Anomalią 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 wyróżniliśmy i sklasyfikowaliśmy kilka głównych typów anomalii (posiadających różne warianty) występujących w zużyciach rzeczywistych i prognozach zużyć energii elektrycznej. Prawidłowo opracowany algorytm wykrywania anomalii pozwala odpowiednio wyznaczyć i przypisać wykryte nieprawidłowości do wybranej grupy.

Czym charakteryzują się najistotniejsze ze zdefiniowanych anomalii? Przyjrzyjmy się kilku poniższym przykładom.

Rozbieżności w poziomie zużycia rzeczywistego oraz prognozie (różnica wolumenów)

Cechą charakterystyczną tej anomalii jest znacząca różnica pomiędzy poziomem zużycia rzeczywistego, a przygotowaną dla niego prognozą. Sumaryczny wolumen zużycia rzeczywistego dość istotnie odbiega od sumarycznej wartości prognozy. W związku z czym występują duże przeszacowania lub niedoszacowania prognozy.

Obraz 1 Anomalia: Różnica poziomu zużycia rzeczywistego oraz prognozy

  • Przebieg zużycia (kolor pomarańczowy) z większym poziomem w okresach chłodniejszych. W początkowym okresie przebieg na wysokim poziomie z dużymi amplitudami, później następuje spadek poziomu zużycia. Przygotowana prognoza (kolor niebieski) nie jest dostosowana do rzeczywistego przebiegu zużycia. W początkowym okresie poziom prognozy pokrywa się z rzeczywistym zużyciem, ale w późniejszym – pozostaje na wysokim poziomie, podczas gdy zużycie rzeczywiste znacznie spada. Występuje znaczne przeszacowanie prognozy
  • Algorytm wskazuje nieprawidłowy poziom przygotowanej prognozy
  • Następuje oznaczenie anomalii na prognozie (wymagana jest korekta prognozy)

Krótkotrwałe wartości odstające od przewidywanego modelu przebiegu

Charakteryzują się bardzo krótkim (zazwyczaj na poziomie godziny lub kilku godzin), ale sporym i nagłym wzrostem lub spadkiem przebiegu zużycia. To znaczące odstępstwo wykracza poza zdefiniowany podczas badań „przedział ufności” (zakres wartości, które są akceptowalne i ich wystąpienie nie oznacza nieprawidłowości) dla danego przebiegu.

Obraz 2 Anomalia: Krótkotrwałe wartości odstające w przebiegu zużyć

  • Przebieg zużycia (kolor pomarańczowy) z charakterystycznym profilem „zimowym” (wysokie zużycie w okresie chłodniejszym, niskie – w okresie cieplejszym). Można wyznaczyć określony przedział ufności (zakres wartości akceptowalnych -zielony obszar), w ramach którego występujące wartości zużycia mieszczą się w granicach normy
  • Algorytm wskazuje wartości odstające od założonego modelu przebiegu, wykraczające poza akceptowalny przedział wartości
  • Następuje oznaczenie anomalii w przebiegu zużycia

Zmiany poziomów zużyć: skoki zużyć oraz trendy

W przypadku trendów charakterystycznym elementem jest zauważalny, stopniowy wzrost lub spadek poziomu zużycia rzeczywistego następujący wraz z przebiegiem czasu. Skoki natomiast cechują się znaczącymi, trwającymi przez dłuższy okres (subiektywnie definiowanym w zależności od posiadanych i znanych atrybutów zużycia) zmianami w poziomie zużycia.

Trendy wzrostowe/spadkowe

Obraz 3 Anomalia: Trendy wzrostowe/spadkowe

  • W przebiegu zużycia (kolor pomarańczowy) następuje stopniowy wzrost poziomu w kolejnych okresach. Można zauważyć trend wzrostowy. Przygotowana prognoza (kolor niebieski) jest na stałym poziomie i nie przewiduje wzrostu zużycia
  • Algorytm wskazuje nieprawidłowy poziom prognozy zużycia
  • Następuje oznaczenie anomalii na prognozie (wymagana jest korekta prognozy)

Dłuższe skoki w przebiegu zużycia

Obraz 4 Anomalia: Skoki w przebiegu zużycia

  • W przebiegu zużycia (kolor pomarańczowy) wystąpił znaczny skok w określonych przedziałach czasu. Prognoza (kolor niebieski) nie przewiduje wzrostu poziomu zużycia
  • Algorytm wskazuje niespotykany poziom zużycia, niezgodny z założonym modelem przebiegu.
  • Następuje oznaczenie anomalii na zużyciu i prognozie (wymagana jest korekta prognozy)

Nieprawidłowo dobrany profil prognozy do zużyć rzeczywistych

Cechuje się niedopasowaniem profilu przygotowanej prognozy do zużycia rzeczywistego. Występuje w sytuacji, gdy zakładana charakterystyka zużyć punktu poboru (sposób korzystania z energii w określonych jednostkach czasu) dość istotnie różni się od przebiegu realnego. Może być charakteryzowany na różnych poziomach czasu, najczęściej: rocznym, tygodniowym czy dziennym.

