bµi to¸n ph©n lo¹i ngµy: Tr×nh bµy c¸c kh¸i niÖm c¬ b¶n vÒ
m¹ng n¬ron ¸nh x¹ ®Æc tr−ng tù tæ chøc Kohonen, ®Ò xuÊt cÊu tróc m¹ng ®Ó
gi¶i quyÕt bµi to¸n, x©y dùng cÊu tróc phÇn mÒm vµ ph©n tÝch ®¸nh gi¸ kÕt
qu¶ ®¹t ®−îc.
Ch−¬ng IV – øng dông m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai
sè trong bµi to¸n dù b¸o phô t¶i theo nhiÖt ®é m«i tr−êng: Tr×nh bµy c¸c
kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè, ®−a ra c¸c
b−íc x©y dùng bµi to¸n, ®Ò xuÊt cÊu tróc m¹ng, x©y dùng cÊu tróc phÇn mÒm,
®¸nh gi¸ kÕt qu¶ vµ so s¸nh víi mét sè ph−¬ng ph¸p ®· cã.
Ch−¬ng V - HÖ thèng phÇn mÒm dù b¸o phô t¶i ng¾n h¹n cho HÖ
thèng ®iÖn miÒn B¾c: Giíi thiÖu vÒ c¬ së d÷ liªô, ®Æc t¶ c¸c chøc n¨ng cña
hÖ thèng vµ h−íng dÉn sö dông phÇn mÒm.
Ch−¬ng VI - So s¸nh víi mét sè kÕt qu¶ ®· cã vµ ®¸nh gi¸ kÕt qu¶:
So s¸nh ph−¬ng ph¸p dù b¸o phô t¶i ng¾n h¹n cña HÖ thèng ®iÖn miÒn B¾c sö
dông m¹ng n¬ron nh©n t¹o víi mét sè ph−¬ng ph¸p dù b¸o truyÒn thèng.
§¸nh gi¸ kÕt qu¶ ®¹t ®−îc vµ kh¶ n¨ng øng dông cña phÇn mÒm.
Phô lôc I – PhÇn mÒm m« pháng m¹ng Kohonen trong bµi to¸n ph©n
lo¹i kiÓu ngµy.
6
Phô lôc II – PhÇn mÒm m« pháng m¹ng n¬ron lan truyÒn ng−îc sai sè
øng dông trong bµi to¸n dù b¸o ®Ønh vµ ®¸y ®å thÞ phô t¶i.
Em xin ch©n thµnh c¶m ¬n PGS.TS NguyÔn §øc NghÜa ®· h−íng dÉn vµ cho
em nh÷ng ý kiÕn quý b¸u, em xin ch©n thµnh c¶m ¬n c¸c thÇy c« gi¸o khoa
C«ng nghÖ Th«ng tin – Tr−êng §¹i häc B¸ch khoa Hµ Néi ®· trang bÞ kiÕn
thøc gióp em hoµn thµnh luËn v¨n nµy.
7
CH¦¥NG I
PHô T¶I HÖ THèNG §IÖN MIÒN B¾C vµ bµi to¸n dù b¸o
Ch−¬ng nµy ®Ò cËp ®Õn c¸c vÊn ®Ò sau:
• Giíi thiÖu chung vÒ HT§ miÒn B¾c
• TÇm quan träng cña dù b¸o phô t¶i
• Nh÷ng yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n h¹n
• Môc tiªu vµ ph¹m vi nghiªn cøu dù b¸o phô t¶i
• §Æc ®iÓm ®å thÞ phô t¶i HT§ miÒn B¾c
• Dù b¸o phô t¶i ng¾n h¹n cho 24h tiÕp theo
1.1. Phô t¶i HÖ thèng ®iÖn miÒn B¾c
1.1.1. Giíi thiÖu chung vÒ HT§ miÒn B¾c
Ranh giíi cña HÖ thèng ®iÖn miÒn B¾c ®−îc tÝnh tõ Hµ tÜnh trë ra, lµ
mét vïng cã vÞ trÝ ®Þa lý t−¬ng ®èi phøc t¹p, tr¶i dµi vµ n»m s¸t bê biÓn, cã
nhiÒu ®åi nói, cã nhiÒu vïng khÝ hËu kh¸c nhau, kinh tÕ c¸c khu vùc trªn toµn
miÒn B¾c ph¸t triÓn kh«ng ®ång ®Òu dÉn ®Õn c«ng suÊt phô t¶i ë c¸c khu vùc
cã sù chªnh lÖch lín. Phô t¶i chñ yÕu tËp trung ë vïng ®ång b»ng, c¸c thµnh
phè lín cã c«ng nghiÖp ph¸t triÓn. T¹i nh÷ng vïng nµy phô t¶i cao ®iÓm vµ
thÊp ®iÓm chªnh lÖch nhau kh«ng lín l¾m Pmin/Pmax kho¶ng 0.7 do phô t¶i
c«ng nghiÖp t¹i c¸c khu vùc nµy ph¸t triÓn. §èi víi nh÷ng vïng miÒn nói hoÆc
s¶n xuÊt n«ng nghiÖp, c«ng nghiÖp kh«ng ph¸t triÓn th× Pmin/Pmax kho¶ng 0.3
do phô t¶i vµo cao ®iÓm chñ yÕu lµ phô t¶i sinh ho¹t, ®iÒu nay g©y khã kh¨n
rÊt lín trong vËn hµnh kinh tÕ hÖ thèng ®iÖn. Vµo thÊp ®iÓm cña hÖ thèng ta
kh«ng khai th¸c cao ®−îc c¸c nguån ®iÖn rÎ tiÒn cßn vµo cao ®iÓm cña hÖ
thèng ta ph¶i ch¹y c¸c nguån ®iÖn ®¾t tiÒn ®Ó phñ ®Ønh, cã khi cßn ph¶i h¹n
chÕ phô t¶i vµo cao ®iÓm do nguån ®iÖn kh«ng ®¸p øng ®−îc nhu cÇu cña phô
t¶i. C¸c thµnh phÇn cÊu thµnh phô t¶i ®−îc thÓ hiÖn ë biÒu ®å sau:
8
N«ng nghiÖp vµ thuû
s¶n 1.40%
C¸c ho¹t ®éng
kh¸c 4.32%
Qu¶n lý & Tiªu dïng
d©n c− 44.59%
Th−¬ng nghiÖp &
KSNH 4.49%
C«ng nghiÖp vµ x©y
dùng 45.20%
H×nh 1.1. BiÓu ®å c¸c thµnh phÇn cÊu thµnh nªn phô t¶i
Trªn biÓu ®å ta thÊy phô t¶i Qu¶n lý & Tiªu dïng d©n c−, C«ng nghiÖp
& x©y dùng chiÕm tû träng lín, ®Õn 90% tæng c«ng suÊt phô t¶i.
Theo thèng kª, møc ®é t¨ng tr−ëng phô t¶i hÖ thèng ®iÖn tõ n¨m 2001
– 2005 lµ rÊt cao. B¶ng 1.1 vµ b¶ng 1.2 d−íi ®©y thÓ hiÖn tèc ®é t¨ng tr−ëng
phô t¶i vÒ s¶n l−îng cña c¸c n¨m trªn.
B¶ng 1.1: S¶n l−îng ®iÖn tiªu thô cña HT§ miÒn B¾c tõ n¨m 2001-2005
2001
2002
2003
2004
2005
HT§ miÒn B¾c 10.765.767,2 12.251.947,5 14.215.228,6 16.008.894,1 18.057.297,9
Cty I
7.042.600,7 8.125.911,1 9.573.472,8 10.857.462,9 12.292.387,7
2.777.100,4 3.079.711 3.486.549 3.879.340,1 4,329.367,2
946.066,1 1.046.325,4 1.155.206,9 1.272.091,1 1.415.610,8
Hµ Néi
H¶i Phßng
9
B¶ng 1.2: Tèc ®é t¨ng tr−ëng phô t¶i
2002
2003
2004
2005
12,8%
13,22%
11,6%
11,28%
HT§ B¾c
Cty I
13,84%
15,38%
10,89%
10,6%
16,02%
17,81%
13,21%
10,41%
12,62%
13,41%
11,27%
10,12%
Hµ Néi
H¶i Phßng
Do ®iÖn n¨ng cña Qu¶n lý & Tiªu dïng d©n c− lµ rÊt lín nªn chªnh lÖch
c«ng suÊt gi÷a giê cao ®iÓm vµ thÊp ®iÓm rÊt lín (kho¶ng 2-3 lÇn) vµ phô
thuéc rÊt nhiÒu vµo thêi tiÕt, g©y ¶nh h−ëng lín ®Õn viÖc khai th¸c tèi −u c¸c
nguån ®iÖn. Phô t¶i cao ®iÓm lµ nh©n tè quyÕt ®Þnh viÖc huy ®éng nguån ®iÖn
trong khi ®ã phô t¶i thÊp ®iÓm l¹i gi÷ vai trß quan träng trong viÖc quyÕt ®Þnh
phèi hîp vµ ®iÒu chØnh c¸c nguån ®iÖn nh»m ®¶m b¶o vËn hµnh kinh tÕ. Do ®ã
viÖc dù b¸o chÝnh x¸c phô t¶i cã ý nghÜa hÕt søc quan träng trong bµi to¸n vËn
hµnh kinh tÕ hÖ thèng ®iÖn còng nh− c¶i t¹o, thiÕt kÕ hÖ thèng cung cÊp ®iÖn,
gi¶m thiÓu ®−îc tæn thÊt c«ng suÊt vµ ®iÖn n¨ng. §Æc biÖt viÖc dù b¸o phô t¶i
cao ®iÓm chÝnh x¸c mang l¹i lîi Ých vµ hiÖu suÊt sö dông n¨ng l−îng cho
kh¸ch hµng, tr¸nh tr×nh tr¹ng thiÕu c«ng suÊt giê cao ®iÓm.
