Dans cet article, vous apprendrez à utiliser le diagnostique de la baseline dans le calculateur de référence, disponible dans la section M&V de la plateforme.
Contenu de cet article :
Introduction
La fonctionnalité Diagnostics de santé de la référence vous permet d’évaluer la fiabilité statistique des références créées avec le Calculateur de référence.
Prérequis
Pour pouvoir utiliser cette fonctionnalité, vous devez disposer de licences Advanced ou Ultimate. Les mêmes autorisations que celles requises pour utiliser la fonctionnalité Calculateur de référence sont nécessaires.
Vous devrez également créer une référence afin de déclencher son évaluation statistique.
Comment cela fonctionne-t-il ?
Chaque fois que vous calculez une référence, la plateforme évalue automatiquement sa santé statistique. Ces diagnostics complètent les métriques telles que R² et R² ajusté en vérifiant si le modèle dispose de suffisamment de données fiables, utilise des variables pertinentes et est susceptible de fonctionner de manière cohérente.
Le résultat est résumé par un état général de la référence :
- OK : Toutes les vérifications terminées ont été validées. Aucun problème de qualité statistique n’a été détecté.
- Avertissement : Au moins une vérification a identifié un problème susceptible de réduire la fiabilité de la référence. Consultez les recommandations avant d’utiliser le modèle.
- Critique : Au moins un problème critique a été détecté. La référence peut ne pas être fiable et doit être vérifiée avant d’être utilisée pour les calculs d’économies ou dans le cadre d’un projet M&V.
Un résultat critique est prioritaire sur les avertissements. Certains diagnostique peuvent ne pas s’appliquer à un modèle donné ; par exemple, les vérifications qui nécessitent des variables d’entrée ne peuvent pas être effectuées lorsque le modèle contient uniquement une constante.
Consulter les diagnostiques de la référence
Pour visualiser les problèmes, cliquez sur « Voir les problèmes ».
Un menu contextuel s’affiche alors et présente la section Diagnostique de santé de la référence. Elle affiche le résultat de chaque vérification. Chaque carte de diagnostique comprend :
- Le nom de la vérification.
- Une description du problème détecté.
- Une action recommandée pour contribuer à améliorer la référence.
- Des informations techniques supplémentaires, le cas échéant.
Les vérifications réussies comprennent également une courte explication confirmant la condition du modèle qui a été validée.
Après avoir examiné un avertissement ou un problème critique, mettez à jour la configuration de référence concernée et sélectionnez à nouveau Calculer la référence. Les diagnostiques seront répétés avec la nouvelle configuration.
Que vérifie la plateforme ?
La plateforme effectue jusqu’à 11 vérifications statistiques :
1. Degrés de liberté
Vérifie si la période de référence contient suffisamment de données par rapport au nombre de paramètres utilisés par le modèle.
Si un avertissement s’affiche, prolongez la période de référence pour inclure davantage de données ou réduisez le nombre de variables sélectionnées.
2. Ratio de taille de l’échantillon
Vérifie s’il existe suffisamment de points de données par variable d’entrée pour obtenir des estimations fiables.
Si un avertissement s’affiche, prolongez la période de référence ou réduisez le nombre de variables candidates.
3. Corrélation
Vérifie si les variables d’entrée sont trop fortement corrélées entre elles. Les variables fortement corrélées rendent difficile la détermination de l’effet individuel de chaque variable sur la consommation d’énergie.
Si un avertissement s’affiche, supprimez l’une des variables redondantes, en particulier lorsque deux variables représentent des effets météorologiques ou opérationnels similaires, puis recalculez la référence.
4. Distribution des erreurs
Vérifie si les différences entre la consommation réelle et la consommation prévue sont réparties uniformément. Une distribution inhabituelle peut indiquer des valeurs aberrantes, des périodes de fonctionnement anormales ou des profils de consommation que le modèle ne prend pas en compte.
Si un avertissement s’affiche, examinez la période de référence pour rechercher des arrêts, des changements opérationnels, des valeurs aberrantes ou d’autres données non représentatives. Vous pouvez exclure ces périodes sous Options de calcul > Périodes à exclure.
5. Aucune variable significative
Vérifie si le modèle calculé contient des variables d’entrée pertinentes. Un modèle composé uniquement d’une constante utilise la consommation moyenne, car aucune des variables sélectionnées n’explique suffisamment le profil de consommation.
