匈牙利研究团队开发可解释AI模型 成功预测欧洲19国次日电力价格

布达佩斯技术与经济大学（BME）自然科学学院的研究人员长期致力于分析影响欧洲各国电力市场运行的因素。

该校最新研究探讨了利用可解释人工智能（explainable AI）算法对欧洲次日（day-ahead）电力价格进行建模和分析的可能性。

由核技术研究所（NTI）与数学研究所人类与社会数据科学实验室（HSDSLab）合作的研究小组，其重要联合研究成果近日发表于国际知名期刊《Energy Conversion and Management: X》（影响因子：7.6，D1分类），论文标题为“用于预测电力价格的行业适应性可解释AI方法”。

基于公开可用数据和算法，研究团队开发了用于预测19个欧洲国家次日电力价格的人工智能模型。他们利用可解释AI算法提供的SHAP值，分析了模型中不同输入数据的影响以及各参数在预测中的重要性（权重）。

此外，论文还提出了一种基于全球SHAP配置文件对电力市场进行分类的新框架，通过聚类分析揭示了各国市场之间的相似性与差异性。根据SHAP属性向量对国家进行分组，识别出那些具有相似定价机制和结构敏感性的市场，从而揭示了市场动态中隐含的系统性相似之处。

该研究的另一创新在于，它首次展示了利用SHAP值开发的、可用于预测欧洲次日电力价格的人工智能模型。该模型完全基于市场条件下实际可用的数据运行，并考虑了在实时市场条件下各类数据实际可用的时间点，因此能够适应次日电力市场的运作，易于整合到市场参与者的商业运营及其用于市场价格预测的商业计算机工具中。

研究使用来自ENTSO-E免费数据库的五类数据进行电价预测。他们将预测问题视为多目标回归任务，基于历史数据同时预测次日24小时的所有价格。考虑到电力市场独特的时间结构，研究在预测模型中嵌入了特殊数据。

为更好地适应在次日电力市场交易的发电厂的运营限制，模型排除了预测日7:00之后的实际生产数据。由于发电厂必须在12:00前提交次日的生产计划，因此将输入数据限制在7:00前的数值，以确保工业应用中的用户有足够时间向模型填充数据、运行模型、评估结果，并在次日计划提交截止日期前做出明智的商业决策。这种数据结构使模型易于工业应用。

研究团队使用四种不同的人工智能模型，在19个欧洲国家的数据上测试了基于人工智能算法的价格预测方法。结果显示，基于树的模型在预测次日电力价格的准确性上，无论是对于2015-2020年还是2020-2024年期间，都 consistently outperformed 其他模型。

此外，结果评估表明，2020年至2024年间，电力市场的复杂性显著增加，这归因于COVID-19大流行和俄乌战争的影响。这种增加的复杂性使得次日电价建模更加困难，因此论文建议在次日电价模型中纳入更广泛的特征。

基于SHAP值的聚类分析发现，2020年SHAP配置文件仍显示出更清晰的解释模式，但到2024年，大多数国家被归入一个大类，这表明在欧洲电力市场上，最重要的解释因素变得更为复杂，但同时在各国的表现上却更加同质化。

这种趋同性符合近年来天气依赖性可再生能源部署加速的趋势，从而减少了欧洲国家电力市场之间的差异。

该研究小组的成员包括：Biró Bence（NTI）、Kiss Csaba（HSDSLab）、Dr. Molontay Roland（HSDSLab）和 Prof. Dr. Aszódi Attila（NTI）。