Modelo de Inteligencia Artificial
Prevé tu consumo y coste para el próximo mes, y lo compara con tus diferentes presupuestos y baselines.
Cómo comenzar
Nota: tiene que tener acceso de superAdmin o Administrador para poder configurar la previsión o Forecast. De no ser así, contacte con el administrador de su cuenta.
El primer paso es configurar su previsión y permitir al sistema que haga algunos cálculos sobre el baseline a través de algoritmos de series temporales. Para ello vaya a Configuración Forecasting y clique en “Nuevo Forecast”. Aquí puede definir el dispositivo que quiera usar para entrenar y calcular su correspondiente previsión. Solo seleccione la localización asociada, el dispositivo y el correspondiente parámetro. Abajo se muestra un ejemplo:
Esta aplicación está disponible para los siguientes parámetros:
- Energía Activa (402)
- Energía Gas (420)
- Agua (901)
- Energía Activa Exportada (452)
- Energía Térmica (802)
Predicción masiva
Modelo de Inteligencia Artificial
Añadir / Editar baselines
Se podrá comparar tu previsión de consumo con tus objetivos como baselines. Aquí se pueden añadir hasta 5 baselines para comparar con tu previsión de consumos.
Análisis
Una vez la información de la previsión ha sido configurada, hay que esperar unos momentos. Los datos de la previsión son calculados a diario (03:00 GMT+1) para un año. El sistema necesita entre 1 semana y 3 meses para conseguir modelos precisos. 6 meses de datos históricos son necesarios.
- Selector de fuente energética. Selecciona la fuente de energía que se quiere analizar.
- Selección del rango de datos. Selecciona el periodo de tiempo para el análisis. Para mayor rapidez se puede hacer uso de los atajos de pre-selección (hoy, ayer, últimos 7 días, último mes …)
- Localización. Selecciona la localización para el análisis.
- Dispositivo. Selecciona el dispositivo para el análisis.
- Frecuencia. Selecciona la frecuencia de medición: diaria, semanal y mensual.
- Comparación entre este Objetivo y Presupuesto. En este apartado las baselines previamente configuradas pueden ser seleccionadas para compararlas con los datos de previsión.
- Coste. Convierte la predicción en euros. El precio medio es considerado durante el periodo seleccionado para los cálculos.
- Exportar datos a Excel. Exporta los datos seleccionados a un archivo Excel.
- Gráfico de barras. Visualiza tus datos en un gráfico de barras.
- Vista acumulada. Analiza tu forecast agregando todos los consumos para el periodo seleccionado.
- Tabla de resumen. Comparación entre el consumo real, la previsión, y todas las baselines seleccionadas en caso de haber alguna. En este apartado se puede ver el consumo total y la diferencia entre con el consumo real.
Fiabilidad de la Predicción
Esta parte del artículo explica la métrica de fiabilidad disponible en la misma App de Predicción.
¿Qué es la métrica de fiabilidad de la predicción?
Se trata de una métrica que valora cómo de fiable es tu predicción de consumo. Consiste en una etiqueta escrita que puede tener 5 valores distintos. Al pasar el cursor por encima aparecerá un texto informativo con información relativa a la métrica y consejos acerca de cómo puedes mejorar tu predicción. Los posibles valores de la métrica son:High
La diferencia entre la predicción y tus datos es inferior al 10%, esto significa que puedes confiar en la predicción.
Medium
Existe una diferencia entre la predicción y tus datos de entre un 10 y un 20%. La predicción es aceptable pero no muy buena. Es aconsejable que revises la calidad de tus datos tratando de solucionar valores atípicos o periodos vacíos.
Low
La diferencia entre tus datos y la predicción es superior al 20%, no es aconsejable confiar en la predicción. Revisa tus datos, quizás tengas demasiados periodos vacíos, valores atípicos o puede que tu variabilidad de consumo sea muy alta.
Tu predicción no se ha calculado por falta de datos o por demasiada variabilidad en tu consumo.
Error
Hubo algún error durante el cálculo de tu predicción. Por favor, contacta a nuestro equipo de soporte.
¿Cómo funciona?
La métrica de fiabilidad en la predicción es una nota basada en indicadores estadísticos que valoran la calidad de tus datos. Algunos de los parámetros considerados en este análisis son:
- Cantidad de valores nulos en tus datos
- Cantidad de N/A en tus datos
- Patrones de comportamiento inestables
- Valores atípicos
Cuanto mejor sea la calidad de tus datos, más sólidas serán las predicciones. En función del rango de nota obtenida se determina el valor de la etiqueta de la métrica de fiabilidad en la predicción.
Para predicciones fiables es recomendable tener 1 año de datos históricos. De esta forma el algoritmo tendrá la referencia del comportamiento en verano e invierno. Con menos datos es posible que la predicción no se corresponda con el comportamiento específico en esas épocas.
Tener en cuenta
La actualización de los datos forcasted no se puede forzar, sino que se actualizará automáticamente por las noches.