Sci Simple

New Science Research Articles Everyday

# Estadística # Aplicaciones

Nuevo Método para Predecir Precios de Electricidad

Un enfoque nuevo para mejorar la predicción de precios de electricidad usando Regresión de Vector de Soporte.

Andrzej Puć, Joanna Janczura

― 4 minilectura

Revelan la predicción de Revelan la predicción de precios de la electricidad. electricidad. las previsiones de precios de Un nuevo método mejora la precisión de
Tabla de contenidos

Los precios de la electricidad pueden ser tan impredecibles como un gato en un tejado caliente. Con más y más fuentes de energía renovable utilizándose, como el viento y la solar, la oferta y la demanda de electricidad se han vuelto complicadas. Esto hace que los precios reboten como una pelota de goma. Entonces, ¿cómo podemos averiguar cuál será el precio en un futuro muy cercano? ¡Eso es lo que queremos investigar!

El Desafío de la Predicción a Corto Plazo

Cuando hablamos de predicción a corto plazo, estamos buscando predecir los precios de la electricidad para tiempos de entrega muy cercanos. En el mercado eléctrico, los precios pueden cambiar rápidamente, y necesitamos hacer suposiciones inteligentes justo antes de que ocurran las transacciones. Ahí es donde se complica un poco. A diferencia de otros mercados donde los precios se establecen una vez al día, en el mercado continuo intradía, los compradores y vendedores pueden comerciar electricidad durante todo el día, lo que lo convierte en un poco de locura.

Métodos Existentes y sus Límites

Los investigadores han estado tratando de predecir los precios de la electricidad durante años. Algunos han utilizado modelos estadísticos simples, mientras que otros han recurrido a herramientas más complejas de aprendizaje automático. El objetivo siempre es mejorar en adivinar esos precios complicados. Sin embargo, muchos de estos métodos dependen de datos pasados y pueden no ajustarse bien a cambios repentinos en el comportamiento del mercado, especialmente durante las horas pico cuando la demanda se dispara.

Presentando un Nuevo Enfoque

Entonces, ¿qué pasaría si tomamos un ángulo diferente? ¿Y si usamos un método llamado Regresión de Vector de Soporte (SVR) que puede ajustarse rápidamente a nueva información? Notamos que incorporar precios recientes en nuestros modelos podría ayudarnos a anticipar mejor los precios futuros. Aquí viene la parte divertida: decidimos mejorar nuestro SVR con un pequeño giro—dándole una corrección de núcleo basada en el último precio conocido, que llamamos juguetonamente "la predicción ingenua."

Probando Nuestro Método

Para ver si nuestra idea funciona, la probamos con datos reales del mercado intradía alemán entre 2018 y 2020. Observamos de cerca cómo se desempeñó nuestro SVR mejorado (ahora llamado cSVR) en comparación con otros métodos comunes como LASSO y Random Forest. Queríamos ver si cSVR podía hacer suposiciones más inteligentes—sin tardar una eternidad en calcularlas.

¡Los Resultados Están Aquí!

Sorprendentemente, nuestro enfoque cSVR resultó ser más rápido y más preciso, especialmente durante los picos como la mañana y la tarde cuando los precios suelen dispararse. Piensa en ello como el superhéroe de la predicción de precios—rápido, fiable y siempre en el lugar correcto en el momento adecuado.

¿Por Qué Es Esto Importante?

Mejorar la predicción de los precios de electricidad no es solo un ejercicio académico; tiene implicaciones en el mundo real. Las utilidades pueden gestionar su producción de manera más efectiva, las empresas pueden tomar decisiones de compra más inteligentes y los consumidores pueden ahorrar en sus facturas. Es un ganar-ganar para todos los involucrados.

¿Qué Sigue?

Aunque hemos avanzado un poco, hay margen de mejora. Tener acceso a más datos, entender cómo interactúan varios factores del mercado y refinar nuestros métodos de núcleo podrían proporcionar resultados aún mejores.

Conclusión

En resumen, predecir los precios de electricidad en un mercado de ritmo rápido no es tarea fácil. Nuestro nuevo enfoque muestra promesas, y ¿quién sabe? Con un poco más de ajustes, podríamos tener un cambio de juego en nuestras manos. ¡Así que brindemos por facturas de electricidad más bajas y Pronósticos más inteligentes en el futuro!

Fuente original

Título: Corrected Support Vector Regression for intraday point forecasting of prices in the continuous power market

Resumen: In this paper, we develop a new approach to the very short-term point forecasting of electricity prices in the continuous market. It is based on the Support Vector Regression with a kernel correction built on additional forecast of dependent variable. We test the proposed approach on a dataset from the German intraday continuous market and compare its forecast accuracy with several benchmarks: classic SVR, the LASSO model, Random Forest and the na\"{i}ve forecast. The analysis is performed for different forecasting horizons, deliveries, and lead times. We train the models on three expert sets of explanatory variables and apply the forecast averaging schemes. Overall, the proposed cSVR approach with the averaging scheme yields the highest forecast accuracy, being at the same time the fastest from the considered benchmarks. The highest improvement in forecast accuracy is obtained for deliveries in the morning and evening peaks.

Autores: Andrzej Puć, Joanna Janczura

Última actualización: 2024-11-25 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2411.16237

Fuente PDF: https://arxiv.org/pdf/2411.16237

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Enlaces de referencia
Temas referenciados

Artículos similares