ПРОБЛЕМНО-ОРИЕНИРОВАННЫЕ ТРЕНИНГИ

Методы повышения точности прогнозов энергопотребления (с использованием Excel)

Бесплатно
Дистанционно
Данный курс требует предварительных знаний. Их отсутствие может помешать Вашему успешному прохождению данного курса. Для подтверждения достаточности подготовки мы предлагаем пройти бесплатное тестирование.
Уровень «Специализированный»

После окончания обучения Вы сможете:

Определять наилучший метод прогнозирования для потребления энергоресурсов: электричества, газа, угля и т.п.
Прогнозировать в случае, если имеются данные только энергопотребления, и нет дополнительной информации о факторах, влияющих на него
Быстро прогнозировать
Прогнозировать суточное энергопотребление с учетом дополнительной информации о разных факторах (температуры воздуха, продолжительности светового дня, наличия осадков, графика включения / выключения оборудования потребителя и т.п.)
Прогнозировать суточное энергопотребление предприятия на основе производственных факторов и показателей развития региона
Прогнозировать часовое энергопотребление на последующие дни
Повышать точность прогнозов

После обучения Вы получите:

Набор бесплатных надстроек и шаблонов Excel, необходимых для прогнозирования
Пошаговые инструкции по применению каждого метода
Сертификат на 4-месячную бесплатную консультационную поддержку

Требования к обучаемым:

Высшее образование
Опыт работы в Excel на уровне пользователя

 

Программа

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных
  • Основные принципы построения прогноза энергопотребления: технология «Пять шагов»
  • Классификация методов, которые можно использовать для построения прогнозов энергопотребления
  • Три способа систематизации факторов, влияющих на энергопотребление:
    • диаграмма Исикавы
    • таблица факторных влияний
    • причинно-следственная диаграмма
  • Подготовка исходных данных. Работа с пропущенными данными
  • Анализ динамики энергопотребления:
    • определение грубых выбросов
    • чистка данных
    • выявление сезонности
  • Различия в анализе часовых, суточных и месячных данных
  • Основные статистические показатели и графики, используемые при прогнозировании:
    • среднее значение, медиана, стандартное отклонение, стандартная ошибка, размах
    • гистограмма, диаграмма последовательности, диаграмма рассеяния
  • Доверительный интервал прогноза
  • Точность модели и точность прогнозов
  • Показатели точности прогнозной модели и прогнозов: MAPE, MAD и другие
  • Подходы к выбору адекватного показателя оценки точности модели и прогноза
  • Пример. Строим диаграмму Исикавы с целью классификации факторов, влияющих на электропотребление, и заполняем таблицу факторных влияний.
  • Пример в Excel. Изучаем динамику потребления электроэнергии. Учимся анализировать колебания в потреблении и формировать правильные ожидания.
  • Пример в Excel. Проводим графический анализ динамики потребления. Самостоятельно учимся определять наличие, сезонности, структурных сдвигов и выбросов.
ДЕНЬ 2. Прогнозирование энергопотребления без учета дополнительной информации о факторах
  • Прогнозирование на основе метода сезонной декомпозиции:
    • требования к периодичности данных
    • пошаговый алгоритм прогнозирования в Excel
    • влияние выбросов и структурных сдвигов на точность прогнозов
    • плюсы и минусы подхода
  • Правила оценки качества прогнозной модели. Анализ остатков
  • Правила графического анализа остатков модели:
    • график автокорреляции
    • гистограмма
    • диаграмма рассеяния
  • Прогнозирование на основе метода экспоненциального сглаживания:
    • идея метода, четыре параметра сглаживания
    • пошаговый алгоритм в Excel
    • влияние горизонта прогноза на точность прогнозов
    • влияние выбросов и структурных сдвигов на точность прогнозов
    • плюсы и минусы подхода
  • Особенности прогнозирования на основе экспоненциального сглаживания для суточных и часовых данных
  • Критерии выбора между экспоненциальным сглаживанием и сезонной декомпозицией
  • Пример в Excel. Проводим сезонную декомпозицию потребления электроэнергии и строим прогноз на несколько месяцев. Оцениваем качество построенной модели.
  • Пример в Excel. Строим прогноз на несколько месяцев с помощью экспоненциального сглаживания. Оцениваем качество модели и прогноза.
  • Пример в Excel. На основе истории энергопотребления строим прогноз на 3 месяца двумя способами (на основе сезонной декомпозиции и методом экспоненциального сглаживания). Оцениваем качество моделей и выбираем наиболее адекватный подход.
  • Пример в Excel. На основе экспоненциального сглаживания прогнозируем электропотребление на 2 дня вперед по часам.
ДЕНЬ 3. Прогнозирование энергопотребления с учетом дополнительной информации о факторах
  • Многофакторный регрессионный анализ: идея и требования к исходным данным
  • Пошаговый алгоритм прогнозирования на основе регрессионного анализа в Excel
  • Диагностика и решение проблемы взаимозависимых факторов (мультиколлинеарность)
  • Правила оценки качества модели:
    • анализ остатков
    • ANOVA
    • R-квадрат и скорректированный R-квадрат
  • План действий при «плохих» остатках модели
  • Интерпретация коэффициентов регрессионного уравнения:
    • как влияют факторы на энергопотребление
    • ранжирование факторов по силе влияния
  • Особенности прогнозирования при недостатке информации о факторах. Техника фиктивных (dummy) переменных
  • Учет в регрессии сезонности разного типа
  • Разработка сценариев потребления на основе регрессионного анализа
  • Пессимистический и оптимистический прогноз: варианты построения
  • Плюсы и минусы прогнозирования на основе регрессионного анализа
  • Правила перехода от регрессии к авторегрессии
  • Авторегрессионные модели для прогнозирования: идея и реализация
  • Плюсы и минусы прогнозирования на основе авторегрессионного анализа
  • Пример в Excel. Изучаем влияние макроэкономических факторов на потребление электроэнергии для прогнозирования по месяцам.
  • Пример в Excel. Анализируем влияние погодных условий (температуры и влажности воздуха, атмосферного давления, скорости ветра, осадков и т.п.) на потребление.
  • Пример в Excel. Учитываем график включения / отключения оборудования на предприятии, длины светового дня и температуры воздуха на электропотребление этого предприятия. Делаем прогноз на 2 суток вперед.
  • Пример в Excel. Прогнозируем потребление с использованием фиктивных переменных.
  • Пример в Excel. Проводим сравнительный анализ прогнозов потребления на основе регрессии и авторегрессии.
  • Пример в Excel. Строим прогноз энергопотребления группы потребителей всеми изученными способами и выбираем наиболее адекватный подход (самостоятельно).
ДЕНЬ 4. Пути повышения точности прогнозов
  • Способы учета нелинейного влияния факторов на энергопотребление
  • Анализ влияния выходных и праздничных дней на энергопотребление
  • Учет запаздывающего влияния факторов при прогнозировании
  • Особенности и ограничения при прогнозировании часового потребления
  • Два способа расчета часовых индексов
  • Правила проведения ручной корректировки прогнозов
  • Классификация потенциальных причин ошибки прогноза
  • Структура ошибки прогноза
  • Пути улучшения модели в случае неудовлетворительных прогнозов. Методика анализа ошибок прогноза за период
  • Примеры в Excel. Разбираем типичные ситуации нелинейного влияния температуры воздуха на энергопотребление и учимся учитывать их при прогнозировании.
  • Пример в Excel. Выясняем, влияет ли «вчерашний» объем производства промышленного предприятия на «сегодняшнее» энергопотребление. Учимся интерпретировать выявленные задержки во влиянии.
  • Пример в Excel. Учитываем влияние выходных и праздничных дней при прогнозировании.
  • Примеры в Excel. Отрабатываем методику анализа ошибок прогноза за период с целью улучшения построенной модели.
ДЕНЬ 5. Отработка навыков прогнозирования на примерах слушателей. Анализ возможностей и целесообразности повышения точности прогнозов
  • Повторение ключевых идей курса:
    • алгоритм выбора подходящего метода прогнозирования энергопотребления в зависимости от количества имеющихся данных и их формата (часовые, суточные и т.п.), наличия информации о факторах, горизонта прогноза
  • Разбор типовых ошибок при прогнозировании энергопотребления
  • Работа с данными слушателей. Строим прогнозные модели энергопотребления на основе данных слушателей. Оцениваем качество моделей и точность прогнозов на ее основе. Разрабатываем рекомендации по дальнейшему улучшению построенных моделей.

