Fogyasztási kockázat a villamosenergia-piacon. Profilozás a fogyasztási bizonytalanság figyelembevétele mellett = Volume risk in the power market. Load profiling considering uncertainty

Kivonat, rövid leírás

Az energiapiaci szereplők rövid és hosszú távon, az operatív és stratégiai döntések meghozatala során egyaránt rengeteg kockázattal szembesülnek. Annak ellenére, hogy az energiapiaci kockázatok egyik legjelentősebb forrása alapvetően az ár (vö. helyettesíthetőség, tárolhatóság hiánya, árrugalmatlan kereslet, stb.), nemcsak a portfóliószintű, hanem az egyedi fogyasztói viselkedés ismerete is egyre fontosabbá válik és egyre nagyobb üzleti értéke is van a szolgáltatók, a fogyasztók, valamint a rendszerüzemeltetők szempontjából is (ld. liberalizáció előrehaladása, okos mérés terjedése, fogyasztói befolyásolással kapcsolatos tevékenységek, stb.). Mivel a fogyasztás maga is sztochasztikus, ezért annak bizonytalanságával ugyanúgy számolni kell, mint azt például pénzügyi idősorok esetén is tesszük. Az alapvető különbség ennek kezelésében abból adódik, hogy a fogyasztás (illetve látni fogjuk, hogy annak bizonytalansága is) sokkal inkább modellezhető különböző fundamentális változók segítségével, mint maguk a pénzügyi idősorok, és így az alkalmazható módszerek köre is szükségszerűen eltérő. A fogyasztási görbe idősorok stilizált tényeinek vizsgálata során megállapítottuk, hogy a – profilozás során klasszikusnak tekinthető – tipikus napi profilok képzése többé-kevésbé helyes megoldás, azonban a tipikus fogyasztási mintázatok nem feltétlenül a napi bontások mentén képződnek, csoportosulnak, és nem feltétlenül a napi bontások mentén a leghatékonyabb a modellezésük. Mivel a villamosenergia-fogyasztás várható alakulásának és bizonytalanságának egyik fontos forrása az időjárás (elsősorban a hőmérséklet), ezért egy annak a hatásától szűrt idősornak a – szintén klasszikusnak tekinthető – használata a profilozás során mind az alkalmazható módszerek, mind a levonható következtetések szempontjából korlátozó tényező lehet. Ráadásul magának a hatásnak a – regressziós dekompozíciós logikának megfelelő – kiszűrése módszertani, értelmezésbeli és az eredmények értékelhetősége szempontjából is vet fel aggályokat. Az értekezésben alkalmazott módszer, az ún. Gauss-féle keverék-modell (Gaussian Mixture Model, röviden GMM) egy többváltozós megoldást jelent, ami a fogyasztási görbe idősor értékeit nem önmagában csoportosítja, hanem különböző időbeliséget és szezonalitást leíró változókkal együtt, és egyik legfontosabb alappillére, hogy a változók kovariancia-struktúrája a mintában nem állandó. Ez a tulajdonság különösen a regressziós alkalmazásnál fontos, hiszen így lehetővé válik a változók közötti nemlineáris vagy interakciós kapcsolatok feltárása, és a kovariancia-struktúra hibákra történő transzformálódása alapján a heteroszkedaszticitás kezelése is. (...)