Napovedovanje cene električne energije na trgu za dan vnaprej s časovnimi serijamiMALI, BORUT (Avtor) Pantoš, Miloš (Mentor) trg električne energije za dan vnaprejcena električne energijekratkoročno napovedovanjeeksponentno glajenjemodel ARIMATrgovanje z električno energijo na trgu za dan vnaprej deluje na principu dražb, kjer se križata agregirani krivulji ponudb za nakup in prodajo. Te so dan prej podane s strani trgovcev in dobaviteljev, ki za ceno na dan trgovanja ne vedo, saj se ta izoblikuje šele po prejemu vseh ponudb. V času oddaje le-teh tako nastane negotovost, ki jo lahko vsak izmed sodelujočih izkoristi, če le ima orodja, s katerimi si pomaga pri boljšem predvidevanju cene. S tem bi si ustvaril ključno prednost pred ostalimi in lažje oddal dobičkonosno ponudbo. Namen naloge je bil opisati metode kratkoročnega (za dan vnaprej z urnim korakom) napovedovanja cene električne energije in jih preizkusiti na primeru trga za dan vnaprej v Sloveniji. Najprej smo si podrobneje ogledali znane informacije o trgu in prišli do podatkov o cenah električne energije v določenem časovnem obdobju. Po njihovi preučitvi smo izbrali najbolj primerne metode napovedovanja. Lastnosti in delovanja metod povprečne vrednosti, naključnega hoda, eksponentnega glajenja in modela ARIMA so bila vsa temeljito predstavljena in tako smo si ustvarili podlago za nadaljnje delo, napovedovanje cene. Tu smo vzeli dva dvotedenska intervala iz različnih obdobij, ki sta služila kot nabor podatkov za napoved cen dni za intervaloma, kjer je bil en izmed njiju stabilen, drugi pa nestabilen. S primerjavo cenilk napak napovedi RMSE in MAPE smo prišli do zaključkov, da je sicer najbolj kompleksen med modeli, sezonski model ARIMA, opravil najboljšo napoved, vendar so si bili nekateri modeli pri rezultatih precej blizu, prav tako smo opazili, da so bili posamezni dnevi, predvsem vikendi, problematični zaradi popačenja stalnega trenda delavnikov. Na podlagi teh ugotovitev smo se odločili primerjavo med modeli razširiti na intervale skozi celo leto in poizkusiti z razdelitvijo le-teh na delavnike in vikende ter jih posebej vključiti pri samih napovedih. Končni rezultat je še podkrepil zaključke iz prvega dela. Sezonski model ARIMA se je tu izkazal za daleč najboljši model, še najbližje mu je prišel en najbolj intuitivnih in enostavnih modelov, model naključnega hoda, kjer so bile napovedi cen enake vrednostim iz prejšnjega dneva. Prav tako se izkaže, da se razdelitev intervalov, kjer posebej obravnavamo delavnike in vikende, običajno izplača in prinese boljše rezultate.20202020-06-22 13:45:01Magistrsko delo/naloga117059VisID: 51301sl