Electricity price forecasting on the day-ahead market using artificial intelligence algorithms

• Autorzy: Galińska Jolanta , Terlikowski Paweł

Identyfikatory

DOI

10.15199/48.2024.09.29

Warianty tytułu

PL

Prognozowanie cen energii elektrycznej na rynku dnia następnego z wykorzystaniem algorytmów sztucznej inteligencji

• Języki publikacji: EN

Abstrakty

EN

This article presents the application of AI algorithms to predict hourly product prices in the uniform price auction system of the Polish Power Exchange. It involves analyzing the electricity price determination process, identifying factors shaping price curves, reviewing literature on AI methods for electricity price prediction, proposing a research methodology, and modeling solutions using artificial neural networks. Nine variants of multilayer perceptrons with backpropagation were optimized and compared using most common indicators. Results were compared with forecasts from foreign articles for other European markets to evaluate the effectiveness of using AI in predicting electricity prices in the Polish Day-Ahead Market.

PL

W artykule przedstawiono zastosowanie algorytmów sztucznej inteligencji do predykcji ceny produktów godzinowych w notowaniach w systemie kursu jednolitego na rynku dnia następnego energii elektrycznej Towarowej Giełdy Energii. Przeanalizowano proces wyznaczania cen energii elektrycznej, identyfikację czynników kształtujących krzywe cenowe, dokonano przeglądu literatury dotyczącej zastosowania metod sztucznej inteligencji do predykcji cen energii elektrycznej, zaproponowano metodologię badań oraz zamodelowano rozwiązanie z wykorzystaniem sztucznych sieci neuronowych. Zoptymalizowano i porównano dziewięć wariantów perceptronów wielowarstwowych z propagacją wsteczną. W celu oceny skuteczności wykorzystania sztucznej inteligencji w prognozowaniu cen energii elektrycznej na polskim Rynku Dnia Następnego, otrzymane wyniki porównano z prognozami z artykułów zagranicznych dla innych rynków europejskich.

Słowa kluczowe

EN

artificial neural network; electricity price forecasting; day-ahead market; tensorflow

PL

sztuczna sieć neuronowa; prognozowanie ceny energii elektrycznej; rynek dnia następnego; Tensorflow

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 9
• Strony: 156--162
• Opis fizyczny: Bibliogr. 38 poz., rys., tab.

