ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

KHOA KHOA HỌC VÀ KỸ THUẬT THÔNG TIN
---------

BÁO CÁO BÀI TẬP THỰC HÀNH

ỨNG DỤNG

Lớp: Cơ sở hạ tầng công nghệ thông tin - IE101.O21

Giảng viên: ThS. Nguyễn Thị Anh Thư

Nhóm: 09

Sinh viên thực hiện:

Nguyễn Thanh Nhã 22520994
Lê Quốc Thái 22521318
Phan Võ Mỹ Huyền 22520591
Lê Thái Khánh Ngân 22520930

Thành phố Hồ Chí Minh, tháng 4 năm 2024

 MỤC LỤC
Phân loại (Classification).............................................................................................1
Phân cụm (Clustering).................................................................................................4
Luật kết hợp (Association Rule)..................................................................................6
Hồi quy (Regression)....................................................................................................7
Chuỗi thời gian (Time series)....................................................................................10
Phân loại (Classification)

Phân loại thiết bị Phân loại hiện Phân loại khách

điện tượng điện hàng

Sắp xếp các thiết Phân loại các hiện Quá trình chia nhỏ
bị điện vào các tượng điện vào các cơ sở khách hàng
nhóm khác nhau nhóm khác nhau thành các nhóm
dựa trên tiêu chí cụ dựa trên các tiêu riêng biệt dựa trên
thể, việc phân loại chí cụ thể, giúp những đặc điểm
giúp quản lý, sử cho việc nghiên giúp doanh nghiệp
Khái niệm
dụng, bảo trì thiết cứu, học tập và dễ dàng đáp ứng
bị điện hiệu quả ứng dụng các hiện nhu cầu của khách
hơn, đảm bảo an tượng điện được dễ hàng một cách hiệu
toàn cho người sử dàng và hiệu quả quả hơn
dụng và hệ thống hơn
điện

Quản lý hiệu quả, Việc nghiên cứu Hiểu rõ hơn về

dễ dàng theo dõi, khoa học dựa trên mong muốn của
nâng cao hiệu quả phân loại hiện khách hàng, từ đó
sử dụng năng tượng điện giúp đưa ra các chiến
lượng, tăng hiệu phát triển ra các dịch tiếp thị phù
quả sửa chữa và công nghệ mới, hợp, đồng thời
Ưu điểm
bảo trì, đảm bảo an nâng cao hiệu quả phân loại khách
toàn trong sử dụng sử dụng điện năng, hàng giúp tập trung
điện dễ dàng xác định vào nhóm khách
và xử lý sự cố điện hàng tiềm năng, hỗ
nhanh chóng, trợ tăng doanh thu
chính xác mang lại

Nhược điểm Tốn thời gian và Ranh giới giữa các Tốn kém và mất
chi phí, cần có hiện tượng điện thời gian thu thập

1
 công cụ và phần luôn không rõ dữ liệu của từng
mềm để phân loại ràng, chỉ tập trung khách hàng, hơn
được hiệu quả, khó vào biểu hiện bên nữa rủi ro phân
khăn trong việc ngoài mà không loại sai nếu dữ liệu
cập nhật giải thích được bản không chính xác
chất bên trong, gây hoặc không đầy
khó khăn trong đủ. Khách hàng có
việc lựa chọn thể thay đổi hành
phương pháp vi và nhu cầu theo
nghiên cứu phù thời gian nhưng
hợp việc phân loại
thường không
được cập nhật kịp
thời

Phân loại thiết bị Phân loại hiện Quản lý giá bán

điện một cách toàn tượng điện hỗ trợ điện cho từng
diện và hiệu quả xác định chính xác nhóm khách hàng,
trong môi trường nguyên nhân, vị trí lập kế hoạch đầu tư
làm việc: thiết bị và mức độ ảnh phát triển hạ tầng
Ứng dụng điện trong nhà, hưởng của những điện lưới căn cứ
thiệt điện ngoài sự cố điện xảy ra vào nhu cầu sử
trời và thiết bị điện do thiên tai hoặc dụng điện, áp dụng
chống cháy nổ con người các biện pháp xử lý
vi phạm với từng
nhóm khách hàng

