Enersys Load Forecast

Сервис для прогнозирования энергопотребления на сутки вперед

Для энергосбытовых, энерготрейдинговых, электросетевых и генерирующих компаний.

Что такое Enersys Load Forecast (ELF)?

Облачный сервис, который анализирует ретроспективные данные энергопотребления компании и погоды по региону и формирует модель энергопотребления на базе технологий машинного обучения. Сервис ежедневно создаёт прогноз на сутки вперёд с учётом факта потребления энергии за прошедший день и исторических погрешностей прогноза.

Отклонения прогноза энергопотребления ELF анализируются совместно с альтернативными высказываниями ваших экспертов и других систем прогнозирований на удобных дашбордах.

  • Итоги прогнозирования на вчера
  • Анализ отклонений прогноза потребления
  • Отклонения прогноза потребления за период времени
  • Анализ отклонений прогноза погоды
  • Диаграмма факта и прогноза потребления за период времени

ELF легко настраивается под ваши задачи

Ядро сервиса написано на языке программирования R. Язык поддерживает широкий спектр статистических и численных методов и обладает хорошей расширяемостью с помощью open source пакетов. Это позволяет добавлять функционал любой сложности для решения ваших задач.

  • Итоги прогнозирования на вчера
  • Анализ отклонений прогноза потребления
  • Отклонения прогноза потребления за период времени
  • Анализ отклонений прогноза погоды
  • Диаграмма факта и прогноза потребления за период времени

Выгоды точного прогноза

Мы провели анализ и спрогнозировали экономический эффект от точности расчёта потребления.

  • * Средняя разница между индексом РСВ и индикатором БР
  • ** Журнал "Энергорынок", 07 (142) Сентябрь 2016
Параметры ЭСК ЭСК 1 ЭСК 2
Среднечасовое потребление 1 500 МВт·ч 50 МВт·ч
Цена ошибки прогноза* 100 руб/МВ·тч 100 руб/МВ·тч
Стоимость ошибки прогноза на 0,1% 150 руб/ч 5 руб/ч
Экспертно оцененное** возможное увеличение точности прогноза 0,6% 4%
Годовой эффект 7 884 000 руб/год 175 000 000 руб/год
ЭСК 1 ЭСК 2

Среднечасовое потребление

1 500 МВт·ч

50 МВт·ч

Цена ошибки прогноза*

100 руб/МВ·тч

100 руб/МВ·тч

Стоимость ошибки прогноза на 0,1%

150 руб/ч

5 руб/ч

Экспертно оцененное** возможное увеличение точности прогноза

0,6%

4%

Годовой эффект

7 884 000 руб/год

175 000 000 руб/год

  • * Средняя разница между индексом РСВ и индикатором БР
  • ** Журнал "Энергорынок", 07 (142) Сентябрь 2016

Как создаётся прогноз в ELF

  • 1
  • 2
  • 3

Создаём модель прогнозирования

Мы используем ваши ретроспективные данные энергопотребления, данные по погоде и алгоритм машинного обучения, создаём базовую модель прогнозирования для вашего региона. ELF автоматически выводит закономерности, определяет погрешности источников высказываний и формирует модель прогнозирования для вас. Мы переносим вашу модель в облако и предоставляем доступ к прогнозу на сайте ELF.

10 мин

Тратит ELF, чтобы проанализировать высказывания всех источников и подготовить точный прогноз на выбранные сутки.

Вы загружаете данные факта энергопотребления

Вы авторизуетесь на сайте ELF. Загружаете CSV-файл c данными энергопотребления за прошедшие сутки, прогнозами экспертов или сторонних систем прогнозирования (роботов). Также вы можете вручную ввести данные энергопотребления на сайте ELF без загрузки файла. Нажимаете на кнопку получения прогноза.

Получаете максимально точный прогноз

Через несколько секунд ELF выводит прогноз за выбранные вами сутки. Сервис анализирует и сравнивает высказывания всех роботов, учитывает их исторические погрешности и формирует альтернативный прогноз. Мы назвали эту модель прогноза Арбитром.

Арбитр помогает экспертам автоматически оценить ошибки высказываний роботов для создания максимально точного прогноза.

