Nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự báo ngắn hạn phụ tải điện

ừng lớp láng giềng. Số neuron trong từng lớp láng giềng của lưới ngẫu nhiên cũng là một số ngẫu nhiên. Matlab chứa 3 hàm để khởi tạo lưới vuông, lưới lục giác và lưới ngẫu nhiên là: gridtop(nx, ny), hextop(nx, ny) và randtop(nx, ny) tương ứng. xlvi Hình 4.2 Hình 4.3 xlvii Hình 4.4 Để đơn giản, ta chọn lưới chữ nhật 18x18 neuron để phân loại vector đầu vào P(24). -Hàm khoảng cách giữa các neuron: Có 4 cách phổ biến để tính khoảng cách từ neuron xem xét đến neuron láng giềng: khoảng cách euclide (hàm dist) khoảng cách hộp (hàm boxdist) khoảng cách đường nối (hàm linkdist) – bằng số bước cần thực hiện để đi từ neuron xem xét đến neuron láng giềng. khoảng cách manhattan (hàm mandist), tính bằng công thức: ∑ −= yxd Để khởi đầu ta chọn khoảng cách 'linkdist' để tạo mạng SOFM ( 'linkdist' là hàm mặc định của NNToolbox). - Bán kính láng giềng giai đoạn chỉnh tinh: xlviii Chọn bán kính láng giềng là 1 (giá trị mặc định). - Số bước của pha xếp thứ tự neuron ( OSTEPS): Mặc định số bước của pha xếp thứ tự neuron lấy bằng 1000. Theo khuyến cáo của chính Kohonen, số bước này càng nhiều thì hiệu quả huấn luyện càng cao và tối thiểu phải bằng 500 lần số neuron của mạng. Vì vậy, ta chọn số bước của pha xếp thứ tự neuron bằng 500x18x18. - Vận tốc học pha xếp thứ tự neuron và vận tốc học pha chỉnh tinh chọn giá trị mặc định theo NNToolbox tương ứng là 0,9 và 0,02. Tóm lại, để khởi tạo mạng SOFM với các thông số chọn như trên ta dùng lệnh SOMFnet=newsom([minp maxp],[18 18],'gridtop','linkdist', 0.9,500*18*18,0.02,2) Huấn luyện mạng Quá trình huấn luyện diễn ra như sau [NNTool Guidelines]: - Mạng tìm neuron thắng cuộc cho mỗi vector đầu vào - Ứng với mỗi neuron thắng cuộc, sau khi xác định tất cả các vector đầu vào kích thích nó hoặc kích thích các neuron láng giềng của nó, vector trọng số của neuron thắng cuộc này sẽ chuyển đến vị trí trung bình của tập các vector đầu vào đó. - Khoảng cách trên cơ sở đó xác định bán kính láng giềng thay đổi trong quá trình huấn luyện qua 2 pha: Pha sắp xếp neuron: pha này kéo dài OSTEPS bước, tức 500x18x18 trong trường hợp này, bán kính láng giềng sẽ giảm từ giá trị ban đầu xuống đến giá trị bán kính láng giềng của pha chỉnh tinh (ND=1). Theo chiều giảm bán kính láng giềng các neuron sẽ tự sắp xếp lại trong không gian đầu vào (cũng tức là các vector trọng số của neuron sắp xếp lại). Pha chỉnh tinh: bán kính láng giềng giữ giá trị tối thiểu (ND=1), vector trọng số điều chỉnh tinh nhưng vẫn giữ vị trí đã sắp xếp ở pha đầu. Vận tốc học tiếp tục giảm chậm từ giá trị vận tốc học xlix của pha chỉnh tinh ban đầu (ở đây là 0,02). Số chu kỳ huấn luyện ở pha này cần lớn hơn nhiều so với số bước của pha đầu. Mạng được huấn luyện như trên nhờ lệnh sau của Matlab SOFMnet = train(SOFMnet, pn); Nhận dạng các vector đầu vào Các vector đầu vào được xác định thuộc nhóm nào thông qua quá trình mô phỏng dùng mạng đã huấn luyện với lệnh sim và vec2index a = sim(SOFMnet, pn) ac=vec2index(a) 4.3 Kết quả và phân tích 4.3.1 Phân loại toàn bộ các vector phụ tải trong năm 2004 Dùng mạng SOFM-18x18 nói trên để phân loại toàn bộ vector phụ tải trong năm 2004. Kết quả phân loại đưa ra trong bảng 4.1 sau. Bảng 4.1 Mã số các neuron kích hoạt bởi các vector phụ tải ngày tương ứng I-II II-III III- IV IV- V V-VI VI- VII VII- VIII VIII- IX IX- X X- XI XI- XII XII Mon 35 17 16 16 27 24 56 40 2 5 26 7 11 Tue 17 34 50 16 45 23 74 60 1 4 7 6 11 Wed 17 33 32 14 26 22 73 43 20 3 6 6 11 Thu 17 32 32 31 44 42 74 44 38 3 7 6 10 Fri 14 15 16 33 88 22 74 44 38 3 25 6 11 Sat 35 15 52 52 88 43 76 63 58 77 45 44 12 Sun 72 53 54 71 87 82 83 85 79 80 64 64 68 Mon 17 16 33 16 63 66 23 23 19 24 6 28 11 Tue 33 50 50 31 84 47 20 21 37 5 6 11 10 Wed 14 32 50 29 49 26 37 20 55 2 25 12 10 Thu 17 32 32 33 48 23 73 20 55 3 8 12 10 Fri 35 50 32 51 48 22 73 39 55 2 7 12 28 Sat 54 52 51 52 67 61 74 62 78 61 64 68 30 Sun 72 54 54 88 86 82 75 83 82 81 86 70 68 Mon 72 16 15 31 26 42 73 23 24 2 9 13 10 Tue 90 14 31 47 24 23 57 21 25 41 8 12 10 Wed 89 18 31 47 4 22 37 1 42 4 9 11 10 Thu 90 