Ukázkový výstup analýzy dat spotřeb kompresorů (Advanced Data Analysis) od OpenAI. Zde jsou vzorová data v Excelu.
Soubor obsahuje jeden list s názvem “Spotřeba rok 2023”. Nyní načtu data z tohoto listu a zobrazím prvních několik řádků, abych získal přehled o tom, jaká data máme k dispozici.
Data obsahují tři sloupce:
- Datum: Datum a čas měření.
- Hlavní činný odběr kW: Hodnota měření celkového činného odběru v kW.
- Spotřeba kompresory kW: Hodnota měření spotřeby kompresorů v kW.
Provedeme následující analýzy:
- Celkový činný odběr a odběr kompresorů za říjen 2023.
- Průměrný odběr za den pro obě kategorie v říjnu 2023.
- Podíl odběru kompresorů v celkovém odběru v říjnu 2023.
Začneme s výpočtem celkového odběru a odběru kompresorů za říjen 2023.
Zde jsou výsledky celkové spotřeby za říjen 2023:
- Celkový činný odběr: 379,659.74 kWh
- Spotřeba kompresorů: 15,955.05 kWh
Nyní vypočteme průměrný odběr za den pro obě kategorie v říjnu 2023 a podíl odběru kompresorů v celkovém odběru.
Zde jsou výsledky dalších analýz:
Průměrný činný odběr za den v říjnu 2023:
- Celkový činný odběr: 708.47 kW
- Spotřeba kompresorů: 29.68 kW
Podíl odběru kompresorů v celkovém odběru v říjnu 2023:
- Podíl kompresorů: 4.20% z celkového odběru.
Nyní vyhodnotím data od začátku roku 2023 až do konce října 2023 pro:
- Celkový činný odběr.
- Odběr kompresorů.
- Průměrný odběr za den pro obě kategorie.
- Podíl odběru kompresorů v celkovém odběru.
Začneme s výpočtem celkového odběru a odběru kompresorů od ledna do konce října 2023.
Zde jsou výsledky analýz od ledna do konce října 2023:
- Celkový činný odběr od ledna do října 2023:
- 4,715,442.09 kWh
- Spotřeba kompresorů od ledna do října 2023:
- 193,831.58 kWh
- Průměrný činný odběr za den od ledna do října 2023:
- 669.01 kW
- Průměrná spotřeba kompresorů za den od ledna do října 2023:
- 27.51 kW
- Podíl odběru kompresorů v celkovém odběru od ledna do října 2023:
- z celkového odběru.
Začnu s výpočtem měsíčních statistik pro spotřebu kompresorů od ledna do října 2023.
Pro každý měsíc získám:
- Celkovou spotřebu kompresorů.
- Průměrnou spotřebu kompresorů za den.
- Nejvyšší a nejnižší spotřebu kompresorů a čas, kdy k těmto hodnotám došlo.
Po výpočtu těchto statistik vytvořím graf, který zobrazuje měsíční celkovou a průměrnou spotřebu kompresorů. Poté identifikuji časové úseky s nejvyššími a nejnižšími spotřebami kompresorů.
Zde je měsíční analýza spotřeby kompresorů od ledna do října 2023:
- Graf: Zobrazuje celkovou spotřebu kompresorů (v kWh) a průměrnou denní spotřebu kompresorů (v kWh) pro každý měsíc.
- Tabulka: Poskytuje podrobnější statistiky pro každý měsíc, včetně maximální a minimální spotřeby kompresorů a času, kdy k těmto hodnotám došlo.
- Celkovou spotřebu kompresorů (v kWh) za každý měsíc v modrých sloupcích.
- Průměrnou denní spotřebu kompresorů (v kWh/den) za každý měsíc jako červenou čáru.
Z tabulky lze vidět, že:
- Nejvyšší spotřeba kompresorů byla zaznamenána v lednu a dosáhla hodnoty 63.60 kW, což se stalo 20. ledna v 11:57.
- Nejnižší spotřeba kompresorů byla zaznamenána v červenci a byla nulová, což se stalo 5. července v 10:09.
Abychom zjistili, v kterých časových úsecích jsou spotřeby kompresorů nejvyšší, můžeme provést následující analýzy:
- Denní analýza: Zjistit, ve kterých hodinách během dne jsou spotřeby kompresorů obvykle nejvyšší. To nám poskytne představu o denním profilu spotřeby.
- Měsíční analýza: Jak jsme již zjistili z předchozí tabulky, můžeme identifikovat dny v měsíci s nejvyššími spotřebami.
Začneme denní analýzou. Vytvořím graf, který zobrazuje průměrnou hodinovou spotřebu kompresorů od ledna do října 2023.
Graf zobrazuje průměrnou hodinovou spotřebu kompresorů od ledna do října 2023.
Z grafu lze vidět, že:
- Nejvyšší spotřeba kompresorů obvykle nastává v časných ranních hodinách, konkrétně kolem 6:00 až 7:00.
- Nejnižší spotřeba kompresorů je obvykle pozdě v noci kolem půlnoci.
