• 자원ㆍ환경경제연구
• /
• 제14권3호
• /
• pp.569-593
• /
• 2005

유럽배출권가래시장(EU ETS)과 Nord Pool에서 거래되고 있는 탄소배출권 가격자료를 이용하여 일물일가법칙 만족 여부를 검정하였다. 이를 위해 단위근 검정방법과 공적분 검정방법을 이용하였고, 인과성 분석, 충격반응분석과 분산분해 분석을 통해 두 시장간의 동태적 움직임을 분석하였다. 분석 결과 두 시장간 국제 배출권 가격 사이에는 일물일가의 법칙이 성립하며, EU ETS가 Nord Pool의 가격을 선도(lead)하고 EU ETS의 가격이 Nord Pool 가격의 움직임에 영향을 주는 것으로 분석되었다. 또한 Nord Pool은 자체 시장과 타 시장의 변동 모두에 큰 영향을 받는 시장인 반면, EU ETS는 외부의 충격에 큰 영향을 받지 않는 시장으로 분석되었다. 향후 유럽 지역에서의 배출권 시장이 EU ETS를 중심으로 통합되어 하나의 배출권 시장을 형성할 것으로 예측된다.

• Journal of Electrical Engineering and Technology
• /
• 제10권4호
• /
• pp.1480-1491
• /
• 2015

In new deregulated electricity market, short-term price forecasting is key information for all market players. A better forecast of market-clearing price (MCP) helps market participants to strategically set up their bidding strategies for energy markets in the short-term. This paper presents a new prediction strategy to improve the need for more accurate short-term price forecasting tool at spot market using an artificial neural networks (ANNs). To build the forecasting ANN model, a three-layered feedforward neural network trained by the improved Levenberg-marquardt (LM) algorithm is used to forecast the locational marginal prices (LMPs). To accurately predict LMPs, actual power generation and load are considered as the input sets, and then the difference is used to predict price differences in the spot market. The proposed ANN model generalizes the relationship between the LMP in each area and the unconstrained MCP during the same period of time. The LMP calculation is iterated so that the capacity between the areas is maximized and the mechanism itself helps to relieve grid congestion. The addition of flow between the areas gives the LMPs a new equilibrium point, which is balanced when taking the transfer capacity into account, LMP forecasting is then possible. The proposed forecasting strategy is tested on the spot market of the Nord Pool. The validity, the efficiency, and effectiveness of the proposed approach are shown by comparing with time-series models