Probablistic electricity forecasting in the Czech market

Abstract

Předpovídání cen elektřiny se stalo klíčovým procesem pro rozhodování v ener- getických společnostech. Pokroky v energetickém sektoru však způsobily, že ceny elektřiny jsou stále méně předvídatelné, což zvyšuje potřebu sofistikovanějších metod předpovědi. To vedlo k posunu od bodových předpovědí k pravděpodobnostním předpovědím, kde se zaměřuje nejen na odhad budoucí průměrné ceny, ale na předpověď celého predikčního intervalu. Zejména metoda průměrování kvan- tilovou regresí (QRA) si získala velkou popularitu v pravděpodobnostní předpovědi cen elektřiny díky svému úspěchu v soutěži GEFCom2014. V odborné literatuře je široce doporučována díky své jednoduchosti a prokázané efektivitě. Nicméně metoda QRA má určité omezení, která se týkají zejména její citlivosti na výběru modelových vstupů. V této studii analyzujeme české ceny elektřiny na denním trhu a rozšiřujeme modelovací přístup QRA, abychom řešili některé z jejích ne- dostatků. Výkon modelů byl hodnocen pomocí ukazatelů spolehlivosti a ostrosti predikčních intervalů. Vyhlazení optimalizační účelové funkce v QRA přístupu vedlo ke spolehlivějším a ostřejším predikčním intervalům napříč různými cenovými...

Electricity price forecasting (EPF) has become a key process for decision-making in energy companies. However, advancements in the energy sector have made electricity prices increasingly unpredictable, driving the need for more sophisti- cated forecasting methods. This contributed to a shift from point forecasting to probabilistic forecasting, where the focus is not just on predicting the future mean price, but on forecasting the entire prediction interval. Particularly, quan- tile regression averaging (QRA) has gained significant popularity in probabilistic electricity price forecasting, following its success in the GEFCom2014 competi- tion. It is widely recommended in the literature due to its simplicity and proven efficiency. However, QRA has some limitations mainly relating to its sensitivity to model inputs. In this study, we analyze the Czech day-ahead electricity prices and extend the QRA approach to address some of its deficiencies. The perfor- mance of the models was assessed through reliability and sharpness measures of the prediction intervals. Smoothing the objective function in the QRA setting resulted in jointly more reliable and sharper prediction intervals across different price regimes. Including a Lasso penalty into the objective function automated input selection and resulted in...