Методы повышения точности прогнозов энергопотребления

Главная / Расписание открытых тренингов / Методы повышения точности прогнозов энергопотребления

Открытый тренинг

Выберите дату проведения:

О курсе: Специализированный

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.

Программа тренинга

ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных

ДЕНЬ 2. Прогнозирование энергопотребления без учета дополнительной информации о факторах

ДЕНЬ 3. Прогнозирование энергопотребления с учетом дополнительной информации о факторах

ДЕНЬ 4. Пути повышения точности прогнозов

ДЕНЬ 5. Отработка навыков прогнозирования на примерах слушателей. Анализ возможностей и целесообразности повышения точности прогнозов

1. Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.

2. Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).

Продолжительность:

Off-line: 5 дней/ 40 академических часов

On-line: 5 дней/ 40 академических часов

Требования к слушателям:

•

Высшее образование

•

Опыт работы в Excel на уровне пользователя

Вы получите:

•

Набор бесплатных надстроек и шаблонов Excel, необходимых для прогнозирования

•

Пошаговые инструкции по применению каждого метода

•

Сертификат на 4-месячную бесплатную консультационную поддержку

Стоимость участия

От компании

один человек (от компании)

57 000 руб.

два и более человека (от компании)

55 000 руб.

Физическое лицо

55 000 руб.

* Все скидки действуют только при предоплате.

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

Программа

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

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