ترجمه فارسی مقاله پیش‌بینی قیمت برق روز آینده در بازار برق یکپارچه: پرداختن به نوسانات با روش‌های یادگیری ماشین تطبیقی

چکیده

This paper undertakes a comprehensive investigation of electricity price forecasting methods, focused on the Irish Integrated Single Electricity Market, particularly on changes during recent periods of high volatility. The primary objective of this research is to evaluate and compare the performance of various forecasting models, ranging from traditional machine learning models to more complex neural networks, as well as the impact of different lengths of training periods. The performance metrics, mean absolute error, root mean square error, and relative mean absolute error, are utilized to assess and compare the accuracy of each model. A comprehensive set of input features was investigated and selected from data recorded between October 2018 and September 2022. The paper demonstrates that the daily EU Natural Gas price is a more useful feature for electricity price forecasting in Ireland than the daily Henry Hub Natural Gas price. This study also shows that the correlation of features to the day-ahead market price has changed in recent years. The price of natural gas on the day and the amount of wind energy on the grid that hour are significantly more important than any other features. More specifically speaking, the input fuel for electricity has become a more important driver of the price of it, than the total generation or demand. In addition, it can be seen that System Non-Synchronous Penetration (SNSP) is highly correlated with the day-ahead market price, and that renewables are pushing down the price of electricity.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک تحقیق جامع از روشهای پیش بینی قیمت برق ، متمرکز بر بازار یکپارچه برق یکپارچه ایرلندی ، به ویژه در مورد تغییرات در دوره های اخیر نوسانات بالا انجام شده است.هدف اصلی این تحقیق ارزیابی و مقایسه عملکرد مدلهای مختلف پیش بینی ، اعم از مدل های یادگیری ماشین سنتی گرفته تا شبکه های عصبی پیچیده تر و همچنین تأثیر طول های مختلف دوره های آموزشی است.معیارهای عملکرد ، میانگین خطای مطلق ، میانگین خطای مربع ریشه و میانگین خطای مطلق برای ارزیابی و مقایسه دقت هر مدل استفاده می شود.مجموعه ای جامع از ویژگی های ورودی از داده های ثبت شده بین اکتبر 2018 و سپتامبر 2022 مورد بررسی و انتخاب قرار گرفت. این مقاله نشان می دهد که قیمت گاز طبیعی روزانه اتحادیه اروپا یک ویژگی مفیدتر برای پیش بینی قیمت برق در ایرلند از قیمت گاز طبیعی روزانه هنری هاب است.این مطالعه همچنین نشان می دهد که همبستگی ویژگی ها با قیمت روز پیشرو در سالهای اخیر تغییر کرده است.قیمت گاز طبیعی در روز و میزان انرژی باد در شبکه در آن ساعت به طور قابل توجهی از سایر ویژگی های دیگر مهمتر است.به طور خاص ، سوخت ورودی برای برق به محرک مهمتر قیمت آن تبدیل شده است ، از کل تولید یا تقاضا.علاوه بر این ، مشاهده می شود که نفوذ غیر همزمان سیستم (SNSP) با قیمت بازار روزانه بسیار ارتباط دارد و این تجدید پذیر قیمت برق را پایین می آورد.