Previsione dei prezzi del mercato elettrico italiano mediante il metodo dei vicini più vicini

In questo lavoro è stato sviluppato e testato un approccio di previsione dei prezzi orari del mercato elettrico italiano basato sul metodo dei vicini più vicini (kNN). Il dataset analizzato comprende i prezzi orari del Mercato del Giorno Prima relativi al periodo compreso tra gennaio 2023 e giugno 2025. L'obiettivo principale consiste nella specificazione del modello e nella valutazione della sua capacità di fornire previsioni accurate e stabili in differenti condizioni di mercato, utilizzando metriche di errore (MAE, RMSE e SMAPE) integrate da un'analisi grafica dei risultati. Le previsioni sono state ottenute tramite un approccio one-step ahead, prevedendo 24 prezzi orari e aggiornando progressivamente il dataset con i nuovi dati osservati. L'implementazione del metodo è stata realizzata in R, operando su profili giornalieri completi organizzati in forma matriciale, applicando mensilmente il metodo weighted kNN (w-kNN), scegliendo la metrica di distanza e il numero di vicini k con le migliori prestazioni nei 90 giorni precedenti. Il confronto con un modello SARIMA opportunamente specificato ha evidenziato prestazioni complessivamente comparabili, con il kNN marginalmente migliore in alcuni periodi e più robusto nei mesi con variazioni di prezzo più elevate. Pur risultando meno efficace nella previsione dei crolli di prezzo, il metodo kNN ha dimostrato versatilità e capacità di fornire previsioni coerenti con il livello medio giornaliero, mostrando buone prestazioni per profili giornalieri stabili e catturando in modo soddisfacente alcune fasce orarie. Nel complesso, le differenze di accuratezza predittiva tra i due modelli non sono risultate statisticamente significative.