Luận văn Ứng dụng mạng nơ-rôn nhân tạo dự báo phụ tải điện thành phố Hạ Long

BỘ CÔNG THƢƠNG

TRƢỜNG ĐẠI HỌC SAO ĐỎ

LÊ NGỌC TUẤN

ỨNG DỤNG MẠNG NƠ-RÔN NHÂN TẠO DỰ BÁO PHỤ TẢI ĐIỆN

THÀNH PHỐ HẠ LONG - TỈNH QUẢNG NINH

ỨNG DỤNG MẠNG NƠ-RÔN NHÂN TẠO DỰ BÁO PHỤ TẢI ĐIỆN

LUẬN VĂN THẠC SĨ

THÀNH PHỐ HẠ LONG - TỈNH QUẢNG NINH

CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN TỬ

NGƢỜI HƢỚNG DẪN KHOA HỌC:

LUẬN VĂN THẠC SĨ

1. PGS.TSKH TRẦN HOÀI LINH

CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN TỬ

2. TS. ĐỖ VĂN ĐỈNH

HẢI DƢƠNG – NĂM 2019

NGƢỜI HƢỚNG DẪN KHOA HỌC:

1. PGS.TSKH TRẦN HOÀI LINH

2. TS. ĐỖ VĂN ĐỈNH

HẢI DƢƠNG – NĂM 2019

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

LỜI CAM ĐOAN

Tôi xin cam các kết quả nghiên cứu trong luận văn tốt nghiệp này là các kết quả

thu đƣợc trong quá trình nghiên cứu của riêng học viên với sự hƣớng dẫn của

PGS.TSKH Trần Hoài Linh và TS. Đỗ Văn Đỉnh. Không sao chép bất kỳ kết quả

nghiên cứu nào của các tác giả khác.

Nội dung nghiên cứu có tham khảo và sử dụng một số thông tin, tài liệu từ các

nguồn tài liệu đã đƣợc liệt kê trong danh mục tài liệu tham khảo.

Nếu sai tôi xin chịu mọi hình thức kỷ luật theo quy định.

Hải Dương, ngày 28 tháng 12 năm 2019

Tác giả luận văn

Lê Ngọc Tuấn

Học viên: Lê Ngọc Tuấn

i

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

LỜI CẢM ƠN

Với lòng kính trọng và biết ơn, đầu tiên em xin chân thành gửi lời cảm ơn tới

PGS.TSKH Trần Hoài Linh và TS. Đỗ Văn Đỉnh, hai thầy đã tận tình hƣớng dẫn, giúp

đỡ em rất nhiều về kiến thức cũng nhƣ tài liệu kỹ thuật và cho em nhiều ý kiến quý

báu trong suốt quá trình làm luận văn.

Em xin chân thành cảm ơn các quý thầy cô đã trực tiếp giảng dạy tác giả trong

toàn khóa học; Cám ơn tập thể các thầy cô giáo Khoa Điện, trƣờng Đại học Sao Đỏ;

Cám ơn tập thể, lãnh đạo công ty điện lực thành phố Hạ Long, tỉnh Quảng Ninh đã hỗ

trợ, cung cấp số liệu để học viên nghiên cứu; Cảm ơn anh, em, bạn bè, đồng nghiệp và

gia đình đã động viên, hỗ trợ, đóng góp ý kiến giúp em hoàn thành luận văn này.

Trong thời gian không dài, em đã rất nỗ lực và cố gắng để hoàn thành luận văn

tốt nghiệp này nhƣng sự hiểu biết và thời gian nghiên cứu thực tế có hạn nên không

tránh khỏi những thiếu sót, rất mong nhận đƣợc sự góp ý của các thầy, cô và bạn đọc

để luận văn của tác giả đƣợc hoàn thiện hơn.

Em xin trân trọng cảm ơn!

Học viên: Lê Ngọc Tuấn

ii

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

MỤC LỤC

Trang

L ỜI CAM ĐOA N .............................................................................................................i

L Ờ I C ẢM ƠN ................................................................................................................. ii

M Ụ C L Ụ C ..................................................................................................................... iii

DANH M ỤC CÁC KÝ HIỆ U, CÁC TỪ VI Ế T T Ắ T .....................................................v

DANH M ỤC CÁC BẢ N G .............................................................................................vi

DANH M ỤC CÁC HÌNH VẼ, ĐỒ TH Ị ...................................................................... vii

M Ở ĐẦ U .........................................................................................................................1

1. Lý do chọn đề tài .........................................................................................................1

2. Tính cấ p thi ế t c ủa đề tài...............................................................................................1

3. M ục tiêu nghiên cứ u ....................................................................................................2

4. Đối tƣợng và phạm vi nghiên cứ u ...............................................................................2

5. Phƣơng pháp nghiên cứ u .............................................................................................2

6. Ý nghĩa khoa học và thự c ti ễ n c ủa đề tài .....................................................................2

6.1. Ý nghĩa khoa họ c ....................................................................................... 2

6.2. Ý nghĩa thự c ti ễ n ........................................................................................ 3

7. C ấu trúc của đề tài .......................................................................................................3

CHƢƠNG 1. TỔ NG QUAN V Ề D Ự BÁO PHỤ T ẢI ĐIỆ N .........................................4

1.1. Đặ t v ấn đề .................................................................................................................4

1.2. Tình hình nghiên cứu ngoài nƣớ c.............................................................................4

1.3. Tình hình nghiên cứu trong nƣớ c .............................................................................5

1.4. Định hƣớng nghiên cứ u c ủa đề tài ............................................................................6

1.5. K ế t lu ận chƣơng 1 ....................................................................................................6

CHƢƠNG 2. TỔ NG QUAN V Ề Ứ NG D Ụ NG M ẠNG NƠ -RÔN NHẬ N T Ạ O

TRONG D Ự BÁO PHỤ T ẢI ĐIỆ N................................................................................7

2.1. Trí tuệ nhân tạ o [23, 27]...........................................................................................7

2.2. Nơ -rôn sinh họ c ........................................................................................................7

2.3. M ạng nơ rôn nhân tạ o...............................................................................................8

