In this study, we propose a new statistical model to accurately forecast electricity loads which are traditionally characterized by daily, weekly, and monthly periodicities. Our objective is to provide electricity market operators with a new instrument that could facilitate their overall decision making process. As a starting point, we first employ the Randomly Modulated Periodicity model, which allows us to obtain information about the existence and magnitude of periodicities in the time series. In the next step, we formulate a new forecasting model which exploits the indications related to these cyclical patterns to better predict future electricity loads. Finally, when our model is applied to the Texan electricity market, it returns accurate estimates and proves to be particularly effective in pinpointing and foreseeing periodic cycles in the available time series.
In questo lavoro viene proposto un nuovo modello statistico di analisi e previsione della domanda di elettricità, tipicamente caratterizzata da stagionalità giornaliere, settimanali e mensili. L’obiettivo principale è consistito nel creare uno strumento in grado di supportare la complessa attività decisionale del gestore di un generico mercato elettrico. Il punto di partenza, nel perseguimento di questo obiettivo, è stato rappresentato dal modello Randomly Modulated Periodicity, il quale ci ha permesso di ricavare utili informazioni sulla periodicità dei dati. Abbiamo, poi, creato un nuovo modello di previsione delle osservazioni che sfrutta tali indicazioni sulle ciclicità della serie storica al fine di predire i valori di domanda futura. Le performance delle previsioni, in particolare, quando il modello è stato applicato alla serie storica dei valori di consumo elettrico nel mercato del Texas, hanno rivelato un’adeguata accuratezza delle stime e un’elevata capacità di seguire gli andamenti periodici.
Advanced forecasting of electricity market using randomly modulated periodity model
CASAVECCHIA, MARCO
2009/2010
Abstract
In this study, we propose a new statistical model to accurately forecast electricity loads which are traditionally characterized by daily, weekly, and monthly periodicities. Our objective is to provide electricity market operators with a new instrument that could facilitate their overall decision making process. As a starting point, we first employ the Randomly Modulated Periodicity model, which allows us to obtain information about the existence and magnitude of periodicities in the time series. In the next step, we formulate a new forecasting model which exploits the indications related to these cyclical patterns to better predict future electricity loads. Finally, when our model is applied to the Texan electricity market, it returns accurate estimates and proves to be particularly effective in pinpointing and foreseeing periodic cycles in the available time series.File | Dimensione | Formato | |
---|---|---|---|
2010_07_Casavecchia.pdf
non accessibile
Descrizione: Testo della tesi
Dimensione
1.08 MB
Formato
Adobe PDF
|
1.08 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/2791