1 / 65

Modellspezifikation und Kurzfristprognose von Strompreisen und -verbräuchen auf Liberalisierten Märkten in Nordamerika

Modellspezifikation und Kurzfristprognose von Strompreisen und -verbräuchen auf Liberalisierten Märkten in Nordamerika und Westeuropa. Wissenschaftliche Quellen. Caporale, G. M., Ntantamis, Ch.; Pantelidis, Th.; Pittis, N. : The BDS Test as a Test for the Adequacy

forbes
Download Presentation

Modellspezifikation und Kurzfristprognose von Strompreisen und -verbräuchen auf Liberalisierten Märkten in Nordamerika

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Modellspezifikation und Kurzfristprognose von Strompreisen und -verbräuchen auf Liberalisierten Märkten in Nordamerika und Westeuropa Vortrag in Bremen am 18.6.2009

  2. Wissenschaftliche Quellen • Caporale, G. M., Ntantamis, Ch.; Pantelidis, Th.; Pittis, N.: The BDS Test as a Test for the Adequacy • of a GARCH (1, 1) Specification: A Monte Carlo Study, Journal of Financial Econometrics 32(2005), S. • 282-309. • Conejo, A. C.; Plazas, M. A.; Espinola, R.; Molina, A. B.: Day-Ahead Electricity Price Forecasting • Using the Wavelet Transform and ARIMA Models, IEEE Trans. On Power Systems, 20(2005)2, S. • 1034- 1042. • Contreras, J.; Espinola, R.; Nogales, F. J.; Conejo, A. J.: ARIMA Models to predict Next-Day • Electricity Prices, IEEE Trans. On Power Systems, 18(2002)3, 1014-1020. • Garcia, R.; Contreras, J.; van Akkeren, M.; Garcia, J. B. C.: A GARCH Forecasting Model to Predict • Day-Ahead Electricity Prices, IEEE Trans. On Power Systems, 20(2005)2, S. 867- 874. • Guirguis, H. S.; Felder, F. A.: Further Advances in Forecasting Day-Ahead Electricity Prices Using • Time Series Models, KIEE Int. Trans. On PE, 4-A (2004)3, 159-166. • MateoGonzales, A.; MunozsanRoque, A.; Garcia-Gonzales, J.: Modeling and Forecasting Electricity • Prices with Input/Output Hidden Markov Models, IEEE Trans. On Power Systems, 20(2005)1, 13-24. • Rodriguez, C. P.; Anders, G. J.: Energy price forecasting in the Ontario competitive power system • market, IEEE Trans. On Power Systems, 19(2004)1, 366-374. • Reneses, J.; Centeno, E.; Barquin, J.: Coordination between medium-term generation planning and • short-term operation in electricity markets, IEEE Trans. On Power Systems, 21(2006)1, 43-52. • Sanchez, J.J.; Bunn, D.W.; Centeno, E.; Barquin, J.: Dynamics in foreward and spot electricity • markets, IEEE Trans. On Power Systems, 24(2009)2, 582-591. • Taylor, J. W.; de Menezes, L. M.; McSharry, P. E.:A comparison of univariate methods for forecasting • electricity demand up to a day ahead, Int. Journal of Forecasting, 22(2006)1, -16. Vortrag in Bremen am 18.6.2009

  3. Tabelle 1 Vortrag in Bremen am 18.6.2009

  4. Geschäftsberichte und sonstige Quellen • Bienwald, B.; Steinhurst, W.; White, D.; Roschelle, A.: A Comparison of Wholesale • Power Costs in the PJM Market to Indexed Generation Service Costs, Synapse Energy • Economics, Cambridge, 3.6.2004. • Brunzel, T.: Untersuchung der Preisdynamik für Elektroenergie an ausgewählten • europäischen Strombörsen, Bachelorarbeit FH Stralsund 2008. • California ISO (CAISO), Market Analysis Report for September 2004. • Dube, St.: Visualisierung und Analyse des liberalisierten Elektrizitätsmarktes in den USA, • Diplomarbeit, FH Stralsund, März 2006 • Fernandez, R.: NYISO Monthly Report, New York, August 2004. • Herling, St.: Eastern PJM Region Reliability Summit - Regional Planning, PJM 2008. • IEA Report: Electric Sales, Revenues and Prices 2007, January 2009. • New York Independent System Operator (NYISO), Annual Report 2003. • Operator del Mercado Iberico de Energia-Polo Espanol (OMEL), Annual Report 2003. • Reynolds, J. M.: PJM Load Forecast Report – Supplemental Tables, 28.4.2004. • Diverse Hausarbeiten aus dem Stralsunder Masterstudiengang BIM (2005 – 2009) Vortrag in Bremen am 18.6.2009

