В условиях либерализации оптового рынка электроэнергии особенно важным для энергетических компаний становится прогноз цен. Компании вынуждены работать в условиях неопределенности. В сложившейся ситуации конкурентным преимуществом для участников рынка становится использование системы прогнозирования цен.
Назначение BI EnergoPrice
BI EnergoPrice предназначена для использования как в генерирующих, так и в энергосбытовых компаниях. В ней сосредоточен весь функционал, необходимый для прогнозирования цен на торговых площадках на период от 1 до 7 суток. Прогноз строится на основе нейросетевых моделей.
В программе предусмотрены возможности:
прогноз почасовых цен на рынке на сутки вперед по ГТП на срок от 1 до 7 дней;
прогноз почасовых цен на повышение и понижение, а также индикатора балансирующего рынка по ГТП на срок от 1 до 7 дней;
исследования влияния различных факторов на цены при помощи инструмента имитационного моделирования “что-если”.
BI EnergoPrice позволит решить следующие задачи:
Автоматизировать сбор информации, необходимой для составления прогноза цен из разнородных источников.
Формализовать, обобщить и улучшить методы составления прогноза цен ведущими экспертами-аналитиками.
Предоставить экспертам-аналитикам удобный интерфейс для корректировки прогноза цен и контроля работы системы.
Обеспечить автоматический подбор наилучшей модели прогнозирования.
ИСХОДНЫЕ ДАННЫЕ
Для прогнозирования цен на РСВ использовались данные о ценах за период с 08.10.2006 по 22.08.2008, а также информация о температуре, начале и окончании отопительного сезона и статусе дня. В дальнейшем список учитываемых факторов может быть расширен.
Принципы работы системы
Для прогнозирование цены любого из 24-часов следующих суток была построена нейросетевая модель на вход которой подаются следующие параметры:
Цены 24, 25, 26 – часов назад (суточные автокорреляционные параметры).
Цены 167, 168, 169 – часов назад (недельные автокорреляционные параметры).
Номер часа (учет времени суток).
Прогноз температуры на час по которому строится прогноз.
Тип дня ( пн., Вт-ср-чт., пт., сб., вс., праздник).
Номер месяца (для учета годовой сезонности).
Отопление (да/нет).
Результаты применения
Абс.Ош. = Модуль(Прогноз_час – Факт_час)
Медиана Абс.Ош. при эксплуатации системы в течении 60 дней составила 38, 7 руб./Мвт.ч.(т.е. ошибки прогнозирования на 30 дней лежат ниже величины медианы). Средняя абсолютная ошибка составила 55,09 руб./Мвт.ч.
Медиана Отн.Ош. при эксплуатации системы в течении 60 дней составила 5, 496% (т.е. ошибки прогнозирования на 30 дней лежат ниже величины медианы). Средняя абсолютная ошибка составила 7,529%.
Улучшение планирования
Снижение трудоемкости
Увеличение уровня обслуживания клиентов
На рисунках ниже в качестве примера представлены профильные характеристики полученные этим методом для 4-х дней:
31.08.2008
Увеличить рисунок
25.09.2008
Увеличить рисунок
08.10.2008
Увеличить рисунок
16.10.2008
Увеличить рисунок
За более подробной информацией обращайтесь в BIGroup Labs.
Компания BIGroup Labs оказывает полный спектр консалтинговых и внедренческих услуг в области анализа бизнес - информации для различных секторов бизнеса. В качестве приоритетных направлений мы рассматриваем также внедрение CRM-систем и ERP-систем.