Extrapolating the long-term seasonal component of electricity prices for forecasting in the day-ahead market
外推电价长期季节成分以改进日前市场预测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：摘要研究电价时间序列的季节分解及日前预测，直接对应预测与时间序列方向。
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…
外推电价长期季节成分以改进日前市场预测
- 研究问题
- 在分解电价后分别预测长期季节成分与剩余部分的框架中，如何改进季节成分的外推，避免仅复制最近一天的小时模式？
- 方法与思路
- 作者用未来二十四小时的价格预测延长价格序列，再提取趋势季节模式；结合简约自回归和 LASSO 模型，在德国及西班牙市场评估。
- 材料陈述的贡献
- 摘要报告，所用测试中均方根误差改善百分之三至十五，含日前竞价和电池储能的策略利润改善超过百分之一。
- 阅读关注点
- 应核对序列外推和季节提取的先后关系、是否使用预测时不可得的信息、滚动测试设计，以及利润计算中的成本和储能约束。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供各市场分项结果及显著性，所报预测和利润改善不能外推至其他场景。
原文摘要
Recent studies provide evidence that decomposing the electricity price into the long-term seasonal component (LTSC) and the remaining part, predicting both separately, and then combining their forecasts can bring significant accuracy gains in day-ahead electricity price forecasting. However, not much attention has been paid to predicting the LTSC, and the last 24 hourly values of the estimated pattern are typically copied for the target day. To address this gap, we introduce a novel approach which extracts the trend-seasonal pattern from a price series extrapolated using price forecasts for the next 24 hours. We assess it using two 5-year long test periods from the German and Spanish power markets, covering the Covid-19 pandemic, the 2021/2022 energy crisis, and the war in Ukraine. Considering parsimonious autoregressive and LASSO-estimated models, we find that improvements in predictive accuracy range from 3\% to 15\% in terms of the root mean squared error and exceed 1\% in terms of profits from a realistic trading strategy involving day-ahead bidding and battery storage.