growing concern on achieving environmental sustainability and at the same time making economical savings has become a necessity in our society. The prices of different battery energy storage technologies together with PV cells are declining all around the globe which has led to the fact that there is an increased interest in investing and using these technologies to be able to reach environmental sustainability. The combined system however, must be accurately calculated both when it comes to the sizing and the different costs related to the combined system to be able to make an economical saving. This thesis addresses both of those aspects in Sweden where a residential building with roof-top installed PV system is assessed with a battery energy storage system. An investigation is necessary to be able to assess the different battery storage technologies available in the market today with their specific technical and economical specifications. The electricity market in Sweden, the role of the Distribution System Operator on the electricity pricing with different time tariffs and fuse size subscription, PV generation and battery specifications are investigated and modeled in this study. Sizing of the different battery technologies for the given system is accomplished through a methodology that is developed in this project for the Swedish system. The calculated size of the battery is then used in the Life Cycle Cost analysis, using Monte Carlo simulations for a chosen period of 25 years.Calculations shows that the most appropriate size for the battery system with the given parameters is 6 kWh for all the battery types investigated in this study. The size of the batteries is also shown to be mainly dependent on the charging/discharging time together with the set fuse size margin. Profitability of the Battery Energy Storage system is proven to be mainly dependent on the fuse size downgrade. Sulphur-Sodium battery result in the greatest savings while Vanadium Redox batteries in the least when sizing the batteries. Lithium-Ion battery technology however is most likely to result in the lowest Levelized Cost of Electricity, total- and cycle costs while the highest Net Present Value with 90 % probability in the Monte Carlo simulations. Lithium-Ion battery technology is also found to have the highest probability of having a positive NPV compared to the lowest probability for Sulphur-Sodium battery technology. Lead-Acid battery technology is however shown to have the least uncertainties compared to other Battery Energy Storage technologies due to its maturity. It is additionally shown that government subsidy plays a crucial role when investing in the battery storage system. However, even with the case of removed government subsidy, Lithium-Ion battery technology still results in the largest probability of having a positive NPV while Sulphur-Sodium battery technology results in the lowest probability of having a positive NPV. / Den växande oron för att uppnå miljömässig hållbarhet och samtidigt göra ekonomiska besparingar har blivit en nödvändighet i vårt samhälle. Priserna på olika energilagrings teknologier så som batterier tillsammans med PV-celler minskar runt om i världen vilket har lett till att det finns ett ökat intresse när det gäller att investera och använda dessa teknologier för att kunna nå miljömässig hållbarhet. Det kombinerade systemet måste dock noggrant beräknas både när det gäller storleken och de olika kostnaderna för det kombinerade systemet för att kunna göra en ekonomisk besparing. Denna avhandling behandlar båda dessa aspekter i Sverige där en bostadsbyggnad med takmonterat PV system utvärderas med ett batteri system. En undersökning är nödvändig för att kunna bedöma de olika batteri teknologier som finns tillgängliga på marknaden idag med sina specifika tekniska och ekonomiska specifikationer. Elmarknaden i Sverige, Distribution System Operatörs roll för elprissättning med olika tidstariffer och säkringsabonnemang, PV-generation och batterispecifikationer undersöks och modelleras i denna studie. Dimensionering av olika batteri teknologier för det givna systemet uppnås genom en metod som utvecklats i detta projekt för det svenska systemet. Den beräknade storleken på batteriet används sedan i livscykelkostnadsanalysen, med Monte Carlo-simuleringar under en vald period på 25 år. Beräkningar visar att den optimala storleken för batterisystemet med de angivna parametrarna är 6 kWh för alla batterityper som undersöktes i denna studie. Batteriets storlek visar sig också vara huvudsakligen beroende av laddning / urladdningstiden tillsammans med den inställda säkrings storleken. Lönsamheten hos batterilagringssystemet visar sig vara huvudsakligen beroende av säkringens nedgradering. Svavel-Natriumbatteriet resulterar i de största besparingarna medan Vanadium Redox batteriet i de minsta när dimensionering av batteriet äger rum. Litium-Ion batteriet är emellertid sannolikt att leda till den lägsta nivån av elkostnader, total- och cykelkostnader, medan det högsta nettoförsäljningsvärdet med 90% sannolikhet i Monte Carlo-simuleringarna. Litium-Ion batteriet befanns också ha den högsta sannolikheten att ha en positiv NPV jämfört med Svavel-Natriumbatteriet som resulterar i den lägsta sannolikheten. Lead-Acid batteriet visar sig ha den minsta osäkerheten i jämförelse med andra batterilagrings teknologier på grund av dess mognad. Det framgår dessutom att statlig subvention spelar en avgörande roll när man investerar i ett batteri lagrings system. Dock även med borttagna statliga subventioner, resulterar Litium-Ion batteriet fortfarande största sannolikheten för att ha en positiv NPV, medan Svavel-Natriumbatteriet resulterar den lägsta sannolikheten för att ha en positiv NPV.

