Modelli Previsionali della Domanda e del Prezzo di EE e Gas
Migliorare la performance del forecasting e scegliere gli strumenti più efficaci a supporto delle decisioni di business 12 Novembre 14 Novembre 2019, Milano

Programma

08.45 Registrazione partecipanti (solo 1° giorno)
09.00 Apertura lavori
11.00 Coffee break
13.00 Colazione di lavoro
17.30 Chiusura dei lavori

 

12 novembre

9.00

Le variabili che incidono sull’efficacia delle previsioni

Settore ELETTRICO

  • I mercati dell’energia elettrica:
    • Mercati a pronti (MGP, MI, MSD) e a termine  
    • Il mercato intraday in continuo “XBid”
  • Gli impatti delle regole dell’Autorità sul forecasting nel settore elettrico
    • Per il Lungo termine: Previsioni del carico di TERNA
    • Per il Breve Termine: Previsione del carico di TERNA, previsione delle produzioni intermittenti (Terna, GSE, Produttori…)
    • Nuovi elementi del sistema/mercato elettrico: le UVAM
    • Impatti della produzione delle rinnovabili sul mercato e andamento del prezzo dell’energia elettrica
    • Le principali differenze dell’Italia nel panorama dei paesi Europei
  • Scenari di Previsione della Domanda
    • Approccio basato sulle intensità elettriche
    • Approccio Bottom Up
    • Scenari di sviluppo della domanda elettrica ed energetica per l’Italia – Scenario PRIMES 2016 Reference nuovi scenari verso gli obiettivi 2030
  • Le variabili per le previsioni del prezzo a breve e medio termine
    • Esempio di modello di previsione i previsione della domanda elettrica (breve-medio periodo)
  • Relazione variabili meteorologiche e domanda elettrica
  • Esempio di metodologia per la previsione a breve (giornaliera)
    • Esempio di metodologia per la previsione mensile

Docenza a cura di
Alberto Gelmini
Project Manager – Ricerca Sistema Energetico RSE

 

11.30

Settore GAS

  • Valutare gli effetti della riforma del Mercato del Bilanciamento
  • Identificare e approfondire gli attuali rischi e trend del Mercato
    • com’è strutturata la domanda e come si sta evolvendo
  • Quali sono le esigenze di forecasting
  • Che cosa serve sapere per la Previsione della Domanda
    • le criticità legate al punto prelievo gas: che cosa si prospetta per le previsioni a fronte della telelettura dei contatori
    • i profili standard
    • quali sono le ripercussioni sui fornitori
  • Cosa serve sapere per la Previsione del Prezzo
    • valutare andamento e variabilità dei prezzi
    • l’influenza delle formule di indicizzazione del prezzo del gas sul prezzo finale

Docenza a cura di
Andrea Premi
Gas&Networks Advisor – Indipendent Consultant

 

14.00

Forecasting delle Temperature e delle variabili meteo-climatiche a supporto della previsione della domanda

  • Variabili meteo-climatiche e previsione della domanda: introduzione
  • Impatto della variabilità meteoclimatica
  • Impatto su Mercato del Gas e Mercato Elettrico
  • Stato dell’arte della previsione
  • Disponibilità e tipologia dei dati di osservazione e di previsione
  • Variazione delle stime e delle metodologie in relazione alle finestre temporali
  • Utilizzo dei dati di osservazione e di previsione meteo-climatica a supporto della domanda

Docenza a cura di
Raffaele Salerno
Ph.D. e Direttore Generale
Centro EPSON meteo

16.00

Variabili e tendenze Macro-Economiche in base a cui prevedere Domanda e Prezzo

Settore ELETTRICO

  • I fattori causa del rischio prezzo
    • l’evoluzione del sistema elettrico e la congiuntura economica
    • l’effetto materia prima
    • l’impatto delle Fonti Rinnovabili
    • le politiche ambientali e i mercati esteri
    • le reazioni dei player alle nuove condizioni del mercato
    • gli effetti del “Market coupling” sul mercato italiano
  • L’elaborazione di scenari previsionali con modelli di simulazione deterministici
  • La previsione del prezzo all’ingrosso nel breve termine

Settore GAS

  • I fattori rilevanti
    • andamento economico e temperature
    • domanda e import di energia elettrica
    • crescita delle Fonti Rinnovabili
    • il ruolo degli stoccaggi
    • le relazioni tra prezzi dei combustibili
    • i prezzi agli hub e le relazioni tra hub
  • Il Target Model Europeo
  • La previsione della domanda di breve e lungo periodo
    • Modelli econometrici
  • La previsione del prezzo
    • Modelli econometrici e simulazioni deterministiche

Docenza a cura di
Consulenti Poyry Consulting

13 novembre

Previsione di domanda e prezzo di elettricità e gas per mezzo di modelli econometrici

» Modelli puramente regressivi

  • Le componenti delle serie storiche orarie e giornaliere
  • Metodi per approssimare le componenti stagionali (sinusoidi, splines)
  • Metodi di approssimazione del trend (splines)
  • Dipendenza non-lineare dalla temperatura (splines)
  • Applicazioni usando R

» Modelli di serie storiche classici

  • Processi stazionari vs. integrati
  • Autocorrelazioni e autocorrelogramma
  • Processi ARMA
  • Applicazioni usando R

» Modelli a componenti non osservabili (UCM)

  • La versione stocastica delle componenti deterministiche
  • La forma state-space
  • Porre gli UCM in forma state space
  • Inizializzazione delle componenti e dei parametri da stimare
  • Previsore, filtro e smoother
  • Individuazione e trattamento dei valori anomali
  • Applicazioni usando R

» Confronto tra modelli

  • Confronto in-sample e out-of-sample
  • Test di equivalenza predittiva
  • Applicazioni usando R

» Estensione non-lineari

  • Modelli per la volatilità
  • Modelli regime-swiching (Markov e threshold)
  • Applicazioni usando R

» Modelli multivariati

  • Componenti principali
  • Regressione a rango ridotto
  • Cointegrazione tra prezzo dell’elettricità e fuels
  • Applicazioni usando R

» Previsioni a lungo termine

  • Scenari
  • Metodo Monte Carlo

Docenza a cura di
Francesco Lisi
Professore Associato di Statistica
Università degli Studi di Padova

 

14 novembre

Previsione di domanda e prezzo di elettricità e gas per mezzo di modelli di machine learning

» La creazione di features per la previsione di serie storiche di domanda e prezzo di elettricità e gas orarie e giornaliere.

» Distorsione vs. varianza e selezione del modello di ML

  • Overfitting
  • Cross-validation
  • Train set vs. test set

» Reti neurali

  • Single-layer perceptron
  • Multi-layer perceptron
  • Recurrent networks
  • Applicazioni usando R

» Support Vector Machines

  • Idea di base per la classificazione
  • Estensione al problema della regressione
  • Applicazioni usando R

» Alberi decisionali e foreste casuali

  • Alberi e loro problemi
  • Il bagging e le foreste casuali
  • Applicazioni usando R

» Esplorare i modelli ML

  • Importanza delle variabili
  • Relazione tra le variabili
  • Applicazioni usando R

Docenza a cura di
Francesco Lisi
Professore Associato di Statistica
Università degli Studi di Padova