Когда появилось Математическое бюро, то мне казалось очень сложным полностью автоматизировать месячный прогноз – это слишком далекий горизонт! Мне казалось, что необходимо на результаты обязательно смотреть и при необходимости корректировать. По итогам прогнозирования и постоянных оценок точности вот уже на протяжении почти полутора лет мне удалось сформулировать основные аспекты прогнозирования показателей ОРЭМ на месяц вперед, которые теперь переложены в программный код и на сегодняшний день эта операция наравне с прогнозом на сутки и неделю вперед выполняется полностью автоматически.
Важно отметить, что месячный прогноз выполняется в два этапа.
Первый этап прогнозирования на месяц вперед
На первом этапе прогнозируется средняя месячная величина временного ряда. Вот тут существует громадный арсенал моделей, которые позволяют определять искомое значение. Я пробовала делать ARIMA для каждого временного ряда, после этого стала искать взвешенную сумму предыдущих значений, например, Z(m+1) = a * Z(m) + b * Z(m-1) + c * Z(m-2)…, где значение Z(m) - среднемесячное значение временного ряда Z(t) в месяц m. После решила получить для этого всего консенсус-прогноз, но в конечном итоге остановилась на двух простых зависимостях, показавших наибольшую эффективность:
- Z(m+1) = a * Z(m) + b * Z(m-1)
- Z(m+1) = a * Z(m) + b * Z(m-11)
Для каждого временного ряда была определена комбинация, а после методом наименьших квадратов коэффициенты a и b.
Первый этап прогнозирования на месяц вперед
На втором этапе полученная среднемесячная величина Z(m) разбивается по часам месяца, причем разбивка выполняется в модели поэтапно.
- Сначала Z(m) разбивается по неделям.
- Далее полученные недельные значения разбиваются по дням недели.
- На последнем этапе среднедневные значения разбиваются по часам.
Такая разбивка позволяла мне при ручной корректировке прогноза контролировать разбиение. В настоящее время она осталась в системе прогнозирования как готовая функция.
Результат автоматизации
На сегодняшний день удалось программно реализовать все указанные алгоритмы в едином ядре, которое выполняет прогноз на месяц вперед в автоматическом режиме. Проведенные оценки автоматического и ручного прогноза показали, что реализованный автоматический прогноз за предыдущие 3 месяца в среднем точнее на 14 Руб/МВт.ч для временных рядов цен на электроэнергию и на 82 МВт.ч точнее для временных рядов объемов ТГ.