Do ®ã phô t¶i cao ®iÓm vµ thÊp ®iÓm chÝnh lµ hai gi¸ trÞ ®Æc biÖt trªn ®å
thÞ phô t¶i ngµy vµ lµ mèi quan t©m hµng ®Çu cña ng−êi lËp quy ho¹ch vµ thiÕt
kÕ hÖ thèng ®iÖn. Khi phô t¶i thÊp th× tØ lÖ tæn thÊt t¨ng do tæn hao kh«ng t¶i.
10
1.1.2 TÇm quan träng cña dù b¸o phô t¶i
Nh− chóng ta biÕt th¸ng 5/2005 s¶n l−îng ®iÖn tiªu thô ®ét biÕn trong
khi ®ã nguån tµi nguyªn n−íc t¹i thêi ®iÓm ®ã bÞ thiÕu hôt dÉn ®Õn ¶nh h−ëng
lín ®Õn nÒn kinh tÕ ViÖt Nam. V× vËy dù b¸o phô t¶i ®iÖn ®ãng vai trß hÕt søc
quan träng ®èi víi viÖc quy ho¹ch, ®Çu t−, ph¸t triÓn nguån ®iÖn vµ vËn hµnh
hÖ thèng ®iÖn. Nhu cÇu tiªu thô ®iÖn n¨ng phô thuéc vµo kh¶ n¨ng ph¸t triÓn
cña nÒn kinh tÕ quèc d©n. nÕu dù b¸o phô t¶i qu¸ thÊp so víi nhu cÇu thùc tÕ
th× dÉn ®Õn kÕt qu¶ nguån dù phßng thÊp, kh«ng ®¸p øng ®Çy ®ñ nhu cÇu ®iÖn
cho s¶n xuÊt c«ng nghiÖp vµ tiªu dïng, cßn nÕu dù b¸o phô t¶i qu¸ cao sÏ ph¶i
huy ®éng c¸c nguån ®¾t tiÒn g©y l·ng phÝ cho nÒn kinh tÕ n−íc nhµ.
Dù b¸o phô t¶i dµi h¹n (kho¶ng 10-20 n¨m) nh»m môc ®Ých cung cÊp
d÷ liÖu cho c«ng t¸c quy ho¹ch vµ ®Çu t− ph¸t triÓn HT§. Cßn dù b¸o phô t¶i
ng¾n h¹n (trong vßng 30 ngµy) cã nhiÖm vô ®¶m b¶o vËn hµnh hÖ thèng ®iÖn
an toµn vµ kinh tÕ. §èi víi dù b¸o dµi h¹n cã tÝnh chÊt chiÕn l−îc th× chØ nªu
lªn nh÷ng ph−¬ng h−íng ph¸t triÓn chñ yÕu mµ kh«ng yªu cÇu x¸c ®Þnh chØ
tiªu cô thÓ.
C¸c chøc n¨ng quan träng trong kÕ ho¹ch vËn hµnh HT§ nh− ph©n phèi
nguån mét c¸ch kinh tÕ, hiÖu qu¶, lªn kÕ ho¹ch b¶o d−ìng vµ söa ch÷a,
th−êng ®−îc thùc hiÖn nhê viÖc dù b¸o phô t¶i, v× vËy dù b¸o phô t¶i ®ãng vai
trß ®Æc biÖt quan träng ®èi víi ®iÒu ®é viªn, nh÷ng ng−êi ho¹ch ®Þnh kÕ
ho¹ch, lªn ph−¬ng thøc vËn hµnh HT§.
Trong c«ng t¸c vËn hµnh, viÖc lËp ph−¬ng thøc ngµy, ph−¬ng thøc tuÇn
cña Trung t©m §iÒu ®é, hay dù b¸o phô t¶i b¸o tr−íc mét giê, mét ngµy, mét
tuÇn lµ nh÷ng c«ng viÖc tèi cÇn thiÕt. Nh÷ng ph−¬ng thøc vËn hµnh c¬ b¶n
trong ngµy nh− huy ®éng nguån, phèi hîp nguån, truyÒn t¶i c«ng suÊt gi÷a
c¸c miÒn, gi¶i quyÕt c¸c c«ng t¸c söa ch÷a trªn l−íi ®iÖn vµ ®¸nh gi¸ møc ®é
an toµn HT§ ®Òu ®ßi hái ph¶i cã dù b¸o phô t¶i t−¬ng ®èi chÝnh x¸c.
11
Trong thùc tÕ vËn hµnh HT§ ViÖt Nam nãi chung vµ HT§ miÒn B¾c
nãi riªng, phô t¶i cao ®iÓm (phô t¶i cao nhÊt trong ngµy Pmax) vµ thÊp ®iÓm
(phô t¶i thÊp nhÊt trong ngµy Pmin) lµ hai ®iÓm ®Æc biÖt trong ®å thÞ phô t¶i
ngµy vµ ®−îc quan t©m nhiÒu nhÊt trong vËn hµnh. Phô t¶i cao ®iÓm quyÕt
®Þnh viÖc huy ®éng c¸c nguån nhiÖt ®iÖn, tua-bin khÝ, diesel dù phßng nh»m
®¶m b¶o ®ñ nguån phñ ®Ønh vµ dù phßng nãng, t¨ng ®é an toµn cung cÊp ®iÖn.
Phô t¶i thÊp ®iÓm quyÕt ®Þnh viÖc phèi hîp vµ ®iÒu chØnh c¸c nguån tua-bin
khÝ, nhiÖt ®iÖn, thñy ®iÖn nh»m ®¶m b¶o vËn hµnh kinh tÕ, tr¸nh nhµ m¸y thuû
®iÖn Hoµ B×nh vËn hµnh trong vïng c«ng suÊt kh«ng cho phÐp vÒ kü thuËt,
trong ®ã dù b¸o phô t¶i lóc cao ®iÓm Pmax lµ quan träng nhÊt trong ngµy. Dù
b¸o chÝnh x¸c phô t¶i cao ®iÓm cã hiÖu qu¶ lín vÒ kinh tÕ vµo mïa lò khi cÇn
khai th¸c tèi ®a nguån thñy ®iÖn, trong khi n−íc c¸c hå chøa ®ang x¶ th× c¸c
nguån ®iÖn kh¸c huy ®éng chØ nh»m môc ®Ých an toµn, bï ®iÖn ¸p vµ phñ
®Ønh. NÕu sai sè dù b¸o phô t¶i lóc cao ®iÓm gi¶m 2%, §iÒu ®é Quèc Gia
(§§QG) cã thÓ tiÕt kiÖm ®−îc kho¶ng 80 MW nguån tuabin khÝ ch¹y dÇu ®¾t
tiÒn ch¹y phñ ®Ønh lóc cao ®iÓm, gãp phÇn ®¸ng kÓ vµo viÖc t¨ng hiÖu qu¶ vËn
hµnh HT§ vµ tiÕt kiÖm ®−îc hµng tr¨m triÖu ®ång trªn mçi giê cho ngµnh
®iÖn nãi riªng vµ cho c¶ nÒn kinh tÕ Quèc d©n nãi chung.
