Построение прогноза на указанный период

Для построения корректного прогноза на 31 день необходимы данные за период, как минимум в 8 раз превышающий данный. Таким образом, минимальные необходимые объем используемых данных — 248 дней, что соответствует выборке о потреблении за январь с 2009 по 2017 год. Для увеличения точности в данной модели выборка была взята по данным за 13 лет. Смоделированный набор данных содержит информацию о потреблении тепловой энергии за январь с 2005 по 2017 года включительно.

Моделирование случайных величин проводилось в среде Python. Заданные рамки моделирования были выбраны с учетом информации о средних показателях потребления тепловой энергии по январю. Для квартиры площадью 62 м², рассматриваемой в модели и в дальнейших вычислениях, объем потребления за январь приблизительно равен 1,2 Гкал. На основании этого значения были построены ежедневные показатели потребления энергии. Показатели потребления для каждой модели были вручную скорректированы с учётом показателей температуры в выбранных периодах. Данные о температуре получены с сайта WeatherArchive.ru, проводящего архивацию данных о погоде с 1999 года[5]. Пример данных об учете потребления тепловой энергии в январе 2007 года приведён в табл. 1.

Таблица 1. Потребление тепловой энергии в январе 2007 года.

Среднее значение объема использованной тепловой энергии за январь с 2005 по 2017 год (по смоделированным данным) — 1,1809 Гкал.

Программный пакет STATISTICAполучает на вход данные о ежедневном потреблении тепловой энергии и на их основании строит прогноз на ежедневное потребление тепловой энергии в январе 2018 года. На Рис. 5 показан график потребления тепловой энергии в Гкал в январе за период с 2005 по 2017 год. Красным цветом выделен построенный с использованием STATISTICA прогноз на январь 2018 года, зеленым цветом обозначены верхняя и нижняя границы прогноза. Спрогнозированные данные о ежедневном потреблении тепловой энергии в январе 2018 года приведены в табл. 2.

Рис. 5 Потребление тепловой энергии в Гкал в январе за период с 2005 по 2017 год и прогноз на 2018 год с границами

Таблица 2. Прогноз потребления тепловой энергии в январе 2018 года.

В результате прогнозирования ожидаемое потребление тепловой энергии в январе 2018 составит 1,2029 Гкал. Заметим, что оно близко к значению среднего объема потребления тепловой энергии за период, по данным которого проводилось прогнозирование. Это значение будет использоваться в дальнейших расчетах для доказательства эффективности использования приборов индивидуального учета потребления. Также спрогнозированные данные о потреблении помогут при планировании будущего распределения ресурсов и затрат теплосбытовой компании.

Также отметим, что при прогнозировании не учитывалось влияние температуры на объём потребленной энергии. Это связано, в первую очередь, с определенной особенностью потребления тепла, заключающейся в том, что при опускании температуры ниже определенной отметки зависимость количества отпускаемой энергии от температуры становится не таким жёстким [6]. В рассматриваемый в прогнозе период (январь), температура в основном придерживается средней отметки в, что позволяет не учитывать взаимосвязи между температурой и потреблением. Как правило, на протяжении отопительного периода (с октября по апрель) по большей части также преобладает именно отрицательная температура. Кроме того, при прогнозировании потребления на долгосрочный период (к примеру, на ближайший год), в АСУ ТС не будет возможности использования точных данных о температуре на указанный период, так как долгосрочное (от 10 суток до 3 месяцев) и сверхдолгосрочное (от 3 месяцев) прогнозирование температуры связано с особыми трудностями и его предел оправдываемости довольно невысок[7]. Следовательно, прогнозирование потребления в рассматриваемой АСУ ТС будет основываться только на информации об учтенном потреблении для пользователя, а точность и эффективность прогноза будут зависеть от количества и точности учтенных ранее данных.

Выводы

Внедрение АСУ ТС в теплосбытовую компанию поможет избежать множества системных и технических ошибок. Основные процессы, отвечающие за передачу данных о потреблении тепловой энергии, при использовании АСУ ТС заменяются автоматизированными процессами, выполняющими поставленную задачу более корректно и оперативно, чем пользователь или оператор. Также система будет обладать инструментом прогнозирования, с помощью которого будет возможно оценить будущие направления использования ресурсов компании, а также оценить целесообразность использования индивидуальных приборов учёта тепловой энергии. В качестве примера с помощью программного статистического пакета STATISTICAпостроен прогноз потребления тепловой энергии на обозначенный период, использующий данные об учтенном потреблении как исходные материалы для вычисления. Итоговый прогноз соответствует ожидаемому значению, при этом его точность можно улучшить с увеличением количества входных данных (учтенных счетов из базы данных).

• 1. Обозначены основные задачи функционирования и организации АСУ ТС.
• 2. Смоделирована модель процесса учета потребления и построена ER-модель данных в АСУ ТС.
• 3. Определены задачи прогнозирования потребления тепловой энергии и выбран инструмент прогнозирования. На основе смоделированных данных о потреблении построен прогноз и проведена его предварительная оценка на близость к соответствию ожидаемым результатам.
• 4. Полученные результаты позволяют спроектировать автоматизированную систему управления для теплосбытовой компании. Использование встроенной в неё подсистемы прогнозирования даст возможность для оценки будущего направления использования ресурсов и эффективности использования АСУ ТС для компании.