This thesis examines how an econometric model, which allows for simultaneity, performs when estimating electricity supply and demand on the Swedish aggregated electricity market, divided into its four price areas. Previous research and theory points to the importance of taking simultaneity into consideration when estimating simultaneous equation models. The purpose of the thesis is to clarify whether a simultaneous equation model is adequate for estimation of the Swedish electricity market. To answer the question, the existence of simultaneity between electricity price and quantity (produced and consumed electricity) is examined. Regression analyses are performed for each price area and the coefficients are estimated with 2SLS, while Hausman tests and F-tests are carried out to unveil potential simultaneity. The results show that the performance of the model of the thesis varies: the coefficients of the price variables in the demand functions are never statistically significant, while the coefficients of the monthly dummy variables in most cases have expected signs and are statistically significant, especially during summer. Regarding the supply side, the results show that net export have the expected positive statistically significant effect on quantity of electricity supplied in price areas 2, 3, and 4, while the signs and significance of the coefficients of the price variables varies. A price increase in area 3 has a statistically significant positive effect on supply in all areas, while the price of area 4 has a statistically significant negative effect on supply in area 3 and 4. A price increase in area 1 leads to a statistically significant positive effect on supply only in area 2, while such a change in the price of area 2 is associated with a statistically significant decrease of the supply in that same area. As to simultaneity between price and quantity demanded, the Hausman tests gives sufficient evidence to conclude that simultaneity exists in all price areas. Similarly, on the supply side the performed F-tests result in clear evidence of existence of simultaneity. / Denna uppsats undersöker hur en ekonometrisk modell som tar hänsyn till simultanitet presterar vid estimering av utbjuden och efterfrågad kvantitet av elektricitet på den svenska aggregerade elmarknaden, uppdelad efter de fyra elområdena. Tidigare forskning och teori visar på betydelsen av att ta simultanitet i beaktning när simultana ekvationsmodeller estimeras. Uppsatsen syftar till att klarlägga om en simultan ekvationsmodell är lämplig för estimering av den svenska elmarknaden. För att få svar på frågan undersöks om det förekommer simultanitet mellan elpris och kvantitet (producerad och konsumerad el). Regressionsanalyser utförs för varje elområde och koefficienterna skattas med hjälp av 2SLS, medan Hausmantest och F-test utförs för att upptäcka eventuell simultanitet. Uppsatsens modell levererar varierande resultat: i efterfrågeekvationerna är prisvariabeln aldrig statistiskt signifikant medan månadsvariablerna i de flesta fall har förväntat tecken och är statistiskt signifikanta, framför allt under sommarhalvåret. För utbudssidan visar resultatet att nettoexport har väntad positiv statistiskt signifikant effekt på utbjuden kvantitet i elområde 2, 3 och 4, medan tecken och signifikans för prisvariablernas koefficienter varierar. En ökning av priset i område 3 leder till en statistiskt signifikant utbudsökning i alla områden, medan priset i område 4 har en statistiskt signifikant negativ effekt på utbudet i område 3 och 4. En prisökning i elområde 1 leder endast till en statistiskt signifikant positiv utbudsökning i område 2, medan en prisökning i elområde 2 i stället endast leder till en statistiskt signifikant utbudsminskning i samma område. Vad gäller simultanitet mellan pris och kvantitet på efterfrågesidan visar Hausmantesten att det finns tillräckligt starka statistiska bevis för att påstå att simultanitet förekommer i alla elområden. Även för utbudssidan resulterar de utförda F-testen i tydliga bevis för förekomst av simultanitet.

