Wykrywanie anomalii cenowych z zastosowaniem algorytmu isolation forrest na przykładzie notowań Day Ahead Market rynku hiszpańskiego, polskiego i ukraińskiego

dr inż. Paweł Włoch

Wykrywanie anomalii cenowych z zastosowaniem algorytmu isolation forrest na przykładzie notowań Day Ahead Market rynku hiszpańskiego, polskiego i ukraińskiego.

Wydanie online nr 2026/01 (69), data wydania 01.05.2026

Słowa kluczowe: rynek energii elektrycznej, rynek dnia następnego, anomalie cenowe, Isolation Forest, uczenie maszynowe, integracja rynków energii

Streszczenie: Celem niniejszej pracy jest ocena przydatności algorytmu Isolation Forest do identyfikacji anomalii cenowych na rynkach dnia następnego energii elektrycznej o zróżnicowanej strukturze wytwórczej i regulacyjnej. Analizie poddano dane cenowe z rynków dnia następnego Hiszpanii (ES), Polski (PL) oraz Ukrainy (UA) za rok 2023. W badaniu wykorzystano rzeczywiste dane rynkowe, a algorytm Isolation Forest zastosowano do wykrywania epizodów ekstremalnych zmian cenowych oraz nietypowych rozkładów cen godzinowych. Wyniki analizy wskazują istotne różnice w częstości oraz charakterze anomalii pomiędzy badanymi rynkami, wynikające m.in. z poziomu penetracji odnawialnych źródeł energii, głębokości rynku oraz uwarunkowań regulacyjnych. Szczególną uwagę zwrócono na rynek ukraiński, którego zachowanie cenowe odbiega istotnie od rynków UE w związku z nadzwyczajnymi warunkami funkcjonowania systemu elektroenergetycznego. Przeprowadzone badanie potwierdza, że metody uczenia maszynowego, w tym Isolation Forest, mogą stanowić użyteczne narzędzie wspomagające analizę stabilności i odporności rynków energii elektrycznej.