2.3.2. Mô hình mạng nơ rôn nhân tạ o [25, 2]. ................................................ 10

2.3.3. Các hàm kích hoạ t [1, 2]. ...................................................................... 11

2.3.4. Phân loại các mạng nơ rôn [25, 5]. ....................................................... 13

2.4. Hu ấ n luy ệ n m ạng nơ rôn [25, 2].............................................................................14

2.5. M ộ t s ố ứ ng d ụ ng c ủ a m ạng nơ rôn .........................................................................15

Học viên: Lê Ngọc Tuấn

iii

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

2.6. K ế t lu ận chƣơng 2. .................................................................................................16

C HƢƠN G I II :M Ô H ÌN H L A I V À Ứ N G D ỤN G T RON G Ƣ Ớ C L ƢỢ NG PH I T UY Ế N .......17

3.1. Mô hình lai [1, 3]....................................................................................................17

3.2. Ch ọn đặc tính đầu vào của mô hình dự báo [1, 3]..................................................24

3.2.1. Phƣơng pháp phân tích thành phần chính – PC A ................................. 26

3.2.2. Phƣơng pháp phân tích sự khác biệ t tuy ến tính LDA ........................... 27

3 .2.3. Phƣơng pháp phân tích giá trị k ỳ d ị (SVD) .......................................... 28

3.3. Ứ ng d ụ ng gi ả i thu ật SVD xây dự ng kh ố i tuy ến tính [3 ]........................................28

3.4. Ứ ng d ụ ng m ạ ng M LP xây dự ng kh ố i phi tuy ế n [1, 3 ]...........................................31

3.5. K ế t lu ận chƣơng III ................................................................................................38

CHƢƠNG IV: XÂY DỰNG MÔ HÌNH, TÍNH TOÁN VÀ MÔ PHỎ NG..................39

4.1. Xây dựng mô hình dự báo công suấ t ph ụ t ả i..........................................................39

4.1.1. Mô hình dự báo công suấ t ph ụ t ả i [1,3 ]................................................ 39

4.1.2. Quy trình xây dựng các mô hình dự báo trong luận văn [1]................. 39

4.2. K ế t qu ả tính toán và mô phỏ ng...............................................................................46

4.2.1. B ộ s ố li ệu đầu vào sử d ụng cho mô hình dự bá o .................................. 46

4.2.2. K ế t qu ả mô hình dự báo công suất đỉ nh ph ụ t ả i P_max............................ 47

4.2.3. K ế t qu ả mô hình dự báo công suất đáy phụ t ả i P_min.............................. 51

K Ế T LU ẬN VÀ KIẾ N NGH Ị .......................................................................................56

1. K ế t lu ậ n......................................................................................................................56

2. Ki ế n ngh ị ...................................................................................................................56

DANH M ỤC CÁC TÀI LIỆ U THAM KH Ả O .............................................................57

PH Ụ L Ụ C ........................................................................................................................1

Học viên: Lê Ngọc Tuấn

iv

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT

Từ, cụm từ viết tắt

Tiếng Anh

Tiếng Việt

AI

Artifical Intelligence

Trí thông minh nhân tạo

Biểu đồ phụ tải

BĐPT

HTĐ

Hệ thống điện

Mạng nơ- rôn truyền thẳng

MLP

Multi Layer Perceptron

Self Organization Map

nhiều lớp

MNR

SOM

TTNT

Mạng nơ- rôn

Kỹ thuật trực quan hoá dữ liệu

Trí tuệ nhân tạo

Học viên: Lê Ngọc Tuấn

v

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

DANH MỤC CÁC BẢNG

Trang

B ả ng 4.1. K ế t qu ả ƣớc lƣợng công suất đỉ nh ph ụ t ả i (P_max)dùng phƣơng pháp khai

tri ể n tuy ến tính SVD ......................................................................................................47

B ả ng 4.2. M ộ t s ố k ế t qu ả trên bộ s ố li ệ u h ọ c c ủa bài toán ƣớc lƣợ ng Pmin.................49

B ả ng 4.3. K ế t qu ả ƣớc lƣợng công suất đáy phụ t ả i (P_min)dùng phƣơng pháp khai triển

tuy ến tính SV D ..............................................................................................................51

B ả ng 4.4. K ế t qu ả sai s ố h ọc và sai số ki ểm tra khi ƣớc lƣợ ng P_minbằ ng MLP ...........53

Học viên: Lê Ngọc Tuấn

vi

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Luận văn Thạc sĩ

Trang

Hình 2.1. Cấ u t ạo nơ - rôn sinh họ c [28]..........................................................................8

Hình 2.2. Mô hình mạng nơ - rôn nhân tạ o[25] .............................................................10

Hình 2.3. Hàm đồ ng nh ấ t (Identity function )................................................................11

Hình 2.4. Hàm bƣớ c nh ị phân (Binary step function )...................................................11

Hình 2.5. Hàm Sigmoid .................................................................................................12

Hình 2.6. Hàm sigmoid lƣỡ ng c ự c ................................................................................12

Hình 2.7. Mạng nơ - rôn truyề n th ẳ ng nhi ề u l ớ p (Feed-forward neural network)[25] ..13

Hình 2.8. Mạng nơ - rôn hồ i quy (Recurrent neural network)[25].................................14

Hình 2.9. Mô hình Học có thầ y (Supervised learning model)[25]................................15

Hình 3.1. Sơ đồ kh ố i t ổ ng th ể c ủa mô hình lai [1] ........................................................17

Hình 3.2. Khố i phi tuy ế n ở d ạ ng t ổng quát [1] ..............................................................20

Hình 3.3. Khố i phi tuy ế n k ế t h ợ p v ớ i sai s ố đầ u ra c ủ a kh ố i tuy ến tính [1] .................21

Hình 3.4. Mô hình mạng nơ -rôn truyề n th ẳ ng v ớ i hai l ớ p ẩ n [3]..................................23

Hình 3.5. Mô hình mạng nơ -rôn truyề n th ẳ ng v ớ i m ộ t l ớ p ẩ n [3] ................................23

Hình 3.6. Cấu trúc khối trích chọn đặc tính [1].............................................................25

Hình 3.7. Cấu trúc tổng quát các bƣớ c th ự c hi ện trích chọn đặc tín h ...........................25

Hình 3.8. Cấu trúc mô hình theo hƣớ ng Filter ..............................................................26