Twórcy

autor

Galińska Jolanta

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa

autor

Terlikowski Paweł

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa

Bibliografia

• [1] Towarowa Giełda Energii S.A.,Trading Rules for the Commodity Market of Towarowa Giełda Energii S.A, Towarowa Giełda Energii S.A., 2020.
• [2] Towarowa Giełda Energii S.A., Podsumowanie działalności TGE w 2022 roku, Informacja prasowa [Summary of TGE's Activities in 2022, Press Release], Towarowa Giełda Energii S.A., Warsaw, Poland, 2023. (In Polish)
• [3] Towarowa Giełda Energii S.A.,The Detailed Trading and Clearing Rules for Electricity Traded on the Day-Ahead Market, Towarowa Giełda Energii S.A., 2022.
• [4] Mielczarski W., Rynki energii elektrycznej: wybrane aspekty techniczne i ekonomiczne [Electricity Market: Selected Technical and Economic Aspects], Agencja Rynku Energii S. A., Warsaw, Poland, 2000. (In Polish)
• [5] Mikołajuk H., Zatorska M., Stępniak E., Wrońska I., Galewski K., Informacja statystyczna o energii elektrycznej Nr 11 – Listopad 2022 [Statistical Information on Electricity No. 11 - November 2022], Monthly Bulletin, Ministry of Climate and Environment, Agencja Rynku Energii S.A., Warsaw, Poland 2023. (In Polish)
• [6] Ministry of Climate and Environment, Energy Policy of Poland until 2040, Ministry of Climate and Environment, Warsaw Poland, 2021.
• [7] Paska J., Ekonomika w elektroenergetyce [Economics in electrical power engineering], Oficyna Wydawnicza PW OWPW, Warsaw, Poland, 2007. (In Polish)
• [8] Act of June 12, 2015 on greenhouse gases emissions trading system (Dz. U. 2015 poz. 1223). (In Polish)
• [9] Smolen J., Dudic B.,The Role of Residual Demand in Electricity Price Analysis and Forecasting: Case of Czech Electricity Market, International Journal of Energy Economics and Policy, ISSN: 2146-4553, Nr 2017 7(5), pp. 152-158.
• [10] Girish, G. P., Vijayalakshmi, S., Determinants of Electricity Price in Competitive Power Market, International Journal of Business and Management, ISSN 1833-3850, R. 8 NR 21/2013.
• [11] Polskie Sieci Elektroenergetyczne S.A., Raport 2021 KSE, Zestawienie danych ilościowych dotyczących funkcjonowania KSE w 2021 roku, [Report 2021 KSE, Compilation of Quantitative Data on the Operation of KSE in 2021], Polskie Sieci Elektroenergetyczne S.A., 2022. (In Polish)
• [12] Zhaoguang Hu, Xinyang Han, Quan Wen et al., Integrated Resource Strategic Planning and Power Demand-Side Management, China Electric Power Press and Springer-Verlag Berlin Heidelberg, 2013.
• [13] Audytel , Analiza zmian hurtowych cen energii elektrycznej w 2018 r., dla: Krajowa Izba Gospodarcza Elektroniki i Telekomunikacji [Analysis of Wholesale Electricity Price Changes in 2018, for: Polish Chamber of Commerce for Electronics and Telecommunications], Audytel, 2019. (In Polish)
• [14] Stahl W., wpływ pandemii COVID-19 na obciążenie polskiego systemu elektroenergetycznego oraz potencjał wykorzystania usługi DSR [Impact of the COVID-19 pandemic on the load of the Polish power system and the potential for using DSR service], Scientific Journals of the Faculty of Electrical and Control Engineering at the Gdańsk University of Technology, ISSN 2353-1290, Nr 73/2021. (In Polish)
• [15] Dąbrowska J., Dołżyńska E., Hryniewicka G., Wpływ nieprzewidzianych zdarzeń na łańcuchy dostaw na przykładzie pandemii COVID – 19 [Impact of Unforeseen Events on Supply Chains on the Example of the COVID-19 Pandemic], Academy of Management published by the Faculty of Engineering Management, Bialystok University of Technology, ISSN 2544 512X, Nr 4(2)/2020. (In Polish)
• [16] Directive (EU) 2018/410 of the European Parliament and of the Council of 14 March 2018 amending Directive 2003/87/EC to enhance cost-effective emission reductions and low-carbon investments, and Decision (EU) 2015/1814.
• [17] Act of 28 December 2018 amending the Act on Excise Duty and Certain Other Acts (Dz.U. 2018 poz. 2538). (In Polish)
• [18] Helm, J.M., Swiergosz, A.M., Haeberle, H.S. et al. Machine Learning and Artificial Intelligence: Definitions, Applications, and Future Directions. Curr Rev Musculoskelet Med 13, 69–76 (2020).
