Supongamos que una compañía eléctrica está utilizando un modelo de software 'X' para realizar un pronóstico de carga que puede predecir la carga con 24 horas de anticipación con un MAPE del 5%. Ahora suponga que he creado un modelo 'Y' que reduce el MAPE al 1%. Entonces, mi pregunta es cuánto beneficio obtendrá la compañía con la reducción de MAPE en un 4%. ¿Cómo hacer el análisis cuantitativo? Quiero hacerlo porque el precio del modelo 'Y' se basaría en el beneficio obtenido por la empresa
Lamentablemente, el beneficio que obtiene la utilidad depende de muchos factores diferentes, la mayoría de ellos no cuantificables por usted, algunos de ellos no cuantificables por la empresa de servicios públicos.
Tendrán un contrato para suministrar energía las 24 horas del día, los 7 días de la semana, con grandes multas si fallan (pueden ser financieras, escritas en el contrato de suministro o pérdida de reputación e incapacidad para realizar contratos futuros).
Para sentirse cómodos de que serán capaces de suministrar toda la energía necesaria ante las variaciones desconocidas de la demanda, ejecutan una capacidad de generación adicional a menos de la potencia total, o con potencia cero. Incluso a potencia cero, todavía cuesta una cantidad considerable. Cuanto menos capacidad extra puedan ejecutar, mejor será el beneficio. Si una planta térmica tarda 2 horas en alcanzar su capacidad total, esto define un horizonte de tiempo crítico para ellos. Uno de los beneficios de la estación de almacenamiento bombeada en Dinorwig es que podría proporcionar potencia total de turbinas estacionarias en 75 segundos, y De listo en 16 sesconds.
Tendrán a ser conservadores. Ejecutar un poco más de capacidad adicional ahora solo cuesta un poco de dinero. Correr muy poco riesgo arruina su negocio.
Necesitaría conocer el apetito por el riesgo de las personas que toman las decisiones de programación, las penalidades en su contrato, las otras posibilidades que tienen de cubrir cortes de electricidad como la importación de un rival, para comprender los costos.
Parte de su pensamiento será la confiabilidad comprobada del modelo. Es posible que le vaya bien si estuvieran de acuerdo en probar su modelo 'Y' por nada durante un año para ver qué tan bien se desempeñó bajo sus condiciones, en lugar de quitarles dinero para un modelo no probado.
No sé nada sobre esa parte del negocio, pero solo pensándolo unos segundos, me parece que el uso principal de las predicciones a corto plazo es informar la programación de las entregas de combustible y el mantenimiento del equipo. No puedo imaginar que una reducción del 4% en el error de predicción tenga un gran impacto en el margen de beneficio general de un productor.
Las predicciones a más largo plazo informarán las decisiones sobre la inversión en nuevos equipos y / o la retirada de equipos antiguos. Habría un efecto más directo sobre la eficiencia operativa y los márgenes de ganancia. Pero, por supuesto, hacer predicciones a largo plazo en un proceso caótico (como el clima) es prácticamente imposible.
Lea otras preguntas en las etiquetas power power-supply