基于机器学习的虚拟投标与电力市场效率分析
机器学习
2021-04-08 v1
摘要
本文提出一种考虑风险约束与价格敏感性的机器学习驱动的电力市场虚拟投标组合优化框架。该算法交易策略从自营交易公司的视角出发以最大化利润。通过利用市场出清算法的小时间依赖性，开发了基于循环神经网络的节点边际电价（LMP）价差预测模型。LMP价差相对于净虚拟投标的敏感性被建模为具有所提约束梯度提升树的单调函数。我们利用所提算法虚拟投标交易策略来评估虚拟投标组合的利润率以及美国批发电力市场的效率。对PJM、ISO-NE和CAISO的综合实证分析表明，显式考虑价格敏感性的虚拟投标组合优化策略优于忽略价格敏感性的策略。三个电力市场的虚拟投标组合夏普比率均远高于标普500指数。研究还显示，CAISO两结算系统的效率低于PJM和ISO-NE。
引用
@article{arxiv.2104.02754,
title = {Machine Learning-Driven Virtual Bidding with Electricity Market Efficiency Analysis},
author = {Yinglun Li and Nanpeng Yu and Wei Wang},
journal= {arXiv preprint arXiv:2104.02754},
year = {2021}
}