Recomendados
Más contenido relacionado
Último
Último (20)
Destacado
Destacado (20)
Presentacion sesion 12_2014-08-21
- 1. www.enersinc.com Enersinc Gecelca Sesión 12 de Trabajo
- 2. www.enersinc.com Cargarcontrato Rutadel archivode Excel con el contrato …
- 3. www.enersinc.com Qué se puede predecir? Experiencia sobre modelos de pronóstico Condicional
- 10. www.enersinc.com
- 11. www.enersinc.com
- 12. www.enersinc.com
- 13. www.enersinc.com
- 14. www.enersinc.com Estructura del Modelo Bases de datos y aplicativos
- 15. www.enersinc.com Modelosde Gecelca Open Solver Excel EMAIL
- 16. www.enersinc.com Procesos de calibración Bases de datos y aplicativos
- 17. www.enersinc.com Pronósticos Gecelca •Análisis del Informe mensual de calidad de pronóstico y propuesta de mejoramiento •Entrega del Informe mensual de calidad de pronóstico mejorado. •Modelos de Pronóstico para proceso de Demandas Operativas •Proceso de Evaluación de Pronósticos •Es importante evaluar la capacidad predictiva del modelo, con el objetivo de producir pronósticos donde el error sea tan pequeño como sea posible. 17
- 18. www.enersinc.com Porcentaje de Participación en el SIN (%) Calculo de porcentaje de participación Demanda_UCP_Mes / Demanda_Total_Mes Nombre UCP % Participación en el SIN Ucentro 22.78 Uantioquia 14.36 Ubarranquilla 6.87 Ucali 6.70 Utairona 4.84 Ucartagena 4.63 Usantander 4.19 Upacifico 3.54 Usinu 3.53 Uebsa 2.85 Upijaos 2.85 Ucerromatoso 2.49 Uchec 2.45 Ucens 2.30 Upasto 1.57 Uemsa 1.54 Upacande 1.50 Usur 1.43 Uoxyint 1.37 Upereira 1.08 Uquindio 0.78 Uenerca 0.58 Uintercor 0.54 Uplaneta 0.41 Ucirainf 0.41 Utulua 0.35 Uenelar 0.34 Uandaki 0.34 Uchoco 0.30 Ucartago 0.29 Uguaviare 0.08 . Pronostico Demanda real Notación Error de Pronostico
- 19. www.enersinc.com Error Porcentual Medio Absoluto(MAPE) : Indicador de precisión que determina la magnitud de los errores de pronóstico comparados con los valores reales de la serie. Su formula es la siguiente: Nombre UCP MAPE (%) Ucentro 2.02 Uantioquia 2.47 Ubarranquilla 2.08 Ucali 6.73 Utairona 4.54 Ucartagena 2.20 Usantander 3.66 Upacifico 4.19 Usinu 2.59 Uebsa 6.23 Upijaos 5.93 Ucerromatoso 11.64 Uchec 3.55 Ucens 5.21 Upasto 5.75 Uemsa 3.47 Upacande 5.10 Usur 7.37 Uoxyint 5.68 Upereira 3.29 Uquindio 3.64 Uenerca 4.62 Uintercor 6.29 Uplaneta 2.50 Ucirainf 3.07 Utulua 4.50 Uenelar 4.91 Uandaki 7.00 Uchoco 7.24 Ucartago 3.80 Uguaviare 7.31 np = longitud de la serie de demanda real (mes*24)