H¹n chÕ phô t¶i lóc cao ®iÓm còng th−êng x¶y ra trong mïa lò khi thiÕu
nguån phñ ®Ønh. TÝnh chÝnh x¸c ®−îc l−îng c«ng suÊt thiÕu ®Ó chñ ®éng c¾t
phô t¶i nh÷ng khu vùc kh«ng quan träng, tr¸nh c¾t thõa hoÆc c¾t thiÕu, tr¸nh
sa th¶i phô t¶i do b¶o vÖ tÇn sè thÊp t¸c ®éng còng cã ý nghÜa lín trong vËn
hµnh, gi¶m thiÖt h¹i do c¾t ®iÖn.
1.1.3. Nh÷ng yÕu tè ¶nh h−ëng ®Õn phô t¶i ng¾n h¹n
§Ó t×m ra ®−îc ph−¬ng ph¸p dù b¸o tèi −u ®èi víi bµi to¸n dù b¸o phô
t¶i ngµy cña HT§ miÒn B¾c víi sai sè nhá, ta cÇn x¸c ®Þnh ®−îc c¸c yÕu tè
¶nh h−ëng ®Õn phô t¶i ngµy, vÝ dô: thø cña c¸c ngµy trong tuÇn, ngµy lÔ, c¸c
12
®Æc ®iÓm cña ngµy cÇn dù b¸o, nh− nhiÖt ®é trong ngµy… ChÝnh v× vËy ®Ó
n©ng cao ®é chÝnh x¸c cña qu¸ tr×nh dù b¸o phô t¶i ta cÇn ph¶i xÐt ®Õn c¸c yÕu
tè chñ yÕu ¶nh h−ëng ®Õn phô t¶i.
Qua thùc tÕ vËn hµnh cho thÊy phô t¶i cña l−íi ®iÖn ViÖt Nam nãi
chung vµ miÒn B¾c nãi riªng phô thuéc chñ yÕu vµo c¸c yÕu tè chÝnh sau:
1. Thø cña ngµy trong tuÇn
Cã quy luËt gi÷a phô t¶i vµ ngµy trong tuÇn
- Phô t¶i thÊp nhÊt trong ®ªm thø 2
- §å thÞ phô t¶i c¸c ngµy lµm viÖc th−êng cã d¹ng gièng nhau
- Phô t¶i ngµy nghØ cuèi tuÇn gi¶m.
§å thÞ phô t¶i
3500
3000
2500
2000
1500
1000
500
0
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
CN
Thứ 2
Thứ 5
H×nh 1.2. §å thÞ phô t¶i c¸c ngµy ®Æc tr−ng trong tuÇn
2. C¸c ngµy ®Æc biÖt trong n¨m
13
Ngµy ®Æc biÖt trong n¨m nh− c¸c ngµy lÔ tÕt, 30/4, 1/5, 2/9... phô t¶i c¸c
ngµy nµy gi¶m ®¸ng kÓ so víi ngµy th−êng. Phô t¶i c¸c ngµy s¸t víi c¸c ngµy
nµy còng bÞ ¶nh h−ëng, ta cã thÓ thÊy râ ®iÒu ®ã trªn ®å thÞ phô t¶i HT§ miÒn
B¾c ngµy lÔ 1/5/2006 vµ ngµy lµm viÖc b×nh th−êng 3/5/2006. Dù b¸o phô t¶i
trong c¸c ngµy ®Æc biÖt kh«ng ®−îc ¸p dông nh− ngµy th«ng th−êng mµ ph¶i
t¸ch biÖt b»ng ph−¬ng ph¸p riªng dùa vµo sù thay ®æi phô t¶i cña c¸c ngµy
nµy so víi c¸c ngµy d¹ng nµy cña c¸c n¨m tr−íc ®ã.
§å thÞ phô t¶i
3500
3000
2500
2000
1500
1000
500
0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ngày 1/5
Ngày 3/5
H×nh 1.3. §å thÞ phô t¶i HT§ miÒn B¾c hai ngµy 1/5, 3/5
3. Thêi tiÕt trong ngµy.
Bao gåm c¸c th«ng sè tù nhiªn: nhiÖt ®é, ®é Èm, tèc ®é giã, c−êng ®é
s¸ng, trong ®ã nhiÖt ®é cã ¶nh h−ëng lín nhÊt, nhiÖt ®é t¨ng th× phô t¶i t¨ng
vµ ng−îc l¹i v× n−íc ta lµ n−íc nhiÖt ®íi. ChØ cã tr−êng hîp ®Æc biÖt ë miÒn
B¾c khi nhiÖt ®é qu¸ l¹nh, phô t¶i t¨ng do sö dông c¸c thiÕt bÞ s−ëi Êm.
14
§å thÞ phô t¶i
3500
3000
2500
2000
1500
1000
500
0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
18 –26 độ
26-33 độ
H×nh 1.4. §å thÞ phô t¶i ngµy hai ngµy cã nhiÖt ®é kh¸c
4. TruyÒn h×nh trùc tiÕp c¸c sù kiÖn thÓ thao v¨n ho¸
C«ng suÊt tiªu thô vµo c¸c giê tuyÒn h×nh trùc tiÕp bãng ®¸ quèc tÕ, gi¶i
bãng ®¸ cã ®éi tuyÓn ViÖt Nam tham gia t¨ng ®ét ngét tõ 150 - 200 MW. C¸c
®iÒu ®é viªn th−êng dù b¸o phô t¶i nh÷ng ngµy nµy theo kinh nghiÖm nh÷ng
ngµy t−¬ng tù tr−íc ®ã. VÝ dô: khi dù b¸o ®å thÞ phô t¶i ngµy cã truyÒn h×nh
trùc tiÕp Worldcup 2006, ta dùa vµo ®å thÞ phô t¶i trong ngµy còng cã truyÒn
h×nh trùc tiÕp Worldcup 2006 tr−íc ®ã ®Ó dù b¸o.
§å thÞ phô t¶i
3500
3000
2500
2000
1500
1000
500
0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Giê
Đêm có WC
Đêm không có WC
H×nh 1.5. §å thÞ phô t¶i HT§ miÒn B¾c cã truyÒn h×nh trùc
tiÕp Worldcup 2006 vµ ngµy b×nh th−êng.
15
5. KÕ ho¹ch söa ch÷a lín trong ngµy cã c¾t ®iÖn.
Trong qu¸ tr×nh thùc hiÖn kÕ ho¹ch söa ch÷a lín, nh− c¾t ®iÖn ®−êng
d©y ®ang vËn hµnh ®Ó kÐo ®−êng d©y míi, söa ch÷a tr¹m 220Kv, 500Kv ph¶i
c¾t t¶i diÖn réng dÉn ®Õn ®iÖn n¨ng tiªu thô vµo c¸c ngµy nµy gi¶m mét c¸ch
®¸ng kÓ. Dù b¸o phô t¶i nh÷ng ngµy nµy ph¶i tÝnh to¸n khÊu trõ phô t¶i gi¶m
do ngõng cung cÊp ®iÖn. D¹ng cña ®å thÞ phô t¶i trong ngµy cã c¾t ®iÖn diÖn
réng còng mang ®Æc thï riªng, thay ®æi tuú thuéc vµo thêi gian, vïng , miÒn
c¾t ®iÖn.
Qua qu¸ tr×nh vËn hµnh thùc tÕ vµ d÷ liÖu thèng kª, c¸c ®iÒu ®é viªn,
c¸c chuyªn viªn chuyªn ph©n tÝch vÒ phô t¶i hÖ thèng ®iÖn ®i ®Õn kÕt luËn:
NhiÖt ®é m«i tr−êng, ®Æc thï cña c¸c ngµy trong tuÇn, ngµy lÔ, ngµy tÕt lµ c¸c
yÕu tè ¶nh h−ëng lín nhÊt ®Õn gi¸ trÞ phô t¶i ngµy.
1.1.4. Môc tiªu vµ ph¹m vi nghiªn cøu dù b¸o phô t¶i
• Môc tiªu cña luËn v¨n
Nghiªn cøu ¸p dông kü thuËt m¹ng n¬ron ®Ó dù b¸o phô t¶i cao ®iÓm
(Pmax), thÊp ®iÓm ®ªm (Pmin) vµ phô t¶i ngµy (24 giê) cña HT§ miÒn B¾c theo
d÷ liÖu phô t¶i qu¸ khø, nhiÖt ®é m«i tr−êng vµ mét sè c¸c yÕu tè ¶nh h−ëng
kh¸c.
• Ph¹m vi nghiªn cøu.
