15-Minuten-Auflösung
Ein Lastwert für jede Viertelstunde, über den ganzen Tag und jede konfigurierte Ebene des Portfolios.
Je genauer die Prognose einer Bilanzgruppe ihre tatsächliche Last trifft, desto kleiner ihre Unausgeglichenheit und desto geringer die Kosten, es abzurechnen – short oder long.
Das Exposure einer Bilanzgruppe wird durch die Genauigkeit ihrer Lastprognose bestimmt. Wird die Last unterschätzt, ist die Gruppe genau dann short, wenn das System short und die Unausgeglichenheit am teuersten ist; wird sie überschätzt, bringt die resultierende Long-Position wenig, wenn das System ohnehin long ist. Standard-Lastprofile übersehen die spezifischen Treiber der Nachfrage eines Portfolios: seinen Kundenstamm, seine angeschlossenen Anlagen und das Wetter über seiner Region.
Orvio trainiert ein dediziertes Machine-Learning-Modell auf der Messhistorie des Portfolios und dem Wetter, das seine Last treibt, und prognostiziert dann die Last für jede Viertelstunde über das Portfolio. Die Prognose entsteht von unten nach oben auf jeder konfigurierten Portfolio-Ebene, sodass sich die Zahlen von einer einzelnen Zählergruppe bis zur gesamten Bilanzgruppe zusammenfügen.
Das Modell trainiert täglich auf den neuesten Messwerten nach, und jeder Lauf wird an den aufgezeichneten Zählerdaten gemessen, sodass Genauigkeit gemessen statt vorausgesetzt wird.
Ein Lastwert für jede Viertelstunde, über den ganzen Tag und jede konfigurierte Ebene des Portfolios.
Die Messhistorie des Portfolios und das regionale Wetter, kein generisches Lastprofil.
Das Modell trainiert auf den neuesten Messwerten nach und folgt so dem tatsächlichen Verbrauch über die Jahreszeiten.
Die Prognose aggregiert von der Zählergruppe zur Bilanzgruppe, ohne die zugrunde liegenden Details zu verlieren.
Prognosen werden auf der Plattform und über die API geliefert, mit derselben Zeitstempelung und Bewertung wie die Systemprognosen, sodass jeder Lauf vollständig nachvollziehbar bleibt.
Für eine Bilanzgruppe ist die Genauigkeit der Lastprognose der Unterschied zwischen teurem Zukauf in ein angespanntes System und einer ausgeglichenen Position, wenn es zählt. Orvio gibt Fahrplanstellen eine Prognose, die sie vertreten können, gebaut auf den eigenen Daten des Portfolios, samt einer täglichen Bewertung, die bestätigt, wie sie abgeschnitten hat.
Eine Demo zeigt das Signal auf Live-Daten – angewendet auf reale Anlagen.
Der Preis richtet sich nach dem Portfolio. Für ein Angebot: Demo buchen.
Die gemessene Verbrauchshistorie des Portfolios. Sie wird direkt in Orvio hochgeladen, als CSV, Excel, Parquet oder ZIP; Orvio erkennt das Schema, die Spaltenzuordnung und die Aggregationsebene werden bestätigt, und die Dateien werden zu einem einzigen Datensatz zusammengeführt, aus dem die erste Prognose entsteht. Das Wetter wird automatisch bezogen, sodass nur die Messdaten bereitzustellen sind.
Das Onboarding dauert wenige Tage, sobald eine saubere Messhistorie vorliegt. Das Modell verbessert sich, während es täglich auf neuen Messwerten nachtrainiert.
Auf jeder konfigurierten Portfolio-Ebene, von einer einzelnen Zählergruppe bis zur gesamten Bilanzgruppe. Die Prognose entsteht von unten nach oben, sodass die Ebenen konsistent bleiben.
Jeder Lauf wird an den aufgezeichneten Zählerdaten gemessen, mit derselben Zeitstempelung wie die Systemprognosen, sodass die Prognoseleistung beobachtbar ist und nicht auf Vertrauen beruht.