- 20. www.enersinc.com Simetría (%) Es una medida del error global del pronóstico, indica si se esta subpronosticando (pronostico menor que demanda real) o sobrepronosticando (pronostico mayor que demanda real) la cual se define: Nombre UCP Simetría % Ucentro -1.1 Uantioquia 1.3 Ubarranquilla 1.1 Ucali -3.9 Utairona 3.9 Ucartagena 1.0 Usantander -0.7 Upacifico 0.5 Usinu -1.2 Uebsa -2.3 Upijaos -3.8 Ucerromatoso 7.2 Uchec 0.4 Ucens 4.3 Upasto 1.7 Uemsa 1.1 Upacande -3.7 Usur -3.5 Uoxyint 4.7 Upereira 0.3 Uquindio 2.6 Uenerca -1.0 Uintercor 2.3 Uplaneta -1.1 Ucirainf 0.5 Utulua 0.8 Uenelar 0.2 Uandaki -6.1 Uchoco 0.1 Ucartago -2.2 Uguaviare 4.9 MAPE = 7.5% - Sobrepronostico MAPE = 7.5% - Subpronostico
- 21. www.enersinc.com Periodo de mayor desviación en el mes Nombre UCP Periodo de mayor desviación en el mes Ucentro Día: 3 Periodo: 18 Uantioquia Día: 27 Periodo: 24 Ubarranquilla Día: 2 Periodo: 6 Ucali Día: 10 Periodo: 9 Utairona Día: 5 Periodo: 18 Ucartagena Día: 7 Periodo: 1 Usantander Día: 17 Periodo: 19 Upacifico Día: 1 Periodo: 8 Usinu Día: 15 Periodo: 3 Uebsa Día: 1 Periodo: 8 Upijaos Día: 28 Periodo: 8 Ucerromatoso Día: 18 Periodo: 11 Uchec Día: 2 Periodo: 8 Ucens Día: 3 Periodo: 15 Upasto Día: 7 Periodo: 1 Uemsa Día: 10 Periodo: 18 Upacande Día: 15 Periodo: 12 Usur Día: 21 Periodo: 16 Uoxyint Día: 27 Periodo: 2 Upereira Día: 1 Periodo: 11 Uquindio Día: 1 Periodo: 8 Uenerca Día: 1 Periodo: 12 Uintercor Día: 10 Periodo: 13 Uplaneta Día: 1 Periodo: 5 Ucirainf Día: 17 Periodo: 11 Utulua Día: 9 Periodo: 19 Uenelar Día: 7 Periodo: 24 Uandaki Día: 28 Periodo: 6 Uchoco Día: 3 Periodo: 13 Ucartago Día: 16 Periodo: 6 Uguaviare Día: 9 Periodo: 13 Se busca el periodo de mayor desviación durante el mes haciendo uso del (MAPE), además de mostrar el día en el que ocurre.
- 22. www.enersinc.com Día de mayor desviación en el mes Nombre UCP Día de mayor desviación en el mes Ucentro 2 Tipo:2--ENE Uantioquia 4 Tipo:MAVENE Ubarranquilla 2 Tipo:2--ENE Ucali 10 Tipo:LFENE Utairona 4 Tipo:MAVENE Ucartagena 10 Tipo:LFENE Usantander 8 Tipo:SAALFENE Upacifico 2 Tipo:2--ENE Usinu 15 Tipo:SAVENE Uebsa 1 Tipo:1--ENE Upijaos 23 Tipo:DOMINGO Ucerromatoso 19 Tipo:MIERCOLES Uchec 2 Tipo:2--ENE Ucens 4 Tipo:MAVENE Upasto 11 Tipo:MADLF Uemsa 10 Tipo:LFENE Upacande 15 Tipo:SAVENE Usur 1 Tipo:1--ENE Uoxyint 27 Tipo:JUEVES Upereira 15 Tipo:SAVENE Uquindio 1 Tipo:1--ENE Uenerca 2 Tipo:2--ENE Uintercor 1 Tipo:1--ENE Uplaneta 15 Tipo:SAVENE Ucirainf 1 Tipo:1--ENE Utulua 10 Tipo:LFENE Uenelar 10 Tipo:LFENE Uandaki 28 Tipo:VIERNES Uchoco 30 Tipo:DOMINGO Ucartago 23 Tipo:DOMINGO Uguaviare 9 Tipo:DOALFENE Se busca el día de mayor desviación durante el mes haciendo uso del (MAPE), además de mostrar el tipo de día en el que ocurre.
