論文の概要: Parametric and Generative Forecasts of Day-Ahead Market Curves for Storage Optimization

• arxiv url: http://arxiv.org/abs/2601.20226v1
• Date: Wed, 28 Jan 2026 03:56:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.757287
• Title: Parametric and Generative Forecasts of Day-Ahead Market Curves for Storage Optimization
• Title（参考訳）: ストレージ最適化のための日頭市場曲線のパラメトリックおよび生成予測
• Authors: Julian Gutierrez, Redouane Silvente,
• Abstract要約: EPEX SPOTの日頭市場における集約曲線予測とストレージ最適化のための2つの機械学習フレームワークを提案する。 第一に、高速パラメトリックモデルは低次元および格子バスの表現における時間的需要と供給曲線を予測する。 第2に、より包括的な分析のために、24時間注文レベルの入力の連立分布を学習する生成モデルを採用する。
• 参考スコア（独自算出の注目度）: 1.4180331276028662
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present two machine learning frameworks for forecasting aggregated curves and optimizing storage in the EPEX SPOT day-ahead market. First, a fast parametric model forecasts hourly demand and supply curves in a low-dimensional and grid-robust representation, with minimum and maximum volumes combined with a Chebyshev polynomial for the elastic segment. The model enables daily use with low error and clear interpretability. Second, for a more comprehensive analysis, though less suited to daily operation, we employ generative models that learn the joint distribution of 24-hour order-level submissions given weather and fuel variables. These models generate synthetic daily scenarios of individual buy and sell orders, which, once aggregated, yield hourly supply and demand curves. Based on these forecasts, we optimize a price-making storage strategy, quantify revenue distributions, and highlight the price-compression effect with lower peaks, higher off-peak levels, and diminishing returns as capacity expands.
• Abstract（参考訳）: EPEX SPOTの日頭市場における集約曲線予測とストレージ最適化のための2つの機械学習フレームワークを提案する。 第一に、高速パラメトリックモデルは、最小および最大体積を弾性セグメントのチェビシェフ多項式と組み合わせて、低次元および格子ロバスト表現の時間的需要と供給曲線を予測する。 このモデルは、低いエラーと明確な解釈可能性で日々の使用を可能にする。 第2に、より包括的分析では、日々の作業には適さないが、天気や燃料変数が与えられた24時間注文レベルの連立分布を学習する生成モデルを採用する。 これらのモデルは、個々の購入と販売の日次シナリオを合成して生成し、一度集約すると、時給供給と需要曲線が得られます。 これらの予測に基づいて、価格決定ストレージ戦略を最適化し、収益分布を定量化し、ピーク値の低下、オフピークレベルの上昇、キャパシティ拡大に伴うリターンの低下による価格抑制効果を強調する。

関連論文リスト

• Decoding Futures Price Dynamics: A Regularized Sparse Autoencoder for Interpretable Multi-Horizon Forecasting and Factor Discovery [0.32634122554914]
  本稿では,複数水平商品価格の同時予測のための正規化スパースオートエンコーダ(RSAE)を提案する。 以上の結果から,RSAEは競争力のあるマルチホライズン予測の精度と,価格変動に対するデータ駆動的洞察を提供することがわかった。
  論文  参考訳（メタデータ） (2025-05-11T00:21:53Z)
• Sundial: A Family of Highly Capable Time Series Foundation Models [47.27032162475962]
  Sundialはネイティブでフレキシブルでスケーラブルな時系列基盤モデルのファミリーです。 我々のモデルは、事前の分布を指定せずに事前訓練されており、複数の確率予測を生成することができる。 Sundialは、ジャスト・イン・タイムの推論速度で、ポイントと確率予測ベンチマークの両方で最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-02-02T14:52:50Z)
• Revisiting Day-ahead Electricity Price: Simple Model Save Millions [7.088576782842557]
  本稿では,予測可能な需要供給値から直接価格を導出することにより,予測精度を著しく向上する簡易な断片的線形モデルを提案する。 バングラデシュの山西省とISO New Englandの電力市場実験によると、こうした予測は年間数百万ドル節約できる可能性がある。
  論文  参考訳（メタデータ） (2024-05-20T08:27:14Z)
• 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)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
  ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。 本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:38:20Z)
• Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction with Representation Learning and Temporal Convolutional Network [71.25144476293507]
  我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。 表現学習によって、私たちはStock2Vecという埋め込みを導きました。 我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-09-29T22:54:30Z)
• 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。