Dù b¸o lu«n gi÷ vai trß quan träng trong nhiÒu lÜnh vùc, quyÕt ®Þnh kÕ
ho¹ch s¶n xuÊt, h−íng ®Çu t− ph¸t triÓn trong t−¬ng lai do ®ã cã rÊt nhiÒu c¸c
m« h×nh to¸n häc ¸p dông cho dù b¸o. Còng nh− c¸c dù b¸o kh¸c, dù b¸o phô
t¶i ngµy còng ph¶i dùa vµo d÷ liÖu thèng kª, ph©n tÝch vµ ¸p dông thuËt to¸n
®Ó x¸c ®Þnh mèi quan hÖ gi÷a phô t¶i vµ c¸c yÕu tè ¶nh h−ëng, tõ ®ã dù b¸o
phô t¶i dùa trªn c¸c yÕu tè ¶nh h−ëng ®ã.
16
Tr−íc ®©y, c¸c m« h×nh to¸n häc truyÒn thèng hay ®−îc ¸p dông cho dù
b¸o nh−: håi qui tuyÕn tÝnh (linear regression), san b»ng hµm mò (exponential
smoothing), san trung b×nh (moving averages), hÖ sè ngÉu nhiªn (stochatic) ....
GÇn ®©y, víi sù ph¸t triÓn cña viÖc nghiªn cøu mét sè thuËt to¸n dùa trªn trÝ
tuÖ cña con ng−êi (artificial intelligence), m¹ng n¬ron nh©n t¹o (artificial
neural networks) ®· ®−îc ¸p dông trong dù b¸o vµ ®−îc ®¸nh gi¸ cao. §©y lµ
m« h×nh phi tuyÕn víi nhiÒu −u ®iÓm vµ ®ang ®−îc ¸p dông réng r·i. M¹ng
n¬ron nh©n t¹o ®−îc x©y dùng trªn c¬ së m« pháng ho¹t ®éng cña hÖ thèng
n¬ron thÇn kinh sinh häc do ®ã m¹ng n¬ron nh©n t¹o cã mét sè ®Æc ®iÓm nh−
bé n·o con ng−êi, ®ã lµ kh¶ n¨ng häc ®−îc nh÷ng g× ®· ®−îc d¹y. Qu¸ tr×nh
häc nµy ®−îc gäi lµ qu¸ tr×nh huÊn luyÖn. Trong qu¸ tr×nh nµy c¸c mÉu thÓ
hiÖn quan hÖ gi÷a c¸c biÕn ngÉu nhiªn ®−îc ®−a vµo trong m¹ng n¬ron, m¹ng
n¬ron sÏ nhËn biÕt ®−îc quan hÖ gi÷a c¸c biÕn ngÉu nhiªn ®ã sau khi kÕt thóc
qu¸ tr×nh huÊn luyÖn. ChÝnh do ®Æc ®iÓm nµy mµ m¹ng n¬ron ®−îc øng dông
rÊt nhiÒu trong lÜnh vùc dù b¸o. §Æc biÖt ®èi víi bµi to¸n dù b¸o phô t¶i ng¾n
h¹n th× ®©y lµ m« h×nh ®−îc ®¸nh gi¸ cao h¬n h¼n c¸c m« h×nh tr−íc ®ã vµ
hiÖn nay m« h×nh nµy ®ang ®−îc ¸p dông phæ biÕn ë mét sè n−íc ph¸t triÓn
trong dù b¸o phô t¶i .
Nghiªn cøu ph−¬ng ph¸p dù b¸o phô t¶i ngµy lµ nghiªn cøu vµ ¸p dông
c¸c ph−¬ng ph¸p to¸n häc ®Ó t×m quan hÖ gi÷a phô t¶i ngµy vµ c¸c yÕu tè chñ
yÕu ¶nh h−ëng ®Õn phô t¶i ngµy. ThuËt to¸n ¸p dông cho dù b¸o phô t¶i theo
nhiÖt ®é ph¶i dùa trªn dù b¸o thêi tiÕt ngµy h«m sau gåm c¸c th«ng tin nh−:
nhiÖt ®é cao nhÊt vµ thÊp nhÊt trong ngµy, n¾ng hay m−a, gi«ng b·o ...
1.2. Bµi to¸n dù b¸o phô t¶i
1.2.1. §Æc ®iÓm ®å thÞ phô t¶i HT§ miÒn B¾c
Phô t¶i cña HT§ miÒn B¾c cã c¸c thµnh phÇn ®iÖn Qu¶n lý & Tiªu dïng
d©n c− vµ C«ng nghiÖp & x©y dùng chiÕm tû träng lín. B¶ng 1.3 thèng kª s¶n
17
l−îng tiªu thô cña tõng ngµnh trong ba n¨m 2003 ®Õn 2005. Cã thÓ nhËn thÊy
r»ng, tØ träng ®iÖn tiªu thô trong qu¶n lý & tiªu dïng d©n c− rÊt lín lµm chÕ
®é tiªu thô ®iÖn n¨ng xÊu ®i, hÖ sè phô t¶i gi¶m, g©y nhiÒu khã kh¨n cho viÖc
®¶m b¶o an toµn cung cÊp ®iÖn.
B¶ng 1.3 TØ träng s¶n l−îng ®iÖn tiªu thô cña c¸c thµnh phÇn kinh tÕ
Tiªu dïng
C«ng nghiÖp N«ng l©m Th−¬ng
N¨m
Kh¸c
d©n c−
& x©y dùng
nghiÖp
1,41%
1,4%
1,42
nghiÖp
4,52%
4,49%
4,38
2003
2005
2006
45,32%
44,59%
44,31%
44,2%
4,55%
4,32%
3,98
45,2%
45,91
§å thÞ phô t¶i ngµy cña HT§ miÒn B¾c ®−îc x©y dùng theo gi¸ trÞ phô t¶i
24h trong ngµy. Trªn h×nh 1.6 lµ ®å thÞ hai ngµy lµm viÖc b×nh th−êng vµo
mïa ®«ng vµ mïa hÌ. §å thÞ phô t¶i biÕn ®æi theo tõng giê, phô t¶i cao nhÊt
trong ngµy (Pmax) lín h¬n rÊt nhiÒu so víi phô t¶i thÊp nhÊt trong ngµy (Pmin).
Cao ®iÓm tr−a th−êng x¶y ra 10h-11h, cao ®iÓm chiÒu th−êng x¶y ra 18h-19h.
ThÊp ®iÓm th−êng x¶y ra vµo ban ®ªm trong kho¶ng 3h-4h vµo mïa hÌ, 2h-3h
vµo mïa ®«ng. §å thÞ cña nh÷ng ngµy mïa hÌ th−êng ®ång ®Òu h¬n mïa
®«ng, chøng tá s¶n l−îng ®iÖn sinh ho¹t tiªu thô rÊt lín so víi c¸c ngµnh kh¸c.
18
§ å thÞ phô t¶i
3500
3000
2500
2000
1500
1000
500
0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Giê
11/07/2006
14/12/2005
H×nh 1.6. §TPT hai ngµy lµm viÖc vµo mïa ®«ng vµ mïa hÌ
Trong qu¸ tr×nh vËn hµnh cña ®iÒu ®é, phô t¶i cao ®iÓm (Pmax) vµ phô t¶i
thÊp ®iÓm (Pmin) lµ hai ®iÓm quan träng nhÊt trong ngµy. Phô t¶i cao ®iÓm vµ
thÊp ®iÓm quyÕt ®Þnh huy ®éng nguån vµ ®iÒu chØnh phèi hîp nguån thuû
®iÖn, nhiÖt ®iÖn, diesel…
• Vµo thêi ®iÓm cao ®iÓm
§iÒu ®é Quèc Gia ph¶i huy ®éng c¸c nguån ®iÖn ®¾t tiÒn nh− c¸c nhµ
m¸y diesel, tua bin khÝ cho viÖc khëi ®éng vµ n©ng c«ng suÊt, trong tr−êng
hîp sù cè thiÕu nguån, ®iÒu ®é viªn cÇn ph¶i dù b¸o c«ng suÊt thiÕu ®Ó chuÈn
bÞ tr−íc ph−¬ng ¸n c¾t t¶i sau ®ã phèi hîp víi c¸c ®iÒu ®é miÒn ph©n bæ c¸c
c«ng suÊt cÇn ph¶i c¾t cho c¸c §iÒu ®é l−íi ®iÖn ph©n phèi. C¾t t¶i cã chuÈn
bÞ tr−íc sÏ Ýt g©y thiÖt h¹i vÒ kinh tÕ h¬n c¾t t¶i do r¬ le tÇn sè thÊp t¸c ®éng.
§Æc biÖt rÊt ®¶m b¶o an toµn ®èi víi c¸c nhµ m¸y s¶n xuÊt c«ng nghiÖp nÆng.
