Prognozy cen energii elektrycznej są kluczowe dla podejmowania świadomych decyzji biznesowych na rynkach energii. Prognozy probabilistyczne, które zamiast jednej wartości przewidują cały zakres możliwych przyszłych cen, są szczególnie cenne, ponieważ pozwalają uwzględnić niepewności rynkowe.

Metoda Quantile Regression Averaging (QRA) jest jedną z wiodących technik generowania prognoz probabilistycznych. W niniejszej pracy przedstawiamy ReModels – kompleksowy pakiet w języku Python, który implementuje metodę QRA oraz jej różnorodne modyfikacje zaproponowane w najnowszej literaturze. Pakiet nie tylko udostępnia narzędzia do stosowania QRA, ale również oferuje funkcje związane z pozyskiwaniem i przygotowaniem danych oraz transformacjami stabilizującymi wariancję (VST – Variance Stabilizing Transformations).

Zgodnie z naszą wiedzą, obecnie nie istnieje publicznie dostępna implementacja metody QRA oraz jej wariantów. Nasz pakiet ma na celu wypełnienie tej luki, dostarczając zarówno badaczom jak i praktykom narzędzia do generowania dokładnych i wiarygodnych prognoz probabilistycznych w obszarze prognozowania cen energii elektrycznej.