[論文レビュー] Comparing the Forecasting Performances of Linear Models for Electricity Prices with High RES Penetration

Angelica Gianfreda, Francesco Ravazzolo+1 more|arXiv (Cornell University)|Jan 3, 2018

Energy Load and Power Forecasting参考文献 51被引用数 51

ひとこと要約

本研究は、再生可能エネルギー（RES）比率の高い市場における、1時間先の日次電力価格予測のための単変量および多変量線形モデル（頻度的およびベイズ的）を比較する。ベイズ推定によるベクトル自己回帰（BVAR）モデルが、需要、風力、太陽光、化石燃料価格の予測値を組み込むことで、ドイツ、デンマーク、イタリア、スペインの4か国で、点予測および密度予測の両面で優れた性能を示し、風力予測値が太陽光予測値よりもより有用であることが判明した。

ABSTRACT

This paper compares alternative univariate versus multivariate models, frequentist versus Bayesian autoregressive and vector autoregressive specifications, for hourly day-ahead electricity prices, both with and without renewable energy sources. The accuracy of point and density forecasts are inspected in four main European markets (Germany, Denmark, Italy and Spain) characterized by different levels of renewable energy power generation. Our results show that the Bayesian VAR specifications with exogenous variables dominate other multivariate and univariate specifications, in terms of both point and density forecasting.

研究の動機と目的

• 再生可能エネルギー比率の高い電力市場における単変量モデルと多変量モデルの予測性能を評価すること。
• 自己回帰モデルおよびベクトル自己回帰モデルにおける頻度的推定とベイズ的推定のアプローチを比較すること。
• 日次電力価格モデルに予測された需要、風力、太陽光、化石燃料価格を含めることによる予測の追加的価値を評価すること。
• 異なるヨーロッパ市場において、風力予測値と太陽光予測値のどちらが価格予測により有用であるかを特定すること。
• 市場参加者および規制当局が電力価格予測の最適なモデル仕様を決定するための実証的指針を提供すること。

提案手法

• 1時間先の日次電力価格を対象に、単変量自己回帰（AR）および多変量ベクトル自己回帰（VAR）モデルを用いる。
• 外生変数として、予測された需要、風力および太陽光発電量、化石燃料価格（石炭、ガス、CO2）を組み込む。
• 頻度的推定とベイズ的推定の両方を適用し、後者は小標本性能の向上を図るために情報的事前分布を用いる。
• ドイツ、デンマーク、イタリア、スペインの4か国のヨーロッパ電力市場を対象に、パネルデータ構造を採用する。
• 標準的な指標を用いる：点予測には平均二乗予測誤差（RMSE）、密度予測には連続ランク確率スコア（CRPS）を用いる。
• ローリングウィンドウを用いた出外サンプル予測を実施し、異なる時間帯および市場状況における予測精度を評価する。

実験結果

リサーチクエスチョン

• RQ1 多変量モデルは、単変量モデルよりも1時間先の日次電力価格予測において優れた性能を示すか？
• RQ2 本研究の文脈において、ベイズ的アプローチは頻度的アプローチに比べて予測精度を向上させるか？
• RQ3 需要、風力、太陽光、化石燃料のうち、どの外生変数が予測精度の向上に最も寄与するか？
• RQ4 RES比率の高い市場において、風力予測値の含め方が太陽光予測値の含め方よりも予測に有用であるか？
• RQ5 異なるRES比率の市場における予測性能は、どのように変動するか？

主な発見

• 需要、風力、太陽光、化石燃料を含む外生変数を備えたベイズVARモデルは、点予測および密度予測の両方において、他のすべての単変量および多変量モデル仕様を一貫して上回る性能を示した。
• 風力発電の予測値を含めることで、太陽光発電の予測値のみを含める場合よりも、ドイツ、イタリア、スペインの8～24時における性能が向上した。
• 風力および太陽光の両方の予測値を同時に含めることで、単独での含め方を上回るモデル性能が得られた。
• 高比率のRES導入下でも、化石燃料価格（石炭、ガス、CO2）は依然として重要な予測変数であり、それらを除外すると予測精度が低下した。
• 多変量モデルは、電力価格ダイナミクスにおける時間間隔依存性を捉える能力があるため、単変量モデルを上回った。
• RESおよび需要の予測を含めることによる予測精度の向上は、ピーク時刻に顕著に現れ、RMSEおよびCRPSの両スコアルールで一貫した改善が確認された。