Nieprawidłowy profil zużycia na poziomie rocznym

Obraz 5 Anomalia: Nieprawidłowy profil roczny

  • Przebieg zużycia (kolor pomarańczowy) z charakterystycznym profilem „letnim” (wysokie zużycie w okresie cieplejszym, niskie – w okresie chłodniejszym). Przygotowana prognoza (kolor niebieski) nie uwzględnia takiego profilu zużycia. Ma płaski przebieg, utrzymany na stałym poziomie , według zużycia zimowego.
  • Algorytm wskazuje nieprawidłowy poziom prognozy zużycia w okresie cieplejszym i niedopasowanie do charakterystyki zużycia
  • Następuje oznaczenie anomalii na prognozie (wymagana jest korekta prognozy)

Nieprawidłowy profil na poziomie tygodniowym

Obraz 6 Anomalia: Nieprawidłowy profil tygodniowy

  • Przebieg zużycia (kolor pomarańczowy) z charakterystycznym wyższym poziomem w dni robocze i soboty oraz niższym w niedziele i święta (21-22 kwietnia). Przygotowana prognoza (kolor niebieski) nie uwzględnia poziomu zużycia w soboty na równie wysokim poziomie jak w dni robocze (poniedziałek-piątek)
  • Algorytm wskazuje nieprawidłowy poziom prognozy zużycia w określonych dniach i niedopasowanie tygodniowego profilu zużycia
  • Następuje oznaczenie anomalii na prognozie (wymagana jest korekta prognozy)

Nieprawidłowy profil na poziomie dziennym

Obraz 7 Anomalia: Nieprawidłowy profil dzienny

  • Przebieg zużycia (kolor pomarańczowy) z charakterystycznym wysokim zużyciem w dni robocze (tutaj: poniedziałek – sobota) w godzinach 10-20 oraz trochę niższym w niedziele i święta. Przygotowana prognoza (kolor niebieski) nie odpowiada zużyciu rzeczywistemu na poziomie godzinowym: zakłada wysokie zużycie w godzinach 8-13 w dni robocze (poniedziałek-piątek) oraz bardzo niewielkie zużycia w sobotę i niedzielę (w każdej godzinie)
  • Algorytm wyznacza nieprawidłowy poziom prognozy zużycia w określonych godzinach i niedopasowanie dziennego profilu zużycia
  • Następuje oznaczenie anomalii na prognozie (wymagana jest korekta prognozy)

Nieprawidłowo dobrany kalendarz do charakterystyki zużyć

Nieprawidłowość ta występuje w sytuacji, gdy zużycie punktu poboru charakteryzuje się określonym przebiegiem w specyficzne dni w kalendarzu, np. w dni świąteczne, niedziele handlowe czy soboty. Należy w tym wypadku odpowiednio zinterpretować wartość zużycia mając na uwadze kalendarz i zweryfikować czy zużycie jest wrażliwe np. na dni powszechnie uznawane za święta czy niedziele handlowe.

Obraz 8 Anomalia: Nieprawidłowo dobrany kalendarz do specyfiki zużyć

  • Przebieg zużycia (kolor pomarańczowy) z charakterystycznym niższym poziomem w niedziele oraz dni świąteczne. Przygotowana prognoza (kolor niebieski) przewiduje niskie zużycia w dni świąteczne (21-22.kwietnia) i niedziele, ale nie zakłada wysokiego poziomu zużycia w niedziele handlowe. Zużycie rzeczywiste w niedziele handlowe jest na podobnym poziomie jak w dni robocze.
  • Algorytm wskazuje nieprawidłowy poziom prognozy zużycia w określonych dniach i niedopasowanie profilu zużycia względem kalendarza
  • Następuje oznaczenie anomalii na prognozie (wymagana jest korekta prognozy)

W oparciu o przeprowadzone w ramach projektu prace widzimy, że identyfikacja anomalii w zużyciach i prognozach oraz ich prawidłowe sklasyfikowanie mają ogromne znaczenie dla firm zajmujących się sprzedażą i zakupem energii. Mechanizm wykrywania nieprawidłowości i odpowiednia reakcja na ich wystąpienie z pewnością przyczynią się do optymalizacji procesu zamówień na energię przez spółki obrotu, poprawy jakości przygotowywanych prognoz czy monitoringu zużycia energii u klientów.

Wyniki naszych dotychczasowych prac nad projektem mieliśmy okazję zaprezentować w ramach XX edycji Konferencji: Systemy Informatyczne w Energetyce (SIWE’21), która odbyła się 1-2 grudnia 2021 w Wiśle. W tegorocznej konferencji udział wzięło 334 uczestników. W trakcie dwóch dni spotkań wygłoszono 26 referatów – w tym referat Ebicom: „Wykrywanie anomalii zużycia energii elektrycznej z wykorzystaniem narzędzi AI, w celu racjonalizacji zapotrzebowania na energię elektryczną przez spółki obrotu”.

Poprzedni artykuł Następny artykuł