Hình 3.9. Cấu trúc mô hình theo hƣớ ng Wrappe r .........................................................26

Hình 3.10. Không gian mới đƣợ c t ạo ra qua phép biến đổ i PCA [1]............................27

Hình 3.11. Xác đị nh m ạ ng MLP x ấ p x ỉ hàm truyề n c ủa đối tƣợ ng [1].........................31

Hình 4.1. Đồ th ị bi ể u di ễ n b ộ s ố li ệ u m ẫ u (P_max, P_min)..................................................46

Hình 4.2. Đồ th ị sai s ố h ọ c khi khai tri ển thành phầ n tuy ến tính cho mô hình dự báo

P_max.................................................................................................................................48

Hình 4.3. Đồ th ị sai s ố quá trình kiể m tra khi khai tri ển thành phầ n tuy ến tính cho mô

hình dự báo P_max............................................................................................................48

Hình 4.4. Quý trình họ c c ủ a m ạng MLP khi ƣớc lƣợ ng P_max........................................49

Hình 4.5. Đồ th ị sai s ố quá trình học khi ƣớc lƣợ ng Pmax b ằ ng m ạ ng MLP ...............50

Hình 4.6. Đồ th ị sai s ố quá trình kiểm tra khi ƣớc lƣợ ng Pmax b ằ ng m ặ ng MLP........50

Hình 4.7. Đồ th ị sai s ố h ọ c khi khai tri ển thành phầ n tuy ến tính cho mô hình dự báo

P_min.................................................................................................................................52

Hình 4.8. Đồ th ị sai s ố quá trình kiể m tra khi khai tri ển thành phầ n tuy ến tính cho mô

hình dự báo P_min.............................................................................................................52

Học viên: Lê Ngọc Tuấn

vii

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

Hình 4.9. Quý trình họ c c ủ a m ạng MLP khi ƣớc lƣợ ng P_min........................................53

Hình 4.10. Đồ th ị sai s ố quá trình học khi ƣớc lƣợ ng P_minbằ ng m ạ ng ML P ................54

Hình 4.11. Đồ th ị sai s ố quá trình kiểm tra khi ƣớc lƣợ ng P_minbằ ng m ạ ng MLP ........54

Học viên: Lê Ngọc Tuấn

viii

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

MỞ ĐẦU

1. Lý do chọn đề tài

Hiện nay, quá trình Công nghiệp hoá, Hiện đại hoá đất nƣớc và những ứng

dụng thành tựu khoa học kỹ thuật ngày càng đƣợc triển khai rộng rãi đã đẩy nhanh sự

phát triển của nền kinh tế, dẫn đến nhu cầu sử dụng điện tăng cao, do vậy xây dựng

công cụ dự báo về phụ tải điện, làm cơ sở cho việc vận hành và khai thác hiệu quả

nguồn và lƣới điện, tiến tới hỗ trợ quy hoạch phát triển nguồn là vấn đề cần thiết.

Việc dự báo nhu cầu điện năng ngắn hạn nhằm hỗ trợ cho quá trình vận hành,

điều độ lƣới xác định quy luật và đặc điểm của phụ tải điện nhằm phát hiện và giải

quyết các vấn đề tiềm ẩn trong hệ thống điện.

Trên biểu đồ phụ tải có hai giá trị đặc biệt là phụ tải cao điểm P_maxvà phụ tải

thấp điểm P_minvà dạng của biểu đồ phụ tải là yếu tố quan trọng hàng đầu của ngƣời

làm công tác dự báo. Để đạt đƣợc hiệu quả kinh tế cũng nhƣ hƣớng phát triển tƣơng lai

của HTĐ thì phụ thuộc nhiều vào dự báo chính xác hai giá trị P_maxvà P_min.

Đến nay đã có rất nhiều mô hình giải pháp đƣợc đề xuất và ứng dụng cho dự

báo phụ tải điện ngắn hạn, tuy nhiên cho tới thời điểm này vẫn chƣa có một mô hình

nào đƣợc coi là chuẩn và áp dụng hiệu quả.

Trong luận văn này tác giả đã đề xuất một mô hình dự báo phụ tải điện ngắn

hạn sử dụng mô hình hỗn hợp (là mô hình sử dụng phối hợp cả hai giải pháp phi tuyến

và tuyến tính) và trình bày khả năng ứng dụng của mô hình này trong thực tiễn dự báo

phụ tải điện ở thành phố Hạ Long tỉnh Quảng Ninh.

2. Tính cấp thiết của đề tài.

Trong những năm gần đây, quá trình công nghiệp hóa, hiện đại hóa đất nƣớc

ngày càng đƣợc nâng cao nhằm thúc đẩy mạnh mẽ sự phát triển của nền kinh tế quốc

dân, các đề tài nghiên cứu khoa học đƣợc áp dụng nhiều vào thực tế cuộc sống đặc biệt

là các ngành sản xuất nhằm nâng cao hiệu quả sản xuất. Đồng nghĩa với việc ngày

càng áp dụng các máy móc để thay thế con ngƣời vào dây chuyền sản xuất thì nhu cầu

sử dụng điện năng ngày càng cao do vậy việc dự báo phụ tải là một trong những đề tài

đƣợc quan tâm chủ yếu trong lĩnh vực phát điện, truyền tải và phân phối điện năng. Có

những phƣơng án để tăng nguồn điện năng phục vụ cho sản xuất ngày càng phát triển

là xây dựng các nhà máy phát điện, nâng cấp đƣờng dây tải điện, trạm biến áp nhƣng

có phần hạn chế là thiếu sự đồng bộ giữa các hệ thống vì hiện nay việc nâng cấp hệ

thống không dựa trên quy hoạch tổng thể mà còn mang tính tự phát. Do vậy đã xảy ra

tình trạng nhƣ: mất cân đối giữa nguồn và lƣới điện, giữa cung và cầu, chất lƣợng điện

năng bị giảm xuống, độ tin cậy của hệ thống không cao, tổn thất điện năng khi truyền

tải lớn. Có nhiều nguyên dẫn đến các hậu quả trên nhƣng nguyên nhân chủ yếu là lập

kế hoạch để vận hành hệ thống điện (HTĐ). Trong kế hoạch vận hành hệ thống điện

nhƣ phân phối một cách kinh tế, hiệu quả, lên kế hoạch bảo dƣỡng và sửa chữa,...

