電力スポット価格予測のハイブリッドモデル

サマリー

この文書は、EPEC市場の電力スポット価格を予測するハイブリッド手法の研究を概説しています。モデルの構成要素には、ナイーブ予測、フーリエ解析、ARMAおよびGARCHモデル、平均回帰ジャンプ拡散過程、リカレントニューラルネットワークが含まれます。これらがハイブリッドモデリング手法の要素であることは示されていますが、どのように組み合わせるか、予測をどう比較するかは説明されていません。

この研究では、2013～2014の電力価格を学習に使い、2015をテスト期間としています。この期間分割は、後年の予測を評価するための明示された基準です。しかし、文書には精度指標、比較結果、市場特性、モデル設定の詳細が報告されていません。そのため、どの手法が最も良かったのか、結果がこの市場と期間を超えて一般化するのかを判断できません。

主なアイデア

• この研究では、EPEC市場の電力スポット価格を予測するハイブリッド手法を検討します。
• 挙げられたモデル要素には、フーリエ解析、ARMA、GARCH、ジャンプを伴う平均回帰、リカレントニューラルネットワークが含まれます。
• 2013～2014の電力価格データを学習期間に用います。
• 予測のテストには2015を用います。
• 性能結果やモデルの組み合わせ方の詳細は示されていません。

タグ

# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。