Comments 19
Очень странно, что погодные факторы признаны не имеющими влияния. Прекрасно помню ситуации типа: в Сибири неделю идут дожди, ГЭС вынуждены максимально увеличить спуск воды, Системный оператор отдаёт им приоритет, в итоге вся ценовая зона перенасыщена дешёвой энергией ГЭС, тепловая генерация вообще не востребована и торгует с отрицательными (!) ценами. Ну и графики ремонтов генерирующего оборудования влияют более чем...
Гипотеза о том, что погодные условия оказывают влияние на ценообразование электроэнергии, в результате корреляционного анализа была опровергнута
Возможно имеется в виду цена генерации одного конкретного типа (тепловая, гидро-, ветрогенерация). Хотя как - вот к примеру в Саудовской Аравии допустим экстремальная жара стоит на месяц дольше (или температура на несколько градусов выше нормы), требуется увеличение объема тепловой генерации, растет спрос на мазут, растет соответственно цена на мазут, и как следствие цена киловатт-часа.
Хорошо было бы услышать разъяснения от авторов.
Автор, вроде, со стороны потребления анализ проводил. Возможно, просто брали для анализа потребление в тех точках, где разные виды генерация более или менее уравновешены, кто-то стабильно держит базу, кто-то гибко регулирует нагрузки и закрывает пики, - и поэтому остальные факторы сглаживаются. А может, и я неправ, я этим занимался уже довольно давно и со стороны генерации, там своя картина мира.
Коллеги, добрый день!
Спасибо за ваши комментарии и проявленный интерес к статье!
По поводу вопроса о погодных факторах могу сказать следующее.
Мы анализировали многие факторы и их влияние на финальную точность модель. Те факторы, которые выбраны для модели, оказались наиболее важными и повышающими финальную точность.
Погодные факторы, к сожалению, лишь вносили дополнительный шум модель в нашем случае, вероятнее всего из-за того, что был введен искусственный "потолок" цен на рассматриваемом рынке.
С точки зрения признаков по генерации брались различные типы генераций и планирование выработки ЭЭ, поэтому данные факторы были учтены моделью.
Дорогой Эксперт по моделям энергорынков, для начала нужно обратить пристальное внимание на набор фичей(предикторов), после все становится яснее (стоит присмотреться к объемам ценопринимайки - price ind vol), потом обратить внимание на то что рыночная модель в Турции замыкает по Merit Order("медная сковорода"), а в РФ по узловое ценообразование, как спец.задача расчета оптим. УР и далее уже средневзвес по уровню дис. управления и т.д.
Вообщем нужно быть внимательнее)
Цены на электроэнергию утверждаются в россии на законодательном уровне - то есть это чисто субъективное решение всегда
Если про рынок и биржу - то вам к алготрейдерам - но что-то там тоже не особо преуспевающий народ (в среднем - обычный доход на обычные инвестиции за минусом большой комиссии за частые сделки) - причина в том, что люди-человеки могут принимать "нелогичные" (с точки зрения логики автомата-робота) решения
ЗЫ. а ваша модель предусматривает возможность отрицательных цен? раньше ведь считалось что такое невозможно, а практика биржи показало, что изи ...
Добрый день!
Благодарим вас за проявленный интерес к статье!
1. В настоящей статье рассматривается построение модели для прогноза цен на ЭЭ на рынке за рубежом, а не в РФ. Целью исследования было познакомить читателей с кейсом и возможными решениями на открытых данных и продемонстрировать возможную точность модели, а также выделить ряд признаков, оказывающих наибольшее влияние на прогноз.
2. Если посмотрите на графики, то там довольно-таки повторяющийся процесс с видимым трендом, который можно смоделировать с помощью средств технической аналитики и машинного обучения, которые и были применены в данном исследовании.
3. Поскольку в обучающей выборке не было отрицательных значений, то построенная модель этого не учитывает (поскольку это и не нужно в рамках рассматриваемого рынка). Стоит отметить, что при использовании данной модели в "проде", будет выполняться ее дообучение и актуализация под текущую ситуацию на рынке.
по поводу аглотрейдеров - я видал/слыхал там про такие модели - от которых вы закачаетесь - народ умудряется связать не просто цифровые данные, но и новостные каналы в онлайн режиме со сделками на нескольких биржах/арбитражем.
и что-то среди них сверхдохода не видать - как я писал - среднее по рынку за минусом большой комиссии.
А чему равно среднее (на достаточно большом периоде) на фондовом рынке? Правильно = приход - вывод - комиссия. То есть за счёт эмиссии денежной массы (которая печатается для осуществления расчётов в экономике, то есть обычно это равно росту ВВП минус комиссия брокеров/депозитариев/трасферагентов/клиринга).
