OrderFusion: Encoding Orderbook for End-to-End Probabilistic Intraday Electricity Price Forecasting
تقدم هذه الورقة البحثية نموذج OrderFusion، وهو نموذج تنبؤ احتمالي شامل المعلمات وفعال من حيث عدد المعلمات، يستخدم منهجية دمج أوامر مبتكرة لالتقاط هيكل التفاعل الكامل لدفاتر طلبات الكهرباء المستمرة خلال اليوم، مما يجعله يتفوق على النماذج المرجعية التقليدية في التنبؤ بالأسعار عبر ظروف سيولة السوق المتغيرة مع ضمان تقديرات كمية غير متقاطعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إليك شرح لورقة "OrderFusion" باستخدام لغة بسيطة وتشبيهات إبداعية.
الصورة الكبيرة: التنبؤ بالسعر التالي للكهرباء
تخيل سوق الكهرباء ليس كمصنع ضخم، بل كـ دار مزادات عبر الإنترنت صاخبة لا تنام أبدًا. على عكس سوق "اليوم التالي" (Day-Ahead)، الذي يشبه مزادًا مجدولًا حيث يزايد الجميع مرة واحدة في اليوم، فإن سوق اليوم المستمر (CID) يشبه بورصة أسهم حية وفوضوية؛ حيث يصرخ المشترون والبائعون باستمرار بأسعار وكميات جديدة، محاولين تعديل مراكزهم حتى اللحظة التي يتم فيها تسليم الكهرباء فعليًا.
الهدف من هذه الورقة هو بناء "بلورة سحرية" يمكنها التنبؤ بسعر الكهرباء في الساعات القليلة القادمة. ولكن بدلاً من مجرد تخمين رقم واحد (مثل: "سيكون 50 دولارًا")، يريد المؤلفون التنبؤ بـ نطاق من الاحتمالات (مثل: "من المرجح أن يكون بين 45 و55 دولارًا، ولكنه قد يقفز إلى 80 دولارًا"). هذا ما يسمى التنبؤ الاحتمالي (probabilistic forecasting)، وهو يساعد شركات الطاقة على إدارة المخاطر.
المشكلة: الطريقة القديمة كانت بسيطة للغاية
في السابق، حاول الناس التنبؤ بهذه الأسعار من خلال النظر إلى "سجل الأوامر" (قائمة جميع أوامر البيع والشراء) بطريقتين رئيسيتين، وكلتاهما تعانيان من عيوب:
نهج "ورقة الملخص" (ترميز أحادي البعد 1D Encoding): تخيل أنك تحاول فهم محادثة معقدة بين شخصين من خلال قراءة ملخص لما قالاه فقط. الطرق القديمة كانت تأخذ أوامر الشراء وأوامر البيع، تدمجهما معًا، وتحسب متوسطات بسيطة (مثل متوسط سعر آخر 15 دقيقة).
- العيب: هذا يتجاهل المحادثة. فهو يغفل حقيقة أن المشتري قد يرفع عرض الشراء الخاص به لأنه رأى البائع يخفض سعره. إنه يعامل السوق كقائمة ثابتة وليس كتفاعل ديناميكي.
نهج "الآلة الثقيلة" (ترميز ثنائي البعد 2D Encoding): حاول باحثون آخرون تغذية قوائم الأوامر الخام في نماذج ذكاء اصطناعي ضخمة ومعقدة (مثل نماذج Transformer المتقدمة).
- العيب: هذه النماذج تشبه استخدام مطرقة ثقيلة لكسر حبة جوز. فهي ضخمة، وتتطلب قدرة حوسبة هائلة، ولأنها لا "تعرف" كيف يتفاعل المشترون والبائعون، يتعين عليها تعلم كل شيء من الصفر. وغالبًا ما تصاب بالارتباك وتنتج تنبؤات مستحيلة (مثل التنبؤ بأن هناك احتمال 90% أن يكون السعر أقل من احتمال 10%، وهذا غير منطقي).
الحل: OrderFusion (نموذج "شريك الرقص")
ابتكر المؤلفون نموذجًا جديدًا يسمى OrderFusion. فكر فيه كنموذج يفهم رقصة المشترين والبائعين.
1. "القناع المزدوج" (تصفية الضجيج)
في غرفة صاخبة، أنت لا تستمع إلى كل ما قاله الجميع قبل 10 سنوات؛ بل تستمع إلى ما يقال الآن. يستخدم النموذج "قناعًا مزدوجًا" لتجاهل الصفقات القديمة وغير ذات الصلة والتركيز فقط على التفاعلات الأخيرة. إنه يقوم بتصفية "الضجيج" لكي يتمكن النموذج من سماع المحادثة الحالية بوضوح.