16 49 31 41 40 19 20 85 3 9 11 9 Fri 90 16 49 34 42 41 39 39 23 3 8 13 9 l I-II II-III III- IV IV- V V-VI VI- VII VII- VIII VIII- IX IX- X X- XI XI- XII XII Sat 90 18 52 52 43 62 61 61 61 64 46 50 12 Sun 90 54 54 70 84 83 83 81 80 87 86 69 68 Mon 90 17 15 49 48 42 43 38 37 27 27 12 11 Tue 54 15 15 47 46 23 23 37 1 8 7 12 10 Wed 36 34 33 47 66 41 42 55 40 25 7 10 10 Thu 36 15 33 47 48 39 21 56 25 45 7 11 10 Fri 18 51 51 27 47 38 21 76 24 60 8 10 30 Sat 36 52 52 65 65 76 59 59 62 64 46 30 Sun 54 71 71 87 85 79 80 80 82 86 86 69 Phân tích phân bố các neuron được kích hoạt bởi các ngày cùng thứ trong tuần trên lưới, ví dụ, các ngày Chủ nhật (bảng 4.2a,b,c), các ngày thứ Hai (bảng 4.3 a,b,c) và các ngày thứ Ba (bảng 4.4 a,b,c), ta thấy rằng cùng là ngày Chủ nhật nhưng rơi vào các nhóm mùa khác nhau (mùa 1: tháng 1 đến tháng 4; mùa 2: tháng 5-8; mùa 3: tháng 9-12) thì kích hoạt các nhóm neuron khác nhau. Vì vậy không thể nhóm các ngày cùng thứ trong tuần với nhau lại mà không tính đến yếu tố mùa. Nói cách khác, thông tin về mùa là thiết yếu trong đầu vào của mạng neuron dự báo phụ tải ngắn hạn. Hình 4.5 minh hoạ sự khác biệt đặc trưng của biểu đồ phụ tải các tháng khác nhau trong năm. Bảng 4.2 a)Chủ nhật (mùa đầu năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 li Bảng 4.2 b)Chủ nhật (mùa giữa năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Bảng 4.2 c)Chủ nhật (mùa cuối năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 lii Bảng 4.2 d)Chủ nhật (cả năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Bảng 4.3 a)Thứ Hai (mùa đầu năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 liii Bảng 4.3 b)Thứ Hai (mùa giữa năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Bảng 4.3 c)Thứ Hai (mùa cuối năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 liv Bảng 4.3 d)Thứ Hai (cả năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Bảng 4.4 a)Thứ Ba (mùa đầu năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 lv Bảng 4.4 b)Thứ Ba (mùa giữa năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Bảng 4.4 c)Thứ Ba (mùa cuối năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 lvi Bảng 4.4 d) Thứ Ba (cả năm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Hình 4.5. Khác biệt đặc trưng biểu đồ phụ tải ngày thường giữa tháng Giêng, tháng 7 và tháng 11 (số liệu năm 2003 Hà Nội) 4.3.2 Phân loại các vector phụ tải của 12 tuần đại diện cho 12 tháng trong năm 2004 Chọn các vector phụ tải của tuần đầu tiên của tất cả 12 tháng trong năm 2004 làm đầu vào cho mạng SOFM-18x18. Mã các neuron kích hoạt bởi các vector phụ tải tương ứng nêu trong bảng 4.5 và phân bố các nhóm neuron được kích hoạt trên lưới 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 07 January 2003 Tuesday, 14 January 2003 Tuesday, 21 January 2003 Tuesday, 28 January 2003 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 01 July 2003 Tuesday, 08 July 2003 Tuesday, 15 July 2003 Tuesday, 22 July 2003 Tuesday, 29 July 2003 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 04 November 2003 Tuesday, 11 November 2003 Tuesday, 18 November 2003 Tuesday, 25 November 2003 lvii 18x18 trong bảng 4.6 (màu xanh: mã tháng I-IV; màu đỏ: mã tháng V-IX và màu tím: mã tháng IX-XII) Bảng 4.5 Mã số các neuron kích hoạt bởi các vector phụ tải ngày tương ứng Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Mon 53 72 89 90 27 59 1 76 37 80 63 82 Tue 52 71 69 85 13 76 2 22 3 61 79 82 Wed 52 87 86 84 68 74 37 39 41 61 79 82 Thu 53 68 86 69 67 40 20 73 43 44 79 82 Fri 88 88 89 51 48 6 4 4 59 24 79 82 Sat 72 90 35 54 49 8 7 7 26 47 47 83 Sun 18 17 18 18 14 11 11 10 10 14 14 33 Bảng 4.6 Phân bố neuron được kích hoạt trên lưới 18x18 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 Qua phân bố neuron trên lưới dễ nhận thấy hiệu ứng mùa: các neuron kích hoạt bởi các biểu đồ phụ tải cùng mùa thường nằm trong cùng nhóm, (rõ nhất là thời gian từ tháng 1-4). 