High electricity prices have become the title of several news articles recently in Sweden and the prices have experienced large sudden fluctuations during certain periods. In this thesis work, a smart control model for the electricity usage in three different households has been developed with the main purpose to minimize the electricity cost. This has been implemented by using mixed-integer linear programming (MILP) to optimize the cost 24 hours ahead, and by forecasting two of the main inputs; the load and the electricity spot prices for bidding zone three (SE3) in Sweden. The units included in the model are the photovoltaic system, the batteries, the electricity consumption in the house and the electric vehicles. However, the main task of the smart control was to determine when and in which amount the energy should flow from one unit to another, or to/from the grid. In other words, it decides the charging/discharging of the batteries, the selling/buying of electricity and the charging of the electric vehicle (EV). Different amounts of cost savings/profits have been obtained when applying the smart control on the three houses, which have different annual consumption, capacities of the components, heating systems and more. The results showed that it is most optimal to run the model between the time interval 13.00-00.00, when the spot prices for the next day are known, in order to avoid the remarkable impact accompanied with the use of forecasted electricity prices as input to the model. The forecasting of the load is, on the other hand, required to run the model, but this thesis showed that the effect of the uncertainties in this forecast is relatively small. Three types of machine learning methods were implemented to perform the forecasts, namely linear regression (LR), decision tree regression and random forest regression. After measuring especially the mean absolute error (MAE) to validate the results, the random forest regression showed the least error and the other methods showed close results when looking at the electric load prognosis.

Pumped hydro energy storages commonly plan their operations on short-term forecasts of the upcoming electricity prices, meaning that errors in these forecasts would entail suboptimal operations of the energy storage. Despite the high investment costs of pumped hydro energy storages, few studies take a holistic approach to the uncertainties involved in such investment decisions. The aim of this study is to investigate how forecast errors in electricity prices affect the chosen size configuration in investment decisions for pumped hydro energy storages. Moreover, sizing decisions are made in the long-term and involve long-term uncertainties in electricity prices. A robust decision-making framework including long-term electricity price scenarios is therefore used to evaluate the effects of including forecast errors in the sizing decision. By simulating the day-to-day operation of the energy storage with short-term forecasts, the effects of including the errors are compared to using perfect information. Using this approach, the most robust capacity is shown to increase by 25 MW, from 2 375 MW to 2 400 MW, when including forecast errors instead of assuming perfect information in the simulations. This indicates that the deviations in short-term forecasts require the pumped hydro energy storage operator to be more flexible in their operations, thus requiring a higher capacity. In addition, the profitability of the energy storage decreased significantly when including forecast errors in the simulations, showing the importance of taking the short-term forecast errors into account in sizing and investment decisions of pumped hydro energy storage. / Driften av pumpkraftverk optimeras med hjälp av kortsiktiga prognoser av elpriser, vilket innebär att fel i dessa prognoser leder till suboptimal drift. Trots att investeringar i pumpkraftverk är kostsamma, har få studier ett holistisk synsätt kring osäkerheter i investeringsbeslutet. Målet med denna studie är att undersöka hur kortsiktiga prognosfel i elpriser påverkar den optimala dimensionering av pumpkraftverk. Investeringsbeslut i pumpkraftverk är långsiktiga och kräver estimat av framtida elpriser, vars karakteristik är osäker. Ett ramverk som bygger på robust beslutstagande, med scenarier över framtida elpriser, används därför för att bedöma effekten av att inkludera kortsiktiga prognosfel i investeringsbeslutet. Genom att simulera den dagliga driften av energilager, undersöks effekten av att inkludera prognosfel jämfört med perfekt information. Med detta tillvägagångsätt ökade den mest robusta kapaciteten med 25 MW, från 2 375 MW till 2 400 MW, när prognosfel inkluderades. Detta visar på att fel i kortsiktiga prognoser kräver pumpkraftverket av vara mer flexibelt, vilket ges av höjdkapacitet. Lönsamheten minskade också signifikant när prognosfel inkluderades, vilket visar på vikten av att ta hänsyn till kortsiktiga prognosfel i beslut kring dimensionering och investering av pumpkraftverk.

