Electricity needs to be consumed when it is produced, making sure that supply closely meets demand at all times. To account for the rapidly changing operational status and the need for increasing the flexibility of power systems, financial instruments have been put in place creating markets where electricity is traded as a commodity across different time frames; from months or days to minutes before, or even after, planned delivery. In this work, the focus is placed on the short-term electricity markets and particularly on forecasting the intraday volume-weighted average price of the last three hours of trading of hourly power products. To this end, two state-of-the-art recurrent neural network architectures, namely the Temporal Fusion Transformer and the DeepAR network, are compared against well-established statistical models, such as the Linear Regression, ARX and SARIMAX models, with respect to their forecast accuracy on each of the 24 hourly delivery products. Two different experimental setups are applied, with one utilizing two input features drawn specifically from the findings of relevant literature and the other blindly exploiting all available streams of information in either their raw or aggregated form. All models are trained individually per hourly product per experimental setup to support a fair and decisive comparison, leading to 240 unique model instances being trained in total. Furthermore, the input feature importance is inferred by exploiting the inbuilt attention mechanism of the Temporal Fusion Transformer architecture. Finally, by using various realworld historical market data originating from the Nord Pool power exchange as well as from the Svenska Kraftnät, available up until the day of delivery, it is shown that the statistical models outperform both contemporary neural network architectures, with the latter suffering from the inability to generalize to elevated price levels—which are absent from the training dataset. / El måste förbrukas när den produceras, och se till att utbudet alltid motsvarar efterfrågan. För att ta hänsyn till den snabbt föränderliga operativa statusen och behovet av att öka flexibiliteten i kraftsystemen har finansiella instrument införts för att skapa marknader där el handlas som en vara över olika tidsramar; från månader eller dagar till minuter före, eller till och med efter, planerad leverans. I detta arbete läggs fokus på de kortsiktiga elmarknaderna och särskilt på att prognostisera det intradagsvolymvägda genomsnittspriset för de senaste tre timmarnas handel med timkraftprodukter. För detta ändamål jämförs två toppmoderna återkommande neurala nätverksarkitekturer, nämligen Temporal Fusion Transformer och DeepAR-nätverket, mot väletablerade statistiska modeller, såsom modellerna Linear Regression, ARX och SARIMAX, med avseende på deras prognosnoggrannhet för var och en av 24-timmarsleveransprodukterna. Två olika experimentella uppsättningar tillämpas, där den ena använder två indatafunktioner som hämtats specifikt från resultaten av relevant litteratur och den andra utnyttjar blint alla tillgängliga informationsströmmar i antingen deras råa eller aggregerade form. Alla modeller tränas individuellt per timprodukt per experimentuppställning för att stödja en rättvis och avgörande jämförelse, vilket leder till att 240 unika modellinstanser tränas totalt. Dessutom härleds ingångsfunktionens betydelse genom att utnyttja den inbyggda uppmärksamhetsmekanismen i Temporal Fusion Transformer-arkitekturen. Slutligen, genom att använda olika verkliga historiska marknadsdata från elbörsen Nord Pool såväl som från Svenska Kraftnät, tillgängliga fram till leveransdagen, visas att de statistiska modellerna överträffar både moderna neurala nätverksarkitekturer, med sistnämnda lider av oförmågan att generalisera till förhöjda prisnivåer — som saknas i utbildningsdataset.

The high penetration of renewable energies (RE) in power systems is increasing the volatile production on the generation side and the presence of distributed energy resources (DER) over the territory. On the other hand, Virtual Power Plants (VPPs) are an aggregation of DER managed as a single entity to promote flexibility services to power systems. Therefore, VPPs are a valid approach to cope with the arising challenges in the power system related to RE penetration. This report defines the concept of a utility-scale VPP, as a tool to stabilize the grid and increase the flexibility capacity in power systems. For this purpose, the report places special emphasis in the use cases that can be developed with a utility-scale VPP. Nevertheless, implementing a utility-scale VPP is a complex procedure, as VPP solutions are highly customizable depending on the scope and the conditions of each project. For this reason, this report analyses the main factors that must be taken into account when implementing a VPP solution. The report concludes that the two most critical factors that define the viability of a VPP project are, first, the energy market design and regulatory framework and second, the technical requirements. These two must always align with the scope of the project and the use cases intended to be developed. Further, other minor factors, including a cost estimate for a VPP solution, are also considered in the report. / Den höga penetrationen av förnybara energier i kraftsystem ökar den flyktiga produktionen på produktionssidan och närvaron av distribuerade energiresurser över territoriet. Å andra sidan är virtuella kraftverk en sammanställning av distribuerade energiresurser som hanteras som en enda enhet för att främja flexibilitetstjänster till kraftsystem. Därför är virtuella kraftverk: er en giltig strategi för att hantera de uppkomna utmaningarna i kraftsystemet relaterat till förnybara energier genomslag. I denna rapport definieras konceptet med en virtuella kraftverk verktygsskala som ett verktyg för att stabilisera nätet och öka flexibilitetskapaciteten i kraftsystem. För detta ändamål lägger rapporten särskild tonvikt på användningsfall som kan utvecklas med en virtuella kraftverk-nytta. Trots det är implementering av en virtuella kraftverknyckelskala en komplex procedur, eftersom virtuella kraftverk-lösningar är mycket anpassningsbara beroende på omfattning och villkor för varje projekt. Av denna anledning analyserar denna rapport de viktigaste faktorerna som måste beaktas vid implementering av en VPP-lösning. Rapporten drar slutsatsen att de två mest kritiska faktorerna som definierar ett virtuella kraftverk projekts livskraft är, dels energimarknadens utformning och regelverk och för det andra de tekniska kraven. Dessa två måste alltid anpassa sig till projektets omfattning och användningsfall som är avsedda att utvecklas. Vidare beaktas även andra mindre faktorer, inklusive en kostnadsuppskattning för en virtuella kraftverk lösning, i rapporten.