Dự báo phụ tải điện bằng mạng nơron

Dự báo phụ tải ngắn hạn (trong vòng một giờ, một ngày hoặc một tuần) đóng vai trò thiết yếu trong điều độ hệ thống điện. Độ chính xác của dự báo trực tiếp ảnh hưởng đến hiệu quả vận hành và chi phí. Dự báo quá cao dẫn đến huy động nguồn dự phòng đắt tiền như máy phát điện diesel, làm tăng chi phí vận hành không cần thiết. Ngược lại, dự báo quá thấp sẽ dẫn đến thiếu nguồn dự phòng, giảm an toàn cung cấp điện, có thể gây mất điện diện rộng, ảnh hưởng nghiêm trọng đến kinh tế, an ninh xã hội và uy tín của ngành điện. Công tác điều độ, bao gồm lập phương thức ngày và tuần, như huy động nguồn điện (thủy điện, nhiệt điện), phân bổ công suất giữa các vùng miền, lên kế hoạch sửa chữa lưới điện và đánh giá độ an toàn hệ thống, đều phụ thuộc vào độ chính xác của dự báo phụ tải ngắn hạn. Sự chênh lệch giữa phụ tải cao điểm (Pmax) và phụ tải thấp điểm (Pmin) thường rất lớn (từ 2.5 đến 3 lần), đòi hỏi dự báo chính xác để tối ưu hóa vận hành, tránh hoạt động không kinh tế của các nhà máy điện, đặc biệt là các nhà máy thủy điện lớn như Hòa Bình, Thác Bà, Yaly. Dự báo chính xác phụ tải cao điểm đặc biệt quan trọng trong mùa lũ để khai thác tối đa nguồn thủy điện. Một sai số nhỏ trong dự báo cao điểm (ví dụ giảm 2%) có thể tiết kiệm được một lượng lớn chi phí, khoảng 80MW nguồn tua-bin khí (tương đương 102.800.000 VNĐ).

Dự báo phụ tải được chia thành hai loại chính: dự báo dài hạn (1-20 năm) và dự báo ngắn hạn (1-30 ngày). Dự báo dài hạn phục vụ cho công tác quy hoạch và đầu tư phát triển hệ thống điện, mang tính chiến lược, tập trung vào định hướng phát triển chứ không cần chỉ tiêu cụ thể. Ngược lại, dự báo ngắn hạn có vai trò then chốt trong đảm bảo vận hành hệ thống điện an toàn và kinh tế. Độ chính xác của dự báo ngắn hạn là yếu tố quyết định trong việc điều phối nguồn điện, tránh lãng phí năng lượng và đảm bảo cung cấp điện ổn định cho người dân. Việc cân bằng giữa dự báo chính xác và hiệu quả kinh tế là rất quan trọng trong cả hai loại dự báo này, đặc biệt là đối với dự báo ngắn hạn, liên quan trực tiếp đến hoạt động hàng ngày của hệ thống điện.

Dự báo phụ tải điện (DBPT) giữ vai trò cực kỳ quan trọng trong ba lĩnh vực chính của ngành điện: quy hoạch, đầu tư phát triển và vận hành hệ thống điện. Nhu cầu điện năng tỷ lệ thuận với sự phát triển kinh tế quốc dân, vì vậy DBPT là một bộ phận không thể thiếu của dự báo kinh tế - xã hội. Dự báo phụ tải điện thiếu chính xác dẫn đến những hậu quả nghiêm trọng. Dự báo quá cao dẫn đến huy động nguồn điện dự phòng đắt tiền hơn mức cần thiết, gây lãng phí nguồn lực. Ngược lại, dự báo quá thấp sẽ làm giảm độ an toàn cung cấp điện, có thể dẫn đến tình trạng thiếu điện, gây thiệt hại kinh tế và ảnh hưởng đến đời sống người dân. Do tính chất đặc thù của điện năng (không thể dự trữ dễ dàng và phải đáp ứng tức thời nhu cầu), DBPT chính xác là yếu tố then chốt đảm bảo hiệu quả phục vụ khách hàng của toàn bộ hệ thống, từ sản xuất, truyền tải đến phân phối. Một hệ thống dự báo chính xác cũng giúp ngành Điện lực Việt Nam hoàn thành các cam kết quốc tế trong hợp tác điện lực khu vực. Vì những lý do trên, việc nghiên cứu và áp dụng các mô hình dự báo phụ tải điện khác nhau để tìm ra giải pháp tối ưu là vô cùng cần thiết.

Nhiều yếu tố tác động đến phụ tải điện, trong đó nhiệt độ môi trường là yếu tố quan trọng nhất. Mối quan hệ giữa phụ tải và nhiệt độ thường tỷ lệ thuận: nhiệt độ tăng thì phụ tải tăng và ngược lại. Tuy nhiên, ngoại lệ là ở miền Bắc Việt Nam, khi thời tiết quá lạnh, phụ tải có thể tăng do nhu cầu sử dụng các thiết bị sưởi ấm. Bên cạnh yếu tố thời tiết, các ngày đặc biệt trong năm như Tết Âm lịch, Tết Dương lịch, 30/4, 1/5, 2/9 cũng ảnh hưởng đáng kể đến phụ tải. Trong những ngày này, phụ tải toàn quốc thường giảm mạnh so với ngày thường. Ngoài ra, các sự cố trên hệ thống điện, ví dụ như việc cắt điện diện rộng để sửa chữa hoặc bảo trì đường dây, cũng làm giảm đáng kể lượng điện năng tiêu thụ. Dự báo phụ tải trong những ngày này cần tính đến yếu tố giảm tải do ngừng cung cấp điện, đồng thời lưu ý rằng hình dạng đồ thị phụ tải trong ngày có sự cố sẽ khác biệt so với ngày thường, phụ thuộc vào thời gian, khu vực và phạm vi cắt điện. Kết hợp phân tích số liệu thống kê, nghiên cứu thực tế và kinh nghiệm vận hành, các chuyên gia kết luận rằng nhiệt độ môi trường và đặc điểm của ngày (ngày lễ, ngày nghỉ, ngày thường) là hai yếu tố tác động mạnh nhất đến phụ tải điện hàng ngày. Do đó, việc thu thập dữ liệu chính xác và loại bỏ các dữ liệu sai lệch, đặc biệt là trong những ngày có sự cố, là rất cần thiết để nâng cao độ chính xác của dự báo.

