Estimating Impact of Weather Forecast Accuracy on Electricity Retailers' Trading Costs: A Design Science Approach
No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Author
Date
2024-01-24
Department
Major/Subject
Strategy
Mcode
SCI3109
Degree programme
Master’s Programme in Industrial Engineering and Management
Language
en
Pages
73
Series
Abstract
Electricity is the fuel that powers the modern economy. Electricity retailers play a vital role in delivering electricity to customers as they manage the sourcing of electricity for individual consumers. Electricity retailers employ short-term load forecasting to source the amount that matches their customers' anticipated electricity consumption in advance. Failing to do so may result in additional costs. Weather significantly influences electricity consumption, and therefore, weather forecasts are extensively employed in the load forecasting process of electricity retailers. This study seeks to estimate the impact of weather forecast accuracy on electricity retailers' trading costs. We create a load forecasting model and combine it with mechanisms on how errors of that model translate to cost for an electricity retailer. This tool can be used to demonstrate the costs from weather forecast inaccuracies. Expert interviews were conducted to align our research with industry best practices and to validate the insights generated. By studying weather parameter effect on three electricity load time series, this study also confirms the literature's understanding that weather plays a key role in load forecasting mainly driven by temperature parameter. Gradient Boosting Machine has the lowest errors of the algorithms tested. These errors translate into costs by increasing fixed imbalance fees, covarying with the price of imbalance electricity, and by increasing the risk that the retailer is exposed. For a large retailer, the choice of accurate weather forecasts can lead to cost savings. Previously, the contribution of weather forecast accuracy to load forecasting errors has not been studied extensively, nor has it been described how these errors translate into costs. Usually, the models are tested only with weather observation. However, the professionals who must deploy the models are relying on weather forecasts and must pay the costs that are associated with the choice of weather forecast. Estimating these costs enables professionals to allocate resources more efficiently in an ever-changing environment of the electricity market.Sähkö on modernin talouden voimanlähde. Sähköyhtiöillä, jotka hankkivat sähkön yksittäisten asiakkaiden puolesta avoimilta markkinoilta, on tärkeä rooli järjestelmän toimivuuden kannalta. Sähköyhtiöt käyttävät lyhyen aikavälin sähkönkulutuksen ennustamista hankkiakseen määrän, joka vastaa asiakkaidensa ennakoitua sähkönkulutusta etukäteen. Ennustevirheet aiheuttavat kustannuksia. Sääolosuhteet vaikuttavat merkittävästi sähkönkulutukseen, joten sääennusteitä käytetään laajasti sähkönkulutuksen ennustamisessa. Tässä tutkimuksessa pyrimme arvioimaan sääennusteiden tarkkuuden vaikutusta sähköyhtiöiden sähkön hankintakustannuksiin. Työssä luodaan sähkönkulutuksen ennustemalli ja määritetään miten malliin virheet muuttuvat kustannuksiksi sähkön kaupankäynnissä. Nämä yhdistämällä luomme työkalun, jolla voi määrittää kustannussäästöt, jotka aiheutuvat epätarkkuuksista sääennusteissa. Asiantuntijahaastatteluilla varmistettiin, että työ linjassa alan parhaiden käytäntöjen kanssa sekä vahvistettiin työn tulokset. Tutkimalla sääparametrien vaikutusta kolmeen sähkön kulutuksen aikasarjaan tämä tutkimus vahvistaa myös kirjallisuuden käsityksen siitä, että sää on tärkeässä roolissa sähkön kulutusennustamisessa – tärkeimmän parametrin ollessa lämpötila. Gradientti Boosting Machine -menetelmällä oli alhaisimmat virheet testatuista algoritmeista. Virheet muuttuvat kustannuksiksi lisäämällä kiinteitä tasepoikkeaman volyymimaksuja, korreloimalla vuorokausimarkkinoiden ja tasesähkön erotuksen kanssa sekä lisäämällä riskiä, jolle sähköyhtiö altistuu. Sähköyhtiölle tarkempien sääennusteiden valinta voi johtaa kohtuullisiin kustannussäästöihin. Aiemmin sääennusteiden virheiden vaikutusta kulutusennusteiden virheisiin ei ole tutkittu laajasti, eikä ole kuvattu, miten nämä virheet muuttuvat kustannuksiksi. Yleensä kirjallisuudessa mallit testataan sääennusteilla eikä havainnoilla. Kuitenkin ammattilaiset, jotka käyttävät malleja, ovat riippuvaisia sääennusteista ja maksavat kustannukset, jotka liittyvät sääennusteen valintaan. Näiden kustannusten arvioiminen mahdollistaa resurssien tehokkaamman kohdentamisen muuttuvassa ympäristössä.Description
Supervisor
Karhu, KimmoThesis advisor
Liljelund, JohnKeywords
weather forecasting, load forecast, electricity trading, design science
