Foto: Diz Play
Datum objave: 27.12.2021
Kategorija: Najodličnejši raziskovalni dosežki, Interdisciplinarne raziskave, Naš prispevek k ciljem trajnostnega razvoja OZN
Cilji trajnostnega razvoja: 7 Cenovno dostopna in čista energija, 10 Zmanjšanje neenakosti, 12 Odgovorna poraba in proizvodnja (kazalniki)
Uporaba metod strojnega učenja pri napovedovanju cen elektrike lahko pomembno vpliva na dobičkonosnost poslovanja udeležencev na trgih električne energije.
Opisano je bilo ugotovljeno v raziskavi Ekonomske fakultete Univerze v Ljubljani pod vodstvom prof. dr. Miroslava Verbiča in prof. dr. Jelene Zorić, ki je primerjala uspešnost alternativnih metod napovedovanja cen elektrike na dnevnem trgu, kjer je volatilnost izrazito visoka in ima lahko izboljšanje napovedne natančnosti pomemben vpliv na poslovanje podjetij. Prispevek analizira natančnost napovedovanja algoritmov iz družin strojnega učenja, podatkovnega rudarjenja in globokega učenja v primerjavi z ekonometričnim modelom časovnih vrst.
Sodobne napovedovalne tehnike so aplicirane na slabo raziskane trge z električno energijo v državah Srednje in Jugovzhodne Evrope, pri čemer je poudarek na podatkih grške in madžarske borze električne energije. Rezultati analize kažejo, da so napovedi z metodo podpornih vektorjev statistično značilno boljše v primerjavi z ekonometričnim modelom časovnih vrst, pri čemer izbira velikosti kalibracijskega okna izrazito vpliva na napovedovalno natančnost. Slednje ima neposreden učinek na znižanje stroškov oziroma izboljšanje dobičkonosnosti poslovanja udeležencev na trgu električne energije za dan vnaprej.
Hkrati gre za prvi prispevek, ki temelji na javno dostopnih podatkih platforme ENTSO-E, ki je bila oblikovana leta 2015 z namenom povečanja transparentnosti delovanja trga. Izključna uporaba javnih podatkov, dostopnih na enem mestu, omogoča reprodukcijo rezultatov, hkrati pa lahko prispeva k zmanjšanju informacijske asimetrije med velikimi in majhnimi igralci ter s tem k večji preglednosti trga z električno energijo in manjši verjetnosti izkrivljanja konkurence na trgu.
Slika: Porazdelitev napovedovalnih napak alternativnih metod napovedovanja na grškem in madžarskem trgu z električno energijo. Vir: avtorji članka.
Vir: HALUŽAN, Marko, VERBIČ, Miroslav, ZORIĆ, Jelena. Performance of alternative electricity price forecasting methods: Findings from the Greek and Hungarian power exchanges. Applied energy, 2020, vol. 277, art. 115599. ISSN 0306-2619. DOI: 10.1016/j.apenergy.2020.115599. [COBISS.SI-ID 25225731]