Тренинги

Методы повышения точности прогнозов энергопотребления

Даты проведения (выберите дату)
Продоложительность
5 дней/40 академических часов
Город
Санкт-Петербург
-
Производство (инженеры, технологи, метрологи) / Predictive analytics (предсказательная аналитика) / Руководители (производство)

Тренинг для энергетиков, сбытовиков, специалистов по энергоэффективности. Формирование практических навыков прогнозирования использования энергоресурсов. Определение предела прогнозирования для имеющихся данных.

Возможность использования своих данных в процессе обучения

Excel

Стоимость участия

Один человек (от компании)
48500
Два и более человек (от компании)
45000
Один человек (физическое лицо)
46000

* Все скидки действуют только при предоплате

** Стоимость участия может изменяться в зависимости от даты и места проведения тренинга

Заявка на участие

С помощью этой формы, Вы сможете подать заявку на участие в тренинге

Программа тренинга

  • ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных
    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • 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
    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • 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
    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • 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
    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • 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
    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • 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.

После окончания обучения Вы сможете

Определять наилучший метод прогнозирования для потребления энергоресурсов: электричества, газа, угля и т.п.
Быстро прогнозировать
Прогнозировать суточное энергопотребление предприятия на основе производственных факторов и показателей развития региона
Повышать точность прогнозов
Прогнозировать в случае, если имеются данные только энергопотребления, и нет дополнительной информации о факторах, влияющих на него
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 часовое энергопотребление на последующие дни

Преподаватели

Юлия Берлин

Юлия Берлин

  • Преподаватель-аналитик Центра Статистических Технологий
  • Кандидат экономических наук, доцент.
  • Опыт преподавания и консультирования более 10 лет.
  • Разработка системы прогнозирования и анализа продаж компаний рынка FMCG.
  • Исследование потребительских предпочтений.
  • Планирование исследований и разработка планов экспериментов.
  • Обработка результатов анкетирования и тестов.
  • Разработка прогнозных моделей энергопотребления.
  • Автор более 40 учебно-методических и научных работ.
Анна Монахова

Анна Монахова

  • Преподаватель-аналитик, эксперт
  • Руководитель отдела развития образовательных программ Analytera.
  • Опыт консультационной деятельности 10 лет.
  • Большой опыт аналитика-практика.
  • Реализовала более двадцати консалтинговых проектов по анализу данных в бизнесе и научных исследованиях.
  • Консультировала специалистов таких компаний, как "Пивоваренная компания "Балтика", "Пивоварня Москва — Эфес", "ВымпелКом", "МегаФон", "Газпром нефть", "Монокристалл", "НЛМК", "Кока-Кола", "Маревен Фуд Сентрал" и др.
  • Является одним из ведущих консультантов в области использования статистических инструментов для решения прикладных задач.
  • Проводит подготовку специалистов по концепции SixSigma.

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:

Высшее образование
Опыт работы в Excel на уровне пользователя

Отзывы учеников

  • Животов Антон Сергеевич

    ООО "Татхимпласт"

    Тренинг полностью оправдал мои ожидания. Темы объясняются очень доступно, подкрепляются примерами, что помогает лучше усваивать пройденный материал. В целом тренинг дает хорошие практические навыки, котрые можно применять в дальнейшей работе. При возможности буду планировать посетить еще одни курсы.

  • Юдина Надежда Александровна

    Триколор ТВ

    Тренинг полностью оправдал мои ожидания. Был интеренсым, информативным. Полученные знания абсолютно точно будут применены на практике. Большое спасибо.

  • 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).

  • 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!

  • 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!

  • Феденко Игорь Вячеславович

    ПАО "Авиакомпания "Сибирь"

    Очень понравилось. Подача информации - информативно, сжато, широкий охват. Большое число примеров, изучение темы на практике. Предоасталяются инструменты для Excel для дальнейшей работы. Готовность и желание преоподавателей овтетить на все вопросы.

  • Харлан Елена Владимировна

    ПК "Балтика", менеджер по управлению ассортиментом

    Замечательный тренинг, очень практичный, ценный, доступно для понимания. 

  • Сергеев Иван Алексеевич

    ООО "Запсибтрансгаз"

    За пятидневный тренинг я многое для себя открыл. Преподаватель четко и понятно рассказывал теоретическую часть, после чего все знания закрепились практикой. Кроме того порадовала техническая оснащенность и раздаточный материал. Их вполне достаточно, чтобы получить необходимую базу знаний.

  • Уварова Татьяна Эриховна

    ДФУ, доцент кафедры гидротехники теории зданий и сооружений

    Тренинг организован на высоком уровне, матреиал объяснен доступно, агрументированно. Раздаточный материал и перзентации полностью отражают суть тренинга и помогают его осмыслить.

    Остались вопросы?

    Напишите нам и мы подробно ответим на все Ваши вопросы!