<p>I denna uppsats undersöks om terminspriset på el är snedvridet jämfört med det framtida spotpriset. Undersökningen har fokuserats på elmarknaden och den prissättning som sker på den Nordiska elbörsen, Nord Pool. Först presenteras en teori om varför det finns en derivatamarknad och vilken betydelse den har. Vidare så förklaras vad som menas med spot- respektive terminspris och därefter förklaras hur de förhåller sig till varandra utifrån ekonomisk teori. Sedan introduceras hur marknaden fungerar på Nord Pool och hur prissättningen sker av spot- och terminspriset. Detta följs upp med hur det går till rent praktiskt att handla med ett terminskontrakt i form av ett futureskontrakt. Olika ekonometriska tester kommer sedan att utföras för att se på variablernas underliggande trender och slutligen undersöks huruvida futurespriset är en snedvriden skattning av framtida spotpris. Datamaterialet som har använts är veckovisa observationer från vecka 1, 1996 till vecka 41, 2007. Resultatet visar på att futurespriset är en snedvriden skattning av framtida spotpris då futurespriset i genomsnitt visade sig vara högre än framtida spotpris.</p>

No description available.

I denna uppsats undersöks om terminspriset på el är snedvridet jämfört med det framtida spotpriset. Undersökningen har fokuserats på elmarknaden och den prissättning som sker på den Nordiska elbörsen, Nord Pool. Först presenteras en teori om varför det finns en derivatamarknad och vilken betydelse den har. Vidare så förklaras vad som menas med spot- respektive terminspris och därefter förklaras hur de förhåller sig till varandra utifrån ekonomisk teori. Sedan introduceras hur marknaden fungerar på Nord Pool och hur prissättningen sker av spot- och terminspriset. Detta följs upp med hur det går till rent praktiskt att handla med ett terminskontrakt i form av ett futureskontrakt. Olika ekonometriska tester kommer sedan att utföras för att se på variablernas underliggande trender och slutligen undersöks huruvida futurespriset är en snedvriden skattning av framtida spotpris. Datamaterialet som har använts är veckovisa observationer från vecka 1, 1996 till vecka 41, 2007. Resultatet visar på att futurespriset är en snedvriden skattning av framtida spotpris då futurespriset i genomsnitt visade sig vara högre än framtida spotpris.

In this report six different models for predicting the electrical spot price on the Nordic power exchange, Nord Pool, are developed and compared. They are evaluated against the already existing model as well as the naive test, which is a forecast where the last week’s observations are used as a prognosis for the coming week. The models developed are constructed so that the models for different time resolutions are combined to create a full model. Harmonic regression with a linear trend are used to identify a yearly trend while SARIMAX/SARIMA time series models are used on a daily and hourly basis to reveal dependencies in the data.   The model with the best prediction performance is shown to be a SARIMAX model with temperature as exogenous variable on a daily resolution, together with a SARIMA model on an hourly resolution. With an average MAPE of 12.69% and a MAPE2 of 6.90% it has the smallest prediction error out of all of the competing models when doing one week forecasts on the whole year 2009.

Idag är det möjligt att koppla upp utrustningar mot nätet hemma och ha ett Smart Hem. Ett hushåll har två elavtal, elnät och elhandel. Elnät är bunden till området man bor och kan inte bytas ut, men det är annorlunda med elhandel. Hos elhandel vill man ha det lägsta priset på el och det är där timpris spelar roll. Elkostnader kan bli höga och för att minska kostnaderna samt använda grön energi har detta examensprojekt tagit fram ett system som ska kunna informera en användare om spotpriset respektive väder. Projektet har använt sig av Android Studio (front-end), Firebase Realtime database och ett javaprogram (back-end). Med Grönt Väders API och Google Maps Geocoding API har data om användaren, elpriser och väder samlats i databasen. Resultatet av projektet blev en mobilapplikation som visar information om dagens elpris, väder och andra faktorer som hjälper ett hushåll med egenproducerad energi att följa. Dock kunde elpriser inte jämföras med vädret. För vidareutveckling hade back-end kunnat vara på en Raspberry Pi där man kopplar en vitvara som man kan styra i framtiden. / Today it is possible to connect equipment to the network at home and have a Smart Home. A household has two electricity agreements, electricity networks and electricity trading. Electricity network is tied to the area you live and cannot be changed, but electricity trading is a different matter. In electricity trading, what you want is the lowest price and that is where the hourly rate matters. Electricity costs can be high and to reduce costs and use green energy, this degree project has developed a system that will inform a user about the spot price and weather. The project has used Android Studio (front-end), Firebase Realtime database and a Java program (back-end). With the Green Weather API and the Google Maps Geocoding API has information about the user, electricity prices and weather been collected in the database. The results in this project was an app that showed electricity prices of the day, weather and other factors that helps a household with self-produced energy to follow. However, electricity prices could not be compared with weather. Further development would be to have the back-end running on a Raspberry Pi where appliances could be controlled in the future.

