JP6514399B1 - 電力取引価格を予想するためのシステム、方法、プログラム、及びプログラムを記憶した記憶媒体 - Google Patents
電力取引価格を予想するためのシステム、方法、プログラム、及びプログラムを記憶した記憶媒体 Download PDFInfo
- Publication number
- JP6514399B1 JP6514399B1 JP2018177769A JP2018177769A JP6514399B1 JP 6514399 B1 JP6514399 B1 JP 6514399B1 JP 2018177769 A JP2018177769 A JP 2018177769A JP 2018177769 A JP2018177769 A JP 2018177769A JP 6514399 B1 JP6514399 B1 JP 6514399B1
- Authority
- JP
- Japan
- Prior art keywords
- representative
- unit period
- period
- unit
- price
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 134
- 239000000446 fuel Substances 0.000 claims abstract description 116
- 238000004364 calculation method Methods 0.000 claims abstract description 113
- 238000010248 power generation Methods 0.000 claims abstract description 87
- 230000008859 change Effects 0.000 claims abstract description 67
- 238000005309 stochastic process Methods 0.000 claims description 35
- 230000001932 seasonal effect Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000013277 forecasting method Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 abstract description 10
- 230000002354 daily effect Effects 0.000 description 35
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 20
- 239000010779 crude oil Substances 0.000 description 19
- 239000003245 coal Substances 0.000 description 10
- 239000003345 natural gas Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000005653 Brownian motion process Effects 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009794 Ornstein-Uhlenbeck process Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
(1)過去の需要にGDP成長率等を加味し、1時間毎の需要見通しを作成する。ただし、再生可能エネルギーの発電量は、この需要から控除される。
(2)国内の発電所をリストアップし、出力、燃種(石油、石炭、天然ガス)、熱効率の情報を整理する。
(3)各燃種の先物価格のデータを収集する。
(4)燃料価格を熱効率で除し、各発電所の限界コストを算定し、限界コストの安い順に出力を積み上げ、電源スタックを作成する。
(5)(1)で作成された需要見通しと電源スタックの交点から、各時間帯の取引価格を算定する。
(1)過去の「JEPXスポット価格」及び「原油スポット価格」、直近の「原油先物価格」のデータを収集・整理する。
(2)過去の「JEPXスポット価格」から、季節性を除外(例:各月の月平均価格を、年平均価格で除算)する。
(3)季節性を除外したJEPXスポット価格と、原油スポット価格の単回帰分析を行い、ヒートレートを算定する。
(4)ヒートレートと燃料先物価格を乗じたものに、除外した季節性を加え、電力フォワードカーブを作成する。
であり、ここで、
であり、αは、回帰速度、φは、平均回帰点、σsnjは各月の各時間帯の対数価格変化率のボラティリティ、cnは、n月の所定の種類の日の日数であるものとすることができる。
であり、ここで、
であり、
であり、λnjは、n月の時間帯jのジャンプ発生回数、σ2は、ジャンプの大きさを規定する標準偏差、dn0は、n月の初めての所定の種類の日、Fhは、h回目に発生された0〜1の間の乱数、λsnjは、n月のジャンプ発生回数のシミュレーション値であって、
を満たす最大のiであるものとすることができる。
であり、ここで、
であり、αは、回帰速度、φは、平均回帰点、σsnjは各月の各時間帯の対数価格変化率のボラティリティ、cnは、n月の所定の種類の日の日数であるものとすることができる。
前記確率過程モデルにおいて、