Học viên: Lê Ngọc Tuấn

1

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

nhiều hoạt động thƣờng đƣợc thực hiện dựa trên việc dự báo phụ tải nhằm giảm hạn

chế tối đa việc ngừng cung cấp điện. Dự báo phụ tải có thể đƣợc phân thành: Dự báo

dài hạn từ 10 đến 30 năm, dự báo trung hạn từ 3 đến 10 năm và dự báo ngắn hạn (giờ,

ngày, tháng, mùa năm). Dự báo ngắn hạn chủ yếu phục vụ việc điều hành sản xuất,

truyền tải và phân phối năng lƣợng phục vụ cho nhu cầu trực tiếp của sản xuất và đời

sống, lập kế hoạch sản xuất và kinh doanh.

Dự báo phụ tải điện là điều hết sức quan trọng, nếu dự báo thừa quá nhiều so

với nhƣ cầu thực tế khiến cho phải phát huy số lƣợng nguồn phát lớn, nhƣng không sự

dụng hết công suất của chúng sẽ gây ra lãng phí, nếu dự báo quá thấp so với nhu cầu

thực tế thì sẽ làm thiếu hụt nguồn điện do vậy phải cắt điện làm ảnh hƣởng đến việc

sản xuất. Do vậy việc dự báo tốt sẽ giúp phát huy tối đa đƣợc các nguồn phát và hạn

chế đƣợc việc phải cắt điện làm ảnh hƣởng đến sản xuất, sinh hoạt đời sống.

3. Mục tiêu nghiên cứu

- Xây dựng mô hình dự báo công suất phụ tải điện dựa trên kết quả tiêu thụ điện

năng trong quá khứ từ số liệu tổng hợp của các Công ty điện lực.

- Nghiên cứu, áp dụng mạng nơ- rôn trong xây dựng các mô hình dự báo

phi tuyến.

- Đề xuất mô hình dự báo công suất phụ tải điện cho thành phố Hạ Long, tỉnh

Quảng Ninh.

4. Đối tƣợng và phạm vi nghiên cứu

- Đối tƣợng nghiên cứu là bài toán dự báo phụ tải điện của hệ thống điện cụ thể

ứng dụng cho phụ tải thành phố Hạ Long- tỉnh Quảng Ninh.

- Phạm vi nghiên cứu: dự báo công suất đỉnh phụ tải (P_max) và công suất đáy

phụ tải (P_min) trong ngày.

5. Phƣơng pháp nghiên cứu

- Nghiên cứu tài liệu: Các mô hình, phƣơng pháp dự báo phụ tải điện đã đƣợc

công bố trên sách, tạp chí,...

- Nghiên cứu thực nghiệm: tính toán, mô phỏng trên phần mềm Matlab dự báo

công suất phụ tải điện

6. Ý nghĩa khoa học và thực tiễn của đề tài

6.1. Ý nghĩa khoa học

Bài toán dự báo phụ tải của hệ thống điện đã có nhiều nghiên cứu trên thực tế tại

nhiều nƣớc trên thế giới. Tuy nhiên trong điều kiện Việt Nam là nƣớc đang có nền kinh

tế phát triển với tốc độ cao, các mô hình đã đƣợc xây dựng chuyên dụng cho các nƣớc

có nền kinh tế đã phát triển không đáp ứng đƣợc độ phức tạp của bài toán dự báo tại

Việt Nam. Ở nƣớc ta, các giải pháp dự báo sử dụng mạng nơ- rôn nhân tạo cũng chỉ

dừng ở mức lý thuyết hoặc để giải một số bài toán đơn giản, có lƣợng thông tin cần xử

Học viên: Lê Ngọc Tuấn

2

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

lý thấp hoặc độ phức tạp của mô hình không cao. Đến nay đã có một vài nghiên cứu ứng

dụng mạng nơ- rôn trong dự báo phụ tải hệ thống điện và so sánh với những phƣơng

pháp hiện tại. Tuy nhiên, các kết quả mới chỉ là bƣớc đầu, chƣa thực sự trở thành hƣớng

nghiên cứu phổ biến. Do đó, việc xây dựng mô hình ứng dụng mạng nơ- rôn nhân tạo

trong dự báo là một hƣớng nghiên cứu nên đƣợc triển khai và thử nghiệm.

6.2. Ý nghĩa thực tiễn

Kết quả nghiên cứu của đề tài có thể áp dụng vào thực tiễn để dự báo công suất

phụ tải điện ở các khu vực, vùng kinh tế để có những định hƣớng điều chỉnh quy

hoạch lƣới điện và quy hoạch phát triển kinh tế.

7. Cấu trúc của đề tài

Cấu trúc của luận văn gồm 04 chƣơng, ngoài ra còn mục lục, danh sách các ký

hiệu, từ viết tắt; bảng/hình vẽ, đồ thị; các tài liệu tham khảo; cụ thể:

Chƣơng 1: Tổng quan về dự báo phụ tải điện

Chƣơng 2: Tổng quan về ứng dụng mạng nơ-rôn nhân tạo

Chƣơng 3: Mô hình lai và ứng dụng trong ƣớc lƣợng phi tuyến

Chƣơng 4: Xây dựng mô hình, tính toán và mô phỏng

Kết luận và kiến nghị

Học viên: Lê Ngọc Tuấn

3

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

CHƢƠNG 1. TỔNG QUAN VỀ DỰ BÁO PHỤ TẢI ĐIỆN

1.1. Đặt vấn đề

Luận văn Thạc sĩ

Hiện nay, trong đời sống sinh hoạt, phát triển kinh tế, xã hội của mỗi quốc gia

thì điện năng là nguồn năng lƣợng không thể thiếu đƣợc và sử dụng càng nhiều hơn

nữa trong tƣơng lai. Nhƣng có một vấn đề đặt ra là điện năng tiêu thụ không phải lúc

nào cũng giống nhau mà phụ thuộc chủ yếu vào nhu cầu sử dụng nhƣ: số giờ làm việc,

số giờ sản xuất kinh doanh, nhiệt độ môi trƣờng …. Việc sản xuất điện năng khác với

các ngành khác sản xuất khác là khả năng đáp ứng nhu ngay nhu cầu sử dụng và gần

nhƣ không thể dự trữ đƣợc. Do vậy, dự báo phụ tải điện là một yếu tố rất quan trọng

để tính toán sản xuất, truyền tải, phân phối điện năng nhằm đáp ứng đƣợc nhu cầu sử

dụng của khách hàng.

