存储优化的日前市场曲线的参数化与生成预测

我们提出了两种机器学习框架，用于预测 EPEX SPOT 日前市场的聚合曲线并优化存储。首先，一个快速的参数化模型在低维且网格稳健的表示中预测小时需求和供给曲线，最小化和最大化容量结合切比雪夫多项式表示弹性段。该模型实现日常使用，具有低误差和清晰可解释性。其次，为了进行更全面的分析，虽不适合日常操作，我们采用生成模型学习给定天气和燃料变量下 24 小时订单级别提交的联合分布。这些模型生成单个买卖订单的合成日场景，聚合后即可得出小时供需曲线。基于这些预测，我们优化一个价格制造存储策略，量化收入分布，并指出现有价格压缩效应：峰值降低、离峰水平提高，随容量扩张而收益递减。