Ik ben er mee aan de slag gegaan met een treshhold van 14 GW, maar ik kreeg er geen tevreden gevoel bij. Ik kreeg de afwijking met de epex niet echt omlaag, sommige pieken werden goed gevangen, maar ook redelijk wat pieken werden gemist. Ik heb het maar op een andere boeg gegooid.
Startpunt was de scattercloud van alle datapunten vanaf 28 okt.
Hierin zie ik een curve met 2 knikken. In plaats van te proberen een lineaire regressie toe te passen, heb ik gekozen voor een 3de orde polynominale regressie. Ik heb 10 representatieve punten gekozen die op de curve liggen die ik meen te herkennen, en door een simpel online tooltje coor curve fitting gehaald
https://mycurvefit.com/. Dit gaf een curve die redelijk lijkt aan te sluiten op de scattercloud van hierboven.
En daar komt de volgende formule uit:
indicatief tarief (ct) = -1.213681 + 3,397457 * RU -0.3890542 * RU^2 + 0.01558156 * RU^3
met RU = load (GW) - wind opwek (GW) - 0.3 * zon opwek (GW)
Wat betekenen die getallen? Nou, helemaal niets, het zijn gewoon door regressie bepaalde constantes die de curve van hierboven representeren, Als ik dit loslaat op mijn dataset dan krijg ik het volgende plaatje. Hierin is de rode curve de forecast uit mijn post van vanochtend, de groene is de nieuwe forecast op basis van bovenstaande formule. En blauw zijn de daadwerkelijke kale epex tarieven.
De afwijking t.o.v. de epex tatieven voor de groene curve lijkt best hoopgevend, nl. 1.5 ct voor het plaatje wat je hier ziet en 1.7 ct voor de hele dataset vanaf 28 okt. Ik zie in de dataset 2 grote afwijkingen, namelijk op 13 nov (gemist nul tarief, deze fit voorspelde 6 ct) en 24 nov (gemiste hoge piek van 28 ct kaal tarief waar deze fit 11 ct voorspelde). Maar op 23 nov en 25 nov waren ook erg hoge pieken en die zijn wel goed voorspeld.
Ik ben nu benieuwd of de hoge piek a.s. donderdagavond 17u en de lage tarieven op woensdagnacht 04u en vrijdagnacht 04u ook gaan zien (onder voorbehoud dat het weer niet omslaat).