1.2. Tình hình nghiên cứu ngoài nƣớc.

Ngày 13/6/2018, Tập đoàn BP công bố "Đánh giá thống kê năng lƣợng thế giới"

(BP Statistical Review of World Energy) trình bày dữ liệu cập nhật mới nhất của mình

về tình hình năng lƣợng trên thế giới. Đây là lần đầu tiên báo cáo thƣờng niên này đƣa

thêm các số liệu về điện [22].85,2% nhiên liệu hóa thạch trong hỗn hợp năng lƣợng

toàn cầu.

Vào tháng 3/2018, Cơ quan Năng lƣợng Quốc tế (IEA) đã báo cáo rằng, mức

tiêu thụ năng lƣợng toàn cầu vào năm 2017 đã tăng 2,1% so với cùng kỳ năm trƣớc.

Trong báo cáo của mình, BP cho rằng mức tăng thực chất là 2,2% và xác nhận rằng,

tất cả các nguồn năng lƣợng đã đƣợc sử dụng vào năm ngoái trên thế giới, bao gồm cả

than (+ 1%, do nhu cầu tăng ở Ấn Độ). Theo BP, đây lần đầu tiên kể từ năm 2013,

toàn bộ các nguồn năng lƣợng trên thế giới đều đƣợc sử dụng [22].

Trong tổng mức tiêu thụ đó, nhiên liệu hóa thạch vẫn chiếm 85,2%, giảm rất

ít so với mức 85,5% của năm 2016. Dầu vẫn là nguồn cung cấp năng lƣợng chính

trong hỗn hợp năng lƣợng toàn cầu (34,2%), với mức tăng 1,7 triệu thùng/ngày vào

năm 2017.

Việc phát triển các nguồn năng lƣợng tái tạo ngoại trừ thủy điện đặc biệt tăng

mạnh (+ 16,6%) nhƣng vẫn chỉ chiếm 3,5% tổng mức tiêu thụ năng lƣợng sơ cấp của

thế giới vào năm 2017. Tỷ trọng năng lƣợng hạt nhân vẫn tƣơng đối ổn định (4,4%

trong năm 2017) [22].

Đánh giá thống kê của BP về năng lƣợng thế giới đã cung cấp các dữ liệu chi

tiết về dầu khí. Tiêu thụ dầu và khí đốt tự nhiên tăng lần lƣợt 1,4% và 2,7% trong năm

2017 [22].

Hỗn hợp điện vẫn bị thống trị bởi điện than

Sản lƣợng điện thế giới tăng 2,8% trong năm 2017. Đa phần mức tăng này đến

từ các nƣớc mới nổi trong khi sản xuất điện ở các nƣớc thuộc Tổ chức Hợp tác và Phát

triển Kinh tế (OCDE) vẫn tƣơng đối ổn định từ năm 2010. Năng lƣợng tái tạo và than

Học viên: Lê Ngọc Tuấn

4

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

lần lƣợt chiếm 49% và 44% tổng mức tăng của năng lƣợng điện toàn cầu trong năm

2017 [22].

Tuy nhiên, than vẫn còn lâu mới là nguồn cung cấp điện lớn nhất cho thế giới:

nhiên liệu này chiếm tới 38% sản lƣợng điện thế giới, tƣơng đƣơng mức của năm 1998

mặc dù có sự sụt giảm nhẹ trong những năm gần đây. Tỷ trọng năng lƣợng “phi hóa

thạch” thậm chí còn thấp hơn mức của 20 năm trƣớc, sự gia tăng của năng lƣợng tái

tạo (chiếm 25% sản lƣợng điện toàn cầu vào năm 2017) chỉ bù đắp đƣợc một phần cho

sự sụt giảm của năng lƣợng hạt nhân (giảm 10% vào năm 2017) [22].

Một bƣớc thụt lùi lớn

Lƣợng phát thải CO₂toàn cầu liên quan đến sử dụng năng lƣợng tăng 1,6%

trong năm 2017 sau 3 năm liên tiếp ở mức ổn định. Sự suy giảm cƣờng độ năng lƣợng

đã chậm lại trong bối cảnh tăng trƣởng kinh tế mạnh mẽ và sự gia tăng về nhu cầu than

đã ảnh hƣởng đến lƣợng phát thải này [22].

Sự thay đổi này, đƣợc BP mô tả là “bƣớc lùi lớn”, khẳng định khoảng cách rất

quan trọng giữa các tham vọng thể hiện ở Hội nghị COP21 về chống biến đổi khí hậu

và xu hƣớng hiện tại. IPCC (nhóm các chuyên gia liên chính phủ về thay đổi khí hậu)

ƣớc tính rằng, để đạt đƣợc mục tiêu của Hiệp định Paris tại COP21 thì thế giới cần

phải giảm phát thải khí nhà kính toàn cầu 40-70% vào năm 2050 (so với mức của năm

2010) và nền kinh tế toàn cầu phải gần nhƣ trung hòa đƣợc lƣợng khí carbon trong nửa

sau của thế kỷ XXI [22].

1.3. Tình hình nghiên cứu trong nƣớc

Ở nƣớc ta dự báo phụ tải ngắn hạn cũng thu hút sự quan tâm nhất định trong

ngành điện, các trƣờng Đại học và Viện nghiên cứu. Một vài công ty điện lực, cơ

quan điều độ quốc gia đã bắt đầu xây dựng chƣơng trình dự báo phụ tải điện. Ngoài

một số nghiên cứu ứng dụng mô hình hồi quy. Có thể thấy rằng nhu cầu dự báo phụ

tải ngắn hạn ở các công ty điện lực chỉ đƣợc thực hiện bằng phƣơng pháp chuyên gia

dựa trên kinh nghiệm của các kỹ sƣ điều độ. Nên mang tính chất rủi ro và độ chính

xác không cao.