であり、ここで、
であり、
であり、λnjは、n月の時間帯jのジャンプ発生回数、σ2は、ジャンプの大きさを規定する標準偏差、dn0は、n月の初めての所定の種類の日、Fhは、h回目に発生された0〜1の間の乱数、λsnjは、n月のジャンプ発生回数のシミュレーション値であって、
を満たす最大のiであるものとすることができる。
Mnjm=Jnj−Fnm (式1)
ここで、nは月であり、本実施形態においては、上述のように例として対象期間を直近の月から過去12か月としており、後述の第2の単回帰モデルを生成するために必要な期間が直近の月から過去24か月となるので、直近の月をn=0として、n=−23,−22,・・・,0である。jは時間帯であり、上述のように1日に48個の時間帯があるので、0時00分〜0時30分の時間帯をj=1、0時30分〜1時00分までの時間帯をj=2として、以下時間順にj=3,4,・・・,48である。mは燃種で、m=1(石油),2(天然ガス),3(石炭)である。なお、対象期間は、直近の月から過去12か月に限定されるものではなく、過去の任意の適切な期間とすることができる。
Dnj=D0nj−Pnj (式2)
これは、再生可能エネルギーによる発電量は、電力取引のスポット価格を引き下げるため、電力需要量から控除し、供給曲線を右にシフトさせるためである。
Mjm=Ajm・Dj+Bjm (式3)
Mj=aj・Dj+bj (式4)
f(D|aj,bj)=f-11(aj,bj)・f-10(aj,bj)・・・・・f-1(aj,bj)・f0(aj,bj) (式5)
ここで、
ここで、
a0jはajの期待値、b0jはbjの期待値、σa0j 2はajの分散、σb0j 2はbjの分散である。a0j、b0j、σa0j 2、σb0j 2の具体的な算出方法は、これに限定されるものではないが、本実施形態においては、以下のようにして算出する。すなわち、上述の第1の単回帰モデルの生成と同様の手法によって、(式3)において、燃種mをマージナルプラント燃種pjとし、n=−11〜0の各n月に対して、記憶部101に記憶された(n−11)〜nまでの12か月の月平均限界プラント利益と月平均残余電力需要量の値に基づいて、傾きと切片を求め、求められた傾きと切片をanj、bnjとする。そして、anjの平均値
、bnjの平均値
をそれぞれ、a0j、b0jとする。そして、σa0j 2は、
σb0j 2は、
として算出する。
f(aj,bj|D)=f(D|aj,bj)・π(aj,bj) (式7)
Jenj=aj・Dnj+bj+Fn,j,pj (式8)
となるところ、本実施形態においては、例として、過去の所定の期間を直近の月から過去12か月として、直近の月から過去12か月の各月の各時間帯のマージナルプラント燃種の月平均限界発電コストFn,j,pjと月平均残余電力需要量Dnjを上式に代入して、直近の月から過去12か月の各月の各時間帯毎のスポット価格月平均期待値Jenjを算出し、記憶部101に記憶する。
Sdj'=Sdj/Unj (式10)
Rst+Δt−Rst=α(φ−Rst)Δt+σsnj・ΔWt (式15)
と記述される。
と記述することができる。ここで、αは、回帰速度、φは、平均回帰点、Wtはウィナー過程、σsnjは各月の各時間帯の対数価格変化率のボラティリティである。また、
と記述される。
であるので、時点の単位を日とした場合の各時間帯のRstをRsdjと表すこととし、Δtを1(日)とし、ジャンプ過程をJdjとすると、確率過程モデルは、
と記述される。ここで、cnは、n月の所定の種類の日(ここでは、平日)の日数(ここでは、20日)である。
となる。
ここで、基準時点d0の対数価格変化率Rsd0は、
Rsd0=ln(Ssd0/Ssd0)=ln(1)=0
となるから、
とすると、(式18)より、
Rsd0+1,j=Yd0,j (式20)
となる。更に、(式18)、(式20)より、
となり、更に、(式18)、(式21)より、
となり、(式18)に順に代入することにより、結局、
となる。
そして、
Rsd+1,j=ln(Ssd+1,j/Ssd0,j) (式24)
であるから、両式より、Ssd+1,jは、
と求めることができる。
を構成するZ1、Z2(後述のようにJdjにZ2が含まれる)は、コンピュータ上の計算では、乱数により決定されるので、Ydjは、乱数により決定される値であり、(式18)から、乱数の値として大きな値が出てしまったとき、Rsdjの値が大きくなりすぎて、Ssdjの値が発散してしまう場合がある。
F(k,t)=(λk/k!)・e-λt (式27)
よって、時刻t0からt0+tの間に、事象が起きない、すなわち0回事象が起こる確率は、上式において、k=0として、
F(0,t)=e-λt (式28)
となる。すると、時刻t0からt0+tまで事象が起こらず、時刻t0+tで初めて事象が起きる分布関数は、この余事象として、
F(t)=1−e-λt (式29)
となる。そして、この式から、時刻t0+tで初めて事象が起きるときのtは、
t=(−1/λ)ln(1−F(t)) (式30)
から求めることができる。
を満たす最大のiとなる。なお、上記実施形態においては、F(t)を0〜1の間の一様乱数に置き換えたが、これに限定されるものではなく、F(t)は、他の任意の適切な乱数に置き換えてもよい。
dn0は、n月の初めての所定の種類の日(ここでは、平日)である。
Ssdj'=(Jenj/Je-11,j)Ssdj (式32)