4.3.3. Phân loại các vector phụ tải của từng tháng, đặc biệt các tháng có ngày lễ-tết. lviii Tháng Giêng Jan-04 Sun 3 2 3 1 Mon 324 324 3 1 Tue 324 324 1 3 Wed 324 324 1 304 Thu 3 324 324 1 287 Fri 324 324 324 1 324 Sat 287 324 4 1 304 - Ngày Tết Dương lịch 1/1/2004 rơi vào thứ Năm, neuron kích hoạt có nhãn là 3 khác với các neuron được kích hoạt bởi các ngày thứ Năm khác (324,324,1,287). Ngoài ra neuron 3 là neuron kích hoạt các ngày Chủ Nhật. Vì vậy, cũng có thể kết luận rằng biểu đồ phụ tải ngày 1/1/2004 cùng nhóm ngày Chủ Nhật. - Nhóm kích hoạt neuron 1 là nhóm thuộc các ngày nghỉ Tết Âm lịch và các ngày lân cận. - Neuron 324 đại diện cho nhóm các ngày làm việc bình thường. - Các đặc điểm nêu trên dễ nhận thấy nếu phân tích trên các biểu đồ hình 4.6 - Kết quả phân loại theo phương pháp chuẩn hoá theo min và max của từng BĐPT như sau. Jan-04 Sun 306 306 37 1 Mon 323 270 19 19 Tue 323 323 2 3 Wed 323 323 1 324 Thu 19 306 270 1 324 Fri 323 305 323 1 324 Sat 306 305 324 1 305 Dễ thấy rằng nếu chuẩn hoá theo min và max của từng BĐPT thì không thể phân loại được như trên. Ví dụ, ngày thứ Năm 8/1/2004 gần với ngày thứ Hai 5/1/2004, trong khi đó theo cách chuẩn hoá này thì lại được nhóm cùng với ngày Chủ nhật 4/1/2004 (neuron 306)!? lix Hình 4.6 0 100 200 300 400 500 600 700 1 4 7 10 13 16 19 22 Monday, 05 January 2004 Monday, 12 January 2004 Monday, 19 January 2004 Monday, 26 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 06 January 2004 Tuesday, 13 January 2004 Tuesday, 20 January 2004 Tuesday, 27 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Wednesday, 07 January 2004 Wednesday, 14 January 2004 Wednesday, 21 January 2004 Wednesday, 28 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Thursday, 08 January 2004 Thursday, 15 January 2004 Thursday, 22 January 2004 Thursday, 29 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Friday, 09 January 2004 Friday, 16 January 2004 Friday, 23 January 2004 Friday, 30 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Saturday, 10 January 2004 Saturday, 17 January 2004 Saturday, 24 January 2004 Saturday, 31 January 2004 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Sunday, 04 January 2004 Sunday, 11 January 2004 Sunday, 18 January 2004 Sunday, 25 January 2004 lx Tháng Hai: Feb-04 Sun 73 73 73 73 73 Mon 69 17 17 69 Tue 69 54 89 89 Wed 90 90 55 53 Thu 72 90 17 17 Fri 17 72 17 12 Sat 17 40 55 6 Tháng Ba: Mar-04 Sun 37 37 37 37 Mon 13 32 32 51 12 Tue 87 7 72 51 59 Wed 36 86 18 32 89 Thu 72 18 36 7 Fri 59 18 36 22 Sat 37 76 22 37 Tháng Tư: Apr-04 Sun 19 19 19 4 Mon 75 15 67 90 Tue 15 89 89 90 Wed 54 89 72 90 Thu 15 75 84 90 90 Fri 75 23 6 90 19 Sat 3 6 6 33 Tháng Năm: May-04 Sun 90 89 69 32 12 Mon 67 4 12 37 87 Tue 69 73 86 73 Wed 69 73 69 73 Thu 69 73 69 74 Fri 12 37 12 73 Sat 90 12 58 12 58 lxi Ngày 1/5/2004 rơi vào thứ Bảy, kích hoạt neuron 90, khác biệt với 2 neuron còn lại được kích hoạt bởi các ngày thứ Bảy kia (12,12,58,58). Tháng Sáu: Jun-04 Sun 1 1 15 1 Mon 19 19 54 67 Tue 1 67 67 90 33 Wed 19 67 67 54 17 Thu 67 67 33 90 Fri 67 8 89 90 Sat 73 1 15 15 Tháng Bảy: Jul-04 Sun 1 54 54 54 Mon 73 72 40 18 Tue 73 18 36 4 Wed 73 18 71 19 Thu 73 73 5 72 19 Fri 73 22 5 72 22 Sat 73 90 13 54 54 Tháng Tám Aug 2004 Sun 90 90 90 90 90 Mon 84 38 7 37 54 Tue 7 37 57 37 54 Wed 2 37 57 37 Thu 73 37 38 37 Fri 77 77 4 37 Sat 90 87 77 90 Tháng Chín: Sep-04 Sun 72 72 72 72 Mon 1 7 51 1 Tue 1 55 7 13 Wed 15 37 1 1 55 Thu 72 16 37 1 1 Fri 14 14 1 1 Sat 87 72 15 53 lxii Ngày Quốc khánh 2/9 rơi vào thứ Năm và kích hoạt neuron 72, trùng với nhóm neuron Chủ nhật và khác biệt với nhóm neuron còn lại của ngày thứ Năm (1,1,16,37). Tháng Mười Oct-04 Sun 73 73 74 73 73 Mon 31 31 36 12 Tue 69 70 36 13 Wed 69 36 70 87 Thu 87 89 69 87 Fri 36 70 70 70 69 Sat 55 3 84 3 22 Tháng 11: Nov-04 Sun 54 87 54 54 Mon 57 1 74 51 14 Tue 1 1 40 69 32 Wed 1 1 50 40 324 Thu 1 1 15 79 Fri 1 1 32 15 Sat 12 73 54 54 Tháng 12: Dec-04 Sun 1 1 1 1 Mon 31 72 72 72 Tue 72 72 72 72 Wed 72 72 72 72 72 Thu 31 72 72 72 72 Fri 72 72 72 72 41 Sat 40 86 76 60 0 Hình 4.7 là kết quả phân loại mùa đầu tiên của năm 2003. Nhận xét: - Các ngày Chủ nhật là đồng dạng nhất trong tuần - Nhóm các ngày làm việc cùng với nhau là hợp lý, tuy nhiên không phải đối với tháng nào sự phân loại này cũng phù hợp... lxiii - Các ngày