Αξιολόγηση Μεθόδων Πρόβλεψης της Τιμής Ηλεκτρικής Ενέργειας στην Αγορά της Ουγγαρίας

Μήτση, Ελένη; Mitsi, Eleni

dc.contributor.author	Μήτση, Ελένη
dc.contributor.author	Mitsi, Eleni
dc.date.accessioned	2020-11-02T07:12:57Z
dc.date.available	2020-11-02T07:12:57Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51700
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19398
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Ουγγρική Αγορά Ηλεκτρικής Ενέργειας	el
dc.subject	Μέθοδοι Πρόβλεψης	el
dc.subject	Πολυεπίπεδοι Αισθητήρες	el
dc.subject	Δέντρα Απόφασης	el
dc.subject	Πολλαπλή Γραμμική Παλινδρόμηση	el
dc.subject	Hungarian Electricity Market	el
dc.subject	Forecasting Methods	el
dc.subject	Multi-Layer Perceptron	el
dc.subject	Decision Trees	el
dc.subject	Multiple Linear Regression	el
dc.title	Αξιολόγηση Μεθόδων Πρόβλεψης της Τιμής Ηλεκτρικής Ενέργειας στην Αγορά της Ουγγαρίας	el
dc.contributor.department	ΔΙΑΠΑΝΕΠΙΣΤΗΜΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩN «ΤΕΧΝΟ-ΟΙΚΟΝΟΜΙΚΑ ΣΥΣΤΗΜΑΤΑ»	el
heal.type	masterThesis
heal.classification	Μέθοδοι Πρόβλεψης	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-06-11
heal.abstract	Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η εφαρμογή και η αξιολόγηση διαφόρων μεθόδων για βραχυπρόθεσμη πρόβλεψη της τιμής της ηλεκτρικής ενέργειας στην αγορά της Ουγγαρίας αξιοποιώντας δεδομένα και από διασυνοριακές χώρες ή χώρες με αλληλεξάρτηση. Σε ανταγωνιστικές αγορές ηλεκτρικής ενέργειας, οι συμμετέχοντες όπως είναι οι ηλεκτρικές επιχειρήσεις κοινής ωφέλειας, οι παραγωγοί ηλεκτρικής ενέργειας και οι έμποροι εκτίθενται σε αυξημένους κινδύνους που προκαλούνται από την αστάθεια των τιμών ηλεκτρικής ενέργειας. Επομένως, στην παρούσα διπλωματική εργασία αναπτύσσονται διαφορετικά μοντέλα πρόβλεψης και μέσω συγκριτικής αξιολόγησης προκύπτει ένα τελικό μοντέλο για παραγωγή αξιόπιστων προβλέψεων για την αγορά της επόμενης ημέρας. Η ανάπτυξη των μοντέλων πραγματοποιείται σε πραγματικά ιστορικά δεδομένα για την αγορά της Ουγγαρίας και των γύρω χωρών, ενώ η αξιολόγησή τους γίνεται σε πραγματικές συνθήκες αγοράς. Στο πλαίσιο της παρούσας εργασίας εξετάστηκαν τέσσερα μοντέλα, το πρώτο είναι το μοντέλο της Πολλαπλής Γραμμικής Παλινδρόμησης (MLR), το δεύτερο και το τρίτο μοντέλο ανήκουν στην κατηγορία των Δέντρων Απόφασης (DT) ενώ το τελευταίο ανήκει στην κατηγορία των Νευρωνικών Δικτύων και υλοποιήθηκε μέσω του αλγορίθμου Πολυεπίπεδων Αισθητήρων (MLP). Συμπληρωματικά, σε κάθε αλγόριθμο εφαρμόστηκε η μέθοδος της Σταδιακής Παλινδρόμησης (Stepwise regression) ώστε να επιλεχθούν οι ανεξάρτητες μεταβλητές εισόδου για τα τελικά μοντέλα πρόβλεψης. Αρχικά, στην παρούσα εργασία πραγματοποιήθηκε μια εκτενής ανάλυση και παρουσίαση των αγορών ηλεκτρικής ενέργειας, δίνοντας ιδιαίτερη έμφαση στην αγορά της Ουγγαρίας που μελετάται. Στην συνέχεια, παρουσιάστηκε η ανάγκη για παραγωγή αξιόπιστων προβλέψεων για κάθε συμμετέχοντα στην αγορά της ηλεκτρικής ενέργειας ενώ έγινε μια κατηγοριοποίηση και ανάλυση αυτών βάσει του ορίζοντα πρόβλεψης. Έπειτα, ακολούθησε η παρουσίαση της επίδρασης των γειτονικών χωρών στην διαμόρφωση της τιμής της ηλεκτρικής ενέργειας για την υπό μελέτη χώρα όπως έχει προκύψει βάσει βιβλιογραφίας καθώς και οι παράγοντες που την διαμορφώνουν. Στο τρίτο κεφάλαιο, έγινε μια ανάλυση των μεθόδων και των μοντέλων πρόβλεψης που χρησιμοποιούνται, ενώ παρουσιάστηκαν εκτενέστερα οι αλγόριθμοι που εφαρμόστηκαν στην παρούσα εργασία. Στην συνέχεια, αναλύθηκαν οι στατιστικοί δείκτες