From reporting to advanced analytics : a case study on energy production
Miniatura indisponível
Data
2019
Autores
Título da revista
ISSN da revista
Título do Volume
Editora
Resumo
No mundo atual, a energia está ligada a todos os aspetos e profissões da vida. O seu consumo está a aumentar exponencialmente, o que faz com que um sistema de gestão de energia, em qualquer país, seja um fator crucial para uma economia estável, um ambiente e um futuro seguros. Manter todos os sistemas em funcionamento de forma eficiente exige que um grande esforço na recolha e na análise de grandes quantidades de dados. Estas análises permitem extrair informações que auxiliam todos os processos como, por exemplo: avaliações de risco, tomada de decisões e definição de estratégias. Em suma, a análise avançada de dados precisa de ser parte integrante dos sistemas de gestão de energia.
Este trabalho analisa os processos e o nível de maturidade analítico de uma equipa (SKIPPER) na empresa de produção de energia em Portugal (EDP, Energias De Portugal). O trabalho estuda as plataformas de Business Intelligence (BI) existentes, a arquitetura de dados na plataforma SKIPPER e os requisitos dos clientes para aprimorar o processo de BI e integrar o conceito de advanced analytics implementando diversos modelos de previsão de longo prazo, comparando as suas diferenças e recomendando as ações necessárias.
Com foco na produção de energia térmica, este trabalho apresenta o SAS como uma nova plataforma de Analytics e BI comparando as suas funcionalidades com a plataforma de BI existente. Utilizando 27 meses de dados históricos, o SAS também foi apresentado como uma plataforma de previsão de séries temporais, oferecendo dois níveis de análise diferentes: análise de cenário e busca de metas. O R Studio é testado como uma segunda opção de advanced analytics, onde diversos modelos de previsão de produção de energia são implementados. Uma das vantagens está na possibilidade de estruturar os dados como uma série temporal hierárquica. Das diversas técnicas de reconciliação, a Optimal Reconciliation revelou ser a abordagem mais precisa. Adicionalmente, foi implementando um modelo de regressão onde foi possível extrair alguns dos fatores relevantes no que diz respeito à afetação dos níveis de produção de energia (como por exemplo, CO2 fine e horas de trabalho).
Os resultados do trabalho de tese mostram que utilizar o SAS como a principal plataforma de relatórios do SKIPPER e integrar o R Studio na arquitetura estatística pode melhorar as práticas de relatório do SKIPPER e elevar o nível de maturidade de análise de dados.
In today’s world, energy is connected to all life aspects and professions. Consumption is increasing exponentially which makes having an energy management system, in any country, a crucial factor for having a stable economy, a secure environment, and a safe future. Keeping these systems running in an efficient way, requires a large amount of data to be gathered and analysed in order to extract information that helps in different processes such as risk assessments, decision making, and defining strategies. In short, data advanced analytics needs to be integrated into the energy management systems. This work examines the reporting process and the analytics level of a team (SKIPPER) in an energy production company in Portugal (EDP, Energias De Portugal). The work analyses the existing reporting platforms, data architecture in SKIPPER and clients’ requirements in order to enhance the reporting process and integrate data advanced analytics concept by implementing long term forecasting models, comparing their differences and recommending the necessary actions to be made. Focusing on thermal energy production, this work presents SAS as a new reporting platform and compares its functionalities with the existing reporting platform. Taking into consideration 27 months of historical data, SAS is also presented as a time series forecasting platform where a dashboard is created offering two options (scenario analysis and goal seeking). R Studio is tested as a second advanced analytics option where an energy production forecasting model is implemented shaping the data as a hierarchical time series having the Optimal Reconciliation as the most accurate approach, and a regression model is implemented defining raw material prices, CO2 fine and working hours as the most important factors affecting energy production. The results of the thesis work show that utilizing SAS as the main reporting platform in SKIPPER, and integrating R Studio in the statistical architecture can improve the reporting practices of SKIPPER and raise its level of data analytics maturity.
In today’s world, energy is connected to all life aspects and professions. Consumption is increasing exponentially which makes having an energy management system, in any country, a crucial factor for having a stable economy, a secure environment, and a safe future. Keeping these systems running in an efficient way, requires a large amount of data to be gathered and analysed in order to extract information that helps in different processes such as risk assessments, decision making, and defining strategies. In short, data advanced analytics needs to be integrated into the energy management systems. This work examines the reporting process and the analytics level of a team (SKIPPER) in an energy production company in Portugal (EDP, Energias De Portugal). The work analyses the existing reporting platforms, data architecture in SKIPPER and clients’ requirements in order to enhance the reporting process and integrate data advanced analytics concept by implementing long term forecasting models, comparing their differences and recommending the necessary actions to be made. Focusing on thermal energy production, this work presents SAS as a new reporting platform and compares its functionalities with the existing reporting platform. Taking into consideration 27 months of historical data, SAS is also presented as a time series forecasting platform where a dashboard is created offering two options (scenario analysis and goal seeking). R Studio is tested as a second advanced analytics option where an energy production forecasting model is implemented shaping the data as a hierarchical time series having the Optimal Reconciliation as the most accurate approach, and a regression model is implemented defining raw material prices, CO2 fine and working hours as the most important factors affecting energy production. The results of the thesis work show that utilizing SAS as the main reporting platform in SKIPPER, and integrating R Studio in the statistical architecture can improve the reporting practices of SKIPPER and raise its level of data analytics maturity.
Descrição
Orientação: Francesco
Costigliola
Palavras-chave
MESTRADO EM ENGENHARIA INFORMÁTICA E SISTEMAS DE INFORMAÇÃO, INFORMÁTICA, COMPUTER SCIENCE, ENGENHARIA INFORMÁTICA, COMPUTER ENGINEERING, PRODUÇÃO DE ENERGIA, ENERGY PRODUCTION, INTELIGÊNCIA ECONÓMICA, BUSINESS INTELLIGENCE, MÉTODOS DE PREVISÃO, METHODS OF FORECASTING, ANÁLISE DE DADOS, DATA ANALYSIS, BIG DATA, BIG DATA