• Vµo giê thÊp ®iÓm. (phô t¶i th−êng thÊp h¬n giê cao ®iÓm 2-3 lÇn)
CÇn ®iÒu chØnh c¾t gi¶m c¸c nguån ®iÖn ®¾t tiÒn nh− nguån tua bin khÝ
ch¹y dÇu, nhiÖt ®iÖn sao cho tho¶ m·n chØ tiªu kinh tÕ.
NÕu dù b¸o cµng chÝnh x¸c Pmin, Pmax, th× cã thÓ huy ®éng vµ ®iÒu chØnh
nguån hîp lý, dÉn ®Õn vËn hµnh hÖ thèng an toµn, hiÖu qu¶ vµ kinh tÕ h¬n.
19
1.2.2. Dù b¸o phô t¶i ng¾n h¹n cho 24h tiÕp theo
Dù b¸o phô t¶i l−íi ®iÖn cho 24h tiÕp theo nh»m ®−a ra c¸c gi¸ trÞ phô
t¶i dù b¸o theo tõng giê cña ngµy tiÕp theo s¸t víi thùc tÕ vËn hµnh, trong ®ã
gi¶m sai sè lµ vÊn ®Ò mang tÝnh chiÕn l−îc trong qu¸ tr×nh dù b¸o.
Trong qu¸ tr×nh ph©n tÝch, so s¸nh ®å thÞ phô t¶i cña miÒn B¾c vµ c¸c
miÒn kh¸c trong mét thêi gian dµi cho thÊy kiÓu ®å thÞ phô t¶i ngµy chñ yÕu bÞ
¶nh h−ëng bëi thãi quen tæ chøc sinh ho¹t, c¸ch ph©n c«ng s¾p xÕp c«ng viÖc
cña kh¸ch hµng, tõ ®ã ta thÊy §TPT cã mèi liªn quan chÆt chÏ víi m«i tr−êng
ho¹t ®éng, ngµy lµm viÖc, ngµy nghØ, lÔ, tÕt,… cña c¶ céng ®ång d©n c−. Cßn
®¸y vµ ®Ønh phô t¶i lµ hµm cña biÕn thêi tiÕt nh− nhiÖt ®é, l−îng m−a, ®é
Èm…
Bµi to¸n dù b¸o phô t¶i HT§ cã thÓ chia thµnh hai bµi to¸n nhá:
• Bµi to¸n dù b¸o ®Ønh vµ ®¸y §TPT ngµy cÇn dù b¸o
• Bµi to¸n x¸c ®Þnh d¹ng §TPT ngµy cÇn dù b¸o
1.2.2.1. C¸c d¹ng cña ®å thÞ phô t¶i
XÐt ®å thÞ phô t¶i HT§ trªn h×nh 1.7, ®©y lµ ®å thÞ phô t¶i cña C«ng ty
®iÖn lùc I c¸c ngµy 14/5/2006 (chñ nhËt) vµ ngµy 15/5/2006 (Thø hai) ®−îc
x©y dùng theo gi¸ trÞ phô t¶i 24h trong ngµy. §TPT hai ngµy ®iÔn h×nh nµy cã
d¹ng t−¬ng tù nh− §TPT ngµy cña HT§ miÒn B¾c, ta thÊy c¸c gi¸ trÞ phô t¶i
ph©n bè trªn §TPT kh«ng ®ång ®Òu. §Æc biÖt ®é chªnh lÖch gi÷a hai gi¸ trÞ
Pmax vµ Pmin lµ rÊt lín.
20
§ å thÞ phô t¶i
3500
3000
2500
2000
1500
1000
500
0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
G iê
H×nh 1.7. §TPT hai ngµy ®iÓn h×nh (CN,T2) cña Cty ®iÖn lùc I
Gäi gi¸ trÞ phô t¶i ®Ønh lµ Pmax
Gäi gi¸ trÞ phô t¶i ®¸y lµ Pmin
-
-
- Gäi gi¸ trÞ phô t¶i giê thø i lµ P(i) víi i=1÷24 øng víi 24h trong ngµy
Ta cÇn ®−a §TPT trªn vÒ d¹ng §TPT ngµy chuÈn, muèn vËy ta ph¶i
quy chuÈn ho¸ phô t¶i cña tõng giê theo c«ng thøc sau:
P(i) − P min
P max− P min
Pn(i)=
(1.1)
Pn(i): lµ phô t¶i quy chuÈn ho¸ cña giê thø i.
Dùa vµo c«ng thøc trªn ta tÝnh ®−îc gi¸ trÞ phô t¶i quy chuÈn ho¸ cña
24h trong ngµy, ®å thÞ nµy cßn ®−îc gäi lµ vÐct¬ §TPT.
§Æt vÐct¬ §TPT lµ P, ta cã:
P = [p1 , p2, … , pi , … , p24]T
(1.2)
(1.3)
Pn(i) =[Pn(1), Pn(2), … ,Pn(i), … , Pn(24)]T
Víi Pn(i) lµ phô t¶i ®−îc quy chuÈn ho¸ cña giê thø i.
21
H×nh 1.8 lµ §TPT ngµy ®−îc chuÈn ho¸ theo biÕn i vµ Pn(i). §TPT ®·
®−îc quy chuÈn vÉn gi÷ nguyªn d¹ng biÕn thiªn ban ®Çu, c¸c gi¸ trÞ ®−îc quy
chuÈn n»m trong kho¶ng tõ 0 ÷1, víi Pnmax=1, Pnmin= 0.
§ å th Þ p h ô t¶i
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
G iê
T2 15/05/2006
CN 14/05/2006
H×nh 1.8. §TPT hai ngµy (CN,T2) cña Cty ®iÖn lùc I ®· chuÈn ho¸.
1.2.2.2 §Ønh vµ ®¸y cña ®å thÞ phô t¶i.
Hai gi¸ trÞ phô t¶i ®Æc biÖt trong ngµy mµ ®−îc c¸c kü s− vËn hµnh còng
nh− ng−êi lµm ph−¬ng thøc ngµy quan t©m nhiÒu nhÊt ®ã lµ, phô t¶i cao ®iÓm
vµ phô t¶i thÊp ®iÓm. §©y còng chÝnh lµ môc tiªu quan träng hµng ®Çu trong
bµi to¸n dù b¸o phô t¶i ®iÖn. TÝnh kinh tÕ, hiÖu qu¶, ph−¬ng thøc vËn hµnh,
còng nh− h−íng ®Çu t− ph¸t triÓn trong t−¬ng lai cña HT§ phô thuéc rÊt lín
vµo viÖc dù b¸o vµ ®é chÝnh x¸c cña viÖc dù b¸o hai gi¸ trÞ nµy. Cã nhiÒu
ph−¬ng ph¸p cã thÓ ¸p dông ®Ó dù b¸o Pmax vµ Pmin. nh− dù b¸o theo ph−¬ng
ph¸p ngo¹i suy theo thêi gian, ph−¬ng ph¸p håi quy tuyÕn tÝnh… Trong luËn
v¨n nµy chóng ta chØ nghiªn cøu ph−¬ng ph¸p DBPT sö dông m¹ng n¬ron
nh©n t¹o.
Sau khi ®· x¸c ®Þnh ®−îc hai gi¸ trÞ quan träng nhÊt Pmax vµ Pmin trªn
§TPT th× c¸c gi¸ trÞ phô t¶i kh¸c trong ngµy sÏ ®−îc x¸c ®Þnh theo mèi quan
hÖ cña chóng. VËy nÕu biÕt ®−îc d¹ng ®å thÞ phô t¶i quy chuÈn, tøc lµ c¸c gi¸
22
trÞ Pn(i), x¸c ®Þnh ®−îc Pmax vµ Pmin trong ngµy ta sÏ tÝnh ®−îc phô t¶i cña tõng
giê theo c«ng thøc 1.1.
1.2.2.3 Dù b¸o phô t¶i cho 24h
Khi ta ®· dù b¸o ®−îc Pmax vµ Pmin trong ngµy nÕu ta x¸c ®Þnh ®−îc ®å
thÞ phô t¶i quy chuÈn tøc lµ x¸c ®Þnh ®−îc c¸c gi¸ trÞ Pn(i) víi i=1÷24 ta sÏ x¸c
®Þnh ®−îc phô t¶i cña tõng giê trong ngµy. Tõ c«ng thøc (1.1) ta x¸c ®Þnh
®−îc c«ng thøc 1.4 sau:
P(i) = Pmin + (Pmax – Pmin ) Pn(i)
(1.4)
Qua c¸c ph©n tÝch nªu trªn cã thÓ ®i ®Õn kÕt luËn: §Ó dù b¸o ®−îc phô
t¶i tõng giê cho mét ngµy cô thÓ, ta cÇn dù b¸o ®−îc gi¸ trÞ phô t¶i ®Ønh Pmax
vµ phô t¶i ®¸y Pmin cña ngµy ®ã vµ t×m ra vÐct¬ §TPT Pn(i) cña ngµy cÇn dù
b¸o.
