tailieunhanh - Dự báo phụ tải điện ngắn hạn bằng mô hình máy học: Áp dụng cho Italia

Bài viết trình bày việc đề xuất sử dụng mô hình thuật toán “K-nearest neighbor – Regression” để dự báo tải điện cho 24h của ngày tiếp theo bằng cách tìm trong bộ dữ liệu lịch sử những ngày mà có các yếu tố giống với ngày tiếp theo nhất và sử dụng tải điện của những ngày đó để tính toán, dự báo tải điện cho ngày tiếp theo. | Kỹ thuật điều khiển amp Điện tử DỰ BÁO PHỤ TẢI ĐIỆN NGẮN HẠN BẰNG MÔ HÌNH MÁY HỌC ÁP DỤNG CHO ITALIA Nguyễn Hữu Đức1 Lê Hải Hà2 Tóm tắt Những yếu tố ảnh hưởng đến tải điện của một ngày được thu thập và xử lý thông qua việc quan sát và phân tích dữ liệu tải điện từ bộ dữ liệu lịch sử. Từ những yếu tố này bài báo đề xuất sử dụng mô hình thuật toán K-nearest neighbor Regression để dự báo tải điện cho 24h của ngày tiếp theo bằng cách tìm trong bộ dữ liệu lịch sử những ngày mà có các yếu tố giống với ngày tiếp theo nhất và sử dụng tải điện của những ngày đó để tính toán dự báo tải điện cho ngày tiếp theo. Sau cùng bài báo tính toán sai số giữa tải điện dự báo và tải điện thực tế và so sánh kết quả với dự báo của Terna. Ngoải ra bái báo cũng kiểm chứng phương pháp đề xuất bằng việc áp dụng thuật toán này cho phụ tải điện ở Italia và dữ liệu của GME dữ liệu thị trường điện ở Italia . Keywords Dự báo tải điện ngắn hạn Thuật toán tương đồng similar shape algorithms Máy học Thị trường điện toán dự báo tải điện. 1. ĐẶT VẤN ĐỀ Dự báo phụ tải điện có một vai trò quan trọng trong việc giúp người vận hành hệ thống điện lên kế hoạch sản xuất truyền tải và phân phối năng lượng điện một cách hiệu quả. Dự báo phụ tải điện chính xác cho phép cải thiện tính an toàn của hệ thống tối ưu hóa chi phí của hệ thống sản xuất giảm sự cố của hệ thống truyền tải và phân phối năng lượng. Đối với thị trường điện dự báo phụ tải điện giúp bên bán và bên mua xác định được giá năng lượng tối ưu cho các giao dịch. Mô hình PCGS Previsione del Carico di elettrico per il Giorno Successivo được phát triển sau khi phân tích phụ tải điện hàng năm ở Italia và quan sát thấy rằng phụ tải điện giữa các năm gần như tương đương nhau thay đổi nhỏ 1 . Vì vậy một phương pháp dự báo phụ tải điện ngày tới là tìm những ngày trong dữ liệu lịch sử mà có những đặc điểm giống nhất với ngày cần dự báo ngày tiếp theo rồi lấy phụ tải điện 24 h của những ngày đó để dự báo tải điện cho ngày tiếp theo. Có rất nhiều bài báo .