• [19] Helt P., Parol M., Piotrowski P., Metody sztucznej inteligencji, Przykłady zastosowań w elektroenergetyce [Artificial Intelligence Methods, Examples of Applications in Power Engineering], Oficyna Wydawnicza Politechniki Warszawskiej OWPW, Warsaw, Poland 2012. (In Polish)
• [20] Géron A., Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow SECOND EDITION, Concepts, Tools, and Techniques to Build Intelligent Systems, O’Reilly, Canada 2019.
• [21] Tschora L., Pierre E., Plantevit M., Robardet C., Electricity price forecasting on the day-ahead market using machine learning, Elsevier, Applied Energy, ISSN 0306-2619, Volume 313, 118752.
• [22] Lago J., Marcjasz G., De Schutter B., Weron R., Forecasting day-ahead electricity prices: A review of state-of-the-art algorithms, best practices and an open-access benchmark, Applied Energy, ISSN 0306-2619, Volume 293, 116983, 2021.
• [23] Heidarpanah M., Hooshyaripor F., Fazeli M., Daily electricity price forecasting using artificial intelligence models in the Iranian electricity market, Energy, ISSN 0360-5442, Volume 263, Part E, 126011, 2023.
• [24] Keles D., Scelle J., Paraschiv F., Fichtner W., Extended forecast methods for day-ahead electricity spot prices applying artificial neural networks, Applied Energy, ISSN 0306-2619, Volume 162, Pages 218-230,2016.
• [25] E. N. Chogumaira and T. Hiyama, Training artificial neural networks for short-term electricity price forecasting, 2009 Transmission & Distribution Conference & Exposition: Asia and Pacific, Seoul, Korea (South), 2009, pp. 1-4.
• [26] J. Zhang and Chuntian Cheng, "Day-ahead electricity price forecasting using artificial intelligence," 2008 IEEE Canada Electric Power Conference, Vancouver, BC, Canada, 2008, pp. 1-5.
• [27] Ioannis P. Panapakidis, Athanasios S. Dagoumas, Day-ahead electricity price forecasting via the application of artificial neural network based models, Applied Energy, ISSN 0306-2619, Volume 172, Pages 132-151, 2016. Artificial
• [28] Q. Tang and D. Gu, "Day-Ahead Electricity Prices Forecasting Using Neural Networks," 2009 International Conference on Artificial Intelligence and Computational Intelligence, Shanghai, China, 2009, pp. 511-514.
• [29] Z. Li, F. Liu, W. Yang, S. Peng and J. Zhou, "A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects," in IEEE Transactions on Neural Networks and Learning Systems, vol. 33, no. 12, pp. 6999-7019, Dec. 2022.
• [30] Liu, Y., Wang, Y., Zhang, J. (2012). New Machine Learning Algorithm: Random Forest. In: Liu, B., Ma, M., Chang, J. (eds) Information Computing and Applications. ICICA 2012. Lecture Notes in Computer Science, vol 7473. Springer, Berlin, Heidelberg.
• [31] Chaudhry Q., Chrétien J., Craciun M., Guo G., Lemke F., Müller J., Neagu D., Piclin N., Pintore M., Trundle P., Algorithms for (Q)SAR model building, Quantitative Structure Activity Relationships (QSAR) for Pesticide Regulatory Purposes, Elsevier, 2007.
• [32] A. T. Eseye, J. Zhang, D. Zheng, H. Ma and G. Jingfu, "Short term wind power forecasting using a double-stage hierarchical hybrid GA-ANN approach," 2017 IEEE 2nd International Conference on Big Data Analysis (ICBDA), Beijing, China, 2017, pp. 552-556.
• [33] Winczenko R., Algorytmy genetyczne i ich zastosowania [Genetic algorithms and their applications], Technological Progress In Food Processing, 1/2008, pp. 107-110. (In Polish)
• [34] Katoch, S., Chauhan, S.S. & Kumar, V. A review on genetic algorithm: past, present, and future. Multimed Tools Appl 80, 8091–8126 (2021).
• [35] Tchórzewski J., Ruciński D., Simulation model of the Polish power exchange system using evolutionally assisted and quantum-inspired artificial neural network, Poznan University of Technology Academic Journals: Electrical Engineering, PL ISSN 1897-0737, No 104, pp.55-64, 2020. (In Polish)
• [36] Ruciński D., The neural modelling in chosen task of Electric Power Stock Market, Studia Informatica, Systems and Information Technology, no. 21, pp. 63-83, 2017.
• [37] Keras API reference, Keras documentation.
• [38] Kingma D.P., Lei Ba J. Adam: a method for stochastic optimization, Proceedings of the 3rd International Conference on Learning Representations (ICLR), 2014/12/22.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).