Скачать презентацию
Идет загрузка презентации. Пожалуйста, подождите
Презентация была опубликована 10 лет назад пользователемАлександра Фомягина
1 Прогнозирование основных характеристик рынка электроэнергии «на сутки вперед» и разработка стратегии поведения участников Филатов А.Ю., Смирнова Е.О. Иркутский государственный университет XV конференция НИУ ВШЭ по проблемам развития экономики и общества, 3 апреля 2014
2 Введение. Электроэнергетический рынок 2003 г. – реформа энергетической отрасли, либерализация рынка
3 Введение. Электроэнергетический рынок Оптовый рынокРозничный рынок РСВ БР РД Насе- ление «Прочие» потребители РСВ – Рынок на сутки вперед РД – Регулируемые договоры БР – Балансирующий рынок
4 Иллюстрация принципов загрузки электростанций и формирования цены РСВ Объемы э/э в заявках Цены в заявках Равновесная цена рынка Заявки поставщиков Заявки покупателей Электроэнергия, проданная «на сутки вперед» Неудовлетворенный спрос Невостребованное дорогое предложение Прогнозирование цен на электроэнергию необходимо компаниям для: 1. Эффективного управления режимом работы электростанций. 2. Обоснования своей финансовой стратегии на рынке. 3. Заключения СД и фьючерсов по экономически обоснованным ценам. Постановка проблемы
5 Параметры временных рядов РазрешениеВременной ряд Длина ряда Среднее значение Станд. отклон. МинимумМаксимум Суточные Цена РСВ CЦЗ (руб./МВт.ч) ,1469,68216,46657,65 Объемы продаж(тыс.МВт.ч) ,21148,0259,17642,74 Ночная температура ( 0 C)1388–2,8014,22–4023 Дневная температура ( 0 C)13885,8315,00–3140 Длина светового дня (мин.) Цена на газ (руб./1000м 3 ) Курс доллара138828,983,0323,1336,43 Курс евро138840,433,0134,0846,84 Нефть (руб./баррель) ПочасовыеЦена РСВ CЦЗ (руб./МВт.ч) ,9649,02170,62607,62 Исходные данные
6 1.Возврат к среднему значению. 2.Высокая волатильность. 3.Наличие аутлаеров. 4.Наличие сезонных колебаний. Особенности цен на электроэнергию
7 Среднесрочное прогнозирование. Суточные данные Итоговая модель: Значимые факторы: t - тренд; - дни недели; - праздники; - работа СШГЭС - дневная температура окружающего воздуха; - длина светового дня; - цены на газ и нефть; - курс евро. Фактические и прогнозные значения цен на электроэнергию за 2008 – 2011 г.г. Модель авторегрессии AR(1):
8 ! Недостаток РСВ – высокие ценовые риски Выход – заключение долгосрочных свободных договоров СД - самостоятельное определение контрагентов, цен и объемов ! Проблема – цена сделки? Задача – заключение СД по экономически обоснованной цене Возможные сценарии прогноза: Сценарий «минимальных цен» (нефть -40%; газ -40%; евро +10%) Базовый сценарий ( нефть, газ, евро = const) Сценарий «максимальных цен» (нефть +20%; газ +20%; евро -5%) Y(t)ожид – средневзвешенная ЦРСВ Стратегия заключения СД: 1. Если Yожид. * 0,95 YРСВ Yожид. * 1,05 Yдог. = Yожид. 2. Если Yожид. * 0,95 YРСВ Yдог. = Yожид. * 0,95 – 0,5 * (Yожид. * 0,95 - YРСВ ) 3. Если Yожид. * 1,05 YРСВ Yдог. = Yожид. * 1,05 + 0,5 * (YРСВ - Yожид. * 1,05) Сценарии прогноза и разработка стратегии заключения СД
9 Фьючерс – договор (обязательство сторон) с отсрочкой исполнения, но фиксацией в момент биржевой сделки: объема сделки, срока исполнения и цены. Критерий Пирсона: Функция плотности распределения нормального закона: Проверка: = 225,76 >> = 33,41 Альтернатива – логистическое распределение: Проверка: =77,73 > = 33, 41 Формула расчета: Закон распределения ошибки прогнозирования и заключение фьючерсных контрактов Эмп Логист Норм 0,0048 0,0019 0,0008 0,0069 0,0039 0,0026 0,0110 0,0080 0,0076 ……… 0,0041 0,0026 0,0013 0,0007 0,0006 0,0001 0,0007 0,0003 0,0000 р Мин Прогноз Макс 0,1 493, ,03 0,3 466, ,14..… … 0,8 422, ,98 0,9 405, ,27 Пример:
10 Дистрибутивно – лаговые модели (ДЛМ). Модель Койка Общий вид ДЛМ с конечным лагом в k периодов: Пусть, 0
11 Прогнозирование среднесуточных объемов продаж Модель множественной регрессии: где – дамми-переменные для полугодовых участков – цена РСВ. Рис. Динамика объемов продаж электроэнергии Логистическая функция для долгосрочного прогноза значения средних за полугодие уровней продаж:
12 Прогнозирование почасовых цен РСВ. Обознач ение Название MA(3)MA(5) КоэффициентЗначимостьКоэффициентЗначимость cconst229,380,01233,080,01 tтренд0,01 x1x1 дневная температура-1,170,01-1,160,01 x2x2 длина светового дня0,070,010,070,01 x3x3 цена на топливо0,460,010,460,01 x4x4 динамика доллара-6,390,01-6,400,01 x5x5 динамика евро4,100,014,060,01 z1z1 1 час-0,240,051,310,05 z2z2 23,220,056,830,01 z3z3 313,600,0115,560,01 z4z4 428,180,0126,260,01 z5z5 541,640,0137,110,01 z 6 -z ,740,0152,790,01 z ,540,0139,430,01 z ,100,0129,230,01 z ,720,0117,490,01 z ,160,018,150,01 z ,100,052,490,05 понедельник18,210,0117,930,01 вторник-среда14,610,0114,390,01 четверг13,520,0113,360,01 пятница15,440,0115,290,01 суббота10,360,019,970,01 праздник5,690,015,720,01 MA(3): MA(5): Рис. Фактические и прогнозные значения цен на электроэнергию за 2010г.
13 Модель экстраполяции по максимуму подобия (почасовое прогнозирование) Исходная последовательность: Задача экстраполяции в точках: Исходный вектор: Мера подобия: Функция подобия: Максимум подобия: : Экстраполяция: Ошибка: ;
14 Методика почасового прогнозирования цен:
15 Зависимость точности экстраполяции исследовательского отрезка от параметра М
16 Спасибо за внимание!
Еще похожие презентации в нашем архиве:
© 2024 MyShared Inc.
All rights reserved.