論文の概要: A Data-Driven Study to Discover, Characterize, and Classify Convergence
Bidding Strategies in California ISO Energy Market
- arxiv url: http://arxiv.org/abs/2012.00076v1
- Date: Mon, 30 Nov 2020 20:01:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 14:32:05.602037
- Title: A Data-Driven Study to Discover, Characterize, and Classify Convergence
Bidding Strategies in California ISO Energy Market
- Title（参考訳）: カリフォルニアisoエネルギー市場における収束入札戦略の発見・特徴化・分類のためのデータ駆動研究
- Authors: Ehsan Samani and Hamed Mohsenian-Rad
- Abstract要約: カリフォルニアのISOエネルギー市場から3年間の実際の市場データを調査する。
我々は13大市場プレーヤの入札戦略を分析する。
この分析により、実際に使用されるCB戦略の3つの異なるクラスが明らかになった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Convergence bidding has been adopted in recent years by most Independent
System Operators (ISOs) in the United States as a relatively new market
mechanism to enhance market efficiency. Convergence bidding affects many
aspects of the operation of the electricity markets and there is currently a
gap in the literature on understanding how the market participants
strategically select their convergence bids in practice. To address this open
problem, in this paper, we study three years of real-world market data from the
California ISO energy market. First, we provide a data-driven overview of all
submitted convergence bids (CBs) and analyze the performance of each individual
convergence bidder based on the number of their submitted CBs, the number of
locations that they placed the CBs, the percentage of submitted supply or
demand CBs, the amount of cleared CBs, and their gained profit or loss. Next,
we scrutinize the bidding strategies of the 13 largest market players that
account for 75\% of all CBs in the California ISO market. We identify
quantitative features to characterize and distinguish their different
convergence bidding strategies. This analysis results in revealing three
different classes of CB strategies that are used in practice. We identify the
differences between these strategic bidding classes and compare their
advantages and disadvantages. We also explain how some of the most active
market participants are using bidding strategies that do not match any of the
strategic bidding methods that currently exist in the literature.
- Abstract（参考訳）: 近年、コンバージェンス入札は、米国のほとんどの独立系オペレーター(isos)によって、市場効率を高めるための比較的新しい市場メカニズムとして採用されている。
コンバージェンス入札は電力市場の運営の多くの側面に影響を与えており、現在市場参加者が実際にどのようにコンバージェンス入札を戦略的に選択するかを理解するための文献にギャップがある。
そこで,本稿では,カリフォルニア州のisoエネルギー市場における3年間の実世界の市場データについて検討する。
まず、提出されたコンバージェンス入札(CB)に関するデータ駆動概要と、提出したCBの件数、掲載したCBの件数、提出した供給または需要の件数、クリアされたCBの件数、利益または損失の件数に基づいて、各コンバージェンス入札者の業績を分析する。
次に、カリフォルニアのiso市場の全cbsの75%を占める13大市場プレーヤーの入札戦略について調査する。
定量的特徴を識別し,それぞれのコンバージェンス入札戦略を識別する。
この分析により、実際に使用されるCB戦略の3つの異なるクラスが明らかになった。
戦略的入札クラスの違いを特定し,そのメリットとデメリットを比較した。
また、最もアクティブな市場参加者の何人かが、現在文献に存在している戦略的入札方法に合致しない入札戦略をどのように使っているかを説明します。
関連論文リスト
- Temporal-Aware Deep Reinforcement Learning for Energy Storage Bidding in
Energy and Contingency Reserve Markets [13.03742132147551]
我々は、深層強化学習(DRL)を利用した新しいBESS共同入札戦略を開発し、そのスポットと同時周波数制御アシラリーサービス市場を入札する。
従来の「ブラックボックス」DRLモデルとは異なり、我々のアプローチはより解釈可能であり、BESSの時間入札行動に関する貴重な洞察を提供する。
論文 参考訳（メタデータ） (2024-02-29T12:41:54Z) - Market Making with Scaled Beta Policies [2.064612766965483]
本稿では,注文型市場におけるマーケットメーカの行動の新たな表現について紹介する。
スケールしたベータディストリビューションを使用し、市場形成のための人工知能で取られた3つのアプローチを一般化する。
この柔軟性は、市場メーカが直面している重要な課題の1つである在庫管理に有用であることを示す。
論文 参考訳（メタデータ） (2022-07-07T14:59:34Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳（メタデータ） (2021-12-08T14:55:21Z) - A Data-Driven Convergence Bidding Strategy Based on Reverse Engineering
of Market Participants' Performance: A Case of California ISO [0.0]
コンバージェンス入札(コンバージェンス入札、別名仮想入札)は、近年、ホールセール電気市場で広く採用されている。
市場参加者は、日頭市場の位置的限界価格とリアルタイム市場位置的限界価格との差を仲裁する機会を提供する。
市場参加者が現在使用している様々なコンバージェンス入札戦略を学習し、特徴付けし、評価する。
論文 参考訳（メタデータ） (2021-09-19T22:19:10Z) - Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。
エージェントの好みを学習するためのオンライン学習機構を提案する。
数値シミュレーションにより,本機構の有効性を実証する。
論文 参考訳（メタデータ） (2021-06-11T21:32:17Z) - An Artificial Intelligence Framework for Bidding Optimization with
Uncertainty inMultiple Frequency Reserve Markets [0.32622301272834525]
周波数プリザーブは、電力グリッドの周波数偏差に反応するために、電力生産または消費をリアルタイムで調整するリソースです。
多段階市場における価格ピークを生かした入札戦略を3つ提案する。
また、これらの3つの戦略を実装するAIベースの入札最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2021-04-05T12:04:29Z) - Multi-Stage Decentralized Matching Markets: Uncertain Preferences and
Strategic Behaviors [91.3755431537592]
本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。
我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。
シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
論文 参考訳（メタデータ） (2021-02-13T19:25:52Z) - Learning Strategies in Decentralized Matching Markets under Uncertain
Preferences [91.3755431537592]
エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。
我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。
エージェントの期待した利益を最大化する最適な戦略を導出する。
論文 参考訳（メタデータ） (2020-10-29T03:08:22Z) - Certifying Strategyproof Auction Networks [53.37051312298459]
我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。
本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
論文 参考訳（メタデータ） (2020-06-15T20:22:48Z) - A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文 参考訳（メタデータ） (2020-04-13T13:50:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。