Wat gaat de stroomprijs de komende dagen doen? Wij geven een statistische voorspelling van de Nederlandse day-ahead marktprijs. De grafiek toont de bekende beursprijzen en de modelvoorspelling voor de komende dagen. exclusief belastingen en leveranciersopslag
Hoe goed de voorspelling is, is te zien in het achteruitzicht van de afgelopen dagen.
Gemiddelde, uitersten en kalendercontext per handelsdag · kale marktprijs.
Het statistische model maakt voor Nederland een statistische prijsprognose. Het is geen rechtstreekse publicatie van EPEX SPOT: bekende day-ahead prijzen worden aangevuld met uitkomsten van een zelftrainend model.
01
Historische marktprijzen worden gecombineerd met weersverwachtingen op meerdere meetlocaties in Nederland. Waar beschikbaar gebruikt het model ook de verwachte netbelasting en gasprijs.
02
Onder meer wind op 80 meter, temperatuur, zoninstraling, luchtdruk en luchtvochtigheid gaan het model in, naast weekdag, feestdag, zonsopkomst, zonsondergang en zonnestand.
03
Een LightGBM gradient-boostingmodel wordt opnieuw getraind op een verschuivend venster van standaard 120 dagen. Zo leert het niet-lineaire interacties, zoals het gezamenlijke prijseffect van weinig wind en weinig zon.
04
Met de schakelaar bovenaan wordt de marktprijs omgerekend naar een all-in prijs met de actuele heffingen, btw en de gem. inkoopvergoeding van actieve leveranciers, exclusief Leverings- en netbeheerkosten en belastingvermindering.
Het project rapporteert voor Nederland in een eigen backtest over 15 mei 2025 tot en met 15 mei 2026 een fout van gemiddeld 1,74 ct/kWh (MAE) en een RMSE van 2,79 ct/kWh voor één dag vooruit. Dit is geen onafhankelijke validatie. Fouten in de weersverwachting en extreme prijspieken kunnen tot grotere afwijkingen leiden; de voorspelling is niet gegarandeerd.
Model en methodiek:
EpexPredictor.
Onderliggende gegevens:
Open-Meteo,
ENTSO-E en
Energy-Charts.
Kalenderdata:
OpenHolidays API.