발전 연료인 유연탄의 가격을 사전에 예측하고 발전 원가를 절감함으로써 공공재로서의 전력가격 안정에 기여하고자 한다. 이를 위해 관리되기 어려운 수많은 종류의 정보를 시기적 효용에 맞도록 관리하는 예측모델을 설계하여, 가격변동성을 적절히 대응 하고자 한다.
다양한 정보를 정량적으로 사용하기 위해 NLP기반 뉴스지표를 생성한다. 사용 알고리즘은 word2vec과 doc2vec을 활용한다. 유연탄 가격과 관련성이 높을 것으로 예상되는 경제인덱스를 수집하고, ...
발전 연료인 유연탄의 가격을 사전에 예측하고 발전 원가를 절감함으로써 공공재로서의 전력가격 안정에 기여하고자 한다. 이를 위해 관리되기 어려운 수많은 종류의 정보를 시기적 효용에 맞도록 관리하는 예측모델을 설계하여, 가격변동성을 적절히 대응 하고자 한다.
다양한 정보를 정량적으로 사용하기 위해 NLP기반 뉴스지표를 생성한다. 사용 알고리즘은 word2vec과 doc2vec을 활용한다. 유연탄 가격과 관련성이 높을 것으로 예상되는 경제인덱스를 수집하고, 상관분석을 통해 경제지표로 관리한다. 가격의 예측은 데이터의 시계열적 특징을 유지하되, 장기 예측이라는 특성을 고려하여 LSTM알고리즘을 활용한다.
현재 시점으로부터 6개월 이후의 유연탄 가격을 예측한 결과 MAPE 20% 이하의 예측결과를 얻을 수 있었다.
본 연구에서 제시된 방법에 의한 가격예측은 예측모델방법은 Loss의 검토결과 유효한 것으로 판단될 수 있으나, 자연어 처리 및 안정적 모델을 위한 후속 연구가 필요한 것으로 판단된다.
발전 연료인 유연탄의 가격을 사전에 예측하고 발전 원가를 절감함으로써 공공재로서의 전력가격 안정에 기여하고자 한다. 이를 위해 관리되기 어려운 수많은 종류의 정보를 시기적 효용에 맞도록 관리하는 예측모델을 설계하여, 가격변동성을 적절히 대응 하고자 한다.
다양한 정보를 정량적으로 사용하기 위해 NLP기반 뉴스지표를 생성한다. 사용 알고리즘은 word2vec과 doc2vec을 활용한다. 유연탄 가격과 관련성이 높을 것으로 예상되는 경제인덱스를 수집하고, 상관분석을 통해 경제지표로 관리한다. 가격의 예측은 데이터의 시계열적 특징을 유지하되, 장기 예측이라는 특성을 고려하여 LSTM알고리즘을 활용한다.
현재 시점으로부터 6개월 이후의 유연탄 가격을 예측한 결과 MAPE 20% 이하의 예측결과를 얻을 수 있었다.
본 연구에서 제시된 방법에 의한 가격예측은 예측모델방법은 Loss의 검토결과 유효한 것으로 판단될 수 있으나, 자연어 처리 및 안정적 모델을 위한 후속 연구가 필요한 것으로 판단된다.
We intend to contribute to stabilizing electric power prices as a public goods by predicting the price of bituminous coal, which is a generation fuel, and reducing the cost of electricity generation. To do this, we design a forecasting model that manages many types of information that are difficult ...
We intend to contribute to stabilizing electric power prices as a public goods by predicting the price of bituminous coal, which is a generation fuel, and reducing the cost of electricity generation. To do this, we design a forecasting model that manages many types of information that are difficult to manage to meet timely utility, and respond appropriately to price volatility.
Generate NLP-based news indicators to use various information quantitatively. Usage algorithms utilize word2vec and doc2vec. Economic indexes that are expected to be highly related to the price of bituminous coal are collected and managed as economic indicators through correlation analysis. The prediction of price maintains the time-series characteristics of the data, but utilizes the LSTM algorithm considering the characteristic of long-term prediction.
As a result of estimating the bituminous coal price after 6 months from the present point of view, the prediction result of MAPE was less than 20%.
The price prediction by the method proposed in this study can be judged to be valid as a result of the review of the forecasting model method, but it is considered that further study for natural language processing and stable model is needed.
We intend to contribute to stabilizing electric power prices as a public goods by predicting the price of bituminous coal, which is a generation fuel, and reducing the cost of electricity generation. To do this, we design a forecasting model that manages many types of information that are difficult to manage to meet timely utility, and respond appropriately to price volatility.
Generate NLP-based news indicators to use various information quantitatively. Usage algorithms utilize word2vec and doc2vec. Economic indexes that are expected to be highly related to the price of bituminous coal are collected and managed as economic indicators through correlation analysis. The prediction of price maintains the time-series characteristics of the data, but utilizes the LSTM algorithm considering the characteristic of long-term prediction.
As a result of estimating the bituminous coal price after 6 months from the present point of view, the prediction result of MAPE was less than 20%.
The price prediction by the method proposed in this study can be judged to be valid as a result of the review of the forecasting model method, but it is considered that further study for natural language processing and stable model is needed.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.