Tãm l¹i còng nh− c¸c dù b¸o kh¸c, dù b¸o phô t¶i ngµy ph¶i dùa vµo sè
liÖu thèng kª, ph©n tÝch vµ ¸p dông c¸c thuËt to¸n ®Ó x¸c ®Þnh mèi quan hÖ
gi÷a phô t¶i vµ c¸c yÕu tè ¶nh h−ëng, tõ ®ã x©y dùng ph−¬ng ph¸p dù b¸o phô
t¶i ngµy dùa trªn c¸c yÕu tè ¶nh h−ëng ®· ®−îc nªu.
PhÇn tiÕp theo, ta sÏ nghiªn cøu ph−¬ng ph¸p gi¶i quyÕt bµi to¸n dù b¸o
phô t¶i th«ng qua viÖc sö dông c¸c lo¹i m¹ng n¬ron nh©n t¹o. ViÖc ph©n tÝch
®Æc ®iÓm riªng, yªu cÇu vµ môc ®Ých tõng bµi to¸n sÏ lµ c¬ së ®Ó chän lo¹i
m¹ng n¬ron nh©n t¹o thÝch hîp vµo viÖc gi¶i quyÕt tõng bµi to¸n.
23
CH¦¥NG II
Tæng quan VÒ M¹NG N¥RON NH¢N T¹O
M¹ng n¬ron nh©n t¹o lµ mét lÜnh vùc ®−îc ®Ò xuÊt vµ nghiªn cøu vµo
cuèi thËp kû 1800 khi ng−êi ta cè g¾ng m« t¶ ho¹t ®éng cña trÝ tuÖ con ng−êi.
ý t−ëng nµy b¾t ®Çu ®−îc ¸p dông cho c¸c m« h×nh tÝnh to¸n tõ m¹ng
Perceptron vµ ®Õn nay ®· cã nhiÒu øng dông trong thùc tÕ, ®Æc biÖt lµ trong
lÜnh vùc dù b¸o, nhËn d¹ng, ®iÒu khiÓn… VÝ dô, m¹ng n¬ron nh©n t¹o cã thÓ
sö dông ®Ó nhËn d¹ng ký tù th«ng qua kh¶ n¨ng häc tõ kinh nghiÖm hoÆc tõ
tËp mÉu, trong khi c¸c ph−¬ng ph¸p truyÒn thèng ph¶i tiªu tèn nhiÒu thêi gian
cho viÖc lµm m¶nh ký tù, kh¶ n¨ng nhËn d¹ng sÏ kh«ng cao khi chÊt l−îng
quÐt cña scanner tåi hoÆc b¶n th©n ký tù ®−îc lÊy tõ v¨n b¶n mê hoÆc cã
nhiÒu nÐt ®øt. C¸ch tiÕp cËn m¹ng n¬ron nh©n t¹o cã ý nghÜa thùc tiÔn rÊt lín
cho phÐp t¹o ra c¸c thiÕt bÞ cã thÓ kÕt hîp kh¶ n¨ng song song cao cña bé n·o
víi tèc ®é tÝnh to¸n cao cña m¸y tÝnh.
2.1. LÞch sö ph¸t triÓn cña m¹ng n¬ron nh©n t¹o
TrÝ tuÖ nh©n t¹o (Artificial Intelligence) hay t¹o cho m¸y mãc kh¶ n¨ng
suy luËn, ph¸n ®o¸n vµ c¶m nhËn nh− con ng−êi lµ mét trong nh÷ng tham
väng to lín cña loµi ng−êi. Tham väng nµy ®· cã tõ l©u vµ cïng víi sù ra ®êi
cña m¸y tÝnh, con ng−êi tõng b−íc ®−a kiÕn thøc cña m×nh vµo m¸y, biÕn
chóng trë thµnh nh÷ng c«ng cô thùc sù cã trÝ tuÖ. M¹ng n¬ron nh©n t¹o lµ mét
bé phËn cña ngµnh khoa häc trÝ tuÖ nh©n t¹o, lµ lÜnh vùc tin häc nghiªn cøu
øng dông m¸y tÝnh ®iÖn tö th«ng minh ho¹t ®éng theo c¬ chÕ m« pháng t−
duy cña con ng−êi. M¹ng n¬ron nh©n t¹o cã cÊu tróc t−¬ng tù nh− bé n·o tuy
nhiªn sè n¬ron trong m¹ng n¬ron nh©n t¹o lµ h÷u h¹n tuú thuéc vµo nhu cÇu
thùc tÕ cña bµi to¸n, cßn ®èi víi bé n·o con ng−êi sè n¬ron lªn tíi xÊp xØ 15 tØ
n¬ron. M¹ng n¬ron cã kh¶ n¨ng häc vµ t¸i t¹o l¹i nh÷ng g× ®· ®−îc d¹y, chÝnh
24
v× ®Æc ®iÓm nµy mµ m¹ng n¬ron ®ang ®−îc ph¸t triÓn rÊt m¹nh mÏ vµ ®ang
®−îc øng dông rÊt nhiÒu trong thùc tÕ, ®Æc biÖt lµ trong lÜnh vùc dù b¸o, nhËn
d¹ng, ®iÒu khiÓn… Con ng−êi b¾t ®Çu nghiªn cøu m¹ng n¬ron vµo cuèi thËp
kû 1800 khi ng−êi ta cè g¾ng m« t¶ ho¹t ®éng cña trÝ tuÖ con ng−êi, ý t−ëng
nµy b¾t ®Çu ®−îc ¸p dông cho c¸c m« h×nh tÝnh to¸n tõ m¹ng Perceptron.
§Çu thËp kû 1950 Friedrich Hayek lµ ng−êi ®Çu tiªn kh¼ng ®Þnh ý
t−ëng vÒ trËt tù tù ph¸t trong n·o xuÊt ph¸t tõ c¸c m¹ng ph©n t¸n gåm c¸c ®¬n
vÞ ®¬n gi¶n (n¬ron). Cuèi thËp kû 1940, Donnald Hebb ®−a ra gi¶ thuyÕt ®Çu
tiªn vÒ mét c¬ chÕ thÇn kinh mÒm dÎo (neural plasticity). Hebbian learning
®−îc coi lµ mét quy t¾c '®iÓn h×nh' cña häc kh«ng cã gi¸m s¸t. Nã (vµ c¸c biÕn
thÓ) lµ m« h×nh thêi kú ®Çu cña long term potentiation. (t¹o tiÒm lùc dµi h¹n).
Perceptron lµ mét bé ph©n lo¹i tuyÕn tÝnh dµnh cho viÖc ph©n lo¹i d÷
liÖu
x¸c ®Þnh b»ng c¸c tham sè
vµ mét hµm ®Çu ra g
= w'x + b. C¸c tham sè cña nã ®−îc thÝch nghi víi mét quy t¾c tïy biÕn (ad-
hoc) t−¬ng tù víi xuèng dèc ngÉu nhiªn (stochastic steepest gradient descent).
Perceptron chØ cã thÓ ph©n lo¹i hoµn h¶o mét tËp d÷ liÖu mµ c¸c líp kh¸c
nhau lµ (linearly separable) trong kh«ng gian ®Çu vµo. Nã th−êng thÊt b¹i
hoµn toµn ®èi víi d÷ liÖu kh«ng chia t¸ch ®−îc. Sù ph¸t triÓn cña thuËt to¸n
nµy ban ®Çu ®· t¹o ra mét sè høng khëi, phÇn v× mèi quan hÖ cña nã ®èi víi
c¸c c¬ chÕ sinh häc. Sau nµy, ph¸t hiÖn vÒ ®iÓm yÕu nµy ®· lµm cho c¸c m«
h×nh Perceptron bÞ bá mÆc cho ®Õn khi c¸c m« h×nh phi tuyÕn ®−îc ®−a ra.
Cognitron (1975) lµ mét m¹ng n¬ron ®a tÇng thêi kú ®Çu víi mét thuËt
to¸n huÊn luyÖn. C¸c chiÕn l−îc thÇn kinh kh¸c nhau sÏ kh¸c nhau vÒ cÊu tróc
thùc sù cña m¹ng vµ c¸c ph−¬ng ph¸p thiÕt lËp träng sè cho c¸c kÕt nèi. Mçi
d¹ng cã c¸c −u ®iÓm vµ nh−îc ®iÓm riªng. M¹ng cã thÓ lan truyÒn th«ng tin
chØ theo mét h−íng, hoÆc th«ng tin cã thÓ ®−îc ®Èy ®i ®Èy l¹i cho ®Õn khi t¹i
mét nót xuÊt hiÖn sù tù kÝch ho¹t vµ m¹ng sÏ dõng t¹i mét tr¹ng th¸i kÕt thóc.