lế đặc biệt như 1/5, 2/9 kích hoạt các neuron riêng biệt, thường không thuộc nhóm các neuron được kích hoạt bởi phụ tải ngày trong tuần bình thường. - Để tách tự động thành các nhóm vector phụ tải "đồng dạng", bản thân SOFM-Kohonen chưa đủ thông tin, cần bước clustering hoặc dùng một thuật toán khác ngay từ đầu để phân loại. 152 153 154 155 156 157 158 159 160 161 162 145 146 147 148 149 150 151 170 171 172 173 174 175 176 177 178 179 180 163 164 165 166 167 168 169 188 189 190 191 192 193 194 195 196 197 198 181 182 183 184 185 186 187 206 207 208 209 210 211 212 213 214 215 216 199 200 201 202 203 204 205 224 225 226 227 228 229 230 231 232 233 234 217 218 219 220 221 222 223 242 243 244 245 246 247 248 249 250 251 252 235 236 237 238 239 240 241 260 261 262 263 264 265 266 267 268 269 270 253 254 255 256 257 258 259 278 279 280 281 282 283 284 285 286 287 288 271 272 273 274 275 276 277 296 297 298 299 300 301 302 303 304 305 306 289 290 291 292 293 294 295 314 315 316 317 318 319 320 321 322 323 324 307 308 309 310 311 312 313 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 26 27 28 29 30 31 32 33 34 35 36 19 20 21 22 23 24 25 44 45 46 47 48 49 50 51 52 53 54 37 38 39 40 41 42 43 62 63 64 65 66 67 68 69 70 71 72 55 56 57 58 59 60 61 80 81 82 83 84 85 86 87 88 89 90 73 74 75 76 77 78 79 98 99 100 101 102 103 104 105 106 107 108 91 92 93 94 95 96 97 116 117 118 119 120 121 122 123 124 125 126 109 110 111 112 113 114 115 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Sunday, 19 January 2003 Sunday, 23 February 2003 Sunday, 06 April 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Thursday, 20 February 2003 Thursday, 27 February 2003 Thursday, 27 March 2003 Thursday, 03 April 2003 Thursday, 10 April 2003 Thursday, 17 April 2003 Thursday, 24 April 20030 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Wednesday, 19 March 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Wednesday, 22 January 2003 Wednesday, 19 February 2003 Tuesday, 04 March 2003 Tuesday, 01 April 2003 Tuesday, 15 April 2003 Wednesday, 16 April 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Wednesday, 05 March 2003 Monday, 31 March 2003 Wednesday, 02 April 2003 Friday, 04 April 2003 Wednesday, 09 April 2003 Friday, 11 April 2003 Friday, 18 April 2003 Saturday, 19 April 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Tuesday, 11 February 2003 Friday, 21 February 2003 Tuesday, 25 February 2003 Saturday, 01 March 2003 Friday, 07 March 2003 Saturday, 15 March 2003 Friday, 21 March 2003 Tuesday, 25 March 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Sunday, 13 April 2003 Sunday, 20 April 2003 Sunday, 27 April 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Saturday, 18 January 2003 Friday, 24 January 2003 Saturday, 25 January 2003 Saturday, 22 February 2003 Wednesday, 26 February 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Monday, 20 January 2003 Monday, 03 March 2003 Monday, 10 March 2003 Monday, 17 March 2003 Monday, 24 March 2003 Monday, 07 April 2003 Monday, 14 April 2003 Thursday, 13 March 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Thursday, 13 March 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Friday, 17 January 2003 Sunday, 02 March 2003 Thursday, 06 March 2003 Sunday, 09 March 2003 Sunday, 16 March 2003 Sunday, 30 March 2003 Monday, 27 January 2003 0 50 100 150 200 250 300 350 400 450 1 3 5 7 9 11 13 15 17 19 21 23 Monday, 27 January 2003 0 50 100 150 200 250 300 350 400 450 1 3 5 7 9 11 13 15 17 19 21 23 Monday, 06 January 2003 Tuesday, 07 January 2003 Tuesday, 28 January 2003 Saturday, 08 February 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Sunday, 05 January 2003 Sunday, 12 January 2003 Sunday, 26 January 2003 Friday, 31 January 2003 Sunday, 09 February 2003 Sunday, 16 February 2003 0 50 100 150 200 250 300 350 400 450 500 1 3 5 7 9 11 13 15 17 19 21 23 Saturday, 15 February 2003 Saturday, 08 March 2003 0 50 100 150 200 250 300 350 400 450 1 3 5 7 9 11 13 15 17 19 21 23 Sunday, 23 March 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Giờ M W Monday, 13 January 