概述
這很重要,因為電力供需必須時刻保持平衡,價格可能在一天之內從負值波動到極端值,更好的預測會帶來更低的成本、更可靠的電網運作和更有利可圖的儲能。
深入探討
批發電力市場通常分階段運作。在日前市場中,參與者提交第二天每小時或每刻鐘的買價和賣價,業者將其整理為時間表和價格。然後,日內交易和即時或平衡市場會糾正預測錯誤。在許多由 PJM、CAISO 和 ERCOT 等獨立系統營運商營運的美國市場中,價格被設定為地點邊際價格。由於傳輸擁塞和遺失,這些值因節點而異。預測是人工智慧的核心任務。價格取決於需求,而需求則取決於天氣和日曆。它們還取決於風能和太陽能輸出、燃料價格以及工廠停電和電網擁塞。模型範圍從統計時間序列方法到梯度增強樹和基於多年市場資料訓練的神經網路。現在,擁有大量太陽能的電網價格會在中午下降,有時低於零,並在晚上上升。電池使自動交易變得尤為重要。電池透過在電力便宜時充電、在電力昂貴時放電以及出售頻率調節等輔助服務來賺錢。它所儲存的能量有限,因此現在放電意味著放棄以後可能更高的價格。 Tesla 的 Autobidder 和 Fluence 的 Mosaic 等軟體平台透過將預測與最佳化相結合來自動化這些出價。市場營運商也使用人工智慧:預測負載和再生能源輸出、預測擁塞並支援市場監督。監管機構密切關注操縱行為,其中包括美國的 FERC 和 ACER,後者與國家監管機構一起監督歐盟的 REMIT 規則。有兩種常見的誤解。首先,沒有模型能夠可靠地預測罕見的稀缺峰值,這是由意外停電和極端天氣造成的。好的系統可以管理這種風險,而不是假裝預見它。其次,如果錯過了最重要的幾個小時,平均而言準確的預測仍然可能會虧損。
現實世界的實施
德州 ERCOT 市場的一家電池所有者使用自動競價平台來預測即時價格。在每個時間間隔內,它都會決定是否充電、放電或保持能量以應對可能出現的晚間價格飆升。
風電場業者使用機率風力預測來決定日前要出售多少電力。這減少了實際產量與銷售量不同時所付出的不平衡成本。
電網營運商運行機器學習負載預測,結合天氣預報、日曆效應和近期需求來決定第二天安排多少儲備容量。
市場監控團隊使用異常檢測模型對提交的投標進行篩選,以發現可能表明操縱或扣留產能的模式,供調查人員審查。
人工智慧在能源交易和電力市場的未來
隨著更多的風能、太陽能和儲能併網,價格波動可能會加劇,預測將變得更有價值。較短的結算間隔有利於自動化決策。隨著越來越多的電池使用類似的演算法,它們可能會縮小它們競爭的價差,這可能會將回報轉向輔助服務和容量支付。監管機構和經濟學家正在研究許多相互反應的定價演算法是否會在沒有任何明確協調的情況下產生類似於串通的結果。這是一個懸而未決的問題,而不是一個確定的結論。可解釋性很重要,因為交易者和合規團隊必須證明他們的出價合理。
付諸實踐
為什麼這很重要
- 背景與規則. 產業背景決定了人工智慧創意能否與現實接觸。
- 品質管控. 領域約束會影響可接受的錯誤率和監督模型。
- 配裝選擇. 成功的部署使技術能力與第一線工作流程保持一致。
留意
- 監理要求可能會使原本強大的原型失效。
- 歷史資料可能會編碼損害特定社區的偏見。
- 遺留系統可能會造成整合瓶頸和隱性成本。
後續步驟
- 讓領域專家參與從問題框架到評估的整個過程。
- 在啟動前設計審計追蹤和文件。
- 儘早驗證合規性和安全義務。
- 分階段推出,並有明確的停止和回滾標準。
不斷探索
常見問題
什麼是能源交易和電力市場中的人工智慧?
能源交易和電力市場中的人工智慧意味著使用機器學習來預測價格、需求和再生能源產量,並決定發電機、電池和貿易商如何進入電力市場。這很重要,因為電力供需必須時刻保持平衡,價格可能在一天之內從負值波動到極端值,更好的預測會帶來更低的成本、更可靠的電網運作和更有利可圖的儲能。
為什麼一個網格節點的位置邊際價格不同?
位置邊際價格反映了每個節點滿足需求的成本,包括傳輸擁塞和損耗的影響。
日內和即時或平衡市場的主要目的是什麼?
前一天所做的預測永遠不會完美。隨後,隨著情況變得更加明朗,市場將重新平衡供需。
為什麼決定電池何時放電是一個棘手的交易問題?
有限的儲存能量會產生機會成本。現在出售的每一兆瓦時都無法在以後可能更有價值的時間內出售。
分位數迴歸為價格預測提供了什麼?
分位數迴歸產生可能價格的分佈而不是點估計,因此最佳化器可以規劃風險。
平均絕對誤差較低的模型為何會比準確度較低的模型賺更少的錢?
收入在很大程度上取決於幾個高價值的時間。模型可能平均準確,但仍然會錯過這些時間,因此應該根據收入來判斷模型。