The ongoing worldwide deregulation of electricity markets has created an increasing interest in building forecasting models of electricity prices that are aimed at developing an understanding of the dynamics of electricity price formation, and obtaining reliable forecasts of electricity prices. Using data from the Korea Power Exchange (KPX), this thesis focuses on the differences in forecasting abilities between seasonal time series ARIMA models and Artificial Neural Network (ANN) models on hourly electricity spot prices. The results presented in this thesis indicate that an ANN model is generally likely to be more appropriate than an ARIMA model in predicting electricity market price movement, and that an hour by hour modeling strategy for electricity spot prices improves a model's forecasting ability. This study indicates that it is helpful to choose a model depending on the purpose of the forecasts to maximize the predictability of the electricity price because each model has its own advantages.
전세계적으로 진행중인 전력산업의 탈규제화에 따라 전력시장의 가격움직임을 예측하고 신뢰할만한 예측결과를 도출해 내기 위한 목적으로 전력시장 가격예측 모형에 대한 관심이 고조되고 있다. 본 논문에서는 한국전력거래소에서 발표되는 시간대별 전력시장가격 자료를 이용하여 ARIMA모형과 신경망모형에 대해 두 모형간의 예측력을 상호 비교 하였으며 그 결과 신경망모형이 ARIMA모형보다 예측력에 있어 전반적으로 우수한 것으로 나타났으며, 신경망모형간 은닉층 노드의 수를 변화시켜 가면서 모형간 예측력을 비교 평가한 결과 연속시계열과 시간대별 시계열중 23시의 경우 은닉층 노드수가 33개인 모형이, 11시의 경우에는 은닉층 노드수가 16개인 모형이 예측성과 면에서 양호하게 나타났다. 또한 ARIMA모형이나 신경망모형의 경우 시간대별로 분석한 예측성과가 연속시간으로 분석한 예측성과 보다 전반적으로 앞서는 것으로 나타나고 있어 특정 시간대에는 연속시간 분석과 함께 시간대별 분석을 병행하여 예측하는 경우 예측성과를 상승시킬 수 있는 잠재력을 확인할 수 있었다. 결과적으로 예측의 목적에 부합되도록 ARIMA모형과 신경망 모형을 연속시간이나 시간대별로 세분화하여 각 모형들이 지닌 특성과 장점을 살려 상호 보완적으로 사용하는 것이 시장참여자의 입장에서 효과적일 것이다.