2003 Monday, 10 February 2003 Monday, 17 February 2003 Friday, 14 March 2003 Friday, 28 March 2003 0 50 100 150 200 250 300 350 400 450 500 1 5 9 13 17 21 Friday, 03 January 2003 Wednesday, 08 January 2003 Friday, 10 January 2003 Wednesday, 29 January 2003 Wednesday, 05 February 2003 Friday, 07 February 2003 0 50 100 150 200 250 300 350 400 1 4 7 10 13 16 19 22 Wednesday, 01 January 2003 Saturday, 04 January 2003 Saturday, 11 January 2003 Thursday, 30 January 2003 Sunday, 02 February 2003 Monday, 03 February 2003 Tuesday, 04 February 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Thursday, 16 January 2003 Thursday, 23 January 2003 Thursday, 20 March 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 14 January 2003 Tuesday, 21 January 2003 Tuesday, 18 February 2003 Tuesday, 11 March 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Friday, 14 February 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Thursday, 02 January 2003 Thursday, 09 January 2003 Monday, 13 January 2003 Thursday, 06 February 2003 0 50 100 150 200 250 300 350 400 450 1 4 7 10 13 16 19 22 Thursday, 06 February 2003 Saturday, 22 March 2003 0 50 100 150 200 250 300 350 400 450 500 1 3 5 7 9 11 13 15 17 19 21 23 Saturday, 22 March 2003 0 0 0 0 0 0 0 1 4 7 10 13 16 19 22 Thursday, 20 February 2 03 Thursday, 27 February 2003 Thursday, 27 March 2003 Thursday, 03 April 2003 Thursday, 10 April 2003 Thursday, 17 April 2003 Thursday, 24 April 20030 100 200 300 400 500 1 4 7 10 13 16 19 22 Wednesday, 19 March 2003 1 4 7 10 13 16 19 22 Wednesday, 22 January 2003 Wednesday, 19 February 2003 Tuesday, 04 March 2003 Tuesday, 01 April 2003 Tuesday, 15 April 2003 Wednesday, 16 April 2003 0 100 200 1 4 7 10 13 16 19 22 ednesday, 05 arch 2003 onday, 31 r , April 2003 Friday, 04 April 2003 ednesday, 09 ril ri , ril Friday, 18 April 2003 Saturday, 19 April 2003 7 10 13 16 19 2 Tuesday, 11 February 2003 Friday, 21 February 2003 Tuesday, 25 February 2003 Saturday, 01 March 2003 Friday, 07 March 20 3 Saturday, 15 March 2003 Friday, 21 March 20 3 Tuesday, 25 March 2003 1 3 16 19 22 Sunday, 13 April 2003 Sunday, 20 April 2003 Sunday, 27 April 2003 0 100 200 1 4 7 10 13 16 19 22 Saturday, 18 January 2003 Friday, 24 January 2003 Saturday, 25 January 2003 Saturday, 22 February 2003 ednesday, 26 February 2003 0 100 300 1 4 7 10 13 16 19 22 onday, 20 January 2003 onday, 03 arch 2003 , r , arch 2003 onday, 24 arch 2003 onday, 07 April , ril 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Friday, 28 February 2003 Tuesday, 18 March 2003 0 100 200 300 400 500 600 1 7 13 19 Giờ M W Monday, 13 January 2003 Monday, 10 February 2003 Monday, 17 February 2003 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Wednesday, 15 January 2003 Wednesday, 12 February 2003 Wednesday, 12 March 2003 Wednesday, 26 March 2003 Hình 4.7. Kết quả phân loại mùa đầu năm 2003 lxiv 4.4 Tóm lược chương 4 Phân loại dạng biểu đồ phụ tải có 2 ý nghĩa quan trọng: nếu dùng phương pháp dự báo đỉnh-đáy-dạng biểu đồ phụ tải để dự báo thì việc phân loại này giúp xây dựng cơ sở dữ liệu các dạng biểu đồ phụ tải cần thiết cho phương pháp; nếu dùng phương pháp dự báo phụ tải đồng thời 24 giờ hoặc dự báo phụ tải từng giờ tới thì việc phân loại này sẽ cung cấp thông tin ban đầu về dạng biểu đồ mà ngày dự báo này trực thuộc để làm giảm sai số dự báo. Các thử nghiêm với bộ dữ liệu quá khứ về phụ tải khu vực Hà Nội cho thấy mạng ánh xạ tự tổ chức SOFM xây dựng trong chương này có thể phân loại các biểu đồ phụ tải ngày thành các nhóm khác nhau. Biểu đồ phụ tải các ngày Chủ Nhật trong tháng thường có dạng đồng nhất cao, vì vậy được phân loại thành một nhóm nhất định. Các ngày làm việc bình thường có thể nhóm thành một nhóm khác, tuy nhiên, luật phân loại này không phải đối với tháng nào cũng phù hợp. Các ngày lễ-tết đặc biệt như Tết Dương lịch, Tết Âm lịch, 1/5, 2/9,... kích hoạt các neuron riêng biệt, thường không thuộc nhóm các neuron được kích hoạt bởi phụ tải ngày trong tuần bình thường. Kết quả phân loại dùng SOFM cũng cho thấy các biểu đồ phụ tải phụ thuộc vào mùa trong năm rất cao (như có thể kết luận