Market prices in the liberalized European electricity system play a crucial role in promoting competition, ensuring grid stability, and maximizing profits for market participants. Accurate electricity price forecasting algorithms have, therefore, become increasingly important in this competitive market. However, existing evaluations of forecasting models primarily focus on overall accuracy, overlooking the underlying causality of the predictions. The thesis explores two state-of-the-art forecasters, the deep neural network (DNN) and the Lasso Estimated AutoRegressive (LEAR) models, in the EPEX-BE and Nord Pool markets. The aim is to understand if their predictions can be trusted in more general settings than the limited context they are trained in. If the models produce poor predictions in extreme conditions or if their predictions are inconsistent with reality, they cannot be relied upon in the real world where these forecasts are used in downstream decision-making activities. The results show that for the EPEX-BE market, the DNN model outperforms the LEAR model in terms of overall accuracy. However, the LEAR model performs better in predicting negative prices, while the DNN model performs better in predicting price spikes. For the Nord Pool market, a simpler DNN model is more accurate for price forecasting. In both markets, the models exhibit behaviours inconsistent with reality, making it challenging to trust the models’ predictions. Overall, the study highlights the importance of understanding the underlying causality of forecasting models and the limitations of relying solely on overall accuracy metrics. / Priserna på den liberaliserade europeiska elmarknaden spelar en avgörande roll för att främja konkurrens, säkerställa stabilitet i elnätet och maximera aktörernas vinster. Exakta prisprognoalgoritmer har därför blivit allt viktigare på denna konkurrensutsatta marknad. Existerande utvärderingar av prognosverktyg fokuserar emellertid på den övergripande noggrannheten och förbiser de underliggande orsakssambanden i prognoserna. Denna rapport utforskar två moderna prognosverktyg, DNN (Deep Neural Network) och LEAR (Lasso Estimated AutoRegressive) på elmarknaderna i Belgien respektive Norden. Målsättningen är att förstå om deras prognoser är pålitliga i mer allmänna sammanhang än det begränsade sammahang som de är tränade i. Om modellerna producerar dåliga prognoser under extrema förhållanden eller om deras prognoser inte överensstämmer med verkligheten så kan man inte förlita sig på dem i den verkliga världen, där prognoserna ligger till grund för beslutsfattande aktiviteter. Resultaten för Belgien visar att DNN-modellen överträffar LEAR-modellen när det gäller övergripande noggrannhet. LEAR-modellen presterar dock bättre när det gäller att förutse negativa priser, medan DNN-modellen presterar bättre när det gäller prisspikar. På den nordiska elmarknaden är en enklare DNN-modell mer noggrann för prisprognoser. På båda marknaden visar modellerna beteenden som inte överensstämmer med verkligheten, vilket gör det utmanande att lita på modellernas prognoser. Sammantaget belyser studien vikten av att förstå de underliggande orsakssambanden i prognosmodellerna och begränsningarna med att enbart förlita sig på övergripande mått på noggrannhet.