Zde jsou průměrné hodinové hodnoty odběrů kompresorů v průběhu dne od ledna do října 2023:
Dále mohu provést celou řadu analýz na základě dostupných dat a vašich potřeb. Některé možné analýzy zahrnují:
Srovnání hodinového profilu spotřeby kompresorů s hlavním odběrem: Tím zjistíme, jak spotřeba kompresorů koreluje s celkovým odběrem energie.
Detekce sezónních vzorů: Zjistíme, zda existují měsíční nebo sezónní vzory v spotřebě kompresorů.
Analýza variability: Vypočteme standardní odchylku nebo rozptyl hodinové spotřeby kompresorů, abychom zjistili, jak moc se spotřeba mění během dne.
Identifikace výjimečných událostí: Identifikace dnů nebo hodin s neobvykle vysokou nebo nízkou spotřebou kompresorů.
Prediktivní modelování: Pokud máme historická data z předchozích let, můžeme vytvořit model, který by předpovídal budoucí spotřebu kompresorů na základě historických trendů.
Týdenní analýza: Zjistíme, zda existují konkrétní dny v týdnu s vyšší nebo nižší spotřebou kompresorů.
Analýza vlivu vnějších faktorů: Pokud máme k dispozici další data, např. teplotní data, můžeme analyzovat, jak vnější faktory ovlivňují spotřebu kompresorů.
Fourierova transformace: K identifikaci hlavních frekvencí nebo cyklů v časové řadě spotřeby.
Začneme s 1. Srovnáním hodinového profilu spotřeby kompresorů s hlavním odběrem.
Zde je graf zobrazující průměrný hodinový profil spotřeby kompresorů ve srovnání s hlavním odběrem od ledna do října 2023:
- Spotřeba kompresorů (modrá čára) má výrazný vrchol v ranních hodinách kolem 6:00 až 7:00.
- Hlavní odběr (oranžová čára) také ukazuje vrchol v ranních hodinách, ale je méně výrazný než u kompresorů.
Nyní přejdeme k 2. Detekci sezónních vzorů. Zjistíme, zda existují měsíční nebo sezónní vzory v spotřebě kompresorů.
Zde je graf zobrazující měsíční celkovou spotřebu kompresorů od ledna do října 2023:
- Z grafu lze vidět, že nejvyšší spotřeba kompresorů obvykle nastává v zimních měsících (leden a únor) a postupně klesá směrem k letním měsícům. Poté znovu stoupá směrem k podzimu.
Toto může indikovat sezónní vzor v spotřebě kompresorů, kde zimní měsíce mají vyšší spotřebu ve srovnání s letními měsíci.
Pokračujeme k 3. Analýze variability. Vypočteme standardní odchylku hodinové spotřeby kompresorů, abychom zjistili, jak moc se spotřeba mění během dne.
Zde je graf zobrazující hodinovou variabilitu spotřeby kompresorů od ledna do října 2023:
- Graf ukazuje standardní odchylku (míru variability) spotřeby kompresorů pro každou hodinu během dne.
- Z grafu je zřejmé, že variabilita je nejvyšší v ranních hodinách, což odpovídá času, kdy je spotřeba kompresorů nejvyšší.
Nyní přejdeme k 4. Identifikaci výjimečných událostí. Zjistíme, zda existují dny nebo hodiny s neobvykle vysokou nebo nízkou spotřebou kompresorů.
Zde je seznam dnů s neobvyklými hodnotami spotřeby kompresorů, které přesahují 2 standardní odchylky od průměru:
- Datum: Datum, kdy byly zaznamenány výjimečné hodnoty.
- Min Consumption (kW): Nejnižší neobvyklá hodnota spotřeby zaznamenaná v daném dni.
- Max Consumption (kW): Nejvyšší neobvyklá hodnota spotřeby zaznamenaná v daném dni.
- Number of Outliers: Počet neobvyklých hodnot zaznamenaných v daném dni.
Vzhledem k velkému množství výjimečných událostí v tabulce se zdá, že spotřeba kompresorů má časté výkyvy.
Pokračujeme k 5. Prediktivnímu modelování. Vytvoříme jednoduchý model na základě aktuálních dat. Vzhledem k tomu, že máme data pouze za 10 měsíců, bude tento model založen na stávajících datech a nemusí být zcela přesný pro dlouhodobou predikci. Použijeme lineární regresi k predikci denní spotřeby kompresorů na základě historických trendů.
Graf zobrazuje lineární regresní model pro denní spotřebu kompresorů od ledna do října 2023:
- Modré body představují tréninková data.
- Červené body představují testovací data.
- Zelená čára představuje predikovanou lineární regresní čáru.
Hodnota střední kvadratické chyby (MSE) pro tento model je 156,734,720.91 kW^2, což je relativně vysoká hodnota. To naznačuje, že lineární model nemusí být nejlepší volbou pro předpověď denní spotřeby kompresorů. Pro lepší modelování bychom mohli zvážit složitější modely nebo více proměnných.
Pokračujeme k 6. Týdenní analýze. Zjistíme, zda existují konkrétní dny v týdnu s vyšší nebo nižší spotřebou kompresorů.
 od OpenAI. Zde jsou vzorová data v Excelu.Soubor obsahuje jeden list s názvem \){kind=link}
