Trong bối cảnh phụ tải điện ngày càng tăng, việc dự báo dựa trên kinh nghiệm và công cụ thủ công khó đáp ứng nhu cầu vận hành lưới điện. VTS ứng dụng AI kết hợp nền tảng dữ liệu thống nhất để xây dựng quy trình dự báo điện thương phẩm, giảm sai số dự báo xuống hơn 40% so với phương thức thủ công, xây dựng hệ sinh thái số, mở ra hướng đi bền vững cho ngành điện.

Dự báo phụ tải điện: Thách thức lớn từ dữ liệu và phương pháp truyền thống

Dự báo phụ tải điện được coi là một trong những bài toán khó của ngành điện. Chỉ cần lệch vài phần trăm, hệ thống có thể rơi vào hai tình huống trái ngược: thiếu điện dẫn đến cắt điện luân phiên, mất điện cục bộ và phải nguồn phát máy dầu với chi phí cao, hoặc dư điện khiến tổ máy chạy không tải, tăng chi phí nhiên liệu. Cả hai kịch bản đều tạo áp lực lớn lên điều độ, đặc biệt trong những ngày phụ tải biến động mạnh.

Theo Quy hoạch điện VIII, tỷ trọng các nguồn năng lượng tái tạo (không bao gồm thủy điện) chiếm 28% - 36% vào năm 2030. Định hướng đến năm 2050 tỷ lệ năng lượng tái tạo lên đến 74% - 75%. Việc dự báo thủ công phụ tải điện, công suất phát của nguồn năng lượng tái tạo ngày càng khó khăn để đáp ứng nhu cầu vận hành lưới điện.

Mặc dù tại nhiều đơn vị, sai số dự báo hiện tại đã ở mức tương đối thấp, nhưng phương pháp thủ công vẫn bộc lộ nhiều điểm yếu. Việc dự báo chủ yếu dựa trên kinh nghiệm, dữ liệu lịch sử và các mô hình đơn giản như hồi quy tuyến tính hoặc trung bình động khiến công tác dự báo phụ thuộc vào kinh nghiệm cá nhân, khó nắm bắt được các biến động phức tạp, phi tuyến tính của nhu cầu điện vốn chịu tác động mạnh từ thời tiết, tăng trưởng GDP, hành vi tiêu dùng và các yếu tố sự kiện đặc biệt. Song song với đó, khối lượng dữ liệu ngày càng lớn từ nhiều nguồn lại khó được xử lý đầy đủ và kịp thời.

Việc thu thập và phân tích dữ liệu cho một bản dự báo đòi hỏi nhiều thời gian và nhân lực, bởi kỹ sư phải ghép nối thông tin từ phụ tải 30 phút, dữ liệu thời tiết, báo cáo hiện trường đến các dữ liệu kỹ thuật. Khi phụ thuộc vào con người, dự báo dễ chậm hơn thực tế, số liệu lấy thủ công nhiều nguồn có sự can thiệp của con người thiếu tính tin cậy, tạo độ trễ trong điều độ và ra quyết định. Không chỉ vậy, phương pháp thủ công thường dựa trên những giả định cố định nên khó thích ứng với các biến động bất thường như thiên tai, thay đổi chính sách hay tăng trưởng đột biến trong tiêu thụ điện. Chính yếu tố con người cũng là nguồn gây sai lệch, bởi đánh giá nhu cầu đôi khi bị ảnh hưởng bởi kinh nghiệm chủ quan hoặc thiếu thông tin.

Điểm nghẽn lớn nhất lại nằm ở chất lượng và nền tảng dữ liệu. Đồng chí Nguyễn Chí Linh - Phó Giám đốc Khối Khách hàng Doanh nghiệp VTS chia sẻ kinh nghiệm từ các dự án thực tế: “Nhiều doanh nghiệp đang thiếu một chiến lược về dữ liệu, không xác định dữ liệu trọng yếu – là những dữ liệu mang lại phần lớn giá trị cho doanh nghiệp, lưu trữ dữ liệu tràn lan mà không thiết lập mức độ ưu tiên, thiếu một nền tảng quản trị dữ liệu để đảm bảo chất lượng dữ liệu – đây chính là nền tảng căn bản để mở rộng ứng dụng các mô hình AI và đưa ra các quyết định chính xác trong doanh nghiệp”.

