Naslov
Predviđanje cijena na hrvatskom dan unaprijed tržištu električne energije korištenjem metoda dubokog učenja
(Price Forecasting in the Croatian Day-ahead Electricity Market Using Deep Learning Methods)

Autori
Čović, Nikolina ; Kostelac, Matija ; Capuder Tomislav ; Pandžić Hrvoje

Vrsta, podvrsta i kategorija rada
Radovi u zbornicima skupova, cjeloviti rad (in extenso), znanstveni

Skup
15. savjetovanje HRO CIGRE

Mjesto i datum
Šibenik, Hrvatska, 07.11.2021. - 10.11.2021

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Domaća recenzija

Ključne riječi
predviđanje, dan unaprijed tržište, neuronske mreže, duboko učenje
(forecast, day-ahead electricity market, neural networks, deep learning)

Sažetak
Posljednjih godina elektroenergetski sustav prolazi kroz tranzicijsko razdoblje deregulacije, te se okreće prema niskougljičnim tehnologijama kao što su obnovljivi izvori energije. Deregulacijom elektroenergetskog tržišta transformiraju se klasične monopolističke kompanije, te dolazi do osnivanja konkurentnog tržišta na kojem svi sudionici mogu ravnomjerno sudjelovati. U tradicionalnom sustavu električna energija se kupovala od jednog opskrbljivača električne energije, a cijene je regulirala vlada. U današnje vrijeme postoji više ponuđač električne energije i načina kupovine pa time potrošači imaju priliku na različite načine kupovati električnu energiju od više opskrbljivača električne energije koji sami određuju svoje maloprodajne cijene ili čak izravnim nadmetanjem na veleprodajnom tržištu. Dan unaprijed tržište (eng. day-ahead market, DAM) je veleprodajno tržište električne energije na kojem proizvođači i potrošači daju ponude prije vremena isporuke. Nakon zatvaranja tržišta ponude se obrađuju te se kupljene/prodane količine i cijene javno objavljuju. Sudionici tržišta se moraju pridržavati ugovorenih količina u stvarnom vremenu, te će u suprotnom morati plaćati penale. S obzirom da su cijene električne energije nepoznate prije zatvaranja tržišta, njihovo predviđanje može uvelike pomoći sudionicima tržišta pri izradi strategije za natjecanje na tržištu i smanjivanju tržišnog rizika. U radu će biti prikazano predviđanje cijena na DA tržištu tehnikom dubokih neuronskih mreža. S obzirom da cijene na tržištu ovise o vremenu te da jedan vremenski period utječe na drugi koristit će se povratne neuronske mreže (RNN) koje uspješno modeliraju dugoročne ovisnosti te su stoga iznimno povoljne kod rada s vremenskim slijedovima. Takve neuronske mreže pokazuju određene nedostatke, zbog čega su osmišljene naprednije vrste kao što su GRU, odnosno LSTM. Usporedit će se rezultati korištenja navedene tri inačice povratnih neuronskih mreža, kao što će se usporediti njihovi rezultati s jednostavnijim modelima predviđanja – običnom umjetnom neuronskom mrežom te linearnom regresijom. Svi modeli primijenit će se na povijesnim cijenama s CROPEX tržišta dan unaprijed, u svrhu predviđanja cijena u 2021. godini.

Izvorni jezik
Hrvatski

Znanstvena područja
Elektrotehnika, Interdisciplinarne tehničke znanosti

POVEZANOST RADA