Introducing more intermittent renewable energy sources in the energy system makes the role of balancing power more important. Furthermore, an increased infeed from intermittent renewable energy sources also has the effect of creating lower and more volatile electricity prices. Hence, investing in balancing power is prone to high risks with respect to expected profits, which is why a good representation of electricity prices is vital in order to motivate future investments. We propose a stochastic multi-factor model to be used for simulating the long-run dynamics of electricity prices as input to investment valuation of power generation assets. In particular, the proposed model is used to assess the impact of electricity price dynamics on investment decisions with respect to balancing power generation, where a combined heat and power plant is studied in detail. Since the main goal of the framework is to create a long-term representation of electricity prices so that the distributional characteristics of electricity prices are maintained, commonly cited as seasonality, mean reversion and spikes, the model is evaluated in terms of yearly duration which describes the distribution of electricity prices over time. The core aspects of the framework are derived from the mean-reverting Pilipovic model of commodity prices, but where we extend the assumptions in a multi-factor framework by adding a functional link to the supply- and demand for power as well as outdoor temperature. On average, using the proposed model as a way to represent future prices yields a maximum 9 percent overand underprediction of duration respectively, a result far better than those obtained by simpler models such as a seasonal profile or mean estimates which do not incorporate the full characteristics of electricity prices. Using the different aspects of the model, we show that variations of electricity prices have a large impact on the investment decision with respect to balancing power. The realized value of the flexibility to produce electricity in a combined heat and power plant is calculated, which yields a valuation close to historical realized values. Compared with simpler models, this is a significant improvement. Finally, we show that by including characteristics such as non-constant volatility and spiky behavior in investment decisions, the expected value of balancing power generators, such as combined heat and power plants, increases. / I takt med att fler intermittenta förnyelsebara energikällor tillför el i dagens energisystem, blir också balanskraftens roll i dessa system allt viktigare. Vidare så har en ökning av andelen intermittenta förnyelsebara energikällor även effekten att de bidrar till lägre men också mer volatila elpriser. Därmed är även investeringar i balanskraft kopplade till stora risker med avseende på förväntade vinster, vilket gör att en god representation av elpriser är central vid investeringsbeslut. Vi föreslår en stokastisk flerfaktormodell för att simulera den långsiktiga dynamiken i elpriser som bas för värdering av generatortillgångar. Mer specifikt används modellen till att utvärdera effekten av elprisers dynamik på investeringsbeslut med avseende på balanskraft, där ett kraftvärmeverk studeras i detalj. Eftersom huvudmålet med ramverket är att skapa en långsiktig representation av elpriser så att deras fördelningsmässiga karakteristika bevaras, vilket i litteraturen citeras som regression mot medelvärde, säsongsvariationer, hög volatilitet och spikar, så utvärderas modellen i termer av årlig prisvaraktighet som beskriver fördelningen av elpriser över tid. Kärnan i ramverket utgår från Pilipovic-modellen av råvarupriser, men där vi utvecklar antaganden i ett flerfaktorramverk genom att lägga till en länkfunktion till tillgång- och efterfrågan på el samt utomhustemperatur. Vid användande av modellen som ett sätt att representera framtida priser, fås en maximal över- och underprediktion av prisvaraktighet om 9 procent, ett resultat som är bättre än det som ges av enklare modellering såsom säsongsprofiler eller enkla medelvärdesestimat som inte tar hänsyn till elprisernas fulla karakteristika. Till sist visar vi med modellens olika komponenter att variationer i elpriser, och därmed antaganden som används i långsiktig modellering, har stor betydelse med avseende på investeringsbeslut i balanskraft. Det realiserade värdet av flexibiliteten att producera el för ett kraftvärmeverk beräknas, vilket ger en värdering nära faktiska realiserade värden baserade på historiska priser och som enklare modeller inte kan konkurrera med. Slutligen visar detta också att inkluderandet av icke-konstant volatilitet och spikkarakteristika i investeringsbeslut ger ett högre förväntat värde av tillgångar som kan producera balanskraft, såsom kraftvärmeverk.

Zur Umsetzung der Energiewende ist in den kommenden Jahren ein substantieller Netzausbau notwendig, der jedoch regional unterschiedlich stark ausfallen wird. Nach gegenwärtiger Gesetzeslage werden die folglich sehr unterschiedlich hohen Netzkosten von den Endkunden des jeweiligen Netzgebietes über die Netznutzungsentgelte getragen. Mittels eines detaillierten Modells der Kostenbestandteile der Netzkosten in den einzelnen Regionen wurden unter Berücksichtigung des erwarteten Netzausbaus sowie der demographischen Entwicklung die Netznutzungsentgelte, geschlüsselt nach den Kundengruppen Haushalt und Gewerbe sowie Industrie bis zum Jahr 2023 prognostiziert. Die anschließende Analyse eines bundesweiten Wälzens von Übertragungs- und Verteilungsnetzbestandteilen der Entgelte kommt zu dem Ergebnis, dass in Zukunft neben den ostdeutschen Flächenländern auch die Küstenländer Schleswig-Holstein und Niedersachsen sowie Teile Bayerns von einem bundeseinheitlichen Entgelt profitieren würden. Dabei stellt sich eine asymmetrische Verteilung von Be- und Entlastungen dar. Den zum Teil erheblichen jährlichen Entlastungen von bis zu 130 EUR pro 3-Personenhaushalt stehen in den süd- und westdeutschen Flächenländern vergleichsweise geringe Mehrbelastungen von maximal 30 EUR gegenüber. Gleichzeitig zeigt die Analyse, dass ein alleiniges Wälzen der Übertragungsnetzkosten zum heutigen Stand für Industriekunden in Ostdeutschland zwar merkliche Entlastungen mit sich bringen würde, diese aber zukünftig abnehmen und im Haushaltskundenbereich sehr gering ausfallen. Insgesamt lässt sich aus den Ergebnissen der Analyse schlussfolgern, dass die regionale Ungleichverteilung der Netzkosten tendenziell zunimmt und es Regionen in Deutschland gibt, in denen hohe Netzausbaukosten, eine negative demographische Entwicklung und eine geringe Kaufkraft zusammentreffen und so Privathaushalte sowie Industriebetriebe stark belasten.

