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
- Погодинна та короткострокова ціна електроенергії.
- Генерація СЕС/ВЕС з прогнозами погоди.
- Сезонна й добова структура споживання.
- Вірогідність доступності навантаження та поведінка користувача.
- Фізичні обмеження – SOC, резерв, обмеження точки приєднання.
- Імовірність небалансів та вартість відхилення.
- 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.
| Прогноз | Навіщо | Що відбувається при помилці |
|---|---|---|
| Ціни ринку | Вибір годин заряду й розряду | Батарея працює в невигідні години; маржа падає |
| Генерація СЕС/ВЕС | Планування відпуску й заряду від власної генерації | Небаланси й втрачена генерація |
| Споживання об’єкта | Резерв для процесу клієнта, зниження піку | Пік не знято або резерв витрачено не вчасно |
| Доступність активу | Скільки енергії й потужності реально є в інтервалі | Зобов’язання, яке неможливо виконати |
| Погода й температура | Генерація, споживання HVAC, зниження потужності батареї | Хибні 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.
| Позначка | Що означає | Що робити |
|---|---|---|
| Застаріле значення | Дані перестали оновлюватися, але показують останнє число | Вважати невідомими; не планувати на них |
| Дрейф часу | Годинник пристрою розходиться з еталоном | Синхронізувати; перерахувати інтервали |
| Пропуск | Немає даних за інтервал | Позначити; не заповнювати вручну |
| Конфлікт джерел | Телеметрія й лічильник показують різне | Розслідувати до використання в розрахунках |
| Неможливе значення | Генерація вночі, потужність вище ліміту | Відкинути 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
| Показник | Що вимірює | Бізнес-значення |
|---|---|---|
| Середня абсолютна похибка | Наскільки в середньому прогноз відрізняється від факту | Загальна точність, але не ризик великих помилок |
| Похибка у пікові години | Точність саме тоді, коли ухвалюють рішення | Безпосередньо впливає на маржу циклу |
| Правильність ранжування годин | Чи вірно визначено дешеві й дорогі години | Головне для арбітражу |
| Частка великих помилок | Як часто похибка перевищує поріг | Ризик небалансу й збиткових операцій |
| Результат на відкладеній вибірці | Як модель працює на даних, яких не бачила | Захист від самообману підгонкою |
Порядок побудови прогнозного контуру
- Визначте, які прогнози потрібні для обраної моделі: ціна, споживання, генерація, доступність активу.
- Зберіть історичні дані з відмітками якості й однаковим часовим кроком.
- Побудуйте просту базову модель, з якою порівнюватимете складніші.
- Оцініть якість на відкладеній вибірці за показниками, важливими для бізнесу.
- Визначте запобіжники: що робить стратегія, коли прогноз відсутній або невизначеність висока.
- Запустіть прогноз у тіньовому режимі й порівнюйте з фактом щонайменше кілька тижнів.
- 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
| Помилка | Чим вона обходиться |
|---|---|
| Будувати економіку на ідеальному знанні цін | Завищений дохід, якого не дасть жоден реальний оптимізатор. |
| Довіряти застарілому значенню телеметрії | Команда на основі стану, якого вже немає. |
| Не враховувати похибку прогнозу в зобов’язаннях | Регулярні небаланси й штрафи. |
| Не зберігати версії алгоритму й профілю | Неможливо пояснити минулі рішення й розрахунки. |
| Оцінювати прогноз лише середньою похибкою | Не видно рідкісних великих помилок, які дають основні збитки |
| Перевіряти модель на тих самих даних, на яких її налаштовано | Завищена 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.