ドリフト調整係数を算出する際に基準とするスポット価格月平均期待値は、過去の所定の期間の初期月のものに限定されるものではなく、過去の所定の期間の他の任意の適切な月のものとすることができる。
ここで、<Ssdj'>は、Ssdj'の平均値である。
の値を調整して(S145)、スポット価格のドリフト調整シミュレーション値の算出を繰り返す。ここで、
の値の調整は、ジャンプの判定基準となる所定の閾値γの値を調整することにより行う。
Ssdj'=(Jenj/Je-11,j)Ssdj (n=0,1,・・・,11,d=0,1,・・・,239)
10a CPU
10b RAM
10c ROM
10d 外部メモリ
10e 入力部
10f 出力部
10g 通信部
10h システムバス
101 記憶部
102 表示部
103 エリア設定部
105 期間設定部
107 各種データ取得部
109 スポット実績価格月平均値算出部
111 月平均限界発電コスト算出部
113 月平均電力需要量算出部
115 太陽光月平均発電量算出部
117 月平均限界プラント利益算出部
119 月平均残余電力需要量算出部
121 第1の単回帰モデル生成部
123 マージナルプラント決定部
125 第2の単回帰モデル生成部
127 スポット価格月平均期待値算出部
129 季節調整部
131 平準化部
133 修正対数日次変化率平均値・ボラティリティ算出部
135 スポット価格シミュレーション値算出部
137 シミュレーション値調整部
Claims (24)
- コンピュータにより実行される電力取引価格予想方法であって、
代表単位期間限界プラント利益算出部が、過去の所定の期間について、各燃種について、1日を複数の時間帯に区分した時間帯の少なくとも1つの時間帯の各々について、単位期間の所定の種類の日の代表単位期間スポット実績価格から、前記単位期間の代表限界発電コストである代表単位期間限界発電コストを減じた代表単位期間限界プラント利益を算出するステップと、
代表単位期間残余電力需要量算出部が、前記過去の所定の期間について、前記少なくとも1つの時間帯の各々について、前記単位期間の電力需要量である代表単位期間電力需要量から、前記単位期間の再生可能エネルギーの代表発電量を減じた代表単位期間残余電力需要量を算出するステップと、
第1の単回帰モデル生成部が、前記各燃種について、前記少なくとも1つの時間帯の各々について、前記過去の所定の期間の、前記少なくとも1つの時間帯の各々の代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数として、第1の単回帰モデルを生成するステップと、
マージナルプラント決定部が、各燃種について、前記少なくとも1つの時間帯の各々について、前記第1の単回帰モデルの決定係数を求め、前記少なくとも1つの時間帯の各々において決定係数の最も大きい燃種を、前記少なくとも1つの時間帯の各々のマージナルプラント燃種として決定するステップと、
第2の単回帰モデル生成部が、前記少なくとも1つの時間帯の各々について、所定の期間の、前記マージナルプラント燃種の前記少なくとも1つの時間帯の各々の前記代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数とする第2の単回帰モデルを生成するステップと、
スポット価格単位期間代表期待値算出部が、前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の代表単位期間限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出するステップと、
を含む方法。 - 前記各単位期間の前記少なくとも1つの時間帯の各々毎の前記スポット価格単位期間代表期待値に修正を加えて、所望の日の所望の時間帯のスポット価格の期待値を算出するステップを更に含む請求項1に記載の方法。
- コンピュータにより実行される電力取引価格予想方法であって、
代表単位期間限界プラント利益算出部が、過去の所定の期間について、各燃種について、1日を複数の時間帯に区分した時間帯の少なくとも1つの時間帯の各々について、単位期間の所定の種類の日の代表単位期間スポット実績価格から、前記単位期間の代表限界発電コストである代表単位期間限界発電コストを減じた代表単位期間限界プラント利益を算出するステップと、
代表単位期間残余電力需要量算出部が、前記過去の所定の期間について、前記少なくとも1つの時間帯の各々について、前記単位期間の電力需要量である代表単位期間電力需要量から、前記単位期間の再生可能エネルギーの代表発電量を減じた代表単位期間残余電力需要量を算出するステップと、
第1の単回帰モデル生成部が、前記各燃種について、前記少なくとも1つの時間帯の各々について、前記過去の所定の期間の、前記少なくとも1つの時間帯の各々の代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数として、第1の単回帰モデルを生成するステップと、
マージナルプラント決定部が、各燃各燃種について、前記少なくとも1つの時間帯の各々について、前記第1の単回帰モデルの決定係数を求め、前記少なくとも1つの時間帯の各々において決定係数の最も大きい燃種を、前記少なくとも1つの時間帯の各々のマージナルプラント燃種として決定するステップと、
第2の単回帰モデル生成部が、前記少なくとも1つの時間帯の各々について、所定の期間の、前記マージナルプラント燃種の前記少なくとも1つの時間帯の各々の前記代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数とする第2の単回帰モデルを生成するステップと、
