具有风险约束的随机发电交易策略

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Risk Constrained Trading Strategies for Stochastic Generation with a
  Single-Price Balancing Market》
---
作者：
Jethro Browell
---
最新提交年份：
2017
---
英文摘要：
  Due to the limited predictability of wind power and other stochastic generation, trading this energy in competitive electricity markets is challenging. This paper derives revenue-maximising and risk-constrained strategies for stochastic generators participating in electricity markets with a single-price balancing mechanism. Starting from the optimal---and impractical---strategy of offering zero or nominal power, which exposes the participant to potentially large imbalance costs, we develop a number of strategies that control risk by hedging against penalising balancing prices in favour of rewarding ones. Trading strategies are formulated in a probabilistic framework in order to address asymmetry in balancing prices. The large-scale communication of system information characteristic of modern power systems is utilised to inputs for electricity price forecasts and probabilistic system length forecasts. A case study using data from the GB market in the UK is presented and the ability of the proposed strategies to increase revenue and reduce risk is demonstrated and analysed.
---
中文摘要：
由于风力发电和其他随机发电的可预测性有限，在竞争激烈的电力市场中交易这种能源具有挑战性。本文推导了随机发电商在单一价格平衡机制下参与电力市场的收益最大化和风险约束策略。从提供零功率或名义功率的最佳且不切实际的策略（这会使参与者面临潜在的巨大不平衡成本）开始，我们制定了一系列策略，通过对冲惩罚平衡价格而有利于奖励价格来控制风险。交易策略是在概率框架下制定的，以解决平衡价格的不对称性。现代电力系统的系统信息特征的大规模通信被用来输入电价预测和概率系统长度预测。本文介绍了一个使用英国GB市场数据的案例研究，并对拟议战略增加收入和降低风险的能力进行了论证和分析。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> Risk_Constrained_Trading_Strategies_for_Stochastic_Generation_with_a_Single-Pric.pdf (214.67 KB)

2022-6-1 05:40:51 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：交易策略 Quantitative Applications Econophysics Electricity

具有单一价格平衡市场的随机发电的风险约束交易策略Jethro BrowellAbstract由于风力发电和其他随机发电的可预测性有限，在竞争性电力市场中交易这种能源具有挑战性。本文推导了随机发电商在单一价格平衡机制下参与电力市场的收益最大化和风险约束策略。从提供零功率或名义功率的最佳和实用策略（这会使参与者面临潜在的巨大不平衡成本）开始，我们制定了一些策略，通过惩罚平衡价格而不是奖励价格来控制风险。为了解决价格平衡中的不对称问题，交易策略在概率框架中制定。现代电力系统的系统信息特征的大规模通信被用于电价预测和概率系统长度预测的输入。本文介绍了一个利用英国GB市场数据进行的案例研究，并对拟议战略增加收入和降低风险的能力进行了论证和分析。指数术语能源交易、风险、电力市场、随机发电。电力市场是为可调度发电而设计的。自欧洲、美国和其他地方的能源自由化以来，通过能源和辅助服务互联市场的组合，输电系统的集中运营，满足了供应和需求[1]。风能和太阳能等随机发电机需要电力生产预测才能参与这些市场的经济活动，虽然高质量的预测可以广泛获得并不断改进，但它们永远不会完美。人们非常关注如何将stoc hastic Generation整合到电力市场中[2]。

他们的参与策略可以受益于使用有关预测不确定性的信息，以应对生产过剩或不足的不对称惩罚。由于这项技术更加成熟，大部分工作都集中在风能上，但这些原理可以转移到其他随机发电机，如太阳能或其他智能电网参与者，如聚合器[3]。展望未来，促进可再生能源积极参与平衡市场的新电力市场安排正在成为现实[4]，并提出了通过允许概率报价直接结合随机发电特性的市场设计[5]。【6】中推导了在日间市场交易风电的报价策略，对于双价格平衡市场，可根据对不平衡价格的预测计算预测分布的最佳分位数【7】、【8】。这是J。Browell就职于英国格拉斯哥斯特拉斯克莱德大学电子与电气工程系，电子邮箱：jethro。browell@strath.ac.uk.Manuscript提交日期：2021年11月15日【9】中对分析进行了扩展，以包括对要约人的追索权，直至交付时间。【10】考虑参与日内电力交易（促进匿名双边交易），即接受可提高参与者市场地位的各种出价和要约，尽管没有针对da y-aheadmarket的复杂要约策略。风电作为价格制定者的战略行为也已得到研究【11】、【12】。这项工作的大部分都是从统治者的权力角度进行的；然而，电力市场的参与者也需要价格预测来通知他们的决策，正如上面给出的例子所承认的那样。

