Zastosowanie metod uczenia maszynowego do krótkoterminowych prognoz cen energii na rynku dnia następnego
Application of machine learning methods for short-term forecasts of energy prices in the day ahead market
Tomasz Popławski, Michał Adamusiński, Marek Kurkowski
Streszczenie
Artykuł porusza problematykę krótkoterminowego prognozowania cen energii elektrycznej na Towarowej
Giełdzie Energii przy zastosowaniu algorytmów uczenia maszynowego. Badania zostały przeprowadzone na rzeczywistych
danych historycznych z Rynku Dnia Następnego (RDN) publikowanych przez TGE S.A. oraz danych z Planów
Koordynacyjnych Dobowych publikowanych przez PSE S.A. W artykule zaproponowano dwa modele prognostyczne, tj.
regresję liniową oraz regresję wielomianową. Próby zostały wykonane na 30-sto oraz 60-cio dniowych okresach testowych,
a następnie zostały wykonane prognozy wygasłe. Wyniki zostały przedstawione w postaci wskaźnika R2 oraz błędu
względnego prognoz.
Giełdzie Energii przy zastosowaniu algorytmów uczenia maszynowego. Badania zostały przeprowadzone na rzeczywistych
danych historycznych z Rynku Dnia Następnego (RDN) publikowanych przez TGE S.A. oraz danych z Planów
Koordynacyjnych Dobowych publikowanych przez PSE S.A. W artykule zaproponowano dwa modele prognostyczne, tj.
regresję liniową oraz regresję wielomianową. Próby zostały wykonane na 30-sto oraz 60-cio dniowych okresach testowych,
a następnie zostały wykonane prognozy wygasłe. Wyniki zostały przedstawione w postaci wskaźnika R2 oraz błędu
względnego prognoz.