ЗЫ. может всё-таки сапожник будет заниматься сапогами?
Интересный анализ. Про корреляцию возникает вопрос, она же хорошо работает если зависимость линейная, если нет то корреляцию не очень корректно использовать.
Можно считать по Спирману, а не по Пирсону. Тогда можно и монотонную зависимость отследить.
Но все ещё. Не задан уровень статзначимости. Да и не ли среди признаков ординарных, например? Тогда там свой коэффициент требуется.
Коллеги, добрый день!
Спасибо за проявленный интерес к статье и ваши комментарии!
Мы рассматривали корреляцию как линейную, так и нелинейную. Сейчас есть множество инструментов для анализа таких зависимостей, которые дают хорошие результаты.
Признаки, обозначающие одну и ту же величину (к примеру в разных шкалах) были изначально отброшены при подсчете корреляции в рамках разведочного анализа данных.
Немного ярости в части надуманных мотивов решаемой задачи.
1. Росатом управляет АЭС, которые работают в базовой части графика и никоим образом в регулировании частоты (ОПРЧ и НПРЧ) не участвуют (см. суточный график энергосистемы, рынок электроэнергии и мощности, ну и привет рыжему пареньку приватизатору, который до нанотехнологий еще и энергетику оптимизировал).
2. За Уралом до Сибири все пики снимаются либо за счет перетоков, либо за счет газотурбинных электростанций, которые быстрее всех берут и сбрасывают нагрузку (разумеется кроме ГЭС).
3. В отопительный период ТЭЦ разгрузить ниже графика тепловой нагрузки не могут, иначе разморозим теплосети. Соответственно при сбросе воды с ГЭС цена на электроэнергию может быть низкой для оптового рынка, но частично компенсируется теплофикационной нагрузкой.
4.Физические лица покупают электроэнергию по тарифам РЭК, им строго параллельно на оптовый рынок. Ни к чему они готовится не могут.
5. Промышленный предприятия жестко завязаны на план производства и никто никогда не сможет нагрузить стан больше максимум из-за дешевой электрической энергии или отключит в пиковой части дня из-за заоблачных цен и высокого спроса. Специфика оптовых потребителей совсем иная, их задача спрогнозировать СВОЕ потребление на сутки вперед и не вылетать из плана потребления.
6. Предложенные решения интересны только маклерам и прочим паразитирующим товарищам не производящим товарную продукцию и далеки от реальной жизни. В общем решение задачи интересное с научной точки зрения, но мотивы надуманы.
Автор привет, интересно. Как посмотреть код решения?
Было принято решение, что для построения модели будут использоваться данные с price caps начиная с 1 января 2021 года, так как они соответствуют состоянию того рынка, который сохраняется до сих пор.
Основанное решение кем и на чем ? Пугают слова price caps и модель предсказания цены.
Благодарю за ваш комментарий и проявленный интерес!
Такое решение было принято нами на основании сравнения построенных моделей на различных временных интервала и с использованием различных окон для их обучения, т.е. экспериментальным путем.
Еще раз напомню, что price caps - искусственное ограничение цен на ЭЭ, вызванное множеством факторов и введенным на рынке с целью его некой стабилизации.
Данные без price caps оказывали существенное снижение точности модели, поэтому на этапе ее построения они были отброшены.
Как лихо вы процесс ценообразования, который в реальности зависит от числа аргументов стремящегося к бесконечности, загнали в рамки функции с ~30 аргументами. Крайне проблематично предсказывать что-либо, в основе чего лежат недетерминированные процессы. Предсказательная способность такой модели, как бы лихо вы её не подогнали под исторические данные ничтожна.
Представьте человека, который приезжает на ТО для своей машины из года в год (в августе), потому что все это время он мало ездит и срок ТО наступает по годичному временном интервалу. Вот он и в 2023ем приехал в августе. Вопрос, когда он приедет в 2024ом году?
Спасибо за ваш комментарий и проявленный интерес!
Полностью согласны с вами о влиянии множества факторов на данный показатель.
Это еще раз доказывает сложность решаемой задачи.
Мы постарались выделить из множества доступных в открытых источниках факторов лишь те, которые оказывают наибольшее влияние на цену и позволяют с указанной точностью выполнять ее прогноз на заданный интервал времени. Начальный набор данных имел большое количество показателей.
По нашим наблюдениям предсказательная способность данной модели достаточно высока и ее можно использовать на практике, поскольку в "проде" данная модель будет ежедневно дообучаться на новых данных и актуализироваться под текущую ситуацию на рынке, поэтому ваше сравнение с ТО для машины тут не совсем подходит.
Предсказываем цены с помощью методов анализа данных и машинного обучения