MetaCast - გაზის მოთხოვნის პროგნოზირება
მანქანურ სწავლებაზე დაფუძნებული პროგნოზები გაზის მოთხოვნისა და დატვირთვის დაგეგმვისთვის
AI, პროგნოზირება, მანქანური სწავლება, გაზი, ოპტიმიზაცია
მიმოხილვა
MetaCast პროგნოზირებს გაზის მოხმარებას საათობრივ, მომდევნო დღის, სეზონურ და გრძელვადიან ჰორიზონტებზე. ის აერთიანებს ისტორიულ მოხმარებას, ამინდის მონაცემებს, კალენდარულ ფაქტორებს და საჭიროების შემთხვევაში ეკონომიკურ მაჩვენებლებს, რათა შექმნას პროგნოზები ნდობის ინტერვალებით.
ძირითადი ფუნქციები
- Multi-model Forecasting
- Weather & Calendar Features
- Confidence Intervals
- API Delivery & Retraining
გამოწვევა
გაზის კომპანიებს სჭირდებათ სანდო მოთხოვნის პროგნოზები შესყიდვების, საცავის მართვის, ნომინაციებისა და ქსელის ოპერაციების დასაგეგმად. ხელით მომზადებული პროგნოზები ნელა ახლდება, რთულად მოწმდება და მგრძნობიარეა ამინდზე დამოკიდებული სეზონურობისა და უჩვეულო მოხმარების მიმართ.
გადაწყვეტა
MetaEnergy-მ შექმნა ML-ზე დაფუძნებული პროგნოზირების პლატფორმა, რომელიც აერთიანებს ანსამბლურ მიდგომებს — გრადიენტული ბუსტინგის მოდელებს, რეკურენტულ მოდელებს და სტატისტიკურ საბაზისო მეთოდებს. პლატფორმა ავტომატურად ამზადებს მონაცემებს, აგებს მოდელისთვის საჭირო ცვლადებს, ადარებს მოდელებს, ახორციელებს გადამზადებას და პროგნოზებს API-ებით აწვდის საოპერაციო სისტემებს.
გავლენა და შედეგები
- იყენებს 10+ წლის ისტორიულ მოხმარებას და ქმნის პროგნოზებს 100+ მიწოდების წერტილისთვის. დადასტურებულ დანერგვებში ასეთი მიდგომა აუმჯობესებს მომდევნო დღის და სეზონური პროგნოზების ხარისხს და ავლენს შესყიდვებისა და დისბალანსის ოპტიმიზაციის გაზომვად შესაძლებლობებს.
ტექნოლოგიური საფუძველი
- Python
- TensorFlow
- Scikit-learn
- PostgreSQL
- FastAPI
- Docker
სისტემის არქიტექტურა
ML-ზე დაფუძნებული მოთხოვნის პროგნოზირების პაიპლაინი - ამინდის მონაცემების შეგროვებიდან ანსამბლურ პროგნოზებამდე
- metaenergy.ge · მოთხოვნის პროგნოზირების პლატფორმა v2.0
- ამინდის მონაცემთა შეგროვება
- მონაცემთა დამუშავების ფენა
- გამოსავალი და შენახვა
- ამინდის მონაცემთა შემგროვებელი
- დაგეგმილი გამოკითხვის სერვისი
- შემგროვებელი სერვისი
- ერთიანი მოთხოვნის ინტერფეისი
- ნორვეგიის მეტეო ინსტიტუტი
- კომერციული პროგნოზის API
- გლობალური ამინდის მონაცემები
- ისტორიული · 10-წლიანი არქივი
- Batch სკრიპტი · შედულერი
- ორკესტრატორის სერვისი
- ამოცანების მარშრუტიზაცია · კონკურენტულობა
- Mutex · Deadlock-ის პრევენცია
- სადგურის დონეზე დაყოფა
- მონაცემთა გაწმენდა და შერწყმა
- ანომალიების მოცილება · შევსება
- ტემპერატურა · დღესასწაულები · Lag-ები
- ჯგუფური მარშრუტიზაცია · გამეორება
- MAPE-შეწონილი · Meta-learners · Bayesian
- BaseForecaster (ABC)
- ერთიანი ინტერფეისი · Fit / Predict
- სტატისტიკური მოდელები
- OLS · SARIMAX · Holt-Winters
- XGBoost · RF · Prophet
- LSTM · GRU · DeepAR · TFT · TCN
- პროგნოზების გამოსავალი
- REST API · JSON პასუხი
- ქსელური საცავი · ვერსირებული
- მომხმარებელი ენდპოინტი · ქეშირება
- მონაცემთა დამუშავება
პროგნოზირება, ანალიტიკა და გადაწყვეტილებები
პროგნოზები და ანალიტიკა დაგეგმვის, შესყიდვის, ბალანსირებისა და ქსელის გადაწყვეტილებებისთვის.
მოხმარების ისტორიას, ამინდს, კალენდარსა და საოპერაციო მონაცემებს ვაქცევთ დაგეგმვის შედეგებად, რომელთა მონიტორინგი, შედარება და აუდიტი შეიძლება.
რას გთავაზობთ
- მოთხოვნის პროგნოზი
- ამინდისა და კალენდრის მოდელები
- ნდობის ინტერვალები
- KPI დაფები
- ანომალიების გამოვლენა
- პროგნოზის API და გადამზადება
გამოიყენეთ ეს სერვისი როცა
- პროგნოზი ცხრილებზეა ან რთულად მოწმდება
- შესყიდვა, შენახვა, ნომინაციები თუ ბალანსირება - ყველაფერი მოთხოვნის უფრო ზუსტ პროგნოზზეა დამოკიდებული.
- გჭირდებათ დღით ადრე, სეზონური ან გრძელვადიანი პროგნოზი
- გჭირდებათ მოდელების შედარება, ისტორიულ მონაცემებზე გამოცდა ან პროგნოზების ვერიფიკაცია
დაკავშირებული პოსტები
- ელექტროენერგიის საათობრივი მოთხოვნის დღით ადრე პროგნოზირება: ესპანეთის მაგალითი (1.21% MAPE)
2018 წლის ტესტში ჩვენმა სისტემამ 1.21% საათობრივი MAPE აჩვენა, ოპერატორის პროგნოზთან გაერთიანებამ კი ოპერატორის ცდომილება 7.2%-ით შეამცირა. სტატიაში აღწერილია შედეგები, გამოყენებული მეთოდები და კვლევის ძირითადი შეზღუდვები.
- ერთი მოდელის ხაფანგი გაზის მოთხოვნის პროგნოზირებაში
გაზის მოთხოვნის პროგნოზების დიდი ნაწილი ერთ მოდელზე დგას. MetaCast მოდელის არჩევას მტკიცებულებად აქცევს და ერთმანეთს ადარებს 16 საპროგნოზო მოდელსა და აუდიტირებულ ანსამბლებს მიწოდების წერტილების, სეზონებისა და საპროგნოზო ჰორიზონტების მიხედვით.