スポット価格単位期間代表期待値算出部が、前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の代表単位期間限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出するステップと、
スポット価格シミュレーション値算出部が、確率過程モデルに基づいて、所望の期間の、前記少なくとも1つの時間帯の各々についての各日のスポット価格のシミュレーション値を算出するステップと、
スポット価格シミュレーション値算出部が、前記少なくとも1つの時間帯の各々毎の所定の単位期間のスポット価格単位期間代表値期待値を1とした場合の各単位期間のスポット価格単位期間代表期待値であるドリフト調整係数を算出し、前記少なくとも1つの時間帯の各々毎の前記スポット価格のシミュレーション値を、前記ドリフト調整係数を用いて調整して、スポット価格のドリフト調整シミュレーション値を算出するステップと、
を含む電力取引価格予想方法。 - コンピュータにより実行される電力取引価格予想方法であって、
代表単位期間限界プラント利益算出部が、過去の所定の期間について、各燃種について、1日を複数の時間帯に区分した時間帯の少なくとも1つの時間帯の各々について、単位期間の所定の種類の日の代表単位期間スポット実績価格から、前記単位期間の代表限界発電コストである代表単位期間限界発電コストを減じた代表単位期間限界プラント利益を算出するステップと、
代表単位期間残余電力需要量算出部が、前記過去の所定の期間について、前記少なくとも1つの時間帯の各々について、前記単位期間の電力需要量である代表単位期間電力需要量から、前記単位期間の再生可能エネルギーの代表発電量を減じた代表単位期間残余電力需要量を算出するステップと、
第1の単回帰モデル生成部が、前記各燃種について、前記少なくとも1つの時間帯の各々について、前記過去の所定の期間の、前記少なくとも1つの時間帯の各々の代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数として、第1の単回帰モデルを生成するステップと、
マージナルプラント決定部が、各燃種について、前記少なくとも1つの時間帯の各々について、前記第1の単回帰モデルの決定係数を求め、前記少なくとも1つの時間帯の各々において決定係数の最も大きい燃種を、前記少なくとも1つの時間帯の各々のマージナルプラント燃種として決定するステップと、
第2の単回帰モデル生成部が、前記少なくとも1つの時間帯の各々について、所定の期間の、前記マージナルプラント燃種の前記少なくとも1つの時間帯の各々の前記代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数とする第2の単回帰モデルを生成するステップと、
スポット価格単位期間代表期待値算出部が、前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の代表単位期間限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、過去の所定の期間の、各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出するステップと、
季節調整部が、前記少なくとも1つの時間帯の各々について、各日のスポット実績価格について季節調整を行って、各日の季節調整スポット実績価格を算出し、前記季節調整スポット実績価格に基づいて、季節調整スポット実績価格の対数日次変化率を算出するステップと、
平準化部が、前記季節調整スポット実績価格の対数日次変化率のジャンプが発生した日を判定し、ジャンプ発生日と判定された日の対数日次変化率の値を、その日の属する月の対数日次変化率の代表値に置き換え、修正対数日次変化率を求めるステップと、
修正対数日次変化率平均値・ボラティリティ算出部が、前記修正対数日次変化率に基づいて、前記少なくとも1つの時間帯の各々毎の各月の修正対数日次変化率の代表値とボラティリティを算出するステップと、
スポット価格シミュレーション値算出部が、前記ボラティリティを変数として含む確率過程モデルに基づいて、過去の所定の期間の、前記少なくとも1つの時間帯の各々についての各日のスポット価格のシミュレーション値を算出するステップと、
前記スポット価格シミュレーション値算出部が、前記少なくとも1つの時間帯の各々毎の過去の所定の期間の所定の月のスポット価格単位期間代表期待値を1とした場合の各月のスポット価格単位期間代表期待値であるドリフト調整係数を算出し、前記少なくとも1つの時間帯の各々毎の前記スポット価格のシミュレーション値を、前記ドリフト調整係数を用いて調整して、スポット価格のドリフト調整シミュレーション値を算出するステップと、
シミュレーション値調整部が、前記スポット価格のドリフト調整シミュレーション値について、所定の判定基準に基づいて、調整が必要かどうかを判定するステップと、
前記シミュレーション値調整部が、前記所定の判定基準が満たされない場合は、前記所定の判定基準が満たされるようになるまで、前記確率過程モデルの前記ボラティリティの値を調整し、調整されたボラティリティの値の前記確率過程モデルに基づいて、スポット価格のドリフト調整シミュレーション値の算出を繰り返すステップと、