Chính việc thiếu một chiến lược về dữ liệu như vậy dẫn đến việc thiếu các nguồn thông tin để dự báo phụ tải nói riêng và đưa ra các quyết định trong doanh nghiệp nói chung.

Trong bối cảnh phụ tải biến động theo giờ, tỷ trọng điện tái tạo tăng nhanh và thời tiết ngày càng khó dự đoán, việc dự báo dựa vào kinh nghiệm và dữ liệu từ file Excel - Những công cụ thô sơ là không đủ để đáp ứng diễn biến ngày càng nhanh của thời tiết và thị trường. Ngành điện cần một phương pháp dự báo dựa trên dữ liệu, được chuẩn hóa và cập nhật liên tục và hình thành bức tranh đa chiều cho việc ra quyết định. Từ đó, VTS triển khai giải bài toán dự báo nói riêng và ứng dụng các mô hình AI nói chung bằng việc xây dựng lại cơ sở dữ liệu từ gốc.

Đồng chí Nguyễn Chí Linh nhấn mạnh: “Để làm AI, chúng ta phải bắt đầu từ dữ liệu. Nếu AI như là bộ não thì dữ liệu giống như mạch máu, não có thông minh đến đâu nhưng phải có máu để nuôi thì mới có sức sáng tạo và đưa ra các quyết định chính xác nhất”. Theo đó, muốn ứng dụng AI vào dự báo, điều kiện tiên quyết không chỉ là mô hình, mà là chất lượng, sự phong phú của dữ liệu từ đầu vào.

AI và dữ liệu thống nhất nâng chuẩn dự báo phụ tải

Nhận diện rõ điểm nghẽn dữ liệu, VTS tái thiết toàn bộ quy trình dự báo dựa trên nền tảng dữ liệu thống nhất. Tại dự án thử nghiệm ở Điện lực TP.HCM (EVNHCMC), nền tảng AirData được triển khai để kết nối dữ liệu vận hành theo thời gian thực, từ phụ tải 48 chu kỳ, dữ liệu thời tiết theo giờ, số liệu kinh tế – xã hội, ngày đặc biệt đến lịch sử tiêu thụ theo khu vực, giúp loại bỏ bước ghép nối thủ công.

Trên nền dữ liệu đã được chuẩn hóa, VTS huấn luyện các mô hình AI chuyên sâu như LSTM - là một mô hình mạng nơ-ron hồi quy (Recurrent Neural Network – RNN) đặc biệt, được thiết kế để xử lý và ghi nhớ thông tin trong chuỗi dữ liệu dài như văn bản, âm thanh, tín hiệu cảm biến, hay dữ liệu thời gian (time series), hay các mô hình lai, đồng thời liên tục kiểm định và tối ưu theo từng giai đoạn vận hành thực tế.

Kết quả cho thấy AI tạo ra sự khác biệt rõ rệt, tháng 6/2025, sai số dự báo của AI chỉ còn 3,59%, thấp hơn đáng kể so với mức 5,54% từ phương pháp truyền thống. Việc giảm gần 2% sai số không chỉ là một cải tiến kỹ thuật mà mang ý nghĩa chiến lược: điều độ dự báo sát hơn, còn mở ra khả năng tối ưu vận hành một cách chủ động và bền vững hơn trong tương lai.

