Bài viết Mô hình dự báo phụ tải ngắn hạn dựa trên mạng Nơron nhân tạo kết hợp thuật toán di truyền trình bày mô tả một mô hình dự báo phụ tải được phát triển dựa trên mạng nơron nhân tạo (ANN). Trong mô hình này, thuật toán di truyền được nhúng trong quá trình học của mạng nơron. Các kết quả và tốc độ tính toán của mô hình được kiểm chứng thông qua so sánh với thuật toán lan truyền ngược,. . | TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) MÔ HÌNH DỰ BÁO PHỤ TẢI NGẮN HẠN DỰA TRÊN MẠNG NƠRON NHÂN TẠO KẾT HỢP THUẬT TOÁN DI TRUYỀN IMPLEMENTATION OF GENETIC ALGORITHM FOR AN ANN-BASED SHORT-TERM LOAD FORECASTING MODEL 1 2 Phạm Mạnh Hải, Vũ Thị Anh Thơ , Phạm Văn Duy 1 2 Trường Đại học Điện lực, Trung tâm Năng lượng mới và tái tạo Tóm tắt: Bài báo mô tả một mô hình dự báo phụ tải được phát triển dựa trên mạng nơron nhân tạo (ANN). Trong mô hình này, thuật toán di truyền được nhúng trong quá trình học của mạng nơron. Các kết quả và tốc độ tính toán của mô hình được kiểm chứng thông qua so sánh với thuật toán lan truyền ngược. Từ khoá: Dự báo phụ tải ngắn hạn, dự báo phụ tải điện ngày, thuật toán di truyền, thuật toán lan truyền ngược, mạng nơron nhân tạo. Abstract: This article describes a short-term load forecasting (STLF) model which developed on an artificial neural network (ANN). Using basic genetic algorithm (GA) in the learning process of ANN is tested and compared with the Back-Propagation algorithm (BP) about the error and the execution time. Keywords: Short-term load forecasting, genetic algorithm, back-propagation algorithm, artifical neural network. 1. GIỚI THIỆU CHUNG 3 Trong những nam gần đay, tình hình nghien cứu trong lĩnh vực dự báo phụ tải ngắn hạn (STLF) đang ngày càng phát triển để đáp ứng nhu cầu đảm bảo cung cấp đi n an toàn và lien tục. Trong nuớc có thể kể đến một số công trình nghien cứu của tác giả Trần Kỳ Phúc và các cộng sự [1], [2]. Tác giả đã nghien cứu ứng 3 Ngày nhận bài: 16/5/2017, ngày chấp nhận đăng: 3/10/2017, phản biện: TS. Trần Thanh Sơn. Số 13 tháng 11-2017 dụng mạng no ron nhân tạo một lớp ẩn để dự báo phụ tải ngày của thành phố Hà Nội có tính đến các yếu tố thời tiết nhu: nhi t độ và độ ẩm. Cùng giải thuật như các tác giả trên, tác giả Chu Nghĩa [3] thực hiện nghiên cứu STLF cho phụ tải Miền Bắc. Trên thế giới, các nghiên cứu về STLF được công bố rộng rãi và rất đa dạng
