Czasopismo
Tytuł artykułu
Warianty tytułu
MARIMA Models for Energy Price Forecasting at the Power Exchange in Poland
Języki publikacji
Abstrakty
W Polsce efektem zmian zachodzących w branży elektroenergetycznej jest liberalizacja handlu energią. Jedną z pierwszych wprowadzonych form rynkowego obrotu energią elektryczną była giełda energii.
W Polsce funkcjonuje jedna giełda energii elektrycznej - Towarowa Giełda Energii SA (TGE). Pierwszą uruchomioną na niej formą obrotu był rynek dnia następnego (RDN). Rynek ten prowadzony jest dzień przed dobą w której nastąpi fizyczna dostawa energii i składa się z 24 notowań, na których cena ustalana jest systemem FIXING. Podstawą decyzji o liczbie ofert i cenie oferty zakupu energii składanej przez uczestników TGE na RDN powinna być m.in. prognoza jej cen, sporządzana z wyprzedzeniem dobowym.
Prognozowanie cen energii na giełdzie jest zagadnieniem nowym. Nie ma jeszcze zbyt wielu prac poświęconych tej tematyce. Przedstawiane są m.in. propozycje wykorzystania sztucznych sieci neuronowych, modeli ARMA czy modeli GARCH do prognozowania cen energii. Autorzy w niniejszym artykule proponują zastosowanie wielowymiarowych modeli ARIMA (MARIMA - multivariate autoregressive integrated moving average) do analizy i prognozowania cen energii notowanych na TGE. W artykule przeprowadzono analizę kształtowania się cen energii elektrycznej na TGE oraz podjęto próbę wyznaczenia prognozy ceny energii z uwzględnieniem wolumenu obrotu. (fragment tekstu)
W Polsce funkcjonuje jedna giełda energii elektrycznej - Towarowa Giełda Energii SA (TGE). Pierwszą uruchomioną na niej formą obrotu był rynek dnia następnego (RDN). Rynek ten prowadzony jest dzień przed dobą w której nastąpi fizyczna dostawa energii i składa się z 24 notowań, na których cena ustalana jest systemem FIXING. Podstawą decyzji o liczbie ofert i cenie oferty zakupu energii składanej przez uczestników TGE na RDN powinna być m.in. prognoza jej cen, sporządzana z wyprzedzeniem dobowym.
Prognozowanie cen energii na giełdzie jest zagadnieniem nowym. Nie ma jeszcze zbyt wielu prac poświęconych tej tematyce. Przedstawiane są m.in. propozycje wykorzystania sztucznych sieci neuronowych, modeli ARMA czy modeli GARCH do prognozowania cen energii. Autorzy w niniejszym artykule proponują zastosowanie wielowymiarowych modeli ARIMA (MARIMA - multivariate autoregressive integrated moving average) do analizy i prognozowania cen energii notowanych na TGE. W artykule przeprowadzono analizę kształtowania się cen energii elektrycznej na TGE oraz podjęto próbę wyznaczenia prognozy ceny energii z uwzględnieniem wolumenu obrotu. (fragment tekstu)
The paper discusses application of Multivariate AutoRegressive Integrated Moving Average models for energy prices forecasting at the Day-Ahead Market at The Power Exchange in Poland. The analysis of energy prices has been carried out and at the same time there has been made an attempt to find a relation between price and its volume. On the basis of available data, a MARIMA model has been proposed which describes price as a function of its previous values and energy volume. (original abstract)
Słowa kluczowe
Rocznik
Tom
Strony
142--150
Opis fizyczny
Twórcy
autor
- Politechnika Białostocka
autor
- Politechnika Białostocka
autor
- Politechnika Białostocka
Bibliografia
- Contreras J., Espinola R., Nogales F.J., Conejo A.J., ARIMA Models to Predict Next-Day Electricity Prices, "IEEE Transactions on Power Systems" sierpień 2003, vol. 18, nr 3,s. 1014-1020.
- DeLurgio S.A., Forecasting Principles and Applications, Irwin/McGraw-Hill, Boston 1998.
- Halicka K., Nazarko J., Jurczuk A., Zarządzanie portfelem zakupów na rynku dnia następnego, "Zagadnienia Techniczno-Ekonomiczne. Kwartalnik AGH", z. 1, t. 48, Kraków 2003, s. 111-123.
- Liu L., Hudak G.B., Forecasting and Time Series Analysis Using the SCA Statistical System, Scientific Computing Associated Corp., Chicago 2000.
- http://www.polpx.pl, 1 września 2004.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171526007
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.