論文の概要: A Data-Driven Pool Strategy for Price-Makers Under Imperfect Information

• arxiv url: http://arxiv.org/abs/2411.14694v1
• Date: Fri, 22 Nov 2024 02:58:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 15:02:30.527720
• Title: A Data-Driven Pool Strategy for Price-Makers Under Imperfect Information
• Title（参考訳）: 不完全な情報下における価格設定者のためのデータ駆動型プール戦略
• Authors: Kedi Zheng, Hongye Guo, Qixin Chen,
• Abstract要約: 本稿では,不完全情報に基づく価格設定者のプール戦略について検討する。 価格メーカーは、利用可能な歴史情報を用いて、提供曲線に関する市場結果を見積もるべきである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper studies the pool strategy for price-makers under imperfect information. In this occasion, market participants cannot obtain essential transmission parameters of the power system. Thus, price-makers should estimate the market results with respect to their offer curves using available historical information. The linear programming model of economic dispatch is analyzed with the theory of rim multi-parametric linear programming (rim-MPLP). The characteristics of system patterns (combinations of status flags for generating units and transmission lines) are revealed. A multi-class classification model based on support vector machine (SVM) is trained to map the offer curves to system patterns, which is then integrated into the decision framework of the price-maker. The performance of the proposed method is validated on the IEEE 30-bus system, Illinois synthetic 200-bus system, and South Carolina synthetic 500-bus system.
• Abstract（参考訳）: 本稿では,不完全情報に基づく価格設定者のプール戦略について検討する。 このとき、市場参加者は、電力システムの必須送信パラメータを得ることができない。 したがって、価格メーカーは、利用可能な歴史情報を用いて、提供曲線に関する市場結果を見積もるべきである。 経済ディスパッチの線形プログラミングモデルは、リムマルチパラメトリック線形プログラミング(rim-MPLP)の理論を用いて解析する。 システムパターンの特徴(ユニットと送信ラインを生成するステータスフラグの組み合わせ)を明らかにする。 サポートベクタマシン(SVM)に基づくマルチクラス分類モデルをトレーニングし、オファーカーブをシステムパターンにマッピングし、価格決定フレームワークに統合する。 提案手法の性能は,IEEE 30-busシステム,イリノイ合成200-busシステム,サウスカロライナ合成500-busシステムで検証される。

関連論文リスト

• Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
  AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。 コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。 本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
  論文  参考訳（メタデータ） (2024-06-22T11:17:50Z)
• Ultrafast jet classification on FPGAs for the HL-LHC [33.87493147633063]
  3つの機械学習モデルを用いてジェット起源分類を行う。 これらのモデルは、フィールドプログラム可能なゲートアレイデバイスにデプロイするために最適化されている。
  論文  参考訳（メタデータ） (2024-02-02T20:02:12Z)
• Analytical model for large-scale design of sidewalk delivery robot systems [4.510000677649468]
  本稿では,配送システムの初期コストと運用コストの両方を把握し,運用における制約や運用戦略の影響を評価するモデルを提案する。 そして、このモデルをニューヨーク市の地区に適用し、実際のシナリオにおける歩道配達ロボットシステムの展開を評価する。
  論文  参考訳（メタデータ） (2023-10-26T15:26:12Z)
• American Option Pricing using Self-Attention GRU and Shapley Value Interpretation [0.0]
  本稿では,ゲートリカレントユニット(GRU)と自己認識機構に基づいて,SPY(ETF)オプションの価格を予測する機械学習手法を提案する。 我々は、多層パーセプトロン(MLP)、長期記憶(LSTM)、自己注意型LSTM、自己注意型GRUの4つの異なる機械学習モデルを構築した。
  論文  参考訳（メタデータ） (2023-10-19T06:05:46Z)
• Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
  オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。 本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。 多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
  論文  参考訳（メタデータ） (2023-06-14T11:41:42Z)
• MILO: Model-Agnostic Subset Selection Framework for Efficient Model Training and Tuning [68.12870241637636]
  モデル学習からサブセット選択を分離するモデルに依存しないサブセット選択フレームワークMILOを提案する。 実験結果から、MILOはモデルを3ドル(約3,300円)でトレーニングし、ハイパーパラメータを20ドル(約2,300円)でチューニングできます。
  論文  参考訳（メタデータ） (2023-01-30T20:59:30Z)
• FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
  我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
  論文  参考訳（メタデータ） (2022-10-26T00:23:36Z)
• A Scalable Inference Method For Large Dynamic Economic Systems [19.757929782329892]
  本稿では,時間変化パラメータ自動回帰モデルを組み込む新しい変分ベイズ推論手法を提案する。 我々のモデルは、価格、個々のアクターのトランザクション、トランザクションフローの分析、価格の動きを含む大規模なブロックチェーンデータセットに適用されます。 我々は、機械学習アーキテクチャの助けを借りて、フォワードモデルに非線形性を導入することで、シンプルな状態空間モデリングをさらに改善する。
  論文  参考訳（メタデータ） (2021-10-27T10:52:17Z)
• Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
  利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。 動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-02-15T19:56:48Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Explainable AI for a No-Teardown Vehicle Component Cost Estimation: A Top-Down Approach [1.3700176775696422]
  本稿では、機械学習とゲーム理論の概念を組み合わせることで、自動車価格のモデリングと部品価格の推定にデータ駆動によるアプローチを提案する。 製造元が提案する小売価格で部品価格と車両価格を推定するための一般的な分解手法と調査手法の代替方法を示す。 この新たなエクササイズは、顧客レベルでの技術の正確な価格設定を提供するだけでなく、製造業者間の価格戦略に大きなギャップがあることも示している。
  論文  参考訳（メタデータ） (2020-06-15T23:47:19Z)

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。