估计动态条件价差密度以优化电力每日储能交易
应用统计
2019-03-18 v1 机器学习
计量经济学
交易与市场微观结构
机器学习
摘要
本文基于 skewed-t 及类似表示构造动态密度函数，以建模并预测一天中不同时段间的电价价差。这支持最优的日前储能与放电计划，从而促成商户套利设施参与日前批发电力拍卖的投标策略。密度函数的四个潜矩是动态的且条件依赖于外生驱动因素，从而使得密度的均值、方差、偏度与峰度能按小时响应天气与需求预测等因素。各价差的最佳设定基于 Pinball Loss 函数选取，依据累积密度函数的闭式解析解。这些解析性质也允许计算与价差套利相关的风险。由这些价差密度，确定电池储能设施的每日最优运行。
引用
@article{arxiv.1903.06668,
title = {Estimating Dynamic Conditional Spread Densities to Optimise Daily Storage Trading of Electricity},
author = {Ekaterina Abramova and Derek Bunn},
journal= {arXiv preprint arXiv:1903.06668},
year = {2019}
}
备注
59 pages, 37 figures, CEMA 2019, POM Special Issue