  5. Belpex (www.belpex.be) • Energy Information Administration (www.eia.doe.gov) • Energiedaten der OECD (www.iea.org) • Energy Exchange Austria (www.exaa.at) • European Energy Exchange (www.eex.de) • ISO New York (www.nyiso.com) • ISO Kalifornien (www.caiso.com) • ISO Ontario (www.ieso.ca) • ISO New England (www.iso-ne.com) • Mercado de Electricidad Spanien (http://www.omel.es) • Nordeuropäische Strombörse Nord Pool ASA (www.nordpoolspot.com) • PJM (www.pjm.com) Vortrag in Bremen am 18.6.2009

  6. Box-Jenkins-Technik zur Spezifikation von SARIMA-Modellen Vortrag in Bremen am 18.6.2009

  7. Vortrag in Bremen am 18.6.2009

  8. Vortrag in Bremen am 18.6.2009

  9. Spezifikation des AR-Modells (Beobachtungsgleichung) • Bestimmung der Saisonstruktur mit Hilfe des Periodogramms und der • Autokorrelationsfunktionen acf und pacf. • Einheitswurzeltest nach Dickey-Fuller und Phillips-Perron für die • Originaldaten. • Wiederholung des Einheitswurzeltest für die saisonbereinigten Daten. • Beseitigung der Einheitswurzeln mittels Differenzenbildung. • Bestimmung der Lag-Struktur für ein autoregressives Modell mit Hilfe • der partiellen Autokorrelationen pacf. • Schätzung eines parametersparsamen Modells mit signifikanten Para- • metern (Beobachtungsgleichung). Vortrag in Bremen am 18.6.2009

  10. Identifikation eines GARCH(p, q) - Modells (Varianzgleichung) • Auswertung der Autokorrelationen acf und der partiellen Autokorre-lationen pacf der quadrierten Residuenfolge. • Ein Cut in der acfbestimmt das maximale Lag der Varianzfolge. Das Maximum der Cuts in acf und pacf begrenzt die Lags der quadrierten Residuen (GARCH-Parameter p). • Lagrange-Multiplier-Test (LM Test) zur Abgrenzung gegen höhere Lags der quadrierten Residuen in der Varianzgleichung (GARCH-Parameter q). Vortrag in Bremen am 18.6.2009

  11. Vortrag in Bremen am 18.6.2009

  12. Spezifikation des GARCH-Modells • Schätzung eines parametersparsamen autoregressiven (integrierten) • Modells mit GARCH-Residuen (Beobachtungs- und Varianzgleichung). • Wechsel der Modellklasse auf EGARCH oder PGARCH bei Konvergenz- • problemen mit der Schätzroutine. • Überprüfung der Autokorrelation der Residuen mit Hilfe der Durbin- • Watson-Statistik. • Überprüfung der Schiefe und des Q-Q-Plots der Residuen. • Erneuter LM-Test zur Abgrenzung gegen höhere Lags im Varianzmodell. • BDS-Test zur Prüfung auf weitere nichtlineare Strukturen in den Residuen. • Vergleich der Einschritt-Punkt- und Intervallprognose mit den Ist-Werten • am aktuellen Rand. • Prognose der Varianz. • Vergleich mit den Prognoseergebnissen des autoregressiven (integrierten) • Eingleichungsmodells. Vortrag in Bremen am 18.6.2009

  13. Stundenpreis in Spanien 1.11.2004 bis 17.1.2005 (Cent pro KWh) Vortrag in Bremen am 18.6.2009

  14. Vortrag in Bremen am 18.6.2009

  15. Tabelle 1 Vortrag in Bremen am 18.6.2009

  16. Tabelle 2 Vortrag in Bremen am 18.6.2009

  17. Tabelle 3 AR-Modell Vortrag in Bremen am 18.6.2009

  18. Vortrag in Bremen am 18.6.2009

  19. Tabelle 4 Korrelogramme der quadrierten Residuen Vortrag in Bremen am 18.6.2009

  20. Tabelle 5 Vortrag in Bremen am 18.6.2009

  21. Tabelle 6 Schätzgüte Vortrag in Bremen am 18.6.2009

  22. Ausgehend von einem GARCH(2, 2)-Ansatz wird schrittweise auf GARCH(1, 1) abgerüstet mit Hilfe der Kriterien von Akaike und Schwarz wobei L die Log-Likelihood Funktion ist Vortrag in Bremen am 18.6.2009

  23. Tabelle 7 Vortrag in Bremen am 18.6.2009

  24. Die Beobachtungsgleichung lautet Die Varianzgleichung nimmt explizit folgende Gestalt an: Vortrag in Bremen am 18.6.2009

