Så förbättras modellen: omanpassningen av M4b

Extrainformation till Spotpris månad för månad. Bjerreds Saltsjöbad, elområde SE4. Sammanställd av Kent Lundgren.

Den här sidan är för den som vill se hur en modell för månadens spotpris provas, justeras och bedöms när fler månader kommit. Resultaten är uppskattningar ur en modell, inte mätningar, och siffrorna är inte granskade i en tvåstegsgranskning. Själva Spotpris-sidan är oförändrad: dess tabeller och blindprov visar fortfarande modellen så som den var innan omanpassningen.

Det viktigaste i korthet #

Modellerna M1 till M4b i korthet #

Alla modeller svarar på samma fråga: vilket spotpris betalar Bjerreds Saltsjöbad i genomsnitt för sin el en viss månad? Fakturan visar svaret i efterhand. Modellerna försöker komma så nära fakturan som möjligt utan att titta på den. Spotpriset ändras varje kvart, så svaret beror på när på dygnet elen används.

Tabell A. Modellerna och deras fel mot fakturan (öre/kWh, RMS)
Modell	Så räknas den	Antal inställningar som väljs mot fakturan	RMS jan–jun	RMS jul–sep	RMS jan–sep

RMS är rotmedelvärdet av felen (kvadratiskt medelfel): ett typiskt fel där stora fel väger tyngre. Fel = modellens värde minus fakturans spotpris, i öre/kWh utan moms. Markeringen ● betyder att månaderna ingick när modellens inställningar valdes, så den siffran visar passning och inte förmåga att förutsäga. M3 (spotpriset viktat mot verklig förbrukning per kvart) är inte byggd, eftersom förbrukning per kvart saknas. Den skulle bli facit för M4b.

Teorin: vad är en anpassning, och hur vet man att den är bra? #

Vad modellen väljer

M4b delar månadens elförbrukning i bastu, varmvatten och en restpost (huvudmätaren minus de två). Sedan fördelar den förbrukningen över månadens kvartar med hjälp av öppettider och räknar fram vilket spotpris förbrukningen "såg". Fyra saker kan inte mätas direkt, och de är modellens inställningar:

när bastun öppnar (06.00 eller 07.30; bastun slås på en timme före, enligt Kent Lundgren),
hur lång tid restaurangen förbereder sig före öppning (0, 1 eller 2 timmar),
om varmvattnet värms dygnet runt eller bara under öppettiderna,
den jämna baslasten V (kW): ventilation, värme, belysning och kylar som går hela dygnet, oavsett om någon är där (0 till 20 kW).

Anpassning betyder att alla kombinationer provas (2 × 3 × 2 × 21 = 252, varav 168 är fysiskt möjliga) och att den kombination väljs vars spotpris ligger närmast fakturans. "Närmast" mäts som RMS-fel över de månader som ingår. En kombination är omöjlig om baslasten ensam skulle ta mer energi än restposten innehåller, och då hoppas den över.

Varför räcker det inte att modellen passar bra?

Med få månader och flera inställningar kan en modell passa just de månader den har sett, utan att därför förutsäga nästa. Det är samma sak som att repetera inför ett prov med facit framför sig. Läroboken i prognosmetoder beskriver det så: felen mot de data som modellen anpassats på är regelmässigt mindre än felen på riktiga förutsägelser (Hyndman och Athanasopoulos, 2021, avsnitt 5.10; se källor). Därför används flera prov med olika stränghet:

Tabell B. Fyra sorters prov, från snällast till strängast
Prov	Så går det till	Vad det visar, och vad det inte visar
Passning	Modellen räknar de månader den anpassades på.	Att en kombination finns som passar. Inget om förmåga att förutsäga, eftersom månaderna redan sågs.
Leave-one-out	En månad lämnas utanför, modellen anpassas på de övriga och räknar den utelämnade.	Månaden påverkar inte sin egen förutsägelse. Men sökrummet och regeln för urvalet är fortfarande valda med alla månader i sikte, och framtida månader används ibland för att förutsäga tidigare.
Framåtprov	Modellen anpassas på månaderna före, och räknar nästa. Fönstret växer månad för månad.	Efterliknar hur modellen används: bara det som hänt före. Antalet prov är litet.
Blindprov	Förutsägelsen skrivs ned och inställningarna fryses innan fakturan läses.	Det enda prov där resultatet inte kan ha påverkat valet. Det kräver nya månader.

Figur 1. Vilka månader som används för att anpassa (A) och vilka som används för att prova (T), i de olika proven. Grå månader används inte. Oktober–december för ver. 2 är kommande blindprov.

Så förbättras en modell i omgångar

Bygg modellen av det som är känt (öppettider, mätarställningar, spotpriser).
Anpassa inställningarna på de månader där facit finns.
Förutsäg nya månader utan att titta på facit, och skriv ned förutsägelsen (blindprov).
Titta på felen. Är de slumpmässiga, eller går de åt samma håll? Systematiska fel visar vad modellen saknar.
Omanpassa eller bygg om, frys resultatet med datum, och börja om med nya månader.

Den här sidan beskriver steg 5 för inställningarna: samma modell, fler månader. Att ändra modellens form (till exempel låta något skilja mellan sommar och vinter) är en större åtgärd som kräver fler månader för att kunna provas ärligt.

