From day-ahead to mid and long-term horizons with econometric electricity price forecasting models
计量电价预测模型：从日前预测到中长期预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多期限电价预测，并处理小时序列、季节性和单位根行为。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
计量电价预测模型：从日前预测到中长期预测
- 研究问题
- 面对能源价格剧烈波动，如何建立可解释的电价模型，使负荷、可再生能源及燃料信息服务于日前至一年期预测？
- 方法与思路
- 作者用基本面模型约束系数，以季节期望纳入短期变量，并估计同日关系后向前投射；在德国小时电价上使用正则化回归和广义加性模型。
- 材料陈述的贡献
- 摘要称提出覆盖一天至一年期限的可解释模型，并针对基本面信息、短期变量长期使用及燃料诱发的单位根行为给出建模方案。
- 阅读关注点
- 核对各期限可获得的信息、系数边界与季节期望的构造，以及同日关系投射的稳定性；检查滚动预测和基准比较设置。
- 阅读边界
- 所据版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未提供预测误差或危机外表现，稳健性仍需验证。
原文摘要
The recent energy crisis starting in 2021 led to record-high gas, coal, carbon and power prices, with electricity reaching up to 40 times the pre-crisis average. This had dramatic consequences for operational and risk management prompting the need for robust econometric models for mid to long-term electricity price forecasting. After a comprehensive literature analysis, we identify key challenges and address them with novel approaches: 1) Fundamental information is incorporated by constraining coefficients with bounds derived from fundamental models offering interpretability; 2) Short-term regressors such as load and renewables can be used in long-term forecasts by incorporating their seasonal expectations to stabilize the model; 3) Unit root behavior of power prices, induced by fuel prices, can be managed by estimating same-day relationships and projecting them forward. We develop interpretable models for a range of forecasting horizons from one day to one year ahead, providing guidelines on robust modeling frameworks and key explanatory variables for each horizon. Our study, focused on Europe's largest energy market, Germany, analyzes hourly electricity prices using regularized regression methods and generalized additive models.