Pronóstico de precios de electricidad a través de enfoques estadísticos y de aprendizaje profundo: El caso alemán
Autores: Poggi, Aurora; Di Persio, Luca; Ehrhardt, Matthias
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Pronóstico de precios de electricidad a través de enfoques estadísticos y de aprendizaje profundo: El caso alemán
Categoría
Matemáticas
Subcategoría
Matemáticas aplicadas
Palabras clave
Investigación
Pronóstico de precios de electricidad
Métodos estadísticos inferenciales tradicionales
Técnicas de aprendizaje profundo
Datos históricos
Componente de tendencia estacional
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
Nuestra investigación implica analizar los últimos modelos utilizados para la previsión de precios de electricidad, que incluyen tanto métodos estadísticos inferenciales tradicionales como técnicas más recientes de aprendizaje profundo. A través de nuestro análisis de datos históricos y el uso de múltiples variables ficticias de días de la semana, hemos propuesto una solución innovadora para prever los precios spot de electricidad. Esta solución implica descomponer la serie de precios spot en dos componentes: un componente de tendencia estacional y un componente estocástico. Al utilizar este enfoque, podemos proporcionar predicciones altamente precisas para todos los marcos de tiempo considerados.
Descripción
Nuestra investigación implica analizar los últimos modelos utilizados para la previsión de precios de electricidad, que incluyen tanto métodos estadísticos inferenciales tradicionales como técnicas más recientes de aprendizaje profundo. A través de nuestro análisis de datos históricos y el uso de múltiples variables ficticias de días de la semana, hemos propuesto una solución innovadora para prever los precios spot de electricidad. Esta solución implica descomponer la serie de precios spot en dos componentes: un componente de tendencia estacional y un componente estocástico. Al utilizar este enfoque, podemos proporcionar predicciones altamente precisas para todos los marcos de tiempo considerados.