Logo

Методы повышения точности прогнозов энергопотребления (с использованием Excel)

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

 

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.

По заявке организаций возможно проведение выездных корпоративных тренингов.

Количество участников Стоимость обучения одного участника
(в рублях)
В Санкт-Петербурге В Москве
Один человек (от компании) 48000
Два и более человек (от компании) 45000
Один человек (физическое лицо) 46000
Все скидки действуют только при предоплате

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.

Что такое пакет "Знания-навыки"? Пакет включает в себя видеоматериалы, примеры (best practices), практические упражнения и тесты. Практические упражнения направлены на формирование навыков применения полученных знаний. Консультации специалистов в этом пакете гораздо шире. Например: как работать в пакетах специализированного ПО, в каких случаях применяются знания, где они наиболее эффективны, как работать с данными, формулами и т.п. Однако консультации будут  касаться только изучаемой темы.

Что такое пакет "Знания-результат"? В этом пакете доступ предоставляется ко всем учебным материалам, но консультационная составляющая качественно иная. В этом пакете предусмотрено решение конкретных задач обучающихся. Фактически, мы говорим о мини-проектах с привлечением экспертов.  Этот вариант обучения целесообразен, когда нужно получить быстрый практический результат для уже сформулированной задачи. Мы рекомендуем предварительно связаться с нашим специалистом для принятия решения о целесообразности данного формата обучения.

ПАКЕТ
«ЗНАНИЯ»
ТЕОРИЯ (видео + методические материалы) ВОПРОС-ОТВЕТ ТЕСТ

5 дней / 40 академических часов

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