Dobrý den, příspěvek jsem psal před rokem, takže se omlouvám, už si na podrobnosti nepamatuji. Nicméně po roce pozorování Protea bych měl takové hodnocení. Spotřeba je odhadována na hodnotách v předchozích týdnech poměrně dobře. Doporučil bych ještě korigovat předpověď spotřeby ny základě teploty v místě instalace FV elektrárny. Každou spotřebu lze rozdělit na běžnou spotřebu (světla, lednice, TV, ohřev vody …), která není závislá na okolní teplotě a na spotřebu, která na okolní teplotě závisí (topení). A ta závislost je na rozdílu teplot buď lineární (přímotop, elektrokotel) nebo kvadratická (tepelné čerpadlo nebo klimatizace). Teploty v místě jsou známy, pokud uživatel zatrhne druh topení (netopím, elektrokotel, tepelné čerpadlo). Je jednoduché změnit předpověď spotřeby podle aktuální teploty. To je spotřeba. Něco podobného by se dalo udělat i u výroby, která je u mé instalace pravidelně podceňovaná (porovnávám s předpovědí Victron energy, která je přesnější). Chápu, že se odhad výroby pro konkrétní pozici FV elektrárny dělá obtížně, nicméně lze zavést koeficient místní odchylky, který se každý večer vypočítá z ráno predikované a skutečné výroby a použije se na korekci předpovědi v dalších dnech.
A ještě otázka na závěr. Máme vyvinutý pětikanálový spinač spotřebičů PSS1 (BEL Programovatelný spínač spotřebičů PSS1), který automaticky spíná spotřebiče v době nízkých cen nebo v nastavené době. Můžeme ho upravit tak, aby spínal pro potřeby flexibility podle pokynů na dálku. Bylo by to pro Delta Green nějak užitečné, kdyby mohl ovládat u zákazníků nejenom výrobu, ale i spotřebu?
Jinak k tomu co píšete obecně souhlas, jen je potřeba si uvědomit, že to vše co jste napsal je enormní množství práce a zlepší to ty predikce o jednotky/desítky procent - dá se v tom utopit strašně moc času a reálně to posunout jen o kousek - proto jsme to odložili na doby, až se budeme nudit
Jdeme opačnou cestou (ač přiznávám, že nám to trvá výrazně déle, než jsme předpokládali) a to aktivně řídit ty největší spotřebiče v domácnosti (EV, Bojler, TČ ale i právě FVE) a když to řídíme my podle toho jak je potřeba, tak víme co je jaká spotřeba a dokážeme si to sami z těch statistik odečíst a tím pádem nám to pak “neotravuje“ ty predikce. Jinými slovy, pokud máme v dané domácnosti například 70% výkonu spotřeby pod kontrolou my, tak se ty predikce zlepší samy o sobě aniž bychom něco dělali jen tím, že si těch 70% začištíme z těch spotřebních dat a predikujeme jen tu “neflexibilní“ spotřebu a i když se netrefíme, tak jelikož to tvoří jen těch 30% výkonu, ta chyba v celkové spotřebě je pak malá.
K tomu spínači - řešíme pořád průběžne to API, aby bylo možno zařízení jako je toto integrovat k nám.
Jako majitel tepelného čerpadla a ještě navíc fototermických panelů vím, že závislost spotřeby na teplotě je zásadní a velmi rychlá. Na to model predikce spotřeby Protea není schopný zareagovat, takže od podzimu do jara musím predikce spotřeby korigovat ručně. A nejedná se o jednotky procent, ale o dvoj až trojnásobek spotřeby nahoru (když začne mrznout tak trvá skoro dva týdny než si toho predikce všimne) a i dolu (když se oteplí jako třeba letos v březnu).
PS: Jinak jsem spokojený uživatel, kterému Proteus za loňskou sezónu ušetřil několik tisíc.
Máte úplnou pravdu, že pro uživatele, kteří mají silnou závislost spotřeby na teplotě, model reaguje zoufale pomalu. Chtěli jsme to vyřešit před letošním jarem, ale bohužel jsme celkovou implementaci nestihli (těch úprav v logice, jak celý systém funguje je tam relativně hodně).
Dobrá zpráva je, že už na pozadí počítáme modely pro každého zákazníka specificky zvlášť. A s náhlými změnami to pracuje výrazně lépe. Testujeme jak se to kdy chová, ale doufám, že letošní jaro bylo poslední, kdy k chybám v takové míře docházelo.
V mém případě, to není podle teploty, ale čistě podle cen na spotu, kdy přesouvám spotřebu do levnějších hodin a nejen bojlerů, které vyzobávají nejlevnější hodiny automaticky + nabíjím EV. Bylo by skvělé, kdyby Proteus uměl analyzovat korelaci spotřeby se spotovými cenami. Pokud by Proteus pochopil vzorec „tento zákazník přesouvá určitý objem energie do nejlevnějších hodin“, mohl by predikovat budoucí spotřebu podle zítřejší cenové křivky, a ne jen na základě časové osy předchozích dnů a týdnů. Jinak díky za včerejší vypnutí panelů v záporných nákupních cenách. Dobrá práce.
Ano ty základní korelace, které analyzujeme jsou 3
Vazba na teplotu a celkovou spotřebu
Výroba FVE a přesun spotřeby pod výrobu
Cena spotu a přesun do levných hodin
Každý zákazník by pak měl mít svůj model. Jen tam vzniká relativně velké množství hraničních situací, kdy by model naopak některým zákazníkům škodil a to musíme vyčistit.
Také jsem rád, že jsme panely včera konečně vypnuli .
Nešlo by těm modelům pomoci přidáním podpory pro měření takových odběrů? Co si pamatuju, tak v plánech zaznělo něco o Shelly pro flexibilitu, tak minimální integrace s Shelly, která by jen načítala spotřebu ze zvolených zařízení a Proteus by tuto spotřebu bral jako flexibilní, která může, ale nemusí, nastat. Určitě to nepokryje všechno, ale mohl by to být užitečný vstup, který by v některých situacích omezil hádaní z korelací spotřeby a nějakého dalšího signálu.
Ano, to by určitě pomohlo hodně. Máme Shelly na roadmapě ale upřímně nevím kdy se na to dostane. Nejvíc ale pomůže (a to myslím psal David výše) když začneme největší spotřebiče přímo řídit. Čím méně budeme v plánu hádat, tím lepší bude. Akorát to chce vše čas :/.
Já jsem to právě myslel tak, že řízení bude mnohem víc vývoje než jenom načítání dat, takže by to mohl být snazší krok. Ale vůbec netuším jestli takový mezikrok dává z vašeho pohledu smysl .
