Antag att man har under en tid utvärderat prognoserna för en summaserie och märkt av en viss systematisk avvikelse från de uppmätta värdena. Normalt ska man då kunna hitta orsaken i prognoserna till någon eller några av underserierna till denna serie. I första hand kan man då ändra modellinställningarna för dessa för att avlägsna avvikelserna. Men om avikelserna snarare uppkommer genom summeringen av att de enskilda felen från underserierna (som kan anses vara osystematiska) adderas upp till systematiska fel, då kan sådana fel reduceras genom användandet av dynamiska andelstal. Ett exempel kan vara summan av vindprognoser, då osäkerheten i varje enskild vindprognos leder till att modellen för produktionsprognosen blir välgrundat ”försiktig” dvs. varierar mindre än den uppmätta produktionen. Men summan av dessa ”försiktiga” prognoser kan bli onödigt försiktig, plötsliga upp och nedgångar är svåra att pricka in rätt i tid för de enskilda verken samtidigt som utjämningseffekter oftast gör det lättare att prognosticera upp och nedgångar för den totala produktionen inom ett område. Dynamiska andelstal gör det möjligt att efterbehandla prognoserna efter eller i samband med att de summeras upp. I föregående avsnitt visades hur man manuellt kan korrigera en summerad prognos (”Total_Consumption”) i samband med att man summerar upp med resultatet av korrigeringen sparad för summaserien närmast ovanför i trädstrukturen (”Total_consumption_adjusted”).
Här ska vi istället utnyttja linjär regression under en vanlig utvärdering till att beräkna den optimala linjära korrigeringen för önskat tidsintervall.
Vi börjar med att gå till ”Follow up”-fliken och klicka på
i ”Dynamic fractions”. En dialog som
nedan visas:
Denna dialog används för att välja ut vilka skapade
inställningar vi vill använda vid ett utvärderingstillfälle. Klicka på längst ner till vänster för att skapa en
sådan inställningsmall. Överst på dialogen som då visas upp finns möjlighet att
välja de prognosintervall man är intresserad av att få en beräknad optimal
korrigering för. Antag att man dagligen gör en prognos som börjar timme 1 för
innevarande dag. Den del av prognosen som används för elhandel kommer för
elspot-marknaden isåfall vara timme 25-48.
Välj 4 intervall och klicka i rutorna för ”Included” till höger om timmarna ”25-36 hours” och ”37-48 hours”. Vi har nu valt att vi vill att en optimal korrigering ska beräknas för de första 12 timmarna av elspot-handeln och en annan optimal korrigering för de 12 sista timmarna. Alla timmar för rutor som lämnas tomma (1-24 timmar) kommer få samma korrigering som 25-36 och för timmar över 48 gäller 37-48 timmarskorrigeringen.
Övriga inställningar som gäller den linjära regressionen kan man läsa om i avsnittet ”Optimal viktning av väderprognoser”
De kvarvarande inställningarna som är specifika för just dessa
1. Linjär korrektion av en summerad prognos
2. Vikta samman alternativa prognoser för en prognosserie.
3. Utvärdera olika väderprognoser
4. Ändra viktningen för skarpa prognoser