Пакеты

Пакет "Знания"
Бесплатно
Доступ - 10 дней
Теория (видео + методические материалы)
Вопрос-ответ
Тест

Что такое пакет "Знания"? Пакет включает в себя видеоматериалы и тесты. Вам будет предоставлена видеозапись (видеозаписи) и возможность сдать тест.Этот самый лучший вариант быстро ознакомиться с идеями аналитических инструментов, понять, как они работают, в чем их сильные и слабые стороны. Это первичное знакомство с возможностями аналитических инструментов.

Рекомендуемые модули

Отзывы учеников

  • Едигеева Дана Жумабековна

    АО "Алтел"

    Отличный тренинг. Помог разобраться в таком сложном предмете как «Мат.статистика». Не имея базовых понятий о статистике, можно легко разобрать (после обучения) некоторые задачи, часто встречающиеся на работе (в сфере деятельности). Стоит задавать домашнее задание (задачи)… после каждого дня на обдумывание путей решения.

  • Катамашвили Екатерина Валерьяновна

    Слушатель "Мирбис", mba-science

    Блестяще! Так увлекательно о статистике - невозможно было представить :) А возможности, которые открываются… Правда, чтобы это реально освоить, необходимо время. Но как знакомство с областью - думаю, что это должны знат ь все, кто получает образование в области управления для принятия грамотных решений! Как элемент управленческой культуры!

  • Селезнёва Марина Васильевна

    Мясокомбинат "Павловская слобода"

    Всё понравилось, отношение преподавателя очень позитивно, умение применительно ко всем донести материал, если считать, что все из разных отраслей, но с общими проблемами. Материал дан так, что хочется ещё чему-то научиться, что мы и сделаем в ближайшее время. Спасибо за тренинг.

  • Сафронова Светлана Викторовна

    ООО "Нутриция"

    Очень доступный в понимании материал, профессионализм преподавателя, а также чуткость и отзывчивость. Семинар очень понравился! Спасибо Анне!
    Предложение. Сделать "школу статистика": увеличить количество дней тренинга, возможно на 2 недели; всем вместе полностью погрузиться в мир статистики... и, самое главное, создать несколько уровней изучения (аналогично ин.языкам).

  • Винникова Ольга Игоревна

    инженер по качеству, Калсоник Кансей Рус

    Все очень понятно. Практические задания помогают усвоить теорию в полном объеме. Емкое, упорядоченное преподавание. Раздаточный материал с концентрированным материалом, изученном на практике. Приятным "бонусом" является возможность впоследствии обратиться за поддержкой в решении конкретных задач. Спасибо!

    Остались вопросы?

    Напишите нам и мы подробно ответим на все Ваши вопросы!