Dạng triển khai Phân loại thủ công: Phân loại dựa trên Phân loại theo hệ
đơn giản và phổ kiến thức: sử dụng thống thông tin,
biến nhất kiến thức điện để phân loại theo bản
Phân loại tự động: phân loại báo cáo, phân loại
tiên tiến và hiệu Phân loại dựa trên dựa trên dữ liệu

2
 quả hơn dữ liệu: sử dụng dữ lớn và trí tuệ nhân
Phân loại kết hợp: liệu về các hiện tạo
kết hợp giữa phân tượng điện để phân
loại thủ công và tự loại
động Phân loại kết hợp:
dùng nhiều phương
pháp khác nhau để
nâng cao độ chính
xác

Nhận dạng hình Trí tuệ nhân tạo Trí tuệ nhân tạo
ảnh (AI) (AI)
Xử lý ngôn ngữ tự Machine Learning Hệ thống đo đếm
Công nghệ nhiên Xử lý ngôn ngữ tự thông minh (AMI)
IoT nhiên Hệ thống phân tích
RFID Xử lý ảnh dữ liệu
Mã vạch Xử lý tín hiệu Hệ thống CRM

Có thể triển khai từ Có thể triển khai từ Quy mô từ các

các hệ thống có quy mô nhỏ, đến doanh nghiệp nhỏ,
quy mô nhỏ, đơn quy mô vừa và lớn cơ sở sản xuất nhỏ,
Quy mô giản đến các hệ đến các doanh
thống có quy mô nghiệp, khu công
lớn và phức tạp nghiệp
hơn

Thuật toán K-Nearest Supervised K-Means

Neighbors, Learning Decision Tree
Support Vector Unsupervised Linear Regression
Machine, Naive Learning Support Vector
Bayes, Mạng nơ- Mạng nơ-ron nhân Machine
ron nhân tạo tạo Mạng nơ-ron nhân

3
 tạo

Ngôn ngữ lập Python, Java, C++, Python, Java, C++, SQL, Python, C++,
trình R R R

Phân cụm (Clustering)

Tiêu chí Phân tích thị Phân tích phụ tải Phát hiện các mẫu
trường điện điện tiêu thụ điện bất
thường

Phân loại và đánh Phân loại, phân Xác định các điểm
giá thông tin về các tích và đánh giá dữ liệu tiêu thụ
yếu tố ảnh hưởng đặc tính tiêu thụ điện năng khác biệt
đến cung, cầu và điện của phụ tải đáng kể so với mức
giá cả của điện điện, bao gồm xu tiêu thụ bình
năng. Quá trình hướng, hành vi, thường. Việc phát
này giúp các nhà thói quen tiêu thụ hiện này đóng vai
đầu tư, doanh điện và sự đóng trò quan trọng
Khái niệm
nghiệp và cơ quan góp vào biểu đồ trong việc giảm
quản lý đưa ra phụ tải hệ thống thiểu lãng phí, phát
quyết định sáng điện của mỗi thành hiện rò rỉ, phát hiện
suốt trong lĩnh vực phần phụ tải điện, gian lận, cải thiện
điện lực. nhóm phụ tải điện, hiệu quả sử dụng
phân nhóm phụ tải năng lượng.
điện và khách hàng
sử dụng điện.

Ưu điểm Đoán trước nhu Hiểu rõ hơn về Giảm thiểu lãng

cầu điện tương lai hành vi và thói phí điện năng.
để xây dựng hệ quen tiêu thụ điện Phát hiện rò rỉ
thống điện đủ của khách hàng, điện.
dùng, không lãng đồng thời phát hiện Phát hiện gian lận
phí, đồng thời xác tiềm năng tiết kiệm

4
 định khu vực có năng lượng và cải sử dụng điện.
nguy cơ quá tải để thiện hiệu quả vận
tăng cường hệ hành hệ thống điện.
thống, giảm nguy
cơ mất điện.

Yêu cầu dữ liệu thị Yêu cầu dữ liệu Có thể tạo ra nhiều
trường đầy đủ và tiêu thụ điện chi cảnh báo sai.
chính xác. tiết. Cần có hệ thống để
Nhược điểm
Phân tích có thể Việc phân loại phụ xác minh các cảnh
phức tạp và tốn tải điện có thể khó báo.
thời gian. khăn.

