ỨNG DỤNG PHƯƠNG PHÁP EXPLAINABLE ARTIFICIAL INTELLIGENCE (XAI) VÀ CÁC MÔ HÌNH HỌC MÁY TRUYỀN THỐNG XỬ LÝ BÀI TOÁN TIÊU THỤ NĂNG LƯỢNG TÁI TẠO

Tóm tắt

Nghiên cứu này tập trung vào việc giải quyết thách thức dự báo sản lượng điện năng lượng mặt trời cho công ty Enefit thông qua việc ứng dụng XAI kết hợp với các mô hình học máy. Mục tiêu là xác định những yếu tố quan trọng ảnh hưởng đến sản lượng điện và tiêu thụ, nhằm phục vụ cho quá trình tích hợp liền mạch các hệ thống quang điện (PV) vào lưới điện quốc gia. Nghiên cứu cũng đề xuất các phương pháp học máy khác nhau giúp nâng cao độ chính xác của dự báo, bằng cách kết hợp dữ liệu như: thời tiết lịch sử; giá khí đốt và giá điện, cùng với các yếu tố về dự báo thời tiết. Nhóm nghiên cứu đã phát triển nhiều mô hình như tuyến tính, phi tuyến tính và LightGBM (LGBM), tiếp tục tiến hành thí nghiệm để tìm ra mô hình hiệu quả nhất. Kết quả nghiên cứu đã giúp giảm thiểu sự mất cân bằng trong lưới điện, đồng thời nâng cao hiệu suất và độ tin cậy khi tích hợp năng lượng tái tạo. Những nỗ lực nghiên cứu tiếp theo sẽ tập trung vào việc tích hợp dữ liệu thời gian thực và áp dụng các kỹ thuật học sâu (deep learning) nhằm nâng cao độ chính xác và hiệu quả của dự báo.