論文の概要: Probabilistic intraday electricity price forecasting using generative machine learning

• arxiv url: http://arxiv.org/abs/2506.00044v1
• Date: Wed, 28 May 2025 11:41:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.145619
• Title: Probabilistic intraday electricity price forecasting using generative machine learning
• Title（参考訳）: 生成機械学習を用いた日内電力価格予測の確率的予測
• Authors: Jieyu Chen, Sebastian Lerch, Melanie Schienle, Tomasz Serafin, Rafał Weron,
• Abstract要約: 本稿では、電力価格の確率的経路予測を生成するための新しい生成ニューラルネットワークモデルを提案する。 本手法は, 統計的評価指標を用いて, 競争性能を示す。 本研究は,電力価格予測における生成機械学習ツールの可能性を明らかにするものである。
• 参考スコア（独自算出の注目度）: 0.06990493129893112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing importance of intraday electricity trading in Europe calls for improved price forecasting and tailored decision-support tools. In this paper, we propose a novel generative neural network model to generate probabilistic path forecasts for intraday electricity prices and use them to construct effective trading strategies for Germany's continuous-time intraday market. Our method demonstrates competitive performance in terms of statistical evaluation metrics compared to two state-of-the-art statistical benchmark approaches. To further assess its economic value, we consider a realistic fixed-volume trading scenario and propose various strategies for placing market sell orders based on the path forecasts. Among the different trading strategies, the price paths generated by our generative model lead to higher profit gains than the benchmark methods. Our findings highlight the potential of generative machine learning tools in electricity price forecasting and underscore the importance of economic evaluation.
• Abstract（参考訳）: ヨーロッパでの日内電気取引の重要性が高まる中で、価格予測の改善と意思決定支援ツールの調整が求められている。 本稿では、日内電力価格の確率的経路予測を生成し、それを用いて、ドイツの日内市場における効果的な取引戦略を構築するための新しい生成ニューラルネットワークモデルを提案する。 本手法は,2つの最先端統計ベンチマーク手法と比較して,統計的評価指標の競争性能を示す。 その経済価値をさらに評価するために、現実的な定量取引シナリオを検討し、経路予測に基づいて市場販売注文を配置するための様々な戦略を提案する。 異なる取引戦略の中で、我々の生成モデルが生み出す価格パスは、ベンチマーク手法よりも高い利益をもたらす。 本研究は、電力価格予測における生成機械学習ツールの可能性を強調し、経済評価の重要性を浮き彫りにした。

関連論文リスト

• Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
  再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします 本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。 本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T13:57:47Z)
• Deep Learning-Based Electricity Price Forecast for Virtual Bidding in Wholesale Electricity Market [3.130428666578115]
  本研究では,ERCOT(Electric Reliability Council of Texas)市場におけるリアルタイム電力価格と日頭電力価格の間に広がる価格を予測するためのトランスフォーマーに基づくディープラーニングモデルを提案する。 提案したモデルは現実的な制約の下で訓練され、毎週モデルを更新してウォーキングフォワードアプローチを用いて検証される。 その結果, ピーク時のみの取引戦略が50%を超える精度で, ほぼ一貫した利益をもたらすことがわかった。
  論文  参考訳（メタデータ） (2024-11-25T20:04:16Z)
• Cross-border Commodity Pricing Strategy Optimization via Mixed Neural Network for Time Series Analysis [46.26988706979189]
  クロスボーダー商品の価格設定は、企業の競争力と市場シェアを決定する。 時系列データは商品価格において非常に重要であり、市場のダイナミクスやトレンドを明らかにすることができる。 本稿では,ハイブリッドニューラルネットワークモデルCNN-BiGRU-SSAに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-22T03:59:52Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Simulation-based Forecasting for Intraday Power Markets: Modelling Fundamental Drivers for Location, Shape and Scale of the Price Distribution [0.0]
  本研究では,日内市場におけるリターン分布の位置,形状,スケールパラメータのモデル化手法を提案する。 風と太陽の予測と、その日内更新、停電、価格情報、および、メリットの順序を形作るための新しい尺度について検討する。 ボラティリティは、利益秩序体制、納期、国境を越えた注文書の閉鎖によってもたらされる。
  論文  参考訳（メタデータ） (2022-11-23T15:08:50Z)
• Probabilistic forecasting of German electricity imbalance prices [0.0]
  再生可能エネルギー容量の指数的な成長は、電力価格と発電に大きな不確実性をもたらした。 両方の市場に参加しているエネルギートレーダーにとって、不均衡価格の予測は特に関心がある。 予測は配達の30分前に行われ、トレーダーがまだ取引先を選択する可能性がある。
  論文  参考訳（メタデータ） (2022-05-23T16:32:20Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• HIST: A Graph-based Framework for Stock Trend Forecasting via Mining Concept-Oriented Shared Information [73.40830291141035]
  近年,Webから抽出したストック概念を用いて共有情報をマイニングし,予測結果を改善する手法が提案されている。 これまでの研究では、ストックとコンセプトのつながりは定常的であり、ストックとコンセプトのダイナミックな関連性を無視していた。 本稿では,事前定義された概念と隠れた概念から,概念指向の共有情報を適切にマイニングできる新しいストックトレンド予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-26T14:04:04Z)
• REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
  既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。 第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。 第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
  論文  参考訳（メタデータ） (2021-02-15T07:22:09Z)
• Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories [0.0]
  近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。 時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。 この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
  論文  参考訳（メタデータ） (2020-05-04T10:21:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。