The Evolution of Probabilistic Price Forecasting Techniques: A Review of the Day-Ahead, Intra-Day, and Balancing Markets

📄 arXiv: 2511.05523v1 📥 PDF

作者: Ciaran O'Connor, Mohamed Bahloul, Steven Prestwich, Andrea Visentin

分类: q-fin.ST, cs.AI, stat.AP

发布日期: 2025-10-28

💡 一句话要点

综述概率性价格预测技术，解决电力市场不确定性问题，覆盖日前、日内和平衡市场。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 电力价格预测 概率预测 日前市场 日内市场 平衡市场 风险管理 可再生能源

📋 核心要点

  1. 传统电力价格预测方法侧重于点预测，无法有效量化可再生能源引入的不确定性。
  2. 本文综述了概率预测方法，从贝叶斯方法到保角预测，强调了在不确定性估计方面的改进。
  3. 研究范围扩展到日前、日内和平衡市场，分析了不同市场中预测面临的挑战和评估指标。

📝 摘要（中文）

电力价格预测已成为能源市场决策的关键工具，尤其是在可再生能源日益普及导致波动性和不确定性增加的情况下。 过去，该领域的研究主要集中在点预测方法上，这些方法提供单值预测，但无法量化不确定性。 然而，随着电力市场因可再生能源整合、智能电网和监管变化而发展，对概率预测的需求变得更加明显，它为风险评估和市场参与提供了一种更全面的方法。 本文回顾了概率预测方法，追溯了它们从贝叶斯和基于分布的方法，到分位数回归技术，再到保角预测的最新发展。 特别强调了概率预测的进步，包括侧重于有效性的方法，这些方法解决了不确定性估计中的关键限制。 此外，本综述还扩展到日前市场之外，包括日内市场和平衡市场，在这些市场中，较高的时间粒度和实时运营约束加剧了预测挑战。 我们研究了最先进的方法、关键评估指标和持续存在的挑战，例如预测有效性、模型选择以及缺乏标准化基准，为研究人员和从业人员提供了全面及时的资源，以应对现代电力市场的复杂性。

🔬 方法详解

问题定义：电力市场，特别是随着可再生能源渗透率的提高，价格波动性增加，传统的点预测方法无法提供充分的不确定性量化，导致风险评估和市场参与决策困难。现有方法缺乏对预测有效性的关注，并且缺乏标准化的基准进行模型选择和评估。

核心思路：本文的核心思路是全面回顾和分析概率性价格预测方法，从早期的贝叶斯和基于分布的方法，到分位数回归和保角预测等更先进的技术。通过分析这些方法的演变和优缺点，为研究人员和从业人员提供一个理解和选择合适预测方法的框架。特别强调了提高预测有效性的方法，即确保预测的不确定性区间能够可靠地覆盖实际价格。

技术框架：本文的综述框架主要包含以下几个阶段：1) 回顾早期的概率预测方法，如贝叶斯方法和基于分布的方法；2) 分析分位数回归技术及其在电力价格预测中的应用；3) 介绍保角预测及其在量化不确定性方面的优势；4) 将研究范围扩展到日前、日内和平衡市场，分析不同市场中的预测挑战；5) 讨论关键的评估指标，如预测有效性；6) 总结当前面临的挑战，如模型选择和缺乏标准化基准。

关键创新：本文的关键创新在于对概率性价格预测方法进行了全面的综述，并特别强调了预测有效性的重要性。与以往的综述相比，本文不仅涵盖了日前市场，还扩展到日内和平衡市场，分析了不同市场中预测面临的独特挑战。此外，本文还指出了当前研究中存在的不足，如缺乏标准化基准，为未来的研究方向提供了指导。

关键设计：本文作为一篇综述，并没有提出新的模型或算法。其关键设计在于对现有文献的系统性整理和分析，以及对不同方法优缺点的深入讨论。文章关注的关键技术细节包括：不同概率预测方法的数学原理、评估预测有效性的指标（如覆盖率）、以及在不同市场中应用这些方法时需要考虑的因素。

📊 实验亮点

本文重点回顾了概率预测方法，强调了预测有效性的重要性，并将其应用于日前、日内和平衡市场。文章分析了不同市场中预测面临的挑战，并讨论了关键的评估指标。此外，文章还指出了当前研究中存在的不足，如缺乏标准化基准，为未来的研究方向提供了指导。

🎯 应用场景

该研究成果可应用于电力市场的风险管理、交易策略制定和电网调度优化。通过提供更准确的概率性价格预测，可以帮助市场参与者更好地评估风险，制定更有效的交易策略，并提高电网的运行效率和稳定性。此外，该研究还有助于推动可再生能源的整合，促进电力市场的可持续发展。

📄 摘要（原文）

Electricity price forecasting has become a critical tool for decision-making in energy markets, particularly as the increasing penetration of renewable energy introduces greater volatility and uncertainty. Historically, research in this field has been dominated by point forecasting methods, which provide single-value predictions but fail to quantify uncertainty. However, as power markets evolve due to renewable integration, smart grids, and regulatory changes, the need for probabilistic forecasting has become more pronounced, offering a more comprehensive approach to risk assessment and market participation. This paper presents a review of probabilistic forecasting methods, tracing their evolution from Bayesian and distribution based approaches, through quantile regression techniques, to recent developments in conformal prediction. Particular emphasis is placed on advancements in probabilistic forecasting, including validity-focused methods which address key limitations in uncertainty estimation. Additionally, this review extends beyond the Day-Ahead Market to include the Intra-Day and Balancing Markets, where forecasting challenges are intensified by higher temporal granularity and real-time operational constraints. We examine state of the art methodologies, key evaluation metrics, and ongoing challenges, such as forecast validity, model selection, and the absence of standardised benchmarks, providing researchers and practitioners with a comprehensive and timely resource for navigating the complexities of modern electricity markets.