Anomaly detection of reserve market data in Nordic imbalance settlement operations using machine learning

Thumbnail Image

Files

master_Huttu_Iikka_2025.pdf (1.07 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Electrical Engineering | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-11-24

Department

Major/Subject

Energy Systems and Markets

Mcode

Degree programme

Master's Programme in Advanced Energy Solutions
Kehittyneiden energiaratkaisujen maisteriohjelma
Magisterprogrammet i avancerade energilösningar

Language

en

Pages

53

Series

Abstract

Imbalance settlement operation is a crucial part of a well functioning grid balancing operation. eSett Oy. operates the Nordic imbalance settlement management and operations. Imbalance settlement quality is a high priority for smooth market operations. The literary review focused on the market mechanisms of the Nordic electricity market and the role of the imbalance settlement. The balancing energy products and their definition, price formation and regional differences were analyzed in detail for gaining knowledge of the underlying mechanisms behind grid balancing operations in the Nordic market. In this thesis, the Nordic balancing energy market activations were studied with anomaly detection in mind. The studied market products reported aFRR and FCR data. The main goal was to test a machine learning model to see and validate the possibility of use in routine data quality checks. Isolation forest algorithm was implemented and tested with weekly data known to have anomalies. In addition to reserve market data. Price information with Nordic market pricing was implemented on the relevant datasets. The model accuracy was not met for operational use and further investigations recommended to analyze possible data quality issues with rule based approaches.

Sähkömarkkinan taseselvitys on keskeinen osa hyvin toimivaa energiajärjestelmää. eSett Oy. ylläpitää ja hallinnoi päivitäisiä prosesseja pohjoismaalaisessa taseselvitysmallissa. Taseselvityksen laadun hallinta on keskeinen osa prosessin kehityksen näkökulmasta. Tässä työssä tutkittiin eSett:ille raportoidun reservimarkkinadataan kohdistuvaa poikkeamatunnistusta eri reservituotteille. Työn kirjallisuuskatsaus keskittyi pohjoismaalaiseen sähkömarkkinaan ja reservituotteiden markkinamekanismeihins sekä maakohtaisiin eroavaisuuksiin taseselvityksen näkökulmasta. Tämän opinnäytetyön päätavoite oli testata ja validoida koneoppimismetodeja raportoidun reservimarkkinadatan laadun seuraamiseen sekä soveltuvuutta rutiininomaiseen datan laadun valvontaan. Isolation forest -algoritmi toteutettiin ja testattiin viikoittaisilla tiedoilla, joiden tiedettiin sisältävän poikkeamia. Reservimarkkinatietojen lisäksi relevantteihin tietokokonaisuuksiin lisättiin hintatietoja pohjoismaisesta säätöhinnoittelusta. Mallin tarkkuus ei täyttänyt operatiivisen käytön vaatimuksia. Työn lopetuskappale suosittelee lisätutkimuksia mahdollisten tietojen laatuongelmien analysoimiseksi sääntöpohjaisilla lähestymistavoilla.

Description

Supervisor

Keppo, Ilkka

Thesis advisor

Laine, Jonni

Keywords

imbalance settlement, balancing energy markets, electricity market, machine learning, anomaly detection, aFRR

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202512159215

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC