09 · Дані · 9 хв

Прогнозування, цифровий двійник і дані

Навіщо знати не тільки SOC, а й майбутню доступність енергії

Один об'єкт – одне нормалізоване представлення

Wesfin Cloud повинен бачити не назви регістрів інвертора, а підтверджені величини: поточну потужність, SOC, доступний заряд і розряд, часову придатність даних, обмеження мережі, прогноз навантаження та рівень довіри до вимірювань. Це дозволяє комбінувати батареї, СЕС і гнучке споживання без спеціальної логіки під кожного виробника в портфельному оптимізаторі.

Якість даних — комерційний параметр. Застарілий SOC, невідомий стан лічильника або розбіжність між телеметрією та офіційним обліком мають знижувати доступну гнучкість і за необхідності блокувати виконання команд.

Які прогнози справді потрібні

  1. Погодинна та короткострокова ціна електроенергії.
  2. Генерація СЕС/ВЕС з прогнозами погоди.
  3. Сезонна й добова структура споживання.
  4. Вірогідність доступності навантаження та поведінка користувача.
  5. Фізичні обмеження – SOC, резерв, обмеження точки приєднання.
  6. Імовірність небалансів та вартість відхилення.
  7. Старіння батареї й доступний гарантійний ресурс.

Роль Wesfin News та Knowledge

Колектор і система знань забезпечують датовані джерела для норм, тарифних моделей і ринкових умов. Новинний сервіс показує зміни, які потрібно перевірити перед застосуванням. Жодна новина, прогноз чи дані демонстрації не повинні без перевірки ставати юридично значущою розрахунковою основою.

Які прогнози потрібні і скільки коштує помилка

Ціна помилки несиметрична. Перепродати енергію, якої не буде, гірше, ніж недопродати: перше дає небаланс і штраф, друге — лише недоотриманий дохід. Тому оптимізатор працює з прогнозом і запасом на його похибку, а не з найкращою оцінкою.

Прогнози енергетичного об’єкта
ПрогнозНавіщоЩо відбувається при помилці
Ціни ринкуВибір годин заряду й розрядуБатарея працює в невигідні години; маржа падає
Генерація СЕС/ВЕСПланування відпуску й заряду від власної генераціїНебаланси й втрачена генерація
Споживання об’єктаРезерв для процесу клієнта, зниження пікуПік не знято або резерв витрачено не вчасно
Доступність активуСкільки енергії й потужності реально є в інтерваліЗобов’язання, яке неможливо виконати
Погода й температураГенерація, споживання HVAC, зниження потужності батареїХибні прогнози двох попередніх рядів

Цифровий двійник: що в ньому має бути

  • Паспорт активу: потужність, енергія, ККД на PCC, допустимий діапазон заряду, крива потужності.
  • Обмеження: ліміти PCC, резерв клієнта, вікна недоступності, гарантійні обмеження циклів.
  • Стан: поточний рівень заряду, температура, деградація, режим BMS.
  • Зобов’язання: що вже продано чи заплановано на найближчі інтервали.
  • Історія: план, команда, фактична реакція й відхилення по кожному інтервалу.
  • Версії: яка версія профілю обладнання й алгоритму діяла в кожен момент.

Звіт якості даних

Перш ніж довіряти моделі, потрібен звіт якості даних з позначками ризику. Він не прикрашає дані, а показує, де їм не можна вірити.

Типові позначки ризику
ПозначкаЩо означаєЩо робити
Застаріле значенняДані перестали оновлюватися, але показують останнє числоВважати невідомими; не планувати на них
Дрейф часуГодинник пристрою розходиться з еталономСинхронізувати; перерахувати інтервали
ПропускНемає даних за інтервалПозначити; не заповнювати вручну
Конфлікт джерелТелеметрія й лічильник показують різнеРозслідувати до використання в розрахунках
Неможливе значенняГенерація вночі, потужність вище лімітуВідкинути й знайти причину

Чесний backtest: стеля і реальність

Розрахунок «з ідеальним знанням майбутнього» показує теоретичну стелю: що заробила б батарея, якби заздалегідь знала всі ціни. Реальний оптимізатор цього не знає. Чесний backtest рахує обидва варіанти й показує різницю: що могло б бути, і що вийшло б з прогнозом, доступним на момент рішення.

