Dự báo và tối ưu hóa điện năng tiêu thụ trong công nghiệp nặng ứng dụng học máy

Nghiên cứu đề xuất quy trình tích hợp giữa dự báo phụ tải đa khoảng thời gian (15 phút, 1 giờ, 24 giờ) và tối ưu hóa dịch chuyển phụ tải cho nhà máy DAEWOO Steel nhằm loại bỏ triệt để rò rỉ dữ liệu theo thời gian. Tập đặc trưng được thiết kế nghiêm ngặt từ dữ liệu lịch sử khả dụng tại mốc dự báo để so sánh các mô hình học máy (Random Forest, XGBoost, LSTM và mô hình lai hai tầng). Phương pháp Conformalized Quantile Regression (CQR) được tích hợp để lượng hóa độ bất định qua khoảng dự báo P10-P90 hiệu chỉnh. Dự báo trước 24 giờ sau đó được đưa vào mô hình Quy hoạch tuyến tính nhằm phân bổ phụ tải linh hoạt, giảm chi phí và hạ phụ tải đỉnh. Thực nghiệm chỉ ra sai số tăng dần theo horizon (MAE từ 2,690 kWh ở 15 phút lên ~8,000 kWh ở 24 giờ); mô hình lai tối ưu ở khoảng ngắn nhờ phân loại tốt chế độ vận hành, trong khi mô hình phân vị P50 dẫn đầu ở mốc 24 giờ. Kết quả khẳng định tính khả dụng của đặc trưng đầu vào và đánh giá đa khoảng thời gian là cốt lõi cho điều độ năng lượng.