The rapid development of wind energy in Sweden created a volatile environment for the electricity market. Variance in the daily prices and the reductions of the average prices over the years due to the merit order effect of intermittent wind energy resulted in increased unpredictability in financial returns, which led to many wind projects being cancelled. In this thesis, in order to shed more light on the impact of wind energy development on spot prices, an artificial neural network (ANN) electricity price forecasting model is designed in order to predict Sweden’s four electricity regions Nord Pool Elspot day-ahead electricity spot market prices. The model's final result displayed a mean absolute error of 3.3398 €/MWh. In order for the model to be able to generalize better, a ridge regression regularizer is added to the ANN. Alternative wind scenarios for Sweden are introduced and their spot prices are predicted by the ANN model. The results show that each 10% increase in wind energy production leads to a 0.9% spot price reduction in the Nord Pool Swedish energy market prices.

Submitted by Kelson Anthony de Menezes (kelson@ucb.br) on 2016-12-09T12:13:15Z No. of bitstreams: 1 FernandaHellenadeLimaQueirozDissertacao2015.pdf: 1995292 bytes, checksum: 48b0df6bfef7ed36506303aa5b3a0dc8 (MD5) / Made available in DSpace on 2016-12-09T12:13:15Z (GMT). No. of bitstreams: 1 FernandaHellenadeLimaQueirozDissertacao2015.pdf: 1995292 bytes, checksum: 48b0df6bfef7ed36506303aa5b3a0dc8 (MD5) Previous issue date: 2015-12-16 / This dissertation presents regional economic co-operation as a facilitator for the development of energy governance strategies, focusing Brazil???s regional insertion in the continent???s Southern cone. The main goal of this Masters level dissertation is to analyse the practices made by Nordic???s model of electricity production & commercialisation (Nord Pool), establishing a paradigm between Brazil???s model in force and the interaction possibilities with Brazil???s neighbouring countries. The feasible strategies for the creation of optimal environments, the influence of economic co-operation in the negotiations carried on by South American countries and the guidelines of energy governance will also be analysed for the growth at the electricity supply levels (energy security), regional development and social welfare. / Esta disserta????o apresentou o tema da coopera????o econ??mica regional como facilitador para a elabora????o das estrat??gias de governan??a energ??tica que visa ?? inser????o regional do Brasil no Cone Sul. Teve-se por objetivo estudar as pr??ticas do modelo n??rdico de produ????o e comercializa????o de energia el??trica, denominado Nord Pool, na tentativa de ser estabelecida uma alternativa para o desenvolvimento do setor el??trico brasileiro que se encontra em estado cr??tico. De fato, o Brasil n??o ?? autossuficiente no que diz respeito ?? produ????o energia el??trica. Foram comentados os acordos eletroenerg??ticos j?? existentes e as possibilidades de integra????o regional com os pa??ses cont??guos ao Brasil, que permitem a concilia????o do desenvolvimento econ??mico com a preserva????o dos recursos naturais, por meio dos instrumentos de pol??tica governamental. Por isso, foi estabelecido um link entre a coopera????o econ??mica internacional, abordando as tratativas realizadas entre os pa??ses que possuem interesses comuns, e as diretrizes de governan??a energ??tica para o aumento da oferta de energia (seguran??a energ??tica), do desenvolvimento regional e do incremento do bem-estar social.

In the context of electricity, arbitrage trading involves taking advantage of existing price variations within electricity markets. The report conducted financial modelling for energy storage systems and demand-side load management for electricity arbitrage trading in single-family homes. The analysis included two different energy storage systems: a thermal energy storage system and a battery energy storage system. Additionally, electricity spot cost reduction was compared between electricity arbitrage trading and traditional energy efficiency measures such as air-to-water and ground-source heat pumps. The report's findings indicated that air-to-water and ground-source heat pumps emerged as the most economically viable choices for reducing electricity spot costs, irrespective of the studied electricity price area. The thermal energy storage system, employing an insulated hot water storage tank, ranked the third most efficient in achieving cost savings. The battery energy storage system, represented by a lithium home battery system, demonstrated the lowest rate of cost saving among the analyzed energy efficiency measures.  The financial modelling highlighted the economic potential for thermal energy storage systems, particularly in southern Sweden's electricity price areas SE3 and SE4. On the other hand, no economically viable options for battery energy storage systems were identified, regardless of the studied electricity price area. As a results, the report recommends utilizing thermal energy storage systems and implementing demand-side load management as strategies to hedge against future electricity price volatility.

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.