Dự báo biểu đồ phụ tải điện Việt Nam tới năm 2030
Email tác giả liên hệ:
vu.nguyenhoangminh@uah.edu.vnTừ khóa:
Biểu đồ phụ tải điện, Phân nhóm, Mẫu phụ tải, Dự báo, Việt NamTóm tắt
Dự báo dài hạn biểu đồ phụ tải là công việc rất khó khăn nhưng hết sức cần thiết cho lập trình động trong quy hoạch hệ thống điện. Mục tiêu của bài báo này là dự báo biểu đồ phụ tải hệ thống điện Việt Nam tới năm 2030. Giải thuật Kmax – Kmin kết hợp với sự lựa chọn của chuyên gia được sử dụng để tìm các mẫu phụ tải của hệ thống điện cho các năm 2006, 2010, 2012, và 2014. Những mẫu có hình dạng giống nhau được nhận diện, và được sử dụng để dự báo.
Kết quả chỉ ra có 8 mẫu phụ tải từ năm 2006. Trong đó, các mẫu phụ tải của các năm 2010, 2012, và 2014 có hình dạng hay “luật” giống nhau. Chúng được sử dụng để dự báo biểu đồ phụ tải của các mẫu phụ tải tới năm 2030. Nhu cầu điện (GWH) có được từ biểu đồ phụ tải dự báo có khác biệt nhỏ, dưới 2%, so với những giá trị tương ứng được cho trong nghiên cứu trước. Kết quả như vậy được chấp nhận rông rải cho dạng nghiên cứu này.
Tải xuống: 0
Tài liệu tham khảo
Nazarko J, Styczynski ZA. Application of statistical and neural approaches to the daily load profiles modelling in power distribution systems. Proc. IEEE Transm. and Distrib. Conference, New Orleans, LA, 11-16 April 1999, 1:320-325.
Kohonen T. Springer Series in Information Science. Self-organizing maps, 30. Berlin, Germany: Springer-Verlag; 1995.
Chicco G, Napoli R, Piglione F, Scutariu M, Postolache P, Toader C. Load pattern-based classification of electricity customers. IEEE Trans. Power Syst 2004;19(2):1232-9.
Valero S, Ortiz M, Senabre C, Alvarez C, Franco FJG, Gabaldon A. Methods for customer and demand response policies selection in new electricity markets. IET Generation, Transm Distribution 2007;1(1): 104-10.
Gerbec D, Gasperic S, Smon I, Gubina F. Allocation of the load profiles to consumers using probabilistic neural networks. IEEE Trans. Power Syst 2005; 20(2):548-55.
Chicco G, Napoli R, Postolache P, Scutariu M, Toader C. Customer characterisation options for improving the tariff offer. IEEE Trans. Power Syst 2003;18(1):381-7.
Pao YH, Sobajic DJ. Combined use of unsupervised and supervised learning for dynamic security assessment. IEEE Trans. Power Syst 1992; 7:878-84.
Batrinu F, Chicco G, Napoli R, Piglione F, Scutariu, M Postolache P, Toader C.Efficient iterative refinement clustering for electricity customer classification. Proc. IEEE power Tech 2005, St. Petersburg, Russia, 27-30 June 2005, paper no.139.
Anderberg MR. Cluster analysis for applications. New York: Academic Press;1973.
Bezdek JC, Harris JD. Fuzzy partitions and relations; an axiomatic basis for clustering. Fuzzy Sets Syst 1978; 1:111-27.
Gerbec D, Gašperič S, Šmon I, Gubina F. Determining the load profiles of consumers based on fuzzy logic and probability neural networks. IEE Proc Gener Transm Distrib 2004;151(3):395-400.
Tsekouras GJ, Hatziargyriou ND, Dialynas EN. Two-stage pattern recognition of load curves for classification of electricity customers. IEEE Trans. Power Syst 2007; 22(3):1120-8.
Marques DZ, de Almeida KA, de Deus AM, da Silva Paulo ARG, da Silva Lima W. A comparative analysis of neural and fuzzy cluster techniques applied to the characterization of electric load in substations. Proc. IEEE/PES Transmission and Distribution Conference and Exposition: Latin America, 8-11 Nov. 2004, 908-913.
Zadeh L. Similarity relations and fuzzy orderings. Inf Sci 1971; 3:177-200.
Chicco G, Napoli R, Piglione F, Scutariu M, Postolache P, Toader C. Emergent electricity customer classification. IEE Proc Gener Transm Distrib 2005; 152(2):164-72.
Chicco G, Napoli R, Piglione F, Scutariu M, Postolache P, Toader C. Application of clustering techniques to load pattern-based electricity customer classification. Proc. 18th CIRED, Torino, Italy, 6-9 June 2005, Session 5, paper No. 467.
Gianfranco Chicco, Overview and performance assessment of the clustering methods for electrical load pattern grouping, Energy Vol. 42, 2012, 68 – 80.
Menahem Friedman , Abraham Kandel, Introduction to Pattern Recognition: Statistical, Structural, Neural and Fuzzy Logic Approaches, World Scientific, ISBN-13: 978-9810233129, ISBN-10: 9810233124, 1999.
N. H. M. Vu, N. T. P. Khanh, V. V.Cuong, P. T. T.Binh, Forecast on Vietnam Electricity Consumption to 2030. Engineering, Technology & Applied Science Research. Vol. 8, No. 3, 2018, 2869-2874.
Nguyen Hoang Minh Vu, Vo Viet Cuong, Phan Thi Thanh Binh, Peak Load Forecasting for Vietnam National Power System to 2030. Journal of Science and Technology. No. 123, 2017.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
