Models for zonal imbalance forecasting in the italian electricity market

This thesis aims to provide an in-depth analysis of the Italian electricity market, examining its structure, dynamics, and, in particular, the critical challenge of grid balancing. With the accelerating integration of renewable energy sources and electrification, European Transmission System Operators (TSOs) are increasingly adopting data-driven approaches and advanced forecasting models to navigate the rapidly evolving energy landscape. A central aspect of this transition is understanding grid imbalance, which reflects the misalignment between energy supply and demand and offers critical insights into system performance. The study conducts an empirical analysis of the Italian electricity grid to identify and understand the characteristics of grid imbalances, with the goal of optimizing short-term forecasting. The research begins with an analysis of available datasets, followed by a feature engineering process to select the most relevant variables. Key covariates include cross-border nominations for the day-ahead and intraday markets, autoregressive features, wind energy, load, and net regulation volumes, all of which are incorporated into the predictive models. The proposed forecasting models range from linear approaches to machine learning techniques established in the literature, and include innovative methodologies. Among these, the probabilistic parametric forecast, a method never before applied to this type of prediction, and the Conformal Predictor, which enables the estimation of confidence intervals, have demonstrated excellent performance both in general applications and in the specific context analyzed. The methodology developed in this thesis represents a valuable tool for energy trading companies, enabling the refinement of operational strategies in the continuously traded intraday electricity market. By emphasizing interpretable linear models and the use of readily available data, this study provides a solid foundation for future developments, supporting the ongoing evolution of the European energy grid and facilitating the transition to a sustainable energy system.

esaminandone la struttura, le dinamiche e, in particolare, la sfida cruciale del bilanciamento della rete. Con l’accelerazione dell’integrazione delle energie rinnovabili e dell’elettrificazione, i Gestori di Sistema di Trasmissione (TSO) europei stanno adottando approcci sempre più basati sui dati e modelli avanzati di previsione per affrontare un panorama energetico in rapida evoluzione. Un aspetto centrale di questa transizione è rappresentato dalla comprensione dello sbilancio della rete, ovvero il disallineamento tra domanda e offerta di energia, che fornisce indicazioni fondamentali sulle performance del sistema. Lo studio conduce un’analisi empirica della rete elettrica italiana al fine di identificare e comprendere le caratteristiche dello sbilancio, con l’obiettivo di ottimizzare le previsioni a breve termine. La ricerca si apre con un’analisi dei dataset disponibili, seguita da un processo di feature engineering per selezionare le variabili più rilevanti. Tra le covariate identificate figurano le nomination transfrontaliere per il giorno successivo e per l’intraday, le caratteristiche autoregressive, l’energia eolica, il carico e i volumi di regolazione netta, tutte incluse nei modelli predittivi. I modelli di previsione proposti spaziano da approcci lineari a tecniche di machine learning consolidate nella letteratura, fino all’introduzione di metodologie innovative. Tra queste, il probabilistic parametric forecast, mai applicato in precedenza a questo tipo di previsioni, e il Conformal Predictor, che consente la stima di intervalli di confidenza, hanno mostrato eccellenti performance sia in applicazioni generali sia nel caso specifico analizzato. La metodologia sviluppata rappresenta uno strumento prezioso per le società di trading energetico, consentendo di affinare le strategie operative nel mercato elettrico intraday a contrattazione continua. Ponendo l’accento su modelli lineari interpretabili e sull’utilizzo di dati facilmente accessibili, questo studio offre una base solida per futuri sviluppi, contribuendo all’evoluzione continua della rete energetica europea e favorendo la transizione verso un sistema energetico sostenibile.