دانلود پاورپوینت مقاله برآورد قیمت های برق روز بعد در اروپا

بر اساس انگیزه بالا، پیش ­بینی قیمت برق در چند دهه اخیر همواره در حال توسعه و بهبود بوده است، و در نتیجه تحقیقات زیادی درباره روش­ های مختلف انجام گرفته است. با  این حال، تا جایی که ما می ­دانیم، موضوعی که به آن پرداخته نشده است تاثیر بازارهای متصل و همسایه است، یعنی تاثیر یکپارچه سازی بازار بر دقت پیش بینی.  بویژه از آنجا که مناطق مختلف جهان مثل اتحادیه اروپا، سطح بزرگتری از یکپارچه سازی را در بازارهای برق در سطح کشوری اعمال می کنند، می توان فرض کرد که بازارهای همسایه نقش مهمی در کارآیی پیش بینی دارند. برای رفع این خلاء تحقیقاتی، در این مقاله چارچوب مدل­سازی پیشنهاد می شود که توانایی بهبود دقت پیش بینی را با بهره گیری از روابط در بازارهای برق داراست. بویژه با مدل­سازی یکپارچگی بازار به دو شیوه مختلف، چارچوب پیشنهادی بهبودهای آماری معنی داری را موجب می شود.

تحقیقات مربوط به پیش بینی قیمت معمولاً به پنج حوزه تقسیم می­شود: (1) مدل­های چند عاملی یا نظریه بازی که عمل عوامل بازار را شبیه سازی می کنند، (2) روش های بنیادی که از فاکتورهای فیزیکی و اقتصادی استفاده می کنند، (3) مدل های کاهش یافته با استفاده از ویژگی های تجارت برق برای ارزیابی ریسک و مشتقات، (4) مدل های آماری شامل سری زمانی و مدل های اقتصادی، و (5) روش های هوش مصنوعی. برای پیش بینی قیمت های روز بعد، یا به طور کل هر نوع قیمت های نقطه ای برق، روش های آماری و هوش مصنوعی بهترین نتایج را نشان داده اند. در نتیجه در این بررسی بر آنها تمرکز شده است.

این پاورپوینت در 21 اسلاید آماده شده و در ادامه نیز، اسلاید شماره 18 آن قرار داده شده است:

در این تحقیق چگونگی استفاده از یکپارچه سازی بازار را برای افزایش دقت پیش بینی قیمت روز بعد در بازارهای برق تحلیل کردیم. بویژه مدل اول را پیشنهاد کردیم که با در نظر گرفتن ویژگی های بازارهای مرتبط، موجب بهبود عملکرد می شود. بعلاوه، پیش بینی کننده دو بازار پیشنهاد شد، که با انجام همزمان چند کار و به دلیل یکپارچه سازی بازار، می تواند دقت پیش بینی را بهبود دهد. به عنوان تحقیق موردی، بازارهای برق بلژیک و فرانسه را بررسی کردیم. سپس نشان دادیم که پیش بینی کننده های پیشنهادی با در نظر گرفتن یکپارچه سازی بازار منجر به بهبود معنی دار شدند. بعلاوه، الگوریتمی برای انتخاب ویژگی پیشنهاد کردیم و با استفاده از همان تحقیق موردی نشان دادیم که این الگوریتم ارزیابی درستی از اهمیت ویژگی دارد.