Benchmark czyni narzędzia prognostyczne porównywalnymi

Naukowcy z Fraunhofer IPA opracowali narzędzie do benchmarkingu. Umożliwia ono porównanie różnych metod służących do określenia przyszłego zużycia energii. (Źródło: Fraunhofer IPA/ Zdjęcie: Rainer Bez)

Rozterka wyboru: Firmy, które chcą korzystać z niskich lub negatywnych cen energii elektrycznej, potrzebują wiarygodnych prognoz przyszłego zużycia energii. Ponieważ rynek narzędzi prognostycznych jest nieprzejrzysty, naukowcy z Fraunhofer IPA opracowali benchmark, który porównuje dostępne na rynku rozwiązania.

Gdy słońce nie świeci, a wiatr nie wieje, farmy słoneczne i elektrownie wiatrowe nie produkują energii. Taka ciemna fala jest raczej rzadka, ale im więcej energii pochodzi ze źródeł odnawialnych, tym bardziej podlega ona sezonowym i pogodowym wahaniom – a wraz z nimi rośnie lub spada kurs na giełdzie energii w Lipsku. W 2019 roku kurs nawet przez 200 godzin spadał poniżej zera. Firmy, które chcą korzystać z takich spadków cen, muszą jednak jak najdokładniej oszacować, ile energii zużyją w najbliższym czasie i uruchamiać produkcję właśnie wtedy, gdy cena energii jest niska lub ujemna.

Istnieje jednak tak wiele narzędzi prognostycznych, które można wykorzystać do przewidywania zużycia energii, że nawet dla doświadczonych menedżerów ds. energii rynek ten jest trudny do ogarnięcia. Od prostych metod, zakładających, że zużycie w dni robocze latem jest mniej więcej takie samo, po samouczące się algorytmy, które co kwadrans monitorują zużycie energii na przestrzeni dłuższego czasu i wyciągają z tego wnioski na przyszłość.

Benchmark-Tool symuluje prognozy obciążenia

Pytanie, które narzędzie prognostyczne jest odpowiednie dla własnej firmy, można więc rozwiązać tylko przy dużym nakładzie pracy. „Oprócz dostępności rynku, należy również dokładnie sprawdzić własne dane energetyczne”, radzi Thilo Walser z działu Systemów Energetycznych w Fraunhofer IPA. On i jego koledzy opracowali narzędzie benchmark, które porównuje dostępne na rynku narzędzia prognostyczne z warunkami konkretnej firmy i w ten sposób wyznacza najbardziej odpowiednią metodę.

Do tego naukowcy potrzebują dostępu do danych z systemu zarządzania energią firmy. „Wysoka dostępność i jakość danych to warunek konieczny do skutecznej prognozy”, wyjaśnia Can Kaymakci, naukowy pracownik Fraunhofer IPA. Na podstawie bazy danych narzędzie benchmark symuluje prognozy obciążenia za pomocą wszystkich dostępnych metod. Wynikiem tej analizy jest zestawienie, które wymienia ocenione narzędzia prognostyczne według ich przydatności.

Naukowcy chcą opracować własne narzędzie prognostyczne

„Benchmark oferuje nie tylko niezależną od producenta ocenę narzędzi prognostycznych”, mówi Walser, „ale także dostarcza informacji o wymaganiach, jakie stawia system IT firmy dla metody prognostycznej i jak szybko model oblicza swoje prognozy.” W uzupełniającej rozmowie doradczej naukowcy udzielają także wskazówek, jakie dane w przyszłości należałoby jeszcze zbierać, aby uzyskać dokładniejsze prognozy obciążenia.

Ale sami naukowcy wyciągają z narzędzia benchmark nowe wnioski. Podczas jego opracowywania zgromadzili wystarczającą wiedzę, aby móc opracować własną metodę prognostyczną. „Ma ona na celu poprawę prognozowania nieprzewidywalnych zużyć energii”, mówi Christian Dierolf z Fraunhofer IPA. Jest to szczególnie interesujące dla przemysłowych firm z codziennie dużymi wahaniami krzywych obciążenia. „Ulepszone prognozy umożliwiłyby im wykorzystanie wahań cen energii jako potencjału zysku”, dodaje Dierolf.