전력 현물가격 예측을 위한 하이브리드 모형

요약

이 문서는 EPEC 시장의 전력 현물가격을 예측하는 하이브리드 접근법 연구를 개괄합니다. 모형 구성 요소에는 단순 예측, 푸리에 분석, ARMA 및 GARCH 모형, 평균회귀 점프 확산 과정, 순환 신경망이 포함됩니다. 하이브리드 모델링 접근법의 요소를 열거하지만, 이를 어떻게 결합하거나 예측을 비교했는지는 설명하지 않습니다.

연구는 2013–2014년 전력 가격을 학습에 사용하고 2015년을 테스트 기간으로 둡니다. 이 시간 분할은 이후 연도에 대한 예측 평가의 기준을 명시합니다. 하지만 문서는 정확도 지표, 비교 결과, 시장 특성, 모형 설정의 세부 사항을 보고하지 않습니다. 따라서 어떤 접근법이 가장 나았는지, 결과가 이 시장과 기간을 넘어 일반화되는지 판단할 수 없습니다.

핵심 아이디어

• EPEC 시장의 전력 현물가격을 예측하는 하이브리드 방법을 다룹니다.
• 나열된 모형 요소에는 푸리에 분석, ARMA, GARCH, 점프를 포함한 평균회귀, 순환 신경망이 있습니다.
• 2013–2014년 전력 가격 데이터를 학습 기간에 사용합니다.
• 예측 테스트에는 2015년을 사용합니다.
• 성과 결과나 모형 결합 방법의 세부 사항은 제시되지 않습니다.

태그

# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.