Od kilku miesięcy ceny gazu na światowych rynkach biją kolejne rekordy, pojawiają się również spore problemy z jego dostępnością. W tak trudnej sytuacji prognozowanie zużycia gazu przez sprzedawców nabiera jeszcze większego znaczenia. Ekspercki komentarz przygotowała Magdalena Czerniachowska, Menedżer Jednostki Biznesowej w Sygnity S.A.

Prognozowanie jest istotne przede wszystkim dla trzech podmiotów; sprzedawców gazu, aby zapewnili dostawy dla swoich odbiorców, dla dystrybutorów gazu, którzy odpowiadają za przesył paliwa, oraz dla dużych odbiorców. Sam proces prognozowania opiera się na danych historycznych, dotyczących zużycia oraz na prognozach meteorologicznych. Oczywiście im dłuższa historia danych rzeczywistych o zużyciu, tym trafniejsze będą prognozy. Minimalny okres, jaki pozwala na opracowanie dobrej jakości prognozy to rok. Pełen okres pozwala na wychwycenie specyficznych sytuacji jak np. okresy świąteczne, dni nietypowe itp. Drugi element to modele. Baza modeli do prognozowania takich mediów to np. modele klasy ARIMA, średnia ruchoma, wygładzenie wykładnicze, sieci neuronowe, modele Machine Learning – drzewa decyzyjne itp.

W przypadku prognozowania gazu trudność polega na dostępnych danych rzeczywistych. Wymagania rynkowe powodują, że prognozy powinny być generowane z ziarnem godzinowym, a dostępne dane często są z ziarnem dobowym, miesięcznym lub kwartalnym. Dlatego tak istotne jest właściwe przygotowanie danych do procesu prognostycznego. Dane z ziarnem większym niż godzinowe, należy rozłożyć zgodnie z przygotowanym profilem zużycia. Jednak już ten etap może powodować, że dane historyczne obarczone są pewnym błędem podobnie jak dane meteorologiczne – błąd danych na wejściu do modelu prognostycznego przekłada się na błąd na wyjściu, czyli prognozy.

Jaki jest stopień sprawdzalności takich prognoz i dlaczego warto opracować prognozy zużycia gazu?

Na sprawdzalność prognoz wpływa kilka czynników, najważniejsza jest historia danych, to czy są one w ziarnie godzinowym, miesięcznym czy kwartalnym. Istotna jest również jakości danych meteorologicznych, typ odbiorcy, dni tygodnia itp. Średni bezwzględny błąd procentowy prognoz wyznaczonych w systemie Sygnity Forecast przy dobrej jakości danych wejściowych może się wahać od 0,5 do kilku procent.

Czy prognozowanie może mieć wpływ na koszty ponoszone przez indywidualnych odbiorców? W sposób pośredni tak. Zarówno koszty zakupu gazu, jak i koszty bilansowania mają wpływ na cenę ostateczną dla odbiorców indywidualnych. Dobrej jakości prognozy pozwolą zabezpieczyć dostawy i obniżyć koszty niezbilansowania.

Jak tworzyć trafne prognozy i oszczędzać?

Do przygotowania trafnej analizy kluczowe jest dobranie odpowiednich narzędzi umożliwiających pozyskiwanie danych pomiarowych i ich jednoczesną kontrolę. Pozwala to wykrywać błędy oraz minimalizować ich wpływ na modele prognostyczne. Generowanie prognoz długoterminowych i możliwość tworzenia wielu wariantów, w zależności od zmiany różnych czynników umożliwia stabilne budowanie portfela dostawców. D

uża baza nowoczesnych modeli prognostycznych pozwala generować dokładne prognozy. Jak w każdym procesie znaczną rolę odgrywa automatyzacja, która minimalizuje błędy. Automatyczne generowanie dokumentów oraz obsługa standardu wymiany danych AS4 Edig@ pozwala na bieżący monitoring przekazanych i zatwierdzonych wartości nominacji, natomiast integracja narzędziami klasy BI pozwala na generowanie dodatkowych analiz i podsumowań.

W pełni zautomatyzowany proces prognozowania pozwala zaoszczędzić czas, a dostarczenie wiarygodnych prognoz z modeli automatycznych minimalizuje błędy w odchyleniu prognozy od rzeczywistego zużycia, co w efekcie przekłada się na oszczędności.

Subscribe
Powiadom o
guest
0 komentarzy
Inline Feedbacks
View all comments