VEE Estimeringsmetoder

Document status	35 - Reviewed

Målgruppe: Superbrugere

Nedenfor ses de estimeringsmetoder, som man kan vælge imellem:

Navn	Betydning
Kontrolmåler	Hvis målepunktet har en kontrolmåler tilknyttet på det driftsdøgn, der skal estimeres, anvendes kontrolmålerens tidsserie til at udfylde de manglende værdier. Kun gyldige eller allerede estimerede værdier fra kontrolmåleren anvendes.
Samme værdi driftsdøgnet før	Tidsserien fra driftsdøgnet før det døgn, der skal estimeres, anvendes til at udfylde de manglende værdier. Der foretages ikke profilering.
Samme værdi 7 dage før driftsdøgnet	Tidsserien fra driftsdøgnet syv dage før det døgn, der skal estimeres, anvendes til at udfylde de manglende værdier. Der foretages ikke profilering.
Samme værdi 28 dage før driftsdøgnet	Tidsserien fra driftsdøgnet 28 dage før det døgn, der skal estimeres, anvendes til at udfylde de manglende værdier. Der foretages ikke profilering.
0 værdier ved afbrydelse	Manglende værdier udfyldes med 0 i de perioder, hvor målepunktet ifølge bekræftede masterdata er fysisk afbrudt. Manglende værdier uden for afbrydelsesperioden påvirkes ikke og kan behandles af efterfølgende estimeringsmetoder.
Tællerstandsdifference ved hul inden for driftsdøgnet	Hvis der er et hul mellem to gyldige tællerstande, beregnes forbruget som forskellen mellem tællerstandene. Den beregnede kvantitet placeres i hullets sidste position, mens de øvrige positioner i hullet udfyldes med 0. En tællerstand fra det foregående eller efterfølgende driftsdøgn kan anvendes som grænseværdi. Metoden anvendes kun, hvis tællerstandsdifferencen ikke overstiger den konfigurerede grænseværdi, som som udgangspunkt er 1 kWh. For deltaværdier udfyldes interne huller mellem eksisterende værdier med 0.
0 værdier ved målerskifte	Metoden anvendes ved et præcist målerskifte. Manglende værdier fra tidspunktet, hvor den gamle måler tages ned, og frem til tidspunktet, hvor den nye måler sættes op, udfyldes med 0. Manglende værdier før eller efter dette interval påvirkes ikke og kan behandles af efterfølgende estimeringsmetoder.
Machine Learning	Machine Learning-estimering danner en tidsserie på baggrund af målere med lignende forbrugsmønstre og karakteristika. Målerne grupperes ved hjælp af clustering, hvorefter relevante målere i samme gruppe anvendes som grundlag for estimeringen. Den anvendte variant fremgår af de estimerede værdier: Vennebaseret, Historisk periode eller Elbiler. Historisk periode kan anvendes som fallback, hvis der ikke findes et tilstrækkeligt grundlag blandt lignende målere. Metoden kan anvendes både med og uden en kendt sluttællerstand. Bemærk: Metoden er kun tilgængelig, hvis Machine Learning-funktionen er aktiveret på miljøet og estimeringen kræver data på målepunktet for mindst 7 døgn.