Mix, Eva Sophia (2020). Persistence Statistics of Electricity Price Time Series. Bachelor thesis, Universität zu Köln.

This is the latest version of this item.

All available versions of this item

  • Persistence Statistics of Electricity Price Time Series. (deposited 08 Jun 2021 06:11) [Currently Displayed]
[img] PDF
Persistence_Statistics_of_Electricity_Price_Time_Series_Eva_Mix.pdf - Accepted Version
Bereitstellung unter der CC-Lizenz: Creative Commons Attribution Share Alike.

Download (7MB)

Abstract

The share of renewable energy in the German electricity mix increases steadily, leading to a strengthened impact on the electricity markets. The electricity price is essentially determined by the demand for dispatchable generation, which is mostly equivalent to the difference of load and renewable generation, called the residual load. Data from the German day-ahead market in 2016 shows a strong correlation between the electricity price and the load (r=51%) resp. the residual load (r=74%). Wind power generation correlates to the electricity prices at a level of r=-40%. The strong interdependence of electricity prices and renewable power generation leads to the question whether both share the same statistical properties. This thesis investigates the persistence statistics of the German day-ahead electricity price. A major challenge for this analysis arises from filtering of the strong daily, weekly and seasonal cycles masking the stochastic features. The kurtosis of the waiting time distribution reaches very high values, pointing to a strong persistence of the high series.

Item Type: Thesis (Bachelor thesis)
Translated abstract:
AbstractLanguage
Der Anteil erneuerbarer Energien am deutschen Strommix steigt von Jahr zu Jahr, wodurch auch deren Einfluss auf die Strompreise zunimmt. Der Strompreis wird wesentlich durch die Nachfrage nach der flexibel einsetzbaren Erzeugung bestimmt – diese wiederum entspricht im Wesentlichen der Differenz aus Last und erneuerbarer Erzeugung, Residuallast genannt. Datensätze des deutschen Strommarktes im Jahr 2016 zeigen eine starke Korrelation zwischen den Strompreisen und der Last (r=51%) bzw. der Residuallast (r=74%). Auch für Windkraft (r=-40%) ist eine Korrelation messbar. Führt diese Korrelation dazu, dass Strompreise und Windkraft ähnliche statistische Eigenschaften aufweisen? Diese Arbeit untersucht die Persistenzstatistik von Zeitreihen des Strompreises im deutschen Day-Ahead Markt. Eine wesentliche technische Herausforderung ist die Normalisierung der Zeitreihen, um den Einfluss der periodischen Schwankungen im Verlauf von Tagen, Wochen und Jahreszeiten zu minimieren. Die Wölbung (Kurtosis) der Wartezeitverteilung ist extrem hoch, was auf eine ausgeprägte Persistenz hindeutet.German
Creators:
CreatorsEmailORCIDORCID Put Code
Mix, Eva Sophiamail@evamix.deUNSPECIFIEDUNSPECIFIED
URN: urn:nbn:de:hbz:38-510298
Date: 7 August 2020
Language: English
Faculty: Faculty of Mathematics and Natural Sciences
Divisions: Faculty of Mathematics and Natural Sciences > Department of Physics > Institute for Theoretical Physics
Subjects: Physics
Uncontrolled Keywords:
KeywordsLanguage
Waiting Time Statistics; Persistence Statistics; Electricity Prices; Time Series Analysis; Electricity Market;English
Wartezeitverteilung; Persistenzstatistik; Strompreise; Zeitreihenanalyse; Strommarkt;German
Date of oral exam: 18 August 2020
Referee:
NameAcademic Title
Witthaut, DirkProf. Dr.
Refereed: Yes
URI: http://kups.ub.uni-koeln.de/id/eprint/51029

Downloads

Downloads per month over past year

Export

Actions (login required)

View Item View Item