từ quan sát trực quan chuỗi số liệu phụ tải). Biểu đồ phụ tải của 3 mùa (theo phân loại mùa xem xét trước đây) kích hoạt 3 nhóm neuron khác hẳn nhau trên lưới của mạng SOFM-Kohonen. Mạng SOFM cho thấy khả năng phân loại khá tốt các biểu đồ phụ tải điện quá khứ. Tuy nhiên, vì tính tương tự của các biểu đồ phụ tải là khá cao nên để tách chúng thành các nhóm vector phụ tải "đồng dạng", bản thân SOFM-Kohonen chưa đủ thông tin, cần bước clustering trực quan hoặc dùng một thuật toán khác ngay từ đầu để phân loại tự động. lxv Khảo cứu: *[Tomonobu2002-49]: Chọn các ngày tương tự dùng Euclidian norm với trọng số. *[Rui-50]: - Phân loại kiểu ngày không thể giải quyết vạn năng, nó phụ thuộc vào đặc điểm hệ thống điện - Phân loại kiểu ngày có thể bằng 2 cách: truyền thống và ANN - Bài toán phân loại kiểu ngày có 2 ý nghĩa: * là bước 3 của phương pháp dự báo đỉnh-đáy-dạng BDDPT * để đánh giá có bao nhiêu kiểu ngày và đưa thông tin về các kiểu ngày vào mô hình, theo 2 cách: a) mã hoá các kiểu ngày này và đưa vào đầu vào của mạng; b) nếu có N kiểu ngày thì xây dựng N mạng mỗi mạng dự báo cho 1kiểu ngày. *[Gavrilas]: - Vẽ các biểu đồ phụ tải ngày cho các ngày Chủ nhật, thứ Hai, thứ Ba,... - lxvi 0 100 200 300 400 500 600 700 1 4 7 10 13 16 19 22 Monday, 05 January 2004 Monday, 12 January 2004 Monday, 19 January 2004 Monday, 26 January 2004 0 100 200 300 400 500 600 1 4 7 10 13 16 19 22 Monday, 06 January 2003 Monday, 13 January 2003 Monday, 20 January 2003 Monday, 27 January 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 07 January 2003 Tuesday, 14 January 2003 Tuesday, 21 January 2003 Tuesday, 28 January 2003 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Tuesday, 06 January 2004 Tuesday, 13 January 2004 Tuesday, 20 January 2004 Tuesday, 27 January 2004 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Wednesday, 01 January 2003 Wednesday, 08 January 2003 Wednesday, 15 January 2003 Wednesday, 22 January 2003 Wednesday, 29 January 2003 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Wednesday, 07 January 2004 Wednesday, 14 January 2004 Wednesday, 21 January 2004 Wednesday, 28 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Thursday, 08 January 2004 Thursday, 15 January 2004 Thursday, 22 January 2004 Thursday, 29 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Friday, 09 January 2004 Friday, 16 January 2004 Friday, 23 January 2004 Friday, 30 January 2004 0 100 200 300 400 500 600 700 1 3 5 7 9 11 13 15 17 19 21 23 Saturday, 10 January 2004 Saturday, 17 January 2004 Saturday, 24 January 2004 Saturday, 31 January 2004 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Sunday, 04 January 2004 Sunday, 11 January 2004 Sunday, 18 January 2004 Sunday, 25 January 2004 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Thursday, 02 January 2003 Thursday, 09 January 2003 Thursday, 16 January 2003 Thursday, 23 January 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Friday, 03 January 2003 Friday, 10 January 2003 Friday, 17 January 2003 Friday, 24 January 2003 Friday, 24 January 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Saturday, 04 January 2003 Saturday, 11 January 2003 Saturday, 18 January 2003 Saturday, 25 January 2003 0 100 200 300 400 500 600 1 3 5 7 9 11 13 15 17 19 21 23 Sunday, 05 January 2003 Sunday, 12 January 2003 Sunday, 19 January 2003 Sunday, 26 January 2003 - Đỉnh thứ nhất của Chủ nhật thấp hơn nhiều so với ngày thường. - Đỉnh thứ hai ít thay đổi so với ngày thường. (chủ yếu phụ tải ánh sáng sinh hoạt không khác nhiều giữa ngày thường và Chủ nhật) lxvii Tài liệu tham khảo 9. Chin-Teng Lin, George Lee, “Neural Fuzzy Systems”, 1996. 10. Tran Ky Phuc, Pham Thuong Han, Le Thi Thanh Ha, Quach Tuan Dung, “Applied research Artificial Neural Network in Short term Load Forecasting in Vietnam, Part 1”. Today Automation magazine 07/12/2001. 11. M. Espinoza, Caroline Joye, Ronnie Belmans, Bart De MoorShort-term load forcasting, profile identification, and customer segmentation: a methodology based on periodic time series. IEEE Transactions on Power System, Vol. 20, No. 3, August 2005. 