論文の概要: Conformal Uncertainty Quantification of Electricity Price Predictions for Risk-Averse Storage Arbitrage

• arxiv url: http://arxiv.org/abs/2412.07075v1
• Date: Tue, 10 Dec 2024 00:31:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:36:27.986032
• Title: Conformal Uncertainty Quantification of Electricity Price Predictions for Risk-Averse Storage Arbitrage
• Title（参考訳）: リスク・リバース・ストレージ・アービタージュにおける電力価格予測の不確かさの定量化
• Authors: Saud Alghumayjan, Ming Yi, Bolun Xu,
• Abstract要約: 本稿では、電力価格予測に適合性不確実性定量化を利用する、エネルギー貯蔵価格仲裁に対するリスク回避手法を提案する。 フレームワークは、高カバレッジでリアルタイムな価格不確実性信頼区間を定量化する2層予測モデルを含む。 ニューヨーク州の歴史的データと合成価格予測を用いて、我々の評価は、このフレームワークが35%以下の購入で利益率を達成できることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper proposes a risk-averse approach to energy storage price arbitrage, leveraging conformal uncertainty quantification for electricity price predictions. The method addresses the significant challenges posed by the inherent volatility and uncertainty of real-time electricity prices, which create substantial risks of financial losses for energy storage participants relying on future price forecasts to plan their operations. The framework comprises a two-layer prediction model to quantify real-time price uncertainty confidence intervals with high coverage. The framework is distribution-free and can work with any underlying point prediction model. We evaluate the quantification effectiveness through storage price arbitrage application by managing the risk of participating in the real-time market. We design a risk-averse policy for profit-maximization of energy storage arbitrage to find the safest storage schedule with very minimal losses. Using historical data from New York State and synthetic price predictions, our evaluations demonstrate that this framework can achieve good profit margins with less than $35\%$ purchases.
• Abstract（参考訳）: 本稿では、電力価格予測に適合性不確実性定量化を利用する、エネルギー貯蔵価格仲裁に対するリスク回避手法を提案する。 本手法は, 将来の価格予測に依存するエネルギー貯蔵参加者に対して, 電力価格の変動性や不確実性によって生じる重大な課題に対処するものである。 フレームワークは、高カバレッジでリアルタイムな価格不確実性信頼区間を定量化する2層予測モデルを含む。 このフレームワークは分散フリーで、どんな点予測モデルでも使える。 我々は,リアルタイム市場への参入リスクを管理することにより,ストレージ価格仲裁アプリケーションによる定量化の有効性を評価する。 我々は、最小限の損失で最も安全なストレージスケジュールを見つけるために、エネルギー貯蔵仲裁の利益最大化のためのリスク回避ポリシーを設計する。 ニューヨーク州の歴史的データと合成価格予測を用いて、我々の評価は、このフレームワークが35セント未満の購入で利益率を達成できることを示した。

関連論文リスト

• Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
  再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします 本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。 本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T13:57:47Z)
• Deep Learning-Based Electricity Price Forecast for Virtual Bidding in Wholesale Electricity Market [3.130428666578115]
  本研究では,ERCOT(Electric Reliability Council of Texas)市場におけるリアルタイム電力価格と日頭電力価格の間に広がる価格を予測するためのトランスフォーマーに基づくディープラーニングモデルを提案する。 提案したモデルは現実的な制約の下で訓練され、毎週モデルを更新してウォーキングフォワードアプローチを用いて検証される。 その結果, ピーク時のみの取引戦略が50%を超える精度で, ほぼ一貫した利益をもたらすことがわかった。
  論文  参考訳（メタデータ） (2024-11-25T20:04:16Z)
• Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets [0.0]
  コンフォメーション予測(CP)は、日々の太陽光発電電力予測の確率予測手法である。 CPを特定の入札戦略と組み合わせることで、エネルギーの不均衡を最小限に抑えて高い利益を得ることができる。 具体的には、k-アネレスト近傍の共形予測システムと無作為な森林回帰の後にモンドリアン・ビンニングを用いると、最良の利益が得られる。
  論文  参考訳（メタデータ） (2024-03-29T12:34:57Z)
• 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)
• Price-Aware Deep Learning for Electricity Markets [58.3214356145985]
  深層学習層として電力市場浄化最適化を組み込むことを提案する。 このレイヤを差別化することで、予測と価格エラーのバランスをとることができる。 風力発電予測と短期電力市場浄化のネクサスにおける価格認識深層学習について紹介する。
  論文  参考訳（メタデータ） (2023-08-02T21:16:05Z)
• Measuring tail risk at high-frequency: An $L_1$-regularized extreme value regression approach with unit-root predictors [6.603123437390905]
  我々は、高周波金融市場におけるテールリスクダイナミクスとその取引活動および市場不確実性との関連について検討する。 定常および局所的な単位根予測器を共役する動的極値回帰モデルを導入する。 流動性とボラティリティの高ボラティリティ期における価格影響の低さにより、極端な損失の深刻度が適切に予測されることがわかった。
  論文  参考訳（メタデータ） (2023-01-03T21:31:00Z)
• 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)
• 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)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
  既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。 第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。 第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
  論文  参考訳（メタデータ） (2021-02-15T07:22:09Z)
• 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。