25
M¹ng n¬ron nhiÒu líp lan truyÒn ng−îc sai sè ®· ®−îc Rosenblatt vµ
mét sè t¸c gi¶ kh¸c m« t¶ tõ nh÷ng n¨m 50, nh−ng hä chñ yÕu chØ nghiªn cøu
s©u vÒ m¹ng Perceptron mét líp. Së dÜ nh− vËy lµ do kh«ng t×m ®−îc c¸ch
thay ®æi träng sè liªn kÕt t¹i c¸c líp Èn. Ngay c¶ khi ®· biÕt ®−îc sai sè t¹i c¸c
®Çu ra, nh−ng ng−êi ta vÉn ch−a h×nh dung ®−îc c¸c sai sè ®ã ®−îc ph©n bè
nh− thÕ nµo t¹i c¸c n¬ron Èn. Minsky vµ Papert ®· chØ ra r»ng khã cã thÓ tæng
qu¸t ho¸ luËt häc ®èi víi m¹ng mét líp sang m¹ng nhiÒu líp, cã hai lý gi¶i
chÝnh cho vÊn ®Ò nµy. Thø nhÊt, thuËt gi¶i häc cña m¹ng nhiÒu líp cã thÓ
kh«ng hiÖu qu¶, hoÆc kh«ng héi tô vÒ ®iÓm cùc trÞ tæng thÓ trong kh«ng gian
vÐct¬ träng sè. MÆt kh¸c, c¸c nghiªn cøu trong lý thuyÕt tÝnh to¸n ®· chØ ra
r»ng trong tr−êng hîp tåi nhÊt qu¸ tr×nh häc c¸c hµm tæng qu¸t tõ mÉu häc
kh«ng ph¶i lóc nµo còng gi¶i quyÕt ®−îc. C¸c nguyªn t¾c c¬ b¶n trong luËt
häc ®èi víi m¹ng nhiÒu líp ®· ®−îc Bryson vµ Ho ®Ò xuÊt tõ n¨m 1969,
nh−ng ph¶i tíi gi÷a n¨m 1980 vÊn ®Ò nµy míi ®−îc quan t©m trë l¹i bëi c«ng
tr×nh nghiªn cøu cña Rumelhart n¨m 1986.
M¹ng truyÒn ng−îc (backpropagation) cã lÏ ®· lµ nguyªn nh©n chÝnh
cña sù t¸i xuÊt cña m¹ng n¬ron tõ khi c«ng tr×nh "Learning Internal
Representations by Error Propagation" (häc c¸c biÓu diÔn bªn trong b»ng
c¸ch lan truyÒn lçi) ®−îc xuÊt b¶n n¨m 1986. M¹ng truyÒn ng−îc ban ®Çu sö
dông nhiÒu tÇng, mçi tÇng gåm c¸c ®¬n vÞ tæng träng sè cã d¹ng g = f(w'x +
b), trong ®ã f lµ mét hµm sigmoid. HuÊn luyÖn ®−îc thùc hiÖn theo kiÓu
xuèng dèc ngÉu nhiªn. ViÖc sö dông quy t¾c tÝnh nguyªn hµm cho hµm hîp
(chain rule) khi tÝnh to¸n c¸c thay ®æi thÝch hîp cho c¸c tham sè dÉn ®Õn mét
thuËt to¸n cã vÎ truyÒn ng−îc lçi, ®ã lµ nguån gèc cña thuËt ng÷ truyÒn
ng−îc. Tuy nhiªn, vÒ b¶n chÊt ®©y chØ lµ mét d¹ng xuèng dèc, viÖc x¸c ®Þnh
c¸c tham sè tèi −u cho mét m« h×nh thuéc d¹ng nµy kh«ng ®¬n gi¶n, kh«ng
thÓ dùa vµo c¸c ph−¬ng ph¸p xuèng dèc ®Ó cã ®−îc lêi gi¶i tèt mµ kh«ng cÇn
mét xuÊt ph¸t ®iÓm tèt. Ngµy nay, c¸c m¹ng cã cïng kiÕn tróc víi m¹ng
26
truyÒn ng−îc ®−îc gäi lµ c¸c m¹ng Perceptron ®a tÇng. ThuËt ng÷ nµy kh«ng
hµm ý bÊt cø giíi h¹n nµo ®èi víi lo¹i thuËt to¸n dïng cho viÖc häc.
M¹ng truyÒn ng−îc ®· t¹o ra nhiÒu høng khëi vµ ®· cã nhiÒu tranh c·i
vÒ quy tr×nh häc ®ã cã thÓ ®−îc thùc hiÖn trong bé n·o hay kh«ng. Mét phÇn
v× khi ®ã ch−a t×m ra c¬ chÕ truyÒn tÝn hiÖu ng−îc. Nh−ng lý do quan träng
nhÊt lµ ch−a cã mét nguån tÝn hiÖu 'd¹y' hay tÝn hiÖu '®Ých' ®¸ng tin cËy.
2.2. C¬ së lý thuyÕt m¹ng n¬ron
M¹ng n¬ron nh©n t¹o lµ mét lÜnh vùc nghiªn cøu réng lín vµ chØ míi
ph¸t triÓn m¹nh kho¶ng 20 n¨m gÇn ®©y. Nã ®−îc nghiªn cøu vµ ph¸t triÓn
dùa trªn nhiÒu lÜnh vùc khoa häc kh¸c nhau bao gåm: Sinh häc, sinh lý häc,
to¸n häc, tin häc.
- N¬ron sinh lý häc: C¸c n¬ron nh©n t¹o ®Òu cã cÊu tróc dùa c¸c m« h×nh
n¬ron sinh vËt. C¸c nhµ nghiªn cøu ®· chän ph−¬ng ph¸p nghiªn cøu
®Æc tÝnh ®¸p øng n¬ron víi c¸c xung kÝch thÝch tõ thÊp ®Õn cao, tõ mét
®¬n thÓ ®Õn mét m¹ng nhiÒu líp, tõ c¸c khu thÇn kinh trung −¬ng ®Õn
c¸c c¬ cÊu thÇn kinh chÊp hµnh.
- Sinh lý häc n¬ron: C¸c nhµ sinh lý häc n¬ron nghiªn cøu c¸ch nhËn
thøc, c¸c hµnh vi, c¸ch tæ chøc cña n·o ng−êi ®Ó gi¶i quyÕt nh÷ng bµi
to¸n phøc t¹p, ®ßi hái s¸ng t¹o. RÊt nhiÒu c¸c thuËt häc ®−îc b¾t nguån
tõ nh÷ng nghiªn cøu vÒ sinh lý häc.
- C¬ së to¸n häc: To¸n häc lµ mét c«ng cô kh«ng thÓ thiÕu trong qu¸
tr×nh nghiªn cøu khoa häc nãi chung vµ m¹ng n¬ron nãi riªng.
- C«ng nghÖ th«ng tin: BiÔu diÔn vµ xö lý nhanh c¸c vÊn ®Ò ®· ®−îc
nghiªn cøu, lµ yÕu tè thóc ®Èy c¸c øng dông vµ kü thuËt m¹ng n¬ron
nh©n t¹o ph¸t triÓn nhanh chãng.
27
2.3. Bé n·o vµ n¬ron sinh häc
C¸c nhµ nghiªn cøu sinh häc cho ta thÊy r»ng c¸c n¬ron (tÕ bµo thÇn
kinh) lµ ®¬n vÞ c¬ së ®¶m nhiÖm nh÷ng chøc n¨ng xö lý nhÊt ®Þnh trong hÖ
thÇn kinh, bao gåm n·o, tuû sèng vµ c¸c d©y thÇn kinh. Mçi n¬ron cã mét
phÇn th©n víi nh©n bªn trong (gäi lµ soma), mét ®Çu thÇn kinh ra (gäi lµ sîi
trôc axon) vµ mét hÖ thèng d¹ng c©y c¸c d©y thÇn kinh vµo (gäi lµ dendrite).