Прогноз потребления и его анализ в ELF

Обзор серверной версии ELF

Сервис использует приложение Power BI, которое превращает сложные таблицы с данными в наглядную панель с ключевыми показателями (дашборд).

Обзор серверной версии ELF

Польза для вашей компании

Просто интегрируется с вашей системой прогнозирования

Сервис разворачивается в облаке Azure. Вам не нужно покупать дополнительное оборудование, оплачивать внедрение и изменять текущую инфраструктуру. Вы просто загружаете данные на сайте ELF и получаете точный прогноз.

Уменьшение и сокращение издержек на производство

Достоверный прогноз позволит вам делать точные заявки. Отклонение факта потребления от прогноза станет минимальным и штрафы значительно снизятся. Благодаря точному прогнозу зарубежные генерирующие компании смогут проводить более эффективную оптимизацию режима генерации и снижать издержки на производство электроэнергии (не применимо к России).

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • Проводим презентацию ELF и отвечаем на ваши вопросы

    Рассказываем о возможностях и работе ELF. Опрашиваем ваших специалистов о текущих методах прогнозирования. Узнаём ваше мнение о текущем сервисе ELF, чтобы составить требования к дальнейшему улучшению сервиса.

  • Сбор информации

    Данные нужны для создания базовой модели прогнозирования. Запрашиваем и анализируем:

    • локацию территории энергопотребления;
    • количество ГТП на каждой локации;
    • данные по факту и прогнозу энергопотребления за 1-2 годапо каждой локации или ГТП;
    • производственный календарь за 1-2предыдущих года и на год вперёд для каждой локации.
  • Создаём базовую модель прогнозирования ELF

    Загружаем ваши данные в ELF. Сервис обрабатывает их с помощью алгоритмов машинного обучения и создаёт базовую модель прогнозирования энергопотребления.

  • Разворачиваем базовую модель в облаке Azure или на вашем ЦОД

    Мы рекомендуем размещать ELF в облаке, так как это позволяет сократить сроки внедрения. Перед покупкой вы можете протестировать сервис и принять решение о его необходимости. Вам не придётся тратить деньги на установку ELF и покупку дополнительного серверного оборудования.

  • Предоставляем тестовый доступ к ELF на месяц.
    Подготавливаем дашборды в Power BI

    Чтобы рассчитать прогноз энергопотребления, нужно загрузить CSV-файл с фактом энергопотребления за прошедшие сутки на сайте ELF. Мы создадим для вас базовые дашборды Power BI, чтобы вы смогли просматривать результаты прогнозов в удобном формате.

  • Вы пользуетесь тестовой версией ELF, а мы осуществляем поддержку

    Вы ежедневно вносите данные энергопотребления в личном кабинете и получаете прогноз по каждой локации через несколько секунд. Если возникнут вопросы, ответим по почте, телефону, Skype.

  • Подготавливаем и заключаем договор

    Если после тестового периода вы принимаете решение использовать ELF, мы заключаем с вами договор на оказание сервисных услуг.

Плюсы облачной версии

Автоматическое обновление инструментов и сервисов сайта ELF

Если у вас возникнут пожелания к сервису прогнозирования в части удобства и комфорта, мы оперативно внесём изменения на сайте ELF. Azure имеет множество микросервисов, которые ускоряют процесс реализации ваших пожеланий. Облачная версия ELF обновляется автоматически. Вам не нужно покупать, качать и устанавливать апгрейды.

Оперативное изменение модели прогнозирования

Мы постоянно оптимизируем алгоритмы прогнозирования и используем различные подходы и методы. После исследования и тестирования первой базовой модели, мы предложим вам попробовать новую.

Если новая модель удовлетворит вас, мы поможем вам перейти на неё без остановки сервиса. Вы всегда сможете вернуться на старую модель или использовать несколько моделей прогнозирования.

Быстрое внедрение без затрат на оборудование

Прогнозирование энергопотребления полностью осуществляется на сайте ELF. Вам не придется разворачивать сервис на своём сервере и покупать дополнительное оборудование.

Стоимость

Закажите Skype-презентацию, чтобы уточнить стоимость ELF для вашей компании

Перезвоним
в течение дня

Ваш запрос отправлен.
Наш сотрудник свяжется с вами в течение рабочего дня.

Возник вопрос?

