ACCEPTED TO IEEE TRANSACTIONS ON POWER SYSTEMS 1 Application of Public-Domain Market Information to Forecast Ontario’s Wholesale Electricity Prices
Notice bibliographique
Résumé
Abstract — This paper evaluates the usefulness of publicly available electricity market information in forecasting the hourly Ontario energy price (HOEP). In order to do so, relevant data from Ontario and its neighboring electricity markets, namely New York, New England, and PJM electricity markets are investigated, and a final set of explanatory variable candidates that are available before real-time are selected. Multivariate transfer function and dynamic regression models are employed to relate HOEP behavior to the selected explanatory variable candidates. Univariate ARIMA models are also developed for the HOEP. The HOEP models are developed on the basis of two forecasting horizons, i.e. 3 hours and 24 hours, and forecasting performance of the multivariate models is compared with that of the univariate models. The outcomes show that the market information publicly available before real-time can be used to improve HOEP forecast accuracy to some extent; however, unusually high or low prices remain unpredictable, and hence, the available data cannot lead to significantly more accurate forecasts. Nevertheless, the generated forecasts in this work are significantly more accurate than currently available HOEP forecasts. To analyze the relatively low accuracy of the HOEP forecasts, comparisons with respect to ARIMA models developed for locational marginal prices (LMPs) of Ontario’s three neighboring markets and price volatility analyses are presented. Index Terms — Price forecasting, electricity markets, time series models, volatility analysis. I.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».