Deep Causal Learning to Explain and Quantify The Geo-Tension’s Impact on Natural Gas Market

要約

天然ガス需要は天然ガス価格を予測するための重要な要素であるため、電力システムに直接影響します。
しかし、既存の方法は、ロシア・ウクライナ戦争の勃発などのショックの影響を評価する際に課題に直面している。
これに関連して、ディープ ニューラル ネットワーク ベースのグレンジャー因果関係を適用して、天然ガス需要の重要な要因を特定します。
さらに、結果として生じる依存関係は、戦争の勃発なしで反事実のケースを構築するために使用され、さまざまなドイツのエネルギー部門に対するショックの全体的な影響の定量化可能な推定値が提供されます。
コードとデータセットは https://github.com/bonaldli/CausalEnergy で入手できます。

要約(オリジナル)

Natural gas demand is a crucial factor for predicting natural gas prices and thus has a direct influence on the power system. However, existing methods face challenges in assessing the impact of shocks, such as the outbreak of the Russian-Ukrainian war. In this context, we apply deep neural network-based Granger causality to identify important drivers of natural gas demand. Furthermore, the resulting dependencies are used to construct a counterfactual case without the outbreak of the war, providing a quantifiable estimate of the overall effect of the shock on various German energy sectors. The code and dataset are available at https://github.com/bonaldli/CausalEnergy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google