پیش بینی بازارهای قدرت کوتاه مدت با هوش مصنوعی و یادگیری ماشین

هوش مصنوعی در حال پیشگیری برای پیش بینی بازارهای کوتاه مدت است. ژان-فیلیپ آیزنباخ ، تحلیلگر کمی سرب ، مدل های کوتاه مدت در Volue Insight ما را از طریق چگونگی ساخت تیم Volue مدل هایی که بازارهای کوتاه مدت را پیش بینی می کنند ، می برد.

نویسنده: اولگا آپوستولوا

منتشر شده در: 07 فوریه 2022

ژان-فیلیپ آیزنباخ از همان ابتدا با یادگیری ماشین در Volue کار کرده است. هنگامی که او سه سال پیش به تیم Volue Insight پیوست ، صدها مدل پیدا کرد که برخی از آنها مدل های آماری بسیار ساده ای بودند.

اما تحول در بازار تیم را به ساخت مدلهای خودکار تر سوق داده است. امروز ، تجارت در بازارهای بهم پیوسته که 24-7 اجرا می شود اتفاق می افتد.

تیم Volue Insight داده های آب و هوای خام را می گیرد و آن را به انرژی تبدیل می کند. متناوب قدرت تجدید پذیر و تمرکز بر بازارهای کوتاه مدت باعث شده است که پیش بینی کوتاه مدت چالش برانگیز تر و مهم باشد. "

علاوه بر این ، بازارها سریعتر می شوند.

"سه سال پیش ، ما پیش بینی Intraday را نداریم. پیش بینی نقطه داشتیم. در بازار نقطه ، روزانه یک بار تجارت می کنید. اما مانند بورس سهام ، Intraday را می توان هر دقیقه از روز معامله کرد. "

تحلیلگران بازار Volue Insight یک پایگاه داده روزانه 1 800 000 000 را به API Volue می بینند. اصول آب و هوا محور و پیش بینی های بازار به همان اندازه تقاضای زیادی دارند.

علاوه بر این ، به دلیل ارتباطات بسیاری در اروپا ، بازار اروپا در حال تبدیل شدن به یک است. در سال 2022 ، هفت کشور دیگر به اتصال یکپارچه بازار اروپا خواهند پیوست. این خواستار مدل هایی است که پان اروپایی هستند.

این باعث افزایش پیچیدگی زمان زیادی می شود. این داده فشرده است و برای محاسبه و پیش بینی نسبت به مناطق جداگانه نیاز به قدرت بیشتری دارد.

تغییر از مدل های آماری به ماشین

برای ژان-فیلیپ آیزنباخ ، تا ایلیک و فلیکس هوفمن (تیم پشت مدل های کوتاه مدت Volue) ، جابجایی از مدلهای آماری کلاسیک به تکنیک های یادگیری ماشین مدرن یک فرایند تدریجی بود.

این تیم دریافتند که تنها با استفاده از درجه بالایی از اتوماسیون و ساده سازی خطوط لوله پردازش داده ها ، آنها قادر به افزایش تعداد فزاینده داده ها و سریع تر شدن بازار بودند.

"برای بازار Intraday ، ما هر پنج دقیقه یکبار پیش بینی می کنیم. هرچه اطلاعات بیشتری کسب کنیم ، برای یک انسان دشوارتر می شد که آن را به تنهایی درک کند. برای تکرار این موضوع ، ما به کسی نیاز داریم که شماره را در سیستم بدون توقف قرار دهد. "

دستگاه ها می توانند داده ها را راحت تر پردازش کنند.

ما به سادگی نمی توانیم بدون یادگیری ماشین ، داخلی را پیش بینی کنیم. این تنها راهی است که می توانیم سریعتر از بازار باشیم. اگر ما بسیار کند باشیم ، پیش بینی ما زائد است. "

کیفیت داده ها مهم است. مهم است که داده های صحیح و بدون خطا داشته باشید.

ما داده ها را از منابع مختلف استخراج می کنیم و آن را به روشی قابل درک ارائه می دهیم. برای این کار پیچیده ، ما به کد نیاز داریم. ما باید این کد را پایدار ، اجرا کننده ، قابل اعتماد و انعطاف پذیر کنیم تا بتوانیم به راحتی ویژگی های جدیدی را اضافه کنیم و به نتایج اعتماد کنیم. "

علاوه بر سرعت و داده ، تیم پیچیدگی را در نظر می گیرد.

