RUS  ENG
Полная версия
ЖУРНАЛЫ // Вестник Южно-Уральского государственного университета. Серия «Математическое моделирование и программирование» // Архив

Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование, 2020, том 13, выпуск 3, страницы 73–79 (Mi vyuru559)

Краткие сообщения

Forecasting tariffs for the day-ahead market based on the additive model

[Прогнозирование тарифов рынка на сутки вперед на основе аддитивной модели]

E. A. Lyaskovskayaa, P. K. Zarjitskaya-Thierlingb, O. A. Dmitrinac

a South Ural State University, Chelyabinsk, Russian Federation
b Darmstadt Clinic, Darmstadt, Germany
c LLC “Indirect”, Chelyabinsk, Russian Federation

Аннотация: Решена задача построения аддитивной модели прогнозирования тарифа рынка на сутки вперед. Трендовая составляющая построена на основе авторегрессионной модели уже известных значений тарифа рынка на сутки вперед и внешнего фактора объема потребления электроэнергии по данным Объединенной энергосистемы (ОЭС) Урала Оптового рынка электрической энергии и мощности (ОРЭМ) России за 2009–2018 гг. На основе построения автокорреляционной функции выявлено три сезонных составляющих во временном ряду часовых значений тарифа рынка на сутки вперед: годовая (8760 значений), недельная (168 значений), суточная (24 значения). Построена гармоническая модель каждой составляющей. Итоговая аддитивная модель построена с учетом специфики рынка электроэнергетики и процесса формирования тарифа рынка на сутки вперед и балансирующего рынка. Практическая значимость разработанной аддитивной модели заключается в адекватной точности с известными моделями прогнозирования тарифа рынка на сутки вперед ОЭС Урала. Использование предложенной модели позволит субъектам электроэнергетики за счет обеспечение высокой точности прогнозирования избежать штрафных санкций балансирующего рынка.

Ключевые слова: моделирование, прогнозирование, авторегрессия, аддитивная модель, электроэнергетика, энергетический рынок.

УДК: 330.322.013+001.895

MSC: 97M40

Поступила в редакцию: 06.03.2020

Язык публикации: английский

DOI: 10.14529/mmp200307



© МИАН, 2024