Pular para o conteúdo
Todos os documentos da biblioteca

Modelos híbridos para previsão de preços spot de eletricidade

Artigo arXiv papers · Autor: Tahir Miriyev et al.

Resumo

O documento apresenta um estudo de abordagens híbridas para prever preços spot de eletricidade no mercado EPEC. Os componentes do modelo incluem uma previsão ingênua, análise de Fourier, modelos ARMA e GARCH, um processo de difusão com saltos e reversão à média, e redes neurais recorrentes. O documento identifica esses elementos como partes da abordagem de modelagem híbrida, mas não explica como são combinados nem como suas previsões são comparadas.

O estudo usa preços de eletricidade de 2013–2014 para treinamento e reserva 2015 como período de teste. Essa divisão temporal fornece uma base declarada para avaliar previsões em um ano posterior. No entanto, o documento não relata medidas de acurácia, resultados comparativos, características do mercado nem detalhes das configurações dos modelos. Portanto, os leitores não conseguem determinar qual abordagem teve melhor desempenho ou se os resultados se generalizam para além desse mercado e período.

Ideias principais

  • O estudo considera métodos híbridos para prever preços spot de eletricidade no mercado EPEC.
  • Os componentes de modelo listados incluem análise de Fourier, ARMA, GARCH, reversão à média com saltos e redes neurais recorrentes.
  • Dados de preços de eletricidade de 2013–2014 são usados como período de treinamento.
  • O ano 2015 é reservado para testar as previsões.
  • Não são apresentados resultados de desempenho nem detalhes sobre a combinação dos modelos.

Tags

Texto completo
# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.