- Pour commencer
- Modèle d'Intelligence Artificielle
- Ajouter/Modifier les Baselines
- Analyse
- Fiabilité des Prévisions
- À gardez à l'esprit
Prévoit votre consommation et vos coûts pour les prochains mois, et comparez-la à vos différents budgets et baselines.
Pour commencer
Note : vous devez être super-administrateur ou administrateur pour configurer la prévision. Sinon, contactez l'administrateur de votre compte.
La première étape consiste à configurer votre prévision et permettre au système d'effectuer certains calculs basés sur des algorithmes de séries temporelles. Pour ce faire, vous devez vous rendre dans Configuration > Prévisions > et cliquer sur "Nouvelle Prévision Unique". Ici, vous pouvez définir le dispositif que vous souhaitez utiliser pour former et calculer sa prévision correspondante. Il vous suffit de sélectionner l'emplacement associé, le dispositif et le paramètre correspondant. Voici un exemple :
L'application est disponible pour les paramètres suivants :
- Énergie Active (402)
- Énergie Gazière (420)
- Eau (901)
- Énergie Active Exportée (452)
- Énergie Thermique (802)
Prévision en Vrac
Modèle d'Intelligence Artificielle
L'algorithme calcule une prévision de consommation pour chaque heure future, en se basant sur des périodes similaires considérant des jours/heures/mois similaires de l'année dernière selon les données historiques disponibles.
Une prévision est calculée pour une année donnée (365 jours), ce qui permet de calculer une estimation à haut niveau de la consommation prévue et des coûts.
Plus nous avons de données historiques, plus fiable sera la prédiction du modèle (consultez la Fiabilité des Prévisions).
Ajouter/Modifier les Baselines

Analyse

- Sélecteur de source d'énergie. Sélectionnez la source d'énergie que vous souhaitez analyser.
- Plage de dates. Sélectionnez la période de temps pour l'analyse. Vous pouvez utiliser les préréglages disponibles pour aller plus vite (aujourd'hui, hier, 7 derniers jours, dernier mois...).
- Emplacement. Sélectionnez l'emplacement pour l'analyse.
- Dispositif. Sélectionnez le dispositif que vous souhaitez analyser.
- Fréquence. Sélectionnez la fréquence entre quotidienne, hebdomadaire et mensuelle.
- Comparer avec ces Objectifs et Baselines. Vous pouvez sélectionner les baselines précédemment configurées pour les comparer aux données prévues.
- Coût. Convertissez la prévision directement en euros. Nous prenons le prix moyen pour la période sélectionnée pour effectuer les calculs.
- Exporter les données vers Excel. Exportez les données sélectionnées vers un fichier Excel.
- Graphique en barres. Visualisez vos données sous forme de barres.
- Vue accumulée. Analysez vos prévisions en agrégeant toutes les consommations pour la période sélectionnée.
- Tableau récapitulatif. Comparaison entre la consommation réelle, la prévision et toutes les baselines sélectionnées, le cas échéant. Ici, vous pouvez voir la consommation totale et la différence avec la consommation réelle.

Fiabilité des Prévisions
Cette partie de l'article explique la Métrique de Fiabilité des Prévisions disponible dans l'Application de Prévisions.
Qu'est-ce que la Métrique de Fiabilité des Prévisions ?
La Métrique de Fiabilité des Prévisions vous permet d'évaluer à quel point vous pouvez vous fier à votre prévision. Elle se compose d'une étiquette avec 5 valeurs possibles. Lorsque vous survolez l'étiquette avec votre souris, une infobulle s'affiche avec des informations relatives à la métrique.High (Élevée)
La différence entre votre prévision et vos données est inférieure à 10 %. Vous pouvez vous fier à cette prévision.
Medium (Moyenne)
Low (Faible)
Error (Erreur)
Comment cela fonctionne-t-il ?
La Métrique de Fiabilité des Prévisions est une marque basée sur des indicateurs statistiques qui évaluent la qualité de vos données. Certaines des variables analysées sont :
- Combien de zéros vos données contiennent-elles ?
- Combien de valeurs N/A vos données contiennent-elles ?
- Changements de motifs chaotiques
- Valeurs aberrantes
Plus la qualité de vos données est élevée, plus les prévisions seront fiables. Le score obtenu détermine la valeur de la Métrique de Fiabilité des Prévisions.
Pour des prévisions fiables, il est recommandé de disposer d'1 an de données historiques. De cette manière, l'algorithme aura une référence du comportement en été et en hiver. Avec moins de données, il est possible que la prévision ne corresponde pas au comportement spécifique de ces périodes.
À garder à l'esprit
Les mises à jour de données prévues ne peuvent pas être effectuées manuellement, c'est un processus déclenché chaque nuit.