Forecasting Tariffs for the Day-Ahead Market Based on the Additive Model

Решена задача построения аддитивной модели прогнозирования тарифа рынка на сутки вперед. Трендовая составляющая построена на основе авторегрессионной модели уже известных значений тарифа рынка на сутки вперед и внешнего фактора объема потребления электроэнергии по данным Объединенной энергосистемы (ОЭС) Урала Оптового рынка электрической энергии и мощности (ОРЭМ) России за 2009-2018 гг. На основе построения автокорреляционной функции выявлено три сезонных составляющих во временном ряду часовых значений тарифа рынка на сутки вперед: годовая (8760 значений), недельная (168 значений), суточная (24 значения). Построена гармоническая модель каждой составляющей. Итоговая аддитивная модель построена с учетом специфики рынка электроэнергетики и процесса формирования тарифа рынка на сутки вперед и балансирующего рынка. Практическая значимость разработанной аддитивной модели заключается в адекватной точности с известными моделями прогнозирования тарифа рынка на сутки вперед ОЭС Урала. Использование предложенной модели позволит субъектам электроэнергетики за счет обеспечение высокой точности прогнозирования избежать штрафных санкций балансирующего рынка.

Ключевые слова

моделирование; прогнозирование; авторегрессия; аддитивная модель; электроэнергетика; энергетический рынок.

Литература

1. Garcia, R.C. Forecasting Model to Predict Day-Ahead Electricity Prices / R.C. Garcia // IEEE Transactions on Power Systems. - 2005. - V. 20, № 2. - P. 867-874.
2. Мохов, В.Г. Построение трендовой составляющей аддитивной модели долгосрочного прогнозирования Оптового рынка электрической энергии и мощности России на примере Объединенной энергосистемы Урала / В.Г. Мохов, Т.С. Демьяненко // Вестник ЮУрГУ. Серия: Экономика и менеджмент. - 2018. - Т. 12, № 2. - С. 80-87.
3. Taylor, J.W. Short-Term Load Forecasting Methods: an Evaluation Based on European Data / J.W. Taylor, P.E. McSharry // IEEE Transactions on Power Systems. - 2008. - V. 22. - P. 2213-2219.
4. Taylor, J.W. Short-Term Electricity Demand Forecasting Using Double Seasonal Exponential Smoothing / J.W. Taylor // Journal of Operational Research Society. - 2003. - V. 54. - P. 799-805.
5. Perez, M. Time Series Analysis with Matlab. ARIMA and ARIMAX Models/ M. Perez. - Scotts Valley: CreateSpace Independent Publishing Platform, 2016.