presentacion sesion 12_2014-08-21
TRANSCRIPT
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
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
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)
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
www.enersinc.com
Periodo de mayor desviación en el mes
Nombre UCPPeriodo 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.
www.enersinc.com
Día de mayor desviación en el mes
Nombre UCPDía 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.
www.enersinc.com
Tipo de Periodo que mas se desvía en el mesServirá para observar cual es el periodo en el que se esta presentando mayor desviación para cada UCP.
Nombre UCPTipo 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
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 UCPTipo 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
www.enersinc.com
• Para la selección del modelo se harán uso de los siguientescriterios estadísticos teniendo en cuenta que el tipo depronóstico a utilizar será el que presente el menor error. Cabeanotar que tendrán mayor peso para la elección del modelo,tanto el MAPE como el estadístico U de Thail.
• Para observar qué tipo de modelo es el más adecuado parapronosticar, se revisará el último ajuste de los modelos del tipode día especificado.
26
Selección de Modelos
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
www.enersinc.com28
Ordinarios Especial CíclicoEspecial 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 KalmanKNN
• 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, SQTest de pronóstico
Nuevos Modelos
Modelo SARIMA (AIC)
Competencia por error de Pron
www.enersinc.com
Tipo de día Ordinarios
29
Ordinarios Especial CíclicoEspecial 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 ?
Supongamos que queremos
pronosticar un lunes ordinario. Si
estamos a 22 y hacemos un
modelo autorregresivo de orden
7, y el lunes anterior es festivo,
tendremos problemas al calcular
el pronóstico. Por lo tanto se
puede hacer una reparación de
días al menos de un año.
La consulta va a traer una muestra de dos años de todos los días, identificando los tipos de días
especiales y el día de la semana. Luego reemplaza los especiales por el mismo día de la semana tipo
ordinario más cercano, ya sea futuro o pasado.
Ejemplo:
www.enersinc.com
Corrección Estadística de Datos Atípicos
31
Time
Y2
0 20 40 60 80 100 120 140
10
.31
0.4
10
.51
0.6
www.enersinc.com33
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
www.enersinc.com
Selección de modelos tentativos
35
Órdenes de los modelos
Órdenes de los modelos
Diferenciación estacional y ordinal
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
www.enersinc.com
Optmización de factores horarios por tipo de día
38
fcost = 0
x[1]<-0.0266360261414423x[2]<-0.0253684480329322x[3]<-0.0248442942154823x[4]<-0.0250827251188662x[5]<-0.0281217826813169x[6]<-0.0359079392493617x[7]<-0.039236534701487x[8]<-0.0412397728763965x[9]<-0.0446920599774453x[10]<-0.0466645153931382x[11]<-0.0480279491833962x[12]<-0.0490627414483348x[13]<-0.0478368794338761x[14]<-0.0468164841983431x[15]<-0.046790614204743x[16]<-0.0468073383615312x[17]<-0.0468321945528304x[18]<-0.0475653338906925x[19]<-0.054135184793242x[20]<-0.0559096686387251x[21]<-0.0532137011302143x[22]<-0.0473562531448512x[23]<-0.0392216323605139x[24]<-0.0326299269718832
factores <<-(optim(x,fr, NULL, upper=rep(1,24), lower= rep(0,24), method = "L-BFGS-B"))$par
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
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)Real SCA PDIAFUT P5 Agente
0.45 0.80 0.42 3.39 0.95 0.43 0.38
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 AutomatizaciónDe días ordinarios
www.enersinc.com42
Ordinarios Especial CíclicoEspecial 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 KalmanKNN
• 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, SQTest de pronóstico
Nuevos Modelos
Modelo SARIMA (AIC)
Competencia por error de Pron