Fogyasztói csoportképzés kutatás-fejlesztési prototípus alkalmazásban

|

A rövid és hosszú távú beszerzési döntések támogatásához nélkülözhetetlen a jelenlegi és potenciális fogyasztói kör (várható) viselkedésének elemzése. Ez az igény nemcsak a beszerzést támogató prognózisok, előrejelzések készítésében fontos, hanem az egyedi fogyasztók viselkedésének feltérképezésében is.

[i]Az Új Széchenyi Terv keretében olyan kutatás-fejlesztési munka valósult meg az IP Systemsnél, amely az energiakereskedelmi folyamatokon belül elsősorban a beszerzési és értékesítési portfóliókezelés kapcsán felmerülő döntések támogatására kínál kvantitatív elemző-előrejelző/prognosztizáló, illetve optimalizációs megoldásokat.[/i] A projekt során megvalósultak olyan fogyasztói szegmentációt támogató megoldások, amelyek alapján a hasonló fogyasztói profillal rendelkező fogyasztók egy csoportba sorolhatók, vagy különböző, a fogyasztást jellemző tömörített információk, illetve nem fogyasztási jellegű információk alapján hasonló tulajdonságú fogyasztókat tartalmazó csoportok hozhatók létre. A nagy megfigyelési gyakoriságú - tipikusan negyedórás - fogyasztói görbék esetében az egyik legnagyobb kihívás az információtömörítés. A kutatásban alkalmazott spektrum alapú megoldás lehetővé teszi, hogy a fogyasztói görbék hasonlóságát annak alapján mérjük, hogy a különböző szezonális komponensek a görbék alakjából mekkora hányadokat magyaráznak. Ez a megoldás olyan esetekben hasznos tehát, ahol legalább egy éves fogyasztói görbe is rendelkezésre áll. Előfordulhatnak olyan esetek, amikor a fogyasztók viselkedéséről csak nagyságrendi, ún. nominális (fogyasztók egymáshoz képesti megkülönböztetését vagy sorrendiségét rögzítő), illetve sorrendi skálákon értelmezett tulajdonságok, információk állnak rendelkezésre (például éves összfogyasztás, hétköznap/hétvége arány, csúcs/völgy arány, csúcs fogyasztás időintervalluma stb.). Ezek, illetve más, esetleg soft jellegű információk (például telephely, iparág stb.) alapján kell a hasonló fogyasztókat portfóliókba csoportosítani. A megvalósított megoldás előnye, hogy az ún. training fázist nem pontos mérési információk alapján elvégezhetjük olyan fogyasztókra, akikre mérési adatok is rendelkezésre állnak. Feltételezésünk szerint amennyiben egy ilyen, nem pontos mérési és soft információk alapján képzett csoportosítás és a mérési adatok közötti kapcsolat szoros, olyan fogyasztók fogyasztási szokása is jobban „sejthető”, akikről mérési információk nem állnak rendelkezésre. A megoldás elsősorban smart meteringnél, illetve olyan területen lehet hasznos, ahol főként kisfogyasztók vannak, akikről nem tudunk beszerezni mérési információkat, esetleg még nem is léteznek. A gyakorlati üzleti felhasználásra tekintettel ezentúl lehetőség van a fogyasztók csoportokba történő besorolására úgy is, hogy adatok hiányosan állnak rendelkezésre. A besorolást egy adaptív kérdéseken alapuló logika végzi el, ahol a csoportba történő besorolásig „megtett út” mindig az adott fogyasztó tekintetében a korábbi kérdésekre „adott választól” függ. A homogén fogyasztói csoportok más területeken is alkalmazhatók. Így akár a beszerzés, akár belső árképzés megvalósítható olyan (rész)portfóliókon, amelyek hasonló fogyasztási karakterisztikával rendelkező fogyasztókat tartalmaznak. Ugyanakkor ezekre a csoportokra külön-külön készíthetők előrejelzések is olyan változók felhasználásával, amelyek az adott csoport fogyasztásának leírásában relevánsak. Ehhez kapcsolódóan a projekt korábbi kutatási fázisában megvalósult egy kockázatalapú portfólió optimalizációs megoldás, amely likviditási korlátokat is figyelembe vesz. A kockázat mérése és minimalizálása az ún. CVaR (Conditional Value-at-Risk) mutató felhasználásával történik. A CVaR mutató használatának előnye, hogy nemcsak számszerűen veszi figyelembe a portfólió hatást, hanem a portfólió lehetséges legkedvezőtlenebb jövőbeli értékeinek várható nagyságával, így az extrém kimenetekkel is számol. Mivel a beszerzés mindig portfólió szinten, az árazás pedig fogyasztói görbe szintjén történik, ezért a projekt során megvalósuló árazási megoldás a portfólió szintű beszerzési költségeket a fogyasztói görbe alakját figyelembe véve osztja szét az egyedi fogyasztói görbék között. Az implementált modulok a villamosenergia- vagy a földgáz piac specifikumait használják ki, de valamennyi esetben igaz az, hogy a megfelelő módosítások elvégzése után a megoldások más energetikai piaci szereplők számára is alkalmassá tehetők a használatra. Készítette: IP Systems Informatikai Kft.

Ügyfélszolgálati változás!
0 mp. múlva automatikusan bezár Tovább az oldalra »

Úgy tűnik, AdBlockert használsz, amivel megakadályozod a reklámok megjelenítését. Amennyiben szeretnéd támogatni a munkánkat, kérjük add hozzá az oldalt a kivételek listájához, vagy támogass minket közvetlenül! További információért kattints!

Engedélyezi, hogy a https://computerworld.hu értesítéseket küldjön Önnek a kiemelt hírekről? Az értesítések bármikor kikapcsolhatók a böngésző beállításaiban.