Electricity Price Forecasting in Deregulated Markets

Angelus, Alexandar

doi:10.1016/s1040-6190(01)00184-1

Cited by 42 publications

(22 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Some of the key uncertainties are fuel prices, future additions of generation and transmission capacity, regulatory structure and rules, future demand growth, plant operations and climate changes [1].…”

Section: Electricity Prices Forecastingmentioning

confidence: 99%

See 1 more Smart Citation

Short-term electricity prices forecasting in a competitive market: A neural network approach

Catalão

Mariano

Mendes

et al. 2007

Electric Power Systems Research

359

178

View full text Add to dashboard Cite

This paper proposes a neural network approach for forecasting short-term electricity prices. Almost until the end of last century, electricity supply was considered a public service and any price forecasting which was undertaken tended to be over the longer term, concerning future fuel prices and technical improvements. Nowadays, short-term forecasts have become increasingly important since the rise of the competitive electricity markets. In this new competitive framework, short-term price forecasting is required by producers and consumers to derive their bidding strategies to the electricity market. Accurate forecasting tools are essential for producers to maximize their profits, avowing profit losses over the misjudgement of future price movements, and for consumers to maximize their utilities. A three-layered feedforward neural network, trained by the Levenberg-Marquardt algorithm, is used for forecasting next-week electricity prices. We evaluate the accuracy of the price forecasting attained with the proposed neural network approach, reporting the results from the electricity markets of mainland Spain and California.

show abstract

Section: Electricity Prices Forecastingmentioning

confidence: 99%

“…Thus, predicting future prices involved matching regional electricity demand to regional electricity supply. The future regional demand was estimated by escalating historical data, and the regional supply was determined by stacking up existing and announced generation units in some wise order of their variable operating costs [1].…”

Section: Introductionmentioning

confidence: 99%

Short-term electricity prices forecasting in a competitive market: A neural network approach

Catalão

Mariano

Mendes

et al. 2007

Electric Power Systems Research

359

178

View full text Add to dashboard Cite

show abstract

“…Assim, um produtor de eletricidade capaz de aceitar, assumir e gerenciar esse risco no lugar do consumidor terá mais oportunidades no mercado. Como considerado por Angelus (2001) e Mount (2001, a dificuldade em prever preços e consumo de energia elétrica está nas muitas possibilidades de variação dos fatores relacionados, tais como fornecimento e demanda de eletricidade, limitação dos geradores, transmissores e distribuidores, entre outros. Até uma simples mudança de clima pode alterar a demanda e, consequentemente, o preço da energia.…”

Section: Modelounclassified

Detecção de mudança de nível em séries temporais não lineares usando Descritores de Hjorth

Amorim

Balestrassi

Paiva

et al. 2015

Prod.

View full text Add to dashboard Cite

ResumoO propósito deste artigo é apresentar um método de detecção de mudança de nível na dinâmica de séries temporais não lineares que consiste no uso de um gráfico de Controle Multivariado T 2 de Hotelling monitorando a variação de três descritores normalizados: os Descritores de Hjorth de atividade, mobilidade e complexidade. Esta abordagem foi aplicada em diferentes séries temporais não lineares criadas artificialmente e é ilustrada neste artigo por um exemplo detalhado. Também foi feito um estudo de caso com seis séries reais do consumo de energia elétrica no meio industrial, confirmando a eficácia do método. Palavras-chaveSéries temporais não lineares. Descritores de Hjorth. Gráficos de Controle Multivariado T 2 de Hotelling. Mudança de nível. IntroduçãoEste artigo propõe um método para detectar mudanças dinâmicas em séries temporais não lineares tais como carga elétrica, sinais de eletroencefalograma (EEG), econometria, consumo de água, sinais de usinagem e soldagem, abalos sísmicos etc. Uma série temporal representa uma classe de fenômenos cujo processo observacional, e consequente quantificação numérica, gera uma sequência de dados distribuídos no tempo (Souza, 1981). Quando a equação característica ou o modelo de regressão de uma série temporal pode ser escrito em função de parâmetros lineares (mesmo após transformação), essa série é dita linear. Caso não existam transformações que linearizem os parâmetros, essa série é denominada não linear e, para esse tipo de série, os métodos de controle e monitoramento tradicionais são normalmente complexos.Uma série temporal que possua a média e a variância constantes ao longo do tempo é dita estacionária ou convergente, caso contrário é denominada não estacionária ou divergente. A detecção dinâmica de mudanças em séries temporais não lineares, sendo elas estacionárias ou não, é crucial para o controle em tempo real de sistemas que estão sendo monitorados e está diretamente relacionada à identificação de causas especiais de variação, que são normalmente indicações de problemas. As causas especiais de variação ocorrem devido a uma situação particular (não aleatória) que faz com que o processo se comporte de um modo diferente do usual e devem ser, de modo geral, localizadas e eliminadas. Além disso, certas medidas devem ser tomadas para evitar a sua reincidência.A metodologia proposta é baseada na combinação de Gráficos de Controle Multivariado T 2 de Hotelling e Descritores de Hjorth. A detecção dinâmica dos pontos de mudança é realizada a partir da aplicação de um gráfico de controle multivariado nos Descritores de Hjorth normalizados de atividade, mobilidade e complexidade, a fim de monitorar possíveis variações na série temporal. Esse estudo foi aplicado em diferentes tipos de séries temporais não lineares criadas artificialmente e, além disso, foi feito um estudo de caso em seis séries temporais reais do consumo de energia elétrica por indústrias brasileiras.Este artigo está dividido em cinco seções, a iniciar pela introdução ao tema. A seção 2 descreve

show abstract

“…For recent developments in the field of forecasting the market price, see, e.g. Deb et al (2000) and Angelus (2001).…”

Section: Development Of the European Electricity Marketmentioning

confidence: 99%

Multi‐criteria decision support in the liberalized energy market

Makkonen¹,

Lahdelma

Asell³

et al. 2003

Multi Criteria Decision Anal

View full text Add to dashboard Cite

The European energy market has faced a radical change during the last 10 years and the evolution will probably continue for several years. Liberalization of the electricity market, unbundling of vertically integrated businesses, scarcity of natural resources, and increasing emphasis on the environmental effects of the energy sector have created a new business environment, where complex, interacting decision problems must be solved in co-ordination. These decision problems involve a large number of variables, multiple criteria, and they are stochastic by nature. Efficient simulation and optimization methods are required to solve these problems. It is also important that the results on the different analyses can be presented to the decision-makers in a format that they can understand. In this paper, we focus on the strategic decision making of an electricity retailer operating in the liberalized market. We develop a decision support system based on stochastic simulation, optimization and multi-criteria analysis. We demonstrate the use of the system through a realistic case.

show abstract

Electricity Price Forecasting in Deregulated Markets

Cited by 42 publications

References 0 publications

Short-term electricity prices forecasting in a competitive market: A neural network approach

Short-term electricity prices forecasting in a competitive market: A neural network approach

Detecção de mudança de nível em séries temporais não lineares usando Descritores de Hjorth

Multi‐criteria decision support in the liberalized energy market

Contact Info

Product

Resources

About