Data Imputation for Electricity Price Forecasting in the Intraday Market

Abstract

Trading volume of the Turkish Intraday Electricity Market is rapidly increasing. This amplifies the significance of accurate electricityprice forecasts for the market players. The trading method in the intraday market is continuous trading. In this study, data is preparedto use in the price forecasting by taking a weighted average of the hourly prices. Missing value problem is encountered because of thehours without transaction. To the best of our knowledge, there is no existing study which deals with this problem in the electricity priceforecasting literature. In this article, we focused on imputing values for missing data to use them in the electricity price forecasting.Missing value methods are tested, forecasts are made by univariate lasso regression and the results are compared. Making forecasts byimputing data has increased the performance in a statistically significant manner. Our results showed that data imputation with day ahead prices is the best method.

Özet

Türkiye regüle elektrik piyasasında, gün içi piyasasının ticaret hacmi gün geçtikçe artmaktadır. Bu durum piyasa katılımcıları içinyüksek doğrulukta tahmin yapabilmeyi önemli hale getirmektedir. Gün içi piyasasında sürekli müzayede şeklinde alışverişyapılmaktadır. Bu çalışmada, öncelikle Türkiye Gün İçi Piyasası elektrik fiyatlarının saatlik ağırlıklı ortalamaları alınarak, veri tahminproblemine hazır hale getirilmiştir. Piyasada işlem yapılmayan saatler bulunduğundan, eksik veri problemi ile karşılaşılmıştır. Elektrikfiyat tahmin literatüründe bu problemin çözümüne yönelik bir çalışma bulunmamaktadır. Bu çalışmada fiyat tahmini için kullanılacakolan eğitim verilerindeki eksiklerin nasıl tamamlanacağı üzerinde durulmuştur. Eksik veri tamamlama yöntemleri uygulamalarıkarşılaştırılmış, tek değişkenli Lasso yöntemi ile tahminler yapılarak, sonuçlar raporlanmıştır. Eksik verileri tamamlayarak tahminyapmanın sonuca istatistiksel olarak anlamlı şekilde katkısı olmuştur. Sonuçlarımız, eksik verileri Gün Öncesi Piyasası değerleri iletamamlamanın en başarılı yöntem olduğunu göstermiştir.