A distributional modelling approach with application to electricity price forecasting
Euskal Herriko Unibertsitatea (EHU)(巴斯克地区大学)
本文应用GAMLSS框架,基于2020-2024年西班牙小时数据预测日前电价,发现灵活分布规格(尤其是JSU)优于基准和正态模型,显著提升概率预测性能,强调了时变形状参数的重要性。
2026-10-02 econ.EM
Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF)
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学);University of Skövde(斯科夫德大学)
利用时间层次预测(THieF)提升日-ahead电力价格预测精度,通过协调不同时间粒度的预测结果显著提高准确性。
2026-03-04 econ.EM q-fin.ST
From day-ahead to mid and long-term horizons with econometric electricity price forecasting models
针对能源危机引发的中长期电价预测需求,提出通过约束系数、纳入季节性预期和推演同日关系解决关键挑战,在德国市场利用正则化回归和广义可加模型构建了从日前到提前一年的可解释预测框架。
2024-08-25 econ.EM stat.AP
Stealing profits: Spread-based temporal hierarchy forecasting for day-ahead electricity markets
Wrocław University of Science and Technology(弗罗茨瓦夫理工大学);Indicio Technologies AB(因迪西奥科技公司)
本研究提出时序层次预测框架,通过协调小时电价与日内价差预测,在欧洲两市场提升精度达19.7%、利润达10.4%,并揭示统计精度提升未必带来经济决策改善。
2026-09-22 cs.LG econ.EM q-fin.ST
Extrapolating the long-term seasonal component of electricity prices for forecasting in the day-ahead market
本文提出一种新方法,通过利用未来24小时电价预测外推价格序列并提取趋势-季节性模式,改进了日前市场中长期季节性分量(LTSC)的预测,在德西市场测试中显著提升了预测精度与交易利润。
2025-03-04 econ.EM q-fin.RM q-fin.ST
Foundation models for electricity price forecasting and battery arbitrage: Can they replace market-specific forecasting models?
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学);Aarhus University(奥胡斯大学)
该研究对比9种基础模型变体与两种电价预测基准,发现TabPFN模型统计表现最优但经济价值受策略影响,得出基础模型无法普遍替代特定市场模型的结论。
2026-09-02 cs.LG econ.EM
Combining predictive distributions of electricity prices: Does minimizing the CRPS lead to optimal decisions in day-ahead bidding?
本文通过德国EPEX市场数据实证研究,发现最小化CRPS的加权技术在日前竞价中虽提高预测精度,但计算成本高且未带来更高利润,多样性对准确性有正面影响。
2023-08-29 econ.EM q-fin.ST stat.CO
Econometric modelling and forecasting of intraday electricity prices
在下面的论文中,我们分析了ID $_3$ -价格在德国的日内连续电力市场使用计量经济学时间序列模型。分别对每小时和每季度产品进行了多变量方法。我们使用套索和弹性网络技术估计模型,并进行样本外的非常短期的预测研究。该模型的性能与基准模型进行了比较,并进行了详细讨论。预测结果提供了新的见解,德国日内连续电力市场的效率和ID $_3$ -价格行为。
2019-09-23 econ.EM q-fin.ST stat.AP
Forecasting of volatility and risk premia in electricity markets
Aarhus University(奥胡斯大学);BI Norwegian Business School(挪威BI商学院);CoRE, Center for Research in Energy: Economics and Markets(能源经济与市场研究中心)
