Методы повышения точности прогнозов энергопотребления: Тренинг

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

Кейсы:

• 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

Кейсы:

• 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
• 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

Кейсы:

• Пример в Excel. Изучение влияния макроэкономических факторов на потребление электроэнергии для прогнозирования по месяцам.
• Примеры 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

Кейсы:

• 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.

После обучения вы получите:

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