12. Kohonen T.K. “Self-Organization and Associative Memory” 1989. 13. Christianse W.R., “Short term Load Forecasting using general exponential smoothing”, IEEE Transactions on Power Apparatus and Systems, Vol. 90, 1971. 14. Park D.C et al. Electric Load Forecasting Using an Artificial Neural Network. IEEE Transactions on Power System, Vol. 6, No. 2, May 1991. 15. Lee K.Y. et al. Short-term Load Forecasting using an Artificial Neural Network. IEEE Transaction on Power System, Vol 7, No. 1, February 1992. 16. Quach Tuan Dung, Daily Load forecasting for Vietnam Power System. Science Report, National Load Dispatch – EVN 2000. 17. A.G. Bakirtzis, et. al, “A Neural Network Short Term Load Forecasting Model for the Greek Power System,” IEEE Trans. PWRS, vol. 11, no. 2, pp. 858-863, May, 1996 18. T.S. Dillon, S. Sestito and S. Leung, “Short Term Load Forecasting Using an Adaptive Neural Network,” Electrical Power and Energy Systems, vol. 13, no. 4, Aug. 1991. 19. K. Ho, Y. Hsu, C. Yang, “Short Term Load Forecasting Using a Multi-Layer Neural Network with an Adaptive Learning Algorithm,” IEEE Trans. PWRS, vol. 7, pp. 141-149, no. 1, Feb. 1992. 20. A. Khotanzad, A. Abaye, and D. Maratukulam, “Forecasting Power System Peak Loads by an Adaptive Neural Network,” Intelligent Engineering Systems Through Artificial Neural Networks, vol. 3, edited by C.H. Dagli, et. al, ASME Press, pp. 891-896, 1993. 21. A. Khotanzad, R. Afkhami-Rohani, T.L. Lu, M.H. Davis, A. Abaye, and D.J. Maratukulam, “ANNSTLF - A Neural Network-Based Electric Load Forecasting System,” IEEE Trans. on Neural Networks, vol. 8, no. 4, pp. 835- 846, July, 97. 22. A. Khotanzad, M.H. Davis, A. Abaye, and D.J. Martukulam, “An Artificial Neural Network Hourly Temperature Forecaster with Applications in Load Forecasting,” IEEE Trans. PWRS, vol. 11, pp. 870-876, no. 2, May 1996. 23. A. Khotanzad, R.C. Hwang, A. Abaye, and D. Maratukulam, “An Adaptive Modular Artificial Neural Network Hourly Load Forecaster and its lxviii Implementation at Electric Utilities,” IEEE Trans. PWRS, vol. 10, pp. 1716- 1722, no. 3, Aug. 1995. 24. K.Y. Lee, Y.T. Cha, J.H. Park, “Short-Term Load Forecasting Using an Artificial Neural Network,” IEEE Trans. PWRS, vol. 7, no. 1, pp. 124-132, Feb. 1992. 25. C.N. Lu, N. T. Wu, S. Vemuri, “Neural Network Based Short Term Load Forecasting,” IEEE Trans. PWRS, vol. 8, No. 1, pp. 336-342, Feb. 1993. 26. O. Mohammed, D. Park, R. Merchant, et. al, “Practical Experiences with an Adaptive Neural Network Short-Term Load Forecasting System,” IEEE Trans. PWRS, vol. 10, no. 1, pp. 254-265, Feb. 1995. 27. A. D. Papalexopolos, S. Hao, and T.M. Peng, “An Implementation of a Neural Network Based Load Forecasting Model for the EMS, “ IEEE Trans. PWRS, vol. 9, no. 4, pp. 1956-1962, Nov., 1994. 28. D. C. Park, M.A. El-Sharkawi, R.J. Marks, L.E. Atlas, and M.J. Damborg, “Electric Load Forecasting Using an Artificial Neural Network,” IEEE Trans. PWRS, pp. 442-449, May 1991. 29. T. M. Peng, N.F. Hubele, and G.G. Karady, “Advancement in the Application of Neural Networks for Short-Term Load Forecasting,” IEEE Trans. PWRS, vol. 8, no. 3, pp. 1195-1202, Feb. 1993. 30. J. G. Proakis, C.M. Rader, F. Ling, and C.L. Nikias, Advanced Digital Signal Processing, Macmillan Publishing Company, New York, NY, pp. 351-358, 1992. 31. D. E. Rumelhart and J.L. McClelland, Parallel Distributed Processing, vol. 1, MIT Press, 1986. 32. [1] M. Adya and F. Collopy, “How effective are neural networks at forecasting and prediction? A review and evaluation,” J. Forecast., vol. 17, pp. 481–495, 1998. 33. A. S. AlFuhaid, M. A. El-Sayed, and M. S. Mahmoud, “Cascaded artificial neural networks for short-term load forecasting,” IEEE Trans.Power Systems, vol. 12, no. 4, pp. 1524–1529, 1997. 34. U. Anders and O. Korn, “Model selection in neural networks,” Neural Networks, vol. 12, pp. 309–323, 2000. 35. J. S. Armstrong and F. Collopy, “Error measures for generalizing about forecasting methods: Empirical comparisons,” Int. J. Forecast., vol. 8, pp. 69– 80, 1992. 