研究电力市场已实现协方差的预测,通过构建简约矩阵HAR模型,发现纳入更长的时间跨度和可再生能源发电信息能显著提升预测能力,并利用方差预测改进远期市场价差风险溢价的预测。
2026-06-04 econ.EM q-fin.GN
Panel semiparametric quantile regression neural network for electricity consumption forecasting
Institute of Statistics and Data Science, Nanjing Audit University(南京审计大学统计与数据科学学院)
在长期深化改革开放的过程中,我国电力工业取得了巨大成就。然而,由于我国区域经济、社会和自然条件复杂,电力资源分布不均,造成我国部分地区缺电。因此,需要建立一个可靠的电力预测模型。在此基础上,本文将人工神经网络与半参数分位数回归相结合,提出了一种面板半参数分位数回归神经网络(PSQRNN)。PSQRNN可以探索变量之间潜在的线性和非线性关系,解释未观察到的省级异质性,同时保持参数模型的可解释性。将惩罚分位数回归与LASSO、岭回归和反向传播算法相结合训练PSQRNN。为了评估预测精度,基于3种情景对1999 - 2018年中国各省用电量进行了实证分析。结果表明,PSQRNN模型在考虑经济和气候因素的情况下,能够更好地预测电力消费量。最后,通过预测,给出了未来$5$年(2019-2023年)中国各省用电量。
2021-03-01 cs.LG econ.EM stat.ML
Probabilistic Forecasting for Day-ahead Electricity Prices, Battery Trading Strategies and the Economic Evaluation of Predictive Accuracy
University of Duisburg-Essen(杜伊斯堡-埃森大学);Statkraft Trading GmbH(Statkraft交易有限公司)
本文探讨了概率预测在电力价格、电池交易和预测准确性评估中的应用,指出传统量化交易策略的不足,并通过德国电力市场案例研究,揭示了预测模型评估的挑战与改进方向。
2026-04-21 econ.EM q-fin.PM q-fin.ST
Probabilistic forecasting of German electricity imbalance prices
可再生能源能力的指数增长给电价和发电带来了很大的不确定性。为了应对这一挑战,能源交易所一直在开发更多的交易可能性,特别是日内和平衡市场。对于同时参与两个市场的能源交易商来说,对不平衡价格的预测特别重要。因此,在这篇手稿中,我们进行了一个非常短期的不平衡价格的概率预测,有助于在这个新的主题稀缺的文献。预测是在交割前30分钟进行的,这样交易者仍然可以选择交易地点。不平衡价格的分布建模和预测使用众所周知的方法在电力价格预测文献:套索与引导,gamlss和概率神经网络。在一个有意义的滚动窗口研究的方法进行了比较,一个天真的基准。结果提供了证据的效率之间的日内和平衡市场的复杂的方法并没有实质上超过日内连续价格指数。另一方面,它们显著提高了经验覆盖率。该分析是在德国市场上进行的,但它可以很容易地应用于任何其他类似结构的市场。
2022-05-23 econ.EM q-fin.ST stat.ML
Probabilistic multivariate electricity price forecasting using implicit generative ensemble post-processing
预测不确定性的可靠估计是风险敏感最优决策的关键。在本文中,我们提出了隐式生成集成后处理,多变量概率电价预测的新框架。我们使用一个基于点预测模型集合的无似然隐式生成模型来生成具有一致依赖结构的多变量电价场景,作为联合预测分布的表示。我们的集成后处理方法优于成熟的模型组合基准。这一点在德国日前市场的数据集上得到了证明。由于我们的方法在特定领域的专家模型集合之上工作,因此可以很容易地部署到其他预测任务中。
2020-05-27 econ.EM q-fin.RM q-fin.ST
Comparing the Forecasting Performances of Linear Models for Electricity Prices with High RES Penetration
Free University of Bozen-Bolzano(博尔扎诺自由大学);London Business School(伦敦商学院);BI Norwegian Business School(挪威商业管理学院);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
本文比较了单变量与多变量模型、频率主义与贝叶斯自回归及向量自回归规范在小时提前电力价格中的表现,涵盖有和无可再生能源发电的四个主要欧洲市场,研究不同可再生能源发电水平下的预测准确性。结果显示,带有外生变量的贝叶斯VAR规范在点预测和密度预测方面均优于其他多变量和单变量规范。
2019-11-12 econ.EM econ.GN q-fin.EC