Якщо в моделі використано лише стелю, вона завищує результат. Розрив між стелею й реалістичним сценарієм — сам по собі корисна метрика: що він більший, то більше цінності у кращому прогнозуванні.

Умовний приклад: застаріле значення рівня заряду

Контролер перестав отримувати дані від BMS, але інтерфейс показує останнє відоме значення — 85 % заряду. Оптимізатор планує розряд на вечірній пік, хоча насправді батарея за цей час розрядилася на власне споживання до 40 %. У пікову годину вона віддає менше половини запланованого, і різниця стає небалансом.

Захист від цього простий, але обов’язковий: кожне значення має час останнього оновлення, і значення старше заданого порогу вважається невідомим. План на невідомому стані не будується.

Приклад умовний.

Де шукати контекст змін

Прогноз цін спирається не лише на історію, а й на зміни правил і ринку: нові тарифи, зміни правил ринку, обмеження в енергосистемі. Wesfin News публікує новини ринків і технологій, а Wesfin Knowledge — первинні джерела норм. Новина не є підтвердженням норми: для рішення потрібен текст акта.

Прогноз ціни: що можна передбачити, а що ні

Ціни на ринку «на добу наперед» мають виразну структуру: денний спад у сонячні години, вечірній пік, відмінності між робочими днями й вихідними, сезонність. Цю структуру добре вловлюють навіть прості моделі. Набагато складніше передбачити величину розриву між найдешевшою й найдорожчою годиною в конкретний день — а саме від неї залежить маржа арбітражу.

Тому важливіше не те, наскільки точно модель прогнозує середню ціну, а те, наскільки правильно вона визначає, у які години заряджати й розряджати. Прогноз, який помиляється в рівні ціни, але правильно ранжує години, може давати майже такий самий результат, як ідеальний.

Окремий ризик — нетипові дні: аварії в енергосистемі, графіки відключень, зміни правил ринку. Модель, навчена на спокійному періоді, може систематично помилятися саме тоді, коли ставки найвищі. Тому в стратегії потрібні запобіжники: обмеження на зобов’язання, коли невизначеність прогнозу велика.

Прогноз власного споживання й генерації

  • Споживання підприємства залежить від графіка змін, сезону, температури й замовлень — ці фактори треба включити в модель.
  • Генерація СЕС залежить від хмарності; помилка прогнозу на наступну добу може бути значною, а внутрішньодобове уточнення її зменшує.
  • Похибку прогнозу варто оцінювати не середнім значенням, а розподілом: як часто й наскільки сильно модель помиляється.
  • Для кожного прогнозу потрібна запасна стратегія на випадок, якщо дані не надійшли або очевидно хибні.

Як оцінити якість прогнозної моделі

Показники якості прогнозу й що вони означають для бізнесу
ПоказникЩо вимірюєБізнес-значення
Середня абсолютна похибкаНаскільки в середньому прогноз відрізняється від фактуЗагальна точність, але не ризик великих помилок
Похибка у пікові годиниТочність саме тоді, коли ухвалюють рішенняБезпосередньо впливає на маржу циклу
Правильність ранжування годинЧи вірно визначено дешеві й дорогі годиниГоловне для арбітражу
Частка великих помилокЯк часто похибка перевищує порігРизик небалансу й збиткових операцій
Результат на відкладеній вибірціЯк модель працює на даних, яких не бачилаЗахист від самообману підгонкою

Порядок побудови прогнозного контуру

  1. Визначте, які прогнози потрібні для обраної моделі: ціна, споживання, генерація, доступність активу.
  2. Зберіть історичні дані з відмітками якості й однаковим часовим кроком.
  3. Побудуйте просту базову модель, з якою порівнюватимете складніші.
  4. Оцініть якість на відкладеній вибірці за показниками, важливими для бізнесу.
  5. Визначте запобіжники: що робить стратегія, коли прогноз відсутній або невизначеність висока.
  6. Запустіть прогноз у тіньовому режимі й порівнюйте з фактом щонайменше кілька тижнів.
  7. Регулярно переоцінюйте модель: ринок змінюється, і точність, досягнута торік, не гарантована сьогодні.

