ỨNG DỤNG KẾT HỢP LỌC WAVELET TIỀN XỬ LÝ DỮ LIỆU CHO MẠNG GCN-LSTM VỚI GIẢI THUẬT TỐI ƯU HÓA HHO TRONG MÔ HÌNH DỰ BÁO PHỤ TẢI

Tóm tắt

Dự báo chính xác tải hàng ngày là rất quan trọng để lập kế hoạch quản lý năng lượng. Trong nghiên cứu này đề xuất phương pháp mới để dự báo phụ tải hàng ngày tận dụng dữ liệu phụ tải và dữ liệu thời tiết theo thời gian ở Tiền Giang. Mô hình dự báo được cải thiện bằng cách kết hợp bộ lọc Wavelet tiền xử lý dữ liệu cho mạng chuyển đổi đồ thị để kết hợp dữ liệu đầu vào theo các điểm thời gian, ngày trong năm và các tính năng đầu vào khác. Đầu ra của mạng chuyển đổi đồ thị sau đó được đưa vào mạng Bộ nhớ ngắn hạn dài với giải thuật tối ưu hoá trong mô hình dự báo phụ tải. Mô hình dự báo được đánh giá dựa trên dữ liệu phụ tải từ mô hình lưới điện nhỏ trong lưới điện tỉnh Tiền Giang, so sánh nó với các mô hình dự báo dựa trên deep learning khác. Kết quả cho thấy mô hình đề xuất vượt trội hơn về sai số bình phương trung bình gốc và sai số phần trăm tuyệt đối trung bình, cho thấy hiệu quả của phương pháp là tin cậy và chính xác.