Previsões probabilísticas de eletricidade e avaliação de trading com baterias

Resumo

O estudo examina se previsões probabilísticas melhores dos preços de eletricidade para o dia seguinte levam a melhores resultados no trading com baterias. Identifica duas limitações das estratégias de trading baseadas em quantis: elas não recompensam previsões probabilísticas honestas e ignoram a dependência temporal entre os preços de eletricidade. Como alternativa, formula a otimização de baterias como um programa estocástico que usa previsões probabilísticas completas e, em seguida, considera como medir a qualidade das decisões em cenários neutros ao risco e avessos ao risco, sob diferentes modelos de incerteza.

O trabalho apresenta justificativa teórica e evidências empíricas de um estudo de caso no mercado alemão de eletricidade. Adverte que os resultados de estratégias de trading com baterias podem induzir a erro quando usados para classificar modelos de previsão e discute a relação entre qualidade estatística da previsão, qualidade da decisão e desempenho econômico. O trecho não apresenta resultados numéricos específicos nem detalhes do estudo de caso; portanto, não permite concluir qual modelo de previsão ou estratégia para baterias tem melhor desempenho. O foco está nas práticas de avaliação, não em uma regra de trading pronta para uso.

Ideias principais

• Estratégias para baterias baseadas em quantis podem não recompensar previsões probabilísticas verdadeiras.
• Essas estratégias também ignoram a dependência temporal dos preços de eletricidade.
• O estudo formula a otimização de baterias como um programa estocástico que usa distribuições preditivas completas.
• O estudo avalia a qualidade das decisões em cenários neutros ao risco e avessos ao risco, e sob diferentes modelos de incerteza.
• O estudo de caso do mercado alemão destaca armadilhas ao classificar previsões com base nos resultados do trading com baterias.

Tags

# 2604.19580


# Probabilistic Forecasting for Day-ahead Electricity Prices, Battery Trading Strategies and the Economic Evaluation of Predictive Accuracy









Electricity price forecasting supports decision-making in energy markets and asset operation. Probabilistic forecasts are increasingly adopted to explicitly quantify uncertainty, typically issued as quantile predictions or ensembles of the full predictive distribution. However, how improvements in statistical forecast quality translate into economic value remains unclear. Battery storage arbitrage in day-ahead markets is a popular application-based benchmark for this purpose. We analyze quantile-based trading strategies (QBTS) and identify two critical flaws: they do not incentivize honest probabilistic forecasting and they ignore the intertemporal dependence structure of electricity prices. We therefore frame battery optimization as a stochastic program based on fully probabilistic forecasts and examine decision quality measurement for risk-neutral and risk-averse settings under different uncertainty models. Our discussion touches both sides of the coin: How reliable is the economic evaluation of forecasting models though (simplified) application studies - and how do improvements in statistical forecast quality for stochastic programs relate to the decision-quality and economic performance? We provide theoretical justification and empirical evidence from a case study on the German electricity market. Our results highlight the pitfalls of ranking forecasting models through battery trading strategies. We conclude with implications for evaluation practice and directions for future research in application-based forecast assessment.

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.