Дані, яким не можна довіряти без перевірки

  • Значення, що не змінюються довго: часто це завислий датчик чи обірваний зв’язок, а не стабільний процес.
  • Різкі стрибки без фізичного пояснення: помилка масштабування чи передачі.
  • Дані без часової мітки джерела: невідомо, коли їх насправді виміряно.
  • Розбіжність між телеметрією обладнання й комерційним обліком понад допустиму похибку.

Скільки коштує неточний прогноз: умовний розрахунок

Візьмімо навчальну батарею з посібника: 1,72 МВт·год відпуску за цикл. Якщо через помилку прогнозу розряд зміщено з години, де ціна продажу 220 EUR/МВт·год, на годину з ціною 190 EUR/МВт·год, втрата становить 1,72 × 30 ≈ 52 EUR за один цикл. За 300 циклів на рік, якщо така помилка трапляється в кожному п’ятому циклі, це близько 3 100 EUR. Значення умовні, але показують, чому якість ранжування годин вартує інвестицій у дані.

Так само можна оцінити й протилежне: скільки коштує вдосконалення моделі. Якщо кращий прогноз зменшує частку помилкових циклів удвічі, умовний виграш у цьому прикладі — близько 1 500 EUR на рік. Порівняйте це з вартістю даних, розробки й підтримки моделі, перш ніж інвестувати в складніші методи.

Розрахунок варто повторювати щокварталу на свіжих даних.

Ціни й частота помилок навчальні; вони ілюструють метод оцінки, а не ринок.

Типові помилки і їхня ціна

ПомилкаЧим вона обходиться
Будувати економіку на ідеальному знанні цінЗавищений дохід, якого не дасть жоден реальний оптимізатор.
Довіряти застарілому значенню телеметріїКоманда на основі стану, якого вже немає.
Не враховувати похибку прогнозу в зобов’язанняхРегулярні небаланси й штрафи.
Не зберігати версії алгоритму й профілюНеможливо пояснити минулі рішення й розрахунки.
Оцінювати прогноз лише середньою похибкоюНе видно рідкісних великих помилок, які дають основні збитки
Перевіряти модель на тих самих даних, на яких її налаштованоЗавищена оцінка якості й розчарування після запуску

Робочий аркуш інвестора · застосовуйте до власного проєкту

Практичне рішення

Чи не завищує backtest дохід через невідомі ціни, помилки даних або підглядання в майбутнє?

Які дані підготувати

  • Повний ряд цін і дата їхнього фактичного оприлюднення
  • Профіль споживання, генерація, погода, якість даних
  • SOC та історія обмежень батареї
  • Межа прогнозного горизонту і дата прийняття рішення
  • Історичні простої, fault/availability

Умови, за яких рішення необхідно зупинити або переглянути

  • Розділити perfect foresight ceiling та реалізований forecast.
  • Позначити пропуски, time drift, різні часові зони й зміни літнього часу.
  • Не підміняти незалежні вимірювання вимірюваннями самого контролера.

Приклад для перевірки логіки

Якщо модель обирає найвищу вечірню ціну після факту, це верхня теоретична межа, а не чесний прогноз на момент закупівлі.

Який документ має бути результатом

Data Quality Report і дата-сет з відтворюваною методикою історичної оптимізації.

Wesfin Technologies · Сайт працює; демонстрацію замовляють на tech.wesfin.energy

Оцінити якість ваших даних

Wesfin Technologies розвиває програмну інфраструктуру для даних, прогнозів і планування енергетичних активів. Демонстрацію й обговорення ваших даних замовляють на сайті Technologies.

Що підготувати: опис джерел даних; зразок вивантаження за місяць; перелік активів; цілі прогнозування.

Замовити демонстрацію Wesfin Technologies ↗ (відкривається в новій вкладці)

Інструменти до цієї глави

Джерела глави

Перевірено 21.11.2026. Посібник не є юридичною чи інвестиційною консультацією: перед рішенням звірте чинні редакції актів на дату рішення.