پيش‌بيني قيمت برق در ايران با لحاظ نوسانات در رهيافت تركيبي گارچ-آريما

Day-ahead electricity price forecasting with emphasis on its volatility in Iran (GARCH combined with ARIMA models)

پس از تجديد ساختار بازار برق ايران در سال 1384 و تبديل آن به يك بازار رقابتي كه قيمت برق را نيروهاي حاكم بر بازار تعيين مي‌نمايند، نوسانات قيمتي در اين كالا افزايش يافته است. با توجه به اينكه سري زماني قيمت‌هاي بازار برق معمولاً‌ً داراي ويژگي‌هاي پيچيده مانند ناپايداري، شرايط غيرخطي و نوسانات زياد است، پژوهش حاضر، در پي يافتن روشي است تا بتواند با لحاظ نوسانات قيمتي، مدلي با حداقل خطا براي پيش‌بيني قيمت متوسط موزون روزانه برق در بازار برق ايران با استفاده از داده‌هاي قيمتي دوره زماني اول فروردين 1392 الي بيست و نهم اسفند 1396 ارائه نمايد. مدل‌هايي كه براي قيمت¬گذاري پيشنهاد مي‌شوند، نيازمند برآورد تغييرپذيري مي‌باشند. در برآورد يك رابطه، همواره جزئي به عنوان خطا در نظر گرفته شده كه براساس يك پيش ¬فرض اوليه، به عنوان متغيري با واريانس ثابـت فرض مي‌شود. در بسـياري از مـوارد، از آن جهت كه در مقـاطعي از زمـان، سري زماني قيمت برق نوسـانات گسترده اي را از خود به نمايش مي‌گذارد به ايـن فـرض خدشه وارد مي‌شود. اين موضوع، فرض واريانس همساني را كه يكي از پيش¬فـرض¬هـاي‌ خانواده مدل‌هاي آريما مي‌باشد، مورد ترديد قرار مي‌دهد و موجب مي‌شود كه از همه اطلاعـات موجـود در پسـماندهاي سـري‌هـاي زماني استفاده نشود. بدين ترتيب به منظور مدل سازي نوسانات، الگوي آرچ پيشنهاد مي‌شود تا پيش بيني پويا در مدل‌ سري زمـاني بـر اسـاس ميـانگين و واريانس آن‌ ميسر شود. براي دست‌يابي به مدلي براي پيش‌بيني قيمت متوسط موزون روزانه برق ، با بهره‌گيري از مدل گارچ و تركيب آن با مدل آريما، داده‌هاي سري زماني قيمت برق مورد برآورد قرار گرفت. در بررسي نتايج مشخص شد، مدل آريما - گارچ ارائه شده خطاي پيش بيني فصلي، سالانه و پنج ساله قابل قبولي داشته است. بدين ترتيب مدل پيشنهادي آريما - گارچ، براي پيش‌بيني قيمت در بازار برق ايران مناسب مي‌باشد و قادر است رفتار نوساني قيمت برق را با لحاظ نوسانات آن، با دقت مناسبي پيش‌بيني نمايد.

This paper seeks to find a method to present a model with least error for day-ahead electricity price forecasting in Iran electricity market using price data of five-year period with consideration of price oscillation. The models proposed for pricing require variability estimation. In estimation of a relation, there is always a part considered as error which is assumed as a variable with fixed variance based on an initial presumption. In most cases, in so far as in some points of time, time series of electricity price presents wide fluctuations, this assumption is distorted. This question doubts the assumption of the homoscedasticity variance which is one of the presuppositions of ARMA models family and makes all available information in time series not to be used. Therefore, for modeling of oscillations, Arch model is proposed to allow dynamic prediction in time series model based on its average and variance. In order to obtain a model for daily average price using GARCH model and its combination with ARMA model, the time series data of electricity price was estimated. The study of the results showed that presented ARMA-GARCH model has had acceptable seasonal, annual, and five-year forecast error. Thus, the proposed ARMA-GARCH model is suitable for price forecast in Iranian electricity market and is able to predict fluctuating behavior of electricity price with proper precision.