The neural modelling in chosen task of Electric Power Stock Market

• Autorzy: Ruciński D.
• Języki publikacji: EN

Abstrakty

EN

The work contains selected results of the neural modelling for the Electric Power Exchange (EPE) for the Day Ahead Market (DAM). The paper contains description of the neural modelling method, the way of preparing (pre-processing) data used for leaning of Artificial Neural Network (ANN), description of achieved neural models of EPE, the comparative study results and the sensitivity study results. The results which was obtained was interpreted and discussed in the systemic category.

Słowa kluczowe

EN

neural modelling; neural network; electric power stock market

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2017
• Tom: Vol. 1-2(21)
• Strony: 63--83
• Opis fizyczny: Bibliogr. 42 poz., wykr.

Twórcy

autor

Ruciński D.

• PhD student at Institute of Computer Science, Faculty of Science, Siedlce University of Natural Sciences and Humanities, ul. 3 Maja 54, 08-110 Siedlce, Poland

Bibliografia

• 1. Bierbrauer M., Menn C., Rachev S.T., Trück S.: Spot and derivative pricing in the EEX power market, Journal of Banking & Finance, Vol. 31.4, pp. 3462-3485, 2007.
• 2. Cartea A., Figueroa M.: Pricing in electricity markets: a mean reverting jump diffusion model with seasonality, Applied Mathematical Finance, Vol.12(4).5, pp. 313-335, 2005.
• 3. Ciechulski T., Osowski S.: Badanie jakości predykcji obciążeń elektroenergetycznych za pomocą sieci neuronowych SVM, RBF i MLP, Przegląd Elektrotechniczny, R. 90, nr 8, pp.148-151, 2014.
• 4. Conejo A.J., Contreras J., Espínola R., Plazas M.A.: Forecasting electricity prices for a day-ahead pool-based electric energy market, International Journal of Forecasting, Vol. 21(3), pp. 435-462, 2005.
• 5. Contreras J., Espínola R., Nogales F.J., Conejo A.J.: ARIMA models to predict next-day electricity prices, IEEE Transactions on Power Systems, Vol. 18(3), pp. 1014-1020, 2003.
• 6. Eichler M., Türk D.: Fitting semiparametric Markov regime-switching models to electricity spot prices, Energy Economics, Vol. 36, pp. 614-624, 2013.
• 7. Embedded MATLAB™ User’s Guide by The Math Works, Inc. Natick, MA 01760-2098 (USA), 182 pages, 2016.
• 8. Fijorek K., Mróz K., Niedziela K., Fijorek D.: Prognozowanie cen energii elektrycznej na Rynku Dnia Następnego metodami data mining. Rynek Energii, nr. 12, pp. 1-8, 2010.
• 9. Garcia R.C., Contreras J., van Akkeren M., Garcia J.B.C.: A GARCH forecasting model to predict day-ahead electricity prices, IEEE Transactions on Power Systems, Vol. 20(2), pp. 867-874, 2005.
• 10. Huisman, R., & Mahieu, R. J.: Regime jumps in electricity prices. Energy Economics, 25(5), pp. 425-434, 2003.
• 11. Halicka K.: Wykorzystanie sztucznych sieci neuronowych do prognozowania cen na giełdzie energii, Rynek Energii, No. 1, pp. 20-23, 2010.
• 12. Janczura J., Weron R.: An empirical comparison of alternate regime-switching models for electricity spot prices, Energy Economics, Vol. 32(5) No.16 pp. 1059-1073, 2010.
• 13. Karakatsani N., Bunn D.: Forecasting electricity prices: The impact of fundamentals and time-varying coefficients, International Journal of Forecasting, Vol.24, pp. 764-785, 2008.
• 14. Knittel C.R., Roberts M.R.: An empirical examination of restructured electricity prices, Energy Economics, Vol.27, pp. 791-817, 2005.
• 15. Li J., Li J.: Next-Day Electricity Price Forecasting Based on Support Vector Machines and Data Mining Technology. Proceedings of the 27th Chinese Control Conference, Kunming, Yunnan, China, pp. 630-633, 2008.
• 16. Malko J.: Black-out, czyli zdarzenia katastrofalne w krytycznych systemach infrastrukturalnych, Wokół Energetyki 5(15), pp. 32-36, 2003.