Lập kế hoạch đầu Quản lý phụ tải Quản lý năng

tư cho hệ thống điện. lượng cho các tòa
điện. Cải thiện hiệu quả nhà.
Quy định giá điện. sử dụng năng Phát hiện gian lận
Ứng dụng
Mua bán điện lượng. sử dụng điện trong
năng. Lập kế hoạch vận ngành công nghiệp.
hành hệ thống điện. Theo dõi và giám
sát hệ thống điện.

Phân tích ngoại Phân tích ngoại Phân tích ngoại

tuyến. tuyến. tuyến.
Dạng triển khai
Phân tích thời gian Phân tích thời gian Phân tích thời gian
thực. thực. thực.

Học máy. Học máy. Học máy.

Công nghệ
Thống kê. Thống kê. Thống kê.

Quy mô Quy mô thị trường. Quy mô thị trường, Quy mô hệ thống

hệ thống điện. điện, khu vực.

Thuật toán K-means. K-means. K-means.

5
 Hierarchical Isolation Forest.
Hierarchical clustering. Local Outlier
clustering. Self-organizing Detection (LOF).
DBSCAN. maps (SOM).

Ngôn ngữ lập Python, R, SAS. Python, R, Python, R, Java.

trình MATLAB.

Luật kết hợp (Association Rule)

Tiêu chí Dự đoán nhu cầu tiêu Tối ưu hóa hoạt Lập kế hoạch phát
thụ điện động quản lý triển
mạng lưới điện

Phân tích dữ liệu tiêu Phân tích dữ liệu Phân tích dữ liệu về
thụ điện trong quá khứ về tình trạng hoạt nhu cầu tiêu thụ
kết hợp các yếu tố thời động của mạng điện, tình trạng phát
Khái niệm tiết, ngày lễ… để dự lưới điện để xác triển kinh tế - xã
đoán nhu cầu tiêu thụ định các điểm hội để đưa ra các dự
điện trong tương lai yếu, nguy cơ tiềm báo về nhu cầu điện
ẩn trong tương lai

Phát hiện yếu tố tác Phát hiện sự cố, Phát hiện xu hướng
động tiềm ẩn (nhu cầu lập kế hoạch bảo thị trường, phân
tiêu thụ điện tăng vào trì, tối ưu hóa vận chia các phân khúc
Ưu điểm
ngày thời tiết nóng và hành (điều chỉnh khách hàng (giúp
giảm vào những ngày tải điện, điện áp) triển khai chiến
mát mẻ) lược marketing)

Nhu cầu tiêu thụ điện Cần tối ưu hóa dữ Chỉ dựa vào dữ liệu
có tính biến động, liệu thời gian thực lịch sử nên không
Nhược điểm
không chắc chắn về chắc chắn sẽ phản
các yếu tố ảnh hưởng ánh đúng tương lai

Ứng dụng Dự đoán nhu cầu tiêu Dựa vào kết quả Từ kết quả dự báo,

6
 thụ điện trong tương phân tích, công ty công ty điện lực có
lai, giúp công ty điện điện lực sẽ đưa ra thể lập kế hoạch
lực cung cấp điện hiệu các giải pháp tối phát triển hệ thống
quả, tránh thiếu hụt ưu hóa hoạt động điện hiệu quả
hay dư thừa quản lý mạng lưới
điện

Dạng triển Tập trung, phân tán Thời gian thực, Tích hợp, độc lập
khai phi thời gian thực

ML, DL, AI Smart Grid, IoT, GIS, DSS, mô hình

Công nghệ
Cloud Computing hóa và mô phỏng

Quy mô Quy mô khu vực Quy mô hệ thống Quy mô thị trường,

điện doanh nghiệp

Thuật toán SVM, Big Data Lập trình tuyến Big Data
Cây quyết định tính Mạng nơron nhân
Mạng nơron nhân tạo Lập trình nhị phân tạo
Thuật toán di Lập trình tuyến tính
truyền

Ngôn ngữ Python, R, Java, C++ Python, Java, C++ Python, Java, C++
lập trình

Hồi quy (Regression)

Tiêu chí Dự báo nhu cầu Dự báo rủi ro Phân tích mối liên
điện hệ giữa giá điện
và người tiêu
dùng

Khái niệm Hệ thống sử dụng Hệ thống sử dụng Mối liên hệ giữa

dữ liệu lịch sử về dữ liệu về các yếu giá điện và người
nhu cầu điện, thời tố rủi ro như thiên tiêu dùng là mối

7
 tiết, ngày lễ, sự tai, sự cố lưới điện, quan hệ tương tác,
kiện đặc biệt, v.v. v.v. để dự đoán khả ảnh hưởng lẫn
để dự đoán nhu cầu năng xảy ra và tác nhau giữa giá điện
điện trong tương động của các rủi ro và hành vi tiêu
lai. này. dùng của người
dân.

