論文の概要: Electricity price forecasting across Norway's five bidding zones in the post-crisis era

• arxiv url: http://arxiv.org/abs/2604.26634v1
• Date: Wed, 29 Apr 2026 13:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.406268
• Title: Electricity price forecasting across Norway's five bidding zones in the post-crisis era
• Title（参考訳）: 危機後のノルウェーの5つの入札地域における電力価格の予測
• Authors: My Thi Diem Phan, Trung Tuyen Truong, Hoai Phuong Ha, Dat Thanh Nguyen,
• Abstract要約: ノルウェーの電力市場は水力発電に大きく支配されている。 2021-2022年のエネルギー危機と大陸ヨーロッパとの緊密な統合は、価格形成を根本的に変えた。 ノルウェーの5つの北プール帯の電力価格予測を総合的に評価する。
• 参考スコア（独自算出の注目度）: 2.679345223424902
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Norway's electricity market is heavily dominated by hydropower, but the 2021--2022 energy crisis and stronger integration with Continental Europe have fundamentally altered price formation, reducing the reliability of forecasting models calibrated on historical data. Despite the critical need for updated models, a unified benchmark evaluating feature contributions across all structurally diverse Norwegian bidding zones remains lacking. Here we present a comprehensive evaluation of electricity price forecasting across all five Norwegian Nord Pool bidding zones. We constructed a multimodal hourly dataset spanning 2019--2025 and evaluated eight forecasting model families including LightGBM, ARX, and advanced deep learning architectures using a strictly causal test set. We implemented robust rolling-origin backtesting, leave-one-group-out feature ablation, and conditional regime analysis to dissect model performance and feature utility. Our results show that LightGBM achieves the best performance in every zone with MAE ranging from 1.64 to 5.74~EUR/MWh, while the ridge ARX model remains a highly competitive linear benchmark in northern zones. Feature ablation reveals that models relying solely on lagged prices and calendar variables achieve high accuracy and often match or exceed full multimodal integration. However, conditional regime analysis demonstrates that external features like reservoir levels and gas prices remain crucial to stratify forecast errors, which consistently increase under stressed market regimes. This highlights the practical value of model interpretability and regime awareness for decision makers facing structural changes in market dynamics.
• Abstract（参考訳）: ノルウェーの電力市場は水力で大きく支配されているが、2021-2022年のエネルギー危機と大陸ヨーロッパとの緊密な統合により、価格形成が根本的に変化し、歴史的データに基づく予測モデルの信頼性が低下している。しかし、更新されたモデルの必要性にもかかわらず、構造的に多様性のある全てのノルウェーの入札ゾーンにまたがる特徴的貢献を評価できる統一されたベンチマークが欠如している。ここでは、2019-2025年の間に、ノルウェーの5つのノルドプール入札ゾーンにまたがる電力価格予測の総合的な評価を行い、光GBM、ARX、高度深層学習アーキテクチャを含む8つのモデルファミリーを厳密な因果テストセットを用いて評価するマルチモーダルデータセットを構築した。 本研究では,ロバストなロールオージンバックテスト,Left-one-group-out機能アブレーション,条件付き状態解析により,モデル性能と特徴ユーティリティを判別した。 以上の結果から,LightGBMは1.64から5.74～EUR/MWhの範囲で各ゾーンで最高の性能を達成し,リッジARXモデルは北部ゾーンにおいて高い競争力を持つ線形ベンチマークのままであることがわかった。 フィーチャーアブレーションは、ラグ価格のみに依存するモデルとカレンダー変数が高い精度を実現し、しばしば完全なマルチモーダル統合に適合または超越していることを明らかにする。 しかし、条件付き制度分析では、貯水池レベルやガス価格といった外的特徴が、市場体制のストレスの下で一貫して増加する予測エラーの階層化に不可欠であることが示されている。 これは、市場ダイナミクスの構造的変化に直面している意思決定者にとって、モデル解釈可能性と体制意識の実践的価値を強調します。

関連論文リスト

• $V_{0.5}$: Generalist Value Model as a Prior for Sparse RL Rollouts [81.48669089692189]
  一般値モデル(例えば$V_0.5$)は、コンテキスト内のモデル機能を明示的にエンコードすることで、事前訓練された値推定を実現する。 本稿では,このような値モデルにより予測されるベースラインと,スパースロールアウトから導出される経験的平均とを適応的に融合する$V_0.5$を提案する。 V_0.5$はGRPOとDAPOを大きく上回り、より高速な収束と約10%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2026-03-11T14:57:41Z)
• Multi-Horizon Electricity Price Forecasting with Deep Learning in the Australian National Electricity Market [2.2951895147679298]
  本稿では,新しい電力価格予測(EPF)フレームワークを提案する。 標準DLモデルはほとんどの地域で優れた性能を示し、SOTA時系列DLモデルは水平線拡大予測に強い堅牢性を示す。
  論文  参考訳（メタデータ） (2026-02-01T11:08:40Z)
• Bayesian Neural Networks with Monte Carlo Dropout for Probabilistic Electricity Price Forecasting [0.0]
  本研究は,モンテカルロ(MC)ドロップアウトを用いたベイズニューラルネットワーク(BNN)を用いた確率的電力価格予測の枠組みを提案する。 一般化自己回帰的条件付きヘテロスケダスティック性(GARCHX)とLASSO推定自己回帰モデル(LEAR)のベンチマークモデルに対する批判的評価と比較
  論文  参考訳（メタデータ） (2025-11-12T13:33:28Z)
• Leveraging Asynchronous Cross-border Market Data for Improved Day-Ahead Electricity Price Forecasting in European Markets [0.0]
  ベルギー(BE)とスウェーデンの入札地域では,予測精度が22%,9%向上した。 この改善は、一般および極端な市場条件の両方に当てはまる。 頻繁なモデル再校正は最大精度には必要だが、かなりの計算コストがかかる。
  論文  参考訳（メタデータ） (2025-07-17T15:59:00Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• A probabilistic forecast methodology for volatile electricity prices in the Australian National Electricity Market [0.36832029288386137]
  オーストラリア国定電力市場(Australian National Electricity Market)の南オーストラリア地域は、現代の電力市場において最も高い価格変動率を示している。 本稿では,これらの極端条件下での確率予測へのアプローチについて概説する。
  論文  参考訳（メタデータ） (2023-11-13T12:33:33Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)

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。