ELECTRICITY PRICE FORECASTING MODELS
A. Abbasov

DOI: 10.32702/2306-6806.2020.11.75

УДК: 338.51

A. Abbasov

ELECTRICITY PRICE FORECASTING MODELS

Summary

New era has begun two decades ago in the most power sectors of the globe. As electricity itself shifted from being a commodity only to a competitive trading market instrument, forecasting of power load and prices started to be another important factor. With the introduction of liberal power markets, independent players like producers, operators, traders became an important factors of liberalized power markets. New era in this secotr also increased competition among companies and countries. Thus, as new players came into scene, electricity became to be a tradable product and similar to another commodities needs to account, forecast plan of electiricity brought new challenges. With its obstacles, new atmosphere of electiricity repormation brought benefits such as lower price to end users and more utilized energy systems among the countries. Different forecasting models have been developed in order to forsee future operations. Moreover, popular modelts from economics, such as game theories, cournot model, Bertrand model, nash equilibrium plays a big role in electricity price forecasting. Simulation modelts are another methods heavily used by producers, operators and power traders in market. Additionally, statistical models, such as moving averages, Root Mean Square Error, Mean Absolute Error, mean Absolute Percentage Error, Theil's inequality coefficient are frequesntly used to determine price movements of electiricity. As its broadly used in several different industries, Time Series models using historical information and adding updated information helps to model future movement of prices. This article discusses the several methods of price forecasting of electricity in liberal power markets as high volatility of the market raises a big risk for all participants. Forecasting models explains time series analysis and briefly discusses about autoregressive, moving average, autoregressive moving average, and seasonal autoregressive moving average models. Moreover, the article illustrates examples from electricity price and load forecasts and their comparisons with actual results from trades in Turkish electricity market.

Keywords: time series; autoregressive; moving average; autoregressive moving average; seasonal autoregressive moving average; artificial intelligence; simulation models.

References

1. Aggarwal, S. K. Saini, L. M. and ve Kumar, A. (2009), "Electricity price forecasting in deregulated markets: A review and evaluation", Electrical Power and Energy Systems, Volume 31, no. 1, pp. 13—22.
2. EPDK, (2010), "Electricity Market Report", available at: http://www.epdk.gov.tr/documents/elektrik/rapor_yayin/ElektrikPiyasasiRap oru2010.pdf (Accessed 20 Oct 2020).
3. EPDK (2012), "Energy Investor Handbook", available at: http://www.epdk.org.tr/documents/strateji/rapor_yayin/yatirimciel_kitabi/Sgb_ Rapor_Yayin_Yatirimciel_Kitabi_Tr_2012_y6Xj7FNVt7F6.pdf (Accessed 20 Oct 2020).
4. Girish, G.P. and Vijayalakshmi, S. (2013), "Determinants of Electricity Price in Competitive Power Market", International Journal of Business and Management, Vol. 8, No. 21.
5. PMUM (2013), "Day Ahead Market User Guide", Electricity Markets Operation Department, available at: https://www.pmum.gov.tr/pmumportal/belgeler/gop/GOP_KULLANICI_KILAVUZ U_v1.1.pdf (Accessed 20 Oct 2020).
6. PMUM (2014), "Day Ahead Market User Guide", Electricity Markets Operation Department, available at: https://www.pmum.gov.tr/pmumportal/belgeler/gop/GOP_KULLANICI_KILAVUZ U_v1.1.pdf (Accessed 20 Oct 2020).
7. Kim, M.K. (2015),"Short-term price forecasting of Nordic power market by combination Levenberg-Marquardt and Cuckoo search algorithms", IET Gener. Transm.& Distrib., vol 9 (13), pp. 1553—1563, available at: http://mr.crossref.org/iPage?doi=10.1049%2Fiet-gtd.2014.0957 (Accessed 20 Oct 2020).
8. Pagnier, L. and Jacquod, P.(2018), "How fast canon eovercome the paradox of theenergy transition?Aphysico-economic model for the European power grid", Energy, vol 157, pp. 550—560, available at: https://www.sciencedirect.com/science/article/abs/pii/S0360544218310296?via%3Dihub (Accessed 20 Oct 2020).
9. Hahn, H. Meyer-Nieberg, S. and Pickl, S. (2009), "Electric load forecasting methods: Tools for decision making", Eur. J. Oper. Res., Vol 199, no. 3, pp. 902—907, available at: https://www.sciencedirect.com/science/article/abs/pii/S0377221709002094?via%3Dihub (Accessed 20 Oct 2020).
10. Abedinia, O. Amjady, N. and Zareipour, H. (2017), "A new feature selection technique for load and price forecast of electrical power systems", IEEE Trans. Power Syst., Vol.32, no.1, pp. 62—74, available at: https://ieeexplore.ieee.org/document/7458187 (Accessed 20 Oct 2020).

Аббасов Алі Яшар огли

МОДЕЛІ ПРОГНОЗУВАННЯ ЦІНИ НА ЕЛЕКТРОЕНЕРГІЮ

Анотація

Нова ера розпочалася два десятиліття тому в більшості галузей енергетики світу. Оскільки сама електроенергія перейшла від товару лише до конкурентоспроможного інструменту торгового ринку, прогнозування енергетичного навантаження та цін стали ще одним важливим фактором. З введенням ліберальних ринків енергії незалежні гравці, такі як виробники, оператори, торговці, стали важливими факторами лібералізованих ринків енергії. Нова ера в цьому секторі також посилила конкуренцію між компаніями та країнами. Таким чином, коли нові гравці вийшли на сцену, електроенергія стала товаром, що торгується, і, як і інші товари, які потрібно враховувати, прогнозний план електроенергії приніс нові виклики. Зі своїми перешкодами нова атмосфера звітності про електроенергію принесла такі переваги, як нижча ціна для кінцевих споживачів та більш використовувані енергетичні системи серед країн. Для прогнозування майбутніх операцій було розроблено різні моделі прогнозування. Більше того, популярні економічні моделі, такі як теорії ігор, модель Курно, модель Бертрана, рівновага, що відіграє важливу роль у прогнозуванні цін на електроенергію. Імітаційні моделі — це ще один метод, який активно використовується виробниками, операторами та торговцями енергією на ринку. Крім того, статистичні моделі, такі як ковзні середні, середньоквадратична помилка, середня абсолютна помилка, середня абсолютна похибка у відсотках, коефіцієнт нерівності Тейла часто використовуються для визначення руху цін на електроенергію. Моделі часових рядів, які широко використовуються в декількох галузях промисловості, використовують історичну інформацію та додають оновлену інформацію, що допомагає моделювати майбутній рух цін. У цій статті розглядаються декілька методів прогнозування цін на електроенергію на ліберальних ринках електроенергії, оскільки висока волатильність ринку створює значний ризик для всіх учасників. Моделі прогнозування пояснюють аналіз часових рядів та коротко обговорюють авторегресивні, ковзні середні, авторегресивні ковзні середні та сезонні авторегресивні ковзні середні моделі. Крім того, стаття ілюструє приклади прогнозів цін та навантаження на електроенергію та їх порівняння з фактичними результатами торгів на турецькому ринку електроенергії.

Ключові слова: часові ряди; авторегресія; ковзна середня; авторегресивні ковзні середні; сезонні авторегресивні ковзні середні; штучний інтелект; імітаційні моделі.

№ 11 2020, стор. 75 - 79

Дата публікації: 2020-11-26

Кількість переглядів: 852