Passer au contenu
Tous les documents de la bibliothèque

Modèles hybrides de prévision des prix de l’électricité

Article arXiv papers · Auteur: Tahir Miriyev et al.

Résumé

Le document présente une étude de méthodes hybrides pour prévoir les prix spot de l’électricité sur le marché EPEC. Les composants du modèle comprennent une prévision naïve, une analyse de Fourier, des modèles ARMA et GARCH, un processus de diffusion avec sauts à retour à la moyenne et des réseaux neuronaux récurrents. Ces éléments sont présentés comme faisant partie de l’approche de modélisation hybride, sans expliquer leur combinaison ni la comparaison de leurs prévisions.

L’étude utilise les prix de l’électricité de 2013–2014 pour l’entraînement et réserve 2015 comme période de test. Cette séparation temporelle fournit une base déclarée pour évaluer les prévisions sur une année ultérieure. Cependant, le document ne rapporte ni mesures de précision, ni résultats comparatifs, ni caractéristiques du marché, ni détails sur les paramètres des modèles. Il est donc impossible de déterminer quelle approche a donné les meilleurs résultats ou si ceux-ci se généralisent au-delà de ce marché et de cette période.

Idées clés

  • L’étude examine des méthodes hybrides de prévision des prix spot de l’électricité sur le marché EPEC.
  • Les composants cités comprennent l’analyse de Fourier, ARMA, GARCH, le retour à la moyenne avec sauts et les réseaux neuronaux récurrents.
  • Les données de prix de l’électricité de 2013–2014 constituent la période d’entraînement.
  • L’année 2015 est réservée au test des prévisions.
  • Aucun résultat de performance ni détail sur la combinaison des modèles n’est fourni.

Étiquettes

Texte intégral
# Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market


# Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market









In this work we considered several hybrid modelling approaches for forecasting energy spot prices in EPEC market. Hybridization is performed through combining a Naive model, Fourier analysis, ARMA and GARCH models, a mean-reversion and jump-diffusion model, and Recurrent Neural Networks (RNN). Training data was given in terms of electricity prices for 2013-2014 years, and test data as a year of 2015.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.