Mid-term probabilistic load forecasting with recurrent neural networks

In a world characterised by a huge need for energy, the ability to predict accurately the future electrical demand is crucial. Conventional techniques are aimed at generating point forecasts; however, in recent years, probabilistic forecasting is becoming increasingly widespread. This is mainly due to the fact that probabilistic forecasts can offer some information about uncertainty, a fundamental element to make optimal decisions. The essential aim of this thesis is the introduction of two models for forecasting the probability distribution of the hourly load; both consider a time-horizon of one year and make use of Recurrent Neural Networks. The performances of these models are assessed by using the time-series 2009-2015 of the electrical demand of New England, USA. The results show that the proposed models are capable of achieving a greater accuracy with respect to some standard models used in the sector; in addition, even the predicted probability densities are found to be more appropriate.

In un mondo sempre più caratterizzato da un alto fabbisogno di energia elettrica la capacità di predire accuratamente i consumi futuri è fondamentale. Le tecniche convenzionali sono mirate alla generazione di previsioni puntuali; tuttavia negli ultimi anni si è osservato un crescente interesse per il campo delle previsioni probabilistiche. Ciò è principalmente dovuto alla loro capacità di offrire informazioni sull’incertezza, un elemento cruciale per prendere decisioni ottimali. Lo scopo essenziale di questa tesi è l’introduzione di due modelli per la previsione probabilistica su base oraria; entrambi considerano un orizzonte temporale di un anno e fanno uso di Reti Neurali Ricorrenti. Le prestazioni di tali modelli sono valutate sulla serie storica 2009-2015 dei consumi elettrici del New England, USA. I risultati mostrano come i modelli proposti siano in grado di ottenere una maggiore accuratezza in termini di previsione puntuale rispetto ad alcuni modelli utilizzati tipicamente nel settore; in aggiunta si riscontra anche una maggiore appropriatezza delle densità di probabilità generate.