Bei der Anwendung alternativer Verfahren und der statistischen Bewertung von Prognoseergebnissen werden die für die Prognose gültigen Einflussfaktoren mit Hilfe des integrierten Konfigurations-Client eingestellt und das neuronale Netz trainiert. Beim Training wird auf Eingangs- und Ergebnisdaten für den Lastverlauf aus der Vergangenheit zurückgegriffen und das Verhalten des Prozesses unter verschiedenen Einflussfaktoren automatisch modelliert. Als Ergebnis wird eine Prognose der Lastgänge mit einem Vergleich mit den bekannten Ist-Verläufen und den ermittelten Prognosefehlern ausge-wiesen. Der maximale mittlere Abweichungswert kann als Trainingsziel bei der Konfiguration vorgegeben werden.
KNN EingangszeitreihenXY-Plot
Nach dem Training ermittelt BelVis PRO mit Blick auf mögliche Kosten- und Aufwandsersparnis für jeden Einflussfaktor den Grad der Notwendigkeit und die Anzahl der wirksamen Einflussfaktoren, die zur Unterschreitung eines vorgegebenen maximalen mittleren Prognosefehlers notwendig ist. Lastgänge und Einflussgrößen werden vom System fehlertolerant verwendet, denn einzelne fehlerhafte Werte sollen nicht zur Verfälschung der Ergebnisse führen.
Bei Änderungen in der Netz- oder Verbraucherstruktur (z. B. besondere jahreszeitlich bedingte Verbrauchsmuster) wird das System durch erneutes Training darauf eingestellt. Die extrem hohe Arbeitsgeschwindigkeit erlaubt das Nachtrainieren ohne jede Betriebsbehinderung. Für eine Prognose über ein Jahr bei einem Zeitintervall von 15 Minuten liegt die Rechenzeit von BelVis PRO bei ALN-Netzen unter einer Sekunde!
)
KNN Eingangszeitreihen
)
XY-Plot