Prognozowanie cen energii elektrycznej na rynku dnia następnego przy użyciu sztucznych sieci neuronowych

• Autorzy: Anna Kasznia
• Języki publikacji: PL

Abstrakty

Wprowadzenie konkurencyjnego rynku energii oraz wymogów co do minimalnej ilości energii, która musi podlegać wolnemu obrotowi postawiło przed przedsiębiorstwami energetycznymi nowe wyzwanie. Potrzebują one już nie tylko skutecznych narzędzi do precyzyjnego prognozowania zapotrzebowania na swój produkt, ale również do prognozowania jego cen. Oczywiste jest, że szukając tych najodpowiedniejszych nowy rynek korzysta z doświadczeń i rozwiązań rynku kapitałowego, na którym w ciągu lat wiele algorytmów prognozowania zostało przetestowanych. Stąd wiele badań nad zastosowaniem na tym polu tradycyjnych modeli autoregresyjnych i ich modyfikacji, metod data-minig, jak np. metoda lasów losowych czy sztucznej inteligencji. W mniejszym opracowaniu postanowiono zastosować do prognozowania cen modele sztucznych sieci neuronowych (SSN), które od lat 90. ubiegłego wieku z powodzeniem używane są na innych rynkach finansowych. Badanie obejmowało okres od 04.01.2010 r. do 28.08.2011 r. i dotyczyło cen energii elektrycznej na rynku dnia następnego (RDN). Oceny jakości postawionych prognoz dokonano za pomocą dwóch okresów testowych, tj. danych, które nie uczestniczyły w procesie budowania modeli, pochodzących z miesięcy o niskim i wysokim zapotrzebowaniu na energię elektryczną. (fragment tekstu)

Słowa kluczowe

PL

Energia elektryczna; Sieci neuronowe; Ceny energii; Prognozowanie cen

EN

Electric power; Neural networks; Energy prices; Prediction of prices

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2013
• Tom: Zastosowanie metod ilościowych w zarządzaniu ryzykiem w działalności inwestycyjnej
• Strony: 497--505

Twórcy

autor

Anna Kasznia

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Chodakowska E. i in., Prognozowanie cen energii elektrycznej na Towarowej Giełdzie Energii SA z wykorzystaniem modeli ARIMA, w: Technologie informatyczne i prognozowanie w zarządzaniu. Wybrane zagadnienia, red. L. Kiełtyka, J. Nazarko, Politechnika Białostocka, Białystok 2005.
• Fijorek K., Mróz K., Niedziela K., Fijorek D., Prognozowanie cen energii na rynku dnia następnego metodami data mining, "Rynek Energii" 2010, nr 12.
• Ganczarek A., Metody statystyczne w analizie i zarządzaniu ryzykiem na polskim rynku energii elektrycznej, http://www.statsoft.pl/czytelnia/artykuly/Metody_statys tyczne_w_analizie.pdf
• Halicka K., Wykorzystanie sztucznych sieci neuronowych do prognozowania cen na giełdzie energii, "Rynek Energii" 2010, nr 1.
• Niedziółka D., Rynek energii w Polsce, Difin, Warszawa 2010.
• Stacharska-Targosz J., Rynek energii, Politechnika Krakowska, Kraków 2010.
• Strona internetowa Centrum Informacji o Rynku Energii, http://www.cire.pl/
• Ustawa Prawo energetyczne z 10.04.1997 r., Dz.U. 1997, nr 54.
• Weron R., Misiorek A., Forecasting spot electricity prices with time series models, International Conference "The European Electricity Market EEM-05", 2005, http://129.3.20.41/eps/em/papers/0504/0504001.pdf
• Weron R., Misiorek A., Short-term Electricity Price Forecasting with Time Series Models: A Review and Evaluation, in: Complex electricity markets, ed. W. Mielczarski, Politechnika Łódzka, Łódź 2006.
• Weron R., Misiorek A., Forecasting spot electricity prices: A comparison of parametric and semi parametric time series models, 2008, http://mpra.ub.uni- muenchen. de/10428/