Độ chính xác cao Độ chính xác cao, Đơn giản, dễ hiểu.

Tính linh hoạt, hiệu hiệu quả cao Khả năng ứng dụng
Ưu điểm quả cao Khả năng mở rộng cao.
Dễ sử dụng tốt. Linh hoạt trong
Dễ sử dụng nhiều dữ liệu

Giới hạn về tính Yêu cầu dữ liệu có Độ chính xác phụ

chính xác độ chính xác cao thuộc chất lượng
Khó khăn trong và đầy đủ. dữ liệu
việc lựa chọn mô Khả năng giải thích Tính phức tạp lớn
hình phù hợp gặp khó khăn. vì đòi hỏi người
Nhược điểm
Yêu cầu về kỹ Độ ổn định dùng có kiến thức.
năng và kiến thức Yêu cầu kiến thức
chuyên môn cao. cao.
Chi phí triển khai
lớn.

Ứng dụng Dữ liệu dự báo Dữ liệu dự báo Dữ liệu dự báo

được sử dụng để được sử dụng để được sử dụng để
lập kế hoạch sản đưa ra các biện người dùng có thể
xuất điện, mua bán pháp phòng ngừa lập kế hoạch sử
điện trên thị trường rủi ro, giảm thiểu dụng điện hợp lý
năng lượng, và thiệt hại và đảm cũng như công ty
quản lý lưới điện bảo an ninh năng điện lực có thể
lượng. nâng cao chất

8
 lượng phục vụ lẫn
sản phẩm.

Dự báo nhu cầu Dự báo rủi ro tài Dự báo nhu cầu

điện dựa trên phạm chính điện
vi. Dự báo rủi ro hoạt Phân tích giá điện
Dự báo nhu cầu động Thiết kế chính sách
điện theo loại hình Dự báo rủi ro thị giá điện
Dạng triển khai sử dụng, mục đích trường Cá nhân hóa trải
sử dụng. Dự báo rủi ro chiến nghiệm khách hàng
Dự báo nhu cầu lược Nâng cao hiệu quả
điện theo thời gian Dự báo rủi ro liên sử dụng năng
quan đến biến đổi lượng
khí hậu

Trí tuệ nhân tạo Học máy Học máy

(AI) Phân tích dữ liệu Phân tích dữ liệu
Internet vạn vật lớn lớn
(IoT) Internet vạn vật Mô hình hóa
Công nghệ Dữ liệu lớn (Big (IoT) Trí tuệ nhân tạo
Data) Trí tuệ nhân tạo
Hệ thống thông tin (AI)
địa lý (GIS)
Mô phỏng

Dự báo tổng thể Phạm vi dự báo Quy mô quốc gia

Dự báo theo khu Khung thời gian dự Quy mô khu vực
Quy mô vực báo Quy mô hộ gia
Dự báo theo nhóm Mức độ chi tiết đình
khách hàng Phương pháp dự
báo

Phân tích hồi quy Phân tích hồi quy Phân tích hồi quy

9
 Mạng nơ-ron nhân
Mạng nơ-ron nhân tạo Phân tích tương
Thuật toán tạo Học máy quan
Học máy Phân tích Monte Phân tích chuỗi
Hỗ trợ vectơ máy Carlo thời gian
(SVM) Phân tích dữ liệu Học máy
Phương pháp lớn Phân tích dữ liệu
Monte Carlo lớn

Python Python Python

Ngôn ngữ lập R R R
trình Java Java Java
C/C++ C/C++ C/C++

Chuỗi thời gian (Time series)

Tiêu chí Phân tích sự cố Lập kế hoạch Phân tích Phân tích giá
hệ thống điện vận hành hiệu suất hoạt điện
động của nhà
máy điện