Vad som gjordes, och varför #

Resultat #

Vilka inställningar valdes

Tabell C. Inställningarna i ver. 1 (anpassad på januari–juni) och ver. 2 (anpassad på januari–september)
Version	Bastun öppnar	Restaurangens förberedelse	Varmvatten	Baslast V	RMS (sina egna månader)

Fel per månad

Tabell D. Fel per månad (öre/kWh). Fel över 3,0 i absolut tal är markerade.
Månad	Fakturans spotpris	Fel M1	Fel M2	Fel M4a	Fel M4b ver. 1	Fel M4b ver. 2	Fel ver. 1 i blindprovet¹

Figur 2. Fel per månad för ver. 1 och ver. 2 (öre/kWh). De streckade linjerna är gränsen ±3,0 för passningen (kriterium K1). Blå bakgrund: månader som inte ingick i ver. 1:s anpassning.

Kriterierna

Kriterierna skrevs ned innan omanpassningen kördes (se data/omanpassning_kriterier.json) och har inte ändrats. Gränserna 3,0 och 4,5 öre/kWh beslutades av Kent Lundgren 2026-10-07 för ver. 1 och är desamma här.

Tabell E. Kriterierna och utfallet
Kriterium	Regel	Gräns	Utfall	Resultat

Framåtprov och leave-one-out i detalj

Tabell F. Framåtprov: anpassa på månaderna före, förutsäg nästa
Förutsagd månad	Anpassad på	Vald kombination	Förutsagt (öre/kWh)	Faktura (öre/kWh)	Fel

Tabell G. Leave-one-out: en månad utelämnas, modellen anpassas på de övriga åtta
Utelämnad månad	Vald kombination på de övriga	Fel

Baslasten: varför just 13 kW?

Figur 3. Lägsta RMS-fel för varje baslast V (de övriga inställningarna väljs fritt), på januari–juni och på januari–september.

Vad säger resultatet? Det som är mätt, och det som är tolkning #

Vad händer härnäst, och hur blir modellen bättre? #

Begränsningar #

Nio månader är få. Fyra inställningar anpassade mot nio värden lämnar litet utrymme. Skillnader på någon tiondels öre/kWh mellan två kombinationer är inte meningsfulla.
Kriterierna är inte helt oberoende av utfallet. Felen i det frusna blindprovet för juli–september var kända när kriterierna för omanpassningen skrevs. Det enda ärliga provet av ver. 2 är oktober och månaderna efter.
Passning och leave-one-out är inte oberoende prov för juli–september, eftersom dessa månader ingår i anpassningen av ver. 2. Framåtprovet är det strängaste av de tre, men har bara tre månader.
Sökrummet är grovt: baslasten provas i hela kilowatt och öppettiderna i två alternativ. Ett finare sökrum skulle ge andra siffror, men skulle också vara ännu lättare att över-anpassa.
Öppettiderna hämtades från hemsidan 2026-10-07 och antas ha gällt hela perioden. När bastun började öppna 07.30 är okänt.
Spotpriserna kommer från en sammanställning (elprisetjustnu.se), inte direkt från elbörsen. Fakturornas värden är avlästa ur Kraftringens fakturor.
Uppdelningen av "bad" i bastu och varmvatten kommer ur Kents debiteringsunderlag (mätarställningar). Mätarna läses av manuellt och avläsningsdagen är okänd.
Sidans siffror är inte tvåstegsgranskade. Skriptet har egna tester (test_omanpassning.py), och anpassningen på januari–juni kontrolleras mot ver. 1 vid varje körning.

Filer #

omanpassa_m4b.py: kör omanpassningen. Skriver bara nya filer och rör inte de frusna.
test_omanpassning.py: tester för skriptet.
data/omanpassning_kriterier.json: kriterierna, skrivna före första körningen.
data/omanpassning_indata.json: kWh för juli–september ur debiteringsunderlagen, med källa.
data/omanpassning_resultat.json och data/omanpassning_data.js: resultatet (samma innehåll; skriptfilen läser den här sidan).

Källor #

Hyndman, R.J. och Athanasopoulos, G. (2021) Forecasting: Principles and Practice. 3:e uppl. Melbourne: OTexts. Avsnitt 5.10 Time series cross-validation. Tillgänglig: https://otexts.com/fpp3/tscv.html (hämtad 2026-10-08). Beskriver att anpassningsfelet är mindre än felet på riktiga förutsägelser, och förutsägelseprov där träningsmängden växer, vilket är det som här kallas framåtprov.
Kraftringen (2026) E-faktura elnät och elhandel, januari–september 2026 [fakturor, PDF]. Kraftringen Nät AB och Kraftringen Energi AB. Fakturans spotpris per månad (facit). Fakturor juli–september: juli, augusti, september. Fakturor januari–juni finns under Källor på Spotpris-sidan.
Bjerreds Saltsjöbad (2026) Intern debitering juli–september 2026 [debiteringsunderlag, bild]. Lokalt i projektet: juli, augusti, september. Mätarställningar för huvudmätare, bastu och varmvatten, som ger kWh för bastu och varmvatten.

Övriga källor (spotpriser, öppettider) finns under Källor på Spotpris-sidan. Mer: PRD.md avsnitt 4.7 och SPEC.md. Sidan och skriptet har tagits fram med hjälp av en AI-assistent (Claude) på uppdrag av Kent Lundgren.