Energie vraag planning

De afgelopen jaren zijn we meermalen betrokken geweest bij het proces van het voorspellen van de energievraag bij energieleveranciers en -handelaren. Nauwkeurig 'load forecasten', zoals dit proces ook wel wordt genoemd, lijkt steeds meer in belang toe te nemen. zowel voor een portefeuille van retail klanten als voor interval bemeten klanten liggen daar belangrijke uitdagingen in. In deze blog benoemen we er een zevental.

Het belangrijkste uitgangspunt voor een goede forecast is uiteraard de integratie met een kwalitatief goede klantportfolio administratie, met daarin de juiste diversiteit aan klantkenmerken. Klantkenmerken die verklarend zijn voor het energieverbruik. De gebruikte kenmerken verschillen tussen een lange en korte termijn forecast en ook tussen groepen retail klanten en interval bemeten klanten. Uiteraard zijn type bedrijfsproces, graad van energie-efficiency, energie-verbruikende onderdelen, openings/produktietijden, economische stabiliteit/factoren en demografische factoren van invloed. Het op orde en kwalitatief goed onderhouden krijgen van de portfolio vraagt aandacht. Vooral bij nieuwe klanten moet hier systematisch aandacht aan worden besteed.

Een tweede factor van belang is de voorspelling van de ontwikkeling van de klantportefeuille. Hierbij gaat het om het marketing/verkoop succes van jezelf en de concurrentie, het behoud/verlengen van relaties met klanten en het tempo waarmee dat succes via het marktmodel en bestaande contracttermijnen zichtbaar wordt in de administratie. Het voorspellen en monitoren van de sales en campagne effectiviteit vraagt speciale aandacht.

Sterke sturing is vervolgens nodig op de data-kwaliteit van data toeleveranciers. Daarbij kun je denken aan de kwaliteit van de weersvoorspellingen, de datakwaliteit van historische verbruiken en de kwaliteit van de samenstelling van de portfolio. Hierbij gaat het ook om de tijdige beschikbaarheid van de informatie. Het samenstellen van een datakwaliteitsmonitor kan daarbij helpen.

Verder kan de kwaliteit van de voorspelling sterk worden vergroot door het efficient organiseren van nauw contact met belangrijke klanten. Een goede relatie resulteert in goede eigen nominaties, het doorgeven van veranderingen in hun aanwezigheid, bijv. overwerk of extra ploegendienst, in hun produktieproces, of in de beschikbaarheid van een eigen produktieeenheid (WKK, WKC), het doorgeven van lokale omstandigheden bijv. met het weer en bijzondere gebeurtenissen als stakingen, sportevents en karnaval. Uiteraard geldt dit zeker voor klanten die inherent slecht voorspelbaar zijn.

Het volgende aandachtspunt is de logische groepering van klanten. Uiteraard is het daarbij gewenst te groeperen zodanig dat de verbruiken gecorreleerd zijn, zodat specifieke kenmerken behouden blijven en kleine 'ruis' niet onnodig uitvergroot raken. De groepering kan bijv. rekening houden met vergelijkbare beïnvloedingsfactoren. Ook van belang is dat de groepering zodanig is dat ze efficient werkt. Bijvoorbeeld als één dag meetdata van een netbeheerder ontbreekt, dan moeten de betreffende aansluitingen kunnen worden gecorrigeerd. Of bijvoorbeeld als er stroomuitval is in een bepaalde regio dan moeten de betreffende klanten eenvoudig kunnen worden gecorrigeerd.

Verdere optimalisatie is mogelijk door toepassing en het combineren van verschillende voorspellingsmodellen voor een klantgroep. En door het combineren van beïnvloedingsfactoren tot bijgestelde factoren met een significante samenhang met de meetdata. Zo is het verbruik van een camping sterk gecorreleerd met 'aangenaam weer', een combinatie van zon, temperatuur, wind en neerslag.

Tot slot is het wenselijk specifiek te kijken naar de behoeften van verschillende afnemers van het forecast resultaat, forecast analyses en het forecast succes. Individuele klantforecasts worden veelal heel anders toegepast dan portfolio forecasts. Inkopers zoeken naar andere factoren dan risicobeheersers. De resultaten en rapportages geven hele verschillende invalshoeken.

 Met de opkomst van het smart grid wordt (load) forecasting alleen maar interessanter en belangrijk. Hoewel dan ook gebruik gemaakt kan gaan worden van realtime meetdata.

Meer weten? Neem contact op via Rijk van Vulpen