Estimating Impact of Weather Forecast Accuracy on Electricity Retailers' Trading Costs: A Design Science Approach

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorLiljelund, John
dc.contributor.authorKankare, Ilari
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.supervisorKarhu, Kimmo
dc.date.accessioned2024-01-28T18:06:47Z
dc.date.available2024-01-28T18:06:47Z
dc.date.issued2024-01-24
dc.description.abstractElectricity 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.en
dc.description.abstractSähkö 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.fi
dc.format.extent73
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/126329
dc.identifier.urnURN:NBN:fi:aalto-202401281997
dc.language.isoenen
dc.programmeMaster’s Programme in Industrial Engineering and Managementfi
dc.programme.majorStrategyfi
dc.programme.mcodeSCI3109fi
dc.subject.keywordweather forecastingen
dc.subject.keywordload forecasten
dc.subject.keywordelectricity tradingen
dc.subject.keyworddesign scienceen
dc.titleEstimating Impact of Weather Forecast Accuracy on Electricity Retailers' Trading Costs: A Design Science Approachen
dc.titleSääennusteiden tarkkuuden vaikutuksen arviointi sähkönyhtiöiden hankintakustannuksiinfi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessno
Files