Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/5953
Title: | การพยากรณ์โหลดระยะสั้น ณ สถานีไฟฟ้าย่อย |
Other Titles: | Sub-station short-term load forecasting |
Authors: | เมธี ทระกุลพันธ์ |
Advisors: | บัณฑิต เอื้ออาภรณ์ |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
Advisor's Email: | Bundhit.E@chula.ac.th |
Subjects: | พลังงานไฟฟ้า -- อุปสงค์และอุปทาน ระบบไฟฟ้ากำลัง -- การจ่ายโหลด นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์) |
Issue Date: | 2546 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | การพยากรณ์ความต้องการไฟฟ้าระยะสั้น มีความสำคัญต่อการปฏิบัติงานและวางแผนระบบไฟฟ้ากำลัง เนื่องจากหากการพยากรณ์มีความแม่นยำแล้ว ย่อมสามารถวางแผนการผลิตและการซื้อขายไฟฟ้าได้เหมาะสม ตลอดจนส่งผลให้สามารถเพิ่มประสิทธิภาพในการปฏิบัติงานได้ วิทยานิพนธ์ฉบับนี้นำเสนอวิธีการพยากรณ์ค่าความต้องการไฟฟ้าระยะสั้น ด้วยการประยุกต์ใช้เครือข่ายประสาทเทียมแบบ MLP เพื่อหาความสัมพันธ์ระหว่างค่าความต้องการไฟฟ้าในอนาคต กับค่าความต้องการไฟฟ้าและอุณหภูมิในอดีต โดยแบ่งการศึกษาออกเป็น 2 ส่วน คือ การพยากรณ์ค่าความต้องการไฟฟ้าประจำวันแบบมีค่าเป็นรายชั่วโมง และการพยากรณ์ค่าความต้องการไฟฟ้าใน 2-3 ชั่วโมงข้างหน้า ส่วนแรกของการศึกษาจะเป็นวิธีการพยากรณ์ ค่าความต้องการไฟฟ้ารายชั่วโมงสำหรับวันถัดไป ซึ่งจะแบ่งการคำนวณออกเป็น 3 ขั้นตอนคือ การพยากรณ์ความต้องการไฟฟ้าอันประกอบด้วย ค่าสูงสุด ค่าต่ำสุดและค่าเฉลี่ยประจำวัน ด้วยเครือข่าย MLP จากนั้นจึงพยากรณ์ลักษณะการใช้ไฟฟ้าด้วยแบบจำลองการเฉลี่ยค่าความต้องการไฟฟ้า และในขั้นตอนสุดท้ายจะนำผลการพยากรณ์ที่ได้จากสองขั้นตอนแรกมารวมกัน เพื่อพยากรณ์ค่าความต้องการไฟฟ้าประจำวันแบบมีค่าเป็นรายชั่วโมง ส่วนที่สองของการศึกษาจะเป็นวิธีการพยากรณ์ค่าความต้องการไฟฟ้าด้วยเครือข่าย MLP แบบตัวแปรข้อมูลขาออกตัวเดียว โดยการทดสอบจะแบ่งออกเป็น 3 ขั้นตอนคือ การทดสอบเพื่อหาช่วงระยะเวลาของชุดข้อมูลฝึกเครือข่ายที่เหมาะสม จากนั้นจะทดสอบผลกระทบของตัวแปรอุณหภูมิต่อความแม่นยำของการพยากรณ์ และในขั้นตอนสุดท้ายจะเป็นการทดสอบเพื่อหาขอบเขต ของช่วงระยะเวลาในการพยากรณ์ที่เหมาะสม ทั้งนี้วิธีการที่พัฒนาขึ้นได้นำมาทดสอบกับชุดข้อมูลจริง ของสถานีไฟฟ้าย่อยตัวอย่างของประเทศไทยทั้งหมด 3 แห่ง ซึ่งประกอบด้วย จังหวัดภูเก็ต จังหวัดอุบลราชธานี (เขตอำเภอเมือง) และจังหวัดอุบลราชธานี (เขตชนบท) ปรากฏว่าผลการพยากรณ์ที่ได้มีความแม่นยำเป็นที่น่าพอใจ |
Other Abstract: | Short-term load forecasting plays an important role in electrical power system operation and planning. Accurate forecasted load does not reduces only generation cost, but also provides good information for effective operation. This thesis applies a Multi-Layer Perceptron (MLP) network to identify the relationship between the future load and the past load and temperature data. The forecasting model is divided into two classes, i.e. forecasting the load for the whole day and several hours ahead forecasting. The first section, Artificial Neural Networks (ANNs) is employed to forecast hourly load for the day ahead. The calculation process is divided into three steps. The first step, an ANNs is applied to forecast the peak, valley and average load for each particular day taking into account relationship between temperature and load. Then the load pattern is estimated by averaging the load profile recorded for the past specified periods. Finally, the results obtained from the preceding steps is used to forecast hourly load curve for the next day. The second section, a MLP network, which has one output, is applied to forecast the load for hours ahead. Testing is separated into three parts. The first part is for finding the suitable period of training-data to be used. The second part concerns the impact of temperature to short-term load forecasting. Then the last part is the process to define the limit of lead-time for the forecast model. The developed program has been tested with a set of actual data collected from three sampled sub-stations. Promising results are obtained |
Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2546 |
Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
Degree Level: | ปริญญาโท |
Degree Discipline: | วิศวกรรมไฟฟ้า |
URI: | http://cuir.car.chula.ac.th/handle/123456789/5953 |
ISBN: | 9741737459 |
Type: | Thesis |
Appears in Collections: | Eng - Theses |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.