چکیده:
پس از تجدید ساختار بازار برق ایران و تبدیل آن به یک بازار رقابتی که قیمت برق را نیروهای حاکم بر بازار تعیین مینمایند، نوسانات قیمتی در این بازار افزایش یافته است. باتوجه به اینکه سری زمانی قیمتهای بازار برق معمولاًً دارای ویژگیهای پیچیده مانند ناپایداری، شرایط غیرخطی و نوسانات زیاد است، ازاینرو هدف اصلی این پژوهش، پیشبینی نوسانات قیمت برق در بازار برق ایران با استفاده از مدلهای تکرژیمی و چندرژیمی و مقایسه قدرت پیشبینی این مدلها در طی دوره زمانی ابتدای فروردین ماه 1392 الی پایان شهریور ماه 1397 است. برای این منظور، از مدلهای گارچ متقارن و نامتقارن به عنوان مدلسازی تکرژیمی و از مدل مارکوف سویچینگ گارچ (MSGARCH) به عنوان مدلسازی چندرژیمی برای پیشبینی نوسانات قیمت برق در افقهای پیشبینی کوتاهمدت شامل یکروزه و پنجروزه و افق بلندمدت شامل دهروزه و بیستروزه با توزیعهای مختلف استفاده شدهاست. نتایج حاصل از مقایسه خطاهای پیشبینی هر یک از مدلها نشان میدهد که مدل MSGARCH برای همه افقهای زمانی، نسبت به مدلهای تکرژیمی از کارایی بیشتری در پیشبینی نوسانات قیمت برق برخوردار است. همچنین مقایسه نتایج بین مدلهای تکرژیمی با توزیعهای مختلف نشان میدهد مدل نامتقارن EGARCH نسبت به سایر مدلها عملکرد بهتری داشته و قدرت پیشبینی این مدلها به نوع توابع توزیع جملات خطا و افق زمانی پیشبینی بستگی دارد.
خلاصه ماشینی:
برای این منظور، از مدل های گارچ متقارن و نامتقارن به عنوان مدلسازی تک رژیمی و از مدل مارکوف سویچینگ گارچ (MSGARCH) به عنوان مدلسازی چندرژیمی برای پیش بینی نوسانات قیمت برق در افق های پیش بینی کوتاه مدت شامل یک روزه و پنج روزه و افق بلندمدت شامل ده روزه و بیست روزه با توزیع های مختلف استفاده شده است .
Hybrid Genetic Algorithm and Particle Swarm Optimization چند لایه (ANN١)، سیستم استنتاج تطبیقی فازی-عصبی (ANFIS٢) و روش میانگین متحرک خودرگرسیون (ARMA٣) به مقایسه دقت پیش بینی قیمت برق پرداختند و در ادامه با ترکیب این سه روش به عنوان روش پیشنهادی، نتیجه گرفتند نتایج حاصل از روش پیشنهادی برای داده های قیمت بازار برق اسپانیا از تک تک روش های مورد اشاره بهتر است .
منظور و یادی پور (١٣٩٥) با تاکید بر ضرورت پیش بینی صحیح نوسانات قیمت برق جهت مدیریت ریسک و تصمیم گیری، مدل خودرگرسیون میانگین متحرک (ARMAX) همراه با مدل خودرگرسیون میانگین شرطی تعمیم یافته (GARCH) را پیشنهاد دادند و نتیجه گرفتند نتایج به دست آمده ARMAX-GARCH میتواند برای مدیریت ریسک در این حوزه مورد استفاده قرار گیرد.
Liu and Shi نوتارسکی ١ و همکارانش (٢٠١٤)، برای مطالعه رفتار قیمت لحظه ای برق در بازار آمریکا و اروپا از روش های سری زمانی استفاده کردند و به این نتیجه رسیدند که روش رگرسیون حداقل مربعات محدود (CLS)٢ در مقایسه با رگرسیون حداقل مربعات معمولی(OLS) و روش بیزین (BM)٣ عملکرد بهتری دارد.
در این مطالعه از مدل های واریانس ناهمسانی شرطی خودرگرسیونی تعمیم یافته (GARCH) متعارف برای مدلسازی تک رژیمی نوسانات قیمت برق استفاده شده است .
کلیدواژه ها:
ایران
،
بازار برق
،
نوسانات قیمت برق
،
مدل مارکوف سویچینگ گارچ