Si un problème critique s’affiche, examinez les variables candidates et envisagez d’ajouter d’autres facteurs énergétiques pertinents, tels que les données météorologiques, de production, d’occupation, de calendrier ou d’horaires de fonctionnement.
6. Qualité du modèle
Vérifie si les variables sélectionnées expliquent mieux la consommation d’énergie que la simple utilisation de la consommation moyenne.
Si un problème critique s’affiche, vérifiez si les variables sélectionnées représentent le comportement énergétique réel du site. Envisagez d’ajouter des variables plus informatives ou de prolonger la période de référence.
7. Exhaustivité de la recherche
Vérifie si la plateforme a pu analyser toutes les combinaisons pertinentes de variables candidates dans le délai de calcul disponible.
Si un avertissement s’affiche, un bon modèle a été trouvé, mais une meilleure combinaison peut exister. Réduisez le nombre de variables candidates et donnez la priorité à celles qui présentent une relation physique ou opérationnelle claire avec la consommation d’énergie.
8. Disponibilité des données
Vérifie l’exhaustivité des données utilisées par les variables cible et d’entrée. Les relevés manquants des variables incluses dans le modèle peuvent réduire sa précision ou rendre la référence peu fiable.
Selon la quantité de données manquantes et selon que la variable concernée est utilisée ou non par le modèle, cette vérification peut renvoyer un avertissement ou un résultat critique.
Vérifiez les appareils ou les sources de données concernés afin de repérer d’éventuelles lacunes, des compteurs hors ligne, des problèmes de capteurs ou des problèmes d’intégration. Vous pouvez également sélectionner une période de référence contenant des données plus complètes.
9. Surajustement
Vérifie si le modèle s’adapte trop étroitement aux données de la période de référence ou s’il fonctionne mal lorsqu’il est appliqué aux données de vérification. Un modèle surajusté peut représenter des variations aléatoires plutôt que des profils de consommation d’énergie reproductibles.
Ce diagnostique prend en compte le R² du modèle, la différence entre le R² et le R² ajusté et, lorsque des données de vérification sont disponibles, son erreur de prévision.
Selon la gravité du problème, cette vérification peut renvoyer un avertissement ou un résultat critique. Envisagez de simplifier le modèle en réduisant le nombre de variables ou en prolongeant la période de référence afin d’inclure des données plus représentatives.
10. Linéarité
Vérifie si un modèle linéaire représente correctement la relation entre les variables d’entrée et la consommation d’énergie.
Si un avertissement s’affiche, il est possible que le modèle ne prenne pas en compte des effets non linéaires, un comportement saisonnier ou différents modes de fonctionnement. Envisagez d’ajouter des termes au carré ou des interactions entre variables pertinentes sous Interactions entre paramètres. L’examen des variables de degrés-jours ou la séparation des différentes périodes de fonctionnement peut également être utile.
11. Variance des erreurs
Vérifie si l’ampleur des erreurs de prévision du modèle reste constante pour différents niveaux de consommation.
Si un avertissement s’affiche, les prévisions peuvent être moins fiables pendant les périodes de consommation élevée ou faible. Examinez les données afin de repérer des valeurs aberrantes, des arrêts, des changements de production ou des conditions de fonctionnement inhabituelles. Vous pouvez également ajuster la période de référence, revoir les variables sélectionnées ou exclure les périodes non représentatives.
Améliorer la référence
Un avertissement ne signifie pas nécessairement que la référence ne peut pas être utilisée, mais il identifie une condition susceptible d’affecter sa fiabilité. Les problèmes critiques nécessitent un examen plus approfondi, car ils peuvent avoir un impact plus important sur la consommation prévue et sur les calculs d’économies qui en résultent.
Lorsque vous apportez des modifications, tenez compte du comportement physique et opérationnel du site. Une référence statistiquement saine doit également être cohérente du point de vue de la gestion de l’énergie.
Répétez le calcul après chaque modification pertinente et comparez le nouvel état de santé, la formule et les métriques de performance avant de sélectionner la référence pour votre projet M&V.
Tarification
Cette fonctionnalité est incluse avec les licences Advanced ou Ultimate .