- 23. www.enersinc.com Tipo de Periodo que mas se desvía en el mes Servirá para observar cual es el periodo en el que se esta presentando mayor desviación para cada UCP. Nombre UCP Tipo de Periodo que más se desvía Ucentro 24 Uantioquia 23 Ubarranquilla 19 Ucali 6 Utairona 19 Ucartagena 5 Usantander 7 Upacifico 19 Usinu 24 Uebsa 14 Upijaos 4 Ucerromatoso 12 Uchec 7 Ucens 18 Upasto 19 Uemsa 19 Upacande 16 Usur 2 Uoxyint 3 Upereira 19 Uquindio 19 Uenerca 2 Uintercor 21 Uplaneta 2 Ucirainf 20 Utulua 19 Uenelar 24 Uandaki 4 Uchoco 2 Ucartago 7 Uguaviare 19 Mediana PERIODO MAPE Uantioquia P1 4.00 P1 12.39 P1 6.39 P1 6.16 P1 8.53 P1 4.69 P1 2.99 P1 3.46 P1 0.40 P1 5.58 P1 1.81 P1 1.25 P1 0.04 P1 1.27 P1 0.90 P1 0.35 P1 5.67 P1 1.08 P1 2.22 P1 0.76 P1 1.23 P1 1.06 P1 1.58 P1 5.25 P1 6.54 P1 0.11 P1 5.82 P1 2.58 P1 2.55 P1 1.59 P1 0.16 PERIODOS MMAPE P1 2.22 P2 1.92 P3 2.14 P4 2.44 P5 1.81 P6 3.10 P7 2.35 P8 2.04 P9 1.45 P10 1.86 P11 1.73 P12 1.57 P13 1.61 P14 1.64 P15 1.65 P16 1.29 P17 1.67 P18 1.91 P19 2.71 P20 2.71 P21 1.42 P22 3.14 P23 3.60 P24 3.27
- 24. www.enersinc.com Tipo de Día que mas se desvía en el mes Servirá para observar cual es el tipo de día que mas se esta desviando durante el mes para cada UCP Nombre UCP Tipo de día que más se desvía Ucentro 2--ENE Uantioquia MAVENE Ubarranquilla 2--ENE Ucali LFENE Utairona MAVENE Ucartagena LFENE Usantander SAALFENE Upacifico 2--ENE Usinu SAVENE Uebsa 1--ENE Upijaos DOMINGO Ucerromatoso MIERCOLES Uchec 2--ENE Ucens MAVENE Upasto MADLF Uemsa LFENE Upacande SAVENE Usur 1--ENE Uoxyint JUEVES Upereira SAVENE Uquindio 1--ENE Uenerca 2--ENE Uintercor 1--ENE Uplaneta SAVENE Ucirainf 1--ENE Utulua LFENE Uenelar LFENE Uandaki VIERNES Uchoco DOMINGO Ucartago DOMINGO Uguaviare DOALFENE MMAPE MARTES 0.25227496 SAALF 0.60542682 SABADO 1.79643351 MIERCOLES 0.20048514 MADLF 0.05786851 LUNES 0.09035011 DOALF 0.10160967 DOMINGO 3.20827887 VIERNES 0.73974108 JUEVES 0.12544868 LF 0.46060816 TIPO DIA MAPE Uantioquia LUNES 0.05 LUNES 0.09 LUNES 0.15
- 25. www.enersinc.com Selección de modelos
- 26. www.enersinc.com •Paralaseleccióndelmodeloseharánusodelossiguientescriteriosestadísticosteniendoencuentaqueeltipodepronósticoautilizarseráelquepresenteelmenorerror.Cabeanotarquetendránmayorpesoparalaeleccióndelmodelo, tantoelMAPEcomoelestadísticoUdeThail. •Paraobservarquétipodemodeloeselmásadecuadoparapronosticar,serevisaráelúltimoajustedelosmodelosdeltipodedíaespecificado. 26 Selección de Modelos
- 27. www.enersinc.com Ejemplo en programa “R” •################################################################# •## PROCESO DE PR0NÓSTICO PARA LA DEMANDA DE LAS UCPS DEL SIN ## •## Para tipo de Día Ordinario1 •## Creado por: Giovanny Casas## •## Dirigido por: Jorge Sierra## •################################################################## •Pronosticador = function(fechainicial, fechafinal, IDUCP,1) 27 No de Modelos Modelo/Metodología a utilizar Fecha Inicial de la Semana a pron Código de UCP (si no se especifica ejecuta todas) Los modelos se estiman con la información de las bases de Datos