Nếu dự báo phụ tải điện quá thừa so với nhu cầu thực tế thì dẫn đến việc phải

huy động một số lƣợng lớn nguồn phát, nhƣng thực tế không dùng hết công suất của

chúng sẽ gây lãng phí. Nếu kết quả dự báo phụ tải điện quá thấp so với nhu cầu thực tế

sẽ dẫn đến tình trạng thiếu nguồn điện, ảnh hƣởng đến phát triển của nền kinh tế quốc

dân. Khi kết quả dự báo tốt sẽ giúp cho việc huy động nguồn tốt và điều độ cũng tốt có

lợi ích về kinh tế.

Do vậy, việc áp dụng mạng nơ- rôn nhân tạo cho dự án báo phụ tải điện cho

một thành phố du lịch là yếu tố rất quan trọng.

Học viên: Lê Ngọc Tuấn

5

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

1.4. Định hƣớng nghiên cứu của đề tài

- Tìm hiểu về các mô hình thu thập, xử lý, dự báo công suất phụ tải điện.

- Nghiên cứu về khả năng ứng dụng mạng nơ- rôn trong xây dựng các mô

hình dự báo phi tuyến.

- Đề xuất ứng dụng mô hình lai gồm một khối tuyến tính mắc song song với

một khối phi tuyến (sử dụng mạng MLP) để ƣớc lƣợng tốt hơn trong dự công suất phụ

tải điện chỉ dựa trên các kết quả đo công suất phụ tải trong ngày ở quá khứ từ số tổng

hợp của Công ty điện lực.

- Đánh giá, lựa chọn các thông số quá khứ cho mô hình dự báo trên cơ sở các hệ

số khai triển tuyến tính.

- Triển khai, thử nghiệm mô hình dự báo công suất đỉnh phụ tải và công suất

đáy phụ tải trong ngày cho khu vực Thành phố Hạ Long, tỉnh Quảng Ninh.

- Tính toán mô phỏng để thử nghiệm độ chính xác của mô hình đƣợc đề xuất.

1.5. Kết luận chƣơng 1

Nhu cầu sử dụng năng lƣợng điện hiện nay ngày càng tăng cao đƣa ra không ít

những khó khăn về sản xuất, truyền tải và phân phối điện năng nhằm đáp ứng đủ cho

nhu cầu sử dụng điện hiện nay. Việc ứng dụng mạng nơ- rôn nhân tạo để dự báo phụ

tải điện là một trong những giải pháp dự báo lƣợng điện năng tiêu thụ từ đó đƣa ra

đƣợc các phƣơng thức sản xuất cho phù hợp với nhu cầu thực tiễn. Tiếp theo chƣơng 2

sẽ đi tìm hiều về mạng nơ- rôn nhân tạo.

Học viên: Lê Ngọc Tuấn

6

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

CHƢƠNG 2. TỔNG QUAN VỀ ỨNG DỤNG MẠNG NƠ-RÔN NHẬN TẠO

TRONG DỰ BÁO PHỤ TẢI ĐIỆN

2.1. Trí tuệ nhân tạo [23, 27].

Trí tuệ nhân tạo là trí thông minh của máy móc do con ngƣời tạo ra có khả năng

thực hiện các công việc mà con ngƣời thƣờng phải xử lý và khi những dáng vẻ, khả

năng xử lý một số công việc tốt hơn hoặc tƣơng đƣơng với con ngƣời thì đó đƣợc gọi

là máy thông minh hay máy đó có trí thông minh. Sự thông minh của máy móc đƣợc

đánh giá trên kết quả của nó có giống với con ngƣời hay không.

(AI: Artificial Intelligence) có thể đƣợc định nghĩa nhƣ một ngành của khoa học

máy tính liên quan đến việc tự động hóa các hành vi thông minh. AI là một bộ phận

của khoa học máy tính và do đó nó phải đƣợc đặt trên những nguyên lý lý thuyết vững

chắc, có khả năng ứng dụng đƣợc của lĩnh vực này [23, 27].

Khái niệm về công nghệ AI xuất hiện đầu tiên bởi John McCarthy, một nhà

khoa học máy tính Mỹ, vào năm 1956 tại Hội nghị The Dartmouth. Ngày nay, công

nghệ AI là một thuật ngữ bao gồm tất cả mọi thứ từ quá trình tự động hoá robot đến

ngƣời máy thực tế [23, 27].

Công nghệ AI gần đây trở nên nổi tiếng, nhận đƣợc sự quan tâm của nhiều

ngƣời là nhờ Dữ liệu lớn (Big Data), mối quan tâm của các doanh nghiệp về tầm quan

trọng của dữ liệu cùng với công nghệ phần cứng đã phát triển mạnh mẽ hơn, cho phép

xử lý công nghệ AI với tốc độ nhanh hơn bao giờ hết [23].

Ở thời điểm hiện tại, Thuật ngữ này thƣờng dùng để nói đến các máy tính có

mục đích không nhất định và ngành khoa học nghiên cứu về các lý thuyết và ứng dụng

của trí tuệ nhân tạo. Tức là mỗi loại trí tuệ nhân tạo hiện nay đang dừng lại ở mức độ

những máy tính hoặc siêu máy tính dùng để xử lý một loại công việc nào đó nhƣ điều

khiển một ngôi nhà, nghiên cứu nhận diện hình ảnh, xử lý dữ liệu của bệnh nhân để

đƣa ra phác đồ điều trị, xử lý dữ liệu để tự học hỏi, khả năng trả lời các câu hỏi về

chẩn đoán bệnh, trả lời khách hàng về các sản phẩm của một công ty,...

2.2. Nơ-rôn sinh học

Nơ-rôn sinh học là những tế bào thần kinh chính thức có chức năng cảm ứng và

truyền dẫn xung điện. Nó là đơn vị cơ bản cấu tạo nên hệ thống thần kinh và là phần

quan trọng nhất của bộ não đóng vai trò rất quan trọng trong cơ thể. Khi chúng bị tổn

thƣơng, con ngƣời bị rối loạn vận động và cảm giác, dẫn đến hiện tƣợng run rẩy chân

tay hoặc tê liệt một phần hoặc toàn bộ cơ thể.

