Nord Pool day-ahead electricity price modeling and forecasting – Daniel Pilný
Daniel Pilný
Diplomová práce
Nord Pool day-ahead electricity price modeling and forecasting
Modelování a predikce Nord Pool spot cen elektřiny
Anotace:
Hlavním cílem této práce je porovnání modelů pro predikci Nord Pool 'day-ahead' ceny elektřiny. Standardní ekonometrické modely Reg-(S)ARIMA(-GARCH) a modely strojového učení SVR a LSTM jsou použity pro modelování a předpověď cen elektřiny v nabídkových oblastech NO2 (Norsko) a DK1 (Dánsko). Práce obsahuje analýzu trhu elektřiny v obou zemích a na základě lokálních specifik zkoumá potenciální přínos …víceAbstract:
The main focus of this thesis is a comparison of models for Nord Pool day-ahead electricity price prediction. Classical econometric models Reg-(S)ARIMA(-GARCH) and machine learning models SVR and LSTM are used to model and forecast of electricity price in the bidding areas NO2 (Norway) and DK1 (Denmark). The thesis contains analysis of electricity market in both of the countries and based on the local …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 5. 1. 2018
Identifikátor:
http://www.vse.cz/vskp/eid/78365
Obhajoba závěrečné práce
- Obhajoba proběhla 5. 9. 2019
- Vedoucí: Milan Fičura
- Oponent: Karel Janda
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Vysoká škola ekonomická v Prazehttp://www.vse.cz/vskp/eid/78365
Vysoká škola ekonomická v Praze
Magisterský studijní program / obor:
Finance a účetnictví / Finanční inženýrství
Práce na příbuzné téma
-
Image Analysis Using Machine Learning Models
Norbert Komiňák -
Implementation of Sample Selection Estimators into Double Machine Learning Framework
Michaela Kecskésová -
Localization of mobile devices using machine learning
Aleš Calábek -
Exchange rates predictions using machine learning methods
Yaroslav Korobka -
Digital document analysis using machine learning methods
Nicholas Čapek -
Machine learning analysis and cataloging of extragalactic sources
Matej Kosiba -
Demand estimation using Machine Learning methods
Gabriela Moravčíková -
Machine Learning for Text Anomaly Detection
Alina Tsykynovska