With the aim for higher economical efficiency, considerable and radical changes have occurred in the worldwide electricity sector since the beginning of 1980s. By that time, the electricity sector has been controlled by the state-owned vertically integrated monopolies which manage and control all generation, transmission, distribution and retail activities and the consumers buy electricity with a price set by these monopolies in that system. After the liberalization and restructuring of the electricity power sector, separation and privatization of these activities have been widely seen. The main purpose is to ensure competition in the market where suppliers and consumers compete with each other to sell or buy electricity from the market and the consumers buy the electricity with a price which is based on competition and determined according to sell and purchase bids given by producers and customers rather than a price set by the government. Due to increasing competition in the electricity market, accurate electricity price forecasts have become a very vital need for all market participants. Accurate forecast of electricity price can help suppliers to derive their bidding strategy and optimally design their bilateral agreements in order to maximize their profits and hedge against risks. Consumers need accurate price forecasts for deriving their electricity usage and bidding strategy for minimizing their utilization costs. This thesis presents the determination of system day ahead price (SGOF) at the day ahead market and system marginal price (SMF) at the balancing power market in detail and develops artificial neural network models together with multiple linear regression models to forecast these electricity prices in Turkish electricity market. Also the methods used for price forecasting in the literature are discussed and the comparisons between these methods are presented. A series of historical data from Turkish electricity market is used to understand the characteristics of the market and the necessary input factors which influence the electricity price is determined for creating ANN models for price forecasting in this market. Since the factors influencing SGOF and SMF are different, different ANN models are developed for forecasting these prices. For SGOF forecasting, historical price and load values are enough for accurate forecasting, however, for SMF forecasting the net instruction volume occurred due to real time system imbalances is needed in order to increase the forecasting accuracy.

Der zur Umsetzung der Energiewende notwendige Netzausbau fällt regional sehr unterschiedlich hoch aus. Durch die bestehende Entgeltsystematik ergeben sich hierbei potentielle Mehrbelastungen für Stromkunden in Regionen mit einem hohen Anteil an Erneuerbaren Energien. Aktuell sind vor allem in den neuen Bundesländern höhere Entgelte zu verzeichnen. Im Rahmen dieses Kurzgutachtens werden mittels eines detaillierten Modells der Netzkosten auf den unterschiedlichen Spannungsebenen nach Landkreisen aufgeschlüsselte Netznutzungsentgelte bis zum Jahr 2024 prognostiziert. Darüber hinaus werden fünf Anpassungsvarianten der bestehenden Entgeltsystematik quantitativ analysiert und diskutiert:  Einheitliches Übertragungsnetzentgelt  Streichung der vermiedenen Netznutzungsentgelte für dargebotsabhängige Erzeuger  Preiskorridore für Endkundenentgelte  Bundeseinheitliche Entgelte für Endkunden  Wälzen der durch Erneuerbare Energien (EE) bedingten Verteilernetzkosten Aus den Analysen ergeben sich vor allem für die Varianten Entgeltkorridore, bundeseinheitliche Entgelte sowie für das Wälzen der EE-bedingten Verteilernetzkosten signifikante Entlastungseffekte für Kunden mit sehr hohen Entgelten bei moderater Mehrbelastung der übrigen Stromkunden. Obwohl die letzte Variante zu einer verursachungsgerechteren Kostenverteilung führen würde, ist deren Umsetzbarkeit äußerst fraglich. Erste Maßnahmen um ein Auseinanderdriften der Entgelte abzuschwächen, die deutlich einfacher umzusetzen sind, wären die Einführung eines einheitlichen Übertragungsnetzentgelts sowie die Streichung vermiedener Netznutzungsentgelte für dargebotsabhängige Erzeuger.