Quá trình thử nghiệm cho thấy mô hình AI dựa trên LSTM kết hợp dữ liệu thời tiết đã đáp ứng tốt yêu cầu dự báo phụ tải với độ chính xác cao, đồng thời mở ra khả năng cải thiện toàn bộ quy trình dự báo hiện tại theo hướng tự động, nhanh và ổn định hơn. Việc áp dụng AI giúp giảm phụ thuộc vào phương pháp thủ công, hạn chế sai số do con người và tăng tính linh hoạt trước các biến động bất thường của nhu cầu điện.

Với mức độ cải thiện độ chính xác từ 35–45%, VTS khuyến nghị mở rộng ứng dụng AI sang các lĩnh vực khác của ngành điện như dự báo công suất phát của năng lượng tái tạo dựa vào dữ liệu thời tiết, dự báo giá chào bán năng lượng tái tạo trên thị trường điện, hay bảo trì dự đoán cho nhà máy điện... Điều này sẽ giúp tối ưu chi phí, tăng độ tin cậy của lưới điện và hỗ trợ định hướng chuyển đổi năng lượng bền vững.

Hình thành hệ sinh thái dữ liệu – AI cho mô hình nhà máy điện số

VTS không coi mô hình AI là đích đến. Theo anh Nguyễn Chí Linh, “AI chỉ phát huy hết tiềm năng khi dữ liệu đảm bảo đúng – đủ - sạch – sống và hạ tầng triển khai phù hợp”. Vì vậy, VTS đã xây dựng Viettel Data Platform – trục dữ liệu thống nhất tích hợp dữ liệu vận hành (historians) từ SCADA, DCS đến dữ liệu IT trong doanh nghiệp (ERP, vật tư, lịch bảo trì và hồ sơ kỹ thuật). Nền tảng Viettel Data Platform tạo ra một nguồn dữ liệu liền mạch và minh bạch, đang được triển khai rộng rãi tại EVN, PVN và nhiều doanh nghiệp lớn trong các lĩnh vực ngân hàng, hàng không…

Việc chuẩn hóa dữ liệu giúp rút ngắn 50–80% thời gian tổng hợp báo cáo, đồng thời tạo nguồn dữ liệu sạch và liên tục cho mô hình AI tái huấn luyện hàng tuần hoặc hàng tháng. Các công cụ số hóa như OCR (nhận dạng văn bản), IPA (bóc tách dữ liệu) và Voice AI (chuyển giọng nói thành chữ) tiếp tục chuyển đổi tài liệu kỹ thuật, biên bản hay nhật ký vận hành về dạng dữ liệu có cấu trúc, giúp hoàn thiện kho dữ liệu và nâng cao chất lượng phân tích.

Khi nền dữ liệu được hình thành, các mô đun giám sát như APM Health (đánh giá “sức khỏe” thiết bị) và APM Reliability (theo dõi độ tin cậy, dự báo khả năng hỏng hóc) có thể phân tích tình trạng máy móc và cảnh báo sớm các rủi ro. Hay các hệ thống như Energy OMS (quản lý vận hành năng lượng) và VMS (giám sát vận hành nhà máy) giúp theo dõi tổ máy, sản lượng và các sự cố trên một giao diện duy nhất. Những điều này tạo ra hệ sinh thái dữ liệu – AI giúp nhà máy điện vận hành chủ động, giảm phụ thuộc vào kinh nghiệm cá nhân.

Qua đó, hệ sinh thái số của VTS không chỉ giúp nâng độ chính xác của dự báo mà còn góp phần định hình lại cách ngành điện vận hành, từ hệ thống rời rạc sang một mô hình liền mạch, nơi dữ liệu là nền tảng và AI là công cụ tăng tốc. Trong bối cảnh chuyển dịch năng lượng cùng áp lực tối ưu chi phí ngày càng lớn, đây là hướng đi tối ưu để ngành điện tiến tới vận hành linh hoạt, an toàn và hiệu quả hơn.

Ứng dụng AI – dữ liệu lớn 'đặt lại chuẩn' cho dự báo phụ tải vận hành ngành điện

09:43 - 15.12.2025

Bài viết cùng chuyên mục

Bài viết cùng chuyên mục