Sử dụng dữ liệu Sử dụng chuỗi Sử dụng dữ Nghiên cứu,

chuỗi thời gian thời gian để liệu chuỗi thời đánh giá các yếu
về điện áp, dòng mô hình hoá và gian về vận tố ảnh hưởng giá
điện, sự cố lưới dự đoán các hành nhà máy điện, xu hướng
điện để xác định nhu cầu, nguồn để đánh giá giá điện trong
Khái niệm
nguyên nhân và cung và hiệu hiệu quả, phát quá khứ, hiện tại,
vị trí xảy ra sự suất của hệ hiện vấn đề, đề tương lai, tác
cố. thống. xuất giải pháp. động của giá
điện đến các bên
liên quan

Ưu điểm Hiệu quả và Nâng cao khả Thông tin chi Hiểu rõ thị
tiết, phát hiện trường, đưa ra

10
 chính xác năng dự đoán sớm vấn đề, quyết định sáng
Khả năng phát Tăng hiệu quả tiết kiệm chi suốt (đầu tư, sản
hiện sớm hoạt động phí, an toàn hệ xuất…), thúc
Tăng cường khả Giảm thiểu rủi thống. đẩy cạnh tranh
năng chẩn đoán ro
Rút ngắn thời Tối ưu hoá chi
gian sửa chữa phí
Tăng cường độ Nâng cao khả
tin cậy của hệ năng cạnh
thống tranh

Đòi hỏi chuyên Dữ liệu không Dữ liệu lớn, Kết quả không
môn kỹ thuật chính xác cần chuyên chính xác hoàn
cao và tốn kém Khó khăn môn, kết quả toàn, yêu cầu cập
Nhược chi phí. trong việc xử phụ thuộc cách nhật dữ liệu
điểm Đòi hỏi việc cập lý dữ liệu xử lý dữ liệu. thường xuyên
nhật và điều Thiếu khả
chỉnh mô hình năng thích ứng
thường xuyên. với thay đổi

Phân tích dữ liệu Lập kế hoạch Phân tích xu dự báo giá điện,
điện áp, dòng sản xuất hướng, đánh xác định yếu tố
điện Lập kế hoạch giá hiệu quả tổ ảnh hưởng giá
Phân tích dữ liệu bảo trì máy, phát hiện điện, đưa ra xu
Ứng dụng
sự kiện Lập kế hoạch sự cố, lập kế hướng giá điện
Phân tích dữ liệu giao hàng hoạch O&M,
hình ảnh tối ưu hóa vận
hành.

Dạng Biểu đồ đường Biểu đồ Gantt Biểu đồ, bảng Phần mềm phân
triển khai Biểu đồ thanh Lưới PERT tính, báo cáo, tích, đám mây
Phương pháp SCADA.

11
 chuỗi tới hạn

Phân tích Phân tích Phân tích RL, NLP

Wavelet, phân chuỗi thời chuỗi thời
tích Fourier gian, nền tảng gian, học máy,
Công nghệ điện toán đám trí tuệ nhân
mây, trí tuệ tạo.
nhân tạo và
học máy

Quy mô Quốc gia, khu Quốc gia, khu Nhà máy điện, Quốc gia, khu
vực vực, doanh hệ thống điện. vực
nghiệp

Thuật Phân tích dữ liệu Phân tích trung Phân tích tự Hồi quy, mạng
toán biến đổi bình di động tương quan nơ ron nhân tạo
(ADaPT) (MA), phân (ACF)
Mạng nơ-ron tích ARIMA, Phân tích
nhân tạo (ANN) mạng nơ-ron tương quan
nhân tạo (NN), chéo (CCF)
làm mịn theo Phân tích phổ
hàm mũ công suất
(PSD)
Phân tích
wavelet
Phân tích biến
đổi Fourier
Máy học
Mạng nơ-ron
nhân tạo

Ngôn ngữ Python, R, Python, R, Python, R, Python, R, Java

lập trình MATLAB, Julia Java, C++, MATLAB,

12
 Julia, SAS, Julia, C++,
MATLAB Java.

Bảng phân công

MSSV Tên Công việc

22520930 Lê Thái Khánh Ngân Phân loại (Classification)

Chuỗi thời gian (Time series)

22520994 Nguyễn Thanh Nhã Phân cụm (Clustering)

Chuỗi thời gian (Time series)

22521318 Lê Quốc Thái Luật kết hợp (Association Rule)

Chuỗi thời gian (Time series)

22520591 Phan Võ Mỹ Huyền Hồi quy (Regression)

Chuỗi thời gian (Time series)

13