AleaSoft réalise des prévisions de prix des marchés européens à moyen terme. Les prévisions de prix ont une granularité horaire, 3 ans d’horizon, et ils incluent distributions de probabilité (prévisions avec stochasticité) pour chaque période (mois, trimestre, an) dans l’horizon de prévision. Les prévisions avec stochasticité de prix permettent d’analyser l’impacte de la stochasticité des variables explicatives dans les prévisions de prix a moyen terme, et ils son un outil basique pour la gestion du risque et le calcul des Values-at-Risk. Ont calcule les prévisions de prix en utilisant les donnés des distributions des variables explicatives et leurs probabilités. Les principaux variables qu’on obtienne stochasticament sont les suivantes:

• Temperature.
• Demande (qui on obtienne avec les prévisions de la stochasticité de température).
• Production éolienne.
• Production solaire.
• Production hydraulique.
• Prix du charbon.
• Prix du gaz.
• Prix des droits d’émission de CO₂.

Pour chaque une de ces variables on estime sa variabilité intrinsèque en fonction de ses valeurs historiques. On calcule un nombre suffisamment élevé de prévisions aléatoires pour chaque un des variables explicatives cohérentes entre elles. Avec ces simulations des variables, on calcule les simulations correspondantes du prix de marché et à partir de celles-ci, on calcule les percentiles de la distribution de prix. On génère la stochasticité en utilisant toutes les donnés registrées disponibles en ce moment. Dans l’envoi, on incluse les distributions de probabilité pour chaque produit mensuel, trimestriel et annuel, qui soit en train de se négocier en ce moment dans les marchés de futures dans l’horizon de prévision. Pour chaque période, la distribution inclura les derniers prix négocies dans le marché de futures OMIP.

AleaSoft offre des prévisions de prix des marchés européens à long terme. Les prévisions de prix ont une granularité horaire et 20 ans d’horizon. Les principaux variables qui sont considérées pour générer les prévisions de prix sont:

• Demande, qui utilise des variables explicatives comme la température, le calendrier et des variables socio-économiques.
• Production éolienne.
• Production solaire.
• Production hydroélectrique.
• Production nucléaire.
• Interconnexions.
• Prix des émissions de CO₂.
• Prix des combustibles (Brent, charbon, gaz).
• Taux de change.

Aussi, on considère des plans pour augmenter la capacité d’interconnexion entre les principaux marchés européens d’électricité, pour prendre en compte la convergence des prix entre marchés. On génère les  prévisions en utilisant toutes les données disponibles jusqu’à maintenant. Les prévisions prennent en compte les scénarios  de diffusion des nouvelles et des technologies existantes (véhicules électriques, batteries, autoconsommation, pompes à chaleur etc.) et leur impact dans le volume de la demande et dans le profil horaire du prix. Les prévisions incluent les bandes de confidence maxime et minime des prévisions du prix avec granularité annuelle. On réalisera le calcul des bandes en utilisant un nombre suffisamment grand de simulation de prix généré à partir de simulations aléatoires des variables explicatives, en prenant en compte la probabilité associée à chacun des simulations des variables. La variabilité et la probabilité d’occurrence de chaque simulation des variables seront déterminées selon leur comportement passé et pour les scénarios futurs réalistes de la variable. Dans un PPA (Power Purchase Agreement), c’est fondamental pour toutes les partes impliquées d’avoir des prévisions fiables de prix a long terme : investisseurs, fabricants, installateurs, administrateurs, producteurs et consommateurs.