Prototype of an In-Memory Business Intelligence Solution for the Support of Forecasting of Energy Load Demand

Projekt był kontynuacją działań skupiających się wokół prognozowania zapotrzebowania na energię elektryczną na poziomie indywidualnych użytkowników oraz prognozowania generacji energii ze źródeł odnawialnych przy wykorzystaniu przetwarzania in-memory. Celem projektu było przygotowanie prototypu aplikacji Business Intelligence pozwalającej na praktyczne wykorzystywanie uprzednio opracowanych modeli prognostycznych, biorąc pod uwagę różnorodne zestawy zmiennych. Aplikacja dedykowana dla SAP HANA ma wspierać użytkowników w procesie podejmowania decyzji biznesowych w sektorze energetyki, umożliwiać im interaktywny dostęp do modeli prognostycznych, pozwalać na wizualizację prognoz oraz ich dynamiczną modyfikację poprzez wprowadzanie nowych zmiennych, czy zmianę istniejących parametrów. Co najważniejsze, korzystanie z aplikacji nie wymaga od użytkownika znajomości żadnego języka programowania. Pośredni cel projektu to ocena możliwości raportowania SAP HANA.

W projekcie przewidziano rozszerzenie dotychczas przygotowanych modeli prognostycznych o nowe zmienne oraz użycie innych metod prognozowania celem wzrostu dokładności przygotowywanych prognoz, a w konsekwencji zwiększenia możliwości ich biznesowego wykorzystania.

Poniżej przedstawiono opis głównego scenariusza projektu w formie Elevator Pitch:
DLA: analityka – operatora energetycznego
KTÓRY: chce oszacować prognozę generacji odnawialnej oraz zużycia energii dla sztucznie zdefiniowanego obszaru
W OPARCIU O: aplikację SAP HANA i Crystal Reports
KTÓRA JEST: narzędziem pozwalającym przygotować predefiniowane zestawy modeli prognostycznych
DZIĘKI CZEMU: analityk będzie mógł dynamicznie szacować i porównywać wiele kombinacji modeli, zmiennych i obszarów bez znajomości języka programowania
W PRZECIWIEŃSTWIE DO: innych rozwiązań komercyjnych umożliwiających jedynie wybieranie ściśle statycznych modeli bazujących na małej liczbie zmiennych
PROJEKT: pozwoli wyznaczać i porównywać prognozy generacji odnawialnej oraz zużycia energii elektrycznej (dla pojedynczych zmiennych, dla wartości zagregowanych, itp.) dla sztucznie zdefiniowanych obszarów (około 20), przy założeniu, że (1) ceny energii elektrycznej nie odgrywają kluczowej roli oraz (2) wiedza i doświadczenie analityka jest podstawą sukcesu jeśli chodzi o określenie (ustalenie) ile energii elektrycznej należy kupić w danej jednostce czasu (różnica miedzy prognozami generacji odnawialnej i zużycia energii elektrycznej dla klientów indywidualnych)

Czas trwania: Wrzesień 2013 - Kwiecień 2014