Il mercato elettrico italiano. Modelli statistici di previsione dei prezzi e della domanda.

Il lavoro di tesi presenta diverse metodologie per la previsione dei prezzi zonali e dei consumi del mercato energetico italiano. L’obiettivo è quello di confrontare le performance predittive di tre modelli di apprendimento automatico (Support Vector Machine (SVM), Random Forest (RF) e Gradient Boosting (GB)) con quelle di un modello autoregressivo lineare con variabili esogene (ARX), con e senza penalizzazione LASSO. Oltre alla valutazione della performance previsive dei modelli, il presente lavoro si propone di valutare anche l'influenza delle variabili esplicative utilizzate nell'analisi dei prezzi, estendendo un indice d'importanza originariamente proposto nell'ambito dei modelli RF. Infine, dal momento che i dati in serie storiche sono caratterizzati da una naturale gerarchia temporale è ragionevole richiedere che le previsioni rispettino i vincoli di aggregazione derivanti da tale struttura, cioè che siano coerenti. Viene quindi approfondita la tecnica di riconciliazione temporale delle previsioni (Forecast Reconciliation, FR). L'efficienza di quest'ultima viene valutata applicandola alle previsioni dei consumi energetici.