التنبؤ بالطلب على الطاقة
وصف المشكلة
التنبؤ بالطلب اليومي على الكهرباء لآخر 28 يوماً اعتماداً على الاتجاه والموسمية الأسبوعية والسنوية. البيانات اصطناعية.
الأهداف
- التقاط الموسمية الأسبوعية والسنوية
- المقارنة بنماذج مرجعية
- قراءة الخطأ بوحدة الهدف
نوع المشكلة
سلاسل زمنية Time Series
مجموعة البيانات
الأدوات المستخدمة
الخوارزميات
خطوات التنفيذ
- في KNIME: File ← Import KNIME Workflow… واختر energy-demand-forecasting.knwf، ثم Execute all.
- افتح energy-demand-forecasting.ows في Orange بعد تثبيت إضافة Timeseries (Options ← Add-ons).
- اقسم البيانات زمنياً: آخر 28 يوماً للاختبار.
- أضف خصائص يوم الأسبوع (weekday) وsin/cos للسنة.
- درّب انحداراً خطياً وقارنه بالنموذج الساذج والموسمي الساذج (أسبوع).
- في KNIME: Date&Time Shift/Lag Column ← Linear Regression Learner ← Line Plot للتنبؤ مقابل الحقيقي.
مخطط سير العمل
Orange
DataTime Series
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (4)
- File → Form Timeseries (Data)
- Form Timeseries → Line Chart (Time series)
- Form Timeseries → ARIMA Model (Time series)
- ARIMA Model → Line Chart (Forecast)
KNIME
مصدر (Source)معالجة (Manipulator)متعلّم (Learner)متنبّئ (Predictor)عرض (Visualizer)منفذ بياناتمنفذ نموذج
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (7)
- CSV Reader → String to Date&Time
- String to Date&Time → Lag Column
- Lag Column → Partitioning
- Partitioning → Linear Regression Learner
- Linear Regression Learner → Regression Predictor
- Regression Predictor → Line Plot
- Partitioning → Regression Predictor
ملفات المشروع
- مجموعة البيانات CSVCSV17.1 كيلوبايت
- ملف WEKA بصيغة ARFFWEKA ARFF28.1 كيلوبايت
- سير عمل Orange (.ows)Orange4.1 كيلوبايت
- البيانات بصيغة Orange (.tab) لسير العملOrange TAB17.2 كيلوبايت
- النتائج المرجعية المحسوبة (CSV)نتائج124.0 بايت
- سير عمل KNIME (.knwf): نُفّذ بنجاح في محرك KNIME 5.12 (لم يُفتح في الواجهة)KNIME62.9 كيلوبايت
- دليل التنفيذ خطوة بخطوة (PDF)PDF565.4 كيلوبايت
- حزمة المشروع كاملة (ZIP)ZIP583.2 كيلوبايت
ملف KNIME (.knwf) بُني على KNIME 5.12 ونُفّذت كل عُقده بنجاح في محرك KNIME دون فتح الواجهة؛ افتحه من File ← Import KNIME Workflow.
النتائج
نتائج فعلية محسوبة على الملفات المرفقة
• Naive (last value): MAE 24.56 MWh، RMSE 29.23 MWh
• Seasonal naive: MAE 19.86 MWh، RMSE 25.16 MWh
• Linear trend + seasonality (regression): MAE 16.10 MWh، RMSE 19.48 MWh
مقاييس التقييم
- MAE
- RMSE
تفسير النتائج
نموذج الانحدار مع الموسمية خفض MAE من 24.56 (ساذج) إلى 16.10 ميغاواط ساعة. يوم الأسبوع أهم خاصية قصيرة المدى، والموسمية السنوية تفسر ارتفاع الصيف.
أسئلة للمناقشة
- كيف تضيف أثر العطل الرسمية؟
- ما المخاطر إذا تغير سلوك الاستهلاك فجأة؟
- لماذا نقارن دائماً بنموذج ساذج؟