36. J. S. Armstrong and R. Fildes, “Correspondence on the selection of error measures for comparisons among forecasting methods,” J. Forecast., vol. 14, pp. 67–71, 1995. 37. C. M. Bishop, Neural Networks for Pattern Recognition. Oxford: Claredon Press, 1997. 38. D. W. Bunn, “Forecasting loads and prices in competitive power markets,”Proc. IEEE, vol. 88, no. 2, pp. 163–169, 2000. 39. D. W. Bunn and E. D. Farmer, Eds., Comparative Models for Electrical 40. Load Forecasting: John Wiley & Sons, 1985. lxix 41. W. Charytoniuk, M. S. Chen, and P. Van Olinda, “Nonparametric regression based short-term load forecasting,” IEEE Trans. Power Systems, vol. 13, no. 3, pp. 725–730, 1998. 42. C. Chatfield, “Neural networks: Forecasting breakthrough or passing fad?,” Int. J. Forecast, vol. 9, pp. 1–3, 1993. 43. Murto P. 44. Fienberg 45. H.S. Hippert, C.E. Pedreira, and R.C. Souza. Neural Networks for Short-Term Load Forecasting: A Review and Evaluation. IEEE Transactions on Power Systems, 16:44–55, 2001 46. Gavrilas 47. Gross G., Galina F.D.1987, Short-term load forecasting, Proceedings of the IEEE, Vol. 75, No. 12, December 1987, pp. 1558-1573 48. Rasanen, M., Modeling procceses in the design of electric tariffs, Research Report A60, Systems Analysis Laboratory, Helsinki University of Technology. 49. Papalexopoulos, A. D., T. C. Hesterberg, 1990, "A regression-based approach to short-term system load forecasting", IEEE Transactions on Power Systems, Vol. 5, No. 4, November 1990, pp. 1535-1547. 50. Box, G. E. P, G. M. Jenkins, 1976, "Time series analysis: forecasting and control", Holden-Day, San Fransisco 51. Jabbour, K., J. F. V. Riveros, D. Landsbergen, and W. Meyer, 1988, "ALFA: Automated Load Forecasting Assistant", IEEE Transactions on Power Systems, Vol. 2, No. 3, August 1988, pp.908-914. 52. Momoh, J. A., K. Tomsovic, 1995, "Overview and literature survey of fuzzy set theory in power systems", IEEE Transactions on Power Systems, Vol. 10, No. 3, August 1995, pp. 1676-1690. 53. K. L. Ho, Y. Y. Hsu, C. F. Chen, T. E. Lee, C. C. Liang, T. S. Lai, and K. K. Chen, “Short term load forecasting of Taiwan power system using a knowledge-based expert system,” IEEE Trans. Power Systems, vol. 5, no. 4, pp. 1214–1221, 1990. 54. I. Drezga and S. Rahman, “Input variable selection for ANN-based short-term load forecasting,” IEEE Trans. Power Systems, vol. 13, no. 4, pp. 1238–1244, 1998. 55. K. L. Ho, Y. Y. Hsu, C. F. Chen, T. E. Lee, C. C. Liang, T. S. Lai, and J. S. McMenamin and F. A. Monforte, “Short-term energy forecasting with neural networks,” Energy J., vol. 19, no. 4, pp. 43–61, 1998 56. Radwan E. "Short-term hourly load forecasting using abductive networks", IEEE Trans. on PS, vol.19, No.1, February 2004. lxx KẾT LUẬN Giai đoạn 2 của đề tài nghiên cứu đã xem xét các vấn đề thiết kế mô hình, lập phần mềm và thử nghiệm để dự báo đỉnh-đáy-dạng biểu đồ phụ tải ngày dùng mạng neuron nhiều lớp thuật toán lan truyền ngược sai số MLP và mạng một lớp thuật toán học không giám sát Kohonen. Kết quả thử nghiệm mạng cho thấy sai số dự báo là thấp hơn các mô hình dùng phương pháp thống kê và tương đương với các công bố dùng mạng neuron, neuron-mờ,... Để so sánh, trong giai đoạn 2 cũng đã xây dựng phần mềm dự báo biểu đồ phụ tải ngày trên cơ sở mạng neuron 24 đầu ra (phụ tải 24 giờ trong ngày). Kết quả cho sai số tương đương với phương pháp đỉnh-đáy-dạng. Hướng nghiên cứu tiếp theo là tổng hợp cả 2 giải pháp này trong phần mềm dự báo sử dụng bộ tổng hợp sai số bình phương tối thiểu dựa vào hiệu quả dự báo của từng giải pháp trong quá khứ. i Cần nghiên cứu lại đặc điểm của hàm train(...trainV.p, trainV.T, val, test) ii Một trong những lý do có quan điểm bảo thủ về ANNSTLF là số dữ liệu không đủ cho các mạng có kích thước lớn như các mạng có 24 đầu ra ở đây (xem [Hippert]) iii Số chu kỳ huấn luyện epochs= 51, có vẻ trong trường hợp này luật học L-M chậm hội tụ hơn các luật học còn lại. iv Tuy nhiên, cũng còn cần phải chứng minh kết quả này là đại diện chưa, và hiệu quả phải tính trên MAPE cả kỳ dự báo, ví dụ MAPE tuần, MAPE tháng, … v Xem mini-training với một vài ngày dữ liệu cập nhật theo [Khotanzad]