Show simple item record

Power Purchase Strategy of Retail Customers Utilizing Classification Methods



dc.contributor.advisorNagy Ivan
dc.contributor.authorLenka Jonáková
dc.date.accessioned2022-11-14T16:19:13Z
dc.date.available2022-11-14T16:19:13Z
dc.date.issued2022-10-16
dc.identifierKOS-727964215605
dc.identifier.urihttp://hdl.handle.net/10467/105056
dc.description.abstractTato disertační práce se zaměřuje na úlohu s významným obchodním potenciálem, která je definována na rozhraní velkoobchodního a maloobchodního trhu s elektřinou. Jedná se o postupný nákup dlouhodobých kontraktů na dodávku elektřiny koncovými zákazníky. Hlavní důraz je kladen na odhad přeprodaného a překoupeného trhu s využitím různých klasifikačních metod a následnou simulaci postupného nákupu. Jako reference je použit roční kontrakt na dodávku elektřiny v základním pásmu v České republice. Analyzované metody jsou porovnány s již existující, velmi populární a hojně využívanou strategií nákupu, která naceňuje daný kontrakt dle průměru závěrečných cen. Vzhledem k nedostatečnému množství publikací adresujících tuto problematiku je hlavním přínosem této práce podrobná analýza metod v kontextu specifikované úlohy, posouzení a porovnání jejich přínosů a návrh vhodného řešení. Pro účely klasifikace dat je využito deset etablovaných technik; jedná se o index relativní síly, algoritmus k-nejbližších sousedů, naivní Bayes, metoda popůrných vektorů, náhodný les, AdaBood, 1-, 2- a 3-vrstvá dopředná neuronová síť a long short-term memory. Přestože všechny zkoumané modely dosáhly lepšího výsledku oproti strategii využívající průměru závěrečných cen, long short-term memory prokázala v porovnání s ostatními metodami zvláště vyjímečné kvality, především z hlediska konzistence přesnosti predikce a generalizačních schopností. Je však třeba uvážit také slabiny tohoto přístupu, jako jsou například vysoké požadavky na výpočetní výkon systému, pomalé učení modelu, citlivost na inicializaci parametrů, stejně tak jako obtížná interpretace výsledků. Z důvodu zachování co největší praktičnosti a efektivity řešení byl navržen přístup kombinující nenáročný provoz a jednoduchost výpočtu indexu relativní síly a značnou přesnost algoritmu long short-term memory. Předpokládáme-li průměrný poptávaný objem v řádu desíte tisíc MWh, odhadované průměřné úspory při využití navržené metody se pohybují v řádu desítek až stovek tisíc EUR na jednu aukci oproti běžně využívané strategii nákupu na základě průměru závěrečných cen.cze
dc.description.abstractThe thesis reflects a unique task with significant business potential, on the edge of the wholesale and retail power market, i. e., progressive purchase of power derivates by retail customers. The main emphasis is on the estimation of the oversold and overbought market utilizing various classification methods, and subsequent simulation of the progressive power purchase. For this purpose, the Czech power baseload yearly futures are used as a reference contract. Continious price fixing, which is a very popular and commonly used strategy ensuring an average profit-loss result, is used as a benchmark to evaluate benefits of the investigated methods. Due to the significant lack of publications in this area, the main contribution of thesis is the comprehensive examination of methods in the context of the task, the thorough comparison and evaluation of their benefits, and the proposal of the most suitable solution. Ten well-established techniques are exploited for the purposes of data classification, namely, relative strength index, k-nearest neighbor, naive Bayes, support vector classifier, random forest, AdaBoost, 1-, 2- and 3-layer feed forward neural network, and long short-term memory. Even though all the examined models exceeded the defined benchmark, long short-term memory proved its exceptional qualities among the other methods in terms of consistent prediction performance and generalization abilities. Neverthless, its weakness such as high requirements for programming capacity, long training time, sensitivity to initialization of parameters as well as limited possibility of result interpretation should be taken into account. As a result, a solution combining low maintenance and simplicity of relative strength index and high accuracy of long short-term memory was proposed to make the price fixing procedure more practiacl and efficient. Considering an average acutioned volume in the order of tens of thousands of MWhs, the estimated average savings when employing the proposed solution are estimated to reach value in the order of tens to hundreds of thousands of EUR per one auction in comparison to the defined benchmark.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectčeské energetické futurescze
dc.subjectmaloobchodní trhcze
dc.subjectpostupný nákupcze
dc.subjecttechnická analýzacze
dc.subjectk-nejbližších sousedůcze
dc.subjectnaivní Bayescze
dc.subjectmetoda podpůrných vektorůcze
dc.subjectnáhodný lescze
dc.subjectAdaBoostcze
dc.subjectneuronová síťcze
dc.subjectCzech power futureseng
dc.subjectretail marketeng
dc.subjectprogressive purchaseeng
dc.subjecttechnical analysiseng
dc.subjectk-nearest neighboreng
dc.subjectnaive Bayeseng
dc.subjectsupport vector classifiereng
dc.subjectensemble methodseng
dc.subjectneural networkeng
dc.titleStrategie nákupu elektrické energie koncovými zákazníky s využitím pokročilých klasifikačních metodcze
dc.titlePower Purchase Strategy of Retail Customers Utilizing Classification Methodseng
dc.typedisertační prácecze
dc.typedoctoral thesiseng
dc.contributor.refereeSklenář Jaroslav
theses.degree.disciplineInženýrská informatika v dopravě a spojíchcze
theses.degree.grantorústav aplikované matematikycze
theses.degree.programmeInženýrská informatikacze


Files in this item


This item appears in the following Collection(s)

Show simple item record