- 28. www.enersinc.com 28 Ordinarios Especial Cíclico Especial interanuales Modelo SVAR Modelos VECM Filtrado de atípicos y obs. faltantes Identificación Estimación de Modelos Diagnóstico de Modelos Entrega de mejor pronóstico Filtro de Kalman Test de NoLinealidad(1,7) •Modelo SARIMA Inserción en BD Filtro de Kalman KNN •Modelo VARMA •Modelo BVAR •Modelo VARMA •Modelo BVAR •Modelos No Parám Selección del Modelo Significancia de parámetros Autocorrelación(1) Significancia de parámetros AIC*, BIC*, SQ* Test de pronóstico AIC, BIC, SQ Test de pronóstico Nuevos Modelos Modelo SARIMA (AIC) Competencia por error de Pron
- 29. www.enersinc.com Tipo de día Ordinarios 29 Ordinarios Especial Cíclico Especial interanuales Identificación Reparación de la muestra con algoritmo de KNN (k- Nearest -Neighbord) Tipo día (Crudo) Valor Original Tipo día (KNN) Valor KNN M-Dic12-2010 158 M-Dic12-2010 158 …. MV01-Ene-2011 150 M-Ene-25-2011 160* …. M-Ene-25-2011 M-Ene-25-2011 160 … L14-mar-2011 160 L14-mar-2011 160 L-21-mar-2011 135 L14-mar-2011 160* L-28-mar-2011 L-28-mar-2011 ? Supongamosquequeremospronosticarunlunesordinario.Siestamosa22yhacemosunmodeloautorregresivodeorden7,yellunesanterioresfestivo, tendremosproblemasalcalcularelpronóstico.Porlotantosepuedehacerunareparacióndedíasalmenosdeunaño. La consulta va a traer una muestra de dos años de todos los días, identificando los tipos de días especialesy el día de la semana. Luego reemplazalos especiales por el mismo día de la semana tipo ordinario más cercano, ya sea futuro o pasado. Ejemplo:
- 30. www.enersinc.com Corrección Estacional de Datos Atípicos -KNN 30
- 31. www.enersinc.com Corrección Estadística de Datos Atípicos 31 Time Y2 020406080100120140 10.310.410.510.6
- 33. www.enersin3c3.com Time res_ori 0 100 200 300 400 -1.5 -1.0 -0.5 0.0 0.5 1.0 Time res_ori 0 100 200 300 400 -0.5 0.0 0.5 Time res_ori 0 100 200 300 400 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6
- 34. www.enersinc.com Paso previo de Exploración 34 Ordinal Estacional
- 35. www.enersinc.com Selección de modelos tentativos 35 Órdenes de los modelos Órdenes de los modelos Diferenciación estacional y ordinal
