論文の概要: Improving Sequential Market Clearing via Value-oriented Renewable Energy Forecasting

• arxiv url: http://arxiv.org/abs/2405.09004v1
• Date: Wed, 15 May 2024 00:04:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-16 14:45:30.672329
• Title: Improving Sequential Market Clearing via Value-oriented Renewable Energy Forecasting
• Title（参考訳）: 価値指向再生可能エネルギー予測による逐次市場クリアリングの改善
• Authors: Yufan Zhang, Honglin Wen, Yuexin Bian, Yuanyuan Shi,
• Abstract要約: 再生可能エネルギー源(RES)の大規模な浸透は、電力市場に大きな不確実性をもたらす。 本稿では,日頭市場に参入するRESの生成を戦術的に決定する価値指向予測手法を提案する。
• 参考スコア（独自算出の注目度）: 3.0665531066360066
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large penetration of renewable energy sources (RESs) brings huge uncertainty into the electricity markets. While existing deterministic market clearing fails to accommodate the uncertainty, the recently proposed stochastic market clearing struggles to achieve desirable market properties. In this work, we propose a value-oriented forecasting approach, which tactically determines the RESs generation that enters the day-ahead market. With such a forecast, the existing deterministic market clearing framework can be maintained, and the day-ahead and real-time overall operation cost is reduced. At the training phase, the forecast model parameters are estimated to minimize expected day-ahead and real-time overall operation costs, instead of minimizing forecast errors in a statistical sense. Theoretically, we derive the exact form of the loss function for training the forecast model that aligns with such a goal. For market clearing modeled by linear programs, this loss function is a piecewise linear function. Additionally, we derive the analytical gradient of the loss function with respect to the forecast, which inspires an efficient training strategy. A numerical study shows our forecasts can bring significant benefits of the overall cost reduction to deterministic market clearing, compared to quality-oriented forecasting approach.
• Abstract（参考訳）: 再生可能エネルギー源(RES)の大規模な浸透は、電力市場に大きな不確実性をもたらす。 既存の決定論的市場クリアリングは不確実性に対応できないが、最近提案された確率的市場クリアリングは、望ましい市場特性を達成するために苦労している。 本研究では,日頭市場に参入するRESの生成を戦術的に決定する価値指向予測手法を提案する。 このような予測により、既存の決定論的市場浄化フレームワークを維持でき、日頭およびリアルタイム全体の運用コストを削減できる。 トレーニングフェーズでは,予測モデルパラメータを推定し,予測誤差を統計的に最小化するのではなく,日頭および実時間全体の運用コストを最小化する。 理論的には、そのような目標に沿った予測モデルをトレーニングするための損失関数の正確な形を導出する。 線形プログラムでモデル化された市場クリアリングでは、この損失関数は断片的に線形関数である。 さらに,予測に対する損失関数の解析勾配を導出し,効率的なトレーニング戦略を導出する。 数値的な研究により、我々の予測は、品質指向の予測手法と比較して、決定論的市場クリア化に全体的なコスト削減の大きなメリットをもたらすことが示されている。

関連論文リスト

• RAGIC: Risk-Aware Generative Adversarial Model for Stock Interval Construction [4.059196561157555]
  既存の予測アプローチの多くは、効果的な意思決定に必要な深さを欠いて、単一ポイントの予測に焦点を当てている。 本稿では,不確実性をより効果的に定量化するために,ストック間隔予測のためのシーケンス生成を導入するRAGICを提案する。 RAGICのジェネレータには、情報投資家のリスク認識をキャプチャするリスクモジュールと、歴史的価格動向と季節性を考慮した時間モジュールが含まれている。
  論文  参考訳（メタデータ） (2024-02-16T15:34:07Z)
• Short-term Volatility Estimation for High Frequency Trades using Gaussian processes (GPs) [0.0]
  投資家のリターンの安全と経済のために、必要で定期的な短期・長期の株価変動予測を行うことが不可欠である。 本稿では,短時間のボラティリティに対する数値モデルと確率モデルの組み合わせと,高周波取引におけるリターン予測を実装した。
  論文  参考訳（メタデータ） (2023-11-18T02:03:48Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Probabilistic forecasting of German electricity imbalance prices [0.0]
  再生可能エネルギー容量の指数的な成長は、電力価格と発電に大きな不確実性をもたらした。 両方の市場に参加しているエネルギートレーダーにとって、不均衡価格の予測は特に関心がある。 予測は配達の30分前に行われ、トレーダーがまだ取引先を選択する可能性がある。
  論文  参考訳（メタデータ） (2022-05-23T16:32:20Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Low-Rank Temporal Attention-Augmented Bilinear Network for financial time-series forecasting [93.73198973454944]
  ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。 近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。 本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
  論文  参考訳（メタデータ） (2021-07-05T10:15:23Z)
• Right Decisions from Wrong Predictions: A Mechanism Design Alternative to Individual Calibration [107.15813002403905]
  意思決定者は、しばしば不完全な確率予測に頼る必要がある。 本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。 本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
  論文  参考訳（メタデータ） (2020-11-15T08:22:39Z)
• Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories [0.0]
  近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。 時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。 この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
  論文  参考訳（メタデータ） (2020-05-04T10:21:20Z)
• Empirical Study of Market Impact Conditional on Order-Flow Imbalance [0.0]
  署名された注文フローに対して,注文フローの不均衡の増加に伴い,価格への影響は線形に増大することを示す。 さらに,注文フローにサインされた市場への影響を予測するために,機械学習アルゴリズムを実装した。 この結果から,機械学習モデルを用いて財務変数を推定できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-17T14:58:29Z)

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。