Wykrywanie anomalii
Lepsza prognoza zużycia energii elektrycznej dzięki wykorzystaniu narzędzi machine learning i data mining.
O projekcie
Lepsza prognoza zużycia energii elektrycznej dzięki wykorzystaniu narzędzi machine learning i data mining.
O projekcie
Celem projektu jest utworzenie prototypu systemu wykrywania anomalii w zużyciu energii elektrycznej, który pozwoli spółkom obrotu na lepsze zarządzanie zamówieniami energii w okresie długofalowym oraz na bieżące monitorowanie zużycia energii u swoich klientów.
Czytaj wiecej
Wszystkie publikacje dotyczące projektu będziemy umieszczać na bieżąco na naszym blogu.
Pokaż wszystkoKażdy sprzedawca energii elektrycznej musi z odpowiednim wyprzedzeniem zakupić energię, aby później móc sprzedać ją odbiorcy. Z procesem tym wiąże się szereg zagadnień. Najważniejsze z nich to wolumen oraz moment zakupu. Zbyt mała lub za duża ilość zakupionej energii powodować może spore straty finansowe dla sprzedawcy – nadwyżkę bądź brak musi bowiem odsprzedać lub zakupić na rynku bilansującym. […]
Czytaj więcejAnomalią w kontekście zużyć rzeczywistych i prognoz zużyć energii elektrycznej jest odstępstwo lub nieprawidłowość występujące w oczekiwanym modelu przebiegu zużycia rzeczywistego i/lub przebiegu prognozy. Na podstawie charakterystycznych cech danej anomalii, można ją zidentyfikować i dokonać właściwej klasyfikacji, tworząc zbiór informacji stanowiący typologię anomalii. Na podstawie dotychczasowych prac badawczych w ramach realizowanego przez Ebicom projektu […]
Czytaj więcejNa spółkach obrotu spoczywa spora odpowiedzialność. Ich zadaniem jest m.in. zapewnienie równowagi pomiędzy ilością energii zakupionej, a tej sprzedanej klientom. Każdego dnia i o każdej godzinie. Dlaczego to tak ważne? Ponieważ zbyt mała lub zbyt duża ilość zakupionej energii, w stosunku do sprzedanej, potrafi wygenerować znaczące straty finansowe spółki. Jak oszacować prognozy w spółkach obrotu? Zachowanie […]
Czytaj więcej
