תחזיות מסלולי מחיר למסחר תוך-יומי בחשמל
סיכום
המאמר מציג רשת עצבית גנרטיבית לתחזיות הסתברותיות של מחירי חשמל תוך-יומיים בשוק הרציף בגרמניה. במקום להפיק אומדן נקודתי בלבד, השיטה מייצרת מסלולי מחיר אפשריים ומשתמשת בהם כדי להנחות הצבת פקודות מכירה בשוק, במסגרת מסחר בנפח קבוע.
המחברים מדווחים שהמודל מציג ביצועים תחרותיים מול שני מודלי ייחוס סטטיסטיים לחיזוי, לפי מדדים סטטיסטיים. בהערכה הכלכלית שלהם, אסטרטגיות המבוססות על המסלולים שהמודל יצר מניבות שיפורים גדולים יותר ברווח מאסטרטגיות המבוססות על מודלי הייחוס. הקטע אינו מפרט את ארכיטקטורת המודל, כללי הפקודות המדויקים, תקופת ההערכה, הטיפול בעלויות העסקה או גודל השיפורים. התוצאות ייחודיות לשוק התוך־יומי בגרמניה ולתרחיש המתואר, ולכן אינן מוכיחות שהגישה מתאימה לשווקים אחרים או לתנאי מסחר אחרים.
רעיונות מרכזיים
- מודל החיזוי מייצר מסלולים הסתברותיים למחירי חשמל תוך-יומיים.
- המסלולים שנוצרו משמשים להנחיית פקודות מכירה בתרחיש מסחר בנפח קבוע.
- הביצועים הסטטיסטיים מושווים לשתי שיטות חיזוי המשמשות כמדדי ייחוס.
- לפי הדיווח, אסטרטגיות המבוססות על המודל הגנרטיבי הניבו רווחי מסחר גבוהים יותר, אך הקטע אינו מפרט די הצורך להערכת העלויות והיכולת להכליל את התוצאות.
תגיות
הטקסט המלא
# Probabilistic intraday electricity price forecasting using generative machine learning # Probabilistic intraday electricity price forecasting using generative machine learning The growing importance of intraday electricity trading in Europe calls for improved price forecasting and tailored decision-support tools. In this paper, we propose a novel generative neural network model to generate probabilistic path forecasts for intraday electricity prices and use them to construct effective trading strategies for Germany's continuous-time intraday market. Our method demonstrates competitive performance in terms of statistical evaluation metrics compared to two state-of-the-art statistical benchmark approaches. To further assess its economic value, we consider a realistic fixed-volume trading scenario and propose various strategies for placing market sell orders based on the path forecasts. Among the different trading strategies, the price paths generated by our generative model lead to higher profit gains than the benchmark methods. Our findings highlight the potential of generative machine learning tools in electricity price forecasting and underscore the importance of economic evaluation.
מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0
הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.