Почта post@info-pro.kz
Ансамбли ML-моделей
Экспертная корректировка
Готовый рабочий процесс
Почасовая детализация
Несколько дней вперёд
SaaS-сервис прогнозирования

Прогнозирование потребления электроэнергии как сервис

Получайте актуальный прогноз на несколько дней вперёд без внедрения собственной ML-платформы, ML-команды и сложной инфраструктуры.
Обсудить проект О компании
Россия
>15% энергопотребления РФ прогнозируется ежедневно на решениях ИНФОПРО
Ежедневные расчёты Ежедневные расчёты
Почасовая детализация Почасовая детализация
Промышленная эксплуатация Промышленная эксплуатация
Показатель отражает подтверждённый результат промышленной эксплуатации.
Промышленный опыт

Технология уже работает в масштабе всей страны

С помощью решений ИНФОПРО энергосбытовые компании ежедневно прогнозируют более 15% потребления электроэнергии в России — каждый шестой киловатт-час.
13 регионов Единый центр прогнозирования

Отраслевая эффективность

8% Меньше ошибка прогноза

Гарантирующие поставщики

13 энергосбытовых компаний 13 регионов

Отклонения на балансирующем рынке, МВт·ч
346 Ведущее зарубежное решение
319 При параллельном сравнении на одних и тех же объектах ошибка прогноза ИНФОПРО на 8% ниже
≈ 27 МВт·ч в час меньше каждый час
— около 240 ГВт·ч в год
14% Меньше отклонений

Промышленные потребители

6 предприятий: нефтепереработка, нефтехимия, нефтедобыча, морской нефтяной терминал

Отклонения на балансирующем рынке, МВт·ч
24,8 Плановые объемы, которые заявляли сами предприятия.
21,4 ИНФОПРО
Прогноз только по истории потребления, погоде и календарю — без доступа к производственным планам.
≈ 3,4 МВт·ч в час меньше каждый час
— около 30 ГВт·ч в год

Технология применяется шире

Теплоснабжение

Теплоснабжение

Прогноз теплопотребления, расчёт потерь в тепловых сетях, оптимизация работы котельных

Цифровой двойник предприятия

Цифровой двойник предприятия

На 8% меньше энергопотребление при оптимизации режима, до 32% — при неоптимальном составе оборудования

Возобновляемая энергетика

Возобновляемая энергетика

Автоматический прогноз выработки ветровых электростанций в полном цикле

Цены балансирующего рынка

Цены балансирующего рынка

Прогноз цен балансирующего рынка Республики Казахстан с применением ИИ

Исследовательский проект
Что получает клиент

Прогноз как результат, а не как проект

Прогноз на несколько дней

Прогноз на несколько дней

Почасовая детализация, ежедневное уточнение
Готовый ML-контур

Готовый ML-контур

Не нужно строить и содержать инфраструктуру
Контроль качества

Контроль качества

Данные и прогноз
Единое пространство

Единое пространство

Общая база и результаты для всей команды
Штат ML-инженеров не нужен

Штат ML-инженеров не нужен

Переобучение и развитие — на стороне ИНФОПРО
Высокая точность прогнозирования

Высокая точность прогнозирования

Средневзвешенная ошибка (MAPE) — 1,5–1,7 %
Показатель отражает подтверждённый результат эксплуатации и не является гарантией точности для каждого объекта. Фактическая точность зависит от региона, объекта и качества исходных данных.
MAPE (Mean Absolute Percentage Error) — средняя абсолютная ошибка прогноза в процентах относительно фактических значений
Экономический эффект

Ошибка прогноза — это не просто процент погрешности

Она напрямую влияет на затраты на закупку электроэнергии.
Меньше отклонение

Меньше отклонение

точнее планирование объёма
Меньше затрат

Меньше затрат

на закупку электроэнергии
Экономический эффект
Почему прогнозирование сложно

Это не один расчёт, а множество процессов

Чтобы прогноз оставался точным день за днём, нужно постоянно следить за данными, моделями и инфраструктурой.
Сервис берёт эту сложность на себя.
Вы работаете с готовым результатом и процессом прогнозирования.
Данные и их качество Данные и их качество
Модели и переобучение Модели и переобучение
Погодные и календарные факторы Погодные и календарные факторы
Инфраструктура и эксплуатация Инфраструктура и эксплуатация
Ежедневная операционная работа Ежедневная операционная работа
Всё это — на стороне ИНФОПРО
Как работает сервис

Ежедневный процесс без ручной сложности

  1. 1
    Актуальный факт
  2. 2
    Проверка данных
  3. 3
    Запуск прогноза
  4. 4
    Получение прогноза
  5. 5
    Анализ
  6. 6
    Экспертная корректировка
  7. Использование
    Использование
Настройка под клиента