- 36. www.enersinc.com Modelos Utilizados •mod1 <<-arima(Y1, order= c(1, 1, 1), seasonal= list(order= c(1, 1, 2),period= 7), method= c("CSS-ML")) •mod2 <<-arima(Y1, order= c(1, 1, 2), seasonal= list(order= c(1, 1, 2),period= 7), method= c("CSS-ML")) •mod3 <<-arima(Y1, order= c(1, 1, 2), seasonal= list(order= c(1, 1, 3),period= 7), method= c("CSS-ML")) •mod4 <<-arima(Y1, order= c(2, 1, 1), seasonal= list(order= c(1, 1, 1),period= 7), method= c("CSS-ML")) •mod5 <<-arima(Y1, order= c(1, 1, 2), seasonal= list(order= c(1, 1, 1),period= 7), method= c("CSS-ML")) •mod6 <<-arima(Y1, order= c(1, 1, 2), seasonal= list(order= c(2, 1, 3),period= 7), method= c("CSS-ML")) •mod7 <<-arima(Y1, order= c(2, 1, 2), seasonal= list(order= c(1, 1, 1),period= 7), method= c("CSS-ML")) 36
- 38. www.enersinc.com Optmizaciónde factores horarios por tipo de día 38 fcost= 0 x[1]<-0.0266360261414423 x[2]<-0.0253684480329322 x[3]<-0.0248442942154823 x[4]<-0.0250827251188662 x[5]<-0.0281217826813169 x[6]<-0.0359079392493617 x[7]<-0.039236534701487 x[8]<-0.0412397728763965 x[9]<-0.0446920599774453 x[10]<-0.0466645153931382 x[11]<-0.0480279491833962 x[12]<-0.0490627414483348 x[13]<-0.0478368794338761 x[14]<-0.0468164841983431 x[15]<-0.046790614204743 x[16]<-0.0468073383615312 x[17]<-0.0468321945528304 x[18]<-0.0475653338906925 x[19]<-0.054135184793242 x[20]<-0.0559096686387251 x[21]<-0.0532137011302143 x[22]<-0.0473562531448512 x[23]<-0.0392216323605139 x[24]<-0.0326299269718832 factores<<-(optim(x,fr, NULL, upper=rep(1,24), lower= rep(0,24), method = "L-BFGS-B"))$par
- 39. www.enersinc.com Resultados Preeliminares-Centro 39 CND ARIMA(1,1,1)x(1,1,1) SCA PDIAFUT P5 Agente 0.25 0.17 0.66 0.23 0.32 0.25
- 40. www.enersinc.com Resultados Preeliminares-SINU 40 ARIMA(1,1,1)x(1,1,1)ARIMA(1,1,1)x(1,1,1)ARIMA(1,1,1)x(1,1,1)RealSCAPDIAFUTP5Agente0.45 0.80 0.42 3.39 0.95 0.43 0.38
- 41. www.enersinc.com Ejemplo 3 •################################################################# •## PROCESO DE PR0NÓSTICO PARA LA DEMANDA DE LAS UCPS DEL SIN ## •## Para tipo de Día Ordinario1 •## Creado por: Giovanny Casas## •## Dirigido por: Jorge Sierra## •################################################################## •Pronosticador = function(fechainicial, fechafinal, IDUCP,1) •Por Ejemplo: •Pronosticador = function(«2011-04-25»,«Ucentro»,1) 41 No de Modelos Modelo/Metodología a utilizar Fecha Inicial de la Semana a pron Código de UCP (si no se especifica ejecuta todas) Los modelos se estiman con la información de las bases de Datos Terminar Automatización De días ordinarios
- 42. www.enersinc.com 42 Ordinarios Especial Cíclico Especial interanuales Modelo SVAR Modelos VECM Filtrado de atípicos y obs. faltantes Identificación Estimación de Modelos Diagnóstico de Modelos Entrega de mejor pronóstico Filtro de Kalman Test de NoLinealidad(1,7) •Modelo SARIMA Inserción en BD Filtro de Kalman KNN •Modelo VARMA •Modelo BVAR •Modelo VARMA •Modelo BVAR •Modelos No Parám Selección del Modelo Significancia de parámetros Autocorrelación(1) Significancia de parámetros AIC*, BIC*, SQ* Test de pronóstico AIC, BIC, SQ Test de pronóstico Nuevos Modelos Modelo SARIMA (AIC) Competencia por error de Pron