Imbalance Price Forecasting in the Italian Energy Market Using Deep Neural Networks and Temporal Fusion Transformers
تقترح هذه الورقة إطاراً للتنبؤ الاحتمالي باستخدام محولات الاندماج الزمني لسوق عدم توازن الكهرباء الإيطالي المتقلب، مظهرةً أنه في حين أن الدقة الحتمية محدودة، فإن القيمة الأساسية للنموذج تكمن في قدرته على توفير نطاقات مخاطر مُعايرة ورؤى قابلة للتفسير لإدارة فعالة للمخاطر.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
الكهرباء سلعة لا يمكن تخزينها بسهولة بكميات ضخمة، مما يعني أن كمية الطاقة المولدة يجب أن تطابق الكمية المستهلكة في كل ثانية. وفي إيطاليا، كما هو الحال في العديد من الدول الأخرى، تتم إدارة هذا التوازن من خلال نظام معقد من الأسواق؛ حيث يشتري التجار ويبيعون الطاقة مسبقاً لليوم التالي، ولكن الاختبار الحقيقي يأتي عندما تُضاء الأنوار ويصل الطلب الفعلي. فإذا أنتجت محطة طاقة أكثر أو أقل مما كان موعوداً به، يجب على مشغل الشبكة التدخل لإصلاح الفرق، وغالباً ما يكون ذلك بتكلفة باهظة. وتُعرف هذه التكاليف بأسعار عدم التوازن. ولأن الشبكة هي شبكة فيزيائية من الأسلاك والمحولات، يمكن للاختناقات المحلية أن تسبب تقلبات حادة في هذه الأسعار، لتصل أحياناً إلى مستويات قصوى في غضون دقائق معدودة. إن التنبؤ بهذه الأسعار أمر صعب للغاية، لأنها مدفوعة بمزيج فوضوي من الطقس، وإنتاج الطاقة المتجددة، والحدود الفيزيائية لخطوط النقل. وبالنسبة لأي شخص يشتري أو يبيع الكهرباء، فإن معرفة ما إذا كانت هذه الأسعار ستكون مرتفعة أم منخفضة، وما إذا كانت ستكون موجبة أم سالبة، هو الفارق بين الربح والخسارة.
لقد سعى فريق من الباحثين من جامعة روما تري وجامعة تبوك لمعالجة هذه المشكلة باستخدام نوع متطور من الذكاء الاصطناعي يسمى "المحول الاندماجي الزمني" (Temporal Fusion Transformer). لم يكن هدفهم مجرد تخمين رقم واحد لما سيكون عليه السعر، بل بناء نظام يمكنه فهم عدم اليقين المتأصل في سوق الطاقة الإيطالي. قاموا بتغذية النموذج الحاسوبي بمجموعة واسعة من المعلومات، بما في ذلك الأسعار التاريخية، وكمية الكهرباء المستخدمة، وكمية الطاقة الشمسية وطاقة الرياح المتاحة، والأسعار المحددة في سوق اليوم التالي. تم تصميم النموذج للنظر في هذه البيانات والتنبؤ بما سيحدث خلال الاثنتي عشرة ساعة القادمة، مقسمة إلى فترات مدة كل منها خمس عشرة دقيقة. وكان الباحثون مهتمين بشكل خاص بمعرفة ما إذا كانت هذه التكنولوجيا المتقدمة يمكنها أخيراً فك شفرة السوق الإيطالي، المعروف بتقلباته الشديدة والقفزات السعرية المتكررة وغير المتوقعة.
كشفت نتائج عملهم عن حقيقة قاسية حول طبيعة شبكة الكهرباء الإيطالية. فبينما كان نموذج الذكاء الاصطناعي يعمل بشكل استثنائي في التنبؤ بأسعار اليوم التالي القياسية، حيث كانت الأخطاء غالباً أقل من يورو واحد لكل وحدة طاقة، إلا أنه اصطدم بحائط مسدود عند محاولة التنبؤ بأسعار عدم التوازن النهائية. في هذه اللحظات المتقلبة، استقر معدل الخطأ في النموذج عند حوالي اثنين وستين يورو لكل وحدة، وهو رقم أفضل بقليل فقط من الطرق الأكثر بساطة بكثير. وجد الباحثون أن النموذج لا يمكنه التنبؤ بشكل موثوق بالارتفاع الدقيق للقفزات السماوية أو اللحظة الدقيقة لوقوعها. وفي الواقع، عندما حاول النموذج جاهداً ملاحقة هذه القمم القصوى أثناء تدريبه، أصبح في الواقع أقل دقة عند اختباره على بيانات جديدة، وهي ظاهرة تُعرف باسم "الفرط في التخصيص" (overfitting). لقد تعلم النظام أساساً أن السوق فوضوي للغاية بحيث لا يمكن التنبؤ به برقم واحد دقيق.
ومع ذلك، لم تنتهِ دراستهم بالفشل؛ بل أدت بدلاً من ذلك إلى تحول في كيفية رؤية الباحثين لقيمة مثل هذه الأداة. فبدلاً من العمل كبلورة سحرية تعطي سعراً واحداً وحاسماً، أثبت النموذج قيمته من خلال العمل كمدير للمخاطر. فقد نجح في التنبؤ بالاتجاه العام للسوق — سواء كانت الأسعار مرتفقة أم منخفضة، أو ما إذا كان عدم التوازن موجباً أم سالباً — بدقة تبلغ حوالي اثنين وستين إلى خمسة وستين بالمائى. والأهم من ذلك، قدم النموذج نطاقاً من النتائج المحتملة، موفراً حزمة ثقة توضح للمتداولين حجم المخاطر التي يتخذونها. كان بإمكانه تحديد الساعات التي يكون فيها السوق مستقراً وآمناً للتداول، مقابل الساعات التي يكون فيها عدم اليقين مرتفعاً جداً بحيث يصبح التداول خطيراً.
استخدم الباحثون أيضاً الآليات الداخلية للنموذج لفهم ما كان يحرك السوق. ومن خلال النظر في قطع البيانات التي أولاها الحاسوب اهتماماً، اكتشفوا أن النموذج تعلم تجاهل العديد من المتغيرات المعقدة التي غُذّي بها، ليركز بدلاً من ذلك على بعض المحركات الرئيسية مثل السعر في المنطقة الشمالية والوقت من السنة. هذا الوضوح حوّل "الصندوق الأسود" للذكاء الاصطناعي إلى أداة واضحة لدعم القرار. أظهر النظام أنه بينما لا يمكن لأحد التنبؤ بدقة بالقفزات الفوضوية للشبكة الإيطالية، يمكن للمتداولين أيضاً اتخاذ قرارات أفضل من خلال فهم احتمالية النتائج المختلفة. وتخلص الدراسة إلى أن القوة الحقيقية لهذه التكنولوجيا لا تكمن في استبدال الحكم البشري بتوقعات مثالية، بل في توفير إطار عمل قوي وقابل للتفسير يساعد المشاركين في السوق على التنقل في ظل عدم اليقين المتأصل في نظام الطاقة بثقة أكبر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.