Сервис подстраивается под задачу и данные клиента

ИНФОПРО анализирует историю, формирует первоначальный ансамбль моделей, обучает и проверяет его на данных, не использованных для обучения.
  1. 1
    История
    данных
  2. 2
    Анализ
  3. 3
    Ансамбль
    моделей
  4. 4
    Обучение
    и проверка
  5. 5
    Настройка
    процесса
  6. 6
    Ввод в
    эксплуатацию
Прогнозирование потребления электроэнергии как сервис
Горизонт прогнозирования
Горизонт прогнозирования

Скользящий прогноз, а не разовый расчёт

Х+1 — ключевой оперативный горизонт, который ежедневно уточняется после поступления нового факта. Продукт не ограничивается прогнозом только на следующий день.
  1. 1
    Поступают новые факты Каждый день добавляются реальные данные за прошедший период.
  2. 2
    Модель обновляется На основе новых данных пересчитывается прогноз.
  3. 3
    Сдвиг горизонта Х+1 каждый день смещается на следующий календарный день, а весь прогноз пересчитывается.
Современный ML-контур

Все передовые методы, применимые к задаче

Для объекта формируется ансамбль, результаты моделей комбинируются, конфигурация индивидуально настраивается под данные клиента.

В контур входят и передовые российские модели:

CatBoost
CatBoost Яндекс
TSForesight
TSForesight Сбер
Современный ML-контур
Контроль данных и качества

Управляемость на каждом шаге

Контроль данных и качества Управляемость на каждом шаге
Исходные данные

Исходные данные

стрелка
Полнота, актуальность, пропуски и аномалии в исходных данных.
Загрузка

Загрузка

стрелка
Состояние и доступность внешних данных из различных источников.
Факт / прогноз

Факт / прогноз

стрелка
Отклонения и показали качества прогнозов на каждом этапе.
Динамика качества и прошлые расчёты для анализа

История

Динамика качества и прошлые расчёты для анализа
Единое рабочее пространство

Одна база и результаты для всей команды

Несколько сотрудников работают с единой базой и едиными результатами. Можно распределять объекты и задачи — сотрудники взаимозаменяемы, локальные базы передавать не нужно.
сообщение
07:15 Прогноз Х+1 рассчитан по всем объектам
сообщение
07:48 Анна К. скорректировала прогноз по объекту 05
сообщение
08:02 Объекты 17–24 временно переданы Михаилу С.
От прогноза к процессу

Прогноз становится частью рабочего процесса

Закупка электроэнергии, подготовка заявок, управление объемами, анализ отклонений и энергопотребления
От прогноза к процессу
Планирование закупки
Планирование закупки Оптимальные объемы и сроки закупок на основе прогнозов и анализа рынка.
Торговля электроэнергией
Торговля электроэнергией Управление объемами и ценовыми параметрами на рынке.
Ценозависимое снижение потребления
Ценозависимое снижение потребления Анализ и управление потреблением с учетом цены на электроэнергию.
Подача заявок РСВ и ППП
Подача заявок РСВ и ППП Автоматизация и контроль подачи заявок на рынок и в плановые процессы.
SaaS и On-Prem

Два формата работы: готовый сервис или собственная платформа

Прогнозирование как сервис
Прогнозирование как сервис Готовый сервис прогнозирования. Инфраструктура и ML-контур — на стороне ИНФОПРО.
  • Подписка
  • Готовые панели и рабочий процесс
  • Регулярное переобучение и развитие ML-контура
  • Стандартные интеграции и опции
Собственная платформа прогнозирования
Собственная платформа прогнозирования Полноценная платформа прогнозирования на инфраструктуре заказчика.
  • Бессрочное право использования приобретённого ПО
  • Самостоятельное управление ML-контуром
  • Собственные модели, предикторы и параметры
  • Собственные интеграции и панели
1
Задача
2
Исторические данные
3
Анализ и первичная настройка ИНФОПРО
4
Проверка и обсуждение результатов
Пилот

Проверьте сервис на своих данных

Покажем, как сервис работает на задаче вашей компании, без необходимости строить собственный ML-контур.
Обсудить тестирование

Частые вопросы

Не нашли ответ? Напишите нам

Историческая статистика потребления и доступ к необходимым дополнительным данным по объектам прогнозирования.

ИНФОПРО анализирует данные, формирует ансамбль моделей, проверяет результат и настраивает рабочий процесс — подробнее в разделе «Настройка под клиента».

Нет. Весь ML-контур настраивается и сопровождается ИНФОПРО.

Да, сервис предоставляет единое рабочее пространство с общей базой и результатами для нескольких сотрудников.

Данные и прогноз проходят постоянный контроль: полнота, аномалии, отклонения факт/прогноз, динамика точности.

Стандартные интеграции и опциональные модули, включая прямую подачу заявок РСВ и ППП.

Да, для организаций с повышенными требованиями к ИБ и собственной инфраструктурой — см. раздел «SaaS и OnPrem».