Czas czytania: 3 minuty
Z tego artykułu dowiesz się:
- czym jest system wykrywania anomalii,
- dlaczego wykrywanie anomalii zużycia prądu jest tak istotne,
- jak powstał prototyp systemu wykrywania anomalii w Ebicomie.
Inflacja, rosnące ceny prądu oraz zmieniający się klimat wymuszają zmiany stylu życia i przyzwyczajeń konsumentów oraz zaangażowanych społecznie przedsiębiorstw.
W Ebicomie już dwa lata temu podjęliśmy decyzję o stworzeniu systemu, który byłby odpowiedzią nie tylko na zmiany zachodzące na rynku energii, ale również na zmiany w sposobie użytkowania prądu przez odbiorców.
Zainicjowaliśmy w związku z tym działania w celu stworzenia prototypu systemu, który wykrywałby wszystkie istotne anomalie zużycia prądu, w stosunku do przyjętych prognoz.
Założenia systemu
Zdecydowaliśmy, że system przeznaczony będzie dla spółek obrotu energią, ponieważ to głównie na nich spoczywa racjonalizacja zapotrzebowania na energię elektryczną. Dodatkowo, wyposażone w takie narzędzie będą mogły lepiej zarządzać zamówieniami energii, a także na bieżąco monitorować zużycie prądu swoich klientów.
Dzięki systemowi każdy nadmierny skok lub spadek poboru, najmniejsze zwiększenie bądź zmniejszenie zużycia, niezgodne z prognozami zostanie od razu wykryte. W ten sposób spółki będą mogły na bieżąco korygować zmiany oraz racjonalizować zamówienia na energię.
Początki powstania prototypu
Do stworzenia prototypu wykorzystaliśmy narzędzia sztucznej inteligencji oraz uczenia maszynowego. W konsekwencji opracowaliśmy system, który analizuje dane, szuka nowych rozwiązań i stopniowo sam udoskonala wzorce działania. Do sprawnego działania prototypu potrzebowaliśmy najpierw ustalić, które anomalie w kontekście prognoz zużycia energii pojawiają się najczęściej i są najistotniejsze.
Przygotowaliśmy więc typologię anomalii, czyli określiliśmy cechy zmian i odstępstw w zużyciu energii, które mogą mieć największy wpływ na biznesową działalność spółki. Kolejnym krokiem było wypracowanie algorytmu, który będzie je wykrywał.
Jak powstał katalog anomalii?
Wykrywanie wartości odstających jest kluczowe, ponieważ ich obecność często zaburza prognozy długoterminowe, na skutek czego zmniejsza się precyzja zakupów energii.
Sprawdziliśmy zatem jakość danych pomiarowych, które pozyskaliśmy od Operatora Sieci Dystrybucyjnej. Pozyskane szeregi czasowe reprezentujące prognozy i zużycia rzeczywiste zostały wnikliwie przeanalizowane oraz zagregowane w zbiory danych, dzięki czemu wykryliśmy występujące w nich anomalie.
Intensywnie wykorzystaliśmy metody korzystające z algorytmów uczenia maszynowego. W efekcie powstał katalog typów anomalii, których wystąpienie jest wysoce prawdopodobne i mają największe znaczenie biznesowe.
Dlaczego dokładne prognozy są ważne?
Ograniczenie występowania anomalii pozwala na przygotowanie dokładniejszych prognoz zużycia prądu. Dla operatora operacja taka zezwala na ograniczenie poziomu wyceny ryzyka niezbilansowania dla odbiorcy energii a w konsekwencji obniżeniu ceny końcowej na umowie. Z drugiej strony, ograniczenie przeszacowania zapotrzebowania na energię elektryczną powoduje zmniejszenie presji na utrzymywanie rezerw mocy w systemie energetycznym kraju.
Precyzyjne prognozy ograniczają ryzyka przeszacowania i/lub niedoszacowania zapotrzebowania na energię oraz pozwalają zarządzać portfelem klientów o niestabilnym sposobie zużycia.
Co dalej?
Przed nami ostatni etap:
Badania, dzięki którym będziemy wiedzieli jakie podjąć działania, aby ograniczyć niekorzystny wpływ anomalii na prognozę zapotrzebowania na prąd.
Wykorzystując sztuczną inteligencję chcemy nauczyć model, aby samodzielnie tworzył rekomendacje, jeżeli wykryje anomalie.
Przygotowujemy również moduł heurystycznej korekty prognozy, który będzie weryfikował, w jaki sposób należy korygować prognozę oraz jak poprawić jej jakość. Kolejnym krokiem będzie poddanie systemu testom. Na ten moment będą to testy w warunkach laboratoryjnych. Następnie zamierzamy przeprowadzić badania w środowisku i w czasie rzeczywistym. Wykonane zostaną testy wydajnościowe systemu, które pozwolą potwierdzić gotowość prototypu do zaimplementowania u klienta.
Jakiego spodziewamy się efektu?
Sprawny system wykrywania anomalii pozwoli spółkom obrotu lepiej planować zakup energii. Zyskają narzędzie, które w sposób ciągły, skoordynowany i interaktywny pomoże poprawić jakość prognozowania, tym samym proces zarządzania energią.
W efekcie zracjonalizują się zamówienia na energię i poprawi bilans pomiędzy prognozami a zużyciem, co docelowo zmniejszy obciążenie sieci, zwłaszcza w szczytach poboru.