How renewable energy mix shapes day-ahead price predictability: A comparative analysis of solar, wind, and biomass in Czechia

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a methodological framework combining ML forecasting with SHAP to analyze structural shifts in price formation due to renewable generation.

🏢実務担当者:Grid operators and energy traders can use findings on solar predictability to optimize bidding strategies and grid management.

🏛政策担当者:Insights on how renewable mix affects market predictability can inform regulatory design for renewable integration and capacity mechanisms.

既存の文献の大半が再生可能エネルギー源（RES）が前日電力価格の水準に与える影響に焦点を当てているのに対し、本研究は市場の予測可能性と構造的予測誤差に焦点を移す。我々は、異なる発電体制（具体的には太陽光、バイオマス、化石燃料の優位性）が価格予測モデルの精度を根本的にどのように変えるかを調査する。 線形回帰、ランダムフォレスト、XGBoost、LightGBMを含む5つの多様な機械学習アーキテクチャを採用し、それらをSHAP（SHapley Additive exPlanations）解釈可能性ツールと組み合わせることで、本研究は価格形成における非線形的で構造的なシフトをマッピングする。 研究に含まれる主要な知見 太陽光効果：太陽光の普及率が高い時間帯（発電シェア20%超）では、予測誤差が最大77%削減される（ランダムフォレストのRMSEは10.97 EUR/MWhに低下）。これは、太陽光出力の予測可能性が高く日周性のある性質が、日中のピーク需要と一致することによる。 化石燃料の負担：化石燃料による火力発電が支配的な期間は、高い予測不可能性を維持し、全体で最も高い予測誤差（RMSE 48.53 EUR/MWh）を示す。これは、急激な負荷変動、熱供給ネットワークの制約、および深刻な価格スパイクによるものである。 ベースロードと変動性電源のダイナミクス：バイオマスは、安定性を高める特性を持つ、極めて安定した調整可能なベースロードとして機能する一方、風力発電は、チェコの入札区域における現在の低い設備容量により、無視できる役割しか果たさない。 モデルの適合性：強い時間的依存性のため、自己回帰型線形回帰は、市場サンプル全体にわたって堅牢なベースラインとして機能する。しかし、ツリーベースのモデル（ランダムフォレスト）は、再生可能エネルギーのピーク時間帯における複雑で非線形的な相互作用をマッピングする際に特に有効である。 データセットの内容と構造 このリポジトリは、チェコ共和国（CEPS入札区域）の時間別時系列データを提供し、20%の再生可能エネルギー発電閾値にわたる市場行動を調査するために特別にキュレーションされている。変数には以下が含まれる： 市場清算価格：実際の前日電力価格（EUR/MWh）。 発電プロファイル：タイプ別（太陽光、バイオマス、化石燃料）に分類された実際の時間別発電量プロファイル。 太陽光予測：前日太陽光発電予測と実際のリアルタイム発電量の比較。 系統変数：総実系統電力需要/負荷および正味の国境を越えた物理的送電フロー（輸入/輸出）。 メタデータと連絡先情報 データセット作成者：Ohn Zin Lin 所属機関：VSB - テクニカル・ユニバーシティ・オブ・オストラバ、オストラバ、チェコ 電子メール：ohn.zin.lin@vsb.cz ORCID：https://orcid.org/0000-0002-1927-6694 データ収集日：2025年12月12日 論文受理日：2026年6月29日 引用方法 本データセットまたは付随する研究成果を学術的または商業的に利用する場合は、主たる出版物を引用されたい： Ohn Zin Lin, (2026). How Different Renewable Energy Sources Shape Day-Ahead Electricity Price Predictability: Evidence from the Czech Market. Renewable Energy, Volume 26, 126146. https://doi.org/10.1016/j.renene.2026.126146

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

While most existing literature focuses on how renewable energy sources (RES) influence day-ahead electricity price levels , this study shifts the focus toward market predictability and structural forecasting errors. We investigate how varying generation regimes (specifically Solar, Biomass, and Fossil Fuel dominance) fundamentally alter the accuracy of price forecasting models. By employing five diverse machine learning architectures—including Linear Regression, Random Forest, XGBoost, and LightGBM —and pairing them with SHAP (SHapley Additive exPlanations) interpretability tools, this research maps out the non-linear, structural shifts in price formation. Key Findings Included in the Study The Solar Effect: Hours with high solar penetration (>20% generation share) achieve up to a 77% reduction in forecasting error (Random Forest RMSE drops to 10.97 EUR/MWh). This is driven by the highly predictable, diurnal nature of solar output aligning with daytime peak demand. The Fossil Fuel Burden: Periods dominated by fossil-fuel thermal generation remain highly unpredictable, exhibiting the highest overall forecasting errors (RMSE of 48.53 EUR/MWh) due to sudden load swings, thermal network constraints, and severe price spikes. Baseload vs. Intermittent Dynamics: Biomass acts as a highly stable, dispatchable baseline with moderate stabilizing properties, while wind generation plays a negligible role due to current low capacity in the Czech bidding zone. Model Suitability: Due to strong temporal dependencies, an autoregressive Linear Regression serves as a robust baseline across the full market sample. However, tree-based models (Random Forest) are uniquely effective at mapping the intricate, non-linear interactions during peak renewable hours. Dataset Contents & Structure The repository provides hourly time-series tracking for the Czech Republic (CEPS bidding zone) , curated specifically to examine market behavior across a 20% renewable generation threshold. Variables include: Market Clearing Prices: Actual day-ahead electricity prices (EUR/MWh). Generation Profiles: Actual hourly power production profiles broken down by type (Solar, Biomass, and Fossil fuels). Solar Forecasts: Day-ahead solar generation forecasts vs. actual real-time generation. Grid Variables: Total actual grid electricity demand/load and net cross-border physical transmission flows (imports/exports). Metadata & Contact Information Dataset Creator: Ohn Zin Lin Institution: VSB - Technical University of Ostrava, Ostrava, Czechia Email: ohn.zin.lin@vsb.cz ORCID: https://orcid.org/0000-0002-1927-6694 Data Collection Date: 2025-Dec-12 Article Acceptance Date: June 29, 2026 How to Cite If you utilize this dataset or the accompanying research findings in an academic or commercial capacity, please cite the primary publication: Ohn Zin Lin, (2026). How Different Renewable Energy Sources Shape Day-Ahead Electricity Price Predictability: Evidence from the Czech Market . Renewable Energy, Volume 26, 126146. https://doi.org/10.1016/j.renene.2026.126146

• Zenodo https://zenodo.org/records/21127559first seen 2026-07-03 04:14:56 · last seen 2026-07-06 04:22:22