We identify the relevant factors fo

We identify the relevant factors for DSOs to forecast the electricity infeed in their networks, and to quantify their effects.We show that most of the calendar variables, such as national holidays, bridge days as well as days near holidays have a significant effect on electricity infeed. Our analysis reveals that the impact of calendar variables significantly depends on the hour of the day. On the other hand, economic and demographic factors do not seem to influence the electricity infeed for the planning horizon of DSOs. We also explore the influence of meteorological factors on the electricity infeed in the Netherlands. Finally, we develop and compare methods for electricity infeed forecasting, based on multiple regression and time series analysis. Our analysis reveals that the regression-based method outperforms the time series-based method on the average measures whereas the time series-based method is better in the worst case analysis. Hence, we point out that the forecasting methods used by DSOs may have significant implications on their financial hedging policies.

ผลลัพธ์ (ไทย) 1:

เราระบุปัจจัยเกี่ยวข้องสำหรับ DSOs คาดการณ์ไฟฟ้า infeed ในเครือข่าย การวัดปริมาณผลของพวกเขาเราแสดงว่า ส่วนใหญ่ตัวแปรปฏิทิน เช่น วันนักขัตฤกษ์วันสะพานเป็นวันใกล้วันหยุดมีผลสำคัญไฟฟ้า infeed การวิเคราะห์ของเราเปิดเผยว่า ผลกระทบของตัวแปรปฏิทินอย่างมีนัยสำคัญขึ้นอยู่กับชั่วโมงของวัน บนมืออื่น ๆ ปัจจัยทางเศรษฐกิจ และประชากรไม่ดูเหมือนจะ มีอิทธิพลต่อการไฟฟ้าในระดับการวางแผนของ DSOs infeed นอกจากนี้เรายังได้อิทธิพลของปัจจัยอุตุนิยมวิทยาไฟฟ้า infeed ในเนเธอร์แลนด์ สุดท้าย เราพัฒนา และเปรียบเทียบวิธีการไฟฟ้า infeed คาดการณ์ ตามหลายถดถอยและเวลาชุดวิเคราะห์ การวิเคราะห์ของเราพบว่า วิธีการถดถอยตาม outperforms วิธีตามลำดับเวลาในการวัดค่าเฉลี่ย โดยวิธีตามลำดับเวลาจะดีกว่าในการวิเคราะห์กรณีเลวร้ายที่สุด ดังนั้น เราชี้ให้เห็นว่า วิธีคาดการณ์ที่ใช้ DSOs อาจมีผลกระทบอย่างมีนัยสำคัญในนโยบายการบริหารความเสี่ยงทางการเงิน

ผลลัพธ์ (ไทย) 2:

เราระบุปัจจัยที่เกี่ยวข้องสำหรับ DSOs ในการคาดการณ์กระแสไฟฟ้าป้อนเข้าในเครือข่ายของพวกเขาและที่จะหาจำนวนของพวกเขา effects.We แสดงให้เห็นว่าส่วนใหญ่ของตัวแปรปฏิทินเช่นวันหยุดแห่งชาติวันที่สะพานเป็นวันที่ใกล้วันหยุดมีผลกระทบอย่างมีนัยสำคัญในการผลิตไฟฟ้า ป้อนเข้า การวิเคราะห์ของเราแสดงให้เห็นว่าผลกระทบของตัวแปรปฏิทินอย่างมีนัยสำคัญขึ้นอยู่กับชั่วโมงของวันที่ ในขณะที่ปัจจัยทางเศรษฐกิจและประชากรดูเหมือนจะไม่ส่งผลกระทบต่อกระแสไฟฟ้าป้อนเข้าที่ขอบฟ้าวางแผน DSOs นอกจากนี้เรายังสำรวจอิทธิพลของปัจจัยทางอุตุนิยมวิทยาที่ป้อนเข้าไฟฟ้าในประเทศเนเธอร์แลนด์ สุดท้ายเราพัฒนาและเปรียบเทียบวิธีการสำหรับการพยากรณ์ไฟฟ้าป้อนเข้าขึ้นอยู่กับการถดถอยและการวิเคราะห์อนุกรมเวลา การวิเคราะห์ของเราแสดงให้เห็นว่าวิธีการถดถอยที่ใช้มีประสิทธิภาพดีกว่าวิธีการแบบที่ใช้เวลาในการวัดค่าเฉลี่ยในขณะที่วิธีการที่เวลาชุดที่ใช้จะดีกว่าในการวิเคราะห์กรณีที่เลวร้ายที่สุด ดังนั้นเราจึงชี้ให้เห็นว่าวิธีการพยากรณ์ที่ใช้โดย DSOs อาจมีผลกระทบอย่างมีนัยสำคัญเกี่ยวกับนโยบายการป้องกันความเสี่ยงทางการเงินของพวกเขา

ผลลัพธ์ (ไทย) 3:

เราสามารถระบุปัจจัยที่เกี่ยวข้องกับ dsos พยากรณ์ไฟฟ้าป้อนเข้าในเครือข่ายของพวกเขา รวบรวมและวิเคราะห์ผลของพวกเขา เราแสดงให้เห็นว่าส่วนใหญ่ของปฏิทินตัวแปร เช่นวันหยุดแห่งชาติ , สะพานวัน รวมทั้งวันใกล้วันหยุดจะมีผลต่อกระแสไฟฟ้าป้อนเข้า . การวิเคราะห์ผลกระทบของตัวแปรพบว่า ปฏิทินแตกต่างกันขึ้นอยู่กับเวลาของวันบนมืออื่น ๆ , ปัจจัยทางเศรษฐกิจและประชากร ดูเหมือนจะไม่มีผลต่อกระแสไฟฟ้าป้อนเข้าสำหรับการวางแผนขอบฟ้าของ dsos . เรายังได้ศึกษาอิทธิพลของปัจจัยทางอุตุนิยมวิทยาในการผลิตไฟฟ้าป้อนเข้าในเนเธอร์แลนด์ ในที่สุด เราพัฒนาและเปรียบเทียบวิธีการพยากรณ์ไฟฟ้าป้อนเข้า โดยการวิเคราะห์การถดถอยพหุคูณ และการวิเคราะห์อนุกรมเวลาการวิเคราะห์การถดถอยตามวิธีของเรา พบว่ามีประสิทธิภาพดีกว่าวิธีตามอนุกรมเวลาโดยเฉลี่ยตามมาตรการและวิธีอนุกรมเวลาที่ดีในการวิเคราะห์กรณีเลวร้ายที่สุด ดังนั้น เราชี้ให้เห็นว่า การใช้ dsos อาจมีผลกระทบอย่างมีนัยสำคัญต่อนโยบายการป้องกันความเสี่ยงทางการเงิน