Ngày 01/4/2026, tại Công ty Điện lực Quảng Ninh, Tổng công ty Điện lực miền Bắc (EVNNPC) đã phối hợp với Công ty Vận hành hệ thống điện và thị trường điện Quốc gia (NSMO), Trung tâm điều độ lưới điện miền Bắc (NSO) và Viện năng lượng Australia tổ chức buổi trao đổi công tác dự báo phụ tải và quản lý nguồn điện phân tán, các giải pháp ứng dụng công nghệ mới trong lĩnh vực này.
Tại cuộc trao đổi, Công ty Điện lực Quảng Ninh đã trình bày báo cáo chi tiết về đề tài khoa học công nghệ “Xây dựng giải pháp dự báo phụ tải bằng trí tuệ nhân tạo, ứng dụng Machine Learning (ML)”. Đây là công cụ nhằm chuyển đổi từ phương pháp dự báo thủ công vốn phụ thuộc nhiều vào kinh nghiệm và tốn thời gian truy xuất dữ liệu, sang mô hình tự động hóa hoàn toàn. Giải pháp sử dụng mô hình học máy LGBM, một thuật toán tiên tiến thuộc nhóm Gradient Boosting Decision Tree, giúp xử lý hiệu quả tập dữ liệu lớn và mô hình hóa tốt các mối quan hệ phi tuyến phức tạp giữa phụ tải với các yếu tố thời tiết, thời gian thực theo phụ tải.
Điểm nổi bật của giải pháp là quy trình xử lý dữ liệu đầu vào hiện đại, với dữ liệu phụ tải được thu thập theo chu kỳ 30 phút từ hệ thống SCADA và các trạm biến áp 110kV. Song song đó, hệ thống tự động truy vấn dữ liệu thời tiết thực tế và dự báo từ các trạm khí tượng thông qua dịch vụ API Visual Crossing, bao gồm các thông số về nhiệt độ, độ ẩm, lượng mưa và tốc độ gió. Các chuyên gia tham dự hội nghị đặc biệt quan tâm đến khả năng tùy biến của mô hình, cho phép xây dựng một hoặc nhiều module dự báo khác nhau và thực hiện huấn luyện (train) theo thời lượng hợp lý để đảm bảo tính cập nhật.
Về hiệu quả kỹ thuật, mô hình hiện tại hỗ trợ dự báo phụ tải với độ phân giải 30 phút và độ dài dự báo tối đa lên đến 14 ngày. Mặc dù trọng tâm hiện tại là dự báo công suất tác dụng (P) của hệ thống điện phân phối, các chuyên gia cũng đề xuất định hướng phát triển thêm khả năng dự báo công suất phản kháng (Q) để tối ưu hóa vận hành lưới điện Việt Nam. Việc lựa chọn mô hình LGBM được đánh giá là phù hợp do tính thân thiện với ngôn ngữ dữ liệu, tốc độ huấn luyện nhanh và khả năng đáp ứng yêu cầu tính toán trong thời gian ngắn cũng như không đòi hỏi hạ tầng cao về hệ thống máy tính, chiếm dụng tài nguyên.
Kết quả triển khai thực tế tại Công ty Điện lực Quảng Ninh cho thấy hiệu quả rõ rệt sau khi áp dụng giải pháp từ tháng 8/2025 đến nay tỷ lệ dự báo sai số đều ở mức +/- 1%. Trong khi dự báo ngắn hạn 48 chu kỳ thường có sai số dao động khoảng 2-3%, thì đối với các tính toán dài hạn như Pmax tháng, việc cập nhật liên tục dữ liệu khách hàng mới đã giúp tinh chỉnh mô hình đạt độ chính xác cao. Cụ thể, trong hai tháng đầu năm 2026, sai số dự báo phụ tải thực tế đều ở mức – 0,7%, thấp hơn đáng kể so với ngưỡng quy định của Tổng công ty.
Với những thành công bước đầu, giải pháp dự báo phụ tải bằng trí tuệ nhân tạo của Công ty Điện lực Quảng Ninh đã được EVNNPC lựa chọn làm đề tài khoa học công nghệ trọng điểm để triển khai nhân rộng cho các đơn vị trực thuộc trong năm 2026. Đây không chỉ là công cụ hỗ trợ đắc lực cho các kỹ sư điều độ mà còn góp phần quan trọng vào việc nâng cao tính ổn định, an toàn và hiệu quả trong công tác vận hành hệ thống điện tại khu vực miền Bắc.
