Investigation of the DeepAR model for electricity price forecasting on the NordPool market

This work investigates the effectiveness of the Deep Autoregressive (DeepAR) model for energy price forecasting in the European zone, specifically in the Nord Pool market, considering both local and global settings and performing experiments on real-time series from connected bidding zones, namely Denmark and Norway. The current research takes advantage of a version of the DeepAR model composed of the usual LSTM modules in the recurrent part of the network, but having a linear layer as output to perform point forecasts. The input dataset consists of 6 carefully selected series, corresponding to different variables for: solar and wind power generation, load forecast, and finally price (the forecast targets). The results show that while the adoption of market-specific model local configuration led to the best prediction accuracy, the performance gap between the two approaches is limited. Therefore, the global model can be considered a valuable alternative in practical implementations, providing an integrated framework that simplifies the management of the learning machinery during the overall life-cycle. The thesis concludes that the global model can be an essential tool for addressing emerging latent patterns in the cross-regional conditioning time series, given the increasing integration of electricity markets.

Questo lavoro analizza l'efficacia del modello Deep Autoregressive (DeepAR) per la previsione dei prezzi dell'energia nel mercato nordeuropeo Nord Pool. Lo scopo è confrontare gli approcci locali con quelli globali, eseguendo esperimenti su serie temporali real-time, provenienti da zone di mercato adiacenti (Danimarca e Norvegia). In questo lavoro è stata implementata una versione del modello DeepAR composto degli usuali moduli LSTM nella parte ricorrente della rete, ma avente come uscita uno strato lineare per ottenere previsioni puntuali. Il dataset in input è composto da 6 serie accuratamente selezionate, che corrispondono a diverse variabili per la produzione di energia solare ed eolica, variabili di previsione di carico, ed infine quelle di prezzo (il target della previsione). I risultati mostrano che, sebbene l'adozione di una configurazione locale del modello specifica per il mercato abbia portato alla migliore accuratezza di previsione, il divario di prestazioni tra i due approcci è ridotto. Pertanto, il modello globale può essere considerato una valida alternativa nelle implementazioni pratiche, fornendo un modello integrato che semplifica la fase di apprendimento durante il ciclo di vita complessivo. La tesi conclude che il modello globale può essere uno strumento essenziale per affrontare i pattern latenti che emergono nelle serie temporali di condizionamento interregionali, data la crescente integrazione dei mercati elettrici.