DỰ BÁO NGẮN HẠN PHỤ TẢI ĐIỆN HÀ NỘI DỰA TRÊN MÔ HÌNH MÁY HỌC CỰC TRỊ

Tóm tắt

Việc dự báo chính xác phụ tải điện là một yếu tố quan trọng để các kĩ sư vận hành lưới điện đưa ra các quyết định chính xác về sản xuất, truyền tải và phân phối điện. Trong nghiên cứu này, một mô hình máy học cực (Extreme Learning Machine) đã được đề xuất và so sánh với bốn mô hình học máy khác bao gồm mạng thần kinh nhân tạo (Artificial Neural Networks), mạng nơron tích chập (Convolutional Neural Networks), bộ nhớ dài-ngắn hạn (Long Short-Term Memory) và nút hồi tiếp có cổng (Gated Recurrent Unit). Bộ dữ liệu được sử dụng để đánh giá các mô hình được lấy từ dữ liệu phụ tải điện tại thành phố Hà Nội, Việt Nam. Trước khi được sử dụng, dữ liệu được tiền xử lý qua các bước bao gồm việc loại bỏ các giá trị nhiều và bổ sung các giá trị còn thiếu, nhằm tối ưu hóa khả năng tính toán của các mô hình. Theo kết quả nghiên cứu, mô hình đề xuất có hiệu suất vượt trội khi so sánh với 4 mô hình còn lại với giá trị sai số nhỏ nhất. Những kết quả này đã chứng minh tính hiệu quả của mô hình, khiến nó trở thành một lựa chọn tốt để dự báo phụ tải ngắn hạn.