Nơ- rôn là đơn vị cấu tạo của hệ thần kinh, trong hệ thần kính có khoảng 1000

tỷ nơ- rôn. Mỗi nơ- rôn là một tế bào đặc biệt, có thể truyền các tín hiệu điện. Nơ- rôn

có cấu trúc rễ ngõ vào, thân tế bào và cấu trúc rễ ngõ ra (sợi thần kinh). Các sợi thần

kinh của một tế bào kết nối với các tế bào khác thông qua synapse. Khi một nơ- rôn

kích hoạt, nó tạo ra xung điện hóa học dọc theo sợi thần kinh. Tín hiệu này đi qua các

Học viên: Lê Ngọc Tuấn

7

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

synapse đến các nơ- rôn khác, và tiếp tục bị kích hoạt. Nơ- rôn hoạt động chỉ khi tất cả

các tín hiệu nhận đƣợc ở thân tế bào thông qua rễ ngõ vào vƣợt quá một mức nào đó

(ngƣỡng hoạt động). Cƣờng độ tín hiệu thu đƣợc của nơron phụ thuộc vào độ nhạy của

synapse (tế bào thu nhận) [24].

Cấu tạo của mỗi nơ- rôn điển hình gồm các bộ phận: thân, đuôi gai và sợi trục.

Hình 2.1. Cấu tạo nơ- rôn sinh học [28].

2.3. Mạng nơ rôn nhân tạo

2.3.1. Lịch sử hình thành và phát triển.

Những năm gần đây, khá nhiều sách, báo, công trình nghiên cứu khoa học đề

cập đến các kỹ thuật tính toán, ngƣời ta hay nhắc đến nhiều thuật ngữ nhƣ: máy tính

thông minh, máy tính thế hệ V, hệ chuyên gia, mạng ngữ nghĩa,... Các ngôn ngữ lập

trình nhƣ LISP, PROLOG mở đƣờng cho việc áp dụng hàng loạt các hệ thống chƣơng

trình có khả năng “thông minh”.

Trƣớc đây, mỗi khi nói đến Trí tuệ nhân tạo (TTNT) ngƣời ta thƣờng quan tâm

đến việc tạo lập các máy tính có khả năng “suy nghĩ”, thậm chí trong một số phạm vi

hẹp nào đó, có thể cạnh tranh hoặc vƣợt quá khả năng của bộ não con ngƣời. Những

hy vọng này trong một thời gian dài đã ảnh hƣởng rất nhiều đến các nghiên cứu trong

phòng thí nghiệm. Mặc dù những mô hình tƣơng tự các máy tính thông minh đã đƣợc

đƣa ra nhiều năm trƣớc, nhƣng chỉ từ khi Alan Turing công bố những kết quả nghiên

cứu quan trọng đầu tiên, ngƣời ta mới bắt đầu thực sự nghiên cứu đến các vấn đề

TTNT một cách nghiêm túc. Phát hiện của Turing cho rằng chƣơng trình có thể đƣợc

lƣu trữ trong bộ nhớ để sau đó đƣợc thực hiện trên cơ sở các phép toán cơ bản thao tác

với các bit “0”, “1”. Điều này đã tạo nên nền tảng của những máy tính hiện đại. Việc

lƣu trữ chƣơng trình trong máy cho phép thay đổi chức năng của nó một cách nhanh

chóng và dễ dàng thông qua việc nạp một chƣơng trình mới vào bộ nhớ. Theo một

nghĩa nào đó, khả năng này làm cho máy tính có khả năng học và suy nghĩ. Đó cũng

Học viên: Lê Ngọc Tuấn

8

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

chính là một trong những biểu hiện quan trọng đầu tiên của những máy tính đƣợc trang

bị TTNT.

Năm 1956, chƣơng trình dẫn xuất kết luận trong hệ hình thức đã đƣợc công bố.

Tiếp theo đó, năm 1959 chƣơng trình chứng minh các định lý hình học phẳng và

chƣơng trình giải quyết bài toán vạn năng (GPS - General Problem Solving) đã đƣợc

đƣa ra. Tuy vậy chỉ cho đến khoảng năm 1960 khi McCathy ở MIT (Massachussets

Institute of Technology) đƣa ra ngôn ngữ lập trình đầu tiên dùng cho trí tuệ nhân tạo

LISP (list processing), các nghiên cứu về TTNT mới bắt đầu phát triển mạnh mẽ.

Thuật ngữ TTNT do Marvin Minsky một chuyên gia nổi tiếng cũng ở MIT đƣa ra năm

1961 trong bài báo “ Steps Forwards To Artificial Intelligence”. Những năm 60 có thể

xem là một mốc quan trọng trong quá trình xây dựng các máy có khả năng suy nghĩ.

Các chƣơng trình chơi cờ và các chƣơng trình chứng minh định lý toán học đầu tiên

cũng đƣợc công bố trong khoảng thời gian này [23].

Những bế tắc, hạn chế thành công của các công trình nghiên cứu TTNT trong

những năm 60 chính là do giới hạn khả năng của các thiết bị, bộ nhớ và đặc biệt là yếu

tố thời gian thực hiện. Chính những yếu tố này không cho phép tổng quát hóa những

thành công bƣớc đầu đạt đƣợc trong các hệ chƣơng trình TTNT đã xây dựng. Tuy rằng

vào giữa những năm 70, bộ nhớ máy tính và thời gian tính toán đã đƣợc nâng cao đáng

kể về chất, song những cách tiếp cận khác nhau đến TTNT vẫn chƣa đem tới những

thành công thật sự do sự bùng nổ tổ hợp trong quá trình tìm kiếm lời giải cho các bài

toán đặt ra.

Cuối những năm 70, một số nghiên cứu cơ bản trong các lĩnh vực nhƣ xử lý

ngôn ngữ tự nhiên, biểu diễn tri thức, lý thuyết giải quyết vấn đề đã đem lại diện mạo

mới cho TTNT. Thị trƣờng tin học đã bắt đầu đón nhận những sản phẩm TTNT ứng

dụng đầu tiên mang tính thƣơng mại. Đó là các hệ chuyên gia đƣợc áp dụng trong các

lĩnh vực khác nhau. Hệ chuyên gia là các phần mềm máy tính, chứa các thông tin và tri

thức về một lĩnh vực cụ thể nào đó, có khả năng giải quyết những yêu cầu của ngƣời

dùng ở một mức độ nào đó với trình độ nhƣ một chuyên gia có kinh nghiệm lâu năm.