  25. Tabelle 8 Vortrag in Bremen am 18.6.2009

  26. Vortrag in Bremen am 18.6.2009

  27. Vortrag in Bremen am 18.6.2009

  28. Tabelle 9 Vortrag in Bremen am 18.6.2009

  29. Tabelle 10 Vortrag in Bremen am 18.6.2009

  30. Tabelle 11 Vortrag in Bremen am 18.6.2009

  31. Vortrag in Bremen am 18.6.2009

  32. Vortrag in Bremen am 18.6.2009

  33. Tabelle 12 Prognosevergleich nach Modellen und Fehlermaßen Vortrag in Bremen am 18.6.2009

  34. Vortrag in Bremen am 18.6.2009

  35. Tabelle 13 Tägliche Prognosefehler für stündliche Elektroenergiepreise in Cent/KWh Zeitraum 24.9. bis 30.9.2003 Vortrag in Bremen am 18.6.2009

  36. Tabelle 14 Prognosefehler in den Nachfragespitzen Vortrag in Bremen am 18.6.2009

  37. Tabelle 15 Modellerweiterung durch Tagesdummies Vortrag in Bremen am 18.6.2009

  38. Tabelle 16 Fehlervergleich im MAPE% Max. Verlust Max. Gewinn Vortrag in Bremen am 18.6.2009

  39. Preisentwicklung in Abhängigkeit von der Nachfrage am Beispiel der New England ISO Vortrag in Bremen am 18.6.2009

  40. Modellierung von Tagesspitzen für die ISO New England (Preise bzw. Nachfrage) Vortrag in Bremen am 18.6.2009

  41. Tabelle 17 Prognose Ergebnisse für stündliche Nachfrage und Preise EE pro Tag auf dem Strommarkt der ISO New England Vortrag in Bremen am 18.6.2009

  42. Vektorautoregression mit 7 Absatzgebieten von PJM Vortrag in Bremen am 18.6.2009

  43. Auswertung einer VAR-Modellierung für 7 Absatzgebiete von PJM (Stunden-daten im Juli 2005) mit Zeitverzögerungen bis zum Lag 3 und Signifikanz Tests auf dem 5%- Level. • Fast 50% der Parameter fallen aus dem Ansatz heraus. • Marginale Auswirkungen auf die Erklärungsgüte und auf die Einschritt-Prog- • nose-Fehler für die 4. Juli Woche. • Univariate AR-Modelle mit GARCH-Struktur erreichen mit weniger Para- • metern ein größere Erklärungsgüte und lassen Punktprognosen von höherer • Treffsicherheit zu. Vortrag in Bremen am 18.6.2009

  44. Umsatz Michigan in 1000 $ Absatz Michigan in MWh Vortrag in Bremen am 18.6.2009

  45. Kointegrationsmodell Vortrag in Bremen am 18.6.2009

  46. Modell- und Prognose Vergleich2009: • 140 Stundenreihen des Stromgroßhändlers PJM aus den Jahren 2005 bis 2007 • Modelle im Vergleich: AR mit GARCH-Struktur versus VAR (bivariat). • Saisonvergleich: jeweils ein Monat aus Winter- und Sommerhalbjahr. • Prognose Zeitraum: letzte Woche eines Monats. • Fehlermaße: RMSE% und MAPE%. • 2) 20 Stundenreihe europäischer Strombörsen aus 2008 • Modell- und Saisonvergleich wie unter 1) • 3) 8 Tagesreihen europäischer Strombörsen aus 2007 • Modelle im Vergleich: ARIMA, VAR, Kointegration (Preis und Volumen). • Saisonvergleich wie unter 1). Vortrag in Bremen am 18.6.2009

  47. 4) 139 sektorale Monatszeitreihen aus US Bundesstaaten von 1990 bis • maximal 6/2008 • Modelle im Vergleich: ARIMA, UCM, Kointegration ( Absatz versus • Umsatz), Kerndichteregression (noch nicht abgeschlossen). • Prognosezeitraum: 18 Monate. • Sektorauswahl: Haushalte und Gesamt. • Cluster: „reiche“ und „arme“ Bundesstaaten. • Strukturveränderungen bei Aktualisierung der Daten. • Fehlermaße wie unter 1). Vortrag in Bremen am 18.6.2009

  48. PJM-Verbund Vortrag in Bremen am 18.6.2009

  49. Vortrag in Bremen am 18.6.2009

  50. Auszug aus dem PJM Geschäftsbericht für 2007 Vortrag in Bremen am 18.6.2009

More Related