پيش‌بيني روزانه قيمت برق با استفاده از شاخص‌هاي تحليل تكنيكال و ماشين بردار پشتيبان

Forecasting Daily Electricity Market Price using Technical Analysis Indices and Support Vector Machine

پيش بيني دقيق قيمت و بار مصرفي يكي از نيازمندي هاي ضروري بازيگران در بازار برق مي باشد. سري زماني قيمت برق به عنوان يك پديده ذاتا تصادفي با عدم قطعيت بالا نسبت به بار شناخته مي­شود. از سوي ديگر ويژگي غير ايستا و غيرخطي اين سري زماني، پيش­ بيني رفتار آينده آن را مشكل مي­سازد. با توجه به اينكه در بازارهايي همچون بازار سهام، با استفاده از تحليل تكنيكال با آزمون قيمت‌­هاي گذشته و حجم مبادلات، حركت‌هاي آينده قيمت تا حدي قابل پيش بيني است، در اين مقاله جهت پيش‌بيني قيمت برق از شاخص هاي تحليل تكنيكال جهت تحليل سري زماني داده هاي بازار برق استفاده مي­شود. اين شاخص ها به عنوان ويژگي هاي استخراجي از سري زماني قيمت برق به رگرسيون ماشين بردار پشتيبان اعمال مي­شوند و قيمت برق در افق يك روزه بر روي داده هاي بازار Ontario محاسبه مي شود.

Forecasting the electricity price is important for electricity market players. Time series of the electricity price -as an inherently random phenomenon- have high uncertainty relative to the load. On the other hand, the non-stationary and non-linear characteristics of this time series make its forecasting difficult. On markets like the stock market, one can somehow forecast future price movements using technical analyses along with testing past prices and the volume of transactions. Therefore, this paper uses technical analysis indices for analyzing the time series data of the electricity market to forecast the electricity price. These indices are used as features extracted from time series of electricity price and applied to a Support Vector Machine (SVM) regression, through which the electricity price is predicted on daily horizon on Ontario electricity market.