2. "الدمج التكراري" (الرقصة)
هذا هو الابتكار الجوهري. بدلًا من النظر إلى المشترين والبائعين بشكل منفصل، يضعهم النموذج في غرفة واحدة ويتركهم "يتحدثون" مع بعضهم البعض بشكل متكرر.
- الخطوة 1: ينظر النموذج إلى المشترين.
- الخطوة 2: ينظر إلى البائعين.
- الخطوة 3: يسأل: "كيف يتغير منظور المشتري إذا رأى ما فعله البائع للتو؟"
- الخطوة 4: يقوم بتحديث فهمه.
- يكرر عملية "الدمج" هذه عدة مرات. هذا يسمح للنموذج بتعلم الاستراتيجية الكامنة وراء الصفقات. فهو يدرك: "آه، عندما يخفض البائعون أسعارهم، عادة ما يتدخل المشترون فورًا".
3. "الرأس الهرمي" (العائلة المنظمة)
عند التنبؤ بالاحتمالات، هناك خطأ شائع وهو "تقاطع الكميات" (Quantile Crossing). تخيل أنك تتنبأ بالطقس: قد تتنبأ بالخطأ بأن احتمال هطول الأمطار بنسبة 10% أعلى من احتمال هطولها بنسبة 90%. هذا لا يعقل.
- قام المؤلفون ببناء "رأس هرمي" يعمل مثل "ولي أمر صارم". فهو يتنبأ بالسعر المتوسط أولاً، ثم يبني التنبؤات الأعلى والأدنى فوق هذا السعر المتوسط، مما يضمن عدم تقاطعها أبدًا. هذا يحافظ على منطقية الرياضيات وموثوقية التنبؤات.
النتائج: صغير ولكن قوي
اختبر المؤلفون نموذجهم في أسواق الكهرباء في ألمانيا (نشطة جدًا، حركة عالية) والنمسا (أقل نشاطًا، حركة منخفضة).
- الدقة: تفوق OrderFusion على جميع النماذج الأخرى، بما في ذلك نماذج الذكاء الاصطناعي الضخمة "المطرقة الثقيلة" ونماذج "ورقة الملخص" البسيطة. لقد تنبأ بالأسعار بدقة أكبر في كل من الأسواق المزدحمة والهادئة.
- الكفاءة: هذا هو الجزء الأكثر إثارة للإعجاب. كانت نماذج الذكاء الاصطناعي الضخمة تحتوي على ملايين المعلمات (مثل دماغ يحتوي على ملايين الخلايا العصبية). حقق OrderFusion نتائج أفضل باستخدام 4,872 معلمة فقط.
- التشبيه: الأمر يشبه بناء توقع جوي دقيق للغاية باستخدام آلة حاسبة جيب بسيطة وخفيفة الوزن بدلاً من حاسوب خارق. هذا يجعل من السهل تشغيله على أجهزة الكمبيوتر المحمولة العادية، وهو أمر رائع لشركات الطاقة التي تحتاج إلى اتخاذ قرارات سريعة دون الحاجة إلى أجهزة باهظة الثمن.
الخلاصة الرئيسية
تثبت هذه الورقة أنه في أسواق الكهرباء، فإن كيفية تفاعل المشترين والبائعين لا تقل أهمية عن ما يتداولونه. ومن خلال بناء نموذج يحاكي هذا التفاعل صراحةً (الرقصة) ويحافظ على منطقية الرياضيات (ولي الأمر الصارم)، يمكننا التنبؤ بأسعار الكهرباء بشكل أفضل، وأسرع، وبقدر أقل من قوة الحوسبة من أي وقت مضى.
ما لا تدعيه الورقة:
- هي لا تدعي أن هذا النموذج يمكنه التنبؤ بالأسعار لـ العام القادم أو العقد القادم. هو مخصص حصريًا للتنبؤ قصير المدى في نطاق اليوم الواحد.
- لا تدعي استخدام بيانات الطقس أو تكاليف الوقود (العوامل الخارجية) في هذا الإصدار المحدد؛ فهي تعتمد فقط على بيانات سجل الأوامر.
- لا تدعي حل جميع مشاكل الطاقة، ولكنها توفر أداة أفضل لإدارة مخاطر تقلبات الأسعار على المدى القصير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.