前記スポット価格シミュレーション値算出部が、前記所定の判定基準が満たされた場合、前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、将来の所望の期間の各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出するステップと、
前記スポット価格シミュレーション値算出部が、前記所定の判定基準を満たす前記ボラティリティの値の前記確率過程モデルに基づいて、将来の所定の期間の、前記少なくとも1つの時間帯の各々についての各日のスポット価格のシミュレーション値を算出するステップと、
前記スポット価格シミュレーション値算出部が、前記将来の所定の期間について、前記少なくとも1つの時間帯の各々毎の所定の月のスポット価格単位期間代表期待値を1とした場合の各月のスポット価格単位期間代表期待値であるドリフト調整係数を算出し、前記少なくとも1つの時間帯の各々毎の前記スポット価格のシミュレーション値を、前記ドリフト調整係数を用いて調整して、スポット価格のドリフト調整シミュレーション値を算出するステップと、
を含む電力取引価格予想方法。 - 前記確率過程モデルは、ジャンプ項を含み、前記所定の判定基準は、前記季節調整スポット実績価格の対数日次変化率のジャンプ回数が所定の範囲内であることを更に含み、
前記スポット価格のドリフト調整シミュレーション値の算出を繰り返すステップは、前記所定の判定基準が満たされない場合は、前記所定の判定基準が満たされるようになるまで、前記ボラティリティの値、前記ジャンプ回数の値、前記ジャンプの大きさのうちの少なくとも1つを調整して、調整されたボラティリティの値、前記ジャンプ回数の値、前記ジャンプの大きさの値の前記確率過程モデルに基づいて、スポット価格のドリフト調整シミュレーション値の算出を繰り返すステップである請求項4に記載の方法。 - α=1、φ=0である請求項7に記載の方法。
- 前記第1の単回帰モデルは、線形回帰モデルである請求項1〜9のいずれか1項に記載の方法。
- 前記第2の単回帰モデルは、ベイズ線形回帰モデルである請求項1〜10のいずれか1項に記載の方法。
- 前記単位期間は月である請求項1〜11のいずれか1項に記載の方法。
- 前記代表単位期間限界発電コスト、前記代表単位期間限界プラント利益、前記代表単位期間電力需要量、前記代表単位期間残余電力需要量、スポット価格単位期間代表期待値は、月平均の値である請求項1〜12のいずれか1項に記載の方法。
- 請求項1〜13に記載の方法をコンピュータに実行させるためのプログラム。
- 請求項14に記載のプログラムを記録した記録媒体。
- 過去の所定の期間について、各燃種について、1日を複数の時間帯に区分した時間帯の少なくとも1つの時間帯の各々について、単位期間の所定の種類の日の代表単位期間スポット実績価格から、前記単位期間の代表限界発電コストである代表単位期間限界発電コストを減じた代表単位期間限界プラント利益を算出する代表単位期間限界プラント利益算出部と、
前記過去の所定の期間について、前記少なくとも1つの時間帯の各々について、前記単位期間の電力需要量である代表単位期間電力需要量から、前記単位期間の再生可能エネルギーの代表発電量を減じた代表単位期間残余電力需要量を算出する代表単位期間残余電力需要量算出部と、
前記各燃種について、前記少なくとも1つの時間帯の各々について、前記過去の所定の期間の、前記少なくとも1つの時間帯の各々の代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数として、第1の単回帰モデルを生成する第1の単回帰モデル生成部と、
各燃種について、前記少なくとも1つの時間帯の各々について、前記第1の単回帰モデルの決定係数を求め、前記少なくとも1つの時間帯の各々において決定係数の最も大きい燃種を、前記少なくとも1つの時間帯の各々のマージナルプラント燃種として決定するマージナルプラント決定部と、
前記少なくとも1つの時間帯の各々について、所定の期間の、前記マージナルプラント燃種の前記少なくとも1つの時間帯の各々の前記代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数とする第2の単回帰モデルを生成する第2の単回帰モデル生成部と、
前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の代表単位期間限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出するスポット価格単位期間代表期待値算出部と、
を備える電力取引価格予想システム。 - 過去の所定の期間について、各燃種について、1日を複数の時間帯に区分した時間帯の少なくとも1つの時間帯の各々について、単位期間の所定の種類の日の代表単位期間スポット実績価格から、前記単位期間の代表限界発電コストである代表単位期間限界発電コストを減じた代表単位期間限界プラント利益を算出する代表単位期間限界プラント利益算出部と、
前記過去の所定の期間について、前記少なくとも1つの時間帯の各々について、前記単位期間の電力需要量である代表単位期間電力需要量から、前記単位期間の再生可能エネルギーの代表発電量を減じた代表単位期間残余電力需要量を算出する代表単位期間残余電力需要量算出部と、
前記各燃種について、前記少なくとも1つの時間帯の各々について、前記過去の所定の期間の、前記少なくとも1つの時間帯の各々の代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数として、第1の単回帰モデルを生成する第1の単回帰モデル生成部と、
