ПЕРУН

Предиктивная система аналитики и прогнозирования энергопотребления предприятия на основе IIoT

НАШИ ПАРТНЕРЫ

Северсталь

Компания Северсталь занимается полным циклом производства изделий из чёрного металла.
Помимо собственной выработки компания закупает электроэнергию на оптовом рынке электроэнергии. В основном закупка происходит по механизму "рынок на сутки вперед". Для этого нужно знать сколько понадобится электроэнергии на каждый час следующего дня. Составлением прогноза потребления занимается отдел энергопланирования. Все неточности прогноза компенсируются с помощью "Балансирующего рынка", тариф на котором менее выгодный. Каждый раз при выходе компании на "балансирующий рынок" компания теряет деньги.
Сейчас точность прогноза в среднем 15,38%
189,2 МЛН РУБЛЕЙ
ПЕРЕПЛАЧЕНО ИЗ ЗА НЕТОЧНОСТИ В ПРОГНОЗЕ
ЗА 2022 ГОД
О проект
Предполагается, что наш проект позволит снизить долю покупок и продаж на балансирующем рынке
  • Скорость
    Система работает быстрее человека
  • Точность
    Мы стремимся к снижению погрешности до уровня менее 9%
  • Систематизированность
    Расчёты системы не требуют вмешательства человека
КОНЦЕПЦИЯ РАБОТЫ
Приложение будет представлять из себя программу, в которую будут поступать данные с электроприборов об их потреблении и данные о планах производства, плане ремонта и других факторах. Далее программа будет приводить трансформацию и очистку данных, формируя их в единую базу данных, которая будет удобна для машинного обучения. Далее, основываясь на критериях, влияющих на факт потребления электроэнергии, алгоритмы машинного обучения составляют прогноз о необходимом количестве электроэнергии для закупки на оптовом рынке электроэнергии. благодаря этому компания сможет точно закупить необходимое количество электроэнергии по РСВ и меньше прибегать к использованию БР.
МАКЕТ
Было принято решение создать макет завода для сравнительной демонстрации реакции отдела энергопланирования на нештатные ситуации на предприятии раньше, и после внедрения нашей системы.
ЧТО УЖЕ ДОСТИГНУТО?
Снижение погрешности прогнозирования до 6,76%
Уменьшение процента стоимости отклонения часа на 4,88%
Потери компании с использованием нашей системы в перспективе смогут снизиться с 189,2 млн до 112,1 млн
КАК МЫ ЭТОГО ДОБИЛИСЬ?
  • Подготовка данных
    Качественная подготовка данных к будущему анализу машинным обучением
  • Анализ данных компании, поиск особенностей и корреляций
    Анализ данных компании, обозначение критериев, являющихся наиболее важными, выявление сезонности и скачков в данных
  • Комплексное применение нескольких моделей машинного обучения
    Применение какой-либо модели "в лоб" при создании "Перуна" не дало необходимого результата, по этому была поставлена гипотеза о факторах, влияющих на прогноз, проведено тестирование предположительно подходящих моделей, выбраны лучшие. В итоге применена совокупность нескольких моделей для улучшения итогового результата
РАБОТА КОМАНДЫ НАД ПРОЕКТОМ
ДОРОЖНАЯ КАРТА ПРОЕКТА
1
АНАЛИЗ ДАННЫХ
Погружение в тему
Определение проблемы
Постановка цели и задач
Аналитика предоставленных компанией данных
2
ПЛАНИРОВАНИЕ
Выбор концепции
Подбор математической модели
Распределение задач
Выбор алгоритма и типа машинного обучения
Подбор материалов,
оборудования и ПО
3
РЕАЛИЗАЦИЯ
ПРОГРАММЫ
Сбор и первичная ручная обработка “больших данных”
Написание кода для обучения машины
Обучение на основе собранных данных
Тестирование работы "Перуна"
4
РЕАЛИЗАЦИЯ
МАКЕТА

Определение концепции макета
Разработка принципиальной схемы
Программирование АСУ
Отладка системы
5
ПОДВЕДЕНИЕ ИТОГОВ
Защита проекта
Рефлексия
Анализ проделанной работы
Получение обратной связи
Наша команда
  • Котовщиков Андрей
    Программист - UI/UX Дизайнер
    Обрабатывал базу данных, создавал код для машинного обучения, тестировал модели
  • Чубинский Владислав
    Инженер - Программист
    Создание электрических цепей и настройка работы микроконтроллера
  • Шишов Семен
    Инженер - Электронщик, менеджер проекта
    Разработал и собрал электронную схему макета, ответственный за логику работы системы
  • Абокумов Святослав
    Проектировщик - Программист
    Проектировал детали макета, помогал в написании программного обеспечения
  • Герасименко Георгий
    3D моделист - проектировщик
    Спроектировал макет и его 3д модель
  • Хурматулин Тимур
    ML - программист
    Разрабатывал программное обеспечение, тестировал модели машинного обучения
  • Литвиненко Влада
    Наставник
  • Литвиненко Илья
    Наставник
НАША ГЕОГРАФИЯ
ФОТООТЧЁТ