σφάλματος βάσει των οποίων αξιολογείται η ακρίβεια ενός μοντέλου πρόβλεψης και αναπτύχθηκαν οι μέθοδοι της αλυσιδωτής επαλήθευσης και της σταδιακής παλινδρόμησης που εφαρμόστηκαν στην παρούσα εργασία. Τέλος, στο τέταρτο κεφάλαιο αναλύεται η πειραματική διαδικασία της παρούσας εργασίας. Αρχικά, παρουσιάστηκαν και αναλύθηκαν τα δεδομένα που χρησιμοποιήθηκαν στο παρόν πρόβλημα. Στην συνέχεια, για κάθε αλγόριθμο προσδιορίστηκαν οι υπερπαράμετροι, όπου αυτό χρειαζόταν, και παρουσιάστηκαν τα αποτελέσματα από την μέθοδο της προς τα πίσω επιλογής μεταβλητών εισόδου. Για την αξιολόγηση των μοντέλων και των μεθόδων χρησιμοποιήθηκε η μέθοδος της αλυσιδωτής επαλήθευσης.	el
heal.abstract	The scope of this thesis is to is to apply and evaluate various methods for short-term forecasting of the electricity price in the Hungarian market also using data from cross-border countries or interdependent countries. In competitive power markets, participants such as, electric utilities, power producers, and traders are exposed to increased risks caused by electricity price volatility. Therefore, in the present thesis different models for forecasting are developed and through comparative evaluation a final reliable model turns out for forecasting the day ahead market results. The development of the models is carried out in real historical data for the market of Hungary and the surrounding countries, while their evaluation is done in real market conditions. In particular, within the frame of this study four models were used, the first being the Multiple Linear Regression Model (MLR), the second and third model belongs to the Decision Tree (DT) class while the latter belongs to the Neural Network class and was implemented through Multi-Layer Perceptron (MLP). Additionally, the Stepwise regression method was applied to each algorithm to select the independent input variables for the final forecasting models. Initially, in this thesis, an extensive analysis and presentation of the electricity markets took place, with particular emphasis on the Hungarian market being studied. Then, the need for reliable forecasts for each participant in power market was presented while a categorization and analysis of price forecasts was made based on the forecast horizon. This was followed by a presentation of the effect of neighboring countries on the price of electricity for the country under study as shown in the literature and the factors that affect the price. In the third chapter, an analysis of the methods and forecasting models used was made. The algorithms applied in this thesis were presented in more detail. Then, the statistical error indicators were analyzed based on which the accuracy of a prediction model is evaluated while the methods of cross validation and the stepwise selection of input variables applied in the present thesis were developed. Finally, the fourth chapter analyzes the case study of the present thesis. Initially, the data used in this problem were presented and analyzed. Then for each algorithm, the hyperparameters, where needed, were identified, and the results from the method of backward selection of input variables were presented. The method of cross validation was used to evaluate the models and methods.	en
heal.advisorName	Ασημακόπουλος, Βασίλειος
heal.committeeMemberName	Ψαρράς, Ιωάννης
heal.committeeMemberName	Δούκας, Χρυσόστομος
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	103
heal.fullTextAvailability	false