核心概念
適合予測を用いて太陽光発電の不確実性を定量化し、電力市場参加の意思決定を支援する
要約
本研究では、太陽光発電の日前予測に機械学習モデルを使用し、適合予測(CP)を用いてその予測の不確実性を定量化する。その上で、予測の不確実性を考慮した様々な入札戦略を検討し、電力市場参加の意思決定を支援する。
まず、単純線形回帰(SLR)、多変量線形回帰(MLR)、ランダムフォレスト回帰(RFR)を用いて太陽光発電の日前予測を行う。次に、基本的なCP、KNNを用いたCP、Mondrian binningを用いたCP、CPSなどの手法を用いて、これらの点予測の不確実性を定量化する。
その後、予測の不確実性を考慮した入札戦略として、「予測を信頼する」、「最悪ケース」、ニューズベンダー、期待効用最大化(EUM)の4つを検討する。これらの戦略を用いて、電力市場への入札量を決定する。
結果として、RFRモデルにKNNとMondrian binningを組み合わせたCPSが最も良好なパフォーマンスを示した。EUMストラテジーにCVaRを組み合わせることで、最大利益の93%を達成しつつ、インバランス量を最小限に抑えられることが分かった。
統計
電力市場価格の上昇インバランス価格差は、下降インバランス価格差よりも大きい。
電力市場価格と実時間市場価格の差は、クラスター化された過去のデータを用いて生成した。