各燃種について、前記少なくとも1つの時間帯の各々について、前記第1の単回帰モデルの決定係数を求め、前記少なくとも1つの時間帯の各々において決定係数の最も大きい燃種を、前記少なくとも1つの時間帯の各々のマージナルプラント燃種として決定するマージナルプラント決定部と、
前記少なくとも1つの時間帯の各々について、所定の期間の、前記マージナルプラント燃種の前記少なくとも1つの時間帯の各々の前記代表単位期間限界プラント利益及び前記代表単位期間残余電力需要量に基づいて、前記代表単位期間限界プラント利益を目的変数、前記代表単位期間残余電力需要量を説明変数とする第2の単回帰モデルを生成する第2の単回帰モデル生成部と、
前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の代表単位期間限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、過去の所定の期間の、各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出するスポット価格単位期間代表期待値算出部と、
前記少なくとも1つの時間帯の各々について、各日のスポット実績価格について季節調整を行って、各日の季節調整スポット実績価格を算出し、前記季節調整スポット実績価格に基づいて、季節調整スポット実績価格の対数日次変化率を算出する季節調整部と、
前記季節調整スポット実績価格の対数日次変化率のジャンプが発生した日を判定し、ジャンプ発生日と判定された日の対数日次変化率の値を、その日の属する月の対数日次変化率の代表値に置き換え、修正対数日次変化率を求める平準化部と、
前記修正対数日次変化率に基づいて、前記少なくとも1つの時間帯の各々毎の各月の修正対数日次変化率の代表値とボラティリティを算出する修正対数日次変化率平均値・ボラティリティ算出部と、
前記ボラティリティを変数として含む確率過程モデルに基づいて、過去の所定の期間の、前記少なくとも1つの時間帯の各々についての各日のスポット価格のシミュレーション値を算出し、前記少なくとも1つの時間帯の各々毎の過去の所定の期間の所定の月のスポット価格単位期間代表期待値を1とした場合の各月のスポット価格単位期間代表期待値であるドリフト調整係数を算出し、前記少なくとも1つの時間帯の各々毎の前記スポット価格のシミュレーション値を、前記ドリフト調整係数を用いて調整して、スポット価格のドリフト調整シミュレーション値を算出するスポット価格シミュレーション値算出部と、
前記スポット価格のドリフト調整シミュレーション値について、所定の判定基準に基づいて、調整が必要かどうかを判定し、前記所定の判定基準が満たされない場合は、前記所定の判定基準が満たされるようになるまで、前記確率過程モデルの前記ボラティリティの値を調整し、調整されたボラティリティの値の前記確率過程モデルに基づいて、スポット価格のドリフト調整シミュレーション値の算出を繰り返すシミュレーション値調整部と、を備え、
前記スポット価格シミュレーション値算出部は、
前記所定の判定基準が満たされた場合、前記少なくとも1つの時間帯の各々毎の前記第2の単回帰モデルに、前記少なくとも1つの時間帯の各々の各単位期間の、前記マージナルプラント燃種の限界発電コストと各単位期間の前記代表単位期間残余電力需要量を代入して、将来の所望の期間の各単位期間の前記少なくとも1つの時間帯の各々毎のスポット価格単位期間代表期待値を算出し、
前記所定の判定基準を満たす前記ボラティリティの値の前記確率過程モデルに基づいて、将来の所定の期間の、前記少なくとも1つの時間帯の各々についての各日のスポット価格のシミュレーション値を算出し、
前記将来の所定の期間について、前記少なくとも1つの時間帯の各々毎の所定の月のスポット価格単位期間代表期待値を1とした場合の各月のスポット価格単位期間代表期待値であるドリフト調整係数を算出し、前記少なくとも1つの時間帯の各々毎の前記スポット価格のシミュレーション値を、前記ドリフト調整係数を用いて調整して、スポット価格のドリフト調整シミュレーション値を算出する電力取引価格予想システム。 - 前記確率過程モデルは、ジャンプ項を含み、前記所定の判定基準は、前記季節調整スポット実績価格の対数日次変化率のジャンプ回数が所定の範囲内であることを更に含み、
前記スポット価格のドリフト調整シミュレーション値の算出を繰り返すことは、前記所定の判定基準が満たされない場合は、前記所定の判定基準が満たされるようになるまで、前記ボラティリティの値、前記ジャンプ回数の値、前記ジャンプの大きさのうちの少なくとも1つを調整して、調整されたボラティリティの値、前記ジャンプ回数の値、前記ジャンプの大きさの値の前記確率過程モデルに基づいて、スポット価格のドリフト調整シミュレーション値の算出を繰り返すことである請求項17に記載のシステム。 - α=1、φ=0である請求項20に記載のシステム。
- 前記第1の単回帰モデルは、線形回帰モデルである請求項16〜22のいずれか1項に記載のシステム。
- 前記第2の単回帰モデルは、ベイズ線形回帰モデルである請求項16〜23のいずれか1項に記載のシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018177769A JP6514399B1 (ja) | 2018-09-21 | 2018-09-21 | 電力取引価格を予想するためのシステム、方法、プログラム、及びプログラムを記憶した記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018177769A JP6514399B1 (ja) | 2018-09-21 | 2018-09-21 | 電力取引価格を予想するためのシステム、方法、プログラム、及びプログラムを記憶した記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6514399B1 true JP6514399B1 (ja) | 2019-05-15 |
