Λογότυπο αποθετηρίου
 

Electricity market modelling and Gaussian process regression

Μικρογραφία εικόνας

Ημερομηνία

2025-12-22

Τίτλος Εφημερίδας

Περιοδικό ISSN

Τίτλος τόμου

Εκδότης

Επιβλέπων / ουσα

Διαθέσιμο από

Περίληψη

Electricity price modelling constitutes an essential challenge for energy trading and risk management, relevant to different types of energy market participants – producers, retailers, and traders. The interest in going beyond point-forecasting approaches to estimate confidence intervals around the point price can apply to the needs of most participants. This thesis reviews the scientific literature to describe the different methods used for electricity price forecasting, the growing interest in probabilistic approaches, and the positioning of Gaussian Processes among them. Considering relevant literature that encourages transition from the traditional benchmark autoregressive and linear models to other algorithms - and among them – to the Gaussian Process Regression, we explore the application of the algorithm to the estimation of daily electricity prices using the Matern covariance function and assessing the accuracy and reliability of the point and interval prediction for the estimation of daily electricity prices. Our focus is on the electricity markets of Germany, France, and Italy, for which we will also explore the application of our predictions against the daily electricity futures.
Η μοντελοποίηση των αγορών ηλεκτρισμού συνιστά βασική πρόκληση για την εμπορία ενέργειας και τη διαχείριση ρίσκου, και αφορά όλους τους παίκτες της αγοράς - παραγωγούς, λιανοπωλητές και εμπόρους. Η επιδίωξη να συμπληρωθεί η μονοσήμαντη πρόβλεψη από διάστημα εμπιστοσύνης έχει εφαρμογή στις ανάγκες πολλών μετεχόντων της αγοράς. Η παρούσα εργασία εξετάζει την επιστημονική βιβλιογραφία για να περιγράψει τις διαφορετικές μεθόδους εκτίμησης των τιμών ρεύματος, το αυξανόμενο ενδιαφέρον για πιθανοτικές προσεγγίσεις και την τοποθέτηση των Γκαουσιανών διαδικασιών μεταξύ τους. Λαμβάνοντας υπόψη σχετική βιβλιογραφία που προκρίνει την μετάβαση από τα παραδοσιακά γραμμικά μοντέλα αυτοσυσχέτισης σε άλλους αλγορίθμους – και μεταξύ αυτών - στην παλινδρόμηση Γκαουσιανής Διαδικασίας, εξερευνούμε την εφαρμογή του αλγορίθμου για την εκτίμηση της ημερήσιας τιμής ηλεκτρισμού χρησιμοποιώντας τη συνάρτηση διακύμανσης Matern, αξιολoγώντας παράλληλα την ορθότητα και αξιοπιστία της μονοσήμαντης πρόβλεψης αλλά και του διαστήματος εμπιστοσύνης αυτής για την εκτίμηση των ημερήσιων τιμών. Εστιάζουμε στις αγορές ηλεκτρικής ενέργειας της Γερμανίας, της Γαλλίας και της Ιταλίας, για τις οποίες θα εξερευνήσουμε και την εφαρμογή των προβλέψεών μας έναντι των συμβολαίων μελλοντικής εκπλήρωσης επόμενης ημέρας.

Περιγραφή

Λέξεις-κλειδιά

Electricity market, Statistical learning, Gaussian process regression, Αγορά ηλεκτρισμού, Στατιστική μάθηση, Παλινδρόμηση Γκαουσιανής διαδικασίας

Παραπομπή