وی گفت: "به ویژه ، بازار نقطه با بسیاری از قوانین و مقررات خاص بسیار پیچیده است. ما باید محدودیت های شبکه را نیز در نظر بگیریم. برای این کار ، ما یک موتور بهینه سازی داریم که پشت آن کار می کند. مدل نقطه ما بسیار جالب است. "

ما به سادگی نمی توانیم بازار Intraday را بدون یادگیری ماشین پیش بینی کنیم. این تنها راهی است که می توانیم سریعتر از بازار باشیم.

ژان-فیلیپ آیزنباخ تحلیلگر کمی سرب ، مدل های کوتاه مدت در Volue Insight

برای ژان-فیلیپ ، بزرگترین چالش این است که همه چیز در جریان است.

"شما می توانید مدلی بسازید که بسیار خوب کار کند اما به محض تغییر مقررات یا چیز دیگری به دلیل تحول در بازار ، یادگیری از گذشته دشوارتر می شود و از آن دانش برای پیش بینی آینده استفاده می کند."

در سال 2021 ، بازارهای انرژی باید در بسیاری از موارد با "بالاترین قیمت برق که تاکنون دیده ایم" سروکار داشته باشد.

"ترکیب داده های جدید می تواند منجر به خروجی های مدل غیر منتظره شود. پیش بینی دشوار است اگر سناریو با آنچه در گذشته اتفاق افتاده است بسیار متفاوت باشد. "

این تیم باید اطمینان حاصل کند که مدل ها آنچه را که انتظار می رود یاد بگیرند یاد می گیرند. همچنین ، در یادگیری ماشین ، ضروری است که تحلیلگران مدل هایی را که می سازند درک کنند.

"اگر یک مدل شکست بخورد ، باید بدانیم که چرا. ما باید بتوانیم آن را برطرف کنیم. غالباً ، این مشکل را می توان به کیفیت پایین داده ها یا محدودیت های الگوریتم بازگرداند. اگر بدانیم چه اشتباهی است ، می توانیم راه حلی ارائه دهیم. "

دانش دامنه در این زمینه نیز بسیار مهم است. اگر در مدل گنجانیده شود ، می تواند بیش از حد را کاهش دهد.

"خوشبختانه ، ما اکنون رایانه های بسیار بهتری داریم و می توانیم مدل های بسیار پیچیده تری ایجاد کنیم. و جامعه در حال ساختن ابزارهای بهتر و بهتری برای ساخت مدل های بهتر است. "

برای ژان-فیلیپ آیزنباخ ، آینده تجزیه و تحلیل بازار برق یادگیری ماشین است.

ژان-فیلیپ آیزنباخ سابقه ریاضیات را دارد. وی در زمینه علوم داده تخصص دارد. وی تجربه در جمع آوری داده ها و تجزیه و تحلیل آن را دارد و پیش بینی های مربوط به یادگیری ماشین را ایجاد می کند.

درباره بینش توسط Volue

Insight by Volue ارائه دهنده پیشرو در مورد داده ها و خدمات مشاوره ای به بازار انرژی اروپا است.

Volue بینش مورد نیاز خود را برای درک بهتر بازار انرژی اروپا با پیش بینی اصول و قیمت های افق کوتاه ، میان مدت و بلند مدت در اختیار مشتریان قرار می دهد.

برای به روزرسانی انرژی Volue ثبت نام کنید

برای به روزرسانی انرژی ، خبرنامه ماهانه Volue ثبت نام کنید. بدون هرزنامه ، فقط ورودی با کیفیت در بازارهای انرژی ، فناوری و مردم - ما قول می دهیم.< Pan> ژان-فیلیپ آیزنباخ سابقه ریاضیات را دارد. وی در زمینه علوم داده تخصص دارد. وی تجربه در جمع آوری داده ها و تجزیه و تحلیل آن را دارد و پیش بینی های مربوط به یادگیری ماشین را ایجاد می کند.