C¸c d©y thÇn kinh vµo t¹o thµnh mét l−íi dµy xung quanh th©n tÕ bµo, chiÕm
diÖn tÝch kho¶ng 0.25 mm2, cßn d©y thÇn kinh t¹o thµnh trôc dµi cã thÓ tõ 1
cm ®Õn hµng mÐt. §−êng kÝnh cña th©n tÕ bµo th−êng chØ lµ 10-4m. Trôc d©y
thÇn kinh ra còng cã thÓ ph©n nh¸nh c¸c d©y thÇn kinh theo d¹ng c©y ®Ó nèi
víi c¸c d©y thÇn kinh vµo hoÆc trùc tiÕp víi nh©n tÕ bµo c¸c n¬ron kh¸c th«ng
qua c¸c khíp nèi (gäi lµ synapse). Th«ng th−êng, mçi n¬ron cã thÓ gåm vµi
chôc cho tíi vµi tr¨m ngµn khíp nèi ®Ó nèi víi c¸c n¬ron kh¸c. Ng−êi ta −íc
l−îng r»ng l−íi c¸c d©y thÇn kinh ra cïng víi c¸c khíp nèi bao phñ diÖn tÝch
kho¶ng 90% bÒ mÆt n¬ron (h×nh 2.1)
H×nh 2.1. CÊu t¹o n¬ron sinh häc
28
C¸c tÝn hiÖu truyÒn trong c¸c d©y thÇn kinh vµo vµ d©y thÇn kinh ra cña
c¸c n¬ron lµ tÝn hiÖu ®iÖn vµ ®−îc thùc hiÖn th«ng qua c¸c qu¸ tr×nh ph¶n øng
vµ gi¶i phãng c¸c chÊt h÷u c¬. C¸c chÊt nµy ®−îc ph¸t ra tõ c¸c khíp nèi dÉn
tíi c¸c d©y thÇn kinh vµo sÏ lµm t¨ng hay gi¶m ®iÖn thÕ cña nh©n tÕ bµo. Khi
®iÖn thÕ nµy ®¹t tíi mét ng−ìng nµo ®ã, sÏ t¹o ra mét xung ®iÖn dÉn tíi trôc
d©y thÇn kinh ra. Xung nµy ®−îc truyÒn theo trôc, tíi c¸c nh¸nh rÏ khi ch¹m
tíi c¸c khíp nèi cã c¸c n¬ron kh¸c sÏ gi¶i phãng c¸c chÊt truyÒn ®iÖn, cã hai
lo¹i khíp nèi: khíp nèi kÝch thÝch (excitatory) hoÆc khíp nèi øc chÕ
(inhibitory).
Ph¸t hiÖn quan träng nhÊt trong ngµnh nghiªn cøu vÒ bé n·o lµ c¸c liªn kÕt
khíp thÇn kinh kh¸ mÒm dÎo, cã thÓ biÕn ®éng vµ chØnh ®æi theo thêi gian tuú
thuéc vµo d¹ng kÝch thÝch. H¬n n÷a, c¸c n¬ron cã thÓ s¶n sinh c¸c liªn kÕt
míi víi c¸c n¬ron kh¸c vµ ®«i khi l−íi c¸c n¬ron cã thÓ di chuyÓn tõ vïng nµy
sang vïng kh¸c trong bé n·o. C¸c nhµ khoa häc cho r»ng ®©y chÝnh lµ c¬ së
quan träng ®Ó gi¶i thÝch c¬ chÕ häc cña bé n·o con ng−êi.
PhÇn lín c¸c qu¸ tr×nh xö lý th«ng tin ®Òu x¶y ra trªn vá n·o. Toµn bé vá
n·o ®−îc bao phñ bëi m¹ng c¸c tæ chøc c¬ së cã d¹ng h×nh thïng trßn víi
®−êng kÝnh kho¶ng 0.5mm, ®é cao 4mm. Mçi ®¬n vÞ c¬ së nµy chøa kho¶ng
2000 n¬ron. Ng−êi ta chØ ra r»ng mçi vïng n·o cã nh÷ng chøc n¨ng nhÊt ®Þnh.
§iÒu rÊt ®¸ng ng¹c nhiªn lµ c¸c n¬ron rÊt ®¬n gi¶n trong c¬ chÕ lµm viÖc,
nh−ng m¹ng n¬ron liªn kÕt víi nhau l¹i cã kh¶ n¨ng tÝnh to¸n, suy nghÜ, tÝnh
to¸n nghi nhí, vµ ®iÒu khiÓn. Cã thÓ ®iÓm qua nh÷ng chøc n¨ng c¬ b¶n cña bé
n·o nh− sau:
-
Bé nhí ®−îc tæ chøc theo c¸c bã th«ng tin vµ truy nhËp theo néi dung
(cã thÓ truy xuÊt th«ng tin dùa theo gi¸ trÞ c¸c thuéc tÝnh cña ®èi t−îng);
29
-
Bé n·o cã kh¶ n¨ng tæng qu¸t ho¸, cã thÓ truy xuÊt c¸c tri thøc hay
c¸c mèi liªn kÕt chung cña c¸c ®èi t−îng t−¬ng øng víi mét kh¸i niÖm chung
nµo ®ã;
-
Bé n·o cã kh¶ n¨ng dung thø lçi theo nghÜa cã thÓ ®iÒu chØnh hoÆc
tiÕp tôc thùc hiÖn ngay khi cã nh÷ng sai lÖch do th«ng tin bÞ thiÕu hoÆc kh«ng
chÝnh x¸c. Ngoµi ra, bé n·o cßn cã thÓ ph¸t hiÖn vµ phôc håi c¸c th«ng tin mÊt
dùa trªn sù t−¬ng tù gi÷a c¸c ®èi t−îng;
-
Bé n·o cã kh¶ n¨ng xuèng cÊp vµ thay thÕ dÇn, khi cã trôc trÆc t¹i c¸c
vïng n·o (do bÖnh, chÊn th−¬ng) hoÆc b¾t gÆp nh÷ng th«ng tin hoµn toµn míi
l¹, bé n·o vÉn cã thÓ tiÕp tôc lµm viÖc;
-
Bé n·o cã kh¶ n¨ng häc.
DÔ dµng thÊy r»ng bé n·o con ng−êi cã thÓ l−u gi÷ nhiÒu th«ng tin h¬n
c¸c m¸y tÝnh hiÖn ®¹i; Tuy r»ng ®iÒu nµy kh«ng ph¶i ®óng m·i m·i, v× bé n·o
tiÕn ho¸ chËm, trong khi ®ã nhê nh÷ng tiÕn bé trong c«ng nghÖ vi ®iÖn tö, bé
nhí m¸y tÝnh ®−îc n©ng cÊp rÊt nhanh. H¬n n÷a, sù h¬n kÐm vÒ bé nhí trë
nªn hoµn toµn thø yÕu so víi sù kh¸c biÖt vÒ tèc ®é tÝnh to¸n vµ kh¶ n¨ng tÝnh
to¸n song song. C¸c bé vi xö lý cã thÓ tÝnh 108 lÖnh trong mét gi©y, trong khi
®ã m¹ng n¬ron xö lý chËm h¬n, cÇn kho¶ng vµi milig©y ®Ó kÝch ho¹t. Tuy
nhiªn, bé n·o cã thÓ kÝch ho¹t hÇu nh− cïng mét lóc t¹i rÊt nhiÒu n¬ron khíp
nèi, trong khi ®ã ngay c¶ m¸y tÝnh hiÖn ®¹i còng chØ cã mét sè h¹n chÕ c¸c bé
vi xö lý song song. NÕu ch¹y mét m¹ng n¬ron nh©n t¹o trªn m¸y tÝnh, ph¶i
tèn hµng tr¨m lÖnh m¸y ®Ó kiÓm tra mét n¬ron cã ®−îc kÝch ho¹t hay kh«ng
(tiªu phÝ kho¶ng10-8 x 10 gi©y trªn nét n¬ron). Do ®ã, cho dï bé vi xö lý cã
thÓ tÝnh to¸n nhanh h¬n hµng triÖu lÇn so víi c¸c n¬ron bé n·o, nh−ng xÐt
tæng thÓ bé n·o l¹i tÝnh to¸n nhanh h¬n hµng tû lÇn.
C¸ch tiÕp cËn m¹ng n¬ron nh©n t¹o cã ý nghÜa thùc tiÔn rÊt lín cho phÐp
t¹o ra c¸c thiÕt bÞ cã thÓ kÕt hîp kh¶ n¨ng song song cao cña bé n·o vµ tèc ®é
Tải về để xem bản đầy đủ
125 trang
05/05/2025
90
Bạn đang xem 30 trang mẫu của tài liệu "Luận văn Ứng dụng mạng nơron nhân tạo dự báo phụ tải ngắn hạn hệ thống điện miền Bắc", để tải tài liệu gốc về máy hãy click vào nút Download ở trên.
File đính kèm:
- luan_van_ung_dung_mang_noron_nhan_tao_du_bao_phu_tai_ngan_ha.pdf
