--- title: 'Prognose des Gasbedarfs' description: Tägliche Prognose des Gasverbrauchs für einen Messknoten über die nächsten 7, 30 und 90 Tage, mit einem 95-%-Konfidenzintervall und einer Genauigkeitsprüfung über 14 Tage. section: AI Analytics weight: 5 related: - ai-analytics/node-reports/consumption-analytics --- import Alert from '@/components/docs/Alert.astro'; Dieser Bericht arbeitet mit **einem einzelnen Messknoten**: Er sagt vorher, wie viel Gas der Knoten über die nächsten 7, 30 und 90 Tage verbrauchen wird. Er dient der Beschaffungs- und Bilanzplanung — wie viel Gas der Verbraucher in naher Zukunft benötigen wird. Die Prognose wird aus der Verbrauchshistorie vergangener Zeiträume erstellt und berücksichtigt das Wetter: Bei kaltem Wetter wird mehr Gas zum Heizen verbraucht. Zusammen mit der Prognose liefert der Bericht ein Konfidenzintervall (eine „Von-bis"-Spanne, in die der Verbrauch mit hoher Wahrscheinlichkeit fällt) sowie eine Genauigkeitsprüfung der letzten Tage. ## Was er anzeigt | Block | Was er bedeutet | | --------------------------- | ------------------------------------------------------------------------------------- | | Prognosediagramm | erwarteter täglicher Verbrauch für die Zukunft, über die tatsächliche Historie gelegt | | Konfidenzintervall | ein Korridor um die Prognose, in den der Verbrauch mit 95 % Wahrscheinlichkeit fällt | | Summen für 7 / 30 / 90 Tage | wie viel Gas über diese Horizonte insgesamt erwartet wird | | Genauigkeitsprüfung | wie stark das Modell über die letzten 14 Tage danebenlag (siehe unten) | Die Prognose wird in klar abgegrenzte Komponenten zerlegt: ein Grundniveau, einen Gesamttrend (steigender oder fallender Verbrauch im Zeitverlauf), die Saisonalität (Jahr und Wochentag) sowie den Wetterbeitrag. ## Wie er funktioniert Datenquellen: - **Gasverbrauch** — aus dem stündlichen Archiv des Geräts, zu Tagessummen aggregiert. - **Wetter** — Tagestemperatur vom offenen Dienst open-meteo. Die Temperaturhistorie wird anhand der Koordinaten des Knotens abgerufen; für die Prognosetage — die tatsächliche Wettervorhersage desselben Dienstes. Das Modell ist eine lineare Abhängigkeit des Verbrauchs von vier Faktoren: 1. **Trend** — langsamer Anstieg oder Rückgang des Verbrauchs im Zeitverlauf. 2. **Jährliche Saisonalität** — Winter/Sommer. 3. **Wöchentliche Saisonalität** — Wochentage und Wochenenden verbrauchen unterschiedlich. 4. **Temperatur** — über **Heizgradtage**: wie viel kälter der Tag als 18 °C ist. Je kälter es ist, desto mehr Gas wird zum Heizen verbraucht. Ist kein Wetter verfügbar, arbeitet das Modell ohne den Temperaturfaktor. Anormal große Stundenwerte (Telemetrie-Artefakte) werden auf das im Geräte-Datenblatt angegebene Maximum begrenzt, um die Prognose nicht zu verfälschen. Die Genauigkeit wird wie folgt geprüft: Das Modell „sieht" die letzten 14 Tage nicht, prognostiziert sie und vergleicht sie mit den Ist-Werten. Daraus ergeben sich der durchschnittliche Prognosefehler und der Anteil der Tage, an denen der Ist-Wert innerhalb des Konfidenzintervalls lag. ## Ausführungsparameter | Parameter | Standard | Was er bedeutet | | ---------------------- | ----------------- | ---------------------------------------------------------------------------- | | Knoten-Nr. | erforderlich | die Nummer des Messknotens | | Historie ab | vor 2 Jahren | Beginn der Historie (≥ 1 Jahr für jährliche Saisonalität erforderlich) | | Historie bis | gestern | Ende der Historie | | Horizont | 30 | wie viele Tage im Voraus prognostiziert wird | | Backtest-Tage | 14 | über wie viele jüngste Tage die Genauigkeit geprüft wird | | Mindeststunden pro Tag | 18 | wie viele Stunden pro Tag Daten vorliegen müssen, damit der Tag gezählt wird | | Koordinaten | Knotenkoordinaten | Standort für die Wetterabfrage | | Heizbasis | 18 °C | Temperatur, unterhalb derer geheizt wird | | Ohne Wetter | aus | Berechnung ohne Berücksichtigung des Wetters | ## So wird das Ergebnis gelesen - Sehen Sie sich zuerst die **Genauigkeitsprüfung** an. Ein durchschnittlicher relativer Fehler bis 10 % — eine ausgezeichnete Prognose; 10–20 % — akzeptabel; mehr als 20 % — mit Vorsicht zu verwenden. Der Anteil der Treffer innerhalb des Konfidenzintervalls liegt normalerweise bei etwa 90–95 %. - Der **7-Tage-Horizont** ist am zuverlässigsten; 90 Tage sind orientierend und erfordern mindestens ein Jahr Historie. Über 90 Tage hinaus wird die Prognose nicht empfohlen. - **Das Konfidenzintervall ist aussagekräftiger als eine einzelne Zahl:** Planen Sie gegen seine obere Grenze, wenn Sie eine Reserve benötigen. Bei weniger als einem halben Jahr Historie wird das Modell vereinfacht (ohne jährliche Saisonalität). Das Modell erkennt Ausfälle und Datenlücken nicht von selbst — solche Tage werden besser manuell ausgeschlossen, andernfalls fällt die Prognose zu niedrig aus.