Prognozowanie i analiza danych w energetyce

Szkolenie wprowadza od podstaw niezbędne pojęcia statystyczne, a następnie kolejne metody analityczne: analizę regresji, metody prognozowania szeregów czasowych, prognozowanie za pomocą sieci neuronowych, a także metody klasyfikacji. Na szkoleniu będą wykorzystane rzeczywiste dane pochodzące z polskich przedsiębiorstw.

Dla kogo?

• Dla wszystkich, którzy przygotowują prognozy zapotrzebowania na energię elektryczną lub cieplną i jej przyszłego zużycia – w elektrowniach, elektrociepłowniach, zakładach energetycznych itp.

Co zyskasz?

• Poznasz podstawowe pojęcia z zakresu prognozowania
• Poznasz różnorodne metody umożliwiające formułowanie prognoz oraz ocenę ich trafności
• Dowiesz się, które z zaawansowanych metod prognozowania stosować w branży energetycznej
• Nauczysz się samodzielnie modelować i prognozować szeregi czasowe w programie Statistica
• Zaoszczędzisz czas i zredukujesz wydatki firmy, stosując nowoczesne narzędzia Statistica do prognozowania zapotrze­bowania oraz zużycia energii elektrycznej lub cieplnej

Program szkolenia

1. Wprowadzenie do statystycznej analizy danych
   • Podstawowe pojęcia
   • Zakres zastosowań metod statystycznych
2. Wybrane operacje na danych
   • Import arkusza MS Excel i sposoby sprawdzania poprawności danych
   • Czyszczenie danych
3. Elementy statystyki opisowej
   • Badanie rozkładu zmiennych
   • Charakterystyki liczbowe rozkładu zmiennej
   • Analiza statystyk opisowych w grupach
4. Elementy wnioskowania statystycznego
   • Testowanie hipotez statystycznych
   • Przykłady weryfikacji hipotez statystycznych
5. Wybrane metody analizy współzależności pomiędzy zmiennymi
   • Wprowadzenie
   • Elementy analizy korelacyjnej
   • Regresja liniowa dwóch zmiennych (regresja prosta)
   • Regresja wieloraka
     • Metody budowy modeli
   • Estymacja modeli nieliniowych
6. Metody prognozowania szeregów czasowych – wprowadzenie
   • Składniki szeregu czasowego
   • Metody prognozowania
   • Miary oceny trafności prognoz
7. Analiza trendu
   • Średnie ruchome
   • Analityczna metoda wyodrębniania trendu
   • Eliminacja trendu
8. Analiza wahań okresowych
   • Sezonowość addytywna i multiplikatywna
   • Metoda Census I
   • Eliminacja wahań okresowych
9. Zastosowanie modeli regresji w prognozowaniu szeregów czasowych
   • Trendy
   • Modele ze zmiennymi zerojedynkowymi
   • Modele autoregresji
   • Uwzględnianie informacji ze zmiennych dodatkowych
   • Trendy jednoimiennych okresów
10. Modele ARIMA
    • Struktura modelu
    • Doprowadzanie analizowanego procesu do stacjonarności
    • Poszukiwanie dopuszczalnego modelu
    • Weryfikacja modelu
11. Wyrównywanie wykładnicze
    • Zasady wyrównywania wykładniczego
    • Wybór modelu
    • Ocena wyników
12. Analiza skupień
    • Podstawy analizy skupień
    • Wybór miary odległości, metody i strategii grupowania
    • Metoda Warda i metoda k-średnich
    • Zastosowanie metod analizy skupień w analizie szeregów czasowych
13. Analiza obserwacji ekstremalnych i nietypowych
14. Analiza dyskryminacyjna
15. Modele logitowe
16. Sieci neuronowe
    • Neuron i jego budowa
    • Sieć neuronowa – architektura, funkcje aktywacji i błędu
    • Uczenie sieci
    • Zalety sieci i zagrożenia związane z ich stosowaniem
    • Neuronowe modele regresyjne
    • Wykorzystanie sieci do prognozowania szeregów czasowych
    • Techniki klasyfikacji wzorcowej