Πρόβλεψη Τιμών Ηλεκτρικής Ενέργειας με Χρήση της Αρχιτεκτονικής Transformer

Abstract

Η ενέργεια αποτελεί θεμέλιο για τη λειτουργία και την εξέλιξη της σύγχρονης κοινωνίας, καθώς είναι αναγκαία για την υποστήριξη του συνόλου σχεδόν των ανθρώπινων δραστηριοτήτων, από τη βιομηχανική παραγωγή και τις μεταφορές, έως την κατοικία και τις ψηφιακές υποδομές. Παράλληλα, αποτελεί βασικό μοχλό οικονομικής ανάπτυξης, με την προσβασιμότητα και την αποδοτική χρήση ενεργειακών πόρων να καθορίζουν σε μεγάλο βαθμό τη βιωσιμότητα και την ανταγωνιστικότητα των οικονομιών. Ωστόσο, η συνεχής αύξηση της ζήτησης, σε συνδυασμό με την πεπερασμένη φύση των παραδοσιακών ενεργειακών πόρων και τις αυξανόμενες περιβαλλοντικές πιέσεις, καθιστούν επιτακτική την ανάγκη για μετάβαση προς ένα πιο αποδοτικό, ευφυές και βιώσιμο ενεργειακό σύστημα.

Σε αυτό το πλαίσιο, οι τεχνολογίες της Τεχνητής Νοημοσύνης και πιο συγκεκριμένα η Μηχανική Μάθηση (Machine Learning), αναδεικνύονται ως κρίσιμα εργαλεία για την αντιμετώπιση της πολυπλοκότητας που χαρακτηρίζει την πρόβλεψη και διαχείριση της ενεργειακής αγοράς. Τα εξελιγμένα μοντέλα πρόβλεψης, όπως οι αρχιτεκτονικές τύπου Transformer, προσφέρουν τη δυνατότητα επεξεργασίας μεγάλων όγκων ιστορικών και χρονικά εξαρτώμενων δεδομένων, με στόχο την ακριβή εκτίμηση μελλοντικών τιμών και συνθηκών της αγοράς. Τα μοντέλα αυτά, βασισμένα σε μηχανισμούς αυτο-προσοχής (self-attention), έχουν ήδη αποδείξει την υπεροχή τους σε καθήκοντα όπως η φυσική γλώσσα και η ανάλυση ακολουθιακών δεδομένων, γεγονός που τα καθιστά ιδανικούς υποψήφιους και για προβλήματα πρόβλεψης τιμών ηλεκτρικής ενέργειας.

Η πρόβλεψη των τιμών ηλεκτρικής ενέργειας αποτελεί ένα ιδιαίτερα απαιτητικό πρόβλημα, καθώς επηρεάζεται από ένα ευρύ φάσμα μεταβλητών, όπως οι καιρικές συνθήκες (π.χ. θερμοκρασία, ηλιοφάνεια, άνεμος), οι διακυμάνσεις της ζήτησης, η διαθεσιμότητα και το κόστος των πηγών παραγωγής, καθώς και οι κανονιστικές και οικονομικές συνθήκες της αγοράς. Η δυνατότητα πρόβλεψης αυτών των τιμών με υψηλό βαθμό ακρίβειας έχει σημαντική πρακτική αξία, όχι μόνο για τους διαχειριστές δικτύου και τους παρόχους ενέργειας, αλλά και για τους επενδυτές, καθώς τους επιτρέπει να αξιολογούν ευκαιρίες, να σχεδιάζουν στρατηγικές τοποθετήσεις και να ελαχιστοποιούν τον επενδυτικό κίνδυνο.

Στο πλαίσιο της παρούσας διπλωματικής εργασίας, διερευνάται η αξιοποίηση ενός μοντέλου τύπου Transformer για την πρόβλεψη των τιμών ηλεκτρικής ενέργειας, με σκοπό την εξαγωγή στρατηγικών επένδυσης βασισμένων στα προβλεπόμενα δεδομένα. Η μεθοδολογική προσέγγιση περιλαμβάνει την ανάλυση ιστορικών δεδομένων, τη σχεδίαση και εκπαίδευση του μοντέλου, καθώς και την αξιολόγηση της αποτελεσματικότητάς του ως προς την ακρίβεια πρόβλεψης και τη χρηστική του αξία στο επενδυτικό πλαίσιο. Μέσα από την ανάλυση των αποτελεσμάτων, αναδεικνύεται η σημασία της ενσωμάτωσης της τεχνητής νοημοσύνης στη διαχείριση των ενεργειακών πόρων και η δυνατότητα αξιοποίησης των προβλέψεων για τη λήψη τεκμηριωμένων και αποδοτικών επενδυτικών αποφάσεων, συμβάλλοντας ταυτόχρονα στην προώθηση της ενεργειακής αποδοτικότητας και της βιωσιμότητας.