Mašīnmācīšanās pielietojums elektrības mirkļa cenas paredzēšanai

Abstract

Darba mērķis ir izpētīt mašīnmācīšanās pielietojumu konkrētas problēmas risināšanai. Izvēlētā pētāmā problēma ir elektrības cenas paredzēšana, izmantojot dažādus pieejamos faktorus par noteiktu laika periodu. Darbs tika izstrādāts sadarbojoties ar Viktoriju Bobinaiti, kura izstrādāja savu pētījumu „Modelling Electricity Price Expectations in a Day-Ahead Electricity Market”, no šī pētījuma tika iegūti atbilstošie dati. Darbā tika izveidota datorprogramma, kas pielieto specifisku mašīnmācīšanās veidu – neironu tīklus. Izveidota datorprogramma spēj parametrizēti izveidot neironu tīklus, ļaujot pielāgot gan apmācīšanas procesu, gan mainīt neironu tīkla struktūras parametrus, gan filtrēt pieejamos datus. Izveidotā datorprogramma tika izmantota, lai analizētu pieejamos datus par ar elektrības tirgu saistītiem faktoriem un meklētu tādus faktorus, ar kuriem būtu iespējams paredzēt elektrības mirkļa cenu.

The purpose of this work – „Machine learning for the prediction of electricity spot price” – is the exploration of machine learning applications for solving a specific problem. The selected problem was prediction of electricity spot price using various factors collected over a period of time. This work was created by cooperating with Victoria Bobinate and her paper „Modelling Electricity Price Expectations in a Day-Ahead Electricity Market” and the electricity price data used was acquired from this work. While making this work, a computer program was made that uses a specific type of machine learning – neural nets, to analyze the available data. The program allows user to generate neural nets from parameters, train these generated neural nets using training parameters and preprocess available data, to make training neural network on specific subsets easier. The created software was then used to analyze the available data about electricity spot price and search for factors that allows to predict the said price.