Anomaly Detection in California Electricity Price Forecasting: Enhancing Accuracy and Reliability Using Principal Component Analysis
U.S. Department of Energy(美国能源部);SAS Institute(SAS研究所)
本研究针对加州电网电价预测的复杂数据与异方差挑战,结合PCA、RPCA及SAS稀疏矩阵离群点去除方法优化特征,构建回归模型,显著提升日前电价预测准确性,助力可再生能源并网与电网管理。
2024-11-25 cs.AI cs.ET cs.LG
Multivariate Probabilistic CRPS Learning with an Application to Day-Ahead Electricity Prices
University of Duisburg-Essen(杜伊斯堡-埃森大学);Chair of Environmental Economics, esp. Economics of Renewable Energy(环境经济学(侧重可再生能源经济学)教席)
本文提出一种基于Bernstein在线聚合的多元概率预测在线组合方法,通过平滑处理分位数依赖,在日前电价24维预测中显著优于均匀组合,并提供了R包实现。
2024-02-06 cs.LG econ.EM q-fin.CP
Forecasting the Intra-Day Spread Densities of Electricity Prices
London Business School(伦敦商学院)
电力交易商、仓储和电动汽车运营商对日内价差感兴趣。本文制定了动态密度函数,基于偏T和类似的表示,模型和预测德国的电力价格之间的价差不同的时间的一天,揭示了在一天前的拍卖。密度函数的四个规格是动态的,并取决于外部驱动程序,从而允许密度的位置,规模和形状参数,以每小时响应天气和需求预测等因素。每个价差的最佳拟合和预测规格是根据弹球损失函数选择的,遵循累积分布函数的封闭形式解析解。
2020-02-20 cs.LG econ.EM stat.AP
Hierarchical forecasting for aggregated curves with an application to day-ahead electricity price auctions
University of Duisburg-Essen(杜伊斯堡-埃森大学);Chair of Environmental Economics, esp. Economics of Renewable Energy(环境经济学(尤其是可再生能源经济学)教席)
本研究利用聚合曲线的内在分层结构,提出新型aggregated-down基准协调方法,结合已有分层协调方法,通过德国日前电力拍卖市场实证验证,有效提升了聚合曲线的预测精度。
2023-05-25 cs.LG econ.EM q-fin.TR
The value of forecasts: Quantifying the economic gains of accurate quarter-hourly electricity price forecasts
我们提出了一个多变量弹性网络回归预测模型,德国每季度电力现货市场。虽然文献是不同的一天前的预测方法,无论是日内连续和日内呼叫拍卖价格没有得到深入研究,明确的重点是预测能力。除了电价预测外,我们还检查早盘(DA)EXAA价格对盘中预测的影响。本文的另一个新颖之处是对经济效益的补充讨论。精确的估计如果不能被利用,就毫无价值。我们根据我们的预测方案详细阐述可能的交易决策,并分析其货币影响。我们发现,即使是简单的电力交易策略,可以导致实质性的经济影响,如果结合一个体面的预测技术。
2018-11-21 econ.EM q-fin.PM q-fin.RM
Efficient Modeling and Forecasting of the Electricity Spot Price
可再生能源,特别是太阳能和风能的重要性日益增加,导致电价形成新的力量。因此,本文介绍了一个计量经济学模型的每小时时间序列的欧洲电力交易所(EPEX)的电价,其中包括具体功能,如可再生能源。该模型由几个复杂的和建立的方法,可以被视为一个周期性的VAR Tstrom与风力发电,太阳能发电,负载的影响时间序列。它能够映射德国电价的独特和众所周知的特征。一个有效的迭代加权套索方法用于估计。此外,它表明,几个现有的模型优于本文开发的程序。
2014-10-13 econ.EM q-fin.ST q-fin.TR
mshw, a forecasting library to predict short-term electricity demand based on multiple seasonal Holt-Winters
Universitat Politècnica de València(瓦伦西亚理工大学)
本文提出MATLAB工具箱mshw,结合多重季节性Holt-Winters指数平滑与神经网络模型,并引入离散区间移动季节性以改进特殊日期预测,在欧洲多个电力系统中验证了其有效性。
2024-02-15 cs.LG econ.EM stat.AP