XÂY DỰNG MÔ HÌNH LAI CNN-LSTM DỰ BÁO NGẮN HẠN CÔNG SUẤT PHÁT CHO NHÀ MÁY ĐIỆN MẶT TRỜI NHỊ HÀ

Tóm tắt

Việc tích hợp điện mặt trời vào lưới điện không chỉ mang lại lợi ích to lớn về kinh tế và môi trường mà còn đem đến những thách thức đối với hệ thống điện. Dự báo ngắn hạn công suất điện mặt trời một cách chính xác là một trong những giải pháp để khắc phục những khó khăn này. Nghiên cứu này đề xuất một mô hình lai kết hợp mạng nơ-ron tích chập – mạng có bộ nhớ dài-ngắn hạn (CNN-LSTM) để dự báo công suất điện mặt trời. Bộ dữ liệu công suất để đánh giá mô hình được thu thập từ nhà máy điện mặt trời Nhị Hà. Nghiên cứu đã đưa ra các phương án về việc chia tỉ lệ tập huấn luyện/tập kiểm tra cũng như kích thước dữ liệu đầu vào phổ biến để lựa chọn phương án tốt nhất trong đó. Kết quả cho thấy phương án chia tỷ lệ tập huấn luyện/tập dữ liệu là 80/20 với số lookback là 24 đem lại hiệu quả dự báo tốt nhất. Để chứng minh hiệu quả của mô hình đề xuất, kết quả dự báo được so sánh với các mô hình học máy và học sâu bao gồm mạng nơ ron nhân tạo, mạng nơ-ron tích chập, mạng bộ nhớ dài-ngắn hạn. Ngoài ra một số ngày điển hình như công suất cao/thấp, mức độ dao động mạnh/yếu cũng được xem xét và đánh giá. Với giá trị sai số nhỏ nhất, mô hình đề xuất có độ chính xác vượt trội khi so sánh với 3 mô hình còn lại.