JP2020052440A JP2020052440A (ja) | 2020-04-02 |
Family
ID=66530793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018177769A Active JP6514399B1 (ja) | 2018-09-21 | 2018-09-21 | 電力取引価格を予想するためのシステム、方法、プログラム、及びプログラムを記憶した記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6514399B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021036411A (ja) * | 2019-08-22 | 2021-03-04 | Eneos株式会社 | 電力価格予測装置、電力価格予測方法、電力価格予測プログラム、及びコンピュータ読取可能な記録媒体 |
CN113656953A (zh) * | 2021-08-09 | 2021-11-16 | 南京理工大学 | 一种基于状态数最优决策模型的风电功率序列建模方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7458939B2 (ja) | 2020-08-31 | 2024-04-01 | 三菱電機株式会社 | 取引価格予測装置、取引価格予測モデル生成装置、入札支援システムおよび取引価格予測プログラム |
JP7476418B1 (ja) | 2023-12-14 | 2024-04-30 | 東京瓦斯株式会社 | 電力市場価格予測装置、電力市場価格予測方法及びプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4694828B2 (ja) * | 2004-12-17 | 2011-06-08 | 三菱電機株式会社 | 電力取引支援装置 |
JP4660281B2 (ja) * | 2005-05-27 | 2011-03-30 | 株式会社東芝 | 電力取引支援システムと方法、およびプログラム |
JP2007004729A (ja) * | 2005-06-27 | 2007-01-11 | Toshiba Corp | 商品価格設定支援システムと方法、およびプログラム |
JP5072307B2 (ja) * | 2006-09-28 | 2012-11-14 | 中国電力株式会社 | 電力取引リスク管理装置及び電力取引リスク管理方法 |
JP5063146B2 (ja) * | 2007-03-12 | 2012-10-31 | 中国電力株式会社 | 電力取引予測システムおよび電力取引予測プログラム |
-
2018
- 2018-09-21 JP JP2018177769A patent/JP6514399B1/ja active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021036411A (ja) * | 2019-08-22 | 2021-03-04 | Eneos株式会社 | 電力価格予測装置、電力価格予測方法、電力価格予測プログラム、及びコンピュータ読取可能な記録媒体 |
JP7281136B2 (ja) | 2019-08-22 | 2023-05-25 | Eneos株式会社 | 電力価格予測装置、電力価格予測方法、電力価格予測プログラム、及びコンピュータ読取可能な記録媒体 |
CN113656953A (zh) * | 2021-08-09 | 2021-11-16 | 南京理工大学 | 一种基于状态数最优决策模型的风电功率序列建模方法 |
CN113656953B (zh) * | 2021-08-09 | 2024-04-09 | 南京理工大学 | 一种基于状态数最优决策模型的风电功率序列建模方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2020052440A (ja) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6514399B1 (ja) | 電力取引価格を予想するためのシステム、方法、プログラム、及びプログラムを記憶した記憶媒体 | |
Lowery et al. | Impact of wind forecast error statistics upon unit commitment | |
Reuter et al. | Renewable energy investment: Policy and market impacts | |
Abrell et al. | Integrating intermittent renewable wind generation-a stochastic multi-market electricity model for the european electricity market | |