• 17. Mielczarski W.: Rynki energii elektrycznej. Wybrane aspekty techniczne i ekonomiczne, ARE, Warszawa, 308 pages, 2000.
• 18. Mynarski S.: Analiza rynku. Systemy i mechanizmy. Wyd. AE. Kraków, 178 pages, 1993.
• 19. Mulawka J.J.: Systemy ekspertowe, WNT, Warszawa, 235 pages, 1996.
• 20. Osowski S.: Sieci neuronowe do przetwarzania informacji, OWPW, Warszawa, 422 pages, 2013.
• 21. Opalski K., Kacprzak K., Maciejczyk K., Pawłowski M.: Modelowanie polskiego rynku energii elektrycznej. Matematyka Stosowana, Volume 13/54, pp. 105-114, 2011.
• 22. Ruciński D., Tchórzewski J.: Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data, Journal of Information System in Management, Vol. 5 (2) pp. 215-226, 2016.
• 23. Rudin W.: Podstawy analizy matematycznej. PWN, Warszawa, 292 pages, 2016.
• 24. Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa, 410 pages, 1997.
• 25. Senjyu T., Takara H., Uezato K., and Funabashi T.: One-Hour-Ahead Load Forecasting Using Neural Network, IEEE Transaction on Power Systems, vol. 17, No. 1, pp. 113-118, 2002.
• 26. Simulink Getting Started Guide by The Math Works, Inc. Natick, MA 01760-2098 (USA), 92 pages, 2016.
• 27. Stankovic A. M., Saric A. T., and Milosevic M.: Identification of Nonparametric Dynamic Power System Equivalents with Artificial Neural Networks, IEEE Transactions on Power Systems, vol. 18, No. 4, pp. 1478-1486, 2003.
• 28. Tadeusiewicz R.: Sieci neuronowe. AOW RM, Warszawa, 136 pages, 1993.
• 29. Tan Z., Zhang J., Wang J., Xu J.: Day-ahead electricity price forecasting using wavelet transform combined with ARIMA and GARCH models, Applied Energy, Vol. 87, pp. 3606-3610, 2010.
• 30. Tchórzewski J., Ruciński D.: Quantum Evolutionary Algorithm to Improve Parameters of Neural Models of Polish Electricity Power Exchange. Proceedings of Electrical Power Networks, IEEE Xplore Digital Library, Szklarska Poręba. Accepted for publication, 2016.
• 31. Tchórzewski J., Ruciński D.: Modelowanie neuronalne bezpiecznego rozwoju TGEE z wykorzystaniem notowań RDN. Rozdział w książce [pod red.] K. Raczkowskiego pt. Wymiary zarządzania ryzykiem w obrocie gospodarczym. CeDeWu. Warszawa, pp. 465-480, 2016.
• 32. Tchórzewski J.: Rozwój systemu elektroenergetycznego w ujęciu teorii sterowania i systemów. OW PWr. Wrocław, 190 pages, 2013.
• 33. Tchórzewski J.: Identification of the Electrical Energy Stock Exchange and creating knowledge maps using MATLAB environment with SIT and NNT Toolboxes, Energy Market, EEM 2009 6th International Conference on the European, IEEE Xplore Digital Library, pp. 1-6, 2009.
• 34. Tchórzewski J., Kłopotek M.: A case study in neural network evolution, Prace IPI PAN, nr 943, Warszawa, pp. 1-12, 2002.
• 35. Tchórzewski J.: Inżynieria rozwoju systemów, Monografia naukowa nr 18, Wydawnictwa WSR-P w Siedlcach. Siedlce, 279 pages, 1990.
• 36. Tchórzewski J.: Cybernetyka życia i rozwoju systemów, WSR-P, Siedlce, 408 pages, 1992.
• 37. Vardhan N. H., Chintham V.: Electricity price forecasting of deregulated market using Elman Neural Network, 2015 Annual IEEE India Conference (INDICON), New Delhi, pp. 1-5, 2015.
• 38. Weron R.: Modeling and Forecasting. Electricity loads and Prices: A statistical Approach, John Wiley & Sons Ltd, England, 154 pages, 2006.
• 39. Wierzchoń S., Kłopotek M.: Cluster analysis. IPI PAN. Warszawa, 310 pages, 2015.
• 40. Włodarczyk A., Zawada M.: Analiza cen spot energii elektrycznej. Przegląd wybranych modeli szeregów czasowych, „Energetyka”, nr 7, pp. 523-535, 2008.
• 41. Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, PWN, Warszawa, 374 pages, 1996.
• 42. Portal Spółki TGE S.A., www.tge.pl, http://wyniki.tge.pl/wyniki/rdn/fixing-I

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).