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.
|