Esta App prevé tu consumo y coste para los próximos meses y los compara con tus diferentes objetivos.
Cómo comenzar
Nota: tienes que tener acceso de superAdministrador 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 puedes definir el dispositivo que el que quieras generar el forecast. Selecciona la localización asociada, el dispositivo y el parámetro correspondiente. 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)
Una vez hayas configurado un nuevo Forecast, lo recibirás como un nuevo datapoint en el dispositivo elegido, que deberás aceptar para poder visualizar el forecast en otras pantallas (ver el artículo sobre cómo aceptar datapoints). A tener en cuenta que cuando el datapoint esté aceptado se podrá visualizar en cualquier pantalla compatible con los parámetros de Forecast.
Nota. 6 meses de lecturas son considerados indispensables para poder generar un forecast.
Añadir / Editar baselines
Se podrá comparar tu previsión de consumo con tus objetivos. Aquí se pueden añadir hasta 5 baselines para comparar con tu previsión de consumos. Las baselines tendrán frecuencia mensual.
El modelo detrás de la Forecasting App
Analizando los resultados
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.
Puedes representar la predicción en cualquier pantalla de la plataforma compatible con los parámetros de Forecast, pero también puedes verlo en la pantalla de Forecast:
En esta pantalla, podemos ver los elementos siguientes:
- 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
¿Qué es la métrica de fiabilidad y cómo podemos verla en la plataforma?
- High
- Medium
- Low
- None
- Error
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. 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%. Esto implica que los datos usados para entrenar el modelo no nos han permitido obtener buenos resultados. Antes de trabajar con estos resultados es aconsejable revisar si se podría mejorar la calidad de los datos de entrada.
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 tu equipo de soporte.
¿Cómo se calcula la métrica de fiabilidad?
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 los datos
- Cantidad de huecos de datos
- Patrones de comportamiento inestables
- Valores atípicos
Cuanto mejor sea la calidad de los 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.