电力公司预测未来数小时至数月的价格，以降低风险或最大化利润，而日前的非初期预测对于有效的投标策略至关重要【1】。【13】对电力预测进行了广泛审查，2014年全球能源预测竞赛价格预测跟踪结果【14】概述了最先进的实践。电力价格基本上是由供需成本驱动的，因此在进行预测时，有必要对其进行建模[15]、[16]、[17]。短期电价备受关注，常见的时间序列模型（ARX、ARIM A等）很受欢迎。预测均衡价格受到的关注较少，但在【18】和【19】中考虑了均衡量，他们分别使用基于ARIMA和指数平滑的方法es。虽然已经了解到了随机发电商如何参与电力市场，但这项工作的大部分都集中在具有价格平衡机制的市场上。这主要是由于可再生能源在这些市场的高度渗透，尤其是在欧洲。虽然欧洲大多数电力市场都采用双重定价系统，但单一价格市场在美国占主导地位，在德国、荷兰和自2015年11月起在英国也开始运行。在sm art网格中收集和共享大量系统数据，以有效利用可用资产和资源【20】。这些数据也可用于电力市场参与者的战略。

此外，由于参与者可以使用此信息，因此它可以很容易地集成到自动交易系统中。在这项工作中，考虑了随机发电在日前能源市场中的参与以及单一价格的balan-Cingbalance市场。据观察，在这种情况下，电力市场预测至关重要，电力预测人员只需应用风险约束即可。第二个结果是观察可变发电量的织构系数，以提供这种情况下的准确预测，如【21】中所述。提出了基于多头或空头头寸的策略，以管理不对称不平衡成本。除了对前一天和平衡价格的预测外，还需要对系统长度（系统净失衡的迹象）进行概率预测。收益最大化和风险约束策略都是推导出来的，只有后者需要对发电量进行预测。第二节介绍了日前市场和平衡市场，第三节介绍了供应商策略问题和可能的解决方案。使用逻辑回归进行概率系统长度预测，使用ARMAX模型进行价格预测，两者都使用更广泛的系统数据，第五节介绍了使用英国真实数据的案例研究。预测绩效与标准基准进行比较，并根据交易策略的绩效以货币计量。最后，第六章第二节作了总结。

日前和平衡的市场结构在不同地区之间可能存在很大差异，但通常由四个主要部分组成：从交付之日到交付之日，各当事方之间的双边合同，一天的ahea和拍卖，以确定第二天发电机和大型工业消费者的活动时间表，一个日间市场，允许参与者在接近交付时调整仓位，一个平衡市场，由输电系统运营商用于实时平衡供需【22】。此外，还存在其他辅助服务市场，如频率响应、保留功率和提供无功功率，以及能源选项和期货等金融产品。对于随机发电机来说，最重要的市场是平衡市场，因为预测发电量的需要使得进一步提前交易变得不切实际，而且因为预测误差会导致不平衡。日内可进入市场的参与者可在更接近关口的情况下修改其仓位，但往往因流动性低而遭受损失，这意味着参与者很难找到可交易的交易方。日前市场通常是双盲拍卖，发电商和消费者提交匿名发电报价，并在愿意支付或被支付的4月份出价消耗一定数量的能源。比较供应和需求，并计算第二天每个时段的市场价格。该价格适用于所有接受的投标和报价，是日内平衡市场的重要参考，因为它给出了给定周期内能源边际价格的指示。输电系统运营商使用平衡市场来平衡供需，并从闸门关闭到交付点进行操作。

系统运营商产生的平衡成本通过付款的方式进行回收，但这些费用不平衡。价格的计算基于单一或双重采购系统。单一价格体系中的所有参与者都以相同的不平衡价格解决其不平衡问题，而在双重价格体系中，参与者根据其不平衡的迹象获得不同的价格。平衡价格代表了系统运营商增加或减少净发电量的成本，因此取决于系统是否有新的能源附加值。在单一价格基础市场中，单一价格是否大于或小于每日ahea d价格取决于系统长度，即，在给定的时间段内，输电系统运营商是否必须增加或减少净发电量。如果系统能源短缺，则平衡价格将高于未来价格，这反映出使用更昂贵或灵活的发电机（或减少需求），如果系统较长，则相反。这样做的效果是让那些在与系统相同的方向上失去平衡的市场参与者变得更加活跃，并让那些在相反的方向上失去平衡的市场参与者转向那些帮助系统的人。这与双价格体系不同，双价格体系中导致系统失衡的失衡会受到惩罚，而那些有助于获得中性参考价格的体系通常与日前价格相似。系统长度对预测的重要性显而易见：不平衡的错误方式会招致惩罚，而不平衡的正确方式则是有利的。然而，在向日前市场提交报价之前预测系统长度具有挑战性，并且由于正确预测的惩罚和奖励不是系统性的，因此需要一种可能性方法。

