Prognoza cen energii na Rynku Dnia Następnego w horyzoncie na 5 dni naprzód
Niniejsza prognoza jest wykonana w oparciu o pięć modeli machine learning, tj.:
Korelacje względem Fixing1 (posortowane)
Na poniższym wykresie przedstawiono posortowane wyniki korelacji wskaźników prognozowanych przez PSE w odniesieniu do notowań cen energii na Rynku Dnia Nastepnego.
Analiza została wykonana na danych historycznych, celem wskazania tych wskaźników, które najlepiej korelują z notowaniami cen energii i na ich podstawie należy prognozować przyszłe ceny.
Sortowanie po |korelacji| malejąco.
Test modeli na danych historycznych – rzeczywiste vs prognozy
Poniższy wykres prezentuje historyczne notowanie cen energii na fixingu pierwszym Rynku Dnia Następnego, oraz prognozy dla tego samego okresu wykonane na poszczególnych modelach.
Metryki modeli (MAE / RMSE)
Poniżej zaprezentowano dwie metryki wskazujące na trafność precyzji poszczególnych modeli względem danych rzeczywistych.
MAE (Mean Absolute Error) – średni błąd bezwzględny. Określa, o ile średnio (w PLN/MWh) prognoza odbiega od wartości rzeczywistej. Im niższy MAE, tym lepszy model.
RMSE (Root Mean Squared Error) – pierwiastek ze średniego błędu kwadratowego. Mocniej karze duże błędy niż MAE, więc jest bardziej wrażliwy na “odstrzały” cen.
Obie metryki wyrażone są w jednostkach ceny energii (PLN/MWh).
Prognoza cen energii na pięć dni do przodu – 6 modeli
Prognoza – 5 dni naprzód
Uwaga: w tabeli wartości prezentowane są z sufiksem PLN (zaokrąglenie do 2 miejsc).