Mạng nơron truyền thẳng nhiều lớp được chứng minh là hiệu quả trong dự báo phụ tải, đặc biệt khi mối quan hệ giữa dữ liệu đầu vào và đầu ra là phi tuyến tính và có nhiều biến số. Đây là một phương pháp đang được áp dụng rộng rãi, được đánh giá cao về độ chính xác so với các phương pháp truyền thống. Kiến trúc mạng nơron truyền thẳng nhiều lớp, bao gồm lớp đầu vào, một hoặc nhiều lớp ẩn và lớp đầu ra, khá đơn giản và dễ huấn luyện. Thuật toán lan truyền ngược (backpropagation) là thuật toán phổ biến để huấn luyện mạng nơron, tối ưu hóa các trọng số để đạt được kết quả dự báo chính xác nhất. Tuy nhiên, quá trình huấn luyện mạng nơron thường mất nhiều thời gian và không đảm bảo hội tụ tuyệt đối, đây là hạn chế cần được nghiên cứu khắc phục.

Thiết kế cấu trúc mạng nơron, bao gồm xác định số lớp ẩn và số lượng nơron trong mỗi lớp, là một thách thức lớn. Về lý thuyết, luôn tồn tại một mạng nơron có thể mô phỏng bài toán với độ chính xác bất kỳ, nhưng việc tìm ra cấu trúc này không hề đơn giản. Số lượng nơron quá ít có thể dẫn đến việc không nhận dạng đủ tín hiệu trong dữ liệu phức tạp, trong khi số lượng nơron quá nhiều sẽ làm tăng thời gian huấn luyện và có thể dẫn đến hiện tượng quá khớp (overfitting). Các quy tắc ước lượng số lượng nơron hiện có chỉ mang tính chất tham khảo, chưa phản ánh đầy đủ thực tế vì bỏ qua nhiều yếu tố quan trọng như: số lượng mẫu huấn luyện, độ nhiễu trong dữ liệu, độ phức tạp của hàm lỗi, kiến trúc mạng và thuật toán huấn luyện. Vì vậy, việc lựa chọn cấu trúc mạng tối ưu cho bài toán dự báo phụ tải cần được nghiên cứu kỹ lưỡng.

Thuật toán lan truyền ngược, một dạng tổng quát của thuật toán bình phương trung bình tối thiểu (LMS), được sử dụng để huấn luyện mạng nơron. Thuật toán này sử dụng kỹ thuật giảm theo hướng gradient để tìm các tham số tối ưu cho mạng. Phương pháp học có thầy được áp dụng, trong đó mạng nơron được huấn luyện trên tập dữ liệu huấn luyện (các cặp mẫu đầu vào và đầu ra mong muốn). Sự khác biệt giữa đầu ra thực tế và đầu ra mong muốn được sử dụng để điều chỉnh các trọng số của mạng. Để cải thiện hiệu quả huấn luyện, có thể sử dụng hệ số học biến đổi và tham số bước đà (momentum). Hệ số học biến đổi giúp tăng tốc độ hội tụ ở các vùng phẳng của hàm hiệu năng và giảm tốc độ ở các vùng dốc, trong khi tham số bước đà giúp tăng tốc độ hội tụ khi thuật toán đi theo một hướng ổn định. Mặc dù các thuật toán heuristic cho tốc độ hội tụ nhanh hơn, nhưng chúng thường có nhược điểm là cần thêm nhiều tham số và nhạy cảm với sự thay đổi của các tham số này. Việc thu thập tập dữ liệu huấn luyện chính xác, loại bỏ các dữ liệu nhiễu hoặc sai lệch là rất quan trọng để đảm bảo độ chính xác của dự báo.

Phương pháp dự báo phụ tải ngắn hạn bằng mạng nơron hiện đang được ứng dụng rộng rãi, đặc biệt hiệu quả trong việc giải quyết các bài toán có mối quan hệ phi tuyến tính giữa đầu vào và đầu ra, với nhiều đầu vào và đầu ra. Các chuyên gia đánh giá cao độ chính xác của phương pháp này so với các phương pháp truyền thống. Điều này cho thấy mạng nơron là một công cụ mạnh mẽ trong việc dự báo phụ tải điện, giúp nâng cao hiệu quả và độ tin cậy của quá trình điều độ hệ thống điện.

Mặc dù có nhiều ưu điểm, phương pháp dự báo phụ tải ngắn hạn sử dụng mạng nơron vẫn còn một số hạn chế. Quá trình huấn luyện mạng nơron thường tốn nhiều thời gian và không đảm bảo chắc chắn hội tụ. Thời gian huấn luyện dài ảnh hưởng đến hiệu quả ứng dụng thực tế, đặc biệt là trong các trường hợp cần dự báo nhanh chóng. Việc không đảm bảo hội tụ có thể dẫn đến kết quả dự báo không chính xác. Do đó, việc nghiên cứu nhằm rút ngắn thời gian huấn luyện và tăng độ tin cậy của quá trình hội tụ là rất cần thiết để hoàn thiện phương pháp này và nâng cao hiệu quả trong việc dự báo phụ tải điện.