在下一节中，根据对系统长度的概率评估，制定了该pr问题，并为当天的ahea和市场提供了策略。三、 在这里，我们考虑为在日前和平衡市场中都是价格接受者的参与者提供日前报价策略，而不考虑参与日内市场。对于每个结算期t+k，市场参与者将收缩so Me能源量ECt+kat时间t。合同参与者ECt+kbut产生Et+kis的收入Rt+k=πCt+kECt+k- TCt+k（1），其中πCt+kis是t+k期间的合同价格，TCt+kis是与能量不平衡相关的成本dt+k=ECt+k-Et+k。在一个单一的价格平衡市场中，每个参与者必须以不平衡价格购买等于其负债的能源量，或出售等于其盈余的能源量。平衡价格πSt+kis是系统运营商为实时维持供需平衡而采取的与t+k周期相关的平衡行动的函数，在每个结算期计算。不平衡成本TCt+kis给定nbytct+k=πSt+kdt+k。（2）根据市场参与者产生的实际能量及其不平衡性，可以表示市场参与者的收入，如下rt+k=πCt+kEt+k- Tt+k（3），很明显，为了最大限度地增加收入，平衡成本T+k=πSt+k- πCt+kdt+k，（4）应最小化。为了反映单一不平衡价格的双重性质，我们区分了净上调或下调导致的价格，这与系统净不平衡量（NIV）的符号相对应。方程式（4）然后变为t+k=(π+t+k- πCt+kdt+kif NIVt+k>0π-t+k- πCt+kdt+kif NIVt+k≤ 0。（5）其中π+t+k>πCt+kis是上调价格，π-t+k<πCt+kis是下调价格。

由于π+t+k=π，为了简单起见，NIVt+k=0的情况与NIVt+k<0的情况合并，并且没有失去一般性-t+k=πCt+类似于这种情况。假设不参与其他市场或不鼓励参与其他市场，市场参与者的目标是在管理风险的同时，合同能源ECt+K的数量，以最大限度地增加收入。A、 不平衡最小化首先，我们考虑最简单的风险管理策略：通过在da y-ahead市场中为每个周期承包预测发电量，最大限度地减少对imbalan c e ch A RGE的风险敞口。这种方法减少了惩罚im平衡价格的风险，但也减少了在参与者的不平衡迹象与系统的不平衡迹象相反的情况下奖励价格的风险。在这种情况下，投标由ECT+k=^Et+k | t给出，（6），其中^Et+k |是在时间t设置为最小平均绝对误差时对Et+kmade进行的e转换。这种策略的好处是不需要预测市场价格或系统长度。B、 系统长度的分类评估如果在签订合同时已知系统长度，根据方程式（5），最佳合同体积为±∞! 这当然是胡说八道，违反了价格接受者的假设，因为此类报价将影响市场和NIV前一天的结算价格。任何拥有足够权力的参与者都必须协调对前一天的影响，即价格、NIV和系统运营商必须采取的平衡行动的边际价格，以及市场监管机构的意见。这里不考虑这种情况。

因此，我们假设我们认为风力发电机的容量相对于NIV的大小较小，并且合同容量限制在0范围内≤ ECt+k≤ Emax，其中Emaxis是风力发电机在单一结算期内可输送的最大能量。如果已知周期t+k的NIV符号，则最佳出价将为simplyECt+k=（如果NIVt+k>0Emaxif NIVt+k，则为0≤ 0。（7）实施该策略需要确定NIV标志，但无需功率预测。还要注意的是，如果NIV的迹象预测正确，仅在极端情况下出价会使参与者面临潜在的巨大损失。C、 系统长度的概率评估由于净上涨和下跌时期的不平衡价格在πC左右不对称，因此需要从概率论的角度来制定报价策略。考虑t+k期间产生的能量g为随机m变量ET+k，并且在t时系统缩短Prt（NIVt+k>0）=φt+k | t的概率。我们将NIV完全为零的可能性包括在系统长而无后果的可能性中，因此Prt（NIVt+k≤ 0) = 1 - φt+k | t。在过程分析中删除子脚本t+k和t+k | t，以避免符号混乱。在此概率框架中，不平衡成本T的期望值为T=φπ+- πCd+（1- φ)π-- πCd（8），其中d=EC- E、 使用期望运算器E{·}，现在可以计算出最佳出价为▄EC=argminECE{T}（9）=argminECφ(π+- π-) + π-- πCE{d}（10）=argminEChφ(π+- π-) + π-- πC×欧共体- E{E}i（11）由于最优报价仅取决于实际不平衡乘以预期不平衡的符号，因此有助于确定Φ=πC的比率- π-π+- π-（12） 并将最优报价写为▄EC=（Emaxifφ<Φ0 ifφ≥ Φ.