Как построить прогноз потребления при помощи STATISTICA Система STATISTICA.Energy-Forecast. Прогнозирование потребления электроэнергии промышленным предприятием.

Система прошла тестирование в реальных задачах, где был получен прогноз с точностью порядка 2-3%.

Система «Energy-Forecast: Потребление» содержит самые современные технологии анализа данных и прогнозирования, визуализации и представления итоговых результатов, в том числе через Internet. Технология прогнозирования, реализованная в системе, описана в книге: Боровиков В.П., Ивченко И.Г. «Прогнозирование в системе STATISTICA в среде Windows» (2-е издание, изд-во Финансы и Статистика, 2006).

Ядром «Energy-Forecast: Потребление» является система STATISTICA, что позволяет пользователю применять мощные аналитические методы в рамках одного пакета.

Система содержит средства импорта данных, позволяющие получать информацию из всех известных форматов электронных таблиц (Excel, Quattro Pro, др.) или реляционных баз данных (MS SQL, ORACLE) в диалоговом режиме.

Применение системы

• - Детализированное прогнозирование энергопотребления на промышленном предприятии (см. схему), включающее:

  • - учет особенностей потребления в различных цехах;

  • - контроль баланса планируемого и фактического потребления;

  • - адаптацию к возможным ограничениям поставок электроэнергии;

Рис. 1. Схема получения агрегированного прогноза на предприятии

• - Прогнозирование спроса на электроэнергию в сбытовых компаниях (поставщиках электричества) с учетом:

  • - сезонных, погодных и других факторов;

  • - отклонений в объемах электропотребления, например, недобор или перебор электроэнергии

  • - заявок потребителей при прогнозировании объемов полезного отпуска электроэнергии;

  • - специфики модели потребления у потребителей из различных отраслей (структура потребителей на примере Белгородской области приведена на рисунке)

Рис. 2. Пример структуры потребителей (Белгородская область)

Общее описание системы

Система «Energy-Forecast: Потребление» обладает удобным интерфейсом, основанным на диалоге с пользователем. Интерфейс содержит как минимальные настройки, необходимые для быстрого запуска алгоритма прогнозирования, так и более детальные настройки.

В системе используются следующие прогностические методы:

• - адаптивные методы (экспоненциальное сглаживание);

• - модели АРПСС (ARIMA) и АРПСС с интервенциями;

• - методы сезонной декомпозиции (Census 1, Census 2);

• - линейная и нелинейная многомерная регрессия;

• - нейронные сети.

Реализована возможность независимой оценки ошибки прогнозирования с помощью метода кросс–проверки. Модель, обеспечивающая наименьшую ошибку прогноза, может быть автоматически принята в качестве оперативной, и прогноз с ее помощью представлен пользователю. Таким образом, возможна максимальная автоматизация прогнозирования.

Представление результатов прогнозирования происходит в форме законченных аналитических отчетов, содержимое которых определяет и настраивает пользователь. Итоговый результат содержит прогноз потребления, детализацию потребления в графической или табличной форме. При необходимости результат может быть дополнен текстом, в него могут быть вставлены любые объекты, поддерживающие технологию Active-X, а сам отчет сохранен в формате .rtf, .pdf, .html.

Благодаря продуманному интерфейсу и возможности автоматизированного выбора модели система «Энерго–Прогноз» позволяет строить прогнозы людям, не являющимися специалистами в области прогнозирования.

Исходные данные

Для работы системе требуются данные о потреблении электроэнергии в виде временных рядов. Данные могут содержать потребление электроэнергии по часам, дням, неделям и т.д. Эти данные могут быть дополнены среднесуточной температурой, скоростью и направлением ветра, календарем рабочих дней (на конкретном предприятии) и другими факторами.

Данные могут быть импортированы из следующих форматов:

• - MS Excel

• - MS SQL Server

• - ORACLE

• - ASCII

Результаты прогноза могут быть экспортированы в те же форматы.

Пример исходных данных в формате MS Excel приведен ниже:

Рис. 3. Пример исходных данных

Результаты

Результатом работы системы является:

• - прогноз потребления электроэнергии на несколько периодов вперед (например, на несколько часов, если данные измерялись ежечасно, дней, если имеются ежедневные измерения и т.д.);

• - корректировка потребления в зависимости от различных факторов (времени суток, дня недели, среднесуточной температуры);

• - описательные статистики и графики;

• - аналитический отчет.