Analiza statystyczna danych oraz prognozy rynkowych cen energii (RCE) w Polsce z wyprzedzeniem do 24 godzin

• Autorzy: Piotrowski Paweł , Magiera Konrad , Michalak Arkadiusz , Smoliński Mateusz

Warianty tytułu

EN

Statistical analysis of data and forecasts of energy prices in Poland up to 24 hours ahead

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono analizę statystyczną danych oraz prognozy rynkowych cen energii (RCE) z wyprzedzeniem do 24 godzin. Sformułowano wnioski końcowe z wykonanych prognoz oraz analiz statystycznych.

EN

The article presents a statistical analysis of data and forecasts of energy prices (RCE) in Poland up to 24 hours ahead. The conclusions have been drawn based on forecasts outcome and statistical analysis.

Słowa kluczowe

PL

analiza statystyczna; instalacja elektroenergetyczna; prognozowanie cen energii elektrycznej

EN

statistical analysis; power installation; electricity price forecasting

• Wydawca: Grupa MEDIUM Sp. z o.o. Sp.k.a.
• Czasopismo: Elektro Info
• Rocznik: 2022
• Tom: nr 3
• Strony: 20--24
• Opis fizyczny: Bibliogr. 13 poz., tab., wykr.

Twórcy

autor

Piotrowski Paweł

• Politechnika Warszawska

autor

Magiera Konrad

• Politechnika Warszawska

autor

Michalak Arkadiusz

• Politechnika Warszawska

autor

Smoliński Mateusz

• Politechnika Warszawska

Bibliografia

• 1. A. Conejo, J. Contreras, R. Esp´ınola i M. Plazas, „Forecasting electricity prices for a day-ahead pool-based electric energy market,” International Journal of Forecasting, tom 21, nr 3, pp. 435-462, 2005.
• 2. T. Hong, 7 Kwiecień 2015. [Online]. Available: https://energycentral.com/c/um/crystal-ball-lessons-predictive-analytics. [Data uzyskania dostępu: 10 Styczeń 2022].
• 3. O. Fosso, A. Gjelsvik, A. Haugstad, B. Mo i I. Wangensteen, „Generation scheduling in a deregulated system. The Norwegian case,” IEEE Transactions on Power Systems, tom 14, nr 1, pp. 75-81, 1999.
• 4. C. Lamnatou, D. Chemisana i C. Cristofari, „Smart grids and smart technologies in relation to photovoltaics, storage systems, buildings and the environment,” Renewable Energy, 2021.
• 5. A. Marszałek i T. Burczyński, „ Forecasting day-ahead spot electricity prices using deep neural networks with,” Journal of Smart Environments and Green Computing, pp. 21-31, 2021.
• 6. B. Vega-Márquez, C. N.-C. I. A. Rubio-Escudero i Á. Arcos-Vargas, „Use of Deep Learning Architectures for Day-Ahead Electricity Price Forecasting over Different Time Periods in the Spanish Electricity Market,” Applied Sciences, tom 11, nr 6097, 11 2021.
• 7. F. Guo-Feng, Y. Meng, D. Song-Qiao, Y. Yi-Hsuan i H. Wei-Chiang, „Forecasting short-term electricity load using hybrid support vector regression with grey catastrophe and random forest modeling,” Utilities Policy, pp. 0957-1787, 12 2021.
• 8. J. Catalao, S. Mariano, V. Mendes i L. Ferreira, „Short-term electricity prices forecasting in a competitive market: A neural network approach,” Sierpień 2007. [Online]. Available: https://www.sciencedirect.com/science/article/abs/pii/S0378779606002422.
• 9. L. Zhou, B. Wang, Z. Wang, F. Wang i M. Yang, „Seasonal classification and RBF adaptive weight based parallel combined method for day-ahead electricity price forecasting,” w 2018 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT), 2018.
• 10. S. Aslam, N. Ayub, U. Farooq, M. Junaid Alvi, F. R. Albogamy, G. Rukh, S. I. Haider, A. T. Azar i R. Bukhsh, „Towards Electric Price and Load Forecasting Using CNN-Based Ensembler in Smart Grid,” Sustainability, tom 13, nr 22, 2021.
• 11. J. Lago, G. Marcjasz, B. De Schutter i R. Weron, „Forecasting day-ahead electricity prices: A review of state-of-the-art algorithms, best practices and an open-access benchmark,” Applied Energy, tom 293, nr 116983, 2021.
• 12. K. Fijorek, K. Mróz, K. Niedziela i D. Fijorek, „Prognozowanie cen energii elektrycznej na rynku dnia następnego metodami data mining,” Rynek Energii, tom 91, nr 6, Grudzień 2010.
• 13. S. Osowski, Sieci neuronowe do przetwarzania informacji, OWPW, 2006.