Electricity Market Price Forecasting Based on Weighted Nearest Neighbors Techniques

ABSTRACT

This paper presents a simple technique to forecast next-day electricity market prices based on the weighted nearest neighbors methodology. First, it is explained how the relevant parameters defining the adopted  model are obtained. Such parameters have to do with the window length of the time series and with the number of neighbors chosen for the prediction. Then, results corresponding to the Spanish electricity market during 2002 are presented and discussed. Finally, the performance of the proposed method is compared with that of recently published techniques.

INTRODUCTION

IN competitive electricity markets, prediction tools have be- come important for participating agents to be able to develop their bidding strategies in order to maximize the profit obtained by trading energy. Such  techniques, traditionally applied to load forecasting, have recently focused on the problem of predicting the hourly energy prices of pool-based electricity markets. Electricity price models can be broadly classified in two sets , namely production cost models and statistical models. Production cost models try to simulate the  operation of the system taking into account the strategic behavior of the involved agents. The main drawback of simulation methods is the large amount of information required, which is difficult to obtain in liberalized markets. On the other hand, statistical models predict price evolution based on historically  observed relationships, without explicitly modeling underlying physical processes. This category comprises a diversity of methods ranging from the simplest “black box” time-series methods, using only previous price as input data, to more complex structural forecasting models that include explanatory (causal) variables such as load demand, fuel prices, and generation availability.

چکیده

این مقاله یک روش ساده برای پیش بینی قیمت روزهای بازار برق بر اساس روش متداول نزدیکترین همسایگان ارائه می دهد. اولا توضیح داده شده است که چگونه پارامترهای مرتبط با تعریف مدل پذیرفته شده به دست می آیند. چنین پارامترهایی باید با طول پنجره سری زمانی و با تعداد همسایگان انتخاب شده برای پیش بینی شود. سپس، نتایج مربوط به بازار برق اسپانیا در سال 2002 ارائه و مورد بحث قرار می گیرد. در نهایت، عملکرد روش پیشنهادی با تکنیک های اخیر منتشر شده مقایسه می شود.

مقدمه

در بازارهای برق رقابتی، ابزار پیش بینی برای عوامل شرکت کننده مهم است تا بتوانند استراتژی های پیشنهاد خود را برای به حداکثر رساندن سود حاصل از تجارت انرژی بهینه سازی کنند. چنین تکنیک هایی که به طور سنتی برای پیش بینی بار استفاده می شوند، اخیرا بر مشکل پیش بینی قیمت انرژی ساعتی بازار های برق مبتنی بر استخر تمرکز کرده اند. مدل های قیمت برق را می توان به طور گسترده ای در دو مجموعه، یعنی مدل های هزینه تولید و مدل های آماری طبقه بندی کرد. مدل های هزینه تولید سعی می کنند عملیات سیستم را با توجه به رفتار استراتژیک عوامل مرتبط شبیه سازی کنند. اشکال اصلی روشهای شبیه سازی مقدار زیادی اطلاعات مورد نیاز است که در بازارهای آزاد تجاری دشوار است. از سوی دیگر، مدل های آماری، تکامل قیمت ها را براساس روابط تاریخی مشاهده می کنند، بدون اینکه به شکل صریح مدل سازی فرآیندهای فیزیکی پایه را پیش بینی کنند. این دسته از انواع متدها شامل ساده ترین روش های خطی “جعبه سیاه” است که تنها با استفاده از قیمت قبلی به عنوان داده های ورودی، به مدل های پیچیده تر پیش بینی ساختاری شامل متغیرهای توضیحی (علت) مانند تقاضای بار، قیمت سوخت و در دسترس بودن نسل است.

Year: 2007

Publisher : IEEE

By : Alicia Troncoso Lora, Jesús M. Riquelme Santos, Antonio Gómez Expósito,José Luis Martínez Ramos,  and José C. Riquelme Santos

File Information: English Language/ 8 Page / size: 375 KB

Download

سال : 1386

ناشر : IEEE

کاری از : آلیشیا ترنسکو لورا، Jesús M. Riquelme سانتوس، آنتونیو گومز Expósito، خوزه لوئیس مارتینز راموس و خوزه C. Riquelme سانتوس

اطلاعات فایل : زبان انگلیسی / 8 صفحه / حجم : KB 375

لینک دانلود