Zur Umsetzung der Energiewende ist in den kommenden Jahren ein substantieller Netzausbau notwendig, der jedoch regional unterschiedlich stark ausfallen wird. Nach gegenwärtiger Gesetzeslage werden die folglich sehr unterschiedlich hohen Netzkosten von den Endkunden des jeweiligen Netzgebietes über die Netznutzungsentgelte getragen. Mittels eines detaillierten Modells der Kostenbestandteile der Netzkosten in den einzelnen Regionen wurden unter Berücksichtigung des erwarteten Netzausbaus sowie der demographischen Entwicklung die Netznutzungsentgelte, geschlüsselt nach den Kundengruppen Haushalt und Gewerbe sowie Industrie bis zum Jahr 2023 prognostiziert. Die anschließende Analyse eines bundesweiten Wälzens von Übertragungs- und Verteilungsnetzbestandteilen der Entgelte kommt zu dem Ergebnis, dass in Zukunft neben den ostdeutschen Flächenländern auch die Küstenländer Schleswig-Holstein und Niedersachsen sowie Teile Bayerns von einem bundeseinheitlichen Entgelt profitieren würden. Dabei stellt sich eine asymmetrische Verteilung von Be- und Entlastungen dar. Den zum Teil erheblichen jährlichen Entlastungen von bis zu 130 EUR pro 3-Personenhaushalt stehen in den süd- und westdeutschen Flächenländern vergleichsweise geringe Mehrbelastungen von maximal 30 EUR gegenüber. Gleichzeitig zeigt die Analyse, dass ein alleiniges Wälzen der Übertragungsnetzkosten zum heutigen Stand für Industriekunden in Ostdeutschland zwar merkliche Entlastungen mit sich bringen würde, diese aber zukünftig abnehmen und im Haushaltskundenbereich sehr gering ausfallen. Insgesamt lässt sich aus den Ergebnissen der Analyse schlussfolgern, dass die regionale Ungleichverteilung der Netzkosten tendenziell zunimmt und es Regionen in Deutschland gibt, in denen hohe Netzausbaukosten, eine negative demographische Entwicklung und eine geringe Kaufkraft zusammentreffen und so Privathaushalte sowie Industriebetriebe stark belasten.

In a deregulated electricity market, offering the appropriate amount of electricity at the right time with the right bidding price is of paramount importance. The forecasting of electricity market clearing price (MCP) is a prediction of future electricity price based on given forecast of electricity demand, temperature, sunshine, fuel cost, precipitation and other related factors. Currently, there are many techniques available for short-term electricity MCP forecasting, but very little has been done in the area of mid-term electricity MCP forecasting. The mid-term electricity MCP forecasting focuses electricity MCP on a time frame from one month to six months. Developing mid-term electricity MCP forecasting is essential for mid-term planning and decision making, such as generation plant expansion and maintenance schedule, reallocation of resources, bilateral contracts and hedging strategies. Six mid-term electricity MCP forecasting models are proposed and compared in this thesis: 1) a single support vector machine (SVM) forecasting model, 2) a single least squares support vector machine (LSSVM) forecasting model, 3) a hybrid SVM and auto-regression moving average with external input (ARMAX) forecasting model, 4) a hybrid LSSVM and ARMAX forecasting model, 5) a multiple SVM forecasting model and 6) a multiple LSSVM forecasting model. PJM interconnection data are used to test the proposed models. Cross-validation technique was used to optimize the control parameters and the selection of training data of the six proposed mid-term electricity MCP forecasting models. Three evaluation techniques, mean absolute error (MAE), mean absolute percentage error (MAPE) and mean square root error (MSRE), are used to analysis the system forecasting accuracy. According to the experimental results, the multiple SVM forecasting model worked the best among all six proposed forecasting models. The proposed multiple SVM based mid-term electricity MCP forecasting model contains a data classification module and a price forecasting module. The data classification module will first pre-process the input data into corresponding price zones and then the forecasting module will forecast the electricity price in four parallel designed SVMs. This proposed model can best improve the forecasting accuracy on both peak prices and overall system compared with other 5 forecasting models proposed in this thesis.