Một trong những hệ chuyên gia đầu tiên đƣợc sử dụng thành công trong thực tế là hệ

MYCIN, đƣợc thiết kế và cài đặt tại trƣờng Đại học Tổng Hợp Stanford [23].

Một sự kiện quan trọng trong sự phát triển của khoa học TTNT là sự ra đời

của ngôn ngữ PROLOG, do Alain Calmerauer đƣa ra năm 1972. Năm 1981, dự án

của Nhật Bản xây dựng các máy tính thế hệ thứ V lấy ngôn ngữ PROLOG nhƣ là

ngôn ngữ cơ sở đã làm thay đổi khá nhiều tình hình phát triển TTNT ở Mỹ cũng nhƣ

châu Âu.

Giai đoạn 1981 trở đi ngƣời ta cảm nhận khá rõ nét rằng các chuyên gia về

TTNT đang dần chuyển các kết quả nghiên cứu từ phòng thí nghiệm sang cài đặt các

ứng dụng cụ thể. Có thể nói đây cũng là giai đoạn cạnh tranh ráo riết của các công ty,

Học viên: Lê Ngọc Tuấn

9

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

các viện nghiên cứu hàng đầu nhằm đƣa ra thị trƣờng các sản phẩm phần mềm ứng

dụng kỹ thuật TTNT [23].

Cuối những năm 80, đầu những năm 90 thị trƣờng các sản phẩm dân dụng đã có

khá nhiều sản phẩm ở trình độ cao nhƣ máy giặt, máy ảnh,... sử dụng TTNT. Các hệ

thống nhận dạng và xử lý hình ảnh, tiếng nói đang ngày càng thúc đẩy sự phát triển kỹ

thuật mạng Neuron. Sự xích lại của hai cách tiếp cận: Tiếp cận mờ trong lập luận xấp

xỉ và kỹ thuật mạng Neuron đã và đang gây đƣợc sự quan tâm đặc biệt của các chuyên

gia tin học. Bên cạnh sự xuất hiện của các hệ chuyên gia, các ứng dụng công nghiệp và

quản lý xã hội, quản lý kinh tế cũng đòi hỏi sự ra đời của các hệ thống xử lý tri thức –

dữ liệu tích hợp.

2.3.2. Mô hình mạng nơ rôn nhân tạo [25, 2].

Hình 2.2. Mô hình mạng nơ- rôn nhân tạo[25]

trong đó:

x_i: các đầu vào

w_ji: các trọng số tƣơng ứng với các đầu vào θ_j: độ lệch (bias)

a_j: đầu vào mạng (net-input) z_j: đầu ra của nơ- rôn

g(x): hàm chuyển (hàm kích hoạt).

Trong một mạng nơ- rôn có ba kiểu đơn vị:

Các đơn vị đầu vào (Input units), nhận tín hiệu từ bên ngoài.

Các đơn vị đầu ra (Output units), gửi dữ liệu ra bên ngoài.

Các đơn vị ẩn (Hidden units), tín hiệu vào (input) và ra (output) của nó nằm

trong mạng.

Mỗi đơn vị j có thể có một hoặc nhiều đầu vào: x₀, x₁, x₂, … x_n, nhƣng chỉ có

một đầu ra z_j. Một đầu vào tới một đơn vị có thể là dữ liệu từ bên ngoài mạng, hoặc

đầu ra của một đơn vị khác, hoặc là đầu ra của chính nó.

Nơ- rôn nhân tạo nhận một số các ngõ vào từ dữ liệu gốc, hay từ ngõ ra các

nơron khác trong mạng. Mỗi kết nối đến ngõ vào có một cƣờng độ (hay trọng số),

những trọng số này tƣơng ứng với tác dụng synapse trong nơron sinh học. Mỗi nơron

cũng có một giá trị ngƣỡng.

Học viên: Lê Ngọc Tuấn

10

Chuyên ngành: Kỹ thuật điện tử

Trường Đại học Sao Đỏ

Luận văn Thạc sĩ

Tín hiệu đƣợc truyền qua hàm kích hoạt (hay còn gọi là hàm truyền) tạo giá trị

ngõ ra nơ- rôn.

2.3.3. Các hàm kích hoạt [1, 2].

Phần lớn các đơn vị trong mạng nơ- rôn chuyển net input bằng cách sử dụng

một hàm vô hƣớng (scalar-to-scalar function) gọi là hàm kích hoạt, kết quả của hàm

này là một giá trị gọi là mức độ kích hoạt của đơn vị (unit's activation). Loại trừ khả

năng đơn vị đó thuộc lớp ra, giá trị kích hoạt đƣợc đƣa vào một hay nhiều đơn vị khác.

Các hàm kích hoạt thƣờng bị ép vào một khoảng giá trị xác định, do đó thƣờng đƣợc

gọi là các hàm bẹp (squashing). Các hàm kích hoạt hay đƣợc sử dụng là:

- Hàm đồng nhất (Linear function, Identity function ).

g(x)  x

(2.1)

Nếu coi các đầu vào là một đơn vị thì chúng sẽ sử dụng hàm này. Đôi khi một

hằng số đƣợc nhân với net-input để tạo ra một hàm đồng nhất.

Hình 2.3. Hàm đồng nhất (Identity function)

- Hàm bƣớc nhị phân (Binary step function, Hard limit function).

Hàm này cũng đƣợc biết đến với tên "Hàm ngƣỡng" ( Threshold function hay

Heaviside function). Đầu ra của hàm này đƣợc giới hạn vào một trong hai giá trị:

1,nÕu (x

0,nÕu(x

)

g(x)

(2.2)

Dạng hàm này đƣợc sử dụng trong các mạng chỉ có một lớp. Trong hình vẽ sau,

θ đƣợc chọn bằng “1”.

g(x

x

Hình 2.4. Hàm bước nhị phân (Binary step function)

Học viên: Lê Ngọc Tuấn 11 Chuyên ngành: Kỹ thuật điện tử

Luận văn Ứng dụng mạng nơ-rôn nhân tạo dự báo phụ tải điện thành phố Hạ Long - Tỉnh Quảng Ninh