SO SÁNH THUẬT TOÁN TỐI ƯU CỦA MẠNG WAVENET  TRONG BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN

Dương Ngọc Hùng; Nguyễn Tùng Linh; Nguyễn Minh Tâm

doi:10.34238/tnu-jst.6956

SO SÁNH THUẬT TOÁN TỐI ƯU CỦA MẠNG WAVENET TRONG BÀI TOÁN DỰ BÁO PHỤ TẢI ĐIỆN

Thông tin bài báo

Ngày nhận bài: 21/11/22 Ngày hoàn thiện: 11/04/23 Ngày đăng: 13/04/23

Các tác giả

1. Dương Ngọc Hùng, 1) Trường Đại học Tiền Giang, 2) Trường Đại học Điện lực, 3) Trường Đại học Sư phạm kỹ thuật TP Hồ Chí Minh
2. Nguyễn Tùng Linh , Trường Đại học Điện lực
3. Nguyễn Minh Tâm, Trường Đại học Sư phạm kỹ thuật TP Hồ Chí Minh

Tóm tắt

Dự báo phụ tải điện là một vấn đề quan trọng trong quản lý lưới điện nhỏ. Dự báo phụ tải chính xác là yêu cầu cấp thiết để quản lý điện hiệu quả cho lưới điện nhỏ. Bài báo này xem xét việc đánh giá hiệu quả của việc áp dụng các thuật toán tối ưu hóa khác nhau sử dụng mạng noron học sâu để giải quyết đó là mạng Wavenet. Các mô hình kết hợp các thuật toán tối ưu hóa với Wavenet được áp dụng cho dự báo phụ tải ngắn hạn. Để đánh giá độ chính xác của các mô hình dự báo, nghiên cứu này đã sử dụng các thuật toán tối ưu hóa (HHO, Adam, RMSprop, SGD, Adagrad) để tính toán mạng Wavenet. Để thực hiện tính toán cho mô hình, phương pháp thực hiện với tập dữ liệu phụ tải của mô hình lưới điện nhỏ thuộc lưới điện Thành phố Hồ Chí Minh. Kết quả cho thấy mô hình HHO hoạt động tốt hơn mô hình dựa trên các thuật toán tối ưu hóa khác về lỗi bình phương trung bình gốc (RMSE) và lỗi tỷ lệ phần trăm tuyệt đối trung bình (MAPE).

Từ khóa

Tối ưu Harris hawrk; Lưới điện nhỏ; Thuật toán HHO; Mạng Wavenet; Dự báo ngắn hạn

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] K. Yu, Q. Ai, S. Wang, J. Ni, and T. Lv, “Analysis and optimization of droop controller for microgrid system based on small-signal dynamic model,” IEEE Transactions on Smart Grid, vol. 7, no. 2, 2016, Art. no. 695e705.

[2] U. B. Tayab and Q. M. Humayun “Enhanced droop controller for operating parallelconnected distributed-generation inverters in a microgrid,” J. Renew Sustain Energy, vol. 10, no. 4, 2018, Art. no. 045303.

[3] U. B. Tayab, Z. Ali, Y. Fuwen, L. Junwei, and M. Kashif “Short-term load forecasting for microgrid energy management system using hybrid HHO-FNN model with best-basis stationary wavelet packet transform,” Journal Elsevier Energy, 2020, doi: 10.1016/j.energy.2020.117857.

[4] F. D. Rueda, J. D. Suárez, and A. R. Torres, “Short-Term Load Forecasting Using Encoder-Decoder WaveNet Application to the French Grid,” Energies, vol. 14, 2021, Art. no. 2524, doi: 10.3390/ en14092524.

[5] D. Niu, Y. Wang, and D. D. Wu, “Power load forecasting using support vector machine and ant colony optimization,” Expert Syst. Appl., vol. 37, pp. 2531–2539, 2010.

[6] G. F. Fan, Y. H. Guo, J. M. Zheng, and W. C. Hong, “Application of the Weighted K-Nearest Neighbor Algorithm for Short-Term Load Forecasting,” Energies, vol. 12, 2019, Art. no. 916.

[7] Y. Dong, Z. Zhang, and W. C. Hong, “A hybrid seasonal mechanism with a chaotic cuckoo search algorithm with a support vector regression model for electric load forecasting,” Energies, vol. 11, 2018, Art. no. 1009.

[8] R. Zhang, Z. Y. Dong, Y. Xu, K. Meng, and K. P. Wong, “Short-term load forecasting of Australian National Electricity Market by an ensemble model of extreme learning machine,” IET Gener. Transm. Distrib., vol. 7, pp. 391–397, 2013.

[9] M. Ghofrani, M. Ghayekhloo, and A. Arabali, “Ghayekhloo, A. A hybrid short-term load forecasting with a new input selection framework,” Energy, vol. 81, pp. 777–786, 2015.

[10] W. Kong, Z. Y. Dong, Y. Jia, D. J. Hill, Y. Xu, and Y. Zhang, “Short-term residential load forecasting based on LSTM recurrent neural network,” IEEE Trans. Smart Grid, vol. 10, pp. 841–851, 2017.

[11] B. Janet and D. Santhadevi, “Deep Long Short Term Memory with Harris Hawk Optimization: Enhanced Deep Learning Framework for Malware Detection at the Edge of the Iot System,” Research Square, August 2nd, 2021, doi: 10.21203/rs.3.rs-713566/v1.

DOI: https://doi.org/10.34238/tnu-jst.6956

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