Forecasting

Summing and Averaging

February 10, 2021

The Sum function in MetrixND seems like a complex way to make adding difficult.

In a MetrixND transformation, numbers are added by joining variables with the “+” sign. Adding three variables is as simple as writing the following expression in the transformation editor formula box:

DataSource.Variable1 + DataSource.Variable2 + DataSource.Variable3

The complex way to add is using the “Sum” function. This function requires inserting the three variables separated by commas (,) as Sum function parameters, as shown below:

Sum(DataSource.Variable1,DataSource.Variable2,DataSource.Variable3)

Technically speaking, the Sum function requires five extra characters to do the same work as the traditional “+” sign.

So, why does MetrixND include this function?

In the situation where variables have missing values, the calculation using the “+” sign results in a missing value. In other words, a number plus a missing value equals a missing value.

100 + MISSING = MISSING

While the Sum function behaves the same, the Ignore Missing option changes the behavior to produce a value. In other words, the Sum function with the Ignore Missing option selected means that a number plus a missing value equals a number.

100 + MISSING = 100

To activate the Ignore Missing option, check the Ignore Missing box in the transformation editor as shown below.

The Ignore Missing options works with the following functions:

  • Sum
  • Avg
  • Max
  • Min

It doesn’t matter whether you use traditional math operators or the functions when data is complete. However, when the dataset has missing values, the functions and Ignore Missing options may be the difference between forecasting a number and forecasting a MISSING.

Complexity has its purpose.

By Mark Quan


Principal Forecast Consultant


Mark Quan est consultant principal en prévisions au sein de la division des prévisions d'Itron. Depuis qu'il a rejoint Itron en 1997, M. Quan s'est spécialisé dans les solutions de prévision énergétique à court et à long terme, ainsi que dans les projets de recherche sur la charge. Quan a développé et mis en œuvre plusieurs systèmes de prévision automatisés pour prédire la demande système du lendemain, les profils de charge et la consommation au détail pour des entreprises aux États-Unis et au Canada. Les solutions de prévision à court terme comprennent des systèmes pour le « Midwest Independent System Operator » (MISO) et le « California Independent System Operator » (CAISO). Les solutions de prévision à long terme comprennent le développement et le soutien des prévisions à long terme (ventes et clients) pour des clients tels que « Dairyland Power » et « Omaha Public Power District ». Ces prévisions comprennent des informations sur l'utilisation finale et les impacts de la gestion de la demande dans un cadre économétrique. Enfin, Quan a participé à la mise en œuvre de systèmes de recherche de charge, notamment chez Snohomish PUD. Avant de rejoindre Itron, Quan a travaillé dans les secteurs du gaz, de l'électricité et de l'entreprise chez Pacific Gas and Electric Company (PG&E), où il a participé à la restructuration du secteur, à la planification de l'électricité et à la planification du gaz naturel. M. Quan est titulaire d'un master en recherche opérationnelle de l'université de Stanford et d'une licence en mathématiques appliquées de l'université de Californie à Los Angeles.


Region Selector Select a region and country for the best experience.