پیش‌بینی احتمالاتی مسیر قیمت برق درون‌روزی آلمان
خلاصه
این پژوهش توزیع قیمت را برای بازه‌های معاملاتی ساعتی در بازار پیوسته درون‌روزی آلمان پیش‌بینی می‌کند و بر سه ساعت پایانی پیش از تحویل تمرکز دارد. به‌جای تولید تنها پیش‌بینی‌های نقطه‌ای، مسیرهای قیمت را شبیه‌سازی می‌کند تا مجموعه‌هایی برای پشتیبانی از معامله درون‌روزی و بازتوزیع تولید بسازد. اختلاف قیمت‌ها با یک مدل جمع‌پذیر تعمیم‌یافته و آمیخته‌ای با تورم صفر از یک جرم نقطه‌ای در صفر و توزیع تی استیودنت مدل‌سازی می‌شوند. رگرسیون لجستیک جریمه‌شده با لاسو، مؤلفه آمیخته را برآورد می‌کند؛ در حالی که تغییرات موردانتظار قیمت و نوسان از تاریخچه بازار، اثرهای عدم معامله، زمان تا سررسید و پیش‌بینی‌های بار و تولید تجدیدپذیر استفاده می‌کنند.
یک مطالعه با پنجره‌های غلتان، ویژگی‌های درون‌نمونه‌ای و عملکرد پیش‌بینی را در برابر چند گونه مدل و معیار مبنا می‌سنجد و از معیارهای احتمالاتی و آزمون‌های معناداری استفاده می‌کند. نویسندگان گزارش می‌کنند که مدل آمیخته، به‌ویژه از راه مدل‌سازی نوسان، از معیارهای مبنا بهتر عمل می‌کند و معرفی XBID با کاهش نوسان بازار هم‌زمان بوده است. تمرکز اعلام‌شده بر این بازار، تعمیم مستقیم را محدود می‌کند؛ هرچند نویسندگان پیشنهاد می‌کنند این رویکرد ممکن است به بازارهای پیوسته دیگر، به‌خصوص در اروپا، گسترش یابد.
ایده‌های کلیدی
- این رویکرد مجموعه‌هایی از مسیرهای قیمت برق درون‌روزی را برای پیش‌بینی توزیعی شبیه‌سازی می‌کند.
- اختلاف قیمت‌ها با آمیخته‌ای دارای تورم صفر از جرم نقطه‌ای و توزیع تی استیودنت مدل‌سازی می‌شوند.
- مدل لجستیک جریمه‌شده با لاسو وزن آمیخته را برآورد می‌کند و متغیرهای کمکی به مدل‌سازی تغییرات موردانتظار و نوسان کمک می‌کنند.
- ارزیابی پنجره‌غلتان، گونه‌های مدل را با معیارهای مبنا و با استفاده از سنجه‌های احتمالاتی و آزمون‌های معناداری مقایسه می‌کند.
- پژوهش از عملکرد بهتر نسبت به معیارهای مبنا و کاهش نوسان پس از XBID گزارش می‌دهد؛ شواهد بر بازار آلمان متمرکز است.
برچسب‌ها
متن کامل
# Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories # Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories Recent studies concerning the point electricity price forecasting have shown evidence that the hourly German Intraday Continuous Market is weak-form efficient. Therefore, we take a novel, advanced approach to the problem. A probabilistic forecasting of the hourly intraday electricity prices is performed by simulating trajectories in every trading window to receive a realistic ensemble to allow for more efficient intraday trading and redispatch. A generalized additive model is fitted to the price differences with the assumption that they follow a zero-inflated distribution, precisely a mixture of the Dirac and the Student's t-distributions. Moreover, the mixing term is estimated using a high-dimensional logistic regression with lasso penalty. We model the expected value and volatility of the series using i.a. autoregressive and no-trade effects or load, wind and solar generation forecasts and accounting for the non-linearities in e.g. time to maturity. Both the in-sample characteristics and forecasting performance are analysed using a rolling window forecasting study. Multiple versions of the model are compared to several benchmark models and evaluated using probabilistic forecasting measures and significance tests. The study aims to forecast the price distribution in the German Intraday Continuous Market in the last 3 hours of trading, but the approach allows for application to other continuous markets, especially in Europe. The results prove superiority of the mixture model over the benchmarks gaining the most from the modelling of the volatility. They also indicate that the introduction of XBID reduced the market volatility.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.