Задайте его нашему инженеру Вячеславу Олеговичу Лазареву

+7 (926) 204-74-63
lazarev@enersys.ru
Потребление Подписка·мес
1 500 МВт·ч/ГТП 30 000 руб/ГТП·мес
1 000 МВт·ч/ГТП 27 500 руб/ГТП·мес
500 МВт·ч/ГТП 20 000 руб/ГТП·мес
200 МВт·ч/ГТП 10 000 руб/ГТП·мес
50 МВт·ч/ГТП 3 000 руб/ГТП·мес
1 МВт·ч/ГТП 1 000 руб/ГТП·мес

Возник вопрос?

Задайте его нашему инженеру Вячеславу Олеговичу Лазареву

+7 (926) 204-74-63
lazarev@enersys.ru

Клиенты

Компании, которые уже используют Enersys Load Forecast (ELF)

Иркутскэнерго

Перейти на сайт

АО «СИБЭКО»

Перейти на сайт

О нас

Институт Энергетических Систем

  • 2002
  • 2005
  • 2008
  • 2002

    Работаем с 2002 года. За 15 лет выполнили более 200 проектов для крупных генерирующих, энергосбытовых компаний и диспетчерских центров по всей России.

  • 2005

    В 2005 году мы выделили направление автоматизации деятельности энергокомпаний в отдельное предприятие: ООО «Созвездие энергетических решений». Сейчас мы — лидеры по количеству проектов на российском рынке ETRM-систем (Energy Trading Risk Managment).

  • 2008

    С 2008 года мы сосредоточились на развитии систем автоматического управления в электроэнергетике.

За 9 лет мы помогли решить задачи крупнейших предприятий:

  • внедрение систем автоматического вторичного регулирования частотой и перетоками мощности (АРЧМ) в ЦДУ и филиалах ОАО «СО ЕЭС» — ОДУ Северо-Запада, Урала, Юга;
  • модернизировали САУМ энергоблоков Ставропольской, Кармановской ГРЭС;
  • подключили к АРЧМ Ставропольскую, Киришскую, Кармановскую, Заинскую ГРЭС и Сургутскую ГРЭС-1;
  • реализовали мониторинг и контроль фактического участия электростанций в нормированном первичном регулировании частоты (НПРЧ) — 16 электростанций;
  • реализовали крупные проекты по разработке заказного ПО для нужд диспетчерских центров ОАО «СО ЕЭС»: «База аварийности», «Энергия», «Система определения допустимых перетоков», «Сайт КОМ».
Показать еще

Наши партнеры

  • Сергей Николаев

    Руководитель проекта

    Окончил МЭИ. Руководил разработкой и внедрением 20-типрограммно-технических комплексов станционного уровня для участия электростанций в рынке системных услуг. Автор патента на полезную модель ПТК «Станция».

  • Артём Ефимов

    Архитектор и ведущий разработчик сервиса

    Окончил МФТИ. Внедрил онлайн-расчёты технико-экономических показателей на Кармановской ГРЭС. Разработал критерии участия энергоблоков в НПРЧ/ОПРЧи автоматизирует эти критерии в СО ЕЭС. Благодаря мониторингу станций по этим критериям производятся расчёты за услуги по НПРЧ.

  • Кирилл Долгобородов

    Разработчик моделей прогнозирования на языке R

    Окончил МГТУ им.Баумана. Участвовал в автоматизации крупных электростанций АСУ ТП блочного уровня и систем станционного уровня ГЭС — ГРАМ (групповой регулятор активной мощности).

  • Вячеслав Лазарев

    Инженер проекта. Ответственный за постановку задач и описание функций сервиса

    Окончил МЭИ. Занимался автоматизацией крупных электростанций: АСУ ТП блочного уровня Ставропольская ГРЭС, ТЭЦ-21 Мосэнерго, Кармановская ГРЭС. Разработал техтребования СО ЕЭС для подключения ГЭС к системе передачи ПДГ через каналы АВРЧМ.

  • Дмитрий Агеев

    Разработчик алгоритма получения метеоданных и других функций сервиса

    Учился в МГТУ Баумана. Разрабатывает сервис «ReVisor» для мониторинга участия энергоблоков в НПРЧ на крупных электростанциях.