Ανάπτυξη λογισμικού για διερεύνηση πρόβλεψης τιμών αγορών ηλεκτρικής ενέργειας με χρήση τεχνικών μηχανικής μάθησης

Abstract

Η ορθή πρόβλεψη της συμπεριφοράς της τιμής Αγοράς Εξισορρόπησης είναι ιδιαίτερα σημαντική για τις μονάδες παραγωγής και την στρατηγική που θα επιλέξουν να διαθέσουν την ηλεκτρική ενέργεια που παράγουν, καθώς και για όλες τις χώρες της Ευρωπαϊκής Ένωσης για τη διασφάλιση των ομαλών συναλλαγών στο σύστημα. Μια βελτιωμένη στρατηγική πρόβλεψης μπορεί να βοηθήσει εταιρείες παραγωγής ενέργειας να ανταποκριθούν στην ισορροπία ζήτησης/προσφοράς, αποφεύγοντας ζημίες και αναπτύσσοντας κέρδη. Σε αυτή την διπλωματική εργασία, δεδομένα που συλλέχθηκαν από το Ευρωπαϊκό Δίκτυο των Διαχειριστών Συστημάτων Μεταφοράς Ηλεκτρικής Ενέργειας (ENTSO-E) για την περίπτωση της Ολλανδίας χρησιμοποιούνται για την κατασκευή προβλέψεων της τιμής Αγοράς Επόμενης Ημέρας και της συμπεριφοράς της τιμής Αγοράς Εξισορρόπησης. Τα δεδομένα αποθηκεύονται και φιλτράρονται από κατάλληλες μεθόδους προεπεξεργασίας για την διασφάλιση της ποιότητάς τους. Για τη δημιουργία προβλέψεων μελετώνται και υλοποιούνται διάφορα μοντέλα βαθιάς μηχανικής μάθησης, εστιάζοντας κυρίως σε αναδρομικά δίκτυα LSTM και στα συνελικτικά νευρωνικά δίκτυα (CNN). Γίνεται πειραματισμός και αξιολόγηση σε σχέση με την επιλογή και το πλήθος των δεδομένων εισόδου, την αποδοτικότητα των μοντέλων, καθώς και ως προς τον αριθμό των ημερών που λαμβάνονται υπόψη για την πρόβλεψη.