Matos et al. | Setting the operating reserve using probabilistic wind power forecasts | |
Alishahi et al. | A system dynamics approach for investigating impacts of incentive mechanisms on wind power investment | |
Geissmann et al. | A probabilistic approach to the computation of the levelized cost of electricity | |
JP6079215B2 (ja) | 電力需要予測装置、プログラム | |
Muche | Optimal operation and forecasting policy for pump storage plants in day-ahead markets | |
Kern et al. | Influence of deregulated electricity markets on hydropower generation and downstream flow regime | |
Peña et al. | Are EU's Climate and Energy Package 20-20-20 targets achievable and compatible? Evidence from the impact of renewables on electricity prices | |
Sadeghi et al. | Evaluating the impact of FIT financial burden on social welfare in renewable expansion planning | |
Vieira et al. | A multiple criteria utility-based approach for unit commitment with wind power and pumped storage hydro | |
Siriruk et al. | Cournot equilibrium considering unit outages and fuel cost uncertainty | |
Czupryna et al. | An agent-based approach to integrated assessment modelling of climate change | |
Mari et al. | Renewable energies in medium-term power planning | |
Abadie et al. | Evaluation of a cross-border electricity interconnection: The case of Spain-France | |
Geiger | Strategic power plant investment planning under fuel and carbon price uncertainty | |
Valenzuela et al. | Cournot prices considering generator availability and demand uncertainty | |
Bringedal et al. | Backtesting coordinated hydropower bidding using neural network forecasting | |
Parail | Properties of electricity prices and the drivers of interconnector revenue | |
Bylling | Bilevel Optimization with Application in Energy | |
Poletti | Market Power in the NZ wholesale market 2010-2016 | |
Kwon et al. | A stochastic multi-agent resource planning model: The impact of capacity remuneration mechanisms | |
JP2016001950A (ja) | 電力需要予測装置、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180926 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180926 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181002 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190306 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190408 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6514399 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |