短期 CO2 排放预测：来自意大利电力市场的洞察
应用统计
2025-12-19 v2
摘要
本研究探讨了意大利电力市场中电力发展的碳排放的短期预测。利用 2021 年至 2023 年的小时数据，评估并比较了多种统计模型和预测组合方法在国家和区域层面的表现。考虑四类主要模型：(i) 线性参数模型，如季节自回归积分移动平均模型及其外生变量扩展；(ii) 函数参数模型，包括带或不带外生变量的季节函数自回归模型；(iii) (半) 非参数和可能非线性模型，显著包括广义可加模型 (GAM) 和 TBATS (三角季节性、Box-Cox 变换、ARMA 误差、趋势和季节性)；以及 (iv) 基于 K 近邻的半函数方法。预测组合包括简单平均、最优 Bates 和 Granger 加权方案，以及选择性策略，即为每个小时选择最佳模型。结果表明，GAM 在白天小时预测最准确，而函数参数模型在清晨最佳。among 所有单个模型，简单平均和选择性方法始终优于所有单个模型。研究结果凸显了混合预测框架在提高电力系统短期碳排放预测准确性和可靠性方面的价值。此外，还强调了在实施灵活能源需求策略时考虑区域特定性的重要性，因为低碳排放的时间在整个白天的各个市场区域都有所不同。
引用
@article{arxiv.2507.12992,
title = {Short-term CO2 emissions forecasting: insight from the Italian electricity market},
author = {Pierdomenico Duttilo and Francesco Lisi},
journal= {arXiv preprint arXiv:2507.12992},
year = {2025}
}